Escolar Documentos
Profissional Documentos
Cultura Documentos
Métodos Numéricos Usando Python
Métodos Numéricos Usando Python
Engenharia
Nelson Lus Dias
Departamento de Engenharia Ambiental e
Lemma Laboratrio de Estudos em Monitoramento e
Modelagem Ambiental
Universidade Federal do Paran
18 de setembro de 2013
2013 Nelson Lus da Costa Dias. Todos os direitos deste documento esto reservados. Este documento no est em domnio pblico. Cpias para uso acadmico podem
ser feitas e usadas livremente, e podem ser obtidas em http://www.lemma.ufpr.br/
wiki/index.php/Prof._Nelson_Lus_Dias Recursos de Internet. Este documento distribudo sem nenhuma garantia, de qualquer espcie, contra eventuais erros
aqui contidos.
Sumrio
0 Formalismos matemticos
13
1 Ferramentas computacionais
1.1 Antes de comear a trabalhar, . . . . . . . . . . . . . . . .
1.2 Python . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.2.1 Strings e Inteiros . . . . . . . . . . . . . . . . . . .
1.2.2 Nmeros de ponto flutuante reais e complexos
1.2.3 Obteno de uma curva de permanncia . . . . . .
1.2.4 Arquivos texto e arquivos binrios . . . . . . . . .
1.3 Maxima . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
.
.
.
.
.
.
.
15
15
17
17
18
20
24
26
.
.
.
.
.
.
.
.
.
.
31
31
36
40
46
46
50
51
61
65
67
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
111
B Dados de vazo mdia anual e vazo mxima anual, Rio dos Patos, 1931
1999
113
Sumrio
Lista de Tabelas
1.1
20
2.1
36
Sumrio
Lista de Figuras
1.1
1.2
23
27
2.1
2.2
2.3
.
.
33
36
41
.
.
44
47
49
51
52
54
.
.
56
57
60
63
64
68
70
73
2.4
2.5
2.6
2.7
2.8
2.9
2.10
2.11
2.12
2.13
2.14
2.15
2.16
3.1
3.2
3.3
77
83
Sumrio
Soluo numrica produzida pelo esquema upwind, para t = 500t,
1000t e 1500t. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3.5 Soluo analtica da equao de difuso para t = 0, t = 0,05, t = 0,10 e
t = 0,15. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3.6 Soluo numrica com o mtodo explcito (3.35) (crculos) versus a soluo analtica (linha cheia) da equao de difuso para t = 0, t = 0,05,
t = 0,10 e t = 0,15. Apenas 1 a cada 5 pontos da grade numrica so
mostrados, para facilitar a comparao com a soluo analtica. . . . .
3.7 Soluo numrica com o mtodo implcito (3.39) (crculos) versus a soluo analtica (linha cheia) da equao de difuso para t = 0, t = 0,05,
t = 0,10 e t = 0,15. Apenas 1 a cada 5 pontos da grade numrica so
mostrados, para facilitar a comparao com a soluo analtica. . . . .
3.8 Soluo numrica com o mtodo de Crank-Nicholson ( (3.45)) (crculos)
versus a soluo analtica (linha cheia) da equao de difuso para t = 0,
t = 0,05, t = 0,10 e t = 0,15. Apenas 1 a cada 5 pontos da grade numrica
so mostrados, para facilitar a comparao com a soluo analtica. . .
3.9 Comparao entre as solues analtica (linhas) e numrica com um esquema implcito (pontos) da equao da difuso-adveco com termo de
decaimento, para t = 0,333, t = 0,666 e t = 0,999. . . . . . . . . . . . . .
3.10 Soluo analtica da equao da difuso bidimensional, para t = 0, t = 0,
t = 0,1, t = 0,2 e t = 0,3 . . . . . . . . . . . . . . . . . . . . . . . . . . .
3.11 Soluo numrica da equao da difuso bidimensional com o esquema
ADI, para t = 0, t = 0, t = 0,1, t = 0,2 e t = 0,3 . . . . . . . . . . . . . .
3.4
84
88
91
95
98
. 101
. 106
. 109
Lista de Listagens
1.1
1.2
1.3
1.4
1.5
1.6
1.7
1.8
1.9
1.10
1.11
2.1
2.2
2.3
2.4
2.5
2.6
2.7
2.8
2.9
2.10
2.11
2.12
2.13
2.14
2.15
2.16
2.17
2.18
17
19
21
21
23
24
25
26
28
29
29
32
32
33
34
35
37
37
38
38
39
39
41
43
44
45
46
48
50
Sumrio
2.19
2.20
2.21
2.22
2.23
2.24
2.25
2.26
2.27
10
.
.
.
.
.
.
.
.
52
54
55
58
59
62
62
64
71
75
76
81
.
.
82
86
87
89
90
93
94
. 97
. 100
. 102
. 105
. 107
. 113
Prefcio
Este texto parte de um projeto maior, em preparao, que ambiciona cobrir o contedo
de duas disciplinas que o autor leciona na graduao da UFPR. No seria justo fazer
meus alunos esperarem demais pelas partes que j esto razoavelmente prontas. O
leitor, ou a leitora, deve entretanto cuidar para o fato de que se trata de um excerto de
um projeto maior, e que consequentemente pode haver falhas. Mesmo assim, creio que
a hora de divulgar o contedo relacionado a um assunto absolutamente fascinante, que
so os mtodos numricos. Note, leitor ou leitora, que se trata de uma introduo, e que
no h nenhuma ambio de completude da parte do autor; mesmo assim. . . Divirta-se!
11
Sumrio
12
0
Formalismos matemticos
Este um livro sobre formalismos matemticos, e como eles podem ajudar voc, estudante, a resolver problemas mais rapidamente, e mais facilmente. O uso de matemtica
para resolver problemas cada vez mais sofisticados e realistas relacionados ao meio fsico, qumico e biolgico que nos cerca um fato: o caminho do futuro com certeza um
caminho em que o contedo matemtico ser cada vez maior na soluo de problemas
de Engenharia.
Novos formalismos permitem resolver mais rapidamente problemas mais difceis,
mas muitos estudantes tm dificuldade de ver as vantagens. No curto prazo, o aprendizado penoso, difcil, e cansativo. mesmo, e no minha inteno encobrir o grande
esforo envolvido. O ponto fundamental, entretanto, estar disposta(o) a entender que
o formalismo novo, e que ele precisa ser aprendido antes que o retorno medido na
soluo de problemas de seu interesse possa vir. Pense nisso como um investimento.
Como qualquer aluno que completou o ensino mdio antes de ingressar em um curso
superior, isso j aconteceu na sua vida. Um dia, voc aprendeu um novo formalismo
matemtico, muito difcil de entender (naquela ocasio), mas que lhe deu um gigantesco
poder de resolver novos problemas. O poder to grande, que voc quase certamente
esqueceu a forma antiga.
Exemplo 0.1 Maria possui o dobro das mas de Joo, e duas mas a mais que Jos. O nmero
total de mas que os trs possuem 18. Quantas mas Maria possui? Resolva esse problema
sem usar lgebra
SOLUO
Sem lgebra significa com Aritmtica apenas. A nica forma possvel por enumerao. Na
tabela abaixo, ns vamos aumentando o nmero de mas de Jos, e calculando as mas que
Maria e que Joo tm, at que a soma produza o valor do enunciado. Observao: o nmero de
mas de Maria par; logo, o nmero de mas de Jos tambm . Variamos portanto o nmero
de mas de Jos de 2 em 2.
Jos
Maria
Joo
Total
0
2
4
6
2
4
6
8
1
2
3
4
3
8
13
18
Portanto, Maria tem 8 mas. Era assim que voc fazia at aprender lgebra. Tambm era
assim que o mundo inteiro fazia, at a lgebra ser inventada. Hoje, ela to corriqueira, que
13
14
Matemtica Aplicada
ningum mais se lembra de que, um dia, ser matemtico era ser aritmtico e gemetra, mas ainda
no era ser algebrista.
claro que existe uma outra forma. Se x o nmero de mas de Maria, y o de Joo,
e z o de Jos,
x = 2y,
x = z + 2,
x + y + z = 18.
Ou:
x + x/2 + (x 2) = 18,
2x + x + 2x 4 = 36,
5x = 40,
x =8
A superioridade da abordagem algbrica to gritante que a maioria de ns se esquece da soluo aritmtica que aprendemos. A lgebra um formalismo novo, que nos
d tanto poder que vale a pena aprend-la ainda bem cedo, e utiliz-la para resolver
quase tudo que aparece at o fim do ensino mdio. Nesse ponto, entretanto, o poder da
lgebra d sinais de cansao. Novos formalismos so necessrios. Esses formalismos so
o Clculo, e a lgebra Linear. Este livro trata do seu uso sistemtico, e intensivo, para
resolver todo tipo de problema. Mas eles so formalismos novos. Suas regras so diferentes das regras da lgebra elementar. Esse fato precisa ser aceito, para que o contedo
do livro seja proveitosamente aprendido.
Exerccios Propostos
0.1 Resolva o mesmo problema, substituindo 18 por 33599999998.
1
Ferramentas computacionais
Neste captulo ns fazemos uma introduo muito rpida a duas ferramentas computacionais.
Python uma linguagem de programao, razoavelmente clssica, e da qual ns vamos explorar apenas uma parte chamada de programao procedural. A escolha de
Python deve-se ao fato de ela ser uma linguagem fcil de aprender, e de existirem muitas
bibliotecas de rotinas em Python que tornam muitas das tarefas de Matemtica Aplicada
fceis de implementar em um computador.
Maxima uma linguagem de processamento simblico. Da mesma maneira que ns
faremos contas com Python, ns faremos lgebra com Maxima. Os usos que faremos
de Maxima estaro longe de explorar todo o seu potencial. Ns vamos apenas calcular
algumas integrais, algumas sries de Taylor, e resolver algumas equaes diferenciais
ordinrias; entretanto, a rapidez com que faremos isso justifica amplamente o seu uso.
Infelizmente, a verso de um programa de computador faz diferena, e s vezes faz
muita diferena. As verses que eu utilizei para este texto foram:
Python:
2.7.2
Maxima:
5.24.0
Neste momento, existem duas linhagens de Python convivendo: 2.x, e 3.x. O futuro
Python 3.x , e eu procurei usar uma sintaxe to prxima de 3.x quanto possvel. Isso
facilitado por comandos do tipo
from __future__ import ,
que voc encontrar diversas vezes ao longo do texto. Se voc (j) estiver usando Python
3.x, remova esses comandos do incio de seus arquivos .py. Note que os colchetes acima
no fazem parte do comando; eles apenas o delimitam, como se fossem aspas.
Matemtica Aplicada
16
3) Saber usar um editor de texto, e salvar seus arquivos com codificao ISO-8859-1.
4) Certificar-se de que voc tem Python instalado.
5) Certificar-se de que voc tem Numpy (um mdulo de Python que deve ser instalado
parte, e que vamos utilizar seguidamente) instalado.
6) Certificar-se de que voc tem Maxima instalada.
Ateno! Um editor de texto no um processador de texto. Um editor de texto no
produz letras de diferentes tamanhos, no cria tabelas, e no insere figuras. Um editor
de texto reproduz o texto que voc datilografa, em geral com um tipo de largura constante para que as colunas e espaos fiquem bem claros. Um editor de texto que vem
com Windows chama-se notepad, ou bloco de notas nas verses em Portugus; um excelente substituto chama-se notepad2 (http://www.flos-freeware.ch/notepad2.
html). Em Linux, editores de texto simples so o gedit (http://projects.gnome.
org/gedit/) que tambm funciona muito bem em Windows, e o kate. Programadores mais experientes costumam preferir o vim, ou o emacs. Esses dois ltimos possuem
verses para os 3 sistemas operacionais mais comuns hoje em dia: Windows, Linux e
Mac OS X.
Quando voc estiver praticando o uso das ferramentas computacionais descritas
neste texto, suas tarefas invariavelmente sero:
1) Criar o arquivo com o programa em Python, ou Maxima, usando o editor de texto, e
salv-lo em codificao ISO-8859-1.
Se no for bvio para voc, procure descobrir como voc pode configurar
o seu editor para salvar em ISO-8859-1. Se isso for impossvel para voc,
trabalhe normalmente, mas no use acentos: em lugar de impossvel,
digite impossivel.
2) Ir para a linha de comando.
3) Executar o programa digitando o seu nome (e no clicando! ), possivelmente precedido
por python ou maxima.
4) Verificar se o resultado est correto.
5) Se houver erros, voltar para 1), e reiniciar o processo.
Neste texto, eu vou partir do princpio de que todas estas condies esto cumpridas
por voc, mas no vou detalh-las mais: em geral, sistemas operacionais, editores de
texto e ambientes de programao variam com o gosto do fregus: escolha os seus
preferidos, e bom trabalho!
Exerccios Propostos
1.1 Voc j devia estar esperando por isto: o que um sistema operacional? Qual o sistema
operacional que voc usa?
1.2 Como saber se Python est instalado?
17
1.2 Python
1.2 Python
Python reconhece os seguintes tipos bsicos de variveis: strings, nmeros inteiros, nmeros de ponto flutuante, e nmeros complexos.
1.2.1 Strings e Inteiros
Strings, ou cadeias de caracteres, so criaturas do tipo 'abacaxi', e nmeros inteiros so criaturas do tipo -1, 0, e 32767. O tipo das strings que vamos usar chama-se
unicode em Python 2.x, e str em Python 3.x . O tipo dos nmeros inteiros chama-se
int em Python.
A listagem 1.1 mostra o contedo do arquivo binint.py com alguns exemplos simples do uso de inteiros e strings. A legenda de cada listagem se inicia sempre com o
nome do arquivo correspondente (aps um pouco de hesitao, eu decidi no disponibilizar estes arquivos; para testar os exemplos deste texto, voc precisar digitar os
arquivos novamente: isto o (a) forar a praticar programao). A listagem um retrato
fiel do arquivo, com duas excees: as palavras reservadas de Python esto sublinhadas na listagem (mas no no arquivo), e os espaos em branco dentro das strings esto
enfatizados pelo smbolo .
Ateno: os nmeros que aparecem esquerda da listagem no fazem parte do arquivo. Em Python, um comentrio inicia-se com #, e prossegue at o fim de linha. A
maior parte dos comandos de binint.py est explicada nos prprios comentrios. Alguns comentrios (sem inteno de trocadilho) adicionais, por linha:
1
Magia negra: tudo que escrito entre aspas passa a ser uma string to tipo
unicode.
Magia negra: print deixa de ser uma declarao, e passa a ser uma funo. Se
voc no entendeu nada, no se preocupe.
Matemtica Aplicada
8
18
1213 O comando for percorre em ordem um objeto itervel (no caso, a string
'aafro' itervel, com a[0] == 'a', a[1] == '', etc.). O corpo do for
tem que ser indentado, e na listagem a indentao de 3 espaos. Desta forma,
no caso da linha 13, o comando
print('ord(',c,') = ', ord(c))
executado 7 vezes, uma para cada caractere de a. A volta indentao anterior
na linha 14 define o fim do for.
Vamos agora sada do programa binint.py:
aafro
7
4294967295
--- a:
ord( a ) =
ord( ) =
ord( a ) =
ord( f ) =
ord( r ) =
ord( ) =
ord( o ) =
--- b:
ord( 4 ) =
ord( 2 ) =
ord( 9 ) =
ord( 4 ) =
ord( 9 ) =
ord( 6 ) =
ord( 7 ) =
ord( 2 ) =
ord( 9 ) =
ord( 5 ) =
97
231
97
102
114
227
111
52
50
57
52
57
54
55
50
57
53
print imprime com o formato apropriado inteiros e strings (e muito mais: quase
tudo, de alguma forma!). O maior inteiro que cabe em 32 bits sem sinal 4294967295
(como j vimos acima). A posio do caractere a na tabela Unicode 97; a posio do
caractere 231; a posio do caractere 4 52. Finalmente, o caractere Unicode de
nmero 227 o .
Se voc estiver vendo uma sada diferente da mostrada acima, com caracteres estranhos, no se assuste (demais): o seu arquivo binint.py e o terminal dentro do qual
voc est executando este programa certamente esto utilizando codificaes diferentes
(veja se o apndice A pode ajudar).
1.2.2 Nmeros de ponto flutuante reais e complexos
Em primeiro lugar, um esclarecimento: no computador, no possvel representar
todos os nmeros x R do conjunto dos reais, mas apenas um subconjunto dos racionais Q. Linguagens de programao mais antigas, como FORTRAN, ALGOL e PASCAL,
19
1.2 Python
mesmo assim chamavam estes tipos de REAL. A partir de C, e continuando com Python,
em muitas linguagens passou-se a usar o nome mais adequado float.
Python vem com uma grande quantidade de mdulos predefinidos, e voc pode adicionar seus prprios mdulos. Deles, importam-se variveis e funes (e outras coisas)
teis. Nosso primeiro exemplo do uso de nmeros de ponto flutuante (float) e complexos (complex) no podia ser mais simples, na listagem 1.2
Eis a sada de floats.py:
pi = 3.14159265359
e = 2.71828182846
sen(pi /2) = 1.0
sen(i)
= 1.17520119364 j
20
Matemtica Aplicada
Tabela 1.1: Vazes Mximas Anuais (m3 s1 ) no Rio dos Patos, PR, 19311999
Ano
Vaz Mx
Ano
Vaz Mx
Ano
Vaz Mx
Ano
Vaz Mx
1931
1932
1933
1934
1935
1936
1937
1938
1939
1940
1941
1942
1943
1944
1945
1946
1947
1948
1949
1950
272.00
278.00
61.60
178.30
272.00
133.40
380.00
272.00
251.00
56.10
171.60
169.40
135.00
146.40
299.00
206.20
243.00
223.00
68.40
165.00
1951
1952
1953
1954
1955
1956
1957
1958
1959
1960
1961
1962
1963
1964
1965
1966
1967
1968
1969
1970
266.00
192.10
131.80
281.00
311.50
156.20
399.50
152.10
127.00
176.00
257.00
133.40
248.00
211.00
208.60
152.00
92.75
125.00
135.60
202.00
1971
1972
1973
1974
1975
1976
1977
1978
1979
1980
1981
1982
1983
1984
1985
1986
1987
1988
1989
1990
188.00
198.00
252.50
119.00
172.00
174.00
75.40
146.80
222.00
182.00
134.00
275.00
528.00
190.00
245.00
146.80
333.00
255.00
226.00
275.00
1991
1992
1993
1994
1995
1996
1997
1998
1999
131.00
660.00
333.00
128.00
472.00
196.00
247.50
451.00
486.00
F (q) = P {Q q }.
(1.1)
(1.2)
Para obt-la, preciso considerar os valores iguais ou menores que o valor de corte q.
Portanto, ns devemos primeiro ordenar os qi s, de tal maneira que
q 0 q 1 . . . qn1 .
21
1.2 Python
Listagem 1.3: patos-medmax.dat vazes mdia e mxima anuais, Rio dos Patos
1931
1932
1933
1934
1935
21.57
25.65
4.76
11.46
28.10
272.00
278.00
61.60
178.30
272.00
Note que a ordenao no altera (1.1). Aps a ordenao, o clculo de F (qi ) trivial:
F (qi ) =
i
X
1
k=0
i+1
.
n
(1.3)
Faz a diviso funcionar como em Python 3.x. Em Python 2.x, 3/4 == 0, e 3.0/4
== 0.75. Em Python 3.x, / sempre produz um resultado do tipo float (ou
complex); e um novo operador // sempre produz diviso inteira.
Matemtica Aplicada
22
Nesta linha, qmax inicializado como uma lista vazia. Uma lista uma sequncia
de objetos quaisquer. Dada uma lista a, seus elementos so a[0], a[1], etc.. Uma
lista a com n objetos vai de a[0] at a[n-1].
Este o loop de leitura do programa. linha uma string que contm em cada
iterao uma das linhas de patos-medmax.dat.
preciso separar uma linha (veja a listagem 1.3) em seus 3 campos. O mtodo1
split separa a string linha em 3 strings, e as coloca em uma lista campo == [
campo[0], campo[1], campo[2] ], usando os espaos em branco como separadores (que so eliminados).
10
Cada um dos campos agora ele mesmo uma string, com os valores separados.
As 5 primeiras linhas que aparecem na tela devido ao comando print da linha
10 so:
[ '1931 ',
[ '1932 ',
[ '1933 ',
['1934 ',
['1935 ',
11
12
13
14
15
sort um mtodo pr-definido para qualquer lista, que a ordena (por default em
ordem crescente).
16
17
18
Python, um mtodo uma rotina que pertence a uma varivel ou um tipo (a rigor, a uma classe,
mas este no um curso de programao)
23
1.2 Python
Listagem 1.5: fqiemp.dat FDA emprica da vazo mxima anual no Rio dos Patos.
56.10
61.60
68.40
75.40
92.75
0.014493
0.028986
0.043478
0.057971
0.072464
1.0
0.9
0.8
FDA emprica
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0.0
0
100
200
300
400
500
600
700
Figura 1.1: FDA emprica da vazo mxima anual no Rio dos Patos.
19
20
write um mtodo do arquivo fou. write sempre escreve seu nico argumento,
que tem que ser uma string, no arquivo. Trata-se portanto do problema inverso
do loop de leitura, que transformava strings em floats: agora precisamos transformar floats em uma string. para isto que serve o operador %: ele tem
sua esquerda uma string com os campos de formatao especiais %8.2f e %8.6f;
sua direita uma tupla2 (qi,Fi) com tantos elementos quantos so os campos
de formatao. O primeiro elemento ser substitudo no primeiro campo de formatao por uma string com 8 caracteres, sendo 2 deles para casas decimais. O
segundo elemento ser substitudo no segundo campo de formatao por uma
string com 8 caracteres, sendo 6 deles para casas decimais. A string resultante,
que precisa conter explicitamente o caractere de fim de linha \n, ser escrita no
arquivo de sada.
Matemtica Aplicada
24
Exerccios Propostos
1.5 Dado um nmero inteiro p lido do terminal, escreva um programa Python para procurar o
ndice i de uma lista a de 10 nmeros inteiros definida internamente no programa tal que a[i]
== p, e imprimir o resultado.
10
11
25
1.2 Python
#
#
#
#
abre um
loop em
gera um
escreve
Conte os bits na primeira linha (aps o prefixo 0b, que indica a representao na
base 2): eles correspondem aos 4 bytes que custa ao programa para guardar o nmreo
inteiro 673451 (apenas 20 bits so mostrados; os 12 bits esquerda desses so iguais a
zero). Repare que o arquivo binrio menor que o arquivo texto. Em geral, arquivos
binrios tendem a ser menores (para a mesma quantidade de informao). A outra
grande vantagem que a leitura e a escrita de arquivos binrios muito mais rpida,
porque no h necessidade de traduzir a informao de, e para, strings.
Na prtica, arquivos binrios esto invariavelmente associados ao uso de arrays, pelo
menos em Engenharia. O mdulo Numpy (http://numpy.scipy.org), que no vem
com Python, e necessita ser instalado parte, proporciona um tipo chamado array, e
permite manipular com boa eficincia computacional vetores e matrizes em Python. O
tipo permite na prtica substituir listas (tipo list); ademais, tudo ou quase tudo que
funciona com listas tambm funciona com arrays. Neste texto, ns faremos a partir de
agora amplo uso de Numpy e de seu tipo array. A referncia completa de Numpy est
disponvel em domnio pblico (Oliphant, 2006), podendo tambm ser comprada pela
Internet.
Alm de definir arrays, Numpy tambm proporciona seus prprios mtodos e funes para ler e escrever de e para arquivos binrios. Vamos ento dar dois exemplos
muito simples, porm muito esclarecedores.
Primeiro, um programa para escrever um array. A listagem 1.7 mostra o programa
writearr.py. O programa usa uma rotina disponvel em numpy, rand, para devolver
um array com 10 nmeros aleatrios entre 0 e 1. writearr.py repete por 3 vezes a
gerao de a e a sua escritura no arquivo binrio a.bin: a escritura utiliza o mtodo
tofile. Repare que tofile um mtodo do array a; ele no precisa ser importado,
pois ele j faz parte da varivel a a partir do momento em que ela criada. writearr
roda silenciosamente: no h nenhuma sada na tela. No entanto, se procurarmos no
disco o arquivo gerado, teremos algo do tipo
>ls -l a.bin
-rw -r--r-- 1 nldias nldias 240 2011 -08 -28 14:08 a.bin
O arquivo gerado, a.bin, possui 240 bytes. Em cada uma das 3 iteraes de
writearr.py, ele escreve 10 floats no arquivo. Cada float custa 8 bytes, de modo
que em cada iterao 80 bytes so escritos. No final, so 240.
26
Matemtica Aplicada
Listagem 1.8: readarr.py L um arquivo binrio contendo 3 linhas, cada uma das
quais com um array de 10 floats.
1
2
3
4
5
6
7
8
9
10
11
12
importante observar que o arquivo a.bin no possui estrutura: ele no sabe que
dentro dele mora o array a; ele , apenas, uma linguia de 240 bytes. Cabe a voc,
programadora ou programador, interpretar, ler e escrever corretamente o arquivo.
Prosseguimos agora para ler o arquivo binrio gerado. Isto feito com o programa
readarray.py, mostrado na listagem 1.8.
O programa importa a rotina fromfile de Numpy, a partir da qual 3 instncias de
a so lidas do arquivo a.bin e impressas com formato na tela. Eis a sua sada:
0.2327 0.6117 0.7713 0.5942 0.1799 0.3156 0.1473 0.4299 0.0870 0.0846
0.4301 0.9779 0.0322 0.4833 0.6097 0.4387 0.0639 0.1399 0.4350 0.7737
0.5809 0.0382 0.6567 0.8062 0.8427 0.2511 0.2897 0.5785 0.2892 0.0385
1.3 Maxima
Maxima a linguagem de processamento simblico mais antiga que existe: ela se
chamava, quando foi criada, MACSYMA. A mudana de nome ocorreu quando o cdigo
se tornou livre. Maxima capaz de fazer lgebra, derivar, integrar, resolver equaes
diferenciais, calcular transformadas de Laplace, etc., analiticamente. Por exemplo: voc
sabe quanto (a + b)4 ? No? Digitando maxima na linha de comando voc obter
Maxima 5.21.1 http :// maxima . sourceforge .net
using Lisp GNU Common Lisp (GCL) GCL 2.6.7 (a.k.a. GCL)
Distributed under the GNU Public License . See the file COPYING .
Dedicated to the memory of William Schelter .
The function bug_report () provides bug reporting information .
(% i1)
(b + a)
4
(% o2)
(% i3) quit ();
3
+ 4 a b
2
+ 6 a
O comando
quit();
2
b
3
+ 4 a
4
b + a
27
1.3 Maxima
0.6
0.5
f (x)
0.4
0.3
0.2
0.1
0.0
0.01
0.1
10
100
Maxima capaz de resolver muitas equaes quando a soluo algbrica existe. Por
exemplo, considere o problema de encontrar o mximo da funo
f (x) =
x
,
1 + x 7/3
mostrada na figura 1.2: note que se trata de uma funo muito apertada em torno de
x = 0; para vermos melhor a funo nas proximidades de zero, ns plotamos o eixo
dos x em escala logaritmica. evidente que s existe um mximo para a funo. Para
encontr-lo, ns derivamos f (x), igualamos a derivada a zero, e encontramos a raiz de
f 0(x) = 0. Com Maxima, isto fica mostrado na listagem 1.9.
Note que existem 7 razes para f 0(x ) = 0, mas 6 delas so complexas! Por exemplo, a
primeira raiz encontrada por Maxima foi
x=
3/7 6i 3/7
3
3
6i
6i
e7 =
cos
+ i sen
;
4
4
7
7
28
Matemtica Aplicada
Listagem 1.9: Obteno do ponto de mximo de uma funo com Maxima
(% i1) f : x/(1 + x ^(7/3)) ;
x
-------7/3
x
+ 1
(% o1)
(% i2) diff(f,x);
7/3
1
7 x
-------- - ------------7/3
7/3
2
x
+ 1
3 (x
+ 1)
(% o2)
2 %i %pi
- -------7
4 %i %pi
-------7
3/7
3/7
3/7
3
%e
3
%e
3
%e
(% o3) [x = ---------------, x = -----------------, x = ---------------,
3/7
3/7
3/7
4
4
4
4 %i %pi
2 %i %pi
6 %i %pi
- --------------- -------3/7
7
3/7
7
3/7
7
3/7
3
%e
3
%e
3
%e
3
x = -----------------, x = ---------------, x = -----------------, x = ----]
3/7
3/7
3/7
3/7
4
4
4
4
1, e
x
0
dF
dx .
dx
onde
F (x) = 1 exp (x/)k .
A derivada dentro da integral ficou intencionalmente indicada: estou supondo que ns
somos preguiosos, e no queremos calcul-la manualmente, nem integral. A listagem
1.10 mostra uma maneira de calcular , em funo de e de k, com Maxima.
As explicaes se seguem:
12
Declara que k e lam so variveis reais. O smbolo $ no fim de cada linha omite
a resposta de Maxima; isto til quando executamos uma srie de comandos
de Maxima em batch (em srie) a partir de um arquivo .max, e no estamos interessados em ver o resultado de cada um deles. Em sees interativas, o normal
encerrar cada comando com ;.
34
29
1.3 Maxima
Listagem 1.10: mulambdak.max clculo da mdia da distribuio Weibull em em funo de seus parmetros e k
1
2
3
4
5
6
7
8
Define F (F (x)): note que no F(x)! Note tambm que a atribuio, em Maxima,
no feita com = (como em Python), mas sim com :; = fica reservado para
igualdade.
Armazena a derivada de F (x ).
Calcula a integral.
30
Matemtica Aplicada
1.7 Com Maxima, calcule
1
1
x 3/2
dx .
2
Um pouco de polinmios, integrais,
sries e equaes diferenciais
2.1 Integrao numrica: motivao
Suponha que voc deseje traar uma curva com as seguintes propriedades:
passar pelos pontos (0, 0), (1, 5/2), (2, 7/2) e (4, 4);
possuir derivada igual a 0 em x = 4.
Existem muitas curvas com estas propriedades, mas uma candidata natural um polinmio de grau 5, uma vez que existem 5 propriedades ou graus de liberdade na lista
acima. Portanto,
f (x) = ax 4 + bx 3 + cx 2 + dx + e,
df
,
(x) =
dx
f (0) = 0,
f (1) = 5/2,
f (2) = 7/2,
f (4) = 4,
(4) = 0.
Agora, podemos obter facilmente a, b, c, d , e com Maxima, com o programa
achapol.max da listagem 2.1.
A dissecao de achapol.max a seguinte:
12
Define f (x) e (x ).
37
(2.1)
32
Matemtica Aplicada
claro que esta integral pode ser calculada analiticamente com Maxima, conforme podemos ver na listagem 2.3. Logo, I = 1321/90 14,6778 (ateno para o arredondamento). Entretanto, nem todas as integrais podem ser calculadas assim, por uma srie
de motivos:
a funo pode no possuir uma integral em forma fechada,
a funo pode ser definida por pontos, mas no por uma frmula,
a funo pode ser difcil de integrar analiticamente, e voc pode querer ter uma
idia inicial do valor da integral, etc..
33
y
5
4
f (x )
3
h(x )
2
1
0
b
f (1) + f (5)
4 = 12,50.
2
Nada mal, considerando o valor verdadeiro 14,6778! Mas pode ser melhorada, com o
uso de dois trapzios. Para isto, basta calcular f (3) e somar as reas dos dois trapzios
resultantes:
f (1) + f (3)
f (3) + f (5)
I1 =
2+
2 = 14,000.
2
2
34
Matemtica Aplicada
Note que estamos muito prximos do valor verdadeiro com apenas 2 trapzios.
Mas existe uma alternativa analtica mais inteligente do que trapzios: como temos 3
pontos, ns podemos aproximar a curva por uma parbola do 2o grau passando por estes
3 pontos. O programa passaquad.max, mostrado na listagem 2.4, faz este trabalho, e
acha os coeficientes a, b, c da parbola
h(x) = ax 2 + bx + c
que passa por (1, f (1)), (3, f (3)) e (5, f (5)). No embalo, passaquad.max redefine h(x )
com os coeficientes encontrados, e j calcula a integral de h(x) entre 1 e 5. A parbola h
tambm mostrada na figura 2.1.
=
h(x) dx
3 2 23
5
x + x+
dx
16
16
4
29
=
= 14,5000.
2
Ik I
.
I
(2.2)
Uma nica parbola foi capaz de estimar I com um erro relativo ligeiramente superior a 1%. Um caminho geral para a integrao numrica est aberto: aumentar o
nmero de elementos de integrao (no nosso caso foram trapzios) e/ou aumentar a
ordem do polinmio aproximador da funo por um certo nmero de pontos. Este o
contedo da prxima seo.
35
Exerccios Propostos
2.1 Se f (x ) = sen x, qual a estimativa de I =
0
f (x ) dx = 2 com um trapzio ?
2.2 Provavelmente, voc no est muito contente com o resultado do Problema 2.1.
a) Aproxime a integral I do Problema 2.1 com dois trapzios, entre x = 0 e /2, e entre x = /2
e .
b) Aproxime a integral pela integral da parbola quadrtica (x ) = ax 2 + bx + c passando pelos
pontos (0, 0), ( /2, 1) e ( , 0).
c) Aproxime a integral de f (x) pela integral da parbola cbica h(x) = ax 3 +bx 2 +cx +d passando
pelos mesmos pontos acima, e com h 0 ( /2) = 0.
36
Matemtica Aplicada
Tabela 2.1: Estimativas numricas de I e seus erros relativos .
Integral
Exato
Um trapzio
Dois trapzios
Uma parbola
Valor
14,6778
12,5000
14,0000
14,5000
0
0,1483
0,0461
0,0121
b
f (x )
x0 x1 x2 x3 x4 x5 x6 x7 x8
(2.3)
com
x 0 = 1,
xn = 5,
xn x 0
x =
.
n
(2.4)
(2.5)
(2.6)
37
(2.7)
(2.8)
(2.9)
i=1
Esta seo vale um mdulo de Python, que ns vamos denominar numint. Uma
implementao razoavelmente eficiente da regra do trapzio mostrada nas primeiras
21 linhas de numint.py, na listagen 2.6
Listagem 2.6: numint.py Integrao numrica, regra do trapzio
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
38
Matemtica Aplicada
#
#
#
#
#
#
#
#
39
Listagem 2.10: numint.py Integrao numrica eficiente, com erro absoluto prestabelecido
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
40
Matemtica Aplicada
Exerccios Propostos
2.3 Usando Python e numint.trapezio, aproxime I =
10 trapzios.
0
0
b x 0 +2nh
ax 0
f (x ) dx
h
[f 0 + 4f 1 + 2f 2 + . . . + 2f 2n 2 + 4f 2n 1 + f 2n ] .
3
2.7 Estenda numint com uma rotina simpson para calcular a regra de Simpson com 2n intervalos, e uma rotina simpepsilon para calcular uma integral numrica pela regra de Simpson com
preciso estipulada. Baseie-se em trapezio e trapepsilon.
41
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
de 0
a 3
em 100 passos
de dx
erf (0) = 0
arquivo de sada
limite inferior a partir de xmin
erf (0) = 0
loop
novo limite superior
integra mais uma fatia
acumula erf
imprime at aqui
atualiza limite inferior
fecha o arquivo de sada
1.0
trapepsilon
pr-definida
0.9
0.8
0.7
0.6
erf(x)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
0.5
0.4
0.3
0.2
0.1
0.0
0
0.5
1.5
2.5
Figura 2.3: Funo erf(x ) calculada por integrao numrica, com trapepsilon e =
1 106 , versus a erf pr-definida no programa de plotagem.
42
Matemtica Aplicada
2
(% o1 )/T/
1 - u
u 2
(1)n
n=0
u 2n
.
n!
(2.11)
Portanto,
0
u 2
du =
=
xX
X
n=0
(1)n
n=0
(1)n
n!
0
u 2n
du
n!
u 2n du
X
(1)n x 2n+1
=
n! 2n + 1
n=0
X
n=0
(1)n
x 2n+1
.
(2n + 1)n!
(2.12)
(1)n x 2(n1+1)+1
2(n 1 + 1) + 1) n(n 1)!
(1)n1x 2(n1)+1 [x 2 ]
2(n 1) + 1) + [2] [n](n 1)!
An1 (x 2 )
=
.
(Bn1 + 2)(Cn1 n)
=
(2.13)
43
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
mesma preciso
garante entrada no while
primeiro A
primeiro B
primeiro C
primeiro n
primeiro termo da srie
primeira soma da srie
loop
incrementa n
novo A
novo B
novo C
novo termo
seu valor absoluto
soma na srie
Mais uma coisa: a srie de erf(x) s contm potncias mpares: portanto, erf(x) uma
funo mpar, e vale a relao
erf(x ) = erf(x).
Com isto, temos uma rotina em Python para calcular erf(x), chamada erf_1(x), no mdulo erfs, do arquivo erfs.py. As linhas correspondentes a erf_1(x) so mostradas
na listagem 2.13
Agora, podemos escrever vererf1.py (listagem 2.14), gerar um arquivo de sada
vererf1.dat e plotar a sada, mostrada na figura 2.4.
Embora formalmente correta, a rotina erf_1 fica mais lenta medida que |x | cresce.
Como j vimos nas figuras 2.3 e 2.4, erf(x) 1 para |x | & 3. Porm, uma olhada em
vererf1.dat, nos d
erf_1(3) = 0.999978 ,
que ainda est acima da preciso especificada de 0,000001. Precisamos descobrir o valor
de x para o qual erf_1 produz 0,999999. Por tentativa e erro, encontramos
erf_1(3.6) = 0.99999952358847277 ,
que igual a 1,0 para 6 casas decimais. Precisamos tambm saber com quantos termos este clculo foi feito, e este o motivo de erf_1 devolver tambm n. Para calcular erf(3,6) com erf_1, ns precisamos de n = 43 termos. A rotina erf na listagem
2.15, tambm no arquivo erfs.py, usa este fato para impedir que o nmero de termos continue crescendo. Verifique, voc mesmo(a), que erf(100) retorna 1.0, mas que
erf_1(100) d um erro de ponto flutuante.
preciso enfatizar que erf em erfs.py ainda no uma rotina profissional. O
nmero de termos usado ainda potencialmente muito grande; consequentemente, h
muitas operaes de ponto flutuante envolvendo A, B e C, e muitos testes dentro do
while.
44
Matemtica Aplicada
Listagem 2.14: vererf1.py Clculo da funo erro com srie de Taylor entre 0 e 3.
#!/ usr/bin/ python
# -*- coding : iso -8859 -1 -*from __future__ import unicode_literals
from __future__ import print_function
from __future__ import division
from math import exp , sqrt , pi
from erfs import erf_1
xmin = 0.0
xmax = 3.0
nx = 100
dx = (xmax - xmin )/ nx
fou = open('vererf1 .dat ','wt')
xl = xmin
fou. write ('%8.6f %8.6f\n' % (xl ,0.0))
for k in range (nx ):
xu = xl + dx
(erf ,n) = erf_1 (xu)
fou. write ('%8.6f %8.6f\n' % (xu ,erf ))
xl = xu
fou. close ()
#
#
#
#
#
#
#
#
#
de 0
a 3
em 100 passos
de dx
arquivo de sada
limite inferior a partir de xmin
erf (0) = 0
loop
novo limite superior
# imprime at aqui
# atualiza limite inferior
# fecha o arquivo de sada
1.0
erf_1
pr-definida
0.9
0.8
0.7
0.6
erf(x)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
0.5
0.4
0.3
0.2
0.1
0.0
0
0.5
1.5
2.5
Figura 2.4: Funo erf(x) calculada com srie de Taylor, com erf_1, versus a erf prdefinida no programa de plotagem.
45
Listagem 2.15: erfs.py Clculo de erf(x) com srie de Taylor, limitado a no mximo
43 termos
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
def erf(x):
if x > 3.6:
return 1.0
elif x < -3.6:
return -1.0
epsilon_erf = 1.0e -6
eps_erf = 2* epsilon_erf
A = x
B = 1
C = 1
n = 0
termo = A/(B*C)
s = termo
while eps_erf > epsilon_erf :
n += 1
A *= (-x*x)
B += 2
C *= n
termo = A/(B*C)
eps_erf = abs( termo )
s += termo
return 2/ sqrt(pi) * s
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
#
mesma preciso
garante entrada no while
primeiro A
primeiro B
primeiro C
primeiro n
primeiro termo da srie
primeira soma da srie
loop
incrementa n
novo A
novo B
novo C
novo termo
seu valor absoluto
soma na srie
possvel obter frmulas que aproximam erf(x) com menos termos, uniformemente,
no intervalo (digamos) de 0 a 3,6: veja, por exemplo, Abramowitz e Stegun (1972).
Mesmo assim, a nossa erf j uma opo vantajosa em relao integrao numrica.
A lio desta seo a seguinte: em geral, com esforo analtico adicional, possvel
obter uma mistura de mtodos analticos e numricos que costuma ser amplamente
superior ao uso de um mtodo numrico puro (por exemplo a regra do trapzio) para
a obteno de resultados semelhantes. Exemplos deste fato vo reaparecer nos captulos
seguintes.
Exerccios Propostos
2.8 (Bender e Orszag (1978), seo 6.2, Exemplo 2) Obtenha uma srie para
x
F (x )
t 1/2 e t dt;
0
x 0.
Obtenha uma srie para o clculo de F (x ). Sugesto: expanda et em srie de Taylor em torno de
t = 0, etc., e em seguida integre termo a termo.
2.10 Escreva um programa em Python para calcular a srie de Taylor de f (x ) = x sen(x) em
torno de x = 0. Utilize Maxima para obter os primeiros termos da srie, e desta forma, reconhecendo o padro, encontrar o termo geral.
46
Matemtica Aplicada
sen x x cos x + c
.
x
(2.15)
evidente que, em geral, nem a equao diferencial nem sua soluo existem em
x = 0. Entretanto, para c = 0,
y(x ) =
sen x
cos x .
x
(2.16)
Agora,
sen x
= 1,
x0 x
de modo que existe uma soluo para a equao partindo de x = 0 se ns impusermos a
condio incial y(0) = 0. De fato:
sen x
cos x = 1 1 = 0.
(2.17)
lim
x0
x
lim
47
1.0
y(x )
0.5
0.0
0.5
1.0
1.5
0
10
20
30
40
50
x
= sen(x)
y
ainda sem ndices. De fato: qual xi e qual yi usar aqui? A coisa mais simples, mas
tambm a mais instvel, usar i:
yi+1 yi yi
+ = sen(xi ).
x
xi
Note que agora possvel explicitar yi+1 em funo de todos os outros valores em i:
"
#
yi
yi+1 = yi + sen(xi )
x .
(2.18)
xi
Esse um exemplo de um mtodo explcito: o novo valor da funo em xi+1 (yi+1 ) s
depende de valores calculados no valor anterior, xi . Um olhar um pouco mais cuidadoso
48
Matemtica Aplicada
a
+ b + cx + . . . = x + . . .
x
Note que a srie de Taylor de sen(x) foi truncada corretamente, porque o maior expoente
de x em ambos os lados da equao acima 1. Simplificando,
a
+ 2b + 3cx + . . . = x + . . .
x
49
x = 0,01
soluo numrica
soluo analtica
1.0
y(x )
0.5
0.0
0.5
1.0
1.5
10
20
30
40
50
+
...
3
30 840
Esse resultado nos informa que, prximo da origem, y(x) se comporta como x 2 /3. Ns
vamos utilizar a notao
x 0 y x 2 /3
(2.19)
para indicar esse fato.
Na verdade, (2.19), obtida sem recurso soluo analtica, suficiente para tratar
numericamente o problema da singularidade na origem. Note que
y(x)
1 x2
= lim
= x/3 = 0;
x0 x
x0 3 x
lim
Matemtica Aplicada
50
y(xi )
i=1
(onde yi a soluo numrica, e y(xi ) a soluo exata no mesmo ponto xi ). Para
x = 0,01, = 0,02619, ou seja: menos de 3%.
O preo, entretanto, foi alto: ns precisamos de um x bem pequeno, e de
50/0,01 = 5000 pontos para gerar a soluo. Ser possvel gerar uma soluo to boa
com, digamos, 100 pontos?
A figura 2.7 mostra o resultado de rodar sucesso.py com x = 0,5, muito maior
do que antes.
O erro mdio relativo agora pulou para = 1,11774, nada menos do que 111%, e
muito pior do que a figura acima faz parecer primeira vista!
51
2.7 Runge-Kutta
1.5
x = 0,5
soluo numrica
soluo analtica
1.0
y(x )
0.5
0.0
0.5
1.0
1.5
10
20
30
40
50
(2.20)
2.7 Runge-Kutta
O preo que ns pagamos pelo mtodo extremamente acurado implementado em
sucimp.py foi trabalhar analiticamente a equao diferencial, at chegar verso dedicada (2.20). Isto bom! Porm, s vezes no h tempo ou no possvel melhorar o
mtodo por meio de um pr-tratamento analtico. Nossa discusso agora nos levar a
um mtodo excepcionalmente popular, denominado mtodo de Runge-Kutta.
52
Matemtica Aplicada
1.5
x = 0,5
soluo numrica
soluo analtica
1.0
0.5
y(x )
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
0.0
0.5
1.0
1.5
10
20
30
40
50
53
2.7 Runge-Kutta
Dada a equao
dy
= f (x , y)
dx
ns podemos tentar estimar a derivada no meio do intervalo h (estamos mudando a
notao: at agora, usvamos x, mas h uma forma usual de explicitar o passo quando
se trata do mtodo de Runge-Kutta, ou mtodos similares):
dy
= f (x + h/2, y(x + h/2))
dx
x+h/2
O problema que ns no conhecemos y em x + h/2! Isto pode ser contornado, entretanto, usando o mtodo de Euler de 1a ordem para primeiro estimar y(x + h/2):
yn+1/2 yn + hf (xn , yn )/2.
Um mtodo mais acurado ser portanto
k 1 = hf (xn , yn ),
k 2 = hf (xn + h/2, yn + k 1 /2),
yn+1 = yn + k 2 .
Vamos tentar este mtodo e ver como ele se compara com nossos esforos anteriores.
Vamos manter h = 0,5 como antes. No entanto, ns ainda sofremos do clculo da
derivada em x = 0; por isto, ns vamos mudar o clculo da derivada, colocando um if
na funo ff que a calcula. Note que, do ponto de vista de eficincia computacional,
isto pssimo, porque o if ser verificado em todos os passos, quando na verdade ele
s necessrio no passo zero. No entanto, o programa resultante, euler2.py (listagem
2.20), fica mais simples e fcil de entender, e esta nossa prioridade aqui.
O resultado mostrado na figura 2.9.
O resultado muito bom, com um erro absoluto mdio = 0,02529. Mas ns podemos fazer melhor, com o mtodo de Runge-Kutta de 4a ordem! No vamos deduzir as
equaes, mas elas seguem uma lgica parecida com a do mtodo de ordem 2:
k 1 = hf (xn , yn ),
h
k1
k 2 = hf (xn + , yn + ),
2
2
k 3 = hf (xn + h/2, yn + k 2 /2),
k 4 = hf (xn + h, yn + k 3 ),
k1 k2 k3 k4
+
+
+ .
yn+1 = yn +
6
3
3
6
Para o nosso bem conhecido problema, o mtodo implementado no programa
rungek4, na listagem 2.21.
O resultado mostrado na figura 2.10.
Desta vez, o erro absoluto mdio foi = 0,00007: o campeo de todos os mtodos
tentados at agora, e uma clara evidncia da eficcia do mtodo de Runge-Kutta.
54
Matemtica Aplicada
1.5
x = 0,5
soluo numrica
soluo analtica
1.0
0.5
y(x )
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
0.0
0.5
1.0
1.5
10
20
30
40
50
55
2.7 Runge-Kutta
56
Matemtica Aplicada
1.5
x = 0,5
soluo numrica
soluo analtica
1.0
y(x )
0.5
0.0
0.5
1.0
1.5
10
20
30
40
50
Toda integrao numrica pode ser convertida na soluo numrica de uma EDO (Press et al.,
1992, p. 129). Por exemplo, no caso acima, a integrao numrica equivalente a
d (x , t)
= t x 1e t ;
dt
(x , 0) = 0.
57
2.7 Runge-Kutta
5
x
x
x
x
x
d (x , t)/dt
=1
=2
=3
=4
=5
0
0
10
12
14
16
18
20
(2.22)
para x N. Portanto, imediato que (1) = 1, (2) = 1, (3) = 2, (4) = 6 e (5) = 24. Isto
significa que possvel testar a soluo numrica para estes valores particulares de x .
Nosso primeiro esforo, portanto, escrever um prottipo para testar alguns ou todos entre
estes valores particulares. Lembremo-nos de que isto feito simplesmente integrando a equao
diferencial (2.1) at 20, com um passo que precisa ser verificado por tentativa e erro.
Nosso primeiro prottipo, muito simples, e denominado intgam0.py, mostrado na listagem 2.22. Note que ns reaproveitamos a rotina rk4 que foi introduzida na listagem 2.21.
Ns observamos, por tentativa e erro, que h = 10 4 um passo suficientemente preciso
para o mtodo de Runge-Kutta, mas que o infinito melhor representado numericamente por
30, e no por 20. Observe tambm na listagem 2.22 que o valor de x definido na fora bruta,
de maneira um pouco deselegante, por meio de uma varivel global dentro do prprio programa.
Para testar x = 1, . . . , 5, ns simplesmente editamos o programa e modificamos o valor de x
com um editor de texto.
O programa definitivo chama-se intgam1.py. Ele mostrado na listagem 2.23. A principal
diferena em relao a intgam0 consiste em um loop externo, implementado por meio de um
while, em que o valor de x , que antes era fixo, incrementado de 0,01 em 0,01. Alm disto, os
valores para cada x so impressos em um arquivo de sada.
O resultado de intgam1.py mostrado na figura 2.12. Na figura, note que a concordncia
(visualmente) perfeita. Algumas observaes importantes so as seguintes:
As figuras deste trabalho foram geradas com o programa de plotagem Gnuplot (www.
gnuplot.info). Como Gnuplot possui uma funo gamma(x) embutida, ela foi utilizada para comparao com os pontos calculados por intgam1.py na figura 2.12.
Apenas 1 a cada 5 pontos gerados est plotado na figura 2.12 para no sobrecarregar a
figura.
Matemtica Aplicada
58
59
2.7 Runge-Kutta
60
Matemtica Aplicada
25
(x) intgama1.py
(x ) Gnuplot
20
(x )
15
10
Figura 2.12: Clculo de (x) com o mtodo de Runge-Kutta: sada de intgam1 comparada com a funo (x ) do programa de plotagem (Gnuplot)
Exerccios Propostos
2.11 Resolva, usando o mtodo de Euler e o Mtodo de Runge-Kutta de ordem 4:
dy
+ xy = sen(x),
dx
y(0) = 0.
2.12 Resolva, usando o mtodo de Euler de ordem 2, e compare com a soluo analtica:
dy
+ y = x 2 exp(x ),
dx
y(0) = 1.
dy y
2x
+ = sen
,
dx x
L
y(0) = 0,
2.13 Na equao
y(x ) = 0.
y(0) = 1.
61
[1, 2, 3, 4]
[1, 2, 1, 2, 1, 2]
Que no o que espervamos! O operador + aplicado a listas no soma componente a componente, mas sim concatena as duas listas; e o produto por 3 no multiplica
componente a componente, mas sim repete a lista 3 vezes.
Felizmente, existe uma maneira de se obter o comportamento esperado mas no
com listas. Um mdulo extra-Python (que tem que ser instalado separadamente), denominado numpy, faz a mgica. A principal contribuio de numpy que ele prov um
novo tipo chamado array, que se comporta como um vetor. Vamos v-lo em ao no
prximo programa, tentaarray.py mostrado na listagem 2.25, cujo resultado
62
Matemtica Aplicada
63
delta x = 0.5
u1(x) (num)
u1(x) (ana)
u2(x) (num)
u2(x) (ana)
25.0
u(x )
20.0
15.0
10.0
5.0
0.0
0.0
0.5
1.0
1.5
2.0
2.5
3.0
3.5
4.0
ww =
kk =
[4 6]
[3 6]
64
Matemtica Aplicada
h(x , t)
x
65
(2.24)
(2.25)
(2.26)
(2.27)
,
t
f x
x
"
#
=D
,
t
x
x
onde
D=
ks h 0
f
(2.28)
(2.29)
(2.30)
(2.31)
(2.32)
(2.33)
66
Matemtica Aplicada
onde
x
=
.
(2.34)
4Dt
O fator 4 apenas para tornar a soluo um pouco mais elegante algebricamente, e
no deve preocupar. Substituindo (2.33) em (2.28), ns inicialmente calculamos todas as
derivadas parciais separadamente:
!#
"
x
=
t
t
4Dt
d
=
d t
x D d
;
=
4(Dt)3/2 d
d
1 d
=
=
;
x
d x
4Dt d
d
1
d
=
=
;
x
d x
4Dt d
"
#
"
#
d
1 d
,
x
x
d x
4Dt d
"
#
d
1 d
=
.
4Dt d
d
Em seguida, substituindo as derivadas parciais em (2.28), ns obtemos
"
#
d
x D d
D d
=
4Dt d
d
4(Dt)3/2 d
"
#
d
D
D d
2x d
4Dt (4Dt)1/2 d
4Dt d
d
"
#
d
D
2x d
D d
4Dt (4Dt)1/2 d
4Dt d
d
"
#
d
d
d
+ 2
= 0.
d
d
d
(2.35)
() = 1,
(0) = 0,
() = 1.
(2.36)
(2.37)
(2.38)
,
d
d
= ,
(2.39)
d
= 2
(2.40)
d
67
(2.41)
(2.42)
onde o valor de 0 tem que ser encontrado por tentativa e erro de tal modo que () = 1.
O problema que o sistema (2.39)(2.40) no pode ser implementado diretamente no
esquema de Runge-Kutta de 4a ordem, porque a condio inicial (2.41) produz uma singularidade (tente!). Em vez disto, ns precisamos pular sobre a singularidade. Como
vimos na seo 2.6, mtodos implcitos podem resolver o problema de singularidades na
condio inicial ao calcular a funo e suas derivadas utilizando os pontos em i e i + 1.
Para o primeiro passo entre = 0 e = , portanto, ns discretizamos (2.39)(2.40)
como
1 0 1 + 0
=
,
1 + 0
1 0
1 + 0
= 2
.
2 1 + 0
(2.43)
(2.44)
Note que o valor de foi tomado em (0 + 1 )/2 = /2. Substituindo 0 = 0 e simplificando, obtemos o sistema de equaes
1 + 2
1 = 0
,
1 2
p
1 = (1 + 0 ) ,
(2.45)
(2.46)
que pode ser resolvido iterativamente a partir de uma estimativa inicial trivial 1 = 0 .
A partir do valor correto de 0 , obtido por tentativa p
e erro para que () = 1, o sistema
converge muito rapidamente para um erro global (1 0 )2 + (1 0 )2 < : para
= 1.0 1014 , bastam 3 iteraes. Os novos valores iniciais 1 e 1 podem ento ser
utilizados para marchar com passo em um esquema de Runge-Kutta. O resultado da
integrao numrica est mostrado na figura 2.15
(2.47)
onde Q a vazo, U a velocidade mdia, e A a seo transversal de um rio. Outra equao muito mal compreendida a equao de transporte de um poluente cuja
concentrao C em um rio:
C
C
2C
+U
= E 2 kC
t
x
x
(2.48)
CH2 O + O2 CO2 + H2 O.
68
Matemtica Aplicada
1.2
()
()
1.0
0.8
0.6
0.4
0.2
0.0
0
dL
= kd L,
dx
(2.49)
(2.51)
dD
dC
= ,
dx
dx
(2.52)
69
kd
L = L 0 e U x .
(2.53)
A equao para o deficit de oxignio dissolvido transformou-se agora em uma equao diferencial de ordem 1, no-homognea:
dD ka
kd L 0 k d x
+ D=
e U ,
(2.54)
dx U
U
cuja condio inicial D(x = 0) = D 0 . Para resolver com Maxima, conveniente fazer
ka
,
U
kd L 0
B=
,
U
kd
C= .
U
A=
Ento,
(% i1) 'diff(D,x) + A*D = B*exp(-C*x) ;
dD
- x C
(% o1)
-- + A D = B %e
dx
(% i2) ode2 (%o1 ,D,x) ;
x A - x C
- x A B %e
(% o2)
D = %e
(------------- + %c)
A - C
Ou seja:
D =e
kUa x
k L ka kd
d 0 e U x
U
+ c ,
ka kd
U
D =e
kUa x
!
kd L 0 ka kd x
U
e
+c .
k a kd
70
Matemtica Aplicada
10.0
L(x)
D(x)
L, D (mg L 1 )
8.0
6.0
4.0
2.0
0.0
0
100000
200000
300000
400000
500000
x(m)
(2.55)
71
Matemtica Aplicada
72
3
Soluo numrica de equaes
diferenciais parciais
3.1 Adveco pura: a onda cinemtica
Considere a equao
u
u
+c
= 0,
t
x
u(x , 0) = (x).
(3.1)
(3.2)
(3.3)
(3.4)
A condio inicial, juntamente com u(x , 1), u(x , 2) e u(x , 3) esto mostrados na figura
3.1. Observe que a soluo da equao uma simples onda cinemtica.
4
0.50
0.00
0
0
10
tempo
u(x, t)
74
Matemtica Aplicada
Vamos adotar a notao
uin u(xi , tn ),
xi = ix ,
tn = nt ,
(3.5)
(3.6)
(3.7)
x = L/Nx ,
t = T /Nt
(3.8)
(3.9)
com
(3.10)
(3.11)
75
Matemtica Aplicada
76
Listagem 3.2: surf1d-ins.py Seleciona alguns intervalos de tempo da soluo numrica para plotagem
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
77
0.250
0.50
tempo de simulao
u(x , t)
0.375
0.125
0.00
0.000
0
10
Figura 3.2: Soluo numrica produzida por onda1d-ins.py, para t = 250t, 500t e
750t.
Por que o esquema utilizado em (3.12) fracassa? Uma forma de obter a resposta
fazer uma anlise de estabilidade de von Neumann.
A anlise de estabilidade de von Neumann consiste primeiramente em observar que,
em um computador real, (3.12) jamais ser calculada com preciso infinita. O que o
computador realmente calcula um valor truncado uin . Por enquanto, ns s vamos fazer
essa distino de notao, entre u e u, aqui, onde ela importa. O erro de truncamento
in uin uin .
(3.13)
Co n
n
( i1
),
2 i+1
(3.14)
onde
ct
(3.15)
x
o nmero de Courant. Isso s foi possvel porque (3.12) uma equao linear em u.
Mesmo para equaes no-lineares, entretanto, sempre ser possvel fazer pelo menos
uma anlise local de estabilidade.
O prximo passo da anlise de estabilidade de von Neumman escrever uma srie
de Fourier para in , na forma
Co
tn = nt ,
xi = ix ,
in
N /2
X
l=1
l eatn eikl xi ,
(3.16)
78
Matemtica Aplicada
Co atn ikl (i+1)x
l e e
l eatn eikl (i1)x ;
2
(3.17)
eat = 1
(3.18)
O lado direito um nmero complexo, de maneira que o lado esquerdo tambm tem que
ser! Como concili-los? Fazendo a = + i, e substituindo:
e( i)t = 1 iCo sen kl x;
et [cos(t) i sen(t)] = 1 iCo sen kl x;
e t cos(t) = 1,
(3.19)
(3.20)
eat
eat
(3.22)
79
(3.24)
No custa repetir: (3.24) idntica a (3.21). Porm, comparando-a com (3.12) (nosso
esquema instvel inicialmente empregado),
ns
vemos que ela tambm equivalente a
2
n 2un + un )/x 2 . O que este termo
esta ltima, com o termo adicional x /2t (ui+1
i1
i
adicional significa? A resposta uma derivada numrica de ordem 2. De fato, considere
as expanses em srie de Taylor
ui+1
ui1
du
1 d 2u
+ O(x 2 ),
= ui + x +
dx i
2 dx 2 i
1 d 2u
du
+ O(x 2 ),
= ui x +
dx i
2 dx 2 i
e some:
ui+1 + ui1
d 2u
dx 2 i
d 2u 2
= 2ui + 2 x + O(x 2 ),
dx i
ui+1 2ui + ui1
+ O(x 2 ).
=
x 2
(3.25)
Portanto, a equao (3.24) ou seja: o esquema de Lax (3.21) pode ser interpretada
tambm como uma soluo aproximada da equao de adveco-difuso
u
2u
u
+c
= D 2,
t
c
x
com
!
x 2
D=
.
2t
Note que D tem dimenses de difusividade: ~D = L2 T1 . No entanto: no estamos ento resolvendo a equao errada? De certa forma, sim: estamos introduzindo um pouco
de difuso na equao para amortecer as oscilaes que aparecero em decorrncia da
amplificao dos erros de truncamento.
O quanto isto nos prejudica? No muito, desde que o efeito da difuso seja muito
menor que o da adveco que estamos tentando simular. Como a velocidade de adveco
(fsica; real) que estamos simulando c, precisamos comparar isto com (por exemplo) a magnitude das velocidades introduzidas pela difuso numrica; devemos portanto
80
Matemtica Aplicada
verificar se
2
u
D x
2
u
c x
D xu 2
1,
u 1,
c x
D
c,
x
x 2
c,
2tx
ct
1
= Co
x
2
Em outras palavras, ns descobrimos que o critrio para que o esquema seja acurado do
ponto de vista fsico conflitante com o critrio de estabilidade: enquanto que estabilidade demandava Co < 1, o critrio de que a soluo seja tambm fisicamente acurada
demanda que Co 1/2. Na prtica, isto significa que, para c = 2, ou o esquema estvel
com muita difuso numrica, ou ele instvel. Isto praticamente elimina a possibilidade
de qualquer uso srio de (3.21).
Mesmo assim, vamos program-lo! O programa onda1d-lax.py est mostrado na
listagem 3.3. Ele usa os mesmos valores t = 0,0005 e x = 0,01, ou seja, Co = 0,10.
O programa gera um arquivo de sada binrio, que por sua vez lido pelo prximo
programa na sequncia, surf1d-lax.py, mostrado na listagem 3.4. O nico trabalho
deste programa selecionar algumas linhas da sada de onda1d-lax.py; no caso, ns
o rodamos com o comando
surf1d-lax.py 3 500 ,
o que significa selecionar 3 sadas (alm da condio inicial), de 500 em 500 intervalos
de tempo t. Com isto, ns conseguimos chegar at o instante 0,75 da simulao.
O resultado dos primeiros 1500 intervalos de tempo de simulao mostrado na
figura 3.3. Observe que agora no h oscilaes esprias: o esquema estvel no tempo.
No entanto, a soluo est agora amortecida pela difuso numrica!
Upwind Um esquema que conhecido na literatura como indicado por representar
melhor o termo advectivo em (3.1) o esquema de diferenas regressivas; neste esquema,
chamado de esquema upwind literalmente, corrente acima na literatura de lngua
inglesa, a discretizao utilizada
n
uin ui1
uin+1 uin
= c
,
t
x
n
uin+1 = uin Co uin ui1
.
(3.26)
81
Matemtica Aplicada
82
Listagem 3.4: surf1d-lax.py Seleciona alguns intervalos de tempo da soluo numrica para plotagem
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
83
0.500
0.50
tempo de simulao
u(x , t)
0.750
0.250
0.00
0.000
0
10
Figura 3.3: Soluo numrica produzida por onda1d-lax.py, para t = 500t, 1000t e
1500t.
h
i
l ea(tn +t) eikl ix = l eatn eikl ix Co l eatn eikl ix l eatn eikl (i1)x
h
i
eat eikl ix = eikl ix Co eikl ix eikl (i1)x
h
i
eat = 1 Co 1 eikl x
eat = 1 Co + Co cos(kl x) iCo sen(kl x).
(3.27)
Desejamos que o mdulo do fator de amplificao eat seja menor que 1. O mdulo
(ao quadrado)
|eat | 2 = (1 Co + Co cos(kl x))2 + (Co sen(kl x))2 .
Para aliviar a notao, faamos
Ck cos(kl x),
Sk sen(kl x).
Ento,
|eat | 2 = (CoSk )2 + (CoCk Co + 1)2
= Co2 Sk2 + (Co2Ck2 + Co2 + 1) + 2(Co2Ck + CoCk Co)
= Co2 (Sk2 + Ck2 + 1 2Ck ) + 2Co(Ck 1) + 1
= 2Co2 (1 Ck ) + 2Co(Ck 1) + 1.
A condio para que o esquema de diferenas finitas seja estvel , ento,
2Co2 (1 Ck ) + 2Co(Ck 1) + 1 1,
2Co [Co(1 Ck ) + (Ck 1)] 0,
(1 cos(kl x)) [Co 1] 0,
Co 1
84
Matemtica Aplicada
1.000
0.500
0.50
tempo de simulao
u(x , t)
0.750
0.250
0.00
0.000
0
10
Figura 3.4: Soluo numrica produzida pelo esquema upwind, para t = 500t, 1000t e
1500t.
Reencontramos, portanto, a condio (3.23), mas em um outro esquema de diferenas
finitas. A lio no deve ser mal interpretada: longe de supor que (3.23) vale sempre, a
anlise de estabilidade que deve refeita para cada novo esquema de diferenas finitas!
O esquema upwind, portanto, condicionalmente estvel, e tudo indica que podemos agora implement-lo computacionalmente, e ver no que ele vai dar. Ns utilizamos
os mesmos valores de t e de x de antes. As mudanas necessrias nos cdigos computacionais so bvias, e so deixadas a cargo do(a) leitor(a).
A figura 3.4 mostra o resultado do esquema upwind. Note que ele muito melhor
(para esta equao diferencial) que o esquema de Lax. No entanto, a figura sugere que
algum amortecimento tambm est ocorrendo, embora em grau muito menor.
Exerccios Propostos
3.1 Escreva o programa onda1d-upw e surfa1d-upw, que implementam o esquema upwind.
Reproduza a figura 3.4.
3.2 Calcule a difusividade numrica introduzida pelo esquema upwind.
(3.28)
u(x , 0) = f (x)
u(0, t) = u(L, t) = 0.
(3.29)
(3.30)
85
Esta soluo
u(x , t) =
An e
n2 2 2
t
L2
sen
n=1
2
An =
L
0
f (x) sen
nx
,
L
nx
dx .
L
(3.31)
(3.32)
Em particular, se
D = 2,
L = 1,
f (x) = 2x(1 x),
1
An = 2
2x(1 x) sen(nx) dx =
0
8
3n 3
[1 (1)n ] .
16
,
+ 1)3
3 (2n
X
n=0
2 2
16
e(2(2n+1) )t sen ((2n + 1)x)
3
+ 1)
3 (2n
(3.33)
(3.34)
Dt
x 2
(3.35)
(3.36)
Matemtica Aplicada
86
87
88
Matemtica Aplicada
0.5
t = 0,00
0.4
u(x, t)
0.3
0.2
t = 0,05
0.1
t = 0,10
t = 0,15
0.0
0
0.2
0.4
0.6
0.8
(3.37)
(3.38)
Podemos agora calcular o nmero de Fourier que utilizamos para plotar a soluo
analtica (verifique nas listagens 3.5 e 3.6):
Fo =
2 0,0005
= 1000.
(0,001)2
89
2 0,00001
= 0,2 < 0,5
(0,01)2
(OK).
Repare que Fo < 1/2 um critrio de estabilidade muito mais exigente do que
Co < 1/2 (para D = 2). Ns esperamos que nosso esquema explcito agora rode muito
lentamente. Mas vamos implement-lo. O programa que implementa o esquema o
difusao1d-exp.py, mostrado na listagem 3.7.
O programa divisao1d-exp.py, mostrado na listagem 3.8, seleciona alguns
instantes de tempo da soluo analtica para visualizao:
divisao1d-exp 3 5000 .
Matemtica Aplicada
90
91
u(x , t)
0.3
0.2
t = 0,05
0.1
t = 0,10
t = 0,15
0.0
0
0.2
0.4
0.6
0.8
Figura 3.6: Soluo numrica com o mtodo explcito (3.35) (crculos) versus a soluo
analtica (linha cheia) da equao de difuso para t = 0, t = 0,05, t = 0,10 e t = 0,15.
Apenas 1 a cada 5 pontos da grade numrica so mostrados, para facilitar a comparao
com a soluo analtica.
O resultado da soluo numrica com o mtodo explcito est mostrado na figura
3.6: ele impressionantemente bom, embora seja computacionalmente muito caro. A
escolha judiciosa de t e x para obeder ao critrio (3.38) foi fundamental para a obteno de um bom resultado de primeira, sem a necessidade dolorosa de ficar tentando
diversas combinaes at que o esquema se estabilize e produza bons resultados.
Esquemas implcitos Embora o esquema explcito que ns utilizamos acima seja
acurado, ele lento se voc programou e rodou difusao1d-exp.py, deve ter notado alguma demora para o programa rodar. Embora nossos computadores estejam
ficando a cada dia mais rpidos, isso no desculpa para utilizar mal nossos recursos
computacionais ( claro que, ao utilizarmos uma linguagem interpretada Python
para programar, ns j estamos utilizando muito mal nossos recursos; no entanto, nosso
argumento didtico: com uma linguagem mais simples, podemos aprender mais rpido e errar menos. Alm disso, todos os ganhos relativos que obtivermos se mantero
em qualquer outra linguagem)
Vamos portanto fazer uma mudana fundamental nos nossos esquemas de diferenas
finitas: vamos calcular a derivada espacial no instante n + 1:
n+1 2un+1 + un+1
ui+1
uin+1 uin
i
i1
=D
,
t
x 2
n+1
n+1
),
2uin+1 + ui1
uin+1 uin = Fo(ui+1
n+1
n+1
Foui1
+ (1 + 2Fo)uin+1 Foui+1
= uin .
(3.39)
92
Matemtica Aplicada
(3.39) precisa ser modificada, para a introduo das condies de contorno: como un0 = 0
e unNx = 0 para qualquer n, teremos
n+1
(1 + 2Fo)un+1
= un1 ,
1 Fou 2
Foun+1
N x 2
+ (1 +
2Fo)un+1
N x 1
= unNx 1 .
(3.40)
(3.41)
n+1
n+1
Em resumo, nossas incgnitas so un+1
1 , u 2 , . . . u N x 1 (Nx 1 incgnitas), e seu clculo
envolve a soluo do sistema de equaes
0 ...
0
0
1 + 2Fo Fo
Fo 1 + 2Fo Fo
0
...
0
..
...
.
0
...
0 Fo 1 + 2Fo Fo
0
0
... 0
Fo 1 + 2Fo
n+1 n
u 1 u 1
un+1 un
2 2
.. = ..
. .
un+1 un
N x 2
n+1
nNx 2
u Nx 1
u Nx 1
(3.42)
"
e
at
1 + 4Fo sin2
(3.43)
93
Listagem 3.9: alglin.py Exporta uma rotina que resolve um sistema tridiagonal,
baseada em Press et al. (1992)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
# -*- coding : iso -8859 -1 -*# -----------------------------------------------------------------------------# alglin .py implementa uma soluo de um sistema linear com matriz tridiagonal
# -----------------------------------------------------------------------------from numpy import zeros
from sys import exit
def tridiag (A,y):
# A,y tm que ser arrays de Numpy !
m = A.shape [0]
# garante que A representa uma
n = A.shape [1]
# matriz tridiagonal
if ( m != 3 ) :
# garante que todos os tamanhos esto OK
exit("Erro na forma de A")
pass
o = y. shape [0]
if ( n != 0 ) :
exit("A e y no so compatveis ")
pass
x = zeros (n, float )
# vetor de trabalho : vai retornar a soluo
c = zeros (n, float )
# vetor de trabalho : vai ficar por aqui
if A[1 ,0] == 0.0 :
exit("zero na diagonal de A")
pass
bb = A[1 ,0]
x[0] = y[0]/ bb
for j in range (1,n):
c[j] = A[2,j -1]/ bb
bb = A[1,j] - A[0,j]*c[j]
if (bb == 0.0):
exit("A singular ")
pass
x[j] = (y[j] - A[0,j]*x[j -1])/ bb
pass
for j in range (n -2 , -1 , -1):
x[j] -= c[j+1]*x[j+1]
pass
return x
pass
Matemtica Aplicada
94
95
u(x , t)
0.3
0.2
t = 0,05
0.1
t = 0,10
t = 0,15
0.0
0
0.2
0.4
0.6
0.8
Figura 3.7: Soluo numrica com o mtodo implcito (3.39) (crculos) versus a soluo
analtica (linha cheia) da equao de difuso para t = 0, t = 0,05, t = 0,10 e t = 0,15.
Apenas 1 a cada 5 pontos da grade numrica so mostrados, para facilitar a comparao
com a soluo analtica.
compacta e clara. Por exemplo, na linha 43, todos os elementos A[0,1]. . . A[0,nx-1]
recebem o valor -Fon.
Existe um programa divisao1d-imp.py, mas ele no precisa ser mostrado aqui,
porque as modificaes, por exemplo a partir de divisao1d-exp.py, so demasiadamente triviais para justificarem o gasto adicional de papel. Para t = 0,001, e x = 0,01,
o resultado do mtodo implcito est mostrado na figura 3.7
Nada mal, para uma economia de 100 vezes (em relao ao mtodo explcito) em
passos de tempo! (Note entretanto que a soluo, em cada passo de tempo, um pouco
mais custosa, por envolver a soluo de um sistema de equaes acopladas, ainda que
tridiagonal.)
Crank Nicholson A derivada espacial em (3.28) aproximada, no esquema implcito
(3.39), por um esquema de O(x 2 ). A derivada temporal, por sua vez, apenas de O(t).
Mas possvel consertar isso! A idia substituir (3.39) por
" n
n
n+1 2un+1 + un+1 #
2uin + ui1
ui+1
uin+1 uin D ui+1
i
i1
+
,
=
2
2
t
2
x
x
i
Fo h n
n
n+1
n+1
uin+1 = uin +
ui+1 2uin + ui1
+ ui+1
2uin+1 + ui1
.
(3.44)
2
Com esta mudana simples, a derivada espacial agora uma mdia das derivadas em n
e n + 1, ou seja: ela est centrada em n + 1/2. Com isto, a derivada temporal do lado
esquerdo torna-se, na prtica, um esquema de ordem 2 centrado em n + 1/2!
Como sempre, nosso trabalho agora verificar a estabilidade do esquema numrico.
Para isto, fazemos
i
Fo n
Fo h n+1
n+1
n
i+1 2in+1 + i1
= in +
i+1 2in + i1
,
in+1
2
2
96
Matemtica Aplicada
e
2e
+e
2
Fo ikl (i+1)x
atn
ikl ix
ikl ix
ikl (i1)x
l e
e
+
e
2e
+e
2
Fo ikl x
Fo ikl x
eat 1
e
2 + eikl x = 1 +
e
2 + eikl x
2
2
at
e [1 Fo (cos(kl x) 1)] = [1 + Fo (cos(kl x ) 1)]
"
!# "
!#
at
2 kl x
2 kl x
e
1 + 2Fo sin
= 1 2Fo sin
2
2
2 kl x
1 2Fo sin
2
.
eat =
1 + 2Fo sin2 kl 2x
fcil notar que |eat | < 1, e o esquema numrico de Crank-Nicholson incondicionalmente estvel. O esquema numrico de Crank-Nicholson similar a (3.39):
Fo n+1
Fo n+1 Fo n
Fo n
ui1 + (1 + Fo)uin+1 ui+1
= ui1 + (1 Fo)uin + ui+1
2
2
2
2
(3.45)
u
+ (1 + Fo)un+1
un
+ (1 Fo)unNx 1
N x 1 =
2 Nx 2
2 Nx 2
(1 + Fo)un+1
1
(3.46)
(3.47)
As mudanas no cdigo de difusao-imp.py so relativamente fceis de se identificar. O cdigo do programa que implementa o esquema numrico de Crank-Nicholson,
difusao1d-ckn.py, mostrado na listagem 3.11.
A grande novidade computacional de difusao1d-ckn.py a linha 56: com os
arrays proporcionados por Numpy, possvel escrever (3.45) vetorialmente: note que
no h necessidade de fazer um loop em x para calcular cada elemento b[i] individualmente. O mesmo tipo de facilidade est disponvel em FORTRAN90, FORTRAN95,
etc.. Com isso, a implementao computacional dos clculos gerada por Numpy (ou pelo
compilador FORTRAN) tambm potencialmente mais eficiente.
O mtodo de Crank-Nicholson possui acurcia O(t 2 ), portanto ele deve ser capaz
de dar passos ainda mais largos no tempo que o mtodo implcito (3.39); no programa
difusao1d-ckn.py, ns especificamos um passo de tempo 5 vezes maior do que em
difusao1d-imp.py.
O resultado uma soluo cerca de 5 vezes mais rpida (embora, novamente, haja
mais contas agora para calcular o vetor de carga b), e mostrado na figura 3.8.
Exemplo 3.1 Dada a equao da difuso unidimensional
u
2u
= D 2,
t
x
0 x L,
97
98
Matemtica Aplicada
0.5
t = 0,00
0.4
u(x , t)
0.3
0.2
t = 0,05
0.1
t = 0,10
t = 0,15
0.0
0
0.2
0.4
0.6
0.8
Figura 3.8: Soluo numrica com o mtodo de Crank-Nicholson ( (3.45)) (crculos) versus a soluo analtica (linha cheia) da equao de difuso para t = 0, t = 0,05, t = 0,10
e t = 0,15. Apenas 1 a cada 5 pontos da grade numrica so mostrados, para facilitar a
comparao com a soluo analtica.
e o esquema de discretizao
x = L/N x ,
xi = ix ,
i = 0, . . . , N x ,
tn = tt ,
uin = u(xi , tn ),
i
uin+1 2uin + uin1
1 h n+1
n
(ui +1 uin+1 ) + (uin+1
u
)
=
D
,
1
i 1
2t
x 2
obtenha o critrio de estabilidade por meio de uma anlise de estabilidade de von Neumann.
SOLUO
Suponha que a equao diferencial se aplique ao erro:
in =
X
l
l eatn eik l i x
99
Ento
i
1 h a(tn +t ) ik l (i +1)x
(l e
e
l eatn eik l (i +1)x ) + (l ea(tn +t ) eik l (i 1)x l eatn eik l (i 1)x =
2t
l eatn eik l (i +1)x 2l eatn eik l i x + l eatn eik l (i 1)x
;
D
x 2
i
1 h at ik l (i +1)x
(l e e
l eik l (i +1)x ) + (l eat eik l (i 1)x l eik l (i 1)x =
2t
l eik l (i +1)x 2l eik l i x + l eik l (i 1)x
D
;
x 2
i
1 h at ik l (i +1)x
(e e
eik l (i +1)x ) + ( eat eik l (i 1)x eik l (i 1)x =
2t
eik l (i +1)x 2 eik l i x + eik l (i 1)x
D
;
x 2
h
i
( eat eik l (i +1)x eik l (i +1)x ) + ( eat eik l (i 1)x eik l (i 1)x =
i
2Dt h ik l (i +1)x
ik l i x
ik l (i 1)x
e
2
e
+
e
.
x 2
Segue-se que
h
i
h
i
eat eik l (i +1)x + eik l (i 1)x = eik l (i +1)x + eik l (i 1)x + 2Fo eik l (i +1)x 2 eik l i x + eik l (i 1)x
h
i
h
i
eat eik l x + e ik l x = eik l x + e ik l x + 2Fo eik l x 2 + e ik l x
2 cos(kl x ) 2
2 cos(kl x )
cos(kl x) 1
= 1 + 2Fo
cos(kl x)
sen2 (kl x/2)
= 1 4Fo
.
cos(kl x )
eat = 1 + 2Fo
A funo
sen2 (x/2)
cos(x )
possui singularidades em /2+k , e muda de sinal em torno destas singularidades: no possvel
garantir que |e at | < 1 uniformemente, e o esquema incondicionalmente instvel.
f (x ) =
2u
+U
= D 2 K,
t
x
x
com condies iniciais e de contorno
0 x ,
t > 0,
(3.48)
(x , 0) = 0,
(0, t) = M ,
(, t) = 0.
A soluo analtica (OLoughlin e Bowmer, 1975)
"
!
M
Ux
x + Ut(1 + 2H )1/2
1/2
(x , t) =
exp
(1 + (1 + 2H ) ) erfc
+
2
2D
4Dt
!#
Ux
x Ut(1 + 2H )1/2
1/2
exp
(1 (1 + 2H ) ) erfc
2D
4Dt
(3.49)
100
Matemtica Aplicada
onde
H = 2K D/U 2 .
(3.50)
a) [20] Mostre que (3.49) atende equao diferencial. Voc pode fazer tudo analiticamente
com lpis e papel, ou usar Maxima; em ambos os casos sua resposta deve ser passada para
o arquivo difadv-xxxx.pdf.
b) [20] Discretize (3.48) usando um esquema upwind implcito para
mente implcito no lado direito. Faa
e um esquema total-
x = 0,01 = L/N ,
(3.51)
xi = ix .
(3.52)
a : U*x/(2*D) ;
h : 2*K*D/U^2 ;
s : (1 + 2*h )**(1/2) ;
e1 : (x + U*t*s)/( sqrt (4*D*t)) ;
e2 : (x - U*t*s)/( sqrt (4*D*t)) ;
fi : (1/2)*( exp(a*(1 + s))* erfc(e1) + exp(a*(1 -s))* erfc(e2 )) ;
diff(fi ,t) + U*diff(fi ,x) - D*diff(fi ,x ,2) + K*fi ;
expand (%) ;
ratsimp (%) ;
b)
n+1 + n+1
in+1 in
in+1 in+1
in+1
+1 2i
1
i 1
+U
=D
Kin+1
t
x
x 2
Dt n+1
U t n+1
n+1
2in+1 + in+1
in+1 in +
(i in+1
(
1 ) =
1 ) (K t)i
x
x 2 i +1
n+1
n+1
n+1
in+1 in + Co(in+1 in+1
+ in+1
1 ) = Fo(i +1 2i
1 ) Kai
Passando todos os termos em (n + 1) para o lado esquerdo, e todos os termos em n para o lado
direito, tem-se
n+1
n
Foin+1
(Fo + Co)in+1
1 + (1 + 2Fo + Co + Ka)i
+1 = i ,
onde
U t
,
x
Dt
Fo =
,
x 2
Ka = K t.
Co =
Co) n+1
N 2
Ka)1n+1
+ (1 + 2Fo + Co +
Fo2n+1
N
n+1
Ka) N 1
1n
=0
=
in
+ (Fo + Co) M ;
101
0.6
0.5
0.4
0.3
t = 0,9999
0.2
t = 0,6666
t = 0,3333
0.1
0.0
0
10
Figura 3.9: Comparao entre as solues analtica (linhas) e numrica com um esquema
implcito (pontos) da equao da difuso-adveco com termo de decaimento, para t =
0,333, t = 0,666 e t = 0,999.
A listagem 3.12 mostra a implementao do esquema numrico acima com as condies de
contorno.
A comparao entre a soluo numrica (pontos) e a soluo analtica (linhas contnuas)
para os 3 instantes especificados est mostrada na figura 3.9
Exerccios Propostos
3.3 Considere a equao diferencial parcial
u
2u
= D 2,
t
x
0 x L,
u(0, t) = c,
u
(L, t) = 0,
x
h
=
h
,
t
x x
h(x , 0) = H ,
h(0, t) = H 0 ,
h
= 0,
x x =1
Matemtica Aplicada
102
103
(3.53)
Como sempre, ns queremos ser muito concretos, e trabalhar com um problema que
possua soluo analtica. Considere ento a condio inicial
!
(x 2 + y 2 )
;
(3.54)
u(x , y, 0) = u 0 exp
L2
a soluo analtica
!
(x 2 + y 2 )
u0
u(x , y, t) =
exp 2
.
1 + 4tD/L 2
L + 4Dt
(3.55)
Na verdade esta soluo se espalha por todo o plano xy, mas ns podemos trabalhar
com um problema finito em x e y, por exemplo, fazendo L x L, L y L, e
impondo condies de contorno que se ajustem exatamente soluo analtica:
!
(L 2 + y 2 )
u0
exp 2
u(L, y, t) =
,
(3.56)
1 + 4tD/L 2
L + 4Dt
!
(L 2 + y 2 )
u0
u(L, y, t) =
exp 2
,
(3.57)
1 + 4tD/L 2
L + 4Dt
!
u0
(x 2 + L 2 )
u(x , L, t) =
exp 2
,
(3.58)
1 + 4tD/L 2
L + 4Dt
!
(x 2 + L 2 )
u0
u(x , L, t) =
exp 2
.
(3.59)
1 + 4tD/L 2
L + 4Dt
Agora, ns vamos fazer D = 2 (como antes) e L = 1, e resolver o problema numericamente. Nossa escolha recair sobre um mtodo simples, e de O(t)2 , denominado
ADI (alternating-direction implicit). Este mtodo nos proporcionar um exemplo de uma
tcnica denominada operator splitting ou time splitting, que ns vamos traduzir como
104
Matemtica Aplicada
n+1 + un+1
n + un
n+1 un
n
ui+1,j 2ui,j
2ui,j
ui,j
ui,j+1
i1,j
i,j1
i,j
(3.60)
= D
+
2
2
t
x
y
n+1
n+1 + un+1
n+2 un+1
n+2 2un+2 + un+2
ui+1,j 2ui,j
ui,j
ui,j+1
i1,j
i,j1
i,j
i,j
(3.61)
= D
+
2
2
t
x
y
Examine cuidadosamente (3.60) e (3.61): na primeira, note que o esquema implcito
em x; na segunda, a situao se reverte, e o esquema implcito em y. claro que
ns vamos precisar de duas anlises de estabilidade de von Neumann, uma para cada
equao.
2011-09-24T17:07:04 Por enquanto, vou supor que os dois esquemas so incondicionalmente estveis, e mandar ver.
Alm disto, por simplicidade vamos fazer x = y = , de maneira que s haver
um nmero de Fourier de grade no problema,
Fo =
Dt
,
2
(3.62)
Na dimenso y,
n+2
n+1
n+1
n+1
n+1
n+2
n+2
n+2
ui,j
ui,j
= Fo ui1,j
2ui,j
+ ui+1,j
+ ui,j1
2ui,j
+ ui,j+1
,
n+2
n+2
n+2
n+2
n+1
n+1
n+1
n+1
ui,j
Fo ui,j1
2ui,j
+ ui,j+1
= ui,j
+ Fo ui1,j
2ui,j
+ ui+1,j
,
n+2
n+2
n+2
n+1
n+1
n+1
Foui,j1
+ (1 + 2Fo)ui,j
Foui,j+1
= Foui1,j
+ (1 2Fo)ui,j
+ Foui+1,j
(3.64)
xi = L + i,
y j = L + j,
N =
(3.65)
i = 0, . . . , N ,
j = 0, . . . , N ,
(3.66)
(3.67)
105
Matemtica Aplicada
106
107
Em seguida, o esquema numrico ADI est implementado na listagem 3.14. O resultado mostrado na figura 3.11.
Listagem 3.14: difusao2d-adi.py Soluo numrica da equao da difuso bidimensional, esquema ADI.
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
108
Matemtica Aplicada
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
Exemplo 3.3 Utilizando a anlise de estabilidade de von Newmann, mostre que o esquema
numrico correspondente primeira das equaes acima incondicionalmente estvel. Suponha
x = y = s.
SOLUO
Inicialmente, rearranjamos o esquema de discretizao, multiplicando por t e dividindo por
x 2 :
i
h
n
n+1
n+1
n+1
n
n
n
uin+1
, j ui , j = Fo ui +1, j 2ui , j + ui 1, j + ui , j +1 2ui , j + ui , j 1 ,
onde
Fo =
Dt
.
s 2
Faa agora
tn = nt ,
xi = is,
y j = js,
X
in =
l ,m eatn eik l xi eikm y j ,
l ,m
109
110
Matemtica Aplicada
e substitua o modo (l , m) no esquema de discretizao:
h
eat 1 Fo(e+ik l s
h
i
eat 1 = Fo eat e+ik l s 2eat + eat e ik l s + e+ikm s 2 + e ikm s ,
i
h
i
2 + e ik l s ) = 1 + Fo e+ikm s 2 + e ikm s
A
Para as coisas funcionarem em
Windows
1. Utilize um editor capaz de definir explicitamente que a codificao de todos os
arquivos texto utilizados iso-8859-1.
2. No Painel de Controle, escolha Data, hora, idioma e opes regionais; em seguida, Opes regionais e de idioma; em seguida, Avanado; e escolha Portugs (Brasil).
3. No prompt de comando, digite chcp e verifique se o cdigo de pgina 850
antes de comear a trabalhar; se no for, digite chcp 850, ou (melhor ainda) chcp
1252.
4. Na barra superior do prompt de comando clique e escolha tanto em Padres,
quando em Propriedades: Fonte, Lucida Console.
111
Matemtica Aplicada
112
B
Dados de vazo mdia anual e vazo
mxima anual, Rio dos Patos,
19311999
1931
1932
1933
1934
1935
1936
1937
1938
1939
1940
1941
1942
1943
1944
1945
1946
1947
1948
1949
1950
1951
1952
1953
1954
1955
1956
1957
1958
1959
1960
1961
1962
1963
1964
1965
1966
1967
1968
1969
1970
1971
1972
1973
1974
1975
1976
1977
1978
1979
21.57
25.65
4.76
11.46
28.10
14.30
22.09
24.09
22.29
7.48
27.49
19.11
15.62
16.25
16.57
26.75
21.88
20.68
8.36
21.62
24.72
14.59
15.31
27.33
28.23
15.64
41.70
20.04
14.50
22.61
30.82
15.22
22.49
24.23
36.80
21.60
13.25
9.05
22.94
25.95
32.82
34.13
30.33
17.81
26.77
32.50
13.63
13.26
26.97
272.00
278.00
61.60
178.30
272.00
133.40
380.00
272.00
251.00
56.10
171.60
169.40
135.00
146.40
299.00
206.20
243.00
223.00
68.40
165.00
266.00
192.10
131.80
281.00
311.50
156.20
399.50
152.10
127.00
176.00
257.00
133.40
248.00
211.00
208.60
152.00
92.75
125.00
135.60
202.00
188.00
198.00
252.50
119.00
172.00
174.00
75.40
146.80
222.00
113
Matemtica Aplicada
1980
1981
1982
1983
1984
1985
1986
1987
1988
1989
1990
1991
1992
1993
1994
1995
1996
1997
1998
1999
26.92
14.73
31.68
57.60
27.13
12.55
16.74
26.64
15.22
31.20
43.48
11.92
35.24
34.30
20.74
31.78
35.44
41.02
51.55
24.49
182.00
134.00
275.00
528.00
190.00
245.00
146.80
333.00
255.00
226.00
275.00
131.00
660.00
333.00
128.00
472.00
196.00
247.50
451.00
486.00
114
Referncias Bibliogrficas
Abramowitz, M. e Stegun, I. A., editores (1972). Handbook of mathematical functions.
Dover Publications, Inc., New York.
Bender, C. M. e Orszag, S. A. (1978). Advanced Mathematical Methods for Scientists and
Engineers. McGraw-Hill.
Brutsaert, W. (2005). Hydrology. An introduction. Cambridge University Press, Cambridge, UK.
El-Kadi, A. I. e Ling, G. (1993). The Courant and Peclet Number Criteria for the Numerical Solution of the Richards Equation. Water Resour. Res., 29:34853494.
Oliphant, T. E. (2006). Guide to Numpy. Trelgol Publishing.
OLoughlin, E. M. e Bowmer, K. H. (1975). Dilution and decay of aquatic herbicides in
flowing channels. J of Hydrology, 26:217235.
Press, W. H., Teukolsky, S. A., Vetterling, W. T., e Flannery, B. P. (1992). Numerical
Recipes in C. Cambridge University Press, Cambridge, UK. 1020 pp.
Schnoor, J. L. (1996). Environmental Modeling. Wiley-Interscience.
115