MÉTODOS NUMERICOS EN VBA PARA LA

RESOLUCION DE PROBLEMAS DE
INGENIERA METALURGICA

1
 INDICE

1.- Sumario 3

2.-Introduccion 5

2.1 .-Método de punto fijo multivariable 5

2.2 .-Método de newton-Raphson multivariable 6
2.3 .-Método de la matriz inversa 7
2.4 Herramientas de Excel 8
2.5 Integración numérica 9
2.6 Ecuaciones diferenciales ordinarias 11

3.- Problemas y Resultados

3.1 .- Problema 1 15
3.1.1 .-Método de Newton Raphson multivariable 15
3.1.2.- Método del punto fijo sucesivo 18
3.1.3.- Método del punto fijo simultáneo 19
3.2 .- Problema 2 21
3.3 .- Problema 3 25
3.3.1 .- Buscar objetivo 25
3.3.2 .- Solver sin restricciones 26
3.3.3 .- Solver con restricciones 27

3.4.- Problema 4 29

3.4.1 .- Regla trapezoidal 31

3.4.2 .- Regla de Simpson 1/3 33
3.4.3 .- Regla de Simpson 3/8 35

3.5.- Problema 5 37

3.5.1 .- Método de Euler Explicito 37

3.5.2 .- Método de Heun 39
3.5.3 .- Método de Runge-Kutta 44 41
3.5.4 .- Método de Ralston 42

5.- Bibliografía 47

2
 1. SUMARIO

Este trabajo tiene como finalidad resolver problemas de ingeniera principalmente asociados a
la metalurgia, aplicando diversos métodos de resolución y así comparando los resultados
conseguidos predecir que método es más eficaz.

Los problemas a solucionar en este trabajo son cinco. El primero trata de un molino de bolas
donde se requiere determinar el diámetro del molino y la fracción de llenado de las bolas
mediante un sistema de ecuaciones no lineales, aquí el objetivo es demostrar los
conocimientos que adquirimos de los distintos métodos numéricos para la resolución de
sistemas de ecuaciones tantos lineales y no lineales. Para ello utilizamos los métodos
siguientes:

Para sistemas de ecuaciones no lineales

 Método del punto fijo con iteraciones simultáneas y sucesivas.

 Método de Newton-Raphson multivariable.

Donde se obtuvo que el método que convergía con mayor rapidez es el de MNRMV.

El segundo problema trata del traslado de los ánodos de cobre y nos requiere determinar la
potencia suministrada por la fuente de circuito. Para ellos aplicamos leyes de Kirchhoff
obteniendo un sistema de ecuaciones lineales y utilizamos el siguiente método

 Método con la matriz inversa,

El tercer problema nos pide determinar la distancia entre las mandíbulas de una trituradora
para ello utilizamos las herramientas de Excel:

 Buscar Objetivo
 Solver

Acá el solver es un método más eficiente ya que se pueden añadir restricciones los cuales
logran hacer más precisa la solución.

El cuarto problema tiene relación a la termodinámica, se requiere determinar que metal logra
reducir a un oxido de níquel que se forma en un reactor, para ello debemos calcular su
variación de energía estándar utilizamos los siguientes métodos:

 Regla trapezoidal
 Regla de Simpson 1/3
 Regla de Simpson 3/8

Si bien todos los métodos se acercaron bastante a la solución real no poseemos de un criterio
para determinar cual método es más eficaz debido a que estos métodos son exactos para
polinomios a lo más de tercer grado.

3
Y finalmente el quinto problema es una EDO que consiste en calcular la cantidad de
contaminante en un tanque de relave a un determinado tiempo. Para ello se utilizo:

 Método de euler explicito

 Método de Runge-Kutta 44
 Método de Heun
 Método de Ralston

Para los métodos anteriormente nombrados se debió desarrollar los teoremas y algoritmos
concernientes y con el apoyo del programa Excel y Visual Basic que nos permiten programar y
crear plantillas que resuelvan la ecuación y los sistemas de ecuaciones.

4
 2. INTRODUCCION

Para la resolución de los problemas que se plantearan a continuación es necesario tener el

debido conocimiento de los métodos numéricos de los cuales disponemos, los cuales se darán
a conocer a continuación:

Método del punto fijo para resolución de sistemas no lineales

Desplazamientos simultáneos

Se tiene un sistema de ecuaciones lineales o no lineales:

Sumando x a ambos lados de cada una de las ecuaciones, se forma un nuevo sistema de
ecuaciones:

Considerando el siguiente orden de iteraciones

Desplazamientos sucesivos

Criterio de convergencia:

Es posible obtener varios esquemas numéricos mediante el MPFMV, de acuerdo a

como se obtenga las funciones de iteración En esta parte la forma más simple

consiste en sumar xi a ambos lados de la ecuación , para obtener así

5
 , i= 1,…., n. Se puede generar nuevos esquemas numéricos

a través de nuevos despejes algebraicos. Sin embargo, no siempre se obtiene una sucesión
convergente del MPFMV. Aún para una sucesión convergente, es posible que la convergencia
dependa de valores iniciales de las iteraciones.

En general, no existe un criterio de convergencia que involucre todos los casos posibles
de esquemas numéricos del MPFMV. Pero con la base de obtener una sucesión convergente de
iteraciones, se puede decir el siguiente criterio que entrega condiciones suficientes para la
convergencia del MPFMV;

Para el caso de dos ecuaciones no necesariamente lineales:

A través de esta metodología si se realiza extensiones a más dimensiones, es posible la

obtención de criterios de convergencia para el MPFMV

Resolución de sistemas no lineales mediante Newton-Raphson multivariable

El método de Newton-Raphson consiste en desarrollar la función mediante la serie de Taylor,

Para llegar a la siguiente expresión:

Este último resultado representa el algoritmo de cálculo de Newton Rapshon.

De este deriva el método de MNRMV donde se define un sistema de ecuaciones no lineales de

la siguiente forma:

6
Toda ecuación con , puede ser no lineal o lineal, sin embargo se debe

tener al menos una ecuación no lineal. Luego, el sistema no lineal mostrado anteriormente, se
resuelve de la siguiente forma:

En donde la expresión ( corresponde al Jacobiano de evaluada en , el cual lo

podemos obtener por medio de derivadas parciales, de la siguiente forma:

Algoritmo:

i).- Definimos la nomenclatura de la siguiente forma:

ii).- Posteriormente definimos la matriz Jacobiana: , mediante derivadas parciales.

iii).- Luego, aplicamos el algoritmo

iv).- Considerando un vector de inicio , obtenemos una sucesión de valores hasta el

error definido por:

Método con la matriz inversa

Teorema:

Todo sistema de ecuaciones puede escribirse de la forma matricial, de acuerdo a la siguiente

expresión:

La cual posee solución única si y solo si es una matriz NO SINGULAR, en donde una matriz no
singular debe cumplir las siguientes condiciones:

7
  es invertible:


 todas las filas (y columnas) de son L.I.:

 Los valor propio de , deben ser distintos de 0:

Entonces, si

Así,

Algoritmo:

Primero que todo debemos verificar si en la matriz A el determinante sea distinto de

cero, a través de la utilización del comando en Excel “MDETERM”, si cumple con esta condición,
podemos proceder a calcular la matriz inversa mediante el comando MMINVERSA. Obtenida
ya esta matriz procedemos a multiplicarla con el vector b por medio del comando MMULT, en
donde el resultado de esta multiplicación nos da el vector solución del sistema de ecuaciones
“x”

Herramientas de Excel

Excel para realizar búsquedas consta de dos herramientas las cuales son:

Buscar Objetivo:

Esta es una herramienta rápida y fácil de usar. La cual nos permite mediante un algoritmo de
iteración interna del Excel, definir una formula con un valor deseado (función objetivo), a
través de cambios en otra celda (parámetro), que interviene en la fórmula. Por ejemplo se
quiere resolver la ecuación: por ejemplo

Esta herramienta sigue la siguiente estructura:

i) Escoger la celda en la cual se definirá la ecuación

ii) Se define el valor deseado para , el cual será claramente 0

8
 iii) Se cambia el valor de la celda, método por el cual se lograra mediante la definición
de un valor inicial de x, cuyo valor debe ser lo mas cercano posible a la solución

Solver:

Esta herramienta al igual que la búsqueda de objetivo es muy fácil y rápida de usar, pero la
diferencia es que esta herramienta nos permite agregar condiciones o restricciones a la
búsqueda.

Con esta herramienta se puede obtener el valor óptimo para una formula y además ajusta los
valores en las celdas cambiantes que se especifiquen (celdas ajustables), para así generar el
resultado especificado en la fórmula de la celda objetivo. Más aún se pueden aplicar
restricciones para la restricción de los valores que pueden utilizar Solver y estas restricciones
pueden hacer referencia a otras celdas a las que afecte la fórmula de la celda objetivo.

Ajuste de parámetros por Solver.

Consiste en que dado un conjunto de datos experimentales y modelo

matemático , se trata de obtener los parámetros tal que hacen

mínimo el error Euclidiano cuadrático:

De esta forma se obtiene la representación de un conjunto de datos experimentales mediante

un modelo matemático el cual contiene parámetros ajustables.

Integración numérica

Antes de comenzar con el análisis de los distintos métodos de integración numérica, es

necesario definir la generalidad de cómo aproximar una integral.

Cuando aproximamos una integral de la forma

9
Ésta, puede aproximar el integrando por el polinomio que interpola a en

puntos e integrar el polinomio de interpolación dado por:

Entonces, el valor aproximado de la integral, , se calcula explícitamente.

Luego, el error que se comete al aproximar la integral es:

Regla del trapecio

Es la primera de las fórmulas de integración cerrada de Newton-Cotes, utiliza un polinomio de

interpolación de orden 1

Donde corresponde a un polinomio de interpolación de grado 1 para los datos:

Integrando se obtiene:

Luego, haciendo un análisis geométrico, nos damos cuenta que la regla aproxima el área bajo la
curva f(x) mediante un trapecio inscrito.

Luego, si el error de integración estaría dado por:

Esta regla es exacta para polinomios de grado menor o igual a 1

Cabe destacar que la regla del trapecio se puede aplicar de dos maneras: un solo trapecio o
varios trapecios, siendo para las dos la misma aplicación, sólo lo que varía es el número de

10
intervalos, de lo que se puede observar que a mayor número de intervalos, más precisión tiene
el método.

Algoritmo:

i).- Definimos las variables y las constantes y .

ii).- Aplicamos el algoritmo: , para obtener el valor de la integral.

Regla de simpson

En este método cada subintervalo se aproxima por un polinomio de grado .

a) Regla de Simpson para un solo intervalo

Utilizamos un polinomio de segundo orden

Donde corresponde a un polinomio de interpolación de orden 2

Calculamos el valor de la integral:

Haciendo los arreglos matemáticos correspondientes, obtenemos que el valor de la integral

está dado por:

Sustituimos el valor de:

Y obtenemos,

Algoritmo:

i).- Definimos y las variables , y .

11
ii).- Aplicamos la aproximación como corresponde y

obtenemos el valor de la integral.

Regla de Simpson un intervalo

La aproximación está dada por:

De donde corresponde a un polinomio de interpolación

Procediendo de manera igual que en el caso anterior, utilizamos el polinomio de Lagrange, y

usando integración por partes obtenemos lo siguiente:

Sustituyendo el valor: , obtenemos:

Ancho Altura promedio

Algoritmo:

i).- Definimos el valor de cada término , y , y evaluamos .

ii).- Aplicamos el algoritmo con la aproximación y

obtenemos el valor de la integral con este método.

Ecuaciones diferenciales ordinarias

Una ecuación diferencial ordinaria es una ecuación que contiene las derivadas de una o
más variables dependientes con respecto a una o más variables independientes en donde se
clasifican de acuerdo a su tipo, orden y linealidad.

Se considera el problema de valores iniciales (PVI) de la siguiente forma:

12
 El cual supondremos que tiene solución única, donde , la cual es

acotada y depende continuamente de los datos e .

Algo muy importante de los PVI es que se basan en tomar una partición en N subintervalos
[a,b] ( ) y obtener sucesivamente N números que

aproximan a los valores y(x1),……,y(xN) de la solución exacta en los nodos .

Normalmente los nodos se escogen equiespaciados, es decir, están definidos por:

Para obtener las soluciones del PVI existen dos formas habituales que son los métodos
analíticos y los métodos numéricos:

Los métodos analíticos generan soluciones exactas que se resuelven por edos exactas, factor
integrante, Bernoulli entre otras que son vistos en cursos anteriores. Nuestro objetivo es
abordar los métodos numéricos que aunque se obtienen soluciones aproximadas permiten
entregar soluciones rápidas y con un grado de aproximación requerido.

Los métodos numéricos que utilizaremos para resolver el PVI son:

 Método de Euler explícito

 Método de Heun
 Método de Runge-Kutta 44
 Método de Ralston

Método de Euler explicito

También llamado método de la tangente, corresponde a un método de paso simple de partida

autónoma puesto que usan la información de de la solución calculada en para

obtener es decir, se necesitan conocer los puntos anteriores para obtener los

siguientes puntos. Considerando el PVI consiste en transformar la derivada y(x) ’en una
pendiente lineal a través de la aproximación:

Válida para un h pequeño.

Haciendo este reemplazo en la ecuación se encuentra la expresión:

13
: De donde,

Partiendo de la condición inicial y considerando un pequeño, el valor

Define una aproximación para .

Una vez calculada esta aproximación, se puede utilizar para obtener la aproximación

de , a saber,

Repitiendo este proceso se pueden obtener las aproximaciones para ,

,…, .

Usando nodos equiespaciados podemos obtener el algoritmo:

Método de Heun

Llamado método predictor corrector, este es un método de paso múltiple que sugiere
una mejora al método de Euler, es decir, combina un método implícito con un método explícito

donde en la primera etapa se obtiene una estimación del algoritmo explicito y luego se

reemplaza en el método implícito para obtener .

Gráficamente se aproxima el valor siguiente de la función conociendo donde se

encuentra ahora y la pendiente en el punto actual. Lo cual puede llevar a una mala
aproximación, ya que no se toma en consideración el hecho de que la pendiente de la función
puede cambiar en el intervalo que estamos trabajando. Es por eso que el método de Heun
hace consideración en tomar tanto la pendiente en el punto actual como la pendiente en el
próximo punto para hacer un promedio quedando la sucesión de la siguiente manera:

14
Donde el valor de lo podemos aproximar a través el método de Euler, así:

Entonces:

Método de Runge-Kutta 44

El objetivo de los métodos numéricos de runge-kutta que también es de paso simple, es el

análisis y solución de los problemas de valor inicial de ecuaciones diferenciales ordinarias
(EDO), estos son una extensión del método de Euler para resolver las (EDOS), pero con un
orden de exactitud más alto que este. Los métodos de Runge-Kutta (RK) logran la exactitud del
procedimiento de una serie de Taylor sin requerir el cálculo de derivadas superiores. De la
misma manera se considera el problema de la forma diferencial:

Este método de cuarto orden utiliza una serie de Taylor de orden N=4 y consiste
principalmente en calcular la aproximación de de la siguiente manera:

Método de Ralston

15
Este método es similar al método de runge-kutta y Euler explicito, es decir, un método de paso
simple que usan la información de la solución calculada en para obtener

es decir, se necesitan conocer los puntos anteriores para obtener los siguientes puntos y tener
la solución de la EDO.

PROBLEMA 1

En un molino de bolas utilizado para reducir a polvo minerales de cobre mediante la rotación
de un tambor que está girando a 72% de la velocidad critica, contiene bolas de acero y tienen
una carga de 289,47 [ton], L= 6 [m], la potencia consumida es P=3389[kW] y la densidad de la
bola es de ρ=7,75 [ton/m3].

Determinar el diámetro del molino (D) y la fracción de llenado de las bolas de acero (J)

Ecuaciones:

Solución:

A simple vista notamos que ambas ecuaciones son no lineales generando así un sistema de
ecuaciones no lineales.
Por lo tanto para resolver este problema utilizaremos métodos de Newton-Raphson
multivariable y punto fijo con iteraciones simultáneas y sucesivas.

Método de Newton Raphson Multivariable (MNRMV)

 Sistemas de ecuaciones no lineales:

(1)

(2)

16
 (x)=0

 Algoritmo de Newton Raphson multivariable:

 Nuestros datos son los siguientes:

Donde el jacobiano de la función esta dado por:

 Jacobiano de la

 Definimos un vector de inicio (J , D)=(0.5 , 6.5)

Luego el Jacobiano de la en

 La inversa del jacobiano:

obtenemos estos resultados utilizando el editor de Visual Basic de Excel:

17
Ingresándolo estos datos a Excel se tiene:

Iteramos hasta que se cumple el criterio de error, de la siguiente imagen adjunta se observa
que el método converge en la tercera iteración

18
Método del Punto Fijo con iteraciones sucesivas:

En la iteración inicial nos damos los valores de J=0.35 obteniendo el valor de D=5.949868428
como el valor está alejado de la solución real seguimos iterando hasta la iteración 40 donde el
valor de J es de 0.389 y obtenemos el valor de D=5.822586148, el que claramente es un valor
mucho más cercano a la solución y con un error de iteración menor al 0.1%. a l ingresar esto a

19
las casillas de Excel se obtiene:

Este grafico muestra la diversificación del error mediante este método en función del número
de iteraciones:

20
Método del punto fijo con iteraciones simultáneas

Definiendo un vector (J , D)=(0.4 , 6); este se evalúa en las ecuaciones iniciales, donde los
resultados de esta se utilizan para formar otro vector que será utilizado nuevamente en las
ecuaciones y así hasta que las incógnitas sean constantes.

21
En la tabla se observa que en la iteración numero 66 las incógnitas comienzan a no variar.

Conclusión: a partir de los resultados obtenidos con los métodos se concluye que el MNRMV
converge a la solución con mayor rapidez. Mientras que los métodos de punto fijo con
iteraciones sucesivos o simultáneos convergen con mayor precisión.

Discusión: el MNRMV por converger cuadráticamente hace que se reduzca el error mas
velozmente.

PROBLEMA 2
En una minera se analiza el circuito de una maquina eléctrica que se utiliza para el traslado de
los ánodos de cobre desde los moldes hacia una piscina con agua para disminuir la
temperatura. Un operador necesita calcular la potencia suministrada por la fuente del circuito.

La potencia entregada por la fuente corresponde a:

22
Para calcular las corrientes que gobiernan la potencia suministrada por la fuente del circuito se
necesitan usar las 2 leyes de kirchoff.

Ecuaciones de mallas

18=4*I1+ (5/2)*I4 (malla gigante)

0=I2+ (1/2)*I3-(5/2)*I4 (malla cuadrada)

0=2*I5-(1/2)*I3 (malla triangular base inferior)

Ecuaciones de nodos

0=I1-I2-I4

0=I2-I5-I3

Asi tenemos un sistema de ecuaciones lineales de la forma:

Donde A es la matriz creada de los coeficientes de las ecuaciones de nodos y mallas:

Y “b” es el vector:

23
 A simple vista podemos observar que nuestro sistema tiene solución única puesto que
tenemos 5 ecuaciones y 5 incógnitas (I 1,I2,I3,I4,I5). Sin embargo también debe cumplirse que la
matriz A sea no singular y una de las condiciones que debe tener es que el determinante de A
sea distinto de cero.

Para eso utilizamos el comando de Excel MDETERM(B2:F6) en la casilla C9 para calcular el

determinante.

Como se cumple la condición se procede a calcular la matriz inversa de A mediante el comando

MINVERSA(B2:F6):

Luego para calcular el vector “x” hay que hacer una multiplicación de una matriz de 5X5 con un
vector 1X3:

Utilizando el comando MMULT tenemos la solución del sistema, es decir las corrientes del
circuito.

Reemplazando los valores para calcular la potencia tenemos que:

=18 [V] *(0,4712042 [A]+1,8848168[A])= 42,408377 [Watt].

24
Ahora haciendo un análisis de sensibilidad para estudiar el comportamiento de la solución del
sistema y para ello cambiamos un poco el valor de la casilla que está en blanco.

25
Ahora calculamos la norma de frobenius de A y de A -1 ingresada en el Excel de circuito.

Conclusión: A partir de nuestra matriz A, al calcular el condicionamiento se aprecia claramente

que la matriz está mal condicionada puesto que cond(a)>1

Discusión: al estar mal condicionada pueden haber varias razones: que el tamaño de la matriz
un poco grande, pocos dígitos (mala precisión). Además haciendo un análisis de sensibilidad de
la matriz A se infiere además a partir del grafico que la potencia entregada por el circuito es
directamente proporcional a la inversa del valor a11(la casilla en donde variamos los valores).

PROBLEMA 3

Calcular la distancia entre la mandíbula inferior abierta (oss) de una trituradora giratoria para
reducir 1800 Tph desde un tamaño de material de alimentación de F 80=32 [in] a un producto de
P80=3,8[in] de diámetro 3[m]. Las propiedades del material son un índice de trabajo de impacto
de Wi=14,5 [kWh/Ton] y densidad de 2700 Kg/m 3.Las constantes K1=0,9 y una porosidad es
igual a 0,4.

26
La resolución de este problema se hace mediante la siguiente formula

En donde,

ρ= Densidad del material [Ton/m3]

Fe= alimentación de la trituradora [Tph]
N= Velocidad de la trituradora en [rpm]
ρap= densidad aparente del material [Ton/m3]
D= diámetro de manto exterior en zona de descarga [m]
Oss= Distancia entre mandíbula inferior abierta [m]

Este problema lo podemos resolver mediante las planillas de Excel las cuales se mostraran a
continuación:

Herramienta Buscar Objetivo:

Se procede a colocar los datos en la planilla Excel y posteriormente utilizamos la herramienta

“buscar objetivo” en donde se puede apreciar en la siguiente figura:

Posteriormente, ejecutamos, y la herramienta “Buscar Objetivo” nos entrega la solución, la cual

es oss= 0,99, la cual la podemos apreciar a continuación:

27
Solver sin restricción

la misma forma que en el caso anterior, situamos los datos dados en la planilla Excel y en la
herramienta “Solver” de la siguiente forma:

Luego, ejecutamos, y la herramienta “Solver” nos entrega la solución oss =1,00, la cual
podemos apreciar en la siguiente imagen:

28
Solver con restricción

Procedemos a colocar los datos en la planilla Excel de la misma forma en la cual hemos
trabajado hasta ahora y en la herramienta “Solver”, pero esta vez vamos a agregar restricciones
la cual consiste en que 0 ≤ oss ≤ 1

Posteriormente, ejecutamos, y la herramienta “Solver” con las pertinentes restricciones que le

hemos dado nos entrega la solución la cual es oss = 1,00

29
Conclusión: Las herramientas de Excel soy muy útiles ya que además de ser muy fácil de
usarlas son rápidas en la resolución de la función. Podemos encontrar el valor de la variable
buscada (en nuestro caso la distancia entre la mandíbula inferior abierta, oss), sin tener la
necesidad de despejar la ecuación. Además en el caso especifico del “Solver”, esta herramienta
en comparación con la “Búsqueda de objetivo” será más óptima ya que esta herramienta
posee la opción de restringir la función, la cual al hacer esto la solución de la ecuación será más
óptima en un rango determinado.

Discusión: Como estos dos métodos son herramientas de Excel con lleva a que Excel realice las
iteraciones en forma interna, la cual se demorará según el tipo de ecuación con la que uno
trabaje, si es muy compleja Excel se demorará un poco más en comparación con una ecuación
simple.

30