Sunteți pe pagina 1din 60

rea Departamental

Ingeniera Qumica
Facultad de Ingeniera-UNLP

Simulacin de Procesos I y II

Introduccin al Clculo
Numrico aplicado a
Ingeniera Qumica
Conceptos generales, resolucin numrica
de ecuaciones, integracin aproximada,
resolucin de sistemas de ecuaciones
lineales, ajuste de curvas por cuadrados
mnimos

2009
R. H. Mascheroni S. A. Giner
n +1
i

1
=
ai ,i

bi

j =1
j i

ai , j x

xin +1 =

n
j

1
bi
ai ,i

i 1

j =1

ai , j x nj

j =i +1

ai , j x nj +1

1. BREVE INTRODUCCIN AL CLCULO NUMRICO


1.1. Presentacin del tema
1.2. Definiciones generales
1.2.1. Problema numrico
1.2.2. Algoritmo
1.2.3. Iteracin
1.2.4. Mtodo numrico
1.3. Pasos a seguir en la resolucin de un problema numrico

2
2
2
2
2
3
4
4

2. CRITERIOS PARA LA SELECCION DE ALGORITMOS


2.1. Velocidad de convergencia y facilidad de implementacin
2.2. Estabilidad del mtodo
2.3. Tiempo de mquina
2.4. Capacidad de memoria requerida
2.5. Precisin del mtodo

8
8
8
8
10
13

3. 3. RESOLUCIN NUMRICA DE ECUACIONES


3.1. Introduccin
3.1.1. Raz de una ecuacin
3.1.2. Algunos mtodos de separacin de races
3.2. Mtodos de resolucin
3.2.1. De las aproximaciones sucesivas
3.2.2. De la iteracin de punto fijo
3.2.3. Mtodo de Wegstein
3.2.4. Del punto medio
3.2.5. De la posicin falsa (Regula Falsi)
3.2.6. De Newton-Raphson
3.2.7. De Richmond
3.3. Solucin de un problema tipo, utilizando todos los mtodos descriptos

14
14
14
15
17
17
19
21
23
25
26
30
31

4. VALORACION NUMERICA DE INTEGRALES


4.1. Introduccin
4.2. Mtodos de resolucin
4.2.1. Mtodo o regla de los trapecios
4.2.2. Mtodo o regla de Simpson o de Simpson de 1/3
4.2.3. Otras variantes del mtodo de Simpson

37
37
37
37
39
41

5. AJUSTE DE CURVAS POR EL METODO DE LOS CUADRADOS MINIMOS


5.1. Estimacin de la precisin del mtodo

42
44

6. SOLUCIN DE SISTEMAS DE ECUACIONES LINEALES


6.1. Introduccin
6.2. Mtodos de solucin
6.2.1. Mtodos directos
6.2.2. Mtodos indirectos

46
46
47
47
57

7. BIBLIOGRAFA

59

Simulacin de Procesos I y II, 2009. rea Departamental Ingeniera Qumica, Facultad de Ingeniera, UNLP

1. BREVE INTRODUCCION AL CLCULO NUMRICO


1.1. Presentacin del tema
Las Matemticas son utilizadas en una forma u otra en la mayora de las reas de la
Ciencia y la Industria. Existe siempre una gran interrelacin entre Matemticas por un lado y
Ciencia y Tecnologa por el otro.
Durante las ltimas dcadas, los mtodos numricos se han utilizado en forma creciente
para resolver modelos matemticos de distinto grado de complejidad. Esto ha sido
especialmente as en las Ciencias Fsicas, Qumicas y en las Ingenieras, aunque tambin se
encuentran aplicaciones en procesos de la biotecnologa, diseo de instrumental biomdico, en
las Ciencias Naturales, Ciencias Econmicas e incluso en las Ciencias Sociales.
Muy a menudo, las aplicaciones conducen a modelos matemticos que no tienen solucin
con frmulas exactas. A veces el problema se simplifica lo suficiente como para encontrar una
solucin analtica, pero puede distar de ser realista y no representar lo que se quiere estudiar
mediante el uso del modelado. Es aqu donde aparece la necesidad de resolver el modelo
original mediante un importante volumen de clculos numricos. La cantidad de trabajo a
realizar depende, entre otros factores, de la demanda de exactitud y de la complejidad del
modelo planteado. Mediante el uso de computadoras, las posibilidades de aplicacin exitosa de
los mtodos numricos se han incrementado enormemente. Se puede decir que la velocidad de
clculo de las computadoras ha hecho posible la aplicacin de la matemtica numrica.
La Ingeniera Qumica presenta numerosos campos de aplicacin para los mtodos
numricos: desde el clculo de un volumen molar para un gas real para el diseo de un tanque
de almacenamiento, hasta la integracin de ecuaciones diferenciales que determinen el tiempo
de residencia de una mezcla reaccionante en un equipo de procesos, la cantidad de casos a
resolver por mtodos numricos se renueva y crece, con la ampliacin de las temticas que
abarca la carrera (procesos qumicos y petroqumicos, energas renovables, alimentos,
tratamientos de efluentes)
1.2. Definiciones
1.2.1

Problema numrico
Un problema numrico significa una clara descripcin de la conexin funcional entre los
datos de entrada, esto es, las variables independientes del problema, y los datos de salida, esto
es, los resultados deseados.
Los datos de entrada y los resultados consisten en un nmero finito de nmeros, reales o
complejos. Por tanto, son representables mediante un vector de dimensiones finitas. La conexin
funcional puede ser expresada en forma implcita o explcita.
1.2.2 Algoritmo
En matemticas, ciencias de la computacin y disciplinas relacionadas, un algoritmo (del
latn, dixit algorithmus y ste a su vez del matemtico persa al-Jwarizmi) es una lista bien
definida, ordenada y finita de operaciones que permite hallar la solucin a un problema. Dado
un estado inicial y una entrada, a travs de pasos sucesivos y bien definidos se llega a un estado
final, obteniendo una solucin.
El cientfico de computacin Donald Knuth ofreci una lista de cinco propiedades, que
son ampliamente aceptadas como requisitos para un algoritmo:
1-Carcter finito. "Un algoritmo siempre debe terminar despus de un nmero finito de pasos".
(pero en cada caso, ese nmero de pasos puede depender de la precisin buscada)

-2-

Simulacin de Procesos I y II, 2009. rea Departamental Ingeniera Qumica, Facultad de Ingeniera, UNLP

2-Precisin. "Cada paso de un algoritmo debe estar precisamente definido; las operaciones a
llevar a cabo deben ser especificadas de manera rigurosa y no ambigua para cada caso".
3-Entrada. "Un algoritmo tiene cero o ms entradas: cantidades que le son dadas antes de que
el algoritmo comience, o dinmicamente mientras el algoritmo corre. Estas entradas son
tomadas de conjuntos especficos de objetos".
4-Salida. "Un algoritmo tiene una o ms salidas: cantidades que tienen una relacin especfica
con las entradas".
5-Eficacia. "Tambin se espera que un algoritmo sea eficaz, en el sentido de que todas las
operaciones a realizar en un algoritmo deben ser suficientemente bsicas como para que en
principio puedan ser hechas de manera exacta y en un tiempo finito por un hombre usando lpiz
y papel".
A partir del carcter finito y de la salida se deduce que ante una misma situacin inicial (o
valores de entrada) un algoritmo debe proporcionar siempre el mismo resultado (o salida), con
excepcin de los algoritmos probabilistas.
En otras palabras, para un dado problema numrico, el algoritmo permite disponer de una
descripcin completa de operaciones bien definidas a travs de las cuales el vector de datos de
entrada es transformado en un vector de datos de salida.
Comenzar

Vector de
entrada

ALGORITMO

Vector de
salida

Fin

1.2.3 Iteracin
Uno de los conceptos ms comunes en los problemas numricos es del de iteracin (del
Latn, iteratio, repeticin) o aproximaciones sucesivas. En general la iteracin significa la
repeticin de un patrn de accin o proceso.
Para ilustrar un uso ms especfico de la idea de iteracin, consideremos el problema de
resolver una ecuacin de la forma:
x = f (x)

-3-

Simulacin de Procesos I y II, 2009. rea Departamental Ingeniera Qumica, Facultad de Ingeniera, UNLP

por ejemplo, si ps es la presin de vapor del agua y T la temperatura, hallar el punto de


ebullicin del agua a una presin de p = ps= 700 hPa = 70 000 Pa. La ecuacin de presin de
vapor ps en Pa, en funcin de la temperatura, T en C viene dada por la expresin siguiente:
6547.1

F (T ) = ps exp 54.119
4.23Ln(T + 273.16) = 0
T + 273.16

T = f (T ) =

6547.1
273.16
54.119 4.23Ln(T + 273.16) Ln 70000

aqu, f(x) es una funcin diferenciable cuya magnitud podemos calcular para cualquier valor de
la variable real x, dentro de un cierto intervalo. Usando el mtodo de la iteracin, se comienza
con una aproximacin inicial x1, y se calcula la secuencia
x2 = f (x1 )

x3 = f (x2 )
..
xn+1 = f (xn )
Cada clculo del tipo xn+1 = f(xn) se denomina una iteracin. Si la secuencia de valores de xn
converge a un valor lmite , tendremos entonces que el lim f ( xn ) = f ( ) = 0 , dado que sera
n

la raz exacta. Sin embargo, dado que el nmero de iteraciones siempre es finito, nunca se llega
al valor exacto , sino a un valor prctico suficientemente prximo, que satisfaga los
requerimientos de exactitud que se tengan para un problema dado.
Ms adelante se estudiarn en particular el uso y condiciones de convergencia de
numerosos mtodos iterativos
1.2.4 Mtodo numrico
Se entiende como mtodo numrico al procedimiento mediante el cual se pueda
aproximar un problema matemtico por un problema numrico. Que diferencia hay entonces
entre un algoritmo y un mtodo numrico?
Por ejemplo, el mtodo que vimos recin, de la iteracin es un mtodo para resolver
casi cualquier ecuacin, pero para transformarlo en un algoritmo es necesario definir
consideraciones sobre el inicio y el final, esto es, saber bien que datos colocar, y cuando detener
el clculo. Se puede considerar entonces un algoritmo como una descripcin detallada de un
mtodo numrico
1.3 Pasos a seguir en la resolucin de un problema numrico
Se pueden generalizar en la secuencia siguiente:

a) Sustituir el problema inicial


6547.1

F (T ) = ps exp 54.119
4.23Ln(T + 273.16) = 0
T + 273.16

por un algoritmo de clculo, por ejemplo el mtodo de la iteracin


Tn+1 = f (Tn ) =

6547.1
273.16
54.119 4.23Ln(Tn + 273.16) Ln 70000

-4-

Simulacin de Procesos I y II, 2009. rea Departamental Ingeniera Qumica, Facultad de Ingeniera, UNLP

b) Observar que en caso de algoritmos iterativos, aparece un parmetro n, nmero de


iteraciones requerido para obtener la solucin con la exactitud deseada, que no figuraba en el
problema matemtico inicial:
Diferencia admisible |Tn+1 Tn| 0.01C
n es un valor que depende de la diferencia admisible
c) Considerar que eligiendo bien la diferencia admisible entre los resultados de dos iteraciones
consecutivas se puede conseguir una solucin xn tan cercana como se quiera al valor real, .
d) Comprobar que si el algoritmo se realiza con una precisin insuficiente (por ej., debida al
redondeo), que este error no influencie sus propiedades de convergencia.
e) Realizar un plan para implementar el mtodo de clculo, que podra representarse
grficamente, por ejemplo, mediante un diagrama de bloques.
f) Elegir un lenguaje de clculo (por ej., Matlab) que entienda la computadora para codificar el
diagrama de bloques o las ecuaciones del algoritmo.
g) Convalidar los resultados del programa en un caso donde la solucin sea conocida.
No se dan ejemplos de e-g, pero se brinda la progresin del clculo, utilizando x1 = T1 = 50C, y
finalmente se da un diseo general para la realizacin de programas Matlab para clculo
numrico
Iteracin
1
2
3
4
5
6
7

Valor supuesto
50
80.3325
87.7270
89.4774
89.8890
89.9857
90.0083

Valor calculado
80.3325
87.7270
89.4774
89.8890
89.9857
90.0083
90.0136

el valor de n result ser igual a 7, debido a que para esa iteracin se cumple que el valor
absoluto de la diferencia, entre xn+1 y xn es menor que 0.01C. x = T 90.0136C, que, de
acuerdo a la precisin de la mayora de los buenos termmetros o sensores de temperatura, que
es de 0.1C, podemos estimar en x = T 90.0C.

-5-

Simulacin de Procesos I y II, 2009. rea Departamental Ingeniera Qumica, Facultad de Ingeniera, UNLP

Un posible diseo general de programas Matlab para clculo numrico (Constantinides y


Mostoufi, 1999) es el que sigue:

Ejemplo. m
Este es un programa que resuelve un ejemplo especfico. Es interactivo con el
usuario. Solicita al usuario ingresar, mediante el teclado, los parmetros que se
usarn con el mtodo, tal como el nombre de la funcin que contiene las
ecuaciones, constantes, estimaciones iniciales, criterios de convergencia.
Este programa llama la funcin metodo.m, le pasa los parmetros a sta y recibe,
como devolucin, los resultados y los escribe de manera formateada y genera
grficos con los resultados, si se necesitan

Metodo. m
Esta es una funcin general que implementa el mtodo, tal como el de la iteracin,
o el de Newton-Raphson. Esta funcin es porttil de manera que puede llamrsela
desde otros programas y/o desde el espacio de trabajo (Workspace) de Matlab
(con parmetros).
Por su parte, esta funcin Metodo puede llamar la funcin ecuaesp, con las
ecuacion/es especficas a resolver en el problema. La funcin Metodo puede
llamar asimismo cualquiera de las funciones que Matlab trae incorporadas. Los
resultados de Metodo se pueden imprimir o graficar aqu, si son genricos.
Este programa llama la funcin metodo.m, le pasa los parmetros a sta y recibe,
como devolucin, los resultados y los escribe de manera formateada y genera
grficos con los resultados, si se necesitan

ecuaesp.m
Esta funcin contiene la/s
ecuacion/es especfica/s a ser
resuelta/s. Puede contener alguna
o varias constantes que son
especficas de tales ecuaciones

Funciones Matlab
Cualquiera de las funciones
disponibles en el lenguaje Matlab
o rutinas de graficacin que
puedan necesitarse

-6-

Simulacin de Procesos I y II, 2009. rea Departamental Ingeniera Qumica, Facultad de Ingeniera, UNLP

Vamos a ejemplificar con el caso resuelto en la pgina 4


Archivo Matlab punto_eb.m
global p
disp ('para la ecuacin de presin de vapor')
disp (' ')
disp (' ps = exp( a b/(T +273.16) c Ln (T +273.16)')
disp(' ')
Ts = input('ingrese temperatura supuesta para comenzar la iteracin ')
tol = input('ingrese diferencia admisible para detener el clculo ')
p = input ('ingrese el valor de la presin atmosfrica en hPa ')
p = p*100; % se pasa a Pa
ps =p % por definicin de punto de ebullicin
Ts = 50; % estimacin inicial del punto de ebullicin
tol = 0.01; % C
[Teb, niter] = met_it (Ts, tol)
disp ('la temperatura de ebullicin vale'), Teb
disp (' ')
disp (' siendo el numero final de iteraciones de '), niter

archivo met_it.m
function [xcalc, n] =met_it (xsup, difad)
dif = 10;
n=1
while dif >= difad & n <=30
xcalc = presvap (xsup)
n = n+1
dif = abs(xcalc-xsup)
xsup = xcalc
end

archivo presvap.m
function Tcalc = presvap(Tsup)
global p
c1 = 54.119; c2 = 6547.1; c3= 4.23
Tcalc = c2./(c1-c3*log (Tsup +273.16) -log(p)) -273.16

-7-

Simulacin de Procesos I y II, 2009. rea Departamental Ingeniera Qumica, Facultad de Ingeniera, UNLP

2. CRITERIOS PARA LA SELECCION DE ALGORITMOS

A la hora de decidir entre posibles algoritmos para resolver un problema determinado y


relativamente complejo, hay varios factores a considerar. Entre los que suelen condicionar la
eleccin se encuentran la velocidad de convergencia y facilidad de implementacin del
algoritmo, su estabilidad, precisin y la memoria ocupada.
A veces la eleccin se har en base a la precisin que se necesita obtener (por ejemplo en
clculos cientficos), mientras que en otros casos importar solamente la obtencin de un valor
aproximado en forma relativamente simple y rpida. En tiempos todava recientes, la eleccin se
hallaba condicionada por la capacidad de memoria de la computadora o por el tiempo de clculo
que poda insumir el algoritmo que nos diera la precisin deseada. No obstante, hoy en da, en la
mayora de los casos, las computadoras son rpidas, con excelente capacidad de memoria y
velocidad de clculo, permitiendo la implementacin de algoritmos muy rigurosos. La eleccin
depende, en consecuencia, de la complejidad de programacin y puesta a punto del mtodo
seleccionado (es decir, la eliminacin de errores de programacin y ejecucin). De todas
maneras debe decirse que las consideraciones de economa de clculo siempre son atendibles,
toda vez que muchos algoritmos pueden funcionar dentro de programas grandes que ejecutan
muchas tareas y que por tanto, requieren que cada una de ellas se ejecute en el menor tiempo
posible.
2.1. Velocidad de convergencia y facilidad de implementacin

La lentitud de la convergencia (demasiadas iteraciones para llegar a un resultado fue, y


todava es, uno de los criterios por los que se juzga la desventaja de un mtodo dado. Este
criterio no es el nico y no ser el mismo al implementar el clculo en una calculadora o
computadora. Muchas veces, al optar entre dos mtodos de igual precisin, se prefiera utilizar
aquel cuya convergencia es ms lenta si con l, los clculos son ms fciles de programar,
siempre que el tiempo de clculo no sea un factor importante.
2.2. Estabilidad del mtodo

Otro aspecto a tener en cuenta es la estabilidad de los procesos de clculo. por ejemplo,
no debemos usar un mtodo que, en la sucesin de clculos, vaya acumulando errores (de
truncacin y/o de redondeo) hasta darnos un resultado que se desve mucho de los valores
exactos. Muchas veces es necesario demostrar que los errores de redondeo no se acumulan,
dando lugar a resultados errneos. O sea, hay que comprobar la estabilidad del mtodo.
2.3. Tiempo de mquina

Es uno de los criterios ms utilizados. Este es un factor determinante en el diseo o


seleccin de algoritmos para la solucin de problemas numricos complejos: por ejemplo,
solucin de ecuaciones diferenciales a derivadas parciales, especialmente cuando hay ms de
dos variables independientes.
Una medida razonable del costo en tiempo del trabajo es el nmero de operaciones
efectuadas. Cuando hay ms de un tipo de operacin, se debe contabilizar cada tipo por
separado, y se pueden asignar pesos a cada uno para reflejar el tiempo de computadora
necesario para la realizacin del algoritmo.
Veamos un ejemplo particular: solucin de un sistema lineal de ecuaciones simultneas.
El sistema es:

-8-

Simulacin de Procesos I y II, 2009. rea Departamental Ingeniera Qumica, Facultad de Ingeniera, UNLP

a11 x1 + a12 x2 + .....a1i xi + ...a1n xn = b1


...
ai1 x1 + ai 2 x2 + .....aii xi + ...ain xn = bi
...
an1 x1 + an 2 x2 + .....ani xi + ...ann xn = bn

O escrito en forma matricial: Ax = b


Comparamos dos algoritmos (ms adelante se vern en detalle): los mtodos de Cramer y de
eliminacin de Gauss.
Cramer: con este mtodo las incgnitas se calculan como
A
xi = i
A
donde i = 1, 2, ... n. El denominador de la ecuacin es el determinante del sistema y el
numerador, el determinante que surge de una matriz de coeficientes igual a la de A, pero
poniendo, en la columna de la incgnita xi el vector de trminos independientes, bi, 1,..n.
Despreciando las sumas y restas por ser operaciones sencillas frente a multiplicacin y divisin,

el nmero de operaciones da n 1 n!+ n


2

Eliminacin de Gauss: Este mtodo, mediante una serie de pasos sucesivos de eliminacin y
transformacin por combinaciones lineales, llega a un sistema triangular superior que tiene la
misma solucin que el sistema original, y cuya resolucin es directa y secuencial, de la ltima
ecuacin hasta la primera. Aqu la deduccin da,

n(n + 1) n( n + 1)(2n + 1)
+
1
2
6
La tabla siguiente, de doble entrada, nos brinda el nmero de clculos en funcin del mtodo y
del orden del sistema
Mtodo
Cramer
Eliminacin de Gauss

Orden del sistema de ecuaciones lineales, n


3
5
10
51
2885
359251210
19
69
439

Se v que el mtodo de Eliminacin de Gauss conviene, y tanto ms cuanto mayor sea el


orden del sistema. El ejemplo sirve adems para comprender la ventaja del empleo del clculo
numrico por computadora en la solucin de problemas matemticos.
Se debe recordar que en el caso de esquemas iterativos, se debe multiplicar el nmero de
clculos que se realizan en cada iteracin por el nmero de iteraciones que se necesite para
llegar a una solucin aceptable (siendo este valor desconocido a priori, se lo estima segn
experiencias de aplicacin a otros casos). Puede entonces ocurrir que sistemas de convergencia
lenta, que utilizan menor nmero de clculos por iteracin (mtodos ms simples), tarden en
realidad ms tiempo en alcanzar el resultado deseado que otros mtodos de mayor complejidad
pero de convergencia ms rpida.

-9-

Simulacin de Procesos I y II, 2009. rea Departamental Ingeniera Qumica, Facultad de Ingeniera, UNLP

Matlab tiene la funcin clock que devuelve un arreglo de 6 nmeros con el ao, mes,
da, hora, minuto, y segundos con fraccin al momento de ejecutarse. Ese valor puede asignarse
antes del lazo iterativo al valor t1. Luego del lazo iterativo, puede llamarse la funcin etime
(clock, t1), que devuelve la diferencia entre el tiempo actual provisto por clock en el argumento
de la funcin, y t1, el valor original. En consecuencia, el clculo del tiempo que demanda un
mtodo numrico podra estimarse as
t1 = clock;
LAZO ITERATIVO
tiempo_del_metodo = etime(clock, t1)

Las computadoras actuales son muy rpidas y la precisin de este mtodo es de


fracciones de segundo. Por tanto, al comparar mtodos con distinto nmero de iteraciones o
tolerancias, trate de realizar este clculo de tiempo en las mismas condiciones, por ejemplo,
todas las ventanas cerradas del sistema operativo excepto Matlab, dado que estas funciones
tendrn en cuenta todo lo que demanda a la CPU y no solamente lo que le demanda el mtodo
numrico que est evaluando.
2.4. Capacidad de memoria requerida

Si bien actualmente la memoria de la mquina no es un recurso demasiado escaso para


problemas de baja y mediana complejidad, los conceptos sobre economa en el uso de la
memoria siempre resultan importantes, dado que no solamente permitirn que un programa se
ejecute a mayor velocidad, sino que implique un menor consumo de energa por la computadora
para el clculo que se desea realizar.
As, se puede decir que el espacio de memoria se utiliza tanto para el almacenamiento
del propio programa, como de los datos, valores intermedios de las variables y resultados
finales.
La memoria requerida puede ser un problema crtico en algunos algoritmos que
requieren grandes almacenamientos para su solucin (tanto por la extensin del programa
mismo, como por el volumen de variables que se manejen). En estos casos se hace necesario, al
programar el algoritmo, emplear mtodos adecuados para lograr que el almacenamiento
requerido sea el menor posible. Adems, en estos casos, suele necesitarse un conocimiento
profundo del lenguaje de programacin y de la mquina que se utiliza.
Veremos un ejemplo organizado slo a los efectos de contribuir a fijar los conceptos
involucrados.
n

S = xi
i =1

Un programa tpico de Matlab podra ser el siguiente:


1- Suponiendo que se guardan los datos de xi en una planilla Excel.

- 10 -

Simulacin de Procesos I y II, 2009. rea Departamental Ingeniera Qumica, Facultad de Ingeniera, UNLP

clear, clc
x = xlsread('datos_de_x');
sum = 0
for i =1:length(x)
sum = sum+x(i);
end
sum

El resultado es sum = 37
El espacio de trabajo mostrar, luego de ejecutarse, la existencia de tres variables, dos escalares
de 1x1, i y sum, y otra, un vector columna de 7 filas x 1 columna, x, totalizando 72 bytes de
memoria.
En el caso de que cada valor de x se ingrese mediante la instruccin interactiva, input, el
programa ser ms engorroso de usar, pero ahorrar memoria,
clear, clc
sum = 0
numero_de_x = 0
clave = 'si'
while clave == 'si'
numero_de_x
x = input ('ingrese valor de x ' )
numero_de_x = numero_de_x +1
sum = sum+x;
clave = input (' sigue sumando ? poner la respuesta entre apostrofes ' )
end
sum

- 11 -

Simulacin de Procesos I y II, 2009. rea Departamental Ingeniera Qumica, Facultad de Ingeniera, UNLP

aqu el uso de la memoria da 28 bytes, menos de la mitad que usaba el otro programa. Aqu se
lista una copia de la ejecucin de este programa en el command window
sum =
0
numero_de_x =
0
clave =
si
numero_de_x =
0
ingrese valor de x 1
x=
1
sigue sumando ? poner la respuesta entre apostrofes 'si'
clave =
si
numero_de_x =
1
ingrese valor de x 3
x=
3
sigue sumando ? poner la respuesta entre apostrofes 'si'
clave =
si
numero_de_x =
2
ingrese valor de x 5
x=
5
sigue sumando ? poner la respuesta entre apostrofes 'si'
clave =
si
numero_de_x =
3
ingrese valor de x 7
x=
7
sigue sumando ? poner la respuesta entre apostrofes 'si'
clave =
si
numero_de_x =
4
ingrese valor de x 6
x=
6
sigue sumando ? poner la respuesta entre apostrofes 'si'
clave =
si
numero_de_x =
5
ingrese valor de x 8

- 12 -

Simulacin de Procesos I y II, 2009. rea Departamental Ingeniera Qumica, Facultad de Ingeniera, UNLP

x=
8
sigue sumando ? poner la respuesta entre apostrofes 'si'
clave =
si
numero_de_x =
6
ingrese valor de x 7
x=
7
sigue sumando ? poner la respuesta entre apostrofes 'no'
clave =
no
sum =
37

2.5. Precisin del mtodo

Est parcialmente relacionado con el punto 2.2. En muchos casos, principalmente en


clculos cientficos o tcnicos de gran significacin, el factor determinante es la precisin del
mtodo de clculo. Distintos esquemas tendrn distinta precisin, dada principalmente por
aproximaciones realizadas en su deduccin. El caso ms comn son los mtodos para resolver
numricamente ecuaciones diferenciales. Normalmente los ms precisos sern de desarrollo ms
complicado, clculo ms lento y/o involucrarn mayor necesidad de memoria.
Sin embargo, stos no son factores determinantes en clculos cientficos o tcnicos para
los que se utilicen computadoras de gran memoria y alta velocidad, donde generalmente, priva
la precisin a obtener, en el momento de decidir el algoritmo a utilizar.

- 13 -

Simulacin de Procesos I y II, 2009. rea Departamental Ingeniera Qumica, Facultad de Ingeniera, UNLP

3. RESOLUCIN NUMRICA DE ECUACIONES


3.1. Introduccin
3.1.1. Raz de una ecuacin

Resolver una ecuacin del tipo F(x) = 0 es hallar los valores numricos de x, llamados
races de la ecuacin, que reemplazados en el primer miembro lo anulan. As, la ecuacin x2 -2
= 0 se verifica para los dos valores +2 y -2, y la ecuacin sen x cos x =0 se cumple para
infinitos valores de x = (1/4 +k) (en radianes), con k = 0,1, 2, ....
Sin embargo, slo excepcionalmente se presentan casos como los anteriores, donde se
puedan calcular exactamente todas las races de una ecuacin.
As, en las matemticas elementales se estudian las ecuaciones de primer y segundo
grado, para las que existe solucin en todos los casos, cualesquiera sean los valores de los
coeficientes, debido a que se conocen las frmulas de resolucin. En cambio, no es posible dar
una frmula para hallar las races de una ecuacin cualquiera, y en este captulo estudiaremos
varios procedimientos que permiten calcular valores aproximados de las races.
Empezaremos por estudiar procedimientos generales de resolucin de ecuaciones
(algebraicas y trascendentes) para considerar despus, especialmente, la resolucin de
ecuaciones algebraicas.
Se ha visto ya un ejemplo tpico de Ingeniera Qumica para el clculo de la temperatura
de ebullicin a una presin dada. Otros ejemplos son, por ejemplo, el clculo del volumen molar
de una sustancia pura, a una presin y temperaturas dadas, por medio de la ecuacin de Soave,
Redlich y Kwong

a
(v b) RT = 0
F (V ) = p +
v(v + b)

Otro ejemplo tpico es resolver la ecuacin de Colebrook que vincula el factor de friccin en
tuberas, con la rugosidad y el dimetro interno, y con el nmero de Reynolds NRe
F( f ) =

/D
1
2.51
+ 0.86 Ln
+
3 .7 N
f
f
Re

=0

La diferencia conceptual entre raz de una ecuacin y resolucin de una ecuacin es sutil.
Resolucin de una ecuacin constituye un concepto ms amplio que es el de encontrar un
valor o una serie de valores que satisfagan la ecuacin expresada de una forma determinada,
igualada a cero o no. Para hablar de races de una ecuacin, sta debe estar igualada a cero (a tal
punto que muchos libros llaman ceros a las races, es decir a los valores de x que hacen a la
ecuacin F(x) valer 0), mientras que en el segundo, no es estrictamente necesario, por ejemplo,
la ecuacin de Colebrook:
.
/ D
1
2.51
= 0.86 Ln
+
3.7 N
f
f
Re

tiene la misma solucin que la anterior, pero no est arreglada de la forma clsica igualada a
cero. La mayora de los mtodos, sin embargo, parten de la formulacin F(x) = 0, excepto el de
la iteracin.

- 14 -

Simulacin de Procesos I y II, 2009. rea Departamental Ingeniera Qumica, Facultad de Ingeniera, UNLP

3.1.2. Algunos mtodos de separacin de races

Cuando se trata de calcular las races reales de una ecuacin F(x) = 0, conviene tener
presente una serie de resultados del anlisis matemtico que facilitan el conocimiento de la
ubicacin de las races.
Considrese un intervalo (a,b) en el cual la funcin es continua. Se admitir que:
I) si F(x) tiene signos distintos en a y b, se anula por lo menos una vez en (a,b) y en general, un
nmero impar de veces
F(x)

II) Si el signo de F(a) = signo de F(b), la funcin se anula un nmero para de veces en (a, b),
tomando el cero (ausencia de races) como nmero par, es decir, que puede no anularse

F(x)
a

b x

b x

F(x)

III) Si F(x) es constantemente creciente o decreciente en (a, b), es decir, si F(x) tiene un signo
determinado y el signo de F(a) es al de F(b), hay una sola raz de la ecuacin F(x)=0 en (a,
b). Sin embargo, si el signo de F(a) es = al signo de F(b), con seguridad no habr ninguna raz
en (a,b)

- 15 -

Simulacin de Procesos I y II, 2009. rea Departamental Ingeniera Qumica, Facultad de Ingeniera, UNLP

a
a

a
a

IV) De acuerdo a III), la separacin de una raz es fcil en (a,b) si F(x) tiene un signo
determinado.
Veamos ahora como es posible calcular intervalos parciales del intervalo total, donde en
cada uno de los cuales la derivada F(x) tenga un signo determinado.
Considrese una funcin continua F(x) en (a,b) con derivada F(x) tambin continua, tal
como se representa en la figura:

- 16 -

Simulacin de Procesos I y II, 2009. rea Departamental Ingeniera Qumica, Facultad de Ingeniera, UNLP

F(x)

b
a

a1

a2

a3

a4

a5

a6

a7

a8

La derivada F(x) se anula en los puntos de abscisa a1, a2, a3, a4, a5, a6, a7 y a8 y en ellos la
tangente a F(x) es horizontal. Entre dos races consecutivas de F(x), la funcin es siempre
creciente o decreciente y de acuerdo a III) tiene una sola raz o ninguna. As, en (a1, a2) hay una
raz por ser los signos de la funcin distintos en esos puntos, mientras que en (a3, a4) no hay
ninguna raz por tener la funcin el mismo signo en ambos puntos. En el caso de a6, tanto F(a6)
como F(a6) se anulan, de manera que all se presenta una raz mltiple.
3.2. Mtodos de resolucin
3.2.1. Mtodo de las aproximaciones sucesivas

Los mtodos de bsqueda de races o de resolucin numrica de ecuaciones parten de la


base de que hay una nica raz en el intervalo de bsqueda, ensayando luego una frmula de
recurrencia hasta obtener el resultado con la precisin deseada.
Existen casos (frecuentes por cierto) donde es difcil la separacin de la raz por mtodos
ortodoxos del anlisis matemtico, como ya se ha visto, y esto lleva a tener que resolver la raz
sin saber el intervalo correcto de bsqueda. Una herramienta adecuada para estos casos es el
mtodo de las aproximaciones sucesivas, que puede explicarse del modo siguiente: Sea F(x) una
funcin a la cual se le quiere determinar el valor que la anula, o sea F() =0. Se comienza
asignando a x un valor inicial x1 e imponiendo la cota de error absoluto para x, que se est
dispuesto a tolerar. Se calcula F(x1), se incrementa la abscisa en un x, tal que x2 =x1 + x. Si
F(x2) tiene = signo que F(x1), se sigue incrementando x y se repite el procedimiento. Cuando se
detecta un cambio de signo, se vuelve el valor de x al que tena antes del cambio de signo y se
reduce el incremento (por ejemplo 10 veces), volvindose luego a aumentar x. El procedimiento
contina hasta que el x resulta menor o igual que la cota absoluta . El diagrama de bloques
(DDB) siguiente ilustra el procedimiento. Este mtodo requiere cuidado en la eleccin del valor
inicial y del incremento, para que no se de el caso de saltarse dos races que puedan estar muy
juntas.

- 17 -

Simulacin de Procesos I y II, 2009. rea Departamental Ingeniera Qumica, Facultad de Ingeniera, UNLP

Comenzar
Leer x1,
x,
x = x1
Fx = valor de la funcin en x

Fxa = Fx
x =x + x
Fx = valor de la funcin en x
Fx * Fxa <0

si
si

no

no
x =x - x
x = x/10

raz = x

Fin

Podr observarse que este mtodo puede aplicarse luego de realizar un grfico de la
funcin con Matlab, donde se observe los lugares donde se anula. Esto permitir elegir un punto
de partida adecuado para el clculo. De lo contrario, el mtodo podra fallar y no detectar nunca
un cambio de signo, si la eventual raz se hallara en la direccin opuesta a la utilizada para
recorrer el eje x. Por este motivo, si bien ste mtodo es muy bueno en el sentido de que ana
un mtodo de separacin de races con un mtodo de resolucin, y es por tanto de gran valor
para introducir conceptos de races, no se adapta fcilmente para ser utilizado en forma
automtica dentro de modelos de simulacin, dado que la direccin de aproximacin a la raz la
dirige el usuario, y no el mtodo, a diferencia de otros procedimientos para el clculo de races.

- 18 -

Simulacin de Procesos I y II, 2009. rea Departamental Ingeniera Qumica, Facultad de Ingeniera, UNLP

3.2.2. Mtodo de la iteracin de punto fijo

Es uno de los ms elementales. Supngase que la funcin F(x) = 0 se pueda separar en


dos trminos F(x ) = f1(x) f2(x) =0. De all se despeja, f1(x) = f2(x). El clculo comienza al dar
a x un valor inicial apropiado x1 calcular f2(x1), igualar este valor a f1(x2) y despejar x2 de sta.
La recurrencia de los clculos puede establecerse de acuerdo al patrn siguiente
y1 = f 2 ( x1 ) = f1 ( x2 ) > x2

y2 = f 2 ( x2 ) = f1 ( x3 ) > x3

yn = f 2 ( xn ) = f1 ( xn+1 ) > xn+1

Cuando se alcance un xn tendremos f1(xn) f2(xn), lo que verificar la ecuacin. Esta


convergencia puede ser muy lenta en los pasos finales, y generalmente se detiene el clculo
cuando |xn+1- xn| . Existe sin embargo una forma ms adecuada para medir la convergencia de
cualquier mtodo iterativo, que implica el clculo del error aproximado porcentual, eap. Este
se define segn

eap = 100

xn+1 xn
xn+1

obsrvese que esta frmula es anloga a la del error relativo porcentual

erp = 100

donde v es el valor aproximado, y el verdadero. En clculos iterativos, por definicin, no se


conoce el valor verdadero, de manera que se toma como una aproximacin al valor verdadero el
ltimo valor calculado, xn+1, porque, de ser convergentes los clculos, se aproximar ms que xn
al valor verdadero. La frmula de eap no es conveniente si la raz es muy prxima a cero, de
manera tal que en esos casos puede ser conveniente utilizar una cota de error absoluto. Otra
ventaja que tiene el error aproximado porcentual es que no hace falta conocer el valor de la
incgnita, ni siquiera su orden de magnitud para establecer una cota de error apropiada; por
ejemplo, 0.01% puede ser adecuada para la mayora de los casos de ingeniera.
Volviendo al mtodo de la iteracin de punto fijo, y ordenados el esquema de clculo como lo
indica la frmula de recurrencia escrita ms arriba, se puede dar una condicin de suficiencia
para la convergencia del mtodo. Esta es:

f '2 ( x) < f '1 ( x)

en un entorno de

Es decir, si se cumple la condicin se asegura la convergencia, y si no se cumple, la


convergencia no est asegurada, aunque pueda ser todava posible.

- 19 -

Simulacin de Procesos I y II, 2009. rea Departamental Ingeniera Qumica, Facultad de Ingeniera, UNLP

Caso ms frecuente del mtodo de la iteracin

Siempre es posible expresar la frmula de tal forma que f1(x) = x, la funcin identidad.
As:

y1 = f 2 ( x1 ) = x2
y2 = f 2 ( x2 ) = x3

yn = f 2 ( xn ) = xn +1
La condicin de suficiencia, en un entorno suficientemente prximo a , queda:

f '2 ( x) < 1

Demostracin grfica de la convergencia:

f2(x)

f1(x)=x

x1

x2

y de la divergencia

- 20 -

x3

Simulacin de Procesos I y II, 2009. rea Departamental Ingeniera Qumica, Facultad de Ingeniera, UNLP

Diverge

f2(x)

f1(x)=x

x1

x2

x3

3.2.3. Mtodo de Wegstein

El mtodo de Wegstein es una variante del mtodo de la iteracin de punto fijo, y de


hecho, puede resolver ecuaciones del tipo

x = f 2 ( x)
Comenzando con un valor inicial x1, podemos obtener primero otra estimacin de la raz

x2 = f 2 ( x1 )
Como se muestra en la figura, ahora x2 no tiene necesariamente que ser ms prximo a la raz
que x1. Se puede ahora trazar una lnea recta por dos puntos, (x1, f2(x1)), y (x2, f2(x2))

y f 2 ( x1 )
x x1
=
f 2 ( x2 ) f 2 ( x1 ) x2 x1
para encontrar la nueva estimacin de la raz, x3 a partir de la interseccin de esta lnea recta con
la funcin identidad y = x.

- 21 -

Simulacin de Procesos I y II, 2009. rea Departamental Ingeniera Qumica, Facultad de Ingeniera, UNLP

x3 =

x1 f 2 ( x2 ) x2 f 2 ( x1 )
x1 f 2 ( x1 ) x2 + f 2 ( x2 )

f2(x)

X3

x1

x3

x2

se puede ver en la figura que, siguiendo con el mtodo de la iteracin de punto fijo, se
encontraba el valor x3, que resultaba divergente. Con el mtodo de Wegstein, se encuentra el
punto x3, ms cercano a la raz que x1 y x2. En la iteracin siguiente, se construye una recta entre
los puntos (x2, f2(x2)) (x3, f2(x3)), y nuevamente evaluamos la siguiente estimacin de la raz
intersectando esta recta con y = x. En consecuencia, la frmula general iterativa para el mtodo
de Wegstein, es:

xn+1 =

xn1 f 2 ( xn ) xn f 2 ( xn1 )
xn1 f 2 ( xn1 ) xn + f 2 ( xn )

- 22 -

n2

Simulacin de Procesos I y II, 2009. rea Departamental Ingeniera Qumica, Facultad de Ingeniera, UNLP

3.2.4. Mtodo del punto medio (biseccin, biparticin o mtodo dicotmico)

Es muy simple, pero no optimiza la velocidad de convergencia, y por tanto pueden


requerirse muchas iteraciones para alcanzar la precisin deseada. Si en el intervalo (a,b) existe
una sola raz, entonces el mtodo siempre converge.

F(x)

x2

x3

x1

La lgica a seguir es la siguiente:


1)
2)
3)
4)
5)
6)

se determinan los extremos del intervalo a y b, tal que F(a) * F(b) < 0
Se elige la cota de error aproximado porcentual por ejemplo, 0.01%
Se determina xn = (a+b)/2, con n = 1, ....hasta convergencia
Si F(xn)*F(a) < 0, la raz estar entre xn y a, de manera que se redefine b = xn
Si el signo es > 0, la raz estar entre xn y b, de manera que se redefine a = xn
En cada paso se determina el eap = |(xn-a)/xn|, y, si es mayor que 0.01, se incrementa n en
1 y se sigue en 3). Un DDB simplificado del mtodo de punto medio se presenta en la
pgina siguiente:

- 23 -

Simulacin de Procesos I y II, 2009. rea Departamental Ingeniera Qumica, Facultad de Ingeniera, UNLP

Comenzar
Leer a,b, tol

Realice el
programa Matlab
de este DDB, y
agrguele un
contador de
iteraciones

x=a
Fxa = funcin en x=a
x=b
Fxb =funcin en x = b
Fxa * Fxb <0

no

si

xm =(a+b)/2
Fxm = funcin en xm

eap =100*|(xm-a)/xm|

no

no

b =xm

Fxa * Fxm <0

eap tol

si

si
a =xm

raz = xm

Fxa = Fxm

Fin

- 24 -

Mal elegidos los


valores de a y b

Simulacin de Procesos I y II, 2009. rea Departamental Ingeniera Qumica, Facultad de Ingeniera, UNLP

3.2.5. Mtodo de la Posicin Falsa (Regula Falsi)

Este mtodo es tambin conocido como de la posicin falsa o de las partes


proporcionales.
Una vez separada la raz de una ecuacin F(x) = 0 en un intervalo (a,b) mediante la
prueba de que los signos de F(a) y F(b) son distintos y sabiendo que F(x) no cambia de signo
en el intervalo, se puede lograr una mejor aproximacin sustituyendo la curva por un segmento
de recta que, al cruzar el eje de abscisas (y = 0), determina el valor x1, primer valor aproximado
de la raz . Si el signo de x1 es distinto del signo de b, el intervalo (x1, b), que es menor que el
original, tambin contendr la raz . En caso contrario, el nuevo intervalo ser (a, x1).
Aplicando sucesivamente este procedimiento, se logra encerrar la raz entre lmites tan estrechos
como se quiera. La figura siguiente muestra dos iteraciones iniciales realizadas segn el mtodo
de Regula Falsi.

F(x)

x1

x2

Como se habr podido advertir, el mtodo de Regula Falsi sustituye la curva real por una
sucesin de rectas tomadas a los extremos del intervalo, a cada una de las cuales le calcula la
raz, hasta que el intervalo sea lo suficientemente pequeo como para que una recta prediga
aproximadamente igual que curva y las races de curva y recta coincidan. La primera recta se
traza entre los puntos del intervalo original (a, F(a)), (b, F(b)). La frmula de la recta que pasa
por dos puntos, para este caso es:

x a
y F (a)
= 1
F (b) F (a ) b a
Al buscar la raz de esa recta, y = 0, y se despeja, x1, as:

x1 = a

F (a )(b a)
F (b) F (a )

(se podra haber deducido con el punto b, y F(b) en el numerador de ambos miembros y
resultara equivalente)

- 25 -

Simulacin de Procesos I y II, 2009. rea Departamental Ingeniera Qumica, Facultad de Ingeniera, UNLP

Si el signo de F(x1), resulta igual al signo de a, como en la figura anterior, se redefine a=x1, y
F(a) = F(x1) mientras que si esto no se cumple, se redefine b = x1 y F(b) = F(x1). La aplicacin
sucesiva de la frmula de recurrencia dar x2, x3, xn, xn+1. El criterio para concluir el clculo es
del error aproximado porcentual, aqu definido como,

eap = 100

xn +1 x n
xn +1

El mtodo es siempre convergente si el intervalo tiene una sola raz. El mtodo tiene una
convergencia lenta, y prcticamente toda la literatura indica que uno de los extremos del
intervalo nunca cambia, lo cual lo vuelve algo ineficiente. Sin embargo, si la funcin tiene un
punto de inflexin en (a,b), y la pendiente se vuelve muy baja hacia ambos extremos, lo cual es
difcil que ocurra, el intervalo podra reducirse de ambos extremos (Goi, 2008), como lo
muestra esta figura:

x3

b
x2

El mtodo de Regula Falsi corresponde a un primer orden en el desarrollo de Taylor (es


decir, reemplaza la funcin por una recta), y su velocidad de convergencia es lenta. Adems, la
estimacin inicial de a debe ser buena, de lo contrario el clculo puede no converger (caso en
que F(x) cambie de signo en el intervalo).
As, a partir del desarrollo de Taylor y sucesivos truncamientos y reordenamientos, se
puede probar que el mtodo converge si |(a) F(x)/2F(x)| < 1, o si F(x) 0 y F(x) no
cambia de signo cerca de . El valor (a) sera el error absoluto de la primera estimacin de x.
Generalmente este mtodo se utiliza en lugar del de Newton-Raphson, cuando la F(x) tiene una
expresin muy complicada, cambia frecuentemente de signo, o es muy pequea.
3.2.6. Mtodo de Newton-Raphson

El algoritmo de Newton-Raphson es una de las tcnicas ms importantes para la


determinacin de races de ecuaciones algebraicas o trascendentes. Si las condiciones de
convergencia son apropiadas, y dando una estimacin inicial de la raz, el mtodo suele
converger rpido hacia la solucin. Esto es debido a que el mtodo, de primer orden de acuerdo
- 26 -

Simulacin de Procesos I y II, 2009. rea Departamental Ingeniera Qumica, Facultad de Ingeniera, UNLP

a la expansin en serie de Taylor, utiliza la tangente a la curva. La deduccin del mtodo,


expandiendo la funcin F(x) alrededor de un punto x1, es la siguiente:

F ( x) = 0 = F ( x1 ) + F '( x1 ) ( x1 ) +

F ''( x1 )
2
( x1 ) + ....
2!

Si se desprecian los trminos con derivadas de mayor orden que la primera, se llega a una lnea
recta. Como la expresin es finita, la raz de la misma ya no ser sino una aproximacin a la
misma, que se puede llamar x2. As, se tiene:

F ( x) = 0 = F ( x1 ) + F '( x1 ) ( x2 x1 )
lo que conduce a:

x2 = x1

F ( x1 )
F '( x1 )

y en general, a la formula de recurrencia:

xn +1 = x n

F ( xn )
F '( xn )

La interpretacin grfica es la siguiente:

F(x)

a=x1

x2

x3

Obsrvese que la aproximacin a la raz verdadera es rpida, porque, a diferencia del mtodo de
Regula-Falsi, el mtodo de Newton-Raphson proyecta rectas que representan la pendiente de la
curva en un punto considerado, y no una pendiente promedio entre dos puntos que pueden estar

- 27 -

Simulacin de Procesos I y II, 2009. rea Departamental Ingeniera Qumica, Facultad de Ingeniera, UNLP

alejados. En el ejemplo anterior, se observ un caso especial donde hay un intervalo con la raz
separada. Para estos casos, valen las observaciones de Fourier.
Observaciones de Fourier

En primer lugar, obsrvese que si en la figura anterior se hubiese empezado la iteracin


por el punto x1= b, el procedimiento hubiese ampliado el intervalo, en lugar de estrecharlo.
Fourier estableci las condiciones de convergencia del mtodo:
1) F(x) debe tener un signo determinado en (a,b),
2) F(x) tampoco debe cambiar de signo en (a,b) es decir, no es segura la convergencia del
mtodo de Newton-Raphson si existe un punto de inflexin en (a,b).
3) Si se tienen dos extremos de un intervalo donde existe una sola raz, se debe empezar por
el extremo donde F y F tengan igual signo, esto es F F >0
Las figuras siguientes ilustran la aplicacin de la observacin de Fourier N3 en los cuatro
casos posibles.
F(x

F >0
F >0
a

x2

b
x2

F <0
F <0

F >0
F >0

x2

x2
a

F <0
F <0

En los 4 casos resulta que la convergencia se obtiene aplicando las observaciones de Fourier
para comenzar donde F F >0. Eso asegura la convergencia, porque es una condicin
suficiente, pero, como tal, no es necesaria. En el extremo donde no se cumpla, el mtodo puede
o no converger a la solucin
Ejemplo

F(x) = x3 -2x-5 =0

- 28 -

Simulacin de Procesos I y II, 2009. rea Departamental Ingeniera Qumica, Facultad de Ingeniera, UNLP

El intervalo lo tomaremos en (1,5,3)


F(x) = 6x
Extremo a = 1
F(a) <0
F(a) >0
F(a) F(a) <0
Extremo b = 3
F(b) > 0
F(b) >0
F (b) F(b) > 0.

Se comienza entonces en b = 3
Iteracin (n)
1
2
3
4
5

xn
3
2,36
2,127
2,09492
2.09453

F(xn)
16
3,424
0,3713
0.004108
-2.3976e-004

F (xn)
25
14,71
11.574
11.1658
11.1611

x n+1
2,36
2,127
2,094919
2.09453
2.09455

Veamos el error = 100*| (2,09455-2,09453)/ 2.09455| = 9.58 10-4, es menor, que 0,01, se puede
detener el clculo.
Vamos a ver si se comienza del otro extremo, a = 1
Iteracin (n)
1

xn
1

F(xn)
-6

- 29 -

F (xn)
1

x n+1
7

Simulacin de Procesos I y II, 2009. rea Departamental Ingeniera Qumica, Facultad de Ingeniera, UNLP

Como se advierte, el nuevo valor de x implica aumentar el intervalo original (1,3), de manera
que al comenzar por el lado no recomendado por las observaciones de Fourier, el mtodo de
Newton-Raphson se hace divergente.
3.2.7. Mtodo de Richmond

Para situaciones donde se desea una gran velocidad de convergencia, y se puede calcular
en formar relativamente fcil la derivada segunda, se puede utilizar un mtodo de mayor orden.
Si se expande la funcin en serie de Taylor hasta el segundo orden

F ( x) = 0 = F ( x1 ) + F '( x1 ) ( x1 ) +

F ''( x1 )
2
( x1 )
2!

y se llama x a la diferencia entre y x1, y se toma factor comn, se tendr:

F ''( x1 )

F ( x1 ) + x F '( x1 ) +
x = 0
2

que constituye una ecuacin cuadrtica en x. Se podra resolver analticamente, pero no se


puede saber a ciencia cierta cual de las dos races ser la verdadera. Por tanto, se realizar una
aproximacin. Si se escribe la ecuacin utilizando la nomenclatura ya empleada en el mtodo de
Newton-Raphson, para generalizar la ecuacin de recurrencia, la expresin tomar la forma
siguiente

F ''( xn )

x = 0
F ( xn ) + x F '( xn ) +
2

dado que x = xn+1 - xn, se podra reemplazar el x interior al parntesis con la frmula de
recurrencia de Newton-Raphson, es decir, x =-F(xn)/F(xn), se llega a la expresin intermedia

F ''( xn ) F ( xn )
F ( xn ) + x F '( xn )
=0
2
F
'(
x
)
n

Despejando x:

x =

F ( xn )
F ''( xn ) F ( xn )
F '( xn )
2 F '( xn )

Trabajando un poco ms la expresin, se obtiene la frmula de Richmond:

xn +1 = xn

2 F ( xn ) F '( xn )

2 [ F '( xn ) ] F ( xn ) F ''( xn2 )


2

- 30 -

Simulacin de Procesos I y II, 2009. rea Departamental Ingeniera Qumica, Facultad de Ingeniera, UNLP

La expresin de Richmond, de un orden intermedio entre 1 y 2 (se podra llamar de orden 1 y


medio), y requiere el clculo de la derivada primera y segunda, y es por tanto ms difcil de usar
que el mtodo de Newton Raphson. Al coincidir la derivada primera y segunda de la funcin y
de la expresin aproximada en xn, el mtodo de Richmond traza parbolas cuadrticas para
aproximar la solucin y por tanto su convergencia, cuando las condiciones son favorables, es
muy rpida, es decir alcanza un valor muy prximo a la raz verdadera en muy pocas
iteraciones, a veces 2 o 3 nada ms.
3.3. Solucin de un problema tipo con todos los mtodos

Se ha elegido el siguiente ejemplo, muy simple, que tiene solucin analtica, pues el
objetivo es la ejercitacin en la aplicacin de cada mtodo. Sea F(x) = x2 + x-2.1525, cuyas
races exactas son -2,05 y +1,05.

F(x)

F(x)

F(x)

Supongamos que, de no saber las races exactas, hacemos un grfico general y encontramos que
un buen intervalo para considerar es (-5,5).
F(x) = x2 + x-2.1525
F(x) = 2x +1
F(x) = 2
Como F(x) es constante, no hay que preocuparse por sta. En cambio, F(x) se anula en x=0,5. Por consecuencia, su pendiente no cambiar de signo en el intervalo (-0,5,5), y por tanto se
ser el intervalo de bsqueda elegido.

- 31 -

Simulacin de Procesos I y II, 2009. rea Departamental Ingeniera Qumica, Facultad de Ingeniera, UNLP

Mtodo de las aproximaciones sucesivas


Partimos de x = -0,5 y se va a ir incrementando de a 0,1.
Se calcula en -0,5, -0,4, -0,3, -0,2, -0,1, 0, 0,1, 0,2, 0,3, 0,4, 0,5, 0,6, 0,7, 0,8, 0,9, 1, 0, 1,1. All
se detecta un cambio de signo, con lo cual se vuelve a x = 1,0. El intervalo pasa a ser de 0,1/10 =
0,01. Los nuevos valores son 1,01, 1,02 , 1,03, 1,04, 1,05. En este caso 1,05 es la raz exacta,
pero esto no lo detecto con el criterio del error aproximado de 0,01%. Vuelvo entonces a 1,04,
con un intervalo de 0,001, y hago 10 iteraciones ms hasta llegar a 1,05. Como el criterio de
error todava no alcanza, vuelvo a 1,049, y se achica el intervalo a 1 x 10-4. All cuando llego a
1,05, tenemos un error menor al 0.01%. Son ms de 30 iteraciones.
Mtodo de la iteracin
La funcin podra arreglarse as = x = 2,1525 x2, es decir, f2(x) = 2,1525-x2

en x1 = - 0.5, el |f2(x) | > 1, no convergera, y en el otro extremo, x = 5, el mdulo es an mayor.


Empezamos por x1 = -0,5

n
1
2
3

xn
-0,5
1,9015
-1,4642

xn+1
1,9015
-1,4642
0,0076

eap
126,29
229,86
1.9336e+004

El valor absoluto del error es cada vez mayor, por tanto el mtodo diverge
Mtodo del punto medio
Usando como extremos a=-0.5 y b=5, se obtiene:

F(a)

F(b)

xn

F(xn)

eap

1
2
3
4
5
6
7
8
9
10
...
15
16

-0.5
-0.5
0.8750
0,8750
0.8750
1.0469
1.0469
1.0469
1.0469
1.0469
...
1.0499
1.0499

5
2.25
2.25
1.5625
1.2188
1.2188
1.1328
1.0898
1.0684
1.0576
...
1.0502
1.0501

-2.4025
-2.4025
-0.5119
-0.5119
-0.5119
-0.0097
-0.0097
-0.0097
-0.0097
-0.0097
...
-3.2264e- 4
-3.2264e- 4

27.8475
5.1600
5.1600
1.8514
0.5516
0.5516
0.2636
0.1251
0.0573
0.0237
....
7.1905e-4
1.9867e-4

2.25
0.8750
1.5625
1.2188
1.0469
1.1328
1.0898
1.0684
1.0576
1.0522
...
1.0501
1.0500*

5.1600
-0.5119
1.8514
0.5516
-0.0097
0.2636
0.1251
0.0573
0.0237
0.0070
....
1.9867e-4
-6.1493e-5

122.2222
157.1429
44.000
28.2051
16.4179
7.5862
3.9427
2.0110
1.0157
0.5104
...
0.0160
0.0080

Utilizando format long, este valor es en realidad 1.04998016357422. Obsrvese que es posible
pasar por la raz durante el proceso, pero es conveniente verificar el error sobre la incgnita y
no sobre el valor de la funcin, por eso a veces se hacen ms iteraciones que las tericamente
necesarias. No se pueden obtener valores exactamente nulos utilizando aritmtica de punto
flotante. La aproximacin a la raz y la evolucin del error se representaron en la figura
siguiente, en funcin del nmero de iteraciones:

- 32 -

Simulacin de Procesos I y II, 2009. rea Departamental Ingeniera Qumica, Facultad de Ingeniera, UNLP

Obsrvese que, desde el punto de vista prctico, se necesitaran no ms de 10 iteraciones.


Mtodo de la Posicin Falsa (Regula Falsi)
Con los mismos puntos iniciales que el mtodo de Biseccin se obtiene:
n
1
2
3
4
5
...
...
16
17
18

a
-0.5
-0.06318
0.3093
0.5863
0.77192
...
...
1.04948
1.04970
1.04983

b
5
5
5
5
5
...
...
5
5
5

F(a)
-2.4025
-2.2168
-1.7474
-1.2224
-0.7847
...
...
-0.001616
-9.06e-4
-5.07e-4

F(b)
27.8475
27.8475
27.8475
27.8475
27.8475
....
....
27.8475
27.8475
27.8475

xn
-0.06318
0.3093
0.58631
0.77192
0.8877
...
...
1.04970
1.04983
1.04990

F(xn)
-2.2168
-1.7474
-1.2224
-0.7847
-0.4765
...
...
-9.06e-4
-5.07e-4
-2.84e-4

eap
691.36
120.42
47.23
24.04
13.052
...
...
0.0218
0.0122
0.006

Obsrvese que el mtodo de Regula Falsi puede o no converger en menos iteraciones que el
mtodo de punto medio. En este caso es casi equivalente, porque la raz es mucho ms prxima
al extremo original a = 0.5, que al otro extremo b = 5. Como uno de ellos no cambi, la
convergencia fue lenta. No obstante, la progresin es mucho ms estable que en el mtodo de
punto medio, como lo muestra la figura

- 33 -

Simulacin de Procesos I y II, 2009. rea Departamental Ingeniera Qumica, Facultad de Ingeniera, UNLP

Si ensayamos la condicin de convergencia, sabiendo que = |-0.5-1.05| = 1.55, para corroborar


porque el mtodo fue convergente, debemos comprobar que sea menor que 1. |(a) F()/2F()|
= 1.55*2/(2*3.1)| es efectivamente menor que 1.
Mtodo de Newton-Raphson

F(x) = x2 + x-2.1525
F(x) = 2x +1
F(x) = 2
Extremo a =-0.5
F(a) <0
F(a) >0
F(a) F(a) <0
Extremo b = 5
F(b) > 0
F(b) >0
F (b) F(b) > 0.
Se comienza entonces en b = 5
Iteracin (n)
1
2
3
4
5
6

xn
5
2,4684
1.3888
1.08039
1.050292
1.05000002

F(xn)
27.8475
6.4089
1.16537
0.0951
9.06e-4
8.54e-8

F (xn)
11
5.93681
3.7777
3.1607
3.100
3.100

- 34 -

x n+1
2.4684
1.3888
1.08039
1.050292
1.05000002
1.05000000

eap
102.55
77.726
28.5527
2.8665
0.02784
2.62e-6

Simulacin de Procesos I y II, 2009. rea Departamental Ingeniera Qumica, Facultad de Ingeniera, UNLP

Se observa que este mtodo, al converger, lo hace muy rpido y que con 5 iteraciones ya daba
un valor muy bueno, que con 6 iteraciones ya es exacto a todos los fines prcticos.
Mtodo de Richmond
Aplicando el mtodo, partiendo de x1 = 5, y recordando que F(x)=2, se obtiene

Se comienza entonces en b = 5 (por su relacin con el mtodo de Newton Raphson)


Iteracin (n)
1
2
3
4

xn
5
1.71160
1.0669
1.0500004993179

F(xn)
27.8475
2.48868
0.05286
1.54e-6

F (xn)
11
4.42320
3.1339
3.1000

- 35 -

x n+1
1.71160
1.0669
1.0500004993179
1.05000000000000

eap
192.1
60.41
1.615
4.75e-05

Simulacin de Procesos I y II, 2009. rea Departamental Ingeniera Qumica, Facultad de Ingeniera, UNLP

Se observa que con slo 4 iteraciones, se llega a un nivel de exactitud mayor al requerido y que
incluso con tres ya el resultado era muy bueno. Podr el mtodo de Richmond converger si
empieza por el otro extremo del intervalo? Que conclusin obtendra de tal prueba?
Al observar los mtodos descriptos y los ejemplos realizados, y suponiendo que tuviera que
elegir dos mtodos, cuales seleccionara y por que?

- 36 -

Simulacin de Procesos I y II, 2009. rea Departamental Ingeniera Qumica, Facultad de Ingeniera, UNLP

4. VALORACION NUMERICA DE INTEGRALES


4.1. Introduccin

Es muy comn tener que integrar funciones en las que la no existe una frmula cerrada
de integracin o sta es tan complicada que es ms difcil evaluarla que realizar la integral por
mtodos aproximados. Tambin es muy comn no tener una curva continua sino una serie de
pares ordenados (x,y), los que pueden tener o no una separacin constante entre puntos (sobre el
eje x).
Existen diversos mtodos de integracin numrica, en los que se calcula la integral
partiendo de la definicin de sta como la suma de integrales (reas) parciales sucesivas. Si stas
son suficientemente pequeas, aunque se calcule en forma aproximada el rea de cada una de
esas secciones, el resultado obtenido puede ser todo lo preciso que se necesite.
Entonces el problema general ser evaluar I

a f ( x) dx

donde f(x) es continua en el intervalo a-b y donde los extremos son finitos.
El camino que vamos a seguir como ya se expres consiste en lo siguiente: La
integral definida I representa el rea bajo la curva y = f(x) entre los lmites a y b. Por lo tanto,
podemos calcular el valor de I dividiendo el intervalo a-b en varios intervalos sucesivos mas
pequeos, encontrando el rea bajo cada una de las fajas as formadas y sumando las reas.
4.2 Mtodos de resolucin

Las tcnicas que pueden utilizarse son de dos tipos:


1.- Los intervalos se seleccionan por anticipado. Normalmente son iguales y en caso de
trabajarse slo con una calculadora se computan a valores de x fciles de manejar. Los mtodos
mas conocidos son los de trapecios y los mtodos de Simpson. Ambos pertenecen a un grupo
ms amplio conocido como Mtodos de Newton-Cotes.
2.- Los intervalos y su ubicacin estn dictados por el anlisis. Se elige un nmero determinado
de intervalos y su espaciado est dado por una precisin mxima. Un ejemplo es el caso de la
Regla de Gauss.
Nosotros veremos brevemente slo los de tipo 1.
4.2.1. Mtodo o Regla de los Trapecios

Supongamos tener representada nuestra funcin y = f(x) en el intervalo a-b, el cual est a
su vez dividido en una serie de subintervalos de espaciado constante x = h.
El rea de cada trapecio es (base mayor + base menor)*h / 2.
Si los tomamos acostados valen, sucesivamente:
(y0 + y1) * h / 2
(y1 + y2) * h / 2
---------------(yn-2 + yn-1)* h / 2
(yn-1 + yn) * h / 2
__________________
I = (y0 + 2y1 + 2y2 + ... + 2yn-2 + 2yn-1 + yn) * h / 2

- 37 -

Simulacin de Procesos I y II, 2009. rea Departamental Ingeniera Qumica, Facultad de Ingeniera, UNLP

yo

y1

y2
yn-2
yn-1
yn

a = x0
x = h

x1

x2

xn-2

xn-1

b = xn

x = h

y
y = f(x)
yi

y=ax+b
yi+1

x
h

El error de truncamiento es como veremos mayor que el del Mtodo de Simpson,


pero es un algoritmo mucho ms fcil de computar. Adems es el nico adecuado cuando se
tienen espaciados x no constantes, lo que es muy comn en el manejo de datos experimentales.
El valor del error de truncacin es |eT| (b a) M h2 / 12, donde M es el valor mximo de
f(x) en el intervalo a-b. La precisin, por tanto, ser mayor cuanto menor sea el valor de h y
menor la derivada segunda (para lo cual la pendiente f(x) debe ser lo mas constante posible) o

- 38 -

Simulacin de Procesos I y II, 2009. rea Departamental Ingeniera Qumica, Facultad de Ingeniera, UNLP

sea cuanto y = f(x) sea mas recta. En el caso lmite de y = f(x) recta el mtodo es exacto.
4.2.2. Mtodo o Regla de Simpson o de Simpson de 1/3
Consiste en dividir la curva a integrar en un nmero par de intervalos y realizar la suma
de integrales de trozos de parbolas que pasan por tres puntos (parbolas cuadrticas).
Suponemos que en esa porcin de curva reemplazamos a la f(x) verdadera por una parbola
cuadrtica del tipo y = a x2 + b x + c que pasa por yi, yi+1 e yi+2.
La integracin entre h y h vale:
A = hh

a x 3 bx 2
+
+ cx
a x 2 + b x + c dx =
2

3
h

2
a (h )3 + 2 c (h )
3
Como los puntos yi, yi+1 e yi+2 deben satisfacer la ecuacin de la parbola tenemos:
A=

yi = a (-h)2 + b (-h) + c
yi+1 = c
yi+2 = a (h)2 + b (h) + c

por lo que reordenando y reemplazando se tiene:


a = (yi 2 yi+1 + yi+2) / (2 h2)
b = (yi+2 yi) / (2 h)
c = yi+1
y reemplazando en A tenemos:
A = (yi + 4 yi+1 + yi+2) h / 3

Si esto lo generalizamos para una serie sucesiva de integra-les de a 2 intervalos h,


tenemos:
I = h / 3 (y0 + 4 y1 + y2
y2 + 4 y3 + y4
y4 + 4 y5 + y6
................
yn-2 + 4 yn-1 + yn)
_________________________________________
I = (h / 3) (y0 + 4 yimpares + 2 ypares + yn)
i= n-1

i= n-2

I = (h / 3) (y0 + 4 yi + 2 yi + yn)
i=1,3,5 i=2,4,6

- 39 -

Simulacin de Procesos I y II, 2009. rea Departamental Ingeniera Qumica, Facultad de Ingeniera, UNLP

yo

y1

y2
yn-2

yn-1
yn

a = x0

x = h

x1

x2

xn-2

xn-1

b = xn

x = h
y

y = f(x)
yi+1
y = a x2 + b x + c
yi

yi+2

x
h

El error de truncacin eT para cada trozo de parbola es: eT = -1/90 fIV() h5 , donde es un

- 40 -

Simulacin de Procesos I y II, 2009. rea Departamental Ingeniera Qumica, Facultad de Ingeniera, UNLP

punto interior al intervalo de integracin, eT = 1/90 h5 M, donde M es el mayor valor absoluto


de fIV(x) en ese intervalo.
4.2.3. Otras Variantes del Mtodo de Simpson

Entre otras, hay variantes del Mtodo de Simpson que permiten utilizar un nmero total
de intervalos que sea mltiplo de 3, interpolando con una parbola cbica que pasa por cuatro
puntos (y = a x3 + b x2 + c x + d). Es llamado Simpson 3/8 porque la frmula de integracin para
cada arco de parbola vale:
A = (3 / 8) h (yi + 3 yi+1 + 3 yi+2 + yi+3)

con eT = -3/80 fIV() h5. Esta variante es poco usada.

4.3. Ejemplo de Aplicacin

A modo de comparacin entre ambos mtodos vistos evaluemos:


2

I = e

dx

El valor exacto con precisin de 4 decimales es I = 2.3925


n

4
8
16

1.00
0.50
0.25

Trapecios
Resultado
Error %
2.3484
-1.8432
2.3813
-0.4681
2.3898
-0.1128

Simpson
Resultado
Error %
2.3743
-0.7607
2.3923
-0.0084
2.3926
0.0004

Se observa claramente que siempre el Mtodo de Simpson es ms preciso que el de


Trapecios a igualdad de tamao de intervalo, y que para ambos mtodos la precisin
aumenta rpidamente al disminuir el h. Tambin se ve claramente que la velocidad de aumento
de precisin en Simpson es mucho mayor que en Trapecios, tal como lo predicen las frmulas
respectivas del error de truncacin.

- 41 -

Simulacin de Procesos I y II, 2009. rea Departamental Ingeniera Qumica, Facultad de Ingeniera, UNLP

5. AJUSTE DE CURVAS POR EL MTODO DE LOS CUADRADOS MNIMOS

Supongamos tener una variable y con una dependencia y = y(x) y N valores discretos de
y con sus respectivos N valores de x. Es decir, tendremos:
y1, y2, y3,........, yN
x1, x2, x3,........, xN

No se supone ningn espaciado particular entre los valores de x y estos an pueden estar
repetidos. Dichos pares x-y pueden resultar de medir la respuesta de un sistema o un proceso a
una entrada variable o pueden ser valores especficos de una funcin trascendente.
Un mtodo de aproximarlos es pasar por todos los pares de valores un polinomio de
orden N-1. Una aproximacin mas dbil puede ser usada en la cual una funcin aproximante
adecuada se hace pasar lo mas cercana posible (en algn sentido) a los puntos.
La aproximacin adecuada se toma como una combinacin lineal de m+1 funciones
linealmente independientes, que llamaremos u0(x), u1(x), u2(x),..., um(x). Entonces, la funcin
aproximante valdr: m(x) = a0 u0(x) + a1 u1(x) + a2 u2(x) +...+ am um(x), donde a0, a1, a2,..., am
son constantes a ser determinadas a partir del ajuste de m(x) a los valores especificados de y1,
y2, y3,..., yN.
Hay distintos juegos de funciones linealmente independientes que puedan usarse; por ej.:
1, x, x2,..., xm
0, sen(x), sen(2x),..., sen(mx)
1, cos(x), cos(2x),..., cos(mx)
e0x, e1x, e2x,..., emx
o cualquiera otra en la que las sucesivas ui no se relacionen con las anteriores. Por ejemplo: 1,
sen(x), e2x, x3, etc.
El primer caso es de especial utilidad y puede expresarse:
j=m

m(x) = a0 + a1 x + a2 x2 +...+ am xm = aj xj
j=0

O sea, m(x) es un polinomio de orden m.


- Si m+1 N la aproximacin es una simple interpolacin polinmica.
- Si N > m+1, la aproximacin no puede coincidir con todos los puntos tabulados. En este caso
es importante el mtodo de determinar los coeficientes para que estos den el mejor ajuste a los
puntos tabulados.
Cuando los valores y1, y2, y3, ..., yN son exactos o estn sujetos a errores al azar se
puede demostrar que el criterio del error cuadrtico mnimo provee la mejor estimacin de a0,
a1, a2, ..., am.
Este criterio establece que si el error de la aproximacin en cada punto est dado por:
i = |yi - m(xi)| con i = 1, 2, 3, ..., N,
lo que se desea es que: 12 + 22 + ...+ N2 = mnimo.
Si con una nomenclatura diferente llamamos al residuo en cualquier punto como Ri, este
puede ser definido como:
Ri = yi - m(xi) y Ri2 = (yi - m(xi))2 con i = 1, 2, 3, ..., N.

La suma de los cuadrados de los residuos vale:


i=N

Sm2 = Ri2 0
i=1

i=N

j=m

i=1

j=0

Sm2 = (yi - aj xij)2 0

- 42 -

Simulacin de Procesos I y II, 2009. rea Departamental Ingeniera Qumica, Facultad de Ingeniera, UNLP

Ri2 es una medida de lo buena que es la aproximacin:


- Si Ri2 = 0 significa que m(xi) coincide con yi.
- Si Ri2 es grande, la aproximacin no es cercana a los valores de yi.
- El hecho de usar el cuadrado de los errores tiene el sentido de lograr que estos sean mnimos
en valor absoluto. Si se usara directamente la suma de los errores, al poder ser estos positivos o
negativos, su suma podra casi anularse y sin embargo ser estos grandes individualmente.
- Adems, la diferenciacin de los cuadrados lleva a una primera potencia, que es fcil de
manejar. Hay algunas variantes a la frmula general. Por ejemplo:
i=N

Smw2 = wi Ri2 0 , o sea, se utilizan factores de peso wi.


i=1

Estos factores estn relacionados con la precisin de los valores y1, y2, y3,..., yN y son
determinados a partir de estimaciones de la seguridad relativa de la informacin experimental.
Esta variante se llama Cuadrados Mnimos Ponderados.
Otra variante es requerir que la integral, en vez de la suma de los residuos sea mnima,
es decir:
b

j=m

j=0

(yi - aj xij)2 dx = mnimo


Esto es ms exacto pero para propsitos de aplicacin es mucho mas difcil de
aproximar.
Si desarrollamos los residuos tenemos:
R1 = y1 (a0 + a1 x1 + a2 x12 + ...+ am x1m)
R2 = y2 (a0 + a1 x2 + a2 x22 + ...+ am x2m)
------------------------------------------------RN = yN (a0 + a1 xN + a2 xN2 + ...+ am xNm)
Tenemos N ecuaciones algebraicas simultneas con m+1 incgnitas a0, a1, a2,..., am.
Si N > m+1 hay mas ecuaciones que incgnitas. Estas pueden solamente ser
determinadas imponiendo la condicin que Sm2 o Smw2 sean mnimos.
Usando la formulacin ms general, es necesario que:
2
con j = 0, 1, 2, ..., m.
Smw = 0
aj
Reemplazando:
i=N

k=m

Smw2 = 0 = 2 wi (yi - ak xik)(-xij)


i=1
k=0
aj

con j = 0, 1, 2, ..., m.

Reagrupando:
i=N

k=m i=N

i=1

k=0

wi yi xij = ak wi xik xij con j = 0, 1, 2,..., m


i=1

Simplificamos la nomenclatura llamando:


i=N

i=N

njk = wi xi xi y pj = wi yi xi
k

i=1

k=m

y tenemos

i=1

pj = ak njk
k=o

- 43 -

Simulacin de Procesos I y II, 2009. rea Departamental Ingeniera Qumica, Facultad de Ingeniera, UNLP

Tenemos un sistema de m+1 ecuaciones lineales en aj que pueden resolverse por


cualquiera de los medios conocidos:
n00 a0 + n01 a1 + n02 a2 + ... + n0m am = p0
n10 a0 + n11 a1 + n12 a2 + ... + n1m am = p1
------------------------------------nm0 a0 + nm1 a1 + nm2 a2 + ... + nmm am = pm
Sin embargo, la forma de la matriz de los coeficientes hace que la solucin sea muy
difcil si m 6.
---------------------------------------------------------------Otro rasgo importante del Mtodo de los Cuadrados Mnimos es que, con ciertas
modificaciones, pueden manejarse tipos muy variados de relaciones.
- Si = K0 eK1 x se puede tomar log = log K0 + K1 x.
Aqu es: m(x) = log
a0 = log K0
a1 = K1
u1(x) = x
Es del tipo: m(x) = a0 + a1 u1(x).
- Si = K0 xK1 se puede tomar log = log K0 + K1 log x
Aqu es: m(x) = log
a0 = log K0
a1 = K1
u1(x) = log x
Es del tipo: m(x) = a0 + a1 u1(x).
En estos casos hay que tener muy en claro que no se est ajustando la ecuacin
original sino a la modificada m(x).

5.1. Estimacin de la Precisin del Mtodo

Es necesario algn sistema para estimar la precisin de los coeficientes a0, a1, a2,..., am
determinados por el mtodo.
Una forma apropiada es utilizar la varianza del error. Suponiendo que los yi(x) estn
normalmente distribuidos y con una varianza de los errores 2 independiente de m, una
estimacin de la varianza est dada por:
i=n

2 = __ 2m _ = (yi - m(xi))2
N (m+1) i=1 N (m+1)
donde N (m+1) son los grados de libertad del sistema.
La varianza es una medida de la dispersin de la distribucin del error y cuanto mas
pequeo sea su valor mas precisa es la aproximacin para los puntos dados.
---------------------------------------------------------------Hay problemas prcticos con el uso del mtodo. Por ejemplo:
Si se utiliza una aproximacin polinmica qu grado usar?
- 44 -

Simulacin de Procesos I y II, 2009. rea Departamental Ingeniera Qumica, Facultad de Ingeniera, UNLP

- Una solucin usual es partir de m = 1, es decir


m(x) = a0 + a1 u1(x) y, obtenidas a0 y a1 calcular 2.
Luego probar con m = 2 y repetir los clculos hasta hallar dos rdenes sucesivos para los
que 2 prcticamente no difiera.
Desafortunadamente, esto implica realizar cada vez todos los clculos del mtodo.
- En muchos casos, por la forma de la curva ya se tiene una buena estimacin del orden (para las
polinmicas) o de cuales son las ui(x) mas adecuadas para probar.

- 45 -

Simulacin de Procesos I y II, 2009. rea Departamental Ingeniera Qumica, Facultad de Ingeniera, UNLP

6. SOLUCIN DE SISTEMAS DE ECUACIONES LINEALES


6.1. Introduccin

Los sistemas de ecuaciones simultneas aparecen frecuentemente cuando se trabaja en


clculo o diseo. Pueden ser tanto el resultado del planteo de los balances macroscpicos en un
equipo como generarse durante la solucin numrica de ecuaciones diferenciales por el mtodo
de las diferencias finitas.
Ac nos limitaremos al estudio de un conjunto de n ecuaciones con n incgnitas.
Cada sumando en cada ecuacin contiene una sola incgnita y cada incgnita aparece a la
primera potencia. Se dice que tal ecuacin es lineal y al conjunto se lo denomina SISTEMA
DE ECUACIONES LINEALES.
En el caso de dos incgnitas, la grfica de dicha ecuacin es una recta; si son tres es un
plano y si son mas es un hiperplano.
La solucin que buscamos es un conjunto de valores para las n incgnitas el cual, cuando
se sustituye en las n ecuaciones, las satisface a todas simultneamente.

Dado un conjunto arbitrario de ecuaciones no podemos decir, sin investigarlo


previamente, si existe una solucin, o que en caso de existir, la misma sea nica.
Hay slo tres posibilidades:
1) El sistema tiene solucin nica: Por ejemplo:
2x + y = 4
x - y = -1
La solucin es: x = 1.00, y = 2.00

En este caso son dos lneas que se interceptan en un punto


5
4
3

2
1
0
-1

0,5

1,5

2,5

-2
-3

2) El sistema no tiene solucin: Por ejemplo:


2x + y = 4
2x + y = 6
En este caso son dos lneas paralelas (podran ser planos o hiperplanos paralelos, en el caso de
ser mas ecuaciones simultneas).

- 46 -

Simulacin de Procesos I y II, 2009. rea Departamental Ingeniera Qumica, Facultad de Ingeniera, UNLP

7
6
5
4
3
2
1
0
-1

0,5

1,5

2,5

-2
-3

3) Hay un infinito nmero de soluciones: Por ejemplo


2x + y = 4
4x + 2y = 8
No son independientes. En este caso son dos formas alternas de expresar la misma relacin.
Los casos 2) y 3) se llaman casos singulares. Hay mtodos, como el de eliminacin de
Gauss, que dan informacin inmediata acerca de la singularidad. En otros casos se puede saber
por el planteamiento del problema o resolviendo el determinante de los coeficientes. Si este vale
0, el sistema es singular.
Pero esto es generalmente tan laborioso como resolver el sistema.

6.2. Mtodos de Solucin

Hay dos formas generales de atacar estos problemas:


1) MTODOS DIRECTOS: Que son finitas en el nmero de operaciones.
2) MTODOS INDIRECTOS: Que son en teora infinitas en el nmero de operaciones.
Esto implica que las directas llegan a la solucin exacta del problema (dentro siempre del
error de redondeo).
En cambio las indirectas se van aproximando por pasos sucesivos (iteraciones) al valor
verdadero de las incgnitas y se detiene el clculo al alcanzarse la precisin deseada, es decir:
tienen un error de truncacin inherente al mtodo.
6.2.1. Mtodos Directos

Estudiaremos dos mtodos:


a) Por determinantes (Regla de Cramer)
b) Por eliminacin de Gauss
a) Por determinantes:
Es til slo cuando se tienen pocas ecuaciones (no mas de 4 5).
Para verificar si las ecuaciones son independientes se arma el determinante de los
coeficientes y si este es distinto de 0, el sistema es independiente.

- 47 -

Simulacin de Procesos I y II, 2009. rea Departamental Ingeniera Qumica, Facultad de Ingeniera, UNLP

Para hallar la solucin se reemplaza en este determinante la columna correspondiente a


los coeficientes de la variable a evaluar por la de los trminos independientes, se evala y se
divide por el valor de .
Por ejemplo, si tenemos el caso general:
a11 x1 + a12 x2 + a13 x3 + a14 x4 = b1
a21 x1 + a22 x2 + a23 x3 + a24 x4 = b2
a31 x1 + a32 x2 + a33 x3 + a34 x4 = b3
a41 x1 + a42 x2 + a43 x3 + a44 x4 = b4

x1 =

| a11
| a21
| a31
| a41

a12
a22
a32
a42

a13
a23
a33
a43

a14 |
a24 |
a34 |
a44 |

| b11 a12 a13 a14 |


| b21 a22 a23 a24 |
| b31 a32 a33 a34 |
| b41 a42 a43 a44 |
------------------------

Una forma de verificar si el es distinto de 0 sin evaluar-lo consiste en eliminar por


combinaciones lineales todos los elementos que estn debajo de la diagonal principal. Si al
realizar esto la diagonal no posee ningn 0, el sistema es linealmente independiente y el valor de
es el producto de los trminos de la diagonal modificada.
Veremos un caso muy simple slo con fines de ejemplificar el procedimiento:
2x

+ 2z + 2u = 16
y+ z+ u= 9
x+y+ z
= 6
x + y + z + u = 10

|2
= |0
|1
|1

0
1
1
1

2
1
1
1

2|
1 | Resto la primera fila multiplicada
0 | por de las tercera y cuarta
1 | Queda:

|2
= |0
|0
|0

0
1
1
1

2
1
0
0

2|
1 | Resto la segunda fila de las tercera
-1 | y cuarta
0 | Queda:

|2
= |0
|0
|0

0
1
0
0

2
1
-1
-1

2|
1 | Resto la tercera fila de la cuarta
-2 |
-1 | Queda finalmente:

|2 0 2 2|
= | 0 1 1 1 | = -2
- 48 -

Simulacin de Procesos I y II, 2009. rea Departamental Ingeniera Qumica, Facultad de Ingeniera, UNLP

| 0 0 -1 -2 |
|0 0 0 1|
| 16 0 2 2 |
| 9 1 1 1|
| 6 1 1 0|
| 10 1 1 1 |
x = ------------------ = 1 Igualmente es y = 2, z = 3, u = 4.

Este mtodo tiene la obvia desventaja de ser muy complicado de calcular para
determinantes grandes y que el verificar si las ecuaciones son linealmente independientes
consume mucho tiempo.
b) Por eliminacin de Gauss
Se basa en obtener un sistema de ecuaciones triangular superior del tipo:
a1,1 x1 + a1,2 x2 + ................................... + a1,n xn = b1
a2,2 x2 +....................................+ a2,n xn = b2
-------------------------------------------------------------an-2n-1,n-1xn-1 + an-2n-1,nxn = bn-2n-1
an-1n,nxn = bn-1n

que tiene solucin inmediata exacta segn:


bn-1n
xn =-------an-1n,n

xi =

bii 1

bn-2n-1 - an-2n-1,n xn
xn-1 =------------------an-2n-1,n-1
k =n

a x

k = i +1
i 1
i ,i

y, en general:

i 1
i,k

con i = n, n-1, ..., 1

Este mtodo de resolver a partir de la ltima incgnita se llama sustitucin inversa.


Veremos ahora como llegamos a un sistema de este tipo a partir de nuestro caso de n
ecuaciones lineales con n incgnitas.
Primero para mayor claridad veremos un ejemplo de un sistema de tres ecuaciones
con tres incgnitas y, despus, el caso general.
a1,1 x1 + a1,2 x2 + a1,3 x3 = b1 (1)
a2,1 x1 + a2,2 x2 + a2,3 x3 = b2 (2)
a3,1 x1 + a3,2 x2 + a3,3 x3 = b3 (3)

Al menos uno de los coeficientes de x1 (a1,1, a2,1, a3,1) debe ser distinto de 0. Si a1,1 = 0 se
hace un cambio de filas por una ecuacin cuyo ai,1 sea distinto de 0 (este cambio de filas no
afecta al sistema de ecuaciones).

- 49 -

Simulacin de Procesos I y II, 2009. rea Departamental Ingeniera Qumica, Facultad de Ingeniera, UNLP

Nuestra intencin ahora es eliminar los trminos en x1 de la segunda y tercera ecuacin.


Defino entonces: m2 = a2,1 / a1,1. Multiplico (1) por m2 y la resto de (2). Da:
(a2,1 a1,1 m2)x1 + (a2,2 a1,2 m2)x2 + (a2,3 a1,3 m2)x3 = b2 - m2 b1 (2)
0

a2,2

a2,3

b2

Entonces (2) se convirti en:


a2,2 x2 + a2,3 x3 = b2 (2)

De la misma forma hago m3 = a3,1 / a1,1. Multiplico (1) por m3 y la resto de (3). Da:
(a3,1 a1,1 m3)x1 + (a3,2 a1,2 m3)x2 + (a3,3 a1,3 m3)x3 = b3 - m3 b1 (3)
0

a3,2

a3,3

b3

Entonces (3) se convirti en:


a3,2 x2 + a3,3 x3 = b3 (3)
Mi sistema est ahora compuesto por (1), (2) y (3).
Ahora intento eliminar el trmino en x2 de (3).
Aclaracin: Ac vale de nuevo la prevencin que si el a2,2 = 0, se cambian filas (la (3) por la
(2)). Si tambin ocurre que es a3,2 = 0, entonces el sistema es singular. En cambio, si a2,2 = 0 y
a3,2 0, al reordenar ya tengo mi matriz triangular superior.
Supongamos el caso mas general en que a2,2 0 y a3,2 0:
Defino m3 = a3,2 / a2,2. Multiplico (2) por m3 y la resto de (3). Da:
(a3,2 a2,2 m3) x2 + (a3,3 a2,3 m3) x3 = b3 m3 b2
0

a3,3
Entonces (3) se convirti en:

b3

a3,3 x3 = b3 (3)

Mi sistema queda al fin como:


a1,1 x1 + a1,2 x2 + a1,3 x3 = b1
(1)
a2,2 x2 + a2,3 x3 =b2 (2)
3,3 x3 =b3 (3)

La solucin es inmediata (sustitucin inversa):


x3 = b3 / a3,3
x2 = (b2 - a2,3 x3) / a2,2
x1 = (b1 - a1,2 x2 - a1,3 x3) / a1,1
Dos ejemplos sencillos para ilustrar el procedimiento:

- 50 -

(3)

Simulacin de Procesos I y II, 2009. rea Departamental Ingeniera Qumica, Facultad de Ingeniera, UNLP

1) x + y + z = 4
2x + 3y + z = 9
x - y - z = -2
Armo el determinante de los coeficientes (incluyendo los trminos independientes):
| 1 1 1 # 4 |
| 2 3 1 # 9 | Defino m2 = 2 y m3 = 1. Hago los reemplazos
| 1 -1 -1 # -2 | correspondientes: Da:
|1 1 1 # 4 |
| 0 1 -1 # 1 | Defino m3 = -2 . Hago los reemplazos
| 0 -2 -2 # -6 | correspondientes: Da:
|1 1 1 # 4 |
| 0 1 -1 # 1 |
| 0 0 -4 # -4 | El sistema resultante es:
x+ y+z= 4
y -z= 1
-4z = -4

De aqu se despeja z = 1 ; y = 2 ; x = 1.

2) El mismo caso visto con determinantes:


2x + 0y + 2z + 2u = 16
0x + y + z + u = 9
x + y + z + 0u = 6
x + y + z + u = 10

| 2 0 2 2 # 16|
| 0 1 1 1 # 9| Defino m2 = 0 ; m3 = ; m4 = y reemplazo:
| 1 1 1 0 # 6|
| 1 1 1 1 # 10|
| 2 0 2 2 # 16|
| 0 1 1 1 # 9| Defino m3 = 1 ; m4 = 1 y reemplazo:
| 0 1 0 -1 # -2|
| 0 1 0 0 # 2|
| 2 0 2 2 # 16|
| 0 1 1 1 # 9| Defino m4 = 1 y reemplazo y queda la

- 51 -

Simulacin de Procesos I y II, 2009. rea Departamental Ingeniera Qumica, Facultad de Ingeniera, UNLP

| 0 0 -1 -2 # -11| forma definitiva


| 0 0 -1 -1 # -7|
| 2 0 2 2 # 16|
| 0 1 1 1 # 9|
| 0 0 -1 -2 # -11|
| 0 0 0 1 # 4|
El discriminante es = -2
La forma final a la que se le aplica la sustitucin inversa es:
2x + 0y + 2z + 2u = 16
y+ z+ u= 9
- z - 2u = -11
u = 4 z = 3 ; y = 2 ; x = 1.
Si ahora generalizamos el tratamiento para el caso estndar de n ecuaciones lineales
simultneas con n incgnitas tenemos:
a1,1 x1 + a1,2 x2 +...............+ a1,j xj +...............+ a1,n xn = b1
a2,1 x1 + a2,2 x2 + ..............+ a2,j xj +...............+ a2,n xn = b2
-------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------

ai,1 x1 + ai,2 x2 + ..............+ ai,j xj +............... + ai,n xn = bi


-------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------

an,1 x1 + an,2 x2 + ..............+ an,j xj +...............+ an,n xn = bn

Supondremos que las ecuaciones han sido acomodadas tal que a1,1 0. Definimos n-1
multiplicadores mi = ai,1 / a1,1 con i = 2, 3, ... , n y restamos de cada ecuacin (excepto de la
primera) la primera multiplicada por el mi correspondiente. Por ejemplo para la ecuacin
genrica i es:
(ai,1mi a1,1)x1+(ai,2mi a1,2)x2+...+(ai,jmi a1,j)xj+...+(ai,nmi a1,n)xn=bimi b1
0

Si definimos a los coeficientes resultantes como:

ai,j = ai,j mi a1,j


bi = bi mi b1

con j = 1, 2, ... , n
con i = 2, 3, ... , n

es fcil ver que ai,1 = 0 para i = 2, 3, ... , n. Entonces, las ecuaciones transformadas quedan:
a1,1 x1 + a1,2 x2 +...............+ a1,j xj +.............+ a1,n xn = b1
0 + a2,2 x2 + .............+ a2,j xj +.............+ a2,n xn = b2
-------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------

- 52 -

Simulacin de Procesos I y II, 2009. rea Departamental Ingeniera Qumica, Facultad de Ingeniera, UNLP

0 + ai,2 x2 +..............+ ai,j xj +.............+ ai,n xn = bi


-------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------

0 + an,2 x2 +..............+ an,j xj +............+ an,n xn = bn

Este esquema se continua aplicando para eliminar los trminos en x2 de la tercera


ecuacin en adelante, en x3 de la cuarta en adelante, y as sucesivamente,...
En el k-simo paso eliminamos la columna en xk definiendo los multiplicadores: mk-1i =
k-1
a i,k / ak-1k,k con i = k+1, ... , n.
Siempre debe de ser ak-1k,k 0 (sino reordeno lneas).
Obtengo:
k
a i,j = ak-1i,j mk-1i ak-1k,j
para i = k+1,..., n
bki = bk-1i mk-1i ak-1k

para j = k,..., n

En el momento en que k = n-1 estamos eliminando xn-1 de la ltima ecuacin. El


conjunto triangular final de ecuaciones est dado por:
a1,1 x1 + a1,2 x2 +.............+ a1,j xj +...............+ a1,n xn = b1
a2,2 x2 +.............+ a2,j xj +...............+ a2,n xn = b2
------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------aj-1j,j xj +.............+ aj-1j,n xn = bj-1j
------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------an-1n,n xn = bn-1n

El DDB para el proceso de eliminacin se da a continuacin. Sigue con bastante


aproximacin la descripcin algebraica que se acaba de hacer. Adems permite la posibilidad de
hacer intercambio de filas cuando el aj-1k,k vale 0.
En ese mismo paso se puede utilizar un refinamiento adicional: No slo es
imprescindible que los elementos pivotales (los ak-1k,k ) sean distintos de cero sino que, adems,
principalmente en sistemas grandes, y originado ello en el redondeo de los sistemas de clculo,
cuando el elemento pivotal tiene un valor absoluto muy chico existe mucho error.

- 53 -

Simulacin de Procesos I y II, 2009. rea Departamental Ingeniera Qumica, Facultad de Ingeniera, UNLP

k=1
i = k+1
Acomodar renglones para que los
akk 0 y/o para hallar Max|ai,j|
m = ai,k / ak,k

ai,k = 0

j = k+1

ai,j = ai,j m ak,j

j=n

No

j=j+1

No

i=i+1

Si

bi = bi m bk

i=n
Si

No

k=n-1

k=k+1

Si

(sustitucin inversa)

- 54 -

Simulacin de Procesos I y II, 2009. rea Departamental Ingeniera Qumica, Facultad de Ingeniera, UNLP

k
n
k ---------------------------------------------------i ---------------------------------------------------n ---------------------

Entonces, en algunos casos se pivotea sobre cada sistema reducido para hallar el Max |
ak-1i,k| , donde k es la columna de la incgnita a eliminar e i = k, ... , n.
Este ejemplo se llama pivoteo parcial. Hago slo reordena-miento de filas.
Si, en cambio, busco el Max | ak-1i,j | con i, j = k, ... , n, barro todos los coeficientes
posibles. Puedo hacer reordena-miento de filas y columnas. Se llama pivoteo total.

i,j

En general, es suficiente con el pivoteo parcial y se emplea mucho menos tiempo de


mquina.

La sustitucin inversa puede describirse de la manera siguiente:


bn-1n
xn =---------an-1n,n

bn-2n-1 - an-2n-1,n xn
xn-1 =-----------------------an-2n-1,n-1

------------------------------------------------------------------------------------------

xj = (bj-1j aj-1j,n xn -...- aj-1j,j+1 xj+1) / aj-1j,j para j = n-2,, 1

El DDB de la sustitucin inversa puede ser:

- 55 -

Simulacin de Procesos I y II, 2009. rea Departamental Ingeniera Qumica, Facultad de Ingeniera, UNLP

(de la eliminacin)

xn = bn/ an,n

i=n-1

j=i+1

S= 0

S = S + ai,j xj

j=n

No

j=j+1

No

i=i-1

Si

xi = (bi S) / ai,i

i=1
Si

FIN

- 56 -

Simulacin de Procesos I y II, 2009. rea Departamental Ingeniera Qumica, Facultad de Ingeniera, UNLP

6.2.2. Mtodos Indirectos o iterativos

Los mtodos directos como el de eliminacin de Gauss o alguna de sus variantes


(Jordan, Doolittle, Crout) tienen el problema que al realizarse muchos miles de operaciones,
afectada cada una por el redondeo del lenguaje que se usa, pueden llevar a resultados errneos.
Esto ocurre principalmente cuando se deben resolver sistemas de ms de 15 a 20 ecuaciones.
Cuando se supone que esto ocurri o directamente en los casos en que no se desee
correr ese riesgo se pueden usar mtodos iterativos.
En estos se parte de una solucin aproximada o tentativa de la matriz de las incgnitas x
y por aplicacin sucesiva del mtodo se obtienen valores de x cada vez mas aproximados a los
verdaderos. El clculo se detiene cuando para 2 iteraciones sucesivas cada valor xi difiere del
calculado en la iteracin anterior en menos que una cota prefijada.
Cualquiera de los mtodos existentes tiene la desventaja de no siempre converger a una
solucin y a veces de hacerlo muy lentamente.
Los dos mtodos que vamos a presentar:
a) Iteracin por pasos totales (Mtodo de Jacobi) y
b) Gauss - Seidel, siempre convergen si el coeficiente de la incgnita a calcular es
suficientemente grande respecto de los otros coeficientes en esa ecuacin.
Es decir, si tengo:
a1,1 x1 + a1,2 x2 +...............+ a1,j xj +...............+ a1,n xn = b1
a2,1 x1 + a2,2 x2 + ..............+ a2,j xj +...............+ a2,n xn = b2
-------------------------------------------------------------------------------------------------

ai,1 x1 + ai,2 x2 + ..............+ ai,j xj +............... + ai,n xn = bi


-------------------------------------------------------------------------------------------------

an,1 x1 + an,2 x2 + ..............+ an,j xj +...............+ an,n xn = bn

y quiero calcular x1 de la primera ecuacin, x2 de la segunda, etc., el mtodo tiene convergencia


garantizada si:

ai,i

j =1 j i

con i = 1, 2, ..., N

ai , j

Un sistema de este tipo suele llamarse sistema diagonal. Esta es una condicin suficiente
pero no necesaria para la convergencia.
a) Iteracin por pasos totales: La lgica a seguir es la siguiente:
1) Se explicitan las N incgnitas a partir de las N ecuaciones.
2) Se elige un juego de estimaciones iniciales para esas incgnitas (si se tienen los valores
calculados por algn mtodo di-recto, mejor).
3) Se calculan los nuevos valores a partir de las ecuaciones explicitadas, usando para las otras
incgnitas los valores de la iteracin anterior.
4) Se compara cada uno de ellos con el de la iteracin anterior.
5) Si para cada xi se cumple que el |xin+1 - xin| < cota de error prescripta, se detiene el clculo
porque se lleg a los valores buscados.
6) En caso contrario se vuelve a 3).
La frmula general de clculo puede explicitarse segn:

x in + 1 =

bi

a i , j x nj

j =1 j i

con i = 1, 2, ..., N

ai ,i

Por ejemplo, si tenemos el sistema:


- 57 -

Simulacin de Procesos I y II, 2009. rea Departamental Ingeniera Qumica, Facultad de Ingeniera, UNLP

10 x1 + x2 + 2 x3 = 44
2 x1 + 10 x2 + x3 = 51
x1 + 2 x2 + 10 x3 = 61

Las ecuaciones explicitadas son:


x1 = (44 - x2 - 2 x3) / 10
x2 = (51 - 2 x1 - x3) / 10
x3 = (61 - x1 - 2 x2) / 10

Como no se sabe en que orden de magnitud estn los valores verdaderos, se toman como
valores iniciales x1 = x2 = x3 = 0 y se calcula con una cota de error de 0.01 (para fines
comparativos los resultados exactos son x1 = 3.00, x2 = 4.00, x3 = 5.00).
Los valores calculados en los pasos sucesivos son:
n \ x
0
1
2
3
4
5
6
7

x1

x2

0
4.4
2.67
3.111
2.9676
3.01003
2.997037
3.0008934

x3

0
5.1
3.61
4.102
3.9667
4.00983
3.997004
4.0008895

0
6.1
4.64
5.111
4.9665
5.0099
4.997031
5.0008955

b) Gauss - Seidel: La lgica a seguir es exactamente igual a la del caso anterior excepto en:
3) Se calculan los nuevos valores a partir de las ecuaciones explicitadas, usando para las otras
incgnitas los ltimos valores calculados de las mismas.

La frmula general de clculo puede explicitarse segn:

x in + 1 =

i 1

j =1

j = i +1

bi a i , j x nj + 1 a i , j x nj
con i = 1, 2, ..., N

ai ,i

Para el mismo caso visto anteriormente la secuencia de cl-culo es:


n \ x
0
1
2
3
4

x1

x2

0
4.40
3.0148
2.9993696
2.999952362

0
4.22
4.01544
4.00058388
4.00001490

x3

0
4.816
4.995432
4.999946264
5.000001780

Las ltimas incgnitas van convergiendo ms rpido que las primeras. Este mtodo es
mucho mejor que el anterior pese a tener una similar complejidad de clculo. Se utiliza

- 58 -

Simulacin de Procesos I y II, 2009. rea Departamental Ingeniera Qumica, Facultad de Ingeniera, UNLP

muchsimo en resolucin de sistemas de ecuaciones resultantes de la solucin numrica de


ecuaciones diferenciales.
Si las ecuaciones estn mal condicionadas - tal como ya se dijo - el mtodo puede no
converger. Por ejemplo, el mismo caso ya visto, pero expresado de la forma:
x1 + 2 x2 + 10 x3 = 61
10 x1 + x2 + 2 x3 = 44
2 x1 + 10 x2 + x3 = 51

Las ecuaciones explicitadas son:


x1 = 61 - 2 x2 - 10 x3
x2 = 44 - 10 x1 - 2 x3
x3 = 51 - 2 x1 - 10 x2

La secuencia de clculo es:


n \ x
0
1
2
3

x1

x2

0
61
58803
1743559

0
-566
-573524
17554924

x3

0
-5731
-59645
-179036307

Se observa claramente que el proceso de clculo diverge. La causa de la no convergencia es que


la matriz de los coeficientes est mal conformada.
7. BIBLIOGRAFA

-Chapra, S.C y Canale, R.P. (2003) Mtodos Numricos para Ingenieros. Cuarta Edicin. Mc
Graw Hill Interamericana, Mxico, 969 pginas.
-Constantinides, A. y Mostoufi, N. (1999). Numerical Methods for Chemical Engineers with
MATLAB Applications. Prentice Hall PTR, New Jersey 07458, USA, 560 pginas.
-Goi, S M (2008). Comunicacin personal a los autores. Area Departamental Ingeniera
Qumica, Facultad de Ingeniera, UNLP.
-Mascheroni, R.H. y Giner, S.A. (2002) Introduccin al Clculo Numrico Aplicado a
Ingeniera Qumica. Ctedra de Simulacin de Procesos, Departamento de Ingeniera Qumica,
Facultad de Ingeniera, Universidad Nacional de La Plata, 49 pginas
Agradecimientos

Los autores agradecen al Ing. Sandro M. Goi por su aporte, y a los alumnos de distintos cursos
de la asignatura Simulacin de Procesos (Plan 1988) y Simulacin de Procesos I y II (Plan
2002) del rea Departamental Ingeniera Qumica, Facultad de Ingeniera, UNLP, por sus
crticas constructivas y sugerencias tiles.
--------------------------------------0---------------------------- LA CTEDRA, marzo de 2009

- 59 -