METODOS NUMERICOS PARA INGENIEROS
QUIMICOS CON MATLAB (I)
Francisco Muñoz Paba M.Sc.
E-mail: f31paba @ yahoo.com. Departamento de Ingeniería Química, Grupo de
Simulación y Control de Procesos. Universidad del Atlántico,
Barranquilla, Colombia
INTRODUCCION
Muchos planteamientos matemáticos sobre
situaciones problémicas, en procesos
químicos , son de difícil solución analítica y
hacen que el ingeniero químico tenga que
recurrir a los métodos numéricos para
encontrar una respuesta a sus casos de
estudio. Una necesidad muy frecuente es la
de representar un conjunto de datos
experimentales tomados en forma discreta
ajustados a una expresión analítica que
permita de forma mas fácil la estimación de,
por ejemplo, valores intermedios,
sumatorias o integrales y variaciones o
razones de cambio entre ellos. El desarrollo
de los métodos numéricos , la certidumbre
de sus resultados y la posibilidad de
ejecutarlos con la ayuda de códigos por
computador hacen de ellos un recurso que
ofrece ventajas con respecto a los métodos
analíticos. En ésta revisión se presentan
algunos métodos de ajuste de datos a
ecuaciones con ejemplos a la ingeniería
química que se resuelven con los pro
cedimientos explicados y con la ayuda de
un computador mediante la construcción de
instrucciones cortas codificadas con
MATLAB.
AJUSTE DE CURVAS PARA FUNCIONES
POLINOMICAS.
Muchas funciones matemáticas incluyen
términos como logarítmicos, exponenciales
-1-
o trigonométricos que las hacen de un
manejo complejo. Una alternativa para
afrontar tal dificultad la ofrecen los métodos
numéricos permitiendo que una función se
pueda expresar por otra equivalente en
cuanto a la correspondencia entre la
variable independiente y el valor de la
función pero mas sencilla y, por lo tanto, de
mas fácil manipulación. Lo anterior es lo que
se conoce como ajuste de curvas,
interpolación o cálculo de la ecuación de
una curva. A continuación se muestra el
método de ajuste de curvas a un polinomio
como una Serie de Potencias o mediante
procedimiento de interpolación como el de
Newton y Lagrange.
.
SERIE DE POTENCIAS.
Prácticamente todas las funciones
matemáticas se pueden expresar como un
polinomio de grado n, es decir, mediante
una expresión en serie de potencias.
Es más fácil encontrar el valor numérico de
una función expandiéndola en una serie de
potencia polinomial como la ecuación (1):
n
f ( xi ) = ∑ an x n = a0 + a1 xi + a2 xi2 + ...an xin (1)
i =0
y evaluando los coeficientes a0 .. ..an .
Las funciones logarítmicas, hiperbólicas y
elípticas son casos puntuales.
Las series de potencias pueden usarse para
ajustar un conjunto de datos tomando un
número suficiente de términos. El número
de términos está dado por el siguiente Tabla 2. Diferencias divididas
teorema:
[1] [ 2] [ 3] [ 4]
x f(x) ∆ fi ∆fi ∆fi ∆ fi
Sí las enésimas diferencias divididas de una
1 5.0000 7.852 9.640 6.200 2.000
función tabulada son constantes cuando los
1.1 5.7852 9.780 11.50 7.000 2.000
valores de la variable independiente son
1.2 6.7632 12.08 13.60 7.800
tomadas en progresión aritmética, la función
1.3 7.9712 14.80 15.94
es un polinomio de grado n.
1.4 9.4512 17.98
1.5 11.250
Ejemplo 1
Debe notarse que todas las diferencias
f ( x) = a0 + a1 x + a2 x 2 + a3 x 3 + a4 x 4 (2) divididas de cuarto orden tienen el mismo
valor, independientemente de los
Tabla 1. Datos de la función argumentos que se usen para su cálculo,
por lo tanto , la ecuación(2) se puede
Punto 0 1 2 3 4 5 escribir en forma de series de potencias
x 1.0 1.1 1.2 1.3 1.4 1.5 como un polinomio de cuarto orden.
fx 5.000 5.785 6.763 7.971 9.451 11.25 Para realizar los cálculos de diferencias
divididas puede usarse el siguiente
Elabore una tabla de diferencias divididas procedimiento codificado con MATLAB:
determine los coeficientes del polinomio
dado por la ecuación (2). Procedimiento 1

Las primeras diferencias divididas mediante x=[1.0 1.1 1.2 1.3 1.4 1.5];
los puntos (0), (1) y (1), (2), fx=[5.000 5.7852 6.7632 7.9712 9.4512
respectivamente, son: 11.25];
M=6; N= M-1;
5.7852 − 5.0000
f [ x0 , x1 ] = = 7.8520
1.1 −1.0 for i=1:N
6.7632 − 5.7852 T(i,1)= (fx(i+1)- fx(i))/(x(i+1)-x(i));
f [ x1 , x2 ] = = 9.7800
1.2 −1.1 End

La segunda diferencia dividida mediante los for j=2 :N

puntos (0), (1) y (2) es: for i=j : N
T(i,j)= (T(i,j-1)- T(i-1,j-1))/(x(i+1)-x(i-j+1));
9.7800 − 7.8520 end
f [ x0 , x1 , x2 ] = = 9.6400
1.2 −1.0 end

La Tabla 2 muestra los resultados T

correspondientes hasta la cuarta diferencia
dividida.

-2-
Para encontrar los coeficientes
a0 , a1 , a2 , a3 y a4 del polinomio en series
de potencia de la ec(2), se escribe el
siguiente procedimiento codificado con
MATLAB:

Procedimiento 2

x=[1.0 1.1 1.2 1.3 1.4 1.5];

fx =[5.00 5.7852 6.7632 7.9712 9.4512
11.25];

plot(x,fx,’o’)

a = polyfit (x, fx, 4);

Y= polyval (a, x);
Figura 1 Gráfica del polinomio ajustado.
fprintf ( ‘ a0=%8.5f\n a1=%9.6f\n a2=%9.6f\n …
a3=%9.6f\n a4=%9.6f\n’,a(5),a(4),a(3),a(2),a(1)) FORMULA DE NEWTON EN
DIFERENCIAS FINITAS HACIA
plot(x,fx,’o’,x,Y,’-‘) ADELANTE.

Donde se obtiene que: La fórmula necesita una tabla de valores y0,

a0 = 3.000 y1, y2, .......yn para valores equidistantes
x0, x1, x2, ..xn de la variable independiente
a1 = −2.000
x.
a2 = 5.000 Para usar la fórmula de Newton en
a3 = −3.000 diferencias finitas es de mucha ayuda
a4 = 2.000 construir una tabla de diferencias finitas.
La tabla 3 es una tabla de diferencias finitas,
En la figura 1 se muestran los datos para y = x 3 Los valores numéricos están
suministrado junto con el polinomio ajustado arriba y la nomenclatura está debajo.

Tabla 3 Diferencias finitas hacia adelante

_______________________________________
[ 1]
X y = x 3 fi f i [ 2 ] f i [ 3] fi [ 4]
1.1 1.331 0.397 0.072 0.006 0
1.2 1.728 0.469 0.078 0.006
1.3 2.197 0.547 0.081 0
1.4 1.744 0.631 0 0

-3-
1.5 3.375 0 0 0 carbonato de calcio se muestran en la figura
_______________________________________ 2. La graficación de la curva se deja como
[ 1] [ 2] [ 3] ejercicio para el lector
x y fi fi fi
x0 f ( x0 ) f [ x0 , x1 ] f [ x0 , x1 , x2 ] f [ x0 , x1 , x3 , x3 ] Se requiere:
x1 f ( x1 ) f [ x1 , x2 ] f [ x1 , x2 , x3 ] f [ x1 , x2 , x3 , x4 ]
1)Encontrar la ecuación de la curva que
x2 f ( x2 ) f [ x2 , x3 ] f [ x2 , x3 , x4 ] f [ x2 , x3 , x4 , x5 ] mejor se ajuste a los datos dados.
x3 f ( x3 ) f [ x3 , x4 ] f [ x3 , x4 , x4 ]
x4 f ( x4 ) f [ x4 , x5 ] 2)Calcular la velocidad de sedimentación
para una concentración volumétrica de
__________ __________ __________ ________
2.5%.

La función tabulada debe ajustarse con un .

polinomio f(x) de n-ésimo grado, que se
expresa por
f ( x) = a0 + a1 ( x − x0 ) + a2 ( x − x0 )( x − x1 ) +
a3 ( x − x0 )( x − x1 )( x − x2 ) +
P
an ( x − x0 )( x − x1 ). . . ( x − xn −1 )
Haciendo h = x1 − x0 = x2 − x1 s = ( x − x0 ) / h
or derivación:
s ( s −1) [ 2 ]
y = f ( x ) = f ( x0 ) + sf i [1] + fi +
2!
s ( s −1)( s − 2) [ 3] s ( s −1)( s − 2)( s −3) [ 4 ]
+ fi + fi +
3! 4!
s ( s −1) ...( s − n +1) [ n ]
fi (3)
n!

[1] [2] [ 3]
Siendo f i , f , f i , son la primera,
segunda y tercera diferencias finitas.

La fórmula es útil solo para valores

puntuales, no para la ecuación de la curva
total Figura. 2 Datos de sedimentación.

Solución por Serie Potencias

Ejemplo 2
Para encontrar el polinomio en serie de
La velocidad de sedimentación de una potencias, suponemos un polinomio de
suspensión, se relaciona con la séptimo grado que se encuentra mediante el
concentración volumétrica del sedimento. siguiente procedimiento codificado con
MATLAB
Los datos y la curva para la sedimentación
de una suspensión de precipitado de Procedimiento 3

-4-
 Pol= [-0.0004 0.0121 -0.1579 1.023 –
x= [ 0 1.0 2.0 3.0 4.0 5.0 6.0 7.0 8.0]; 3.8871
y= [0 3.2 4.8 4.25 3.23 2.87 2.75 2.70 0.0004];
2.65]; fx = polyval (Pol,2.5)
plot(x,y,’o’)
Obtenemos que: f(2.5) = 4.6783 g / cm 2 h
Coef = polyfit(x,y,7);
Solución por la fórmula de Newton
X=1:0.1:8;
Este problema se puede resolver utilizando
Y= polyval (Coef,X); la fórmula de Newton en diferencias finitas.
Este método es válido solamente para
plot(x,y,’o’,X,Y) calcular valores puntuales de la función y no
para calcular la ecuación de la curva, por
fprintf (‘ a0=%9.6f\n a1=%9.6f\n a2=%9.6f\n consiguiente, se calcula solamente el valor
… de la función para un valor de x = 2.5.
a3=%9.6f\n a4=%9.6f\n a5=%9.6f\n a6=
%9.6f\n Se calculan las diferencias finitas que se
resumen en la Tabla 4.
a7=
%9.6f\n’,a(8),a(7),a(6),a(5),a(4),a(3),a(2),a(1
)) Tabla 4. Diferencias finitas

Donde los coeficientes del polinomio de x y f i [ 1] fi [ 2] f i [ 3] fi [ 4 ] fi [ 5]

séptimo grado son: 2.0 4.8 -0.55 -0.47 1.13 -1.55 1.80
a 0 = 0.0004 a 4 = 1.023
3.0 4.25 –1.02 0.66 -0.42 0.25 -0.150
a1 = 1.7060 a 5 = − 0.1579 4.0 3.23 –0.36 0.24 -0.17 0.10
a 2 = 3.8871 a 6 = 0.0121 5.0 2.87 –0.12 0.07 -0.07
a 3 = − 3.27 a 7 = − 0.00040 6.0 2.75 –0.050 0
7.0 2.70 -0.05 0
La ecuación de la curva es: 8.0 2.65 0
f ( x) = a0 + a1 x + a2 x 2 + a3 x 3 + a4 x 4 + a5 x 5 + a6 x 6
h =1.0
+ a7 x 7 (4) 2.5 − 2.0
s= = 0 .5
La velocidad másica de concentración para 1 .0
una concentración volumétrica de 2.5%, se Aplicando la ecuación (3)
halla sustituyendo los coeficientes 0.5(0.5 −1)
f (2.5) = 4.8 + (0.5)( −0.50 ) + (−0.47 )
encontrados con el procedimiento 3 en la 2
ecuación (4) para un valor de x =2.5. 0.5(0.5 −1)( 0.5 −2)
+ (1.13 )
(3)( 2)
Empleando los siguientes comandos de 0.5(0.5 −1)( 0.5 −2)( 0.5 −3)
MATLAB: + (−1.55 )
( 4)( 3)( 2)
= 4.7149 g / cm 2 h
Aunque la cuarta diferencia finita no es

-5-
constante, el resultado obtenido es Lagrange no tiene ésta limitación, pero solo
satisfactorio. Es evidente a partir de éste utiliza datos que sean necesarios para
ejemplo que tanto el polinomio en serie de aproximarse al valor correcto.
potencias como la fórmula de Newton son Los datos donde los valores de x no son
bastante aproximadas al valor medido que equidistantes, a menudo son resultados de
es de 4.700. observaciones experimentales o de análisis
de datos históricos.
Los cálculos anteriores se pueden realizar Supóngase que se tiene una tabla de datos
con el siguiente procedimiento codificado con cuatro pares de valores x y f(x)
con MATLAB.
i 0 1 2 3 .. n
Procedimiento 4 x x0 x1 x2 x3  xn
f ( x) f0 f1 f2 f3  fn
x= [2.0 3.0 4.0 5.0 6.0 7.0 8.0];
y= [4.8 4.25 3.23 2.87 2.75 2.70 2.65]; Estos cuatro pares de datos es posible
N=7; ajustarlos a una función cúbica. La fórmula
de Lagrange para un polinomio de n-ésimo
for i =1: N-1 grado es
f(i,1) = y(i+1) –y(i);
end ( x − x1 )( x − x2 )( x − xn )
f ( x) = ( f0 )
( x0 − x1 )( x0 − x2 )( x0 − xn )
for j=2: N-1
for i=j: N-1 ( x − x0 )( x − x2 )( x − xn )
+ ( f1 )
f(i,j) = f(i,j-1) – f(i-1,j-1); ( x1 − x0 )( x1 − x2 )( x1 − xn )
end ( x − x0 )( x − x1 )( x − x3 )( x − xn )
end + ( f2 )
( x2 − x0 )( x2 − x1 )( x2 − x3 )( x2 − xn )
f ( x − x0 )( x − x1 )( x − xn −1 )
+ + ( fn )
( xn − x0 )( xn − x1 )( xn − xn −1 )
h= 1.0 ; xi = 2.5; (5)
s = (xi – x(1))/h ; La fórmula de Lagrange se usa
yi = y(1) + s*f(1,1) + s*(s-1)/2*f(2,2) principalmente para :
+ s*(s-1)*(s-2)/(3*2)*f(3,3)
+ s*(s-1)*(s-2)*(s-3)/(4*3*2)*f(4,4) ; (1) Calcular el valor de la variable
independiente correspondiente a
fprintf(‘\n\n Resultado: 4º grado f(%4.2f) =... un valor dado de la función .
%6.2f \ n’, xi,yi ) (2) Calcular cualquier valor de una
función, cuando los valores
FORMULA DE INTERPOLACION DE dados de la variable
LAGRANGE independiente no son
equidistantes.
Muchas fórmulas de interpolación son
aplicables solo cuando los valores de la Además de que la fórmula de Lagrange es
variable independiente son dados en tediosa, tiene una limitación muy seria,
intervalos equidistantes. La fórmula de

-6-
cuando los valores no son tan cercanos
unos a otros, los resultados tienden a ser
indeseables. Sin embargo puede utilizarse
cuando sea imposible utilizar otro método.
Los siguientes ejemplos aplican la fórmula
de Lagrange.
Ejemplo 3
En la Tabla 6 se muestran las densidades en
kg / m3 , de soluciones acuosas de ácido
sulfurico de diferentes concentraciones en %
para un conjunto de temperaturas en ºC. Se
desea calcular la densidad de una solución
de ácido sulfúrico a una concentración del
40% y a una temperatura de 15 ºC.

Se desea estimar la densidad de una Tabla 6 Tabulación de una función de dos

sustancia a una temperatura de 251º C a variables ρ = f (T , C )
partir de los siguientes datos experimentales T (º C )
que se dan en la Tabla 5. C (%) 10 30 60 100
5 1.0344 1.0281 1.0140 0.9888
20 1.1453 1.1335 1.1153 1.0885
40 1.3103 1.2953 1.2732 1.2446
Tabla 5 Datos de Temperatura-Densidad 70 1.6923 1.6014 1.5753 1.5417
i 0 1 2 Para una función polinómica de dos
Ti , º C 94 205 371
variables como éste caso, se puede aplicar
kg la fórmula de Lagrange , tomando los datos
ρi , 929 902 860
m3 de las densidades a una concentración del
Como se dispone de tres datos, el orden de 40% y la temperatura como la variable
la fórmula de Lagrange es 2 y el cálculo de independiente.
la densidad a 251 es dado por El orden de la fórmula es de 1 y el cálculo
de la densidad mediante la fórmula de
( 251 − 205 )( 251 − 371 ) Lagrange es:
ρ( 251 º C ) = (929 )
(94 − 205 )( 94 − 371 )
(251 − 94 )( 251 − 371 ) (15 −30 ) (15 −10 )
+ (902 ) ρ(15 º C ) = (1.3103 + (12953 )
205 − 94 (205 − 371 ) (10 −30 ) (30 −10 )
(251 − 94 )( 251 − 205 ) =1.3066 kg / m3
+ (860 )
(371 − 94 )( 371 − 205 )
= 890 .5 kg / m3 El siguiente procedimiento codificado con
El siguiente procedimiento codifcado con MATLAB realiza los cálculos anteriores.
MATLAB realiza los cálculos anteriores.
Procedimiento 6
Procedimiento 5

X = [94 205 371]; x= [10 30];

Y = [929 902 860];
Xi= 251; y= [1.3103 1.2953];
Densidad =interp1(X,Y,Xi,’cubic’)
xi = 15;

-7-
d = interp1(x,y,xi,’linear’) Donde k representa el coeficiente de h en
los valores de x, por ejemplo –3, -2 , -1, 0, 1,
FORMULA DE INTERPOLACION HACIA 2, 3.
DELANTE DE DERIVADAS DE NEWTON
Ejemplo 5

La fórmula de diferenciación de Newton Una pasta de material cristalino se seca con

para una estimación de f’(x) se obtiene aire, que se hace fluir por encima de ella .
Para diseñar el sistema de secado, se
1  [1] 1 [ 2 ] 1 [ 3] 1 [ 4 ] 1 [ 5]  obtuvieron los datos experimentales que se
f ′ ( x) = f i − f i + f i − f i + f1 − 
h  2 3 4 5  muestran en la figura 3. A partir de esto,
(6) calcule la velocidad de secado en 0.9h ,es
Derivaciones sucesivas se obtienen decir, dy / dt = 0.9 , donde t es el tiempo en
horas.
1  [ 2] [ 3] 11 [ 4 ] 5 [ 5] 
f ′′( x) =  f i − f i + 12 f i − 6 f i +   (7 )
h2 
1  3 7 
f ′′′( x) = 3  f i [ 3] − f i [ 4 ] + f i [ 5 ] −  (8)
h  2 4 
1
[ ]
f IV ( x) = 4 f i [ 4 ] − 2 f i [ 5] + 
h
(9)

METODO DE DOUGLAS-AVAKIAN

Este método usa un polinomio de cuarto

orden que se ajusta a siete puntos
equidistantes por el método de mínimos
cuadrados. El polinomio es

y = a + bx + cx 2 + dx 3 + ex 4

Estos puntos son espaciados en intervalos Figura 3 Curva de velocidad de secado.

iguales con las coordenadas escogidas, tal
que, en x = 0 se encuentra el punto central Solución por la Fórmula de la derivada de
de los siete. Los siete valores de x pueden Newton
escribirse como –3h, -2h, -h, 0, 2h y 3h.
Se divide parte de la curva en cinco
Por derivación, subdivisiones comenzando en t=0.9 hora,
como muestra la figura 3 y se elabora la
 dy  397 ∑ ky 7 ∑ k 3 y Tabla de diferencias finitas ( Tabla 7)
  = − (10)
 dx  0 1512 h 216 h

-8-
Se elabora una tabla de diferencias 0.9 0.1833 0 0 0
finitas. 1.1 0.1459 1 0.1459 0.1459
[ 1]
x y fi f i [ 2 ] f i [ 3] f i [ 4 ] f i [ 5] 1.3 0.1198 2 0.2396 0.9584
0.9 0.18335 -0.01995 0.0025 0.0003 0.00007 1.5 0.1071 3 0.3219 2.8971
-.00021 ∑= −1.0752
1.0 0.1634 -0.01745 0.00280 0.00037 –0.00014
1.1 0.14595 –0.1465 0.00317 0.00023 ∑= −7.4112
1.2 0.1313 -0.001148 0.00340
0.11982 –0.0808 La velocidad de secado se calcula con la
0.11174 ecuación (10), de la siguiente manera
 dy  1  0.0025 2(0.0003 )
  = − 0.01995 − +  dy  (397 )( −1.0752 ) 7( −7.4112 )
 dx t =0.9 0.1  2 6   = −
 dx t =0.9 (1512 )( 0.2) ( 216 )( 0.2)
= −0.2106 lbH 2O / lb sólido sec o
6(0.00007 ) 6( −0.00021 )
− − ]=
24 120
Comparando los resultados encontramos un
= − 0.2111 lb H 2O / lb sólido sec o valor de –0.2111 por el método de Newton y
–0.2106 por el método de Douglas-Avakian.
El valor medido es de –0.21. El método de
Douglas-Avakian se basa en el método de
Solución por el método de Douglas-
mínimos cuadrados, por lo tanto, es un
Avakian.
método inseguro.
El siguiente procedimiento codificado con
Primero se preparó la Tabla 8, a partir del
MATLAB realiza los cálculos anteriores
polinomio de cuarto orden ajustado los
donde se aplica ell método de Douglas-
datos experimentales. Ecuación (11) con
Avakian.
ayuda de Matlab

Para hallar el polinomio ajustado de cuarto Procedimiento 7

orden se utilizó MATLAB, obteniéndose el
siguiente polinomio: function y = Douglas(y,k)
x = [0.9 1.0 1.1 1.2 1.3 1.4] ;
fx = −0.0146 x 4 +0.119 x 3 −0.1453 x 2 fx =[0.18335 0.1634 0.14595 0.1313 0.11982
−0.1958 x +0.40 0.11174] ;
(12) pol = polyfit (x, fx, 4);

xi = [0.3 0.5 0.7 0.9 1.1 1.3 1.5] ;

yi = polyval(pol,xi) ;
k = [-3 -2 -1 0 1 2 3] ;
Tabla 8 Datos de y = f(x) y = yi ;
x f(x) k ky k3 y
for i = 1 : 7
0.3 0.3313 -3 -0.9939 -8.9451
for j = 1 : 7
0.5 0.2798 -2 -0.5596 -2.2384
K(i,1) = k(i)*y(i);
0.7 0.2291 -1 -0.2291 -0.2291
K(i,2) = k(i)^3*y(i);

-9-
 end
end
K sobre otros métodos, por que puede
s= sum (K)
Derivada= 397*s(1)/(1512*0.2) . . .
- 7*s(2)/(216*0.2)
OTROS METODOS PARA AJUSTE DE
CURVAS
Método de mínimos cuadrados. Este
método se basa en la suposición, que la
mejor curva representativa es aquella para
la cual la suma de los cuadrados de los
residuos (errores) es un mínimo. Los
residuos son elevados al cuadrado para
eliminar lo que concierne a su signo.
Consultar el libro de Nieves-Domínguez
página 362 .1
Este método es mucho más complicado
para polinomios de mayor grado y se usa
para polinomios no mayor de segundo
grado. Es menos seguro que la Fórmula
interpolación de Newton y debe emplearse
para correlacionar o encontrar el “mejor
ajuste” de un conjunto de datos
experimentales.
Fórmula de diferencia central de Stirling.
Dos formas de la fórmula de Newton se
usan para la interpolación cercana al
comienzo y cercana al final de un conjunto
de datos tabulados. La fórmula de Stirling es
particularmente disponible para valores
interpolados cercanos a la mitad de un
conjunto de datos tabulados. Este método
está explicado en el libro de Constantinides-
Mostoufi, página 176 2
Series de Taylor. Un método de expandir
funciones en series de potencias es
utilizando las series de Taylor. El último
- 10 -
término en la serie es el residuo o tamaño
de error después de n términos y por lo
tanto, la serie de Taylor tiene una ventaja
programarse en un computador, de tal
manera que los términos se pueden agregar
automáticamente hasta que el último
término (término error) sea menor que el
limite especificado. Una nota de precaución
en el uso de todos los métodos de ajuste de
curvas debe expresarse. La exactitud de la
correlación entre los puntos de datos (xi,yi)
se debe chequear.
BIBLIOGRAFIA
1. Nieves A y Domínguez F. Métodos
numéricos aplicados a la
ingeniería . 2ª Edición CECSA
2002.
2. Constantinides A y Mostoufi N
Numerical methods for chemical
engineers with MATLAB
applications 1ª Edición Prentice-
Hall 1999.
3. Gerald C.F y Wheatley P.O
Analisis numérico con
aplicaciones. 7ª Edición Pearson
Educación 2000.
4. Nakamura S. Análisis numérico y
visualización gráfica con MATLAB
1ª Edición Pearson Educación
1997.
 CALCULO DE INTEGRALES POR
INTEGRACION NUMERICA

El proceso de calcular el valor de una

integral definida a partir de un conjunto de
valores numéricos del integrando recibe el
nombre de integración numérica. El
integrando se representa por una fórmula de
interpolación y la fórmula se integra entre los
limites deseados.

Método de Simpson. Este método se

puede resumir diciendo que se basa en la
conexión de los puntos (xi,yi) por una series
de parábolas.
Las funciones de éste tipo son polinomios
de segundo grado
f ( x ) = a + bx + cx 2
Hay un error inherente, por supuesto, si el
polinomio es mayor de segundo grado. La
fórmula final de la ecuación para la Regla
1/3 de Simpson es
a
b h

(13)
∫ y d x= 3 [ y + 4( y + y +  + y
0 1 3

2 ( y2 + y 4 +  yn − 2 ) + yn
n−1

]
)+

La regla de Simpson sola es exacta para

polinomios de primero y segundo grado. El

- 11 -
grado de la función es desconocida en 0.025 ( x0 ) 0.014328 0.010672 93.7
muchas aplicaciones, por consiguiente , se ( y0 )
debe calcular el error. El error se calcula por 0.035 ( x1 ) 0.02250 0.012500 80.0
la siguiente ecuación:
( y1 )
Error =
h 0.045 . 0.031264 0.013736 72.8 .
− [ y−1 + yn +1 − 4( y0 + yn ) + 7( y1 + yn −1 ) 0.055 . 0.040141 0.014859 67.3 .
90
8( y2 + y4 +  + yn −2 ) + 8( y3 + y5 +  yn −3 ) ]
0.065 . 0.049202 0.015798 63.3
0.075 0.058444 0.016556 60.4
0.085 . 0.067833 0.017167 58.25 .
(14)
0.095 ( x7 ) 0.077425 0.017575 56.9
Donde h = ∆xi y n ≥ 6
( y7 )
Método trapezoidal compuesto. Consiste
en dividir el intervalo[a , b] en n 0.105 ( xn ) 0.087127 0.017873 55.95
subintervalos y aproximar cada uno por un ( yn )
polinomio de primer grado, luego se aplica 0.115 ( xn +1 ) 0.096819 0.018181 55.0
la fórmula trapezoidal a cada subintervalo y ( yn +1 )
se obtiene el área de cada trapezoide, de tal y* = Composición en equilibrio.
modo que la suma de todas ellas da la
aproximación al área bajo la curva de la Primero resolvemos el problema aplicando el
función. La forma final de la ecuación para método 1/3 de Simpson. Suponiendo que la
el método trapezoidal compuesto es: película gaseosa es la controlante, tenemos:
h
∫ ydx = 2 [ y ]
b
0 + 2( y1 + y2 + y3 +  + yn −1 ) + yn
a y ( 2) dy 0.01
(15) N OG = ∫ = [93 .7 + 4(80 + 67 .3
y (1) y −y *
3
Los siguiente dos ejemplo ilustran estos dos + 60.4 +56.9) + 2 (72.8 + 63.3 + 58.25)
métodos. + 55.95] = 5.3225 unidades de transf.
Una torre empacada absorbe un gas A de un gas Error =
de combustión. El gas de entrada a la torre 0.01
contiene 10.5% molar de A y el gas de salida − [115 .5 + 55 − 4(93 .7 + 55 .95 ) + 7(80 +
90
contiene 2.5% molar de A. Calcule el número de + 56 .7) −8(72 .8 + 63 .3 + 58 .25 ) +8(67 .3 +
unidades de transferencia necesarias, N OG . Los + 60 .4) ] = 0.000333 unidades de transf .
datos se muestran en la tabla 6. El error es relativamente pequeño.
Tabla 6 Datos para el problema de unidades Por el método trapezoidal compuesto aplicamos
de transferencia. la ecuación (15)
Datos Calculados de los datos y ( 2) 0.01
y y* y – y* N OG = ∫ = [93 .7 + 2(80 + 72 .8
y (1) 2
1 + 67.3 + 63.3 + 60.4 + 58.25 + 56.9)
y − y* + 55.95 ] = 5.3377 unidades de transf.

Consideremos ahora una columna de destilación

0.015 ( x−1 ) 0.006342 0.008658 115.5 discontinua que contiene una mezcla de 50%
( y−1 ) molar de A en B, se destila hasta que la fracción
molar de A en el calderin sea menor que 0.20.

- 12 -
 W xw dx w 0.0618
Calcule la razón W0 Los datos se muestran A=∫ = [2.38 + 2 (2.0 +
x0 x D − xw 2
en la tabla 7. y se grafican en la figura 4. + 1.85 + 1.83 + 1.90 + 2.04) + 2.22 ]

Tabla 7 Datos para el problema de la columna de = 0.7366

destilación discontinúa W W
1 ln = −0.7366 ; = 0.4787
xD xW xD − xW W0 W0
xD − xW Se observa que los dos resultados son casi
0.549 0.129 ( x0 ) 0.420 2.38 ( y0 ) iguales debido a que el polinomio es de orden 3.
0.691 0.191 ( x1 ) 0.500 2.00 ( y1 ) El siguiente guión de MATLAB hace los cálculos
0.793 0.253 ( x2 ) 0.540 1.85 ( y2 ) de los dos problemas dados anteriormente.
0.806 0.314 . 0.492 1.83 .
0.902 0.376 . 0.526 1.90 . x = input(‘Introduzca los valores de x = ’);
0.928 0.438 ( x5 ) 0.490 2.04 ( y5 ) y = input(‘Introduzca los valores de y =’);
Area_1= trapz(x,y);
0.950 0.50 ( xn ) 0.450 2.22 ( yn ) Area_2= Simpson(x,y);
fprintf (‘\ n Area_1(Método trapezoidal)=
Aplicando el método 1/3 de Simpson, tenemos %9.4f’,Area_1)
xf dx w fprintf(‘\ n Area_2(Método 1/3 de Simpson)=
A=∫ =
x0 x − x %9.4f’,Area_2)
D w
0.0618
[ 2.38 + 4 ( 2.0 +1.83 + 2.04 )
3
+ 2 (1.85 + 2.04 ) + 2.22 ] = 0.739 function A=Simpson ( x, y)
W W puntos = length(x);
ln = − 0.739 y = 0.4776 if length(y) ~= puntos
W0 W0
error(‘x y y no son de la misma longitud ‘)
break
end
dx = diff(x);
if max(dx)-min(dx) > min(abs(x))/1000
error ( ‘ x no son equidistantes’)
break
end
h= dx(1);
if mod (puntos,2) == 0
precaución (‘Agregue numeros de intervalos’)
n= puntos – 1;
Fig 4 Gráfica de Xw vs 1/(XD- Xw) else
n= puntos;
Por el método trapezoidal compuesto, tenemos end
que y1 = y(2 : 2 : n – 1);
y2 = y(3 : 2 : n –2 );
A= (h/3)*(y(1) + 4*sum(y1) + 2* sum(y2) +
y(n)) ;

- 13 -
 if n ~= puntos engineers with MATLAB applications
A = A + (y(puntos) + y(n))* h/2; 1ª Edición Prentice-Hall 1999.
end. 7. Gerald C.F y Wheatley P.O Analisis
numérico con aplicaciones. 7ª Edición
Pearson Educación 2000.
8. Nakamura S. Análisis numérico y
visualización gráfica con MATLAB 1ª
Edición Pearson Educación 1997.

−
−

BIBLIOGRAFIA

5. Nieves A y Domínguez F. Métodos

numéricos aplicados a la ingeniería .
2ª Edición CECSA 2002.
6. Constantinides A y Mostoufi N
Numerical methods for chemical

- 14 -