Introducao `as equacoes diferenciais parciais

atraves da discretizac ao
Armando G. M. Neves
Universidade Federal de Minas Gerais
Departamento de Matematica
2a. Bienal da SBM, Salvador, 2004
Sumario
1 Discretizacao 3
1.1 EDPs e discretizac ao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.2 Discretizac ao das derivadas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
2 A equacao da difusao (ou do calor) 8
2.1 Modelagem . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
2.2 Condic oes de contorno . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
2.2.1 Condic oes de contorno de Dirichlet . . . . . . . . . . . . . . . . . . . . . . . . 11
2.2.2 Condic oes de contorno de Neumann . . . . . . . . . . . . . . . . . . . . . . . . 11
2.2.3 Outras condicoes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
2.3 Removendo a discretizacao no tempo . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
2.4 Soluc ao numerica de problemas de difusao . . . . . . . . . . . . . . . . . . . . . . . . 13
2.4.1 Problemas de Dirichlet . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
2.4.2 Estabilidade e princpio do maximo e do mnimo . . . . . . . . . . . . . . . . . 17
3 A equacao da onda 22
3.1 Modelagem . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
3.2 Problemas tpicos de equacao da onda . . . . . . . . . . . . . . . . . . . . . . . . . . 24
3.3 Soluc ao numerica de problemas de onda . . . . . . . . . . . . . . . . . . . . . . . . . 25
3.4 A condicao de estabilidade para a solucao numerica de problemas com a equac ao da
onda . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
4 A equacao de Laplace 33
4.1 Aplicac oes da equac ao de Laplace . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
4.1.1 Potencial eletrostatico . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
4.1.2 Soluc oes estacionarias da equac ao de difusao . . . . . . . . . . . . . . . . . . . 35
4.2 A equacao de Laplace discretizada . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
4.2.1 O laplaciano discreto . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
4.2.2 Problemas de Dirichlet . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
4.2.3 Problemas de Neumann . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
1
Prefacio
Em geral, EDPs sao estudadas a nvel basico apos um primeiro curso sobre Equacoes Diferenciais
Ordinarias (EDOs), utilizando-se para isto o instrumental das series de Fourier e o metodo de
separacao de vari aveis, ver por exemplo [1, 2, 3, 6]. Nossa intenc ao nestas notas e a de apresentar
uma introducao ao assunto, sem tocar nas series de Fourier e no metodo de separacao de variaveis.
Como pre-requisito bastam algum conhecimento basico sobre EDOs lineares, por exemplo ao nvel
de [1], e um pouco de

Algebra Linear. Na verdade, para quase tudo nestas notas, basta somente o
conhecimento do conceito de derivada parcial.
A ideia de escrever uma introduc ao diferentea um assunto ja tao amplamente tratado parte de
interrogacoes feitas pelo proprio autor a si mesmo quando era estudante de graduac ao e estudava
pela primeira vez as EDPs. Por que os metodos para resolver EDPs sao tao diferentes dos metodos
para resolver EDOs? Por que aparecem as series de Fourier em EDPs e nao em EDOs? De onde
vieram estas tais condic oes de contorno que nao apareciam antes em EDOs? Por que usualmente
as solucoes de EDPs aparecem como series? Por que nao existe para EDPs uma teoria geral de
existencia e unicidade tao poderosa quanto a correpondente para EDOs?
Nao consegui responder a estas perguntas naquela epoca. Embora as respostas sejam simples
e estejam espalhadas pelas presentes notas, a maior parte dos livros sobre EDPs nao as fornece.
Quando, como professor, comecei a ensinar EDPs da forma tradicional a meus alunos, percebi que
as tecnicalidades do metodo de separac ao de vari aveis obscureciam o entendimento do assunto.
Estas notas sao portanto a minha tentativa de fornecer respostas simples a questoes teoricas.
Idealmente, o lugar para situar um curso baseado nestas notas seria imediatamente antes de um
curso tradicional sobre series de Fourier e o metodo de separacao de vari aveis. Ou entao, intercalar
estas notas ao curso tradicional.
Uma palavra e devida a respeito de metodos numericos para soluc oes aproximadas de EDPs.
Estes metodos, assim como o presente texto, partem de uma abordagem discreta `as EDPs. Conforme
acima explicado, meu objetivo principal nao e o de ensinar metodos numericos para EDPs e sim
ensinar EDPs. Porem, ensinar EDPs da maneira presente leva-nos tao perto de aprender algo sobre
metodos numericos que seria um grande desperdcio nao mencionar esta conexao.
Ouvi recentemente uma palestra de um eminente cientista da computacao, prof. Juris Hartmanis.
Arma este que, apesar de a Ciencia da Computacao ter-se originado na necessidade de cientistas
de outras areas em realizar longos calculos, com o passar dos anos a Computacao adquiriu vida
propria no panorama das ciencias. Como ciencia autonoma, ela pode inuenciar as outras ciencias.
Entender as EDPs atraves da discretizacao signica basicamente entende-las sob o ponto de vista
de um computador. Isto leva certamente a um quadro incompleto, uma vez que o engenho humano e
bastante superior ao das maquinas, mas de forma alguma a um conhecimento in util. Concordo com
o prof. Hartmanis em que a Ciencia da Computacao pode inuenciar a Matematica e este texto e
um exemplo do que julgo uma inuencia extremamente beneca deste tipo.
Agradeco aos alunos que foram cobaiasde vers oes preliminares deste texto e que me ajudaram
a melhora-lo.
`
A comissao organizadora da 2a. Bienal da SBM pela maravilhosa oportunidade de
lecionar um curso no evento, o que docemente me obrigou a escrever estas notas. Aos professores
Michael OCarroll e Giovanni Gallavotti, que em estagios diversos de minha formac ao me ofereceram
exemplos da utilidade de discretizar sistemas contnuos. Finalmente `a minha mulher Marcia e a meu
lho Francisco, que todos os dias me ensinam como e bom viver e conhecer.
Belo Horizonte, setembro de 2004.
2
Captulo 1
Discretizacao
1.1 EDPs e discretizacao
Uma equac ao diferencial parcial (doravante abreviada como EDP) e uma equac ao que envolve as
derivadas parciais de uma func ao incognita de varias vari aveis. Se u e uma func ao de x e t, por
exemplo, ent ao as equacoes
u
t
=

2
u
x
2
,

2
u
t
2
= u +

2
u
x
2
ou cos u
u
t
=

2
u
xt
sao exemplos de EDPs.
As equac oes envolvendo funcoes incognitas de uma unica vari avel e suas derivadas, equacoes estas
provavelmente ja estudadas pelo leitor em um primeiro curso de equacoes diferenciais, sao chamadas
equacoes diferenciais ordinarias (porque envolvem derivadas ordinarias) e abreviadas doravante como
EDOs.
Antes de introduzir as primeiras EDPs que estudaremos, faremos uma pequena digressao em um
assunto que e certamente conhecido dos leitores que ja zeram um estudo de metodos aproximados
de soluc ao numerica de EDOs: a discretizac ao de func oes.
Considere uma func ao real f denida em um intervalo [a, b]. Se f e contnua, ent ao para dar uma
descricao bastante boa do comportamento de f nao e necessario especicar o valor de f em todos
os pontos do seu domnio; basta especicar este valor em um conjunto X = x
0
, x
1
, x
2
, . . . , x
N
de
pontos do domnio, onde N e um inteiro positivo sucientemente grande e os elementos razoavelmente
bem espalhadospor todo o intervalo [a, b]. Da continuidade de f segue que o valor f(c) de f em
um ponto c / X sera proximo do valor de f no ponto x
i
X que esteja mais proximo de c. Se o
n umero n+1 de elementos em X for sucientemente grande e estes elementos forem bem espalhados
em X, ent ao pouco se perde em aproximar f(c) por f(x
i
). O processo de se trocar um conjunto
contnuo de informacoes (todos os valores de f) por um conjunto nito (o conjunto dos valores
f(x
0
), f(x
1
), f(x
2
), . . . , f(x
n
)) e dito uma discretizacao da func ao f. O conjunto X dos valores
utilizados para discretizar f e chamado a rede de discretizacao.
Uma maneira comum de se discretizar de maneira simples uma funcao sem ter que se preocu-
par se os pontos x
0
, x
1
, x
2
, . . . , x
N
da rede estao ou nao bem espalhados no domnio e escolher
estes pontos como sendo igualmente espacados. Divide-se o intervalo [a, b] em N sub-intervalos de
mesmo comprimento e escolhem-se os pontos da discretizac ao como os extremos destes sub-intervalos.
Chamando-se x =
ba
N
ao tamanho de cada sub-intervalo, os pontos da discretizac ao sao dados por
x
i
= a + ix, i = 0, 1, 2, . . . , N. O tamanho x dos sub-intervalos da discretizac ao e chamado
passo de discretizacao. De agora em diante adotaremos sempre discretizac oes em redes de pontos
igualmente espacados.
Por exemplo, suponha que f seja a func ao seno denida em [0, ]. Toda a informacao sobre os
valores de f no intervalo considerado esta contida em seu graco. Podemos discretizar a funcao f
utilizando um passo x =

5
. Isto signica trocar o graco de f somente pelos 6 pontos indicados
na gura 1.1. Como se pode ver pelo graco, o erro maximo nesta discretizac ao e aproximadamente
3

5
2

5
3

5
4

5

0.2
0.4
0.6
0.8
1
Figura 1.1: Uma discretizac ao do seno.

5
2

5
3

5
4

5

-2
-1.5
-1
-0.5
0.5
1
1.5
Figura 1.2: O seno e um polinomio podem ser identicos quando discretizados.
0,3.
A discretizacao de uma func ao implica necessariamente em perda de informac ao, uma vez que duas
funcoes muito diferentes podem tornar-se exatamente iguais em uma determinada discretizacao. Um
exemplo e fornecido na gura 1.2, onde mostramos que o seno e uma outra func ao bastante distinta
coincidem exatamente nos pontos determinados por uma discretizacao com passo x =

5
.

E claro que se diminuirmos o valor do passo da discretizacao, duas funcoes que, discretizadas,
coincidem com um determinado valor do passo, passarao provavelmente a ser distintas.

E obvio porem
que com um determinado passo de discretizacao havera sempre innitas outras func oes distintas que
coincidem com uma func ao dada.

E intuitivamente obvio que quanto menor for o passo de discretizac ao, tanto menores serao os
erros ao se aproximar o valor de f(c) em um ponto c / X pelo valor f(x
i
), onde x
i
e o elemento de
X mais proximo de c. Podemos dar uma expressao quantitativa para o erro de aproxima cao se f for
4
de classe C
1
em [a, b]. Neste caso, podemos usar o Teorema do Valor Medio para escrever
f(c) = f(x
i
) + f

()(c x
i
) ,
onde e algum ponto de [a, b] entre c e x
i
. O erro [f(c) f(x
i
)[ cometido na discretizacao e portanto
[f(c) f(x
i
)[ = [f

()[ [c x
i
[ < Mx , (1.1)
onde M e o maximo de [f

(x)[ para x [a, b]. Como o erro cometido na discretizac ao e menor

que alguma constante vezes x, dizemos que o erro e da ordem de x ou, simbolicamente, O(x).
Escrevemos ainda,
f(c) = f(x
i
) + O(x) .
1.2 Discretizacao das derivadas
Estamos falando em discretizac ao de funcoes com o intuito de aplicar este conceito no estudo de
equacoes diferenciais.

E portanto importante, tendo um conjunto discreto de dados representando
aproximadamente uma func ao, saber aproximar as derivadas desta func ao.
A maneira mais obvia de aproximar a derivada primeira de uma funcao discretizada e pelo proprio
quociente de Newton que dene esta derivada, ou seja, se conhecemos f(x
0
), f(x
1
), . . . , f(x
N
),
aproximamos f

(x
i
) como
f

(x
i
)
f(x
i+1
) f(x
i
)
x
. (1.2)
Esta aproxima cao discreta para a derivada e chamada aproxima cao para frente, uma vez que usamos
um ponto da discretizac ao de f `a frente de x
i
para aproximar a derivada de f em x
i
.

E igualmente
razoavel fazer uma aproximac ao da derivada para tras, denida como
f

(x
i
)
f(x
i
) f(x
i1
)
x
. (1.3)
O erro cometido nestas aproximac oes para as derivadas pode ser estimado de maneira semelhante
ao resultado (1.1). No lugar do Teorema do Valor Medio, utilizaremos uma das suas generalizacoes,
a formula de Taylor com resto na forma diferencial: se f e n + 1 vezes diferenciavel em [a, b] e
c, d [a, b], entao existe entre c e d tal que
f(d) = f(c) + f

(c) (d c) +
1
2!
f

(c) (d c)
2
+ . . . +
1
n!
f
(n)
(c) (d c)
n
+
1
(n + 1)!
f
(n+1)
() (d c)
n+1
. (1.4)
Supondo entao f de classe C
2
e aplicando o resultado acima com n = 1, c = x
i
, d = x
i+1
,
x = x
i+1
x
i
, temos que
f

(x
i
) =
f(x
i+1
) f(x
i
)
x

1
2
f

() x ,
donde o erro em utilizar a aproximacao (1.2) para se aproximar a derivada f

num ponto qualquer e

menor que M

x, onde M

e a metade do maximo de [f

(x)[ para x [a, b]. Ou ainda, utilizando

a simbologia dos Os, o erro cometido na aproxima cao discreta para frente para a derivada primeira
e O(x). Utilizando novamente (1.4), agora com n = 1, c = x
i
, d = x
i1
, x = x
i
x
i1
, obtem-se
que o erro obtido com a discretizac ao para tras (1.3) da derivada e tambem O(x).
5
Tendo obtido 2 maneiras distintas de aproximar a derivada discreta de uma func ao, podemos obter
uma innidade de outras aproximac oes para a derivada primeira tomando medias ponderadas com
pesos arbitrariamente escolhidos das aproximacoes (1.2) e (1.3). Como os erros nestas aproximacoes
sao O(x), ent ao em geral o erro em uma media da aproximac ao para tras e da aproximac ao para
frente sera tambem O(x), a menos que haja algum cancelamento entre os erros das 2 parcelas,
situacao em que o erro podera ser menor. Este cancelamento de fato acontece se zermos a media
com pesos iguais das aproximac oes para tras e para frente, ou seja, se tomarmos
f

(x
i
)
1
2
_
f(x
i+1
) f(x
i
)
x
+
f(x
i
) f(x
i1
)
x
_
=
f(x
i+1
) f(x
i1
)
2 x
. (1.5)
Esta aproximac ao para a derivada primeira e, por razoes obvias, chamada de aproximacao cen-
trada. Para calcular o erro cometido nesta aproximacao, supondo agora que f seja 3 vezes difer-
enciavel, usamos a formula de Taylor (1.4) com n = 2 para obter
f(x
i+1
) = f(x
i
) + f

(x
i
) x +
1
2
f

(x
i
) (x)
2
+
1
6
f
(3)
(
1
) (x)
3
f(x
i1
) = f(x
i
) f

(x
i
)x +
1
2
f

(x
i
) (x)
2

1
6
f
(3)
(
2
) (x)
3
.
Subtraindo as equacoes acima e dividindo por 2 x tem-se que
f

(x
i
) =
f(x
i+1
) f(x
i1
)
2 x

1
6
_
f
(3)
(
1
) + f
(3)
(
2
)

(x)
2
, (1.6)
mostrando que o erro na aproximacao centrada para derivada primeira e O((x)
2
). Isto e muito
vantajoso, pois quando x e menor que 1, entao (x)
2
e muito menor que x e a aproximacao
centrada e melhor que ambas as aproximac oes precedentes para a derivada primeira.
Finalizamos esta sec ao mostrando como aproximar a derivada segunda da funcao f. Tomamos
f

(x
i
)
f

(x
i+1
) f

(x
i
)
x

1
x
_
f(x
i+1
) f(x
i
)
x

f(x
i
) f(x
i1
)
x
_
=
f(x
i+1
) + f(x
i1
) 2f(x
i
)
(x)
2
. (1.7)
Nos problemas a seguir pediremos ao leitor para provar que o erro em aproximar-se desta forma a
derivada segunda de uma func ao e O((x)
2
).
Problemas do captulo 1
1.1 A funcao cujo graco e mostrado na gura 1.2 juntamente com o graco do seno e um polinomio
p(x). Este polinomio foi escolhido como sendo o polinomio de menor grau possvel que coincidisse
exatamente com o seno nos pontos da discretizacao utilizada e tambem tal que p(

2
) =
1
2
. Encontre
a formula para p(x).
1.2 (a) Faca tabelas de discretizacao da funcao seno no intervalo [0, ] utilizando varios passos de
discretizacao, por exemplo x =

4
,

5
,

6
,

7
,

8
. Utilize estas tabelas para aproximar (para frente, para
tras e de maneira centrada) a derivada da funcao seno nos pontos da rede de discretizacao. Compare
6
o valor de cada uma das aproximacoes com o valor exato da derivada do seno em cada um dos pontos
indicados e o erro cometido nas aproximacoes.
(b) Faca um graco onde no eixo horizontal voce vai colocar o valor do passo da discretizacao e
no vertical o erro maximo, dentre todos os pontos da rede, cometido na aproximacao para a frente
para a derivada do seno. Explique porque o graco e aproximadamente uma reta de inclinacao
1
2
passando pela origem.
(c) Repita a letra (a) para as aproximacoes para tras e centrada. Tire as conclusoes pertinentes.
1.3 Repita o problema 1.2 trocando a funcao seno pelo polinomio encontrado no problema 1.1. Por
que os erros sao maiores neste caso que os correspondentes no caso da funcao seno?
1.4 (a) Utilize os dados do problema 1.2 para calcular, usando a equacao (1.7), aproximacoes para
a derivada segunda da funcao seno usando discretizacoes de passos diversos.
(b) Compare os resultados obtidos em (a) com os valores exatos da derivada segunda.
(c) Calcule o erro maximo na aproximacao para a derivada segunda para cada valor de x
utilizado na letra (a). Faca gracos do erro em funcao de x e do erro em funcao de (x)
2
. Qual
destes gracos se aproxima mais de uma reta passando pela origem? O que pode ser concludo a
respeito do erro da aproximacao (1.7) para a derivada segunda.
1.5 Deduza uma formula para o erro maximo na aproximacao discreta da derivada segunda dada
por (1.7).
Sugestao: Use (1.4) com d = x
i+1
, c = x
i
e n = 3 e depois repita para d = x
i1
, c = x
i
e n = 3.
Some os resultados.
7
Captulo 2
A equacao da difusao (ou do calor)
2.1 Modelagem
Quando colocamos uma quantidade de soluto em uma pequena regiao de uma soluc ao, por exemplo
uma colherada de ac ucar numa bacia com agua, sabemos da nossa experiencia quotidiana que o soluto,
inicialmente concentrado proximo `a regiao onde foi colocado, ira paulatinamente se espalhando ao
longo de toda a solucao. Este fenomeno de espalhamentodo soluto e chamado difusao.
Microscopicamente, a difusao e devida ao movimento termico desordenado das moleculas do
soluto. Gostaramos de descrever a difusao, ou seja descrever a concentracao de soluto como funcao
da posicao e do tempo. Veremos que a concentracao sera dada como a solucao de uma EDP. Esta
EDP, chamada equacao da difusao, sera deduzida a seguir a partir de hipoteses razoaveis construdas
a partir da explicac ao microscopica qualitativa acima.
Descrevemos inicialmente a situac ao fsica.
A solucao esta contida em um tubo longo e no de comprimento l e sec ao transversal de area A.
Devido ao tubo ser longo e no, pode-se desprezar qualquer movimento de soluto em direcoes
perpendiculares ao tubo e portanto a posic ao ao longo do tubo sera descrita por uma unica
vari avel x, x [0, l].
Ligados a ambas as extremidades do tubo estao reservatorios contendo um volume innito de
solucao a concentrac ao nula (solvente puro). Um reservat orio de volume innito e impossvel de
ser realizado na pratica, mas pode-se pensar em um cujo volume seja muito maior que o volume
de soluc ao contido no tubo. A hipotese do reservatorio innito com soluc ao a concentrac ao nula
sera usada no nosso modelamento da difusao para armar que quando uma molecula de soluto
alcanca uma das extremidades do tubo, caira imediatamente no reservat orio e, como este e
innito, nao mais retornara `a solucao no tubo.
A concentracao inicial de soluc ao e uma funcao dada f(x) da posic ao x. A medida que passa
o tempo, espera-se que a concentracao ira mudar em cada ponto devido `a difusao.
Se a concentrac ao no ponto x e no instante t e designada por u(x, t), ent ao o objetivo do estudo
da difusao e exatamente encontrar esta func ao u(x, t) sendo dados a concentrac ao inicial f(x) e a
informacao sobre a presenca dos reservatorios com soluc ao a concentrac ao nula nos extremos do tubo.
Para simplicar o modelamento, em vez de estudarmos a situac ao real em que as variaveis x e t
da concentrac ao u(x, t) sao ambas contnuas, iremos introduzir discretizac oes em ambas as variaveis
com passos respectivamente iguais a x e t. Adotamos ent ao a seguinte notac ao simplicada:
usaremos u
i,j
no lugar de u(ix, jt) e f
i
em vez de f(ix), i = 0, 1, 2, . . . , N 1, j = 0, 1, 2, . . .,
8
com x =
l
N
. Para simplicar a linguagem, passaremos doravante a falar em posic ao i e instante j
em vez de posic ao ix e instante jt.
A discretizac ao do tempo signica que desprezaremos a passagem contnua do tempo e olharemos
para a concentra cao somente em um conjunto discreto de instantes separados uns dos outros por
um intervalo temporal t. Teremos uma situacao inicial em t = 0, teremos uma nova situacao em
t = t, uma nova situac ao em t = 2t, 3t, . . ., ate onde for desejado resolver-se o problema.
A discretizac ao da posicao signica que nao nos interessaremos pela posicao exata das moleculas
do soluto. Para isto, dividiremos toda a extensao do tubo em N stios de tamanho x iniciando
em x = 0, x = x, x = 2x, . . . , x = (N 1)x = l x e especicaremos somente o ndice
i = 0, 1, . . . , N 1 do stio em que se localiza cada molecula.
A cada passagem do tempo discreto, haver a uma redistribuic ao das moleculas do soluto entre
os stios. Dada uma regra de passagem do soluto de um stio para o outro, poder-se-a calcular
a concentrac ao da soluc ao em func ao da posic ao e do tempo. Iremos admitir a regra sicamente
razoavel exposta no paragrafo seguinte.
As moleculas do soluto somente podem saltar de um stio para um dos stios imediatamente
vizinhos `a direita ou `a esquerda. Portanto, uma molecula que no instante j esteja no stio i, no
proximo instante discreto, j + 1, ou permanecera onde estava, ou entao passara para um dentre
os stios i 1, ou i + 1. Como a passagem de soluto de um stio para o outro e consequencia do
movimento termico desordenado, entao a passagem do stio i para o stio vizinho `a direita i + 1 e
tao provavel quanto a passagem para o stio vizinho `a esquerda i 1. Alem do mais, a massa de
soluto que passa do stio i para i 1 e proporcional `a massa de soluto no proprio stio i e portanto
proporcional `a concentracao em i. A massa de soluto que passa de i para i1 sera ainda proporcional
ao intervalo temporal t, `a area A da secao transversal do tubo e inversamente proporcional a x.
Em resumo, se m
ii1,j
representa a massa de soluto que no instante j passa do stio i para
i +1 (e tambem para i 1), ent ao a nossa hipotese fundamental sobre a qual esta baseada a equacao
da difusao e
m
ii1,j
=
k At
x
u
i,j
, (2.1)
onde a constante de proporcionalidade positiva k e chamada constante de difusao e deve depender
do soluto, do solvente e da temperatura.
A massa de soluto em i no instante j+1 e calculada por conservac ao da massa: basta descontar da
massa m
ij
em i no instante j a parte dela que passou para os stios vizinhos, assim como acrescentar
a massa que veio dos stios vizinhos i 1:
m
i,j+1
= m
ij
(m
ii+1,j
+ m
ii1,j
) + m
i+1i,j
+ m
i1i,j
.
Usando agora (2.1), temos
m
i,j+1
= m
ij

k At
x
2u
i,j
+
k At
x
(u
i+1,j
+ u
i1,j
) .
Para fazermos aparecer concentrac oes no lugar de massas na ultima equacao, dividimo-la pelo volume
Ax de cada stio, obtendo
u
i,j+1
= u
i,j
+
k t
(x)
2
(u
i+1,j
+ u
i1,j
2u
i,j
) (2.2)
= (1 2s) u
i,j
+ s (u
i+1,j
+ u
i1,j
) , (2.3)
onde o paramtero de estabilidade s > 0 e denido por
s = k
t
(x)
2
(2.4)
9
e sera util mais adiante.
Rearranjando os termos em (2.2), chegamos tambem a
u
i,j+1
u
i,j
t
= k
u
i+1,j
+ u
i1,j
2u
i,j
(x)
2
, (2.5)
que chamaremos de a equacao da difusao discreta.
Mostraremos na secao 2.4 como utilizar a equac ao da difusao discreta, ou equivalentemente (2.3),
para resolver numericamente problemas de difusao. Por ora nos interessa terminar a deducao da
EDP da difusao. Para isto, lembremo-nos que os passos de discretizac ao x e t foram introduzidos
de maneira articial de maneira a simplicar a formulac ao do problema da difusao, mas nao possuem
nenhuma realidade fsica, uma vez que o tempo e o espaco sao contnuos. A continuidade do espaco
e do tempo sao recuperadas ao fazermos o limite do contnuo x 0 e t 0. Neste limite, de
acordo com os resultados da secao anterior sobre a discretizac ao de derivadas, temos
u
i,j+1
u
i,j
t

u
t
e
u
i+1,j
+ u
i1,j
2u
i,j
(x)
2


2
u
x
2
.
No limite contnuo, (2.5) torna-se a EDP da difusao
u
t
= k

2
u
x
2
. (2.6)
Se em vez de um tubo contendo solucao a concentrac ao u(x, t) pensarmos em uma longa e na
barra condutora de calor e u(x, t) como sendo a temperatura no ponto x no instante t, ent ao a
mesma equacao (2.6) descrever a a temperatura u(x, t). Neste contexto, ela e chamada equacao do
calor. Sabemos hoje que o calor e uma forma de energia associada ao movimento microscopico
das partculas (moleculas). No incio do sec. XIX pensava-se que o calor fosse um uido e que
a temperatura seria sua concentra cao. Usando esta hipotese, Fourier deduziu a equacao do calor
usando um raciocnio contnuo completamente analogo ao que zemos acima no caso discreto.
Apesar da falsidade de uma premissa, no caso do calor, e de hipoteses deliberadamente simples
usadas na deduc ao, a equacao do calor/difusao ja foi experimentalmente validada em in umeras
situacoes, no sentido de que as suas solucoes concordam com observacoes experimentais.
Varios problemas simples e interessantes envolvendo a equac ao da difusao podem ser exatamente
resolvidos usando-se series de Fourier e o chamado metodo de separacao de variaveis. Nao iremos
tratar estes importantes metodos no presente texto e remetemos o leitor interessado a algum dos
varios otimos livros sobre o assunto [1, 2, 3, 6].
2.2 Condic oes de contorno
Assim como os problemas de EDOs, quase sempre problemas de EDPs envolvem condic oes iniciais.
No exemplo mencionado na secao anterior, os valores iniciais f(x) da concentracao u(x, t) constituem
uma condic ao inicial para o problema de difusao que descrevemos.
Alem da condic ao inicial, de um ponto de vista fsico o problema descrito na secao anterior
depende fundamentalmente da informacao de que em cada extremidade do tubo existem reservat orios
de volume innito com soluc ao a concentracao 0. Cada molecula de soluto que chega a uma das
extremidades do tubo e levada ao reservatorio ali presente e, por causa da condic ao de volume innito,
10
nunca mais retornara `a soluc ao no tubo. Intuitivamente e de se esperar que, independentemente da
condicao inicial f(x), a concentra cao de soluc ao em qualquer ponto do tubo tenda a 0 quando t .
Podemos pensar em outros problemas realsticos de difusao com comportamento distinto. Por ex-
emplo, em vez de estarem ligadas a reservatorios, as extremidades do tubo poderiam estar tampadas.
Neste caso, nossa intuicao fsica diz que o soluto inicialmente concentrado de forma distinta ao longo
do tubo deve se espalhar e a concentrac ao tender a um valor constante uniforme ao longo do tubo
quando t . Pela condic ao de conservac ao da massa, o valor desta concentra cao uniforme pode
ser calculado dividindo-se a massa total de soluto presente inicialmente, A
_
l
0
f(x) dx pelo volume
Al do tubo.
Outras possibilidades ainda sao reservatorios de soluc ao com concentrac ao (possivelmente depen-
dente do tempo) especicada, ou ainda sistemas que bombeiem soluto para o interior do tubo a
taxas dadas (tambem dependentes do tempo para maior generalidade). Ou mesmo um reservat orio
em uma extremidade e uma bomba na outra.
O importante aqui e frisar que nossa intuic ao espera que a solucao de um problema de difusao de-
penda da especicacao de o que acontece em cada uma das extremidades do tubo. Esta especicac ao
e feita pelas chamadas condicoes de contorno do problema.
2.2.1 Condic oes de contorno de Dirichlet
A condicao de reservat orio com volume innito contendo solucao a concentrac ao g(t) em uma das
extremidades, digamos x = 0, forca que o valor da concentracao nesta extremidade do tubo seja g(t),
ou seja, u(0, t) = g(t). Analogamente, um reservat orio com volume innito ligado a x = l contendo
solucao com concentrac ao h(t) forca com que se tenha u(l, t) = h(t). Condic oes de contorno deste
tipo, que especicam o valor em um ponto da funcao incognita u(x, t) de uma EDP sao chamadas
condicoes de Dirichlet. Em particular, se g(t) 0, a condic ao u(0, t) = g(t) e dita homogenea de
Dirichlet e analogamente para h(t) 0.
Um problema de Dirichlet para a equac ao de difusao e portanto o de obter solucao para a equacao
da difusao respeitando uma condicc ao inicial e condicoes de Dirichlet. Mais precisamente, o problema
e o de encontrar uma funcao u : [0, l] [0, ) R que obedeca
_

_
u
t
= k u
xx
, x (0, l), t > 0
u(x, 0) = f(x), x [0, l]
u(0, t) = g(t), t > 0
u(l, t) = h(t), t > 0
. (2.7)
No problema acima, a primeira equac ao nos informa que se trata de um problema de difusao (ou
calor), a segunda nos diz a condicao inicial e as duas ultimas representam a especicac ao, para cada
uma das extremidades da barra, da condic ao de contorno correspondente.
O problema que descrevemos na secao anterior, com reservat orios innitos de solvente nas duas
extremidades do tubo, e portanto um problema do tipo acima com g(t) = h(t) 0, condic oes
homogeneas de Dirichlet em ambas as extremidades.
2.2.2 Condic oes de contorno de Neumann
O uxo de massa (x, t) no ponto x e no instante t e denido como a massa de soluto por unidade
de tempo atraves da secao transversal do tubo. Para descrever quantitativamente se o movimento de
soluto em x e t e predominantemente da direita para a esquerda ou o contr ario, moleculas atraves-
sando a sec ao transversal da esquerda para a direita irao contar positivamente para (x, t), enquanto
as que atravessarem a sec ao da direita para a esquerda irao contar negativamente.
11
No modelo discretizado, temos
(ix, jt) =
m
ii+1,j
m
i+1i,j
t
= kA
u
i+1,j
u
i,j
x
limite contnuo
kA
u
x
(x, t) , (2.8)
onde na passagem da primeira para a segunda linha utilizamos (2.1).
Vemos assim que nos problemas de difusao, a derivada espacial u
x
da concentrac ao esta rela-
cionada como acima com o uxo de massa.

E comum em problemas realsticos que, em vez de se
especicar o valor da concentrac ao em uma extremidade do tubo, as condicoes especiquem o valor
do uxo de massa nas extremidades. O exemplo mais comum e o de um tubo com extremidades
fechadas de modo a nao permitir passagem de soluto: o uxo de massa e entao 0. Um problema de
difusao com um tubo com ambas as extremidades fechadas e ent ao modelado por um conjunto de
equacoes como (2.7) em que as duas ultimas sao substitudas pelas condicoes de contorno
_
u
x
(0, t) = 0, t > 0
u
x
(l, t) = 0, t > 0
. (2.9)
Condic oes de contorno em que se especica o valor da derivada da func ao incognita na direc ao nor-
mal `a fronteira sao conhecidas como condicoes de contorno de Neumann. Em particular, as condic oes
de tubo com extremidades fechadas (2.9) sao condic oes homogeneas de Neumann. Condicoes de
Neumann nao-homogeneas (possivelmente dependentes do tempo) aparecem em problemas onde se
especica a taxa de entrada ou sada de soluto em uma extremidade.
2.2.3 Outras condic oes
Obviamente, podemos pensar em um tubo com soluc ao em que uma das extremidades e fechada,
enquanto a outra esta ligada a um reservat orio. Uma das extremidades e entao modelada por uma
condicao de Dirichlet e a outra por uma de Neumann.
Existem ainda problemas em que aparecem condicoes de fronteira especicando por exemplo o
valor da func ao u + u
x
, onde e sao constantes, ou mesmo condic oes mais complicadas.
2.3 Removendo a discretizacao no tempo
Consideremos inicialmente o problema (2.7) de difusao com condic oes de Dirichlet homogeneas e
voltemos atras na deducao das equacao da difusao. Se na passagem que levou de (2.5) a (2.6)
removermos a discretizacao temporal sem remover a espacial, em vez de (2.7) chegaremos ao seguinte
problema:
_

_
du
i
dt
=
k
(x)
2
(u
i+1
(t) + u
i1
(t) 2u
i
(t)), i = 1, 2, . . . , N 1
u
i
(0) = f(ix), i = 1, 2, . . . , N 1
u
0
(t) = 0, t > 0
u
N
(t) = 0, t > 0
, (2.10)
onde u
i
(t) = u(ix, t), i = 0, 1, 2, . . . , N corresponde `a versao discretizada no espaco da concentrac ao.
Observe que o problema de valor inicial com condic oes de contorno para a EDP da difusao torna-
se assim um problema para um sistema de EDOs de 1a. ordem. Cada uma das N 1 EDOs
escritas na primeira linha de (2.10) envolve alem da concentrac ao u
i
que comparece no lado direito
12
com sua derivada, as concentrac oes nos stios vizinhos u
i1
e u
i+1
. As N 1 equac oes na 2a. linha
sao as condicoes iniciais para cada uma das EDOs da 1a. linha. Observe ainda que as equac oes
da 1a. linha com ndices i = 0 e i = N 1 envolvem respectivamente func oes u
0
(t) e u
N
(t) que
nao comparecem em nenhuma outra das EDOs. A 3a. e 4a. linhas de (2.10), originadas pelas
condicoes de contorno de Dirichlet homogeneas em (2.7), sao especicacoes para estas func oes. De
um ponto de vista matematico, temos um problema em que se pode aplicar com tranq uilidade o
conhecido teorema de existencia e unicidade para problemas de valor inicial em EDOs. Observe
porem que o n umero de EDOs do sistema e N 1, onde N =
l
x
e um valor articial introduzido
pela discretizacao espacial. Ao removermos esta, x 0 e portanto N . Ou seja, em algum
sentido, uma EDP e como se fosse um sistema de innitas EDOs.
Alem do mais, as EDOs em (2.10) sao todas lineares e, por causa da homogeneidade das condicoes
de Dirichlet, homogeneas. Combinac oes lineares de solucoes deste sistema de EDOs sao soluc oes do
sistema. Portanto o conjunto das solucoes do sistema e um espaco vetorial. Da teoria de existencia
e unicidade, resulta que a dimensao deste espaco e N 1. A solucao geral do sistema contem
portanto N 1 constantes a serem determinadas usando-se as condic oes iniciais u
i
(0) = f(ix),
i = 1, 2, . . . , N 1. Quando removermos a discretizacao espacial estaremos ent ao lidando com um
espaco de solucoes de dimensao innita. Para uma prova rigorosa disto, o leitor deve fazer oproblema
2.4. Teremos ainda innitas condic oes iniciais u(x, 0) = f(x), x (0, l) e , para determinar as innitas
constantes que aparecem na solucao geral de modo a satisfazer as condicoes iniciais, o instrumento
a ser usado sao as series de Fourier.
Como ja dissemos antes, nao e de nosso interesse entrar neste texto nos problemas de como
resolver problemas de EDPs. Paramos aqui com a compreensao de que estes problemas possuem
analogia com sistemas de innitas EDOs e devem envolver espacos de dimensao innita.
2.4 Solucao numerica de problemas de difusao
Conforme dito anteriormente, podemos usar a versao (2.3) da equac ao da difusao discreta como um
metodo numerico para aproximar a solucao de problemas de difusao. O leitor que tenha feito um
primeiro curso de EDOs deve ter ouvido que nem todas as EDOs podem ser resolvidas por metodos
exatos. Quando isto acontece, uma das abordagens e aproximar numericamente as soluc oes atraves
de varios metodos, por exemplo os de Euler e Runge-Kutta, ambos tratados de forma introdutoria
por exemplo em [1].
Do ponto de vista de possibilidade de soluc ao exata, as EDPs possivelmente se encontram em
situacao pior que a das EDOs. Para resolver problemas que nao possam ser resolvidos de maneira
exata existem tambem metodos numericos para EDPs. Iremos nesta secao descrever o metodo mais
simples para se resolver problemas envolvendo a equac ao da difusao. Este metodo, conhecido como
metodo direto ou metodo das diferencas nitas pode-se considerar como uma vers ao para EDPs do
metodo de Euler para EDOs.
2.4.1 Problemas de Dirichlet
Vamos explicar atraves de exemplos o procedimento para se resolver problemas de difusao com
condicoes de Dirichlet. A soluc ao de problemas de Neumann e um pouco mais trabalhosa e sera
tratada nos problemas 2.8 e 2.9.
Exemplo 1 Consideremos o problema de Dirichlet (2.7) homogeneo (g(t) = h(t) 0) com k = 1,
l = 1 e f(x) = 100x(1 x)
2
(
1
3
x)
2
. O graco da funcao f acima e mostrado na gura 2.1. Por
nossa intuic ao fsica e de se esperar que a maior quantidade de soluto concentrada nas vizinhancas
13
0.2 0.4 0.6 0.8 1
x
0.2
0.4
0.6
0.8
f HxL
Figura 2.1: Graco da condic ao inicial f(x) do exemplo 1. Observe que a concentrac ao inicial tem
dois maximos locais: um com valor maior em x 0, 706 e um com valor menor em x 0, 094.
do maximo absoluto de f em x 0, 706 tenda a se espalhar pelo resto do tubo, ao mesmo tempo
que a quantidade total de soluto no tubo decresce por causa da perda de soluto para os reservatorios
nas duas extremidades do tubo.
Vamos usar (2.3) para enxergar o acontecimento deste fenomeno e tentarmos descobrir a escala
de tempos em que ocorre. Primeiramente, precisamos discretizar f, escolhendo um valor adequado
de x. Embora percamos bastantes detalhes da condicao inicial, comecemos escolhendo por simpli-
cidade x =
1
4
.
Precisamos ainda escolher o passo t da discretizac ao temporal. Para isto, lembre-se da deducao
da equac ao da difusao (2.6), que (2.3) vem de uma discretizac ao desta em que para a derivada
temporal e adotada uma aproximacao para a frente, enquanto que para a derivada segunda com
relacao `a posicao usa-se a aproximac ao (1.7). Lembrando que o erro na aproximac ao da derivada
temporal e O(t) e que o erro na derivada espacial e O((x)
2
), vamos convencer o leitor de que e
in util escolher t muito maior ou muito menor que (x)
2
.
De fato, suponhamos que se queira acompanhar a solucao do problema de difusao ate um instante
t = T. Para isto, o n umero de passagens do tempo discreto e
T
t
. Se escolhermos um t pequeno,
presumivelmente teremos um erro menor na aproxima cao numerica, mas porem teremos que calcular
um n umero grande de passagens do tempo discreto, o que implica em grande trabalho computacional,
como veremos. Se, ao contr ario, escolhermos um valor grande para t, podemos economizar trabalho
computacional com um n umero menor de passagens do tempo discreto, porem `as custas de um maior
erro na discretizacao da derivada temporal.
O compromisso razoavel entre trabalho computacional e erro a ser adotado e escolher t nem
muito maior, nem muito menor que (x)
2
. Caso t (x)
2
, o trabalho computacional grande
em se calcular a derivada temporal com precisao e desperdicado porque o erro cometido na derivada
espacial sobrepuja o erro no calculo da derivada temporal. Podemos dizer que o erro no calculo
da derivada espacial contamina o calculo da derivada temporal. Caso t (x)
2
, acontece o
contrario: o erro no calculo da derivada temporal contamina o calculo da derivada espacial.
Em nosso exemplo com x =
1
4
iremos escolher, com base em nossa experiencia, t =
1
40
. O
parametro s denido em (2.4) neste caso vale 2/5. Conforme argumentamos acima, para nao cometer
erros de truncamento muito grandes e nem desperdicar trabalho computacional, s deve ser da ordem
da constante de difusao k.
14
i 0 1 2 3 4
j
0 0 0,0977 0,3472 0,8138 0
1 0 0,1584 0,4340 0,3016 0
2 0 0,2053 0,2708 0,2339 0
3 0 0,1494 0,2299 0,1551 0
4 0 0,1218 0,1678 0,1230 0
Tabela 2.1: Tabela de valores numericos u
i,j
da solucao do exemplo 1
A primeira coisa a fazer e discretizar f com passo x =
1
4
. Obtemos os valores u
i,0
= f(ix), i =
0, 1, 2, 3, 4, que colocamos como a linha j = 0 da tabela 2.1. A proxima linha, j = 1, correspondente
a t = t pode ser obtida a partir da linha j = 0 e das condicoes de contorno. As condic oes de
contorno homogeneas de Dirichlet especicam o primeiro (i = 0) e o ultimo (i = 4) valores da linha
como sendo nulos. Os demais valores sao obtidos aplicando-se para i = 1, 2, 3 a equac ao (2.3) com
j = 0 e s = 2/5. Por exemplo,
u
1,1
= (1 2s) u
1,0
+ s (u
0,0
+ u
2,0
)
= 0, 2 0, 0977 + 0, 4(0 + 0, 3472) = 0, 1584 .
A linha j + 1 da tabela e obtida a partir da linha j usando o mesmo procedimento que utilizamos
para obter a linha j = 1 a partir da condicao inicial na linha j = 0.
Analisemos o resultado. A concentrac ao no ponto x = 1/4 (ou seja, i = 1), inicialmente pequena,
cresce quando j passa de 0 a 2 (t passa de 0 a t = 2t = 0, 050) e depois passa a decrescer.
O crescimento inicial corresponde `a chegada em x = 1/4 de soluto inicialmente localizado mais
fortemente na metade direita do tubo. Em x = 1/2 (i = 2), a concentrac ao, pelo mesmo motivo,
cresce quando j passa de 0 a 1 e depois decresce. Em x = 3/4 (i = 3), onde o soluto estava muito
concentrado inicialmente, a concentrac ao decresce o tempo todo. A partir de j = 2 (t 0, 050) a
concentracao decresce em todos os pontos. Isto corresponde `a perda de soluto para os reservat orios
de solvente puro em x = 0 e x = 1.

E de se esperar que se continuarmos o calculo para valores
maiores de j, este fenomeno deve continuar e a concentrac ao tender a zero em todos os pontos do
tubo. O leitor e convidado a calcular algumas linhas a mais na tabela 2.1 e vericar isto.
De qualquer forma, o resultado acima analisado parece concordar bastante razoavelmente com
nossa intuic ao fsica a respeito do que deveria acontecer.
Exemplo 2 O fato de termos tomado x = 1/4 no exemplo anterior nos fez perder muitos detalhes
espaciais do fenomeno fsico. Para enxergarmos melhor estes detalhes, tomemos a mesma condic ao
inicial do exemplo 1, os mesmos valores de k e t e o mesmo intervalo de tempo, ou seja t [0; 0, 100].
Tomemos porem x = 1/8, a metade do valor do exemplo anterior. Com estes valores, s = 8/5. Os
valores da soluc ao numerica sao mostrados na tabela 2.2, analoga `a tabela 2.1.
Os resultados sao pessimos! Ja na linha j = 1, em i = 1 aparece uma concentrac ao negativa,
algo completamente sem signicado em nosso modelo. E nas linhas seguintes, alem de mais valores
negativos, as concentrac oes parecem estar aumentando em valor absoluto. Esta soluc ao, que deveria
dar em mais detalhes o que acontecia no exemplo 1, nao se parece em nada com este.
Antes de passar a um proximo exemplo, precisamos explicar o que aconteceu de errado no exemplo
2. Anal de contas, o exemplo 1, apesar de calculado com valores muito grandes de x e t, parecia
indicar que o metodo numerico funciona. No exemplo 2, simplesmente tentamos estudar o mesmo
problema com um valor menor de x e o mesmo de t. Quando o metodo das diferencas nitas
15
i 0 1 2 3 4 5 6 7 8
j
0 0 0,4154 0,0977 0,0254 0,3472 0,7477 0,8138 0,4011 0
1 0 -0,7576 0,4905 0,6559 0,4731 0,2127 0,0477 0,4196 0
2 0 2,4514 -1,2418 0,0988 0,3490 0,3653 0,9067 -0,8467 0
3 0 -7,3799 6,8121 -1,6458 -0,0252 1,2054 -2,7649 3,3134 0
4 0 27,1352 -29,4278 14,4799 -0,6493 -7,1160 13,3129 -11,7134 0
Tabela 2.2: Tabela de valores numericos u
i,j
da soluc ao do exemplo 2.
1
1
t=0.06
1
1
t=0.07
1
1
t= 0.10
1
1
t=0.03
1
1
t=0.04
1
1
t=0.05
1
1
t=0.
1
1
t=0.01
1
1
t=0.02
Figura 2.2: Gracos de u em func ao de x relativos a varios valores de t no exemplo 3. Usamos
x =
1
50
e t =
1
5000
.
falha, como no exemplo 2, dizemos que e instavel. A explicac ao para a falha no exemplo 2 e dada no
teorema abaixo, demonstrado em [5]:
Teorema 1 O metodo das diferencas nitas para a equacao da difusao e instavel se s > 1/2 e estavel
se s 1/2.
Iremos falar mais a respeito da estabilidade do metodo na subsec ao 2.4.2
Exemplo 3 Tomamos ainda o mesmo problema ja estudado nos exemplos 1 e 2 e calculamos sua
solucao aproximada ate t = 1/10 como nos exemplos anteriores. Fazemos agora x =
1
50
e tomamos
t =
1
5000
, o maior valor possvel de modo a ainda ter estabilidade. Em vez de mostrar uma tabela,
que seria grande demais e sem interesse (501 linhas e 51 colunas), optamos por ilustrar a soluc ao na
forma de gracos obtidos a partir da tabela que nao mostramos. Na gura 2.2 sao mostrados alguns
dos gracos de u em func ao de x para varios valores de t. Os calculos foram obviamente feitos por
computador.

E razoavel que se quisermos diminuir o erro de discretizacao, podemos faze-lo diminuindo x,

ou seja, aumentando o n umero de colunas numa tabela como 2.1. A condic ao de estabilidade nos
obriga a tambem diminuir t, ou seja, tambem o n umero de linhas na tabela deve ser aumentado.
16
x
1
x
2
x
t
1
t
2
t
l
1
l
2
l
3
R
Figura 2.3: O retangulo R e os lados l
1
, l
2
e l
3
relativos ao teorema 2.
Note porem que que se o n umero de colunas e aumentado por um fator , o n umero de linhas deve
crescer por
2
, ou seja, muito mais. Como o erro devido `a discretizac ao e O((x)
2
) = O(t), pode
-se ver que para diminuir o erro por um fator , o tempo computacional cresce como
3/2
.
2.4.2 Estabilidade e princpio do maximo e do mnimo
Citamos sem demonstracao o resultado seguinte sobre a equacao da difusao, conhecido como Princpio
do maximo e do mnimo. A demonstrac ao pode ser encontrada em muitos dos livros padrao sobre
EDPs, por exemplo [3] ou [6]. A demonstrac ao e simples, usando somente a teoria basica de maximos
e mnimos de funcoes de varias variaveis. O princpio do maximo e do mnimo e muito util na teoria da
equacao da difusao, sendo usado por exemplo para demonstrar unicidade de soluc ao para problemas
de difusao.
Teorema 2 Seja u(x, t) solucao da equacao da difusao u
t
= k u
xx
no retangulo fechado
R = (x, t) R
2
; x
1
x x
2
, t
1
t t
2
.
Considere os seguintes lados de R, ver gura 2.3:
l
1
= (x
1
, t) R
2
; t
1
t t
2
,
l
2
= (x, t
1
) R
2
; x
1
x x
2

e
l
3
= (x
2
, t) R
2
; t
1
t t
2
.
Entao os pontos de maximo e de mnimo de u em R encontram-se em l
1
l
2
l
3
.
Alem da utilidade matematica, o teorema acima possui ainda uma explicacao fsica intuitiva.
Considere por exempo um problema de difusao e concentre sua atencao na parte do tubo com
x [x
1
, x
2
]. Caso a maior parte do soluto se encontre nesta regiao quando t = t
1
, tendera a sair dela
com a passagem do tempo e portanto o ponto de maximo de u em R estara em l
2
. Caso em t = t
1
a maior parte do soluto se encontre na regiao x < x
1
, ent ao com a passagem do tempo parte deste
17
soluto chegar a ate x
1
. Neste caso, o maximo de u em R sera encontrado em l
1
. Similarmente, se a
maior parte do soluto em t = t
1
estiver em x > x
2
, o maximo de u em R estara em l
3
. Raciocnio
semelhante vale para o mnimo.
Conclumos portanto que o princpio do maximo e do mnimo reete uma propriedade fsica das
solucoes da equacao de difusao, propriedade que desejavelmente deve ser preservada nas solucoes
aproximadas obtidas atraves de qualquer algoritmo numerico. Embora nao tenhamos demonstrado
o teorema 1, e interessante que apresentemos aqui uma outra justicativa para a condic ao de esta-
bilidade 0 < s 1/2:
Teorema 3 Sejam R, l
1
, l
2
e l
3
como no teorema 2. Se u e uma solucao da equacao da difusao
discreta (2.3), entao seu maximo e seu mnimo em R estarao em l
1
l
2
l
3
independentemente das
condicoes iniciais se, e somente se, 0 < s 1/2.
Prova Como no exemplo 2, e facil construir exemplos de condic oes iniciais que violem o enunciado
se s > 1/2. Resta entao a provar que se 0 < s 1/2 ent ao o maximo e o mnimo da solucao de (2.3)
em R encontram-se em l
1
l
2
l
3
.
Sejam I
1
x = x
1
e I
2
x = x
2
, I
1
, I
2
Z, os ndices que denem os lados verticais de R.
Sejam ainda J
1
e J
2
os ndices que denem os outros dois lados, ou seja, J
1
t = t
1
, J
2
t = t
2
.
Dena nalmente M
i,j
= maxu
i,j
, u
i+1,j
, u
i1,j
. Se 0 < s 1/2, ent ao 1 2s 0, logo, para
i I
1
+ 1, I
1
+ 2, . . . , I
2
1 tem-se
u
i,j+1
= (1 2s) u
i,j
+ s (u
i+1,j
+ u
i1,j
)
(1 2s) M
i,j
+ s (M
i,j
+ M
i,j
) = M
i,j
. (2.11)
Dena agora
M
j
= max
i{I
1
,I
1
+1,...,I
2
}
u
i,j
.
O resultado (2.11) prova entao que M
j+1
M
j
, a nao ser que M
j+1
ocorra em l
1
l
3
. Da, o maximo
de u, max
j{J
1
,J
1
+1,...,J
2
}
M
j
, tem que ocorrer em l
1
l
2
l
3
, demonstrando o teorema para o caso do
maximo. O caso do mnimo e analogo.
Problemas do captulo 2
2.1 Em vez da situacao unidimensional em que um soluto se difunde por uma solucao contida em
um tubo, considere a situacao bidimensional analoga em que o soluto se encontra em uma regiao
tridimensional de profundidade desprezvel. Neste caso, sendo z a coordenada que descreve a profun-
didade, a posicao e dada aproximadamente pelas coordenadas x e y com (x, y) R
2
.
Repita o procedimento de modelagem da secao 2.1 e prove que se u(x, y, t) e a concentracao em
funcao da posicao e do tempo, entao a equacao da difusao bidimensional e
u
t
= u ,
onde aqui
u

2
u
x
2
+

2
u
y
2
denota o laplaciano de u.
Obtenha tambem a equacao de difusao tridimensional.
18
2.2 Considere uma situacao de difusao em um tubo com extremos em x = 0 e x = l em que uma
bomba e usada para injetar M > 0 gramas de soluto por unidade de tempo para dentro da solucao.
(a) Mostre que se a bomba estiver em x = 0, entao a condicao de contorno correspondente e uma
condicao de Neumann do tipo u
x
(0, t) = B, onde B e uma constante positiva. Obtenha B.
(b) Qual a condicao de contorno correspondente se a bomba estiver em x = l? Atencao ao sinal!
2.3 Mostre que se pelo menos uma das condicoes homogeneas de Dirichlet em (2.10) e substituda
por uma condicao nao-homogenea, entao uma combinacao linear de solucoes do sistema de EDOs
nao e necessariamente solucao do sistema de EDOs.
2.4 Considere o problema de Dirichlet homogeneo (2.7).
(a) Por derivacao direta prove que
u
n
(x, t) = e
k
n
2

2
l
2
t
sen
nx
l
sao solucoes da equacao da difusao, onde n = 1, 2, . . ..
(b) Verique ainda que os u
n
acima obedecem `as condicoes de Dirichlet homogeneas.
(c) Prove que qualquer combinacao linear da forma

N
k=0
c
k
u
k
(x, t), onde N e um inteiro positivo
qualquer, e solucao da equacao da difusao e obedece `as condicoes de Dirichlet homogenea.
(d) Prove que o conjunto de funcoes u
1
, u
2
, . . . , u
N
e linearmente independente para qualquer
N.
Sugestao: Fixe t e prove que as u
n
(x, t) sao ortogonais com relacao ao produto interno denido
por
f, g)
_
l
0
f(x)g(x)dx .
(e) Conclua que o conjunto de todas as solucoes da equacao da difusao e que tambem obedecam
`as condicoes de Dirichlet homogeneas e um espaco vetorial de dimensao innita.
2.5 Resolva numericamente ate t = 3/35 o problema de Dirichlet homogeneo com k = l = 1 e
f(x) =
_
1, se
2
5
x
4
5
0, se 0 x <
2
5
ou
4
5
< x 1
.
Use para x os valores 1/4, 1/8 e 1/16 e tome t = 16/35(x)
2
. Compare as solucoes para os
varios valores de x umas com as outras.
2.6 Utilizando o metodo de separacao de variaveis, a solucao exata do problema anterior e
u(x, t) =

n=1
a
n
e
n
2

2
t
sen nx ,
onde
a
n
=
2
n
_
cos
2n
5
cos
4n
5
_
.
(a) Faca gracos da soma parcial da serie acima ate n = 10 para t = 0, 1/35, 2/35, 3/35.
(b) Coloque em um mesmo sistema de eixos os gracos produzidos em (a) e as solucoes aproxi-
madas correspondentes obtidas no problema anterior. Compare-as.
19
2.7 Considere conjuntamente dois problemas de difusao com condicoes de Dirichlet homogeneas e
o mesmo valor de k. O primeiro em um tubo de comprimento l
1
= 1 e o segundo em um tubo com
comprimento l
2
= 2. A condicao inicial para o primeiro e
f
1
(x) = g(x) =
_
1, se
7
15
x
8
15
0, se 0 x <
7
15
ou
8
15
< x 1
e a condicao inicial para o segundo e f
2
(x) = g(
x
2
). Semelhantemente, sejam x
1
e x
2
os respectivos
passos de discretizacao espacial.
(a) Mostre que se se tomar para ambos os problemas o mesmo valor de s e se se zer x
2
= 2x
1
,
entao as tabelas analogas `a tabela 2.1 para ambos os problemas sao identicas. Observe que isto nao
depende da forma particular das condicoes iniciais.
(b) Produza 5 linhas da tabela `a qual se alude na letra (a) com x
1
= 1/20 e s = 1/5. Observe
o espalhamentoda mancha de soluto inicialmente concentrada em torno dos pontos medios das
barras.
(c) Dena a largura da mancha de soluto como sendo a distancia entre os dois pontos onde
a concentracao vale a metade do valor maximo. Observe que inicialmente a mancha se expande
rapidamente e, `a medida que passa o tempo, passa a espalhar-se mais devagar.
(d) Se no problema do primeiro tubo a mancha levou um tempo t
1
para chegar ate a largura d
1
,
quanto tempo leva no segundo problema para chegar a uma largura 2 vezes maior?
(e) Conclua que na letra (c) a largura da mancha de soluto e proporcional `a raiz quadrada do
tempo, desde que o soluto esteja longe o suciente das extremidades do tubo para que a quantidade
perdida para os reservatorios de volume innito nas extremidades seja desprezvel.
2.8 Considere o problema de Neumann
_

_
u
t
= k u
xx
, x (0, l), t > 0
u(x, 0) = f(x), x [0, l]
u
x
(0, t) = g(t), t > 0
u
x
(l, t) = h(t), t > 0
. (2.12)
Do ponto de vista de metodos numericos, a diferenca entre problemas de Dirichlet e Neumann refere-
se somente a qual procedimento tomar com relacao ao calculo da primeira e da ultima colunas nas
tabelas analogas `a tabela 2.1. Uma possibilidade e a de usar uma aproximacao para frente para
aproximar
u
x
(0, t)
u
1,j
u
0,j
x
,
de onde se tem que a primeira coluna da tabela e calculada como u
0,j
= u
1,j
x g(jt), j = 1, 2, . . ..
(a) Utilize a mesma ideia e uma aproximacao para tras e obtenha uma formula para os elementos
u
N,j
da ultima coluna da tabela.
(b) Utilize valores convenientes para x e t e resolva o problema de Neumann homogeneo para
a mesma condicao inicial do exemplo 1 do texto.
(c) Como explicado na secao 2.4, e de se esperar que o erro na solucao numerica de um problema
de Dirichlet pelo metodo la explicado seja O(t) = O((x)
2
). Sera que se pode esperar o mesmo
erro para problemas de Neumann resolvidos da maneira indicada neste problema?
2.9 Em vez de usar a aproximacao para frente (ou para tras) para as derivadas u
x
(0, t) e u
x
(l, t)
em um problema de Neumann, pode-se usar a aproximacao centrada para estas derivadas. Isto exige
20
que sejam introduzidos pontos fantasmasu
1,j
e u
N+1,j
a cada linha na tabela. O valor de u
1,j
e
calculado a partir da aproximacao
u
1,j
u
1,j
2x
u
x
(0, jt) = g(jt) ,
enquanto
u
0,j+1
= (1 2s)u
0,j
+ s(u
1,j
+ u
1,j
) ,
se j = 0, 1, 2, . . ..
(a) Obtenha formulas analogas para u
N+1,j
e u
N,j
.
(b) Resolva o problema de Neumann indicado na letra (b) do problema 2.8 utilizando o esquema
aqui sugerido com os pontos fantasmas.
(c) Dentre o esquema sugerido no problema 2.8 e o presente, qual maneira deve produzir resultados
com o menor erro?
21
Captulo 3
A equacao da onda
3.1 Modelagem
Considere uma corda elastica tracionada de comprimento l e com extremidades xadas. Um exemplo
para ter em mente e o de uma corda de violao ou violino, cujas oscilacoes queremos estudar para
entender o mecanismo de producao do som. Estas cordas tem extremidades xadas a pontos no braco
do instrumento e em sua caixa de ressonancia e as tarrachas utilizadas para anaro instrumento
fornecem a trac ao necessaria. Em nosso modelo, denotaremos por T o valor da forca de tracao
na corda quando em sua posicao de equilbrio, ou seja, quando nao esta produzindo som. Mais
adiante especicaremos melhor a tracao. Denotaremos por a massa por unidade de comprimento,
ou densidade linear, da corda. Iremos desprezar forcas de atrito e a forca da gravidade, esta ultima
quase sempre desprezvel frente a trac ao. Suporemos ainda que cada pequeno trecho da corda se
mova somente na direcao transversal `a corda (hipotese de transversalidade) e que nao se afaste muito
de sua posicao de equilbrio (hipotese de pequenas oscilac oes).
Um modelo discreto para a corda e pensa-la como N 1 partculas, cada uma com massa igual a
x, situadas nas posic oes x = ix, i = 1, 2, . . . , N 1 ao longo da corda. A extremidade esquerda
da corda esta situada em x = 0 e e associada ao ndice i = 0. A extremidade direita e situada em
x = l = Nx. A elasticidade da corda e representada por molas que acoplam cada partcula `as suas
vizinhas, ver gura 3.1.
A equacao da onda sera obtida aplicando-se `as partculas discretasa 2a. lei de Newton da
Mecanica. Da hipotese de transversalidade, a posicao da i-esima massa, localizada em x = ix,
i = 1, 2, . . . , N 1 e especicada pela coordenada transversal u
i
, ver gura 3.2, onde u
i
= 0 signica
x
u
Figura 3.1: Modelo discreto para a corda.
22
u
i-1
u
i
u
i+1
F
i-1
F
i
Figura 3.2: For cas agindo sobre a i-esima partcula.
que a i-esima partcula esta em sua posic ao de equilbrio. Na gura 3.2 mostramos ainda os vetores
forca agindo sobre a partcula i.
Denotamos por F
i1
a forca sobre a partcula i exercida pela partcula i 1 e por F
i
a forca sobre
a partcula i exercida pela partcula i + 1. Denimos
i1
como o angulo de rotac ao anti-horaria
entre o sentido positivo do eixo horizontal e o vetor ligando a partcula i 1 `a i e, semelhantemente,

i
e o angulo no sentido anti-horario entre o sentido positivo do eixo horizontal e o vetor ligando a
partcula i `a i + 1. Para que o movimento da i-esima partcula seja transversal, e necessario que a
resultante na direc ao longitudinal das forcas agindo sobre esta partcula seja nula, ou seja,
F
i1
cos
i1
= F
i
cos
i
. (3.1)
Dito em palavras, a trac ao na corda e independente do ndice i de posic ao ao longo da corda.
A tracao pode em princpio ainda depender do tempo t. Se em um determinado instante todas
as massas estao afastadas da posicao de equilbrio, a corda deve estar mais tracionada que em um
instante em que as massas estao todas proximas `as suas posicoes de equilbrio. Nossa hipotese de
pequenas oscilacoes e de que as amplitudes dos movimentos transversais das partculas sao pequenas
o suciente para que se possa desprezar a variac ao temporal da trac ao na corda. Podemos portanto
identicar ambos os lados de (3.1) com a tracao T constante com relacao a posic ao e tempo.
Analisando agora a componente transversal da forca resultante na partcula i e usando que T =
F
i
cos
i
, i = 1, 2, . . . , N 1, temos (atenc ao aos sinais!) que esta componente vale
F
i1
sen
i1
+ F
i
sen
i
=
T
cos
i1
sen
i1
+
T
cos
i
sen
i
= T (tan
i1
tan
i
) = T
_
u
i+1
u
i
x

u
i
u
i1
x
_
= T
u
i+1
+ u
i1
2u
i
x
.
Pela 2a. lei de Newton, esta componente deve ser igual `a massa x multiplicada pela componente
transversal da acelerac ao
d
2
u
i
dt
2
. Portanto, temos
d
2
u
i
dt
2
=
c
2
(x)
2
(u
i+1
(t) + u
i1
(t) 2u
i
(t)) , (3.2)
23
onde a constante c e, em termos dos parametros fsicos,
c =

. (3.3)
Esta equac ao deve ser comparada `a equac ao diferencial na primeira linha de (2.10), obtida quando
removemos somente a discretizac ao temporal na equacao da difusao discreta (2.5). Observando o
aparecimento de uma discretizac ao de

2
u
x
2
no membro direito de (3.2), a equac ao de movimento da
corda no limite contnuo e portanto

2
u
t
2
= c
2

2
u
x
2
. (3.4)
A equacao (3.4) acima e conhecida como equacao da onda unidimensional. A equacao da onda
(3.4) ou sua versao em mais dimensoes aparece em diversos fenomenos fsicos, sempre associada a
fenomenos ondulatorios, por exemplo, no caso presente, ondas transversais em uma corda elastica
tensionada, ou ainda ondas sonoras ou ondas eletromagneticas. No problema 3.1 daremos uma
justicativa para o nome dado `a equac ao.

E interessante notar uma diferenca entre a deducao da equac ao da difusao (2.6) no captulo 2
e a presente deduc ao de outra EDP importante. Enquanto a primeira vers ao (2.3) que obtivemos
para a equacao da difusao e discreta tanto na posic ao quanto no tempo, no caso presente a primeira
versao para a EDP nal (3.4) foi (3.2), discreta somente na posic ao. Tal diferenca se deve ao fato de
termos usado na deduc ao da equacao da corda vibrante a 2a. lei de Newton, que ja e contnua na
variavel tempo. Mais adiante, iremos discretizar a derivada temporal em (3.2) e obter uma versao
discreta em ambas as variaveis para a equacao da onda. Tal vers ao sera usada, como (2.3) o foi, para
produzir aproximac oes numericas para a soluc ao de problemas com a equac ao da onda.
3.2 Problemas tpicos de equacao da onda
Voltemos ao modelo discretizado de corda. Para determinar a posic ao u
i
(t) da partcula i, temos
que resolver uma EDO de 2a. ordem (3.2). Como esta equacao envolve as posicoes das partculas
vizinhas, ou seja, u
i1
e u
i+1
, trata-se portanto de um sistema de EDOs de 2a. ordem. Condicoes
iniciais para este sistema sao a especicacao da posic ao e da velocidade inicial para cada partcula
da corda discreta, ou seja, u
i
(0) = f(ix) e
du
i
dt
(0) = g(ix), i = 1, 2, . . . , N 1, onde f e g sao
funcoes dadas denidas em [0, l].
Observe ainda que as equacoes (3.2) para os ndices i = 1 e i = N 1 envolvem respectivamente
funcoes u
0
e u
N
. Estas ultimas nao sao func oes incognitas, mas as posic oes das extremidades da corda,
ou seja, u
0
= u
N
= 0 no caso da corda de violao. Em outros problemas poderia ser interessante
estabelecer condic oes u
0
(t) = a(t) e u
N
(t) = b(t) que especiquem como sao movidos os extremos da
corda por um agente externo. Um problema tpico de corda vibrante discretizada e portanto
_

_
d
2
u
i
dt
2
=
c
2
(x)
2
(u
i+1
(t) + u
i1
(t) 2u
i
(t)), i = 1, 2, . . . , N 1
u
i
(0) = f(ix), i = 1, 2, . . . , N 1
du
i
dt
(0) = g(ix), i = 1, 2, . . . , N 1
u
0
(t) = a(t), t > 0
u
N
(t) = b(t), t > 0
, (3.5)
que deve ser comparado com seu analogo (2.10). Devido ao fato de as EDOs neste caso serem de
2a. ordem, temos,com relacao a (2.10), uma condicao inicial a mais para cada EDO.
24
Removendo-se a discretizacao espacial, temos o problema
_

_
u
tt
= c
2
u
xx
, x (0, l), t > 0
u(x, 0) = f(x), x [0, l]
u
t
(x, 0) = g(x), x [0, l]
u(0, t) = a(t), t > 0
u(l, t) = b(t), t > 0
, (3.6)
analogo a (2.7). Em (3.6), a primeira linha e a EDP para o movimento da corda, a segunda e a
terceira linhas sao as condicoes iniciais respectivamente para posic ao e velocidade iniciais de todos
os pontos da corda e as duas ultimas linhas sao condic oes de contorno de Dirichlet para a funcao
incognita u(x, t).
Analogamente ao que foi feito na sec ao 2.3, podemos convencer o leitor de que a soluc ao de
um problema como (3.6) envolve espacos vetoriais de dimensao innita. Para isto, volte `a vers ao
discreta (3.5) do mesmo. No caso em que as condicoes de contorno de Dirichlet sao homogeneas, o
sistema de EDOs e linear e homogeneo. Da teoria geral das EDOs lineares, o conjunto de todas
as soluc oes do sistema obedecendo `as condic oes de Dirichlet homogeneas e um espaco vetorial de
dimensao 2(N1). No caso de condic oes de Dirichlet nao-homogeneas, a solucao geral do sistema de
EDOs sera a soma de uma solucao particular deste com uma combinac ao linear de 2(N1) soluc oes
linearmente independentes do sistema homogeneo. Ao removermos a discretizac ao espacial, N
e e razoavel esperarmos o aparecimento de espacos de dimensao innita e soluc oes dadas com series,
por causa de combinacoes lineares com innitos termos. No problema 3.2, o leitor sera levado a
provar que de fato o conjunto das soluc oes da EDP da onda satisfazendo condicoes homogeneas de
Dirichlet e um espaco vetorial de dimensao innita.
O leitor deve ver que esta mesma linha de raciocnio mostra que tambem a EDP da onda e como
se fosseum sistema de innitas EDOs.
Para encerrar esta secao, mencionamos de passagem que problemas de equac ao da onda com
condicoes de Neumann tambem sao interessantes. Um exemplo deste tipo e o problema da vibracao
de uma coluna de ar dentro de um tubo com ambas as extremidades abertas, como numa auta.
Neste exemplo, u(x, t) esta relacionado `a pressao do ar no ponto x e no instante t e obedece `a equacao
da onda com condic oes de Neumann homogeneas.
3.3 Solucao numerica de problemas de onda
Partindo do problema (3.5) e discretizando da maneira usual (1.7) tambem a derivada com relac ao
`a posicao, obtemos
u
i,j+1
+ u
i,j1
2u
i,j
(t)
2
= c
2
u
i+1,j
+ u
i1,j
2u
i,j
(x)
2
,
analoga a (2.5). Podemos tambem resolve-la para u
i,j+1
, obtendo
u
i,j+1
= (2 2s) u
i,j
+ s (u
i+1,j
+ u
i1,j
) u
i,j1
, (3.7)
onde i = 1, 2, . . . , N 1, j = 1, 2, . . . e agora, no contexto de equacao da onda,
s = c
2
(t)
2
(x)
2
. (3.8)
Como no caso da equacao da difusao, (3.7) pode ser usada como base de um esquema para
aproximar numericamente soluc oes de problemas de Dirichlet para a equacao da onda. Ha algumas
diferencas interessantes com relac ao ao caso da difusao.
25
Primeiramente, devido ao fato de a equac ao da onda ser de segunda ordem no tempo, enquanto a
de difusao e de primeira ordem nesta mesma vari avel, (3.7) somente consegue fornecer a linha j + 1
de uma tabela analoga `a tabela 2.1 a partir das duas linhas anteriores, j e j 1. Em compensac ao,
ha um conjunto de condicoes iniciais a mais.
Em segundo lugar, os erros nas discretizacoes das derivadas que comparecem na equac ao de
onda sao O((t)
2
) e O((x)
2
). Para que o erro na aproximac ao discreta de uma das derivadas nao
prejudique a outra, e razoavel que se tome t = O(x) e portanto s = O(1). Como no caso da
equacao da difusao, e de se esperar que s deva obedecer a alguma condic ao para que o esquema
numerico seja estavel. Esta condicao, provada em [5], e
0 < s 1 . (3.9)
Mais adiante iremos fornecer, como no caso da equac ao da difusao, uma interpretac ao fsicada
condicao de estabilidade acima.
Pelo exposto no pen ultimo paragrafo, para levar adiante a intenc ao de resolver numericamente
problemas ondulatorios com condicoes de Dirichlet (3.6), precisamos comecar uma tabela analoga
`a tabela (2.1) com duas linhas obtidas das duas condicoes iniciais u(x, 0) = f(x) e u
t
(x, 0) = g(x).
Obviamente, a linha j = 0 e dada por
u
i,0
= f(ix) , (3.10)
i = 1, 2, . . . , N1. Uma maneira simples porem ruim para obter a linha j = 1 e usar para a derivada
u
t
(x, 0) uma discretizacao para frente
u
t
(ix, 0)
u
i,1
u
i,0
t
,
a qual usaramos para obter
u
i,1
u
i,0
+ u
t
(ix, 0) t = u
i,0
+ g(ix) t .
De fato, o erro em tal discretizacao e O(t), muito maior que os erros O((t)
2
) = O((x)
2
) que
seriam cometidos na continuac ao. Desta maneira, estaramos, antes mesmo de comecar o problema,
contaminando sua solucao com um erro grande demais, motivo pelo qual esta proposta simples sera
descartada. A situac ao aqui e parecida com a do problema 2.8, onde usamos discretizacoes para
frente e para tras para aproximar condic oes de Neumann em problemas de difusao.
A solucao para este impasse e semelhante `a do problema 2.9. Em vez de usar a aproximacao para
frente, usemos para u
t
(x, 0) a aproxima cao centrada
u
t
(ix, 0)
u
i,1
u
i,1
2t
, (3.11)
na qual o erro cometido e O((t)
2
), como desejado. So que agora temos o problema de denir quem
sao os valores a colocar na linha fantasmacom j = 1. Para isto, usamos u
t
(ix, 0) = g(ix) em
(3.11) para obter
u
i,1
u
i,1
= 2t g(ix) . (3.12)
Isto ainda nao resolve o problema, pois tampouco conhecemos os valores u
i,1
. Uma segunda relac ao
ligando u
i,1
e u
i,1
e obtida extrapolando (3.7) para j = 0. Mais precisamente, temos
u
i,1
+ u
i,1
= (2 2s) u
i,0
+ s (u
i+1,0
+ u
i1,0
)
= (2 2s) f(ix) + s [f((i + 1)x) + f((i 1)x)] . (3.13)
26
0.2 0.4 0.6 0.8 1
x
0.2
0.4
0.6
0.8
1
f HxL
Figura 3.3: Graco da condicao inicial f(x) do exemplo 1. Observe que o pulso esta mais proximo
da extremidade x = 0 da corda do que da extremidade x = 1.
Podemos encarar (3.12) e (3.13) como um sistema de equac oes para obter u
i,1
e u
i,1
. Como nao
nos interessam os valores u
i,1
, assinalamos aqui somente a soluc ao deste sistema para u
i,1
:
u
i,1
= (1 s) f(ix) +
s
2
[f((i + 1)x) + f((i 1)x)] + t g(ix) , (3.14)
i = 1, 2, . . . , N 1.
Conhecendo agora as linhas j = 0 e j = 1 da tabela, dadas respectivamente por (3.10) e (3.14),
podemos complementa-las com as condic oes de contorno
u
0,j
= a(jt)
e
u
N,j
= b(jt) ,
ambas a serem usadas com j = 0, 1, 2, . . . e temos todos os elementos para calcular linha por linha
uma tabela analoga `a tabela 2.1.
Para melhor esclarecer o metodo numerico acima exposto, estudemos dois exemplos.
Exemplo 1 Suponha um problema de Dirichlet (3.6) com c = l = 1, condic oes homogeneas (a(t) =
b(t) 0) e com condic oes iniciais g(t) 0 e
f(x) =
_
1 36(x
5
12
)
2
, se
1
4
x
7
12
0 , se 0 x <
1
4
ou
7
12
< x 1
.
O fato de termos condic oes homogeneas signica que estamos tratando uma corda xa em ambas
extremidades, como uma corda de violao. A condic ao inicial g(x) 0 signica que a corda e esticada
ate uma conformacao inicial u(x, 0) = f(x) e solta com velocidade 0 a partir desta conformac ao,
exatamente como no caso de um violonista que primeiro puxa a corda e depois a solta. Em particular,
a forma do graco da conformac ao inicial f(x) que iremos utilizar e a de um pulso centrado em
x = 5/12 e largura 1/3, ver gura 3.3. Embora a forma do pulso que estamos empregando nao seja
um bom modelo para a maneira como um violonista dedilha uma corda, e interessante investigar o
que acontece na presente situac ao.
27
i 0 1 2 3 4 5 6
j
0 0 0 0,7500 0,7500 0 0 0
1 0 0,2109 0,5391 0,5391 0,2109 0 0
2 0 0,4878 0,1436 0,1436 0,4878 0,1187 0
3 0 0,2966 -0,0583 -0,0583 0,3634 0,3782 0
4 0 -0,2610 -0,0605 -0,0230 0,0101 0,4167 0
Tabela 3.1: Tabela de valores numericos u
i,j
da soluc ao do exemplo 1.
Para ter uma primeira ideia do que acontece e entender o algoritmo numerico, comecemos tomando
x = 1/6 e t = 1/8. Temos ent ao s = 3/4, dentro da condicao de estabilidade. A linha j = 0 da
tabela com os valores aproximados da solucao e obtida atraves da discretizacao da condicao inicial
f(x), ou seja, (3.10), acrescida de dois zeros nas extremidades x = 0 e x = 1 por causa das condic oes
de Dirichlet homogeneas. A linha j = 1 e obtida a partir de (3.14) que, no caso presente, pode ser
reeescrita como
u
i,1
=
1
4
f(ix) +
3
8
[f((i + 1)x) + f((i 1)x)] ,
i = 1, 2, . . . , 5 e complementada pelas condic oes de contorno u
0,1
= u
6,1
= 0. Os demais valores da
tabela sao dados por u
0,j
= u
6,j
= 0, j = 2, 3, . . . e pela aplicacao recursiva de (3.7) que, neste caso,
pode ser reescrita como
u
i,j+1
=
1
2
u
i,j
+
3
4
(u
i+1,j
+ u
i1,j
) u
i,j1
,
onde i = 1, 2, . . . , N 1, j = 1, 2, . . .. Indicamos na tabela 3.1 os valores para a solucao do problema
ate t = 1/2.
Da analise da tabela, podemos ver que o pulso inicial inicialmente se divide em dois pedacos, um
se movendo para a esquerda e outro para a direita. A cristade cada um destes pulsos originados
de pulso original se move a cada intervalo de tempo t. Como o pulso inicial estava mais proximo
da extremidade x = 0, chega primeiro a esta extremidade o pulso que viajou para a esquerda. Na
linha j = 4 encontramos um valor negativo apreciavel para u
1,4
, indicando que aproximadamente em
t = 4t = 1/2 o pulso chegou ate a extremidade esquerda da corda e foi ali reetido, originando o
valor negativo. Ate este instante, o pulso nao havia ainda sido reetido na extremidade x = 1, pois
ainda nao houve tempo suciente para que ali chegasse.
Os resultados parecem bastante em acordo com o que se espera sicamente de um pulso que viaje
em uma corda elastica xa em ambas as extremidades. Observe que o esquema numerico parece
estar levando em conta corretamente a propagacao dos pulsos a velocidades bem determinadas e ate
mesmo o fenomeno de reexao do pulso quando este alcanca uma das extremidades da corda. Iremos
conrmar estas previsoes corretas no proximo exemplo, quando estudarmos o mesmo problema,
usando agora melhores resoluc oes espacial x e temporal t.
Exemplo 2 Voltemos ao mesmo problema do exemplo 1, agora com x = 1/24 e t = 1/32.
Observe que ao melhorarmos a resolucao espacial dividindo o valor de x do exemplo anterior por
um fator 4, a resoluc ao temporal pode ser aumentada pelo mesmo fator e ainda manter a condic ao de
estabilidade. Como visto no captulo anterior, no caso de um problema de difusao, seria necessario
dividir t por 16 para manter a condicao de estabilidade, o que torna problemas de difusao mais
trabalhosos do ponto de vista numerico do que problemas analogos para a equac ao da onda.
28
-1
1
t=1.5
-1
1
t=1.625
-1
1
t=1.75
-1
1
t=1.875
-1
1
t=1.
-1
1
t=1.125
-1
1
t=1.25
-1
1
t=1.375
-1
1
t=0.5
-1
1
t=0.625
-1
1
t=0.75
-1
1
t=0.875
-1
1
t=0
-1
1
t=0.125
-1
1
t=0.25
-1
1
t=0.375
Figura 3.4: Instantaneos de u em funcao de x para varios instantes do tempo relativos ao exemplo
2. Usamos x = 1/24 e t = 1/32.
Apresentamos na gura 3.4 alguns dos resultados dos calculos feito pelo computador para a
solucao do problema. Cada graco nesta gura corresponde a um quadro de um lmedo movimento
da corda, ou seja, um retrato da posic ao de cada ponto da corda, onde os retratos foram tomados a
intervalos de 4t = 0, 125. Observe nesta gura como o pulso inicial se divide em dois pulsos, um
viajando para cada lado, cada um com velocidade constante. Observe ainda as reexoes dos pulsos a
cada vez que chegam a uma das extremidades, com mudanca de orientacao a cada reexao. Observe
ainda a interferencia construtiva entre os dois pulsos em t = 1. Tal gura conrma agrantemente as
conclusoes retiradas do exemplo 1. Sugerimos ao leitor que procure construir seu proprio programa
de computador para reproduzir tal gura e outras analogas.

E ainda interessante apresentar gracos
como os da gura 3.4 como uma gura com animac ao. Isto e relativamente facil de se fazer usando
softwares como Mathematica ou Maple.
3.4 A condicao de estabilidade para a solucao numerica de
problemas com a equacao da onda
Mostramos na subsec ao 2.4.2 que as solucoes numericas aproximadas para a equac ao da difusao
obedecem a um importante requerimento fsico, o princpio do maximo e do mnimo, se e somente
se a condic ao de estabilidade 0 < s 1/2 for satisfeita. Isto nao e uma prova da condic ao de
estabilidade, mas joga alguma luz sobre a existencia de uma condic ao deste tipo.
Apresentamos aqui resultados analogos para a equac ao da onda. O leitor observe primeiramente
que o algoritmo numerico descrito na sec ao anterior propaga a onda de regioes onde u ,= 0 a regioes
onde u = 0 `a taxa maxima de uma unidade de posicao discreta x a cada passagem do tempo
discreto t. Diremos portanto que a velocidade maxima de propagac ao da onda pelo algoritmo
numerico e
x
t
.
29
Por outro lado, como o leitor pode ver na equac ao (3.15) no problema 3.1, as informac oes sao
sicamente transportadas ao longo da corda com velocidade c. O parametro c em (3.4) recebe
portanto a interpretac ao de velocidade com que o meio, por exemplo a corda, transmite informac ao
atraves de ondas. Uma das mais importantes passagens da Fsica foi quando Maxwell conjecturou
que a luz fosse uma onda eletromagnetica, provando que os campos eletricos e magneticos obedecem
a vers oes tridimensionais de (3.4). Em particular, o parametro c na equacao de onda obtida por
Maxwell estava em bom acordo com as medidas da epoca para a velocidade da luz, fornecendo
excelente apoio experimental a sua conjectura. Hoje a conjectura de Maxwell esta amplamente
demonstrada dos pontos de vista experimental e teorico.
Voltando `a estabilidade do algoritmo numerico, para que as soluc oes obtidas atraves do algoritmo
consigam acompanhar a velocidade com que a onda se move, e necessario que a velocidade numerica
x
t
seja pelo menos igual `a velocidade c. Da, segue facilmente que
s = c
2
_
t
x
_
2
1 .
Problemas do captulo 3
3.1 O metodo de DAlembert:
(a) Usando a regra da cadeia para funcoes de varias variaveis, prove que se e sao funcoes
arbitrarias duas vezes diferenciaveis de uma unica variavel, entao
u(x, t) = (x c t) + (x + c t) (3.15)
e sempre solucao da equacao da onda (3.4).
(b) Mais do que isto, vamos mostrar ao leitor agora como provar, usando um metodo devido a
DAlembert, que qualquer solucao da equacao da onda deve ser necessariamente da forma (3.15) para
funcoes convenientes e . Inicialmente, introduza novas variaveis
= x c t (3.16)
= x + c t . (3.17)
Usando a regra da cadeia e supondo que as derivadas parciais de 2a. ordem de u sao contnuas, prove
que em termos das novas variaveis tem-se
u
t
= c (u

) ,
u
x
= u

+ u

,
u
tt
= c
2
(u

+ u

2u

) ,
u
xx
= u

+ u

+ 2u

.
(c) Substituindo as expressoes acima na equacao da onda, prove que nas novas variaveis esta
toma a forma
u

= 0 .
(d) Prove, integrando separadamente com relacao a cada uma das variaveis, que as unicas solucoes
da equacao acima sao da forma () + () para funcoes arbitrarias e .
(e) Observe usando (3.3) que o parametro c na equacao da corda vibrante possui dimensao de
velocidade.
30
(f ) Denindo uma onda como uma forma que viaja pelo espaco com uma velocidade denida sem
alterar seu perl, mostre que a solucao geral (3.15) pode ser interpretada como uma soma de duas
ondas de pers arbitrarios e , uma viajando para a direita com velocidade c e a outra viajando
para a esquerda com a mesma velocidade.
3.2 Considere um problema de Dirichlet homogeneo, ou seja, (3.6) com a(t) = b(t) 0.
(a) Prove que se u
s
(x, t) e solucao do problema homogeneo com f(t) 0 e se u
c
(x, t) e solucao
do mesmo problema com g(t) 0, entao u
s
(x, t) + u
c
(x, t) e solucao do problema homogeneo com f
e g quaisquer.
(b) Prove que o conjunto das funcoes u
s
(x, t) que satisfaz a equacao da onda, as condicoes ho-
mogeneas de Dirichlet e a condicao inicial u(x, 0) = 0 e um espaco vetorial. Da mesma forma,
prove que o conjunto das funcoes u
c
(x, t) que satisfaz a equacao da onda, as condicoes homogeneas
de Dirichlet e a condicao inicial u
t
(x, 0) = 0 e um espaco vetorial.
(c) Calcule as derivadas e mostre diretamente que as funcoes
u
n,s
(x, t) = sen
nct
l
sen
nx
l
,
n = 1, 2, . . . sao solucoes da equacao da onda e satisfazem as condicoes de Dirichlet homogeneas e
tambem a condicao inicial u(x, 0) = 0.
(d) Analogamente, mostre que as funcoes
u
n,c
(x, t) = cos
nct
l
sen
nx
l
,
n = 1, 2, . . . sao solucoes da equacao da onda e satisfazem as condicoes de Dirichlet homogeneas e
tambem a condicao inicial u
t
(x, 0) = 0.
(e) Mostre que tanto o conjunto das funcoes em (c) quanto o das funcoes em (d) sao linearmente
independentes. Portanto, o conjunto das solucoes da equacao da onda satisfazendo as condicoes de
Dirichlet homogeneas e um espaco vetorial de dimensao duplamenteinnita.
Sugestao: Aplicar a sugestao do problema 2.4 separadamente a cada conjunto de solucoes.
3.3 A corda dedilhada.
Suponha que o ponto onde um violonista dedilha a corda esteja a aproximadamente 1/3 de seu
comprimento a partir da extremidade esquerda. Uma boa aproximacao para as condicoes iniciais
usadas por um violonista e entao, na notacao de (3.6),
f(x) =
_
3x , se 0 x
1
3
3
2
(1 x) , se
1
3
< x 1
e
g(x) 0 .
Resolva numericamente o problema de Dirichlet correspondente supondo c = l = 1 e valores apro-
priados para x e t. Nas unidades aqui usadas, qual e aproximadamente a freq uencia do som
produzido pela corda?
3.4 A corda de piano.
Em um piano o som e produzido por cordas xas em ambas as extremidades, como no violao.
Uma grande diferenca e que, em vez de dedilhadas como no problema 3.3, as cordas de um piano
sao percutidas por um martelo. Supondo que o martelo possua 1/10 do comprimento de uma corda e
31
seu centro atinja-a num ponto a distancia 2/5 de seucomprimento a partir da extremidade esquerda,
entao, na notacao de (3.6), boas aproximacoes para as condicoes iniciais sao
f(x) 0
e
g(x) =
_
1 , se
3
20
x
1
4
0 , se 0 x <
3
20
ou
1
4
< x 1
.
Resolva numericamente o problema de Dirichlet correspondente supondo c = l = 1 e valores apro-
priados para x e t. Nas unidades aqui usadas, qual e aproximadamente a freq uencia do som
produzido pela corda?
3.5 Ressonancia
Vamos considerar aqui uma corda com c = l = 1. Em vez de extremos xados, consideremos uma
corda em que o extremo x = 1 e xado, enquanto o extremo x = 0 e movido periodicamente por um
agente externo. Considere que o movimento do extremo esquerdo e dado por uma condicao do tipo
u(0, t) = a(t).
(a) Supondo que a corda inicialmente esta em repouso em sua posicao de equilbrio, especique
todas as condicoes iniciais e de contorno a serem aplicadas.
(b) Suponha que a(t) = sen (t). Calcule o movimento da corda ate t = 10, utilizando x e t
apropriados.
(c) Repita o mesmo, agora com a(t) = 2sen t. Compare a amplitude do movimento da corda ao
nal do intervalo de tempo nos dois casos.
(d) Repita ainda para a(t) = sen (nt), n = 2, 3, . . ..
(e) Observe que movimentos externos com freq uencias apropriadas podem causar movimentos na
corda de grandes amplitudes, enquanto outras freq uencias nao produzem tal efeito. Procure relacionar
este fenomeno com o da ressonancia de um sistema massa-mola sob acao de uma forca externa
periodica, ver por exemplo a secao 3.9 de [1]
3.6 Modos normais ou ondas estacionarias em uma corda com entremos xados.
Suponha por simplicidade que l = 1 e considere uma corda discretizada com passo x =
l
N
e
extremos xados.
(a) Mostre que se, na notacao de (3.6) tivermos f(x) = sen (nx) e g(x) 0, entao teremos, se
j = 0, 1, 2, . . .,
u
i,j
= A
j
sen
ni
N
,
onde A
j
satisfaz a equacao de diferencas
A
j+1
= [2 2s(1 cos
n
N
)] A
j
A
j1
com condic oes iniciais A
0
= 1 e A
1
= 1 s(1 cos
n
N
).
(b) Escolha valores para s, n e N e calcule numericamente os primeiros valores para A
j
. Faca
um graco destes valores.
O resultado da letra (a) mostra que com as condicoes iniciais dadas, em cada instante de tempo
discreto a forma da corda e a mesma forma inicial com uma amplitudeA
j
dependente do tempo
j. Na letra (b) voce deve ter visto que a amplitude oscila no tempo se s obedece a condicao de
estabilidade 0 < s 1. Observe ainda o aparecimento de problemasquando s > 1.
Os movimentos da corda descritos neste problema, em que a corda preserva sua forma todo o
tempo tambem existem no caso contnuo; sao as funcoes u
n,c
que aparecem no problema 3.2. Descubra
quais condi coes iniciais devem ser usadas para que aparecam os analogos discretos das funcoes u
n,s
no mesmo problema?
32
Captulo 4
A equacao de Laplace
4.1 Aplicac oes da equacao de Laplace
Iremos agora tratar uma terceira EDP, a qual aparece em varias aplicacoes. Selecionamos duas das
aplicacoes em que a equac ao de Laplace e importante. Conforme exemplicado pelas duas aplicacoes
a seguir, a equac ao de Laplace modela fenomenos estaticos, independentes do tempo. Desta forma,
nao e de se esperar que os problemas relacionados possuam condic oes iniciais, ao contr ario do que
aconteceu nos casos das equac oes da difusao e da onda. Os problemas modelados pela equac ao de
Laplace sao puramente problemas de valores de contorno e a diferenca entre os varios problemas esta
nos diferentes tipos de condic oes de contorno.
4.1.1 Potencial eletrostatico
Pela lei de Coulomb, o campo eletrico no ponto x R
3
causado por uma carga q localizada num
ponto x
0
e dado por, a menos de uma constante multiplcativa,

E(x) =
q (x x
0
)
[[x x
0
[[
3
. (4.1)
Um calculo simples mostra que o rotacional do campo

E nos pontos x ,= x
0
e nulo.
Por denic ao, o campo eletrico no ponto x causado por um conjunto estatico de cargas estatico
e a soma dos campos eletricos causados por cada uma das cargas. Se C e uma curva fechada em R
3
que nao passa sobre nenhuma das cargas e S e alguma superfcie que tenha C como bordo, o teorema
de Stokes mostra que
_
C

E dr =
_
S
rot

E d

A = 0 ,
e portanto o campo

E e conservativo. Da existe uma funcao , chamada potencial eletrostatico tal
que

E = grad . (4.2)
Em geral, o objetivo dos problemas de eltrostatica e encontrar, dadas informacoes sobre as cargas
que o produzem, calcular o campo eletrico

E. O potencial eltrostatico e portanto uma func ao auxiliar
escalar que, por gradiente (ou seja, derivac ao) permite obter o vetor

E. Como veremos adiante, uma
outra vantagem de se trabalhar com o potencial eletrostatico em vez do campo eletrico, e que o
potencial em muitos casos importantes pode ser obtido como solucao de uma EDP bem conhecida,
a equac ao de Laplace. Vejamos como esta EDP aparece.
33
Calculando o divergente do campo

E dado em (4.1), ve-se facilmente que este e nulo, a nao ser em
x
0
, onde este nao e denido. Se S e uma superfcie fechada orientada com o vetor normal apontando
para o exterior e q a carga total contida no interior de S, pode-se aplicar o teorema de Gauss da
divergencia, tendo-se o cuidado de isolar as singularidades de

E com pequenas bolas centradas nos
pontos onde ha cargas. Obtem-se da que
_
S

E d

A = 4 q , (4.3)
resultado conhecido com lei de Gauss da eletrostatica. Usando-se novamente o teorema da di-
vergencia, chega-se `a chamada forma diferencial da lei de Gauss da eletrostatica
div

E = 4 (x) , (4.4)
onde (x) e a densidade de carga no ponto x.
Substituindo-se (4.2) em (4.4), tem-se nalmente que o potencial eltrostatico e soluc ao da equacao
de Poisson
= 4 , (4.5)
onde
= div grad =

2

x
2
+

2

y
2
+

2

z
2
e chamado o laplaciano da funcao .
1
Se numa regiao de R
3
sabemos que nao existem cargas (portanto 0), a equacao de Poisson
reduz-se `a equac ao de Laplace
= 0 . (4.6)

E claro que se se conhece as posicoes de todas as cargas envolvidas em um problema, o campo

eletrico pode ser encontrado somando-se (ou integrando-se) (4.1) sobre todas as cargas. A equac ao
de Laplace e um instrumento util para o calculo do campo eletrico, atraves do calculo do potencial,
em problemas onde nao se conhecem as posicoes das cargas, mas outras informac oes. Ha 3 problemas
tpicos:
(a) Problema de Dirichlet
Seja R
3
regiao fechada e limitada que nao contenha cargas em seu interior int . Em muitos
casos, o potencial e conhecido nos pontos da fronteira de , por exemplo (x) = f(x),
x , onde f e func ao conhecida. O problema e entao encontrar resolvendo-se a equac ao
de Laplace com condicao de Dirichlet na fronteira:
_
(x) = 0, x int
(x) = f(x), x
. (4.7)
(b) Problema de Neumann
Em alguns problemas conhece-se o valor de

E em e quer-se conhece-lo em int , onde
R
3
e regiao que nao contem cargas. Na verdade, basta conhecer a componente de

E
1
Cabe aqui lembrar que neste texto estamos usando o smbolo com dois signicados completamente distintos.
Ate aqui vnhamos usando quase sempre este smbolo para denotar o passo de discretizacao de uma variavel. Agora
passamos a usa-lo tambem para denotar o operador laplaciano. Uma vez que, devido aos contextos bastante distintos,
ha pouca possibilidade de confusao entre os dois signicados, continuaremos a usar esta notacao ambgua, porem
tradicional.
34
normal `a superfcie , ou seja grad n, onde n e um vetor unitario normal a . Os
problemas de Neumann sao portanto da forma
_
(x) = 0, x int
grad (x) n = g(x), x
, (4.8)
onde g(x) e uma func ao conhecida sobre .
(c) Problemas mistos
Podem aparecer problemas em que se quer encontrar o potencial em int conhecendo-se o
valor de em alguns pontos da fronteira (condicao de Dirichlet) e o valor de grad (x) n nos
demais pontos (condic ao de Neumann).
4.1.2 Soluc oes estacionarias da equacao de difusao
No problema 2.1 o leitor deve ter mostrado que a vers ao multidimensional da equacao da difusao
(2.6) e
u
t
= k u .
Em muitos casos e natural esperar-se que esta equacao possua soluc oes estacionarias, ou seja,
independentes do tempo. Como o primeiro membro na equac ao acima se anula neste caso, entao as
solucoes estacionarias da equacao da difusao sao soluc oes da equac ao de Laplace.
Vimos o aparecimento de solucoes estacionarias da equacao da difusao unidimensional no captulo
2 por exemplo quando as condicoes de contorno sao as homogeneas de Dirichlet. Estas condicoes
representam sicamente o caso em que nas extremidades do tubo estao colocados reservatorios de
volume innito com solucao a concentrac ao nula. Neste caso a concentracao em todos os pontos do
tubo tende a zero quando t . A funcao nula e uma solucao estacionaria da equac ao de Laplace
unidimensional u

(x) = 0. A convergencia da concentra cao nos pontos do tubo para a soluc ao

estacionaria esta ilustrada em um exemplo na gura 2.2.
Soluc oes estacionarias da equac ao da difusao unidimensional possuem pouco interesse, uma vez
que ela e exatamente sol uvel de forma banal. Por isto e que nos interessaremos por soluc oes esta-
cionarias da equacao da difusao em dimensao maior que 1. Por simplicidade, restringir-nos-emos `a
dimensao 2.
Elencamos a seguir os tipos de problemas para os quais e procurar-se soluc oes estacionarias da
equacao da difusao.
(a) Problemas de Dirichlet
No caso bidimensional, um problema de Dirichlet para a equac ao da difusao especica a con-
centrac ao da soluc ao em todos os pontos de uma curva fechada fronteira de uma regiao R
2
.
Gostaramos de encontrar a concentra cao da solucao nos pontos de int dada a concentrac ao
inicial nestes pontos.
De um ponto de vista fsico, podemos pensar que a cada ponto da fronteira esta ligado um
reservat orio de volume innito, cada reservat orio contendo soluc ao a uma determinada con-
centrac ao. Caso a concentrac ao nos reservatorios seja dependente do tempo, e pouco razoavel
que a concentrac ao da soluc ao em int atinja um estado estacionario. Por outro lado, se a
concentrac ao em cada um dos reservat orios for constante, e de se esperar que haja uxo de
soluto entre os reservat orios e int e uma soluc ao estacionaria seja atingida quando t .
Isto e o que acontece por exemplo no caso unidimensional quando os reservat orios possuem
35
solucao a concentrac ao nula e a concentracao em todos os pontos do tubo tende a zero quando
t .
(b) Problemas de Neumann
O leitor pode adaptar os argumentos na subsecao 2.2.2 e provar que o uxo de massa, um
vetor nos casos de dimensao maior que um, e proporcional ao gradiente da concentrac ao. Nos
problemas de Neumann, em vez de especicar a concentrac ao da solucao nos pontos da fronteira,
o que se especica e a componente normal `a fronteira do uxo de soluto em cada ponto desta.
Em alguns casos, torna-se claro que problemas de Neumann para a equacao de Laplace podem
nao ter solucao. Por exemplo, se a componente normal do uxo de massa for de mesmo sinal
em todos os pontos da fronteira, entao temos soluto entrando em todos os pontos ou saindo
em todos os pontos. Em ambos os casos nao e de se esperar que a equacao da difusao possua
solucao estacionaria, uma vez que a concentrac ao deve ou crescer ou decrescer todo o tempo.
(c) Problemas mistos Nestes deseja-se encontrar, caso exista, uma soluc ao estacionaria para a
equacao da difusao especicando-se a concentrac ao em alguns pontos da fronteira e a compo-
nente normal `a fronteira do uxo de massa em outros pontos.
Ou seja, os problemas interessantes de se estudar para a equac ao de Laplace sao exatamente os
mesmos em ambas as aplicac oes.
4.2 A equacao de Laplace discretizada
Iremos estudar aqui a questao de existencia e unicidade de soluc oes para os problemas acima, porem
do ponto de vista da equac ao discretizada. Boa parte do que aqui sera feito pode ser utilizado para
provar teoremas sobre a equacao de Laplace sem discretizac ao. Uma boa abordagem deste topico
pode ser vista em [4].
4.2.1 O laplaciano discreto
Por simplicidade, vamos considerar daqui em diante problemas bidimensionais, sendo x e y, como
usual, as coordenadas cartesianas. Os resultados que virao a seguir sao mais simples se discretizarmos
ambas as coordenadas com o mesmo passo de discretizac ao h = x = y. Usando a discretizac ao
usual (1.7) para a derivada segunda, temos
u(ih, jh)
h
u
i,j
=
1
h
2
(u
i+1,j
+ u
i1,j
+ u
i,j+1
+ u
i,j1
4u
i,j
) , (4.9)
equacao esta que dene o laplaciano discreto
h
u.
Podemos agora provar dois resultados que valem tambem para a equac ao nao discretizada. Em
contraste com o caso nao-discreto, a prova destes resultados para a equac ao discreta e quase trivial.
Teorema 4 (da media) Se u e uma solucao da equacao de Laplace discreta
h
u = 0, entao u
i,j
e a
media aritmetica dos valores de u nos pontos vizinhos mais proximos da rede de discretizacao.
Prova

E so igualar a zero o lado direito de (4.9).
36
Teorema 5 (do maximo e do mnimo) Seja um polgono cujos lados sao paralelos aos eixos
cartesianos e com vertices sobre os pontos da rede de discretizacao e u uma solucao da equacao de
Laplace discretizada denida em . Entao tanto o maximo quanto o mnimo de u em ocorrem em
sua fronteira. Alem do mais, o maximo ou o mnimo ocorrerao tambem em um ponto interior de
somente se u for constante.
Prova Vamos provar o teorema para o caso do maximo. A prova para o mnimo e analoga.
Suponha que o maximo de u ocorra em um ponto do interior de . Como este valor maximo e,
pelo teorema 4, a media aritmetica dos valores vizinhos, nenhum destes valores vizinhos pode ser
menor que o valor maximo. Temos assim um conjunto de 5 pontos vizinhos tais que em todos eles
o valor de u e constante igual ao valor maximo: o ponto original e seus 4 vizinhos. Repetindo o
argumento da media para cada um dos 4 vizinhos que nao esteja na fronteira, apos um n umero nito
de passos teremos mostrado que u e constante.
4.2.2 Problemas de Dirichlet
Quando discutimos problemas de Dirichlet no contexto de solucoes estacionarias da equacao da di-
fusao, armamos que e sicamente intuitivo que problemas de Dirichlet para a equac ao de Laplace
possuam solucao e que esta seja unica. Podemos provar esta armativa no caso da equacao dis-
cretizada. Em [4] prova-se ainda que o resultado vale tambem no caso da equac ao nao-discretizada
e que a soluc ao do problema e o limite das soluc oes discretas quando h 0.
Teorema 6 Seja polgono como no enunciado do teorema 5 e f funcao denida nos pontos da
rede de discretizacao sobre a fronteira de . Entao o problema de Dirichlet discreto
_

h
u
i,j
= 0, (ih, jh) int
u
i,j
= f(ih, jh), (ih, jh) int
(4.10)
possui soluc ao e esta solucao e unica.
Prova Note primeiramente que para cada par (i, j) a equacao
h
u
i,j
= 0 e uma equacao algebrica
linear envolvendo 4 valores de u. Os valores de u em pontos interiores sao incognitas, enquanto
aqueles valores de u nos pontos de sao especicados pela condica ode contorno de Dirichlet.
Portanto a questao de resolver (4.10) e reduzida a uma questao de sistemas de equacoes algebricas
lineares da forma AX = B, onde A e matriz nn, X e B matrizes n1 e n, o n umero de incognitas,
e simplesmente o n umero de pontos interiores de sobre a rede de discretizac ao.
O leitor vericar a facilmente atraves de exemplos que os valores na matriz B sao simplesmente
os valores da funcao f com os sinais trocados. Em particular, no caso de condic ao de Dirichlet
homogenea f 0, tem-se B = 0 e o sistema de equac oes e homogeneo, ou seja AX = 0. A matriz A
e independente da func ao f.
Sabemos que o problema (4.10) tera solucao unica se e somente det A ,= 0. Para provar que
det A ,= 0, basta entao provar que o problema de Dirichlet homogeneo somente possui a solucao
trivial u 0. Isto porem e conseq uencia facil do teorema 5.
De fato, seja u solucao do problema homogeneo. Como u se anula na fronteira e possui maximo
na fronteira, ent ao u
i,j
0 para todo (ih, jh) int . Mas como o mnimo de u tambem esta na
fronteira, ent ao u
i,j
0 para todo (ih, jh) int . Logo u 0.
37
4.2.3 Problemas de Neumann
Seja um polgono como o descrito no enunciado do teorema 5. Seja n
i,j
o vetor unitario normal ao
lado de no ponto (ih, jh) apontando para o exterior de .

E natural denir-se a derivada
normal de u no ponto (ih, jh) como
d
n
u
i,j
=
1
h
(u
i,j
u
(i,j)n
i,j
) , (4.11)
onde (i, j) n
i,j
denota o ponto da rede de discretizac ao mais proximo do ponto (ih, jh) alcancado
quando se caminha no sentido contr ario ao de n
i,j
. O analogo discreto de uma condic ao de Neumann
seria portanto algo da forma
d
n
u
i,j
= f(ih, jh) ,
onde f e uma func ao denida sobre a fronteira de .
Uma primeira propriedade de solucoes de problemas de Neumann para a equac ao de Laplace,
igualmente facil de se provar em problemas discretos ou nao, e que se c e uma constante qualquer e
u uma solucao, entao v = u + c e soluc ao do mesmo problema. De fato, a soma de uma constante
nao altera a nulidade do laplaciano, seja ele discreto ou contnuo. Tampouco v deixa de obedecer `as
condicoes de Neumann, pois elas dependem das derivadas da func ao (ou diferencas entre valores da
funcao em pontos vizinhos), ambas inalteradas com a soma de uma constante. Portanto, quando um
problema de Neumann para a equacao de Laplace possui solucao, esta nunca e unica.
Considere agora uma regiao limitada e suponha que o vetor normal na fronteira de esteja
apontando para o exterior. Considerac oes fsicas nos dao uma ideia de uma condic ao necessaria para
a existencia de soluc ao para problemas de Neumann para a equac ao de Laplace.
Pensando em termos de soluc oes estacionarias de problemas de difusao, e razoavel esperar-se que
uma tal solucao somente seja possvel se o uxo total de soluto atraves da fronteira for nulo. Caso
este uxo total seja negativo (mais soluto entrando em do que saindo), e de se esperar que as
concentracoes crescam indenidamente e, caso positivo, que estas decrescam ate que nao haja mais
soluto na regiao e a condicao de uxo total positivo nao possa mais se manter por falta de soluto.
Como o uxo normal `a fronteira em um ponto desta e proporcional a grad u n, a condic ao e que a
integral de uxo de grad u pela fronteira seja nula.
Pensando em termos eletrostaticos, para que o potencial em seja solucao da equac ao de Laplace
e necessario que a carga total contida em seja nula. Neste caso, a lei de Gauss (4.3) obriga que o
uxo do campo eletrico pela fronteira de seja nulo. Levando em conta que o campo eletrico esta
relacionado ao potencial por (4.2), temos novamente a mesma condicao.
No caso discreto, podemos provar facilmente este resultado.

E interessante notar que na prova
abaixo a identidade (4.14) e uma especie de vers ao discreta do teorema de Green da Analise Vetorial.
Teorema 7 Seja polgono como no enunciado do teorema 5 e f funcao denida nos pontos da
rede de discretizacao sobre a fronteira de . Entao o problema de Neumann discreto
_

h
u
i,j
= 0, (ih, jh) int
d
n
u
i,j
= f(ih, jh), (ih, jh) int
(4.12)
possui soluc ao somente se

(ih,jh)
f(ih, jh) = 0 .
38
Prova Da denic ao (4.9) do laplaciano discreto, tem-se que

h
u
i,j
=
1
h
2

v
(u
i,j
u
(i,j)v
) , (4.13)
onde os vetores v sobre os quais se realiza a soma sao os quatro vetores unitarios paralelos aos eixos
coordenados e a notac ao u
(i,j)v
foi explicada em (4.11).
Vamos somar a equacao acima sobre todos os pares (i, j) tais que (ih, jh) int . Sempre que
tanto o ponto (ih, jh) quanto seu vizinho (ih, jh)+hv estiverem em int , as parcelas correspondentes
`a diferenca dos valores de u nestes pontos irao anular uma `a outra. Logo, quando realizarmos a soma
sobre todos os (ih, jh) int de
h
u
i,j
, as unicas parcelas que sobrarao ao nal sao as relativas a
diferencas entre os valores de u em pontos no interior e seus vizinhos na fronteira. Ou melhor, temos

(ih,jh)int

h
u
i,j
=
1
h

(ih,jh)
d
n
u
i,j
. (4.14)
Se u e soluc ao de (4.12), entao o lado esquerdo na equacao acima e nulo e o lado direito e
1
h

(ih,jh)
f(ih, jh) ,
provando o resultado.
Problemas do captulo 4
4.1 (a) Resolva numericamente o problema de Dirichlet para a equacao de Laplace no quadrado
[0, 1] [0, 1] onde a funcao incognita obedece `a condicao de ser nula nos lados y = 0, x = 0 e x = 1 e
vale 1 no lado y = 1. Use h = 1/4. Observe que, apesar do valor relativamente grande para h, voce
tem que resolver um sistema de 9 equacoes lineares com 9 incognitas!
(b) A solucao exata do problema acima encontrada pelo metodo de separacao de variaveis e
u(x, y) =
4

n=1
1
(2n 1) senh ((2n 1))
sen ((2n 1)x) senh ((2n 1)y) .
Compare a solucao aproximada obtida em (a) com a soma de um bom n umero de termos da solucao
exata. Faca gracos comparativos da solucao exata para valores xos de y e dos valores correspon-
dentes da solucao aproximada.
(c) Repita as letras (a) e (b) para h = 1/10.
(d) Voce percebe como metodos ecientes para a resolucao de sistemas de equacoes lineares sao
importantes?
4.2 Considere o sistema de equacoes lineares AX = B obtido quando se discretiza um problema de
Dirichlet para a equacao de Laplace. Mostre que em cada linha de A aparecem no maximo 5 entradas
nao-nulas. Em outras palavras, repare que quando a dimensao da matriz A e grande, entao a imensa
maioria de seus elementos e nula. Uma matriz deste tipo e chamada esparsa. Procure conhecer em
livros de

Algebra Linear Numerica algoritmos especiais para a solucao de sistemas lineares em que a
matriz dos coecientes e esparsa.
39
Referencias Bibliogracas
[1] W. E. Boyce and R. C. DiPrima. Equacoes Diferenciais Elementares e Problemas de Valores de
Contorno. LTC Editora, Rio de Janeiro, 6a. edicao, 1998.
[2] R. V. Churchill. Series de Fourier e Problemas de Valores de Contorno. Guanabara Dois, Rio
de Janeiro, 2a. edicao, 1978.
[3] D. G. Figueiredo. Analise de Fourier e Equacoes Diferenciais Parciais. Instituto de Matematica
Pura e Aplicada, Rio de Janeiro, 1977.
[4] I. G. Petrovsky. Lectures on Partial Dierential Equations. Dover, New York, 1991.
[5] R. D. Richtmyer and K. W. Morton. Dierence Methods for Initial-Value Problems. Prentice
Hall, Englewood Clis, 2a. edic ao, 1967.
[6] W. A. Strauss. Partial Dierential Equations - An Introduction. John Wiley and Sons, New
York, 1992.
40