Modelagem matematica aplicada a engenharia quimica
1.
2. 2
◦ Parte I
• Generalização dos modelos
◦ Parte II
• Métodos de solução numérica para modelos Macroscópicos
◦ Parte III
• Métodos de solução numérica para modelos Microscópicos
Macroscópicos
Microscópicos
4. 4Aula 14
Solução
Numérica
Modelagem
Macroscópica
Transiente
Permanente
𝐟 𝛟 = 0
𝛟 = ?
EDO / SEDO
(1ª Ordem)
EA / SEA
d𝛟
dt
= 𝐟 t, 𝛟 ; ρ𝛟 t ; t > 0
para t = 0 ρϕ 0 = ϕ0
1 Equação Algébrica
1 EDO de 1ª Ordem
Métodos iterativos
Métodos diretos
Bissecção
Falsa-posição
Falsa-posição modificada
Muller
Newton-Raphson
Secante
Runge-Kutta (1ª, 2ª, 3ª, 4ª Ordem)
5. 5Aula 14
Definições dos erros:
Erros de Arredondamento
Erros de Truncamento
Erros de Discretização
Relacionados à representação das variáveis por
um número finito de dígitos. Exemplo:
representar 𝜋 ≈ 3,14 , mas que na verdade
𝜋 = 3,141592653589793238462643 …
Relacionados à representação das funções por
um número finito de termos de uma série. Por
exemplo: Expansão em Série de Taylor em t0
ϕ t = ϕ(t0) +
dϕ
dt t0
(t−t0) +
d²ϕ
dt² t0
(t;t0)²
2!
+ ⋯
Truncamento
Relacionados à discretização do
domínio tempo-espacial.
7. 7Aula 14
Método da Bissecção:
Interpretação geométrica: Diminuição do
intervalo com o
avanço das iterações
8. 8Aula 14
Método da Bissecção:
A) Encontrar um intervalo onde existe uma raiz:
Critério para existência de uma raiz no intervalo ϕE, ϕD :
f ϕE ∙ f ϕD < 0
B) Ponto médio:
ϕM
i
=
ϕE
i
+ ϕD
i
2
C) Reduzir intervalo:
Se f ϕE
i
∙ f ϕM
i
⊝ Novo intervalo ϕE
i:1
, ϕM
i:1
⊕ Novo intervalo ϕM
i:1
, ϕD
i:1
9. 9Aula 14
Método da Bissecção:
D) Repetir o processo com:
Tolerância
10;3
, 10;4
, … , 10;8
Simples
10;9, 10;10, … , 10;16 Dupla
ϕM
i
=
ϕE
i
+ ϕD
i
2
até que o critério de convergência seja atingido:
f ϕM
i:1
≤ Tol
ϕE
i:1
− ϕD
i:1
≤ Tol
f(ϕE
i:1
) − f(ϕD
i:1
)
f(ϕE
i:1
)
≤ Tol
ϕE
i:1
− ϕD
i:1
ϕE
i:1
≤ Tol
12. 12Aula 14
Método de Newton-Raphson:
É baseado na expansão em Série de Taylor:
f(ϕ) = f(ϕ0) +
df
dϕ ϕ0
(ϕ − ϕ0) +
d²f
dϕ² ϕ0
(ϕ − ϕ0)²
2!
+
d³f
dϕ³ ϕ0
(ϕ − ϕ0)³
3!
+ ...
Truncar no 2º termo
0 ≈ f(ϕ0) +
d f(ϕ)
dϕ ϕ0
(ϕ − ϕ0)
ϕ ≈ ϕ0 −
f(ϕ0)
d f(ϕ)
dϕ ϕ0
Rearranjando a equação, isolando ϕ, encontra-se que:
Para f ϕ ≈ 0:
ϕi:1
≈ ϕi
−
f(ϕi
)
d f
dϕ ϕi
ou
13. 13Aula 16
Programação em FORTRAN:
Código Fonte: *.for, *.f77, *f.90, *.f
Código Objeto: *.obj
Código Executável: *.exe
Editor de Programas [1]
Compilador
Ligação (“Link”) do código
objeto com as bibliotecas da
linguagem
[1] Ambiente de Programação (Force, Power-Station, Visual-Studio)
14. 14
Caso 01: Construção do Diagrama de Moody
Equação de Colebrook:
1
𝑓
= −2 log
𝜀
𝐷
3,71
+
2,51
𝑅𝑒 𝐷 𝑓
Rugosidade relativa
Nº de Reynolds
Aula 16
15. 15
Caso 01: Construção do Diagrama de Moody
Programa “NR-Moody” – Calcular um ponto do diagrama por Newton-Raphson
f ϕ =
1
ϕ
+ 2 log
ε
D
3,71
+
2,51
ReD ϕ
= 0
ϕ =?
Programa “NR-DiagMoody” – Calcular o “diagrama completo”
𝐟 ε
D , ReD = 𝐟 100,100
0,001 a 0,1 1.000 a 100.000
Aula 16
19. 19
Sistemas de Equações Algébricas
Program NOME1
-
End Program
Function NOME2( )
-
End Function
Subroutine NOME3( )
-
Return
End Subroutine
Comandos
A = NOME2 ( ) chamada de função
CALL NOME3 ( ) chamada de sub-rotina
Aula 17
20. 20
Sistemas de Equações Algébricas
Program SEAL
Double Precision A(n,n), B(n), Phi(n)
Entrada da Matriz “A” e do vetor “b”
Call INVERSA (A)
Do i = 1,n
SOMA = 0
Do j = 1,n
SOMA = SOMA + A(i,j)*(-B(j))
Programa para SEA-Lineares
End Do
Phi(i) = SOMA
End Do
Saída de resultados
End Program
Aula 17
22. 22
Sistemas de Equações Algébricas não-lineares
Nº Equações e Nº incógnitas Não é possível garantir que a solução
seja única. Existe pelo menos uma
solução.
Métodos de aproximação Diretos
Iterativos
Utiliza expansões em
série de Taylor como
forma de aproximação
Aula 17
23. 23
Sistemas de Equações Algébricas não-lineares
Aula 17
Método de Newton para n equações (direto)
Seja o sistema:
f1 ϕ1, ϕ2 = 0
f2 ϕ1, ϕ2 = 0
𝛟 =
ϕ1
ϕ2
=?
Estimativa inicial: ϕ1
0
ϕ2
0
SEA-NL
24. 24
Sistemas de Equações Algébricas não-lineares
Aula 17
Método de Newton para n equações
Fazendo uma expansão do sistema em série de Taylor no entorno de
uma estimativa inicial:
f1(ϕ1, ϕ2)
= f1(ϕ1
0
,ϕ2
0
) +
df1
dϕ1 ϕ1
0
,ϕ2
0
(ϕ1 − ϕ1
0
)+
df1
dϕ2 ϕ1
0
,ϕ2
0
(ϕ2 − ϕ2
0
)
+
d²f1
dϕ1² ϕ1
0
,ϕ2
0
(ϕ1 − ϕ1
0
)²
2!
+
d²f1
dϕ2² ϕ1
0
,ϕ2
0
(ϕ2 − ϕ2
0
)²
2!
+ ...
f2(ϕ1, ϕ2)
= f2(ϕ1
0
,ϕ2
0
) +
df2
dϕ1 ϕ1
0
,ϕ2
0
(ϕ1 − ϕ1
0
)+
df2
dϕ2 ϕ1
0
,ϕ2
0
(ϕ2 − ϕ2
0
)
+
d²f2
dϕ1² ϕ1
0
,ϕ2
0
(ϕ1 − ϕ1
0
)²
2!
+
d²f2
dϕ2² ϕ1
0
,ϕ2
0
(ϕ2 − ϕ2
0
)²
2!
+ ...
25. 25
Sistemas de Equações Algébricas não-lineares
Aula 17
Método de Newton para n equações
Truncando as séries até a derivada 2ª:
df1
dϕ1 ϕ1
0
,ϕ2
0
δ1 +
df1
dϕ2 ϕ1
0
,ϕ2
0
δ2 = −f1(ϕ1
0
,ϕ2
0
)
df2
dϕ1 ϕ1
0
,ϕ2
0
δ1 +
df2
dϕ2 ϕ1
0
,ϕ2
0
δ2 = −f2(ϕ1
0
,ϕ2
0
)
26. 26
Sistemas de Equações Algébricas não-lineares
Aula 17
Método de Newton para n equações
Truncando as séries até a derivada 2ª:
𝐉0
𝛅 = −𝐟0
𝛅 = 𝐉0 ;𝟏
∙ −𝐟0
df1
dϕ1 ϕ1
0
,ϕ2
0
df1
dϕ2 ϕ1
0
,ϕ2
0
df2
dϕ1 ϕ1
0
,ϕ2
0
df2
dϕ2 ϕ1
0
,ϕ2
0
δ1
δ2
=
−f1(ϕ1
0
,ϕ2
0
)
−f2(ϕ1
0
,ϕ2
0
)
Matriz do Jacobiano
SEA-L
28. 28
Caso 02
Aula 18
Cálculo do volume molar pela Eq. de Van der
Waals, utilizando o método da bissecção:
Eq. De Van der Waals
P =
RT
V − b
−
a
V²
𝑉³ − 𝑏 +
𝑅𝑇
𝑃
𝑉2 +
𝑎
𝑃
𝑉 −
𝑎𝑏
𝑃
= 0
ou
𝑎 =
27
64
𝑅𝑇𝑐 ²
𝑃𝑐
𝑏 =
1
8
𝑅𝑇𝑐
𝑃𝑐
29. 29
Caso 02
Aula 18
Cálculo do volume molar pela Eq. de Van der
Waals, utilizando o método da bissecção:
Dados do problema:
Sistema: T=300 K
P=10 bar
Componente 1: CO2
Tc= 304,2 K
Pc= 73,83 bar
x= 0,3
Componente 2: n-pentano
Tc= 469,7 K
Pc=33,7 bar
x= 0,7
R= 83,144 cm³bar/(mol K)
30. 30
Caso 02
Aula 18
Cálculo do volume molar pela Eq. de Van der
Waals, utilizando o método da bissecção:
Regras de mistura:
𝑎12 = 𝑎1 𝑎2
𝑏12 =
𝑏1 + 𝑏2
2
𝑎 𝑚𝑖𝑠𝑡𝑢𝑟𝑎 = 𝑎1 𝑥1² + 2𝑎12 𝑥1 𝑥2 + 𝑎2 𝑥2²
𝑏 𝑚𝑖𝑠𝑡𝑢𝑟𝑎 = 𝑏1 𝑥1² + 2𝑏12 𝑥1 𝑥2 + 𝑏2 𝑥2²
31. 31
Solução Numérica de EDOs de 1ª Ordem
Aula 19
Formulação geral do problema:
dϕ
dt
= f t, ϕ ; ρϕ t ; t > 0
para t = 0 ρϕ 0 = ϕ0
d𝛟
dt
= 𝐟 t, 𝛟 ; ρ𝛟 t ; t > 0
para t = 0 ρ𝛟 0 = 𝛟0
1 EDO
SEDOs
PVI
Problemas de Valor Inicial
32. 32
Solução Numérica de EDOs de 1ª Ordem
Aula 19
Obs: Redução de EDOs de Ordem Superior para Sistemas de EDOs de
1ª Ordem:
an η
dn
ϕ
dηn
+ an;1 η
dn;1
ϕ
dηn;1
+ ⋯ + an η
dn
ϕ
dηn
= b η
a η
d2
ϕ
dη2 + b η
dϕ
dη
= c η
EDO de
ordem “n”
Redução Sistema de EDOs de 1ª Ordem
Exemplo: EDO de 2ª Ordem
33. 33
Solução Numérica de EDOs de 1ª Ordem
Aula 19
a η
d2
ϕ
dη2
+ b η
dϕ
dη
= c η
Exemplo: EDO de 2ª Ordem
Definindo uma nova variável: β =
dϕ
dη
a η
dβ
dη
+ b η β = c η
β =
dϕ
dη
2EDOs de 1ª Ordem
34. 34
Solução Numérica de EDOs de 1ª Ordem
Aula 19
Métodos baseados em expansão em Série de Taylor (Diretos):
Runge-Kutta
Explícitos Fórmula de recorrência:
ϕ(t) = ϕ(t0) +
dϕ
dt t<t0
(t − t0) +
d²ϕ
dt² t<t0
(t − t0)²
2!
+ ...
Implícitos Fórmula de recorrência:
ϕ(t + Δt) = g ϕ t ,
dϕ
dt t
, t
ϕ(t + Δt) = g ϕ t , ϕ t + Δt ,
dϕ
dt t
,
dϕ
dt t:Δt
, t, t + Δt
“Futuro” “Passado”
“Futuro” “Passado + Futuro”
35. 35
Solução Numérica de EDOs de 1ª Ordem
Aula 19
Métodos de Runge-Kutta Explícitos: Runge-Kutta de 1ª Ordem
(Método de Euler)
ϕ(t) ≈ ϕ(t0) +
dϕ
dt t0
(t − t0)
ϕ(t + ∆t) ≈ ϕ(t) +
dϕ
dt t
∆t
h = passo de integração
≡ f t, ϕ EDO de 1ª Ordem
36. 36
Solução Numérica de EDOs de 1ª Ordem
Aula 19
Métodos de Runge-Kutta Explícitos: Runge-Kutta de 1ª Ordem
(Método de Euler)
ϕ1 = ϕ0 + h f(t0, ϕ0)
ϕ2 = ϕ1 + h f(t1, ϕ1)
t1 = t0 + h
t2 = t1 + h
37. 37
Solução Numérica de EDOs de 1ª Ordem
Aula 19
Métodos de Runge-Kutta Explícitos:
Os métodos de Runge-Kutta podem ser generalizados p/ qualquer ordem de
aproximação pela seguinte fórmula de recorrência:
ϕi:1 = ϕi + wkKk
n
k<1
Ordem de aproximação
Para n=1 Runge-Kutta de 1ª Ordem (Euler)
ϕi:1 = ϕi + w1K1 com
w1 = 1
K1 = h f(ti, ϕi)
38. 38
Solução Numérica de EDOs de 1ª Ordem
Aula 19
Métodos de Runge-Kutta Explícitos:
Para n=2 Runge-Kutta de 2ª Ordem
ϕi:1 = ϕi + w1K1 + w2K2 com
w1 = w2 = 0,5
K1 = h f(ti, ϕi)
K2 = h f(ti + h, ϕi + K1)
Para n=3 Runge-Kutta de 3ª Ordem
ϕi:1 = ϕi + w1K1 + w2K2 + w3K3 com w1 =
2
9
, w2 =
1
3
, w3 =
2
9
K1 = h f(ti, ϕi)
K2 = h f(ti +
h
2
, ϕi +
K1
2
)
K3 = h f(ti +
3h
4
, ϕi +
3K2
4
)
39. 39
Solução Numérica de EDOs de 1ª Ordem
Aula 19
Métodos de Runge-Kutta Explícitos:
Para n=4 Runge-Kutta de 4ª Ordem (Gill)
ϕi:1 = ϕi + w1K1 + w2K2 + w3K3 + w4K4
com
w1 =
1
6
, w2 =
1
3
b, w3 =
1
3
d, w4 =
1
6
K1 = h f(ti, ϕi)
K2 = h f(ti +
h
2
, ϕi +
K1
2
)
K3 = h f(ti +
h
2
, ϕi + aK1+bK2)
K4 = h f(ti + h, ϕi + cK2+dK3)
𝑎 =
2 − 1
2
; 𝑏 =
2 − 2
2
𝑐 = −
2
2
; 𝑑 = 1 +
2
2
41. 41
Solução Numérica de EDOs de 1ª Ordem
Aula 19
Métodos de Runge-Kutta para Sistema de EDOs:
Para Runge-Kutta de 1ª Ordem
dϕ1
dt
= f1 t, ϕ1, … , ϕn
...
dϕn
dt
= fn t, ϕ1, … , ϕn
K11 = h f1 ti, ϕ1i
, … , ϕni
K12 = h f2 ti, ϕ1i, … , ϕni
...
K1n = h fn ti, ϕ1i
, … , ϕni
ϕ1i:1 = ϕ1i + K11
...
ϕni:1
= ϕni
+ K1n
Procedimento
é repetido para
todos os
passos de
integração
42. 42
Solução Numérica de EDOs de 1ª Ordem
Aula 19
Exercício: Resolver a EDO de 1ª Ordem abaixo, por Runge-Kutta de 1ª, 2ª e
3ª Ordem até tfinal = 10 com h = 1.
dϕ
dt
= 10ϕ² ; ϕ t ; t > 0
Para t = 0 ϕ(0) = 1
Por final, comparar as soluções numéricas obtidas com a solução analítica.
43. Encontrar a solução numérica para a seguinte Equação Algébrica não-linear:
a) Pelo método da Bissecção
b) Pelo método de Newton-Raphson
43
Aula de exercícios:
Aula 21
Exercício 1:
f x =
x
1 − x
4
2x
− 0,04568 = 0
44. Encontrar a solução numérica do seguinte Sistema de Equações Algébricas não-
linear pelo Método de Newton:
44
Aula de exercícios:
Aula 21
Exercício 2:
f1 ϕ1, ϕ2 = ϕ1
3
− 3ϕ1ϕ2 + 1 = 0
f2 ϕ1, ϕ2 = 3ϕ1
3
ϕ2 − ϕ2
3
= 0
𝛟 =
ϕ1
ϕ2
=?
45. Resolver o seguinte sistema de EDO de 1ª Ordem pelo Método de Runge-Kutta
de 2ª Ordem:
45
Aula de exercícios:
Aula 21
Exercício 3:
dϕ1
dt
= −4ϕ1 + 5ϕ2 ; ϕ1 t ; t > 0
dϕ2
dt
= −2ϕ1 + 2ϕ2 ; ϕ2 t ; t > 0
Para t = 0 ϕ1 0 = 1
ϕ2 0 = 0
46. 46
Solução Numérica de EDOs de 1ª Ordem
Aula 22
Problemas de Valor de Contorno (PVC):
EDOs de 2ª Ordem
reduzidas a sistemas
de EDOs de 1ª Ordem
Modelos Microscópicos
1-D, permanente e com
difusão.
Sistemas de EDOs de 1ª
Ordem com condições
de contorno opostas
Modelos Miscroscópicos 1-D,
permanente, sem difusão,
contracorrente
Ex: Trocador de calor
contracorrente
47. 47
Solução Numérica de EDOs de 1ª Ordem
Aula 22
Trocador de Calor contracorrente:
Duplo tubo,
tubo carcaça, ...
48. 48
Modelagem Microscópica 1-D, permanente, sem difusão
Aula 22
Conservação da Energia Térmica / Fluido Quente
d mqCpq
Tq
dz
= UA Tq − Tf
dTq
dz
=
U∗A∗
mqCpq
Tq − Tf ; Tq z ; 0 < z ≤ L
Para z = 0 Tq 0 = Tqe
Considerando mqCpq
≈ cte
α
49. 49
Modelagem Microscópica 1-D, permanente, sem difusão
Aula 22
Conservação da Energia Térmica / Fluido Frio
d mfCpf
Tf
dz
= UA Tf − Tq
dTf
dz
=
U∗A∗
mfCpf
Tq − Tf ; Tf z ; 0 ≤ z < L
Para z = L Tf L = Tfe
Considerando mfCpf
≈ cte
β
50. 50
Modelagem Microscópica 1-D, permanente, sem difusão
Aula 22
Conservação da Energia Térmica
dTf
dz
= β Tq − Tf ; Tf z ; 0 < z ≤ L
Para z = 0 Tf 0 = Tfs = ?
As duas EDOs de 1ª Ordem formam um Problema de Valor de Contorno (PVC).
Como transformar um PVC em um PVI?
Tf𝑠 = Tf 0 =?
É resultado da EDO
Estimativa
Integrando
Tf z Tf z = L = (Tfe)calc
51. 51
Modelagem Microscópica 1-D, permanente, sem difusão
Aula 22
Problema de 1 EA-NL Zero de Função
f ϕ = 0
ϕ =?
f Tfs = Tfe − (Tfe)calc
Tfs =?
f Tfs = Tfe − (Tfe)calc ²
Tfs =?
ou Bissecção ou Newton-Raphson
52. 52
Modelagem Microscópica 1-D, permanente, sem difusão
Aula 22
Problema de 1 EA-NL Zero de Função
Realizar a integração
do sistema de EDOs
de 1ª Ordem (PVI)
Pelo método de Newton-Raphson
Tfs
i:1
≈ Tfs
i
−
f(Tfs
i
)
df
dTfs Tfs
i
Calcular a derivada
numérica por
diferença central
df
dTfs Tfs
i
≈
𝑓 Tfs
i
+ ∆Tfs − 𝑓(Tfs
i
− ∆Tfs)
2∆Tfs
Realizar a
integração do
sistema
Realizar a
integração do
sistema
53. 53
Modelagem Microscópica 1-D, permanente, sem difusão
Aula 22
Programa
TFE = ...
ESTIMATIVA INICIAL
TFS0 = ...
ICONV = 1
ITER = 0
DELTA_TF = 1.0D-3
DO WHILE (ICONV.EQ.1)
ITER = ITER+1
CALL MODEL (TFS0,TFEC)
FTFS0 = DABS (TFE-TFEC)**2.0D+0
TFSMA = TFS0+DELTA_TF
CALL MODEL (TFSMA,TFECMA)
TFSME = TFS0 - DELTA_TF
CALL MODEL (TFSME,TFEME)
FTSFMA = DABS (TFE – TFECMA)**2.0D+0
FTSFME = DABS (TFE – TFECME)**2.0D+0
DFTFS0 = (FTSFMA – FTSFME)/(2.0D+0*DELTA_TF)
!Próxima estimativa
TFS0 = TFS0 – FTFS0/DFTFS0
!Verificando a convergência
IF(DABS(FTFS0).LE.TOL)ICONV=0
END DO
A sub-rotina MODEL realiza a integração do SEDO de 1ªOrdem do tipo PVI
54. 54
Referências Bibliográficas:
CHAPRA, Steven C; CANALE, Raymond P. Numerical methods for engineers:
with programming and software apllications. 3rd ed. Boston : McGraw-Hill,
1998. xix, 924p, il. (General engineering series).