PMR 2420 - Mecnica Computacional

53
CAPTULO VI
Introduo ao Mtodo de Elementos Finitos (MEF)


1. Formulao Terica - MEF em uma dimenso

Consideremos a equao abaixo que representa a distribuio de temperatura na barra
mostrada na figura:











0 ) (
2
2
= + x f
dx
T d
T(0)=A e T(L)=B
(1)

onde f(x) representa uma fonte uniforme de calor.

A soluo por diferenas finitas (j comentada) consiste em se transformar a equao
num sistema de 1
a
ordem e resolv-lo substituindo as definies de diferenciaes
numricas (tambm j comentadas). Ao final obtm-se um sistema de equaes onde as
variveis so os valores da grandeza a ser calculada (por exemplo T, no caso). A principal
desvantagem dessa abordagem que estamos tentando obter a soluo exata de T .
Pequenos erros no valor de T fazem com que a equao acima no seja satisfeita (seja
igual zero), e a princpio nada previsto no mtodo de diferenas finitas (MDF) para
contornar o problema.

J o mtodo de elementos finitos (MEF) baseado em dois conceitos principais que
ajudam a contornar o problema acima:

a) Soluo baseada numa "Integral"da equao;
b) Aproximao da soluo por uma funo definida num subdomnio resultante da
discretizao do domnio.

A idia bsica a seguinte. Vamos supor que ao invs de tentar obter a soluo exata
como no MDF, ns tentamos obter uma soluo aproximada que reduza a um mnimo o
erro na aproximao da equao. Existem vrios mtodos para se definir a forma como o
x=0
x=L
T(0,t) T(L,t)
f(x)
x
PMR 2420 - Mecnica Computacional

54
erro ser minimizado, um deles, bastante usado, o chamado mtodo de resduos
ponderados. Nesse caso, sendo R o resduo da soluo aproximada:

)
~
(
~
2
2
x f
dx
T d
R + = (2)

deve-se encontrar uma soluo aproximada ( T
~
) que minimize o resduo de acordo com
frmula:

=
D
i
dD RW 0 onde m i ,..., 2 , 1 = (3)

onde D o domnio da soluo e
i
W so as funes de peso linearmente independentes.

Agora o problema consiste em se encontrar uma soluo aproximada que minimize o erro
acima, definido como a integral do resduo vezes uma funo peso. Nessa abordagem
diz-se que o problema da soluo da equao foi "relaxado", no sentido de que no se
requer mais uma soluo exata, mas apenas uma soluo que minimize o erro definido
acima. Existem vrias possibilidades na escolha da funo peso. Uma outra forma de se
definir a minimizao do erro seria usar o mtodo dos mnimos quadrados (MMQ), por
exemplo.

Para se resolver a equao de minimizao do erro acima, a grandeza T aproximada por
uma funo, por exemplo, um polinmio (poderia ser uma combinao linear de senos e
cosenos, por exemplo) onde os coeficientes devem ser determinados de forma a
minimizar o erro definido acima.

Como seria esse polinmio? a primeira idia seria definir o polinmio usando todo o
domnio onde a equao est definida. Por exemplo, se estamos calculando a variao de
temperatura (T) ao longo de uma barra de comprimento L , o polinmio seria definido de
x=0 x=L o que define o domnio da soluo. Esse mtodo chamado mtodo de Ritz.
No entanto existe uma desvantagem nessa abordagem como mostrado na figura abaixo:













x
T
x=a
funo aproximadora
funo real
PMR 2420 - Mecnica Computacional

55



Suponhamos que a a variao de T entre x=0 e x=L seja representada pela funo acima
(que a princpio no conhecida). Note que existe uma variao brusca da funo em
x=a. Assim, se tentarmos representar essa soluo usando o polinmio definido em todo
o domnio, o polinmio apresentar um comportamento indesejado, prximo regio de
mudana brusca da funo, que no representa a variao de T naquela regio, embora o
erro de aproximao seja minimizado pelo mesmo polinmio.

Para evitar esse problema, a soluo seria "dividir" o domnio em trs subdomnios, por
exemplo, e em cada subdomnio usar um polinmio diferente que garanta uma melhor
aproximao da soluo verdadeira (ver figura abaixo). No entanto, nessa abordagem em
geral a continuidade na derivada da funo aproximadora (no caso, o polinmio)
sacrificada como observado na figura abaixo:
















Dessa forma o MEF necessita a "diviso" ou a discretizao do domnio em subdomnios
que so chamados "elementos finitos".

Vejamos com mais detalhes como o polinmio aproximador definido no MEF.
Consideremos uma barra de comprimento L que foi discretizada em elementos, como
mostrado na figura abaixo:









x=0
x=L
T(0,t) T(L,t)
f(x)
1 2 3 4 5 6
1 2 3 4 5
x
T
x=a
funes aproximadoras
PMR 2420 - Mecnica Computacional

56


Em cada elemento consideremos um polinmio de grau 1. Assim temos, que a soluo T
~

aproximada dentro do elemento representada por:
x a a x T
1 0
) (
~
+ = (4)
Onde a
0
e a
1
devem ser determinados de forma a minimzar o erro na soluo. Podemos
escrever essas constantes em funo dos valores de T
~
nos pontos 1 e 2 (ver figura), que
so chamados de "ns". Assim temos:

2 1 0 2
1 1 0 1
x a a T
x a a T
+ =
+ =
(5)
e portanto:

1 2
1 2
1
1 2
1 2 2 1
0
;
x x
T T
a
x x
x T x T
a

= (6)

Substituindo novamente a
0
e a
1
na equao de ) (
~
x T :


2 2 1 1
) ( ) ( ) (
~
T x N T x N x T + = (7)
onde:

1 2
1
2
1 2
2
1
;
x x
x x
N
x x
x x
N

= (8)
e T
1
e T
2
so incgnitas. A equao (7) chamada funo aproximao ou de forma e N
1

e N
2
so chamadas funes interpoladoras ou funes de forma. A equao (7) nada
mais do que um polinmio interpolador de Lagrange.
Note que a soma das funes de forma sempre igual 1 e 0 ) ( =
j i
x N para j i e
1 ) ( =
j i
x N para j i = .
Derivando-se a equao (7) temos:

2
2
1
1
) ( ) ( ) (
~
T
dx
x dN
T
dx
x dN
dx
x T d
+ = (9)
onde:

;
1 ) (
1 2
1
x x dx
x dN

=
1 2
2
1 ) (
x x dx
x dN

= (10)
Ento:
1 2
1 2
) (
~
x x
T T
dx
x T d

= (11)
que representa a inclinao da reta conectando os ns.
Assim, no MEF as incgnitas so representadas pelos valores de T
~
nos ns T
1
, T
2
, T
3
,
T
4
,.,T
n
para uma barra unidimensional.

Definido a funo aproximadora no MEF, voltemos discusso sobre a minimizao do
resduo na soluo da equao. Como comentado, no mtodo de resduos ponderados
PMR 2420 - Mecnica Computacional

57
existem vrias possibilidades na escolha da funo peso W
i
. A abordagem mais comum
em MEF o emprego da funo de forma N
i
como a funo peso, que chamado mtodo
de Galerkin. Nesse caso:

0 =

dD RN
D
i
onde m i ,..., 2 , 1 = (12)

Vamos considerar a soluo da equao integral acima para uma barra unidimensional
discretizada em m-1 elementos. Assim devemos separar a integral acima em cada um dos
elementos. Para um elemento genrico a integral ser:

0 ) ( ) (
~
2
1
2
2
=

dx x N x f
dx
T d
i
x
x
onde 2 , 1 = i (13)

que pode ser expressa como:


dx x N x f dx x N
dx
T d
i
x
x
i
x
x
) ( ) ( ) (
~
2
1
2
1
2
2

= onde 2 , 1 = i (14)

Relembrando integrao por partes:



=
b
a
b
a
b
a
vdu uv udv | (15)
Considerando N
i
(x) como u e
2
2
~
dx
T d
como dv, no termo da esquerda:
dx
dx
dN
dx
T d
dx
T d
x N dx x N
dx
T d
i
x
x
x
x
i i
x
x

=
2
1
2
1
2
1
~
|
~
) ( ) (
~
2
2
(16)
Note que apenas primeiras derivadas aparecem do lado direito da equao. Para i=1
temos:

dx
x T d
x N
dx
x T d
x N
dx
T d
x N
x
x
) (
~
) (
) (
~
) ( |
~
) (
1
1 1
2
2 1 1
2
1
= (17)
mas: 0 ) (
2 1
= x N e 1 ) (
1 1
= x N , ento:

dx
x T d
dx
T d
x N
x
x
i
) (
~
|
~
) (
1
2
1
= (18)
Similarmente para i=2:


dx
x T d
dx
T d
x N
x
x
) (
~
|
~
) (
2
2
2
1
= (19)
PMR 2420 - Mecnica Computacional

58
dx
x T d ) (
~
1
e
dx
x T d ) (
~
2
so chamadas condies naturais de contorno do elemento. Assim, o
primeiro termo do lado direito da equao (16) representa as condies naturais de
contorno nas extremidades do elemento.

Assim, para i=1, temos:

dx x N x f
dx
x T d
dx
dx
x dN
dx
T d
x
x
x
x

+
2
1
2
1
) ( ) (
) (
~
) (
~
1
1 1
(20)
e para i=2:
dx x N x f
dx
x T d
dx
dx
x dN
dx
T d
x
x
x
x

+
2
1
2
1
) ( ) (
) (
~
) (
~
2
2 2
(21)
As equaes (20) e (21) so chamadas de Formulao fraca do problema.
Considerando a funo aproximao
x a a x T
1 0
) (
~
+ (22)
que d origem s funes de forma

1 2
1
2
1 2
2
1
;
x x
x x
N
x x
x x
N

,
e portanto:
1 2
2
1 2
1
1
;
1
x x dx
dN
x x dx
dN

(23)
temos para i=1:

( )
1 2
2 1
2
1 2
2 1
2
1
) ( x x
T T
dx
x x
T T
x
x

(24)
Similarmente para i=2:


( )
1 2
2 1
2
1 2
2 1
2
1
) ( x x
T T
dx
x x
T T
x
x

(25)
Agora, reescrevendo as equaes na forma matricial:

'

'

'

1
]
1

2
1
2
1
) ( ) (
) ( ) (
) (
) (
1 1
1 1
1
2
1
2
1
2
1
1 2
x
x
x
x
dx x N x f
dx x N x f
dx
x dT
dx
x dT
T
T
x x
(26)

A matriz do lado esquerdo da equao chamada matriz de rigidez do elemento. O vetor
do lado esquerdo o vetor de grandezas nodais. O primeiro vetor do lado direito o vetor
de condies naturais de contorno e o segundo vetor representa o vetor de carregamento.
Usando uma notao mais compacta:

[ ] { } { } { }
e e e e
F C T K + (27)
Nesse sistema devemos substituir ainda as condies de contorno impostas do problema
como T(0)=A e T(L)=B. O ndice e indica que se refere ao elemento e. Os sistemas
PMR 2420 - Mecnica Computacional

59
matriciais de todos os elementos devem ser "montados" de forma a dar origem ao sistema
matricial global que descreve o comportamento de todo o problema (ver exemplo
adiante).

2. Procedimento passo a passo para a implementao do MEF

Vamos descrever o procedimento passo a passo para a implementao do MEF para a
soluo de uma equao diferencial parcial linear genrica.

a) Discretizao

Consiste na diviso em elementos finitos. Para cada dimenso do espao onde se resolve
o problema, teremos um tipo de discretizao. O elemento definido pelos "ns".




















b) Formulao do Elemento:

Deve-se escolher a funo aproximadora para representar a soluo dentro de cada
elemento (ou subdomnio). Essa funo deve conter coeficientes no conhecidos que
sero determinados de forma a minimizar o erro na soluo. Esses coeficientes devem ser
escritos em funo dos valores nos "ns" da grandeza em estudo (por exemplo,
temperatura). As funes aproximadoras mais comuns so os polinmios. Note que
escrevendo os coeficientes do polinmio em funo das valores nodais, se aumentarmos
o grau do polinmio sero necessrios mais ns na definio do elemento para poder
representar o novo polinmio. No caso unidimensional esses ns podem ser definidos no
interior do elemento, por exemplo.

c) Montagem do Sistema Matricial para o elemento
a) Elemento unidimensional (linha)
ns
Elemento
quadriltero
Elemento
triangular
Elemento
hexadrico
ns
b) Elementos bidimensionais
c) Elemento tridimensional
PMR 2420 - Mecnica Computacional

60

Seguindo o procedimento descrito anteriormente procede-se a montagem do sistema
matricial em funo das grandezas nodais. Os coeficientes desse sistema dependem do
polinmio aproximador escolhido para o elemento. So determinados inicialmente a
matriz de rigidez e o vetor de efeitos externos para cada elemento isolado.
[ ] { } { } { }
e e e e
F C T K + = (28)


d) Montagem

Posteriormente realiza-se a montagem das matrizes dos elementos de forma a constituir
as matrizes e vetores globais. Nessa montagem deve-se observar a numerao dos valores
nodais (graus de liberdade) em cada elemento:
[ ]{ } { } { } F C T K + = (30)

e) Aplicao das Condies de Contorno

Antes da equao (30) ser resolvida ela deve ser modificada para levar em conta as
condies de contorno do sistema:
[ ]{ } { } { } F C T K + = (31)

f) Soluo

O sistema matricial (31) deve ser resolvido utilizando mtodos diretos ou iterativos para a
soluo de sistemas lineares. No caso de matrizes esparsas deve-se tirar vantagem do
grande nmero de termos nulos para tornar a soluo do sistema mais eficiente.

g) Ps-processamento

A soluo obtida (valores nodais) deve ser organizada na forma de tabelas, plotagens de
grficos bi e tridimensionais, curvas de contorno, etc. para poder ser interpretada. Alm
disso, variveis secundrias tambm podem ser determinadas. Essas variveis so dadas
pelas derivadas dos valores nodais (tenses mecnicas, fluxo de calor, campo eltrico,
etc.) e podem ser plotadas usando vetores.


3. Comparao entre MEF e MDF

MDF
Alguns pontos importantes (vantagens e desvantagens) de MDF so citados abaixo:

a) Soluo limitada a um certo nmero de pontos;
b) Soluo deve satisfazer exatamente a equao diferencial;
c) Implementao simples porm especfica para cada tipo de equao diferencial;
PMR 2420 - Mecnica Computacional

61
d) Em muitos casos so obtidos sistemas matriciais no simtricos ou no esparsos, o
que torna a soluo dos mesmos ineficiente do ponto de vista computacional;
e) Difcil de aplicar em domnios com geometrias irregulares;
f) Na tentativa de se formular o problema para domnios irregulares surgem condies
de contorno no usuais (artificiais).


MEF
Alguns pontos importantes (vantagens e desvantagens) de MEF so citados abaixo:

a) Graas ao conceito de funo interpoladora (ou aproximadora) a soluo conhecida
para qualquer ponto do domnio;
b) A equao resolvida na forma integral, ou seja, a equao diferencial satisfeita
segundo um certo critrio de minimizao do resduo. Isso "relaxa" o problema e d
mais flexibilidade e generalidade no mtodo para resolver equaes diferenciais;
c) Os sistemas matriciais obtidos so em geral simtricos e esparsos, o que torna
eficiente a sua soluo;
d) Implementao complexa porm genrica;
e) No h problemas em se aplicar o MEF em domnios irregulares;

A comparao acima explica em parte o porque a maior parte dos softwares comerciais
em engenharia utilizam o MEF e no MDF para a soluo de equaes diferenciais (seja
na rea de mecnica, eltrica, etc..). A formulao genrica do MEF um dos principais
pontos na sua popularidade. Uma outra boa razo que nos primrdios da computao
(dcada de 60) havia um grande problema com a limitao de memria dos
computadores. Assim, observando-se a formulao do MEF, nota-se que a princpio
necessita-se de menos ns (e portanto memria) no MEF do que no MDF para se obter a
mesma preciso na soluo da equao, uma vez que a preciso do MEF conta com a
ajuda do grau da funo aproximadora que pode ser aumentado sem aumentar
consideravelmente o nmero de ns. Assim, o MEF torna-se mais atrativo quando h
limitao de memria, o que no um problema atualmente.

J o MDF apresenta uma formulao mais simples e que pode ser facilmente
implementada usando processamento em paralelo, sendo de grande vantagem quando se
possue um supercomputador com processamento em paralelo. Assim, embora seja
necessrio um maior nmero de ns, o processamento em paralelo compensa a anlise.
Por isso, o MDF muito utilizado na anlise de escoamento de fluidos e propagao de
ondas, onde a grande discretizao necessria no domnio, reduz as vantagens do MEF.

Recentemente, os cientistas tm aplicado MEF utilizando-se de domnios altamente
discretizados com malhas quadradas o que simplifica a formulao do mtodo e permite
que o mesmo seja paralelizado na soluo. Assim unem-se as vantagens dos dois
mtodos.