Demostracin de las leyes de los gases.

Ley de Boyle y
Ley de Charles.

Camargo Jenniffer,Castillo Daniel,Ospina Brayan.

Escuela de Ciencias Qumicas, Qumica, Fisicoqumica

Resumen

En la prctica se realizaron mediciones de temperatura, volumen y presin, en la primera

parte de la prctica se midi la presin con un manmetro a diferente volumen para
variar el volumen se us una jeringa de 60 mL, en esta parte se observ que cuando el
volumen se reduca la presin aumentaba. En la segunda parte se midi la presin con
un manmetro a diferentes temperaturas esta se media con un termmetro, en esta se
observ que al aumentar la temperatura aumenta la presin

Palabras clave: presin; manmetro; medicin; inversamente proporcional.

Introduccin

La Ley de Gay-Lussac es una ley de los gases que relaciona la presin y la

temperatura a volumen constante.

En 1802 Gay-Lussac descubri que a volumen constante, la presin del

gas es directamente proporcional a su temperatura (en grados Kelvin): P =
k T (k es una constante).

Por lo tanto: P1 / T1 = P2 / T2

Lo cual tiene como consecuencia que:

Si la temperatura aumenta la presin aumenta

Si la temperatura disminuye la presin disminuye

Representacin esquemtica de la Ley de Gay-Lussac[1]
http://www.quimicas.net/2015/05/ejemplos-de-la-ley-de-gay-lussac.html

La Ley de Boyle es una ley de los gases que relaciona el volumen y la presin de
una cierta cantidad de gas a temperatura constante.

En 1662 Boyle descubri que la presin que ejerce un gas es inversamente

proporcional a su volumen a temperatura y cantidad de gas constante: P = k / V
P V = k (k es una constante).

Por lo tanto: P1 V1 = P2 V2

Lo cual tiene como consecuencia que:

Si la presin aumenta el volumen disminuye

Si la presin disminuye el volumen aumenta

 Representacin esquemtica de la Ley de Boyle

Nota: tambin se le llama Ley de Boyle-Mariotte ya que este ltimo la descubri

de forma independiente en 1676.[2]
http://www.quimicas.net/2015/05/ejemplos-de-la-ley-de-boyle.html

La Ley de Boyle-Mariotte: para una una cantidad fija de gas a una

temperatura determinada, el producto de la Presin por la Temperatura es
constante. PV=W

La Ley de Charles-Gay Lussac: para una cantidad fija de gas a presin

constante, el Volumen que ocupa es directamente proporcional a la
Temperatura absoluta. V = k *T

Para cada una de estas leyes, la naturaleza del gas es intrascendente.

Es de suponer que cada una de estas leyes sea un caso particular de otra
ley ms general: la Ley de los gases ideales.

PV=nRT

Donde la constante R es la llamada constante de los gases.

E l valor de R Puede determinarse experimentalmente. Si se tiene en

cuenta que: P = (n/V) R T; como n/V es la concentracin molar del gas P =
c R T. Cabe esperar que la representacin de P frente a T sea una recta que
pase por el origen de coordenadas y tenga de pendiente R .T.[3]
http://perso.wanadoo.es/cpalacio/ConstGases2.htm

Bookman Old Style 12. Todos los textos que se extraigan de referencias
externas (libros, artculos, pginas web, deben estar referenciadas). Para
identificar la referencia, luego del texto se enumera dentro de un corchete,
siguiendo el orden en que van siendo referenciadas: [1], si son varias: [1,3,
5], si son varias seguidas: [1-3], [1-3, 5]. En la seccin de referencias se
deben poner, de acuerdo al formato ah establecido. Valor 10%

Objetivo

Comprobar experimentalmente la ley de Boyle y Gay-Lussac

Materiales y Mtodos
Bookman Old Style 12. Valor 10%

Subdivisiones

Las subdivisiones son los subtemas implcitos dentro de un tema principal

como Materiales y Mtodos, Resultados o Discusin. El ttulo de cada
subdivisin debe escribirse en cursiva y negrita.

Resultados

Tabla 1. Datos obtenidos de la ley de Gay-Lussac

Temperatura Presin (mmHg)
(C) 1 2 3
22 0 0 0
26 0,8 1,2 1,5
30 2,5 3 3,4
34 4,6 4,3 4,8
38 6,5 6,4 6,3
42 8,2 8,4 8
46 9,5 9,9 10,3
50 10,4 11,7 12,3
54 10,9 11,9 12,9
58 11,8 12,8 13,5
62 13,2 14,5 14,5
Figura 1. Temperatura vs presin, se graficaros los datos obtenidos en las diferentes
replicas realizadas del mismo procedimiento

Tabla 2.Datos obtenidos de la ley de Gay-Lussac

Volumen Presin (mmHg)
(mL) 1 2 3
60 1,6 1,7 1,3
58 19,2 23,8 21,7
56 37,2 41,8 42,2
54 57 61,2 63,4
52 80 83,3 83,1
50 102,3 105,7 108,3
48 126,6 130 135,4
46 153,2 158,7 160,5
44 179,1 184 190,3
42 214,4 219,2 223,4
40 251,2 250,5 251,9

Figura 2. Volumen vs presin, se graficaron los datos obtenidos en las diferentes

replicas realizadas del mismo procedimiento

Bookman Old Style 12. Las Figuras y Tablas se deben numerar en

secuencia, siguiendo los ejemplos puestos ms abajo para cada una de
ellas. Adicional, cada una de ellas debe tener una breve descripcin de lo
que se est mostrando. Graficas de datos comparativos deben hacerse en
Excel, marcando correctamente los ejes y las respectivas unidades, a qu
corresponde cada curva y no debe llevar ttulo en la parte superior (Figura
1). De igual forma, las tablas deben estar correctamente marcadas (Tabla
1). Los textos que acompaan a las Figuras y Tablas deben estar escritos
en Bookman Old Style 10, con la numeracin en negrita (Figura 1). Las
dimensiones de una figura en Excel deben ser de 8 cm de alto. El texto de
las tablas debe escribirse en Bookman Old Style 11, con los ttulos en
negrita (Tabla 1). Valor 20%.

Discusin

Bookman Old Style 12. Valor 25%

Conclusiones

Bookman Old Style 12. Valor 15%

Referencias

Bookman Old Style 11. El nmero de cada referencia debe coincidir con el que se
mencion en el texto. Valor 5%. A continuacin, se citan los ejemplos,
dependiendo del tipo.

[1] Masters, T. Neural Network Recipes in C++. New York: Academic Press, 1993.
(ejemplo de libro)
[2] Moyor, M.A. Evaluacin del lenguaje de ingeniera, en Verdugo Alonso J.
Evaluacin curricular: una gua para la intervencin del ingeniero, 2a ed.,
Madrid, Salvat, 1994. pp. 324-344. (ejemplo de captulo de libro)
[3] Jeng, J.-T., Chuang, C.-C. & Chuang, C.-T. Support vector regression based
LTS-CPBUM neural networks. Proceedings of SICE Annual Conference (SICE),
2011. pp. 215-220. (ejemplo de artculo de conferencia)
[4] Kawasaki, N. Parametric study of thermal and chemical nonequilibrium
nozzle flow, MSc. Thesis, Department of Electronic Engineering, Osaka
University, Osaka, Japan, 1993. (ejemplo de tesis)
[5] Ghiassi, M., Saidane, H. & Zimbra, D. K. A dynamic artificial neural network
for forecasting time series events. International Journal of Forecasting, 21 (2),
pp. 341-362, 2005. (ejemplo de revista)
[6] Pumarino, A. La propiedad intelectual en ambientes digitales educativos.
Web: Revisin sistemtica, 2004. Consulta: 8 de octubre de 2005. Disponible
en:
http://www.uca.es/dept/psicologia/bvsss/csalud/memoria/pdf/tecnologia.h
tlm (ejemplo de pgina web)