You are on page 1of 3

UNIVERSIDADE FEDERAL DE UBERLÂNDIA

FACULDADE DE ENGENHARIA QUÍMICA
Disciplina: Modelagem e Simulação de Processos I – GEO18
Professor: Fran Sérgio Lobato
Tópico: Linearização de Modelos
Define-se linearização como o processo de aproximação do comportamento de um modelo não linear
(NL) nas vizinhanças de uma região de interesse (ver a Figura 1).
Modelo Linear (L)

y
Modelo
Não-Linear (NL)

x

x0

Figura 1 – Linearização em torno do ponto de interesse x0.
Base Matemática: Expansão em Série de Taylor
Uma função f(x), contínua e diferenciável, pode ser aproximada em termos do ponto de referência x0:
df ( x − x0 ) d 2 f ( x − x0 )2 d 3 f ( x − x0 )3
f
( x) ≅ f ( x0 ) +
+ 2
+ 3
+ ... 
dx
1!
2!
3!
dx x
dx x
x0
NL
L
0
0    

 

L

NL

(1)

NL

Neste caso, se desejarmos uma aproximação linear (L) para a função f(x) (NL) devemos truncar a Eq.(1)
nos termos lineares:
df
f ( x) ≅ f ( x0 ) +
( x − x0 )  

dx
x0
NL
L    

(2)

L

Assim, a Eq.(2) representa a aproximação linear da função f(x) em relação ao ponto de referência x0.
Exemplo: aproxime a função x4 em torno do ponto x0=2.
x 4 ≅ 24 + 4(2)3 ( x − 2) +

12(2) 2
( x − 2) 2 + ...
2!

Seja o modelo NL:
dx
= f ( x) ,
dt  

NL

x(t0 ) = x0

(3)

L

Neste caso, se aproximarmos a função f(x) em torno do ponto de referência xL
dx
df
= f ( xL ) +
( x − xL ), 

dt
dx x = xL 

L 

L

x(t0 ) = x0

(4)

L

OBS: O modelo linearizado é muitas vezes referido como modelo local (em xL). É usual representá-lo
como desvio, escrevendo-o na forma de variável desvio, isto é, xɶ = x − xL .

(11) obtêm-se: ∂f d ( x1 − x1L ) ≅ f1 P + 1 L ∂x1 dt ( x1 − x1L ) + PL ∂f1 ∂x2 ( x2 − x2 L ) − f1 P L (12) PL Definindo a variável desvio xɶ1 = x1 − x1L : dxɶ1 ∂f1 ≅ dt ∂x1 xɶ1 + PL ∂f1 ∂x2 PL ∂f 2 ∂x2 PL xɶ2 (13) xɶ2 (14) Analogamente para a função f2. x2 ). dt dx x = xL  ( x − xL ) − f ( x L ) ( x − xL ) xɶ (t0 ) = x0 − xL (8) constante A Equação (8) representa o modelo linearizado em variável desvio ( xɶ ). Em forma matricial pode-se escrever: . x ). isto implica que.(10) de Eq. dxL = f ( xL ) = 0 dt (7) Subtraindo Eq. x1 (t0 ) = x10   dx2 = f ( x . x (t ) = x 2 1 2 2 0 20  dt (9) Determine o sistema linearizado em torno do ponto PL=(x1L.x2L). têm-se: dxɶ2 ∂f 2 ≅ dt ∂x1 xɶ1 + PL onde xɶ2 = x2 − x2 L é a variável desvio relacionada a x2.(5) obtêm-se dx dxL df − = f ( xL ) + dt dt dx x = xL d ( x − xL ) df = dt dx x = xL dxɶ df = xɶ. Seja o sistema de equações diferenciais:  dx1  dt = f1 ( x1 .Seja: dx df = f ( xL ) + dt dx ( x − xL ) Modelo Linearizado (5) x = xL dx = f ( x) dt ɶ Modelo Nao-Linear (6) Se xL é um estado estacionário.(7) de Eq. Aplicando a Série de Taylor e desprezando os termos não-lineares tem-se: dx1 ∂f ≅ f1 P + 1 L ∂x1 dt ( x1 − x1L ) + PL ∂f1 ∂x2 ( x2 − x2 L ) (10) PL Sabendo que dx1 dt = f1 (11) PL PL Subtraindo Eq.

 ∂f1 ∂f1    x −x  d  xɶ1   ∂x1 ∂x2   xɶ1  . Na engenharia química.(15) é muito mais complexo. linearize o modelo no(s) ponto(s) obtido(s) na letra a. Neste caso. x (t ) = x 1 2 2 0 20  dt (16) Determine: a) Qual(is) solução(ões) do estado estacionário? b) Classifique o modelo (linear ou não-linear). Exemplo: Seja o modelo  dx1  dt = x2 ( x1 + 1). x1 (t0 ) = x10   dx2 = x ( x + 3). é comum trabalhar com variáveis de estado. variáveis manipuláveis e parâmetros. o sistema representado pela Eq. . E caso seja pertinente. xɶ (t0 ) =  10 1L   xɶ  =  ∂f   ɶ  ∂f 2 dt  2   x20 − x2 L   x2  2   ∂ ∂ x x 2  P  1  L (15) constante OBS: O desenvolvimento acima representa um sistema onde apenas existem variáveis de estado. sendo reconhecido na literatura como modelo de estado de espaços.