Baixe o app para aproveitar ainda mais
Prévia do material em texto
ENG-D01: Métodos Computacionais na Engenharia Profa Karen PontesProf . Karen Pontes Dezembro 2008 Métodos Computacionais na EngenhariaMétodos Computacionais na Engenharia Raízes de Equações não linearesRaízes de Equações não-lineares x0,f(x0)0 1l AP B x x1,f(x1) x 0 ( 0) raiz 0 1 1 1lnP BT 3 2 2( ) 0Z Z A B B Z AB x0x1x2y=f(x ) ( ) 0Z Z A B B Z AB Raízes de Equações não linearesRaízes de Equações não-lineares E ilíb i d f 0 1A Equilíbrio de fases: 0 11 1ln AP B T RT Equação de estado: ( ) RT aP V b V V b 3 2 2( ) 0Z Z A B B Z AB Constante de reação: ( ) 0Z Z A B B Z AB /E RTr Ae Constante de reação: F t d f i ã d D i t b l t r Ae Fator de fricção de Darcy para o regime turbulento: 1 / 2.51( ) 0 86858ln DF f 0.5 0.5 Re ( ) 0.86858ln 3.7D D D F f f N f Raízes de Equações ReaisRaízes de Equações Reais E ã l éb i ã li ( ) 0f Equação algébrica não linear: Objetivo: calcular x (raiz ou zero) ( ) 0f x Objetivo: calcular x (raiz ou zero) Exemplo: exp( / ) 0x x c p( ) Solução analítica: 1 1.1 analítica é i 1 ln 1 1x c u c u u 0.8 0.9 c v a l u e numérica ln 1 1u c 0 5 0.6 0.7 0.4 0.45 0.5 0.55 0.6 0.5 root x value Raízes de Equações não linearesRaízes de Equações não-lineares Algumas vezes não é possível obter a solução analítica. Se possível, requer tempo e habilidade! Métodos Pode-se desejar maior precisão. Métodos numéricos Raízes coincidentes 100 1.5 3 2( 1) ( 2) ( 3) 0x x x exp( /10)sen(10 ) 0x x 50 100 0.5 1 0 f ( x ) -0.5 0 f ( x ) -2 0 2 4 -50 x 5 10 15 20 -1.5 -1 x Métodos GráficosMétodos Gráficos N f l õ di t t Nem sempre fornecem soluções diretamente Podem fornecer estimativa inicial para o método iterativo Matlab: plot+ginput(n )Matlab: plot+ginput(nraízes) ( ) 0x xf x e x e x 1 1.5 xe x 4 6 0.5 1 f ( x ) x 0 (0.56,0.57)P 0 2 f ( x ) 0 1 2 3 0 x -1 0 1 2 3 4 5 6 -2 0 x 1 2 30,0565; 4,3468; 4,6694x x x Métodos numéricos interativos EANLMétodos numéricos interativos - EANL Métodos de confinamentoMétodos de confinamento Métodos abertosMétodos abertos a) b) Algoritmo para métodos iterativosAlgoritmo para métodos iterativos E ti tiEstimativa inicial x0 Avaliação de f Estimativa Converge? de xi Sim Não Converge?Solução Chave doChave do problema ! Critérios de convergênciaCritérios de convergência E l ti x x Erro relativo: Mí i d f 1 1 i i i x x x Mínimo de f: 2( )if x Diferença: 1 3i ix x Limite de interações (h): i h onde i é a interação Apenas um critério pode não garantir a convergência Método da BisseçãoMétodo da Bisseção S f( ) é tí i t l [ b] ( ) ( ) 0f f b Se f(x) é contínua no intervalo [a,b] e f(x) muda de sinal em [a,b], portanto há pelo menos uma raiz neste intervalo f(x) ( ) ( ) 0f a f b uma raiz neste intervalo, f(x) Redução sucessiva do intervalo (fator 1/2) Redução sucessiva do intervalo (fator 1/2) Método da BisseçãoMétodo da Bisseção 1) ( ) ( ) 0f a f b 1 21 2 a bp p2 raiz a3= ) ( ) ( )f f 1 12) ( ) ( ) 0 ( ) ( ) 0 f p f b f f 1 2 p raiz b b=b1 a=a1 p1=b3 a2= b2 = 3 1 1 ( ) ( ) 0f a f p raiz 2 1 2 1 b p a a 2 2 23) 2 a bp a1 b1 a b 2 2 2 2 ( ) ( ) 0 ( ) ( ) 0 f a f p f p f b 2 raiz 3 2a pa2 b2 a3 b3 2 2( ) ( )f p f 3 2 3 2 p b b Método da BisseçãoMétodo da Bisseção E l 1)(0 f)5/()(f Exemplo 3297,1)(;2 1)(;0 bfb afa)5/exp()( xxxf ]1;0[ 18127.0)1( 1 fp ]1;75,0[ 11071.0)75.0( 75.0 ]1;5,0[ 40484.0)5.0( 5.0 fp fp ]875,0;8125,0[ 037516.0)8125.0( 8125.0 ]975,0;75,0[ 035543.0)5.0( 875.0 fp fp 0,038e 107,9)84375.0( 84375.0 ][)( 4 fp fp Método da BisseçãoMétodo da Bisseção S t d d Sempre converge para uma resposta, desde que uma raiz esteja contida no intervalo inicial Problemas numéricos de divisão por zero nao ocorrem Tamanho do passo pode ser ajustadoTamanho do passo pode ser ajustado Nem sempre o intervalo é conhecido a priori Método muito lento em comparação com outros métodos Algoritmo para método da bisseção clear all F = inline('8-4.5*(x-sin(x))'); a = 2; b = 3; imax = 20; tol = 0.001; Fa=F(a); Fb=F(b);Fa F(a); Fb F(b); if Fa*Fb > 0 disp('Erro: A funcao tem o mesmo sinal nos pontos a e b.') else disp('iteracao a b (xNS) Solucao f(xNS) Tolerancia’) for i = 1:imaxfor i = 1:imax xNS = (a + b)/2; toli=(b-a)/2; FxNS=F(xNS); fprintf('%3i %11.6f %11.6f %11.6f %11.6f %11.6f\n',i, a, b, xNS, FxNS, toli) if FxNS == 0 fprintf(' Solucao exata x =%11.6f encontrada',xNS) break end if toli < tolif toli tol break end if i == imax fprintf('Solucao nao foi obtida em %i iteracoes',imax) breakbreak end if F(a)*FxNS < 0 b = xNS; else a = xNS; end end end Método da Posição Falsa ou Regula Falsi Dado [a b] f(x) é contínua e a equação possui solução Método da Posição Falsa ou Regula Falsi Dado [a, b], f(x) é contínua e a equação possui solução Se f(x) muda de sinal há solução( ) ( ) 0f a f b Se f(x) muda de sinal há solução( ) ( ) 0f a f b Método da Posição Falsa ou Regula FalsiMétodo da Posição Falsa ou Regula Falsi Cál l d i i d Cálculo da nova estimativa xNS: equação da reta que une os extremos a e b do intervalo ( ) ( ) ( ) ( )f b f a b f b ( ) ( ) ( ) ( )f fy x b f b b a Reta passa por (a,f(a)) e (b,f(b)) (xNS , 0) ( ) ( ) NS af b bf ax 0 1 1 02 ( ) ( )x f x x f xx 0 1 2, e NSa x b x x x ( ) ( )NS f b f a 2 1 0( ) ( ) x f x f x Método da Posição Falsa ou Regula FalsiMétodo da Posição Falsa ou Regula Falsi 0 1 1 0( ) ( )x f x x f x ( )f x x x0 1 1 0 2 1 0 ( ) ( ) ( ) ( ) x f x x f xx f x f x 1 1 0 2 1 1 0 ( ) ( ) ( ) f x x x x x f x f x Generalizando: 1 1 1 ( )( ) ( ) ( ) n n n n n n n f x x xx x f x f x Método da Posição FalsaMétodo da Posição Falsa E l 1)(0 f)5/()(f Exemplo 3297,1)(;2 1)(;0 11 00 xfx xfx)5/exp()( xxxf 24 2 2 106,1e 101,2)84476,0( 84476,0 ]85949,0;0[ 016253.0)85949,0( 85949,0 fx fx Método da Posição Falsa ou Regula FalsiMétodo da Posição Falsa ou Regula Falsi C bi ã d ét d Combinação dos métodos: Bisseção: se , então a raiz está n intervalo [a b] ( ) ( ) 0f a f b [a,b] Newton-Raphson: fórmula recursiva sem necessidade Newton Raphson: fórmula recursiva sem necessidade do cálculo da derivada Sempre converge Função côncava ou convexa: um dos extremos é o mesmo em todas as iterações. Solução poderia ser mais ç ç p rápida Método de Newton RaphsonMétodo de Newton-Raphson Mét d i l Método mais popular Pode ser mais complicado derivada, condição inicial B d d i d f t l ã Baseado na derivada para fazer extrapolação ( ) 0 ( )f x f x x0,f(x0) 0 0 0 1 0 0 1 0 ( ) 0 ( )'( ) '( ) f x f xf x x x x x f x x1,f(x1) raiz 1 1 1 2 1 1 2 1 ( ) 0 ( )'( ) '( ) f x f xf x x x x x f x x0x1x2y=f(x) 1 ( ) '( ) n n n nf xx x f x ( )nf Método de Newton RaphsonMétodo de Newton-Raphson f( ) é d dif iá l d i d ã f(x) é duas vezes diferenciável, e suas derivadas são contínuas em [a,b] Expansão em série de Taylor de f(x) em torno da estimativa inicial x forneceestimativa inicial xn fornece 2 1 1 1 ( )( ) ( ) ( ) '( ) ''( ) ... 2 n n n n n n n n x xf x f x x x f x f x Se x é a solução f(x ) = 0 e x é um ponto próximo 2 Se xn+1 é a solução, f(xn+1) = 0, e xn é um ponto próximo. Truncando a série no segundo termo: ( )f 10 ( ) ( ) '( )n n n nf x x x f x 1 ( )'( ) n n n n f xx x f x Método de Newton RaphsonMétodo de Newton-Raphson C ét d d N t di Casos em que o método de Newton diverge Método de Newton RaphsonMétodo de Newton-Raphson R ál l d d i d líti Requer o cálculo da derivada analítica D i d i d l l d i t Derivada aproximada calculada numericamente ( ) ( )'( ) f x x f xf x ( )f x x Este método é muito bom, converge rapidamente, mas para problemas que possam convergir Método de Newton RaphsonMétodo de Newton-Raphson Pode-se mostrar que o método converge quando: f(x), f ‘(x) e f “(x) forem contínuas f ‘(x) for diferente de zero na solução a estimativa inicial estiver próximo à solução exata Problemas de convergência ocorrem tipicamente Problemas de convergência ocorrem tipicamente quando o valor da derivada da função é próximo de zero na vizinhança da solução Método de Newton RaphsonMétodo de Newton-Raphson E l )5/()(f Exemplo )5/exp(2,01)(';0 00 xxfx )5/exp()( xxxf 01353,0 84458,0 1693,1)(' 013145,0)( 8333,0 8333,0 2,1)(' 1)( 0 6 2111 1000 exxfxfx xxfxfx 0 84458,0 1689,1)(' 1014,2)( 8446,0 32 6 21 exxfxfx Método de Newton RaphsonMétodo de Newton-Raphson E l 8 4 5( ) 0 Exemplo: 8 4.5( sen ) 0x x ( ) 8 4.5( sen )f x x x '( ) 4.5(1 cos )f x x Estimativa inicial: x=2 Erro relativo máximo de 10-3 ( ) ( )f ( ) ( )f Erro relativo máximo de 10 3 1 8 4.5( sen ) 4.5(1 cos ) i i i i x xx x x Método de Newton RaphsonMétodo de Newton-Raphson i 1 i=1 2 8 4.5(2 sen 2)2 2.48517 4 5(1 cos 2) x 2 1 2.48517 2 0.24 2 x x i=2 4.5(1 cos 2) 1 2x 3 8 4.5(2.48517 sen 2.48517)2.48517 2.43099 4.5(1 cos 2.48517) x 3 2 2.43099 2.48517 0 02x x i=3 3 2 2 2.43099 2.48517 0.02 2.48517 x x x 4 8 4.5(2.43099 sen 2.43099)2.43099 2.43046 4.5(1 cos 2.43099) x 2 43046 2 430993 2 3 2.43046 2.43099 0.0002 2.43099 x x x Solução: 2.43 Algoritmo do método de NewtonAlgoritmo do método de Newton function [res v x it]=fnewton(func dfunc x tol)function [res,v_x,it]=fnewton(func,dfunc,x,tol) %subrotina para calculo de raiz usando metodo de Newton %entrada: funcao e derivada analitica %entrada:x é um valor inicial , tol é a precisao desejada %saida: res é a raiz v x é o vetor com o valor de x em cada interacao e it%saida: res é a raiz, v_x é o vetor com o valor de x em cada interacao e it %o numero de interacoes it=0; x0=x; v x=[];v_x=[]; d=feval(func,x0)/feval(dfunc,x0); while abs(d)>tol v x=[v x x0]; 1 ( ) '( ) n n n n f xx x f x v_x=[v_x x0]; x1=x0-d; it=it+1; x0=x1; d=feval(func x0)/feval(dfunc x0);d=feval(func,x0)/feval(dfunc,x0); end res=x0; Algoritmo do método de Newton function Xs = NewtonRoot(Fun,FunDer,Xest,Err,imax) % NewtonRoot encontra a raiz de Fun = 0 proxima ao ponto Xest usando o metodo de Newton. % Variaveis de entrada: % Fun Nome (string) do arquivo com a funcao que calcula Fun para um dado x. % FunDir Nome (string) do arquivo com a function que calcula a derivada de % Fun para um dado x. % Xest Estimativa inicial da solucao% Xest Estimativa inicial da solucao. % Err Erro maximo. % imax Numero maximo e iteracoes %Variaveis de saida: % Xs Solucao for i = 1:imax Xi = Xest - feval(Fun,Xest)/feval(FunDer,Xest); if abs((Xi Xest)/Xest) < Errif abs((Xi - Xest)/Xest) < Err Xs = Xi; break end Xest = Xi; end if i == imax fprintf('Solucao nao foi obtida em %i iteracoes \n' imax)fprintf( Solucao nao foi obtida em %i iteracoes.\n ,imax) Xs = (‘Sem resposta’); end Método da SecanteMétodo da Secante N t i t ã d i t t Newton: xn+1 interseção do eixo x com a tangente em xn Secante: xn+1 interseção do eixo x com a secante da curva entre xn-1e xn xn 1,f(xn 1) Secante xn,f(xn) xn-1,f(xn-1) raiz xn-1xn xn+1 y=f(x) Método da SecanteMétodo da Secante ( ) ( ) ( ) 0f x f x f x Inclinação da secante: 1 2 2 1 2 2 3 ( ) ( ) ( ) 0f x f x f x x x x x 1 2 3 2 2( ) ( ) ( ) x x x x f x f f Isolando x3: 3 2 2 1 2 ( ) ( ) ( ) f f x f x 1 1 1 ( ) ( ) ( ) n n n n n n n x x x x f x f x f x 1n n Método da SecanteMétodo da Secante A d ti ti i i i d t d l d d As duas estimativas inicias podem estar de um lado da solução ou a solução pode estar entre os dois pontos Método da SecanteMétodo da Secante Fórmula recursiva: Fórmula recursiva: 1 1 ( ) n nx xx x f x 1 ( ) ( )'( ) n nn f x f xf x Portanto o método da secante é uma aproximação do 1 1 ( ) ( ) ( )n n n n n x x f x f x f x 1( )n n nf x x Portanto, o método da secante é uma aproximação do método de Newton Vantagem do método da secante: não é necessário o cálculo da derivada analítica Desvantagem: necessidade de duas estimativas iniciaises a age ecess dade de duas es a as c a s Algoritmo do método da SecanteAlgoritmo do método da Secante function [res v x it]=fsecante1(func x0 x1 tol)function [res,v_x,it]=fsecante1(func,x0,x1,tol) it=0; v_x=[]; d=feval(func,x1)*(x1-x0)/(feval(func,x1)-feval(func,x0)); while abs(d)>tol v x=[v x x1];v_x [v_x x1]; x2=x1-d; it=it+1; x0=x1; 1 1 1 ( ) ( ) ( ) n n n n n n n x xx x f x f x f x ; x1=x2; d=feval(func,x1)*(x1-x0)/(feval(func,x1)-feval(func,x0)); end res=x1; %res=x2 equivalente it; Algoritmo do método da Secante function Xs = SecantRoot(Fun,Xa,Xb,Err,imax) % SecantRoot encontra a raiz de Fun = 0 usando o metodo da secante. % Variaveis de entrada: % Fun Nome (string) do arquivo com a funcao que calcula Fun para dado x% Fun Nome (string) do arquivo com a funcao que calcula Fun para dado x. % a, b Dois pontos vizinhos a raiz (do mesmo lado da raiz ou em lados opostos). % Err Erro maximo. % imax Maximo numero de iteracoes %Variaveis de saida: % Xs Solucao for i = 1:imaxfor i = 1:imax FunXb = feval(Fun,Xb); Xi = Xb - FunXb*(Xa-Xb)/(feval(Fun,Xa)-FunXb); if abs((Xi - Xb)/Xb) < Err(( ) ) Xs = Xi; break end Xa = Xb;Xa = Xb; Xb = Xi; end if i == imax fprintf('Solucao nao foi obtida em %i iteracoes.\n',imax) Xs = ('Sem solucao'); end Exercício 1Exercício 1 E l 3 2 Exemplo: Z ? N i t õ ? 3 210 29 20 0x x x Zero? No interações? 100 0a) 7x 50 ( x ) 0) 0b) 2x 0 f ( ac) Usar ginput para achar 3 raiz 0 2 4 6 8 0 xx Exercício 1Exercício 1 El b l it M tl b l l í d li ô iElabore um algoritmo em Matlab que calcule as raízes do polinômio: 3 210 29 20 0x x x Pede-se ainda: Faça um gráfico da função para mapeá-la. Use o comando ginput para auxiliar a encontrar a estimativa inicial das raízes. Teste diferentes métodos de solução (bisseção, falsa posição, newton, secante) e compare-os em termos da velocidade de convergência (número de iterações) e do valor encontrado paraa raiz. Teste ainda diferentes estimativas iniciais (por exemplo, 7 e -2), verificando a sensibilidade do método. Exercício 1 SoluçãoExercício 1 - Solução E l 3 2 100 Exemplo: 3 210 29 20 0x x x function F=f302(x); F=x.^3-10*x.^2+29*x-20; 40 60 80 x ) f(x) interacoes de Newton F x. 3 10 x. 2+29 x 20; function F=f303(x); F=3*x.^2-20*x+29; 0 20 40 f ( x %calcular raiz com Newton, derivada analítica [x_N,v_x_N,it_N]=fnewton('f302','f303',7,0.00005); 0 2 4 6 8 -20 x v_x=0:0.1:8; plot(v_x,f302(v_x),v_x_N,f302(v_x_N),'ob') xlabel('x'); ylabel('f(x)');xlabel( x ); ylabel( f(x) ); legend('f(x)','interacoes de Newton') grid on fprintf('Raizes de Newton: %6.4f\n',x_N) it_N Exercício 1 SoluçãoExercício 1 - Solução Exemplo: 3 210 29 20 0x x x %calcular raiz com Secante, derivada numérica [x_sec,v_x_sec,it_sec]=fsecante1('f302',4.5,7,0.00005); Testar diferentes intervalosfigure plot(v_x,f302(v_x),v_x_sec,f302(v_x_sec),'ob') xlabel('x'); ylabel('f(x)'); legend('f(x)','interacoes - Secante') id Testar diferentes intervalos grid on fprintf('Raizes de secante: %6.4f\n',x_sec) it sec 100 _ %teste ginput v_x=0:0.1:8; 40 60 80 ( x ) f(x) interacoes - Secante figure plot(v_x,f302(v_x)) xlabel('x'); ylabel('f(x)'); legend('f(x)') title('testar ginput') 0 20 40 f ( legend('f(x)') title('testar ginput') grid on aprox_3=ginput(3) 0 1 2 3 4 5 6 7 8 -20 x Exercício 2Exercício 2 Repita o que pede o exercício anterior para as seguintes EANL 0cos a) 3 xex (adicionalmente, use o comando fzero do Matlab) 01 c) 01sin b) 5 x /x)( 0484410103 d) 2345 xxxxx Atenção: explore cada exemplo, imprimindo tabelas com histórico de convergência, solução para diferentes estimativas iniciais etc. Exercício 3 O fator de fricção de Darcy fD é utilizado em cálculos de 184000 escoamento de fluidos. Para regime turbulento, o fator de fricção pode ser calculado pela seguinte expressão: 0.5 0.5 Re 1 / 2.51( ) 0.86858ln 3.7D D D DF f f N f Re 184000 0.00015 ft 0 17225 ft N D 0.17225 ftD onde NRe é o número de Reynolds, é a rugosidade do da tubulação e D o diâmetro do tubotubulação e D o diâmetro do tubo. Elabore um programa em Matlab que calcule o fator de fricção parap g q ç p diferentes diâmetros, fazendo um gráfico de fator de fricção versus diâmetro. No mesmo gráfico, trace curvas para diferentes rugosidades Atenção para a estimativa inicial!rugosidades. Atenção para a estimativa inicial! Sistemas não Lineares de Equações AlgébricasSistemas não Lineares de Equações Algébricas Qualquer sistema de equações algébricas que não Qualquer sistema de equações algébricas que não puder ser expresso na forma matricial típica de um sistema linear será, portanto, um SISTEMA NÃO p LINEAR. F nção m lti ariá el ( ) 0 1 2f i Função multivariável 1 2( , ,..., ) 0 1,2,...,i nf x x x i n Métodos numéricos (extensão do problema de zero de função): Newton-Raphson é o mais utilizado. Embora não tenha convergência garantida, é um dos métodos mais eficientes, possui uma elevada velocidade de convergência. Sistemas não Lineares de EASistemas não Lineares de EA Si t ã li é i 0x,...,x,xf 211 Sistema não linear genérico: 0x,...,x,xf , ,, n212 n211 Expansão em série de Taylor 0x,...,x,xf n21n 1 1 1 111 1 2 1 1 2 1 1 1 , ,..., 0 , ,..., k k k k k k k k k n n x x ff x x x f x x x x x x 1 11 12 2 2 ... k k k k k k n n nx x x x f fx x x x x x 1 1 12 1 2 2 1 2, ,..., 0 , ,...,k k k k k kn nf x x x f x x x 12 1 1 1 k k k x x f x x x f f 1 12 22 2 2 ... k k k k k k n n nx x x x f fx x x x x x Sistemas não Lineares de EASistemas não Lineares de EA E ã é i d T l Expansão em série de Taylor 1 1 11 1 11 1 2 1 1 2 20 , ,..., ...k k k k k k k k kn n nf f ff x x x x x x x x xx x x 1 2 1 1 12 2 2 k k knx x x x x x k k k k k k k k k x x x f f ff 1 1 12 2 22 1 2 1 1 2 2 1 2 0 , ,..., ... k k k k k k k k k k k k n n n nx x x x x x f f ff x x x x x x x x x x x x Rearrumando, k k k k 1 k k 1 k k 1 k1 1 11 1 2 n 1 1 2 2 n nf f ff x ,x ,...,x x x x x ... x x k k k 1 1 2 n 1 1 2 2 n n 1 2 nx x x x x x k k k k 1 k k 1 k k 1 k2 2 2 2 1 2 n 1 1 2 2 n n f x ,x ,...,x x x x x ... x x x x x f f ff x ,x ,...,x x x x x ... x x k k k 2 1 2 n 1 1 2 2 n n 1 2 nx x x x x x , , , x x x Sistemas de EA não linearesSistemas de EA não-lineares N f t i i l Na forma matricial, 1 1 1f f f 1 2 nk k k k 1 1 1 2 n 1 2 2 2k k k x x x f x ,x ,...,x x f f f f k k k x x x x x x k 1 k 1 k x 2 2 2k k k 2 1 2 n 1 1 1 k k k f x ,x ,...,x x x x k k k x x x x x x k 1 k 2 2 k 1 k x x k k kn 1 2 n n n n 1 1 1 f x ,x ,...,x f f f x x x x x x x x x k 1 kn nx x 1 1 1k k k x x x x x x kF kJMatriz Jacobiano 1 kk x x 1 1k k k k x x J F kJMatriz Jacobiano Calcular a cada interação -1kJ Exercício 4 EquilíbrioExercício 4 - Equilíbrio P i t bi á i ilíb i LV (lí id ) ã Para um sistema binário em equilíbrio LV (líquido-vapor), a pressão de cada componente em cada fase é dada por: 0P PLí id 0(1 )P P01 1P xPLíquido: Vapor: 1P yP 2 (1 )P y P 0 2 2(1 )P x P onde a pressão de vapor de cada componente na temperatura T é dada pela equação de Antoine: 1 3848,1A 2 4328,1A A0 1 1 , 17,532B 2 2 , 17,913B i i i BT AP 0ln No equilíbrio, a pressão da fase vapor é a mesma da fase líquida. A pressão total de uma fase, por sua vez, é dada pela soma das pressões parciais:p p 0 0 1 2(1 )P xP x P Exercício 4 EquilíbrioExercício 4 - Equilíbrio P d l b M tl b Pede-se para elaborar um programa em Matlab que: Para uma mistura binária equimolar a uma pressão P =760 mmHg, calcule a temperatura no equilíbrio.p q Para a mesma mistura, trace um gráfico T versus P. Trace um gráfico contendo curvas T versus composição (x) para diferentes pressões. Para o primeiro item, pelo menos, compare a solução pelos métodos fzero da secante e Newton (usando derivada analítica e numérica) Afzero, da secante e Newton (usando derivada analítica e numérica). A derivada analítica da função é dada por: 1 1 2 2 0 0 / /1 2 1 1 2 2 2 2 2 (1 ) (1 )'( ) A T B A T BxA x A xAP x A Pf T e e T T T Exercício 5 Equação de Estado (SRK)Exercício 5 – Equação de Estado (SRK) A ã d t d d S R dli h K (SRK) A equação de estado de Soave-Redlich-Kowng (SRK) para um componente pode ser escrita na forma cúbica: 3 2 2( ) 0Z Z A B B Z AB Sendo ( ) 0Z Z A B B Z AB 2 2 2 T 2 2 0, 4278 0,0867c c c c R T R Ta b P P 1 1 c Ts T 2 2 a P b PA B R T RT 48508.055171.115613.0 2 wws onde Tc e Pc são a temperatura crítica e a pressão crítica, respectivamente, w é o fator acêntrico Exercício 5 Equação de Estado (SRK)Exercício 5 – Equação de Estado (SRK) El b l it M tl b l l f t d Elabore um algoritmo em Matlab que calcule o fator de compressibilidade de um componente nas seguintes condições: 500 1 a 40 atm 1 atm = 101325PaT K P 0,1931 425,2 3799kPa 8314c c w T P R Observe que 3 raízes são encontradas, porém apenas uma é real e portanto útil.portanto útil. De posse do valor de Z, é possível calcular o volume molar ocupado l ápelo gás: RT VPZ Exercício 5 Equação de Estado (SRK)Exercício 5 – Equação de Estado (SRK) C f t d ibilid d d ã id lid d d Como o fator de compressibilidade mede a não-idealidade de um gás, pede-se que o programa: Calcule o Z para diferentes temperaturas a uma dada Pp p Calcule o volume molar real e ideal Trace um gráfico do volume molar real versus ideal para as diferentes Trace um gráfico do volume molar real versus ideal para as diferentes pressões. No mesmo gráfico, trace uma linha pontilhada de 45º (para servir de comparação dos pontos).p ç p ) Trace um gráfico de Z versus T. Adicionalmente, trace uma linha pontilhada para representar a idealidade (Z=1). Exercício 6 Equilíbrio QuímicoExercício 6 – Equilíbrio Químico D õ l l f d C Duas reações ocorrem em paralelo formando C: 1k2A +B C 2kA +D C As constantes de equilíbrio de cada reação são dadas por: 45 10CCK 24 10CCK 1 2 5 10C A B K C C 1 4 10C A D K C C onde CA, CB, CC e CD são as concentrações de cada reagente no equilíbrio que podem ser calculadas pelo seguinte balanço de massa:massa: Exercício 6 Equilíbrio Químico B l d Exercício 6 – Equilíbrio Químico Balanço de massa: ,0 1 ,0 2 ,0 1 22 40 30 10 (1 ) 15 15 A A B DC C x C x C x x C C 1 ,0 1 ,0 1 ,0 2 ,0 1 2 2 0 2 (1 ) 15 15 15 10 (1 ) 10 10 B B C C B D D D C x C x C C x C x C x x C x C x Onde x1 e x2 são as conversões de cada reação. As concentrações de alimentação de cada reagente são (kmol/m3): 2 ,0 2(1 ) 10 10D DC x C x de alimentação de cada reagente são (kmol/m ): ,0 ,0 ,0 ,040 15 0 10A B C DC C C C Deseja-se saber quais as conversões de cada reação no equilíbrio. Exercício 6 Equilíbrio Químico P t t d l b l it M tl b Exercício 6 – Equilíbrio Químico Para tanto, pede-se para elaborar um algoritmo em Matlab que calcule as conversões no equilíbrio. Adicionalmente, pede-se: Teste diferentes estimativas iniciais e trace um gráfico contendo duasg curvas: x1 versus estimativa de K1 e x2 versus estimativa de K1. faça o mesmo para diferentes estimativas de K2. Como se comporta o gráfico? O que isso significa? Mantendo uma estimativa inicial, calcule as conversões para diferentes concentrações de alimentação de A e trace um gráfico x1 e x2 versus CA0. Exercício 7 CombustãoExercício 7 – Combustão U â d b tã i t d Uma câmara de combustão queima propeno como mostrado na Figura abaixo. Através do balanço de massa atômico é possível calcular a composição do gás de combustãocomposição do gás de combustão 1 2 P3n n n 2 3 8n n n 1 2 3 A2 0.21n n n n 5 A0.79n n C : H : O : N : 3 4 P2 3 8n n n 5 A0.79n nH : N : Exercício 7 CombustãoExercício 7 – Combustão El b l it M tl b l l i ã d á Elabore um algoritmo em Matlab que calcule a composição do gás de combustão para uma base de cálculo nA = 100 moles/h e diferentes vazões de ar (2000 a 3000 moles/h). Trace um gráfico da fração molar de CO e H2O para cada vazão de ar. Se a reação for considerada a equaçãoCO + H O H + CO Se a reação for considerada, a equação para o balanço atômico do N2 deve ser: CO + H2O H2 + CO2 1 4 2 3 0n n K T n n Considerando K =25, resolva o mesmo problema anterior. 1 4 2 3 0n n n n Para uma dada vazão de entrada, compare as duas solução e comente.
Compartilhar