Analise Numerica para as equa coes

de

Aguas Rasas em duas camadas
Pedro Emanuel Silverio Goncalves
Disserta c ao para obtenc ao do Grau de Mestre em
Matematica e Aplicacoes
J uri
Presidente: Prof.
a
Dr.
a
Ana Bela Cruzeiro
Orientador: Prof. Dr. Juha Hans Videman
Vogal: Prof. Dr. Carlos Alves
Julho de 2010
Truth is much too complicated to allow anything but approximations.
John von Neumann
Problems worth attacking prove their worth by ghting back.
Paul Erdos
4
Agradecimentos
Quae sunt Caesaris, Caesari.
Nao seria justo deixar de agradecer `as pessoas que, directa ou indirectamente, tornaram
possvel a realiza c ao deste trabalho:
`
A FCT e ao CEMAT-IST, pela oportunidade que me proporcionaram ao me conced-
erem uma das Bolsas de Integrac ao `a Investiga c ao 2008.
Ao meu orientador, Prof. Dr. Juha Videman, por todo o trabalho, paciencia e com-
preensao que teve comigo e por todo o apoio que deu ao longo deste ultimo ano e meio.
`
A minha famlia, por, na medida do possvel, me terem apoiado e sustentado ao longo
deste percurso.
A todos os meus amigos e companheiros de armas da LMAC e MMA do IST, por
serem gente intrinsecamente decente e por criarem um ambiente onde eu me sinto em
casa.
E, por m mas nao menos importante, a Liliana Cardoso. Por tudo.
i
ii AGRADECIMENTOS
Resumo
As equa c oes de aguas rasas sao usadas para modelar situac oes como interacc oes entre
agua salgada e fresca ou a infelizmente actual situa c ao de contaminac ao da agua por
poluentes como petroleo.
Nesta tese vamos fazer uma pequena introduc ao a estas equac oes; vamos estudar a
sua aproxima c ao pelo metodo dos elementos nitos, usando tecnicas como metodos de
estabiliza c ao, semi-discretizac ao espacial e o metodo de Galerkin descontnuo, para alem
do normal metodo de Galerkin; vamos deduzir estimativas para o erro a priori e vamos
apresentar alguns resultados numericos.
Palavras-chave: equa c oes de aguas rasas, metodo de Galerkin descontnuo, semi-
discretiza c ao, metodos de estabiliza c ao, metodo dos elementos nitos
iii
iv RESUMO
Abstract
Shallow water equations are frequently used as a model to real life situations such as
freshwater-saltwater interactions or the unfortunately recent topic of water contamination
by polluters such as oil.
In this thesis we will not only make a short introducton to these equations but also
study their approximation by the nite element method, using ideas from stabilization
methods, spacial semi-discretization and discontinuous Galerkin methods, as well as the
standard Galerkin method. We will also derive a priori error estimates and present
numerical results.
Keywords: shallow water equations, discontinuous Galerkin method, semi-discretization,
stabilization methods, nite element method
v
vi ABSTRACT
Nota cao usada

j
espessura da camada j de um uido
u
j
campo de velocidades horizintal na camada j de um uido
p
j
press ao na camada j de um uido

j
densidade da camada j de um uido

j
viscosidade cinematica da camada j de um uido
g acelerac ao da gravidade
g

gravidade reduzida na camada 2, dada por (

2

1
)/
1

t
operador de derivac ao em t

n
operador de derivac ao normal
um subconjunto de R
n
com fronteira de Lipschitz

e
um subconjunto de ; geralmente um elemento nito

i
a fronteira interior entre elementos
a fronteira de

I
um subconjunto de tal que
I
= x : u n < 0

O

I
n um vector unitario normal a uma dada regiao
n
e
um vector unitario normal a
e
n
i
um vector unitario normal a
i

e
soma sobre os elementos
e

i
soma sobre
i
v

= lim
s0
v(x + sn
i
)
v
+
= lim
s0
+ v(x + sn
i
)
[v] = v

v
+

integrac ao sobre a regiao

(, )
R
o produto interno (, )
L
2
(R)
, integrac ao sobre superfcies unidimensionais
| |
R
a norma | |
L
2
(R)
| |
W(R)
a norma no espaco de Sobolev W(R)
|g|
L

(0,T,X)
= max
0tT
|g(, t)|
X
|g|
2
L
2
(0,T,X)
=

T
0
|g(, t)|
2
X
P
k
(R) o espaco dos polinomios de grau k denidos em R
C
0
(R) o espaco das func oes contnuas em R

A
a func ao caracterstica do conjunto A
[A[ n umero de elementos do conjunto A
vii
viii NOTAC

AO USADA
Conte udo
Agradecimentos i
Resumo iii
Abstract v
Notacao usada vii
1 Introdu cao 1
2 As equa coes de

Aguas Rasas 3
2.1 Equac oes da continuidade . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
2.2 Equac ao do momento . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
2.3 Acoplagem das equa c oes . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
3 O metodo dos elementos nitos 7
3.1 Formula c ao variacional . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
3.1.1 Espacos L
p
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
3.1.2 Espacos de Sobolev . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
3.2 Formula c ao discreta . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
3.3 Aproxima c ao por elementos nitos . . . . . . . . . . . . . . . . . . . . . . 11
3.3.1 O operador de interpola c ao . . . . . . . . . . . . . . . . . . . . . . 11
3.3.2 Erro de interpola c ao . . . . . . . . . . . . . . . . . . . . . . . . . . 12
3.4 Problemas nao estacion arios . . . . . . . . . . . . . . . . . . . . . . . . . . 12
3.4.1 Semi-discretiza c ao no espaco. . . . . . . . . . . . . . . . . . . . . . 13
3.5 Metodo de Galerkin descontnuo . . . . . . . . . . . . . . . . . . . . . . . . 13
3.6 Metodos de estabiliza c ao . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
4 Formulacao fraca e discreta das EAR 17
4.1 Formula c ao fraca EAR . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
4.1.1 Estabilizac ao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
4.2 Formula c ao Discreta . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
4.2.1 Semi-discretiza c ao espacial . . . . . . . . . . . . . . . . . . . . . . . 19
5 Estimativas de erro a priori 21
5.1 Deni c oes previas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
5.2 Resultados previos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
ix
x CONTE

UDO
5.3 Estimativas de erro . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
6 Resultados numericos 35
6.1 Implementa c ao computacional . . . . . . . . . . . . . . . . . . . . . . . . . 35
6.2 Resultados gr acos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
7 Conclusao 39
7.1 Conclus oes nais . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
7.2 Trabalho futuro . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
A C odigo da implementa cao 41
Captulo 1
Introducao
Um antigo professor meu costumava dizer que o objectivo da Analise Numerica e o
de encontrar soluc oes razo aveis em tempo razo avel, e eu devo dizer que partilho da
opiniao.
Na maior parte das vezes que tentamos modelar situa c oes da vida real e frequente
depararmo-nos com uma equa c ao diferencial, sobretudo quando pretendemos modelar
fenomenos fsicos. Se se tratar de uma equa c ao diferencial ordinaria, o tratamento do
problema pode nao se revelar demasiado complicado devido `a extensa teoria existente
para a resolu c ao de EDOs; seja atraves da resolu c ao de uma eventual versao linearizada
das equa c oes do sistema, do conhecimento de resultados qualitativos sobre as soluc oes
dado (por exemplo) por retratos de fase ou mesmo pela aplicac ao de metodos numericos
ao problema. Se no entanto se tratar de uma equa c ao diferencial parcial o caso torna-se
um pouco mais complicado; nao so as equa c oes sao muitas vezes difceis de resolver como
em muitos casos as soluc oes nem sequer sao conhecidas (o exemplo mais famoso e talvez
o das equa c oes de Navier-Stokes, um dos Problemas do Milenio do Clay Institute, que
oferece um milh ao de dolares pela sua resolu c ao). Torna-se ent ao importante dispormos
de ferramentas adequadas que nos permitam, pelo menos, obter uma soluc ao aproximada
mas de qualidade, idealmente de facil obten c ao (soluc oes razo aveis em tempo razo avel).
Um desses modelos de interesse, e que vamos considerar nesta tese, e o modelo das
equa coes de aguas rasas. Apesar de ser um modelo relativamente simples para o compor-
tamento de escoamentos em aguas pouco profundas, permite estudar (na forma multica-
mada) os efeitos da estraticac ao, e e considerado um bom modelo para muitos fenomenos
oce anicos e atmosfericos; por exemplo interacc oes agua fresca/agua salgada, dispersao de
poluentes na agua, etc.[Dawson e Proft, 2002] A existencia de bons metodos para a res-
olu c ao destas equa c oes e de extrema import ancia para situa c oes actuais como o recente
derrame de petroleo na costa leste dos Estados Unidos.
Uma das melhores ferramentas disponveis actualmente e o metodo dos elementos ni-
tos. Este metodo, originario da engenharia aeron autica e civil, consiste em encontrar uma
versao mais fraca do problema original, a chamada formulacao variacional que e depois
aproximada num espaco de dimens ao nita com uma base de func oes
j
adequada,
intimamente ligada `a discretiza c ao do domnio do problema. Este metodo esta hoje em
dia muito divulgado e e usado para a resolu c ao de problemas em areas como engenharia
1
2 CAP

ITULO 1. INTRODUC

AO
civil, electromagnetismo e din amica de uidos, parecendo portanto uma boa escolha para
aproximar as nossas equa c oes de aguas rasas.
Esta tese esta estruturada da seguinte forma:
No captulo 2 e dada uma breve introduc ao `as equa c oes de aguas rasas em duas
camadas, explicando brevemente os princpios fsicos que lhes estao subjacentes, e
apresentando uma deduc ao das equa c oes a partir desses princpios;
No captulo 3 sao abordadas as tecnicas matem aticas a ser usadas no tratamento
destas equa c oes, como o metodo de Galerkin descontnuo, semi-discretizac ao espacial
e metodos de estabiliza c ao, que v ao ser aplicadas nos captulos seguintes;
No captulo 4 sao deduzidas e formula c ao variacional e formula c ao discreta destas
equa c oes;
No captulo 5 sao deduzidas estimativas de erro a priori para a aproxima c ao de
elementos nitos aplicada a estas equa c oes;
No captulo 6 discute-se um pouco a implementa c ao computacional deste problema
a apresentam-se alguns resultados gr acos;
No captulo 7 faz-se um apanhado geral da tese e discutem-se possveis caminhos
para continuac ao futura deste trabalho;
No Apendice e apresentado o c odigo para a implementa c ao computacional do prob-
lema no software Mathematica.
Este trabalho surge na sequencia das Bolsas de Integrac ao `a Investiga c ao 2008 do
CEMAT-IST e da FCT, desenvolvido sob orienta c ao do Prof. Dr. Juha Videman.
Captulo 2
As equac oes de

Aguas Rasas
Em Geofsica, no estudo de fenomenos atmosfericos e oceanicos, e frequente surgirem
situa c oes nas quais o comprimento de onda de uma onda gravtica `a superfcie de um
uido e muito superior `a espessura da camada de uido considerada, fazendo com que a
componente vertical da velocidade seja negligvel face `a componente horizontal.
Aqui vamos estar interessados num modelo semelhante mas em que consideramos
duas camadas de uido, de diferentes densidades, sobrepostas. Podamos eventualmente
considerar v arias camadas de uido sobrepostas, mas o modelo com duas camadas e nao
so um modelo relativamente simples da estraticac ao num uido como e tambem um
modelo de interesse no estudo de alguns fenomenos atmosfericos e oce anicos, como por
exemplo a interacc ao entre agua doce e agua salgada no oceano [Dawson e Proft, 2002].
Ao deduzirmos estas equa c oes, estamos implicitamente a fazer algumas assump c oes
adicionais tais como:
1. O uido e incompressvel;
2. A camada inferior de uido assenta numa superfcie plana;
3. O atrito entre o fundo e o uido e entre camadas de uido e negligvel;
4. Cada uma das camadas tem uma densidade constante mas diferente em cada ca-
mada;
3
4 CAP

ITULO 2. AS EQUAC

OES DE

AGUAS RASAS
5. O uido encontra-se em equilbrio hidrost atico;
6. A aproxima c ao de Boussinesq e v alida, ou seja, podemos ignorar as variac oes de
densidade em cada camada.
2.1 Equac oes da continuidade
Considerando que esse uido se encontra em equilbrio hidrost atico, e que o movimento
das partculas e independente da altura, podemos obter a equa c ao da continuidade (para
uma camada)

j
+ (
j
u
j
) = 0 (2.1)
na qual
j
=
j
(x, t) representa a espessura dessa camada e u
j
= u(x, t) = (u
j,1
(x, t),
u
j,2
(x, t)) a velocidade horizontal do uido, a partir da equa c ao da conservac ao da massa,
u
j,1
(x, t)
x
+
u
j,2
(x, t)
y
+
u
j,3
(x, t)
z
= 0 (2.2)
integrando na componente vertical, obtendo (considerando sem perda de generalidade
que a altura do fundo e 0)
u
j,3
(
j
, t) u
j,3
(0, t) = u(x, t) (2.3)
e substituindo a expressao referente `a velocidade vertical pela condi c ao cinematica na
superfcie livre e por 0 no fundo, vem ent ao

j
+ (
j
u
j
) = 0 (2.4)
Nota Aqui, e no resto da tese, vamos considerar a camada de topo como a camada 1.
2.2 Equacao do momento
A equa c ao do momento pretende descrever a reac c ao do momento de um uido a for cas
internas e/ou impostas ao uido.
Para as equa c oes do momento sobre as componentes horizontais, limitamo-nos a con-
siderar a press ao na sua forma hidrost atica na camada 1:
p
1
= g
1
(
1
+
2
) (2.5)
e na camada 2:
p
2
= g
1

1
+ g
2

2
(2.6)
na equa c ao do momento

t
u
j
+ (u
j
)u
j
=
1

j
p
j
+
j
u
j
(2.7)
obtendo

t
u
1
+ (u
1
)u
1

1
u
1
+ g
1
= g
2

t
u
2
+ (u
2
)u
2

2
u
2
+ (g + g

)
2
= g
1
(2.8)
2.3. ACOPLAGEM DAS EQUAC

OES 5
2.3 Acoplagem das equa c oes
Finalmente, vamos proceder a ultima simplica c ao:
7. Os termos advectivos (u
j
)u
j
sao de magnitude sucientemente baixa e portanto
vamos ignora-los.
Esta ultima assump c ao nao e t ao razo avel como as anteriores. No entanto, vamos faze-
la por duas raz oes: um, podemos considerar que o escoamento do uido e sucientemente
lento e portanto a o termo de difusao domina sobre o termo de advec c ao e dois, para nao
dicultar o tratamento matem atico das equa c oes.
Assim sendo, conjugando este ponto 7. com o obtido nas duas secc oes anteriores,
obtemos a versao (simplicada) das equa c oes de

Aguas Rasas em duas camadas com que
vamos trabalhar:

1
+ (
1
u
1
) = 0

t
u
1

1
u
1
+ g
1
= g
2

2
+ (
2
u
2
) = 0

t
u
2

2
u
2
+ (g + g

)
2
= g
1
(2.9)
(em que
j
e a viscosidade cinematica na camada j, g e a acelerac ao da gravidade, g

e
a gravidade reduzida na camada 2 (dada por (
2

1
)/
1
) e
j
e a densidade da camada
j)
A acoplagem entre as duas equa c oes e dada pelo termo de transporte (
j
u
j
), e as
condi c oes iniciais e de fronteira dadas por:

j
=

j
em
I

j
(x, 0) =
0,j
em
u
j
= u
j
em
u
j
(x, 0) = u
0,j
em
em que x = (x
1
, x
2
) , R
2
e um aberto com fronteira de Lipschitz, a sua
fronteira ,
I
= x : u n < 0, para um vector n normal exterior a ,
O
=

I
e func oes

j
,
0,j
, u
j
e u
0,j
conhecidas `a partida.
6 CAP

ITULO 2. AS EQUAC

OES DE

AGUAS RASAS
Captulo 3
O metodo dos elementos nitos
Sendo as equa c oes diferenciais parciais (EDPs) objectos matem aticos t ao ubquos (de-
vido `a sua utlilizac ao frequente em modelos das ciencias naturais como fsica, qumica e
biologia) e de difcil resolu c ao (a menos de alguns casos particulares), e frequente o re-
curso a soluc oes aproximadas. Ha, pois, que garantir nao so a qualidade das aproxima c oes
usadas como tambem a sua manuseabilidade.
Uma aproxima c ao frequentemente usada e o metodo dos elementos nitos. A ideia
por tr as do metodo e a seguinte:
Transformar a equa c ao diferencial numa formula c ao variacional que lhe corresponda.
Discretizac ao da formula c ao variacional, escolhendo um espaco de func oes adequado
(tipicamente func oes seccionalmente polinomiais)
Resolver a formula c ao discreta
Implementar computacionalmente um metodo de resolu c ao do problema.
Entre as vantagens deste metodo contam-se a possibilidade de resolver problemas em
domnios bastante gerais e a nao necessidade de uma soluc ao exacta regular.
3.1 Formulacao variacional
Dada uma equa c ao diferencial parcial (EDP), o primeiro passo a dar e obter uma
formula c ao varacional do problema. Vamos ilustrar o procedimento com o exemplo mais
usado na literatura, a equa c ao de Poisson; ao longo da tese teremos oportunidade de olhar
para a formula c ao variacional de outros problemas com outras caractersticas.
Exemplo Equac ao de Poisson
Considere-se o problema de Dirichlet homogeneo:
u = f em
u = 0 em (3.1)
Multiplicando formalmente a equa c ao de ambos os lados por uma func ao v V ()
(em que V () e um espaco de func oes com domnio em ) e integrando em (quando tal
7
8 CAP

ITULO 3. O M

ETODO DOS ELEMENTOS FINITOS

zer sentido, ou seja, admitindo existencia dos integrais), obtemos uma igualdade fraca
(que ja explicaremos o que signica):

uv =

fv v V () (3.2)
Recorrendo `a formula de Green, podemos reescrever a equac ao (3.2) como:

uv

v
n
u =

fv v V () (3.3)
em que
n
= n , e n e um vector normal externo a .
Se agora as func oes v V () vericarem v = 0 em , podemos ainda reescrver (3.3)
como

uv =

fv v V () (3.4)
Ao problema:
Encontrar u V () tal que

uv =

fv v V () (3.5)
chamamos a formulacao variacional de problema de Dirichlet homogeneo (3.1).
Chamamos a (3.2) uma igualdade fraca no sentido em que soluc oes do problema origi-
nal v ao ser soluc oes do problema variacional mas geralmente o recproco nao e verdadeiro.
Voltemos ao exemplo.
Uma escolha obvia para o espaco seria por exemplo o espaco das func oes C
1
() nulas
em . No entanto esse espaco nao e um espaco de Hilbert para a norma usual. Se
escolhermos por exemplo V () = H
1
0
(), que e um espaco de Hilbert (ver secc ao seguinte),
poderamos reescrever (3.5) na forma
Encontrar u H
1
0
() tal que
(u, v)

= (f, v)

v H
1
0
() (3.6)
da qual veremos mais `a frente a utilidade.
De um modo geral, a escolha do espaco V () depende do problema em quest ao;
geralmente vamos estar interessados em espacos de Hilbert chamados espacos de Sobolev,
nos quais as derivadas existem nao no sentido classico mas no sentido das distribui c oes
(veja-se por exemplo [Quarteroni e Valli, 1994]).
Antes de denirmos os espacos de Sobolev, vamos primeiro relembrar o que sao os
espacos L
p
().
3.2. FORMULAC

AO DISCRETA 9
3.1.1 Espacos L
p
Os espacos L
p
() sao os espacos de func oes cuja p-esima potencia e integravel `a
Lebesgue em :
u L
p
()

[u[
p
< (3.7)
em que 1 p < . Estes espacos sao de Banach; estao munidos de uma norma |u|
L
p
()
=
(

[u[
p
)
1/p
(a menos de classes de equivalencia para a func ao u). Para p = 2, a norma
provem do produto interno (u, v)
L
2
()
=

uv, pelo que L

2
() e um espaco de Hilbert.
Denimos ainda o espaco de Banach L

() como o espaco de func oes essencialmente

limitadas, com a norma |u|
L

()
= sup ess
x
[u(x)[.
3.1.2 Espacos de Sobolev
Podemos agora denir o espaco de Sobolev W
m,p
() `a custa do correspondente espaco
L
p
() como sendo:
u W
m,p
() u L
p
() D
1
u L
p
() D
m
u L
p
() (3.8)
em que D
k
u :=

||
u
x

1
1
x

d
d
, para = (
i
)
1id
com
i
inteiros nao negativos, [[ =

i

i
e 1 p < . Estes espacos sao de Banach; estao dotados da norma |u|
W
m,p() =
(

||m
|D

u|
p
L
p
()
)
1/p
. Similarmente, temos ainda o espaco de Banach W
m,
(), com-
pleto para a norma |u|
W
m,
()
= max
||m
|D

u|
L

()
.
Podemos denir em W
m,p
() uma semi-norma [u[
W
m,p() = (

||=m
|D

u|
p
L
p
()
)
1/p
.
Analogamente em W
m,
(), temos [u[
W
m,
()
= max
||=m
|D

u|
L

()
.
Para p = 2, costuma-se escrever simplesmente H
m
() = W
m,2
(). Este espaco e um
espaco de Hilbert com o respectivo produto interno (u, v)
H
m
()
=

||m
(D

u, D

v)
L
2
()
.
Um espaco regularmente usado e tambem H
1
0
() (veja-se o exemplo da secc ao ante-
rior). Dene-se como H
1
0
() = u H
1
() : u = 0 em , equipado com a mesma
norma de H
1
().
Nota A igualdade u = 0 em deve ser interpretada em termo de traco da func ao na
fronteira e nao como uma igualdade pontual.
3.2 Formulacao discreta
Escolhido o espaco de func oes V () adequado, levanta-se a quest ao: como resolver
ent ao a formula c ao variacional do problema?
Sendo V () geralmente um espaco de func oes de dimens ao innita, nao e exequvel a
resolu c ao directa da formula c ao variacional de um problema pois ha demasiadas func oes
10 CAP

ITULO 3. O M

ETODO DOS ELEMENTOS FINITOS

teste a considerar! A soluc ao e ent ao considerar um espaco V
h
() V (), de dimens ao
nita.
Agora, como V
h
() e um espaco de dimens ao nita, tem uma base de func oes
j

nita. Para v
h
V
h
() qualquer, podemos ent ao escrever
v
h
=

j
v
h
j
(t)
j
(x, t) (3.9)
Nota Em (3.9) estamos a considerar o caso mais geral, em que os coecientes v
h
j
depen-
dem de t e as func oes base
j
dependem de x e t. Caso se trate de uma EDP estacion aria
(isto e, nao depende do tempo t), obviamente que nem os coecientes nem as func oes base
v ao depender de t, como e o caso de um dos exemplo que veremos a seguir, o da equa c ao
de Poisson. Falarei mais em pormenor do caso em que a EDP e nao estacion aria daqui a
pouco.
Vamos voltar ao exemplo anterior, da equa c ao de Poisson.
Exemplo Equac ao de Poisson
Como se trata de um problema estacion ario, podemos escrever a aproxima c ao de u
em V
h
(), u
h
, como
u
h
=

j
u
h
j

j
(x) (3.10)
e o problema (3.6) torna-se ent ao:
Encontrar coecientes u
h
j
tais que:

j
u
h
j
(
j
, v
h
)

= (f, v
h
)

v V
h
() (3.11)
Devido `a linearidade de (, )

, e ao facto de v
h
=

j
v
h
j

j
(x), podemos reescrever
(3.11) como:
Encontrar coecientes u
h
j
tais que:

j
u
h
j
(
j
,
k
)

= (f,
k
)

v V
h
() (3.12)
para 1 k [
j
[.
O problema resume-se ent ao a resolver o sistema linear (3.12) e encontrar os coe-
cientes u
h
j
, obtendo ent ao a aproxima c ao u
h
=

j
u
h
j

j
(x).

E chamada a formulacao
discreta do problema variacional ou apenas formulacao discreta.
A diculdade esta agora em escolher um espaco V
h
adequado `as caractersticas do
problema com uma base
j
simp atica, isto e, que facilite os c alculos a fazer na
resolu c ao da formula c ao discreta.

E aqui que reside o cerne da aproxima c ao por elementos
nitos.
3.3. APROXIMAC

AO POR ELEMENTOS FINITOS 11
3.3 Aproximacao por elementos nitos
Vamos comecar por dizer formamalmente o que e um elemento nito.
Deni cao 3.3.1 Suponhamos que R
n
e um domnio poligonal, e seja
e
uma
famlia de abertos tais que:
1. int
e
,=
2. A interseccao de
i
,
j

e
com i ,= j s o pode ser:
Vazia
Uma hipersuperfcie de dimens ao no maximo n 1 comum aos dois elementos
3.

e

e
= .
e sejam ainda h = max

e
h

e
= max
x,y
e
d(x, y), sendo d(, ) a dist ancia euclideana em
R
n
, T

e
um espaco de dimens ao nita de fun coes em
e
(as fun coes de forma) e A

e
uma base para o espaco dual de T

e
(as vari aveis nodais).
Entao, o triplo (
e
, T

e
, A

e
) diz-se um elemento nito e T
h
=

e
(
e
, T

e
, A

e
)
diz-se uma triangula c ao.
Nao vamos aqui entrar em detalhes sobre as escolhas dos conjuntos
e
, T

e
e A

e
pois
isso foge um pouco ao ambito desta tese; explica c oes detalhadas sobre as construc oes mais
comuns podem ser encontradas em [Alves, 2000], [Johnson, 1987] ou [Brenner e Scott, 1994].
No entanto, e de referir que as func oes base
j
podem ser obtidas agora a partir das
func oes forma
i
; para um exemplo, veja-se [Alves, 2000].
3.3.1 O operador de interpolacao
Dado um elemento nito (
e
, T

e
, A

e
) podemos denir um operador de projec c ao

e
chamado operador de interpola cao local e denido como:

e
(u) =

i
(u)
i
(3.13)
para
i
A

e
,
i
T

e
e i = [A

e
[ = [T

e
[.
Com base em (3.13),podemos denir ainda um outro operador

chamado operador
de interpola cao global como:
(

(u))[

e
=

e
(u) (3.14)
Apresentamos em seguida alguns resultados sobre

.
12 CAP

ITULO 3. O M

ETODO DOS ELEMENTOS FINITOS

3.3.2 Erro de interpolacao
O erro de interpola cao sobre a func ao u e dado por u

u. Na analise de erro
de uma aproxima c ao por elementos nitos, e util ter alguns resultados sobre o erro de
interpola c ao.
Seja

e
o raio da maior bola contida em
e
. Uma triangula c ao T
h
diz-se nao degen-
erada se cada elemento
e
da triangula c ao vericar

e
h

e
(3.15)
com uma constante positiva e independente de h.
Para triangula c oes a vericar (3.15), temos os seguintes resultados para o erro de
interpola c ao usando polinomios de grau r 1 (cf. [Johnson, 1987]):
|u

u|
L
2
()
Ch
r+1
[u[
H
r+1
()
(3.16)
[u

u[
H
1
()
Ch
r
[u[
H
r+1
()
(3.17)
No caso de u nao ser sucientemente regular para vericar as equa c oes anteriores,
temos (para 1 s r + 1) as seguintes estimativas:
|u

u|
L
2
()
Ch
s
[u[
H
s
()
(3.18)
[u

u[
H
1
()
Ch
s1
[u[
H
s
()
(3.19)
Estes resultados serao importantes para a estimativa de erro que vamos deduzir no
captulo 4.
3.4 Problemas nao estacionarios
Vejamos agora as particularidades de considerar problemas nao estacion arios, i.e.,
problemas que dependem do tempo t.
Exemplo Equac ao do calor
Considere-se a seguinte versao simplicada da equa c ao do calor:

t
u u = f em I (3.20)
u = 0 em I (3.21)
u[
t=0
= u
0
em (3.22)
De uma forma analoga ao exemplo da equa c ao de Poisson (escolhendo V () = H
1
0
(),
multiplicando a 1
a
equa c ao de (3.20) para t xo por v V (), integrando por partes em
e recorrendo `a formula de Green), obtemos a formula c ao variacional para (3.20):
Encontrar u(t) V (), t I, tal que
(
t
u(t), v)

+ (u(t), v)

= (f(t), v)

v V () (3.23)
u(0) = u
0
em (3.24)
3.5. M

ETODO DE GALERKIN DESCONT

INUO 13
Dentro da moldura do metodo dos elementos nitos ha agora v arias maneiras de tratar
problemas nao estacion arios; veja-se, por exemplo, [Johnson, 1987], [Thomee, 1997] ou
[Quarteroni e Valli, 1994]. Nesta tese vamos usar um dos metodos mais usados, chamado
semi-discretizacao.
3.4.1 Semi-discretizacao no espaco.
A ideia passa por efectuar a aproxima c ao por elementos nitos apenas na componente
espacial x, mantendo a dependencia temporal do problema; obtemos ent ao um sistema
de equa c oes diferenciais ordinarias.
Voltando ao nosso exemplo da equa c ao do calor:
Exemplo Equac ao do calor
Na aproxima c ao (3.9) vamos considerar que as func oes base
j
dependem apenas
da componente espacial x mas que os coeciente vao depender do tempo t, podendo ent ao
escrever
u
h
=

j
u
h
j
(t)
j
(x) (3.25)
Em vez de (3.23), o nosso problema passa a ser (e por analogia com (3.11) e (3.12)):
Encontrar as func oes u
h
j
(t), t I, que sao soluc oes do sistema de EDOs

t
u
h
j
(t)(
j
,
k
)

j
u
h
j
(t)(
j
,
k
)

= (f(t),
k
)

(3.26)

j
u
h
j
(0)(
j
,
k
)

= (u
0
,
k
)

(3.27)
para 1 k [
j
[.
A (3.26) pode agora ser aplicado algum metodo para resolu c ao numerica de equa c oes
direnciais ordinarias como Euler ou Runge-Kutta; esta e talvez a grande vantagem desta
via de resolu c ao para um problema nao estacion ario.
3.5 Metodo de Galerkin descontnuo
Ao inves de requerer func oes de teste contnuas, podemos estar interessados em tra-
balhar com func oes teste potencialmente descontnuas de elemento para elemento. Por
exemplo, existem problemas nos quais uma forte componente advectiva faz com que a
verdadeira soluc ao desses problema exiba descontinuidades em tempo nito.
Exemplo Equac ao de transporte
Considere-se a seguinte versao simplicada da equa c ao de transporte de neutr oes:
u + (au) = f em (3.28)
u = g em
I
(3.29)
14 CAP

ITULO 3. O M

ETODO DOS ELEMENTOS FINITOS

em que a e um vector constante.
Multiplicando agora a 1
a
equa c ao por uma func ao v H
1
(
e
) e integrando por partes,
obtemos:
(u, v)

e
(u, a v)

e
+a n
e
u, v

e
= (f, v)

e
v H
1
(
e
) (3.30)
u = g em
I
(3.31)
em que n
e
e um vector normal exterior `a fronteira
e
.
Seja agora n
i
um vector normal a uma aresta interior
i
. Dada uma func ao v
j

H
1
(
e
), o seu tra co nas arestas interiores e dado por v

j
(x) = lim
s0
v
j
(x + sn
i
) e
v
+
j
(x) = lim
s0
+ v
j
(x + sn
i
), para x
i
. Denimos ainda o salto de v
j
como [v
j
] =
v

j
v
+
j
.
Precisamos ainda de encontrar um espaco V
h
() adequado `as especicidades do prob-
lema. Esse espaco vai ser o espaco S
k
() das func oes polinomiais em cada elemento
mas nao necessariamente contnuas de elemento para elemento, denido como S
k
() =
u : R : u[

e
P
k
(
e
). Assim, escolhendo V
h
() = S
k
(), obtemos ent ao a
formula c ao discreta:
Encontrar u
h
S
k
() tal que

e
(u
h
, v
h
)

e
(u
h
, a v
h
)

e
+a n
e
u
h
, v
h

O
+a n
e
u
h
, [v
h
]

i
=
a n
e
g, v
h

I
+ (f, v
h
)

e
v S
k
()
Repare-se agora na grande vantagem do metodo: a soluc ao u
h
pode ser calculada
elemento a elemento, ordenando os elementos comecando em
I
, pois para cada elemento
o valor da func ao u
h
na fronteira de inow
e,I
, denida de forma analoga a
I
, e
conhecido a partir do(s) elemento(s) anteriores!
Para outras vantagens do metodo, veja-se por exemplo [Cockburn et al., 2000].
3.6 Metodos de estabiliza cao
Os metodos de estabiliza c ao para problemas de elementos nitos consistem em adi-
cionar `a formula c ao discreta do problema em quest ao termos extra que garantam con-
sistencia e estabilidade numerica.
Exemplo Modelo de advec c ao/difusao
Considere-se o seguinte problema de advec c ao/difusao:
ku +a u = f em (3.32)
u = 0 em (3.33)
3.6. M

ETODOS DE ESTABILIZAC

AO 15
em que k e um par ametro do problema, cuja formula c ao variacional e dada por:
Encontrar u H
1
0
() tal que
k(u, v)

+ (a u, v)

= (f, v)

v H
1
0
() (3.34)
Ora, como se pode ver em [Franca et al., 2003], acontece que para valores pequenos de
k, mesmo pequenas variac oes em f podem levar a grandes variac oes em u. Uma possvel
maneira de contornar o problema e ent ao juntar um termo S(u
h
, v
h
) `a formula c ao discreta
do problema:
Encontrar u
h
V
h
() tal que:
k(u
h
, v
h
)

+ (a u
h
, v
h
)

+ S(u
h
, v
h
) = (f, v
h
)

v
h
V
h
() (3.35)
Segundo [Franca et al., 2003], as escolhas mais comuns para S(u
h
, v
h
) sao:
1. S(u
h
, v
h
) =

e
(ku
h
+a u
h
f, a v
h
)

e
2. S(u
h
, v
h
) =

e
(ku
h
+a u
h
f, a v
h
kv
h
)

e
3. S(u
h
, v
h
) =

e
(ku
h
+a u
h
f, a v
h
+ kv
h
)

e
sendo que 1. corresponde a um metodo SUPG, 2. a um metodo Galerkin/Least Squares
e 3. ao metodo USFEM. Todos estes metodos sao consistentes, para uma boa escolha do
par ametro

e
(ver mais uma vez [Franca et al., 2003] e as referencias a contidas).
Mais `a frente vamos ver como o uso de um termo de estabiliza c ao na formula c ao
discreta das EAR nos vai permitir deduzir uma estimativa de erro de boa qualidade.
16 CAP

ITULO 3. O M

ETODO DOS ELEMENTOS FINITOS

Captulo 4
Formulacao fraca e discreta das EAR
Considerem-se ent ao as equa c oes de

Aguas Rasas em duas camadas que obtivemos no
captulo 1:

1
+ (
1
u
1
) = 0

t
u
1

1
u
1
+ g
1
= g
2

2
+ (
2
u
2
) = 0

t
u
2

2
u
2
+ (g + g

)
2
= g
1
com as condi c oes e iniciais e de fronteira dadas por:

j
=

j
em
I

j
(x, 0) =
0,j
em
u
j
= u
j
em
u
j
(x, 0) = u
0,j
em
Vamos comecar por reescrever o problema na sua formula c ao fraca.
4.1 Formulacao fraca EAR
Comece-se por multiplicar, formalmente, as equa c oes da continuidade por uma func ao
teste v
j
H
1
(
e
), j 1, 2. Integrando por partes em cada
e
, obtemos:
(
t

1
, v
1
)

e
(u
1

1
, v
1
)

e
+
1
u
1
n
e
, v
1

e
= 0 (4.1)
(
t

2
, v
2
)

e
(u
2

2
, v
2
)

e
+
2
u
2
n
e
, v
2

e
= 0 (4.2)
Multiplicando formalmente as equa c oes do momento por uma func ao teste w
j

H
1
0
(), j 1, 2, e integrando por partes em , obtemos
(
t
u
1
, w
1
)

+ (g
1
, w
1
)

+ (
1
u
1
, w
1
)

= (g
2
, w
1
)

(
t
u
2
, w
1
)

+ ((g + g

)
2
, w
2
)

+ (
2
u
2
, w
2
)

= (g
1
, w
2
)

17
18 CAP

ITULO 4. FORMULAC

AO FRACA E DISCRETA DAS EAR
4.1.1 Estabiliza cao
Ao escolher func oes
j
H
1
() nao garante que elas sejam contnuas de elemento
para elemento
e
.

E util ent ao juntar ao metodo termos de estabiliza c ao que ajudem a
melhorar os resultados numericos e as estimativas de erro.
Vamos ent ao adicionar o termo de estabiliza c ao

i
g[
1
], w
1
n
i

i
g[
2
], w
1

n
i

i
e o termo

i
g[
1
], w
2
n
i

i
(g +g

)[
2
], w
2
n
i

i
`as respectivas equa c oes do
momento. Note-se que, como a func ao
j
do problema original e suposta contnua, estes
termos sao na verdade nulos.
Somando as equa c oes (4.1), a formula c ao fraca do problema e, ent ao, a seguinte:
Encontrar (
1
,
2
, u
1
, u
2
) (H
1
(), H
1
(), H
1
()H
1
()) tais que

e
(
t

1
, v
1
)

e
(u
1

1
, v
1
)

e
+

1
u
1
n
i
, [v
1
]

i
+
1
u
1
n, v
1

O
=

1
u
1
n, v
1

I
, v
1
H
1
()
(
t
u
1
, w
1
)

+ g(
1
, w
1
)

+
1
(u
1
, w
1
)

i
g[
1
], w
1
n
i

i
g[
2
], w
1
n
i

i
= g(
2
, w
1
)

, w
1
H
1
0
()

e
(
t

2
, v
2
)

e
(u
2

2
, v
2
)

e
+

2
u
2
n
i
, [v
2
]

i
+
2
u
2
n, v
2

O
=

2
u
2
n, v
1

I
, v
1
H
1
()
(
t
u
2
, w
2
)

+ (g + g

)(
2
, w
2
)

+
2
(u
2
, w
2
)

i
g[
1
], w
2
n
i

i
(g + g

)[
2
], w
2
n
i

i
= g(
1
, w
2
)

, w
2
H
1
0
()
Repare-se que, se a func ao
j
do problema original for contnua, os termos

1
u
1

n
i
, [v
1
]

i
e

2
u
2
n
i
, [v
2
]

i
sao nulos.
4.2 Formulacao Discreta
Comecemos por apresentar os espacos em que vamos trabalhar: seja S
k
() = v :
R : v[

e
P
k
(
e
) o espaco em que vamos aproximar
j
, em que P
k
(
e
) e o
espaco das func oes polinomiais de grau k em
e
; W
1
h
() (H
1
())
2
u : u = u
1

o espaco em que aproximamos u

1
e W
2
h
() (H
1
())
2
u : u = u
2
o espaco em
que aproximamos u
2
. Sejam ainda W
j
0,h
() os correspondentes subespacos de (H
1
0
())
2
.
Denimos ainda V
c
h
() = S
k
() C
0
().
Vamos ent ao aproximar, para t xo,
j
(, t) por Z
j
(, t) S
k
() e u
j
(, t) por U
j
(, t)
W
j
h
(). Temos em aten c ao que o valor de
j
nas fronteiras entre elementos
i
deve ser
aproximado pelo seu upwind value Z

j
:

j
Z

j
=

j
se U
j
n
i
> 0 em
i
Z
+
j
se U
j
n
i
0 em
i
4.2. FORMULAC

AO DISCRETA 19
Para t = 0 denimos Z
j
(, 0) = Z
0,j
S
k
() e U
j
(, 0) = U
0,j
W
j
h
() por
(Z
0,j

0,j
, v
j
)

= 0 v S
k
()()
(U
0,j
u
0,j
, w
j
)

= 0 w W
0,h
()
A formula c ao discreta para as EAR e ent ao a seguinte: para cada t > 0, encontrar
(Z
1
, Z
2
, U
1
, U
2
) (S
k
(), S
k
(), W
1
h
(), W
2
h
()) tais que:

e
(
t
Z
1
, v
1
)

e
(U
1
Z
1
, v
1
)

e
+

i
Z

1
U
1
n
i
, [v
1
]

i
+Z
1
u
1
n, v
1

O
=

1
u
1
n, v
1

I
v
1
S
k
()
(
t
U
1
, w
1
)

e
g(Z
1
, w
1
)

+
1
(U
1
, w
1
)

i
g[Z
1
], w
1
n
i

i
g[Z
2
], w
1
n
i

i
= g(Z
2
, w
1
)

, w
1
W
1
h
()

e
(
t
Z
2
, v
2
)

e
(U
2
Z
2
, v
2
)

e
+

i
Z

2
U
2
n
i
, [v
2
]

i
+Z
2
u
2
n, v
2

O
=

2
u
2
n, v
2

I
v
2
S
k
()
(
t
U
2
, w
2
)

e
(g + g

)(Z
2
, w
2
)

+
2
(U
2
, w
2
)

i
g[Z
1
], w
2
n
i

i
(g + g

)[Z
2
], w
2
n
i

i
= g(Z
1
, w
2
)

, w
2
W
2
h
()
4.2.1 Semi-discretizacao espacial
Uma vez que as func oes U
j
e Z
j
dependem de uma variavel espacial x e de uma variavel
temporal t, poe-se a quest ao de como enquadrar esta situa c ao no contexto da aproxima c ao
por elementos nitos. Est ao propostos v arios metodos na literatura ([Johnson, 1987],
[Thomee, 1997]); nesta situa c ao, usamos uma semi-discretizac ao espacial das func oes U
j
e Z
j
, isto e, consideramos coecientes variaveis no tempo para a sua representa c ao por
elementos nitos:
Z
1
=

i
Z
z
i
Z
,1
(t)
Z
i
Z
Z
2
=

i
Z
z
i
Z
,2
(t)
Z
i
Z
U
1
=

i
U
u
i
U
,1
(t)
U
i
U
U
2
=

i
U
u
i
U
,2
(t)
U
i
U
para func oes base
Z
i
Z
e
U
i
U
= (
U
i
U
,1
,
U
i
U
,2
) adequadas ao problema. Assim, ao substituir
as func oes U
j
e Z
j
por esta sua aproxima c ao na formula c ao variacional discreta, obtemos
um sistema de EDOs no qual as inc ognitas sao os coecientes z
i
Z
,1
(t), z
i
Z
,2
(t), u
i
U
,1
(t) e
u
i
U
,2
(t) da aproxima c ao por elementos nitos.
20 CAP

ITULO 4. FORMULAC

AO FRACA E DISCRETA DAS EAR
Captulo 5
Estimativas de erro a priori
Antes de deduzirmos uma estimativa de erro, temos primeiro de estabelecer algumas
deni c oes e referir alguns resultados auxiliares.
5.1 Denic oes previas
Seja (para t xo)
I
j
(, t) V
c
h
() o interpolante contnuo de
j
. Considere-se tambem
a projeccao parab olica u
j
(, t) W
j
h
() que verica
(
t
(u
j
u
j
), w
j
)

+ (
j
(u
j
u
j
), w
j
)

= 0 w
j
W
0,h
() (5.1)
com u
j
(, 0) dada por:
(u
j
(, 0) u
0,j
, w
j
)

= 0 w
j
W
j
0,h
() (5.2)
.
Vamos ainda precisar de denir os seguintes termos:
e

j
= Z
j

I
j

j
=
j

I
j
e

j
= Z

j

I
j
e
u
j
= U
j
u
j

u
j
= u
j
u
j
5.2 Resultados previos
Vamos agora referir alguns resultados previos que v ao ser necess arios na analise do
erro.
Comecamos por assumir uma certa regularidade das soluc oes, o que vai implicar que
21
22 CAP

ITULO 5. ESTIMATIVAS DE ERRO A PRIORI

as seguintes constantes sao nitas:
K

j
=

T
0
|
j
|
2
H
k
()
+|
j
|
2
H
k+1
()
dt +|
0,j
|
2
H
k
()
K
u
j
=

T
0
|u
j
|
2
H
k+1
()
dt
K

u
j
= |u
j
|
L

(0,T,W
1,
)
K

j
= |
I
j
|
L

(0,T,W
1,
)
Adicionalmente, vamos assumir que existem constantes K

Z
j
2K

j
, independentes
de h, tais que
|Z
j
|
L

(0,T,L

())
K

Z
j
(5.3)
Podemos agora, com base nos resultados obtidos na secc ao sobre os erros de inter-
pola c ao, obter o seguinte ([Dawson e Proft, 2002]):

T
0
|
t

j
|
2

+|

j
|
2
H
1
()
+ h
2
|

j
|
2

dt +|

j
(0)|
2

K(K

j
)h
2k
(5.4)

T
0
|
u
j
|
2
H
1
()
+ h
2
|
u
j
|
2

dt K(K
u
j
)h
2k
(5.5)
Temos ainda a enunciar tres resultados ([Dawson e Proft, 2002],[Brenner e Scott, 1994]):
Teorema 5.2.1 Se
e
tiver uma fronteira de Lipschitz, existe uma constante K
t
e
tal que
|u|
L
2
(
e
)
K
t
e
|u|
1/2
L
2
(
e
)
|u|
1/2
H
1
(
e
)
u H
1
(
e
) (5.6)
Teorema 5.2.2 Se u
h
S
k
(), temos
|u|
H
1
()
K
i
h
1
|u|

(5.7)
com K
i
independente de h.
Teorema 5.2.3 Para R
2
temos
|e

j
(, t)|
L

()
Kh
1
|e

j
(, t)|

(5.8)
com K independente de h.
Por m, vamos tambem recorrer `a desigualdade de Young:
ab

2
a
2
+
1
2
b
2
, para a, b, R e > 0 (5.9)
e ao lema de Gronwall (cf. por exemplo [Quarteroni e Valli, 1994]):
Lema 5.2.4 (Gronwall) Se e n ao negativa, e constante e u verica
u(t) +

T
a
(s)u(s)ds (5.10)
ent ao verica tambem
u(t) exp

T
a
(s)ds (5.11)
5.3. ESTIMATIVAS DE ERRO 23
5.3 Estimativas de erro
Apos as duas secc oes anteriores, estamos agora em condi c oes de demonstrar o seguinte
teorema:
Teorema 5.3.1 Para u
1
, u
2
,
1
e
2
a que veriquem a formulacao discreta, as equa coes
satisfazem a estimativa de erro
[|(e

j
, e
u
j
)[| K
1
h
k
(5.12)
onde
2[|(e

j
, e
u
j
)[|
2
= |e

1
(T)|
2

+|e

2
(T)|
2

+|e
u
1
(T)|
2

+|e
u
2
(T)|
2

T
0

i
[U
1
n
i
[, [e

1
]
2

i
dt +

T
0

i
[U
2
n
i
[, [e

2
]
2

i
dt +

T
0
[ u
1
n[, e
2

O
dt +

T
0
[ u
2
n[, e
2

O
dt +

T
0
[U
1
n[, e
2

I
dt +

T
0
[U
2
n[, e
2

I
dt +

T
0
|
1/2
1
e
u
1
|
2

dt +

T
0
|
1/2
2
e
u
2
|
2

dt
em que K
1
e uma constante independente de h e k, mas dependente de g, g

,
j
, K
i
, K
t
, K

j
,
K
u
j
, K

j
, K

u
j
e K

Z
j
. Para k > 1 e h sucientemente pequeno, podemos remover a de-
pendencia de K
1
em K

Z
j
.
Demonstra cao Subtraindo a formula c ao fraca da formula c ao discreta, e tomando as
func oes teste nos subespacos da formula c ao discreta em ambas as formula c oes, obtemos:

e
(
t
(Z
1

1
), v
1
)

e
(U
1
Z
1
u
1

1
, v
1
)

e
+

i
Z

1
U
1
n
i

1
u
1
n
i
, [v
1
]

i
+(Z
1

1
) u
1
n, v
1

O
+ (
t
(U
1
u1), w
1
)

e
(g(Z
1

1
), w
1
)

e
+(
1
(U
1
u
1
), w
1
)

i
g[Z
1

1
], w
1
n
i

i
g[Z
2

2
], w
1
n
i

i
+

e
(
t
(Z
2

2
), v
2
)

e
(U
2
Z
2
u
2

2
, v
2
)

e
+

i
Z

2
U
2
n
i

2
u
2
n
i
, [v
2
]

i
+(Z
2

2
) u
2
n, v
2

O
+ (
t
(U
2
u
2
), w
2
)

e
((g + g

)(Z
2

2
), w
2
)

e
+(
2
(U
2
u
2
), w
2
)

i
(g + g

)[Z
2

2
], w
2
n
i

i
g[Z
1

1
], w
2
n
i

i
= (g(Z
2

2
), w
1
)

(g(Z
1

1
), w
2
)

24 CAP

ITULO 5. ESTIMATIVAS DE ERRO A PRIORI

Incorporando agora u
1
, u
2
,
I
1
e
I
2
, podemos reescrever a equa c ao acima como:

e
(
t
(Z
1

I
1
+
I
1

1
), v
1
)

e
(U
1
Z
1
U
1

I
1
+U
1

I
1
u
1

1
, v
1
)

e
+

i
(Z

1
U
1

I
1
U
1
+
I
1
U
1

1
u
1
) n
i
, [v
1
]

i
+(Z
1

I
1
+
I
1

1
) u
1
n, v
1

O
+(
t
(U
1
u
1
+ u
1
u1), w
1
)

e
(g(Z
1

I
1
+
I
1

1
), w
1
)

e
+(
1
(U
1
u
1
+ u
1
u
1
), w
1
)

i
g[Z
1

I
1
+
I
1

1
], w
1
n
i

i
g[Z
2

I
2
+
I
2

2
], w
1
n
i

i
+

e
(
t
(Z
2

I
2
+
I
2

2
), v
2
)

e
(U
2
Z
2
U
2

I
2
+U
2

I
2
u
2

2
, v
2
)

e
+

i
(Z

2
U
2

I
2
U
2
+
I
2
U
2

2
u
2
) n
i
, [v
2
]

i
+(Z
2

I
2
+
I
2

2
) u
2
n, v
2

O
+ (
t
(U
2
u
2
+ u
2
u2), w
2
)

e
((g + g

)(Z
2

I
2
+
I
2

2
), w
2
)

e
+ (
2
(U
2
u
2
+ u
2
u
2
), w
2
)

i
(g + g

)[Z
2

I
2
+
I
2

2
], w
2
n
i

i
g[Z
1

I
1
+
I
1

1
], w
2
n
i

i
= (g(Z
2

I
2
+
I
2

2
), w
1
)

(g(Z
1

I
1
+
I
1

1
), w
2
)

Tendo em conta os resultados da secc ao 5.1, a equa c ao acima vem:

e
(
t
e

1
, v
1
)

e
(U
1
e

1
, v
1
)

e
+

i
e

1
U
1
n
i
, [v
1
]

i
+e

1
u
1
n, v
1

O
+(
t
e
u
1
, w
1
)

e
(ge

1
, w
1
)

e
+ (
1
e
u
1
, w
1
)

i
g[e

1
], w
1
n
i

i
g[e

2
], w
1
n
i

i
+ (ge

2
, w
1
)

e
(
t
e

2
, v
2
)

e
(U
2
e

2
, v
2
)

e
+

i
e

2
U
2
n
i
, [v
2
]

i
+e

2
u
2
n, v
2

O
+ (
t
e
u
2
, w
2
)

e
((g + g

)e

2
, w
2
)

e
+(
2
e
u
2
, w
2
)

i
(g + g

)[e

2
], w
2
n
i

i
g[e

1
], w
2
n
i

i
+ (ge

1
, w
2
)

e
(
t

1
, v
1
)

e
(u
1

1
U
1

I
1
, v
1
)

e
+

1
u
1
n
i

I
1
U
1
n
i
, [v
1
]

i
+

1
u
1
n, v
1

O
+

e
(g

1
, w
1
)

e
+ (g

2
, w
1
)

e
(
t

2
, v
2
)

e
(u
2

2
U
2

I
2
, v
2
)

e
+

2
u
2
n
i

I
2
U
2
n
i
, [v
2
]

i
+

2
u
2
n, v
2

O
+

e
((g + g

2
, w
2
)

e
+ (g

1
, w
2
)

Finalmente, substituindo (v
1
, v
2
, w
1
, w
2
) por (e

1
, e

2
, e
u
1
, e
u
2
) (pois pertencem aos
5.3. ESTIMATIVAS DE ERRO 25
subespacos considerados na formual c ao discreta) e integrando no tempo de 0 a T, obtemos:

T
0

e
(
t
e

1
, e

1
)

e
dt

T
0

e
(U
1
e

1
, e

1
)

e
dt +

T
0

i
e

1
U
1
n
i
, [e

1
]

i
dt +

T
0
e

1
u
1
n, e

O
dt +

T
0
(
t
e
u
1
, e
u
1
)

dt +

T
0

e
(ge

1
, e
u
1
)

e
dt +

T
0
(
1
e
u
1
, e
u
1
)

dt

T
0

i
g[e

1
], e
u
1
n
i

i
dt

T
0

i
g[e

2
], e
u
1
n
i

i
dt +

T
0
(ge

2
, e
u
1
)

dt +

T
0

e
(
t
e

2
, e

2
)

e
dt

T
0

e
(U
2
e

2
, e

2
)

e
dt +

T
0

i
e

2
U
2
n
i
, [e

2
]

i
dt +

T
0
e

2
u
2
n, e

O
dt +

T
0
(
t
e
u
2
, e
u
2
)

dt +

T
0

e
((g + g

)e

2
, e
u
2
)

e
dt +

T
0
(
2
e
u
2
, e
u
2
)

dt

T
0

i
(g + g

)[e

2
], e
u
2
n
i

i
dt

T
0

i
g[e

1
], e
u
2
n
i

i
dt +

T
0
(ge

1
, e
u
2
)

dt =

T
0

e
(
t

1
, e

1
)

e
dt

T
0

e
(u
1

1
U
1

I
1
, e

1
)

e
dt +

T
0

1
u
1
n
i

I
1
U
1
n
i
, [e

1
]

i
dt +

T
0

1
u
1
n, e

O
dt +

T
0

e
(g

1
, e
u
1
)

e
dt +

T
0
(g

2
, e
u
1
)

dt +

T
0

e
(
t

2
, e

2
)

e
dt

T
0

e
(u
2

2
U
2

I
2
, e

2
)

e
dt +

T
0

2
u
2
n
i

I
2
U
2
n
i
, [e

2
]

i
dt +

T
0

2
u
2
n, e

O
dt
+

T
0

e
((g + g

2
, e
u
2
)

e
dt +

T
0
(g

1
, e
u
2
)

dt
O passo seguinte e manipular um pouco os termos do lado esquerdo desta equa c ao.
Vamos comecar com o termo

T
0

e
(
t
e

j
, e

j
)

e
dt:

T
0

e
(
t
e

j
, e

j
)

e
dt =

e
(

T
0

t
e

j
, e

j
dt)

e
=

e
1
2
(e
2

j
(T) e
2

j
(0))

e
=
1
2

e
(|e

j
(T)|
2

e
|e

j
(0)|
2

e
) =
1
2
|e

j
(T)|
2

1
2
|e

j
(0)|
2

Similiarmente para

T
0

e
(
t
e
u
j
, e
u
j
)

e
dt, e atendendo a que e
u
j
(0) = 0 (cf. o apen-
26 CAP

ITULO 5. ESTIMATIVAS DE ERRO A PRIORI

dice), temos

T
0

e
(
t
e
u
j
, e
u
j
)

e
dt =
1
2
|e
u
j
(T)|
2

Em seguida, integrando

T
0

e
(U
i
e

j
, e

j
)

e
dt por partes, temos

T
0

e
(U
i
e

j
, e

j
)

e
dt =
1
2

T
0

e
U
j
n
e
, e
2

e
dt +
1
2

T
0

e
( U
j
, e
2

j
)

e
dt
=
1
2

T
0

i
U
j
n
i
, [e
2

j
]

i
dt
1
2

T
0
U
j
n, e
2

dt +
1
2

T
0

e
( U
j
, e
2

j
)

e
dt
Combinando
1
2

T
0

i
U
j
n
i
, [e
2

j
]

i
dt com

T
0

i
e

j
U
j
n
i
, [e

j
]

i
dt, temos:

T
0

i
e

j
U
j
n
i
, [e

j
]

i
dt
1
2

T
0

i
U
j
n
i
, [e
2

j
]

i
dt =

T
0

i
e

j
U n
i
, e

i
dt

T
0

i
e

j
U n
i
, e
+

i
dt
1
2

T
0

i
U
j
n
i
, (e

j
)
2
(e
+

j
)
2

i
dt
Repare-se agora que
U
j
n
i
> 0

T
0

i
e

j
U n
i
, e

i
dt

T
0

i
e

j
U n
i
, e
+

i
dt
1
2

T
0

i
U
j
n
i
, (e

j
)
2
(e
+

j
)
2

i
dt =

T
0

i
e

j
U n
i
, e

i
dt

T
0

i
e

j
U n
i
, e
+

i
dt
1
2

T
0

i
U
j
n
i
, (e

j
)
2
(e
+

j
)
2

i
dt =
1
2

T
0

i
U
j
n
i
, (e

j
)
2

i
dt

T
0

i
e

j
U n
i
, e
+

i
dt +
1
2

T
0

i
U
j
n
i
, (e
+

j
)
2

i
dt =
1
2

T
0

i
U
j
n
i
, [e

j
]
2

i
dt
5.3. ESTIMATIVAS DE ERRO 27
Por outro lado
U
j
n
i
0

T
0

i
e

j
U n
i
, e

i
dt

T
0

i
e

j
U n
i
, e
+

i
dt
1
2

T
0

i
U
j
n
i
, (e

j
)
2
(e
+

j
)
2

i
dt =

T
0

i
e
+

j
U n
i
, e

i
dt

T
0

i
e
+

j
U n
i
, e
+

i
dt
1
2

T
0

i
U
j
n
i
, (e

j
)
2
(e
+

j
)
2

i
dt =

1
2

T
0

i
U
j
n
i
, (e

j
)
2

i
dt +

T
0

i
e

j
U n
i
, e
+

i
dt
1
2

T
0

i
U
j
n
i
, (e
+

j
)
2

i
dt =
1
2

T
0

i
U
j
n
i
, [e

j
]
2

i
dt
Podemos ent ao aglutinar os dois ultimos resultados para concluir que

T
0

i
e

j
U
j
n
i
, [e

j
]

i
dt
1
2

T
0

i
U
j
n
i
, [e
2

j
]

i
dt =
1
2

T
0

i
[U
j
n
i
[, [e

j
]
2

i
dt
Combinando
1
2

T
0
U
j
n, e
2

dt com

T
0
e

j
u
j
n, e

O
dt, e notando que u
j
n =
U
j
n (pois U
j
= u
j
em e u
j
W
j
h
()), temos:

T
0
e

j
u
j
n, e

O
dt
1
2

T
0
U
j
n, e
2

dt =

T
0
u
j
n, e
2

O
dt
1
2

T
0
U
j
n, e
2

I
dt
1
2

T
0
U
j
n, e
2

O
dt =
1
2

T
0
[ u
j
n[, e
2

O
dt +
1
2

T
0
[U
j
n[, e
2

I
dt +
1
2

T
0
( u
j
u
j
) n, e
2

O
dt
Integrando

T
0

e
(ge

1
, e
u
1
)

e
dt por partes, combinando com

T
0

i
g[e

1
], e
u
1

28 CAP

ITULO 5. ESTIMATIVAS DE ERRO A PRIORI

n
i

i
dt e notando que e
u
j
= 0 em , obtemos

T
0

e
(ge

1
, e
u
1
)

e
dt

T
0

i
g[e

1
], e
u
1
n
i

i
dt =

T
0

e
ge

1
, e
u
1

e
dt

T
0

e
(ge

1
, e
u
1
)

e
dt

T
0

i
g[e

1
], e
u
1
n
i

i
dt =

T
0
ge

1
, e
u
1

dt +

T
0

i
g[e

1
], e
u
1
n
i

i
dt

T
0

e
(ge

1
, e
u
1
)

e
dt

T
0

i
g[e

1
], e
u
1
n
i

i
dt =

T
0

e
(ge

1
, e
u
1
)

e
dt
Similarmente se obtem

T
0

e
((g + g

)e

2
, e
u
2
)

e
dt

T
0

i
(g + g

)[e

2
], e
u
2
n
i

i
dt =

T
0

e
((g + g

)e

1
, e
u
1
)

e
dt

T
0

e
(ge

1
, e
u
2
)

e
dt

T
0

i
g[e

1
], e
u
2
n
i

i
dt =

T
0

e
(ge

1
, e
u
2
)

e
dt

T
0

e
(ge

2
, e
u
1
)

e
dt

T
0

i
g[e

2
], e
u
1
n
i

i
dt =

T
0

e
(ge

2
, e
u
1
)

e
dt
Para

T
0
(
j
e
u
j
, e
u
j
)

dt temos ainda

T
0
(
j
e
u
j
, e
u
j
)

dt =

T
0
|
1/2
j
e
u
j
|
2

dt
Atendendo aos resultados das ultimas paginas, podemos reescrever o resultado da p.25
como
1
2
|e

1
(T)|
2

+
1
2
|e

2
(T)|
2

+
1
2
|e
u
1
(T)|
2

+
1
2
|e
u
2
(T)|
2

+
1
2

T
0

i
[U
1
n
i
[, [e

1
]
2

i
dt +
1
2

T
0

i
[U
2
n
i
[, [e

2
]
2

i
dt +
1
2

T
0
[ u
1
n[, e
2

O
dt +
1
2

T
0
[ u
2
n[, e
2

O
dt +
1
2

T
0
[U
1
n[, e
2

I
dt +
1
2

T
0
[U
2
n[, e
2

I
dt +

T
0
|
1/2
1
e
u
1
|
2

dt +

T
0
|
1/2
2
e
u
2
|
2

dt =
1
2
|e

1
(0)|
2

+
1
2
|e

2
(0)|
2

T
0

e
(
t

1
, e

1
)

e
dt +

T
0

e
(
t

2
, e

2
)

e
dt

T
0

e
(u
1

1
U
1

I
1
, e

1
)

e
dt

T
0

e
(u
2

2
U
2

I
2
, e

2
)

e
dt +

T
0

1
u
1
n
i

I
1
U
1
n
i
, [e

1
]

i
dt +

T
0

2
u
2
n
i

I
2
U
2
n
i
, [e

2
]

i
dt
5.3. ESTIMATIVAS DE ERRO 29
+

T
0

1
u
1
n, e

O
dt +

T
0

2
u
2
n, e

O
dt
1
2

T
0
( u
1
u
1
) n, e
2

O
dt
1
2

T
0
( u
2
u
2
) n, e
2

O
dt +

T
0
(g

1
, e
u
1
)

dt +

T
0

e
((g + g

2
, e
u
2
)

e
dt +

T
0
(g

1
, e
u
2
)

dt +

T
0
(g

2
, e
u
1
)

dt
1
2

T
0

e
( U
1
, e
2

1
)

e
dt
1
2

T
0

e
( U
2
, e
2

2
)

e
dt +

T
0

e
(ge

1
, e
u
1
)

e
dt +

T
0

e
((g + g

)e

2
, e
u
2
)

e
dt +

T
0

e
(ge

1
, e
u
2
)

e
dt +

T
0

e
(ge

2
, e
u
1
)

e
dt
Vamos majorar os termos do lado direito. Comecando por
1
2
|e

j
(0)|
2

e atendendo a
que |e
u
j
|
2

, temos
1
2
|e

j
(0)|
2

= (e

(0), e

(0))

= (Z
j
0

j
0
+

(0), e

(0))

=
(Z
j
0

j
0
, e

(0))

+ (

(0), e

(0))

= (

(0), e

(0))

(0)||e

(0)|
|e

(0)| |

(0)| K(K

)h
2k
Para

T
0

e
(
t

j
, e

j
)

e
dt, vem

T
0

e
(
t

j
, e

j
)

e
dt

T
0

e
|
t

j
|

e
|e

j
|

e
dt

T
0
|
t

j
|

|e

j
|

dt

1
2

T
0
|
t

j
|
2

dt +
1
2

T
0
|e

j
|
2

dt K(K

)h
2k
+
1
2

T
0
|e

j
|
2

Integrando

T
0

e
(u
j

j
U
j

I
j
, e

j
)

e
dt por partes e combinando com

T
0

j
u
j

n
i

I
j
U
j
n
i
, [e

j
]

i
dt e

T
0

j
u
j
n, e

O
dt, vem

T
0

e
(u
j

j
U
j

I
j
, e

j
)

e
dt +

T
0

j
u
j
n
i

I
j
U
j
n
i
, [e

j
]

i
dt +

T
0

j
u
j
n, e

O
dt =

T
0

e
( (u
j

j
U
j

I
j
), e

j
)

e
dt

T
0

j
u
j
n
i

I
j
U
j
n
i
, [e

j
]

i
dt

T
0

j
u
j
n
I
j
U
j
n, e

dt
30 CAP

ITULO 5. ESTIMATIVAS DE ERRO A PRIORI

+

T
0

j
u
j
n
i

I
j
U
j
n
i
, [e

j
]

i
dt +

T
0

j
u
j
n, e

O
dt =

T
0

e
( (u
j

j
U
j

I
j
), e

j
)

e
dt

T
0

e
(

j
+
I
j
)u
j
n
I
j
U
j
n, e

dt +

T
0

j
u
j
n, e

O
dt =

T
0

e
( (u
j

j
U
j

I
j
), e

j
)

e
dt

T
0

j
u
j
n, e

dt

T
0
(
I
j
(u
j
U
j
) n, e

j
)

dt +

T
0

j
u
j
n, e

O
dt =

T
0

e
( (u
j

j
U
j

I
j
), e

j
)

e
dt

T
0

j
u
j
n, e

I
dt

T
0
(
I
j
(u
j
U
j
) n, e

j
)

dt
Agora, majoramos

T
0

e
( (u
j

j
U
j

I
j
), e

j
)

e
dt:

T
0

e
( (u
j

j
U
j

I
j
), e

j
)

e
dt =

T
0

e
( (u
j
(

j
+
I
j
) U
j

I
j
), e

j
)

e
dt =

T
0

e
(( u
j
)

j
, e

j
)

e
dt +

T
0

e
(u
j

j
, e
j
)

e
dt +

T
0

e
(
I
j
(
u
j
e
u
j
), e

j
)

e
dt +

T
0

e
(
I
j
(
u
j
e
u
j
), e

j
)

e
dt
1
2

T
0
| u
j
|
2

j
|
2

dt +
1
2

T
0
|u
j
|
2

j
|
2

dt +
1
2

T
0
|
I
j
|
2

|
u
j
|
2

dt +
4
2
j

T
0
|
I
j
|
2

|e

j
|
2

dt +
1
8

T
0
|
1/2
j
e
u
j
|
2

dt +
1
2

T
0
|
I
j
|
2

|
u
j
|
2

+
1
2

T
0
|
I
j
|
2

|e
u
j
|
2

+
5
2

T
0
|e

j
|
2

dt
K(K

u
j
)

T
0
|

j
|
2
H
1
()
dt + K(K

j
)

T
0
|
u
j
|
2
H
1
()
dt + K(K

j
)

T
0
|e
u
j
|
2

dt +
K(K

j
,
j
)

T
0
|e

j
|
2

dt +
1
16

T
0
|
1/2
j
e
u
j
|
2

dt
K(K

j
, K

u
j
, K
u
j
, K

j
)h
2k
+ K(K

j
,
j
)

T
0
|e
u
j
|
2

+|e

j
|
2

dt +
1
16

T
0
|
1/2
j
e
u
j
|
2

dt
Quanto a

T
0

j
u
j
n, e

I
dt e

T
0
(
I
j
(u
j
U
j
) n, e

j
)

dt, temos:

T
0

j
u
j
n, e

I
dt

T
0
(
I
j
(u
j
U
j
) n, e

j
)

dt
5.3. ESTIMATIVAS DE ERRO 31
1
2
K(K

u
j
)

T
0
h
1
|

j
|
2

I
dt +
1
2

T
0
h|e

j
|
2

I
dt +
1
2
K(K

j
)

T
0
h
1
|( u
j
u
j
) n|
2

+
1
2

T
0
h|e

j
|
2

dt
K(K

u
j
, K
t
)

T
0
h
1
|

j
|

j
|
H
1
()
dt + K(K

j
, K
t
)

T
0
h
1
|
u
j
|

|
u
j
|
H
1
()
dt +
K(K
t
)

T
0
h|e

j
|

|e

j
|
H
1
()
dt K(K

u
j
, K
t
)

T
0
h
2
|

j
|
2

dt +
K(K

u
j
, K
t
)

T
0
|

j
|
2
H
1
()
dt + K(K

j
, K
t
)

T
0
h
2
|
u
j
|
2

dt +
K(K

j
, K
t
)

T
0
|
u
j
|
2
H
1
()
dt + K(K
t
, K
i
)

T
0
|e

j
|
2

dt
K(K

u
j
, K
t
, K

j
, K
u
j
, K

j
)h
2k
+ K(K
t
, K
i
)

T
0
|e

j
|
2

dt
Usando para
1
2

T
0
( u
j
u
j
) n, e
2

O
dt tecnicas semelhantes `as usadas para

T
0
(
I
j
(u
j
U
j
) n, e

j
)

dt anteriormente, obtemos

1
2

T
0
( u
j
u
j
) n, e
2

O
dt
1
2
|e

j
|
L

(0,T;L

()

T
0
|( u
j
u
j
) n|

O
|e

j
|

O
dt
K(K

Z
j
, K
t
, K

j
, K
u
j
)h
2k
+ K(K
t
, K
i
)

T
0
|e

j
|
2

dt
Para

T
0
(g

1
, e
u
1
)

dt, vem

T
0
(g

1
, e
u
1
)

dt =

T
0
(g

1
, e
u
1
)

dt

T
0
(g

1
, e
u
1
)

dt =

T
0
(g

1
, e
u
1
)

dt
8
2
1
g

T
0
|

1
|

dt +
1
16

T
0
|
1/2
1
e
u
1
|
2

dt
K(g,
1
, K

1
)h
2k
+
1
16

T
0
|
1/2
1
e
u
1
|
2

dt
Da mesma forma, obtem-se

T
0

e
((g + g

2
, e
u
2
)

e
dt K(g, g

,
2
, K

2
)h
2k
+
1
16

T
0
|
1/2
2
e
u
2
|
2

dt

T
0
(g

1
, e
u
2
)

dt K(g,
2
, K

1
)h
2k
+
1
16

T
0
|
1/2
2
e
u
2
|
2

dt

T
0
(g

2
, e
u
1
)

dt K(g,
1
, K

2
)h
2k
+
1
16

T
0
|
1/2
1
e
u
1
|
2

dt
32 CAP

ITULO 5. ESTIMATIVAS DE ERRO A PRIORI

Quanto a
1
2

T
0

e
( U
j
, e
2

j
)

e
dt, temos

1
2

T
0

e
( U
j
, e
2

j
)

e
dt =
1
2

T
0

e
( e
u
j
, e
2

j
)

e
dt +
1
2

T
0

e
(
u
j
, e
2

j
)

e
dt
1
2

T
0

e
( u
j
, e
2

j
)

e
dt
K(K

Z
j
, K

j
, K

u
j
,
j
)

T
0
|e

j
|
2

dt + K(K

Z
j
, K

j
, K
u
j
,
j
)h
2k
+
1
8

T
0
|
1/2
1
e
u
1
|
2

dt
Finalmente, e de maneira similar a

T
0
(g

1
, e
u
1
)

dt, temos

T
0

e
(ge

1
, e
u
1
)

e
dt K(g,
1
)

T
0
|e

j
|
2

dt +
1
16

T
0
|
1/2
1
e
u
1
|
2

dt

T
0

e
((g + g

)e

2
, e
u
2
)

e
dt K(g, g

,
2
)

T
0
|e

2
|
2

dt +
1
16

T
0
|
1/2
2
e
u
1
|
2

dt

T
0

e
(ge

1
, e
u
2
)

e
dt K(g,
2
)

T
0
|e

1
|
2

dt +
1
16

T
0
|
1/2
2
e
u
2
|
2

dt

T
0

e
(ge

2
, e
u
1
)

e
dt K(g,
1
)

T
0
|e

2
|
2

dt +
1
16

T
0
|
1/2
1
e
u
1
|
2

dt
Juntando todos estes resultados, obtemos nalmente
1
2
|e

1
(T)|
2

+
1
2
|e

2
(T)|
2

+
1
2
|e
u
1
(T)|
2

+
1
2
|e
u
2
(T)|
2

+
1
2

T
0

i
[U
1
n
i
[, [e

1
]
2

i
dt +
1
2

T
0

i
[U
2
n
i
[, [e

2
]
2

i
dt +
1
2

T
0
[ u
1
n[, e
2

O
dt +
1
2

T
0
[ u
2
n[, e
2

O
dt +
1
2

T
0
[U
1
n[, e
2

I
dt +
1
2

T
0
[U
2
n[, e
2

I
dt +

T
0
|
1/2
1
e
u
1
|
2

dt +

T
0
|
1/2
2
e
u
2
|
2

dt
K(K
u
1
, K
u
2
, K

u
1
, K

u
2
, K

1
, K

2
, K

1
, K

2
, K

Z
1
, K

Z
2
, K
t
,
1
,
2
, g, g

)h
2k
+
1
2

T
0
|
1/2
1
e
u
1
|
2

dt +
1
2

T
0
|
1/2
2
e
u
2
|
2

dt +
K(K
u
1
, K
u
2
, K

u
1
, K

u
2
, K

1
, K

2
, K

Z
1
, K

Z
2
, K
t
, K
i
,
1
,
2
, g, g

T
0
|e
u
1
|
2

+|e

1
|
2

dt +
K(K
u
1
, K
u
2
, K

u
1
, K

u
2
, K

1
, K

2
, K

Z
1
, K

Z
2
, K
t
, K
i
,
1
,
2
, g, g

T
0
|e
u
2
|
2

+|e

2
|
2

dt
Escondendo os termos
1
2

T
0
|
1/2
1
e
u
1
|
2

dt e
1
2

T
0
|
1/2
2
e
u
2
|
2

dt do lado esquerdo e
aplicando o lema de Gronwall, obtemos o resultado do teorema 5.3.1.
5.3. ESTIMATIVAS DE ERRO 33
Para k > 1 e h sucientemente pequeno, temos (cf. [Dawson e Proft, 2002])
|Z
j
|
L

(0,T,L

)
|
I
j
|
L

(0,T,L

)
+|e

j
|
L

(0,T,L

)
K

j
+ KK
1
h
k1
2K

j
K

Z
j
(5.13)

Usando a desigualdade triangular e os resultados (5.4) e (5.5), obtemos facilmente o

Corolario 5.3.2
|(
j
Z
j
)(T)|

+|(u
j
U
j
(T)|

K
1
h
k
(5.14)
34 CAP

ITULO 5. ESTIMATIVAS DE ERRO A PRIORI

Captulo 6
Resultados numericos
6.1 Implementa cao computacional
Substituindo na formula c ao discreta Z
1
, Z
2
, U
1
e U
2
pela sua representa c ao de elemen-
tos nitos como visto no captulo 4, obtemos o seguinte sistema de equa c oes diferenciais
ordinarias:

e
(
t
(

i
Z
z
i
Z
,1
(t)
Z
i
Z
),
Z
i
Z
)

e
((

i
U
u
i
U
,1
(t)
U
i
U
)(

i
Z
z
i
Z
,1
(t)
Z
i
Z
),
Z
i
Z
)

e
+

i
(

i
Z
z
i
Z
,1
(t)
Z
i
Z
)

i
U
u
i
U
,1
(t)
U
i
U
) n
i
, [
Z
i
Z
]

i
+
(

i
Z
z
i
Z
,1
(t)
Z
i
Z
) u
1
n,
Z
i
Z

O
=

1
u
1
n,
Z
i
Z

I
(
t
(

i
U
u
i
U
,1
(t)
U
i
U
),
U
i
U
)

e
(g(

i
Z
z
i
Z
,1
(t)
Z
i
Z
),
U
i
U
)

+
(
1
(

i
U
u
i
U
,1
(t)
U
i
U
),
U
i
U
)

i
g[(

i
Z
z
i
Z
,1
(t)
Z
i
Z
)],
U
i
U
n
i

i
g[(

i
Z
z
i
Z
,2
(t)
Z
i
Z
)],
U
i
U
n
i

i
= (g(

i
Z
z
i
Z
,2
(t)
Z
i
Z
),
U
i
U
)

e
(
t
(

i
Z
z
i
Z
,2
(t)
Z
i
Z
),
Z
i
Z
)

e
((

i
U
u
i
U
,2
(t)
U
i
U
)(

i
Z
z
i
Z
,2
(t)
Z
i
Z
),
Z
i
Z
)

e
+

i
(

i
Z
z
i
Z
,2
(t)
Z
i
Z
)

i
U
u
i
U
,2
(t)
U
i
U
) n
i
, [
Z
i
Z
]

i
+
(

i
Z
z
i
Z
,2
(t)
Z
i
Z
) u
2
n,
Z
i
Z

O
=

2
u
2
n,
Z
i
Z

I
(
t
(

i
U
u
i
U
,2
(t)
U
i
U
),
U
i
U
)

e
((g + g

)(

i
Z
z
i
Z
,2
(t)
Z
i
Z
),
U
i
U
)

+
(
2
(

i
U
u
i
U
,2
(t)
U
i
U
),
U
i
U
)

i
g[(

i
Z
z
i
Z
,1
(t)
Z
i
Z
)],
U
i
U
n
i

i
(g + g

)[(

i
Z
z
i
Z
,2
(t)
Z
i
Z
)],
U
i
U
n
i

i
= (g(

i
Z
z
i
Z
,1
(t)
Z
i
Z
),
U
i
U
)

35
36 CAP

ITULO 6. RESULTADOS NUM

ERICOS
com as condi c oes iniciais dadas por

i
Z
z
i
Z
,1
(0)(
Z
i
Z

0,1
,
Z
i
Z
)

= 0

i
Z
z
i
Z
,2
(0)(
Z
i
Z

0,2
,
Z
i
Z
)

= 0

i
U
u
i
U
,1
(0)(
U
i
U
u
0,1
,
U
i
U
)

= 0

i
U
u
i
U
,2
(0)(
U
i
U
u
0,2
,
U
i
U
)

= 0
Nota Apesar do aspecto algo gargantuano destas equa c oes, na verdade muitos dos termos
dos somat orios sao nulos; uma escolha adequada das funcoes base simplica ainda um
pouco mais estas equa c oes. A versao destas equa c oes que foi implementada para esta tese
tem isso em considera c ao, e esta no apendice A.
Para a implementa c ao computacional deste problema consider amos apenas um prob-
lema unidimensional. Os elementos
e
serao, nesse caso, subintervalos de igual dimens ao,
nos quais denimos func oes base polinomiais de grau 1, contnuas entre elementos no caso
de U
j
e (potencialmente) descontnuas de elemento para elemento no caso de Z
j
:

Z
i
Z
=
e
(

e

x a
e
b
e
a
e

e
), para
e
= [a
e
, b
e
]

U
i
U
=
e
(
x a
e
b
e
a
e

A
e

x b
e
c
e
b
e

B
e
), para elementos
A
e
= [a
e
, b
e
] e
B
e
= [b
e
, c
e
]
Quanto ao sistema de EDOs acima, ele foi resolvido numericamente pelo metodo de
Euler explcito com um passo t xo.
6.2 Resultados gracos
Nesta secc ao apresentam-se os resultados gr acos obtidos para o problema com as
condi c oes iniciais e de fronteira

1
(x, 0) = 2 x

2
(x, 0) = 0.5 x

1
= 2 em
I

2
= 0.5 em
I
u
1
(x, 0) = u
2
(x, 0) = sin(
x
700
) x
u
1
= u
2
= sin(
x
700
) x
e para a seguinte escolha de par ametros:
g = 9.81 g

= 0.19

1
=
2
= 25
6.2. RESULTADOS GR

AFICOS 37
e para 28 elementos.
5000 10000 15000 20000
1
2
3
5000 10000 15000 20000
1
2
3
5000 10000 15000 20000
1
2
3
5000 10000 15000 20000
1
2
3
5000 10000 15000 20000
1
2
3
5000 10000 15000 20000
1
2
3
Eleva cao vertical da camada 1(a azul) e da camada 2(a rosa), para t = 0, 15, 30, 45, 60, 75
38 CAP

ITULO 6. RESULTADOS NUM

ERICOS
5000 10000 15000 20000
2
1
1
2
5000 10000 15000 20000
2
1
1
2
5000 10000 15000 20000
2
1
1
2
5000 10000 15000 20000
2
1
1
2
5000 10000 15000 20000
2
1
1
2
5000 10000 15000 20000
2
1
1
2
Velocidade horizontal na camada 1(a azul) e na camada 2(a rosa), para t = 0, 15, 30, 45, 60, 75
Captulo 7
Conclusao
7.1 Conclusoes nais
Nesta tese introduzimos uma versao simplicada das equa coes de aguas rasas em duas
camadas. Fizemos uma aproxima c ao pelo metodo dos elementos nitos - aproximando as
equa c oes do momento por uma conjugac ao do metodo de Galerkin standard com um termo
de estabiliza c ao e as equa c oes da continuidade por um metodo de Galerkin descontnuo.
Deduzimos uma estimativa de erro a priori para este metodo, tendo, na sequencia de
[Dawson e Proft, 2002] obtido o resultado esperado: convergencia de ordem h
k
. Para
terminar, implement amos o metodo para um problema de teste unidimensional. Apesar
de nao ter sido possvel obter resultados numericos relevantes sobre convergencia, devido
`as especicidades do problema e da sua implementa c ao, foi possvel obter resultados
gr acos de algum interesse.
7.2 Trabalho futuro
Na minha opiniao, os pr oximos passos a tomar para desenvolvimento deste trabalho
sao os seguintes:
Implementar o metodo numa linguagem que permita melhor desempenho (ex. C++),
para obter resultados com maior relev ancia, nomeadamente na convergencia;
Na sequencia de [Dawson e Proft, 2002], tentar tambem aproximar estas equa c oes
por um metodo DG/NIPG (Nonsymmetric Inferior Penalty Galerkin) para termos
um termo de comparac ao com este metodo.
Tentar implementar o metodo para um problema bidimensional, mais pr oximo da
realidade;
Generalizar esses resultados para a versao multi-camada das equa c oes.
39
40 CAP

ITULO 7. CONCLUS

AO
Apendice A
Codigo da implementa cao
Neste captulo apresenta-se o c odigo em Mathematica que foi usado nesta tese.
a = 0;
b = 7000 Pi;
n = 28;
edge = Rest[Most[Range[a, b, (b a)/n]]];
upwind = 1;
e1 = 25;
e2 = 25;
g = 9.81;
g2 = 0.19;
leap = Limit[#1[x], x > #2, Direction > 1] Limit[#1[x], x > #2, Direction >
1]&;
uini1[x
]
= Sin[x/700];
uini2[x
]
= Sin[x/700];
hini1[x
]
= 2;
hini2[x
]
= 0.5;
u1hat[a] := uini1[a];
u2hat[a] := uini2[a];
u1hat[b] := uini1[b];
u2hat[b] := uini2[b];
h1hat[a] := hini1[a];
h2hat[a] := hini2[a];
h1hat[b] := hini1[b];
h2hat[b] := hini2[b];
Psih = Function[x, #]&/@
Riffle[Table[Piecewise[1, (b a) (i 1)/n <= x <= (b a) i/n], i, n],
Table[Piecewise[(x (b a) (i 1)/n) n/(b a),
(b a) (i 1)/n <= x <= (b a) i/n], i, n]];
Psiu = Function[x, #]&/@
Table[Piecewise[(x (b a) (i 1)/n) n/(b a),
(b a) (i 1)/n <= x <= (b a) i/n, (x + (b a) (i/n)) n/(b a) + 1,
(b a) i/n <= x <= (b a) (i + 1)/n], i, n 1];
41
42 AP

ENDICE A. C

ODIGO DA IMPLEMENTAC

AO
DPsih = Table[Psih[[i]]

, i, Length[Psih]];
DPsiu = Table[Psiu[[i]]

, i, Length[Psiu]];
h1 = ToExpression[hum<> ToString[#]]&/@Range[Length[Psih]];
h2 = ToExpression[hdois<> ToString[#]]&/@Range[Length[Psih]];
u1 = ToExpression[uum<> ToString[#]]&/@Range[Length[Psiu]];
u2 = ToExpression[udois<> ToString[#]]&/@Range[Length[Psiu]];
frst = Join[
Sum[h1[[i]]

[t] NIntegrate[Psih[[i]][x] Psih[[1]][x],

x, a, b], i, 1, 2] +Sum[u1[[1]][t] h1[[i2]][t] Limit[Psih[[i2]][x],
x > edge[[1]], Direction > upwind] leap[Psih[[1]], edge[[1]]],
i2, 2 upwind, 2 upwind + 1] + (0.5 upwind + 0.5) Sum[h1[[i]][t] Psih[[i]][a]
Psih[[1]][a] u1hat[a], i, 1, 2] ==
(0.5 upwind + 0.5) h1hat[a] u1hat[a] Psih[[1]][a],
Table[Sum[h1[[i]]

[t] NIntegrate[Psih[[i]][x] Psih[[j]][x], x, a, b],

i, Ceiling[j, 2] 1, Ceiling[j, 2]] Sum[u1[[i3]][t] h1[[i2]][t] Limit[Psih[[i2]][x],
x > edge[[i3]], Direction > upwind] leap[Psih[[j]], edge[[i3]]],
i2, 2 i3 upwind, 2 i3 upwind + 1, i3, Ceiling[j, 2]/2 1, Ceiling[j, 2]/2] == 0,
j, 3, Length[Psih] 3, 2], Sum[h1[[i]]

[t] NIntegrate[Psih[[i]][x]
Psih[[Length[Psih] 1]][x], x, a, b], i, Length[Psih] 1, Length[Psih]] +
Sum[u1[[Length[edge]]][t] h1[[i2]][t] Limit[Psih[[i2]][x], x > edge[[Length[edge]]],
Direction > upwind] leap[Psih[[Length[Psih] 1]], edge[[Length[edge]]]],
i2, 2 Length[edge] upwind, 2 Length[edge] upwind + 1] +
(0.5 upwind + 0.5) Sum[h1[[i]][t] Psih[[i]][b] Psih[[Length[Psih] 1]][b] u1hat[b],
i, Length[Psih] 1, Length[Psih]] ==
(0.5 upwind + 0.5) h1hat[b] u1hat[b] Psih[[Length[Psih] 1]][b],
Sum[h1[[i]]

[t] NIntegrate[Psih[[i]][x] Psih[[2]][x], x, a, b], i, 1, 2]

Sum[u1[[1]][t] h1[[i2]][t] NIntegrate[Psiu[[1]][x] Psih[[i2]][x] DPsih[[2]][x],
x, a, b], i2, 1, 2] +Sum[u1[[1]][t] h1[[i2]][t] Limit[Psih[[i2]][x],
x > edge[[1]], Direction > upwind] leap[Psih[[2]], edge[[1]]],
i2, 2 upwind, 2 upwind + 1] == 0,
Table[Sum[h1[[i]]

[t] NIntegrate[Psih[[i]][x] Psih[[j]][x], x, a, b],

i, Ceiling[j, 2] 1, Ceiling[j, 2]] Sum[u1[[i1]][t] h1[[i2]][t]
NIntegrate[Psiu[[i1]][x] Psih[[i2]][x] DPsih[[j]][x], x, a, b],
i1, Ceiling[j, 2]/2 1, Ceiling[j, 2]/2, i2, Ceiling[j, 2] 1, Ceiling[j, 2]] +
Sum[u1[[i3]][t] h1[[i2]][t] Limit[Psih[[i2]][x], x > edge[[i3]],
Direction > upwind]leap[Psih[[j]], edge[[i3]]], i2, 2i3upwind, 2i3upwind+1,
i3, Ceiling[j, 2]/2 1, Ceiling[j, 2]/2] == 0, j, 4, Length[Psih] 2, 2],
Sum[h1[[i]]

[t] NIntegrate[Psih[[i]][x] Psih[[Length[Psih]]][x],

x, a, b], i, Length[Psih] 1, Length[Psih]] Sum[u1[[Length[Psiu]]][t] h1[[i2]][t]
NIntegrate[Psiu[[Length[Psiu]]][x] Psih[[i2]][x] DPsih[[Length[Psih]]][x], x, a, b],
i2, Length[Psih] 1, Length[Psih]] +Sum[u1[[Length[edge]]][t] h1[[i2]][t]
Limit[Psih[[i2]][x], x > edge[[Length[edge]]],
Direction > upwind] leap[Psih[[Length[Psih]]],
edge[[Length[edge]]]], i2, 2 Length[edge] upwind, 2 Length[edge] upwind + 1] +
(0.5 upwind + 0.5) Sum[h1[[i]][t] Psih[[i]][b] Psih[[Length[Psih]]][b] u1hat[b],
43
i, Length[Psih] 1, Length[Psih]] ==
(0.5 upwind + 0.5) h1hat[b] u1hat[b] Psih[[Length[Psih]]][b]];
scnd = Join[
Sum[u1[[i]]

[t] NIntegrate[Psiu[[i]][x] Psiu[[1]][x], x, a, b], i, 1, 2] +

Sum[h1[[i]][t] g NIntegrate[DPsih[[i]][x] Psiu[[1]][x], x, a, b], i, 2, 4, 2] +
Sum[u1[[i]][t] e1 NIntegrate[DPsiu[[i]][x] DPsiu[[1]][x], x, a, b], i, 1, 2] +
Sum[h1[[i1]][t] g leap[Psih[[i1]], edge[[1]]] Psiu[[1]][edge[[1]]], i1, 1, 3] +
Sum[h2[[i1]][t] g leap[Psih[[i1]], edge[[1]]] Psiu[[1]][edge[[1]]], i1, 1, 3] ==
Sum[h2[[i]][t] g NIntegrate[DPsih[[i]][x] Psiu[[1]][x], x, a, b], i, 2, 4, 2],
Table[Sum[u1[[i]]

[t] NIntegrate[Psiu[[i]][x] Psiu[[j]][x], x, a, b], i, j 1, j + 1] +

Sum[h1[[i]][t] g NIntegrate[DPsih[[i]][x] Psiu[[j]][x], x, a, b], i, 2j, 2j +2, 2] +
Sum[u1[[i]][t] e1 NIntegrate[DPsiu[[i]][x] DPsiu[[j]][x], x, a, b], i, j 1, j +1] +
Sum[h1[[i1]][t] g leap[Psih[[i1]], edge[[j]]] Psiu[[j]][edge[[j]]], i1, 2j 1, 2j +1] +
Sum[h2[[i1]][t]gleap[Psih[[i1]], edge[[j]]]Psiu[[j]][edge[[j]]], i1, 2j1, 2j+1] ==
Sum[h2[[i]][t] g NIntegrate[DPsih[[i]][x] Psiu[[j]][x], x, a, b], i, 2j, 2j +2, 2],
j, 2, Length[Psiu] 1],
Sum[u1[[i]]

[t] NIntegrate[Psiu[[i]][x] Psiu[[Length[Psiu]]][x], x, a, b],

i, Length[Psiu] 1, Length[Psiu]] +
Sum[h1[[i]][t] g NIntegrate[DPsih[[i]][x] Psiu[[Length[Psiu]]][x], x, a, b],
i, Length[Psih] 2, Length[Psih], 2] +
Sum[u1[[i]][t] e1 NIntegrate[DPsiu[[i]][x] DPsiu[[Length[Psiu]]][x], x, a, b],
i, Length[Psiu] 1, Length[Psiu]] + Sum[h1[[i1]][t] g leap[Psih[[i1]],
edge[[Length[Psiu]]]] Psiu[[Length[Psiu]]][edge[[Length[Psiu]]]],
i1, Length[Psih] 3, Length[Psih] 1] + Sum[h2[[i1]][t] g leap[Psih[[i1]],
edge[[Length[Psiu]]]] Psiu[[Length[Psiu]]][edge[[Length[Psiu]]]],
i1, Length[Psih] 3, Length[Psih] 1] ==
Sum[h2[[i]][t] g NIntegrate[DPsih[[i]][x] Psiu[[Length[Psiu]]][x], x, a, b],
i, Length[Psih] 2, Length[Psih], 2]];
thrd = Join[
Sum[h2[[i]]

[t] NIntegrate[Psih[[i]][x] Psih[[1]][x], x, a, b], i, 1, 2] +

Sum[u2[[1]][t] h2[[i2]][t] Limit[Psih[[i2]][x], x > edge[[1]],
Direction > upwind] leap[Psih[[1]], edge[[1]]], i2, 2 upwind, 2 upwind + 1] +
(0.5 upwind + 0.5) Sum[h2[[i]][t] Psih[[i]][a] Psih[[1]][a] u2hat[a], i, 1, 2] ==
(0.5 upwind + 0.5) h2hat[a] u2hat[a] Psih[[1]][a],
Table[Sum[h2[[i]]

[t] NIntegrate[Psih[[i]][x] Psih[[j]][x], x, a, b],

i, Ceiling[j, 2] 1, Ceiling[j, 2]] +Sum[u2[[i3]][t] h2[[i2]][t] Limit[Psih[[i2]][x],
x > edge[[i3]], Direction > upwind] leap[Psih[[j]], edge[[i3]]],
i2, 2 i3 upwind, 2 i3 upwind + 1, i3, Ceiling[j, 2]/2 1, Ceiling[j, 2]/2] == 0,
j, 3, Length[Psih] 3, 2], Sum[h2[[i]]

[t]
NIntegrate[Psih[[i]][x] Psih[[Length[Psih] 1]][x],
x, a, b], i, Length[Psih] 1, Length[Psih]]
Sum[u2[[Length[edge]]][t] h2[[i2]][t] Limit[Psih[[i2]][x],
x > edge[[Length[edge]]], Direction > upwind] leap[Psih[[Length[Psih] 1]],
edge[[Length[edge]]]], i2, 2 Length[edge] upwind, 2 Length[edge] upwind + 1] +
(0.5 upwind + 0.5) Sum[h2[[i]][t] Psih[[i]][b] Psih[[Length[Psih] 1]][b] u2hat[b],
44 AP

ENDICE A. C

ODIGO DA IMPLEMENTAC

AO
i, Length[Psih] 1, Length[Psih]] ==
(0.5 upwind + 0.5) h2hat[b] u2hat[b] Psih[[Length[Psih] 1]][b],
Sum[h2[[i]]

[t] NIntegrate[Psih[[i]][x] Psih[[2]][x], x, a, b], i, 1, 2]

Sum[u2[[1]][t] h2[[i2]][t] NIntegrate[Psiu[[1]][x] Psih[[i2]][x] DPsih[[2]][x], x, a, b],
i2, 1, 2] +Sum[u2[[1]][t] h2[[i2]][t] Limit[Psih[[i2]][x], x > edge[[1]],
Direction > upwind]leap[Psih[[2]], edge[[1]]], i2, 2upwind, 2upwind+1] == 0,
Table[Sum[h2[[i]]

[t] NIntegrate[Psih[[i]][x] Psih[[j]][x], x, a, b], i, Ceiling[j, 2] 1,

Ceiling[j, 2]] Sum[u2[[i1]][t] h2[[i2]][t]
NIntegrate[Psiu[[i1]][x] Psih[[i2]][x] DPsih[[j]][x], x, a, b], i1, Ceiling[j, 2]/2 1,
Ceiling[j, 2]/2, i2, Ceiling[j, 2] 1, Ceiling[j, 2]] +
Sum[u2[[i3]][t] h2[[i2]][t] Limit[Psih[[i2]][x], x > edge[[i3]],
Direction > upwind]leap[Psih[[j]], edge[[i3]]], i2, 2i3upwind, 2i3upwind+1,
i3, Ceiling[j, 2]/2 1, Ceiling[j, 2]/2] == 0, j, 4, Length[Psih] 2, 2],
Sum[h2[[i]]

[t] NIntegrate[Psih[[i]][x] Psih[[Length[Psih]]][x], x, a, b],

i, Length[Psih] 1, Length[Psih]] Sum[u2[[Length[Psiu]]][t] h2[[i2]][t]
NIntegrate[Psiu[[Length[Psiu]]][x] Psih[[i2]][x] DPsih[[Length[Psih]]][x],
x, a, b], i2, Length[Psih] 1, Length[Psih]] +
Sum[u2[[Length[edge]]][t] h2[[i2]][t] Limit[Psih[[i2]][x], x > edge[[Length[edge]]],
Direction > upwind] leap[Psih[[Length[Psih]]], edge[[Length[edge]]]],
i2, 2 Length[edge] upwind, 2 Length[edge] upwind + 1] +
(0.5 upwind + 0.5) Sum[h2[[i]][t] Psih[[i]][b] Psih[[Length[Psih]]][b] u2hat[b],
i, Length[Psih] 1, Length[Psih]] ==
(0.5 upwind + 0.5) h2hat[b] u2hat[b] Psih[[Length[Psih]]][b]];
frth = Join[
Sum[u2[[i]]

[t] NIntegrate[Psiu[[i]][x] Psiu[[1]][x], x, a, b], i, 1, 2] +

Sum[h2[[i]][t] (g + g2) NIntegrate[DPsih[[i]][x] Psiu[[1]][x], x, a, b], i, 2, 4, 2] +
Sum[u2[[i]][t] e2 NIntegrate[DPsiu[[i]][x] DPsiu[[1]][x], x, a, b], i, 1, 2] +
Sum[h2[[i1]][t] (g + g2) leap[Psih[[i1]], edge[[1]]] Psiu[[1]][edge[[1]]], i1, 1, 3] +
Sum[h1[[i1]][t] g leap[Psih[[i1]], edge[[1]]] Psiu[[1]][edge[[1]]], i1, 1, 3] ==
Sum[h1[[i]][t] g NIntegrate[DPsih[[i]][x] Psiu[[1]][x], x, a, b], i, 2, 4, 2],
Table[Sum[u2[[i]]

[t] NIntegrate[Psiu[[i]][x] Psiu[[j]][x], x, a, b], i, j 1, j + 1] +

Sum[h2[[i]][t] (g + g2) NIntegrate[DPsih[[i]][x] Psiu[[j]][x], x, a, b],
i, 2j, 2j+2, 2]+Sum[u2[[i]][t]e2NIntegrate[DPsiu[[i]][x]DPsiu[[j]][x], x, a, b],
i, j 1, j +1] +Sum[h2[[i1]][t] (g +g2) leap[Psih[[i1]], edge[[j]]] Psiu[[j]][edge[[j]]],
i1, 2j 1, 2j +1] +Sum[h1[[i1]][t] g leap[Psih[[i1]], edge[[j]]] Psiu[[j]][edge[[j]]],
i1, 2 j 1, 2 j + 1] == Sum[h1[[i]][t] g
NIntegrate[DPsih[[i]][x] Psiu[[j]][x], x, a, b],
i, 2 j, 2 j + 2, 2], j, 2, Length[Psiu] 1],
Sum[u2[[i]]

[t] NIntegrate[Psiu[[i]][x] Psiu[[Length[Psiu]]][x], x, a, b],

i, Length[Psiu] 1, Length[Psiu]] + Sum[h2[[i]][t] (g + g2)
NIntegrate[DPsih[[i]][x] Psiu[[Length[Psiu]]][x], x, a, b],
i, Length[Psih] 2, Length[Psih], 2] + Sum[u2[[i]][t] e2
NIntegrate[DPsiu[[i]][x] DPsiu[[Length[Psiu]]][x], x, a, b], i, Length[Psiu] 1,
Length[Psiu]] + Sum[h2[[i1]][t] (g + g2) leap[Psih[[i1]], edge[[Length[Psiu]]]]
Psiu[[Length[Psiu]]][edge[[Length[Psiu]]]], i1, Length[Psih] 3, Length[Psih] 1] +
45
Sum[h1[[i1]][t] g leap[Psih[[i1]], edge[[Length[Psiu]]]]
Psiu[[Length[Psiu]]][edge[[Length[Psiu]]]],
i1, Length[Psih] 3, Length[Psih] 1] == Sum[h1[[i]][t] g
NIntegrate[DPsih[[i]][x] Psiu[[Length[Psiu]]][x], x, a, b],
i, Length[Psih] 2, Length[Psih], 2]];
hmat = Table[ArrayPad[NIntegrate[Psih[[Ceiling[j, 2] 1]][x] Psih[[j]][x],
x, a, b], NIntegrate[Psih[[Ceiling[j, 2]]][x] Psih[[j]][x], x, a, b],
Ceiling[j, 2] 2, Length[Psih] Ceiling[j, 2]], j, Length[Psih]];
umat = Join[PadRight[NIntegrate[Psiu[[1]][x] Psiu[[1]][x], x, a, b],
NIntegrate[Psiu[[2]][x] Psiu[[1]][x], x, a, b], Length[Psiu]],
Table[ArrayPad[NIntegrate[Psiu[[j 1]][x] Psiu[[j]][x], x, a, b],
NIntegrate[Psiu[[j]][x] Psiu[[j]][x], x, a, b],
NIntegrate[Psiu[[j + 1]][x] Psiu[[j]][x], x, a, b], j 2, Length[Psiu] j 1],
j, 2, Length[Psiu] 1], PadLeft[NIntegrate[Psiu[[Length[Psiu] 1]][x]
Psiu[[Length[Psiu]]][x], x, a, b],
NIntegrate[Psiu[[Length[Psiu]]][x] Psiu[[Length[Psiu]]][x],
x, a, b], Length[Psiu]]];
hrhs1 = Table[NIntegrate[hini1[x] Psih[[j]][x], x, a, b], j, Length[Psih]];
hrhs2 = Table[NIntegrate[hini2[x] Psih[[j]][x], x, a, b], j, Length[Psih]];
urhs1 = Table[NIntegrate[uini1[x] Psiu[[j]][x], x, a, b], j, Length[Psiu]];
urhs2 = Table[NIntegrate[uini2[x] Psiu[[j]][x], x, a, b], j, Length[Psiu]];
haux1 = LinearSolve[hmat, hrhs1];
haux2 = LinearSolve[hmat, hrhs2];
uaux1 = LinearSolve[umat, urhs1];
uaux2 = LinearSolve[umat, urhs2];
ini1 = Table[h1[[j]][0] == haux1[[j]], j, Length[h1]];
ini2 = Table[h2[[j]][0] == haux2[[j]], j, Length[h2]];
ini3 = Table[u1[[j]][0] == uaux1[[j]], j, Length[u1]];
ini4 = Table[u2[[j]][0] == uaux2[[j]], j, Length[u2]];
s28 = NDSolve[Join[frst, scnd, thrd, frth, ini1, ini2, ini3, ini4],
Join[h1, h2, u1, u2], t, 0, 2000, MaxSteps > Infinity, StartingStepSize > 0.25,
Method > FixedStep

, Method > ExplicitEuler

];
Animate[Plot[Sum[Evaluate[h1[[j]][t]/.s28][[1]] Psih[[j]][x],
j, Length[Psih]] + Sum[Evaluate[h2[[j]][t]/.s28][[1]] Psih[[j]][x],
j, Length[Psih]], Sum[Evaluate[h2[[j]][t]/.s28][[1]] Psih[[j]][x],
j, Length[Psih]], x, a, b, PlotRange > 10], t, 0, 120,
AnimationRunning > False, DefaultDuration > 60]
Animate[Plot[Sum[Evaluate[u1[[j]][t]/.s28] Psiu[[j]][x],
j, Length[Psiu]], Sum[Evaluate[u2[[j]][t]/.s28] Psiu[[j]][x], j, Length[Psiu]],
x, a, b, PlotRange > 2], t, 0, 120, AnimationRunning > False,
DefaultDuration > 60]
46 AP

ENDICE A. C

ODIGO DA IMPLEMENTAC

AO
Bibliograa
[Kundu, 2004] P.K.Kundu, I.M.Cohen: Fluid Mechanics, 3
a
edi c ao, Elsevier Academic
Press, 2004
[Vallis, 2006] G.K.Vallis: Atmospheric and Oceanic Fluid Dynamics, Cambridge Univer-
sity Press, 2006
[Teixeira e Lebre, 1995] F.S.Teixeira, A.B.Lebre: Apontamentos de An alise Funcional 1,
Sec c ao de Folhas AEIST, 1995
[Alves, 2000] C.J.S.Alves: Introdu cao a Metodos Numericos para Problemas Elpticos,
Sec c ao de Folhas AEIST, 2000
[Brenner e Scott, 1994] S.C.Brenner, L.R.Scott: The Mathematical Theory of Finite El-
ement Method, Springer-Verlag, 1994
[Johnson, 1987] C.Johnson: Numerical Solution of Partial Dierential Equations by the
Finite Element Method, Studentlitteratur, 1987
[Quarteroni e Valli, 1994] A.Quarteroni, A.Valli: Numerical Approximation of Partial
Dierential Equations, Springer-Verlag, 1994
[Thomee, 1997] V.Thomee: Galerkin Finite Element Methods for Parabolic Problems,
Springer-Verlag, 1997
[Dawson e Proft, 2002] C.Dawson, J.Proft: Discontinuous and Coupled/Discontinuous
Galerkin Methods for the Shallow Water equations, Comput. Methods Appl. Mech.
Engrg, 191, pp. 4721-4746, 2002
[Arnold et al., 2000] D.N.Arnold, F.Brezzi, B.Cockburn, D.Marini: Discontinuous
Galerkin Methods for Elliptic Problems, Discontinuous Galerkin Methods: Theory,
Computation and Applcations, B.Cockburn, G.E.Karniadakis e C.-W.Shu (eds.), pp.
89-101, Springer-Verlag, 2000
[Arnold et al., 2002] D.N.Arnold, F.Brezzi, B.Cockburn, D.Marini: Unied Analysis of
Discontinuous Galerkin Methods for Elliptic Problems, SIAM J. Numer. Anal., vol.39,
5, pp. 1749-1779, 2002
[Brezzi et al.] F.Brezzi, M.Manzani, D.Marini, P.Pietra, A.Russo: Discontinuous Finite
Elements for Diusion Problems
47
48 BIBLIOGRAFIA
[Cockburn et al., 2000] B.Cockburn, G.E.Karniadakis, C.-W.Shu: The Development of
Discontinuous Galerin Methods, Discontinuous Galerkin Methods: Theory, Compu-
tation and Applcations, B.Cockburn, G.E. Karniadakis e C.-W.Shu (eds.), pp. 3-50,
Springer-Verlag, 2000
[Franca et al., 2003] L.P.Franca, G.Hauke, A. Masud: Stabilized Finite Element Methods,
Finite Element Methods: 1970s and Beyond, L.P.Franca (ed.), 2003
[Rivi`ere et al., 1999] B.Rivi`ere, M.F.Wheeler, V.Girault: Improved Energy Estimates for
Interior Penalty, Constrained and Discontinuous Galerkin Methods for Elliptic Prob-
lems, Part1, Computational Geosciences, 3, pp. 337-360, 1999