Modelamiento de fluidos en medios porosos y Aplicaciones

Tamaño: px
Comenzar la demostración a partir de la página:

Download "Modelamiento de fluidos en medios porosos y Aplicaciones"

Transcripción

1 UNIVERSIDADE DO ESTADO DO RIO DE JANEIRO IPRJ-UERJ Modelamento de fludos en medos porosos y Aplcacones Marella Janette Berrocal Tto mabet99@yahoo.com Antono José da Slva Neto Francsco Duarte Moura Neto

2 QUE SON MEDIOS POROSOS? Medo poroso: es aquel medo que tene huecos entre las partículas de las que esta compuesto. Fludo: se defne como una sustanca que sufre una deformacón contnua cuando se le aplca un esfuerzo cortante. Lqudos y gases.

3 En 1856 el ngenero Henry Darcy expermentalmente encontró la sguente relacón. Que el caudal de agua que atravesa un medo poroso depende del gradente de presón Factores geométrcos la longtud el area del medo Permeabldad: conductvdad hdraúlca Q KA h L

4 Q Caudal area*velocdad v Permeabldad Q A KA K k µ K h L h L Vscosdad propedad de un fludo que tende a oponerse a su fluo cuando se le aplca una fuerza. Los fludos de alta vscosdad presentan una certa resstenca a flur; los fludos de baa vscosdad fluyen con facldad. v k µ P

5 Que necestamos para modelar un fludo en un medo poroso Necestamos de: v k µ p Ec. gobernante de fluo Ley de Darcy dv v 0 Ec. Conservacón o de Balance del fluo Para determnar el camno de una perturbacón: d φ dt v x d φ dx v y d φ dy 0

6 Por que se estuda y se modela el paso del fludo en un medo poroso? En la explotacón del petróleo En la agrcultura transporte de contamnantes en aguas subterraneas. En medo ambente para smular accdentes evaluar daños prevenr posbles accdentes por contamnacón ambental. n procesos ndustrales cosntruccón de qupos fltros torres de absorcón etc

7 Por que se desea conocer la permeabldad de un medo poroso? En la ndustra del petróleo INYECTOR SUCCIÓN AGUA Rocas mpermeables - Para determnar el camno que sgue el fludo - En que lugares pueden ser colocados los pozos - Que caldad de agua se debe de usar RESERVORIO PETRÓLEO

8 Contamnacón en aguas subterraneas - Evaluar posbles daños - Prevenr de posbles accdentes

9 Quenes desarrollan o emplean estos modelos? -Matemátca -Físca -Ing. químca -Ing. petroquímca -Ing. Cvl -Ing. Ambental -Ing. Agrícola -Ing. Metalúrgca -Geólogos -etc

10 Cómo se determna el campo de velocdades? Para determnar el campo de velocdades es necesaro dscretzar el medo Metodos usados para dscretzar el domno -Método de dferencas fntas -Método de elementos fntos -Método de volumen fntos 00

11 Dscretzacón del domno Ly pij p1 p-1 p p1 p1 p-1 p11 p1 00 I5 J5 Lx

12 Defnmos: p1 ps1 pn y po-1 p-1 po p pe po1 p1 ps pn-1 Condcón de Drchlet: p-1 x pn ps 1 ps pn 1 pe po 1 po pe 1

13 Defnmos: p1 vs1 vn p-1 uw-1 uo p ue uo1 p1 vs vn-1 p-1 Condcón de Neuman: vn vs 1 ue uo 1 vs vn 1 uo ue 1 pn ps 1 β vn vs 1 Condcón de Robn: pe ps 1 β ve vo 1...

14 y vs vn x uo ue f v dv f x po pe p p uo ue k µ x ps pn p p vs vn k µ p k v µ ue uo pe po x x f γ γ γ γ β ξ 1 p γ vn vs pn ps y y γ γ γ γ β ξ 1 ξ Luego la Ecuacón de balance de masa: y la ecuacón de Darcy: 0 v p k µ

15 y x Eemplo Con esta ecuacón podemos encontrar la dstrbucón de las presones y el campo de velocdades P 0-1 y 0 - y 0 0 x x

16 Cómo se modela una perturbacón? Métodos que se emplean? Una vez determnado el campo de velocdades Podemos determnar el comportamento de una perturbacón en el tempo d φ dt v x dx dy Se emplean en la dscretzacón del domno y del tempo -Método de dferencas fntas d φ -Método de lagrangeano de curvas de nvel v y d φ 0

17 Y smular la trayectora de un trazador Ly Según las poscones de las fuentes Obtenemos el campo de velocdades 00 Lx y y

18 Y smular la trayectora de un trazador En tempo crecente s Resultado obtendo con el metodo sem lagrangeano de las curvas de nvel 1 8 6

19 Y smular la trayectora de un trazador En tempo decrecente s. Resultado obtendo con el método de dferenca fntas

20 esultados

21 agua dulce agua salada medo poroso saturado por agua salada mas densa y vscosa que el agua dulce

22 Resultados obtendos por Moura Neto y Goncalves agua salada agua dulce medo poroso saturado por agua dulce menos densa y vscosa que el agua salada

23 n que trabaamos? En tratar de estmar la permeabldad del medo a partr de la presón medda en los: pozos nyectores: f y pozos productores: f

24 omo lo resolvemos? S conocemos la geometra de los medos que forman el domno y tenemos mas ncógntas que datos podemos utlzar los metodos de mínmos cuadrados y Levenberg Marquardt Eemplo Ly k1 k3 meddas de presón k meddas de presón 00 Lx 3 ncogntas 0 datos

25 Resultados Medo Heterogéneo Ly k10.5 k0.3 k30.7 Ly 00 Lx 00 Lx aprox. k1 aprox. k aprox. k aprox. k1 aprox. k aprox. k k k teracones teracones Rudo menores a 1.5%

26 y s? queremos saber la geometra de las regones y conocemos los posbles valores que puedan estar formado el medo. Eemplo Este problema es resuelto con una estratega de resstenca medas

27 lgunos eemplos donde estmamos forma y los alores de la permeabldad en un medo poroso onsderando meddas externas de presón 3 k1 k5k1 3 k1 k K Segumos trabaando para meorar nuestros resultados hasta la proxma...

EL MÉTODO DE DIFERENCIAS FINITAS POR GUILLERMO HERNÁNDEZ GARCÍA

EL MÉTODO DE DIFERENCIAS FINITAS POR GUILLERMO HERNÁNDEZ GARCÍA EL MÉTODO DE DIFERENCIAS FINITAS POR GUILLERMO HERNÁNDEZ GARCÍA . El Método de Dferencas Fntas El Método consste en una aproxmacón de las dervadas parcales por expresones algebracas con los valores de

Más detalles

Variables Aleatorias. Variables Aleatorias. Variables Aleatorias. Objetivos del tema: Al final del tema el alumno será capaz de:

Variables Aleatorias. Variables Aleatorias. Variables Aleatorias. Objetivos del tema: Al final del tema el alumno será capaz de: Varables Aleatoras Varables Aleatoras Objetvos del tema: Concepto de varable aleatora Al fnal del tema el alumno será capaz de: Varables aleatoras dscretas y contnuas Funcón de probabldad Funcón de dstrbucón

Más detalles

Ramas de la Química Física Parte que aplica los conceptos fundamentales de la física a la química

Ramas de la Química Física Parte que aplica los conceptos fundamentales de la física a la química Conocmento en las Cencas Naturales Medcna Bología Químca Físca Métodos Químco Físcos Matemátca 1 Ramas de la Químca Físca QUÍMICA FÍSICA ermodnámca arte que aplca los conceptos fundamentales de la físca

Más detalles

VISCOSIDAD. Ley de Newton. Ing. Rubén Marcano

VISCOSIDAD. Ley de Newton. Ing. Rubén Marcano VISCOSIDAD Ley de Newton Ing. Rubén Marcano VISCOSIDAD La vscosdad expresa la facldad que tene un fludo para flur cuando se le aplca una fuerza externa. El coefcente de vscosdad absoluta o smplemente la

Más detalles

Aplicación de curvas residuo y de permeato a sistemas batch y en continuo

Aplicación de curvas residuo y de permeato a sistemas batch y en continuo Aplcacón de curvas resduo de permeato a sstemas batch en contnuo Alan Dder érez Ávla En el presente trabajo se presentara de manera breve como obtener las ecuacones que generan las curvas de resduo, de

Más detalles

Introducción a Vacío

Introducción a Vacío Introduccón a Vacío Sstema de vacío Partes generales de un sstema de vacío: Fgura 1: Sstema de vacío con bomba mecánca y dfusora Fgura 2: Prncpo de funconamento de la bomba mecánca La Fg. 2 muestra el

Más detalles

IES Menéndez Tolosa (La Línea) Física y Química - 1º Bach - Gráficas

IES Menéndez Tolosa (La Línea) Física y Química - 1º Bach - Gráficas IES Menéndez Tolosa (La Línea) Físca y Químca - 1º Bach - Gráfcas 1 Indca qué tpo de relacón exste entre las magntudes representadas en la sguente gráfca: La gráfca es una línea recta que no pasa por el

Más detalles

DISTRIBUCIONES BIDIMENSIONALES

DISTRIBUCIONES BIDIMENSIONALES Matemátcas 1º CT 1 DISTRIBUCIONES BIDIMENSIONALES PROBLEMAS RESUELTOS 1. a) Asoca las rectas de regresón: y = +16, y = 1 e y = 0,5 + 5 a las nubes de puntos sguentes: b) Asgna los coefcentes de correlacón

Más detalles

HIDRAULICA EN MEDIOS POROSOS GRUESOS PARA SISTEMAS DE DRENAJE Y FLOCULACION

HIDRAULICA EN MEDIOS POROSOS GRUESOS PARA SISTEMAS DE DRENAJE Y FLOCULACION HIDRAULICA EN MEDIOS POROSOS GRUESOS PARA SISTEMAS DE DRENAJE Y FLOCULACION NOMBRE: Marcelo Muñoz Rodríguez (*) Ingenero Cvl, especalzacón Hdráulca, Escuela Poltécnca naconal, Quto Ecuador, 1973. Especalzacón

Más detalles

TEMA 3. VARIABLE ALEATORIA

TEMA 3. VARIABLE ALEATORIA TEMA 3. VARIABLE ALEATORIA 3.. Introduccón. 3... Dstrbucón de Probabldad de una varable aleatora 3... Funcón de Dstrbucón de una varable aleatora 3.. Varable aleatora dscreta 3... Funcón masa de probabldad

Más detalles

FUNDAMENTOS QUIMICOS DE LA INGENIERIA

FUNDAMENTOS QUIMICOS DE LA INGENIERIA FUNDAMENTOS QUIMICOS DE LA INGENIERIA (BLOQUE DE INGENIERIA QUIMICA) GUION DE PRACTICAS DE LABORATORIO ANTONIO DURÁN SEGOVIA JOSÉ MARÍA MONTEAGUDO MARTÍNEZ INDICE PRACTICA PAGINA BALANCE MACROSCÓPICO DE

Más detalles

5 Centrales Hidráulicas

5 Centrales Hidráulicas Curso SmSEE IIE 2012 Cap. 5 pág 1/6 5 Centrales Hdráulcas 5.1 Centrales Hdráulcas con Embalse En el caso de centrales con embalses, tendremos que agregar restrccones adconales para mponer los límtes de

Más detalles

ELECTRICIDAD Y MAGNETISMO FIZ 1300 FIS 1532 (6a)

ELECTRICIDAD Y MAGNETISMO FIZ 1300 FIS 1532 (6a) ELECTRICIDAD Y MAGNETISMO FIZ 1300 FIS 1532 Rcardo Ramírez Facultad de Físca, Pontfca Unversdad Católca, Chle 1er. Semestre 2008 Corrente eléctrca CORRIENTE ELECTRICA Corrente eléctrca mplca carga en movmento.

Más detalles

Tema 21: Distribución muestral de un estadístico

Tema 21: Distribución muestral de un estadístico Análss de Datos I Esquema del Tema 21 Tema 21: Dstrbucón muestral de un estadístco 1. INTRODUCCIÓN 2. DISTRIBUCIÓN MUESTRAL DE LA MEDIA 3. DISTRIBUCIÓN MUESTRAL DE LA PROPORCIÓN Bblografía * : Tema 15

Más detalles

Estimación del consumo del consumo diario de gas a partir de lecturas periódicas de medidores

Estimación del consumo del consumo diario de gas a partir de lecturas periódicas de medidores Estmacón del consumo del consumo daro de gas a partr de lecturas peródcas de meddores S.Gl, 1, A. Fazzn, 3 y R. Preto 1 1 Gerenca de Dstrbucón del ENARGAS, Supacha 636- (18) CABA- Argentna Escuela de Cenca

Más detalles

UNIVERSIDAD TECNOLÓGICA NACIONAL - FACULTAD REGIONAL ROSARIO. Departamento de Ingeniería Química - Cátedra Integración IV

UNIVERSIDAD TECNOLÓGICA NACIONAL - FACULTAD REGIONAL ROSARIO. Departamento de Ingeniería Química - Cátedra Integración IV UNIRIDD NOLÓGI NIONL - ULD RGIONL RORIO Departamento de Ingenería Químca - átedra Integracón I Modelado de equpos especales: Reactor según modelo de an de usse ea el proceso cuyo dagrama de fluo se representa

Más detalles

EJERCICIOS SOBRE INTERPOLACIÓN POLINOMIAL. x x0 y y0. Deducir la fórmula para el polinomio de Lagrange de grado a lo más uno que Interpola la tabla.

EJERCICIOS SOBRE INTERPOLACIÓN POLINOMIAL. x x0 y y0. Deducir la fórmula para el polinomio de Lagrange de grado a lo más uno que Interpola la tabla. EJERCICIOS SOBRE INTERPOLACIÓN POLINOMIAL. Consdere la sguente tabla, donde 0 : 0 y y0 y Deducr la fórmula para el polnomo de Lagrange de grado a lo más uno que Interpola la tabla.. Consdere la sguente

Más detalles

CANTIDADES VECTORIALES: VECTORES

CANTIDADES VECTORIALES: VECTORES INSTITUION EDUTIV L PRESENTION NOMRE LUMN: RE : MTEMÁTIS SIGNTUR: GEOMETRÍ DOENTE: JOSÉ IGNIO DE JESÚS FRNO RESTREPO TIPO DE GUI: ONEPTUL - EJERITION PERIODO GRDO N FEH DURION 3 11 3 JULIO 26 DE 2013 9

Más detalles

CAPÍTULO 4 MARCO TEÓRICO

CAPÍTULO 4 MARCO TEÓRICO CAPÍTULO 4 MARCO TEÓRICO Cabe menconar que durante el proceso de medcón, la precsón y la exacttud de cualquer magntud físca está lmtada. Esta lmtacón se debe a que las medcones físcas sempre contenen errores.

Más detalles

INSTRUMENTACIÓN Y TÉCNICAS DE MEDIDA. EL AMPLIFICADOR DE POTENCIA

INSTRUMENTACIÓN Y TÉCNICAS DE MEDIDA. EL AMPLIFICADOR DE POTENCIA PÁCTICA 1. INSTUMENTACIÓN Y TÉCNICAS DE MEDIDA. EL AMPLIFICADO DE POTENCIA 1.1 Objetvos El objetvo de esta práctca consste en presentar los nstrumentos y las técncas de medda habtualmente utlzadas para

Más detalles

Figura 1

Figura 1 5 Regresón Lneal Smple 5. Introduccón 90 En muchos problemas centífcos nteresa hallar la relacón entre una varable (Y), llamada varable de respuesta, ó varable de salda, ó varable dependente y un conjunto

Más detalles

3 - VARIABLES ALEATORIAS

3 - VARIABLES ALEATORIAS arte Varables aleatoras rof. María B. ntarell - VARIABLES ALEATORIAS.- Generaldades En muchas stuacones epermentales se quere asgnar un número real a cada uno de los elementos del espaco muestral. Al descrbr

Más detalles

CAPÍTULO IV. MEDICIÓN. De acuerdo con Székely (2005), existe dentro del período información

CAPÍTULO IV. MEDICIÓN. De acuerdo con Székely (2005), existe dentro del período información IV. Base de Datos CAPÍTULO IV. MEDICIÓN De acuerdo con Székely (2005), exste dentro del período 950-2004 nformacón representatva a nvel naconal que en algún momento se ha utlzado para medr la pobreza.

Más detalles

CAPÍTULO IV: MODELOS MATEMÁTICOS Y MODELOS EN RED

CAPÍTULO IV: MODELOS MATEMÁTICOS Y MODELOS EN RED Modelo en red para la smulacón de procesos de agua en suelos agrícolas. CAPÍTULO IV: MODELOS MATEMÁTICOS Y MODELOS EN RED IV.1 Modelo matemátco 2-D Exsten dos posbldades, no ndependentes, de acuerdo con

Más detalles

Hidrología superficial

Hidrología superficial Laboratoro de Hdráulca Ing. Davd Hernández Huéramo Manual de práctcas Hdrología superfcal 7o semestre Autores: Héctor Rvas Hernández Juan Pablo Molna Agular Rukmn Espnosa Díaz alatel Castllo Contreras

Más detalles

1. Sistemas Físicos 1

1. Sistemas Físicos 1 1. Sstemas Físcos 1. Sstemas Físcos 1 1.1. Introduccón 1.. Sstemas Mecáncos 3 1.3. Sstemas Eléctrcos 5 1.4. Sstemas Hdráulcos 7 1.5. Sstemas Múltples 11 1 1.1. Introduccón Sstemas lneales y no lneales.

Más detalles

Facultad de Química. UNAM Alejandro Baeza

Facultad de Química. UNAM Alejandro Baeza Facultad de Químca. UNM lejandro Baeza.006 Químca nalítca Instrumental I nálss de mezclas por espectrofotometría. Documento de apoyo. Dr. lejandro Baeza. Semestre 007-I.0 Selectvdad espectral en espectrofotometría

Más detalles

ICI3140 Métodos Numéricos. Profesor : Dr. Héctor Allende-Cid

ICI3140 Métodos Numéricos. Profesor : Dr. Héctor Allende-Cid ICI3140 Métodos Numércos Proesor : Dr. Héctor Allende-Cd e-mal : hector.allende@ucv.cl Proyecto Tópcos: Numercal Optmzaton Mínmos Cuadrados Numercal Lnear Algebra: SVD QR NMF Dmensonalty Reducton PCA ICA

Más detalles

EQUILIBRIO DE UN CUERPO RIGIDO

EQUILIBRIO DE UN CUERPO RIGIDO Manual e Laboratoro e ísca I C - UNMSM EQUILIBRIO E UN CUERPO RIGIO EXPERIENCIA Nº 6 Cuerpo rígdo: La dstanca entre dos puntos cualesquera del cuerpo permanece nvarante en el tempo. I. OBJETIVOS - Estudar

Más detalles

Reconciliación de datos experimentales. MI5022 Análisis y simulación de procesos mineralúgicos

Reconciliación de datos experimentales. MI5022 Análisis y simulación de procesos mineralúgicos Reconclacón de datos expermentales MI5022 Análss y smulacón de procesos mneralúgcos Balances Balances en una celda de flotacón En torno a una celda de flotacón (o un crcuto) se pueden escrbr los sguentes

Más detalles

75.12 ANÁLISIS NUMÉRICO I. TRABAJO PRÁCTICO Nº 1 1er. Cuatrimestre Modelo simplificado de un horno de calentamiento de planchones de acero

75.12 ANÁLISIS NUMÉRICO I. TRABAJO PRÁCTICO Nº 1 1er. Cuatrimestre Modelo simplificado de un horno de calentamiento de planchones de acero Análss umérco I acultad de Ingenería-UBA 75.2 AÁLISIS UMÉRICO I ACULAD DE IGEIERÍA UIVERSIDAD DE BUEOS AIRES RABAJO PRÁCICO º er. Cuatrmestre 200 Modelo smplfcado de un horno de calentamento de planchones

Más detalles

PROBABILIDAD Y ESTADÍSTICA

PROBABILIDAD Y ESTADÍSTICA FACULTAD DE INGENIERÍA U N A M PROBABILIDAD Y ESTADÍSTICA Irene Patrca Valdez y Alfaro renev@unam.m Versón revsada: uno 08 T E M A S DEL CURSO. Análss Estadístco de datos muestrales.. Fundamentos de la

Más detalles

Estadísticos muéstrales

Estadísticos muéstrales Estadístcos muéstrales Hemos estudado dferentes meddas numércas correspondentes a conjuntos de datos, entre otras, estudamos la meda, la desvacón estándar etc. Ahora vamos a dstngur entre meddas numércas

Más detalles

) para toda permutación (p p 1 p

) para toda permutación (p p 1 p 09 Elena J. Martínez do cuat. 004 Análss de la varanza de dos factores El problema anteror consderaba la comparacón de muestras para detectar dferencas entre las respectvas poblacones. En el modelo de

Más detalles

Variables Aleatorias

Variables Aleatorias Varables Aleatoras VARIABLES ALEATORIAS. Varable aleatora. Tpos.... Dstrbucón de probabldad asocada a una varable aleatora dscreta... 4. Funcón de dstrbucón. Propedades... 5 4. Funcón de densdad... 7 5.

Más detalles

Formato para prácticas de laboratorio

Formato para prácticas de laboratorio Fecha de efectvdad: enero 200. CARRERA PLAN DE ESTUDIO CLAVE NOMBRE DE LA ASIGNATURA IC 2003-5048 Electrónca Aplcada II PRÁCTICA No. 8 LABORATORIO DE NOMBRE DE LA PRÁCTICA Ingenero en Computacón DURACIÓN

Más detalles

8 MECANICA Y FLUIDOS: Calorimetría

8 MECANICA Y FLUIDOS: Calorimetría 8 MECANICA Y FLUIDOS: Calormetría CONTENIDOS Dencones. Capacdad caloríca. Calor especíco. Equlbro térmco. Calormetría. Calorímetro de las mezclas. Marcha del calorímetro. Propagacón de Errores. OBJETIVOS

Más detalles

Un estimado de intervalo o intervalo de confianza ( IC

Un estimado de intervalo o intervalo de confianza ( IC Un estmado puntual, por ser un sólo número, no proporcona por sí msmo nformacón alguna sobre la precsón y confabldad de la estmacón. Debdo a la varabldad que pueda exstr en la muestra, nunca se tendrá

Más detalles

Fugacidad. Mezcla de gases ideales

Fugacidad. Mezcla de gases ideales Termodnámca del equlbro Fugacdad. Mezcla de gases deales rofesor: Alí Gabrel Lara 1. Fugacdad 1.1. Fugacdad para gases Antes de abarcar el caso de mezclas de gases, debemos conocer como podemos relaconar

Más detalles

AREA DE CONOCIMIENTO: OPERACIONES UNITARIAS I

AREA DE CONOCIMIENTO: OPERACIONES UNITARIAS I AREA DE CONOCIMIENTO: OPERACIONES UNITARIAS I TEMA 4: INTERCAMBIADORES DE CALOR Prof. : Ing. Frank M, Botero M. PUNTO FIJO, MARZO DE 2011 TEMA Nº 4: INTERCAMBIADORES DE CALOR 1 TRANSFERENCIA DE CALOR.

Más detalles

, x es un suceso de S. Es decir, si :

, x es un suceso de S. Es decir, si : 1. Objetvos: a) Aprender a calcular probabldades de las dstrbucones Bnomal y Posson usando EXCEL. b) Estudo de la funcón puntual de probabldad de la dstrbucón Bnomal ~B(n;p) c) Estudo de la funcón puntual

Más detalles

FISICOQUÍMICA FARMACÉUTICA (0108) UNIDAD 1. CONCEPTOS BÁSICOS DE CINÉTICA QUÍMICA

FISICOQUÍMICA FARMACÉUTICA (0108) UNIDAD 1. CONCEPTOS BÁSICOS DE CINÉTICA QUÍMICA FISICOQUÍMICA FARMACÉUTICA (008) UNIDAD. CONCEPTOS BÁSICOS DE CINÉTICA QUÍMICA Mtra. Josefna Vades Trejo 06 de agosto de 0 Revsón de térmnos Cnétca Químca Estuda la rapdez de reaccón, los factores que

Más detalles

UNIVERSIDAD NACIONAL EXPERIMENTAL POLITECNICA ANTONIO JOSÉ DE SUCRE VICERRECTORADO BARQUISIMETO DEPARTAMENTO DE INGENIERÍA QUÍMICA. Ingeniería Química

UNIVERSIDAD NACIONAL EXPERIMENTAL POLITECNICA ANTONIO JOSÉ DE SUCRE VICERRECTORADO BARQUISIMETO DEPARTAMENTO DE INGENIERÍA QUÍMICA. Ingeniería Química UNIVERSIDAD NACIONAL EXPERIMENTAL POLITECNICA ANTONIO JOSÉ DE SUCRE VICERRECTORADO BARQUISIMETO DEPARTAMENTO DE INGENIERÍA QUÍMICA Ingenería Químca Undad I. Introduccón a los cálculos de Ingenería Químca

Más detalles

DEPARTAMENTO DE INGENIERIA QUIMICA CATEDRA DE INTEGRACION III

DEPARTAMENTO DE INGENIERIA QUIMICA CATEDRA DE INTEGRACION III DEPRTMENTO DE INGENIERI QUIMIC Undad 2: Presón de vapor CTEDR DE INTEGRCION III Problema Nº 1: a) Tomando los datos necesaros de una tabla físca, representar una curva que relacone la presón de vapor del

Más detalles

Claves para la Modelización 3-D de Flujo sobre Vertederos Ortogonales. Contraste con Resultados Experimentales.

Claves para la Modelización 3-D de Flujo sobre Vertederos Ortogonales. Contraste con Resultados Experimentales. Claves para la Modelzacón -D de Fluo sobre Vertederos Ortogonales. Contraste con Resultados Expermentales. Javer González, y Jesús Flores Unversdad de Castlla-La Mancha. E. T. S. I. Camnos, Canales y Puertos.

Más detalles

Efecto de la Ionosfera

Efecto de la Ionosfera Efecto de la Ionosfera Descrpcón de la Ionosfera. Modelo de Plasma Smple. Influenca del Campo Magnétco Terrestre. Refraccón Ionosférca Ionogramas Modelos de Propagacón Ionosférca. RDPR - 1-1 Descrpcón

Más detalles

cómo detcsritiinar la carga correcta de elementos de molienda para conseguir la máxima producción

cómo detcsritiinar la carga correcta de elementos de molienda para conseguir la máxima producción Materales de Construccón Vol. 8, nº 3 Julo, agosto, septembre de 968 66-79 cómo detcsrtnar la carga correcta de elementos de molenda para consegur la máxma produccón R. C. JENNESS Pt and Quarry, octubre

Más detalles

MECANISMO DE INTERACCIÓN DEL AGUA Y DEL AIRE PERFILES Condiciones en un deshumidificador

MECANISMO DE INTERACCIÓN DEL AGUA Y DEL AIRE PERFILES Condiciones en un deshumidificador MECANIMO DE INTERACCIÓN DE AUA DE AIRE PERFIE Condcones en un humdfcador constante del líqudo adabátco. Temperatura Agua T Temperatura Temperatura Constante T = T T Calor latente Calor atente Ovapor Are

Más detalles

APLICACIONES DE LOS SISTEMAS LINEALES 1. MODELACION DE POLINOMIOS CONOCIENDO UN NUMERO DETERMINADO DE PUNTOS DEL PLANO.

APLICACIONES DE LOS SISTEMAS LINEALES 1. MODELACION DE POLINOMIOS CONOCIENDO UN NUMERO DETERMINADO DE PUNTOS DEL PLANO. APLICACIONES DE LOS SISTEMAS LINEALES 1. MODELACION DE POLINOMIOS CONOCIENDO UN NUMERO DETERMINADO DE PUNTOS DEL PLANO. Dado un numero n de puntos del plano ( a, b ) es posble encontrar una funcón polnómca

Más detalles

Nos interesa asignar probabilidades a valores numéricos obtenidos a partir de fenómenos aleatorios, es decir a variables aleatorias.

Nos interesa asignar probabilidades a valores numéricos obtenidos a partir de fenómenos aleatorios, es decir a variables aleatorias. Estadístca (Q) Dana M. Kelmansky 5 Varables Aleatoras Nos nteresa asgnar probabldades a valores numércos obtendos a partr de fenómenos aleatoros, es decr a varables aleatoras. Por ejemplo, calcular la

Más detalles

Vectores VECTORES 1.- Magnitudes Escalares y Magnitudes Vectoriales. Las Magnitudes Escalares: Las Magnitudes Vectoriales:

Vectores VECTORES 1.- Magnitudes Escalares y Magnitudes Vectoriales. Las Magnitudes Escalares: Las Magnitudes Vectoriales: VECTOES 1.- Magntudes Escalares y Magntudes Vectorales. Las Magntudes Escalares: son aquellas que quedan defndas úncamente por su valor numérco (escalar) y su undad correspondente, Eemplo de magntudes

Más detalles

b) Encuentra el criterio de formación de la siguiente sucesión recurrente:

b) Encuentra el criterio de formación de la siguiente sucesión recurrente: Ejercco nº.- Calcula, utlzando la dencón de logartmo: log log log b) Halla el valor de, aplcando las propedades de los logartmos: log log log Ejercco nº.- Avergua el térmno general de la sucesón: ; 0,;

Más detalles

Variables Aleatorias

Variables Aleatorias Varables Aleatoras VARIABLES ALEATORIAS. Varable aleatora. Tpos.... Dstrbucón de probabldad asocada a una varable aleatora dscreta... 4. Funcón de dstrbucón. Propedades... 5 4. Funcón de densdad... 7 5.

Más detalles

Algunas aplicaciones del test del signo

Algunas aplicaciones del test del signo 43 Algunas aplcacones del test del sgno Test de Mc emar para sgnfcacón de cambos: En realdad este test se estuda en detalle en Métodos no Paramétrcos II, en el contexto de las denomnadas Tablas de Contngenca.

Más detalles

b) Encuentra el criterio de formación de la siguiente sucesión recurrente:

b) Encuentra el criterio de formación de la siguiente sucesión recurrente: Ejercco nº.- Calcula, utlzando la dencón de logartmo: log log log b) Halla el valor de, aplcando las propedades de los logartmos: log log log Solucón: b) log log log 9 log log log log log 9 9 Ejercco nº.-

Más detalles

Análisis estadístico de incertidumbres aleatorias

Análisis estadístico de incertidumbres aleatorias Análss estadístco de ncertdumbres aleatoras Errores aleatoros y sstemátcos La meda y la desvacón estándar La desvacón estándar como error de una sola medda La desvacón estándar de la meda úmero de meddas

Más detalles

Universidad de Pamplona Facultad de Ciencias Básicas Física para ciencias de la vida y la salud

Universidad de Pamplona Facultad de Ciencias Básicas Física para ciencias de la vida y la salud Unversdad de Pamplona Facultad de Cencas Báscas Físca para cencas de la vda y la salud AÁLISIS GRÁFICO DE DATOS EXPERIMETALES OBJETIVO: Representar gráfcamente datos expermentales. Ajustar curvas a datos

Más detalles

Problemas donde intervienen dos o más variables numéricas

Problemas donde intervienen dos o más variables numéricas Análss de Regresón y Correlacón Lneal Problemas donde ntervenen dos o más varables numércas Estudaremos el tpo de relacones que exsten entre ellas, y de que forma se asocan Ejemplos: La presón de una masa

Más detalles

EL ELEMENTO FINITO APLICADO A LAS ESTRUCTURA S METALICAS

EL ELEMENTO FINITO APLICADO A LAS ESTRUCTURA S METALICAS EL ELEMENTO FINITO APLICADO A LAS ESTRUCTURA S METALICAS ING. F. JAVIER ANAYA ESTRELLA INTRODUCCION UNA REGION COMPLEJA QUE DEFINE UN CONTINUO SE DISCRETIZA EN FORMAS GEOMETRICAS SIMPLES LLAMADAS ELEMENTOS

Más detalles

. Demuestre que: f x

. Demuestre que: f x UNIVERSIDAD NACIONAL DE INGENIERIA P.A. - FACULTAD DE INGENIERIA MECANICA // EXAMEN FINAL DE METODOS NUMERICOS (MB56) SOLO SE PERMITE EL USO DE UNA HOJA DE FORMULARIO Y CALCULADORA ESCRIBA CLARAMENTE SUS

Más detalles

DENSIDAD ELABORADO POR: DANIELA ALEJANDRA BARRETO GOMEZ MARIA CAROLINA BENAVIDES MUÑOZ VALENTINA ROJAS MARTINEZ KAREN SUSANA DE MARIA MOSQUERA TORRADO

DENSIDAD ELABORADO POR: DANIELA ALEJANDRA BARRETO GOMEZ MARIA CAROLINA BENAVIDES MUÑOZ VALENTINA ROJAS MARTINEZ KAREN SUSANA DE MARIA MOSQUERA TORRADO DENSIDAD ELABORADO POR: DANIELA ALEJANDRA BARRETO GOMEZ MARIA CAROLINA BENAVIDES MUÑOZ VALENTINA ROJAS MARTINEZ KAREN SUSANA DE MARIA MOSQUERA TORRADO PRESENTADO A: FERNANDO VEGA PONTIFICIA UNIVERSIDAD

Más detalles

Medidas de centralización

Medidas de centralización 1 Meddas de centralzacón Meda Datos no agrupados = x X = n = 0 Datos agrupados = x X = n = 0 Medana Ordenamos la varable de menor a mayor. Calculamos la columna de la frecuenca relatva acumulada F. Buscamos

Más detalles

Ejercicios Resueltos de Vectores

Ejercicios Resueltos de Vectores Departamento de Matemátca y C C Coordnacón: Calculo II para Ingenería Semestre Eerccos Resueltos de Vectores Sean los vectores en IR : v,,, u,, 4, a,, y b,, 4 : a) Determne los vectores: UV y AB UV AB

Más detalles

Tema 1.- Variable aleatoria discreta (V2.1)

Tema 1.- Variable aleatoria discreta (V2.1) Tema.- Varable aleatora dscreta (V2.).- Concepto de varable aleatora A cada posble resultado de un expermento lo llamamos suceso elemental, y lo denotamos con ω, ω 2, Llamamos espaco muestral al conjunto

Más detalles

Problemas de Optimización usando el modelo de Hopfield

Problemas de Optimización usando el modelo de Hopfield CLASE 5 de Marzo de 008 Undad Problema de Optmzacón uando el modelo de Hopfeld Modelo de Hopfeld contnuo Problema de optmzacón: Convertdor A/D, Problema del vaante, etc. Rede autoaocatva Red de Hopfeld

Más detalles

62 EJERCICIOS de NÚMEROS COMPLEJOS

62 EJERCICIOS de NÚMEROS COMPLEJOS 6 EJERCICIOS de NÚMEROS COMPLEJOS. Resolver las sguentes ecuacones en el campo de los números complejos: a x -x+=0 (Soluc: ± b x +=0 (Soluc: ± c x -x+=0 (Soluc: ± d x -x+=0 (Soluc: ± e x -6x +x-6=0 (Soluc:,

Más detalles

Relación 2: Regresión Lineal.

Relación 2: Regresión Lineal. Relacón 2: Regresón Lneal. 1. Se llevó a cabo un estudo acerca de la cantdad de azúcar refnada (Y ) medante un certo proceso a varas temperaturas dferentes (X). Los datos se codfcan y regstraron en el

Más detalles

φ = P + Qx + Ry (3.4.1) φ i = P + Qx i + Ry i φ j = P + Qx j + Ry j

φ = P + Qx + Ry (3.4.1) φ i = P + Qx i + Ry i φ j = P + Qx j + Ry j .4 MÉTOO E LOS ELEMENTOS FNTOS Se presenta el desarrll para el cas sótrp, de dnde se puede deducr el ansótrp. Para reslver un prblema de flu cn el métd de elements fnts, se dvde en tránguls la regón dnde

Más detalles

4 BALANZA DE MOHR: Contracción de mezcla alcohol/h2o

4 BALANZA DE MOHR: Contracción de mezcla alcohol/h2o 4 LNZ DE OHR: Contraccón de mezcla alcohol/h2o CONTENIDOS Defncones. Contraccón de una ezcla. olumen específco deal y real. Uso de la balanza de ohr. erfcacón de Jnetllos. Propagacón de Errores. OJETIOS

Más detalles

MAGNITUD: propiedad o cualidad física susceptible de ser medida y cuantificada. Ejemplos: longitud, superficie, volumen, tiempo, velocidad, etc.

MAGNITUD: propiedad o cualidad física susceptible de ser medida y cuantificada. Ejemplos: longitud, superficie, volumen, tiempo, velocidad, etc. TEMA. INSTRUMENTOS FÍSICO-MATEMÁTICOS.. SISTEMAS DE MAGNITUDES Y UNIDADES. CONVERSIÓN DE UNIDADES. MAGNITUD: propedad o cualdad físca susceptble de ser medda y cuantfcada. Ejemplos: longtud, superfce,

Más detalles

INTRODUCCIÓN. Técnicas estadísticas

INTRODUCCIÓN. Técnicas estadísticas Tema : Estadístca Descrptva Undmensonal ITRODUCCIÓ Fenómeno determnsta: al repetrlo en déntcas condcones se obtene el msmo resultado. (Ejemplo: lómetros recorrdos en un ntervalo de tempo a una velocdad

Más detalles

LECCIONES DEL CURSO DE MODELACIÓN MATEMÁTICA Y COMPUTACIONAL

LECCIONES DEL CURSO DE MODELACIÓN MATEMÁTICA Y COMPUTACIONAL LECCIONES DEL CURSO DE MODELACIÓN MATEMÁTICA Y COMPUTACIONAL POSGRADOS DE CIENCIAS DE LA TIERRA Y DE CIENCIA E INGENIERÍA DE LA COMPUTACIÓN UNAM AUTOR: ISMAEL HERRERA REVILLA 1 Basado en el Lbro Mathematcal

Más detalles

Apéndice A: Metodología para la evaluación del modelo de pronóstico meteorológico

Apéndice A: Metodología para la evaluación del modelo de pronóstico meteorológico Apéndce A: Metodología para la evaluacón del modelo de pronóstco meteorológco Apéndce A: Metodología para la evaluacón del modelo de pronóstco meteorológco Tabla de contendos Ap.A Apéndce A: Metodología

Más detalles

Mecanismos de transporte de calor: Conducción Convección Radiación Radiación es significativa para sistemas donde las temperaturas superan 100 C

Mecanismos de transporte de calor: Conducción Convección Radiación Radiación es significativa para sistemas donde las temperaturas superan 100 C ransferenca de calor Mecansmos de transporte de calor: Conduccón Conveccón Radacón Radacón es sgnfcatva para sstemas donde las temperaturas superan 00 C Conduccón: ec. de Fourer Conveccón: ec. de Newton

Más detalles

Operadores por Regiones

Operadores por Regiones Operadores por Regones Fltros por Regones Los fltros por regones ntentan determnar el cambo de valor de un píxel consderando los valores de sus vecnos I[-1,-1] I[-1] I[+1,-1] I[-1, I[ I[+1, I[-1,+1] I[+1]

Más detalles

ESTADÍSTICA DESCRIPTIVA

ESTADÍSTICA DESCRIPTIVA Estadístca descrptva. ESTADÍSTICA DESCRIPTIVA POBLACIÓN Y MUESTRA. VARIABLES ESTADÍSTICAS DISTRIBUCIÓN DE FRECUENCIAS DE UNA MUESTRA AGRUPACIÓN DE DATOS REPRESENTACIONES GRÁFICAS DE LAS MUESTRAS PRINCIPALES

Más detalles

Análisis de Varianza no paramétricos

Análisis de Varianza no paramétricos Capítulo VII Análss de Varanza no paramétrcos Anova de Kruskal-Walls Anova de Fredman Anova de Q de Cochran Introduccón Las técncas de análss de varanza no paramétrcos son útles cuando los supuestos de:

Más detalles

Introducción al Método de los Elementos Finitos

Introducción al Método de los Elementos Finitos S 4 v v 5 Introduccón al Método de los Elementos Fntos Parte 4 Estmacón de error en problemas elíptcos Alberto Cardona, Víctor Facnott Cmec-Intec (UNL/Concet), Santa Fe, Argentna Estmacón de error en problemas

Más detalles

Smoothed Particle Hydrodynamics Animación Avanzada

Smoothed Particle Hydrodynamics Animación Avanzada Smoothed Partcle Hydrodynamcs Anmacón Avanzada Iván Alduán Íñguez 03 de Abrl de 2014 Índce Métodos sn malla Smoothed partcle hydrodynamcs Aplcacón del método en fludos Búsqueda de vecnos Métodos sn malla

Más detalles

Ejemplo: Consumo - Ingreso. Ingreso. Consumo. Población 60 familias

Ejemplo: Consumo - Ingreso. Ingreso. Consumo. Población 60 familias Ejemplo: Consumo - Ingreso Ingreso Consumo Poblacón 60 famlas ( YX ) P = x [ YX ] E = x Línea de regresón poblaconal 80 60 Meda Condconal 40 20 00 [ X = 200] EY o o o o [ X = 200] EY 80 o o o 60 o 40 8

Más detalles

Sensor de presión y temperatura PTM C4 / R / MD

Sensor de presión y temperatura PTM C4 / R / MD Sensor de presón y temperatura PTM C / R / MD Gama de medcón de presón 0 a 10 bar Gama de medcón de temperatura -10 a 100 C Almentacón de tensón 18 a 30 V CC Propedades Sensor de presón y temperatura programable

Más detalles

Clase 19: Estado Estacionario y Flujo de Potencia. EL Conversión de la Energía y Sistemas Eléctricos Eduardo Zamora D.

Clase 19: Estado Estacionario y Flujo de Potencia. EL Conversión de la Energía y Sistemas Eléctricos Eduardo Zamora D. Clase 9: Estado Estaconaro y Flujo de Potenca EL400 - Conversón de la Energía y Sstemas Eléctrcos Eduardo Zamora D. Temas - Líneas de Transmsón - El Sstema Eléctrco - Matrz de Admtanca - Flujo de Potenca

Más detalles

Clase 19: Estado Estacionario y Flujo de Potencia. EL Conversión de la Energía y Sistemas Eléctricos Eduardo Zamora D.

Clase 19: Estado Estacionario y Flujo de Potencia. EL Conversión de la Energía y Sistemas Eléctricos Eduardo Zamora D. Clase 9: Estado Estaconaro y Flujo de Potenca EL400 - Conversón de la Energía y Sstemas Eléctrcos Eduardo Zamora D. Temas - Líneas de Transmsón - El Sstema Eléctrco - Matrz de Admtanca - Flujo de Potenca

Más detalles

CAPÍTULO II Métodos experimentales

CAPÍTULO II Métodos experimentales CAPÍTULO II Métodos expermentales En este capítulo se descrbe la técnca expermental para la obtencón y representacón de dagramas líqudo-líqudo de sstemas ternaros y cuaternaros y el equpo expermental utlzado.

Más detalles

OPENCOURSEWARE REDES DE NEURONAS ARTIFICIALES Inés M. Galván José M. Valls. Examen Final

OPENCOURSEWARE REDES DE NEURONAS ARTIFICIALES Inés M. Galván José M. Valls. Examen Final OPENCOURSEWARE REDES DE NEURONAS ARTIFICIALES Inés M. Galván José M. Valls Examen Fnal Pregunta ( punto) Responda brevemente a las sguentes preguntas: a) Cuál es el obetvo en el aprendzae del Perceptron

Más detalles

CONECTIVIDAD EN LOS MUNICIPIOS Y REGIONES DE JALISCO

CONECTIVIDAD EN LOS MUNICIPIOS Y REGIONES DE JALISCO ONETIVIDD EN LOS MUNIIPIOS Y REGIONES DE JLISO Introduccón Desde el año 2005 el tlas de amnos y arreteras está regstrando para el Sstema Informacón Terrtoral del Estado de Jalsco (SITEJ), el nventaro de

Más detalles

FISICOQUÍMICA DE SISTEMAS AMBIENTALES UNIDADES TEMÁTICAS

FISICOQUÍMICA DE SISTEMAS AMBIENTALES UNIDADES TEMÁTICAS FSCOQUÍMCA DE SSTEMAS HORAS DE TEORÍA 5 ASGNATURA AMBENTALES HORAS DE PRÁCTCA 4 SEMESTRE 4 CRÉDTOS 14 OBJETVO: EL ESTUDANTE MANEJARÁ LOS CONCEPTOS FSCOQUÍMCOS FUNDAMENTALES RELACONADOS CON EL ESTUDO DE

Más detalles

INSTITUTO POLITÉCNICO NACIONAL ESCUELA NACIONAL DE CIENCIAS BIOLÓGICAS INGENIERÍA EN SISTEMAS AMBIENTALES

INSTITUTO POLITÉCNICO NACIONAL ESCUELA NACIONAL DE CIENCIAS BIOLÓGICAS INGENIERÍA EN SISTEMAS AMBIENTALES ASGNATURA FSCOQUÍMCA DE SSS HORAS DE TEORÍA 5 AMBENTALES HORAS DE PRÁCTCA 4 SEMESTRE 4 CRÉDTOS 14 OBJETVO: EL ESTUDANTE MANEJARÁ LOS CONCEPTOS FSCOQUÍMCOS FUNDAMENTALES RELACONADOS CON EL ESTUDO DE SSS

Más detalles

PROYECTO DE TEORIA DE MECANISMOS. Análisis cinemático y dinámico de un mecanismo plano articulado con un grado de libertad.

PROYECTO DE TEORIA DE MECANISMOS. Análisis cinemático y dinámico de un mecanismo plano articulado con un grado de libertad. Nombre: Mecansmo: PROYECTO DE TEORIA DE MECANISMOS. Análss cnemátco y dnámco de un mecansmo plano artculado con un grado de lbertad. 10. Análss dnámco del mecansmo medante el método de las tensones en

Más detalles

TRABAJO Y ENERGÍA INTRODUCCIÓN. requiere como varia la fuerza durante el movimiento. entre los conceptos de fuerza y energía mecánica.

TRABAJO Y ENERGÍA INTRODUCCIÓN. requiere como varia la fuerza durante el movimiento. entre los conceptos de fuerza y energía mecánica. TRABAJO Y ENERGÍA INTRODUCCIÓN La aplcacón de las leyes de Newton a problemas en que ntervenen fuerzas varables requere de nuevas herramentas de análss. Estas herramentas conssten en los conceptos de trabajo

Más detalles

Guía de estudio sobre: Movimiento Rectilíneo Uniforme (MRU)

Guía de estudio sobre: Movimiento Rectilíneo Uniforme (MRU) Departamento de Físca Coordnacón Segundo Medo 07 Guía de estudo sobre: Momento rectlíneo Unorme Varado: MRUV Nombre: Curso: Clascacón de los Momentos en línea recta se clascan de acuerdo a su rapdez: UNIFORMES:

Más detalles

CAMPOS DE VELOCIDADES DE LOS DISCOS

CAMPOS DE VELOCIDADES DE LOS DISCOS CAMPOS DE VELOCIDADES DE LOS DISCOS Los dscos galáctcos se modelan como anllos crculares concéntrcos. S Ω es la velocdad angular del anllo y r el vector que va hasta el centro, sendo n el vector untaro

Más detalles

UNIVERSIDAD FRANCISCO DE PAULA SANTANDER FACULTAD DE CIENCIAS BÁSICAS DEPARTAMENTO DE CIENCIAS BASICAS.

UNIVERSIDAD FRANCISCO DE PAULA SANTANDER FACULTAD DE CIENCIAS BÁSICAS DEPARTAMENTO DE CIENCIAS BASICAS. UNIVERSIDAD FRANCISCO DE AULA SANTANDER FACULTAD DE CIENCIAS BÁSICAS DEARTAMENTO DE CIENCIAS BASICAS. DERIVADAS ARCIALES DE ORDEN SUERIOR. S es una uncón de dos varables al dervar la uncón parcalmente

Más detalles

Coordenadas Generales.

Coordenadas Generales. oodenadas eneales. k cte. j cte. cte. Base catesana Base cíndca. j k cos, cos, φ cte. cte. cte. Base esféca Base geneal. cos cos En una base geneal, un elemento de aco está detemnado po llamando ds ds

Más detalles

Regresión y Correlación

Regresión y Correlación Regresón Correlacón 1.- El número de turstas (en mllones) entrados en España mensualmente durante los años 001 00 se epone en la sguente estadístca. Nº Turstas 001,76,6,9 3,8 4,4 4,81 8,93 9,98 5,91 4,34,6

Más detalles

UNIVERSIDAD FRANCISCO DE PAULA SANTANDER FACULTAD DE CIENCIAS BÁSICAS DEPARTAMENTO DE CIENCIAS BASICAS. DERIVADAS PARCIALES DE ORDEN SUPERIOR.

UNIVERSIDAD FRANCISCO DE PAULA SANTANDER FACULTAD DE CIENCIAS BÁSICAS DEPARTAMENTO DE CIENCIAS BASICAS. DERIVADAS PARCIALES DE ORDEN SUPERIOR. UNIVERSIDAD FRANCISCO DE AULA SANTANDER FACULTAD DE CIENCIAS BÁSICAS DEARTAMENTO DE CIENCIAS BASICAS. DANIEL SAENZ CONTRERAS EMAIL SAENZCODANIEL8@HOTMAIL.COM DERIVADAS ARCIALES DE ORDEN SUERIOR. S es una

Más detalles