Documentos de Académico
Documentos de Profesional
Documentos de Cultura
TP Nº1 Extracción en Etapas
TP Nº1 Extracción en Etapas
Extraccin en Etapas
Universidad Tecnolgica Nacional Facultad Regional Avellaneda
1
Extraccin en Etapas
Jeremas Carballo, Roxana Lencina, Carla Valenti
e-mail:
jere_ajc@hotmail.com; rolencina13@yahoo.com.ar; carli.valenti@yahoo.com.ar
Abstract: A simulation of extraction in stages, such as gas-liquid absortion, was
performed with Matlab Software, varying feed streams and the value of the partition
coefficient K.
Resumen: Se realiz una simulacin de una extraccin en etapas, como por
ejemplo una absorcin gas-lquido, con el Software Matlab, variando las corrientes
de alimentacin y la constante de particin K.
Introduccin
de
L0 + VN+1 = LN + V1 = M
Despejando yn+1 obtenemos:
Donde para un Sistema gas-lquido,
tenemos:
L0= Corriente de entrada de lquido
y n+1=
Ln xn V 1 y 1L0 x 0
+
V n +1
V n+1
por
for i=1:dim(1);
for j=1:dim(2);
if i==j-1; % defino
"diagonal a derecha"
h(i,j)=q;
end
end
end
for i=1:dim(1);
for j=1:dim(2);
if i==j+1; %como
"diagonal a izquierda quiero
unos, porq el sistema lo
requiere
h(i,j)=1;
end
end
end
yin=0.3;
xin=0;
r=zeros(1,o); %armo vector
independiente
r(1)=-yin; %el primer trmino
del vector
r(o)=-f2*k*xin; % el ultimo
termino del vector
r=r'; %traspongo el vector
independiente
l=zeros(o,o); %armo matriz de Tj
del mismo tamao que h
dim=size(l);%la recorro
for i=1:dim(1);
for j=1:dim(2);
if i==j-1; % defino
"diagonal a derecha"
l(i,j)=(-q/p);
end
end
end
for i=1:dim(1);
Carballo Jeremas-Lencina Roxana-Valenti Carla
Matemtica Superior Aplicada 321 - Junio 2015
100
0.15
X out
Yout
10
0,125
0.1364
0,0273
30
0.1452
0,0097
50
0.1471
0,0059
100
0.1485
0,0030
0,05
Conclusiones
X out
Yout
0.15
0.15
7.0805E-5
0.15
2,4821E22
0.15
8,1894E38
2,4576E-8
Mtodo SOR
Este mtodo permite mejorar la
convergencia usando relajacin. La
relajacin
representa
una
ligera
modificacin del mtodo de GaussSeidel y sta permite mejorar la
convergencia en algunos casos.
Carballo Jeremas-Lencina Roxana-Valenti Carla
Matemtica Superior Aplicada 321 - Junio 2015
xk+1=xk+B-1(b-Axk)
O bien,
Bxk+1= Cxk+b
Siendo C= B-A.
La eleccin de las matrices B y C en
funcin de la matriz A permiten
obtener los mtodos clsicos de
Jacobi, Gauss-Seidel o SOR,
mencionado anteriormente.
Estas expresiones tambin se pueden
escribir en funcin del vector residuo
Xk+1=Txk + C
rk=b-Axk
Donde:
T= (D-L)-1[(1-)D+U]
C= (D-L)-1b
Si la matriz de coeficientes A es
simtrica definida positiva y esta
entre 0 y 2, el mtodo converge para
cualquier aproximacin inicial de x.
Como,
xk+1=xk+B-1rk
De esta forma, dada una
aproximacin lineal x0, las sucesivas
iteraciones se podran expresar,
x1 = x0+B-1r0
Subespacios de Krylov
x2 = x1+B-1r1= x0+B-1r0+B-1(b-Ax1) =
= x0+B-1r0+B-1r0+B-1(b-Ax0-AB-1r0) =
= x0+2B-1r0-B-1A (B-1r0)
Ax=b
Vienen dadas por una relacin de
recurrencia de la forma:
x3= x2+B-1r2
.
.
Si B=I
J(y) = || b Ax ||
Es decir la k-sima iteracin de la
solucin aproximada se puede
expresar como suma de la
aproximacin inicial y una
combinacin lineal de k vectores,
Por tanto,
xk= x0+[r0, Ar0, A2r0,.. Ak-1r0]
El subespacio Kk (A ; r0) de la base [r0,
Ar0, A2r0,.. Ak-1r0], es llamado
subespacio de Krylov de dimensin k
correspondiente a la matriz A y al
residuo inicial r0.
Mtodo de Mnimo Residuo
Generalizado (GMRES)
Es un mtodo iterativo por
subespacios de Krylob para sistemas
no simtricos.
El desarrollo del algoritmo consiste en
encontrar un vector
x = x0
Vy
Precondicionadores
La convergencia de los mtodos
basados en los subespacios de Krylov
mejora con el uso de las tcnicas de
precondicionamiento. Estas consisten
generalmente en cambiar el sistema
original Ax=b por otro de idntica
solucin, de forma que el nmero de
condicionamiento de la matriz del
nuevo sistema sea menor que el de A,
o equivalente que tenga una mejor
distribucin de sus autovalores.
Factorizacin Diagonal
Factorizacin de Jacobi
Factorizacin Aproximada
Inversa o Precondicionador
Diagonal Optimo.
Factorizaciones ILU