M MA AT TE EM M T TI IC CA AS S A AP PL LI IC CA AD DA AS S E EN N

I IN NG GE EN NI IE ER R A A Q QU U M MI IC CA A






Heberto Tapias Garca
Luz Amparo Palacio Santos


Universidad de Antioquia

Medelln
Marzo de 2009






M MA AT TE EM M T TI IC CA AS S A AP PL LI IC CA AD DA AS S E EN N
I IN NG GE EN NI IE ER R A A Q QU U M MI IC CA A


Por


Heberto Tapias Garca
Profesor del Departamento en Ingeniera Qumica

Luz Amparo Palacio Santos
Profesora del Departamento en Ingeniera Qumica


Universidad de Antioquia

Medelln
Marzo de 2009
i
PRLOGO


En su ejercicio profesional, un ingeniero tiene que resolver los problemas con los
conocimientos existentes o sin ellos. Cuando se dispone de una aproximacin
terica para dar cuenta de los fenmenos que subyacen en los sistemas que
interviene el ingeniero, la matemtica le ofrece un lenguaje simblico para
construir un modelo o sistema sustituto con el cual se puede obtener informacin
sobre el comportamiento del sistema real. Pero tambin la matemtica le provee
al ingeniero herramientas y mtodos para resolver los modelos matemticos
fenomenolgicos y generar modelos matemticos a partir de datos empricos
obtenidos directamente de la experimentacin de prototipos o de la operacin de
sistemas reales.

La matemtica en ingeniera es un instrumento con el cual el profesional busca
la solucin a esos problemas cotidianos, es as como la matemtica promueve
lenguaje para construir modelos de los sistemas reales, nos da la posibilidad de
organizar la realidad en un sistema abstracto, etc. Sin embargo, la matemtica
adems de instrumental es tambin formal, es decir, el conocimiento de la
matemtica nos educa para hacer abstraccin, nos ayuda a organizar, a ser
rigurosos.

Este libro presenta herramientas y estrategias matemticas de gran aplicabilidad
a problemas de ingeniera qumica. Los cinco captulos que lo conforman tienen
una sustentacin terica, algoritmos, frmulas, ejemplos aplicados, en algunos
casos ejercicios puramente matemticos, problemas propuestos y bibliografa.

Se necesita en algunos captulos que el lector conozca suficientemente bien
toda la fenomenologa de los procesos qumicos y el diseo de equipos. Por
ejemplo, en el captulo de modelacin es preciso manejar los conceptos de
fenmenos de transferencia de masa, transferencia de calor y cantidad de
movimiento. Por otro lado, hay algunos requerimientos mnimos en el rea de las
matemticas para que quien aborde el libro pueda comprenderlo, por ejemplo, el
clculo diferencial, clculo integral y las ecuaciones diferenciales.

Los temas abordados en cada captulo se planearon teniendo en cuenta las
necesidades matemticas que un estudiante de ingeniera qumica de ltimo
semestre debe integrar para tener un buen desempeo laboral. El primer
captulo trata sobre la modelacin de procesos, la estrategia a seguir para
conseguir representar la realidad por medio de algoritmos matemticos y datos
de propiedades, condiciones iniciales, condiciones finales, etc. El segundo
captulo tiene que ver con la conceptualizacin de las diferencias finitas y
ecuaciones en diferencias, las cuales son aplicadas principalmente en procesos
qumicos que se realizan en etapas, o sea, no continuos. El tercer captulo
comprende diferentes mtodos numricos para ser utilizados en casos donde los
mtodos analticos no son aplicables; abordndose aqu temas como la solucin
ii
de ecuaciones no lineales, de sistemas lineales y no lineales, interpolacin y
aproximaciones, diferenciacin, integracin y solucin de ecuaciones
diferenciales. La optimizacin no lineal con aplicaciones en ingeniera qumica es
tratada en el cuarto captulo; se trabaja con funciones objetivo univariable y
multivariable, ambas con restricciones y sin ellas. En el captulo final se aborda
el tratamiento estadstico de datos experimentales, de gran importancia en
ingeniera qumica, especialmente para conocer con determinada certeza la
validez de los datos obtenidos experimentalmente.



1
CAPTULO I

MODELACIN MATEMTICA DE SISTEMAS EN INGENIERA
QUMICA

TABLA DE CONTENIDO


1.1. Anlisis en Ingeniera Qumica ........................................................................ 2
1.2. Modelacin de procesos y sistemas ................................................................ 5
1.2.1. Representacin esquemtica .................................................................... 6
1.2.2. Variables fundamentales ........................................................................... 6
1.2.3. Variables caractersticas ........................................................................... 8
1.2.4. Volumen de control .................................................................................... 8
1.2.5. Ecuaciones bsicas ................................................................................... 9
1.2.6. Relaciones especficas o constitutivas..................................................... 10
1.2.7. Variables dependientes y parmetros ...................................................... 11
1.3. Problemas propuestos .................................................................................. 19
1.4. Bibliografa .................................................................................................... 21

2
CAPITULO I.
MODELACIN MATEMTICA DE SISTEMAS EN INGENIERA
QUMICA



1.1. Anlisis en Ingeniera Qumica

En la solucin de problemas y el desarrollo de sistemas de procesos qumicos o
bioqumicos, el ingeniero qumico se ve enfrentado a tener que realizar algn tipo
de anlisis para la formulacin de alternativas y seleccin de alguna propuesta de
solucin. Para llevar a cabo estos anlisis es necesario que el ingeniero formule
correctamente el problema u objeto de anlisis y lo interprete con la ayuda de los
conocimientos disponibles: leyes, principios, teoras, paradigmas, etc. Es decir,
necesita identificar inequvocamente los fenmenos y procesos presentes en el
sistema objeto de anlisis, y utilizar las herramientas disponibles para generar la
informacin requerida y aproximaciones a la solucin de los problemas
enfrentados.

En el anlisis moderno de los sistemas y procesos objetos de estudio de la
ingeniera qumica, generalmente se recurre a la modelacin matemtica
fenomenolgica. Esta modelacin es posible en aquellos sistemas y procesos en
los que se tienen conocimientos sobre los fenmenos que intervienen y para los
cuales se han elaborado teoras y generado relaciones matemticas para
describirlos. El modelo matemtico generado, constituido por un conjunto de
ecuaciones diferenciales, en diferencias finitas y algebraicas, en algunos casos
puede resultar difcil de manipular; y aunque pueda resolverse fcilmente, en
ocasiones es recomendable el uso de juicios ingenieriles y aproximaciones
razonables para reducirlo a uno menos complejo, que para los propsitos prcticos
suministre una solucin de ingeniera confiable de acuerdo con los datos
disponibles. Pero an, habindose reducido la complejidad del modelo, la solucin
del problema matemtico puede enfrentarse a la limitacin de la existencia de
tcnicas analticas para la manipulacin del modelo, lo que conducira a recurrir a
transformaciones del sistema de ecuaciones para ajustarlo a las formas
estandarizadas, o utilizar las tcnicas numricas como mtodos de aproximacin a
la solucin rigurosa.

El anlisis significa examinar un sistema para identificar sus elementos
constitutivos, relaciones y estructura, con el propsito de conocer sus
caractersticas y funcionamiento. El inters del anlisis de sistemas en ingeniera
qumica se enfoca en el entendimiento de cmo se comportan variables como
presin, temperatura, composicin y flujos, que caracterizan su comportamiento,
en relacin con los parmetros y variables de entrada del sistema que son
controlables. Esa comprensin que se obtiene del sistema ofrece la posibilidad de
usar modelos para simular su comportamiento, sin intervencin en el sistema real,
cambiando parmetros y condiciones de variables, para decidir sobre las

3
transformaciones que deben introducirse en los sistemas existentes para obtener
un comportamiento deseado, o para disear y generar uno completamente nuevo.

Es amplio el mbito de problemas y variados los objetivos en donde resulta de
utilidad el anlisis en ingeniera qumica. La investigacin y desarrollo de procesos,
el diseo, mejoramiento y optimizacin de procesos, operaciones y equipos, son
reas en donde con mayor frecuencia se realizan estudios analticos; y en
cualquiera de ellas, los problemas objeto de anlisis generalmente involucran
fenmenos de transferencia de cantidad de movimiento, transferencia de calor,
transferencia de masa y cintica qumica. Particularmente en el desarrollo y diseo
de procesos, la evaluacin de las alternativas y la toma de decisiones se realizan
en forma sistemtica, mediante un proceso lgico secuencial que involucra tres
grandes fases: la sntesis del proceso, el anlisis del proceso y la optimizacin. En
la primera fase, la sntesis del proceso, se genera una propuesta de proceso, su
diagrama de flujo y la seleccin del tipo de operaciones unitarias que lo conforman.
El anlisis del proceso se hace con base en esta configuracin y en los clculos de
balance de masa y energa, la seleccin del tipo de equipo, y el dimensionamiento
y el costeo de ellos. Finalmente se lleva a cabo la optimizacin para la decisin
ptima sobre los valores de condiciones de operacin del proceso y las
especificaciones de los equipos.

El anlisis de sistemas en ingeniera qumica es un proceso sistemtico que entre
sus etapas involucra la descripcin matemtica del sistema, la manipulacin del
modelo matemtico, la comparacin de los resultados suministrados por el modelo
con la situacin real y el estudio cuidadoso de las limitaciones del modelo para
efectos de la toma de decisiones de acuerdo con el objetivo ltimo del anlisis.
Este proceso puede organizarse como una secuencia lgica de las siguientes
etapas generales:

1. Definicin del problema
2. Teora
3. Modelo matemtico
4. Algoritmo
5. Soluciones
6. Anlisis de la solucin

La primera etapa, la definicin del problema, es una de las ms importantes porque
es la que define el objetivo del anlisis. Normalmente este objetivo est asociado a
un requerimiento de informacin sobre el comportamiento del sistema para efectos
de su diseo, transformacin, control o cualquiera otra situacin relacionada con el
sistema.

Son muchos los objetivos posibles del anlisis, los cuales pueden estar asociados
a problemas o necesidades como:

Qu proceso en particular debe usarse para producir un producto qumico
especfico?.

4

Qu tipo de equipo y qu tamao es necesario para una operacin unitaria?.

Cules son las condiciones de operacin que maximizan la produccin de un
producto?

Cmo deben manipularse las variables de control de un proceso o equipo para
mantenerlo en las condiciones de operacin deseadas?.

Cul es la operacin de separacin viable econmicamente para recuperar una
sustancia de una mezcla conocida?.

Cules son los factores que controlan la distribucin de productos y
rendimiento en un reactor?.

En la solucin de cualquiera de esos problemas sealados es conveniente
especificar cul es la informacin que se requiere sobre el sistema y para que se
requiera esta informacin.

La segunda etapa es una definicin o bsqueda de la teora que explica el
fenmeno o conjunto de fenmenos presentes en el sistema bajo anlisis.
Generalmente esta teora existe, pero en caso contrario, la solucin del problema
requiere inicialmente de una investigacin, en la que deben formularse hiptesis o
postularse una teora y constatar su validez mediante la comparacin de resultados
experimentales con una solucin obtenida con un modelo matemtico construido
con base en esta teora. En el desarrollo de esta etapa se requiere una habilidad
especial para identificar los fenmenos presentes en el sistema objeto de anlisis y
la forma como interactan, para comprender el comportamiento global del sistema
y poderlo expresar en trminos matemticos. Esta es la etapa crucial en el anlisis
en ingeniera qumica.

Una vez conocida la teora, el problema se convierte en un problema matemtico
mediante la definicin de variables y parmetros y la construccin de un modelo
matemtico ensamblado con el conjunto de relaciones o ecuaciones entre
parmetros y variables asociadas a caractersticas del sistema objeto de anlisis.

Las variables pueden clasificarse como variables de entrada al modelo y las
variables de salida. Las variables de entrada son aquellas que deben ser
normalmente especificadas antes de que pueda resolverse el modelo u operarse el
proceso o sistema real. Estas variables tpicamente involucran ratas de flujo de
corrientes de entrada o salida del proceso, composiciones, temperaturas y
presiones de estas corrientes. Las variables de salida son las variables realmente
desconocidas - variables dependientes y parmetros - cuyos valores se obtienen
como soluciones del modelo matemtico.

El algoritmo de solucin o procedimiento de solucin del problema matemtico est
constituido por el conjunto de etapas secuenciales de operacin sobre el modelo

5
para obtener los valores de las variables desconocidas. La ejecucin de las
operaciones especificas y detalladas en el algoritmo proveen una solucin del
problema. Esta solucin es posible obtenerla mediante tcnicas analticas, cuando
existen estos procedimientos y los modelos no son ni muy extensos ni muy
complejos, o a travs de mtodos numricos para modelos extensos y complejos
o para los cuales no existen las tcnicas analticas de solucin. Ambos
procedimientos se pueden desarrollar manualmente, pero hoy es posible generar la
solucin del problema matemtico con el uso del computador como herramienta y
con aplicaciones como MATLAB, POLYMATH o mediante la traduccin del
algoritmo en un programa utilizando un lenguaje especifico de programacin como
FORTRAN, PASCAL, BASIC, C++ u otro. En otros casos, la solucin se obtiene
directamente, sin necesidad de la elaboracin del modelo matemtico, recurriendo
a simuladores comerciales como: UNIOPT, CHEMCAD, SUPERPRO DESIGNER,
entre otros.


1.2. Modelacin de procesos y sistemas

El anlisis terico y la elaboracin del modelo matemtico constituyen el corazn
del anlisis en ingeniera qumica. Los modelos matemticos como representacin
simblica del sistema real permiten, a travs de su manipulacin, interactuar
virtualmente con los sistemas reales para comprender y predecir su
comportamiento. Ellos no slo se utilizan para el diseo, operacin y control de
procesos y equipos, sino que tambin se usan en el anlisis de problemas y fallas,
en la optimizacin de sistemas y equipos, y en el entrenamiento de personal de
operacin cuando se incorporan en simuladores.

Los modelos matemticos permiten describir el comportamiento de los sistemas en
estado estacionario o en su dinmica, y slo aquellos sistemas que puedan ser
analizados tericamente y modelados matemticamente son susceptibles de
solucionar con aproximaciones analticas y racionales para obtener informacin de
una manera expedita y econmica. Esta es la ventaja y el poder del anlisis en
ingeniera qumica. Y aquellos sistemas que no puedan ser objeto de estas
aproximaciones deben estudiarse con modelos reales al nivel de laboratorio o
planta piloto, ya sea para construir alguna teora sobre su comportamiento o para
obtener suficiente informacin experimental para simular su comportamiento con
herramientas como las redes neuronales que no requieren de una comprensin de
los fenmenos o procesos que subyacen en el comportamiento de los sistemas
reales.

Para el desarrollo del modelo matemtico puede seguirse un procedimiento general
constituido por las etapas secuenciales que se muestran en el diagrama de flujo
de la figura 1.


6
1.2.1. Representacin esquemtica

La representacin esquemtica del sistema en un modelo grfico se usa para
mostrar los elementos constitutivos del sistema real, su estructura, las
interrelaciones de dichos elementos y las relaciones o conexiones del sistema con
su entorno. En esta representacin las corrientes de entrada y salida de masa y
energa al sistema suelen representarse con flechas, acompaadas de los
smbolos que identificarn estas corrientes y las correspondientes variables de
caracterizacin de la corriente (flujo, presin, temperatura y composicin). Cuando
el sistema objeto de anlisis es un proceso qumico o bioqumico, el sistema se
representa mediante diagramas de bloques, o diagramas de flujo de proceso con
smbolos convencionales para los equipos. En el caso de equipos u otro tipo de
sistema, la representacin debe ser lo ms ilustrativa posible de la configuracin
real del sistema.

1.2.2. Variables fundamentales

Las variables fundamentales son los atributos ms generales de la materia que
sufren cambios dentro del sistema, para los cuales existen principios de
conservacin. Los sistemas objeto de estudio de la ingeniera qumica involucran
procesos en los que la materia sufre transformaciones fsicas, qumicas o
bioqumicas para la modificacin de su naturaleza, composicin o contenido
energtico. Por lo tanto, los atributos que se usan como variables fundamentales
para estos sistemas son la masa, la energa y la cantidad de movimiento; ya que
los cambios de estas variables son los que informan sobre el comportamiento de
dichos sistemas. Y son estos atributos generales los que permiten caracterizar los
sistemas o informar sobre su estado y trayectorias evolutivas en su
comportamiento.

En un sistema en particular se utilizar una variable fundamental para su
descripcin matemtica, si ese atributo o caracterstica sufre cambio o
transformacin en los procesos que se presentan en el sistema, y si se est
interesado en conocer el comportamiento especifico de esta variable o de una de
sus variables caractersticas asociadas.

7



Figura 1. Etapas en la modelacin de un sistema (tomado de Russell, T.W., Denn,
M.M., John Wiley & Sons, New York, 1972)

Representacin
esquemtica del sistema
Seleccin de las
variables fundamentales
Seleccin de las variables
dependientes de caracterizacin
Seleccin de un volumen
de control apropiado
Verificacin del volumen de control
Hay un valor nico para las variables
de caracterizacin en el volumen de
control?
Generacin de las ecuaciones
bsicas del modelo
Son suficientes
las ecuaciones?
Modelo matemtico
completo
Se usan todos los
principios de
conservacin?
Utilizar una relacin
especfica
si
si
no
no
si
no
Representacin
esquemtica del sistema
Seleccin de las
variables fundamentales
Seleccin de las variables
dependientes de caracterizacin
Seleccin de un volumen
de control apropiado
Verificacin del volumen de control
Hay un valor nico para las variables
de caracterizacin en el volumen de
control?
Generacin de las ecuaciones
bsicas del modelo
Son suficientes
las ecuaciones?
Modelo matemtico
completo
Se usan todos los
principios de
conservacin?
Utilizar una relacin
especfica
si
si
no
no
si
no

8
1.2.3. Variables caractersticas

Normalmente los valores de las variables fundamentales no se pueden medir o
conocer directamente sino indirectamente a travs de otras variables. Son estas
otras variables las que aparecern en las ecuaciones y relaciones que
conformarn el modelo matemtico. Las variables caractersticas son las que
realmente pueden medirse y agruparse para determinar el valor de las variables
fundamentales.

El valor de todas las variables caractersticas en cualquier momento y en cualquier
punto del sistema determina el estado del sistema, y por lo tanto, se les conoce
tambin como variables que determinan el estado del sistema y que son distintas
de las variables de estado definidas en termodinmica. La masa, la energa y la
cantidad de movimiento pueden cuantificarse o caracterizarse con variables como:
densidad, concentracin, presin, temperatura, velocidad, entre otras. En la
seleccin de las variables de caracterizacin, que se van a utilizar para la
formulacin del modelo, conviene especificar cules se usarn para cuantificar
cada una de las variables fundamentales seleccionadas en la descripcin
matemtica del sistema.

1.2.4. Volumen de control

El volumen de control es una regin del sistema que se elige para hacer la
contabilidad de las variables fundamentales mediante los principios de
conservacin y generar as las ecuaciones bsicas del modelo.

El volumen de control apropiado para la generacin de ecuaciones puede ser todo
el volumen del sistema, independientemente de las fases que lo integren y de los
cambios de las variables caractersticas con la posicin. Estos volmenes macros
se usan normalmente para establecer relaciones entre las entradas y salidas del
sistema en estado estacionario. El volumen de control apropiado puede ser
tambin una parte del sistema, o el volumen de una fase o una regin finita o
infinitesimal de ella, cuando se requiere obtener ms ecuaciones bsicas del
modelo.

Para efectos de la seleccin del volumen de control apropiado en una fase, es
conveniente especificar cul variable de caracterizacin -ntimamente asociada a
cada variable fundamental- se va a usar para verificar si el volumen de control
elegido es apropiado o no para efectos de la aplicacin de los principios de
conservacin. Esta especificacin se hace teniendo en cuenta que a cada variable
fundamental est ntimamente ligada una variable o unas variables de
caracterizacin. A la masa estn ntimamente asociadas medidas de concentracin
como las fracciones molares o msicas, las concentraciones absolutas molares o
msicas; a la energa, la temperatura, la presin, la velocidad; y a la cantidad de
movimiento, la velocidad.


9
Un volumen de control apropiado en una fase puede elegirse por ensayo y error,
cuando no se tiene experiencia en el proceso de modelacin matemtica. Se
considera apropiado un volumen de control elegido, comprobando que
efectivamente las variables caractersticas especificadas para esta verificacin
tengan, en un instante dado, el mismo valor en cualquier punto dentro del volumen
de control. Cuando alguna de esas variables caractersticas no cumpla esta
condicin en el volumen de control, debe elegirse otro, hasta que se cumpla la
condicin de constancia en los valores de ellas.

En la bsqueda de un volumen de control apropiado es conveniente iniciar con un
volumen de control finito, el cual puede coincidir con el volumen total de la fase,
continuar luego con volmenes semifinitos, luego infinitesimales, y por ltimo con
un punto como opcin final. Este procedimiento es aplicable en sistemas slidos y
fluidos en reposo o con flujo en rgimen laminar. Un caso especial lo constituyen
aquellos sistemas en los que se presenta flujo turbulento. En estos sistemas no se
pueden usar volmenes infinitesimales, sino semifinitos como mnimo, en virtud de
que no es posible conocer valores puntuales de las variables caractersticas, por
las fluctuaciones que tienen ellas con el tiempo, an en estado estacionario. En
estos casos la contabilidad de la masa, la energa y la cantidad de movimiento se
realiza con valores promedios de las variables caractersticas asignados al
volumen de control apropiado.

En la eleccin del volumen de control apropiado debe tenerse en cuenta tambin
que las superficies de control del volumen sean normales a las lneas de flujo de
las entidades (masa, energa o cantidad de movimiento) que fluyen hacia o desde
el volumen de control.

Son volmenes de control apropiados, por ejemplo, el volumen de la masa
reaccionante en un reactor de tanque agitado perfectamente mezclado; un disco
de espesor diferencial y el mismo dimetro del reactor en un reactor tubular con
flujo turbulento; y un anillo coaxial con el reactor, de espesor y altura infinitesimal,
en un reactor tubular real con flujo laminar. En la figura 2 se muestran ejemplos de
volmenes de control.

1.2.5. Ecuaciones bsicas

Una vez se tenga un volumen de control apropiado se pueden escribir las
ecuaciones bsicas del modelo. Ellas son relaciones que involucran las variables
caractersticas y parmetros con las variables independientes que denotan tiempo
y posicin espacial en el sistema.

Las ecuaciones bsicas resultan de la aplicacin de los principios de conservacin
de masa, conservacin de energa y de conservacin de cantidad de movimiento.
Esta contabilidad podr hacerse para todas las variables fundamentales que se
usarn en la descripcin del sistema y en todos los volmenes de control que
puedan elegirse. En principio, pueden elegirse tantos volmenes de control como
fases haya presentes en el sistema.

10

Figura 2. Ejemplos de volmenes de control: (a) Finito en un tanque agitado, (b)
semifinito en un reactor tubular con flujo turbulento, (c) infinitesimal en un reactor
tubular con flujo laminar y (d) en la masa de lquido retenido sobre un plato de
contacto gas-lquido
1.2.6. Relaciones especficas o constitutivas

Si las ecuaciones bsicas no son suficientes para completar el modelo matemtico,
porque existen ms variables dependientes y parmetros desconocidos que
F, c, T
F + dF,
c + dc,
T + dT
z
dz
R
F, c, T
F + dF,
c + dc,
T + dT
z
dz
R
z dz
r
dr
R
n
A,z
n
A,z+dz
n
A,r
n
A,r+dr
z dz
r
dr
R
n
A,z
n
A,z+dz
n
A,r
n
A,r+dr
x dx
y
dy
n
A,x n
A,x+dx
n
A,y
n
A,y+dy
x dx
y
dy
n
A,x n
A,x+dx
n
A,y
n
A,y+dy
(a)
(d)
(b)
(c)
F
1
, z
1
, T
1
F
2
, z
2
, T
2
F
1
, z
1
, T
1
F
2
, z
2
, T
2

11
ecuaciones, entonces se recurre a las relaciones especficas o constitutivas para
completar el modelo.

Las relaciones especficas o constitutivas son ecuaciones empricas que
relacionan variables caractersticas, o ecuaciones derivadas de teoras o leyes
aplicables a los fenmenos que se presentan en el sistema. Pueden tener una
forma sugerida por una teora, pero tambin tendrn parmetros experimentales.
Se pueden obtener empricamente o totalmente sobre bases tericas, por ejemplo,
aplicando las leyes de la conservacin a escala molecular y utilizando la mecnica
cuntica y la estadstica. O bien, obtenerse por una combinacin lgica de
cualquiera de los mtodos anteriores.

Estas relaciones son especficas para los sistemas. Entre estas relaciones se
tienen, por ejemplo, una ecuacin de estado, relaciones termodinmicas, una
ecuacin que relaciona una propiedad como la conductividad trmica o la
viscosidad con variables caractersticas como la concentracin y la temperatura,
una ecuacin de velocidades de reaccin, o ecuaciones para la densidad de
transferencia de masa, de transferencia de energa en forma de calor, o de
transferencia de cantidad de movimiento.

Hay que tener precaucin en la elaboracin del modelo de que slo aparezcan
sistemas de ecuaciones linealmente independientes.

1.2.7. Variables dependientes y parmetros

Para la contabilidad de variables en el modelo matemtico deben diferenciarse las
variables independientes de las variables dependientes. En esta contabilidad, para
determinar si el modelo est completo, slo se tienen en cuenta el nmero de
variables dependientes que sean desconocidas.

El tiempo y las variables que denotan posicin en el espacio, constituyen las
variables independientes del modelo. Los flujos de masa, de energa y de cantidad
de movimiento, las medidas de concentracin, las temperaturas, las presiones y
las velocidades, entre otras, son denominadas variables dependientes, en virtud de
que sus valores pueden depender de la posicin y el tiempo y slo se conocern
cuando se resuelva el modelo. Dentro de estas variables dependientes algunas
suelen denominarse parmetros, porque hacen referencia a propiedades
fisicoqumicas, a caractersticas de las configuraciones geomtricas de los
sistemas o a otros atributos.

Algunos parmetros estn predeterminados por la naturaleza qumica del sistema y
por otras condiciones de los procesos como el rgimen de flujo y la geometra. Son
parmetros: las constantes de velocidad de reaccin, los coeficientes de
transferencia de masa y calor, los factores de friccin, la conductividad trmica, la
viscosidad, la difusividad, los calores de vaporizacin y otras propiedades
fisicoqumicas. Unos son geomtricos como una longitud, un rea o un volumen y
otros son parmetros empricos que aparecen en relaciones especficas que

12
describen el comportamiento de dispositivos, de componentes de los sistemas o
equipos como los coeficientes de una vlvula, la altura equivalente de plato terico,
la eficiencia de plato, la relacin de reflujo mnimo o el nmero mnimo de etapas
de separacin.


Ejemplo 1:

Formule un modelo matemtico para un vaporizador de un lquido puro.

Representacin esquemtica y condiciones de operacin

En la grfica se ilustra un sistema vaporizador de forma cilndrica. El calentamiento
se hace con vapor de H
2
O saturado a la presin P
s
. El recipiente tiene un volumen
total V
o
y dimetro D.

Se asumir que el lquido y el vapor se mantienen en equilibrio y que el
calentamiento se hace esencialmente a travs de la fase lquida.





Variables dependientes fundamentales

Las variables fundamentales para la descripcin del comportamiento del sistema
son la masa y la energa en virtud de que se presentan fenmenos de
transferencia de masa y de calor.

Especificacin de las variables caractersticas

Control
presin
h
Fv
Po
Cv
2
m
H2O F
L
Vapor
de
agua

s
T
s
Cv
1
m
v
T
Pv

13
Para la masa las variables caractersticas son los flujos msicos, la densidad del
lquido y la densidad del vapor; y para la energa la presin, la temperatura y el
nivel del lquido.


Volmenes de control

Los volmenes de control apropiado son tres (tantos como fases hay presentes en
el sistema): el volumen de la fase lquida, el volumen de la fase de vapor del
lquido y el volumen del vapor en la chaqueta de calentamiento. En los tres
volmenes de control se cumple la constancia de las variables caractersticas,
densidad y temperatura; solo la presin tiene variacin en la fase lquida, pero se
considerar despreciable esta variacin para efectos de la seleccin del volumen
de control.

Ecuaciones bsicas del modelo

Aplicando los principios de conservacin de masa y de energa en los tres
volmenes de control se obtienen las siguientes ecuaciones bsicas.


Conservacin de masa

| |
L v L
d
F m m
dt
= + Fase lquida (1)
| |
G V v
m
dt
d
F m + = Fase gaseosa (2)

Conservacin de energa
| |
L Lo v V TL
d
q F H m H H
dt
+ = + Fase lquida (3)




Ecuaciones especficas o constitutivas

Como existen nueve variables dependientes (F
L
, m
V
, m
L
, F
V
, m
G
, q, H
Lo
, H
V
, H
TL
)
en las ecuaciones bsicas y solo cuatro ecuaciones, el modelo debe completarse
con ecuaciones especficas para el sistema:

2
4
L l
D
m h
t
= (4)
M
RT m
V P
G
G V
= (5)

14
h
D
V V
o G
4
2
t
= (6)
1
L V L
F C P P = (7)
o V V V
P P C F =
2
(8)
gh P P
L V
+ = (9)
( )
L
L P o
H C T T = (10)
( )
L
V P o
H C T T = + (11)
TL L L
H m H = (12)
) ( T T UA q
s T
= (13)
Dh A
T
t = (14)
o s
o
o s
C T
B
A P
+
= ln (15)
) (
1 o p Lo
T T C H
Lo
= (16)
bT a C
L
P
+ = (17)
0
0
0
C T
B
A P ln
V
+
=
(18)
Lo
P o
C a bT = + (19)
38 0
1
.
Tc
T
k
|
.
|

\
|
=
(20)
38 . 0
2
2 2
1
|
|
.
|

\
|
=
O H
s
O H O H
Tc
T
k (21)
O H O H
m q
2 2
=
(22)

Con estas ecuaciones aparecen otras 11 variables dependientes: P
V
, V
G
, T, P, C
PL
,
, A
T
, T
s
, C
Plo
, m
H2O
,
H2O
.


Definicin de variables y parmetros

A
T
: rea de transferencia de calor, m
2

A
o
, B
o
, C
o
,


A, B, C

: Parmetros de la ecuacin de Antoine
C
PL
,

: Capacidades calricas del lquido, Joule mol-
1
K
-1

C
PLo
: Capacidad calrica del lquido alimentado, Joule mol
-1
K
-1

C
V1
, C
V2
: Coeficientes de las vlvulas de entrada del lquido y de
salida del vapor del lquido, mol s
-1
Pa
-0.5


15
F
L
: Flujo msico de entrada del lquido. mol s
-1

F
V
: Flujo msico de salida de vapor, mol s
-1

H
Lo
: Entalpa del lquido de entrada a T
0
, Joule mol
-1

H
L
: Entalpa del lquido en el recipiente a T, Joule mol
-1

H
V
: Entalpa del vapor del lquido a T, Joule mol
-1

h : Altura del nivel del lquido, m
m
v
: Rata msica de vaporizacin, mol h
-1

m
G
: Masa de vapor en la fase gaseosa, mol
m
H2O
: Rata de condensado en la chaqueta, m
3
s
-1

M : Peso molecular de la sustancia que se est vaporizando, g mol
-1

P
o
: Presin en la descarga del vapor, Pa
P
L
: Presin del lquido de alimentacin, Pa
P : Presin en el fondo del tanque, Pa
P
V
: Presin en la fase de vapor, Pa
R : Constante de los gases, Pa m
3
mol
-1
K
-1

Ps : Presin en la chaqueta de calentamiento, Pa
q : Rata de transferencia de calor, Joule s
-1

T
L
: Temperatura del lquido de alimentacin, K
T
o
: Temperatura de referencia, K
T
s
: Temperatura en la chaqueta, K
T
c
, Tc
H2O
: Temperatura crtica del lquido y del agua, K
V
G
: Volumen de la fase gaseosa, m
3

V
o
: Volumen total del recipiente, m
3

U : Coeficiente de transferencia de calor, Joule s
-1
m
-2
K
-1

L
: Densidad del lquido a T, g m
-3

: Calor de vaporizacin del lquido, Joule mol
-1

H2O
: Calor de vaporizacin del agua a T
s
, Joule mol
-1

a, b : Parmetros de la ecuacin para clculo de la capacidad calrica
k, k
H2O
: Parmetros en la ecuacin para el estimado de los calores de
vaporizacin del lquido y del agua, Joule mol
-1





Ejemplo 2:

Formule un modelo matemtico de un destilador Batch, para una mezcla de tres
componentes que va a ser parcialmente separada.




Representacin esquemtica y condiciones de operacin


16


El destilador se calienta por medio de una chaqueta y se mantiene a una
temperatura T
J
controlando la presin. El flujo de calor de la chaqueta al destilador
ser:
Q = 5000(T
J
-T)

El destilador opera a presin atmosfrica y se asumir que los tres componentes
forman una mezcla ideal.

Variables dependientes fundamentales

Las variables fundamentales para la descripcin del comportamiento del sistema
son la masa y la energa en virtud de que se presentan fenmenos de
transferencia de masa y calor.

Especificaciones de las variables caractersticas

Para la masa las variables caractersticas son la densidad, altura, dimetro y
fracciones molares; y para la energa la presin, la temperatura y el nivel del
lquido.

Volmenes de Control

Hay tres volmenes de control: el volumen del lquido en el destilador, el volumen
del gas en el destilador y el volumen del vapor en la chaqueta.



Ecuaciones bsicas del modelo

Conservacin de masa:

Control
presin
h
T
J T
V
Q
x
i
y
i
Control
presin
h
T
J T
V
Q
x
i
y
i

17
V
dt
dm
t
+ = 0
Fase lquida (1)
( )
A A
Vy m
dt
d
+ = 0
(2)
( )
B B
Vy m
dt
d
+ = 0
(3)

No se plantea la ecuacin de conservacin de masa en la fase de vapor pues
se asume que el vapor que se genera inmediatamente se retira o porque la
masa de vapor retenida es prcticamente despreciable.

Conservacin de energa:

( )
TL V
d
Q H VH
dt
= +
Fase lquida (4)


No se plantea una ecuacin de conservacin de energa en la fase gaseosa
porque se consider que el vapor generado es inmediatamente retirado del
vaporizador o porque la masa que permanece retenida es despreciable.

Ecuaciones especficas o constitutivas

Como existen 9 variables dependientes (V, m
A
, m
B
, m
t
, y
A
, y
B
, H
TL
, H
V
, Q) en las
ecuaciones bsicas y slo cuatro ecuaciones, el modelo debe completarse con
ecuaciones especficas para el sistema:


M
h D
m
t
t
4
2
=

(5)
A t A
x m m =
(6)
B t B
x m m =
(7)
C
C
B
B
A
A
w w w
0 0 0
1

+ + =
(8)
C C B B A A
M x M x M x M + + =
(9)
M
M x
w
A A
A
=
(10)
M
M x
w
B B
B
=
(11)
M
M x
w
C C
C
=
(12)

18
1 = + +
C B A
x x x
(13)

( ) | |

+ = Tr T C y H
i
pL i i V

(14)
P
x P
y
A
A
A
0
=
(15)
P
x P
y
B
B
B
0
=
(16)
P
x P
y
C
C
C
0
=
(17)
1 = + +
C B A
y y y
(18)
A
A
A
C T
A
A P ln
A
+
=
0
(19)
B
B
B
C T
B
A P ln
B
+
=
0
(20)
C
C
C
C T
B
A P
C
+
=
0
ln (21)
A
PL A A
C a b T = + (22)
B
PL B B
C a b T = +
(23)
C
PL C C
C a b T = +
(24)
38 0
1
.
C
A A
A
T
T
k
|
|
.
|

\
|
=

(25)
38 0
1
.
C
B B
B
T
T
k
|
|
.
|

\
|
=
(26)
38 0
1
.
C
C C
C
T
T
k
|
|
.
|

\
|
=
(27)

TL L L
H m H = (28)
( )
L i Pi L
H x C T Tr =

(29)

( ) T T Q
J
= 5000
(30)

Con estas ecuaciones aparecen otras 21 variables dependientes: , M, w
A
,
w
B
, w
C
, P
0
A
, P
0
B
, P
0
C
, x
A
, x
B
, x
C
, y
C
,
A
,
B
,
C
, C
PLA
, C
PLB
, C
PLC
, T, H
L
.


19

Definicin de variables y parmetros

m
t
: Moles totales de lquido, mol
V : Flujo molar de vapor, mol s
-1

x
A
, x
B
, x
C
: Fraccin molar de A, B y C en el lquido
y
A
, y
B
, y
C
: Fraccin molar de A, B y C en el gas
w
A
,w
B
, w
C
: Fraccin peso de A, B y C en el lquido
H
L
: Entalpa del lquido, Joule mol
-1

H
V
: Entalpa del gas, Joule mol
-1

H
TL
: Entalpa total del lquido, Joule
Q : Flujo de calor transferido, Joule s
-1

D : Dimetro del recipiente, m
2

h : Nivel del lquido, m
: Densidad del lquido, gm
-3

0
A
,
0
B
,
0
C
: Densidad de los componentes A, B y C puros a la temperatura T
M : Peso molecular promedio del lquido, g mol
-1

M
A
, M
B
, M
C
: Peso molecular de los componentes A, B y C, g/mol
P
0
A
, P
0
B,
0
C
P : Presin de vapor de A, B y C, Pa


A
A
, B
A
, C
A
: Constantes de Antoine para el componente A
A
B
, B
B
, C
B
: Constantes de Antoine para el componente B
A
C
, B
C
, C
C
: Constantes de Antoine para el componente C
T
r
: Temperatura de Referencia, K
C
PLA
: Capacidad calrica del componente A lquido, Joule mol
-1
K
-1

C
PLB
: Capacidad calrica del componente B lquido, Joule mol
-1
K
-1

C
PLC
: Capacidad calrica del componente C lquido, Joule mol
-1
K
-1

a
A
, b
A
: Parmetros de la ecuacin para el clculo de la capacidad calrica
del componente A
a
B
, b
B
: Parmetros de la ecuacin para el clculo de la capacidad calrica
del componente B
a
C
, b
C
: Parmetros de la ecuacin para el clculo de la capacidad calrica
del componente C

A
,
B
,
C
:Calor de vaporizacin del lquido para los componentes A, B y C,
Joule mol
-1

k
A
, k
B
, k
C
: Parmetros en la ecuacin para el estimado de los calores de
vaporizacin de los componentes A, B y C , Joule mol
-1

T
CA
, T
CB
, T
CC
: Temperatura crtica de los componentes A, B y C, K


1.3. Problemas propuestos

1. Formule un modelo matemtico para un intercambiador de calor lquido-lquido
en contracorriente (figura 3).

20

Figura 3. Intercambiador de calor

2. Formule un modelo matemtico para una cmara roceadora para desorber
amonaco (figura 4).

Figura 4. Cmara roceadora

3. Desarrolle un modelo matemtico para un separador lquido-vapor (figura 5).
Antes de entrar al tanque el lquido pasa por un intercambiador de calor. La
mezcla est compuesta por tres sustancias. Al sistema se le suministra una
carga trmica constante.
T
so
F
s
T
Ti T
To
T
Si
F
T
T
so
F
s
T
Ti T
To
T
Si
F
T

21


Figura 5. Separador lquido-vapor


1.4. Bibliografa

Bequette , B. W., Process dynamics: modeling, analysis and simulation, Prentice
Hall, New Jersey, 1998.

Franks, R., "Modeling and simulation in Chemical Engineering", John Wiley & Sons,
New York, 1972.

Husain, A.,Chemical process simulation, John Wiley & Sons, New York, 1986.

Rice, R., Duong, D., Applied mathematics and modeling for chemical engineers,
Wiley, New York, 1995.

Russell, T.W., Denn, M.M., "Introduction to Chemical Engineering analysis", John
Wiley & Sons, New York, 1972.

Smith, C., Pike, R., Murril, P., "Formulacin and optimizacin of mathematical
models", International texbook Company, Scranton,1970.

Tapias, H., Palacio, L. A., Modelacin y anlisis de sistemas en Ingeniera
Qumica, Ingeniera Qumica, Julio/Agosto, 2001.

h
Lo
m
G
T
P
Vo
V
L
q
F
1
h
Lo
m
G
T
P
Vo
V
L
q
F
1
CAPTULO II

DIFERENCIAS FINITAS Y ECUACIONES DE DIFERENCIA

TABLA DE CONTENIDO

2.1. Diferencias finitas ...........................................................................................23
2.1.1. El operador diferencia ..............................................................................23
2.1.2. Reglas generales del clculo de diferencias ............................................25
2.2. Diferencias en funciones especiales ...............................................................26
2.3. Funciones factorial y polinomio factorial ........................................................27
2.3.1. Funcin factorial ......................................................................................27
2.3.2. Polinomio factorial ...................................................................................29
2.3.3. El operador traslacin ..............................................................................30
2.3.4. Notacin suscrita para una funcin ..........................................................32
2.4. Operaciones sumas .......................................................................................33
2.4.1. El operador suma.....................................................................................33
2.4.2. Reglas generales de sumatoria ................................................................33
2.4.3. Sumatoria de funciones especiales ..........................................................34
2.4.4. Teorema fundamental .............................................................................34
2.5. Ecuaciones de diferencias ..............................................................................35
2.5.1. Solucin de la ecuacin diferencia ..........................................................37
2.5.2. Ecuaciones de diferencias lineales .........................................................38
2.5.3. Ecuaciones de diferencias lineales homogneas .....................................39
2.5.3.1. Soluciones linealmente independientes .............................................39
2.5.4. Ecuaciones de diferencias lineales homogneas con coeficientes
constantes .........................................................................................................40
2.5.4.1. Caso 1: Todas las races son reales y diferentes .............................41
2.5.4.2. Caso 2: Algunas de las races son nmeros complejos ....................41
2.5.4.3. Caso 3: Algunas de las races son iguales ........................................43
2.5.5. Ecuaciones de diferencias lineales no - homogneas ..............................47
2.5.6. Mtodos para encontrar soluciones particulares ......................................48
2.5.6.1 Mtodo de los Coeficientes Indeterminados .......................................48
2.5.6.2 Mtodo de los Operadores Inversos ...................................................51
2.5.7. Ecuaciones de diferencia no lineales .......................................................62
2.5.7.1 Soluciones grficas ............................................................................62
2.5.7.2 Soluciones analticas .........................................................................66
2.6. Ecuaciones diferenciales - diferencias ............................................................74
2.6.1.Transformacin de Laplace .......................................................................74
2.6.2. Transformadas elementales .....................................................................75
2.6.3. Transformadas inversas ..........................................................................76
2.6.3.1. Mtodo de la Integral de Convolucin ...............................................76
2.6.3.2. Mtodo de los Residuos ...................................................................77
2.7. Problemas propuestos ...................................................................................86
2.8 Bibliografa ......................................................................................................87
23
CAPITULO II.
DIFERENCIAS FINITAS Y ECUACIONES DE DIFERENCIAS


Los procesos qumicos que involucran separacin, purificacin y reacciones
qumicas, generalmente utilizan unidades que desarrollan su operacin en una
serie de etapas. Estos tipos de procesos se analizan mediante el clculo etapa por
etapa, por mtodos grficos y en algunos casos mediante la solucin de
ecuaciones de diferencias.

2.1. Diferencias finitas

2.1.1. El operador diferencia

El operador diferencia denota la diferencia que experimenta una funcin cuando
hay un cambio finito en la variable independiente.

Dada una funcin
( ) x f
definida en el conjunto de los nmeros reales, se define un
operador A, llamado operador diferencia, por:

( ) ( ) ( ) x f h x f x f + = A

h: Nmero positivo llamado desplazamiento


Ejercicio 1:

Encontrar la diferencia finita de
2
2 3 x +

( ) ( ) ( ) | |
h h xh
x x h x h xh x
x x h x h x x x
3 2 4
3 2 3 3 2 4 2
3 2 3 2 3 2
2
2 2 2
2 2 2
+ + =
+ + + + =
+ + + + = + A




El operador A
2
es el operador diferencia de orden dos, y est definido como:

( ) ( ) ( ) ( )
2
2 2 f x f x h f x h f x A = + + +


A esta frmula puede llegarse aplicando el operador diferencia a la primera
diferencia de la funcin ( )
f x
:

24
( )! r n ! r
! n
r
n

=
|
|
.
|

\
|
( ) ( ) | | ( ) ( ) | |
( ) ( ) ( ) ( ) ( ) ( )
( ) ( ) ( ) x f h x f h x f
x f h x f h x f h x f x f h x f
x f h x f x f x f
+ + + =
+ + + + = A + A =
+ A = A A = A
2 2
2
2


En general, el operador diferencia de orden n, A
n
, est definido por la frmula:

( ) ( ) | | x f x f
n n 1
A A = A
( ) ( ) ( )

=
+
|
|
.
|

\
|
=
n
r
r
h r n x f
r
n
0
1


( ) ( ) ( ) ( ) ( ) x f ... h n x f
n
nh x f
n
1 1
1
+ + +
|
|
.
|

\
|
+ = -


Coeficientes binomiales. Nmero de combinaciones
de n objetos, tomados de r en r.


Esta receta puede obtenerse aplicando sucesivamente el operador diferencia n
veces a la funcin ( )
f x
, o sea:

( ) ( ) ( ) ( )
( ) ( )
1 2
2 veces
n n n
f x f x f x
n f x

(
( A = A A = A A A


= A A A A (



Ejercicio 2:

Encontrar la diferencia de orden 3 a la funcin
4
1 x +

( ) ( ) ( ) ( ) ( )
3
3 4 4
0
3
1 1 3 , 1
r
r
x f x r h f x x
r
=
| |
A + = + = +
|
\ .

( ) ( ) ( ) ( )
3 3 3 3
3 2
0 1 2 3
f x h f x h f x h f x
| | | | | | | |
= + + + +
| | | |
\ . \ . \ . \ .

( ) ( ) ( ) ( )
3 3! 3! 3!
3 2
3 0 2!1! 1!2! 0!3!
!
f x h f x h f x h f x
! !
= + + + +

25
( ) ( ) ( ) ( )
( )
( ) ( ) ( )
4
4 4 4
4
3 4
3 3 2 3
1
3 1 3 2 1 3 1 1
24 36
f x h f x h f x h f x
f x x
x h x h x h x
xh h
+ + + +
= +
( ( (
( = + + + + + + + +


= +


2.1.2. Reglas generales del clculo de diferencias

( ) ( )
| |
( ) ( ) 1. A A A f x g x f x g x + = +

( )
| |
( ) 2. ; = cte A A o o o f x f x =

( ) ( )
| |
( ) ( ) ( ) ( )
( ) ( ) ( ) ( )
( ) ( ) ( ) ( ) ( ) ( )
3.
=
=
A A A
A A
A A A A
f x g x f x g x g x h f x
g x f x f x h g x
f x g x g x f x f x g x
= + +
+ +
+ +


( )
( )
( ) ( ) ( ) ( )
( ) ( )
4. A
A A f x
g x
g x f x f x g x
g x g x h

(
=

+


Como
d
dx
Lim
x x
D =

=
A
A
A 0
, se puede observar que si las relaciones anteriores
se dividen por Ax y se toma el lmite cuando Ax 0 , se obtienen las reglas de
diferenciacin homlogas.


Ejercicio 3:

Encuentre la regla de la derivada para un producto de funciones ( ) ( )
f x g x
a
partir de la regla 3.

( ) ( )
( ) ( ) ( ) ( )
0 0 0
f x g x Lim Lim Lim f x g x g x h f x
x x x x x x
A (
A + A

= +
A A A A A A

( ) ( )
( ) ( )
0
Lim g x h f x
= f x Dg x
h h
+ A
+

26
( ) ( ) ( ) ( )
( ) ( )


f x Dg x g x Df x
D f x g x
= +
= (



2.2. Diferencias en funciones especiales

| |
1. 0 A C =

| | ( ) 1 2 = A
h x x
b b b .

| | ( ) 1 3 = A
rh rx rx
e e e .

( ) | | ( ) ( ) ( )
2 2
2 4
h
x r cos
rh
sen rx sen . + = A


( ) | | ( ) ( ) ( )
2 2
2 5
h
x r sen
rh
sen rx cos . + = A


| | ( )
x
h
ln x ln . + = A 1 6


| | ( )
x
h
log x log .
b b
+ = A 1 7


Si se dividen estas relaciones por Ax h = y se toma lmite cuando Ax 0 se
obtienen las correspondientes derivadas.

Ejercicio 4:

Encuentre la regla para la derivada de la funcin
rx
e a partir de la regla 3 en la
seccin 2.2. (diferencia de funciones especiales).

| | ( )
( )
| |
rx rx
rh rx Hpital ' L
rh
rx
rx rx
e D re
re . e
h
Lim
h
e
e
h
Lim
dx
de
x
e
x
Lim
=

= =
A
A
A
=
0
1
0 0


Ejercicio 5:

Halle la diferencia del monomio factorial
( ) 3
10x

( )
| |
( )
( ) h x hx h x . . x = = A 30 10 3 10
2 3

27
Debido a la cercana relacin del operador diferencia con el operador derivada, se
podra pensar que es posible desarrollar un clculo anlogo al clculo diferencial,
as mismo es posible obtener las frmulas del clculo diferencial a partir del clculo
anlogo si h o Ax se aproximan a cero. Ya que h se toma como una constante
dada, con un valor finito, contrario a una variable que se puede aproximar a cero,
hay que referirse a tal clculo como clculo de diferencias finitas.

2.3. Funciones factorial y polinomio factorial
2.3.1. Funcin factorial

La funcin factorial generalizada est definida como:

( )
| |
( )
( ) ( ) ( ) | | ( )
f x f x f x h f x h f x m h
m
= 2 1 ...

( ) | |
( )
( ) ( ) ( ) mh x f h x f h x f
x f
m
+ + +
=

... 2
1


( ) | |
( )
( ) | |
( )
( ) | |
( ) | |
( )
( ) | |
m m
m m
x f x f
x f x f : h cuando
x f

=

0
1
0



Ejercicio 6:

Expanda como productos de factores las funciones ( )
( ) 2
2
x x +
y ( )
( ) 2
2
x x

+

( )
( )
( )( ) ( ) | | h x h x x x x x + + = +
2 2
2
2

( )
( )
( ) ( ) | | ( ) ( ) | | h x h x h x h x x x 2 2 1
2 2
2
2
+ + + + + + = +

En el caso particular en que f(x) = x, entonces se obtiene el monomio factorial:


( )
( )( ) | | ( )
x x x h x h x m h
m
= 2 1 ...
( )
,... , , m
x
3 2 1
1
0
=
=


Se origina el nombre factorial, ya que en el caso especial en que x = m y h = 1 se
tiene que:
( )
( )( ) ! m . ... m m m m
m
= = 1 2 2 1
28
( )
( )( ) ( )
( )
( ) m
m
mh x
mh x h x h x
x
+
=
+ + +
=

1
... 2
1


Las funciones factoriales se convierten en monomios cuando el desplazamiento se
hace cero:

( )
( ) m m
m m
x x
x x : h

0


Ejercicio 7:

Exprese como un producto de factores
( ) ( ) 3 3
y x x

( )
( )( ) h x h x x x 2
3
=
( )
( )( )( ) h x h x h x
x
3 2
1
3
+ + +
=

La funcin factorial
( ) m
x tiene un polinomio equivalente dado por la frmula:

( )

=
m
k
k m k m
k
m
h x s x
1

donde:

m
k
s : Son nmeros Stirling de primera clase

Estos nmeros pueden generarse mediante la siguiente frmula recursiva:

m
k
m
k
m
k
ms s s =

+
1
1


donde

0 1 = =
m
k
m
m
s ; s
para 0 1 0 > + > s m , m k , k


Ejercicio 8:

Encuentre el polinomio equivalente para
( ) 3
x

29
( ) 2 2 3 3
2 3 xh h x x x + =


Si se intenta buscar una frmula en diferencias finitas para un monomio
m
x
anloga a la derivada
1
=
m m
mx Dx se obtiene:
( )
h
x h x
x
x
m m m
+
=
A
A
. Una
comparacin rpida nos conduce a establecer la poca semejanza que hay entre las
dos, por esto se introduce la funcin factorial
( ) m
x para obtener una frmula
anloga a la derivada:
( )
| |
( ) 1
=
A
A
m
m
mx
x
x
, por lo tanto, una diferencia en funciones
especiales es:

( )
| |
( )
h mx x
m m 1
= A



2.3.2. Polinomio factorial

Si p es un entero positivo, un polinomio factorial de grado p se define como:

( ) ( )
a x a x a
p p
p 0 1
1
+ + +

...


donde a
0
0 = y
p
a ..., , a , a
2 1
son constantes.


El monomio
m
x tambin tiene un polinomio factorial equivalente dada por la
frmula:
( )

=
m
k
k m k m
k
m
h x S x
1

donde:

m
k
S : Son nmeros Stirling de segunda clase

Estos nmeros pueden generarse mediante la siguiente frmula recursiva:

m
k
m
k
m
k
kS S S + =

+
1
1


donde

30
0 1 = =
m
k
m
m
S ; S
para 0 1 0 > + > s m , m k , k


Ejercicio 9:

Encuentre el polinomio factorial equivalente para
3
x

( ) ( ) ( ) 2 1 2 3 3
3 h x h x x x + + =

2.3.3. El operador traslacin

El operador traslacin desplaza el valor de una funcin f(x) al valor de la funcin
en la variable independiente incrementada en un desplazamiento h.

Dada una funcin f(x), el operador traslacin E se define como:

( ) ( ) Ef x f x h = +

Ejercicio 10:

Encuentre el valor de ( )
2
4 E x x


( ) ( ) ( )
2 2
2 2
2 4 4
4 4
h xh x h x
h x h x x x E
+ =
+ + =




En general, el operador
n
E traslada el valor de una funcin ( )
f x
al valor de la
funcin en la variable independiente incrementada en n desplazamientos h.

( ) ( ) E f x f x nh
n
= +

Se puede demostrar que:

E = + 1 A

Se usa el nmero 1 en lugar de la letra I, para denotar el operador identidad u
operador unidad.

Esta relacin es extraordinariamente importante porque con frecuencia permite
simplificar expresiones en funcin de un operador al escribirlas en funcin del otro,
utilizando para ello manipulaciones algebraicas ordinarias.

31
Tambin se puede demostrar que:

( ) x Ef ( ) x f e
hD
=

a partir de la serie de Taylor

Serie de Taylor:
( ) ( ) ( )( )
( )( )
...
!
a x a f
a x a f a f x f +
' '
+ ' + =
2
2


( ) ( ) ( )( )
( )
Si ...
!
h x f
h x f x f h x f h x a +
' '
+ ' + = + + =
2
2

Si se reemplaza
( ) ( ) ( )
( )
( ) , x D
d
' ' ,
) (
2
2
2
f
dx
x f
x f x Df
dx
x df
x f = = = = '

( ) ( ) ( ) ( ) x f D
!
h
x hDf x f h x f
2
2
2
+ + = +

( ) ( )
( ) ( )
( ) x f e Ef(x
...
!
x
!
x
x e
x f ...
!
D h
!
D h
hD x Ef
h x f x Ef
hD
x
= )
: l exponencia funcin la de Desarrollo
entonces,
: como
3 2
1
3 2
1
3 2
3 3 2 2
+ + + =
(

+ + + + =
+ =



Puede demostrarse la frmula para el operador
n
A aplicado a la funcin f(x), que
aparece en la pgina 30, a partir de la relacin entre el operador A y el operador
E.

( ) ( ) A
n
n
n n n n
n
E E
n
E
n
E
n
E = =
|
\

|
.
|
+
|
\

|
.
|

|
\

|
.
|
+ +

1
1 2 3
1
1 2 3
...

( ) ( )
( ) ( ) ( ) ( ) x f ... x f E
n
x f E
x f ... E
n
E
n
E
n
E ) x ( f
n n n
n n n n n n
1
1
1
3 2 1
1
3 2 1
+ +
|
|
.
|

\
|
=
(

+ +
|
|
.
|

\
|

|
|
.
|

\
|
+
|
|
.
|

\
|
= A

( ) ( ) ( ) ( ) ( ) ( )
( ) ( ) ( )

=
+
|
|
.
|

\
|
=
+ + +
|
|
.
|

\
|
+ = A
n
0 r
h r n x f
r
n
-
x f ... h n x f
n
nh x f x f
r
n n
1
1 1
1

32

Ejercicio 11:



Realice el ejercicio 2 usando el operador traslacin.

( ) ( ) ( )
( )( )
( ) | | ( ) | | ( ) | | | |
4 3
4 4 4 4
4 2 3
4 3 4 3
36 24
1 1 3 1 2 3 1 3
1 1 3 3
1 1 1
h xh
x h x h x h x
x E E E
x E x
+ =
+ + + + + + + + =
+ + =
+ = + A




2.3.4. Notacin suscrita para una funcin

Si ( ) f x es una funcin discreta se puede hacer la transformacin x a kh = + , con
a y h como constantes, donde la variable es k, entonces la notacin
( ) y f x = equivale a:

( ) y f a kh
k
= +


k: nmero de desplazamientos desde el punto base ( a x = ), a partir del cual se
empieza a medir el desplazamiento.

En la figura 1 se representa esquemticamente la transformacin a la notacin
suscrita.



Figura 1. Representacin esquemtica de la notacin suscrita.

x
o
x
1
x
2
x
3
x
n
a
a+h a+2h a+3h a+nh
0 1 2 3 n
f(a)
f(a+h) f(a+2h) f(a+3h) f(a+nh)
f(x
o
) f(x
1
) f(x
2
) f(x
3
) f(x
n
)
y
0
y
1
y
2
y
3
y
n
x
k
f(x)
y
k
x
o
x
1
x
2
x
3
x
n
a
a+h a+2h a+3h a+nh
0 1 2 3 n
f(a)
f(a+h) f(a+2h) f(a+3h) f(a+nh)
f(x
o
) f(x
1
) f(x
2
) f(x
3
) f(x
n
)
y
0
y
1
y
2
y
3
y
n
x
k
f(x)
y
k
33
De esta notacin se sigue entonces que:

Ay y y
k k k
=
+1


Ey y
k k
=
+1


En general:

( ) ... y
n
y
n
y
r
n
y
k n k n
n
r
r k n
r
k
n
+
|
|
.
|

\
|

|
|
.
|

\
|
=
|
|
.
|

\
|
= A
+ +
=
+

1
0 1 0
1


que se obtiene a partir de la frmula de la pgina 30 reemplazando ( ) ( ) h r n x f +
en notacin suscrita,
r n k
y
+
, teniendo en cuenta que kh a x + = .

n k k
n
y y E
+
=

2.4. Operaciones sumas

2.4.1. El operador suma

Llamamos el operador suma y f(x) la suma indefinida de ( ) x f . El operador
es el operador inverso de A que se representa como
1
A , de forma anloga a
como lo es el operador D
-1
(operador integral) del operador D (derivada). Por
definicin
1
A es un operador tal que:

( ) | | ( ) ( )
( ) ( ) ( )

+ = A
+ = A

x c x f x f
x c h x f x hf
1
1
1


donde c(x) y c
1
(x) son constantes peridicas, tal que c(x+h) = c(x).

2.4.2. Reglas generales de sumatoria

1. ( ) ( ) | | ( ) ( )

+ = + x g x f x g x f

2. ( ) ( )

= x f x f o o

3. ( ) ( ) ( ) ( ) ( ) ( )

A + = A x f h x g x g x f x g x f

34
Estas frmulas se podran escribir usando
1
A en vez de . Las dos primeras
indican que o
1
A es un operador lineal.

2.4.3. Sumatoria de funciones especiales

1.
,
h
x o
o o = A =

1
en notacin suscrita k o o = A
1


2.
( )
( )
( )h m
x
x
m
m
1
1
+
=
+
; m 1 = en notacin suscrita
( )
( )
1
1
1
+
= A
+

m
k
k
m
m


3.
( )
( )
( )
( )
( )ph m
q px
q px
m
m
1
1
+
+
= +
+

; m= 1

4.
1
=

h
x
x
b
b
b


5.
1
=

rh
rx
rx
e
e
e

6.
( )
( )

=
2
2
2
rh
sen
h
x r cos
senrx


7.
( )
( )

=
2
2
2
rh
sen
h
x senr
rx cos


Estas frmulas tambin se pueden escribir con
1
A
en lugar de . Es clara la
analoga de las anteriores frmulas con las integrales correspondientes si se
multiplican las sumas por h = Ax.

La relacin entre el clculo de sumas y el clculo integral se expresa con el
siguiente teorema:

( ) ( ) | | ( )
}

+ = +

C dx x f x C h x f Lim
h 0


2.4.4. Teorema fundamental

35
La suma definida de f(x) desde x = a hasta x = a+nh con desplazamientos de
valor h est denotada por:

( ) ( ) ( ) ( ) ( )
( )h n a
a
nh a
a
x f nh a f ... h a f a f x f
1
1
+ +

+
A = + + + + + =

en notacin suscrita se expresa:

1
1
0
0
n
n
k k
k
y y
+

=
= A

Esta relacin es denominada el teorema fundamental del clculo de suma, de
manera anloga a la existencia del teorema fundamental del clculo integral. Este
teorema establece que la suma es equivalente a la funcin obtenida de la
operacin A
-1
f(x) evaluada en el lmite superior de la sumatoria ms un
desplazamiento, menos el valor de esa misma funcin evaluada en el lmite inferior
de la sumatoria.


Ejercicio 12:

Resuelva la siguiente suma:
( )

=
8
2
4
2 2 h , x


( )
( ) ( )
( ) ( )
| | ( ) ( ) | |
768
5
3840
6 4 2 0 2 2 4 6 8 10
5
1
2 10
5
1
10
2
5
2
2
5 5
10
2
5
10
2
8
2
5
4
= =
= = = =

x
h
x
x


Prueba:

( ) ( ) ( ) ( ) ( )
| |
( ) ( ) ( ) ( ) | |
768
2 4 6 8 0 2 4 6 2 0 2 4 4 2 0 2 2
8 6 4 2 2 2
4 4 4 4
8
2
4
=
+ + + =
+ + + =

x



2.5. Ecuaciones de diferencias

Por analoga con una ecuacin diferencial, una ecuacin diferencia es una relacin
de la forma
36

F x y
y
x
y
x
y
x
n
n
, , , ,...,
A
A
A
A
A
A
2
2
0
|
\

|
.
|
=

o tambin:
( ) ( ) ( ) ( )
G x f x f x h f x nh , , ,..., + + = 0

en notacin suscrita:
( ) 0
1
=
+ + n k k k
y ,..., y , y , k H


donde:

( ) y f x = ( ) y f a kh
k
= + es una funcin conocida u objeto.

La ecuacin diferencia escrita en notacin suscrita puede escribirse tambin en
trminos del operador E.

( )
H k y y y y
k k k
n
k
, , , ,..., E E E
2
0 =

Si la ecuacin diferencia es una ecuacin que slo posee trminos lineales de la
variable dependiente y sus diferencias, se dice que es lineal. Es decir, si la relacin
slo involucra trminos lineales de los elementos ( )
y y y y
k k k
n
k
, , ,..., A A A
2

( )
y y y y
k k k k n
, , ,...,
+ + + 1 2
. Si aparecen productos de la forma ( )
y y
k k+1
o sus
diferencias son de grados dos, se dice que la ecuacin es de segundo grado.

El grado de una ecuacin en diferencias finitas es el mximo grado de la variable
dependiente, o de cualquiera de sus trminos en la ecuacin.

El orden de la ecuacin diferencia es la sustraccin entre el argumento ms grande
y el ms pequeo para la funcin. Por ejemplo en la ecuacin diferencia
( )
n k k k k
y ,..., y , y , y H
+ + + 2 1
el orden es ( ) n k n k = + y en
( )
n k k k
y ,..., y , y H
+ + + 2 1 1
es ( ) ( ) 1 1 = + + n k n k .



Ejercicio 13:

Transforme la ecuacin y y y y
k k k k + + +
+ + =
3 2 1
5 6 3 0 en trminos del operador E.

Esta ecuacin se puede escribir como:
( )
E E E
3 2
5 6 3 0 + + = y
k
( ) u E y
k
= 0
37
donde:

( ) u E E E E = + +
3 2
5 6 3

2.5.1. Solucin de la ecuacin diferencia

La solucin de una ecuacin diferencia es cualquier funcin que satisface la
ecuacin.

Una solucin general en una ecuacin diferencia de orden n es una solucin que
tiene n constantes arbitrarias. Una solucin particular es una solucin obtenida a
partir de la solucin general mediante la asignacin de constantes peridicas
particulares.


Por ejemplo, la ecuacin
( )
A
A
A
A
2
2
2
3 2 4
y
x
y
x
y x + =


( ) ( ) ( )
( )
( )
( )
f x h h f x h h h f x h x + + + + + + = 2 3 2 2 3 1 4
2 2 2




( ) ( )
( ) 2 2 2
1 2
4 1 3 2 2 3 x h y h h y h y
k k k
= + + + +
+ +


tiene como solucin general:

( ) ( )( ) ( )( ) ( ) y f x C x h C x h x h x
x
h
x
h
= = + + + + + +
1 2
2
1 2 1 2 6 2 7

y una solucin particular se obtiene cuando:

( )
|
.
|

\
|
+ =
h
x
hsen x C
t 2
4 2
1

( )
(

|
.
|

\
|
+ =
h
x
cos h x C
t 2
1 5
2
2


Para determinar las n constantes arbitrarias de una ecuacin diferencia de orden n
se deben conocer n condiciones de fronteras independientes para la funcin
desconocida.

38
2.5.2. Ecuaciones de diferencias lineales

Una clase importante de ecuaciones de diferencias son las ecuaciones de
diferencias lineales. Una ecuacin diferencia lineal de orden n es una ecuacin
diferencia que tiene la forma:

( ) ( ) ( ) ( ) k R y k a ... y k a y k a
k n k
n
k
n
= + + E + E
1
1 0


donde ( ) 0 0 = k a

Esta ecuacin tambin puede escribirse como

( ) ( ) ( ) | | ( ) k R y k a k a k a k n
n n
= + + E + E

...
1
1 0



( ) ( ) u E y R k
k
=
donde el operador lineal ( ) u E est dado por:

( ) ( ) ( ) ( ) k a k a k a n
n n
+ + E + E = E u

...
1
1 0

Un caso particular importante surge cuando los coeficientes
( ) ( ) ( ) k a ..., , k a , k a
n

1 0
son constantes; es decir independientes de k. En dicho
caso, la ecuacin es una ecuacin diferencia lineal de orden n con coeficientes
constantes.


Ejercicio 14:

Determine qu tipo de ecuacin diferencia es cada una de las siguientes:

( ) 0 3 6 5
2 3
= + +
k
y E E E

Esta es una ecuacin diferencia lineal con coeficientes constantes

( )
| |
2 1 3 4 4 3
2 2
k k y k k
k
+ + = E E


Esta es una ecuacin diferencia lineal con coeficientes variables.


y y y
k k k +
=
1 1
2


39
Esta es una ecuacin diferencia no - lineal.

2.5.3. Ecuaciones de diferencias lineales homogneas

Son ecuaciones de diferencias lineales donde

( )
( ) 0
0
= E u
=
k
y
k R


Aquellas ecuaciones donde ( ) R k = 0 se clasifican como no - homogneas

( ) ( ) u E y R k
k
=


2.5.3.1. Soluciones linealmente independientes

Un conjunto de n funciones
( ) ( ) ( ) k f ..., , k f , k f
n

2 1
son linealmente independientes
si y solo si el determinante:

( ) ( ) ( )
( ) ( ) ( )
( ) ( ) ( )
f f f
f f f
f n f n f n
n
n
n
1 2
1 2
1 2
0 0 0
1 1 1
1 1 1
0
....
....
.... .... .... ....
....
=


Este determinante es conocido como el CASORATI y es anlogo al
WRONSKIANO para ecuaciones diferenciales.

Si
( ) ( ) ( ) k f ..., , k f , k f
n

2 1
son soluciones linealmente independientes de la ecuacin
diferencia homognea de orden n, la solucin general ser:

( ) ( ) ( ) y C f k C f k C f k
k n n
= + + +
1 1 2 2
...

Ejercicio 15:

Determine si las funciones 2
k
y 4
k
son linealmente independientes.

( ) ( )
k k
k f , k f 4 2
2 1
= =

( ) ( )
( ) ( )
0 2 2 4
4 2
1 1
1 1
0 0
2 1
2 1
= = = =
f f
f f

40

Las funciones son linealmente independientes

2.5.4. Ecuaciones de diferencias lineales homogneas con coeficientes
constantes

Si se asume que y r
k
k
= es solucin de la ecuacin diferencia lineal homognea
con coeficientes constantes:

( )
a a a y
n n
n k 0 1
1
0 E E + + + =

...


al sustituirla en esta ecuacin se obtiene:

a r a r a r
n k n k
n
k
0 1
1
0
+ +
+ + + = ...
que factorizando r
k
se obtiene:

( )
a r a r a r
n n
n
k
0 1
1
0 + + + =

...

Esta ltima ecuacin se satisface si r es una raz del polinomio:

a r a r a
n n
n 0 1
1
0 + + + =

...

que se llama la ecuacin auxiliar y puede representarse como:

( ) u r = 0

Esta ecuacin tiene n races que pueden ser o no diferentes. De esta forma la
ecuacin homognea se puede escribir:

( )( ) ( ) a r r r y
n k 0 1 2
0 E E E = ...

La solucin de la ecuacin homognea depende entonces de las races
n
r ..., , r , r
2 1
, es decir de su naturaleza.



41
2.5.4.1. Caso 1: Todas las races son reales y diferentes

En este caso r r r
k k
n
k
1 2
, ,..., son todas soluciones, mltiplos constantes de estas
soluciones sern tambin soluciones y combinaciones lineales de estas soluciones
tambin lo sern (pues ( ) u E es un operador lineal).

Entonces, la solucin general de la ecuacin homognea lineal de coeficientes
constantes ser:

y c r c r c r
k
k k
n n
k
= + + +
1 1 2 2
...


Ejercicio 16:

Halle las soluciones linealmente independientes de la ecuacin diferencia:
0 8 6
1 2
= +
+ + k k k
y y y y escriba la solucin general.

La ecuacin diferencia puede expresarse en trminos del operador E como:

( ) 0 8 6
2
= +
k
y E E

y la ecuacin auxiliar se obtiene a partir de la funcin ( )
2
6 8 E E E | = + ,
reemplazando E por r, entonces se obtiene:

2
6 8 0 r r + =

que factoriza como: ( )( )
2 4 0 r r =


cuyas races son: 2, 4 r r = =

Las dos soluciones linealmente independientes son: 2
k
y 4
k


y por lo tanto la solucin general ser:

k k
k
C C y 4 2
2 1
+ =

2.5.4.2. Caso 2: Algunas de las races son nmeros complejos

Si
n
a ..., , a , a
1 0
son reales y existen races complejas de la ecuacin auxiliar, ellas
deben ser nmeros complejos conjugados. En este caso si ( ) o | + i
k
y ( ) o | i
k

42
son soluciones, entonces ( ) ( ) K i K i
k k
1 2
o | o | + + es una contribucin a la
solucin general por el par de races complejas.

Escogiendo valores apropiados de K
1
y K
2
la contribucin en forma real est dada
por:

( ) u u senk C k cos C y
k
k 2 1
+ =

donde:

o | = +
2 2


|
.
|

\
|
=
o
|
arctan



Ejercicio 17:

Resolver Y Y Y
R R R + +
+ =
2 1
2 5 0

( )
E E
R
2
2 5 0 + = Y


La ecuacin auxiliar es:

r r
r
i
i
2
2 5 0
2 4 20
2
2 4
2
1 2
+ =
=

=

=

= =
|
.
|

\
|
=
|
.
|

\
|
=
= + = + =
43 63 107 1
1
2
5 2 1
2 2 2 2
. rad . arctan arctan
o
|
u
| o


( ) u u senR C R cos C
R
R 2 1
+ = Y

La solucin general es:

( ) ( ) ( )
( ) ( ) ( ) R . sen C R . cos C
R . sen C R . cos C
R
R
R
R
107 1 107 1 5
107 1 107 1 5
2 1
2
2 1
+ = Y
+ = Y



43
2.5.4.3. Caso 3: Algunas de las races son iguales

Si se tienen tres races iguales r
1
= r
2
= r
3
, la contribucin de estas tres races a la
solucin general es:

( )
C C k C k r
k
1 2 3
2
1
+ +

Si se repiten m races reales, entonces la contribucin a la solucin general ser:

( )
C C k C k r
m
m k
1 2
1
1
+ + +

...


donde m n s

Si un par de races complejas se repite m veces, entonces la contribucin a la
solucin general ser:

( ) ( ) | | u u senk k C ... k C C k cos k C ... k C C
m
m
m
m
k 1
2 1
1
2 1

' + + ' + ' + + + +



Ejercicio 18:

Resolver Y Y Y
R R R + +
+ =
2 1
4 4 0

( )
( )( )
E E
E E
R
R
2
4 4 0
2 2 0
+ =
=
Y
Y


Ecuacin auxiliar:

( )( )
| |
R
R
R R
R
R R
R
R C C
R C C
Rr C r C
r ; r
r r
2
2 2
2 2
0 2 2
2 1
2 1
2 2 1 1
2 1
+ = Y
+ = Y
+ = Y
= =
=



Ejemplo 1:

G
s
lbmoles/h de gas seco que contiene Y
Np+1
lbmoles de soluto/lbmol de gas seco
son alimentadas a la base de una columna de absorcin de platos, donde el soluto
44
va a ser despojado del gas por absorcin con Ls lbmoles/h de un aceite que se
alimenta en el tope de la columna. Si el soluto en el aceite que entra es X
o
lbmol/lbmol de aceite, y el soluto en el gas es Y
1
lbmol/lbmol de gas; demostrar que
el comportamiento del absorbedor puede ser expresado en trminos del factor de
absorcin y el nmero de etapas ideales est dada por la ecuacin de Kremser -
Brown:

( )
A
A A
Y Y
Y Y
N
Np
p
log
1 1
1 log
0 1
0 1
(

=
+

donde:
s
s
kG
L
A=
: Factor de absorcin
k : constante o relacin de equilibrio;
kX Y =

Y , X
: Razones molares del soluto en fase liquida y gaseosa






Balance de soluto en el plato m:

m s m s m s m s
Y G X L Y G X L + = +
+ 1 1


( ) ( )
m m s m m s
Y Y G X X L =
+ 1 1
(1)
X
m-1
X
m
Y
m
Y
m+1
m
1
Np
Ls, Xo
Gs, Yi
Ls, X
Np Gs, Y
Np+1
X
m-1
X
m
Y
m
Y
m+1
m
1
Np
Ls, Xo
Gs, Yi
Ls, X
Np Gs, Y
Np+1
45

como
k
Y
X kX Y
m
m m m = =


k
Y
X kX Y
m
m m m
1
1 1 1

= =


Sustituyendo X en trminos de Y, se obtiene:

( ) ( ) m m s m m
s
Y Y G Y Y
k
L
= + 1 1


A
Y
A
Y
Y Y
m m
m m =
+

1
1

( ) 0 1 1 1 = + + + m m m AY Y A Y


La ecuacin anterior es una ecuacin diferencia lineal homognea con coeficientes
constantes, equivalente a:

( ) 0 1
1 1 1
2
= + +
m m m
AY EY A Y E


factorizando
1 m
Y

:

( ) | | 0 1 1
2
= + + m Y A E A E

Esta ecuacin es equivalente a:

( ) | | 0 1
2
= + + m Y A E A E

( )( ) 0 1 = m Y E A E

cuya solucin general:

m
m A C C Y 2 1 + = ; para 1 = A

Para evaluar C
1
y C
2
se aplican las condiciones lmites.

0 1 2
Y C C = +

46
( )
1
1 1 2
1
1 0 2
1
Np
Np
Np
Np
Y C C A
Y Y C A
+
+
+
+
= +
=


Anlogamente:

1 ; 2 1 = + = A A C C Y
m
m


Condiciones lmites:

A C C Y
C C Y
2 1 1
2 1 0
+ =
+ =


Resolviendo simultneamente se obtiene:

A
AY Y
C

=
1
0 1
1

A
Y Y
C

=
1
1 0
2


m
m A
A
Y Y
A
AY Y
Y
|
.
|

\
|

+
|
.
|

\
|

=
1 1
1 0 0 1


De esta ecuacin se tiene:

1
1 0 0 1
1
1 1
+
+
|
.
|

\
|

=
Np
Np A
A
Y Y
A
AY Y
Y


( ) ( )
1
1 0 0 1 1 1
+
+ + =
Np
Np A Y Y AY Y A Y


( ) ( )A Y Y AA Y Y Y Y Np
Np
Np 0 1 1 0 1 1 = + +


| | ( ) 0 1 1 0 1 1
1
Y Y A Y Y Y Y
A
Np
Np
Np = + +


( ) ( ) | | ( ) 0 1 1 0 0 1 0 1
1
Y Y A Y Y Y Y Y Y
A
Np
Np
Np = + +


( ) ( )( ) ( ) 0 1 0 1 1 0
1 1
1 Y Y
A A
Y Y A Y Y Np
Np
+ = +

(2)
47
( )
A A
Y Y
Y Y
A
Np
Np
1 1
1
0 1
0 1
+
|
.
|

\
|

=
+
, sacando logaritmo

( )
A
A A
Y Y
Y Y
N
Np
p
log
1 1
1 log
0 1
0 1
(

=
+


Para el caso en que A =1

m C C Ym 2 1 + =

Condiciones lmites:

1 0 C Y =
2 1 1 C C Y + =

de donde:

0 1
Y C =

0 1 2
Y Y C =


( )m Y Y Y Ym 0 1 0 + =


Para 1 + = Np m

( )( ) 1 0 1 0 1 + + = + Np Y Y Y YNp

0 1
0 1
1
Y Y
Y Y
Np
Np

= +
+

( ) ( )
0 1
0 1 0 1
Y Y
Y Y Y Y
Np
Np

=
+

0 1
1 1
Y Y
Y Y
Np
Np

=
+

2.5.5. Ecuaciones de diferencias lineales no - homogneas

Si ( ) Y k
c
es la solucin complementaria (solucin de la ecuacin homognea) y
( ) Y k
p
es alguna solucin de la ecuacin completa, la solucin general para la
ecuacin diferencia lineal no - homognea ser:
48
( ) ( ) y Y k Y k
k c p
= +

2.5.6. Mtodos para encontrar soluciones particulares

2.5.6.1 Mtodo de los Coeficientes Indeterminados

Este mtodo es til cuando la funcin R(k) consiste de trminos de cierta forma
especial. Correspondiente a cada trmino presente en R(k) se considera una
solucin prueba que contiene un nmero de coeficientes desconocidos que son
determinados por sustitucin en la ecuacin diferencia.

Las soluciones prueba para cada caso se muestran en la siguiente tabla.

Tabla 1. Soluciones prueba para el mtodo de los Coeficientes Indeterminados

Trminos en R(k) Solucin prueba
|
K
A
K
|
senok cosok A k B k cos sen o o +
Polinomio P(k) de grado m A k A k A
m m
m 0 1
1
+ + +

...
|
K
P k ( ) ( )
|
k m m
m
A k A k A
0 1
1
+ + +

...

| o
k
k sen | o
k
k cos ( ) k B k A
k
o o | sen cos +


Si algn trmino de la solucin particular aparece en la solucin complementaria
debe eliminarse la dependencia lineal multiplicando este trmino por una potencia
positiva de k hasta eliminar la dependencia.


Ejercicio 19:

Resolver
k
k k k
e k y y y + =
+
2
1 1
4 8 2

Esta ecuacin se puede plantear como:
k
k k k
e k y Ey y E + =

2
1 1 1
2
4 8 2

( )
1 2 2
1 4 8 2
+
+ + =
k
k k k
e k y Ey y E

Solucin a la ecuacin homognea:

0 8 2
1 1 1
2
=
k k k
y Ey y E
49
( ) 0 8 2
1
2
=
k
y E E
( )( ) 0 2 4
1
= +
k
y E E
, que es equivalente a
( )( ) 0 2 4 = +
k
y E E


Las races de la ecuacin auxiliar son:

r
1
= 4; r
2
= -2
( ) ( )
k k
k
C C y 2 4
2 1
+ =
( ) ( )
1
2
1
1 1
2 4

+ =
k k
k
C C y

Solucin particular:

k
k
be A k A k A y + + + =
2 1
2
0


Sustituyendo en la ecuacin:

( ) ( )
1
2 1
2
0 1
1 1

+ + + =
k
k
be A k A k A y

se obtiene:

( ) ( ) | |
( ) ( ) | |
k k
k k
e k be A k A k A
be A k A k A be A k A k A
+ = + + +
+ + + + + + + +

+
2 1
2 1
2
0
2 1
2
0
1
2 1
2
0
4 1 1 8
2 1 1


Igualando los coeficientes de k
2
, k, k
0
y e
k
de ambos miembros de la ecuacin se
obtiene:

0 7 9 9 0 1 2 = + A A A
0 18 9 0 1 = + A A
4 9 0 = A
1
8
2 =
|
.
|

\
|

e
e b


de donde:

8 2

81
44
9
8

9
4
2
2
1 0

= =
= =
e e
e
b A
A A


La solucin particular es:

( ) ( )
8 2 81
44
1
9
8
1
9
4
2
2
1

+ =

e e
e
k k y
k
k

50

La solucin general:

( ) ( ) ( )
( )
8 2 81
44
9
8
9
4
2 4
8 2 81
44
1
9
8
1
9
4
2 4
2
1
2
2 1
2
2 1
2
1
1 1

+ + =

+ + =
+

e e
e
k k C C y
e e
e
k k C C y
k
k k
k
k
k k
k


Si se sustituye directamente y
k
, debe transformarse la ecuacin diferencia en:

k
k
be A k A k A y + + + =
2 1
2
0

( ) ( )
1
2
2
1 4 8 2
+
+ + =
k
k e k y E E
( ) e e k k y E E
k
k + + + = 4 8 4 8 2
2 2

1 2
1 2
4 8 4 8 2
+
+ +
+ + + =
k
k k k
e k k y y y



En este caso se obtiene:

( ) ( )
2
2 1
2
0
2 2
+
+ + + + +
k
be A k A k A

( ) ( ) | |
1
2 1
2
0
1 1 2
+
+ + + + +
k
be A k A k A
| | e e k k be A k A k A
k k
+ + + = + + + 4 8 4 8
2
2 1
2
0


Que igualando los coeficientes de k
2
, k, k
0
y e
k
de ambos miembros se obtiene:

9
4
4 9 0 0 = = A A
9
8
8 9 1 1 = = A A
81
44
4 9 2
2 2 0
= = A A A

( )
8 2
8 2
2
2

= =
e e
e
b e e e b


Por lo tanto la solucin particular es:

8 2 81
44
9
8
9
4
2
1
2

+ =
+
e e
e
k k y
k
k

La solucin general:

51
( )
8 2 81
44
9
8
9
4
2 4
2
1
2
2 1

+ + =
+
e e
e
k k C C y
k
k k
k


2.5.6.2 Mtodo de los Operadores Inversos

Si se asume que U es la solucin particular de la ecuacin no - homognea,
entonces:

u( ) ( ) E U R k =

definiendo
1
u( ) E
el inverso de u( ) E , entonces

) (
) (
1
k R
E
U
(

u
=


Este mtodo es til en caso de que R(k) tome las formas especiales indicadas en
la siguiente lista:

1.
( ) ( )
( ) 0
1
= u
u
=
u
|
|
|
| ;
E
k
k
; si u(|)=0 use la regla 4

2.
( ) ( )
k cos
E
k sen
E
o o
u u
1 1


Escriba:
2
k i k i
e e
k cos
o o
o

+
=


2
k i k i
e e
k sen
o o
o

=


y use la regla 1


3.
( )
( )
( )
( ) ( ) ( ) k P ... b ... b b k P k P
E
m
m
+ A + + A + =
A + u
=
u
1 0
1
1 1


Donde la expansin solamente se hace hasta A
m
si A
m+1
P(k)=0

La funcin ) 1 ( A + u se transforma a una funcin de la forma 1+Z 1-Z, y
luego se expande teniendo en cuenta que:

(1+Z)
-1
= 1 - Z + Z
2
- Z
3
+ Z
4

52
(1-Z)
-1
= 1 + Z + Z
2
+ Z
3
+ Z
4



4.
) (
) (
1
) (
) (
1
k P
E
k P
E
k k
|
| |
u
=
u
, y use regla 3.


Ejercicio 20:

Si
2
(1 ) 4 4 u +A = A + A+ expanda
( )
1
1 u + A
como una funcin de A

(

+ A +
A
= + A + A = A + u 1
4
4 4 4 ) 1 (
2
2


( ) | | A +
A
+ =
4
1 4
2


( ) | |
1
2
4
1
4
1
) 1 (
1

A +
A
+ =
A + u



( ) ( )
(

A +
A
+ A +
A
= ...
4 4
1
4
1
2
2 2



Ejercicio 21:

Resolver y y y k e
k k k
k
+
= +
1 1
2
2 8 4

Solucin particular:

| |
k
k
e k y E E + =

2
1
2
4 8 2

( )
k
k e k
E E
y +
(

=
2
2
1 4
8 2
1

( )
=

(
+

(
1
2 8
4
1
2 8
2
2
2
E E
k
E E
e
k


53
( )
( ) ( )
( )
1
2 8
4
1
1 2 1 8
4
2
2
2
2
E E
k k

(
=
+ +

(
(
A A
(Regla 3)


( ) ( )
2
2
2
2
4
9
1
4
8 2 2 2 1
1
k k
(

A
=
(

A A + A +
=

( )
2
1
2
4
9
1
9
1
k

A
=
, expandiendo:
( ) ( )
( )
1 2
4 2
4 4
81 9
1
9
1
k k ... +
(

+
A
+
A
+ =


( ) ( )
( )
1 2
2
4 4
9
1
9
1
k k +
(

A
+ =


se deja slo hasta A
2
, por que A
4
k
(2)
= 0 y A
2
k
(2)
=0)


( ) ( )
( )
( ) ( )
( )
= + +
1
9
4 4
1
81
4 4
2 1 2 2 1
k k k k A


( ) ( ) ( )
( ) 4 8
81 9
4
9
4
1 1 2
+
A
= k k k


( ) ( )
=
4
9
4
9
8
81
2 1
k k


( ) ( )
( )
= +
4
9
8
81
2 1
k k


=
4
9
8
81
2
k


1
2 8 2 8
2 2
E E
e
e
e e
k
k

(
=

(Regla 1)

Por lo tanto la solucin particular es:

2
1
2
4 8
9 81 2 8
k
k
e
y k
e e

= +



( ) ( )
1 1
2
2
2 2
4 8 4 8
1 2 1
9 81 2 8 9 81 2 8
k k
k
e e
y k k k
e e e e
+ +
= + + = + + +



54
8 2 81
44
9
8
9
4
2
1
2

+ =
+
e e
e
k k y
k
k


La solucin general es:

( )
8 2 81
44
9
8
9
4
2 4
2
1
2
2 1

+ + =
+
e e
e
k k C C y
k
k
k
k



Ejercicio 22:

Resolver
( )
k k
k
y E E 4 5 2 3 4 4
2
+ = +
por el mtodo de los Operadores Inversos

Solucin complementaria:

( )
( )
k
k
k
k C C y
y E
2
0 2
2 1
2
+ =
=


Solucin particular:

| |
k k
k
E E
y 4 5 2 3
4 4
1
2
+
+
=


Si se usa la regla 1 ( ) 0 2 = u , entonces se usa la regla 4 para 2
k
y la regla 1 para
4
k


k k
k
E E
y 4
4 4 4 4
1
5 3
4 8 4
1
2
2 2

+
+
+
=

( ) ( )
k
k
k
y 4
4
5
3
1 1 2 1
1
4
2
2
+
+ A + A +
=

( )
k
k
k
y 4
4
5
3
1
4
2
2
+
A
=


( )
k
k
4
4
5
3
4
2
2
+ A =

( )
( )
k
k
k 4
4
5
3
4
2
1 1
+ A =



( )
k k
k
4
4
5
2
2
4
3
2
+ =

55

( )
k k
k k 4
4
5
1 2
8
3
+ =


( )
k k
k
k k y 4
4
5
2 1
8
3
+ =


Solucin general:
( ) ( )
k k k k
k
k k k
k
k k C C y
k k k C C y
4
4
5
2
8
3
2 2
4
4
5
2 1
8
3
2
2
3 1
2 1
+ + + =
+ + + =

Ejercicio 23:

Hallar una solucin particular de:
( ) u k cos y E
k
= +1
por el mtodo de los
coeficientes indeterminados.

u u Bsenk k cos A y
k
+ =
y
( ) ( )u u 1 1
1
+ + + =
+
k Bsen k cos A y
k


Remplazando:

( ) ( ) u u u u u k cos Bsenk k cos A k Bsen k cos A = + + + + + 1 1

| | | |
u
u u u u u u u u u u
k cos
Bsenk k cos A k cos sen cos senk B sen senk cos k cos A
=
+ + + +


| | | | u u u u u u u k cos senk B cos B Asen k cos A Bsen cos A = + + + + +


1 = + + A Bsen cos A u u (1)

0 = + + B cos B Asen u u (2)

Despejando A de la ecuacin (2) se obtiene:

( )
u
u
sen
cos B
A
1 +
=


Reemplazando A en la ecuacin (1) se obtiene:


( )( )
1
1 1
= +
+ +
u
u
u u
Bsen
sen
cos cos B

( ) u u u sen Bsen cos B = + +
2 2
1
56
u u u u sen Bsen B cos B cos B = + + +
2 2
2

| | u u u u sen cos cos sen B = + + + 1 2
2 2


( ) | | u u sen cos B = +1 2

( ) 1 2 +
=
u
u
cos
sen
B


( )
( )
u
u
u
u
sen
cos
cos
sen
A
1
1 2
+

+
=

2
1
= A


La solucin particular es:
( )
u
u
u
u senk
cos
sen
k cos y
k
1 2
2
1
+
+ =


Ejercicio 24:

Resolver:
R
R R R
R 3 5 2 3 8 6
2
1 2
+ = Y + Y Y
+ +


Ecuacin Homognea:

0 8 6
1 2
= Y + Y Y
+ + R R R


( )
( )( ) 0 4 2
0 8 6
2
= Y
= Y +
R
R
E E
E E


Ecuacin auxiliar:

( )( )
4 2
0 4 2
2 1
= =
=
r ; r
r r



Solucin homognea:

Y
R
R R
C C = +
1 2
2 4

Utilizando el mtodo de los coeficientes indeterminados se halla la solucin
particular prueba:
57

Y
R
R
AR A R A A = + + +
1
2
2 3 4
3

Sustituyendo la solucin particular prueba en la ecuacin diferencia se obtiene:

( ) ( )
( ) ( ) | | | |
( )
R
R R
R
R R R
A A A A R A A R A
A A R A R A A A R A R A
A A R A R A
3 2 4 3 8 3 3
3 8 3 1 1 6
3 2 2 8 6
4 1 2 3 1 2
2
1
4 3 2
2
1
1
4 3 2
2
1
2
4 3 2
2
1 1 2
+ + =
+ + + + + + + + +
+ + + + + = Y + Y Y
+
+
+ +


( )
R R
R A A A A R A A R A 3 5 2 3 3 2 4 3 8 3 3
2
4 1 2 3 1 2
2
1
+ = + +


3 3
1
= A

5
2 2 4 3
0 8 3
4
1 2 3
1 2
=
=
=
A
A A A
A A


5
9
44
3
8
1
5 3 2 1
= = = = A , A , A , A


Su solucin particular es:


R
R
R R 3 5
9
44
3
8
2
+ + + = Y

La solucin general:


Y
R
R R R
C C R R = + + + + +
1 2
2
2 4
8
3
44
9
5 3


Ejemplo 2:

En un proceso qumico se alimentan 10.000 lb/h de un lquido puro A al primero de
una batera de 2 reactores de tanque agitado de igual tamao que operan en serie.
Si ambos recipientes se mantienen a la misma temperatura constante, tal que toma
lugar la reaccin
A B C
k k
1 2


estime el tamao de los recipientes que darn el mximo beneficio del producto B.
Las constantes de velocidad especfica son
1
1
1 0

= min . k y
1
2
05 0

= min . k a la
temperatura de operacin y la densidad del fluido es constante e igual a 60
lb ft
3
.
58


En la figura 1 se muestra el esquema de la batera de reactores.

C
A n
1
:Concentracin de A en el reactor n
C
B n
1

: Concentracin de B en el reactor n
C
C n
1
:Concentracin de C en el reactor n




Figura 1. Esquema de batera de reactores

Balance de masa de A en el reactor n :

A ,n A ,n A ,n
n A n A n A
C k C C
qC V C k qC
1 1
1 1
=
=

, , ,


donde
u =
V
q
V = Volumen del reactor q = Flujo volumtrico
Balance de masa de B en el reactor n :


A,n B,n B,n B,n
A ,n B ,n B ,n B ,n
C k C k C C
V C k qC V C k qC
1 2 1
1 2 1
=
=

Si k
1
u o = y k
2
u | =

de (1):

( ) 0 1
1 1
= +
n , A n , A
C E C o

(1)
(2)
1 2 n N
q q q q C
A,0
C
A,1
C
A,n-1
C
A,N
V
1
V
2
V
n
V
N
1 2 n N
q q q q C
A,0
C
A,1
C
A,n-1
C
A,N
V
1
V
2
V
n
V
N
59
( ) | | 0 1 1
1
= +
n , A
C E o Ecuacin diferencia homognea

n
n , A
K C
1 1
=
(3)

donde K
1
= Constante

( ) o

+
=
1
1
1


Reemplazando C
A n ,
en (2)

n
K C C C
n , B n , B n , B 1 1 1
o | =

( )
n
n , B n , B
K C C
1 1 1
1 o | = +

| |
n
n B
K C
1 1 1 ,
1 ) 1 ( o | = E +

Ecuacin diferencia no homognea

Solucin complementaria:

n
n B
K C
2 2 ,
=


donde:

K
2
= constante

|

+
=
1
1
2


Se halla la solucin particular utilizando el mtodo de los operadores inversos:

( ) ( ) 1 1 1 1
1
1
1 1
1 1 1
+
=
(

+
=

|
o
o
|
n
n
n , B
K
K
E
C
caso 1
n
n , B
n n
n , B
K
C
K K
C
1
1
1
1 1
1
1
1 1
1
1
1

o |
o
o |
o

|
o
|
|
.
|

\
|

=
+
=

Solucin general para C
B,n :


60
n
1
1 n
2 2 n , B
K
K C
o |
o

|
|
.
|

\
|

+ = (4)

Aplicando condiciones lmites:

C C
C C
A A
B B
=
= =
,
,
0
0
0
para n=0

De la ecuacin (3):

K C
A 1 0
=
,


De la ecuacin (4):

K
C
K
C
A
A
2
0
2
0
0 +

|
\

|
.
|
=
=

o
| o
o
o |
,
,


Reemplazando las constantes en (4):

| |
C
C
B n
A n n
,
,
=

o
| o

0
1 2


Para una batera de dos reactores:

( )
2
2
2
1
0
2

o |
o

=
, A
, B
C
C

(
(

|
|
.
|

\
|
+

|
|
.
|

\
|
+
=
2
2
2
1 1 2
0 1
2
1
1
1
1
u u k k k k
C k
C
, A
, B


61
( ) ( )
( ) ( )
( ) ( )
0 33 1333 20
1 1 2
1 1
0
1 1
2
2 3
3
1
3
2
3
2
2
3
1
1
2
3
1
1
3
2
2
1 2
0 1 2
= +
+ = +
+
=
+

=
(

+
|
|
.
|

\
|

=
.
k k
k
k
k
k
d
dC
k
k
k
k
k k
C k
d
dC
, B
, A , B
u u
u u
u u
u
u u
u


La raz real de la ecuacin anterior es 7.024 min. Esta raz debe chequearse con
la segunda derivada para saber si corresponde a un mximo.

( ) ( )
(

=
4
2
2
2
4
1
2
1
1 2
0 1
2
2
2
1 1
6
u u u k
k
k
k
k k
C k
d
C d
, A , B


Reemplazando:

1
1
1
2
1 0
05 0
024 7

=
=
=
min . k
min . k
min .

u


| |
0 ,
2
2 ,
2
4 4
0 ,
2
2 ,
2
00528 . 0
10 5 . 7 10 9 . 11 12
A
B
A
B
C
d
C d
C
d
C d
=
=

u
u


El valor de min . 024 7 = u corresponde a un mximo.

,2max ,0
0.4053
B A
C C =

4
3 1 3
10
min 7.024min 19.51
3600
V q ft ft u

= = =


62
2.5.7. Ecuaciones de diferencia no lineales

Estos tipos de ecuaciones generalmente se originan en la solucin de problemas
de ingeniera y ellos son difciles y algunas veces imposibles de resolver. Sin
embargo, las ecuaciones no lineales de primer orden se pueden resolver
grficamente, y algunas de segundo orden se pueden resolver por sustituciones.

2.5.7.1 Soluciones grficas

Si se considera la ecuacin no lineal:

0
2
1
= + +
+
B Ay y y
n n n


Donde A y B son constantes, sta debe reordenarse de la forma:

B Ay y y
n n n
=
+
2
1


Seleccionando un conjunto de valores para y
n
, se puede calcular un conjunto
correspondiente de valores para y
n+1
, de tal manera que se puede graficar y
n+1
vs
y
n
(ver figura 2).

La curva AB representa la ecuacin
B Ay y y
n n n
=
+
2
1
. Para hallar la solucin
se construye la recta PQ. Se comienza en la condicin de frontera y
o
y subiendo
hasta la curva AB se obtiene el valor de y
1
.

Luego se localiza el punto C en la recta
PQ. Desde C se dibuja una lnea vertical hasta intersectar la curva AB en D. Las
coordenadas de D son (y
1
, y
2
). Continuando este procedimiento por pasos hasta N
pasos, se puede obtener el valor de y
N+1
; y tambin el valor de y correspondiente a
cada valor de n.

Este mtodo funcionar para todas las ecuaciones de primer orden que se puedan
separar en una forma simple tal como la de arriba.

El mtodo de Ponchon y Savarit y el mtodo de McCabe-Thiele para determinar
composiciones de los diferentes platos de alimentacin en una torre de destilacin
de una mezcla binaria son ejemplos tpicos de solucin de ecuaciones de
diferencias en forma grfica en Ingeniera Qumica.
63


Figura 2. Solucin grfica de una ecuacin diferencia


Ejemplo 3:

Se desea esterificar 454 kg/h de alcohol etlico por reaccin con 386 kg/h de cido
actico en una batera de reactores CSTR continuos, cada uno de 0.85 m
3
de
capacidad y mantenidos a 100C. Si la relacin de equilibrio es tal que se esterifica
el 75.2% del cido, estime el nmero de reactores necesarios para una conversin
del 60%.

A 100C la constante de velocidad de reaccin para la esterificacin es 4.76x10
-4

l/gmol.min, y para la hidrlisis del ster es 1.63x10
-4
l/gmol.min. La densidad de la
mezcla reaccionante puede suponerse constante e igual a 865 kg/m
3
.


CH
3
COOH + C
2
H
5
OH CH
3
COOC
2
H
5
+ H
2
O

En la figura 3 se muestra el esquema de la batera de reactores CSTR.

Balance de masa para A en el reactor m:

rV q C q C
m , A m , A
=
1
(1)

y
n
y
n+1
1 2 3 4 5 6 7
7
6
5
4
3
2
1
A
C
D
y
n+1
= y
n
2
-Ay
n
-B
y
n+1
= y
n
y
2
y
1
B
Q
P
y
1
y
o y
2
y
3
y
n
y
n+1
1 2 3 4 5 6 7
7
6
5
4
3
2
1
A
C
D
y
n+1
= y
n
2
-Ay
n
-B
y
n+1
= y
n
y
2
y
1
B
Q
P
y
1
y
o y
2
y
3
64

Figura 3. Esquema de batera de reactores CSTR


Si la reaccin es de segundo orden, la velocidad de reaccin es:


D C B A
C C k C C k r
2 1
= (2)

A: CH
3
COOH B: C
2
H
5
OH C: CH
3
COOC
2
H
5
D: H
2
O

Reemplazando (2) en (1):


( )V C C k C C k q C q C
D C B A m , A m , A 2 1 1
=

( )u
D C B A m , A m , A
C C k C C k C C
2 1 1
=

(3)

q
V
= u
Tiempo de retencin en el reactor

Si la concentracin del reaccionante B supera inicialmente la de A en la cantidad c,
esta diferencia se conservar a travs del sistema, de tal manera que en cualquier
reactor m, la concentracin del reaccionante B es (C
A,m
+ c). Por la estequiometra
de la reaccin, la concentracin de cada producto es C
A,0
C
A,m
.

Entonces:

C
A
: C
A,m
C
B
: C
A,m
+ c C
C
: C
A,0
C
A,m
C
D
: C
A,0
C
A,m


Reemplazando estos datos en la ecuacin (3):

( ) ( ) ( )u
2
0 2 1 1 m , A , A m , A m , A m , A m , A
C C k c C C k C C + =

(4)

La ecuacin (4) es una ecuacin diferencia no lineal, que se resolver
grficamente para determinar el nmero de reactores necesarios (N).

q q q q
A, B
q
1 2 m N
q q q q
A, B
q
1 2 m N
65
( )
3
3
0
3
3
63 6
97 0
1
60
1
386
97 0
865
386 454
m / kgmol .
m .
h
kg
kgmol
h
kg
C
h / m .
m / kg
h / kg
q
, A









= =
=
+
=


Similarmente:

3
0 0
3
3
0
54 3 63 6 17 10
17 10
97 0
1
46
1
454
m / kgmol . . . C C c
m / kgmol .
m .
h
kg
kgmol
h
kg
C
, A , B
, B







= = =
= =

min . h .
h / m .
m .
q
V



6 52 88 0
97 0
85 0
3
3
= = = = u


Sustituyendo los anteriores valores en la ecuacin (4):

( ) ( ) ( ) 6 52 63 6 10 63 1 54 3 10 76 4
2 4 4
1
. C . . . C C . C C
m , A m , A m , A m , A m , A
+ + =

377 0 202 1 016 0
2
1
. C . C . C
m , A m , A m , A
+ =

(5)

Se eligen valores arbitrarios de C
A,m
y se sustituyen en la ecuacin (5) para
generar la siguiente tabla:

Tabla 2. Concentraciones de cido actico en cada etapa

C
A,m
C
A,m-1

2 2.09
3 3.37
4 4.69
5 6.03
6 7.41

Se grafica C
A,m-1
vs C
A,m
y se trazan las etapas partiendo de una composicin del
alimento de 6.63 kgmol/m
3
, hasta que se cumpla con la conversin requerida del
60% (C
A,m-1
= 0.4x6.63 = 2.65 kgmol/m
3
).

Segn la figura 3:

Nmero de reactores requeridos, N = 7
Concentracin final de cido actico, C
A,m
= 2.51 (62% conversin)

66
Figura 3. Anlisis grfico de reactores


2.5.7.2 Soluciones analticas

Slo un nmero limitado de ecuaciones de diferencias no lineales se pueden
resolver analticamente y es posible porque se transforman en ecuaciones lineales.
A continuacin se presentan tres ejercicios que ilustran este caso.


Ejercicio 25:

Resolver: ;
2 1 2 1 + + + +
+ + =
k k k k k k
y y y y y y pista
k k
u tan y =

t = + +
+ + =
+ +
+ + + +
k k k
k k k k k k
u u u
u tan u tan u tan u tan u tan u tan
2 1
2 1 2 1




Solucin complementaria:

( )
2
1 0
1 1 4
2
k
E E
r
+ + =

=








0 2 4 6 8
0
2
4
6
8
7
6
5
4
3
2
1
6.63
2.51
C
A
,
m
-
1
,

k
g
m
o
l
/
m
3
C
A,m
, kgmol/m
3
cido actico en el alimento
67
1 2
1
1 3 1 3
,
2 2 2 2
1 3 3 2
1, tan
4 4 1 3 3
-
i i
r r
t t
u
= + =
= + = = = =

( )
|
.
|

\
|
+ =
3
2
3
2
1
2 1
t t k
sen C
k
cos C u
k
k


Solucin particular (mtodo de operadores inversos):

( ) ( )
3 3
1
1
3
1
3 3
1
1 1 1
1
1
1
1
2
2
2 2
t
t t
t t
= |
.
|

\
|
|
.
|

\
|
A + A + =
|
.
|

\
|
+ A + A
=
+ A + + A +
=
+ +
=

k
k
u
E E
u


Solucin general:
(

+ + =
3
2
3
2
3
2 1
t t t k
sen C
k
cos C tan y
k



Ejercicio 26:

Resolver :
y y
k k
1 2
2
1
=
+
, pista:
k k
u cos y =

k k+
k k+
u cos u cos
u cos u cos
2
1 2
1
2
1
=
=

( ) 0 2
2
1
=
=
+
k
k k
u E
u u

( )
k
k
k
k
C cos y
C u
2
2
2
1
=
=



Ejercicio 27:

Resolver:
68
2
1
1
k k
y y =
+
, pista:
2
1
k k
u y =


( ) 1 1
1
1
1
2 2
1
= +
= +
= +
+
+
k
k k
k k
u E
u u
y y


Solucin complementaria:

( )
k
k
C u 1
1
=

Solucin particular (mtodo de operadores inversos):

( ) ( ) 1
1 1
1
1
1
1
+ + A
=
+
=
E
u
k

( ) ( ) ( )
2
1
1
2
1
2
1
1
2
1
1
2
1
1
2
1
1
=
|
.
|

\
|
A
+ =
|
|
|
|
.
|

\
|
A
+
=
|
.
|

\
|
A +
=

Solucin general:
( )
( )
k
k
k
k
C y
C u
1
2
1
1
2
1
1
1
+ =
+ =



Ejercicio 28:

Resolver:
y y y
n n n + +
=
2 1
2
;
pista: sacar logaritmo

0 2
2
2
1 2
1 2
1 2
= +
= +
=
= +
+ +
+ +
+ +
n n n
n n n
n n
n n n
x x x
x x x
y log x
y log y log y log

( ) 0 1 2
2
= +
n
x E E
( ) 0 1
2
=
n
x E
69

( ) n C C
n
o n
o
y
n C C x
1
10
1
+
=
+ =



Ecuacin de Riccati: Es una ecuacin diferencia de segundo grado que
frecuentemente aparece en problemas de Ingeniera Qumica. La ecuacin toma la
forma:
0
1 1
= + + +
+ +
C By Ay y y
n n n n


donde A, B y C son constantes. Esta ecuacin se puede convertir en una ecuacin
diferencia lineal haciendo la siguiente transformacin.

o + =
n n
u y

Sustituyendo en la ecuacin original 0
1 1
= + + +
+ +
C By Ay y y
n n n n


( )( ) ( ) ( ) 0 1 1 = + + + + + + + + + C u B u A u u n n n n o o o o


( ) ( ) ( ) | | 0
2
1 1 = + + + + + + + + + + C B A u B u A u u n n n n o o o o


Escogiendo o de tal forma que:

( ) 0
2
= + + + C B A o o


Luego dividiendo por u
n+1
u
n
, se obtiene

( ) ( ) 0 1
1 1
1
= + + + +
+ n n u
B
u
A o o


Si se define:

n
n
u
x
1
=


( ) ( ) 0 1 1 = + + + + + n n x B x A o o


0
1
1 =
+
+
|
.
|

\
|
+
+
+ +
o o
o
B
x
B
A
x n n
Ecuacin diferencia lineal no homognea

70
Resolviendo esta ltima ecuacin:

k
B
A
C x
n
n +
(

+
+
=
o
o
0


donde :

o 2
1
+ +
=
B A
k

o o
o
o 2
1 1
0
+ +

+
+
=

B A B
A
C
y
n
n




Ejemplo 4:

Una solucin de benceno y tolueno de 60% en mol de benceno se alimenta
continuamente a una columna de destilacin (figura 4). Si hay 9 platos entre el
ebullidor y el plato de alimentacin, y el producto de cabeza contiene 98%,
mientras que el producto de cola 2% en mol de benceno; estime la eficiencia global
en la zona de despojamiento de la torre. El alimento entra a la torre en el punto de
burbuja, la volatilidad relativa del benceno al tolueno puede considerarse constante
e igual a 2.3, y la relacin de reflujo 3.0.


Balance de benceno en la zona de despojamiento hasta el plato n:

Lx Gy Wx
n n w +
= +
1


Como la volatilidad relativa es constante, la relacin de equilibrio esta dada por:

y
y
x
x
n
n
n
n
*
*
1 1
=

o



(1)
71


Figura 4. Balance de masa en destilador


( )
n
n
n
x
x
y
1 1
*
+
=
o
o


Remplazando (2) en (1):


( )
Lx G
x
x
Wx
n
n
n
w +

(
=
1
1 1
0
o
o

( )
| |
( )
| |
Lx x G x Wx x
n n n w n +
+ + =
1
1 1 1 1 0 o o o
( ) ( ) Lx L x x G x Wx W x x
n n n n w n w + +
+ =
1 1
1 1 0 o o o
( )
( ) | |
( ) ( )
0
1 1
1
1
1
1 1
=

+
+ +
o o
o o
o L
Wx
x
L
Wx G
x x x
w
n
w
n n n


Llamando:

F, x
F
D, x
D
W, x
w
n
y
n
y
n-1
x
n+1
x
n
n
F, x
F
D, x
D
W, x
w
n
y
n
y
n-1
x
n+1
x
n
n
(2)
72
( )
A =

1
1 o

( ) | |
( ) 1
1

+
=
o
o o
L
Wx G
B
w

( )
C
Wx
L
w
=
o 1


+ + + =
+ +
x x Ax Bx C
n n n n 1 1
0

La ecuacin anterior es la ecuacin de Riccati, cuya solucin es:

o o
o
o 2
1 1
0
+ +

|
.
|

\
|
+
+
=

B A B
A
C
x
n
n


Si se supone 100 lbmol de alimento:

( ) D . D .
W D
+ =
+ =
100 02 0 98 0 60
100

( )
6 281
6 241 1
6 39 4 60
. RD F L
. D R G
. W , . D
= + =
= + =
= =


0022 0
523 1
769 0
3 1
1
1
1
. C
. B
.
.
A
=
=
= =

=
o


Escogiendo o de tal forma que:


( ) o o
2
0 + + + = A B C


003 0
757 0
0 0022 0 754 0
2
1
2
.
.
. .
=
=
=
o
o
o o





Remplazando los valores de A, B y o
1
se obtiene
73

( )
1
0003
0502 131
0
x
C
n
n
+
= +
.
. .


Asumiendo que el ebullidor se comporta como una etapa ideal, se puede evaluar
C
0
, asignando al ebullidor n=0, o sea x
0
= 0.02

= C
0
422 .

( ) 31 . 1 502 . 0 2 . 42
003 . 0
1
+ =
+

n
n
x


Para determinar el nmero de platos ideales en la zona de despojamiento se
ubicar primero el plato de la alimentacin. Inicialmente se estima n
f
asumiendo
que x
nf
= 0.60.

( ) 31 1 502 0 2 42
003 0 6 0
1
. . .
. .
f
n
+ =
+

( )
502 0
2 42 3484 0
. log
. . log
n
f
=


n
f
= 6.96

Con este estimado se calcula x
7
y x
6
para decidir en cual de los platos ideales se
hace la alimentacin.

( )
500 . 0 003 . 0
31 . 1 502 . 0 2 . 42
1
6
6
~
+
= x

( )
603 . 0 003 . 0
31 . 1 502 . 0 2 . 42
1
7
7
~
+
= x


Como x
7
~ x
f
, puede decidirse la alimentacin en el plato 6, con esta condicin,

100 E0 =
rd
f
n
n


100
9
6

|
.
|

\
|
= % 7 . 66 =
74
2.6. Ecuaciones diferenciales - diferencias

Los procesos qumicos que se llevan a cabo por medio de etapas, son analizados
con la ayuda de las ecuaciones de diferencias cuando se operan en estado
estacionario. Sin embargo, cuando este tipo de procesos est sujeto a un cambio
en las condiciones de operacin, las composiciones de las corrientes que pasan a
travs de las etapas cambian con el tiempo. Esto implica la adicin de trminos
diferenciales y la ecuacin resultante se llama ecuacin diferencial - diferencia.

En muchas ocasiones las ecuaciones resultantes no pueden ser resueltas
analticamente y se hace necesario un anlisis etapa a etapa con ayuda del
computador.

Las soluciones analticas de ecuaciones diferenciales son definidas por la
conversin de este tipo de ecuaciones diferenciales por medio de la transformacin
de Laplace.

2.6.1.Transformacin de Laplace

El mtodo operacional "La transformacin de Laplace" es una tcnica mediante la
cual una ecuacin diferencial ordinaria se convierte en una ecuacin algebraica
equivalente, para encontrar la solucin particular de la ecuacin diferencial.


Figura 5. Transformacin de Laplace

Como se ilustra en la figura 5 la transformacin de Laplace ofrece una alternativa
para encontrar la solucin particular a una ecuacin diferencial. Este procedimiento
Dominio
t
Dominio
s
Transformacin
directa
Ecuacin Diferencial
Ecuacin algebraica
Solucin general
Solucin particular
Solucin particular
Transformacin
inversa
Sistema Lineal
e(t)
y(t) E(s) Y(s)
y(t)
Q(D)y(t) = e(t)
Y(s)
Dominio
t
Dominio
s
Transformacin
directa
Ecuacin Diferencial
Ecuacin algebraica
Solucin general
Solucin particular
Solucin particular
Transformacin
inversa
Sistema Lineal
e(t)
y(t) E(s) Y(s)
y(t)
Q(D)y(t) = e(t)
Y(s)
75
tiene la ventaja que al convertir la ecuacin diferencial en una ecuacin algebraica
el proceso de solucin resulta ser ms simple que el requerido en el dominio del
tiempo. La transformacin de la ecuacin diferencial en una ecuacin algebraica
en el dominio de s utiliza unas reglas conocidas en el dominio del tiempo y luego se
obtiene la solucin particular (y(t)), mediante la transformacin inversa de esta
solucin en el dominio del parmetro s (Y(s)). En este proceso las condiciones
lmites se introducen en la ecuacin algebraica, antes de encontrar la solucin
particular, a diferencia del mtodo directo, en donde las condiciones lmites se
aplican despus de obtener una solucin general.

La transformacin de Laplace est definida para una funcin continua de una
variable independiente t, f(t), para todos los valores de t mayores que cero como:

( ) | | ( ) ( ) s f dt t f e t f L
st
= =
}

0


donde s es un parmetro lo suficientemente grande que hace convergente la
integral en el lmite superior.


2.6.2. Transformadas elementales

| | s / a a L . = 1

| |
a s
e L
at
+
=

1
. 2

| |
1
!
. 3
+
=
n
n
s
n
t L
;para n entero

( )
1
1
+
+ I
=
n
s
n
; para n = entero
1
.
( ) | | ( ) s f R t Rf L . = 4

( ) | | ( ) ( ) 0 . 5
,
f s f s t f L =


1
Funcin Gama:
( ) I n t e dt
n t
=

}
1
0

Propiedades:

( ) ( ) ( ) 1 1 I = I n n n . i

( ) ( )! n n . ii 1 = I
;para n entero.
( ) = I n . iii
;para n entero negativo o n =0.
( ) ( ) ( ) 1 1 I = I n n n . iv

76
( ) ( ) s s f dt t f L
t
=
(

}
0
. 6

| |
( )
1
!
. 7
+

+
=
n
at n
a s
n
e t L
, para n entero.
| |
2 2
. 8
e
e
e
+
=
s
t Sen L

| |
2 2
. 9
e
e
+
=
s
s
t Cos L

| |
2 2
. 10
e
e
e

=
s
t Senh L

| |
2 2
. 11
e
e

=
s
s
t Cosh L

( ) | | ( ) ( ) ( ) 0 0 . 12
2
f sf s f s t f L ' = ' '

( ) | | ( ) ( ) ( ) ( ) | | 0 ... 0 0 . 13
1 2 1
+ + ' + =
n n n n n
f f s f s s f s t f L



2.6.3. Transformadas inversas

Existen varios mtodos para transformar una funcin del dominio del parmetro s
al dominio del tiempo. El mtodo ms simple consiste en descomponer la funcin
( ) f s

en trminos cuya inversa sea conocida. En algunos casos no es posible
utilizar esta tcnica, por lo tanto debe recurrirse a otros mtodos como el mtodo
de la integral de convolucin y el mtodo de los residuos.

2.6.3.1. Mtodo de la Integral de Convolucin
Este mtodo consiste en descomponer la funcin ( ) f s como el producto de dos
funciones para las cuales se conoce la transformada inversa:

( ) ( ) ( ) s h s g s f =

La transformada inversa de
( ) s f
se obtiene entonces como:
( ) ( ) | | ( ) ( )
}
= =

t
d h t g s f L t f
0
1
t t t

77
( ) ( ) =
}
g h t d
t
t t t
0


Ejercicio 29:

Hallar la transformada inversa de:



( )
( )
f s
s s a
=

1
2


( ) ( )
( )
( ) ( )
( )
}
=
= =

= =
t
a
at
d e t f
te t h , t g
a s
s h ,
s
s g
0
2
1
1 1
t t
t



Integrando por partes:

( )
} }
= = vdu uv udv t f

a
e
v d e dv
d du u
a
a
t
t
t
t t
= =
= =




( )
a
te
e
a
a
e
a a
te
e
a a
e
d
a
e
a
e
d e
at
at
at
at
t
a
a
t
a
t
a
a
+ =
+ = = =
} }
1
1
1 1 1
2
2 2
0
2
0 0
t
t t t
t
t
t
t
t



2.6.3.2. Mtodo de los Residuos

Este es el mtodo ms poderoso para encontrar la transformada inversa de
Laplace. El se encuentra ampliamente explicado en textos clsicos de ecuaciones
diferenciales, y en virtud de que el propsito de este texto no es profundizar en
detalles matemticos, solo se presentarn las ecuaciones de utilidad para su
aplicacin.
78
Cuando ( ) f s es analtica
2
, excepto para singularidades que son nicamente
polos
3
, la transformada inversa est dada por:
( ) ( ) f t t
n
=

1


donde ( )
n
t es el residuo de ( ) f s en el polo p
n
. Los residuos se pueden
determinar para un polo simple como:

( )
( )
( )
t p
n
n
n
n
e
p
p j
t
'
=

donde:

( )
( )
( ) s
s j
s f

=


( )
( )
n
p s
n
ds
s d
p
=
= '

Si p
n
es un polo mltiple de orden m, entonces:

( )
( )

=
=

=
m p
p
p
p
t p
n
p
t
A e t
n
1
1
! 1

donde:

( )
( )
n
p m
n p
p
p m
A

= |
!
1
m ..., , , p 2 1 =
( ) ( )
n
p
n
p m
p m
n
p m
n
s
ds
d
p
(

| |

( ) ( ) ( ) s f p s s
m
n n
= |



2
Una funcin f(z)es analtica, en el campo complejo, cuando solo existe un valor de la funcin
para cada valor de z y existe la primera derivada en todo el dominio de la funcin.
3
Los polos son los puntos en los cuales el denominador de la funcin se hace cero y por lo tanto
la funcin es indeterminada o sea que se hace infinita. Un polo es un punto singular removible
cuando, si existe un factor que multiplicado por la funcin la haga analtica.
( ) ( ) ( ) | z z z f z
m
=
0

z
0
=polo, en caso contrario es esencial.

79

Ejercicio 30:

Encontrar la transformada inversa de:
( )
( )
f s
s s a
=

1
2


Polos: a s , s = = 0


( )
( ) ( ) ( ) ( ) ( ) a s s a s s a s s s
s j
+ = ' =
=
2
1
2 2



Residuo ( )
1
t , es el residuo en el polo s = 0.

( )
( )
2
0
1 0
a
j
= '
=

( )
2
1
1
a
t =


Residuo ( )
2
t , es el residuo en el polo mltiple de orden dos, a s =


( ) | |

2 1 2
t e A A t
at
= +
( )
( )
A a
A a
1 2
2 2
1
1
= '
=
u
u


( ) ( ) ( )
s
s f a s s
1
2
2
= = u

( ) u
2
1
a
a
=

( ) ' = u
2
2
1
s
s

( ) ' = u
2
2
1
a
a


2
1
1
a
A =

80

a
A
1
2
=


( )
|
.
|

\
|
+ =
a
t
a
e t
at
2
2
1

( ) ( ) ( ) ( )
a
te
e
a
t t t f
at
at
+ = + = 1
1
2
2 1



Ejemplo 5:

Un sistema consiste de N tanques agitados cada uno de volumen v ft
3
arreglados
en una cascada (figura 6). Si cada tanque inicialmente contiene agua pura y una
corriente salina de concentracin x
0
lbft
-3
es alimentada al primer tanque a una rata
R ft
3
h
-1
, calcular la concentracin de salida del ltimo tanque como funcin del
tiempo si la eficiencia de la agitacin es del 100%.


Figura 6. Cascada de tanques agitados

Anlisis en el tanque n:

Balance de masa para la sal:

( )
dt
dx
v Rx Rx
vx
dt
d
Rx Rx
n
n n
n n n
=
+ =

1
1


Segn la regla 5 del acpite 2.6.2:

(1)
R R R R
X
o
R
X
N
1 2 n N
R R R R
X
o
R
X
N
1 2 n N
81
( )
( ) ( ) 0 f s f s
dt
t df
L =
(

Aplicando la transformada de Laplace (regla 5) a la ecuacin (1):

( ) ( ) ( ) ( ) | | 0
1
n
n n n
x s x s v s x R s x R =

En el tiempo t=0 no hay sal, entonces x
n
(0) = 0

( ) ( ) ( ) s x vs s x R s x R
n n n
=
1


( ) 0
1
= +
n n
x R R vs x Ecuacin diferencia lineal homognea

( ) | | 0
1
= +
n
x R E R vs
R vs
R
r
+
=

( )
n
n
vs R
R
A s x
|
.
|

\
|
+
=
(2)

El valor de A se obtiene a partir de las condiciones lmites.

( ) A
vs R
R
A s x
o
=
|
.
|

\
|
+
=
0


Aplicando la regla 1 del acpite 2.6.2:

( ) | |
s
x
x L s x
o
o
o
= =
(composicin del alimento constante)
s
x
A
o
=


Reemplazando A en la ecuacin (2):

( )
n
n
o
n
o
n
o
n
s
v
R
s v
R
x
s
v
R
v
R
s
x
vs R
R
s
x
s x
|
|
.
|

\
|
+
|
.
|

\
|
=
|
|
.
|

\
|
+
=
|
.
|

\
|
+
=
1 1


Para n=N:

82
( )
N
N
o
N
s
v
R
s v
R
x s x
|
|
.
|

\
|
+
|
.
|

\
|
=
1 1


Definiendo:

N
o
v
R
x B
|
.
|

\
|
=
y
v
R
a =


( )
N
N
s a s
B s x
|
.
|

\
|
+
=
1 1
(3)

Utilizando las transformadas elementales (reglas 6 y 7):

( ) | | ( ) s f
s
dt t f L
t 1
0
=
}

( )
( )
N
at N
a s
! N
e t
L
+
=
(

1
1
1


y aplicndolas a la ecuacin (3):

( )
( ) ( )
dt
a s
L B
a s
s
B L t x
t
N N
N } (

+
=
(

|
|
.
|

\
|
+
=

0
1 1
1 1 1


( )
( )
dt
! N
e t
B t x
t
at N
N }

=

0
1
1


Se resuelve la integral por partes:

( ) dt t N du t u
N N 2 1
1

= =
a
e
v e dv
at
at

= =

( )
( )
(

=
}

t
at N at
N
N
dt e t
a
N
e
a
t
! N
B
t x
0
2
1
1
1


Continuando sucesivamente la integracin por partes:

83
( )
( ) ( )
(

=

N N
at at N at N
N
a a
e
...
! N a
e t
! N a
e t
B t x
1
2 1
2
2 1


Reemplazando B y a en la ecuacin anterior:

( )
( ) ( )
( ) ( ) ( ) ( ) ( )
(
(
(

N N
v
t
R
N
v
t
R
v
t
R
N
v
t
R
N
N
N
v
R
v
R
e
v
R
te
...
v
R
! N
e t
v
R
! N
e t
v
R
x x
1
2
1
1 2
2 1
0

( ) ( )
(
(

|
.
|

\
|

|
.
|

\
|

|
.
|

\
|
=


! N
e
v
Rt
! N
e
v
Rt
... e
v
Rt
e x x
v
t
R N
v
t
R N
v
t
R
v
t
R
N
1 2
1
1 1
0

( ) ( )
( )
(
(
(

+ + +
|
.
|

\
|
+ =

! N
v
Rt
...
!
v
Rt
v
Rt
e x x x
N
v
t
R
o o N
1 2
1
1 2


( )

=
1
0

0 0
!
N
i
i
v
t
R
N
i
v
Rt
e x x x



Otro mtodo para encontrar x
n
(t) es el mtodo del residuo:
( )
( )
n
n
o
n
n
vs R s
R x
vs R
R
s
x
s x
+
=
|
.
|

\
|
+
=
0


Polos: s = 0
s = -R/v Polo multiple de orden n

( )
( )
( ) s l
s j
s x
n
=


( )
( ) ( )
( ) ( )
(

+
+ + = '
+ =
=
vs R
nsv
vs R s l
vs R s s l
R x s j
n
n
n
1
0


Residuo
1
(t) para s = 0

84
( )
( ) | |
n n
n
o
R R l
R x j
= + = '
=
0 1 0
0

( )
o
n
n
o
x
R
R x
t = =
1

Residuo
2
(t) para s = -R / v de orden n

( )
( )
(

+ + + + =

! 1
...
! 2
1 2
3 2 1 2
n
t
A
t
A t A A e t
n
n
v
Rt

( )
( )
v
R
n
A
n
u

=
1
2
1
! 1
1

( ) ( )
( )
n
n
n
vs R s
R x
v
R
s s
+
+ = u
0
2


( )
n
v
R
s
x0
=

( ) ( )
n
v
R
s
x
s
2
0
2 = u'

( ) ( )
n
v
R
s
x
s
3
0
2 2 = u' '

( ) ( )
(

= u
n
v
R
x
s
s 0
4
3
2
! 3

( )
( ) ( )
( )
(

= u

n
n
n
n
v
R
x
s
n
s 0
1
1
2
! 1 1

( ) ( ) 0
1
2
! 1 x n
v
R
n
= u

( )
( )
0
0
1
! 1
! 1
x
n
x n
A =

=

( )
( )
v
R
n
A
n
u

=
2
2
2
! 2
1

( )
( ) ( )
( )
(

= u

n
n
n
n
v
R
x
s
n
s 0
1
2
2
2
! 2 1

( ) ( ) ( )
v
R
n x
v
R
n
! 2 0
2
2
= u


85
( ) ( )
( )! 2
! 2 0
2

=
n
v
R
n x
A

( )
v
R
x A 0 2 =

( )
( )
v
R
n
A
n
u

=
3
2
3
! 3
1

( ) ( )
( )
( )
n
n
n
n
v
R
x
s
n
s 0
2
3
3
2
! 3
1

= u

( ) ( )
( )
( )
( )
n
n
n
n
v
R
x
v
R
n
v
R
0
2
3
3
2
! 3
1

= u


( )
( )
( ) ( )
( )
n
n
n
n
v
R
x
v
R
n
0
2
2
3
1
! 3
1

=


( ) ( )
2
0 ! 3
v
R
x n =

( )
( ) ( )
2
0 3 ! 3
! 3
1
v
R
x n
n
A

=


( )
2
0
v
R
x =

( )
1
0

=
n
n
v
R
x A

( )
( )
(
(

|
.
|

\
|

|
.
|

\
|
=

1
0
2
0
0 0 2
! 1
...
! 2
n
v
Rt
v
Rt
n
x
v
Rt x
v
Rt
x x e t


( )
(
(

|
.
|

\
|

+ +
|
.
|

\
|
+ + =

1 2
0
! 1
1
...
! 2
1
1
n
v
Rt
v
Rt
n v
Rt
v
Rt
e x

( )
( )

=
1
0
0 0
n
k
k
v
Rt
n
! k
v
Rt
e x x t x

Si n = N ( )
( )

=
1
0
0 0
N
k
k
v
Rt
N
! k
v
Rt
e x x t x


Utilizando el mtodo de la integral de convolucin:
86
( )
( )
( ) ( ) s h s g
vs R s
R x
s x
n
n
n
=
+
=
0

( )
s
R x
s g
n
0
=

( )
( )
n
n
v
R
s
v
s h
+
=
1

( )
n
R x t g 0 =

( )
( )
( )
v
Rt
n
n
e t
n
v
t h

=
1
! 1
1

( )
( )
( )
}

=
t
v
R
n
n
n
n d e
n
v
R x t x
0
1
0
! 1
1
t
t
t

( ) ( )
( )
}

t
v
R
n
n
n d
n
e
v
R
x t x
0
1
0
! 1
t
t
t



2.7. Problemas propuestos

1. Muestre que la solucin general de la ecuacin diferencia:
( ) 2
2
2
4 2 3 x y
x
y
x
y
= +
A
A

A
A
est dado por:
( )( ) ( )( ) ( ) 7 2 6 2 1 2 1
2
2 1
+ + + + + + = x h x h x C h x C y
h
x
h
x
, donde C
1
(x) y C
2
(x)
tienen periodos igual a h.

2. Resolver
a.
n y y
n n
=
+1

b.
0 2 2 1 2 3 = + + + + n n n n y y y y

c.
0 4 8 5 1 2 3 = + + + + n n n n y y y y

d.
1 2 2 1 2 = + + + n n n y y y

e.
u n n y y y n n n cos 4 4 1 2 + = + + +

f. 2 1 + = n n n x x x ; 1 0
0 1
= =

x , x
g.
n
n n n
x x x 2 6 8
2 1
= +



3. Demostrar que para una extraccin lquido - lquido con flujo cruzado donde los
solventes son insolubles y la relacin de equilibrio es lineal de la forma y =
mx, donde x y y son razones msicas en las fases extractoras y refinadas, se
cumple:
87
' = '
'
|
\

|
.
|
+
|
\

|
.
|
+
'
x x
y
m
y
m
Np F
S
Np
S
1
1 c


| | c +
(
(
(

'
'
'
'
=
1 log
m
y
x
m
y
x
log
Np
S
Np
S
F



donde:
c =
mB
A


B: Flujo msico de solvente extractor/etapa
A: Flujo msico de solvente original


2.8 Bibliografa

Jenson, V.G., Jeffreys, G.V. Mathematical methods in Chemical engineering,
Academic Press, New York, 1963.

Mickley, H.S., Sherwood, T.S., Reed, C.E., "Applied Mathematics in Chemical
Engineering". McGraw, New Delhi, 1975.

Spiegel, M.R., "Theory and problems of calculus of finite differences and difference
equations", McGraw-Hill, New York, 1970.

90
CAPTULO III

MTODOS NUMRICOS

TABLA DE CONTENIDO

3.1. Solucin de ecuaciones no lineales ............................................................ 91
3.1.1. Ceros reales ........................................................................................... 92
3.1.1.1. Mtodo de la biseccin ..................................................................... 93
3.1.1.2. Mtodo de la falsa posicin (regula - falsi) ........................................ 96
3.1.1.3. Mtodo de la falsa posicin modificado ............................................ 98
3.1.1.4. Mtodo de la secante ......................................................................100
3.1.1.5. Mtodo de Newton ..........................................................................102
3.1.1.6. Mtodo de las sustituciones sucesivas ............................................103
3.1.1.7. Mtodo de Wegstein .......................................................................105
3.1.2. Ceros complejos ....................................................................................106
3.2. Solucin de ecuaciones lineales simultneas ...............................................109
3.2.1. Mtodo de Jacobi...................................................................................110
3.2.2. Mtodo de Gauss - Siedel ......................................................................113
3.3. Ecuaciones simultneas no lineales .............................................................115
3.4. Interpolacin y aproximaciones ....................................................................120
3.4.1. Aproximaciones polinomiales .................................................................122
3.4.1.1. Mtodo de Gregory- Newton ...........................................................123
3.4.1.2. Mtodo de Lagrange .......................................................................125
3.4.1.3. Aproximacin con puntos base igualmente espaciados ...................127
3.4.2. Aproximacin de funciones por el mtodo de los mnimos cuadrados ....129
3.5. Diferenciacin numrica ...............................................................................133
3.6. Integracin numrica ....................................................................................138
3.6.1. Frmulas de integracin cerradas ..........................................................138
3.6.1.1. Regla trapezoidal.............................................................................138
3.6.1.2. Regla de Simpson ...........................................................................139
3.6.2. Frmulas de integracin abierta .............................................................141
3.7. Solucin de ecuaciones diferenciales ordinarias ...........................................144
3.7.1. Mtodo de desarrollo de Taylor ..............................................................145
3.7.2. Mtodo de Euler ....................................................................................147
3.7.3. Mtodos de Runge-Kutta .......................................................................148
3.9. Sistemas de ecuaciones diferenciales ordinarias ..........................................150
3.10. Ejercicios propuestos .................................................................................155
3.11. Bibliografa .................................................................................................158
91
CAPTULO III.
MTODOS NUMRICOS


Los mtodos numricos son mtodos en anlisis matemtico que permiten la
solucin de un problema en una forma aproximada, por medio de operaciones
aritmticas y lgicas, en un nmero finito de etapas.

El conjunto de pasos secuenciales que deben realizarse para alcanzar la solucin
de un problema determinado se llama algoritmo.

Los algoritmos diseados para la solucin de problemas mediante mtodos
numricos contemplan la posibilidad de un nmero infinito de operaciones, de las
cuales en la prctica slo pueden realizarse un nmero finito. Este hecho hace que
la solucin no sea exacta y la aproximacin dependa del nmero de etapas de
clculo realizadas.

En una solucin por mtodos numricos pueden haber involucrados dos tipos de
errores en la respuesta

- Error de truncamiento
- Error de redondeo

El error de truncamiento es el error introducido en la aproximacin de la solucin
de un problema matemtico por un mtodo numrico en el cual slo pueden
desarrollarse un nmero finito de etapas de clculo.

El error de redondeo es el error causado por el redondeo resultado de operaciones
aritmticas individuales; porque en las mquinas donde se llevan a cabo las
operaciones slo es posible retener un nmero finito de dgitos. Este error depende
de la mquina donde se llevan a cabo dichas operaciones.

Se define estabilidad numrica como la inmunidad que posee un algoritmo a la
acumulacin de errores de redondeo.

3.1. Solucin de ecuaciones no lineales

La mayora de las ecuaciones se originan con trminos al lado derecho e izquierdo
del signo igual, pero es tradicional sustraer uno de los dos lados de tal forma que
conduzca a f(x) = 0. Cuando solo hay una variable independiente, el problema es
unidimensional, para lo cual se denomina la solucin de esta ecuacin como races
o ceros de la funcin.


92
3.1.1. Ceros reales

Los mtodos utilizados para hallar los ceros reales de las ecuaciones f(x) = 0 son
mtodos que generalmente empiezan con uno o ms valores iniciales aproximados
o supuestos para las races, a partir de los cuales se genera una secuencia x
0
, x
1
,
x
k
, que se espera converja a la raz. Aunque existen mtodos numricos
restringidos a polinomios que pueden producir aproximaciones simultneas a todas
las races como el mtodo de Graeffe y el algoritmo QD, los mtodos que aqu se
presentan son generales.

La mayora de los mtodos iterativos se pueden escribir en la forma:

( )
k k
x g x =
+1


para una adecuada funcin g(x) y una aproximacin inicial x
0
. En ciertos mtodos
es suficiente conocer un intervalo [a,b] en el cual se encuentra la raz o las races.
En otros es conveniente estimar o suponer un x
0
, el cual est suficientemente
cercano a la raz.

Se advierte que para hacer la seleccin de los intervalos iniciales de bsqueda se
debe tener en cuenta las siguientes consideraciones:

a. Intervalos donde la funcin tenga el mismo signo en los extremos no
necesariamente indican que no existe raz, sino que tambin se puede
contener una raz en donde la funcin es tangente al eje x o mltiples races
(ver figura 1a y 1b).
b. En ocasiones el cambio de signo en el valor de la funcin en los extremos
del intervalo no significa la existencia de una raz, ya que ese cambio puede
ser ocasionado por la presencia de singularidades (ver figura 1c).

En todos los mtodos se realizan las iteraciones hasta que se obtenga la
convergencia deseada, la cual puede ser calculada de las dos siguientes maneras:

i. ( ) c s
k
x f y
c s

+
+
1
1
k
k k
x
x x


ii. ( ) c s
k
x f y o s
+ k k
x x
1








93











(a) (b)













(c)


Figura 1. Ejemplos grficos de seleccin de intervalos


3.1.1.1. Mtodo de la biseccin

Este es el mtodo ms simple y consiste en estrechar el intervalo donde se
encuentra la raz, lo cual se determina con la diferencia de signos en la funcin
para los valores extremos del intervalo. Luego se evala la funcin en el punto
medio del intervalo y se examina su signo; se usa el punto medio para reemplazar
alguno de los dos puntos lmites, tal que se conserve la diferencia de signos del
valor de la funcin en los extremos del subintervalo.

Dada una funcin f(x) continua en el intervalo [a
0
,b
0
] tal que f(a
0
)f(b
0
) s 0, la
aproximacin de la raz en cada etapa se hace con la frmula:

2
k k
k
b a
x
+
=

f(x)
a
o
b
o
f(x)
a
o
b
o
f(x)
a
o
b
o
f(x)
a
o
b
o
f(x)
a
o
b
o
f(x)
a
o
b
o
94

Siendo a
k
y b
k
los lmites del intervalo en cada iteracin k, donde est contenida la
raz.

La eleccin del nuevo intervalo se hace de acuerdo con los siguientes criterios:

S ( ) ( ) 0 s
k k
x f a f
k k
a a =
+1
y
k k
x b =
+1


S ( ) ( ) 0 s
k k
b f x f
k k
x a =
+1
y
k k
b b =
+1




Figura 2. Representacin grfica del mtodo de la biseccin

Ejemplo 1:

Calcule el volumen molar para el amonaco gaseoso a una presin de 56 atm y una
temperatura de 450 K usando la ecuacin de estado de Redlich-Kwong:

( ) T b V V
a
b V
RT
P
+

=

Donde:
95

|
|
.
|

\
|
=
|
|
.
|

\
|
=
c
c
c
c
P
RT
. b
P
T R
. a
08664 0
42747 0
2
5
2


P: Presin en atm
V: Volumen molar en l/gmol
T: Temperatura en K
R: Constante de los gases, R = 0.08206 atm.l/(gmol.K)
T
c
: Temperatura crtica, T
c
= 405.5 K para amonaco
P
c
: Presin crtica, P
c
= 111.3 atm para amonaco


Reemplazando R, T
c
y P
c
se hallan los valores de las constantes a = 85.635 y b =
0.0259. Estas constantes se sustituyen en la ecuacin de estado:

( ) 450 0259 0
635 85
0259 0
450 08206 0
56
. V V
.
. V
.
+

=


Reorganizando la ecuacin queda:

( )
( )
56
0259 0
0369 4
0259 0
927 36
0
+

= =
. V V
.
. V
.
V f


Esta es una ecuacin no-lineal, cuya raz V desea conocerse. Para esto se
utilizar el mtodo de la biseccin.

Para definir el intervalo de bsqueda se calcul el volumen molar usando la
ecuacin de los gases ideales a 450 K y 56 atm, el volumen molar ideal es 0.6594
l/gmol. Alrededor de este valor se encuentra el volumen real, por lo que se
ensayar la bsqueda en el rango entre 0.5 y 1.

2
k k
k
a b
V
+
=


a
o
= 0.5 f(0.5) = 6.5363
b
o
= 1.0 f(1.0) = -22.0261 f(a
o
)f(b
o
) < 0

Los datos de las iteraciones se tabulan en la tabla 1.

96
El volumen molar para el amonaco a 56 atm y a 450 K es aproximadamente
0.5698 l/gmol

Tabla 1. Iteraciones del ejemplo 1 con el mtodo de la biseccin

k V
k
f(V
k
) a
k
b
k

0 0.75 -11.94 0.5 1.0
1 0.625 -4.2858 0.5 0.75
2 0.5625 0.6196 0.5 0.625
3 0.5938 -1.9467 0.5625 0.625
4 0.5782 -0.697 0.5625 0.5938
5 0.5704 -0.0505 0.5625 0.5782
6 0.5665 0.2783 0.5625 0.5704
7 0.5685 0.1092 0.5665 0.5704
8 0.5695 0.025 0.5685 0.5704
9 0.57 -0.017 0.5695 0.5704
10 0.5698 -0.0002 0.5695 0.57

Tomando como criterio de convergencia ( )
3
1 10
k
f V

s
y
3 1
1
1 10
k k
k
V V
V
+
+

s

se toma como aproximacin del volumen molar el valor 0.5698 l/gmol, pues en la
iteracin 11 se tiene que ( )
4
2 10
k
f V

=
y
4 1
1
3.51 10
k k
k
V V
V
+
+

=


3.1.1.2. Mtodo de la falsa posicin (regula - falsi)

Este mtodo elige la secante entre los puntos (a
o
, f(a
o
)) y (b
o
, f(b
o
)), o en general la
secante entre los puntos que definen el intervalo actual para determinar la
aproximacin de la raz; sta se toma como el punto donde la lnea cruza el eje. Se
usa esta aproximacin para reemplazar uno de los dos extremos del ltimo
intervalo, de tal manera que se conserve el cambio de signo en el valor de la
funcin en los extremos del nuevo intervalo de aproximacin. En la figura 3 se
representa el proceso iterativo.

Dada una funcin continua f(x) en el intervalo [a
0
,b
0
] tal que ( ) ( ) 0 0 0 s b f a f ; la
aproximacin de la raz en cada etapa se hace con la frmula:

( ) ( )
( ) ( )
k k
k k k k
k
a f b f
b a f a b f
x

=


97
( )
( )
( ) ( ) | |
k k
k k
k k k
b f a f
a b
b f b x

+ =


Siendo a
k
y b
k
los lmites del intervalo en cada iteracin k, donde est contenida la
raz.





















Figura 3. Representacin grfica del mtodo de la falsa posicin


La eleccin del nuevo intervalo se hace de acuerdo con los siguientes criterios:

S ( ) ( ) 0 s
k k
x f a f
k k
a a =
+1
y
k k
x b =
+1


S ( ) ( ) 0 s
k k
b f x f
k k
x a =
+1
y
k k
b b =
+1



Ejemplo 2:

Hacer el ejemplo 1, usando el mtodo de la falsa posicin.

( )
( )
56
0259 0
0369 4
0259 0
927 36
0
+

= =
. V V
.
. V
.
V f


f(x)
a
o
b
o
x
o
x
1
x
2
f(x)
a
o
b
o
x
o
x
1
x
2
98
( ) ( )
( ) ( )
k k
k k k k
k
a f b f
b a f a b f
V

=


En la tabla 2 se muestran las iteraciones realizadas.

Tabla 2. Iteraciones del ejemplo 2 con el mtodo de la falsa posicin

k a
k
b
k
V
k
f(a
k
) f(b
k
) f(V
k
)
0 0.5 1.0000 - 6.5363 -22.0261 -
1 0.5 0.6144 0.6144 6.5363 -3.5155 -3.5155
2 0.5 0.5744 0.5744 6.5363 -0.3842 -0.3842
3 0.5 0.5703 0.5703 6.5363 -0.0399 -0.0399
4 0.5 0.5698 0.5698 6.5363 -0.0041 -0.0041
5 0.5698 -0.0004

Tomando los mismos criterios de convergencia usados en el ejemplo 1, se toma
como aproximacin del volumen molar el valor 0.5698 l/gmol, pues en la sexta
bsqueda ( )
4
4 10
k
f V

=
y
1
1
0
k k
k
V V
V
+
+

=
, valores que son menores que
1x10
-3



3.1.1.3. Mtodo de la falsa posicin modificado

El mtodo consiste en disminuir la pendiente de la secante entre el punto fijo y la
nueva posicin, esto se logra reduciendo el valor de la funcin del punto fijo a la
mitad del valor real, y con estos dos valores se traza la nueva secante. Este
procedimiento se puede apreciar grficamente en la figura 4.

Dada una funcin f(x) continua en el intervalo [a
0
,b
0
] tal que ( ) ( ) 0
0 0
s b f a f ;
la aproximacin de la raz en cada etapa se calcula con la frmula:

F G
Fb Ga
x
k k
k

=


Siendo a
k
y b
k
los lmites del intervalo en cada iteracin k, donde est contenida la
raz y G y F son valores que inicialmente se calculan como: G = f(b
0
) y F= f(a
0
).

La eleccin del nuevo intervalo se hace de acuerdo con los siguientes criterios:

99
S ( ) ( ) 0 s
k k
x f a f
( )
2
1
1
F
F
x f G
x b
a a
k
k k
k k
=
=
=
=
+
+







Figura 4. Representacin grfica del mtodo de la falsa posicin modificado


S ( ) ( ) 0 s
k k
x f b f
( )
2
1
1
G
G
x f F
b b
x a
k
k k
k k
=
=
=
=
+
+


Ejemplo 3:

Hacer el ejemplo 1, usando el mtodo de la falsa posicin modificado.
( )
( )
56
0259 0
0369 4
0259 0
927 36
0
+

= =
. V V
.
. V
.
V f


100
F G
Fb Ga
V
k k
k

=


En la tabla 3 se muestran las iteraciones realizadas.
Tabla 3. Iteraciones del ejemplo 3 con el mtodo de la falsa posicin modificado

k a
k
b
k
V
k
F G f(V
k
)
0 0.5000 1.0000 6.5363 -22.0261
1 0.5000 0.6144 0.6144 3.2682 -3.5155 -3.5155
2 0.5551 0.6144 0.5551 1.2597 -1.7578 1.2597
3 0.5551 0.5799 0.5799 0.6299 -0.8343 -0.8343
4 0.5658 0.5799 0.5658 0.3400 -0.4172 0.3400
5 0.5658 0.5721 0.5721 0.17 -0.1934 -0.1934
6 0.5687 0.5721 0.5687 0.0893 -0.0967 0.0893
7 0.5687 0.5704 0.5704 0.04465 -0.0468 -0.0468
8 0.5695 0.5704 0.5695 0.0228 -0.0234 0.0228
9 0.5695 0.5699 0.5699 0.0114 -0.0116 -0.0116
10 0.5697 0.5699 0.5697 0.0057 -0.0058 0.0057
11 0.5697 0.5698 0.5698 0.0029 -0.0029 -0.0029


El volumen molar es aproximadamente: 0.5698 l/gmol. En este ejemplo se tom el
valor 5x10
-3
como criterio de convergencia.


3.1.1.4. Mtodo de la secante

Este mtodo es muy similar al de la falsa posicin, la diferencia radica en que no
se requiere que haya cambio de signo en la funcin para los extremos del intervalo
[a
0
,b
0
] y se retiene el ms reciente de los valores estimados (ver figura 5).

La aproximacin de la raz en cada etapa se calcula con la frmula:

( ) ( )
( ) ( )
1
1 1
1

=
k k
k k k k
k
x f x f
x f x x f x
x

( )
( )
( ) ( )
1
1
1

=
k k
k k
k k k
x f x f
x x
x f x x

0 1
a x =

y
0 0
b x =



101
















Figura 5. Representacin grfica del mtodo de la secante

Este mtodo tiene como desventajas:

i. No converge si en el intervalo elegido existe un punto de inflexin.
ii. No converge si en el intervalo existe un mximo o un mnimo.


Ejemplo 4:

Hacer el ejemplo 1, usando el mtodo de la secante.
( )
( )
56
0259 0
0369 4
0259 0
927 36
0
+

= =
. V V
.
. V
.
V f

( ) ( )
( ) ( )
1
1 1
1

=
k k
k k k k
k
V f V f
V f V V f V
V


En la tabla 4 se muestran las iteraciones realizadas.

Tabla 4. Iteraciones del ejemplo 4 con el mtodo de la secante

k V
k
f(V
k
)
-1 0.5000 6.5363
0 1.0000 -22.0261
1 0.6144 -3.5155
2 0.5412 2.5086
3 0.5717 -0.1583
4 0.5699 -0.0067
5 0.5698 0.0000

f(x)
a
o
b
o
x
o
x
1
x
-1
x
2
f(x)
a
o
b
o
x
o
x
1
x
-1
x
2
102
Con el mismo criterio de convergencia del ejemplo anterior se tiene como
aproximacin del volumen molar 0.5698 l/gmol.

3.1.1.5. Mtodo de Newton

Este mtodo toma la raz de la recta tangente en un punto cercano a la raz
buscada, como aproximacin de la raz de la funcin. Se distingue de los mtodos
vistos hasta ahora porque requiere de la evaluacin de derivada adems del valor
de la funcin en cada etapa de aproximacin (ver figura 6).

Dada una funcin f(x) continuamente diferenciable y un punto de la funcin
(x
0
, f(x
0
)), la aproximacin de la raz en cada etapa se calcula con la frmula:

En este mtodo solo se requiere un valor inicial x
o
para comenzar las iteraciones.
( )
( )
k
k
k k
x f
x f
x x
'
=
+1





















Figura 6. Representacin grfica del mtodo de Newton


Ejemplo 5:

Hacer el ejemplo 1, usando el mtodo de Newton.

f(x)
x
1
x
o
x
2
f(x)
x
1
x
o
x
2
103
( )
( )
56
0259 0
0369 4
0259 0
927 36
0
+

= =
. V V
.
. V
.
V f


( )
( )
( )
( ) ( )
2 2
0259 0
0259 0 2 0369 4
0259 0
927 36
. V V
. V .
. V
.
V ' f
+
+
+

=


( )
( )
k
k
k k
V f
V f
V V
'
=
+1


En la tabla 5 se muestran las iteraciones realizadas:

Tabla 5. Iteraciones del ejemplo 5 con el mtodo de Newton

k V
k
f(V
k
) f(V
k
)
0 0.5000 6.5363 -117.7371
1 0.5555 1.2254 -98.3495
2 0.5680 0.1535 -94.6535
3 0.5696 0.0168 -94.1877
4 0.5698 0.0019 -94.1366

El volumen molar es aproximadamente: 0.5698 l/gmol, si se toma el mismo valor
de 5x10
-3
para el criterio de convergencia.

3.1.1.6. Mtodo de las sustituciones sucesivas

Dada una f(x) = 0, el mtodo requiere previamente despejar la variable
independiente de una manera sencilla en funcin de ella misma, para obtener una
ecuacin de la forma x = F(x). El proceso parte de un valor inicial x
o
para calcular
F(x
o
), y en forma sucesiva genera aproximaciones con la frmula :

( )
k k
x F x =
+1


El proceso de aproximacin sucesiva se ilustra grficamente en la figura 7.

Este mtodo presenta problema cuando
( ) 1 > '
k
x F
en el intervalo de inters.

Ejemplo 6:

Hacer el ejemplo 1, usando el mtodo de sustituciones sucesivas.

104
( )
( )
56
0259 0
0369 4
0259 0
927 36
0
+

= =
. V V
.
. V
.
V f


Despejando V del primer trmino de la ecuacin:



Figura 7. Representacin grfica del mtodo de sustituciones sucesivas


( )
( ) ( )
36.927
0.0259
56 4.0636/ 0.0259
F V V
V V
= + =
(
+ +



( )
k k
V F V =
+1


En la tabla 6 se muestran las iteraciones realizadas.

Tabla 6. Iteraciones del ejemplo 6 con el mtodo de las sustituciones sucesivas

k V
k
F(V
k
)
0 0.5 0.5434
1 0.5434 0.5607
2 0.5607 0.5668
3 0.5668 0.5688
4 0.5688 0.5695
5 0.5695 0.5697
6 0.5697 0.5698
7 0.5698 0.5698
105

Como en los ejemplos anteriores tambin el volumen molar es aproximadamente:
0.5698 l/gmol, si se toma 1.0x10
-3
como valor para la convergencia en
1 k k
k
V V
V
+

3.1.1.7. Mtodo de Wegstein

Este mtodo, como el mtodo de la falsa posicin y el de la secante, utiliza una
recta secante a una curva para obtener aproximaciones de la raz (ver figura 8).
Pero, requiere de la transformacin de la funcin original f(x) = 0 en una forma
similar a como se hace en el mtodo de las aproximaciones sucesivas para
obtener ( ) x F .

La aproximacin de la raz en cada etapa, se obtiene como el valor de x en donde
la secante de F(x) en dos puntos intercepta a la lnea recta y = x (ver figura 8). La
frmula algortmica es:

( ) ( )
( ) ( )
1 1
1 1
1


+
+

=
k k k k
k k k k
k
x F x F x x
x F x x F x
x



Para comenzar el mtodo se necesitan dos aproximaciones iniciales. Una de ellas
puede ser un punto arbitrario x
0
, y el otro se puede generar utilizando la tcnica de
aproximaciones sucesivas



Figura 8. Representacin grfica del mtodo de Wegstein

106
Ejemplo 7:

Hacer el ejemplo 1, usando el mtodo de Wegstein.

( )
( )
56
0259 0
0369 4
0259 0
927 36
0
+

= =
. V V
.
. V
.
V f


( )
( ) ( ) | |
0259 0
0259 0 0636 4 56
927 36
.
. V V / .
.
V F +
+ +
=


( ) ( )
( ) ( )
1 1
1 1
1


+
+

=
k k k k
k k k k
k
V F V F V V
V F V V F V
V


En la tabla 7 se muestran las iteraciones realizadas.

Tabla 7. Iteraciones del ejemplo 7 con el mtodo de Wegstein

k V
k
F(V
k
)
0 0.5 0.5434
1 0.5434 0.5607
2 0.5722 0.5706
3 0.5698 0.5698

El volumen molar es aproximadamente: 0.5689 l/gmol


3.1.2. Ceros complejos

Mtodo de Newton

Dada una funcin f(x), si sus races son complejos de la forma iy x z + = , la
funcin se puede expresar como:

( ) ( ) ( ) y , x iv y , x u z f + =

donde:

( )
( )
)
`

=
=
0
0
y , x v
y , x u
para las races

Para encontrar las races se aplica la frmula iterativa del mtodo de Newton:
107
( )
( )
k
k
k k
z f
z f
z z
'
=
+1


Esta frmula es equivalente a:

yk , xk
y x
x y
k k
u u
uu vu
x x
|
|
.
|

\
|
+

+ =
+
2 2
1


yk , xk
y x
y x
k k
u u
uu vu
y y
|
|
.
|

\
|
+

+ =
+
2 2
1


donde:

y
u
u ;
x
u
u
y x
c
c
=
c
c
=


Las frmulas iterativas equivalentes, para la parte real y la parte imaginaria,
pueden demostrarse aplicando el teorema de Cauchy Riemann, que establece que:

y x y x
u v v u = . =


para una funcin analtica, es decir que slo existe un valor de f(z) para un z dado:

( ) idv du z df + =

( ) dy v dx v i dy u dx u
y x y x
+ + + =

Como idy dx dz + =

( )
( )
dz
z df
z f = '



( )
idy dx
dy v dx v i dy u dx u
y x y x
+
+ + +
=

( )
( )
y y y y
v dx u dy i u dx v dy
f z
dx idy
+ + +
' =
+


108
( )
( ) ( )
y y
u dy idx v dx idy
f z
dx idy
+ +
' =
+



( ) ( )
y y
v dx idy iu dx idy
dx idy
+ +
=
+


( )
y y
f z v iu ' =


Como 1
,
k k
k k
y y
x y
u iv
z z
v iu
+
| |
+
=
|
|

\ .


( )( )
1 1
2 2
y y
k k k k
y y
u iv v iu
x iy x iy
v u
+ +
+
+ = +
+



2 2 2 2
y y y y
k k
y y y y
uv vu uu vv
x iy i
v u v u
+
= +
+ +



yk xk
y x
x y
k k
u u
uu vu
x x
,
2 2
1
|
|
.
|

\
|
+

+ =
+


1
2 2
,
k k
x y
k k
x y
x y
vu uu
y y
u u
+
| | +
=
|
|
+
\ .



Ejercicio 1:

Hallar las races complejas del polinomio: x
2
+ 2x + 5

Cambiando la variable x por z:

z
2
+ 2z + 5 = 0

( ) ( ) ( ) ( ) y , x iv y , x u iy x iy x + = + + + + 5 2
2

109

( ) ( ) y , x iv y , x u yi xyi x y x + = + + + + 2 2 5 2
2 2


( ) 5 2 ,
2 2
+ + = x y x y x u

( ) y xy y , x v 2 2 + =
2 2 + = x u
x
y v
x
2 =
y u
y
2 = 2 2 + = x v
y


Utilizando las frmulas del mtodo de Newton y partiendo del valor inicial:

i z + = 0
0 1
0
0
0
. y
x
=
=

se encuentran los valores presentados en la tabla 8.

Tabla 8. Iteraciones del ejercicio 1.

k x y u v u
x
u
y

0 0.0 1.0 4 2 2 -2
1 -1.5 1.5 2.0 -1.5 -1.0 -3.0
2 -0.85 1.95 0.22 0.585 0.3 -3.9
3 -1.0034 1.9946 0.0158 -0.01356 -6.8 x 10
-3
-3.9892
4 -0.99999 2.0000 - - - -


Soluciones numricas:

i . . z 0 2 99999 0
1
+ =
2
0.99999 2.0 z i =


Soluciones analticas:

i . . z 0 2 0 1
1
+ =
2
1.0 2.0 z i =




3.2. Solucin de ecuaciones lineales simultneas

Un conjunto de ecuaciones lineales se puede expresar de la siguiente manera:

110
n n nn n n
n n
n n
b x a ... x a x a
b x a ... x a x a
b x a ... x a x a
= + + +
= + + +
= + + +
2 2 1 1
2 2 2 22 1 21
1 1 2 12 1 11



Estas ecuaciones pueden representarse de una forma matricial, as:

B X A

=
donde:

(
(
(
(

nn n n
n
n
a a a
a a a
a a a
A

2 1
2 22 21
1 12 11

(
(
(
(

n
x
x
x
X

2
1

(
(
(
(

n
b
b
b
B

2
1



3.2.1. Mtodo de Jacobi

Este mtodo es iterativo y genera la aproximacin a travs de un proceso repetitivo
de clculos.

El sistema:

n n nn n n
n n
n n
b x a ... x a x a
...
b x a ... x a x a
b x a ... x a x a
= + + +
= +
= + + +
= + + +
2 2 1 1
2 2 2 22 1 21
1 1 2 12 1 11



Se puede transformar en:

( )
( )
( )
nn n n , n n n n n
n n
n n
a x a ... x a x a b x
a x a ... x a x a b x
a x a ... x a b x
1 1 2 2 1 1
22 2 3 23 1 21 2 2
11 1 2 12 1 1

=
=
+ =

De forma abreviada:
111
n ,..., , i , a x a b x
ii
n
i j
j
j ij i i
2 1
1
=
|
|
|
.
|

\
|
=

=
=



A partir de valores iniciales de las variables se calcula el nuevo conjunto de
aproximaciones recurriendo al sistema de ecuaciones transformadas.

El algoritmo puede expresarse como:

n ..., , , i , a x a b x
ii
n
i j
j
k , j ij i k , i
2 1
1
1
=
|
|
|
.
|

\
|
=

=
=
+


Para que este mtodo converja, se requiere que el valor absoluto de cada valor en
la diagonal sea mayor que la suma de los valores absolutos de los restantes
elementos en la misma fila:

=
=
>
n
i j
j
ij ii
a a
1


El criterio de convergencia puede expresarse como:

n ..., , , i , x x
k , i k , i
2 1
1
= <
+
o



Ejemplo 8:

Realice los balances de materia en estado estable para el tren de separacin que
se muestra en la figura 9 y calcule los flujos molares para D1, D2, B1 y B2 si se
alimentan 100 kgmol/min. Utilice para ello el mtodo de Jacobi.

Realizando el balance de masa resulta el siguiente sistema de ecuaciones:
112
20 7 0 15 0 05 0 2 0
35 1 0 65 0 05 0 1 0
25 15 0 1 0 6 0 2 0
20 05 0 1 0 3 0 5 0
2 2 1 1
2 2 1 1
2 2 1 1
2 2 1 1
= + + +
= + + +
= + + +
= + + +
B . D . B . D .
B . D . B . D .
B . D . B . D .
B . D . B . D .


Figura 8. Tren de separacin para xileno, estireno, tolueno y benceno
D
1
20% xileno
25% estireno
35% tolueno
20% benceno
D
2
B
1
B
2
50% xileno
20% estireno
10% tolueno
20% benceno
30% xileno
60% estireno
5% tolueno
5% benceno
10% xileno
10% estireno
65% tolueno
15% benceno
5% xileno
15% estireno
10% tolueno
70% benceno
D
1
20% xileno
25% estireno
35% tolueno
20% benceno
D
2
B
1
B
2
50% xileno
20% estireno
10% tolueno
20% benceno
30% xileno
60% estireno
5% tolueno
5% benceno
10% xileno
10% estireno
65% tolueno
15% benceno
5% xileno
15% estireno
10% tolueno
70% benceno
113
5 0
05 0 1 0 3 0 20
2 2 1
1
.
B . D . B .
D

=

6 0
15 0 1 0 2 0 25
2 2 1
1
.
B . D . D .
B

=

65 0
1 0 05 0 1 0 35
2 1 1
2
.
B . B . D .
D

=

7 0
15 0 05 0 2 0 20
2 1 1
2
.
D . B . D .
B

=


Se inician las iteraciones partiendo de valores iniciales D
1
= B
1
= D
2
= B
2
= 25.
Los resultados se muestran en la tabla 9:

Tabla 9. Iteraciones para el ejemplo 8 con el mtodo de Jacobi

k D
1
B
1
D
2
B
2

0 25.00 25.00 25.00 25.00
1 17.50 22.92 44.23 14.29
2 15.98 24.89 47.19 12.46
3 14.38 25.36 47.56 12.12
4 14.06 25.92 47.82 12.46
5 13.64 25.90 47.77 12.46
6 13.66 26.04 47.84 12.59
7 13.55 25.99 47.80 12.56
8 13.59 26.04 47.83 12.60
9 13.55 26.02 47.81 12.58
10 13.57 26.04 47.83 12.60
11 13.55 26.02 47.82 12.59
12 13.56 26.03 47.82 12.59
13 13.56 26.03 47.82 12.59

D
1
= 13.56 kgmol/h, B
1
= 26.03 kgmol/h, D
2
= 47.82 kgmol/h, B
2
= 12.59 kgmol/h

3.2.2. Mtodo de Gauss - Siedel

Es tambin un mtodo iterativo, que a diferencia del mtodo de Jacobi, en el que
las nuevas aproximaciones se calculan todas a partir de un mismo conjunto de
valores precedentes, en este caso, los valores que se van obteniendo para cada
variable son inmediatamente involucrados en el clculo de la variable siguiente.

El algoritmo puede expresarse como:

114
n ,..., , i , a x a b x
ii
n
i j
j
j ij i i
2 1
1
=
|
|
|
.
|

\
|
=

=
=


La aproximacin en cada etapa se puede expresar algortmicamente como:

1
, 1 , 1 ,
1 1
i n
i k i ij j k ij j k ii
j j i
x b a x a x a

+ +
= = +
| |
=
|
\ .


Este mtodo y el de Jacobi exigen una configuracin especial del sistema de
ecuaciones, de tal forma que 0 =
ii
a .
Al igual que en el mtodo de Jacobi, para que este mtodo converja, se requiere
que el valor absoluto de cada valor en la diagonal sea mayor que la suma de los
valores absolutos de los restantes elementos en la misma fila:

=
=
>
n
i j
j
ij ii
a a
1


Ejemplo 9:

Realice el ejemplo 8 utilizando el mtodo de Gauss-Siedel.

Se utilizan las misma ecuaciones y los mismos valores de partida, la diferencia
radica en que el valor aproximado para cada variable se calcula con los ya
computados. En la tabla 10 se presentan las iteraciones.

Tabla 10. Iteraciones para el ejemplo 9 con el mtodo de Gauss - Siedel

k D
1
B
1
D
2
B
2

0 25.00 25.00 25.00 25.00
1 17.50 25.42 45.35 12.04
2 14.48 26.27 47.75 12.33
3 13.45 26.14 47.87 12.60
4 13.48 26.04 47.83 12.61
5 13.55 26.03 47.82 12.59
6 13.56 26.03 47.82 12.59
7 13.56 26.03 47.82 12.59
8 13.56 26.03 47.82 12.59

D
1
= 13.56 kgmol/h, B
1
= 26.03 kgmol/h, D
2
= 47.82 kgmol/h, B
2
= 12.59 kgmol/h
115
3.3. Ecuaciones simultneas no lineales

Mtodo de Newton-Raphson

Es el mtodo de Newton aplicado a un sistema de ecuaciones.

Si se tiene un sistema:

( )
( )
( ) 0
0
0
2
1
=
=
=
X f
X f
X f
N

donde X

es un vector columna definido por las variables

N
x ,..., x , x
2 1
:

| |
t
N
N
x ,..., x , x
x
x
x
X
2 1
2
1
=
(
(
(
(

Se hace una expansin de Taylor de cada una de las funciones en las cercanas
de un vector
k
X , y tomando nicamente los trminos con primeras derivadas.

En general, la funcin de Taylor se escribe de la siguiente manera:

( ) ( ) ( ) ( )
( ) ( )
+ + + + = + ~
!
h a " ' f
!
h a " f
h a ' f a f h a f x f
3 2
3 2


Aplicando a la funcin ( )
1 k
f X
+


( ) ( )
( )

=
+
A + ~
N
j
j
j
k
k k
x
x
X f
X f X f
1
1
1 1 1
c
c




( ) ( )
( )

=
+
A + ~
N
j
j
j
k
k k
x
x
X f
X f X f
1
2
2 1 2
c
c




116
( ) ( )
( )

=
+
A + ~
N
j
j
j
k N
k N k N
x
x
X f
X f X f
1
1
c
c




Se toma como aproximacin en cada etapa que ( ) 0
1
=
+ k i
X f

, entonces:

( ) ( )
( )
k N
N
k k
X f x
x
X f
x
x
X f

1
1
1
1
1
= A + + A
c c
c c


( ) ( )
( )
k N
N
k k
X f x
x
X f
x
x
X f

2
2
1
1
2
= A + + A
c
c
c
c


( ) ( )
( )
k N N
N
k N k N
X f x
x
X f
x
x
X f

= A + + A
c
c
c
c
1
1


Llamando ( )
k
X u
la jacobiana del sistema:

( )
( ) ( ) ( )
( ) ( ) ( )
1 1 1
1 2
1 2




k k k
N
k
N k N k N k
N
f X f X f X
x x x
X
f X f X f X
x x x
c c c
c c c
c c c
c c c
(
(
(
(
u =
(
(
(
(



k
o

es el vector de los incrementos:

| |
t
N k
x ,..., x , x A A A =
2 1
o

y ( )
k f X
es el vector con los valores de las funciones en la etapa k.

( ) ( ) ( ) ( ) | |
t
k N k k k
X f ,..., X f , X f X f

2 1
=

El sistema de ecuaciones que contiene a ( )
k
X u
es un sistema de ecuaciones
lineales, donde las variables estn definidas por el vector
k
o

, la matriz de
117
coeficientes es la matriz jacobiana ( )
k
X u
y los trminos independientes los
define el vector ( )
k
f X
.

( ) ( )
k k k
X f X o u =


Con estas definiciones y con un vector de solucin aproximado:

| |
t
N
x ,..., x , x X
1 0 0
=

el proceso iterativo de aproximaciones sucesivas a la solucin del sistema est
dado por la ecuacin recursiva:

k k k
X X o

+ =
+1


El procedimiento iterativo es el siguiente:

1. Escribir las ecuaciones en la forma apropiada, ( ) 0 = X f
i

.
2. Hallar la matriz jacobiana ( ) X

u .
3. Inicializar
0
X X

, para cada etapa de aproximacin.
3.1. Evaluar las componentes del vector ( )
k
X f

y la matriz ( )
k
X

u .
3.2. Calcular
k
o

resolviendo el sistema de ecuaciones lineales definidas por:

( ) ( )
k k k
X f X

= u o ( ) ( )
1
k k k
X f X o

(
= u


3.3. Calcular la nueva aproximacin como:

k k k
X X o

+ =
+1

3.4. Volver a 3.1. hasta que se haya alcanzado el grado de convergencia
deseado.
La convergencia se puede definir como:

N ,..., , i ,
ik
2 1
1
= ( c o

que puede combinarse con:

N ,..., , i , ) X ( f
k i
2 1
2
= ( c

Ejemplo 10:

Las siguientes reacciones toman lugar en un reactor batch de volumen constante y
en fase gaseosa:
118

A + B C + D
B + C X + Y
A + X Z

Halle las concentraciones de cada uno de los componentes si las constantes de
equilibrio para cada reaccin son K
1
= 1.06, K
2
= 2.63 y K
3
= 5. Tome como
valores de partida C
A0
= C
B0
= 1.5 y C
D0
= C
X0
= C
Z0
= 0.


Las constantes de equilibrio para cada reaccin son:

B A
D C
C C
C C
K =
1

C B
Y X
C C
C C
K =
2

X A
Z
C C
C
K =
3


Por la estequiometra de las reacciones resultan las siguientes cuatro ecuaciones:

0
0
A A D Z
B B D Y
Y D C
Z Y X
C C C C
C C C C
C C C
C C C
=
=
= +
=


En la solucin del problema se utiliza el mtodo de Newton-Raphson y se usa
como criterios de convergencia 7 2 1 10 3
3
,..., , i ,
ik
= (

o
y
( ) 7 2 1 10 1
4
,..., , i , X f
k i
= (

El sistema de ecuaciones que se genera es:

( )
( )
( )
( )
( )
( )
( ) 0
0
0 5 1
0 5 1
0 5
0 63 2
0 06 1
7 5 6 7
6 4 3 6
6 4 2 5
7 4 1 4
7 5 1 3
6 5 3 2 2
4 3 2 1 1
= =
= + =
= + + =
= + + =
= =
= =
= =
x x x X f
x x x X f
. x x x X f
. x x x X f
x x x X f
x x x x . X f
x x x x . X f

Z
Y
X
D
C
B
A
C : x
C : x
C : x
C : x
C : x
C : x
C : x
7
6
5
4
3
2
1


( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) | |
t
k k k k k k k k
X f X f X f X f X f X f X f X f

7 6 5 4 3 2 1
=
119

( )
2 1 4 3
3 2 6 5
5 1
1.06 1.06 0 0 0
0 2.63 2.63 0 0
5 0 0 0 5 0 1
1 0 0 1 0 0 1
0 1 0 1 0 1 0
0 0 1 1 0 1 0
0 0 0 0 1 1 1
k
x x x x
x x x x
x x
X

(
(

(
(
(
u =
(
(
(

(
(

| |
t
. . X 0 0 0 0 0 5 1 5 1
0
=

( ) | |
t
. X f 0 0 0 0 0 0 385 2
0
=

( ) ( ) | |
k k k
X f X

u =
1
o

( ) ( ) | |
0 0
1
X f X
k

u =

o

| |
0
0.727 0.773 0 0.386 0.046 0.386 0.341
t
o =

0 0 1
o

+ = X X

Se sigue este proceso en forma iterativa encontrndose que
4 5
X X

~ . El resumen
de los resultados se muestra en la tabla 11.

En virtud de que se cumplieron los dos criterios de convergencia se acepta como
solucin del sistema:

| |
5
0.4207 0.2429 0.1536 0.7053 0.1778 0.5518 0.3740 X =
, o sea:

C
A
= 0.474, C
B
= 0.251, C
C
= 0.254, C
D
= 0.498, C
X
= 0.223, C
Y
= 0.751, C
Z
=
0.528









120
Tabla 11. Iteraciones para el ejemplo 10 con el mtodo de Newton-Raphson

k x
1
x
2
x
3
x
4
x
5
x
6
x
7

1 0,773 0,727 0,000 0,386 0,045 0,386 0,341
2 0,455 0,315 0,034 0,576 0,140 0,609 0,469
3 0,454 0,230 0,194 0,538 0,224 0,732 0,508
4 0,476 0,255 0,253 0,496 0,221 0,749 0,528
5 0,474 0,251 0,254 0,498 0,223 0,751 0,528
k o
1
o
2
o
3
o
4
o
5
o
6
o
7

1 -0,32 -0,41 0,03 0,19 0,09 0,22 0,13
2 0,00 -0,08 0,16 -0,04 0,08 0,12 0,04
3 0,02 0,02 0,06 -0,04 0,00 0,02 0,02
4 0,00 0,00 0,00 0,00 0,00 0,00 0,00
k f
1
f
2
f
3
f
4
f
5
f
6
f
7

1 0,596 -0,018 -0,165 0,000 0,000 0,000 0,000
2 0,133 -0,058 -0,150 0,000 0,000 0,000 0,000
3 0,006 -0,046 0,000 0,000 0,000 0,000 0,000
4 0,003 0,004 0,000 0,000 0,000 0,000 0,000
5 0,000 0,000 0,000 0,000 0,000 0,000 0,000



3.4. Interpolacin y aproximaciones

Los usos ms frecuentes de aproximacin de funciones son:

i. Reemplazar funciones complicadas por algunas ms simples para realizar
operaciones ms fcilmente, tales como: diferenciacin o integracin, o porque
se necesita hacer aproximaciones de funciones que no pueden ser evaluadas
estrictamente con operaciones aritmticas, tales como: ( ) ) ( , x ln x sen ,
( )
}

=
x
t
dt e x erf
0
2
2
t
, ( )
}

= I
0
1
dZ Z e x
x z
, cuando se utilizan en programas
de computadores.

ii. Para interpolacin en tablas, o sea, para evaluar una funcin en algn punto no
tabulado, cuando se conocen valores de la funcin en un conjunto de puntos
tabulados.

Las aproximaciones ms comunes de funciones son aquellas que tienen
combinaciones lineales de funciones simples de algn tipo.

121
( ) ( ) ( )
0
n
i i
i
f x g x a g x
=
~ =

( ) ( ) ( ) ( )
0 0 1 1
...
n n
f x a g x a g x a g x ~ + + +


Los tipos de funciones ( ) x g
i
ms utilizados son:

a. Monomiales:

( )
k
k
x x g =

Las combinaciones lineales de funciones monomiales producen las funciones
polinomiales:
( ) ( )
2
0 1 2
...
n
n
f x g x a a x a x a x ~ = + + + +

( ) ( )
0
n
i
i
i
f x g x a x
=
~ =


b. Trigonomtricas:

( ) ( ) ( ) kx sen b kx cos a x g
k k k
+ =

Las combinaciones lineales de funciones trigonomtricas generan las series de
Fourier.
( ) ( )
( ) ( ) ( )
0 1
1
0
1 1
cos ... cos
...
cos
n
n
n n
k k
k k
f x g x a a x a nx
b senx b sen nx
f x a a kx b sen kx
= =
~ = + + +
+ + +
~ + +



c. Exponenciales:


( )
x b
k
k
e x g =


Las combinaciones lineales de funciones exponenciales generan:

122
( ) ( )
( )
0 1
1
0
...
n
k
b x b x b x
o n
n
b x
k
k
f x g x a e a e a e
f x a e
=
~ = + + +
~

Tambin pueden hacerse aproximaciones racionales con las funciones
polinomiales.

( ) ( )
( )
( )
0 1
0 1
...
...
n
n
n
m
m m
P x
a a x a x
f x g x
b b x b x P x
+ + +
~ = =
+ + +


De todas las aproximaciones anteriores las ms utilizadas son las aproximaciones
polinomiales.


3.4.1. Aproximaciones polinomiales

Todos los mtodos para hallar la funcin polinomial a una funcin, parten del
criterio de que para evaluar los coeficientes de ( ) x P
n
se requiere que:

( ) ( ) , 0 1 2
n i i
P x f x i = , , ,..., n =

Utilizando este criterio se pueden evaluar los coeficientes de la funcin polinomial,
partiendo de un conjunto de puntos de la funcin
( ) ( ) ( ) ( ) ( ) ( )
0 0 1 1
, , , , ... , ,
n n
x f x x f x x f x
y estableciendo un sistema de
n+1 ecuaciones lineales simultneas para calcular los respectivos coeficientes
n
a , a , a , ...
1 0
.

( )
( )
2
0 1 0 2 0 0 0
2
0 1 1 2 1 1 1
...
...


n
n
n
n
a a x a x +a x f x
a a x a x +a x f x
+ + + =
+ + + =
( )
2
0 1 2
...
n
n n n n n
a a x a x +a x f x + + + =


Existen mtodos especiales desarrollados para evaluar los coeficientes
dependiendo de s los puntos base son igualmente espaciados o no. Entre estos
se encuentran el mtodo de Gregory-Newton, mtodo de Lagrange y el mtodo
con puntos base igualmente espaciados.


123
3.4.1.1. Mtodo de Gregory- Newton

En este mtodo no se requiere que los puntos base estn igualmente espaciados y
utiliza la diferencia finita dividida como una aproximacin de las derivadas de la
funcin.

La diferencia finita dividida de primer orden relativa a los argumentos
0
x , x se
denota de la siguiente manera:
| |
( ) ( )
0
0 0
0
,
f x f x
f x x x x
x x

= =

Diferencia finita dividida Orden
| | ( )
| |
| | | |
| |
| | | |
| |
| | | |
0
0 1 1 1 ,
0 1
0 2
0 1 1 2
0 1 2
0 1
0 1
0 1
0 0
, , , ,
, , ,
, ,
, ,
,
x x
x x f x x x f
x x x f
x x
x x f x x f
x x x f
x x
x f x f
x x f
x f x f
n
n n n
n n

=
=

0

1


2



n


Se puede demostrar que:

| |
( )
( )
1 0
0
, , ... ,
n
i
n n n
i
i j
j i
f x
f x x x
x x

=
=
=

[


| |
( )
( )( ) ( )
( )
( )( ) ( )
( )
( )( ) ( )
0
1 0
0 1 0 2 0
1
1 0 1 2 1
0 1 1
, , ... ,
...
...
...

...
n n
n
n
n
n n n n
f x
f x x x
x x x x x x
f x
+
x x x x x x
f x
x x x x x x

= +

+




124

La frmula fundamental de Newton establece la forma general del polinomio de
interpolacin de una funcin.

( ) ( ) ( )
n n
f x P x R x = +
en la que:

( ) ( ) ( )( ) ( )( ) ( )
1 1 0 1 0 2 0 1 0
... ...

+ + + =
n n n
x x x x x x +a x x x x a x x a a x P
( ) | | ( )
1 0
0
, , , ... ,
n
n n i
n
i
R x f x x x x x x

=
=
[
( ) | | ( )
1 1 0
0
, , , ...,
n
n n n n i
i
R x f x x x x x x
+
=
~
[

Si se reemplaza
0
x x = en ( ) x P
n
, se obtiene:

( ) | |
0 0 0
f x a f x = =


reemplazando
1
x x = en ( )
f x
, se obtiene:

( ) ( )
| |
1 0
1 1 0
1 0
,
f x f x
a f x x
x x

= =

En general:

| |
1 0
, ,...,
n n n
a f x x x

=



Ejemplo 11:

Estime el calor especfico del aluminio a 90 K si se conocen los datos que se
muestran en la tabla 12:

Tabla 12. Calor especfico del aluminio a diferentes temperaturas

T, K 10 20 60 80 100
Cp, kJ /kgK 0.0014 0.0089 0.214 0.357 0.481


125
Para resolver el problema se usa el mtodo de Gregory-Newton y se hallan las
diferencias finitas divididas de primer a cuarto orden (d
1
, d
2
, d
3
y d
4
), tal como se
muestra en la tabla 13.

Tabla 13. Diferencias finitas divididas del ejemplo 11.

T, K Cp, kJ /kgK d
1
d
2
d
3
d
4

10 0.0014 7.5x10
-4
8.76x10
-5
-7.7x10
-7
5.66x10
-10

20 0.0089 5.13x10
-3
3.37x10
-5
-7.2x10
-7

60 0.214 7.15x10
-3
-2.38x10
-5

80 0.357 6.2x10
-3

100 0.481

T
0
= 10
| | 0014 0
0 0
. T C a
p
= =

| |
| |
| |
| |
10
1 2 3 4 4
7
1 2 3 3
5
1 2 2
4
1 1
10 66 5
10 7 7
10 76 8
10 5 7

= =
= =
= =
= =
. T , T T , T , T C a
. T , T , T , T C a
. T , T , T C a
. T , T C a
o , p
o p
o p
o p


( ) ( ) ( )( ) ( )( )( )
( )( )( )( )
3 2 1 0 4
2 1 0 3 1 0 2 0 1 0
T T T T T T T T a
T T T T T T a T T T T a T T a a T C
p
+
+ + + =



Para T = 90 K:

( ) ( ) ( )( )
( )( )( )
( )( )( )( )
424 0
80 90 60 90 20 90 10 90 10 66 5
60 90 20 90 10 90 10 7 7
20 90 10 90 10 76 8 10 90 10 5 7 0014 0 90
10
7
5 4
.
.
.
. . . C
p
=
+

+ + =

3.4.1.2. Mtodo de Lagrange

Este mtodo no requiere que los puntos base estn igualmente espaciados. La
forma de Lagrange para el polinomio de interpolacin est dada por:

126
( ) ( ) ( )
0
n
n i i
i
P x L x f x
=
=

donde:
( )
( )
( )
n ,..., , i ,
x x
x x
x L
n
i j
j
j i
j
i
1 0
0
=

=
[
=
=


( )
( ) ( )( ) ( )
( ) ( )( ) ( )
n i i i i i i
n i i
i
x x ... x x x x ... x x
x x ... x x x x ... x x
x L


=
+
+
1 1 0
1 1 0



Ejercicio 2:

Encontrar la aproximacin polinomial utilizando el mtodo de Lagrange para la
funcin que se presenta en la tabla 14.

Tabla 14. Funcin del ejercicio 2

i x f(x)
0 2 1
1 3 2
2 -1 3
3 4 4


( )
( )( )( )
( )( )( )
( )( )( ) 4 1 3
6
1
2 3 1
4 1 3
0
+ =

+
= x x x
x x x
x L


( )
( )( )( )
( )( )( )
( )( )( ) 4 1 2
4
1
1 4 1
4 1 2
1
+ =

+
= x x x
x x x
x L


( )
( )( )( )
( )( )( )
( )( )( ) 4 3 2
60
1
5 4 3
4 3 2
2
=


= x x x
x x x
x L


( )
( )( )( )
( )( )( )
( )( )( ) 1 3 2
10
1
5 1 2
1 3 2
3
+ =
+
= x x x
x x x
x L



127
( ) ( )( )( ) ( )( )( ) ( )( )( )
( )( )( )
1 1 1
3 1 4 2 1 4 2 3 4
6 2 20
2
2 3 1
5
f x x x x x x x x x x
x x x
~ + +
+ +


3.4.1.3. Aproximacin con puntos base igualmente espaciados

Escribiendo la frmula fundamental de Newton en trminos de las diferencias
finitas divididas o cocientes incrementados:

( ) | | ( ) | | ( )( ) | |
( )( ) ( ) | | ( )( ) ( ) | |
0 0 1 0 0 1 2 1 0
0 1 1 0 0 1 1 0
, , , ...
... ,..., ... , , ,...,
n n n n n
f x f x x x f x x x x x x f x x x
x x x x x x f x x x x x x x x f x x x x

~ + + + +
+


Como:

nh x x
h x x
h x x
h x x
n
+ =
+ =
+ =
+ =
0
0 3
0 2
0 1
3
2

| |
( ) ( ) ( ) ( ) ( )
1 0 0 0 0
1 0
1 0
,
f x f x f x h f x f x
f x x
x x h h
+ A
= = =

| |
( )
2
0
2 1 0
2
, ,
2
f x
f x x x
h
A
=


En general:

| |
( )
0
1 0
, ,...,
!
n
n n
n
f x
f x x x
n h

A
=



As, el polinomio de interpolacin o extrapolacin se puede escribir como:

128
( ) ( ) ( )
( )
( )( )
( )
( )( ) ( )
( )
2
0 0
0 0 0 1
2
0
0 1 1
...
2
...
!
n
n
n
n
f x f x
P x f x x x x x x x
h h
f x
x x x x x x
n h

A A
= + + +
A
+


Si se define h x x + = o
0

0
x x h o =
( ) ( ) ( )
1 0 0
1 x x x x h x x h h h h o o = + = = =

( )
( )
2
2
n
x x h
x x h n
o
o
=
=


El polinomio de interpolacin se transforma en:

( ) ( ) ( )
( )
( )
( )( ) ( )
( )
2
0 0 0
0
1
...
2!
1 2 ... 1

!
n
n
P f x f x f x
n
f x
n
o o
o o
o o o o

= + A + A +
+
+ A


Ejemplo 12:

Utilizando los datos de la tabla 15 estime la presin de vapor de amonaco a
167F.



Tabla 15. Presin de vapor del amonaco a diferentes temperaturas

Temperatura (F) 70 80 90 100 110 120 130 140
Presin (lb/in) 128.8 153.0 180.6 211.9 247.0 286.4 330.3 379.1

De la tabla anterior se calculan los siguientes datos (tabla 16) de diferencia:







129
Tabla 16. Diferencias finitas del ejemplo 12

T P AP AP AP
70 128.8 24.2 3.4 0.3
80 153.0 27.6 3.7 0.1
90 180.6 31.3 3.8 0.5
100 211.9 35.1 4.3 0.2
110 247.0 39.4 4.5 0.4
120 286.4 43.9 4.9
130 330.3 48.8
140 379.1


Como los puntos por debajo de 110F tienen hasta la tercera diferencia y se desea
aproximar a un polinomio de grado 3, se tomar esta temperatura como
temperatura base para estimar la presin de vapor.

La ecuacin de interpolacin ser:

( ) ( ) ( )
( )
( )
( )( )
( )
0
3
0
2
0 0
3
2 1
2
1
T P
!
T P
!
T P T P T P A

+ A

+ A + =
o o o o o
o


donde:

7 5
10
110
167
0
0
.
F h
F T
F h T T
=
=
=
= + =
o
o


( )
2
46 538 4 0
3 2 1
7 3 7 4 7 5
5 4
2
7 4 7 5
4 39 7 5 247 167
in
lb
. .
. . .
.
. .
. . P =


+

+ + =




3.4.2. Aproximacin de funciones por el mtodo de los mnimos cuadrados

El mtodo se apoya en la minimizacin de la suma del cuadrado del error dado por
la funcin a la que se est aproximando la funcin original.

( )

=
=
N
i
i i
Y

y Q
1
2


130
donde:

i
y : son los valores de la funcin original.
i
Y

: son los valores obtenidos con la funcin propuesta como aproximacin.

Los parmetros o coeficientes que aparecen en la frmula
i
Y

se ajustan o
determinan minimizando la funcin error Q. Esta minimizacin es posible realizarla
analticamente para algunas formas sencillas de la funcin
i
Y

Cuando la funcin Y

es de forma polinomial:

n
n
x a ... x a x a a Y

+ + + + =
2
2 1 0

Los parmetros
k
a se obtienen a partir de la relacin:

n , ... , , k ,
a
Q
k
1 0 0 = =
c
c


( )

=
N
k
n
i n i i
k
a
x a ... x a a y
a
Q
1
2
1 0
c
c
c
c


Para el caso en que n=3, las ecuaciones que se producen son:




= + + +
= + + +
= + + +
= + + +
3 6
3
5
2
4
1
3
0
2 5
3
4
2
3
1
2
0
4
3
3
2
2
1 0
3
3
2
2 1 0
i i i i i i
i i i i i i
i i i i i i
i i i i
x y x a x a x a x a
x y x a x a x a x a
x y x a x a x a x a
y x a x a x a a



Este sistema de ecuaciones lineales simultneas en
i
a se resuelve por cualquier
mtodo. Una expresin de este sistema en forma matricial es:

| || | | |
P S A
P S A

=
=




131
En trminos generales para un polinomio de grado n:

(
(
(
(
(

=



+
+
n
i
n
i
n
i
n
i i i
n
i
x x x
x x x
x x N
A
2 1
1 2
..... ..........

........ ..........
........ ..........
i

(
(
(
(

=
(
(
(
(
(

n
o
n
i i
i i
i
a
a
a
S
x y
x y
y
P

1





En el caso en que Y

tenga una forma como:

x b
a
Y

+
=


Las ecuaciones que resultan para evaluar los parmetros a y b son no lineales

( )
0 2
0
1
2
2
=
(
(

|
|
.
|

\
|
+
|
|
.
|

\
|
+
=
=
(
(

|
|
.
|

\
|
+

|
|
.
|

\
|
+
=

i
i
i
i i
i
x b
a
x b
a
y
b
Q

x b x b
a
y
a
Q

c
c
c
c


De donde:
0
1
=
(

|
|
.
|

\
|
+
|
|
.
|

\
|
+

i i
i
x b x b
a
y


( )

=
(
(

|
|
.
|

\
|
+
|
|
.
|

\
|
+
0
1
2
i
i
i
x b
x b
a
y


Estas dos ecuaciones pueden resolverse utilizando el mtodo de Newton-
Raphson.


Ejemplo 13:

132
Use los datos de la tabla 17 para hallar la funcin de aproximacin para la
capacidad calrica media del n-propano. Use como temperatura de referencia 25C
(298.15 K). La capacidad calrica media est definida como:

ref
T
T
p
p
T T
dT C
C
ref

=
}



Tabla 17. Capacidad calrica del n-propano a diferentes temperaturas

No. Temperatura, K
Capacidad calrica,
kJ /kgK
*Capacidad calrica
media, kJ /kgK
1 50 34.06 54.86
2 100 41.30 60.43
3 150 48.79 65.78
4 200 56.07 70.92
5 273.15 68.74 77.95
6 300 73.93 83.08
7 400 94.01 89.64
8 500 112.59 97.88
9 600 128.59 105.50
10 700 142.67 112.56
11 800 154.77 119.12
12 900 163.35 125.25
13 1000 174.60 131.00
14 1100 182.67 136.43
15 1200 189.74 141.61
16 1300 195.85 146.61
17 1400 201.21 151.47
18 1500 205.89 156.28
* Estos datos fueron calculados con el mtodo de mnimos cuadrados que se describe abajo.

Si se usa el mtodo de los mnimos cuadrados y una funcin de aproximacin de
tercer grado, se debe resolver el siguiente sistema de ecuaciones:

133




= + + +
= + + +
= + + +
= + + +
3 6
3
5
2
4
1
3
0
2 5
3
4
2
3
1
2
0
4
3
3
2
2
1 0
3
3
2
2 1 0
i i i i i i
i i i i i i
i i i i i i
i i i i
x y x a x a x a x a
x y x a x a x a x a
x y x a x a x a x a
y x a x a x a a


Reemplazando los valores de las sumatorias obtenidas a partir de los datos de la
tabla 17:

12
3
19
2
16
1
13 10
0
3
16
2
13
1
10
0
3
13
2
10
1 0
3
4
2 1 0
10 72 2 10 05 3 10 3 2 10 78 1 10 44 1
2263844180 10 3 2 10 78 1 10 44 1 12499611
2055432 10 78 1 10 44 1 12499611 12473
2269 10 44 1 12499611 12473 18
= + + +
= + + +
= + + +
= + + +
. a . a . a . . a
a . a . a . a
a . a . a a
a . a a a


Resolviendo este sistema de ecuaciones resulta:

8
3 2 1 0
10 16 4 00015 0 2647 0 762 13

= = = = . a . a . a . a

La ecuacin para C
p
ser entonces:

3 8 2
10 16 4 00015 0 2647 0 7652 13 T . T . T . . C
p

+ + =


( )
15 298
10 04 1 00005 0 1324 0 7652 13 11 14626
4 8 3 2
. T
T . T . T . T . .
T C
p

+ + +
=



Con esta ecuacin se hallan los valores de la capacidad calrica media que se
presentan en la ltima columna de la tabla 17.


3.5. Diferenciacin numrica

La diferenciacin numrica o aproximacin de la derivada por un mtodo numrico
se puede llevar a cabo mediante los siguientes mtodos:


134
1. Derivando el polinomio de aproximacin:
Si ( ) ( ) x P x f
n
= ( ) ( ) x ' P x ' f
n
=
2. Aproximando la tangente a la secante, para hallar la primera derivada.
2.1. Si la derivada se evala en uno de los puntos extremos del intervalo (ver
figura 9):

( )
( ) ( )
n n
n n
n
x x
x f x f
x f

= '
+
+
1
1


2.2. Si la derivada se evala en el punto medio del intervalo (ver figura 10):

( )
( ) ( )
n n
n n
x x
x f x f
C f

= '
+
+
1
1

donde:


2
1 n n
x x
C
+
=
+


Figura 9. Derivada evaluada en uno de los puntos extremos
x
n
x
n+1
f(x
n
)
f(x
n+1
)
x
n
x
n+1
f(x
n
)
f(x
n+1
)
135


Figura 10. Derivada evaluada en el punto medio del intervalo

3. Aproximacin con diferencias finitas.

El teorema de Taylor establece que:
( ) ( ) ( ) ( ) ( )
( ) ( )
( ) a f ...
!
hD hD
hD =
a f D
n!
h
+ a f h a f h a f h a f
n
n
(

+ + +
' ' + ' + = +
3 2
1
2
1
3 2
2



como:

( ) ( ) h x f x Ef + =
0 0


( ) ( )
( ) ( )
( )
( ) ( )
( ) ln hD=
e +
!
hD hD
hD E
a f
!
hD hD
hD a Ef h a f
hD
A +
= A
(

+ + + = A + =
(

+ + + = = +
1
1
3 2
1 1
3 2
1
3 2
2 2


...
...


Expresando el logaritmo natural como una serie y despejando D; se obtiene una
ecuacin que relaciona la primera derivada con diferencias finitas:

x
n
x
n+1
f(x
n
)
f(x
n+1
)
C
x
n
x
n+1
f(x
n
)
f(x
n+1
)
C
136

(

+ A A + A A ...
h
D=
4 3 2
4
1
3
1
2
1 1


Si se eleva al cuadrado ambos trminos, se obtiene una relacin de la segunda
derivada con diferencias finitas.


(

+ A A + A A = ...
5 4 3 2
2
2
6
5
12
11 1
h
D



Ejemplo 14:

Halle la densidad del vapor de amonaco a 110 y 167 F con los datos del ejemplo
12. El calor latente del amonaco es 544 BTU/lb

Para encontrar la densidad del vapor se usar la ecuacin de Clausius Clapeyron:

( )
L G
V V T dT
dP

'
=

Asumiendo que el volumen V
L
es despreciable con respecto a V
G
, se tiene:

dT
dP T
V
G

'
= =

1


Como:
(

+ A A + A A = ...
h
D
4 3 2
4
1
3
1
2
1 1


Entonces:

( ) ( ) ( )
(

A + A A
'
= ... T P T P T P
h
T
3 2
3
1
2
1

Para hallar la densidad a 110F se deben obtener los valores ), T ( P ), T ( P
2
A A etc
(tabla 16).


2
627 1 1
39.4 4.5 0.4
2 3
10 544
R lbf
BTU
in
R
lb

(
= +
(



137


3
627 37.28
10 544 5.402
lb
ft

=



3
0.795
lb
ft
=


Para hallar la densidad a 167F se deben obtener los valores ), T ( P ), T ( P
2
A A etc,
y extrapolar estos valores de la misma manera como se extrapol P(T).
( ) ( ) ( )
( )
( )
( ) ( ) ( )
( ) ( ) 4 0
78 6
4 70
2
1
3 3
3 2 2
3 2
. T P T P
. T P T P T P
. T P
!
T P T P T P
o
o o
o o o
= A = A
= A + A = A
= A

+ A + A = A
o
o o
o

2
4 0
3
1
78 6
2
1
4 70
544 10
627
in
lbf
. . .
lb
BTU
R
R
(

=


3
402 5 544 10
14 67 627
ft
lb
.
.

=


3
43 1
ft
lb
. =


Si se estima esta densidad con la ecuacin de los gases ideales, se observa una
diferencia del orden del 5% del valor obtenido con datos experimentales respecto
al valor del modelo ideal.

3
2
2
2
36 1
144 17
627 1545
46 538
ft
lb
.
ft
in
lbmol
lb
R
R lbmol
ft lbf
in
lbf
.
RT
P
=

=
=

138

3.6. Integracin numrica

La evaluacin de una integral definida
( )
}
b
a
dx x f
, por mtodos matemticos es
generalmente difcil o imposible cuando ( ) x f no se ajusta a los casos tratables, o
su manipulacin se hace muy engorrosa para convertirla a una forma integrable
analticamente.

Se presentan entonces dos alternativas para evaluar la integral:

1. Hallar una funcin ( ) x g , que sea formalmente integrable, como una
aproximacin de ( ) x f .
2. Hallar la integral numricamente por algn mtodo a partir de valores
generados por la funcin original ( ) x f .
Los mtodos de integracin numrica normalmente usados pueden clasificarse en
dos tipos:

Frmulas de Newton-Cotes que usan valores de la funcin en puntos base
igualmente espaciados.

Frmulas de cuadratura Gaussiana que emplean puntos base desigualmente
espaciados determinados por ciertas propiedades de polinomios ortogonales.

En este libro solo se presentan las frmulas de integracin con puntos base
igualmente espaciados, las cuales se dividen en cerradas y abiertas.

Las frmulas de integracin cerradas usan informacin acerca de ( ) x f sobre los
lmites de integracin y las frmulas abiertas no requieren de informacin acerca
de ( ) x f en los lmites de integracin.

En ambos casos la integral es evaluada por la aproximacin

( ) ( )
} }
~
b
a
n
b
a
dx x p dx x f



3.6.1. Frmulas de integracin cerradas

3.6.1.1. Regla trapezoidal

( )
( ) ( )
( )
(

+
+
~

}

=
1
1
0 0
2
0
n
i
i
n n
x
x
x f
x f x f
n
x x
dx x f
n

139


Esta frmula aproxima la funcin ( ) x f a un polinomio de primer grado en
intervalos de espaciamiento:
h
n
x x
n
=

0


El rea bajo la curva en cada subintervalo es aproximada por el trapezoide
formado al sustituir la curva por su secante trazada entre los puntos extremos de la
curva. Luego, la integral es aproximada por la suma de todas las reas
trapezoidales

3.6.1.2. Regla de Simpson

Las frmulas de Newton-Cotes compuestas, basadas en polinomios de
interpolacin cuadrticos y cbicos se denominan reglas de Simpson. Para el
subintervalo (x
0
, x
2
) la integral aproximada con esta regla est dada por:

( ) ( )
} }
+

+ + =
2
0
1
1
2
x
x
h x
h x
dx c bx ax dx x f

| |
2 3
1 1
6 2 4 2
3 2
a b
x h h x h ch ( = + + +


| | | | | |
( ) ( ) | | c x b h x a
h
hc
x
bh
h x
ah
6 6 2 6
3
6
3
6
3
2 6
3
1
2 2
1
1
2 2
1
+ + + =
+ + + =

( ) ( ) ( ) ( ) | |
( ) ( ) | | ( ) ( ) | | | | { } c bx ax c h x b h x a c h x b h x a
h
c bx ax c c h x b h x b h h x x a h h x x a
h
+ + + + + + + + + + =
+ + + + + + + + + + + + =
1
2
1 1
2
1 1
2
1
1
2
1 1 1
2
1
2
1
2
1
2
1
4
3
4 4 4 2 2
3
( ) ( ) ( ) | |
( ) ( ) ( ) | |
2 1 0
1 1 1
4
3
4
3
x f x f x f
h
h x f x f h x f
h
+ + =
+ + + =



En general, para todo el intervalo de integracin la receta de Simpson establece
que:

140
( ) ( ) ( ) ( ) ( )
(
(
(

+ + +

=

}

=
+

=
2
2
0
1 2
1
1
0
0
2 2
3
0
n
i
i
n
i
i n
n
x
x
x f x f x f x f
n
x x
dx x f
n


Esta ecuacin se aplica cuando n es par, o sea nmero de puntos base impar


Forma generalizada:

Se puede hacer la aproximacin de la funcin ( ) x f a un polinomio de grado n en
subintervalos.

( ) ( ) ( ) ( )
( )
( )
( ) ( ) ( )
! n
x f n ...
... x f
!
x f x f h x f x f
n
0
0
2
0 0 0
1 1
2
1
A +
+ + A

+ A + = + =
o o o
o o
o o


donde:

h
x x
0

= o

h
a b
= o


( ) ( ) ( )
(
(

+ A
|
|
.
|

\
|
+ + A
|
|
.
|

\
|
+ A + =
+ = ~
} } }
.. .......... ) x ( f ) x ( f ) x ( f ) x ( f h
d h x P h dx x P dx x f
b
a
n n
b
a
0
3
2 3 4
0
2
2 3
0
2
0
0
0
6 6 24 4 6 2
o o o o o o
o
o o
o


Ejemplo 15:

En la tabla 18 se muestra la capacidad calrica del grafito a presin constante para
temperaturas que van desde 300 K a 1100 K.

Tabla 18. Capacidad calrica del grafico a diferentes temperaturas.

T, K 300 400 500 600 700 800 900 1000 1100
Cp, cal/g.K 2.066 2.851 3.496 4.03 4.43 4.75 4.98 5.14 5.27

Determine el calor de absorcin (q) cuando se calienta un gramo de grafito desde
300 a 1100 K.

141
( )
}
=
1100
300
dT T C m q
p



Para hallar la integral de esta ecuacin se utiliza:

a). Regla Trapezoidal:

( )
( ) ( )
( )
(

+
+

~

}

=
1
1
0
0
2
0
n
i
i p
p n p
n
T
T
p
T C
T C T C
n
T T
dT T C
n


5 3334 677 29
2
066 2 27 5
8
300 1100
. .
. .
=
(

+
+
=


cal .
g
cal
. g q 5 3334 5 3334 1 = =


b). Regla de Simpson:

( ) ( ) ( ) ( ) ( )
(
(
(

+ + +

=

}

=
+

=
2
2
0
1 2
1
1
0
0
2 2
3
0
n
i
i p
n
i
i p n p p
n
T
T
p
T C T C T C T C
n
T T
dT T C
n


| | 1 3341 542 33 354 59 27 5 066 2
8 3
300 1100
. . . . . = + + +

=


cal .
g
cal
. g q 1 3341 1 3341 1 = =



3.6.2. Frmulas de integracin abierta

Si el nmero de puntos base en el subintervalo de integracin es 1 + n se hace una
aproximacin a un polinomio de grado 2 n menor.

( ) ( ) ( )
} } }
+ = ~

b
a
b
a
n n
d h x P h dx x P dx x f
o
o o
0
0 2 2


donde:

142
h
x x
0

= o
y
h
a b
= o
, o nmero de subintervalos de amplitud h

( ) ( ) ( ) ( ) ( ) ( )
( )( )
( )
( )( ) ( )
( )
( )
1
2
1
2
1 1 1 2 0 2
2
2 2 1
2
2 1
1 1
x f
! n-
-n+ ... - -
+...+
x f
!

x f x f h x P h x P
n-
n n
A
A

+ A + = + = +



( ) ( ) ( ) ( )
}
(
(

A
|
|
.
|

\
|
+ + A
|
|
.
|

\
|
+ ~
b
a
... x f x f x f h dx x f
1
2
2 3
1
2
1
4
3
6 2
o
o o
o
o
o



Si 2 = o
( ) ( )
1
2
2
0
x hf dx x f
x
x
~
}


El rea o integral se aproxima al rea de un rectngulo de
altura f(x
1
) y amplitud 2h.

Si 3 = o
( ) ( ) ( ) ( )
( ) ( ) | |
2 1
1 2 1
2
3
2
3
2
3
3
3
0
x f x f
h
x f x f x f h dx x f
x
x
+ ~
(

+ ~
}


El rea o integral se aproxima al rea de un rectngulo con
altura igual a la media de f(x
1
) y f(x
2
) y amplitud 3h

Si 4 = o
( ) ( ) ( ) ( ) | |
}
+ ~
4
0
3 2 1
2 2
3
4
x
x
x f x f x f
h
dx x f

Si 5 = o
( ) ( ) ( ) ( ) ( ) | |
}
+ + + ~
5
0
4 3 2 1
11 11
24
5
x
x
x f x f x f x f
h
dx x f


Si 6 = o
( ) ( ) ( ) ( ) ( ) ( ) | |
}
+ + ~
6
0
5 4 3 2 1
11 14 26 14 11
10
3
x
x
x f x f x f x f x f
h
dx x f



Ejemplo 16:

En la tabla 19 se muestra el anlisis acumulativo por tamizado para una arena.


Tabla 19. Anlisis acumulativo por tamizado de una arena.

143
D
p
, cm 0.4
7
0.33 0.24
0.1
6
0.1
2
0.08 0.06 0.04 0.03 0.02 Colector
| 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1.0

Determine la superficie especfica de las partculas, sabiendo que:

}
=
0 1
0
6
.
p p
w
D
d
A
|

Donde: D
p
: Dimetro de la partcula
|: Fraccin acumulada
: Factor de forma: 1,2

p
: Densidad de las partculas: 2.7 g/cm
3


Para calcular la superficie especfica, utilizando mtodos numricos primero se
debe calcular la funcin ( ) | f = 1/D
p
(tabla 20).

En este problema no hay dato para el lmite superior de la integral, o sea, para
| =1.0, por lo tanto el mtodo ms adecuado sera el de integracin abierta.

Se dividirn los datos en tres subintervalos:

( ) ( ) ( ) ( )
3 3 4
1
7 0
7 0
4 0
4 0
0
1
0
= = =
+ + =
} } } }

f f f d f
.
.
.
.

| | | | |


Tabla 20. Clculo de f(|) para el ejemplo 16
















i D
p
| f(|) =1/D
p

0 0.47 0 2.128
1 0.33 0.1 3.03
2 0.24 0.2 4.167
3 0.16 0.3 6.25
4 0.12 0.4 8.333
5 0.08 0.5 12.5
6 0.06 0.6 16.667
7 0.04 0.7 25
8 0.03 0.8 33.3
9 0.02 0.9 50
10 Colector 1.0 -
144

( ) ( ) ( ) ( ) ( ) ( ) ( ) ( )
| | | |
| |
1
1 2 3 5 6 8 9
0
4 3 3
2 2
3 2 2
4 0.1 3 0.1
2 3.03 4.167 2 6.25 12.5 16.67
3 2
3 0.1
33.3 50.0
2
18.799
h h h
f d f f f f f f f | | | | | | | | | = + + + + + ( ( (


= + + +

+ +
=
}


13 50 799 18
7 2
2 1 6
. .
.
.
A
w
=

=



3.7. Solucin de ecuaciones diferenciales ordinarias

Una ecuacin de la forma:

2
2
, , , ,..., 0
n
n
dy d y d y
F x y
dx dx dx
| |
=
|
\ .


se define como una ecuacin diferencial.

Debido a que una ecuacin diferencial ordinaria de orden n se puede expresar
como un sistema de ecuaciones diferenciales de primer orden, definiendo n 1
variables, los mtodos numricos se desarrollan para ecuaciones de primer orden.

Los errores involucrados en una solucin numrica de ecuacin diferencial se
clasifican en: error de truncamiento y error de redondeo. El error de truncamiento
incluye un error local y un error de propagacin.

En la seleccin de un algoritmo de solucin de una ecuacin diferencial debe
tenerse en cuenta la estabilidad. Se dice que una solucin es inestable cuando los
errores introducidos en alguna etapa de clculo se propagan sin lmite a travs de
los clculos subsecuentes.

Inestabilidad inherente: Est asociada con la ecuacin que se est resolviendo y
las condiciones iniciales, pero no depende del mtodo utilizado.

Inestabilidad parcial: Depende de la ecuacin, las condiciones iniciales y el
mtodo.

Los algoritmos comunes para resolver una ecuacin diferencial ordinaria, con
condiciones iniciales especficas, estn basadas en las siguientes aproximaciones:
145

1. Directa o indirectamente se usa la expansin de Taylor de la funcin objetivo
( ) x y .
2. Usan frmulas de integracin abiertas o cerradas.

La variedad de procedimientos pueden ser clasificados en forma general en dos
grupos, los mtodos llamados de una etapa y los mtodos de mltiples etapas.

Los mtodos de una etapa permiten el clculo de
1 + i
y dada la ecuacin diferencial
e informacin en
i
x solamente, esto es un valor de
i
y .
Los mtodos de mltiples etapas requieren adems valores
j
y
y/o la derivada en
otros valores
j
x
fuera del intervalo de integracin en consideracin | |
1 + i i
x , x .
Una desventaja del mtodo multi-etapa es que requiere informacin adicional a la
que se dispone normalmente, para comenzar el procedimiento. Generalmente solo
se conocen condiciones iniciales, pero pueden usarse mtodos de una etapa para
obtener la informacin adicional. Otra dificultad del mtodo multi-etapa es que es
muy difcil cambiar el tamao de etapa cuando se est en el desarrollo de los
clculos.


3.7.1. Mtodo de desarrollo de Taylor

Un mtodo de aproximacin de la solucin de primer orden, consiste en expresar la
solucin ( ) x y a partir de un punto inicial
0
x por medio del desarrollo de Taylor.

Dada la ecuacin diferencial:

( ) x,y f
dx
dy
dx
dy
y x F
=
= |
.
|

\
|
o
0 , ,


La funcin y(x) puede expresarse alrededor de un punto base (x
0
, y(x
0
)) usando la
frmula de Taylor como:
( ) ( ) ( ) ( ) ( ) ( ) ( )
( ) ( )
2
0 0 0 0 0 0
3
0 0
, ,
2!
, ...
3!
h
y x y x h y x hf x y x f x y x
h
f x y x
' = + = + + +
'' +


146
donde :
( )
( )
2
2
dx
y d
dx
y , x df
y , x f = = '
; y as sucesivamente para las derivadas superiores

A partir de la aproximacin de Taylor se puede entonces definir el algoritmo para
encontrar el valor de la funcin en
1 + i
x desde
i
x , usando como frmula recursiva:

( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( )
i i
n
n
i i i i i i i
x y , x f
! n
h
... x y , x f
!
h
x y , x hf x y h x y x y
1
2
1
2

+
+ + ' + + ~ + =

El error de truncamiento, en este caso, es de orden
1 + n
h y est acotado por el
valor:

( )
M
! n
h
e
n
t
1
1
+
s
+


donde:

( ) ( ) ( )
1 +
>
i i
max
) n (
x , x y , f M en q q q


Ejercicio 3:

Resuelva la siguiente ecuacin diferencial:

5 0 0 0
0 0
. x y x , y x ' y
f
= = = + =

Solucin analtica: 1 = x e y
x


( ) ( ) y x y , x f y , x f
dx
dy
+ = =

( ) ( ) ( ) ( ) ( ) ( )
i i i i i i
x y x f
h
x y x hf x y x y , '
! 2
,
2
1
+ + =
+

( )
( )
y x
dx
dy
dx
y x df
dx
y d
y x f + + = + = = = 1 1
,
, '
2
2


Si ( ) ( ) ( ) ( ) ( ) ( )
i i i i i i
x y , x ' f . x y , x f . x y x y . h 005 0 1 0 1 0
1
+ + = =
+


Aplicando estas ecuaciones se construye la tabla 21.

Tabla 21. Iteraciones del ejercicio 5.
147

k x y f(x,y) f'(x,y) y
exacto

0 0 0.0000 0.0000 1.0000 0
1 0.1 0.0050 0.1050 1.1050 0.0052
2 0.2 0.0210 0.2210 1.2210 0.0214
3 0.3 0.0492 0.3492 1.3492 0.0499
4 0.4 0.0909 0.4909 1.4909 0.0918
5 0.5 0.1474 - - 0.1487

Al comparar el valor de la solucin exacta con el valor aproximado hallado con el
mtodo, no se observa un diferencia significativa.


3.7.2. Mtodo de Euler

Cuando en el mtodo de desarrollo de Taylor solo se conservan los dos primeros
trminos, el mtodo se denomina de Euler. En este caso la solucin sigue la lnea
tangente a ( ) x y en
i
x , y la frmula recursiva se reduce a:

( ) ( ) ( ) ( ) ( )
i i i i i
x y , x hf x y h x y x y + ~ + =
+1


El error de truncamiento cometido por el mtodo es de orden
2
h , (error local).

( ) ( ) y , f
!
h
e
t
' =
2
2


donde:
1 +
< <
i i
x x


Ejercicio 4:

Resuelva el ejercicio 5 por el mtodo de Euler

( ) ( ) y x y , x f y , x f
dx
dy
+ = =


( ) ( ) ( ) ( )
i i i i
x y , x hf x y x y + =
+1


Si ( ) ( ) ( ) ( )
i i i i
x y , x f . x y x y . h 1 0 1 0
1
+ = =
+


Aplicando estas ecuaciones se construye la tabla 22

148
Tabla 22. Iteraciones del ejercicio 6

k x y f(x,y) y exacto
0 0 0.0000 0.0000 0
1 0.1 0.0000 0.1000 0.0052
2 0.2 0.0100 0.2100 0.0214
3 0.3 0.0310 0.3310 0.0499
4 0.4 0.0641 0.4641 0.0918
5 0.5 0.1105 - 0.1487

En este caso al comparar la solucin exacta con la aproximacin puede observarse
una diferencia significativa entre los valores.
3.7.3. Mtodos de Runge-Kutta

Como la solucin de una ecuacin diferencial por medio de la aproximacin de
Taylor no es prctica porque deben retenerse en el algoritmo las derivadas de
orden mayor, es posible desarrollar un procedimiento de una etapa que utilice
evaluaciones de la primera derivada y que arroja resultados equivalentes en
precisin a las frmulas de orden mayor de Taylor. Estos algoritmos son llamados
mtodos de Runge-Kutta.

Las aproximaciones de segundo, tercer, y cuarto orden, es decir aproximaciones
con precisiones equivalentes a expansiones de Taylor que retienen trminos en
4 3 2
h h , h y respectivamente, requieren de estimaciones de ( ) y , x f en dos, tres y
cuatro valores en el intervalo | |
1 + i i
x , x .

Todos los mtodos de Runge-Kutta tienen algoritmos de la forma:

( ) h , y , x h y y
i i i i
| + =
+1


donde | es llamada la funcin incremental, que es simplemente una aproximacin
para ( ) y , x f en el intervalo | |
1 + i i
x , x . La evaluacin de esta funcin tiene mucha
manipulacin de ecuaciones algebraicas en el desarrollo de las frmulas de orden
alto.

En el algoritmo para la frmula de Runge-Kutta de orden 3, la funcin incremental
tiene la forma

3 2 1
ck bk ak + + = |


149
donde
3 2 1
k , k , k son aproximaciones de la primera derivada en varios puntos en
el intervalo de integracin | |
1 + i i
x , x . En este caso:

( )
( )
( ) ( )
1 2 3
1 2
1
hk s r shk rh , y x f k
phk ph , y x f k
, y x f k
i i
i i
i i
+ + + =
+ + =
=


Para determinar las constantes s , p , r y a , b , c se debe expandir
y k k k
3 2 1
, en series de Taylor.

En general:


( ) ( ) ( )
( )
( ) +
|
|
.
|

\
|
+

+
|
|
.
|

\
|
+ + = + +

y x f
y
m
x
l
n
y x f
y
m
x
l y x f m y l x f
n
,
! 1
1
...
, , ,
1
c
c
c
c
c
c
c
c


Para hallar los valores de las constantes se pueden tomar arbitrariamente dos
valores para dos de ellas y se obtienen las dems, planteando las ecuaciones
algebraicas al igualar los respectivos coeficientes de las potencias de h entre la
frmula de Runge-Kutta y la expansin de Taylor del mismo orden.

Se han desarrollado varias frmulas de acuerdo a los parmetros escogidos,
siendo las ms comunes, la universal y la regla de los tres octavos. La frmula
ms utilizada es la universal, en la que los coeficientes toman los siguientes
valores:

2 1
2
1
6
1
3
2
6
1
s = r = p =
c = b = a =


Con estos valores el algoritmo de orden 3 de Runge-Kutta toma la forma:

( )
3 2 1 1
4
6
k k k
h
y y
i i
+ + + =
+


( )
( )
1 2 3
1 2
1
2
2
1
2
1
hk hk h,y x = f k
hk h,y x = f k
,y x = f k
i i
i i
i i
+ +
|
.
|

\
|
+ +

150


Ejercicio 7:

Resuelva el ejercicio 5 por el mtodo de Runge-Kutta de 3er orden

( ) ( ) y x y , x f y , x f
dx
dy
+ = =


( ) ( ) ( )
3 2 1 1
4
6
k k k
h
x y x y
i i
+ + + =
+


Si
( ) ( ) ( )
3 2 1 1
4
6
1 0
1 0 k k k
.
x y x y . h
i i
+ + + = =
+


( )
i i i i
y x y , x f k + = =
1


( )
1 1 1 2
1 05 0
2
1
2
1
2
1
2
1
k . y x hk y h x hk y , h x f k
i i i i i i
+ + + = + + + =
|
.
|

\
|
+ + =


( ) ( )
1 2 1 2 1 2 3
2 1 1 0 2 2 k k . y x hk hk y h x hk hk y , h x f k
i i i i i i
+ + + = + + + = + + =

Aplicando estas ecuaciones se construye la tabla 23

Tabla 23. Iteraciones del ejercicio 7

k x y k
1
k
2
k
3
y exacto
0 0 0.0000 0.0000 0.0500 0.1100 0
1 0.1 0.0052 0.1052 0.1604 0.2267 0.0052
2 0.2 0.0214 0.2214 0.2825 0.3557 0.0214
3 0.3 0.0498 0.3498 0.4173 0.4983 0.0499
4 0.4 0.0918 0.4918 0.5664 0.6559 0.0918
5 0.5 0.1487 0.6487 0.7311 0.8300 0.1487

Se observa con este mtodo que se obtiene una mejor aproximacin de la solucin
numrica en relacin con los mtodos anteriores.

3.9. Sistemas de ecuaciones diferenciales ordinarias

Para resolver ecuaciones diferenciales ordinarias por mtodos numricos, se
reduce el sistema a un sistema de n ecuaciones diferenciales simultneas de
primer orden, redefiniendo las variables que sean necesarias para eliminar las
151
derivadas de orden mayor. Luego al sistema de n ecuaciones diferenciales
ordinarias de primer orden se aplica en paralelo el algoritmo seleccionado.

Ejercicio 6:

Resuelva la siguiente ecuacin diferencial:

( )
2
1 2
2

d y dy
a a y p x
dx dx
+ + =


Realizando una transformacin:


( ) x p y a w a
dx
dw
dx
dy
w
= + +
=
2 1

) ( )
) ( ) ( ) w , y , x g y a w a x p
dx
dw
w , y , x f w
dx
dy
= =
= =
2 1
2
1




El algoritmo para una aproximacin en
1 + i
x usando el Mtodo de Runge-Kutta en
este ejercicio sera:

1. Evaluar
1
k


( )
( ) ( )
i i i i i i w
i i i i y
y a w a x p w , y , x g k
w w , y , x f k
2 1 1
1
=
=
=
=


2. Evaluar k
2


2 1 1
= , ,
2 2 2
y i i y i w
h h h
k f x y k w k
| |
+ + +
|
\ .

( )
1 2
=
2
i i i i
h
w p x a w a y + (


152

( ) ( )
( ) ( )
2 1 1
1 1 2 1
1 1 2
2 1 2
= , ,
2 2 2
=
2 2 2
=
2 2

2 2
w i i y i w
i i w i y
i i i i i
i i i i i
h h h
k g x y k w k
h h h
p x a w k a y k
h h
p x a w p x a w a y
h h
a y w p x a w a y
| |
+ + +
|
\ .
| | | | | |
+ + +
| | |
\ . \ . \ .
| | (
+ +
|
(
\ .
(
| |
+ +
| (
\ .


|
.
|

\
|
+
2
2
h
y a
i


3. Evaluar
3
k

( )
( )
( ) ( )
( )
y y i
w w i i
w w i y y i i w
w w i
w w i y y i i y
hk hk y a
hk hk w a h x p
hk hk w , hk hk y , h x g k
hk hk w
hk hk w , hk hk y , h x f k
1 2 2
1 2 1
1 2 1 2 3
1 2
1 2 1 2 3
2
2
2 2
2
2 2
+
+ +
+ + +
+
+ + +

=
=
=
=


4. Evaluar
1 1 + + i i
w , y

( )
( )
w w w i i
y y y i i
k k k
h
+ =w w
k k k
h
y y
3 2 1 1
3 2 1 1
4
6
4
6
+ +
+ + + =
+
+



Ejemplo 17:

Un proceso biolgico involucra el crecimiento de biomasa a partir de sustrato. El
balance de materia en el proceso batch produce:

S K
kBS
dt
dB
+
=

0.75 dS kBS
dt K S
=
+


Donde B y S son las concentraciones respectivas de biomasa y sustrato. La
cintica de las reacciones es tal que k = 0.3 y K = 10
-6
en unidades consistentes.

Cules son las concentraciones de B y S en un tiempo t
f
= 16, si a t
0
= 0 S = 5.0 y
B = 0.05.

153

Se va a utilizar el mtodo de Runge-Kutta de 3
er
orden para resolver este sistema
de ecuaciones diferenciales.

( )
( )
= , ,
0.75
= , ,
i i
B i i i
i
i i
S i i i
i
kB S
k f t B S
K S
kB S
k g t B S
K S
=
+
=
+




1. Evaluar
1
k


( )
( )
1
1
= , ,
0.75
= , ,
i i
B i i i
i
i i
S i i i
i
kB S
k f t B S
K S
kB S
k g t B S
K S
=
+
=
+


2. Evaluar k
2


2 1 1
1 1
1
2 1 1
1 1
1
= , ,
2 2 2
2 2
=
2
= , ,
2 2 2
0.75
2 2
=-
2
B i i B i S
i B i S
i S
S i i B i S
i B i S
i S
h h h
k f t B k S k
h h
k B k S k
h
K S k
h h h
k g t B k S k
h h
k B k S k
h
K S k
| |
+ + +
|
\ .
| || |
+ +
| |
\ .\ .
| |
+ +
|
\ .
| |
+ + +
|
\ .
| || |
+ +
| |
\ .\ .
| |
+ +
|
\ .

3. Evaluar
3
k

154
( )
( )( )
( )
( )
( )( )
( )
3 2 1 2 1
2 1 2 1
2 1
3 2 1 2 1
2 1 2 1
2 1
= , 2 , 2
2 2
=
2
= , 2 , 2
0.75 2 2
=-
2
B i i B B i S S
i B B i S S
i S S
S i i B B i S S
i B B i S S
i S S
k f t h B hk hk S hk hk
k B hk hk S hk hk
K S hk hk
k g t h B hk hk S hk hk
k B hk hk S hk hk
K S hk hk
+ + +
+ +
+ +
+ + +
+ +
+ +


En la tabla 24 se muestran algunos de los clculos iterativos para h = 1.






Tabla 24. Algunas iteraciones del ejemplo 17

t 0 1 2 3 12 13 14 15 16
B 0.050 0.067 0.091 0.123 1.824 2.462 3.322 4.483 6.050
S 5.000 4.987 4.969 4.945 3.669 3.191 2.546 1.675 0.500
k
1B
0.015 0.020 0.027 0.037 0.547 0.738 0.997 1.345 1.815
k
1S
-0.011 -0.015 -0.020 -0.028 -0.410 -0.554 -0.747 -1.009 -1.361
k
2B
0.017 0.023 0.031 0.042 0.629 0.849 1.146 1.547 2.087
k
2S
-0.013 -0.017 -0.024 -0.032 -0.472 -0.637 -0.860 -1.160 -1.565
k
3B
0.021 0.028 0.038 0.051 0.761 1.026 1.385 1.869 2.523
k
3S
-0.016 -0.021 -0.028 -0.038 -0.570 -0.770 -1.039 -1.402 -1.892

En la figura 11 se ilustra la variacin de la concentracin de B y S con el tiempo a
partir de los datos obtenidos con las iteraciones en el mtodo de Ruge-Kutta:


0
2
4
6
8
0 4 8 12 16
Tiempo
C
o
n
c
e
n
t
r
a
c
i

n
B
S
155
Figura 11. Variacin de la concentracin de B y S con el tiempo



3.10. Ejercicios propuestos

1. Determine los parmetros de Underwood apropiados para realizar los clculos
en una torre de destilacin multicomponente que tiene la siguiente distribucin
(tabla 25) y con una alimentacin tal que q = 0.67.



Tabla 25. Distribucin del alimento de la torre de destilacin del ejercicio
propuesto 1.

Componente o
j
Z
jF

CH
4
53.2 0.03
C
2
H
6
14.94 0.07
lk n-C
3
H
8
6.30 0.15
n-C
4
H
10
2.405 0.33
hk n-C
5
H
12
1.0 0.30
n-C
6
H
14
0.456 0.12

La ecuacin de Underwood es:

q
z
j
jF J
=

1
| o
o


2. Use el mtodo de Newton para hallar un cero complejo de la siguiente funcin:
f(z) = z
4
2z
3
+ 1.25z
2
0.25z 0.75. Tome como punto de partida z = 1+i

3. Una reaccin qumica toma lugar en una serie de cuatro reactores CSTR. All se
convierte el reactivo A en el producto B (relacin estequiomtrica 1 a 1), la
reaccin es elemental y la constante de velocidad es k = 0.1 h
-1
. Si el caudal
alimentado es q = 100 ft
3
/h y la concentracin de A a la entrada del primer
reactor es C
A,0
= 3 lb/ft
3
, calcule la concentracin a la salida de cada reactor,
teniendo en cuenta que el volumen en cada uno de ellos es V
1
= 20 ft
3
, V
2
= 30
ft
3
, V
3
= 50 ft
3
y V
4
= 40 ft
3
, y que un 10% de la corriente de salida del reactor 4
se recircula al reactor 3 y otro 10% al reactor 2. Tenga en cuenta que el sistema
est en estado estable, las reacciones son en fase lquida y se despreciarn los
cambios en volumen o densidad del lquido.

Para la solucin utilice los mtodos de Gauss-Siedel y Jacobi
156

4. Un reactor qumico de flujo continuo operando como un sistema en estado
estable se puede describir por el siguiente conjunto de ecuaciones:

r F Fx
A A
=
r F Fx
B B
=
r F F F
B A
+ =
( )
6 0
60
.
B A
x x r =

Resuelva el conjunto de ecuaciones asumiendo F
A
= 10 y F
B
= 20. Utilice el
mtodo de Newton-Raphson.

5. La concentracin de saturacin del oxgeno disuelto en agua en funcin de la
temperatura para una concentracin de cloruro de 20 mg/l se muestra en la
tabla 26.

Tabla 26. Concentracin de saturacin de oxgeno disuelto a diferentes
temperaturas

Temperatura, C Concentracin de saturacin
5 10.5
10 9.2
15 8.2
20 7.4
25 6.7
30 6.1

Determine:
a) Nivel de oxgeno disuelto a 28C, utilizando el mtodo de aproximacin de
puntos base igualmente espaciados
b) La funcin de aproximacin con el mtodo de mnimos cuadrados

6. En la tabla 27 se presentan los datos de composicin del lquido versus la
presin total para el sistema benceno (1) y cido actico (2) a 50C.

Tabla 27. Presin de vapor para el sistema benceno cido actico en funcin
de la composicin a 50C

x
1
0.0 0.0069 0.1565 0.3396 0.4666 0.6004 0.7021
P, mmHg 57.52 58.20 126.00 175.30 189.50 224.30 236.00

Halle la presin total de la mezcla para una composicin de benceno de 0.5.
Utilice el mtodo de Gregory-Newton y el mtodo de Lagrange.
157

7. Determine la pendiente de la curva de presin de vapor de agua a 35, 45 y 55
F. En la tabla 28 se tabulan los valores de la presin de vapor de agua contra la
temperatura. Realice la aproximacin con diferencias finitas.


Tabla 28. Presin de vapor del agua a diferentes temperaturas

T, F 35 40 45 50 55 60 65
Pv, psi 0.09995 0.12170 0.14752 0.17811 0.2141 0.2563 0.3056

8. Use los datos de la tabla 29 para hallar la capacidad calrica media del n-
propano a 1500, 1300 y 1100 K. Esta se define por la ecuacin que se presenta
a continuacin. Para la solucin utilice la regla trapezoidal y la de Simpson y
como temperatura de referencia asuma 300 K:

ref
T
T
p
p
T T
dT C
C
ref

=
}


Tabla 29. Capacidad calrica del n-propano a diferentes temperaturas

Temperatura, K Capacidad calrica, kJ /kgK
300 73.93
400 94.01
500 112.59
600 128.59
700 142.67
800 154.77
900 163.35
1000 174.60
1100 182.67
1200 189.74
1300 195.85
1400 201.21
1500 205.89

9. Un material radiactivo se descompone de acuerdo a la siguiente reaccin en
serie:

158
A B C
k k
1 2


Donde k
1
y k
2
son las constantes de velocidad de reaccin y B y C son los
productos intermedio y final, respectivamente.

Los valores de las constantes son: k
1
= 3 s
-1
y k
2
= 1 s
-1
. Las condiciones
iniciales de las concentraciones son: C
A
(0) = 1 mol/m
3
, C
B
(0) = 0 y C
C
(0) = 0.

Determine las concentraciones de C
A
, C
B
y C
C
como una funcin del tiempo por
el mtodo:
a) Taylor
b) Euler
c) Runge-Kutta



3.11. Bibliografa

Alkis Constantinides and Mostoufi Navid, Numerical Methods for Chemical
Engineers with MATLAB Applicatons, Prentice Hall, New Jersey, 1999

Carnahan, B., Luther, H.A., Wilkes, J.O., "Applied numerical methods", Wiley, New
York, 1970.

Cutlip, M.B., Shacham, M., Problem solving in Chemical Engineering with
numerical methods, Prentice Hall, Upper Saddle River, USA, 2000.

Gerald, C.F., Whealtley P.O., Anlisis numrico con aplicaciones, 2nd Edicin,
Pearson Educacin, Mxico, 2000

Mickley, H.S., Sherwood, T.S., Reed, C.E., "Applied Mathematics in Chemical
Engineering". McGraw, New Delhi, 1975.

Press, W.H., Flannery, B.P., Teukolsky, S.A.., Vetterling. W.T.,"Numerical recipes-
the art of scientific computing", Cambridge University Press, Cambridge, 1986.

Smith, C., Pike, R., Murril, P., "Formulacin and optimizacin of mathematical
models", International texbook Company, Scranton,1970.

Zurmhl, Rudolf, Numerical Analysis for Engineers and Physicists, Springer
International, student Edition, New York, 1976.

Luthe, L., Olivene, A., Schutz, F., Mtodos Numricos, Editorial Limusa, Mxico,
1984.
160
CAPTULO IV

OPTIMIZACIN

TABLA DE CONTENIDO


4.1. Organizacin del problema de optimizacin .................................................. 162
4.2. Mtodos de optimizacin de funciones univariables ..................................... 166
4.2.1. Mtodo analtico de funciones no restringidas ........................................ 166
4.2.2. Mtodo analtico de funciones restringidas ............................................ 167
4.2.3. Mtodos numricos de funciones no restringidas ................................... 168
4.2.3.1. Mtodo de la etapa fija .................................................................... 169
4.2.3.2. Mtodo directo con aceleracin ....................................................... 175
4.2.3.3. Mtodo de Fibonacci ....................................................................... 179
4.2.3.4. Mtodo de la seccin de oro ............................................................ 182
4.2.4. Mtodo numrico de funciones restringidas .......................................... 184
4.3. Mtodos de optimizacin de funciones multivariables ................................... 191
4.3.1. Mtodo analtico de funciones no restringidas ........................................ 191
4.3.2. Mtodos analticos de funciones restringidas ......................................... 196
4.3.2.1. Restricciones de igualdad ................................................................ 197
4.3.2.1.1. Mtodo de substitucin directa .................................................. 197
4.3.2.1.2. Mtodo de la variacin restringida ............................................. 206
4.3.2.2. Restricciones de igualdad y desigualdad ......................................... 213
4.3.2.2.1. Mtodo de los multiplicadores de Lagrange .............................. 213
4.3.2.2.2. Mtodo de los multiplicadores de Lagrange y variables de holgura
................................................................................................ 223
4.3.3. Mtodos numricos de funciones no restringidas ................................... 225
4.3.3.1. Mtodo del poliedro flexible ............................................................. 225
4.3.3.2. Mtodo del gradiente ....................................................................... 231
4.3.3.3. Mtodo de las tangentes paralelas .................................................. 234
4.3.3.4. Mtodo de Newton .......................................................................... 239
4.3.3.5. Mtodo de Davidon-Fletcher-Powell ................................................ 239
4.3.3.6. Mtodo de Fletcher-Reeves ............................................................ 241
4.3.4. Mtodos numricos de optimizacin de funciones restringidas .............. 242
4.4. Ejercicios propuestos ................................................................................... 243
4.5. Bibliografa ................................................................................................... 246
161
CAPITULO IV.
OPTIMIZACIN


En el diseo y mejoramiento de plantas qumicas y unidades de procesos se tienen
mltiples posibilidades y algunas veces hasta infinitas. A esta multiplicidad se
enfrenta el ingeniero qumico desde de las primeras etapas del diseo cuando
debe seleccionar el proceso o tipo de unidad de transformacin que va a disear.
Esta seleccin, as como la especificacin plena de condiciones de operacin y
dimensionamiento de los equipos, se hace normalmente optimizando en trminos
de algn criterio efectivo.

La optimizacin en las industrias de procesos qumicos requiere, adems de la
seleccin del proceso, la seleccin del equipo y las condiciones de operacin
apropiadas para la produccin de un material determinado, de tal modo que el
beneficio sea mximo. Este beneficio puede interpretarse como la produccin
mxima de una sustancia o como la inversin mnima para un nivel de produccin
especfica.

En el caso en que el criterio sea la mxima produccin del material o sustancia,
puede omitirse el balance econmico y el ptimo obtenido se denomina
operacional. La necesidad del ptimo operacional puede surgir en el momento en
que ya se dispone del equipo. Por ejemplo, en la operacin de un reactor cataltico,
puede existir una temperatura ptima de operacin para cada tamao de reactor,
que puede ser basada en el mximo porcentaje de conversin o en la mxima
cantidad de producto por unidad de tiempo. Sin embargo, las variables de costo
necesitan ser consideradas en la prctica y el desarrollo de un ptimo operacional
es generalmente una etapa en la determinacin de un ptimo econmico sometido
a consideraciones de costo o ganancias. Aunque puede suceder que el ptimo
econmico no resulte ser el diseo final recomendado, ya que consideraciones de
costos incrementales pueden mostrar que el retorno sobre la inversin adicional
puede llegar a ser inaceptable antes de que se alcance el punto ptimo. En estos
casos los valores ptimos pueden usarse como una base en el anlisis de costos
incrementales para hacer la seleccin y especificacin del diseo final.

La optimizacin en el campo de la industria qumica puede dividirse en dos
campos: optimizacin esttica y optimizacin dinmica. El objetivo de la
optimizacin esttica es el establecimiento de las condiciones estacionarias de
operacin del proceso ms apropiadas. Estas condiciones pueden estar ligadas a
parmetros de los equipos o condiciones de operacin como tamao de equipos,
nivel de produccin, temperaturas, presin, caudales, etc.; mientras que el
establecimiento del mejor procedimiento para corregir fluctuaciones de las
condiciones de operacin del proceso de sus valores nominales establecidos en la
optimizacin esttica es el objetivo central de la optimizacin dinmica. Esta
optimizacin es una extensin del anlisis del control automtico del proceso y
162
requiere por lo tanto de un conocimiento de las caractersticas dinmicas del
proceso.

La optimizacin puede ser tratada de muchos modos que van desde
procedimientos analticos sencillos o sofisticados y mtodos numricos, hasta
herramientas que se vienen desarrollando en el mbito de la inteligencia artificial
como los algoritmos genticos.

Las tcnicas convencionales de optimizacin se pueden clasificar en mtodos
analticos, mtodos numricos, mtodos grficos; para los cuales se requiere del
conocimiento de la funcin a optimizar, y los mtodos experimentales en los que se
desconoce la forma de esta funcin.

En los mtodos analticos, que hacen uso del clculo diferencial y el clculo
variacional como herramientas, el problema de optimizacin debe describirse en
trminos matemticos de tal forma que la funcin y las variables se puedan
manipular mediante reglas conocidas.

Los mtodos numricos, que se usan cuando el problema no se puede resolver
analticamente o cuando el clculo requerido en el modelo analtico es prohibitivo,
generan aproximaciones sucesivas del ptimo mediante procedimientos iterativos
usando informacin sobre la funcin objetivo y otros criterios en ciertas
condiciones.

Los mtodos grficos, que tienen aplicacin limitada para una o dos variables, se
valen de la representacin grfica de la funcin objetivo para obtener por
inspeccin los valores extremos de la funcin objetivo. Y en los mtodos
experimentales el ptimo se busca realizando experimentos directamente sobre el
sistema o proceso.


4.1. Organizacin del problema de optimizacin

Un procedimiento general para optimizar involucra la mayora de las siguientes
etapas:

i. Definicin de un objetivo apropiado.

El objetivo resume el problema real y debe ser expresado en trminos de
maximizar o minimizar una funcin a la que se le da el nombre de funcin objetivo.

ii. Restricciones impuestas al problema por agentes externos.

En la prctica casi todos los procesos reales tienen restricciones impuestas por
agentes externos que no pueden ser controladas por el optimizador.

163
Ejemplos:

La produccin tiene un lmite que lo determina el mercado o la direccin de la
empresa.
La calidad est controlada por especificaciones legales o por especificaciones
de la compaa o el consumidor.
La materia prima est limitada a ciertas calidades.
Las prdidas de calor y la temperatura de enfriamiento de agua estn
parcialmente gobernadas por las fluctuaciones diarias del clima.

iii. Seleccin del sistema o sistemas para estudio.

Pueden existir varios sistemas que satisfagan una misma necesidad y la
especificacin o seleccin de uno de ellos se convierte en una restriccin para el
proceso de optimizacin. Un recipiente para almacenar un lquido, por ejemplo,
puede tener formas diversas: esfrica, cilndrica, cnica, irregular, etc. La
produccin de una sustancia qumica puede hacerse mediante procesos
diferentes.

iv. Examen de la estructura del sistema y de las entradas y salidas.

Es conveniente representar esquemticamente el sistema bajo estudio para
identificar los componentes y sus relaciones, as como las entradas y salidas; ya
que esta representacin facilita el anlisis del sistema y muy especialmente la
identificacin y visualizacin de las relaciones que proveen informacin para la
formulacin de la funcin objetivo.

Para efecto de la formulacin de las ecuaciones del modelo matemtico que
expresa el problema de optimizacin, es necesario asociar variables de
caracterizacin variables que informan sobre atributos como flujo, composicin,
temperatura, presin - a cada una de las corrientes de entrada, de salida, y de las
que conectan elementos internos del sistema.

Debe contemplarse tambin en esta etapa del proceso de optimizacin el
conocimiento del comportamiento del sistema bajo estudio, pues slo ese
conocimiento posibilitar la construccin de un modelo matemtico y por lo tanto la
formulacin del problema de optimizacin.

v. Construccin de un modelo para el sistema.

La construccin del modelo matemtico del sistema, representado por el conjunto
de ecuaciones que relacionan las variables del sistema, permite no slo definir la
funcin objetivo en trminos de las variables del sistema, sino tambin algunas
restricciones para los valores de estas variables.


164
vi. Estudio y definicin de las restricciones internas del sistema.

Adems de las restricciones externas pueden surgir otras restricciones impuestas
al conjunto de variables del sistema. Estas restricciones, impuestas por criterios de
diseo o por el comportamiento del sistema, limitan a ciertos dominios los valores
de las variables y se expresan como igualdades o desigualdades matemticas que
deben cumplirse. Como parte de este conjunto de restricciones se encuentran las
ecuaciones bsicas del modelo matemtico del sistema, que son establecidas por
los principios de conservacin de masa, de momento, energa, o por las
expresiones de rata de flujo de estas entidades u otras relaciones entre las
variables del sistema.


( )
( ) 0 ,... ,
0 ,... ,
2 1
2 1
s =
= =
n k k
n J J
x x x g g
x x x g g


vii. Reduccin del problema a sus partes esenciales.

El problema de optimizacin constituido por una funcin objetivo y el conjunto de
restricciones, puede simplificarse en algunos casos, para facilitar su manipulacin
en el proceso de solucin. Esta simplificacin puede lograrse de varias formas.

Eliminacin de aquellas variables que no afecten significativamente la funcin
objetivo.
Realizar la optimizacin por etapas, dividiendo el problema de optimizacin en
varios problemas con menores variables.
Transformacin de la funcin y las restricciones en relaciones matemticas ms
sencillas. Un caso especial lo constituye la linealizacin, o sea aproximacin de
todas las funciones en ecuaciones lineales.

viii. Verificacin de que el sistema propuesto representa el sistema bajo estudio.

ix. Formulacin de la funcin objetivo en trminos de las variables del sistema.

x. Optimizacin
Se encuentra la solucin ptima mediante alguna tcnica de optimizacin.

xi. Anlisis de la solucin ptima.

Como resultado del desarrollo de este procedimiento, el problema de optimizacin
quedar definido como:

1. Maximizar o minimizar la funcin objetivo:
( )
f X

165
2. Sujeto a:

2.1 Restricciones de igualdad: ( ) 0 = X h
i

, i=1,2,...,m
2.2 Restricciones de desigualdad: ( ) 0 > X g
i

, i=m+1,...,p

( )
0
i
g X s
Ejemplo 1:

1. Definicin del objetivo.

Maximizar el volumen de una caja sin tapa, que se desea construir con una
lamina de rea total A.

2. Restricciones externas.

El rea lateral de la caja no debe exceder el rea de la lmina disponible.

3. Eleccin del sistema.

Caja rectangular.

4.Examen de la estructura del sistema (ver figura 1).
Figura 1. Representacin de una caja abierta

5. Construccin del modelo.

3 2 1
x x x V =
3 2 2 1 3 1
2 2 x x x x x x A + + =

6. Restricciones internas.

( )
( )
( ) 0
0
0
3 3 2 1 3
2 3 2 1 2
1 3 2 1 1
> =
> =
> =
x x , x , x g
x x ,. x , x g
x x , x , x g

7. Reduccin del problema a sus partes esenciales.

No es posible en este caso eliminar variables.
166

8. Verificar que el sistema propuesto representa el sistema estudiado.

Las relaciones que describen el sistema son las apropiadas.

9. Formular la funcin objetivo

( )
3 2 1 3 2 1
x x x x , x , x f =

El problema de optimizacin se formular como:

Maximizar ( )
3 2 1 3 2 1
x x x x , x , x f =

Sujeto a:
( )
( )
( )
( ) 0
0
0
0 2 2
3 3 2 1 3
2 3 2 1 2
1 3 2 1 1
3 2 2 1 3 1 3 2 1 1
> =
> =
> =
= + + =
x x , x , x g
x x , x , x g
x x , x , x g
A x x x x x x x , x , x h
L



4.2. Mtodos de optimizacin de funciones univariables

4.2.1. Mtodo analtico de funciones no restringidas

Para la existencia de un punto extremo en una funcin univariable se requiere que
se cumplan dos tipos de condiciones: condiciones necesarias y condiciones
suficientes.

Si la funcin es continua y derivable en el intervalo a<x<b

Condiciones necesarias:

i. Exista la primera derivada.

ii. La primera derivada sea nula.

( )
0
0
= = '
x
dx
x df
y

Condiciones suficientes:

i. Si y( x
0
)<0 la funcin tiene un mximo local en x
0
.
' = = y
dy
dx
df x
dx
( )
167
' = '' = = y x y x y x
n
( ) ( ) ( )
( )
0 0 0
0
ii. Si y( x
0
)>0 la funcin tiene un mnimo local en x
0
.
iii. Si y( x
0
)=0 deben analizarse las derivadas de orden superior para determinar la
naturaleza del punto extremo.

Este anlisis se puede realizar haciendo una expansin en una serie de Taylor
cerca al valor x
0
de la funcin:

( ) ( ) ( ) ( )
( )
( )
( )
( )
( )
n
n
n
R x y
! n
x x
... x y
!
x x
x y x x x y x y +

+ + ' '

+ ' + =
0
0
0
2
0
0 0 0
2


Si , pero :

La funcin tiene un mximo local en x
0
si n es impar y y
(n+1)
( x
0
)<0.
La funcin tiene un mnimo local en x
0
si n es impar y y
(n+1)
( x
0
)>0.
La funcin tiene un punto de inflexin en x
0
si n es par.


4.2.2. Mtodo analtico de funciones restringidas

La tcnica de optimizacin para este tipo de problema es anloga al caso de
funciones no restringidas, slo que deben chequearse las restricciones para la
solucin que se obtenga. Especficamente, si la restriccin es una restriccin de
igualdad, el ptimo se obtiene comparando los valores de la funcin objetivo en las
races de la funcin restriccin.

Si existen restricciones de desigualdad, se obtienen los valores extremos de la
funcin (mximos mnimos) y se comparan con el valor de la funcin objetivo
evaluado en la frontera establecida por el dominio factible de la variable
independiente. El dominio factible es el conjunto de factores de la variable
independiente que satisface las restricciones.


Ejercicio 1:

Maximizar
5 4 3
2
5 35
25 24 4
5 2 3
x x x
y x x = + +

Sujeto a: x
2 2
4 1 0 s ( )
- 4.1s x s 4.1 Dominio factible

La primera y la segunda derivada de la funcin objetivo son respectivamente:

y x
n ( )
( )
+
=
1
0
0
168
' =
'' = +
y x x x x
y x x x x x x
( )( )( )( )
( )( )( ) ( )( )( )
1 2 3 4
1 2 2 7 3 4 2 3


Chequeando los puntos estacionarios de la funcin se obtiene (ver tabla 1):

Tabla 1. Puntos estacionarios del ejercicio 1.

x
y
' y '' y
Tipo
1 4.37 0 -6 Max
2 3.73 0 2 Min
3 4.10 0 -2 Max
4 3.47 0 6 Min
-4.1 -2264.8
4.1 3.50

El mximo global cae en x =1.0


4.2.3. Mtodos numricos de funciones no restringidas

Los mtodos numricos se aplican cuando no se cumplen las condiciones para
utilizar los mtodos analticos o es muy engorrosa la aplicacin del mtodo para
determinar los valores extremos de la funcin objetivo. Estos mtodos
esencialmente requieren la determinacin del valor de la funcin objetivo y algunas
veces su gradiente en localizaciones sucesivas. En sntesis, la bsqueda de un
ptimo mediante mtodos numricos envuelve el clculo sucesivo de valores de la
funcin objetivo y su comparacin con un valor actual.

Las dos caractersticas esenciales de estos mtodos es la escogencia de la
direccin y magnitud del desplazamiento en la bsqueda desde un punto actual.

La investigacin del ptimo puede llevarse a cabo por mtodos preplaneados y
secuenciales. En la primera tcnica se eligen los puntos de investigacin sin
ninguna interaccin entre ellos; mientras que en los mtodos secuenciales la
localizacin del prximo punto de investigacin depende del resultado previo.

El procedimiento general de los mtodos secuenciales es el siguiente:

i. Seleccionar un punto base.
ii. Evaluar la funcin objetivo en el punto base
iii. Escoger de acuerdo al mtodo una segunda localizacin factible.
iv. Evaluar la funcin objetivo en la segunda localizacin.
v. Comparar el valor de la funcin en el punto base y la segunda localizacin.
169
vi. Se prosigue la bsqueda en otra direccin si la funcin en el punto base es peor
que en la segunda localizacin, de acuerdo con el objetivo de optimizacin, o se
toma como punto base la segunda localizacin en el caso contrario.

De acuerdo con las caractersticas del mtodo secuencial, este se puede
clasificarse en: mtodos de investigacin directa y mtodos del gradiente.

Los mtodos de investigacin directa requieren nicamente la evaluacin de la
funcin objetivo en una localizacin particular. La seleccin de la direccin y
magnitud del movimiento puede ser independiente o no de los resultados pasados.
Si se utiliza esta informacin para decidir sobre la direccin y magnitud del
movimiento, los mtodos se pueden clasificar en: mtodos uniformes y mtodos
acelerados, dependiendo si el desplazamiento tiene una magnitud uniforme o es
variable.

Los mtodos del gradiente requieren valores tanto de la funcin objetivo como del
gradiente en una localizacin. Estos mtodos se dividen en dos subgrupos:

Mtodos que siguen la direccin del gradiente tan cerca como sea posible, con
desplazamiento acelerado o uniforme.
Mtodos que usan la direccin del gradiente como gua para la investigacin,
pero no necesariamente en la direccin del gradiente, tambin con
desplazamiento acelerado o uniforme.

Los mtodos ms comnmente usados son el mtodo de la etapa fija, mtodo
directo con aceleracin, mtodo de Fibonacci y mtodo de la seccin de oro.


4.2.3.1. Mtodo de la etapa fija

Este es un mtodo de investigacin directa uniforme. A partir de un punto base, en
el intervalo factible, y mediante desplazamientos de tamao fijo, se evala la
funcin en el punto base y en la nueva localizacin. De la comparacin de estos
dos valores, se contina en un nuevo desplazamiento o se obtiene un subintervalo
de incertidumbre. Si en el desplazamiento k-simo hubo cambio en la tendencia
de la funcin objetivo decreciente-creciente, o creciente-decreciente, segn se est
minimizando o maximizando, el intervalo de incertidumbre se establece como:

| |
2
,
k k
x x

Si se cumple la precisin requerida definida como:

( ) ( )
1 k k
f x f x c

s


el valor del ptimo se ubica en x
k 1

170

Si la precisin requerida no se cumple, se contina la bsqueda en el intervalo de
incertidumbre
| |
2
,
k k
x x

, redefiniendo el tamao del desplazamiento. El tamao del

desplazamiento en cada intervalo de incertidumbre se define como:

S
x x
N
N
=

0


donde N es el nmero de subintervalos en que se divide el intervalo de
incertidumbre y x
0
y x
N
sus limites:
|
x
0
,
|
x
N
. En la figura 2 se muestran los
puntos en una bsqueda de un mximo.

Nota:

En caso que en el primer desplazamiento no se observe el comportamiento de la
funcin esperado, creciente o decreciente segn se est maximizando o
minimizando, se cambia de direccin para la bsqueda. El nuevo punto se ubica
con la siguiente ecuacin:

x x S
1 0
=

Figura 2. Puntos de bsqueda de un mximo por medio del mtodo de la etapa fija
Ejercicio 2:

Hallar el mnimo de

x x
k
*
=
1
x
o
x
k-2
x
k-1
x
N
x
k
f(x)
S
S
... ...
x
o
x
k-2
x
k-1
x
N
x
k
f(x)
SS
SS
... ...
171
( ) ( )
2
100 f x x =

Tomar como intervalo de incertidumbre 80 120 s s x y c = 4

En la tabla 2 se presentan las bsquedas hechas con el mtodo de la etapa fija.

Tabla 2. Bsqueda del ptimo con el mtodo de la etapa fija

Etapa
i
x

f x
i
( )
1
f x
i
( )
1
( ) ( )
i i
f x f x

S
1 84 400 256 144 4
2 88 256 144 112 4
3 92 144 64 80 4
4 96 64 16 48 4
5 100 16 0 16 4
6 104 0 16 16 4

Ya que no se cumple que la precisin requerida ( ( ) ( )
1 k k
f x f x c

s ), se cambia
de intervalo y redefine el desplazamiento, pues hubo cambio en la tendencia de la
funcin

Nuevo intervalo: [96,104|

104 96
2
4
S

= = . En la tabla 3 se muestran las nuevas etapas de bsqueda del

ptimo.

Tabla 3. Nueva bsqueda del ptimo por el mtodo de la etapa fija

Etapa
x
i

f x
i
( )
1
f x
i
( )
1
( ) ( )
i i
f x f x

S
1 98 16 4 12 2
2 100 4 0 4 2
3 102 0 4 4 2

Tomando c x =100.


Ejemplo 2:

Se desea saber cul es el espesor de aislamiento ptimo-econmico para un
tanque de almacenamiento. El costo se puede dividir en dos categoras: a) costo
instalado (C
I
) y b) costo de operacin (C
O
). El costo de aislamiento instalado
172
($/ao) es C
1
C
2
Ax. Tambin se debe instalar un serpentn de calentamiento para
mantener el aceite en el tanque con la viscosidad apropiada, y su costo de
instalacin es:

( )
o s
t t U
Q
C C

4 3
donde:
( )
|
|
.
|

\
|
+ +

=
o a
a o
h h k
x
t t A
Q
1 1


Los costos de operacin del tanque ($/ao) son C
5
C
6
Q. Halle el costo mnimo y el
aislamiento requerido para el caso en que: A = 8000, t
0
= 120, t
a
= 40, t
s
= 250, k
= 0.024, C
1
= 4, C
2
= 0.2, C
3
= 0.8, C
4
= 0.262, C
5
= 1.5*10
-6
, C
6
= 4000, h
0
= 15
+ 60x + 10x
2
, h
a
= 4.0 - 10x, U = 17.

C
I
: Costo instalado, $/ao
C
O
: Costo de operacin, $/ao
C
T
: Costos totales, $/ao
C
1
: Costo del material aislante, $/(ft
2
superficie)(ft espesor)
C
2
: Costo de amortizacin, 1/ao
C
3
: Costo de calentamiento superficial, $/ft
2

C
4
: Costo de amortizacin, 1/ao
C
5
: Costo de vapor, $/BTU
C
6
: Horas de operacin por ao, h/ao
A : rea de aislamiento, ft
2

h
a
: Coeficiente de transferencia de calor, de la pared del tanque al aire,
BTU/h(ft
2
)(F)
h
o
: Coeficiente de transferencia de calor, del aceite a la pared del tanque,
BTU/h(ft
2
)(F)
k : Conductividad trmica de aislamiento, BTU/h(ft)(F)
Q : Prdida calor, BTU/h
U : Coeficiente de transferencia de calor entre el serpentn y el producto,
BTU/h(ft
2
)(F)
t
a
: Temperatura ambiente, F
t
o
: Temperatura del producto, F
t
s
: Temperatura del serpentin, F
x : Espesor de aislamiento, ft

A continuacin se hallar la funcin objetivo:

T I O
C C C = +

( )
1 2 3 4
0
I
s
Q
C CC Ax C C
U t t
= +

173
( )
|
|
.
|

\
|
+ +

=
o a
a o
h h k
x
t t A
Q
1 1

2
0
15 60 10 h x x = + +

4 10
a
h x =

( )
2
2 2
2
$ 1 $ 1 /
4 0.2 8000 0.8 0.262
17 250 120

I
QBTU h
C ft xft
BTU
ft ft ao ft ao
F
hft F
= +

5
$
6400 9.48 10
ao
x Q

= +

( )
( ) ( )
2
2
2 2
8000 120 40
1 1
0.024 4 10 15 60 10

ft F
Q
xft
BTU BTU BTU
x x x
hft F hft F hft F

=
+ +
+ +

( ) ( )
1
1
2
640000

41.67 4 10 15 60 10
BTU
Q
h
x x x x

=
+ + + +

Q C C C
6 5 0
=
6
$
1.5 10 4000
O
h BTU
C Q
BTU ao h

=

3
$
6 10
O
C Q
ao

=


( )
5 3
5 3
6400 9.48 10 6 10
6400 9.48 10 6 10
T
C x Q Q
x Q


= + +
= + +


Despus de sustituir Q, se obtienen los costos totales anuales en funcin del
espesor del aislamiento.

Funcin objetivo:
2
3900.672
6400
1 1
41.67
4 10 15 60 10
T
C x
x
x x x
= +
+ +
+ +


La solucin se hallar por el mtodo de la etapa fija:

Tomando como intervalo de incertidumbre 0 0.2 x s s y 2 c =

Si
0.2 0
10 0.02
10
N S

= = =

174

En la tabla 4 se presentan las iteraciones para la bsqueda del espesor ptimo
econmico del aislante.

Tabla 4. Iteraciones para la bsqueda del ptimo del ejemplo 2.

Etapa
x
i

1
( )
T i
C x

( )
T i
C x
c S
1 0.000 -7588.23 12317.9 19906.1 0.020
2 0.020 12317.9 3495.67 8822.2 0.020
3 0.040 3495.67 2204.39 1291.3 0.020
4 0.060 2204.39 1753.63 450.76 0.020
5 0.080 1753.63 1567.25 186.38 0.020
6 0.100 1567.25 1497.72 69.531 0.020
7 0.120 1497.72 1490.04 7.6796 0.020
8 0.140 1490.04 1519.03 28.9919 0.020

Se cambia de intervalo y redefine el desplazamiento, pues hubo cambio en la
tendencia de la funcin objetivo.

Nuevo intervalo: [0.100, 0.140]

0.140 0.100
5
S

=

En la tabla 5 se muestran las nuevas iteraciones.

Tabla 5. Nuevas iteraciones para la bsqueda del ptimo del ejemplo 2.

Etapa
x
i

1
( )
T i
C x

( )
T i
C x
1
( ) ( )
i i
f x f x

S
1 0.092 1546.45 1516.02 30.429 0.008
2 0.100 1516.02 1497.72 18.301 0.008
3 0.108 1497.72 1489.03 8.6936 0.008
4 0.116 1489.03 1488.07 0.9549 0.008
5 0.124 1488.07 1493.44 5.36987 0.008

Tomando 2 c = , se obtiene el espesor ptimo: 0.116 x ft = , lo cual hace que los
costos totales sean mnimos e iguales a 1488.07 $/ao




175
4.2.3.2. Mtodo directo con aceleracin

Como su nombre lo indica este es un mtodo directo, en donde el desplazamiento
es acelerado. En este mtodo la funcin se evala en la secuencia:

S x x ,... S x , S x , S x , x
k
k k
1
1 2 1 0 0
2 4 2

+ = + + +

donde x
k
es el primer valor en que falla la tendencia de la funcin. Es decir, si se
est buscando un mximo:

y
0
< y
1
< y
2
...<y
k-1

y
k-1
> y
k


El intervalo de incertidumbre se establece como: [x
k-2
, x
k
|

La amplitud de este intervalo es =3(2
k-2
S) (ver figura 3).

Si para el primer paso ( ) ( )
0 1
y x y x = , el mximo o el mnimo se ubica en el
intervalo | |
0 1
, x x .
Si ( ) ( )
0 1
y x y x > ( ) ( )
0 1
y x y x < , en el caso de maximizacin o minimizacin, la
bsqueda debe realizarse en la direccin contraria con:
1 0
x x S = .

Figura 3. Bsqueda de un mximo por el mtodo directo con aceleracin


El mximo se puede localizar de varias maneras:

Aproximando los tres ltimos puntos a un polinomio de segundo grado, por
ejemplo, con el mtodo de Gregory-Newton:
x
k-2
x
k-1
x
k
f(x)
2
2
2
k
d
S

=
1
2
k
d S

=
x
k-2
x
k-1
x
k
f(x)
2
2
2
k
d
S

=
1
2
k
d S

=
176

( ) ( )( )
0 1 2 11 2 1 k k k
y x x x x x x | | |

= + +

donde:




| |
( )( ) ( )( )
( )( )
2 1
11 1 2
2 1 2 1 2 1
2 1
, ,

k k
k k k
k k k k k k k k
k
k k k k
y y
f x x x
x x x x x x x x
y
x x x x
|




= = +

+



El ptimo se localiza en:


Realizando una bsqueda adicional en
1 k
x
+
.

x x
d
k k +
= +
1 1
2
donde: d x x
k k
=
1


El ptimo se localiza con las siguientes frmulas:

o Si y(x
k+1
) < y(x
k-1
), para un mximo y si y(x
k+1
) > y(x
k-1
), para un mnimo



o Si y(x
k+1
) > y(x
k-1
), para un mximo y si y(x
k+1
) < y(x
k-1
), para un mnimo


|
0 2 2
= =

y y x
k k
( )
| |
|
1
1 2
1 2
1 2
=

=



y y
x x
f x x
k k
k k
k k
,
x x x
k k
-

= +
1
2 2
2 1
1
11
( )
|
|
x x
d y y
y y y
k
k k
k k k
-

+
+
=

( 1
1 2
1 1 2
4 2
x x
d y y
y y y
k
k k
k k k
-
+

+
=

+

( 1
1
1 1
4 2
177

Ejercicio 3:

Hallar el mnimo de
2
( ) ( 100) f x x = .

Sugerencia: partir de x
0
= 66 y usar un desplazamiento original S = 3. En la tabla 6
se muestran los resultados de las iteraciones.

Tabla 6. Iteraciones en la bsqueda del mnimo del ejercicio 3.

Etapa
x
k

f x
k
( )
1
f x
k
( )
1
( ) ( )
i i
f x f x

d
1 69 1156 961 195 3
2 75 961 625 336 6
3 87 625 169 456 12
4 111 169 121 48 24
5 159 121 3481

El intervalo de incertidumbre es [87,159|. Repitiendo el proceso (tabla 7)


Tabla 7. Nuevas iteraciones en la bsqueda del mnimo del ejercicio 3.

Etapa
x
k

f x
k
( )
1
f x
k
( )
1
( ) ( )
i i
f x f x

d
1 90 169 100 69 3
2 96 100 16 84 6
3 108 16 64 48 12

El mnimo puede calcularse con la aproximacin de segundo grado:

|
0 2
100 = =

f x
k
( )
| |
|
1 1 2
16 100
96 90
14 = =

=

f x x
k k
,
| |
2 1
11 1 2
2 1 2 1 2 1
2 1
( ) ( )
, ,
( )( ) ( )( )
( )

( )( )
100 16 64
1 0
(90 96)(90 108) (96 90)(96 108) (108 96)(108 90)
k k
k k k
k k k k k k k k
k
k k k k
f x f x
f x x x
x x x x x x x x
f x
x x x x
|




= = +

+

= + + =


178
( )
( )
* 1
2 1
11
*
*
1
2 2
1 14
90 96
2 2
100
k k
x x x
x
x
|
|

= +
= + +
=


El mnimo tambin puede estimarse, realizando el experimento o bsqueda en
x
k +1
.
1 1
1
2
12
96
2
k k
k
d
x x
x
+
+
= +
= +

1
1
102
( ) 4
k
k
x
y x
+
+
=
=


Como
1 1
( ) ( )
k k
y x y x
+
< , (4<16) , entonces
x x
d y y
y y y
k
k k
k k k
-
+

+
=

( 1
1
1 1
4 2


*
12 64 16
102
4 64 2 4 16
x
(
=
(
+



*
48
102 3
72
x
(
=
(



*
102 2 x =

x
*
= 100

Ejemplo 3:

Resuelva el ejemplo 2 por el mtodo directo con aceleracin.

Se parte de
0
0.095 x = y desplazamiento original de 0.005. En la tabla 8 se
muestran las iteraciones.

Tabla 8. Iteraciones en la bsqueda del mnimo del ejemplo 3.

Etapa
x
i

1
( )
T i
C x

( )
T i
C x
1
( ) ( )
i i
f x f x

S
1 0.100 1507.89 1497.72 10.1691 0.005
2 0.110 1497.72 1488.12 9.59601 0.010
3 0.130 1488.12 1500.95 12.8303 0.020
4 0.170 1500.95 1604.1 103.151 0.040
179
El intervalo de incertidumbre es [0.110, 0.170]. Repitiendo el proceso(tabla 9):

Tabla 9. Nuevas iteraciones en la bsqueda del mnimo del ejemplo 3.

Etapa
x
i

1
( )
T i
C x

( )
T i
C x

1
( ) ( )
i i
f x f x

S
1 0.115 1488.12 1487.82 0.30446 0.005
2 0.125 1487.82 1494.5 6.68064 0.010
3 0.145 1494.5 1530.32 35.816 0.020

El mnimo puede calcularse con la aproximacin de segundo grado:

0 1 11
1487.819, 668.064, 4957426.6 | | | = = =
*
0.120 1490
T
x C = =

Realizando una bsqueda adicional:

( )
1 1
0.02
0.135 1509.2
k T k
d
x C x
+ +
=
= =


Como 1509.2 > 1494.5, entonces se aplica la frmula:

*
0.11167 1487.7
T
x C = =

Finalmente, se escoge este ltimo como el valor mnimo.


4.2.3.3. Mtodo de Fibonacci

Es un mtodo de aproximacin secuencial que usa como mnimas dos
investigaciones por ciclo para eliminar una regin de posteriores bsquedas. Es
anlogo a los mtodos anteriores con un tamao de etapa variable, en donde el
intervalo de incertidumbre se disminuye en cada etapa e igualmente el
desplazamiento para la localizacin del ptimo y estn relacionados con los
nmeros de la serie de Fibonacci. El mtodo exige predeterminar el nmero de
investigaciones del ptimo que se van a realizar. En cada subintervalo de
incertidumbre los puntos se localizan a una misma distancia de los extremos (ver
figura 4).



x x
d y y
y y y
k
k k
k k k
-

+
+
=

( 1
1 2
1 1 2
4 2
180











Figura 4. Representacin de las etapas a seguir con el mtodo de Fibonacci

En la figura 4 puede observarse que AC DB = y CD EB = . La variable
independiente se ubica en AB , y por ejemplo, en una bsqueda j cualquiera, en C
y D se encuentran los valores a investigar en la funcin, y de esta manera se
decide cul se rechaza y cul se conserva para la siguiente bsqueda. En el
grfico se descarta la regin AC . En el ejemplo 4 se ilustra esta situacin.

Para satisfacer el requerimiento de equidistancia de los extremos de los puntos de
investigacin del ptimo, se debe cumplir la relacin:

donde N es el nmero de investigaciones predeterminadas.

La serie de Fibonacci es la solucin de la siguiente ecuacin diferencia.

F F F
j j j
= +
1 2
,
1
1
o
F F = = , cuya solucin es:

1 1
1 1 5 1 5
, 0
2 2 5
j j
j
F j
+ +
(
| | | |
+
( = >
| |
| |
(
\ . \ .



En el primer intervalo de incertidumbre, las investigaciones se localizan a una
distacia l
1
de los extremos:

2
1 1
N
N
F
l L
F

=

En los intervalos siguientes slo se requiere de una investigacin por cada etapa,
porque se conserva un punto de la etapa anterior, como puede confirmarse en la
l
F
F
L
j
N j
N j
j
=
+

( )
( )
1
1
A B C D E
L
j
l
j
l
j
l
j+1 l
j+1
L
j+1
Regin que
se descarta
A B C D E
L
j
l
j
l
j
l
j+1 l
j+1
L
j+1
A B C D E
L
j
l
j
l
j
l
j+1 l
j+1
L
j+1
Regin que
se descarta
181
figura 4 con el punto D. Despus de realizar m experimentos de los N
predeterminados, la longitud del intervalo de incertidumbre est dada por:

L
F
F
L
m
N m
N
=
( ) 1
1


La regin fraccional de incertidumbre o efectividad, definida como la fraccin con
respecto al intervalo de incertidumbre a la que se reduce el intervalo despus de
realizar las N investigaciones, est dada por:
La ltima investigacin se lleva a cabo en el centro del intervalo L
N1
:

2
1
1
2
1

= =
N
N
o
N
L
L
F
F
l


Ejemplo 4:

Resuelva el ejemplo 2 por el mtodo de Fibonacci.

Si se define una efectividad de 0.01, se puede determinar F
N
y por lo tanto N:

1 1
100
0.01
N
F
o
= = =

1 1
1 1 5 1 5
, 0
2 2 5
j j
j
F j
+ +
(
| | | |
+
( = >
| |
| |
(
\ . \ .

,

para j = 10, F
10
= 89 y para j = 11, F
11
= 144. Se decide trabajar con N=10

En la tabla 10 se presentan los resultados de las iteraciones.

El espesor ptimo es de 0.112 ft para un costo total mnimo de 1487.64 $/ao.
Como puede observarse en la tabla 10 se realizaron 10 bsquedas, dos en el
intervalo inicial y una en cada etapa siguiente; aunque debe aclararse que
realmente son nueve bsquedas, pues la ltima coincide con la que se conserva
de la etapa anterior.

Tabla 10. Iteraciones en la bsqueda del mnimo del ejemplo 4.

Etapa L
k
l
k
x C
T
I ntervalo
0 0.000 0.200
E
L
L F
N
N
= = = o
1
1
182
1 0.200 0.076 0.076 0.124 1589.72 1493.04 0.076 0.200
2 0.124 0.047 0.124 0.153 1493.04 1550.50 0.076 0.153
3 0.076 0.029 0.106 0.124 1490.73 1493.04 0.076 0.124
4 0.047 0.018 0.094 0.106 1509.43 1490.73 0.094 0.124
5 0.029 0.011 0.106 0.112 1490.73 1487.64 0.106 0.124
6 0.018 0.007 0.112 0.117 1487.64 1488.36 0.106 0.117
7 0.011 0.004 0.110 0.112 1488.09 1487.64 0.110 0.117
8 0.007 0.002 0.112 0.115 1487.64 1487.75 0.110 0.115
9 0.004 0.002 0.112 0.112 1487.64 1487.64 0.112 0.112


4.2.3.4. Mtodo de la seccin de oro

Este mtodo es una modificacin del mtodo de Fibonacci. Se ha observado que
para grandes valores de j:

, por lo tanto,



0.382
J j
l L =
, cuando N>5.

Este mtodo exige que las ltimas cinco investigaciones se hagan mediante el
mtodo de Fibonacci. El mtodo se utiliza cuando no se conoce el nmero de
investigaciones que se van a realizar, o no se sabe el lmite de seguridad deseado.
Por el contrario el mtodo de Fibonacci permite el clculo del nmero de
investigaciones a partir de la relacin de la seguridad deseada.

La regin fraccional de incertidumbre despus de realizar N experimentos est
dada por:


Ejercicio 4:

Localizar el mnimo de la funcin representada por:

y x = ( ) 30
2


Tomar como intervalo de incertidumbre inicial 0 100 s s x . En la tabla 11 se
presentan los resultados.

Tabla 11. Iteraciones en la bsqueda del mnimo del ejercicio 4.
F
F
j
j

~
2
0382 .
o =

( . ) 0618
1 N
183

Etapa
L
k
l
k

x
y x ( )
I ntervalo
0
0 100 s s x
1 100 38.2 38.2, 61.8 67.2, 1011
0 618 s s x .
2 61.8 23.61 23.61, 38.2 40.8, 67.2
0 382 s s x .
3 38.2 14.59 14.59, 23.61 237.5, 40.8
1459 382 . . s s x
4 23.61 9.0 23.61, 29.2 40.8, 0.6
2361 382 . . s s x
5 14.59 5.57 29.2, 32.63 0.6, 6.9
2361 32 6 . . s s x
6 9.02 3.45 27.06, 29.2 8.6, 0.6
2706 32 6 . . s s x
7 5.57 2.13 29.2, 30.5 0.6, 0.3
2919 32 6 . . s s x
8 3.44 1.3 30.5, 31.33 0.3, 1.8
2919 3133 . . s s x

Hasta este punto la regin fraccional de incertidumbre es ( )
7
0.618 0.034 o = =

Se contina con el mtodo de Fibonacci a partir de la novena etapa (ver tabla 12).



Tabla 12. ltimas etapas en la bsqueda del mnimo del ejercicio 4.

Etapa
L
k
l
k

x
y x ( )
I ntervalo
0
2919 3133 . . s s x
1 2.14 0.8025 29.98, 30.52 4x10
-4
, 0.27
2919 3052 . . s s x
2 1.33 0.532 29.72, 29.98 0.078, 4x10
-4

29 72 3052 . . s s x
3 0.8 0.2666 29.98, 30.25 4x10
-4
, 0.0625
2972 3025 . . s s x
4 0.53 0.265 29.98, 29.98 4x10
-4
, 2x10
-4

2998 3025 . . s s x

El ptimo se localiza en x
*
. = 29 985 con
* 4
( ) 2 10 y x

= . El nmero total de etapas
fue 12, lo que sera equivalente a trabajar con el mtodo de Fibonacci para N = 13.

Ejemplo 5:

Resuelva el ejemplo 2 por el mtodo de la seccin de oro.

Se va a tomar como intervalo de incertidumbre inicial 0 0.2 x s s . En la tabla 13 se
presentan las iteraciones.

Tabla 13. Iteraciones en la bsqueda del mnimo del ejemplo 5.

Etapa L
k
l
k
x C
T
I ntervalo
l
F
F
L
1
3
5
1
3
8
214 08025 = = = * * . . .
184
0 0.000 0.200
1 0.200 0.076 0.076 0.124 1589.75 1493.04 0.076 0.200
2 0.124 0.047 0.124 0.153 1493.05 1550.44 0.076 0.153
3 0.076 0.029 0.106 0.124 1490.76 1493.05 0.076 0.124
4 0.047 0.018 0.094 0.106 1509.30 1490.77 0.094 0.124
5 0.029 0.011 0.106 0.112 1490.77 1487.64 0.106 0.124

Se hacen las ltimas bsquedas con el mtodo de Fibonacci (tabla 14):


Tabla 14. ltimas iteraciones en la bsqueda del mnimo del ejemplo 5.

Etapa L
k
l
k
x C
T
I ntervalo
0 0.106 0.124
1 0.018 0.007 0.112 0.117 1487.65 1488.36 0.106 0.117
2 0.011 0.005 0.110 0.112 1488.10 1487.65 0.110 0.117
3 0.007 0.002 0.112 0.115 1487.65 1487.74 0.110 0.115
4 0.005 0.002 0.112 0.112 1487.65 1487.65 0.110 0.112

La regin fraccinal de incertidumbre en este caso se ha reducido a 2.3% o = , el
cual puede considerarse un valor aceptable.

El espesor ptimo es de 0.112 ft para un costo total mnimo de 1487.65$/ao.


4.2.4. Mtodo numrico de funciones restringidas

Muchas funciones solamente toman valores en valores discretos de la variable
independiente. Caso de estas funciones se obtienen con procesos reales donde, la
variable independiente es el dimetro de la tubera, el espesor de los materiales de
aislamiento, el nmero de unidades en una batera de unidades de proceso:
reactores, evaporadores, etc.

En los problemas con estas restricciones no son directamente aplicables los
mtodos precedentes. Estos problemas pueden ser resueltos utilizando
modificaciones de los mtodos anteriores. Por ejemplo, el mtodo de Fibonacci
puede aplicarse con algunas adaptaciones.

Caso 1:

Si la funcin discreta est definida en K puntos y se cumple que:

K F
N
+ = 1

185
Donde F
N
: Nmero de la serie de Fibonacci

Para esta aplicacin no es necesario que los valores de la variable independiente
estn igualmente espaciados, pero si se requiere que estn ordenados de alguna
forma. Una vez estn ordenados, creciente o decrecientemente, es necesario
rotular los valores con nmeros desde 1 hasta K, de tal manera que cada uno
quede identificado por un entero k, donde:

1< < k K

Con esta asociacin de la posicin definida, para cada valor de la variable
independiente la bsqueda del ptimo siempre corresponder a un nmero entero,
que no es el valor de la variable sino que indica la posicin de la variable en el
orden preestablecido.

Se define entonces que el intervalo inicial para la bsqueda est dado por:

L K
1
1 = +

y los dos primeros experimentos se realizan en k l =
1
y k K l = + 1
1
, donde:
2 2
1 1 2
( 1)
( 1)
N N
N
N
F F
l L K F
F K

= = + =
+


En general:

l
F
F
L F
j
N j
N
N j
= =
+
+
( )
( )
1
1 1



Caso 2:

Si K+1 no es un nmero de la serie de Fibonacci, se agregan puntos ficticios en los
extremos hasta obtener un nmero de la serie de Fibonacci, o sea que:

1
N
F F K = + +

Donde F es el nmero de puntos ficticios agregados en los extremos. Se
recomienda que estos puntos se distribuyan en los dos extremos; y si debe
realizarse una bsqueda en un punto ficticio se pasa la bsqueda al punto real ms
cercano.

El intervalo de incertidumbre inicial, para los dos casos se define como [0,F
N
] y en
la etapa j, [k
I
,k
S
] siendo k
I
el lmite inferior y k
S
el superior. Estos valores dependen
de que regin se descarta y cual se conserva, de acuerdo con el objetivo de
optimizacin.
186

Las posiciones en el ordenamiento donde debe evaluarse la funcin objetivo en la
etapa j sern:

k
1
= k
I
+ l
j
y k
2
= k
S
-l
j


Si el mejor valor de la funcin objetivo, mnimo o mximo, se ubica en el valor k
1
,
se descartan los valores mayores que k
2
y se conservan para el nuevo intervalo de
incertidumbre todos los valores de k menores que k
2
. En el caso en que el mejor
valor de la funcin se ubique en el valor k
2
, se descartan los valores menores que
k
1
.

Ejemplo 6:

Se desea bombear 1000 lb/h de glicerina a 15C desde un tanque de
almacenamiento que est al nivel del piso, hasta otro situado a una altura de 35 ft.
La longitud total de la tubera es de 75 ft e incluye cuatro codos de 90. Determine
el dimetro ms apropiado de la tubera para la planta considerando solamente los
costos de tubera instalada y los costos de bombeo.

El costo de tubera de 1 in de dimetro es X $/ft de longitud, y para determinar el
costo de cualquier tubera se puede utilizar la relacin:

2
1
2
1
D
D
C
D
C D
= C
D
: Costo de la tubera de dimetro D

Los tamaos estndares de la tubera pulgadas pueden ser tomados como 1, 1,
1, 2, 2 , 3, 4, 5, 6 y 8, los costos de electricidad Y $/kwh.

Una representacin del sistema se muestra en la figura 5.

187
Figura 5. Representacin del sistema de bombeo del ejemplo 6.

Total B T
C C C = + C
B
: Costos de bombeo C
T
: Costos de tubera

B
C Q HtY = H: Cabeza del sistema g = t: Tiempo

D S
H h h = h
D
: Cabeza total de descarga
h
S
: Cabeza total de succin

D SD PD fD
h h h h = + + h
SD
: Cabeza esttica de descarga
h
PD
: Cabeza superficial de descarga
h
fD
: Cabeza friccin de descarga
S SS PS fS
h h h h = + + h
SS
: Cabeza esttica de succin
h
PS
: Cabeza superficial de succin
h
fS
: Cabeza friccin de succin
2
35
SD
h H = +
0
PD
h =

A la cabeza de friccin de descarga contribuyen los 74 ft de tubera (1), los cuatro
codos de 90 (2) y el agrandamiento sbito al final de la lnea de descarga, pero
este ltimo es despreciable.

1 2 fD fD fD
h h h = +
2 2
1
64
4
2 Re 2
fD
L V L V
h f
D g D g
= =

35 ft
H
1
H
2
1ft
35 ft
H
1
H
2
35 ft
H
1
H
2
1ft
188
3 3
8
2
3
3
1.264 79.01 800 2.42 1936
9.8 4.1731 10
1
1000 12.673
79.01
g lb lb
cp
cm ft fth
m ft
g
s h
lb lb ft
Q
h ft h
= = = =
= =
= =


2 2 2
4 4 12.673 16.136 0.6577
Re
Q Q DV
V
A D D D D

t t

= = = = = =


( )
( )
2
3
1 4 4 8
16.136
64 74 2.2464 10
0.6577 2 4.1731 10
fD
D
h
D D D

= =



Aunque la solucin de este problema se buscar en rgimen laminar, se usarn
valores de longitudes equivalentes de tubera para rgimen turbulento como una
aproximacin. En la tabla 15 se presentan las longitudes equivalentes (Le) de
tubera recta para codos estndares de 90 para flujo turbulento.

Tabla 15. Longitudes equivalentes para codos de 90
1
.

Dimetro nominal
(in)
1 1 1 2 2 3 4 5 6 8
Longitud
equivalente (ft)
2

1.6 2.1 2.4 3.1 3.6 4.4 5.9 7.3 8.9 12
Dimetro interno (ft) 0.087 0.115 0.134 0.172 0.206 0.256 0.336 0.421 0.505 0.673

Realizando una regresin del dimetro interno (ft) frente a la longitud equivalente
(ft) y hacindola pasar por el origen, se obtiene el mejor ajuste para una lnea recta
cuya ecuacin es 17.658 Le D =

( ) ( )
( )
2
2 3 4 8
16.136
64 0.00214
4
0.6577 2 4.1731 10
fD
Le D
D
h
D D D
(
( = =

(



3
4 3
2.2464 10 0.00214
fD
h
D D

= +

3
2
4 3
2.2464 10 0.00214
35
D
h H
D D

= + + +


1
Syska R. And Birk J., Pump engineering manual, The Duriron Company, 1976
2
Radio corto
189
1 SS
h H =
0
PS
h =

A la cabeza de friccin de succin contribuyen 1 ft de tubera y prdidas por la
entrada a la tubera, pero esta ltima se va a despreciar.

( )
( )
2
5
4 4 8
16.136
64 1 3.0357 10
0.6577 2 4.1731 10
fS
D
h
D D D

= =



5
1
4
3.0357 10
S
h H
D

= +


3 5
2 1
4 3 4
2.2464 10 0.00214 3.0357 10
35 H H H
D D D


= + + +


Suponiendo que H
1
= H
2


3
4 3
2.216 10 0.00214
35 H
D D

= + +


( )
( )
3
3 3
5
3
3
3
2 3 3 3
0.3048
12.673 9.97 10
3600
100
9.8 1.264 12387.2
1000
8000
151$/
ft h m
Q
h ft s s
cm
m g kg N
g
s cm g m m
t h
Y kW

= =
| |
= = = |
|
\ .
=
=


3 3
5
3 4 3
2.216 10 0.00214 0.3048
9.97 10 12387.2 35
1
$ 1
8000 151
1000
B
C Q HtY
m N m
ft
s m D D ft
h kW Ws
ao kWh W Nm

=
| |
= + +
|
\ .

4 3
1.008 0.973
15917
D D
= + +

El costo de tubera de 1 in de dimetro nominal en acero inoxidable 304 sch 40 es
18900 $/m.

190
1
1
T D
D L
C C
D T
| |
=
|
\ .


L: Longitud total de tubera, ft
T: Vida til del sistema, ao

Para la longitud de tubera del sistema y 10 aos de vida til:

$ 0.3048 12 1
18900 75
1 1 1 10
518465
T
m Dft in
C ft
m ft in ft ao
D
| |
=
|
\ .
=


Sumando los costos de tubera y costos de bombeo se obtiene la funcin objetivo:

4 3
1.008 0.973
15917 518465
Total
C D
D D
= + + +


D[=] ft, dimetro nominal
C
T
[=] $

El dimetro ptimo se encuentra entre uno de los siguientes valores de dimetro
nominal en pulgadas: 1, 1, 1, 2, 2 , 3, 4, 5, 6 y 8.

En estos casos el mtodo ms apropiado para realizar la optimizacin es el
numrico de funciones restringidas, tal como el de Fibonacci modificado, en donde
la variable toma valores discretos.

Siguiendo el mtodo tenemos que:

K = 10, K+1 = 11

Como K+1 no coincide con un nmero de Fibonacci, entonces corresponde al caso
2, y debe buscarse un F tal que:

1
N
F F K = + +

De all se encuentra F = 2 y F
6
= 13

En la tabla 16 se muestra la distribucin de la variable independiente D, frente a la
nueva variable independiente k. Como puede observarse, los valores ficticios de k
se distribuyen en los extremos del intervalo de D. Uno se adicion a la izquierda,
por ello el primer valor del dimetro no est asociado al valor de k = 1, y el otro se
adicion al otro extremo. Queda el intervalo inicial [0, F
N
] = [0, 13]

191
Tabla 16 Variables independientes para el ejemplo 6

k 0 1 2 3 4 5 6 7 8 9 10 11 12 13
D(in) 1 1 1 2 2 3 4 5 6 8

En la tabla 17 se muestran los resultados de las iteraciones,

Tabla 17. Iteraciones en la bsqueda del mnimo del ejemplo 6.

Etapa L
j
l
j
k C
Totales
I ntervalo
0 0 13
1 13 5 5 8 1.038x10
5
1.888x10
5
0 8
2 8 3 3 5 0.79356x10
5
1.038x10
5
0 5
3 5 2 2 3 0.8171x10
5
0.79356x10
5
2 5
4 3 1 3 4 0.79356x10
5
0.8535x10
5
2 4
5 2 1 3 3 0.79356x10
5
0.79356x10
5


El dimetro ptimo para el sistema de bombeo es 1 in. El nmero de Reynolds
para este dimetro es 6.34 el cual es menor de 2100, confirmando la suposicin de
rgimen laminar en el sistema.


4.3. Mtodos de optimizacin de funciones multivariables

4.3.1. Mtodo analtico de funciones no restringidas

Anlogamente a las funciones univariables, para la existencia de un punto extremo
es necesario que se cumplan dos tipos de condiciones:

si f x x x f X
n
( , , . . . , ) ( )
1 2
=

es la funcin objetivo, las condiciones necesarias y

suficientes son:

Condiciones necesarias:

i. f X ( )

diferenciable en

X
*

ii. ( ) 0

= V
*
X f

Condiciones suficientes:

f X ( )

sea dos veces diferenciable en

X
*


i. Para un mximo, que:

192
D
i
< 0 ; i=1,3,5,... (impar)
D
i
> 0 ; i=2,4,6,... (par)

ii. Para un mnimo, que:

D
i
> 0 ; i=1,2,3,4,...

Donde: D
i
es el determinante menor de la matriz hessiana definido como:

(
(
(
(
(

=
i i i i
i
i
x x x x x x
x x x x x x
x x x x x x
i
f f f
f f f
f f f
D

2 1
2 2 2 1 2
1 2 1 1 1


donde:
( )
2 *
f X
f
x x
x x
j i
j i
c
c c
= ; segunda derivada evaluada en
*
X

Si no se cumple ninguno de los dos grupos de condiciones suficientes, el valor
estacionario puede no ser una condicin ptima. En el caso en que todos los D
i

sean ceros deben chequearse las derivadas de orden superior a dos. En los otros
casos el punto estacionario es un punto silla.

Las condiciones necesarias y suficientes para un punto ptimo de una funcin
pueden analizarse en la expansin de Taylor para la funcin.

La expansin de Taylor para una funcin puede expresarse como:

y X y X y
y y y
k
R
k
k
( ) ( )
! !
. . .
!

= + + + + +
-
+
A
A A A
2 3
1
2 3


f X f X f
f f f
k
R
k
k
( ) ( )
! !
. . .
!

= + + + + +
-
+
A
A A A
2 3
1
2 3


donde:
( )
( )
( )
( )
( )
( )
*
1 1 2 2
1 2
...
n n
n
f X f X f X
f x x x x x x
x x x
c c c
c c c
- -
- - -
A = + + +
( )
( )
( )
( )
( )
( )
2 2 2 *
2 2 2
2
1 1 2 2 2 2 2
1 2
...
n n
n
f X f X f X
f x x x x x x
x x x
c c c
c c c
- -
- - -
A = + + + +
193
( )( )
( )
( )( )
( )
2 * 2 *
* * * *
1 1 2 2 1 1 3 3
1 2 1 3
2 2 ...
f X f X
x x x x x x x x
x x x x
c c
c c c c
+ +
( )( )
( )
( ) ( )
( )
2 * 2 *
*
* * *
1 1 1 1
1 1
2 ... 2
n n n n n n
n n n
f X f X
x x x x x x x x
x x x x
c c
c c c

+ + +
c


En general:

A
k
n
p
n n
p
k
p p
n
p
f
k
p p p
x x x x
f X
x x x
n
n
=

-
!
! !. . . !
( ) . . . ( )
( )
. . .
* *
1 2
1 1
1 2
1
1 2
c
c c c

donde la sumatoria se hace sobre todos los enteros positivos mayores o iguales a
cero, tal que:

p k
i
i
n
=
=

1


Por ejemplo para n=2 y A
2
f k=2, los enteros resultantes son:

p
1
= 0 y p
2
= 2, p
1
=1 y p
2
= 1, p
1
= 2 y p
2
= 0

2 *
2 * *
1 2
1 1 2 2
1 2
1 2
1 2
2! ( )
( ) ( )
! !
f X p p
f x x x x
p p
p p
x x
c
c c
A = =

2 * 2 * *
* 2 * * * 2
1 1 1 1 2 2 2 2 2 2
1 1 2 2
2
( ) ( ) ( )
( ) 2( )( ) ( )
f X f X f X
x x x x x x x x
x x x x
c c c
c c c
+ +
c


Para que la funcin f X ( )

tenga un ptimo en un punto estacionario se requiere:

i. Para un mximo: A
2
0 f <
ii. Para un mnimo : A
2
0 f >

Si no se cumplen las condiciones anteriores deben analizarse los signos de los A
de orden superior junto con la funcin en trminos de la serie de Taylor, o sea :

f X f X f
f f f
k
k
( ) ( )
!
. . .
!
*

= + + + A
A A A
2 3
2 3!


Ejercicio 5:

Encuentre el punto estacionario de la funcin
f X x x x x x x x x ( )

= + +
1
2
2
2
3
2
1 3 2 3 1
2 4
194

y diga si es un mximo o un mnimo.

( )
1 3
1
2 2 4
f X
x x
x
c
c
= +
( )
2 3
2
2
f X
x x
x
c
c
=
( )
1 2 3
3
2 2
f X
x x x
x
c
c
= +

Haciendo
*
( ) 0 f X V = , se obtiene:

2 2 4 0
2 0
2 2 0
1 3
2 3
1 2 3
x x
x x
x x x
+ =
=
+ =


Resolviendo el sistema de ecuaciones lineales se tiene:

x
x
x
1
2
3
10
4
8
=
=
=


Evaluando los determinantes menores de la matriz hessiana:

D f
x x
D
f
x x
f
x x
f
x x
f
x x
D
f
x x
f
x x
f
x x
f
x x
f
x x
f
x x
f
x x
f
x x
f
x x
1
1 1
2
1 1 1 2
2 1 2 2
3
1 1 1 2 1 3
2 1 2 2 2 3
3 1 3 2 3 3
=
=
=



f
x x
f
x x
f
x x
f
x x
f
x x
f
x x
f
x x
f
x x
f
x x
1 1
2
1 2
0
1 3
2
2 1
0
2 2
2
2 3
1
3 1
2
3 2
1
3 3
2
= = =
= = =
= = =

195

D 2
1
=

2 0
D 4
2
0 -2
= =
2 0 -2
D 0 -2 -1 2
3
-2 -1 2
= =

El punto estacionario no es ni mximo ni mnimo, es un punto silla.

Ejemplo 7:

Un fabricante puede producir un cierto tem A por 20 pesos/lb y un tem B por 10
pesos/lb. El equipo de mercadeo de la empresa cree que la compaa puede
vender 2000.000/x
2
y lb/dia de A y 2000.000/xy
2
lb/da de B, donde x es el precio
de venta de A, en pesos/lb y y es el precio de venta de B, en pesos/lb. Cules son
los valores de x y y para obtener el mximo beneficio?

El beneficio obtenido se puede expresar a travs de la siguiente funcin objetivo:

( ) ( ) ( ) 10
000 . 000 ' 2
20
000 . 000 ' 2
2 2
+ = y
xy
x
y x
X f

Siendo
(

=
y
x
X

Utilizando el mtodo analtico de funciones no restringidas, se puede optimizar
( ) X f para hallar los valores de x y y que hacen mxima la funcin.

Se debe cumplir la condicin necesaria:

0 ) (
*

= V X f , es decir:

(

=
(
(
(
(

c
c
c
c
= V
0
0
) (
*
y
f
x
f
X f



( )
0 10 2
40 10 2
6
2 2
=
|
.
|

\
|
+

=
c
c
y
x
y
y x x
X f
(1)

196
( )
0 20 2
20 10 2
6
2 2
=
|
|
.
|

\
|
+

=
c
c
x
y
x
y x y
X f
(2)

Resolviendo el sistema de ecuaciones formado por (1) y(2), se obtiene:

30
*
= x y
15
*
= y

Con estos valores, se puede confirmar la otra condicin necesaria, de que
( )
*
X f

es diferenciable en
x
X

.

Para la existencia de un mximo debe cumplirse que

D
i
< 0 ; i=1,3,5,... (impar)
D
i
> 0 ; i=2,4,6,... (par).

D
f f f
f f f
f f f
i
x x x x x xi
x x x x x xi
xix xix xixi
=
1 1 1 2 1
2 1 2 2 2
1 2
.....
.....
: : :
.....
f
x
j
x
i
f X
x
j
x
i
=
c
c c
2
(
*
)

6 2
2 2 2 2
2 10 120 4 20
6.584
f y y
f
xx
x x y x x x
c (
= + =
(
c


2 6
2 2 2 2
2 10 60 4 40
26.337
f x x
f
yy
y x y y y y
( c
= + =
(
c


2 6
2 2
2 10 40 20
2 6.584
f
f
xy
x y x y x y
( c
= + =
(
c c


2 6
2 2
2 10 40 20
2 6.584
f
f
yx
y x x y x y
( c
= + =
(
c c



1
6.584 0 D = <

2
6.584 6.584
130.05 0
6.584 26.337
D

= = >



Se confirma que los valores de x = 30 y y = 15, generan el mximo beneficio.


4.3.2. Mtodos analticos de funciones restringidas

197
4.3.2.1. Restricciones de igualdad

4.3.2.1.1. Mtodo de substitucin directa

Si existen m restricciones de igualdad lineales, el mtodo consiste en eliminar m de
las n variables y resolver el problema por el mtodo de funciones no-restringidas
con (n - m) variables.

Ejercicio 6:

Encontrar el mnimo de la funcin:
( )
f X x x

= + 4 5
1
2
2
2
sujeto a 2 3 6
1 2
x x + = .

De la restriccin se obtiene que:

x
x
1
2
6 3
2
=

al sustituir x
1
en la funcin objetivo se obtiene:

( )
( )
2
1 2 2 2
1 2
2
2
14 36 36
28 36
f x x x
f x
x
x
c
c
= +
=

2 2
2
1 1
1
36
1.286
28
28
1.071
x x
x
D f
x
= ~
= =
~


El mnimo es:

( ) ( ) ( )
( )
2 2
*
*
4 1.071 5 1.286
12.857
f X
f X
= +
=


El mtodo de substitucin directa es recomendable cuando las variables pueden
despejarse fcilmente para substituirlas. Este mtodo debe usarse
preferencialmente cuando las restricciones son lineales.

Ejercicio 7:

Maximizar y x x x = +
1 2 3
2
3 5
Sujeto a x x x
1 2
2
3
3 10 + =

198
Eliminando

( ) ( )
x x x
f x x y x x x x
1 2
2
3
2 3 1 2
2
3 2 3
2
10 3
10 3 3 5
= +
= = + + ,

= + + 10 3 5 3
2
2
2 3
2
3
x x x x


Condiciones necesarias:

c
c
c
c
y
x
x x
y
x
x x
x
1
2
2 2
1
3
3 3
1
2
2 3 0
3
2
10 3 0
3
10
10
3
2
3
3
10
865
= + = =
= + = =
=
|
\

|
.
|
+
|
\

|
.
|
= .


Condiciones suficientes:
D f D
f f
f f
f
y
x
D
f
y
x x
f
y
x x
f
y
x
x x
x x x x
x x x x
x x
x x
x x
x x
1 2
2
1
2
2
1
2
1
2 3
2
1
3 2
2
1
3
2
2 2
2 2 2 3
3 2 3 3
2 2
2 3
3 2
3 3
2
0
0
10
= =
= = =
= =
= =
= =
c
c
c
c
c
c
c
c


2
2 0
20
0 10
D

= =

*
8.65
3/ 2
3/10
X
(
(
=
(
(

es un mximo

199

Ejemplo 8:

Se dispone de la materia prima A en una solucin saturada de 0.2 gmol/l, a partir
de la cual se puede producir D mediante la reaccin:

A D

cuya velocidad de reaccin puede aproximarse a:

-r
A
= k
1
C
A


donde:

k
1
= 0.004 min
-1

C
A
[=] gmol/l

Determine el grado de conversin necesaria y el tamao del reactor de tanque
agitado para un proceso constituido por un reactor y una unidad de destilacin para
la recuperacin del reactivo, para producir 50 gmol/min de D, si el costo del reactor
es 3000+1500V pesos y el de la columna 20000+5000Q pesos, donde:

V: Volumen del reactor, l
Q: Flujo volumtrico en el sistema, l/min

Los costos de operacin anual del reactor y de la columna de destilacin pueden
asumirse proporcionales al flujo e iguales a $10000/(l/min)(ao).

El valor del producto D es 60 $/gmol y el de A en solucin 20 $/gmol. Para el
anlisis del sistema considere que se opera 350 das al ao y se tiene un horizonte
econmico de vida til igual a 10 aos. Tambin asuma que la recuperacin del
reactivo en la unidad de destilacin es completa, que no se recircula en el sistema
y que tiene el mismo precio de la solucin materia prima.

En la figura 6 se muestra el esquema del problema planteado.

Modelo matemtico del sistema:






2
*
8.65 3(3/ 2) 5(3/10)
12.7
y
y
= +
=
C
A0
= 0.2 gmolmin
C
D
= 0
Q, C
A
, C
D
C
D
= 50 gmolmin
C
A0
= 0.2 gmolmin
C
D
= 0
Q, C
A
, C
D
C
A0
= 0.2 gmolmin
C
D
= 0
Q, C
A
, C
D
C
D
= 50 gmolmin
-1
-1
200

















Figura 6. Esquema del problema 8

1. Volumen de control: Reactor
- Reactor CSTR
- Sistema isotrmico
- Flujo volumtrico constante

Principio de conservacin de masa:


0 1 A A A
QC k C V QC = (i)

1 A D
k C V QC = (ii)

2. Volumen de control: Unidad de destilacin

50
min
D
gmol
QC = (iii)
Modelo matemtico del problema de optimizacin:

Tiempo de anlisis: 1 ao de operacin
Objetivo a optimizar: costos totales anuales

Costos totales anuales = costos operacin anual + costo anual materia prima +
costo anual del reactor (inversin) + costo anual de la
torre (inversin)

En la funcin del costo se asume que no se carga al sistema costos financieros del
capital invertido en el reactor y en la unidad de destilacin.

201
Costo de operacin anual = Q 10000

Se tiene slo en cuenta la materia prima que reacciona, porque la otra se recupera
en el proceso.

Costo materia prima (A) =
8
( ) 60min 24 350 $
50 20 5.04 10
min ( )
gmol A h d
h d ao gmol A
=

Costo de capital por el reactor (anual) = ( )
1
3000 1500 300 150
10
V V + = +

Costo de capital por unidad de destilacin (anual) =
( )
1
20000 5000 2000 500
10
Q Q + = +
El consumo de materia prima por minuto se obtiene a partir del modelo matemtico
del sistema.

Consumo de materia prima por minuto =
0 1 A A A
QC QC k C V =


Funcin objetivo:

( ) ( )
8
10000 5.04 10 300 150 2000 500
TA
C Q V Q = + + + + +

Restricciones:


0 1 A A A
QC k C V QC = (1)

1 A D
k C V QC = (2)
50
D
QC = (3)

Utilizando el mtodo de la sustitucin directa:

(3) en (1):
1
1
50
50
A
A
k C V V
k C
= =
(2) en (3):
0
0
50
50
A A
A A
QC QC Q
C C
= =

Sustituyendo V y Q en trminos de C
A
en la funcin objetivo:

8
0 1 0
50 50 50
10000 5.04 10 300 150 2000 500
TA
A A A A A
C
C C k C C C
| |
= + + + + +
|

\ .


202
5
8
0
5.25 10 7500
5.04002 10
0.004
TA
A A A
C
C C C

= + +

5 6
8
0
5.25 10 1.875 10
5.04002 10
TA
A A A
C
C C C

= + +

( )
5 6
2 2
5.25 10 1.875 10
0.2
TA
A A
A
dC
dC C
C

=

( )
2
5 2 6
0 5.25 10 1.875 10 0.2
TA
A A
A
dC
C C
dC
= =


( )
( )
2
2
3.57 0.2
1.889 0.2
2.889 0.3778
0.1308
A A
A A
A
A
C C
C C
C
C
=
=
=
=


50
95638.87
0.004 0.1307
V l = =

50
721.5
0.2 0.1307 min
l
Q = =

( )
( )
( )( )
6
5
2
3 2 3
2 1.875 10
2 5.25 10 1
0.2
TA
A A
A
d C
dC C
C


=

( )
2 6 6
3 2 3
1.05 10 3.75 10
0
0.2
TA
A A
A
d C
dC C
C

= >

Porcentaje de conversin:

% 6 . 34 100
0
0
=

=
A
A A
A
C
C C
x

Ejemplo 9:

203
Se convierte un reactante A en un producto B, en una batera de N reactores
continuos de tanque agitado, cuyo volumen total es V ft
3
. Si el caudal de
alimentacin es q ft
3
/min y la concentracin de A a la entrada es C
A,0
, demustrese
que la produccin mxima de B se obtiene cuando todos los tanques son del
mismo tamao. Puede considerarse que la reaccin es de primer orden y que la
batera opera isotrmicamente, adems puede tomarse densidad constante para
cualquier reactor.

Objetivo:

Maximizar la produccin de B o minimizar la concentracin de A a la salida del
sistema

Sistema para estudio:
En la figura 7 se muestra el esquema de una batera de reactores.


Figura 7. Esquema de una batera de reactores


Formulacin del modelo matemtico del sistema:

De un balance de A en el reactor n, se obtiene:

qC kC V qC
A n A n n A n , , ,
=
1


definiendo:

1 2 n N
q q q q C
A,0
C
A,1
C
A,n-1
C
A,N
V
1
V
2
V
n
V
N
1 2 n N
q q q q C
A,0
C
A,1
C
A,n-1
C
A,N
V
1
V
2
V
n
V
N
204
( )
u
u
u
n
n
n A n A n
A n
n
A n
V
q
k C C
C
k
C
=
+ =

+
|
\

|
.
| =

1 0
1
1
0
1
1
, ,
, ,

Si: A
k
n
n
=
+
1
1 u


( ) =

C 1
A n n A n
A C
, , 1
0

La ecuacin (1) es una ecuacin diferencia con coeficientes variables cuya
solucin es:

, ,0
1
n
A n A t
t
C C A
=
=
[

( )
, ,0 1 2
, ,0
1 2
....
1 1 1
.... 2
1 1 1
A n A n
A n A
C C A A A
C C
k k k n u u u
=
| || |
| |
=
| | |
+ + +
\ .
\ .\ .


Para una batera de N reactores cuyo volumen total es constante, se tiene que:

1 1
N N
t i
t i
V
q
u u
= =
= =



donde V: es el volumen total de los reactores.



V
i
N
i
n
=
=

1
u
u

n=1
N
=



De la ecuacin (2) se obtiene que la concentracin de salida de A, de la cascada,
est dada por

205
, ,0
1 2
, ,0
1
1 1 1
....
1 1 1
1
1
A N A
N
N
A N A
t t
C C
k k k
C C
k
u u u
u
=
| | | || |
=
| | |
+ + +
\ .\ . \ .
=
+
[

como:
1 2
....
N
V
q
u u u = + + +

1
1
N
N t
t
V
q
u u

=
=

Funcin objetivo:
( )
1
,0
,
1
1
1
1
1
1
N
A
A N
N
i i
i
i
C
C
k
V
k
q
u
u

=
=
=
+ ( | |
+
( |
\ .
[

Solucin:
Todas las derivadas (
, A N
i
C
u
c
c
) deben ser iguales a cero.
( )
( )
( )
1 1
, A,0
,0 2
1
1
1 1 1
1
1
1
-kC
1 1
+
1 1
1 1
1
N N
A N
A
N
N
i i i i
i
i
i
i
C
k
C
k k
V
V
k k
k
q
q
c
cu u u
u u
u

= =
=
=
(
(
(
=
(
+ + ( | |
| |
(
+ +
+ ( |
`
|
(
\ .
\ . )
[ [

,
1
0
A N
C c
cu
=

( )
( )
( )
1
,0
2
1
1
1
1
,0
1
1
1
1
1
1
1
1
1
1 1
N
A
N
i i
i
i
N
A
N
i i
i
i
kC
k
V
k
q
kC
k
V
k k
q
u
u
u
u u

=
=

=
=

+
( | |
+
( |
\ .
=
+ ( | |
+ +
( |
\ .
[

206
1
1
1
1
1
1
1
1
1 1
1
1
1 1
1 1

N
i
i
N
i
i
N
N
k V
k
q
V
k k
q
k k
u
u
u u
u u
u u

=
=
+ | |
+
|
\ .
| |
+ = +
|
\ .
+ = +
=

De la derivada con respecto a
n
u se obtiene:


N n
N n N n
V V
V V
q q
u u = = =

O sea que el volumen del reactor N es igual al volumen de cualquier reactor de la
batera; lo que implica que todos los reactores tienen el mismo tamao.


4.3.2.1.2. Mtodo de la variacin restringida

En el mtodo de la substitucin directa el procedimiento est constituido por una
primera etapa de substitucin y una posterior de diferenciacin, y el ptimo no se
empieza a buscar hasta tanto no se hayan eliminado las m variables de la funcin
objetivo. En el mtodo de la variacin restringida el orden del procedimiento se
invierte.

Condiciones necesarias:

La condicin necesaria para la existencia de un ptimo en este mtodo, asumiendo
continuas la funcin objetivo, las restricciones y sus primeras derivadas, junto con
la existencia de las segundas derivadas, es:

J
f X g g g
x x x x
k
m
k m
( ), , , . . . .
, , . . . .

1 2
1 2
0
|
\

|
.
| =

para k=m+1,m+2,...,n

donde:
207
J
f X g g g
x x x x
f
x
f
x
f
x
f
x
g
x
g
x
g
x
g
x
g
x
g
x
g
x
g
x
k
m
k m
k m
k m
m
k
m m m
m
( ), , , . . . .
, , . . . .
. . . . . .
. . . . . .
: : : :
. . . . . .

1 2
1 2
1 2
1 1
1
1
2
1
1 2
|
\

|
.
| =
c
c
c
c
c
c
c
c
c
c
c
c
c
c
c
c
c
c
c
c
c
c
c
c


g: restricciones de igualdad
n: nmerode variables
m: nmero de restricciones de igualdad

La condicin necesaria constituida por (n-m) ecuaciones y las m ecuaciones de
igualdad conforman un sistema de n ecuaciones con n incgnitas.

Condiciones suficientes:

La condicin suficiente est dada por el signo de A
2
f en la expansin de Taylor de
la funcin despus de eliminar m variables.

+ =

+ =

+ =
+
|
|
.
|

\
|
+
|
|
.
|

\
|
+ =
n
m j
n
m j
n
m k
k
h
j
h
g
k
x
j
x
f
j
h
g
j
x
f
X f X f
1 1 1
.....
2
! 2
1
)
*
( ) (
c c
c
c
c



En esta expresin
*
( )
j j j
h x x = . La notacin g se interpreta como que los x
i
con
i=1,2,...,m toman los valores que satisfacen las restricciones.

La condicin se define como:

i. Para un mnimo


2
2
0
1 1
n n
f
f h h
i j
x x
i m j m i j
g
c
c c
| |
|
A = >
|
= + = +
\ .


ii. Para un mximo


2
2
0
1 1
n n
f
f h h
i j
x x
i m j m i j
g
c
c c
| |
|
A = <
|
= + = +
\ .


donde:
208

1.
2
2 2
1 1 1
m m m
x x x
f f f
s s r
x x x x x x x x x
s s r i j s i j r s i j
x g
x
g g
g
c c c
c c c
c c c c c c c c
| |
| | | |
| |
| | | |
|
| |
| = + | |
| | | |
| |
= = = \ . \ .
\ .
\ . \ .
\ .


2 2 2
1 1
m m
x x
f f f
s s
x x x x x x x x
s s s j i s i j i j
g
x
x g x
c c
c c c
c c c c c c c c
| | | | | |
| |
| |
| | |
| + + + |
|
| | | |
= = \ .
\ .
\ . \ . \ .


2.
c
c
x
p
x
i
g
J
g g g
m
x x x
p
x
i
x
p
x
m
J
g g g
m
x x x
m
|
\

|
.
|
|
|
=
+
|
\

|
.
|
|
|
\

|
.
|
|
1 2
1 2 1 1
1 2
1 2
, ,.....,
, ,..... , , ,....,
, ,.....,
, ,.....,


En el jacobiano del numerador se reemplaza la variable x
p
por x
i



3.
, ,.... , ,....,
1 2 1 1
2
, ,.... , ,....,
1 2 1 1
,
( 1)
, ,.....,
1
1 2
, ,.....,
1 2
g g g g g
l l m
J
x x x x x x
m
p p m p
p l i j
d
l
x x g g g
l i j m
J
g
x x x
m
c
c c
| |
+
|
| |
|
+
| + \ .
=
|
| |
| =
| \ .
|
\ .


En el jacobiano del numerador se eliminan la funcin g
l
y la variable x
p
.

4.
2
,
1 1
x
m m
g x
p i j
l s
d
l
x x x x
p s p s i j
g
g
x
c
c c
c c c c
| |
| |
| |
|
|
= |
| |
|
= = \ .
\ .
\ .


2 2 2
1
x x
m
g g g
p p
l l l
x x x x x x x x
p j p i i p j i j
g
g
x x x
c c
c c c
c c c c c c c c
(
| | | | | |
| |
| |
(
| | |
|
| +
(
| | | |
|
( =
\ .
\ .
\ . \ . \ .



para: n j m n i m s s + s s + 1 , 1

Como condicin suficiente puede aplicarse tambin:

i. Para un mximo, que

0 <
it
D ; i=1,3,5,.... (impar)
209
0 >
it
D ; i=2,4,6,.... (par)

ii. Para un mnimo, que

0 >
it
D

donde:

i m
x
i m
x
0
f ......
2 m
x
i m
x
0
f
1 m
x
i m
x
0
f
: : :
i m
x
2 m
x
0
f ......
2 m
x
2 m
x
0
f
1 m
x
2 m
x
0
f
i m
x
1 m
x
0
f ......
2 m
x
1 m
x
0
f
1 m
x
1 m
x
0
f
t
i
D
+ + + + + +
+ + + + + +
+ + + + + +
=

f
x
i
x
j
f
x
i
x
j
g
0
2
=
|
\

|
.
|
|
c
c c


Ejercicio 8:

Minimizar
1
2
2
2
1
4 4 x x x y + =
Sujeto a:
2 1
2 12 x x =


A) Solucin por el mtodo de substitucin directa:


Eliminando
1
2
12
2
x
x
+
=

2
2 1
1 1 1
12
4 4
2
x
y x x
| | +
= +
|
\ .


2
1 1 1
2 20 144 y x x = + +

Condicin necesaria:


dy
dx
x
1
1
1
4 20 0 = + =
*
1
5 x =

*
2
7/ 2 x =



210

Condicin suficiente:


d y
dx
x
2
1
1
2
1
0
|
\

|
.
| >
*


d y
dx
2
1
1
2
4 0 = >

X
*
/
=

(
5
7 2
y
*
= 94


B) Solucin por el mtodo de la variacin restringida:

y f x x x x x = = + ( , )
1 2
2
1
2
2
1
4 4


1 2 2 1
( , ) 2 12 0 g x x x x = =

Condiciones necesarias:

i. Tanto la funcin objetivo como la restriccin son continuas y sus primeras y
segundas derivadas existen.

ii. J
f X g
x x
2
1
2 1
0
( ),
,

|
\

|
.
|
|
= n = 2, m = 1 y k =2
J
f
x
f
x
g
x
g
x
x x
2
2 1
1
2
1
1
8
2
2
1
4
2 1
= =

c
c
c
c
c
c
c
c


2 1
8 4 8 0 x x + = (1)
2 1
2 12 0 x x = (2)


1
5 x =

2
7/ 2 x =

Condiciones suficientes:

211
D f
x x
y
x
g
1
2 2
0
2
2
2
= =
|
\

|
.
|
|
c
c
i =2 y j = 2
2
2
2 2
1 1
2 2 2
1 2
2 2 1
2
2
x x
y y y
x x
x x x
x g
g g x
c c
c c c
c c
c c c
| | | | | |
| | | |
| | |
= + | |
| |
| | |
\ . \ .
\ . \ . \ .
2 2
1
2
2
1 2 2
2
1
x
y y
x x x
x
g
x
c
c c
c c c
c
| |
| |
| |
|
| + + |
|
| |
\ .
\ .
\ .


2
1
1
2 4
x
y
x
x
c
c
| |
=
|
\ .

2
2
2
1
2
x
y
x
c
c
| |
=
|
\ .

1
2
2
8
x
y
x
x
c
c
| |
=
|
\ .

c
c
2
2
2
1
8
y
x
x
|
\

|
.
|
=

c
c c
2
1 2
0
y
x x
|
\

|
.
|
=
1 1 2
2 1 1
( / )
2
( / )
g
x J g x
x J g x
c
c
| |
= =
|
\ .


c
c
2
1
2
2
0
x
x
g
|
\

|
.
|
= , pues g X
1
( )

es lineal.

D x
D
1 1
2
1
2 4 0 2 2 2 0 2 8
16
= + + +
=
( )( ) ( ) ( )( )


Como D
1
0 > entonces

X
*
/
=

(
5
7 2
es un mnimo
Ejercicio 9:

Encontrar un ptimo para f X x x ( )

= + 4 5
1
2
2
2

sujeto a: g X x x
1 1 2
2 3 6 0 ( )

= + =

Como n=2 y m=1, la condicin necesaria establece que:

J
f g
x x
2
1
2 1
0
,
,
|
\

|
.
| = J
f
x
f
x
g
x
g
x
x x
x x
2
2 1
1
2
1
1
2 1
2 1
10 8
3 2
20 24 0 = = = =
c
c
c
c
c
c
c
c


Esta ecuacin resuelta simultneamente con g X
1
( )

se obtiene:

x
x x
2
1 2
36 28 1286
5 6 1071
= ~
= ~
/ .
/ .


212
Con n=2 y m=1, se analiza el signo de A
2
f .

A
2
2
2
2
2 2
2
f
f
x
x x
g
=
|
\

|
.
|
|

c
c
( )
*

2
2
2 2
1 1
2 2 2
1 2
2 2 1
2
2
x x
f f f
x x
x x x
x g
g g x
c c
c c c
c c
c c c
| | | | | |
| | | |
| | |
= + | |
| |
| | |
\ . \ .
\ . \ . \ .
2 2
1
2
2
1 2 2
2
1
x
f f
x x x
x
g
x
c
c c
c c c
c
| |
| |
| |
|
| + + |
|
| |
\ .
\ .
\ .


c
c
f
x
x
x
1
1
2
8
|
\

|
.
|
=
c
c
2
1
2
2
8
f
x
x
|
\

|
.
|
=
c
c
f
x
x
x
2
2
1
10
|
\

|
.
|
=
c
c
2
2
2
1
10
f
x
x
|
\

|
.
|
=

c
c c
2
1 2
0
f
x x
|
\

|
.
| =

1 2 2
2 1 1
( / ) / 3
( / ) / 2
g
x J g x g x
x J g x g x
c c c
c c c
| |
= = =
|
\ .


) / (
) 0 / 0 (
) 1 (
1
2 , 2
1
1 1
2
2
1
2
x g J
J
d
x
x
g
+
=
|
|
.
|

\
|
c
c


En este caso como slo hay una restriccin:

J
g g g g g
x x x x x
J
k k m
p p m
1 2 1 1
1 2 1 1
0 0 1
, , . . . . , , . . . . ,
, , . . . . , , . . . . ,
( / )
+
+
|
\

|
.
|
|
= =

En el numerador no queda ninguna funcin al sacar a g
1
(nica restriccin de
igualdad) y en el denominador tampoco queda ninguna variable al sacar la nica
posible, pues m =1.

d
g
x
x
x
x
x
g
x x
g
x
x g g x x
1
2 2
2
1
2
1
2
2
1
2
2
1 2
2
2
2
2 1
2
,
=
|
\

|
.
|
|
\

|
.
|
|
\

|
.
|
|
\

|
.
|
|
\

|
.
|
c
c
c
c
c
c
c
c c
c
c


Como la restriccin es lineal,

213
c
c
2
1
2
2
g
x
x
|
\

|
.
|
=
c
c c
c
c
2
1 2
2
2
2
1
0
g
x x
g
x
x x
|
\

|
.
|
=
|
\

|
.
|
=

d
1
2 2
0
,
=

Por lo tanto:
c
c
2
1
2
2
0
x
x
g
|
\

|
.
|
=

Substituyendo los valores encontrados en:

c
c
2
2
2 1
2
8 0 8 3 2 2 0 3 2 10 28
f
x
x
g
|
\

|
.
|
= + + + = ( ) ( / ) ( )( / )

Con este valor A
2
0 f > , siendo el punto entonces un mnimo.


Nota:

Se recomienda aplicar el mtodo de la variacin restringida cuando el nmero de
restricciones no es mayor que 3.

4.3.2.2. Restricciones de igualdad y desigualdad

Una restriccin de desigualdad es activa cuando la desigualdad es de la forma
0 > s .

4.3.2.2.1. Mtodo de los multiplicadores de Lagrange

Las condiciones necesarias establecidas por el mtodo de Lagrange para la
existencia de un mnimo de una funcin restringida dependen de si las
restricciones son de primer orden o de segundo orden.

Definido el problema:
Minimizar f X ( )

Sujeto a: h X
i
( )

= 0 , i=1,2,...,m
g X
i
( )

> 0 , i=m+1,...,p

Restricciones de primer orden:

214
Las restricciones son de primer orden cuando son una vez diferenciables y todos
los gradientes de las restricciones activas de desigualdad y de las restricciones de
igualdad evaluadas en el ptimo ( )
*

X son linealmente independientes.

1. Condiciones necesarias:

Si se cumple la condicin de restriccin de primer orden las condiciones necesarias
para la existencia de un mnimo son:

i. Las funciones f X ( )

, h X
i
( )

y g X
i
( )

sean una vez diferenciables.

ii. Existen multiplicadores de Lagrange, tales que:

1. h X
i
( )
*

= 0 , i=1,2,...,m
2. g X
i
( )
*

> 0 , i=m+1,...,p
3. U g X
i i
* *
( )

= 0 , i=m+1,...,p
4. U
i
*
> 0 , i=m+1,...,p
5.

V = L X U W ( , , )
* * *
0

donde:
L X U W f X W h X U g X
J j
J
m
J j
J m
p
( , , ) ( ) ( ) ( )

= +
= = +

1 1


V = V + V V
= = +

L X U W f X W h X U g X
J j
J
m
J j
J m
p
( , , ) ( ) ( ) ( )
1 1


Los valores de
* * *
, X U y W se obtienen resolviendo el sistema

h X
i
( )
*

= 0 , i=1,2,....,m
U g X
i i
* *
( )

= 0 , i=m+1,....,p


V = L X U W ( , , )
* * *
0 , n: ecuaciones

2. Condiciones suficientes:

i. Las funciones f X ( )

, h X
i
( )

y g X
i
( )

sean dos veces diferenciables.

ii. Para todo vector 0 V = , el cual:


V g X
t
J
- V = ( )
*
0 Para todas las restricciones de desigualdad activas.

*
( ) 0
t
J
V g X -V > Para todas las restricciones de desigualdad no activas

215

V h X
t
J
- V = ( )
*
0 J=1,...,m



Se cumple que:


2 * * *
( , , ) 0
t
V L X U W V V >

donde

V
2
L X U W ( , , )
* * *
es la matriz hessiana.

Restricciones de segundo orden:

Las restricciones son de segundo orden cuando son dos veces diferenciables y los
gradientes de las restricciones de desigualdad activas y los gradientes de las
restricciones de igualdad, evaluadas en

X
*
son linealmente independientes.

1. Condiciones necesarias:

Las condiciones necesarias para que haya un mnimo cuando las restricciones son
de segundo orden son:

i. Las funciones f X ( )

, h X
i
( )

y g X
i
( )

sean dos veces diferenciables.

ii. Existen multiplicadores de Lagrange, tales que:

1. h X
i
( )
*

= 0 , i=1,2,...,m
2. g X
i
( )
*

> 0 , i=m+1,...,p
3. U g X
i i
* *
( )

= 0 , i=m+1,...,p
4. U
i
*
> 0 , i=m+1,...,p
5.

V = L X U W ( , , )
* * *
0

iii. Para todo vector

V diferente de cero, el cual:

V g X
t
J
- V = ( )
*
0 Para todas las restricciones de desigualdad activas.
y,

V h X
t
J
- V = ( )
*
0 J=1,...,m

Se cumple que:


2 * * *
( , , ) 0
t
V L X U W V V >

donde

V
2
L X U W ( , , )
* * *
es la matriz hessiana.

2. Condiciones suficientes:
216

Tambin se aplican las mismas condiciones que se usan cuando las restricciones
son calificadas como restricciones de primer orden.
Una condicin suficiente alternativa para que en

X
*
haya un mnimo (vlido para
restricciones de primer y segundo orden) es que f X ( )

, g X
J
( )

y h X
J
( )

sean dos
veces diferenciables y el determinante de la matriz Jacobiana de las funciones
h X
J
( )

, ( )
J J
U g X y las definidas por

V = L X U W ( , , ) 0 sea diferente de cero
evaluado en

X
*
.

La matriz Jacobiana est definida como:

1
, ,..., ,..., , ,...,
1 2 1 1
, ,..., , , ,..., , , ,...,
1 2 1 2 1 2
L L
h h U g U g
m m p p
x x
n
J
x x x U U U W W W
n m m p m
c c
c c
| |
| + +
|
|
+ +
|
\ .


1 1 1 1 1 1
... ... ... ...
1 2 1 1

1 1 1 1
...
1

2 2 2
... .
1 2 1
h h h h h h
x x U U W W
m p m
U g U g
m m m m
x W
m
L L L
x x x x x U
n n n m
c c c c c c
c c c c c c
c c
c c
c c c
c c c c c c
+
+ + + +
=
+
2
..
L
x W
n m
c
c c



Ejercicio 10:

Minimice
( )
f X x x

= +
1
2
2

Sujeto a:
( ) ( )
( )
2 2
1 1 2
2 1 2
9 0
1 0
g X x x
g X x x
= + + >
= + >


Al analizar las funciones
( )
g X
1

y
( )
g X
2

se observa que son dos veces

diferenciables. Como solo hay una restriccin activa y ninguna restriccin de
igualdad, entonces se cumplen las condiciones para calificar las restricciones como
de segundo orden.

217
La funcin
( )
f X

es tambin dos veces diferenciable, entonces:

1.
( ) ( )
* * *2 *2
1 1 1 1 2
9 0 U g X U x x = + =
2.
( ) ( )
* * * *
2 2 2 1 2
1 0 U g X U x x = + =

Como:

( ) ( ) ( )
( )
2 2 2
1 2 1 1 2 2 1 2
1 2
1 1 1
1 2
1 2
2 2 2
, , 9 1
, ,
L X U W x x U x x U x x
g g f
x x x
L X U W U U
f g g
x x x
c c c
c c c
c c c
c c c
= + + +
( ( (
( ( (
( ( (
V =
( ( (
( ( (



1
1 2
1 1
1 2
1 2
2 2
1 2
2 1
2 2
1 1
f f
x
x x
g g
x x
x x
g g
x x
c c
c c
c c
c c
c c
c c
= =
= =
= =

( )
* *
1 * * 1
1 2
*
2
*, *, * 0
2 1 2
0
1 1 2
L X U W
x x
U U
x
V =
( ( (
=
( ( (

(

3.
* * * *
1 1 1 2
2 2 0 x U x U + + =
4.
* * *
1 2 2
1 2 0 U x U + + =

Hay varias soluciones para este sistema de ecuaciones, sin embargo la nica que
satisface U
i
*
> 0 es:
| |

X U
t
t
* , * , = =

(
0 3
1
6
0
Esta solucin puede obtenerse mediante el siguiente procedimiento:

Si
*
2
0 U = , de (3) se obtiene
( )
* *
1 1
2 1 0 x U + = . Lo cual implicara que
*
1
1 U =
*
1
0 x = . El valor
*
1
1 U = viola la condicin
*
0
i
U > , entonces
*
1
0 x = . De (1),
( ) ( )
2 2
* *
1 2
9 x x + = , con
*
1
0 x = , se obtiene
*
2
3 x = . El valor de
*
2
3 x = no satisface
218
g X
2
( )

, por lo tanto
| |

X
t
* , = 0 3 . Los valores de U * son entonces U
2
0 * = y
*
1
1/ 6 U = que se obtiene de (4).

Este sistema de ecuaciones no lineales tambin se resolvi por mtodos
numricos, usando el programa Polymath, arrojando los siguientes resultados: (i)
x
1
= 0, x
2
= -3, U
1
= 0.167, U
2
= 0, (ii) x
1
= 0, x
2
= 3, U
1
= -0.1667, U
2
= 0, (iii) x
1
=
0.5, x
2
= 0.5, U
1
=0, U
2
= -1 y (iv) x
1
=-1.56, x
2
= 2.56, U
1
= -0.5 y U
2
= 1.56

La otra condicin necesaria se chequea con un
| |

V v v
t
=
1 2
, , tal que:


V g X
t
J
- V = ( )
*
0

Como solo
1
( ) g X es activa en
*
0
3
X
(
=
(

, entonces

| |
v v
x
x
1 2
1
2
2
2
0 , -

(
=
-
-

| |
v v
1 2
0
6
0 , -

(
=

0 6 0
1 2
v v + = v
2
0 =

V
v
=

(
1
0



V L X U W V
t
- V >
2
0 ( , , )
* * *


2 2
2
1 1 2 2
2 2
2
2 1 2
( , , )
L L
x x x
L X U W
L L
x x x
c c
c c c
c c
c c c
(
(
(
V =
(
(
(


c
c
2
1
2
1
2 1
L
x
U = + ( )
c
c c
2
1 2
0
L
x x
=
c
c c
2
2 1
0
L
x x
=
c
c
2
2
2
1
2
L
x
U =

( )
( )
*
1 2
*
1
2 1 0
, ,
0 2
U
L X U W
U
- - -
(
+
V = (
(



219
Reemplazando
*
1
6
U =

( )
2
14
0
6
, ,
2
0
6
L X U W
- - -
(
(
V =
(




| |
2
1
1
1
14
0
6
, 0 14 0
2 0 6
0
6
v
v
v
(
(
(
= >
(
(




El valor
2
1
14
6
v es mayor a cero independientemente del valor que tome v
1
, por lo
tanto se cumplen las condiciones necesarias para que las restricciones sean
calificadas como de segundo orden. Tambin se cumple que
2
1
14 0
6
v
> la condicin
suficiente para un mnimo.

Puede verificarse la condicin suficiente alterna. Para evaluar esta condicin se
obtiene primero la matriz Jacobiana con respecto a

X U , y

W de las funciones:

1 1 1 1
1 2
1 1 2 2
1 2
1 2 1 2
2
2 2
. .
, , ,
. . . .
.
. . . .
, , ,
. . .
U g U g
x U
L L
U g U g
x x
J
x x U U
L
x U
c c
c c
c c
| |
|
c c
| =
|
|
\ . c
c c


U g X U x x
1 1 1 1
2
2
2
9 ( ) ( )

= +
U g X U x x
2 2 2 1 2
1 ( ) ( )

= +
c
c
L
x
x U x U
1
1 1 1 2
2 2 = + +
c
c
L
x
U x U
2
1 2 2
1 2 = + +
c
c
U g
x
U x
1 1
1
1 1
2 =
c
c
U g
x
U x
1 1
2
1 2
2 =
c
c
U g
U
x x
1 1
1
1
2
2
2
9 = + + ( )
c
c
U g
U
1 1
2
0 =
c
c
U g
x
U
2 2
1
2
=
c
c
U g
x
U
2 2
2
2
=
220
c
c
U g
U
2 2
1
0 =
c
c
U g
U
x x
2 2
2
1 2
1 = +
c
c
2
1
2 1
2 1
L
x
U = + ( )
c
c c
2
1 2
0
L
x x
=
c
c c
2
1 1
1
2
L
x U
x =
c
c c
2
1 2
1
L
x U
=
c
c c
2
2 1
0
L
x x
=
c
c
2
2
2 1
2
L
x
U =
c
c c
2
2 1
2
2
L
x U
x =
c
c c
2
2 2
1
L
x U
=
2
1
1 1
2
L
x
x U
c
c c
=
2
1 2
1
L
x U
c
c c
=

La matriz Jacobiana evaluada en
| |

X
t
*
, = 0 3 y
| |

U
t
*
/ , = 1 6 0 se obtiene:

0 1 0 0
0 0 0 4
14/ 6 0 0 1
0 1/ 3 6 1
(
(
(
(
(

Resolviendo el determinante por la primera fila

3 4
0 0 4
14/ 6 0
( 1) 1 14/ 6 0 1 4( 1) 4(14/ 6)( 6) 56
0 6
0 6 1
= = =

Como el valor es diferente de cero, entonces el punto
| |

X
t
*
, = 0 3 es un mnimo
( )
*
3 f X =


Ejemplo 10:

El hidrocarburo que se alimenta a un proceso petroqumico se calienta y se mezcla
con el reciclo del material que no reaccion, antes de pasarlo por un reactor
cataltico. El producto del proceso y el material que no reaccion se separan por
destilacin, y el reciclo se comprime antes de mezclarlo con el alimento del
proceso.

221
Determine la temperatura T y la razn de reciclo R (Flujo de reciclo/flujo del
alimento fresco) ptimas, que minimizan los costos diarios de operacin, para un
flujo de alimentacin al proceso de 5000 bbl/da, si la razn entre la temperatura y
la razn de reciclo debe ser igual a 5000F. El costo de operacin del horno que
calienta el alimento fresco es $0.5 por barril y por cada 50F de calentamiento por
encima de la temperatura del alimento. El costo de operacin del reactor es
5(R+R
2
)
-1
$/bbl de alimento al reactor diario. El producto se separa por destilacin
a un costo de 0.5 $/bbl de alimento a la unidad de destilacin, y el costo de
recirculacin es 0.15 $/bbl de recirculado. La temperatura del alimento es 70 F.

F: Rata de alimentacin = 5000 bbl/da

OT OH OR OD OC
C C C C C = + + +

( ) 70
0.5 50 3500
50
OH
T
C F T

= =
( ) ( )
4
1
2
5 2.5 10
5 1
OR
F
C R R F R
R R

= + + = =
( ) ( ) 0.5 1 2500 1
OD
C F R R = + = +
0.15 750
OC
C RF R = =
( )
4
2.5 10
50 3500 2500 1 750
OT
C T R R
R

= + + + +

Funcin objetivo:

4
2.5 10
50 3250 1000
OT
C T R
R

= + + (1)
Restriccin:

5000 T R = (2)
Utilizando el mtodo de la variacin restringida:

Condiciones necesarias:

La funcin y la restriccin son dos veces diferenciables, por lo tanto las
condiciones necesarias para restricciones de segundo orden son:

Las condiciones necesarias cuando las restricciones son de segundo orden son:

i. Las funcin ( , )
OT
C f T R = y la restriccin de igualdad ( , ) 5000 0 h T R T R = = son
dos veces diferenciables.

ii. Existen multiplicadores de Lagrange, tales que:

222
1. ( )
* *
, 5000 0 h T R T R = = (1)
2. ( ) , , 0 L T R W V =
como ( ) ( )
4
2.5 10
, , 50 3250 1000 5000 L T R W T R W T R
R

= + + +
y ( )
4
2
50
, , 0
2.5 10
3250 5000
L
W
T
L T R W
L
W
R
R
c (
+ (
(
c
(
V = = = (

(
c
+
(
(

(
c


y
*
50 0 W + = (2)

4
*
*2
2.5 10
3250 5000 0 W
R

+ = (3)

Resolviendo simultneamente estas tres ecuaciones se tiene:


*
0.314 R =
*
1570 T F =
*
50 W =

iii. Para todo vector

V diferente de cero, el cual:

( )
* *
, 0
t
V h T R V = , se cumple que:


2 * * *
( , , ) 0
t
V L T R W V V >

como
( )
*
* *
*
1
,
5000
h
T
h T R
h
R
c (
(
(
c
V = = (
(
c
(
(
c


( ) | |
* *
1 2
1
, 0
5000
t
V h T R v v
(
V = =
(

1 2
5000 0 v v =


Lo que implica que existen muchos vectores [v
1
v
2
] diferentes de cero que
satisfacen esta condicin.

Para la funcin ( ) ( )
4
2.5 10
, , 50 3250 1000 5000 L T R W T R W T R
R

= + + + se tiene
que:

223
2 2 4 2 2
2 2 3
5 10
0 0 0
L L L L
T R R T R R T
c c c c
= = = =
c c c c c c


y
2 2
2
2
2 2
2
( , , )
L L
T T R
L T R W
L L
R T R
c c
c c c
c c
c c c
(
(
( V =
(
(



2 * * *
6
0 0
( , , )
0 1.615 10
L T R W
(
V =
(

Condicin suficiente:
, , 2 2 2
2
, ,
2 2 2
2
h h h
T R W
L L
h
L L L
T R
J
T R W T R T W
T
L L L
R T R W
R
c c
c
c c c
c c c
| |
|
c c c
c
=
|
c c c c
c |
\ .
c c c
c c c c
c

( )
( )
1 5000 0
4
5 10
6
0 0 1 1 5000 0 0 0 1.615 10 0
3
0.314
4
5 10
0 5000
3
0.314

| |

|
= = + + = =
|
\ .

como este valor de la jacobiana es diferente de cero, entonces, en
*
0.314 R = y
*
1570 T F = hay un mnimo. Los costos mnimos diarios son: 158 138 $

4.3.2.2.2. Mtodo de los multiplicadores de Lagrange y variables de holgura

En este mtodo las restricciones de desigualdad son transformadas en
restricciones de igualdad, introduciendo una variable de ajuste apropiada por cada
restriccin. Con esta transformacin el problema de optimizacin se convierte en:

Minimizar o maximizar f X ( )

224
Sujeto a: h X
i
( )

= 0 i=1,...,m
g X v
i i
( )

=
2
0 i=m+1,...,p

donde v
i
son las variables de holgura.

La funcin de Lagrange queda definida entonces como:

p X W f X wh X w g X v
i i i i i
i m
p
i
m
( , ) ( ) ( ) ( ( ) )

= +
= + =

2
1 1


donde w i p
i
> = 0 1 , , para minimizar
w i p
i
s = 0 1 , , para maximizar
Las condiciones necesarias para minimizar se establecen como:
( )
( )
( )
0 1,...,
0 1,...,
2 0 1,...,
0 1,...,
i
i
i i
i
i
p X
i n
x
p X
i p
w
p X
wv i m p
v
w i p
c
c
c
c
c
c
-
-
-
= =
= =
= = = +
> =


Notas:

El mtodo de multiplicadores de Lagrange puede fallar en problemas no
convexos en minimizacin o no cncavos en maximizacin
3
.
Cuando solo existen restricciones de desigualdad, en el mtodo de
multiplicadores de Lagrange puede utilizarse como condicin suficiente la
establecida para funciones no-restringidas, si el punto extremo es un punto
interior
4
.
En el caso en que solo existan restricciones de desigualdad y se haya utilizado
el mtodo de Lagrange con variables de holgura, puede utilizarse como
condicin suficiente la definida en el mtodo de la variacin restringida.

Ejercicio 11:

Halle el mnimo de la funcin: ( ) ( )
2 2
1 2
4 5 5 4 y x x = + , restringido a que
1 2
1 x x + >

3
Un conjunto es convexo si para todo

X
1
y

X
2
en el conjunto, el segmento que los une est en
el conjunto
4
Un punto interior en la regin factible, es un punto que cae dentro de ella y no en su frontera.
Estos puntos se dan cuando las restricciones son satisfechas sin el signo igual.
225

( )
( )
1 2
2
1 0
0
i
g X x x
g X u
= + >
=


Funcin de Lagrange:

( ) ( ) ( )
1
,
m
i i
i
P X W f X wh X
=
= +
( ) ( )
2
1
m
i i i
i
w g X u
=

( ) ( ) ( ) ( )
2
, P X W f X w g X u =
( ) ( ) ( ) ( )
2 2
2
1 2 1 2
, 4 5 5 4 1 P X W x x w x x u = + +
( ) ( )
1 1
1
8 5 0 8 5
P
x w w x
x
c
= = =
c
(1)
( )
2
2
10 4 0
P
x w
x
c
= =
c
(2)
( )
2
1 2
1 0
P
x x
w
u
c
= + =
c
(3)
2 0
P
w u
u
c
= =
c
(4)

Si w = 0 de (1), (2) y (3):
1 2
5 4 5 4 1 8 x x u = = = + =

Si v = 0 de (3):
1 2 1 2
1 1 x x x x + = = (5)
Reemplazando (5) en (1): ( ) ( )
2 2
8 1 5 8 4 w x x = = + (6)
De (2): ( )
2
10 4 w x = (7)
Igualando (6) y (7):
2 1 2
4 5
1
9 9
x x x = = =

El mnimo de la funcin es y = 0, para x
1
= 5 y x
2
= 4.

4.3.3. Mtodos numricos de funciones no restringidas

4.3.3.1. Mtodo del poliedro flexible

El mtodo consiste en comparar en cada etapa de aproximacin los valores de la
funcin objetivo en los vrtices de un poliedro flexible, y eliminar del poliedro aquel
vrtice donde la funcin es mayor si se est minimizando, o donde es menor si se
est maximizando, y remplazarlo por un vrtice nuevo localizado en una nueva
posicin, la cual se define con el resultado de una de tres operaciones que se
realizan sobre el poliedro: expansin, contraccin o reduccin.
226

Un poliedro puede ser definido mediante un conjunto de vectores, en el cual cada
vector representa la posicin de un vrtice; as, las coordenadas de los vrtices de
un poliedro convexo regular pueden definirse por una matriz D, en la cual las
columnas representan los vrtices
1
V ,
2
V ,
3
V ,...,
n
V y las filas representan las
coordenadas de los vrtices ( , ,....., ) x x x
n 1 2
.

Antes de iniciar el algoritmo se define un poliedro con n filas, numero de variables
de decisin en el problema de optimizacin y n+1 filas, nmero de vrtices del
poliedro. Si el primer vrtice de este poliedro inicial se ubica en el origen, la matriz
que define el poliedro convexo regular es:

D
d d d
d d d
d d d
d d d
=

(
(
(
(
(
(
0
0
0
0
1 2 2
2 1 2
2 2 2
2 2 1

donde:

( )
( ) 1 1
2
1 1
2
2
1
+ =
+ + =
n
n
t
d
n n
n
t
d


D: matriz de n filas y (n+1) columnas
t: distancia entre dos vrtices contiguos
n: nmero de coordenadas

Si el primer vrtice se ubica en otro punto diferente al origen, las coordenadas de
cada uno de los vrtices estar incrementada en la correspondiente coordenada
de este primer vrtice.

Algoritmo

Para minimizacin, los clculos requeridos en la etapa k son (en la figura 8 se
muestra un esquema del procedimiento):

1. Ubicacin en el poliedro del valor mnimo y valor mximo de la funcin.

En cada etapa de aproximacin se debe conocer en que vrtice del poliedro se
localizan el mnimo y el mximo de la funcin objetivo. Si en la etapa k:
227
| |
k
n i
k
i
k
i
k
i
x ,..., x , x X
2 1
=

son las coordenadas del vrtice i, con i=1,2,....,n+1; el

valor mnimo y el valor mximo de la funcin objetivo, que se identificarn con los
vectores
k
a
k
b
X y X

respectivamente, se obtienen como:

( ) ( ) ( ) ( ) { }
( ) ( ) ( ) ( ) { }
k
n
k k k
b
k
n
k k k
a
X f ,..., X f , X f min X f
X f ,..., X f , X f max X f
1 2 1
1 2 1
+
+
=
=






2. Clculo de las coordenadas del centroide.

El centroide
2 + n
X

se obtiene como el centroide de todos los vrtices del

poliedro, excluyendo el vrtice donde se localiza el valor mximo de la funcin, y
se calcula como:


(

|
.
|

\
|
=

+
=
+ j
,
k
a
n
i
j
,
k
i j , n
x x
n
x
1
1
2
1
; j: designa cada coordenada, j=1,2,...n.


3. Reflexin de
k
a
X

a travs del centroide.

( )
k
a
k
n
k
n
k
n
X X X X

+ =
+ + + 2 2 3
o

donde o es el coeficiente de reflexin, mayor que cero, pero se recomienda
o =1.

Se calcula
( )
3
k
n
f X
+
y dependiendo del valor que tome la funcin para
3
k
n
X
+
,
comparado con el de los dems puntos del poliedro, debe hacerse una de las tres
operaciones: expansin, contraccin o reduccin

4. Expansin.

Si ( ) ( )
k
b
k
n
X f X f

s
+3
, se obtiene ( )
k
n
k
n
k
n
k
n
X X X X
2 3 2 4 + + + +
+ =

o
donde 1 > o (o es el coeficientes de expansin) y se recomienda
0 3 8 2 . . s so .

Se calcula
( )
4
k
n
f X
+
y se compara con ( )
k
b
f X


228
4.1. Si ( ) ( )
k
b
k
n
X f X f

<
+4
, se reemplaza el vrtice done se encuentra el
mximo de la funcin,
k
a
X

, por
k
n
X
4 +

y se pasa a la etapa k+1.

4.2. Si ( ) ( )
k
b
k
n
X f X f

>
+4
, se reemplaza el vrtice donde se encuentra el
mximo de la funcin,
k
a
X

, por
k
n
X
3 +

y se pasa a la etapa k+1.

5. Contraccin.

Si ( ) ( ) ( )
3
k k k
b n a
f X f X X
+
< <
se hace una contraccin obteniendo:

) X X ( X X
n
k
a
k
n
k
n 2 2 5 + + +
+ =

|

donde | es el coeficiente de contraccin, 0< | <1, para el cual se recomienda
6 0 4 0 . . s s | .

Se calcula ( )
5
k
n
f X
+
y se compara con
( )
k
a
f X

5.1. Si
( ) ( )
5
k k
n a
f X f X
+
< , se reemplaza el vrtice donde se encuentra el

mximo de la funcin,
k
a
X

, por
k
n
X
5 +

y se pasa a la etapa k+1.

5.2. Si
( ) ( )
5
k k
n a
f X f X
+
> , se hace reduccin con la siguiente frmula:
( )
1
0.5 , 1, , 1
k k k k
i b i b
X X X X i n
+
= + = +
y se pasa a la etapa
k +1.

6. Reduccin.

Si ( ) ( )
k
a
k
n
X f X f

>
+3
, se reducen todos los vectores del poliedro,
redefiniendo los vrtices como :

( )
1
0.5 , 1, , 1
k k k k
i b i b
X X X X i n
+
= + = +
y se pasa a la etapa k +1.
229

Antes de proseguir a la etapa 1 + k , se analiza la convergencia con:

( ) ( )
1
1
2 2
2
1
1
1
n
k k
i n
i
f X f X
n
c
+
+
=

(
s
`

+
)






Figura 8. Esquema del procedimiento del proliedro flexible


230
Figura 9. Representacin grfica del mtodo del poliedro flexible en dos
dimensiones
Ejercicio 12:

Halle el mnimo de la funcin ( ) ( )
2 2
1 2
2 3 y x x = + , por el mtodo del poliedro
flexible.

Tabla 18. Iteraciones para la bsqueda del mnimo del ejercicio 12
k i x
1
x
2


Convergencia
1 1 2.000 1.000 4.000
2 2.483 1.129 3.732
3 2.129 1.483 2.318
4 2.306 1.306
5 2.612 1.612 2.301 0.833
6 3.225 2.225 2.101 Expansin
2 1 3.225 2.225 2.101
2 2.483 1.129 3.732
3 2.129 1.483 2.318
4 2.677 1.854
5 2.871 2.578 0.937 1.190
6 3.259 4.027 2.641 Expansin
3 1 3.225 2.225 2.101
Disminuye f(X)
Contornos de f(X)
x
2
x
1
Disminuye f(X)
Contornos de f(X)
x
2
x
1
( )
k
f X
231
2 2.871 2.578 0.937
3 2.129 1.483 2.318
4 3.048 2.402 0.690
5 3.967 3.320 3.970 Reduccin
4 1 3.048 2.402 1.456
2 2.871 2.578 0.937
3 2.500 2.031 1.190
4 2.960 2.490
5 2.694 2.755 0.542 2.321
6 2.164 3.285 0.108 Expansin
19 1 1.992 2.998 6,2E-05
2 2.001 3.004 1,37E-05
3 1.995 2.995 4,79E-05
4 1.998 2.999 4.23039E-05
5 2.004 3.001 1,48E-05 Reduccin

Se partir del valor inicial x
1
= 2 y x
2
=1. En este caso n = 2 y se tomar t = 0.5, o
=1, | = 0.5 y o=3. d
1
y d
2
se calculan con las frmulas:

( )
( )
1
2
1 1 0.4830
2
1 1 0.1294
2
t
d n n
n
t
d n
n
= + + =
= + =

Los datos de las primeras cuatro iteraciones y de la ltima teniendo en cuenta una
convergencia de 4x10
-5
se muestran en la tabla 18.

El mnimo est en x
1
= 1.998 y x
2
= 2.999.

4.3.3.2. Mtodo del gradiente

Este mtodo utiliza el gradiente en la etapa k para la transicin desde el punto

X
k

a otro punto

X
k +1
, mediante la siguiente expresin:

k k k k k k
S

X X X X = A + =
+

1


donde:

S
k
: vector unitario en la direccin del gradiente en

X
k
.

k
: escalar que define la magnitud del desplazamiento desde

X
k
en la direccin
del gradiente o en la direccin contraria. Si se toma el signo (+) el
232
desplazamiento se hace hacia donde crece la funcin y si se toma (-) hacia
donde decrece.

puede escogerse como una cantidad variable o como una constante. Tambin
puede ajustarse en cada etapa de tal manera que la funcin se minimice o
maximice, dependiendo del propsito, en cada etapa.

( )
( )

k
k
k
f X
S
f X
V
=
V

( )
( )
( )
1 2
k
k
n
X
f f f
f X
x x x
( c c c
V =
(
c c c



( )
( )
2 2
1
...
k
n
f f
f X
x x
| | | | c c
V = + +
| |
c c
\ . \ .

El valor de variable se obtiene en cada etapa a partir de una expansin en Taylor
de la funcin objetivo.

( ) ( ) ( )| | | | ( )| |
k k k
t
k k k k k t k k
X X X H X X X X X f X f X f

+ V + ~
+ + + + 1 1 1 1
2
1


H: Matriz Hessiana

Si

X X S
k k k k +
=
1

( ) ( )
( )
( )

0

0

k k k
k
T
t k k k k k
t k k
k
T
k k
f X S
f X S S H S
f X S
S HS
c
c

(
+

=
V + =
V
=


En algunos textos se sugiere utilizar un constante. Con este, si se pretende
buscar un mnimo, los siguientes son los clculos en la etapa k .

1. Si
( ) ( )
f X S f X
k k k

> o

, entonces se toma

X
k
como el ptimo, con o :
exactitud de la medida para el ptimo.

1. Se calcula ( )
k k
S X f

, se compara con ( )
k
X f

y se elige una de las dos

siguientes opciones:
2.1. Si
( ) ( )
f X S f X
k k k

<

:
233
Se evala
( )
f X S
k k

y se compara con
( )
f X S
k k

; si continua menor se
mantiene la misma direccin hasta obtener un punto

X S
k m k
2

tal que:
( ) ( ) ( )
k m k k m k k m k
S

X f S X f S

X f
1 1
2 2 2
+
< >


y se contina en la etapa k+1, partiendo de

X S
k m k
2

.

2.2. Si
( ) ( )
f X S f X
k k k

>

:
Se evala f X
S
k
k

|
\

|
.
|

2
y se compara con ( )
k
X f

, si contina mayor, se
sigue disminuyendo el desplazamiento hasta que:


( )
f X S f X
k
m
k k

|
\

|
.
|
<

y se contina en la etapa k+1 en el punto

X S
k
m
k

.


Ejercicio 13:

Halle el mnimo de la funcin
2 2
1 2
25 y x x = + , por el mtodo del gradiente.

Se partir del valor inicial x
1
= 2 y x
2
=2. Se tomar = 1 y o = 0.05
( )
( )
( )
1 2
k
k
n
X
f f f
f X
x x x
( c c c
V =
(
c c c


( )
( )
| |
1 2
2 50
k
f X x x V =

'
1 1
1
2
y
y x
x
c
= =
c

'
2 2
2
50
y
y x
x
c
= =
c


( )
( )
( ) ( )
2 2
1 2
2 50
k
f X x x M V = + =


( )
( )

k
k
k
f X
S
f X
V
=
V

'
1
1
y
s
M
=
'
2
2
y
s
M
=

En la tabla 19 se muestran los resultados de las iteraciones.
Tabla 19. Iteraciones para la bsqueda del mnimo del ejercicio 13

Desplaz. k x
1
x
2
y
1
y
2
M s
1
s
2
y
0 2 2 4 100 100.08 0.040 0.999 104
234
o 1.998 1.950 99.058
1.960 1.001 28.882
2 1.920 0.002 3.687
4
1.840 -1.997
103.06
7
1 1.923 0.001 3.846 0.0739 3.847 1.000 0.019 3.698
o 1.873 0.001 3.509
0.923 -0.018 0.860
2 -0.076 -0.037 0.040
4 -2.076 -0.075 4.452
2 -0.076 -0.038 -0.153 -1.9234 1.930 -0.079 -0.997 0.043
o -0.073 0.011 0.008
0.003 0.958 22.963
/2 -0.037 0.460 5.290
/4 -0.057 0.211 1.114
/8 -0.067 0.086 0.190
/16 -0.072 0.024 0.019
3 -0.072 0.024 -0.143 1.1925 1.201 -0.119 0.993 0.019
o -0.066 -0.026 0.021

El mnimo se localiza en x
1
= -0.066 y x
2
= -0.026.


4.3.3.3. Mtodo de las tangentes paralelas

Este mtodo conocido como el mtodo PARTAN, utiliza dos tangentes paralelas a
contornos de la funcin y en la lnea que une los puntos de tangencia investiga el
ptimo de la funcin. Existen algunas modificaciones de este mtodo, entre ellos
uno denominado PARTAN CONTINUADO.

Las etapas para la bsqueda de un mnimo por el mtodo PARTAN son:

1. Dada una primera aproximacin

X
( ) 0
, determinar la direccin del negativo del
gradiente en

X
( ) 0
.
( )
( )
( )
T
X
n
x
f
x
f
x
f
X f
0
2 1
0

c
c

c
c

c
c
= V


2. Localizar
(1)
X en el mnimo de
( )
f X a lo largo del negativo del gradiente desde

X
( ) 0
.
( ) ( ) ( ) 1 0 0
X X n S = + n = 1, 2, ...
235

( )
( )
( )
( )
( )
0
0
0
X f
X f
S

V
V
=


Se obtienen aproximaciones de
(1)
X iniciando con n = 1, hasta un n+1 en
donde el valor de la funcin objetivo cambie la tendencia de decreciente a
creciente.

es un escalar que determina el tamao del desplazamiento para la bsqueda
del mnimo en la direccin del negativo del gradiente.

3. Determinar la direccin del negativo del gradiente desde
(1)
X .

( )
( )
( ) 1
1
1 2
T
n
X
f f f
f X
x x x
( c c c
V =
(
c c c



4. Localizar
(2)
X en el mnimo de
( )
f X a lo largo del negativo del gradiente
desde
(1)
X .
( ) ( ) ( ) 2 1 1
X X n S = + n = 1, 2, ...

( )
( )
( )
( )
( )
1
1
1

f X
S
f X
V
=
V


Se obtienen aproximaciones de
(2)
X iniciando con n=1, hasta un n+1 en donde
el valor de la funcin objetivo cambie la tendencia de decreciente a creciente.

5. Conectar

X
( ) 0
y
(2)
X con una lnea recta y localizar el mnimo de f X ( )

a lo
largo de esta lnea y denotarlo con
(3)
X .

( ) ( ) ( ) 3 0 0

X X nU =

( )
( ) ( )
( ) ( )
2 0
0
2 0

X X
U
X X

Se usa el signo + - dependiendo de la direccin hacia donde decrezca la
funcin objetivo. Esta direccin se identifica realizando un clculo inicial para el
valor de n = 1.
236

6. Establezca X
(3)
como un nuevo punto de arranque y repita el procedimiento
desde la etapa 1, hasta obtener una convergencia deseada, la cual se define
como 1 k k X X c + < , siendo e un escalar mayor que cero.

Ejemplo 11:

Resuelva el ejemplo 7, por el mtodo de las tangentes paralelas.

Funcin objetivo:

( )
6
2 2
1 10 5
4 10
x
f X
xy x y y
| |
= +
|
\ .






( )
x
y
y x y x y x x
X f
=
|
|
.
|

\
|
+ + =
c
c
2 2 3 2
6
5 20 1
10 4

( )
y
y
xy y x xy y
X f
=
|
|
.
|

\
|
+ + =
c
c
3 2 2 2
6
10 10 1
10 4


( ) ( )
M
y
X f
x
X f
X f =
|
|
.
|

\
|
c
c
+
|
|
.
|

\
|
c
c
= V
2 2
) (

( )
( )
M
y
s
M
y
s
X f
X f
S
y
x

=
V
V
=
2 1
,

Siguiendo el procedimiento descrito para el PARTAN, tomando un = 0,1, o =
0.05 y tomando como valores iniciales x = 29 y y = 14, se calcularon los datos
que aparecen en la tabla 20.

Tabla 20. Iteraciones para la bsqueda del mnimo del ejemplo 11.

Etapa X
(k)
n x y
-yx o
x
(2)
-x
(0)

-y
y
o
y
(2)
-y
(0)
M s
1
o u
1
s
2
o u
2
f
0 X
(0)
29 14 15,89 41,600 44,53 0,357 0,934 -
( )
T
(k)
(k)
X
y
f

x
f
X f

c
c

c
c
= V
237
9 4 2936,3
1 29,036 14,093
-
2940,5
2 29,071 14,187
-
2944,3
3 29,107 14,280
-
2947,7
4 29,143 14,374
-
2950,7
5 29,178 14,467
-
2953,3
6 29,214 14,560
-
2955,6
7 29,250 14,654
-
2957,5
8 29,286 14,747
-
2959,0
9 29,321 14,841
-
2960,3
10 29,357 14,934
-
2961,2
11 29,393 15,028
-
2961,8
12 29,428 15,121
-
2962,1
X
(1)
13 29,464 15,214
-
2962,2
14 29,500 15,308
-
2961,9
29,464 15,214 2,250 -1,952 2,979 0,755 -0,655
-
2962,2
1 29,540 15,149
-
2962,4
2 29,615 15,083
-
2962,6
3 29,691 15,018
-
2962,7
X
(2)
4 29,766 14,952
-
2962,7
5 29,842 14,887
-
2962,6
X
(3)
1 29,627 14,779 0,766 0,952 1,222 0,627 0,779
-
2961,3
-1 28,373 13,221
-
2872,3
2 30,254 15,558
-
2958,1
1 X
(0
) 29,627 14,779 4,125 8,754 9,678 0,426 0,905
-
2961,3
1 29,670 14,870
-
2962,1
2 29,712 14,960
-
2962,6
238
3 29,755 15,050
-
2962,8
X
(1)
4 29,797 15,141
-
2962,8
5 29,840 15,231
-
2962,4
29,797 15,141 0,425 -2,306 2,345 0,181 -0,983
-
2962,8
X
(2)
1 29,816 15,043
-
2962,9
2 29,834 14,944
-
2962,8
X
(3)
1 30,209 15,592 0,189 0,264 0,324 0,582 0,813
-
2957,8
-1 29,045 13,966
-
2935,5
2 30,791 16,405
-
2933,5
2 X
(0)
30,209 15,592 -4,856 -15,047
15,81
1 -0,307 -0,952
-
2957,8
1 30,178 15,497
-
2959,3
2 30,148 15,402
-
2960,5
3 30,117 15,307
-
2961,5
4 30,086 15,212
-
2962,2
5 30,055 15,116
-
2962,7
X
(1)
6 30,025 15,021
-
2963,0
7 29,994 14,926
-
2962,9
30,025 15,021 -0,301 -0,718 0,778 -0,387 -0,922
-
2963,0
X
(2)
1 29,986 14,929
-
2962,9
X
(3)
1 30,025 15,021 -0,184 -0,571 0,600 -0,307 -0,952
-
2963,0
-1 30,516 15,973
-
2948,3
2 29,595 13,118
-
2894,7

Los valores de precios de venta de A y B para obtener el mximo beneficio, son
respectivamente:

$/da 15 15,021 y
$/da 30 025 , 30
~ =
~ = x


239
Otros mtodos de optimizacin numrica de funciones multivariables son:

4.3.3.4. Mtodo de Newton

La ecuacin algortmica para este mtodo es: ) ( ) (
1
1 k k k k
X f X H X X

V =

+
. para
encontrar un mnimo, y para un mximo: ) ( ) (
1
1 k k k k
X f X H X X

V + =

+
,
donde H X
k
1
( )

es la matriz inversa de la hessiana evaluada en el punto

X
k
.


4.3.3.5. Mtodo de Davidon-Fletcher-Powell

Este mtodo est basado en la lgica de las direcciones conjugadas. En los
mtodos que utilizan esta lgica, las aproximaciones sucesivas no se obtienen
siguiendo las direcciones del gradiente en cada punto, sino las llamadas
direcciones conjugadas.


X X S
i i
i
n
-
=

= +
0
0
1
|

donde en cada etapa

S
i
es un vector unitario
| |
s s s
n
T
1 2
, ,...., que hace parte del
conjunto llamado de direcciones conjugadas de la matriz H, los cuales cumplen la
condicin:


S HS
i
T
j
= 0 i j = , j=0,1,....n-1. con 0
i j
S y S = .

Un procedimiento general que utilice las direcciones conjugadas arranca
generando

X
1
y a partir de este sigue generando

X X
2 3
, , hasta obtener

X
-
en n
iteraciones.

El valor de

X
1
lo obtendra


X X S
1 0 0 0
= + |

donde |
0
se obtiene optimizando

g f X S ( ) ( ) | |
0 0 0 0
= +



o sea:
( ) ( )
( )
0 0 0
0
0
0
0
S X H S
S
X X H b
T
T

+ = |
El vector

S
0
inicial puede ser cualquier vector unitario.
240
Una vez obtenido

X X
1 2
, se obtiene como:

X X S
2 1 1 1
= + |

El vector

S
1
se obtiene de la propiedad de conjugado:


S HS
1 0
0 =

y de que

S
1
sea un vector unitario


S HS
T
1 1
0 =

El valor del desplazamiento |
1
se calcula con la ecuacin
( )
1 1
1
1 1
S H S
S
X H b
T
T

+ = |

Siguiendo esa secuencia, cualquier aproximacin se puede obtener

( )
k
T
k
k
T
k k
k
T
k
k k
k k k k
S H S
S
X H b
S S
S H S
S X X

+ =
=
=
+ =

+
|
|
0
0
1
1


El algoritmo para el mtodo de Davidon-Fletcher-Powell consiste en obtener una
aproximacin con la ecuacin:

X X
k k k +
= +
1
o

donde
k k k k
S X o | = = A

donde la direccin

S
k
se obtiene como:

( )

S D f X
k k k
= V

Dk: aproximacin de
( )
1
k
H X

|
k
se calcula con la minimizacin de:

( )
( )
g f X S
k k k k
| | = +


241

si se est buscando un mnimo, o maximizando, si se est buscando un mximo.
La matriz D
k
se actualiza en cada etapa con la ecuacin:
D D A B
k k k k +
= + +
1


donde:

( ) ( )
( )
1
T
k k
k T
k k
k k k
T T
k k k k
k
T
k k k
A
f X f X
D D
B
D
o o
o
+
=
A
A = V V
A A
=
A A


Para la primera iteracin puede tomarse D
0
como la matriz identidad; realmente lo
que se requiere es que esta matriz sea simtrica y positiva definida.

Este mtodo es mucho ms efectivo, tiene una mayor convergencia, que los
mtodos que utilizan nicamente la direccin del gradiente. Para medir esta
efectividad existe la funcin de Rosembrok

( ) ( ) ( ) f X x x x

= + 100 1
2 1
2
2
1
2


que tiene contornos marcadamente excntricos y que hace que los mtodos
basados puramente en el gradiente presenten una convergencia lenta.


4.3.3.6. Mtodo de Fletcher-Reeves

Este mtodo tambin est basado en las direcciones conjugadas, pero no tiene la
misma eficiencia del mtodo anterior, pero si lo es ms que los mtodos de
ascenso-descenso acelerado y de Newton.

El mtodo obtiene una aproximacin a partir de la ecuacin algortmica


X X S
k k k +
= +
1
|

donde |
k
se obtiene de la optimizacin de:

g f X s
k k k k
( ) ( ) | | = +

.

El vector

s
k
se obtiene para una nueva etapa con:

242

s f X s
k k k k + +
= V +
1 1
( ) o .
o
k
T
k k
T
k k
f X f X
f X f X
=
V V
V V
+ +

( ). ( )
( ). ( )
1 1


El algoritmo arranca escogiendo como direccin inicial:

s f X
0 0
= V ( ) .

4.3.4. Mtodos numricos de optimizacin de funciones restringidas

La mayora de los mtodos de optimizacin de problemas no lineales restringidos
se apoyan en uno de los siguientes conceptos bsicos.

i. Extensin de la metodologa de programacin lineal por medio de
aproximaciones sucesivas a un problema lineal.
ii. Transformacin de la funcin objetivo mediante el uso de funciones de
penalizacin.
iii. Uso de tolerancias factibles para acomodar las aproximaciones a la regin
factible.

En los problemas de optimizacin sin restricciones no era necesario iniciar la
bsqueda del ptimo a partir de un punto factible, mientras que en la mayora de
los mtodos numricos para problemas con restricciones se requiere la bsqueda
inicial de un punto factible para comenzar con el problema de optimizacin.

La bsqueda de un ptimo restringido puede hacerse, en principio, mediante las
tcnicas para problemas no-restringidos, con una rutina adicional que chequee y
asegure en cada aproximacin que se est en la regin factible.

El movimiento desde un punto a una nueva localizacin puede conducir a una
regin no factible, requirindose de un retorno a la regin factible, el cul puede
hacerse con informacin nicamente de la funcin objetivo y de las restricciones
en mtodos directos, o con evaluacin del valor del gradiente local cuando se
utilizan mtodos del gradiente.

Los mtodos que utilizan aproximacin del problema a un problema lineal en cada
etapa, utilizan la expansin en Taylor para la aproximacin.

El problema : optimizar f X ( )

Sujeto a: h X
i
( )

= 0 , i=1,2,...m
g X
i
( )

> 0, i=m+1,.....,p

Se transforma a:

Optimizar ) )( ( ) (
k k t k
X X X f X f

V +
243
Sujeto a: 0 ) )( ( ) ( = V +
k k
i
t k
i
X X X h X h

, i=1,...,n.
0 ) )( ( ) ( > V +
k k
i
t k
i
X X X g X g

, i=m+1,...,p.

Entre estos mtodos se tienen:

MAP: Mtodo de aproximacin programacin.
POP:Programa para el proceso de optimizacin.
NLP: Mtodo de programacin no lineal.

La solucin del problema lineal se resuelve mediante el mtodo simplex revisado
o un algoritmo modificado de este mtodo.

El mtodo simplex es un proceso iterativo en el cul el procedimiento de bsqueda
comienza en un punto que satisface las restricciones, y en cada ciclo se obtiene
un punto que mejora el valor de la funcin objetivo. En este mtodo, los puntos
que se prueban son puntos localizados en los vrtices de la regin factible.

Los mtodos que usan tolerancias factibles, mejoran el valor de la funcin objetivo
usando puntos factibles y puntos llamados casi-factibles. La tolerancia para
clasificar estos puntos casi-factibles se hace ms restrictiva a travs de la solucin
del problema hasta un lmite determinado.

En estos mtodos, el problema de optimizacin se transforma a:

Optimizar: f X ( )

Sujeto a: |
( )
( )
k
T X >

0.

donde |
( ) k
es el valor de la tolerancia flexible para el criterio de factibilidad en la
etapa k.
definiendo la funcin T X h X u g X
i i i
i m
p
i
m
( ) ( ) ( )

= + +

(
= + =

2 2
1 1
1
2

donde u
i
es el operador Heaviside tal que u
i
= 0 para g X
i
( )

> 0, u
i
=1 para
g X
i
( )

s 0.

Los mtodos del gradientes son mtodos que utilizan informacin sobre el
gradiente de la funcin objetivo en cada etapa para obtener la prxima
aproximacin del ptimo.


4.4. Ejercicios propuestos

1. Se desea instalar un evaporador de mltiple efecto para manejar un alimento de
100.000 lb/h de una solucin salina del 5% en peso. Si se va a concentrar la
244
solucin hasta el 20%, determine el nmero de efectos que deberan usarse
para conseguir los costos anuales ms bajos.
El costo de inversin del evaporador debe ser tomado como US$50.000 para
cada efecto instalado, junto con un valor adicional de US$15.000 para el equipo
auxiliar que debe ser dispuesto, independientemente del nmero de efectos
usados. La vida de la unidad se estima en 12 aos y al final de este tiempo el
valor de salvamento se considera que es US$7.500 por efecto. El evaporador
operar 320 das al ao. Los costos fijos anuales (excluyendo depreciacin)
deben ser tomados como el 12%, y los costos de mantenimiento anual como el
5%, ambos basados en la inversin original de capital. Los costos de vapor son
US$5/1.000 lb de vapor usado, y 0.8N lb de agua se evapora en la unidad por
cada libra de vapor, N es el nmero de efectos instalados. Los otros costos,
excepto los de depreciacin, deben ser considerados independientes del
nmero de efectos usados.
2. Halle la temperatura mxima de salida del tercer intercambiador mostrado en el
esquema (figura 9), sujeto a la restriccin de que el rea total tendr un valor
fijo, donde: N = 3, t
1
= 150F, t
2
= 200F, t
3
= 250F, T
o
= 100F, U = 0.1 ft
-2
, A
t
=
100 ft
2

U A
U A t T
T
i
i i i
i
+
+
=

1
1












Figura 9. Esquema intercambiadores en serie


2. Resuelva el ejemplo 9 con el mtodo de sustitucin directa
3. Considere un proceso de extraccin de 2 etapas con flujo cruzado. En cada
etapa se pone en contacto 10 l/min de fluido de proceso con un solvente
inmiscible con el fin de extraer el soluto presente que se alimenta en cada etapa.
Para esto, se alimenta w
i
ml/min de solvente fresco (i representa cada etapa).
La concentracin de soluto en la solucin original que se alimenta al sistema es
x
0
= 0.4. z
i
es la concentracin de soluto deseado en la corriente de salida del
solvente en cada etapa. Las composiciones de las corrientes de salida de cada
etapa estn relacionadas por la ecuacin de equilibrio z
i
= 2x
i
. Si la cantidad
unitaria de soluto extrado vale 500 $/l y el costo de la cantidad unitaria de
solvente es 100 $/l, determine: i) una expresin para las ganancias con este
sistema, si stas estn dadas por la resta del valor del soluto extrado menos el
...
T
o
T
1

T
2

T
n-1

T
n

t
1
t
2

T
n

1 2 n
A
1
A
2
A
n

245
costo del solvente suministrado, asumiendo costos de operacin nulos, ii) los
puntos estacionarios resultantes de optimizar las ganancias y clasifquelos como
mximo, mnimo y punto silla.
Las concentraciones x
i
y z
i
estn expresadas como ml de soluto/ml de solvente
extractor o solvente portador.
Utilice para la solucin un mtodo analtico de optimizacin de funciones
multivariables con restricciones.


246
4.5. Bibliografa

Avrial M., Nonlinear Programming: Analysis and Methods, Prentice-Hall, New
Jersey, 1976

Bazaraa M., Nonlinear programming, John Wiley & Sons, New York, 1979

Beveridge, S., Optimization, theory and practice, McGraw-Hill, New York, 1970

Himmelblau, D., Applied nonlinear programming, McGraw-Hill, New York, 1972.

Mickley, H.S., Sherwood, T.S., Reed, C.E., "Applied Mathematics in Chemical
Engineering". McGraw, New Delhi, 1975.

Smith, C., Pike, R., Murril, P., "Formulation and optimizacin of mathematical
models", International texbook Company, Scranton,1970.


247
TABLA DE CONTENIDO

5.1. Distribucin de errores ................................................................................. 250
5.2. Propagacin de errores ................................................................................ 252
5.3. Varianza de una medida indirecta................................................................. 258
5.4. Estimacin de intervalos y confiabilidad de estimaciones ............................. 260
5.5. Estimado de intervalos de desviaciones estndar ........................................ 266
5.6. Pruebas de hiptesis .................................................................................... 270
5.6.1. Etapas en las pruebas de hiptesis .................................................... 270
5.6.2. Comparacin de varianzas..................................................................... 271
5.6.2.1. Comparacin de la varianza de una muestra y una varianza hipottica
....................................................................................................... 271
5.6.2.2. Comparacin entre las varianzas de dos muestras.......................... 274
5.6.3 Comparacin de medias ..................................................................... 278
5.6.3.1 Comparacin entre la media de un conjunto y una media hipottica . 279
5.6.3.2 Comparacin entre la media de un conjunto x
1
y la media de otro
conjunto x
2
.................................................................................... 284
5.6.3.3 Comparacin entre las medias de dos conjuntos cuando se sospecha
que hay factores extraos que pueden influir en las determinaciones
individuales .................................................................................... 289
5.6.3.4 Comparacin entre varios valores de medias ................................... 290
5.7. Ejercicios propuestos ................................................................................... 296
5.9. Bibliografa ................................................................................................... 297
248
CAPITULO V.
INTERPRETACIN DE RESULTADOS EXPERIMENTALES


Son muchas las actividades en ingeniera qumica en las que se requiere obtener,
analizar e interpretar datos para la toma de decisiones. En la investigacin y
desarrollo de procesos, as como en el diseo, operacin y mejoramiento continuo
de unidades de transformacin o plantas de procesos completas, por ejemplo, el
ingeniero qumico est enfrentado al tratamiento y anlisis de datos, resultados de
experimentos, clculos u operaciones de produccin cotidiana.

En la investigacin y desarrollo, y en el diseo de algunas unidades como
reactores, filtros, centrfugas, lixiviadores, sistemas de suspensin y emulsificacin,
entre otros, el ingeniero qumico debe realizar experimentos, tantos como sea
necesario para validar hiptesis, encontrar relaciones entre variables de los
sistemas en estudio, o determinar las mejores condiciones de operacin para
disearlos y optimizarlos. En la operacin, el tratamiento y anlisis de datos es una
actividad cotidiana que debe realizarse por cambios o variaciones en materias
primas y variables de operacin, o por modificaciones en las especificaciones de
los productos para adaptarlos a los cambios del mercado o requerimientos de los
consumidores. En todas estas actividades el ingeniero est interesado en obtener
siempre resultados confiables. Confiabilidad que est sustentada en el grado en
que los valores de dichos resultados efectivamente representen el valor verdadero
de los parmetros o caractersticas de los sistemas.

As, el significado de las conclusiones basadas en datos numricos y la seguridad
en las decisiones apoyadas en dichas conclusiones, estn necesariamente
determinados por la confiabilidad de los datos y mtodos de procesamiento
utilizados. Por ello es necesario evaluar la confiabilidad tanto de los datos como de
los resultados obtenidos con base en medidas experimentales o medidas directas,
mas an, cuando de dichas conclusiones se desprenden decisiones costosas.

La confiabilidad en datos no slo es requerida en las investigaciones para la
seguridad en las conclusiones y en la determinacin experimental de propiedades
fsicas y fisicoqumicas, sino que condiciona tambin la realizacin de
investigaciones y medidas experimentales con un mnimo de tiempo y costo.
Tiempo y costo que estn vinculados al nmero de experimentos que deben
realizarse y a la precisin de los instrumentos de medida y rigurosidad de los
mtodos de clculo o procesamientos utilizados.

Todos los datos, medidos o calculados, estn sujetos a errores. En la prctica no
es posible obtener el valor verdadero de un parmetro o caracterstica de un
sistema. Siempre habr la presencia de una desviacin, ya por las limitaciones
inherentes a los sentidos humanos, debido a las aproximaciones de los mtodos
que se usen o sofisticacin de procedimientos de medida o instrumentos, o por la
descalibracin de estos instrumentos.
249

Si el error en un dato es descubierto y tenido en cuenta en su magnitud y signo en
la forma de una correccin en su efecto, el error se denomina determinado, y los
que no pueden ser tenidos en cuenta se denominan indeterminados. Estas
categoras de errores tambin pueden clasificarse de manera ms especfica en
errores accidentales, errores constantes y errores de mtodo.

Los errores accidentales son una clase importante de errores indeterminados. Ellos
ocurren por limitaciones fsicas de las personas que realizan la medida (error
humano) y/o por variaciones fortuitas en la sensibilidad del instrumento de medida
(error por sensibilidad). Los errores de mtodos, tambin indeterminados, son
debidos a aproximaciones y suposiciones hechas en el desarrollo terico del
modelo usado para calcular un resultado u obtener un dato, como por ejemplo el
truncamiento en una serie y los errores de redondeo. Mientras que los errores
constantes, que pueden determinarse haciendo medidas con diferentes
instrumentos, son debidos a la descalibracin del instrumento de medida.

La presencia de errores accidentales y constantes determina la precisin y
exactitud en una medida. La precisin o reproducibilidad est asociada a la
ausencia de errores accidentales en la medida, mientras que la exactitud hace
referencia a medidas libres de errores accidentales y constantes.

Se concluye entonces de las afirmaciones precedentes, que si se desea conocer
un valor de una propiedad mediante un anlisis de laboratorio, resulta evidente que
no se obtiene el valor verdadero. Sin embargo, puesto que ningn valor obtenido
experimentalmente es absoluto, si se puede determinar mediante mtodos
estadsticos la confiabilidad de la determinacin experimental. Esto exige realizar
una medida tantas veces como deseemos tener confianza en relacin con el valor
absoluto o verdadero.

En el caso especfico de la comprobacin de una hiptesis o la determinacin de la
confiabilidad de algn valor factual, se debe utilizar un experimento planeado
estadsticamente. Bsicamente esos experimentos preparados le permiten al
analista determinar con un grado de confianza preestablecido, el grado de
variacin de las determinaciones experimentales que se debe a la casualidad y el
causado por influencias conocidas o no.

En el anlisis de datos y planeacin de experimentos es necesario responder
algunas preguntas:

Qu tipo de errores son probables en una medida o clculo?
Cmo se extiende en los resultados un error en los datos?
Cunta seguridad deben poseer las cantidades individuales que entran en un
clculo para una confiabilidad especificada en el resultado?
Qu seguridad es econmicamente factible obtener en una investigacin?
Qu mtodo de investigacin es ms confiable?
250

Estas preguntas y otras relacionadas con la comprobacin de hiptesis, la
determinacin de una estimacin confiable de algn valor factual y la
representacin funcional de una caracterstica, se responden con ayuda del
anlisis estadstico.

El anlisis estadstico est constituido por un conjunto de tcnicas para reducir y
organizar datos y para determinar su significado esencial. Los mtodos
estadsticos se basan en el concepto simple de la variabilidad. Mediante este
concepto se determina una base para la planeacin de experimentos y el anlisis
de datos; en este sentido, los mtodos estadsticos, se ocupan de obtener la
informacin mxima a partir de un conjunto dado de datos (anlisis) y, a la inversa,
de minimizar la cantidad de datos (planeacin experimental) necesarios para
deducir informaciones especficas.

5.1. Distribucin de errores

Toda medida individual de una propiedad o caracterstica de un sistema, por la
presencia de errores, no es ms que un estimado de su valor verdadero. Por
ejemplo, si se tiene un tanque de producto de un proceso y se desea conocer la
densidad del producto en el tanque, y se toma una muestra y se le determina su
densidad, se dice que esta medida es un estimado de la densidad del producto.
Por los errores que pueden estar presentes en la medida, no es posible decir que
ese dato es el valor real o verdadero de la densidad.

Esa medida especfica de la densidad puede expresarse en funcin del valor
verdadero y una variacin debida a los errores, como:

= +
donde:

= valor verdadero.
= error experimental.

Si se toman varias muestras y a cada muestra se le determina la densidad, la
medida para cada muestra puede expresarse como:

i
= + c
i
En este caso la media de estas determinaciones puede tomarse como un estimado
ms confiable de la densidad. Resulta evidente, en forma intuitiva, que en la
medida en que se tome un mayor nmero de muestras, la media de las
determinaciones tiende a un valor fijo. Este valor representa el valor verdadero de
la densidad, si no existen errores de mtodo y/o errores no-aleatorios inherentes
en las medidas.
251

Las medidas repetidas de una cantidad x son comnmente reportadas en trminos
de la media o valor promedio, y la desviacin estndar o variacin o la dispersin
de los datos.

As, la media o promedio est dada por:

x
n
x
i
i
n
=
=

1
1


donde:

x
i
: son los valores individuales.
n : nmero de datos o valores.

La desviacin estndar muestral es la raz cuadrada del promedio de la diferencia
al cuadrado entre los valores individuales y el valor promedio.

( )
2
1
1
1
n
i
i
s x x
n
=
=

Si en un conjunto infinito de datos las variaciones de los valores individuales son
aleatorias, Gauss demostr que la distribucin de los datos alrededor de la media
est dada por la funcin:

2
1 ( )
exp
2
( )
2
x u
f x
o
o t

(

`
(


)
= , -< x < +


donde:

u = media hipottica
o = desviacin estndar
f x ( ) = frecuencia o probabilidad de ocurrencia de un valor de magnitud x.

Esta funcin de distribucin puede simplificarse definiendo la transformacin:

z
x u
=

o


por lo tanto:

252
2
1
exp
2
( )
2
z
f z
t

`
)
= , -< z < +

La cual es conocida como la distribucin normal estndar

5.2. Propagacin de errores

Cuando una cantidad deseada M est relacionada a varias cantidades
directamente medidas
n
M ,..., M , M
2 1
por la ecuacin:

( )
n
M ,..., M , M f M
2 1
=

M puede determinarse indirectamente o medirse indirectamente.

En general, el valor verdadero de M no puede ser conocido si no se conocen los
valores verdaderos de
n
M ,..., M , M
2 1
, pero el valor mas probable de M
denotado por Q puede obtenerse a partir de los valores ms probables de
n
M ,..., M , M
2 1
, denotados por
1 2
, ,...,
n
q q q . Evidentemente los errores en las
medidas se propagaran hasta la cantidad calculada.

El valor ms probable de M, as como un estimado de M a partir de los estimados
de q
i
pueden calcularse con la misma funcin, como:

( )
1 2
, ,...,
n
Q f q q q =

( )
1 2
, ,...,
n
Q f q q q =


Si se conocen los errores en q q q
n 1 2
, ,......., se puede estimar la caracterstica del
error en Q. Haciendo una expansin en Taylor alrededor del punto que define los
valores ms probables de los q
i
y reteniendo nicamente los trminos lineales se
obtiene:

( )
t
Q Q f q q q
(
~ +V -



donde:

| |
1 2
, ,...,
n
q q q q =
y | |
1 2
, ,...,
n
q q q q =


Como Q Q Q = A , error en la medida indirecta
253

( )
t
Q Q Q f q q q
(
A ~ = V -



( )
1 2
1 2
1
...
t
q q
n
i
i
i
q
Q Q Q q q q
f f
Q q q
q q
f
Q q
q
c c
c c
c
c
=
A = ~ V - (

A ~ A + A +
A ~ A

El signo en Aq
i
es el que haga mximo a AQ.

As, el error calculado enQ depende entonces de:

Naturaleza de la funcin f
Magnitud de las cantidades medidas
Magnitud de los errores en las cantidades medidas

Si la funcin f es una suma:


Q q q q q
Q q
n i
i
i
n
= + + + =
=

=
1 2
1
. . . . . . .
A A

Si la funcin es una productoria

Q q
i
i
n
=
=
[
1

A A Q
Q
q
q
i
i i
n
=
=

1


En este caso si denominamos error relativo al error fraccional, en este caso se
tiene que el error relativo en Q es igual a la suma de los errores relativos en q.
Si la funcin tiene la forma:

k
n
b a
q q q Q ...
2 1
=
( ) ( )
n
k
n
j
n
a a k
n
b
q kq q q q aq q q Q A + A = A

1
1 1 1
1
1 2
... ... ...
n
n
q
q k
q
q b
q
q a
Q
Q A
+ +
A
+
A
=
A
...
2
2
1
1

254

En este caso se establece que el error relativo de Q est dado por la suma de
errores relativos afectados por la respectiva potencia en q
i
en la funcin.

Ejemplo 1:

Durante el curso de un anlisis de funcionamiento de planta se hizo necesario
determinar la velocidad promedio de agua a travs de cierta tubera. El mtodo
ms conveniente de medida fue un mtodo indirecto consistente en la medida del
peso del agua que sala de la tubera durante un tiempo t, medida del dimetro de
la tubera y clculo de la velocidad promedio con la relacin:

v
W
tA
W
D t
= ~
t
4
2

Las medidas directas con los errores estimados son:

W = 100 5lb
t = 70 10 . s
D= 1 003 . in
= 6234 0001 . . lb/ft
3


Si despreciamos el error relativo en el peso especfico, se tiene que el error en
v est dado por:

v v v
v W t D
W t D
c c c
c c c
A ~ A + A + A

De la relacin de v se obtiene:

c
c t
c
c t
c
c t
v
W D t
v
t
W
D t
v
D
W
D t
=
=
=
4
4
8
2
2 2
3


2 2 2 3
4 4 8 W W
v W t D
D t D t D t t t t
A ~ A A A

Reemplazando los valores de las variables, sin el error, se obtiene:

100
0.042 0.060
12
v W t D A ~ A A A
255

Para obtener el mximo error se toman los signos de A A A W t y D , tales que Av sea
mximo.

( ) ( ) ( )
100
0.042 5 0.060 1.0 0.03
12
0.522 /
4 100 144
/
70 3.14 62.3
4.21 /
v
v ft s
v ft s
ft s
A ~
A ~

~

=


El mximo error relativo es:

0.522
100 12.4%
4.21
=

Para hallar los errores relativos en las cantidades medidas para que el error de la
cantidad indirectamente medida est dentro de cierto margen de seguridad se
utiliza el principio de efectos iguales; asumiendo que el error total puede estimarse
como n veces la contribucin de cualquiera de las medidas directas.
O sea:

1 2
1 2
... ...
n
n
f f f
Q n q n q n q
q q q
c c c
c c c
A ~ A = A = = A


i. Si
1 2
...
n
Q q q q = + + +

1 2
1 2
n
n
q q q Q
n n n
Q q q q
A A A A
= = = =


ii. Si
k
n
b a
q q q Q ...
2 1
=
1 2
1 2
...
n
n
q q q Q
na nb nk
Q q q q
A A A A
= = = =



Ejemplo 2:

Cules deben ser los errores relativos en W,D y t para el ejemplo anterior, si se
desea que v posea un error de 20%. .

256
0.02
3 0.7%
3
0.02
3 0.7%
3
0.02
3 2 0.33%
2 3
v W W
v W W
v t t
v t t
v D D
v D D
A A A
~ = =
A A A
~ = =
A A A
~ = =

Ejemplo 3:

La calibracin de un orificio medidor normalmente se realiza midiendo la rata de
flujo de agua con la cada de presin medida en un manmetro de mercurio. El
mtodo ms simple para obtener la rata de flujo msico consiste en recoger y
pesar el agua que fluye a travs del medidor en un perodo definido de tiempo.

Para un orificio particular de 0.25 in. de dimetro, se determin una rata de flujo W
igual a 19 lb/min con un error estimado de +/- 0.1 lb/min, y la correspondiente cada
de presin fue 9.1 inHg con un error estimado de +/- 0.1 in Hg. Calcular el mximo
error posible en el clculo del coeficiente del orificio Cv, para el flujo medido.

Determine cul debe ser el error mximo en las medidas de W y cada de presin
si se desea que el error mximo en Cv sea el +/-2%.

C
K
W
h
v
m
=
1


donde

0
1
2
2
2 2
3 2
1
2
60 2 1.05
1
(0.25) 62.3 60 2 1.05 32.2
4 min 144
10.5
min
w
K A g
lb seg ft ft
in
ft in seg
lb ft
K

=
=
~

W = rata msica en lb/min.
h
m
= cada de presin en in Hg.

v v
v m
m
C C
C W h
W h
c c
c c
A ~ A + A
1
v
m
C
W K h
c
c
=
257
3
2
3
2
2
1
2
v
m
m
v m m
m
C W
h
h K
W
C W h h
K K h
c
c

=
A ~ A A


Reemplazando los valores de K, W y h
m
, se obtiene:

0.0316 0.0329
v m
C W h A ~ A A

Para obtener el mximo error se toman los signos de AWy Ah
m
que hagan,
efectivamente, mximo el valor.

3
0.0316(0.1) 0.0329( 0.1) 6.45 10
v
C

A ~ =

El valor del coeficiente ser por lo tanto C
v
=

06 645 10
3
. . * .

Para hallar los errores relativos de W y h
m
, para que C
v
tenga un error mximo del
+/-2% se aplica el principio de efectos iguales:

1 2
1 2
...
n
n
Q Q Q
Q n q n q n q
q q q
c c c
c c c
A ~ A = A = = A

En este caso:

2 2
v v
v m
m
C C
C W h
W h
c c
c c
A ~ A = A

2
2 2 2
2
1 1
( 0.02) 0.01 1%
2 2
v v v v v
m m
v
v
m
v
v
C C C C W C W W
W K h K h
C
W C
W
W
K h
C W
W C
c
c
A A A A A
A = = = = =
| |
|
\ .
A A
= = = =


3
1
2 2
2
2
2%
v v v v m v m
m
v
v
m
m
m
m m
m v
m v
C C C C h C h
h
C
C
Wh
W
Wh
h
K h K h
K
h C
h C
c
c

A A A A A
A = = = = =
| | | | | |

| | |

\ . \ . |
|
\ .
A A
= =


258
El error relativo con que debe determinarse el flujo W es 1% y 2% para la cada
de presin.


5.3. Varianza de una medida indirecta

La varianza de una medida indirecta est dada por:

2
2 2
1
( ) ( )
n
i
i
i
q
Q
Q q
q
c
o o
c
=
| |
=
|
\ .

y el estimado de dicha varianza se puede obtener de una relacin similar:

2
2 2
1
( ) ( )
n
i
i
i
q
Q
s Q s q
q
c
c
=
| |
=
|
\ .

Esta relacin se puede demostrar a partir de una expansin en Taylor de la
funcin de Q.

Una expansin en Taylor truncada en el segundo trmino da:

( )
t
Q Q f q q q ( ~ +V -



1 2
( , ,... )
n
Q f q q q =

i
q : Media estimada del valor verdadero.

( )
t
Q Q f q q q
(
~ +V -



1 2
1 2
...
q q
f f
Q q q
q q
c c
c c
| | | |
A ~ A + A +
| |
\ . \ .


Elevando al cuadrado y despreciando los dobles productos.

2 2 2
2 2 2 2
1 2
1 2
...
n
n
q q q
f f f
Q q q q
q q q
c c c
c c c
| | | | | |
A ~ A + A + + A
| | |
\ . \ . \ .


dividiendo por n

-1
259

2 2 2
2 2 2 2
1 2
1 2
...
1 1 1 1
n
n
q q q
q q q Q f f f
n q n q n q n
c c c
c c c
| | | | | | A A A A
~ + + +
| | |

\ . \ . \ .


donde n es el nmero de medidas individuales y usando la definicin de varianza,
para cada medida directa de q
i
, se obtiene:

2
2 2
1
( ) ( )
n
i
i
i
q
Q
s Q s q
q
c
c
=
| |
~
|
\ .

Ejemplo 4:

Hallar la varianza de la velocidad promedio del agua, con los datos del ejemplo 1,
teniendo en cuenta que el estimado de la varianza para cada una de las variables
es:

( )
( )
( )
( )
2
2
2 4
2 7
4.884
0.195
1.69 10
1.95 10
s W
s t
s D
s

=
=
=
=


v
W
tA
W
D t
= ~
t
4
2


Las medidas directas con los errores estimados son:

W = 100 5lb
t = 70 10 . s
D= 1 003 . in
= 6234 0001 . . lb/ft
3


Si despreciamos el error relativo en el peso especfico, la varianza de v est dada
por:

( ) ( )
2
3
2 2
1
i
i
i
i
q
v
s v s q
q
=
| | c
~
|
c
\ .

260
( ) ( ) ( ) ( )
2 2 2
2 2 2 2
v v v
s v s W s t s D
W t D
c c c
c c c
| | | | | |
~ + +
| | |
\ . \ . \ .


De la relacin de v se obtiene:

c
c t
c
c t
c
c t
v
W D t
v
t
W
D t
v
D
W
D t
=
=
=
4
4
8
2
2 2
3


( ) ( ) ( ) ( )
2 2 2
2 2 2 2
2 2 2 3
4 4 8 W W
s v s W s t s D
D t D t D t t t t
| | | | | |
~ + +
| | |
\ . \ . \ .


Reemplazando los valores de las variables, sus varianzas y para obtener el
mximo error se toman los signos de las derivadas parciales positivos para que
( )
2
s v sea mximo.

( ) ( ) ( ) ( ) ( ) ( )
2
2 2
2 2 2 2
100
0.042 0.060
12
s v s W s t s D
| |
~ + +
|
\ .


( )
2 3 3 4
2
1.76 10 4.884 3.6 10 0.195 69.44 1.69 10
2.1 10
s v

~ + +
=



5.4. Estimacin de intervalos y confiabilidad de estimaciones

Los valores de o y para una medida de alguna propiedad o caracterstica
provee una descripcin de la precisin del mtodo de medida. Sin embargo, en la
prctica no es posible obtener estos parmetros, sino estimaciones de ellos a partir
de un conjunto finito de datos o medidas.

Si se supone que la diferencia entre una media muestral x y se debe solo a la
casualidad y que las medidas individuales de x tienen una distribucin normal, se
puede determinar una medida de la confiabilidad de x al estimar . Esta medida
se denomina intervalo de confianza. Se puede demostrar que si una distribucin de
observaciones o medidas individuales es normal, con una media y desviacin
estndar o , las medias muestrales, cada una de ellas basadas en n
observaciones o medidas escogidas aleatoriamente de la poblacin, tendrn
261
tambin una distribucin normal en torno a , pero con una desviacin estndar
igual a
o
n
. As, si se conociera o se podra definir un intervalo de confianza en el
cual se encuentre el valor , con una probabilidad especificada, a partir de una
muestra. El intervalo estara definido por:

n
z x
o

o
2
=

donde:

n: nmero de observaciones o medidas para la muestra.
z
o/2
: valor definido por el nivel de probabilidad, y obtenido de la distribucin normal.
z
o
2

( )dz z f z z P
z
}

= > =
2
) (
2
2
o
o
o


Ejemplo 5 :

Obtener un intervalo de confianza del 95% para el rendimiento diario de un reactor
de cido sulfrico, a partir de los rendimientos:
91.37%,91.45%,93.13%,92.87%,91.65%,91.96%,92.28%,92.57%,92.93% y
92.79%; si se supiera que o =0.75.

x
x
n
i
i
n
= = + + + =
=

1
10
9137 9145 92 79 92 30
1
( . . ... . ) .

De una tabla de valores de probabilidad para la distribucin normal con
1-p(z)=5%/2=2.5%, se obtiene z=1.96, para p(z)=97.5.
El intervalo para el rendimiento diario sera:

92 30
196 075
10
92 30
196 075
10
.
. * .
.
. * .
s s + R
9183 92 76
92 30 0464
. . .
. . .
s s
=
R
R


Si se tiene un conjunto de medias con los respectivos estimados de la desviacin
estndar de la poblacin, se puede conformar una muestra de medias de
i
n
x ,..., x , x , x
3 2 1
y a partir de esta muestra obtener un mejor estimado de la media
de la poblacin. Este estimado est definido como:

1
1
i
n
m j
j
i
x x
n
=
=


262

donde:

n
i
representa el nmero de muestras o medias

El estimado muestral de la desviacin estndar del conjunto de medias est dado
por:

2
1
1
( )
1
i
n
m j m
j
i
s x x
n
=
=

Este estimado muestral de la desviacin estndar del conjunto de medias se puede
estimar desde una simple muestra.

( )
2 1
;
1
m i
s
s s x x
n n
~ =

s = estimado de la desviacin estndar de la poblacin
s
m
= estimado de la desviacin estndar de la poblacin medias muestrales

Se ha observado que la distribucin de frecuencia de medias muestrales x
i
en
torno a la media de la poblacin es esencialmente normal, aunque la
distribucin de frecuencia de la poblacin no lo sea. Este hecho es importante
porque permite calcular intervalos de confianza para la media de una poblacin
an cuando no se cumpla la condicin de distribucin normal para ella.

Para una muestra con 30 n > se puede aproximar o
m
a
m
s , es decir

m m
s o ~

Como la media de una muestra es un buen estimado de la media de la poblacin,
se puede usar junto con
m
s para la estimacin de intervalos. En este caso el
intervalo estar definido como:


m m
s z x
2
o
=
a partir de un conjunto de medias
n
s
z x
2
o
=
a partir de una media

z
o
2

o
o
2
2
= > P z z ( )


263


Ejemplo 6:

Un resultado analtico arroja una media de 30.8 y una desviacin estndar
estimada del conjunto de medias igual a 0.489. Calcular el lmite del 95% de
confianza para el valor verdadero.

Se parte del supuesto de que
m
o es conocido e igual a 0.489 por lo que, en el
clculo del intervalo se usar el estadstico z. De una tabla de probabilidad para la
distribucin normal con ( ) 1
5
2
25% = = P z . , se obtiene z = 1.96 para ( ) P z = 975% . .
El intervalo de confianza del 95% ser:



2
30.8 1.96 0.489
30.8 0.96
29.8 31.8
m
x z s
o

= +
=
=
s s


En el caso en que el nmero de datos de la muestra sea pequeo
2
30,
s
n
n
< no
es un estimado adecuado de o
m
2
. En este caso se utiliza la distribucin t de
Student para el estimado del intervalo en lugar de la distribucin normal. La
distribucin t de Student est definida por.

( ) f t
t
=
+
|
\

|
.
|
|
\

|
.
|
+
|
\

|
.
|

+ |
\

|
.
|
1
1
2
2
1
2
1
2
t

I
I
, -< t < +

donde:


m
x
t
s

=
: grados de libertad (nmero de valores usados para calcular las medias menos
el nmero de medias calculadas).

Por lo tanto un intervalo para el valor verdadero puede definirse a partir de la
distribucin t de Student con una probabilidad especfica o una confianza deseada.
Con esa probabilidad, y de la definicin de la variable t , se tiene
264
2
o

t
s
x
m
=

donde:

2
m
x t s
o
=
/ 2 2 2
( ) ( )
2 t
t P t t f t dt
o
o o
o

= > =
}



Ejemplo 7:

Los resultados de un anlisis gravimtrico son: 55.3, 56.9, 55.8, 57.3 y 57.7. Calcular
el rango en que pueda encontrarse el valor verdadero con una confianza del 95%.
Como el nmero de datos es menor que 30 (n< 30), para el calculo del intervalo de
confianza se usar el estadstico t y el estimado
m
s .

Clculo de la media:
5
1
1
i
i
x x
n
=
=

( )
1
55.3 56.9 55.8 57.3 57.7
5
56.6
= + + + +
=


Clculo de la
m
s :

( )
( )
5
2
2
1
2
1
1
0.20
56.6 0.45
m i
i
m
s x x
n n
x t s
t
o

=
=

=
=
=

Con el 95% de probabilidad y los grados de libertad igual a 4 se obtiene de la tabla
2-1, de Mickley and Sherwood, Applied Mathematics in Chemical Engineering,
1975, el valor de
/ 2
2.776 2.8 t
o
= ~
.

=
s s
566 126
5534 5786
. .
. .



265
Si se tienen varios grupos de datos que muestren medias equivalentes
estadsticamente, es decir no existe una diferencia entre ellas estadsticamente
significativa, se puede obtener a partir de las medias muestrales un mejor estimado
del valor verdadero:

x
w x
w
mv
i i
i
n
i
i
n
i
i
=
=
=

1
1


donde :


( ) ( )
i , m
i
i k
i
i k
i
s s
n n
w
2 2 2
1
= ~ =
o


n
k
= nmero de datos en un grupo

Un intervalo para el valor verdadero puede definirse a partir de la distribucin t de
Student con el valor x
mv
y un estimado muestral de la desviacin estndar del
conjunto de medias muestrales.

El estimado del intervalo de confianza se hace con el mejor valor de la media de
las medias, cuando la varianza del conjunto de datos de cada muestra tienen los
valores diferentes o o
i j
2 2
= , donde i, j son dos conjuntos de datos diferentes.
El estimado de la varianza de la poblacin de mejores valores de media,
2
, m mv
s , se
puede obtener a partir de los estimados de la desviacin estndar de la poblacin
de medias maestrales que se hace en cada conjunto de datos.


( )
2
2
1
2
2
1
1 1
mv , m
i , m
i
i
i k
mv , m s
s
n
= ~ =

= o
o


El intervalo de confianza esta dado como:

,
2
mv m mv
x t s
o
=


con = nmero total de datos menos el nmero de grupos

( )

=
=
i
n
i
i i k
n n
1

266

donde:

n
i
= nmero de grupos o muestras
(n
k
)
i
= nmero de datos en el grupo o muestra i


Ejemplo 8:

Un anlisis realizado por dos procedimientos diferentes arroja los resultados que
se muestran en la tabla 1.

Tabla 1. Procedimientos del ejemplo 7

x
1
x
2
x
3
x
4
x
5
x
s
m
2

Procedimiento 1 55.3 56.9 55.8 57.3 57.7 56.6 0.2
Procedimiento 2 52.6 54.3 58.0 52.7 60 55.5 2.2


Obtenga el rango del valor verdadero con una confianza del 95%.

56.6 55.5
0.2 2.2
56.5
1 1
0.2 2.2
mv
x
+
= =
+

2
,
1
0.183
1 1
0.2 2.2
m mv
s = =
+


Para obtener el intervalo con el mejor valor de la media se asumir que las
varianzas de los dos procedimientos son diferentes, es decir
2 2
1 2
o o = .

Con = = 10 2 8 y 95 . 0 ) (
2 2
= s s
- -
o o
t t t p se obtiene de la tabla 2-1 de Mickley
and Sherwood, Applied Mathematics in Chemical Engineering, 1975, el valor de
/ 2
2.306 t
o
-
= , as el intervalo est dado por:


,
2
56.5 2.306 0.18
56.5 0.984
mv m mv
x t s
o

=
=
=


5.5. Estimado de intervalos de desviaciones estndar

267
Si se asume que la poblacin de la cual se hace el muestreo tiene una distribucin
aproximada a la distribucin normal, se puede demostrar que el estadstico

_
o
2
2
2
1
=
( ) n s


llamado chi-cuadrado, tiene una distribucin continua conocida como la distribucin
de chi-cuadrado, con media igual a (n-1), los grados de libertad. Esta distribucin
est dada por la funcin:

( )
( )
2
1
2 2 2
2 2
2
1
( ) , 0
2
2
f e

_ _ _

= < <
| |
I
|
\ .


donde

: grados de libertad
( )
1
0
k t
k t e
+

I =
}
, k >0

Para esta distribucin:

Con una probabilidad de ( ) 1 o , se puede acertar que:

2
2 2
2 1
2 2
( 1) n s
o o
_ _
o

< <

A partir de esta ecuacin, mediante transformaciones algebraicas se obtiene el
intervalo para o , para muestras pequeas, (n< 30) :

( )
.
( ) n s n s
< <

1 1
2
2
2
2
1
2
2
_
o
_
o o


donde :
2
2
o
_ es el valor de la variable
2
_ tal que
2 2
2
( )
2
P
o
o
_ _ > = como se muestra
en la figura 1; y
2
1
2
o
_

es el valor de la variable
2
_ tal que
2 2
1
2
( )
2
P
o
o
_ _

s = como
se ilustra en la figura 2.


268

Figura 1. Distribucin chi-cuadrado



Figura 2. Regiones de la distribucin chi-cuadrado

Para muestras grandes. (n 30), la distribucin de s se puede aproximar a una
distribucin normal que tiene media igual a o y desviacin estndar igual a
o
2n
.
Con esta distribucin se puede establecer el intervalo para o con un nivel de
significancia o .

269
2 2
1 1
2 2
s s
z z
n n
o o
o < <
+


donde:

z
o
2

o
o
2
2
= > P z z ( )

Ejemplo 9:

Se hicieron cinco determinaciones del flujo de agua fria en un intercambiador de
calor. Los valores obtenidos en GPM (galones por minuto) fueron: 5.84, 5.76, 6.03,
5.90, 5.87. Determine el intervalo de confianza para la imprecisin en la medida del
flujo.
Como el nmero de datos es menor que 30, n < 30, el intervalo de confianza se
construye con el estadstico
2
_ ; y esta dado por:

( )
.
( ) n s n s
< <

1 1
2
2
2
2
1
2
2
_
o
_
o o


Clculo de la media:

1
5
i
x x =

( )
1
5.84 5.76 6.03 5.9 5.87
5
5.88
= + + + +
=


Clculo del estimado de la varianza:

( )
5
2
2
1
1
4
i
i
s x x
=
=

2 2 2 2 2
1
(5.84 5.88) (5.76 5.88) (6.03 5.88) (5.9 5.88) (5.87 5.88)
4
0.013
( = + + + +

=

= 0.00975

Los valores de
2
/ 2 o
_ y
2
1 / 2 o
_

se leen de una tabla para las distribucin Chi-cuadrado
con 5% o = ; para obtener el intervalo de confianza con una probabilidad del 95%.
Los valores ledos con 4 v = son:
270

2
0.025
11.1 _ = ;
2
0.975
0.4844 _ =


4 0.00975 4 0.00975
.
11.1 0.4844
o

< <

0.059 0.284 o < <


5.6. Pruebas de hiptesis

Con mucha frecuencia en las investigaciones es necesario comparar un promedio
de un conjunto de datos con un valor hipottico o con el valor promedio de otro
conjunto (o los promedios de otros conjuntos) de datos, para determinar si las
diferencias observadas entre ellos pueden deberse a la casualidad. Igualmente es
necesario, en algunos casos, tener informacin sobre la homogeneidad de datos o
de un conjunto de determinaciones experimentales; es decir, conocer la
variabilidad o la varianza de un conjunto o varios conjuntos de medidas. En esas
circunstancias, el criterio para determinar si una diferencia es o no real, es
determinar la magnitud de la diferencia que puede deberse a la casualidad. Si la
diferencia observada es mayor que la que pudiera esperarse razonablemente en
forma aleatoria, se dice que dicha diferencia es estadsticamente significativa. Para
responder si efectivamente existe alguna diferencia entre la media y un valor
hipottico, o entre un conjunto de medias, as como si existe alguna diferencia
entre la varianza y un valor hipottico se realizan pruebas de hiptesis.

En las pruebas de hiptesis, se pueden cometer dos tipos de errores:

Error tipo I: Descartar una hiptesis cuando es verdadera.
Error tipo II: Aceptar una hiptesis cuando es falsa.

Esta situacin puede esquematizarse en la tabla 2, si se simboliza con H la
hiptesis.

Tabla 2. Pruebas de hiptesis

H es verdadera H es falsa
Aceptar H Decisin correcta Error tipo II
Rechazar H Error tipo I Decisin correcta


5.6.1. Etapas en las pruebas de hiptesis

1. Formular una hiptesis de tal forma que pueda calcularse la probabilidad de un
error tipo I. A esta hiptesis se le llama hiptesis nula.
271
2. Formular una hiptesis alterna de tal forma que el desecho de la hiptesis nula
sea equivalente a la aceptacin de la hiptesis alternativa.
3. Especificar la probabilidad con la cul queremos correr el riesgo de un error tipo
I. Esta probabilidad es generalmente llamada el nivel de significancia con el cul
se realizar la prueba y es denotada por o .
4. Construir el criterio de la prueba usando la teora estadstica apropiada.
5. Finalmente, especificar si la alternativa de desechar la hiptesis nula es aceptar
o reservarse el juicio sobre la hiptesis alterna.


5.6.2. Comparacin de varianzas

Hay tres tipos bsicos de comparaciones de varianza:

Entre la varianza de un conjunto y una varianza hipottica.
Entre la varianza de dos conjuntos de datos.
Entre las varianzas de varios conjuntos de datos.

5.6.2.1. Comparacin de la varianza de una muestra y una varianza
hipottica

La hiptesis nula que se denominar H
0
, y la hiptesis alterna que se designar H
1
,
se formularn de acuerdo con la pregunta que se requiere responder. Con cada
hiptesis nula hay asociada una hiptesis alterna. Si o
2
es el valor verdadero de la
varianza del conjunto de datos y
2
0
o un valor hipottico de la varianza, los pares
posibles que pueden construirse son:

- Ho : o
2

2
0
o y H
1
: o
2
<
2
0
o
- Ho : o
2

2
0
o y H
1
: o
2
>
2
0
o
- Ho : o
2
=
2
0
o y H
1
: o
2

2
0
o

El estadstico _
2
se usa en los criterios para aceptar o rechazar la hiptesis nula.
El valor calculado u observado de este estadstico est dado por la ecuacin:

( )
_
o
2
2
0
2
1
=
n s


donde s
2
es un estimado del valor verdadero de o
2
, y los grados de libertad son
iguales a ( ) n 1 .

Los criterios para decidir en la prueba aparecen en la tabla 3

272
Tabla 3. Criterios para aceptar o rechazar la hiptesis nula en la comparacin de
una varianza o
2
con un valor hipottico
2
0
o
Hiptesis
nula
Hiptesis
alterna
Desechar la
hiptesis nula
Aceptar la hiptesis nula
o reservarse el juicio
2 2
0
o o >
2 2
0
o o <
2 2
1 o
_ _

<
2 2
1 o
_ _

>
2 2
0
o o s
2 2
0
> o o
2 2
>
o
_ _
2 2
o
_ _ s
2 2
0
o o =
2 2
0
o o =
2 2
1 / 2 o
_ _

<
2 2
/ 2
>
o
_ _
2 2 2
1 / 2 / 2 o o
_ _ _

s s


Donde:

2 2 2
2 2 2
1 1
2 2 2
/ 2 / 2
2 2 2
1 / 2 1 / 2
( )
1 ( )
/ 2 ( )
1 / 2 ( )
P
P
P
P
o o
o o
o o
o o
_ o _ _
_ o _ _
_ o _ _
_ o _ _


= >
= >
= >
= >

Estos mismos criterios estn representados en las figuras 3, 4 y 5. En las figuras
est representado el criterio para rechazar la hiptesis nula, cuando el valor de _
2

calculado u observado cae en las zonas rayadas en las figuras. La figura 3 para el
caso de hiptesis nula
2 2
0
o o > , la figura 4 para la hiptesis nula
2 2
0
o o s y la figura
5 para la hiptesis
2 2
0
o o = .









-2 0 2 4 6 8 10 12
-2
0
2
o
_
2
1o
0
_
2
f(_
2
)
1o
Y

A
x
i
s

T
i
t
l
e
X Axis Title

Figura 3. Hiptesis alterna o o <
0





273


Figura 4. Hiptesis alterna o o >
0









-2 0 2 4 6 8 10 12
-2
0
2
o/2
_
2
1o/2
0
_
2
o/2
_
2
f(_
2
)
o/2
1o
Y

A
x
i
s

T
i
t
l
e
X Axis Title


Figura 5. Hiptesis alterna o o =
0



Ejemplo 10:

El espesor de una parte usada en un semiconductor tiene una dimensin crtica tal
que su variacin est dada por una desviacin estndar no mayor que 0.60
milsimas de pulgada. Si de un proceso de manufactura de estas partes se
tomaron 18 muestras cuya desviacin estndar es s= 0.82 milsimas de pulgada,
puede considerarse que el proceso est ajustado para satisfacer la calidad de las
partes?.

Para responder la pregunta se plantean como hiptesis:
274

H
0
:
2 2 2
0
(0.60) o o s =
H
1
:
2 2 2
0
> (0.60) o o =

El valor observado para _
2
es:
( ) ( )
( )
2
2
2
2 2
0
1 17 0.82
0.60
n s
_
o

= =
2
31.75 _ =

Con un nivel de significancia igual al 5% (o = 5%), para 17 grados de libertad se
obtiene de una tabla para la distribucin chi-cuadrado:

_
o
2
27587 = . .


Como el valor observado es mayor que el valor ledo
2 2
o
_ _ ) se descarta la
hiptesis nula, lo que implica que el proceso no satisface el requerimiento de
dimensin crtica y por lo tanto debe ajustarse.

5.6.2.2. Comparacin entre las varianzas de dos muestras

De igual manera a la comparacin de una varianza con un valor hipottico, en la
comparacin de dos varianzas de dos conjuntos de datos, las hiptesis se
formularn de acuerdo con lo que se requiere saber. Si
2
1
o es el valor verdadero
de un conjunto de datos y
2
2
o el valor verdadero correspondiente al otro conjunto,
los pares posibles de hiptesis que pueden formularse son:

- Ho : o
1
2

2
2
o y H
1
: o
1
2
<
2
2
o
- Ho : o
1
2

2
2
o y H
1
: o
1
2
>
2
2
o
- Ho : o
1
2
=
2
2
o y H
1
: o
1
2

2
2
o

El estadstico F se usa en los criterios para aceptar o rechazar la hiptesis nula. El
valor calculado u observado de este estadstico esta dado por:

2
1
2
2
s
F
s
=

donde
2
1
s y
2
2
s son estimados de las varianzas o
1
2
y
2
2
o , respectivamente.

Los criterios para decidir en la prueba aparecen en la tabla 4.

275

Tabla 4. Criterios para aceptar o rechazar la hiptesis nula en la comparacin de
dos varianzas o
1
2
y
2
2
o , de datos normalmente distribuidos
Hiptesis nula Hiptesis
alterna
Desechar la hiptesis
nula
Aceptar la hiptesis nula
o reservarse el juicio
2 2
1 2
o o >
2 2
1 2
o o <
1
F F
o
<
1
F F
o
>
2 2
1 2
o o s
2 2
1 2
o o > F F
o
> F F
o
s
2 2
1 2
o o =
2 2
1 2
o o =
1
2
F F
o

( F F >
o
2

1 / 2 / 2
F F F
o o
s s



Donde:

1 1
1 / 2 1 / 2
/ 2 / 2
1 ( )
( )
1 / 2 ( )
/ 2 ( )
F P F F
F P F F
F P F F
F P F F
o o
o o
o o
o o
o
o
o
o


= >
= >
= >
= >


F
o
,
1
F
o
,
/ 2
F
o
y
1 /2
F
o
se obtienen de valores tabulados de la distribucin F; los
cuales deben leerse teniendo en cuenta los grados de libertad del parmetro del
numerador (
2
1
s ) y los grados de libertad del parmetro del denominador (
2
2
s ). Por
economa en la escritura se han escrito estos valores sin los respectivos grados de
libertad, pero estrictamente su representacin es:

1 2
( , ) F F
o o
=

donde:

1
: Grados de libertad asociados al numerador
2
: Grados de libertad asociados al denominador

Las tablas que registran valores de la distribucin F, normalmente tabulan una de
las colas para valores que dejan a la derecha probabilidades del 5%, 2.5% y 1%;
es decir valores de F
o
y
/ 2
F
o
. Para encontrar los valores de
1
F
o
y
1 /2
F
o
se utiliza la
propiedad:

276
1 1 2
2 1
1 / 2 1 2
/ 2 2 1
1
( , )
( , )
1
( , )
( , )
F
F
F
F
o
o
o
o

=
=


Por ejemplo, de una tabla se lee F
0.05
(7,9) = 3.29 y el valor de F
0.95
(9,7) se obtiene
como:

0.95
0.05
0.95
0.95
1
(9, 7)
(7, 9)
1
(9, 7)
3.29
(9, 7) 0.304
F
F
F
F
=
=
=





Ejemplo 11:

El rendimiento diario de un reactor determinado durante 10 das fue 92.30 con una
desviacin estndar de 0.65. Si cierto tiempo despus se realizaron otras 10
pruebas para el reactor, con algunas modificaciones ligeras en l, en las cuales se
obtuvo un rendimiento promedio de 92.59 con una desviacin estndar de 0.37.
Existe diferencia entre las desviaciones estndar de los dos conjuntos de medidas
del rendimiento.

Para responder la pregunta se formularn como hiptesis:

H
0
: o o
1 2
=
H
1
: o o
1 2
=

La prueba se realizar con un nivel de significancia igual al 5%, es decir, 5% o = .
El estadstico que se usar es el estadstico F, calculado como:

F
s
s
= = ~
1
2
2
2
2
2
065
037
3086
( . )
( . )
. .

El valor de
/ 2
F
o
se lee en una tabla con grados de libertad en el numerador, n
1
-1,
igual a 9 y grados de libertad en el denominador, n
2
-1, tambin igual a 9.

F
o
2
= 4.03
El valor
1 / 2
F
o
se tiene haciendo uso de la propiedad de este estadstico:
277
1 / 2 1 2
/ 2 2 1
0.975
0.025
0.975
1
( , )
( , )
1
(9, 9)
(9, 9)
1
(9, 9) 0.248
4.03
F
F
F
F
F
o
o

=
=
= =

o sea,
1 / 2
F
o
=0.248

Como el valor de F calculado est en el intervalo de 0.248 4.03 F s s , se
acepta la hiptesis nula; es decir, se concluye que no hay diferencia en las
desviaciones estndar o varianzas de los rendimientos del reactor

Ejemplo 12:

Un anlisis realizado por dos procedimientos diferentes arroja los siguientes
resultados:

x
1
x
2
x
3
x
4
x
5
x
Procedimiento 1 55.3 56.9 55.8 57.3 57.7 56.6
Procedimiento 2 52.6 54.3 58.0 52.7 60 55.5

Determine si los dos procedimientos tienen la misma precisin.

Para responder la pregunta se har una prueba de hiptesis de varianza con las
siguientes hiptesis:

H
0
:
2 2
1 2
o o =
H
1
:
2 2
1 2
o o =

La prueba se har con un nivel de significancia del 5%. Con este valor de se
obtiene de una tabla para la distribucin F el valor de
0.025
(4, 4) F y con este valor se
calcula
0.975
(4, 4) F usando la propiedad que tiene esta distribucin. As, el valor de
0.025
F es:

/ 2 0.025
(4, 4) 9.6 F F
o
= =

1 / 2 0.975
1
(4, 4) 0.104
9.6
F F
o
= = =

El valor calculado de F es:

278
2
2
2
1
s
F
s
=

Con:

( )
2
2
1 ,1 1
1
4
i
s x x =

2 2
1
(55.3 56.6) ... (57.7 56.6)
4
1.02
( = + +

=

y

( )
2
2
2 ,2 2
1
4
i
s x x =

2 2
1
(52.6 55.5) ... (60 55.5)
4
11.02
( = + +

=



11.02
10.8
1.02
F = =

Como el valor de F calculado cae fuera del intervalo 0.104 9.6 F s s se descarta la
hiptesis nula; es decir, se concluye que hay diferencia en las desviaciones
estndares de los dos procedimientos.

Con este resultado de este ejemplo se confirma la suposicin que se hizo sobre
las varianzas de los dos procedimientos analticos en el ejemplo 8; en
consecuencia si era posible obtener el intervalo de confianza con el mejor valor de
la media.

Si el clculo de F se hubiese hecho como:

2
1
2
2
1.02
0.092
11.02
s
F
s
= = =

tambin se hubiera llegado a la misma conclusin, ya que este valor calculado esta
igualmente por fuera del intervalo.

5.6.3 Comparacin de medias

Tambin en la comparacin de medias hay tres tipos bsicos de comparaciones:
279

Entre la media de un conjunto y una media hipottica.
Entre las medias de dos conjuntos de datos.
Entre las medias de varios conjuntos de datos.


5.6.3.1 Comparacin entre la media de un conjunto y una media hipottica

La hiptesis nula, que denominaremos Ho, y la hiptesis alterna que se designar
H
1
, se formulan de acuerdo con la pregunta que desee responderse. A cada
hiptesis nula le corresponde una hiptesis alterna. Si es el valor verdadero de la
media del conjunto de datos y
o
un valor hipottico de la media, las posibilidades
que pueden construirse son:
- Ho :
o
y H
1
: <
o

- Ho :
o
y H
1
: >
o

- Ho : =
o
y H
1
:
o

El estadstico que se usa en los criterios para aceptar la hiptesis nula o rechazarla
depende de si el valor de o para la poblacin de donde se tom el conjunto de
datos es conocido o no es conocido, y del nmero de datos de la muestra o
conjunto de datos.

Cuando el valor de o es conocido se usa el estadstico Z de la distribucin normal y
los criterios para decidir en la prueba se registran en la tabla 5.

Tabla 5. Criterios para aceptar o rechazar la hiptesis nula con o conocido

Hiptesis
nula
Hiptesis
alterna
Desechar la hiptesis
nula
Aceptar la hiptesis nula
o reservarse el juicio
0
> <
0
z z
o
< z z
o
>
0
s >
0
z z
o
> z z
o
s
0
=
=
0

2
z z
o
<
2
z z
o
>
2 2
z z z
o o
s s

donde:

/ 2 2 2
( ) ( )
( ) ( )
2
z
z
z P z z f z dz
z P z z f z dz
o
o
o o
o o
o
o
+
+
= > =
= > =
}
}


0
/
x
z
n

o

=

n : nmero de datos en la muestra o conjunto de datos
280


Cuando el valor de o de la poblacin es desconocido se usa el estadstico z de la
distribucin normal para una muestra de tamao grande, n > 30, y el estadstico de
la distribucin t student para una muestra pequea, n 30. Los criterios para
decidir en la prueba, en el caso de muestras grandes son los mismos que se
registran en la tabla 5; mientras que para muestras pequeas estos criterios
aparecen en la tabla 6.







Tabla 6 Criterios para aceptar o rechazar la hiptesis nula con o desconocido y
n 30

Hiptesis
nula
Hiptesis
alterna
Desechar la hiptesis
nula
Aceptar la hiptesis nula
o reservarse el juicio
0
> <
0
t t <
o
t t >
o

0
s >
0
t t >
o
t t s
o

0
= =
0

t t <
o
2
t t >
o
2

s s t t t
o o
2 2


donde:

/ 2 2 2
( ) ( )
( ) ( )
2
t
t
t P t t f t dt
t P t t f t dt
o
o
o o
o o
o
o

= > =
= > =
}
}


0
m
x
t
s

=
con:

= n 1 para leer t
o
o t
o
2


n : numero de datos de la muestra o conjunto de datos

Los criterios registrados en las tablas 5 y 6 pueden mostrarse sobre una lnea
recta, en la que se representa el dominio del estadstico y los valores ledos del
estadstico de acuerdo con las hiptesis formuladas. Simbolizados como (t o z)
el estadstico usado en los criterios, en las siguientes grficas se representan las
281
regiones donde se acepta la hiptesis nula o se rechaza, dependiendo donde se
localice el valor calculado del estadstico












Hiptesis nula Regin de aceptacin y rechazo de la hiptesis
Ho





o









o







=
o







Ejemplo 13:

El contenido de azufre de varias muestras de un crudo se reportan como: %s =
2.1, 1.9, 2.4, 2.3, 2.5, 2.4, 2.6, 2.5, 2.7, 2.3, 2.3, 2.4.
= - = 0
Rechazar Ho Aceptar
Ho
Reservarse el juicio
= = 0
Aceptar Ho
Rechazar Ho
Reservarse el juicio
= /2 = 0
Rechazar Ho
Rechazar Ho
Reservarse el juicio
= - /2
Aceptar
Ho
282

Se desea saber si las muestras representan un crudo con un contenido de azufre
menor que el 2.5%.

Hiptesis nula H
0
: = =
0
25% .
Hiptesis alterna H
1 0
: . =

Para responder la pregunta sobre el contenido de azufre del crudo, es conveniente
que una de las dos hiptesis, la nula o la alterna, represente lo que se quiere
saber; es decir, si el verdadero () es menor que el valor hipottico (
o
). En
trminos matemticos ser <
o
.

Las hiptesis para realizar la prueba se formularn, entonces como:

Hiptesis nula H
0
:
0
s = 2.5%
Hiptesis alterna H
1
: >
0
= 2.5%

Como el valor del o es desconocido y el nmero de datos que se tiene es menor
que 30 se usar el estadstico t para decidir en la prueba.

Clculo de la media:

( )
12
1
1 1
2.1 ... 2.4 2.37
12 12
i
i
x x
=
= = + + =

Calculo del estimado de la varianza:

12
2 2
1
2 2 2 2
2
1
( )
11
1
(2.1 2.37) (1.9 2.37) ...... (2.4 2.37)
11
0.0326
i
i
s x x
s
s
=
=
( = + + +

=

Entonces:

2
2
2 3
0.0326
12
2.716 10
0.052
m
m
m
s
s
n
s x
s

= =
=
=


Valor de t calculado:

283
0
2.37 2.5
0.052
2.5
m
x
t
s
t

= =
=


El valor ledo de t se obtiene, para o = 5%, con = 11 de la tabla 2-1, de Mickley
and Sherwood, Applied Mathematics in Chemical Engineering, con P = 0.9.
Tambin puede obtenerse el mismo valor de una tabla de la distribucin t de
Student con una probabilidad

P ( t t
o
> )= 0.05.
t
o
= 1.796

Como t t
o
< , o sea -2.5 < 1.796, se acepta la hiptesis nula. En consecuencia el
crudo tiene un contenido menor del 2.5% en azufre.

Si se hubieran planteado como hiptesis:

H
0
:
0
> = 2.5%
H
1
: <
0
= 2.5%

se habra llegado a la misma conclusin, ya que t t <
o
, es decir -2.5< -1.796.

Si la prueba se hace con 2.5% o = , tambin se habra llegado a la misma
conclusin.

El anlisis tambin puede realizarse sobre una lnea recta donde se ubiquen los
valores del estadstico t.

Para las hiptesis

H
0
:
0
s = 2.5%
H
1
: >
0
= 2.5%





Rechazar Ho
t =-2.5
0 t

=1.796

Aceptar Ho
284
Se observa en este grfico que el valor de t cae en la zona donde se acepta la
hiptesis nula.

Los intervalos de confianza tambin pueden usarse para realizar la prueba. En
este caso si se obtiene el intervalo de confianza del 95% asociado a las hiptesis
H
0
:
0
s = 2.5%
H
1
: >
0
= 2.5%
Con 2.5% o = , la decisin se toma observando si el valor de
o
cae dentro o fuera
del intervalo. Este intervalo est dado por:


2.37 2.201 0.052
2.37 0.114
2.256 2.484
m
x t s
o

=
=
=
s s


Como
o
=2.5 es mayor que el limite superior del intervalo, se concluye que es
menor que
o
. Es decir se acepta la hiptesis nula: El crudo tiene un contenido de
azufre menor que el 2.5%

5.6.3.2 Comparacin entre la media de un conjunto x
1
y la media de otro
conjunto x
2


De manera similar a la comparacin de una media con un valor hipottico, en este
caso tambin la hiptesis nula y alterna se formularn de acuerdo con la pregunta
que desee responderse. Si es el valor verdadero del conjunto cuya media es x
1
y
el
2
el valor correspondiente al otro conjunto de media x
2
, los pares posibles de
hiptesis que pueden plantearse son:

- Ho :
1

2
y H
1
:
1
<
2

- Ho :
1

2
y H
1
:
1
>
2

- Ho :
1
=
2
y H
1
:
1

2


El estadstico que se usa en los criterios para decidir sobre las hiptesis depende
de si los valores de las o, o
1
y o
2
, son conocidos o desconocidos e iguales o
diferentes, y del nmero de datos de las muestras o conjuntos de datos.


5.6.3.2.1 Comparacin con o
1
y o
2
conocidos e iguales o
1
= o
2
= o

Cuando o es conocido e igual para los dos conjuntos de datos o
1
= o
2
= o , se
utiliza el estadstico z si el nmero de datos es mayor que 30 (n> 30), para cada
285
conjunto, y el estadstico t si es menor o igual que 30 (n 30). En el primer caso el
valor de z se calcula con la ecuacin:

1 2
1 2
1/ 1/
x x
z
n n o

=
+


En el segundo caso cuando (n 30) el valor de t se calcula con la ecuacin:

1 2
1 2
1 1
x x
t
n n
o

=
+


con:

. 2
2 1
+ = n n grados de libertad

donde:

n
1
: numero de datos del conjunto 1
n
2
: numero de datos del conjunto 2

Los criterios para decidir sobre las hiptesis se encuentran registrados en las
tablas 7 y 8.

5.6.3.2.2 Comparacin con o
1
y o
2
conocidos y diferentes o
1
o
2.


Para valores de o conocidos y diferentes, o
1
o
2
, tambin se usa el estadstico z
cuando el nmero de datos es mayor que 30 (n> 30) y el estadstico t cuando el
nmero de datos es menor e igual a 30 (n 30).

En el caso de n > 30 el valor de z se calcula como:


1 2
2 2
1 1 2 2
/ /
x x
z
n n o o

=
+


El valor de t, para o diferentes y n 30, se obtiene como:


1 2
2 2
1 1 2 2
/ /
x x
t
n n o o

=
+


con:

286
2
2 1
+ = n n grados de libertad

donde:

n
1
: numero de datos del conjunto 1
n
2
: numero de datos del conjunto 2

Los criterios para decidir sobre las hiptesis son los que se encuentran registrados
en las tablas 7 y 8.

5.6.3.2.3 Comparacin con o
1
y o
2
desconocidos e iguales o
1
= o
2
.

El estadstico que se usa, como en las situaciones anteriores, igualmente depende
del nmero de datos.

En el caso de n> 30 se usa el estadstico z y el valor se calcula con la siguiente
ecuacin:

1 2
2 2
1 2
1 2
x x
z
s s
n n

=
+


donde s
1
2
y s
2
2
son los estimados de o
1
2
y o
2
2
, respectivamente.


Para n 30 se utiliza el estadstico t y su valor se obtiene como:

1 2
1 2
1 1
x x
t
s
n n

=
+


donde:

2 2
2 1 1 2 2
1 2
( 1) ( 1)
2
n s n s
s
n n
+
=
+


con:

2
2 1
+ = n n grados de libertad

Los criterios para decidir son los mismos registrados en las tablas 7 y 8.

5.6.3.2.4. Comparacin con o
1
y o
2
desconocidos y diferentes.

287
Para estas combinaciones se utiliza el estadstico t, independientemente del
nmero de datos en los conjuntos. El valor de t se calcula como:

1 2
2 2
1 2
1 2
x x
t
s s
n n

=
+


con:

( )
( ) ( ) ( ) ( )
2
2 2
1 1 2 2
2 2
2 2
1 1 1 2 2 2
/ /

/ / n 1 / / n 1
s n s n
s n s n

+
=
+


Tambin en las tablas 7 y 8 se registran los criterios para decidir sobre las
hiptesis


Tabla 7. Criterios para aceptar o rechazar la hiptesis nula en la comparacin de
dos medias x
1
y x
2
; para n> 30

Hiptesis
nula
Hiptesis
alterna
Desechar la hiptesis
nula
Aceptar la hiptesis nula
o reservarse el juicio
1 2
>
1 2
< z z
o
< z z
o
>
1 2
s
1 2
> z z
o
> z z
o
s
1 2
=
1 2
=
2
z z
o
<
2
z z
o
>
2 2
z z z
o o
s s


Tabla 8. Criterios para aceptar o rechazar la hiptesis nula en la comparacin de
dos medias, x
1
y x
2
para n 30

Hiptesis
nula
Hiptesis
alterna
Desechar la hiptesis
nula
Aceptar la hiptesis nula
o reservarse el juicio
1 2
>
1 2
<
t t <
o
t t >
o

1 2
s
1 2
>
t t >
o
t t s
o

1 2
=
1 2
= t t <
o
2
t t >
o
2

s s t t t
o o
2 2



Ejemplo 14:

288
El rendimiento diario de un reactor determinado durante 10 das (una prueba por
dia) fue 92.30 con una desviacin estndar de 0.65. Si cierto tiempo despus se
realizaron otras 10 pruebas para el reactor, con algunas modificaciones ligeras en
l, en las cuales se obtuvo un rendimiento promedio de 92.59 con una desviacin
estndar de 0.37, afect el rendimiento promedio las modificaciones realizadas?.

Para responder la pregunta, las hiptesis apropiadas son:

Hiptesis nula H
0 1 2
: . =
Hiptesis alterna H
1 1 2
: . =

ya que interesa saber si los rendimientos son iguales o no.

Para realizar la prueba previamente se debe tener informacin sobre las
varianzas; si ellas son conocidas, desconocidas, iguales o diferentes. Como se
tienen estimados de las desviaciones estndar de los rendimientos, s
1
=0.65 y
s
2
=0.37, y como en el ejemplo 11 se encontr que no haba diferencias en las
desviaciones estndar para los dos conjuntos de medidas o o
1 2
= , la prueba que
se har es para desviaciones desconocidas e iguales.

Dado que el nmero de datos n
1
y n
2
, es menor que 30, se usar el estadstico t
para la prueba y su valor est dado por:

1 2
1 2
1 1
x x
t
s
n n

=
+


el valor de s
2
es:

2 2
2 1 1 2 2
1 2
( 1) ( 1)
2
n s n s
s
n n
+
=
+


como n
1
= n
2

2 2 2 2 2
1 2
1 1
( ) (0.65) (0.37) 0.28
2 2
0.53
92.3 92.59
1.22
2
0.53
10
s s s
s
t
( = + = + ~

~

= =


Si se toma =5%, con
1 2
2 18 n n = + = , el valor de t
o
2
=2.10
289
Al comparar t
o
2
=2.10 con el valor de t calculado se observa que
2
t t
o
> , lo que
implica que se acepta la hiptesis nula H
0
y por lo tanto se concluye que no
hay evidencia estadstica par afirmar que el rendimiento del reactor haya
cambiado con las modificaciones realizadas.




5.6.3.3 Comparacin entre las medias de dos conjuntos cuando se sospecha
que hay factores extraos que pueden influir en las determinaciones
individuales

Los valores de x
di
se generan as:

Conjunto 1
x
1,1
x
2,1
x
3,1
x
4,1
x
n-1,1
x
n,1

Conjunto 2
x
1,2
x
2,2
x
3,2
x
4,2
x
n-1,1
x
n,1

Diferencias
x
d1
x
d2
x
d3
x
d4
.. x
dn


x
di
= x
i,1
x
i,2


La prueba se realiza con las siguientes hiptesis:

H
o
: 0
d o
x = =
H
1
: 0
d o
x = =

Con un nmero de datos menor que 30 en cada conjunto se utiliza el estadstico t,
y se calcula como:

0
d
md
x
t
s

=

donde:

2
2 1
( )
( 1)
n
di d
i
md
x x
s
n n
=

n : nmero de datos en cada conjunto. n = n
1
= n
2
.

d
x : la medida de las diferencias de valores
290

1
1
n
d di
i
x x
n
=
=

Con el nivel de significancia especifico, , se obtiene de una tabla el valor
2 2
( ( ) / 2) t P t t
o o
o > =

La hiptesis nula se acepta si t calculado est contenido en el intervalo
s s t t t
o o
2 2
, y se descarta si esta fuera de este intervalo

5.6.3.4 Comparacin entre varios valores de medias

En esta comparacin se utilizarn las siguientes hiptesis

H
o
:
1 2 3
......
i
n
= = =
H
1
:
1 2 3
......
i
n
= = =

donde n
i
es el nmero de medias que se requieren comparar.
La prueba se realizar con el estadstico F y la condicin de que las varianzas
sean todas iguales para los n conjuntos de datos. Es decir,
1 2 3
...
i
n
o o o o = = = = ,
El valor de F se calcula como:

2
2
p
e
s
F
s
=

donde s
p
2
es un estimado de la varianza de la poblacin de datos y s
e
2
es tambin
un estimado de la varianza o
2
. La diferencia es que s
e
2
es un mejor estimado en el
que no aparecen los errores de mtodo, mas s en el valor de s
p
2
, si dichos errores
existen. Si no existieran variaciones no-aleatorios los estimados s
e
2
y s
p
2
seran
iguales. La presencia de factores no aleatorios que causan las diferencias entre las
medias muestrales, hacen que s
p
2
sea mucho mayor que s
e
2
.As, la razn entre s
p
2

y s
e
2
, el valor de F calculado, es una medida de si pueden o no acontecer
diferencias entre las medias muestrales.

El mejor estimado s
e
2
, se calcula como:

291

=
= =

=
ni
i
i i k
ni
i
nk
k
i ik
e
n n
x x
s
1
1 1
2
2
) (
) (


donde:

n
i
: nmero de conjuntos, nmero de medias.
( ) : n
k i
nmero de medidas en el conjunto i.

Los grados de libertad asociados con s
e
2
son:

=
=

( ) n n
k i i
i
n
i
1


s
e
2
, tambin puede obtenerse a partir de las varianzas de error dentro de cada
muestra.

| |
s
n s
n n
e
k i
i
ni
i
k i i
i
ni
2 1
2
1
1
=

=
=

( )
( )


El estimado de la varianza de la poblacin de medias est dada por:

2
2 1
( )
1
i
n
i p
i
mp
i
x x
s
n
=

=

donde:

x
n x
n
p
k i i
i
n
k i
i
n
i
i
=
=
=

( )
( )
1
1
.

El estimado de la varianza de la poblacin, s
p
2
, se puede obtener a partir de la
varianza de la poblacin de medias
2
mp
s :

s n s
p mp
2
0
2
=
292

donde:

n n
k 0
= , si todos los conjuntos tienen el mismo tamao.

| |
n
n
n
n
n
i
k i
k i
i
n
k i
i
n
i
n
i
i
i
0
2
1
1
1
1
1
=

=
=
=

( )
( )
( )
.

con s
p
2
hay asociados n
i
1 grados de libertad.
En cada muestra la magnitud de errores aleatorios est dada por
s
i
2
, pero no es
posible a partir de una sola muestra estimar el error debido al mtodo o errores de
mtodo.

Los valores de F que son significativamente mayores que 1.0, indican que la
diferencia entre las medias se debe a factores no aleatorios. Para decidir sobre la
prueba con un valor de ( ) o determinado, se obtiene el valor de
2
F
o
de una tabla. Si
el valor observado o calculado de F es mayor que
2
F
o
ledo se descarta la
hiptesis nula, en caso contrario se acepta.


.Ejemplo 15:

Resuelva el ejemplo 14 utilizando la comparacin entre varios valores de medias.

La prueba puede plantearse como: Existe una diferencia significativa entre los dos
rendimientos promedio?.

Hiptesis nula H
0 1 2
: =
Hiptesis alterna H
1 1 2
: =

Se tiene:
1 2
1 2
92.30 92.59
0.65 0.37
x x
s s
= =
= =


El valor estimado de la varianza combinada est dada por:

( ) ( )
2 2
2
1
0.65 0.37 0.28
2
e
s
(
= + ~




293
El estimado de la varianza de la poblacin de medias es:

( )
( ) ( )
2
2
1
1 2
2 2
2
1
1
92.3 92.59
92.44
2 2
92.3 92.44 92.59 92.44
i
n
mp i p
i
i
p
mp
s x x
n
x x
x
s
=
=

+ +
= = =
(
= +

2
2 2
2
2
0.0421
10 0.421
0.421
1.5
0.28
mp
p mp
p
e
s
s s
s
F
s
=
= =
= = ~


De una tabla para distribucin F se obtiene
2
5.98 F
o
= para
o = 5%,
p e
= = 1 18 , .

Como el valor observado de F es menor que
2
F
o
(1.5 < 5.98), se acepta la
hiptesis nula; es decir no hay diferencias significativas entre las medias o no hay
evidencia estadstica para decir que son diferentes.

Ejemplo 16:

La empresa Petrochemical Products Co recibi los resultados finales de la
determinacin del coeficiente global de transferencia de calor de un intercambiador
nuevo fabricado por Heat Exchanger Manufacter, bajo ciertas condiciones de
operacin. Los valores reportados por el fabricante, en Btu/hft
2
F, fueron: 58, 61,
69, 72, 74, 66, 62, 71, 65, 67. Mediciones posteriores hechas en el intercambiador
funcionando bajo condiciones de proceso, arrojaron los siguientes resultados, en
Btu/hft
2
F: 60, 63, 58, 68, 73, 71, 62, 74, 66, 65.

Se puede asegurar que el intercambiador est operando con la misma
caracterstica de diseo?

Para responder la pregunta se debe hacer una prueba de hiptesis sobre el valor
verdadero del coeficiente de transferencia de calor U
D
, para las dos conjuntos de
datos reportados. Con este propsito se llamar
1
el valor verdadero del
coeficiente reportado por el fabricante (U
D
de diseo) y
2
, el valor verdadero de
las determinaciones del coeficiente U
D
en condiciones de operacin en planta.


294
Como el nmero de datos es menor que 30, n< 30, se usar el estadstico t en la
prueba. Para decidir sobre la frmula con la que se calcular el valor de t, es
necesario realizar previamente una prueba de hiptesis sobre las varianzas de los
dos conjuntos de datos, ya que las frmulas para el clculo de este estadstico
dependen de si las varianzas son iguales o diferentes.

Clculo de los estimados de las medias:

10
1 ,1
1
1
10
i
i
x x
=
=

( )
1
1
1
58 61 65 ... 67
10
66.5
x
x
= + + + +
=


10
2 ,2
1
1
10
i
i
x x
=
=

( )
2
2
1
60 63 ... 65
10
66.0
x
x
= + + +
=


Clculo de los estimados de las varianzas:

( )
10
2
2
1 ,1 1
1
2 2 2
1
2
1
1
9
1
(58 66.5) ... (67 66.5)
9
26.5
i
i
s x x
s
s
=
=
( = + +

=

( )
10
2
2
2 ,2 2
1
2 2 2
2
2
2
1
9
1
(60 66) ... (65 66)
9
29.78
i
i
s x x
s
s
=
=
( = + +

=

Para la prueba de las varianzas se formularn las siguientes hiptesis:

Hiptesis nula H
0
:
2 2
1 2
o o =
Hiptesis alterna H
1
:
2 2
1 2
o o =

295
La prueba se har con un nivel de significancia del 5%, o = 5%. Para este nivel
de significancia se obtiene de una tabla para la distribucin F el valor de
2
F
o
, y con
este valor se calcular
1
2
F
o

.
0.025
2
(9, 9) 4.03 F F
o
= =

0.975
1
2
1
(9, 9) 0.248
4.03
F F
o

= = =

El valor de F calculado es:

2
1
2
2
26.5
0.89
29.78
s
F
s
= = =

Como el valor de F calculado esta en el intervalo 0.248 F 4.03, se acepta la
hiptesis nula; es decir, las dos varianzas son iguales con una probabilidad del
95%.

Para la prueba de las medias de los valores del coeficiente de transferencia de
calor global, se formularn las siguientes hiptesis

Hiptesis nula H
0 1 2
: =
Hiptesis alterna H
1 1 2
: =

La prueba tambin se har con un nivel de significancia del 5%, o = 5%.

Como las
2
o son iguales,
2 2
1 2
o o = , el valor de t se calcula con la ecuacin:

1 2
1 2
1 1
x x
t
s
n n

=
+


con:

2 2
2 1 1 2 2
1 2
( 1) ( 1)
2
n s n s
s
n n
+
=
+


Calculo de s
2
:

2
2
(10 1)26.5 (10 1)29.78
10 10 2
28.14
s
s
+
=
+
=


296

1/ 2
66.5 66.0
1 1
(28.14)
10 10
0.21
t
t

=
+
=


El valor de t
o
2
se lee en una tabla para la distribucin t de student con
1 2
2 18 n n = + = , grados de libertad. Este valor es:


0.025
2
2.101 t t
o
= =

Como el valor de t calculado est en el intervalo -2.1 t 2.1, se acepta la
hiptesis nula; es decir, el intercambiador de calor est operando con la misma
caracterstica de diseo.


5.7. Ejercicios propuestos

1. En la produccin de viscosa, se purificaron cuatro tortas producto por el mtodo
convencional y otras cuatro por un mtodo en prueba. Los resultados de la
purificacin se midieron en trminos de un parmetro que mide el encogimiento
de la torta viscosa (Tabla 5).

Tabla 9. Produccin de viscosa por el proceso convencional y el de prueba

Torta Proceso Convencional Proceso Prueba
1 1.817 1.577
2 1.716 1.703
3 1.785 1.553
4 1.735 1.540
Promedio 1.763 1.593

Existe alguna diferencia entre el resultado obtenido con el procedimiento nuevo
y el resultado del mtodo convencional?

2. Cules son los intervalos de confianza del 99% para la media del siguiente
grupo: 1.254, 2.532, 1.489, 3.371, 1.986?

3. Obtener un intervalo de confianza del 95% para el rendimiento diario de un
reactor de cido sulfrico, a partir de los rendimientos: 91.37%, 91.45%,
93.13%, 92.87%, 91.65%, 91.96%, 92.28%, 92.57%, 92.93% y 92.79%; si se
supiera que o =0.75.

4. Se han obtenido los siguientes conjuntos de datos:

297
Prueba A: 134, 146, 104, 119, 124, 161, 107, 83, 113, 129, 97, 123
Prueba B: 70, 118, 101, 85, 107, 132, 94

Existe alguna diferencia?







5.9. Bibliografa

Lazik, Zivorad R., Design of Experiments in Chemical Engineering, Wiley-VCH,
Germany, 2004

Mickley, H.S., Sherwood, T.S., Reed, C.E., "Applied Mathematics in Chemical
Engineering". McGraw, New Delhi, 1975.

Smith, C., Pike, R., Murril, P., "Formulation and optimization of mathematical
models", International texbook Company, Scranton,1970.

Andersen, L.B. "Statistical methods extend your data". Chem. Eng., october, 1962.

Idem., "Probability theory provides simple statistical models", Chem. Eng.
November 1962.

Idem., "How to use statistical inference", Chem. Eng., December,1962.

Idem., "Statistical estimation gives measures of probable error", Chem. Eng.,
January 1963.

Idem., "Tests and estimates of statistical mean"., Chem, Eng., february 1963.

Idem., "Tests and estimates on the statistical variance", Chem. Eng., March 1963.

Idem., "Regression analysis correlates relationships between variables". Chem.
Eng., May 1963.

Idem., "Multiple regression techniques correlate experimental data", Chem. Eng.,
june 1963.





298