Você está na página 1de 162

M

t
o
d
o
s

N
u
m

r
i
c
o
s

A
v
a
n

a
d
o
s

1 Prof. Henrique Mariano C. Amaral
It is necessary to solve
differential equations
(Isaac Newton)
M

t
o
d
o
s

N
u
m

r
i
c
o
s

A
v
a
n

a
d
o
s

2 Prof. Henrique Mariano C. Amaral
Knowing thus the Algorithm
of this calculus, which I call
Differential Calculus, all
differential equations can be
solved by a common method
(Gottfried Wilhelm Leibniz)
M

t
o
d
o
s

N
u
m

r
i
c
o
s

A
v
a
n

a
d
o
s

Mtodo dos Resduos
Ponderados
Aplicao Soluo de Equaes
Diferenciais
Prof. Henrique Mariano C. Amaral 3
M

t
o
d
o
s

N
u
m

r
i
c
o
s

A
v
a
n

a
d
o
s

4 Prof. Henrique Mariano C. Amaral
The best world has the greatest
variety of phenomena regulated by the
simplest laws.
(Leibniz)
M

t
o
d
o
s

N
u
m

r
i
c
o
s

A
v
a
n

a
d
o
s

Mtodos dos Resduos Ponderados
Introduo
So mtodos de aproximao utilizados para resolver
equaes diferenciais. Estes mtodos tm diversos
procedimentos, dentre os quais se destacam
Mtodo Geral,
Mtodo da Colocao,
Mtodo do Subdomnio,
Mtodo dos Mnimos Quadrados,
Mtodo de Galerkin
5 Prof. Henrique Mariano C. Amaral
M

t
o
d
o
s

N
u
m

r
i
c
o
s

A
v
a
n

a
d
o
s

Mtodos dos Resduos Ponderados
Conceitos Bsicos
Seja L um operador de um processo
qualquer, que aplicado a uma funo u, produz
outra funo p, em algum domnio O (espao
onde o operador est definido):


L (u) = p , em O
6 Prof. Henrique Mariano C. Amaral
M

t
o
d
o
s

N
u
m

r
i
c
o
s

A
v
a
n

a
d
o
s

Mtodos dos Resduos Ponderados
Seja um problema representado por um
conjunto de equaes homogneas vlidas no
interior de :

e seja a definio de produto escalar ou interno
de L (u) com outra funo v definido e dado
por:
7 Prof. Henrique Mariano C. Amaral
, u v u vd
0 u
M

t
o
d
o
s

N
u
m

r
i
c
o
s

A
v
a
n

a
d
o
s

Mtodos dos Resduos Ponderados
Pode-se ver que, integrando-se por partes a
expresso anterior, sucessivamente, podemos
eliminar as derivadas de u.
Da anlise linear, sabe-se que tal procedimento
leva a uma forma transposta do produto interno -
com o operador adjunto de L - associado a
termos contendo informao sobre as condies
de contorno :

(1)
8 Prof. Henrique Mariano C. Amaral
* *
( ). . . ( ). ( ) ( ) ( ) ( ) . u v d u v d G v S u G u S v d
M

t
o
d
o
s

N
u
m

r
i
c
o
s

A
v
a
n

a
d
o
s

Mtodos dos Resduos Ponderados
onde a superfcie de contorno de O ; S e G
so operadores diferenciais devido a integrao
por partes e L* o operador adjunto de L.
9 Prof. Henrique Mariano C. Amaral
* *
( ). . . ( ). ( ) ( ) ( ) ( ) . u v d u v d G v S u G u S v d
M

t
o
d
o
s

N
u
m

r
i
c
o
s

A
v
a
n

a
d
o
s

Mtodos dos Resduos Ponderados
Por definio G(v) contm os termos de v
resultantes da primeira fase de integrao
por parte e S(u) os correspondentes termos
em u.
Se L = L* ento L dito auto-adjunto e
neste caso S* = S tambm:
10 Prof. Henrique Mariano C. Amaral
, , u v u v
M

t
o
d
o
s

N
u
m

r
i
c
o
s

A
v
a
n

a
d
o
s

Mtodos dos Resduos Ponderados
A integrao por partes acima conduz
tambm a duas categorias de condies de
contorno:
- o conjunto G(u) prescrito e denominado de
condio de contorno essencial; e
- o conjunto S(u) prescrito e denominado
condio de contorno natural.
11 Prof. Henrique Mariano C. Amaral
M

t
o
d
o
s

N
u
m

r
i
c
o
s

A
v
a
n

a
d
o
s

Mtodos dos Resduos Ponderados
As condies de contorno tipo essencial precisam ser
conhecidas em alguns pontos, a fim de possibilitar
a unicidade da soluo. Sejam
1
e
2
pores
complementares da superfcie total (
1
+
2
=
), ento, para um operador auto-adjunto L, tem-
se:
G(u) prescrito sobre
1
S(u) prescrito sobre
2

Lembrar que, todo operador auto-adjunto positivo-
definido se:

12 Prof. Henrique Mariano C. Amaral
0,
0, 0
L u ud u
L u ud u
M

t
o
d
o
s

N
u
m

r
i
c
o
s

A
v
a
n

a
d
o
s

Mtodos dos Resduos Ponderados
Para determinar se L positivo-definido
podemos integrar o produto interno por partes at
ele conter derivadas de uma mesma ordem. Essa
operao fundamental na transformao de L em
L*
Deve-se ter sempre em mente que a propriedade de
positividade definida extremamente importante
para o estabelecimento de esquemas de soluo e
tambm na construo de procedimentos
variacionais.
13 Prof. Henrique Mariano C. Amaral
M

t
o
d
o
s

N
u
m

r
i
c
o
s

A
v
a
n

a
d
o
s

Exemplos
Prof. Henrique Mariano C. Amaral 14
M

t
o
d
o
s

N
u
m

r
i
c
o
s

A
v
a
n

a
d
o
s

15 Prof. Henrique Mariano C. Amaral
Mtodos dos Resduos Ponderados
1. Propriedades anlogas a auto-adjunto e
positivo-definido em operadores L tambm pode
ser definida para as matrizes; estas
propriedades so respectivamente simetria e
positivo-definida.
Lembrando: uma matriz dita simtrica se A
= A
T
ou ainda (y, Ax)=(x, Ay) e
dita positivo-definida se x
T
Ax > 0 , x e
x
T
Ax=0 x=0.
M

t
o
d
o
s

N
u
m

r
i
c
o
s

A
v
a
n

a
d
o
s

16 Prof. Henrique Mariano C. Amaral
Mtodos dos Resduos Ponderados
2. Mostre que o operador

L = - d
2
/dx
2


auto-adjunto e positivo definido no
intervalo [0,1].
M

t
o
d
o
s

N
u
m

r
i
c
o
s

A
v
a
n

a
d
o
s

17 Prof. Henrique Mariano C. Amaral
Mtodos dos Resduos Ponderados
Sejam u e duas funes quaisquer, ento




que comparando com (1)(pag 7) vemos que L auto-
adjunto. Note que:
G(u) = u S(u) = -du/dx
G(v) = v S(v) = -dv/dx e S = S* .
1 1 1
2
2
0
0 0
1 1 1
2
2
0 0
0
*
( (u).v) =
( ) ( ) ( ) ( ) .
d u du du dv
vdx v
dx dx dx dx
du dv d v
v u udx
dx dx dx
L v u G v S u G u S v d
M

t
o
d
o
s

N
u
m

r
i
c
o
s

A
v
a
n

a
d
o
s

18 Prof. Henrique Mariano C. Amaral
Mtodos dos Resduos Ponderados
A condio de contorno essencial
u prescrito;
e a condio de contorno natural
du/dx prescrito.
Se u = v e condies de contorno homogneas
ver-se- que L positivo-definida.
M

t
o
d
o
s

N
u
m

r
i
c
o
s

A
v
a
n

a
d
o
s

19 Prof. Henrique Mariano C. Amaral
Mtodos dos Resduos Ponderados
3. Investigue as propriedades do operador .
Seja v uma funo auxiliar qualquer, ento o
produto interno :


integrando por parte a expresso acima, quatro
vezes, tem-se:
1 1
4
4
0 0
(u)vdx=
d u
vdx
dx
1 1 1 1
1 1
3 2 2 3 4
3 2 2 3 4
0 0 0 0 0 0
d d
(u)vdx= v
u dv d u d v du v d v
u udx
dx dx dx dx dx dx dx
4
4
0 , 1
d u
u
dx
M

t
o
d
o
s

N
u
m

r
i
c
o
s

A
v
a
n

a
d
o
s

20 Prof. Henrique Mariano C. Amaral
Mtodos dos Resduos Ponderados
Colocando a expresso anterior na
forma de (1)(slide 7) v-se que


logo, as condies de contorno essenciais
so:
G
1
(u) = u e G
2
(u) = du/dx prescritas
e as condies de contorno naturais so:
S
1
(u) = d
3
u/dx
3
e S
2
(u) = d
2
u/dx
2
prescritas.
1 1
1 1
*
1 1 2 2 2 2 1 1
0 0
0 0
(u)vdx= ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) v udx G v S u G v S u S v G u S v G u
M

t
o
d
o
s

N
u
m

r
i
c
o
s

A
v
a
n

a
d
o
s

21 Prof. Henrique Mariano C. Amaral
Mtodos dos Resduos Ponderados
Admite-se ser o operador
*(.) = d
4
(.)/dx
4
= L(.) auto-adjunto.
Agora colocando u = v, e fazendo as
condies de contorno homogneas, obtm-
se:

que mostra ser o operador em questo
positivo-definido.
2
1 1
2
2
0 0
(u)udx= 0
d u
dx
dx
M

t
o
d
o
s

N
u
m

r
i
c
o
s

A
v
a
n

a
d
o
s

22 Prof. Henrique Mariano C. Amaral
Mtodos dos Resduos Ponderados
Isto , para que
L(u) > 0
para toda e qualquer funo u, precisa-se
que se restrinja no mnimo
[u(0)=u(1)=0]
ou [u(0)=0 ou [u(1)=du/dx=0] ] .
M

t
o
d
o
s

N
u
m

r
i
c
o
s

A
v
a
n

a
d
o
s

Mtodos dos Resduos
Ponderados
Mtodo Geral
Prof. Henrique Mariano C. Amaral 23
M

t
o
d
o
s

N
u
m

r
i
c
o
s

A
v
a
n

a
d
o
s

Mtodos dos Resduos Ponderados
Mtodo Geral
Os mtodos dos resduos ponderados so
procedimentos numricos para a soluo de um
conjunto de equaes diferenciveis da forma:
L (u
0
) = p em O (1)
com as seguintes condies de contorno:
essencial: G(u
0
) = g sobre
1
e natural: S(u
0
) = q sobre
2
(2)
com
1
+
2
= sendo a superfcie externa do
domnio O, e u
0
a soluo exata.
24 Prof. Henrique Mariano C. Amaral
M

t
o
d
o
s

N
u
m

r
i
c
o
s

A
v
a
n

a
d
o
s

Mtodos dos Resduos Ponderados
A funo u
0
primeiramente aproximada
por funes
k
(x), tal que
u =
k=1,n

k

k
(3)
onde
k
so parmetros indeterminados e
k

so funes linearmente independentes,
retiradas de uma seqncia completa de funes
{
1
,
2
,...,
n
}.
25 Prof. Henrique Mariano C. Amaral
M

t
o
d
o
s

N
u
m

r
i
c
o
s

A
v
a
n

a
d
o
s

Mtodos dos Resduos Ponderados
As funes linearmente independentes e
completas {
1
,
2
,...,
n
} so usualmente
escolhidas de forma que satisfaam certas
condies, denominadas de condies de
admissibilidade, relacionando as condies de
contorno e o grau de continuidade.
26 Prof. Henrique Mariano C. Amaral
M

t
o
d
o
s

N
u
m

r
i
c
o
s

A
v
a
n

a
d
o
s

Mtodos dos Resduos Ponderados
Lembrar que uma seqncia de funes
linearmente independentes dita completa se um
nmero N e um conjunto de constantes
i
podem
ser achados tal que, dada uma admissibilidade e
uma funo arbitrria u
0
, tem-se:
(4)

onde a quantidade uma quantidade to
pequena quanto se queira.
27 Prof. Henrique Mariano C. Amaral
0
1
N
i i
i
u x j b
M

t
o
d
o
s

N
u
m

r
i
c
o
s

A
v
a
n

a
d
o
s

Mtodos dos Resduos Ponderados
As funes para o problema (1) tem que
satisfazer as condies (2) e devem ter
necessariamente um grau de continuidade
suficiente para fazer o lado esquerdo de (2)
diferente de zero.
28 Prof. Henrique Mariano C. Amaral
M

t
o
d
o
s

N
u
m

r
i
c
o
s

A
v
a
n

a
d
o
s

Mtodos dos Resduos Ponderados
Substituindo (3) em (1) determina-se uma
funo erro , chamada de residual, isto :
= L (u) - p = 0 (5)
Note que igual a zero para a soluo
exata mas no para uma soluo aproximada.
29 Prof. Henrique Mariano C. Amaral
M

t
o
d
o
s

N
u
m

r
i
c
o
s

A
v
a
n

a
d
o
s

Mtodos dos Resduos Ponderados
O residual forado a zero, no sentido mdio,
isto , em mdia, por intermdio de um
procedimento de zerar a integral ponderada do
residual:
}
i
dx = 0, para i=1,2,..., n (6)
onde
i
um conjunto de funes de
ponderao, as quais so, tambm, parte de um
conjunto completo e linearmente independente.
30 Prof. Henrique Mariano C. Amaral
M

t
o
d
o
s

N
u
m

r
i
c
o
s

A
v
a
n

a
d
o
s

Mtodos dos Resduos Ponderados
Assim procedendo, a soluo converge para
a soluo exata, com o aumento do nmero
de termos adotados.
31 Prof. Henrique Mariano C. Amaral
M

t
o
d
o
s

N
u
m

r
i
c
o
s

A
v
a
n

a
d
o
s

Mtodos dos Resduos Ponderados
Quando um ZERO realmente um ZERO?
Em nossa teoria = L (u) - p = 0 , mas se
deseja encontrar uma funo u que faa com
que
ou em outras palavras, quando u
0
(sol. exata)
igual, numericamente, a u (sol
aproximada)?
32 Prof. Henrique Mariano C. Amaral
0
1
0
N
i i
i
u N x j b b
M

t
o
d
o
s

N
u
m

r
i
c
o
s

A
v
a
n

a
d
o
s

Mtodos dos Resduos Ponderados
Se sabe que se u
0
um mnimo de uma funcional
J e soluo de L (u)=p ento u tambm o ser
devido a norma induzida em L
2
:

Na linguagem da teoria das medidas, elas s
podem diferir de uma funo de medida de
Lebesgue nula, isto , u
0
e u devem ser funes
de uma mesma classe de equivalncia, com
33 Prof. Henrique Mariano C. Amaral
0
u u b
0
0 u u
M

t
o
d
o
s

N
u
m

r
i
c
o
s

A
v
a
n

a
d
o
s

Exemplo
NOTA: bom lembrar que um
conjunto infinito de funes ortogonais
no necessariamente completo, isto ,
pode-se ter um nmero infinito de
funes mas a soluo no converge
para a soluo exata.

Prof. Henrique Mariano C. Amaral 34
M

t
o
d
o
s

N
u
m

r
i
c
o
s

A
v
a
n

a
d
o
s

35 Prof. Henrique Mariano C. Amaral
Mtodos dos Resduos Ponderados
Seja o seguinte conjunto de funes
k

= sen ktx/l , para k=1,2,... e seja a
soluo


A soluo escrita como est no
permite que se reproduza a soluo u
= const. Muito embora seja o
conjunto LI, mas o conjunto
completo.
1
k k
k
u x j
M

t
o
d
o
s

N
u
m

r
i
c
o
s

A
v
a
n

a
d
o
s

36 Prof. Henrique Mariano C. Amaral
Mtodos dos Resduos Ponderados
Se a possibilidade de u ser constante
existe, ento h necessidade de se ter na
soluo um termo que permita
reproduzir a soluo desejada. Assim

Este exemplo ilustra a dificuldade que se
tem em estabelecer a completude de um
dado conjunto de funes.
0
1
1
k k
k
u a x j
M

t
o
d
o
s

N
u
m

r
i
c
o
s

A
v
a
n

a
d
o
s

Mtodos dos Resduos Ponderados
A seguir ser apresentado alguns mtodos
baseados na idia de ortogonalizao. Neles, as
funes de ponderao so escolhidas de modos
diferentes. Considerar-se-, em princpio,
apenas operadores auto-adjuntos e positivo-
definidos por questes de simplicidade de
apresentao dos mtodos, mas os mesmos se
aplicam a operadores de tipos mais gerais, o que
ser visto posteriormente.
37 Prof. Henrique Mariano C. Amaral
M

t
o
d
o
s

N
u
m

r
i
c
o
s

A
v
a
n

a
d
o
s

Mtodo dos Momentos
Prof. Henrique Mariano C. Amaral 38
M

t
o
d
o
s

N
u
m

r
i
c
o
s

A
v
a
n

a
d
o
s

Mtodo dos Momentos
Mtodo dos Momentos
Como j mencionado anteriormente, as funes
de ponderao
i
podem ser diferentes das
funes de aproximao
i
e qualquer conjunto
de funes linearmente independente e
completo pode ser usado.
Uma escolha simples o conjunto LI e
completo:
1, x, x
2
, x
3
, ...
para problemas unidimensionais.
39 Prof. Henrique Mariano C. Amaral
M

t
o
d
o
s

N
u
m

r
i
c
o
s

A
v
a
n

a
d
o
s

Mtodo dos Momentos
Dessa forma, sucessivos momentos de ordem crescente
do residual so forados a zero assim:
}
j
dx =}(L(u) - p)
j
dx = 0
u =
i

i

j
= x
j
, para j=0,1,2,...
A tcnica acima denominada de Mtodo dos
Momentos, devido ao tipo de escolha feita para as
funes de ponderao. Se qualquer outro conjunto for
escolhido para as funes de ponderao no ser mais
o Mtodo dos momentos, mas apenas um mtodo de
resduo ponderado.
40 Prof. Henrique Mariano C. Amaral
M

t
o
d
o
s

N
u
m

r
i
c
o
s

A
v
a
n

a
d
o
s

Exemplo
Prof. Henrique Mariano C. Amaral 41
M

t
o
d
o
s

N
u
m

r
i
c
o
s

A
v
a
n

a
d
o
s

42 Prof. Henrique Mariano C. Amaral
Mtodo dos Momentos
Seja = L(u) - p = (d
2
u/dx
2
) + u + x = 0
em O, sendo O = (0,1), com as seguintes
condies de contorno: u(0) = u(1) = 0.
Seja a seguinte aproximao para a soluo:
u = x(1-x)(
1
+
2
x +
3
x
2
+ ....)
que satisfaz as condies de contorno
dadas. Para efeito de clculo considerar-se-
apenas os dois primeiros termos em ,
isto :
u = x(1-x)(
1
+
2
x)
M

t
o
d
o
s

N
u
m

r
i
c
o
s

A
v
a
n

a
d
o
s

43 Prof. Henrique Mariano C. Amaral
Mtodo dos Momentos
Logo a funo residual ser:
=L(u)-p = x+(-2+-x
2
)
1
+(2-6x+x
2
-x
3
)
2

Fazendo agora a ortogonalizao do residual em
relao s funes de ponderao 1 e x, tem-se
respectivamente:
}
[0,1]
.1 dx = 0
}
[0,1]
.x dx = 0
Ou integrando se tem
1 2
1 2
11 11 1
6 12 2
11 19 1
12 20 3
x x
x x
M

t
o
d
o
s

N
u
m

r
i
c
o
s

A
v
a
n

a
d
o
s

44 Prof. Henrique Mariano C. Amaral
Mtodo dos Momentos
O sistema obtido integrando, colocado na forma
matricial fica:


cuja soluo :

1
= 122/649 e
2
= 110/649
Assim a funo soluo aproximada

A soluo exata do problema posto

1
2
11 11 1
6 12 2
*
1 11 19
3 12 20
x
x
1
1 122 110
649
u x x x
sin
sin 1
exata
x
u x x
M

t
o
d
o
s

N
u
m

r
i
c
o
s

A
v
a
n

a
d
o
s

45 Prof. Henrique Mariano C. Amaral
Mtodo dos Momentos
ue x ( )
sin x ( )
sin 1 ( )
x := u x ( ) x 1 x ( )
1
649
|

\
|
|
.
122 110 x + ( ) :=
0 0.2 0.4 0.6 0.8
0
0.01
0.02
0.03
0.04
0.05
0.06
0.07
0.08
ue x ( )
u x ( )
x
Comparao
entre a
soluo
exata e a
soluo
aproximada
M

t
o
d
o
s

N
u
m

r
i
c
o
s

A
v
a
n

a
d
o
s

Mtodo da Colocao
Prof. Henrique Mariano C. Amaral 46
M

t
o
d
o
s

N
u
m

r
i
c
o
s

A
v
a
n

a
d
o
s

Mtodo da Colocao
Este mtodo consiste em anular a funo residual em
uma srie de pontos escolhidos dentro do domnio de
integrao do problema. Deve-se notar que esses
pontos so usualmente, mas no necessariamente,
distribudos no domnio.
Seja ento a seguinte funo de aproximao:
u =
k

k

onde
k
satisfaz as condies de contorno.
47 Prof. Henrique Mariano C. Amaral
M

t
o
d
o
s

N
u
m

r
i
c
o
s

A
v
a
n

a
d
o
s

Mtodo da Colocao
Seja agora determinar os valores de
k
, forando
a condio:
= L (u) - p = 0
em n pontos do domnio. Note que o nmero de
constantes
k
tem que ser igual ao nmero de
pontos de colocao escolhidos.
Seja
k
a funo delta de Dirac, funo que
igual a zero se xx
k
, e
quando c 0
48 Prof. Henrique Mariano C. Amaral
( ) 1
k
k
x c
k
x c
x dx
M

t
o
d
o
s

N
u
m

r
i
c
o
s

A
v
a
n

a
d
o
s

Mtodo da Colocao
Dessa forma, se pode escrever o mtodo
da colocao como uma tcnica de
resduos ponderados:
49 Prof. Henrique Mariano C. Amaral
0 1, 2, ,
k
dx k n e
M

t
o
d
o
s

N
u
m

r
i
c
o
s

A
v
a
n

a
d
o
s

Exemplo
Mtodo da Colocao
Prof. Henrique Mariano C. Amaral 50
M

t
o
d
o
s

N
u
m

r
i
c
o
s

A
v
a
n

a
d
o
s

51 Prof. Henrique Mariano C. Amaral
Mtodo da Colocao
Problema 1
Seja resolver a equao diferencial
(d
2
u/dx
2
) - 4u - 4x = 0, em [0,1].
Considere primeiramente
um ponto de colocao em x=0,5, e
posteriormente dois pontos de colocao em
x=0,25 e x=0,5.

M

t
o
d
o
s

N
u
m

r
i
c
o
s

A
v
a
n

a
d
o
s

52 Prof. Henrique Mariano C. Amaral
Mtodo da Colocao
Soluo
a) Seja u
1
= (x-x
2
) funo admissvel
tirada do conjunto admissvel {(x
i
-x
i+1
)},
que so LI. Usando u
1
e fazendo
x=0,5
=0
tem-se:
|
x=0,5
= {[-2-4(x-x
2
)] - 4x}|
x=0,5
= 0
resolvendo encontra-se = -2/3, logo
u
1
= -(2/3)(x-x
2
)

M

t
o
d
o
s

N
u
m

r
i
c
o
s

A
v
a
n

a
d
o
s

53 Prof. Henrique Mariano C. Amaral
Mtodo da Colocao
b) Seja agora u
2
=
1
(x-x
2
)+
2
(x
2
-x
3
) .
Fazendo
x=0,25
=0 e
x=0,5
=0, tem-se

1
= -0,41975 e
2
=-0,49382
logo
u
2
= -0,41975(x-x
2
) - 0,49382(x
2
-x
3
)
que mostra que a soluo aproximada, neste
mtodo, depende dos pontos de colocao.
M

t
o
d
o
s

N
u
m

r
i
c
o
s

A
v
a
n

a
d
o
s

54 Prof. Henrique Mariano C. Amaral
Mtodo da Colocao
0 0.5 1
0.2
0.15
0.1
0.05
0
u1 x ( )
u2 x ( )
x
u1 x ( )
2
3
x x
2

( )
:=
u2 x ( ) 0.41975 x x
2

( )
0.49382 x
2
x
3

( )
:=
M

t
o
d
o
s

N
u
m

r
i
c
o
s

A
v
a
n

a
d
o
s

55 Prof. Henrique Mariano C. Amaral
Mtodo da Colocao
2. Seja resolver a seguinte equao
diferencial de Poisson:

2
u/x
2
+
2
u/y
2
= p
com as seguintes condies de contorno:
u = 0 em x=a e y=b.
-a a
-b
b
M

t
o
d
o
s

N
u
m

r
i
c
o
s

A
v
a
n

a
d
o
s

56 Prof. Henrique Mariano C. Amaral
Mtodo da Colocao
Seja a seguinte funo de aproximao:
u = (x
2
-a
2
)(y
2
-b
2
)[
1
+
2
(x
2
+y
2
)+...]
que geral. Para simplificar o exemplo, seja
considerar apenas o primeiro termo da soma, e
uma regio quadrada a = b. Dessa forma, tem-
se:
u
1
=
1
(x
2
-a
2
)(y
2
-a
2
)
logo
= L(u
1
) - p = 2{(y
2
-a
2
)+(x
2
-a
2
)}
1
- p
M

t
o
d
o
s

N
u
m

r
i
c
o
s

A
v
a
n

a
d
o
s

57 Prof. Henrique Mariano C. Amaral
Mtodo da Colocao
Fazendo |
x=0,y=0
=0 , obtm-se
1
= - p/4a
2
e a
funo de aproximao:
u
1
= -(p/4a
2
) (x
2
-a
2
)(y
2
-a
2
)
Seja agora
u
2
= (x
2
-a
2
)(y
2
-a
2
)[
1
+
2
(x
2
+y
2
)] .
Fazendo |
x=0,y=0
=0 e |
x=y=a/2
=0
encontra-se:
1
= -(19/60)(p/a
2
)
e
2
= -(1/15)(p/a
4
)
logo
2 2 2 2 2 2
2
2 2
1 19 1
15 4
p
u x a y b x y
a a
M

t
o
d
o
s

N
u
m

r
i
c
o
s

A
v
a
n

a
d
o
s

58 Prof. Henrique Mariano C. Amaral
Mtodo da Colocao
A B
M

t
o
d
o
s

N
u
m

r
i
c
o
s

A
v
a
n

a
d
o
s

Mtodo das Sub-
Regies
Prof. Henrique Mariano C. Amaral 59
M

t
o
d
o
s

N
u
m

r
i
c
o
s

A
v
a
n

a
d
o
s

Mtodo das Sub-Regies
Mtodo das Sub-Regies
Este mtodo similar ao mtodo da colocao
descrito anteriormente, mas aqui em vez de zerar
a funo erro em determinados pontos, procura-
se zerar a funo residual sobre pequenas regies
do domnio, isto , divide-se o domnio em
pequenas regies, anulando a integral do erro
sobre cada regio:
60 Prof. Henrique Mariano C. Amaral
0,
i
i i
d e
M

t
o
d
o
s

N
u
m

r
i
c
o
s

A
v
a
n

a
d
o
s

Exemplo
Mtodo das Sub-Regies
Prof. Henrique Mariano C. Amaral 61
M

t
o
d
o
s

N
u
m

r
i
c
o
s

A
v
a
n

a
d
o
s

62 Prof. Henrique Mariano C. Amaral
Mtodo das Sub-Regies
Seja resolver

dividindo o domnio em duas regies
{0s x s 1/2}
e {1/2 s x s 1}.
2
2
4 4 0, 0,1
d u
u x
dx
M

t
o
d
o
s

N
u
m

r
i
c
o
s

A
v
a
n

a
d
o
s

63 Prof. Henrique Mariano C. Amaral
Mtodo das Sub-Regies
Seja
Zerando a integral do resduo em cada sub-
regio, tem-se:
2 2 3
1 1 2
u x x x x x x
1 2 1 2
2 3 2
1 2
0 0
4 4 2 4 4 6 2 4 0 dx x x x x x x dx e x x
1 1
2 3 2
1 2
1 2 1 2
4 4 2 4 4 6 2 4 0 dx x x x x x x dx e x x
M

t
o
d
o
s

N
u
m

r
i
c
o
s

A
v
a
n

a
d
o
s

64 Prof. Henrique Mariano C. Amaral
Mtodo das Sub-Regies
que resolvendo, encontra-se:



Logo a funo de aproximao :

1 2
0.44230; 0.61538 x x
2 2 3
1
0.44230 0.61538 u x x x x
M

t
o
d
o
s

N
u
m

r
i
c
o
s

A
v
a
n

a
d
o
s

Mtodo dos Mnimos
Quadrados
Prof. Henrique Mariano C. Amaral 65
M

t
o
d
o
s

N
u
m

r
i
c
o
s

A
v
a
n

a
d
o
s

Mtodo dos Mnimos Quadrados
Neste mtodo, as funes de ponderao so
escolhidas como sendo:

onde so funes LI e parte de um conjunto
completo. Seja ento , sendo uma
funo aproximao de , com

logo o residual ser:
66 Prof. Henrique Mariano C. Amaral
i i
y f
i
f
u p
1
u
u
1 i i
u x f
1
u p e
M

t
o
d
o
s

N
u
m

r
i
c
o
s

A
v
a
n

a
d
o
s

Mtodo dos Mnimos Quadrados
Como devemos ter o produto interno entre o
residual e as funes de ponderao, no
domnio zeradas, tem-se:

como as funes , substituindo na
expresso acima, e resolvendo vem:

67 Prof. Henrique Mariano C. Amaral
1
, , ,
, , 0
i i i i i
i i i i
u p p
p
e y y x f f
x f f f
i i
y f
, 0
i i
d e y ey
M

t
o
d
o
s

N
u
m

r
i
c
o
s

A
v
a
n

a
d
o
s

Mtodo dos Mnimos Quadrados
Como

tem-se:

68 Prof. Henrique Mariano C. Amaral

2
,
i i i i i
d f f f f f
2
, 0, 1, 2, ,
i i i
p i n x f f
M

t
o
d
o
s

N
u
m

r
i
c
o
s

A
v
a
n

a
d
o
s

Exemplo
Mtodo dos Mnimos Quadrados
Prof. Henrique Mariano C. Amaral 69
M

t
o
d
o
s

N
u
m

r
i
c
o
s

A
v
a
n

a
d
o
s

70 Prof. Henrique Mariano C. Amaral
Mtodo dos Mnimos Quadrados
Resolver


Soluo:
Seja u1 =
1
(x-x
2
) +
2
(x
2
-x
3
),
onde
1
=
1
(x-x
2
) e
2
=
2
(x
2
-x
3
), logo

2
2
4 4 0, 0, 1
d
u x x
dx
2
1 1 1
2
2 2 2
, 0
, 0
p
p
x f f
x f f
M

t
o
d
o
s

N
u
m

r
i
c
o
s

A
v
a
n

a
d
o
s

71 Prof. Henrique Mariano C. Amaral
Mtodo dos Mnimos Quadrados
cuja soluo :

1
= -110/101 e
2
= -399/449
e
2 2 3
1
110 399
101 449
u x x x x
M

t
o
d
o
s

N
u
m

r
i
c
o
s

A
v
a
n

a
d
o
s

Mtodo dos Resduos Ponderados
Prof. Henrique Mariano C.
Amaral 72
M

t
o
d
o
s

N
u
m

r
i
c
o
s

A
v
a
n

a
d
o
s

73 Prof. Henrique Mariano C. Amaral
M

t
o
d
o
s

N
u
m

r
i
c
o
s

A
v
a
n

a
d
o
s

Mtodos dos Resduos
Ponderados
Mtodo de Galerkin
Prof. Henrique Mariano C. Amaral 74
M

t
o
d
o
s

N
u
m

r
i
c
o
s

A
v
a
n

a
d
o
s

Mtodo de Galerkin
O Mtodo de Galerkin um caso particular do
mtodo dos resduos ponderados, no qual as
funes de ponderao so as mesmas que as
funes de aproximao
75 Prof. Henrique Mariano C. Amaral
i
y
i
f
M

t
o
d
o
s

N
u
m

r
i
c
o
s

A
v
a
n

a
d
o
s

Mtodo de Galerkin
Este mtodo aproxima a soluo de um dado
conjunto de equaes diferenciais e de suas
condies de contorno pela substituio nelas de
uma ou mais funes de verificao, as quais, em
princpio, satisfazem s condies de contorno.
76 Prof. Henrique Mariano C. Amaral
M

t
o
d
o
s

N
u
m

r
i
c
o
s

A
v
a
n

a
d
o
s

Mtodo de Galerkin
Como as funes de verificao so, em geral,
diferentes da soluo exata, o conjunto das
equaes produz alguns resduos. Esses resduos
so ento ponderados pelos modos de soluo
aproximada e feitos iguais a zero, sobre o
domnio. (Ver Teorema de Lax-Milgram para o
critrio de convergncia) .
77 Prof. Henrique Mariano C. Amaral
M

t
o
d
o
s

N
u
m

r
i
c
o
s

A
v
a
n

a
d
o
s

Mtodo de Galerkin
Seja ento, o sistema de equaes:


com as condies de contorno essenciais e
naturais sobre , onde
. podem ser operadores
diferenciveis, integrais, integro-diferenciveis,
etc.
78 Prof. Henrique Mariano C. Amaral
1
0 u p e
; u g u q
, ,
M

t
o
d
o
s

N
u
m

r
i
c
o
s

A
v
a
n

a
d
o
s

Mtodo de Galerkin
Seja uma funo de aproximao que
satisfaz as condies de contorno e
formado pela combinao de funes
pertencentes a um conjunto linearmente
independente e completo:

79 Prof. Henrique Mariano C. Amaral
1
u
i
f
1
1
n
i i
i
u x f
M

t
o
d
o
s

N
u
m

r
i
c
o
s

A
v
a
n

a
d
o
s

Mtodo de Galerkin
80 Prof. Henrique Mariano C. Amaral
que deve ser ortogonalizado com relao
mesma funo de aproximao
1
1
n
i i
i
u p p e x f
k
f
, 0, 1, 2, ,
k k
d k n e f ef
com resduo
isto :

M

t
o
d
o
s

N
u
m

r
i
c
o
s

A
v
a
n

a
d
o
s

Mtodo de Galerkin
81 Prof. Henrique Mariano C. Amaral
Se o operador linear, a equao acima
produz um sistema de equaes lineares do qual
se pode obter os coeficientes
k
a
,
, , 1, 2, ,
k i k
k
d
p d i k n
e f f f
f
p x A

ou na forma matricial
M

t
o
d
o
s

N
u
m

r
i
c
o
s

A
v
a
n

a
d
o
s

Mtodo de Galerkin
claro que a funo de aproximao u
1
pertence
ao espao gerado pelas funes .
Dessa forma, o Teorema de Lax-Milgram
estabelece o critrio de convergncia do
processo.
Antes de enuncia-lo, precisa-se definir o que
um operador diferencial limitado e um operador
diferencial coercivo.
82 Prof. Henrique Mariano C. Amaral
i
f
M

t
o
d
o
s

N
u
m

r
i
c
o
s

A
v
a
n

a
d
o
s

Mtodo de Galerkin
83 Prof. Henrique Mariano C. Amaral
Um operador diferencial linear L dito ser
limitado:
Se existe um > 0 tal que:
1 2
2
, , ,
,
v w v w v w
v v v v
d
M

t
o
d
o
s

N
u
m

r
i
c
o
s

A
v
a
n

a
d
o
s

Mtodo de Galerkin
84 Prof. Henrique Mariano C. Amaral
Um operador diferencial linear L dito ser
coercivo:
Se existe um > 0 tal que:
2
, ,
H
L v v v v k
2
1 2
2
, ,
,
v v v v
v v v v
k
M

t
o
d
o
s

N
u
m

r
i
c
o
s

A
v
a
n

a
d
o
s

Mtodo de Galerkin
85 Prof. Henrique Mariano C. Amaral
Teorema de Lax-Milgram:
Seja L um operador diferencial linear,
limitado e coercivo, e seja V um subespao
linear de H. Ento existe um nico u
1

pertencente a V tal que
1
, 0, u p v v
E mais,
1 0
inf : u u v u v
d
f
k
Onde arbitrrio e u uma soluo
fraca de L(u)=p com x em H().
0
f
M

t
o
d
o
s

N
u
m

r
i
c
o
s

A
v
a
n

a
d
o
s

Mtodo de Galerkin
86 Prof. Henrique Mariano C. Amaral
A inequao que aparece no teorema de Lax-
Milgram muitas vezes chamada de Lema
de Ca:
1 0
inf : u u v u v
d
f
k
M

t
o
d
o
s

N
u
m

r
i
c
o
s

A
v
a
n

a
d
o
s

Mtodo de Galerkin
Exemplos
Prof. Henrique Mariano C. Amaral 87
M

t
o
d
o
s

N
u
m

r
i
c
o
s

A
v
a
n

a
d
o
s

88 Prof. Henrique Mariano C. Amaral
Mtodo de Galerkin
2
2
0
d u
u x
dx
0 1 0 u u
Exemplo
1. Resolver a equao
em [0,1] e com as condies
M

t
o
d
o
s

N
u
m

r
i
c
o
s

A
v
a
n

a
d
o
s

89 Prof. Henrique Mariano C. Amaral
Mtodo de Galerkin
* 2
1 2 3
1 u x x x x a a a
1 1 2
1 u x x x a a
Soluo
Como a funo de aproximao tem que
satisfazer as condies de contorno, tem-se:
Seja como primeira aproximao
M

t
o
d
o
s

N
u
m

r
i
c
o
s

A
v
a
n

a
d
o
s

90 Prof. Henrique Mariano C. Amaral
Mtodo de Galerkin
1
0
1
2
2
. 0
1
1
k
dx u p
x x
com
x x
e f e
f
f
1 1
1
0 0
1 1
2
2
0 0
. . . 1 0
. . . 1 0
dx x x dx
dx x x dx
e f e
e f e
onde
logo
M

t
o
d
o
s

N
u
m

r
i
c
o
s

A
v
a
n

a
d
o
s

91 Prof. Henrique Mariano C. Amaral
Mtodo de Galerkin
1
2
71
;
369
7
;
41
a
a
1
71 7
1
369 41
u x x x
Integrando, encontra-se
que gera
Cuja soluo exata :
sin
sin 1
x
y x x
M

t
o
d
o
s

N
u
m

r
i
c
o
s

A
v
a
n

a
d
o
s

92 Prof. Henrique Mariano C. Amaral
Mtodo de Galerkin
0 0.2 0.4 0.6 0.8
0
0.02
0.04
0.06
0.08
y x ( )
y2 x ( )
yg x ( )
x


Soluo pelo Mtodo dos
Momentos y2:
Soluo pelo Mtodo de
Galerkin yg:
Soluo Exata:
sin
sin 1
x
y x x
1
71 7
1
369 41
u x x x
1
1 122 110
649
u x x x
M

t
o
d
o
s

N
u
m

r
i
c
o
s

A
v
a
n

a
d
o
s

93 Prof. Henrique Mariano C. Amaral
Mtodo de Galerkin
x
0
0.05
0.1
0.15
0.2
0.25
0.3
0.35
0.4
0.45
0.5
0.55
0.6
0.65
0.7
0.75
= y2 x ( )
0
9.33210
-3
0.018
0.027
0.036
0.043
0.05
0.056
0.061
0.065
0.068
0.07
0.07
0.068
0.064
0.059
= yg x ( )
0
9.54510
-3
0.019
0.028
0.036
0.044
0.051
0.057
0.063
0.067
0.069
0.071
0.071
0.069
0.066
0.06
= y x ( )
0
9.39510
-3
0.019
0.028
0.036
0.044
0.051
0.057
0.063
0.067
0.07
0.071
0.071
0.069
0.066
0.06
=
M

t
o
d
o
s

N
u
m

r
i
c
o
s

A
v
a
n

a
d
o
s

94 Prof. Henrique Mariano C. Amaral
.
Soluo:
Para mostrar o mtodo aplicando diversos conjuntos
apresentar-se- uma soluo polinomial e depois outra
trigonomtrica.
Mtodo de Galerkin
2
u p
0 u a u a u b u b
, , b b a a
i
f
2. Encontrar uma soluo para a equao de Poisson
com as seguintes condies de contorno:
em uma regio retangular
M

t
o
d
o
s

N
u
m

r
i
c
o
s

A
v
a
n

a
d
o
s

95 Prof. Henrique Mariano C. Amaral
Mtodo de Galerkin
2 2 2 2
u x a y b a
2 2 2 2
u x a y b d da
2 2 2 2 2
2 2 u p y b x a p e a a
2
, . 0, 1, 2, ,
. . . 0
k k
a b a b
k
a b a b
d k n
d udxdy u p udxdy
e f e f
e f e d d
Seja
ento
e
logo
M

t
o
d
o
s

N
u
m

r
i
c
o
s

A
v
a
n

a
d
o
s

96 Prof. Henrique Mariano C. Amaral
substituindo
na expresso anterior, sabendo-se que

Mtodo de Galerkin
u
1
u f
2 2 2 2 2 2 2 2
2 2 . 0
a b
a b
y b x a p y b x a dxdy a a a
2 2
5
8
p
a b
a
e integrando, obtm-se
M

t
o
d
o
s

N
u
m

r
i
c
o
s

A
v
a
n

a
d
o
s

97 Prof. Henrique Mariano C. Amaral
Mtodo de Galerkin
2 2 2 2
2 2
5
8
p
u y b x a
a b
logo
M

t
o
d
o
s

N
u
m

r
i
c
o
s

A
v
a
n

a
d
o
s

98 Prof. Henrique Mariano C. Amaral
Mtodo de Galerkin
cos cos
2
jk
k j
k x j y
u
a b
p p
a
cos cos
2 2
a
jk
a
k x j y
a
a b
p p
d
Seja agora
funo que satisfaz as condies de
contorno e pertence a um conjunto LI, isto :

M

t
o
d
o
s

N
u
m

r
i
c
o
s

A
v
a
n

a
d
o
s

99 Prof. Henrique Mariano C. Amaral
ento o produto interno
Mtodo de Galerkin
cos cos
2 2
k
k x j y
a b
p p
f
, 0 e f
2
0 u p d f f
Fazendo
ou seja

M

t
o
d
o
s

N
u
m

r
i
c
o
s

A
v
a
n

a
d
o
s

100 Prof. Henrique Mariano C. Amaral
Mtodo de Galerkin
2 2
4 2 2 2 2
64
kj
a b p
kj k b j a
a
p
2 2
4 2 2 2 2
64
. cos cos
2 2
. .
k j
a b p k x j y
u
a b
k j k b j b
p p
p
Substituindo as expresses das funes
dadas, integrando e resolvendo tem-se:
logo, a soluo espectral procurada :
M

t
o
d
o
s

N
u
m

r
i
c
o
s

A
v
a
n

a
d
o
s

Mtodo de Galerkin
Importncia e Surpresa
Prof. Henrique Mariano C. Amaral 101
M

t
o
d
o
s

N
u
m

r
i
c
o
s

A
v
a
n

a
d
o
s

Mtodo de Galerkin
102 Prof. Henrique Mariano C. Amaral
Muitas vezes se tem equaes do tipo



Que um problema de valor inicial, e onde
uma constante real e positiva. A soluo
do problema acima :
0
, 0,1
0
u t u t t
u u
l
0
t
u t u e
l
M

t
o
d
o
s

N
u
m

r
i
c
o
s

A
v
a
n

a
d
o
s

Mtodo de Galerkin
103 Prof. Henrique Mariano C. Amaral
Sabe-se que, quase sempre, aproximaes
polinomiais para u so adotadas, como por
exemplo polinmios de Taylor ou polinmios
interpoladores; mas estes exigem o
conhecimento de u ou de suas derivadas
em determinados pontos do intervalo (0,
1].
M

t
o
d
o
s

N
u
m

r
i
c
o
s

A
v
a
n

a
d
o
s

Mtodo de Galerkin
104 Prof. Henrique Mariano C. Amaral
O que se precisa ento determinar uma
aproximao, podendo ser polinomial, para
u usando apenas as informaes que u
resolve a equao diferencial especificada e
tem um valor especifico num determinado
ponto.
M

t
o
d
o
s

N
u
m

r
i
c
o
s

A
v
a
n

a
d
o
s

Mtodo de Galerkin
105 Prof. Henrique Mariano C. Amaral
Aqui entra o Mtodo de Galerkin. Assim
escolhendo {
i
}={t
i
} como base, pode-se
escrever a soluo como:


Onde a parte desconhecida de U est num
subespao H
0
(n)
de H
(n)
consistindo de
funes em H
(n)
que so nulas em t=0, isto
,
0
1
n
i
i
i
U t u t x
0
: , 0 0
n n
H f f H f
M

t
o
d
o
s

N
u
m

r
i
c
o
s

A
v
a
n

a
d
o
s

Mtodo de Galerkin
106 Prof. Henrique Mariano C. Amaral
Ento o residual do problema proposto, de
acordo com o Mtodo de Galerkin :
1
0
0
0,
n
i i i
d U t U t dt H ef l f f
Levando o valor da funo U na expresso
acima, lembrando que {
j
}={
j
}={t
j
}, se
tem
1
1
0
1 1
0
0, 0,1
n n
i i j
i i
i i
i t u t t dt t x l l x
M

t
o
d
o
s

N
u
m

r
i
c
o
s

A
v
a
n

a
d
o
s

Mtodo de Galerkin
107 Prof. Henrique Mariano C. Amaral
Realizando as operaes necessrias e
transferindo para o lado direito os termos
envolvendo os dados iniciais, se tem:
1 1 1
1
0
1 1
0 0 0
, 1, 2, ,
n n
j i j i j
i i
i i
i t dt t dt u t dt j n x l x l
Realizando as integrais, se tem:
0
1
, 1, 2, ,
1 1
n
i
i
i
u j n
i j i j j
l l
x
M

t
o
d
o
s

N
u
m

r
i
c
o
s

A
v
a
n

a
d
o
s

Mtodo de Galerkin
108 Prof. Henrique Mariano C. Amaral
A expresso anterior um sistema de
equaes n x n que tem soluo nica, se e
somente se, a matriz dos coeficientes A=(a
ij
)
for inversvel e onde
, , 1, 2, ,
1
ij
i
a i j n
i j i j
l
Para o caso de n=3 e u
0
= = 1, se encontra
2 3
1 1.03448 0.38793 0.301724 U t t t t
M

t
o
d
o
s

N
u
m

r
i
c
o
s

A
v
a
n

a
d
o
s

Mtodo de Galerkin
u0 1 := 1 :=
u t ( ) u0 e
t
:= U t ( ) 1 1.03448t + 0.38793t
2
+ 0.301793t
3
+ :=
0 0.2 0.4 0.6 0.8
1
1.5
2
2.5
3
u t ( )
U t ( )
t
109 Prof. Henrique Mariano C. Amaral
M

t
o
d
o
s

N
u
m

r
i
c
o
s

A
v
a
n

a
d
o
s

Mtodo de Galerkin
E t ( ) u t ( ) U t ( ) :=
0 0.2 0.4 0.6 0.8
0.006
0.004
0.002
0
E t ( )
t
110 Prof. Henrique Mariano C. Amaral
Erros pontuais
M

t
o
d
o
s

N
u
m

r
i
c
o
s

A
v
a
n

a
d
o
s

Mtodo de Galerkin
111 Prof. Henrique Mariano C. Amaral
Com o intuito de simular a preciso da
soluo achada para n = 3, seja agora n
variar de 4 at 9, novas solues.
Procedendo com os passos, determina-se um
sistema n x n, como j afirmado
anteriormente, devido a discretizao da
equao diferencial. Esses sistemas,
provenientes de discretizao de ED so
muito grandes (da ordem de milhares) que
nos foram a resolv-los numericamente
utilizando, por exemplo, o mtodo de
eliminao de Gauss.
M

t
o
d
o
s

N
u
m

r
i
c
o
s

A
v
a
n

a
d
o
s

Mtodo de Galerkin
112 Prof. Henrique Mariano C. Amaral
Utilizando uma ferramenta de manipulao
simblica MathCad determinou-se os
coeficientes
i
, cujos valores achados foram:
M

t
o
d
o
s

N
u
m

r
i
c
o
s

A
v
a
n

a
d
o
s

Mtodo de Galerkin
X
0.997074
0.516091
0.131071
0.073727
|

\
|
|
|
|
|
.
=
0 0.2 0.4 0.6 0.8
1
1.5
2
2.5
3
Soluco EXATA x APROXIMADA
u t ( )
ue t ( )
t
0 0.2 0.4 0.6 0.8
0
1
.
10
4
2
.
10
4
3
.
10
4
4
.
10
4
Erro emtre Soluo EXATA e APROXIMADA
z t ( )
t
A
0.166667
0.083333
0.05
0.033333
0.416667
0.3
0.233333
0.190476
0.55
0.433333
0.357143
0.303571
0.633333
0.52381
0.446429
0.388889
|

\
|
|
|
|
|
.
=
A 3.203773 10
8
=
Prof. Henrique Mariano C. Amaral
113 N=4
M

t
o
d
o
s

N
u
m

r
i
c
o
s

A
v
a
n

a
d
o
s

Mtodo de Galerkin
X
1.000189
0.49844
0.172028
0.033082
0.014556
|

\
|
|
|
|
|
|
.
=
0 0.2 0.4 0.6 0.8
1
1.5
2
2.5
3
Soluco EXATA x APROXIMADA
u t ( )
ue t ( )
t
0 0.2 0.4 0.6 0.8
1.5
.
10
5
1
.
10
5
5
.
10
6
Erro emtre Soluo EXATA e APROXIMADA
z t ( )
t
A
0.166667
0.083333
0.05
0.033333
0.02381
0.416667
0.3
0.233333
0.190476
0.160714
0.55
0.433333
0.357143
0.303571
0.263889
0.633333
0.52381
0.446429
0.388889
0.344444
0.690476
0.589286
0.513889
0.455556
0.409091
|

\
|
|
|
|
|
|
.
=
A 1.022116 10
12
=
Prof. Henrique Mariano C. Amaral
114 N=5
M

t
o
d
o
s

N
u
m

r
i
c
o
s

A
v
a
n

a
d
o
s

Mtodo de Galerkin
X
0.99999
0.500113
0.166116
0.043
6.658083 10
3

2.404308 10
3

\
|
|
|
|
|
|
|
|
|
.
=
0 0.2 0.4 0.6 0.8
1
1.5
2
2.5
3
Soluco EXATA x APROXIMADA
u t ( )
ue t ( )
t
0 0.2 0.4 0.6 0.8
0
2
.
10
7
4
.
10
7
Erro emtre Soluo EXATA e APROXIMADA
z t ( )
t
A
0.166667
0.083333
0.05
0.033333
0.02381
0.017857
0.416667
0.3
0.233333
0.190476
0.160714
0.138889
0.55
0.433333
0.357143
0.303571
0.263889
0.233333
0.633333
0.52381
0.446429
0.388889
0.344444
0.309091
0.690476
0.589286
0.513889
0.455556
0.409091
0.371212
0.732143
0.638889
0.566667
0.509091
0.462121
0.423077
|

\
|
|
|
|
|
|
|
|
.
=
A
1
4.139102 10
17
=
Prof. Henrique Mariano C. Amaral
115
A 0.00000000 10
0
=
N=6
M

t
o
d
o
s

N
u
m

r
i
c
o
s

A
v
a
n

a
d
o
s

Mtodo de Galerkin
X
1
0.499994
0.166709
0.041524
8.598805 10
3

1.11466 10
3

3.412225 10
4

\
|
|
|
|
|
|
|
|
|
|
|
.
=
0 0.2 0.4 0.6 0.8
1
1.5
2
2.5
3
Soluco EXATA x APROXIMADA
u t ( )
ue t ( )
t
0 0.2 0.4 0.6 0.8
2
.
10
8
1.5
.
10
8
1
.
10
8
5
.
10
9
0
Erro emtre Soluo EXATA e APROXIMADA
z t ( )
t
A
0.166667
0.083333
0.05
0.033333
0.02381
0.017857
0.013889
0.416667
0.3
0.233333
0.190476
0.160714
0.138889
0.122222
0.55
0.433333
0.357143
0.303571
0.263889
0.233333
0.209091
0.633333
0.52381
0.446429
0.388889
0.344444
0.309091
0.280303
0.690476
0.589286
0.513889
0.455556
0.409091
0.371212
0.339744
0.732143
0.638889
0.566667
0.509091
0.462121
0.423077
0.39011
0.763889
0.677778
0.609091
0.55303
0.50641
0.467033
0.433333
|

\
|
|
|
|
|
|
|
|
|
.
=
A 0.00000000 10
0
=
Prof. Henrique Mariano C. Amaral
116
A
1
2.421678 10
24
=
N=7
M

t
o
d
o
s

N
u
m

r
i
c
o
s

A
v
a
n

a
d
o
s

Mtodo de Galerkin
X
1
0.5
0.166664
0.041678
8.30432 10
3

1.432915 10
3

1.597745 10
4

4.243908 10
5

\
|
|
|
|
|
|
|
|
|
|
|
|
|
.
=
0 0.2 0.4 0.6 0.8
1
1.5
2
2.5
3
Soluco EXATA x APROXIMADA
u t ( )
ue t ( )
t
0 0.2 0.4 0.6 0.8
1.5
.
10
9
1
.
10
9
5
.
10
10
0
Erro emtre Soluo EXATA e APROXIMADA
z t ( )
t
A
0.166667
0.083333
0.05
0.033333
0.02381
0.017857
0.013889
0.011111
0.416667
0.3
0.233333
0.190476
0.160714
0.138889
0.122222
0.109091
0.55
0.433333
0.357143
0.303571
0.263889
0.233333
0.209091
0.189394
0.633333
0.52381
0.446429
0.388889
0.344444
0.309091
0.280303
0.25641
0.690476
0.589286
0.513889
0.455556
0.409091
0.371212
0.339744
0.313187
0.732143
0.638889
0.566667
0.509091
0.462121
0.423077
0.39011
0.361905
0.763889
0.677778
0.609091
0.55303
0.50641
0.467033
0.433333
0.404167
0.788889
0.709091
0.643939
0.589744
0.543956
0.504762
0.470833
0.441176
|

\
|
|
|
|
|
|
|
|
|
|
|
.
=
A 0.00000000 10
0
=
A
1
1.995568 10
32
=
Prof. Henrique Mariano C. Amaral
117 N=8
M

t
o
d
o
s

N
u
m

r
i
c
o
s

A
v
a
n

a
d
o
s

Mtodo de Galerkin
X
1
0.5
0.166668
0.041665
8.334519 10
3

1.387478 10
3

2.01923 10
4

2.094026 10
5

4.566347 10
6

\
|
|
|
|
|
|
|
|
|
|
|
|
|
|
.
=
0 0.2 0.4 0.6 0.8
1
1.5
2
2.5
3
Soluco EXATA x APROXIMADA
u t ( )
ue t ( )
t
0 0.2 0.4 0.6 0.8
2.5
.
10
8
2
.
10
8
1.5
.
10
8
1
.
10
8
5
.
10
9
Erro emtre Soluo EXATA e APROXIMADA
z t ( )
t
A
0.166667
0.083333
0.05
0.033333
0.02381
0.017857
0.013889
0.011111
9.090909 10
3

0.416667
0.3
0.233333
0.190476
0.160714
0.138889
0.122222
0.109091
0.098485
0.55
0.433333
0.357143
0.303571
0.263889
0.233333
0.209091
0.189394
0.173077
0.633333
0.52381
0.446429
0.388889
0.344444
0.309091
0.280303
0.25641
0.236264
0.690476
0.589286
0.513889
0.455556
0.409091
0.371212
0.339744
0.313187
0.290476
0.732143
0.638889
0.566667
0.509091
0.462121
0.423077
0.39011
0.361905
0.3375
0.763889
0.677778
0.609091
0.55303
0.50641
0.467033
0.433333
0.404167
0.378676
0.788889
0.709091
0.643939
0.589744
0.543956
0.504762
0.470833
0.441176
0.415033
0.809091
0.734848
0.673077
0.620879
0.57619
0.5375
0.503676
0.473856
0.447368
|

\
|
|
|
|
|
|
|
|
|
|
|
|
|
.
= B
0.5
0.333333
0.25
0.2
0.166667
0.142857
0.125
0.111111
0.1
|

\
|
|
|
|
|
|
|
|
|
|
|
|
.
=
A 0.00000000 10
0
= A
1
2.349389 10
41
=
Prof. Henrique Mariano C. Amaral
118 N=9
M

t
o
d
o
s

N
u
m

r
i
c
o
s

A
v
a
n

a
d
o
s

Mtodo de Galerkin
119 Prof. Henrique Mariano C. Amaral
Parece tudo certo, mas pode-se verificar
que a partir de N = 6, o determinante da
matriz de coeficientes praticamente nulo, o
que provoca instabilidade numrica da
soluo, provocando mal-condicionamento do
sistema de equaes.
Esse mal-condicionamento devido a
similaridade entre as ltimas linhas da matriz
de coeficientes, provocadas pelas funes de
base de alta ordem, {x
8
, x
9
, ... }
M

t
o
d
o
s

N
u
m

r
i
c
o
s

A
v
a
n

a
d
o
s

Mtodo de Galerkin
120 Prof. Henrique Mariano C. Amaral
Utilizando uma ferramenta de manipulao
numrica Matlab ou Octave a
determinao dos coeficientes
i

numericamente, por mtodos que no
garantam a minimizao da norma
euclidiana do vetor de erro residual da
equao,
pode ser encontrada uma soluo mal-
condicionada, como a mostrada a seguir:
b Ax e
M

t
o
d
o
s

N
u
m

r
i
c
o
s

A
v
a
n

a
d
o
s

Mtodo de Galerkin
0
t
u t u e
l
1 1 t +
1
2
t
2
+
1
6
t
3
+
1
24
t
4
+
1
120
t
5
+
1
720
t
6
+
1
5040
t
7
+
1
40320
t
8
+
1
362880
t
9
+ O t
10
( )
+
121 Prof. Henrique Mariano C. Amaral
Como se sabe que a soluo exata :
Desenvolvendo-a em srie, fazendo u
0
= 1
se tem:
Fazendo =1, se tem os seguintes
coeficientes exatos da serie:
M

t
o
d
o
s

N
u
m

r
i
c
o
s

A
v
a
n

a
d
o
s

Mtodo de Galerkin
122 Prof. Henrique Mariano C. Amaral
152.72
3432.6
32163.2
157267.8
441485.8
737459.5
723830.3
385203.7
85733.4
Soluo Aproximada Soluo Exata
1.0000000
0.5000000
0.1666667
0.0426667
0.0083333
0.0013889
0.0001984
0.0000248
0.000002756
M

t
o
d
o
s

N
u
m

r
i
c
o
s

A
v
a
n

a
d
o
s

Mtodo de Galerkin
123 Prof. Henrique Mariano C. Amaral
Esses erros so provenientes tambm do
fato que os computadores armazenam
nmeros reais com uma quantidade finita de
algarismos ou dgitos.
Em geral, os sistemas de equaes lineares
obtidos da discretizao de equaes
diferenciais tendem a ser mal-condicionados,
quando se refina a malha.
M

t
o
d
o
s

N
u
m

r
i
c
o
s

A
v
a
n

a
d
o
s

Mtodo de Galerkin
124 Prof. Henrique Mariano C. Amaral
Isso compreensvel, pelo fato de que o
refinamento da discretizao e o aumento da
preciso da aproximao fazem com que o
clculo do erro residual seja plenamente
influenciado pela preciso finito do
computador em uso.
Alm disso, o mal-condicionamento
bastante influenciado pela prpria equao
diferencial e pela escolha das funes de
ponderao e das funes geradoras do
espao de soluo.
M

t
o
d
o
s

N
u
m

r
i
c
o
s

A
v
a
n

a
d
o
s

Mtodo de Galerkin
125 Prof. Henrique Mariano C. Amaral
As funes geradoras do espao de
soluo na forma de monmios, como
utilizado em nosso caso, levam sempre a um
mal-condicionamento devido a similaridade
dos mesmos quando o grau aumenta.
Isso devido ao fato de que monmios
no so uma base ortogonal.
M

t
o
d
o
s

N
u
m

r
i
c
o
s

A
v
a
n

a
d
o
s

Mtodo de Galerkin
126 Prof. Henrique Mariano C. Amaral
Em geral, para melhorar o resultado e
reduzir os efeitos do mal-condicionamento,
deve-se usar funes ortogonais tanto para a
base do espao de solues quanto para as
funes de ponderao.
Um exemplo so os polinmios de
Legendre, assim definidos:
0
1
2 1
1 1 , 1
!
i
i i
i
i
i
x
i d
x x x i n
i dx
j
j
M

t
o
d
o
s

N
u
m

r
i
c
o
s

A
v
a
n

a
d
o
s

Mtodo de Galerkin
127 Prof. Henrique Mariano C. Amaral
Os polinmios de Legendre formam uma
base ortogonal para o espao dos
polinmios em (0 , 1), P
n
(0,1), com relao
ao produto interno euclidiano.
Seu uso, apesar de complicar os clculos,
minimizam os efeitos do aumento de
preciso e do refinamento da malha.
Uma outra alternativa usar polinmios
contnuos por partes.
M

t
o
d
o
s

N
u
m

r
i
c
o
s

A
v
a
n

a
d
o
s

Mtodo de Galerkin
Uso de Polinmios
Contnuos por Partes
Prof. Henrique Mariano C. Amaral 128
M

t
o
d
o
s

N
u
m

r
i
c
o
s

A
v
a
n

a
d
o
s

Mtodo de Galerkin
129 Prof. Henrique Mariano C. Amaral
Para estudar o Mtodo de Galerkin com
polinmios contnuos por parte, considerar-
se- o modelo bsico da conduo de calor
estacionrio, e ento formular-se- o mtodo
dos elementos finitos baseado em
aproximaes lineares por partes.
M

t
o
d
o
s

N
u
m

r
i
c
o
s

A
v
a
n

a
d
o
s

Mtodo de Galerkin
130 Prof. Henrique Mariano C. Amaral
Para o modelo de conduo de calor, seja um
fio ocupando o intervalo [0, 1] que
aquecido por uma fonte de calor com
intensidade f(x).
Assim, se estar interessado na distribuio
estacionria de temperatura T(x) no fio.
M

t
o
d
o
s

N
u
m

r
i
c
o
s

A
v
a
n

a
d
o
s

Mtodo de Galerkin
131 Prof. Henrique Mariano C. Amaral
Seja q(x) o fluxo de calor na direo positiva
do eixo dos x no fio de forma que 0 < x < 1.
A Lei de Conservao de Energia, no
caso estacionrio, requer que o fluxo de
calor lquido nos extremos de um sub-
intervalo arbitrrio (x
1
, x
2
) de (0, 1) seja igual
ao calor produzido em (x
1
, x
2
) por unidade de
tempo:
2
1
2 1
x
x
q x q x f x dx
M

t
o
d
o
s

N
u
m

r
i
c
o
s

A
v
a
n

a
d
o
s

Mtodo de Galerkin
132 Prof. Henrique Mariano C. Amaral
Do Teorema Fundamental do Clculo se
tem:
2
1
2 1
x
x
x
q x q x q x dx
Donde se pode concluir que:
2 2
1 1
x x
x
x x
q x dx f x dx
E como o intervalo (x1, x2) arbitrrio, ento
, 0, 1
x
q x f x x
M

t
o
d
o
s

N
u
m

r
i
c
o
s

A
v
a
n

a
d
o
s

Mtodo de Galerkin
133 Prof. Henrique Mariano C. Amaral
A igualdade anterior expressa a equao
diferencial da conservao de energia.
O que se precisa agora algo que relacione o
fluxo de calor q com o gradiente de
temperatura T
x
. Esse algo a equao
constitutiva do fluxo de calor, conhecida como
Lei de Fourier:
x x
dT
q x k x T x T
dx
Onde k(x) a condutividade trmica.
M

t
o
d
o
s

N
u
m

r
i
c
o
s

A
v
a
n

a
d
o
s

Mtodo de Galerkin
, 0, 1
x
q x f x x
x x
dT
q x k x T x T
dx
134 Prof. Henrique Mariano C. Amaral
Assim se tem:
Combinando essas duas equaes, se
encontra a eq. Unidimensional da conduo
de calor estacionria:
, 0, 1
x x
d
q x k x T x f x x
dx
M

t
o
d
o
s

N
u
m

r
i
c
o
s

A
v
a
n

a
d
o
s

Mtodo de Galerkin
135 Prof. Henrique Mariano C. Amaral
A equao anterior tem uma soluo nica,
quando a ela est associada condies de
contorno como, por exemplo, as condies
homogneas de Dirichlet:
0 1 0 T T
que corresponde a temperatura zero nos
pontos extremos do fio. Dessa forma, o
resultado um problema de valor de
contorno de dois pontos:
, 0, 1
0 1 0
x
x
k x T x f x x
T T
M

t
o
d
o
s

N
u
m

r
i
c
o
s

A
v
a
n

a
d
o
s

Mtodo de Galerkin
136 Prof. Henrique Mariano C. Amaral
Desta forma, o que se quer agora resolver
o problema a seguir, com k(x)=1 :


de forma numrica com uso do mtodo (dos
elementos finitos) de Galerkin com
polinmios contnuos por parte.
, 0, 1
0 1 0
xx
xx
T T x f x x
T x f x
T T
e
M

t
o
d
o
s

N
u
m

r
i
c
o
s

A
v
a
n

a
d
o
s

Mtodo de Galerkin
h
137 Prof. Henrique Mariano C. Amaral
onde h
j
o comprimento de cada sub-
intervalo I
j
, e a partio onde ser
definida as funes contnuas por parte.
Para isso, precisamos discretizar o espao de
definio do problema. Essa discretizao
consiste em construir uma partio de I=(0,1)
em sub-intervalos
1 1
,
j j j h j j j
I x x h x x
de modo que a partio de (0,1)
0 1 1
: 0 1
h M M
x x x x
M

t
o
d
o
s

N
u
m

r
i
c
o
s

A
v
a
n

a
d
o
s

Mtodo de Galerkin
h
i
I
j
138 Prof. Henrique Mariano C. Amaral
Sejam os conjuntos de funes lineares
contnuas por parte sobre , que so
nulas em x = 0 e x = 1:
: , 1, 2, , 1
: contnua sobre
i
n
n
h i
I
n n
h h
W P I i M
V W I
j j
j j
Observar que a notao significa que
restrita ao intervalo I
i
, isto uma funo
definida sobre I
i
, e que o conjunto
dos polinmios de grau<n sobre I.
0
n
i
i
i
p x c x
n
i
P I
i
j
M

t
o
d
o
s

N
u
m

r
i
c
o
s

A
v
a
n

a
d
o
s

Mtodo de Galerkin
h
139 Prof. Henrique Mariano C. Amaral
Lembrar que no Mtodo de Galerkin as
funes de ponderao so tiradas do
conjunto das funes de aproximao, por
isso se toma V
h
como um subconjunto de
W
h
, conforme definido no slide anterior e
reproduzido abaixo:
: , 1, 2, , 1
: contnua sobre
i
n
n
h i
I
n n
h h
W P I i M
V W I
j j
j j
i
j
M

t
o
d
o
s

N
u
m

r
i
c
o
s

A
v
a
n

a
d
o
s

Mtodo de Galerkin
n
i
P I
Prof. Henrique Mariano C. Amaral
140
Uma base para pode ser construda
pela combinao para i = 1, ... , M+1, do
conjunto de funes que so iguais s
funes base de para e nulas
no restante. Assim, para constru-la toma-se
como base para a seguinte:
1 i i
x x x
n
h
W
n
i
P I
1
,0 ,1
1 1
0 0
i i
i i
i i i i
x x x x
e
x x x x
l l
M

t
o
d
o
s

N
u
m

r
i
c
o
s

A
v
a
n

a
d
o
s

Mtodo de Galerkin
141 Prof. Henrique Mariano C. Amaral
A partir das funes anteriores, pode-se
definir que as funes base de so:
1
h
W
1
,
, 1
0, ,
1, 2, , 1; 0,1
, ,
i i
i j
i j i i
x x x
x i M j
x x x x
j
l
M

t
o
d
o
s

N
u
m

r
i
c
o
s

A
v
a
n

a
d
o
s

Mtodo de Galerkin
142 Prof. Henrique Mariano C. Amaral
A construo da base para o espao de
polinmios contnuos por partes um pouco
mais trabalhosa, face as funes local de
base de Lagrange sobre cada sub-intervalo
ter que ser rearranjado de modo que as
funes resultantes sejam contnuas sobre
(0,1). No caso de n = 1 se obtm funes
tipo chapu ou seja as funes nodais
n
h
V
1
i h
V j
M

t
o
d
o
s

N
u
m

r
i
c
o
s

A
v
a
n

a
d
o
s

Mtodo de Galerkin
1 1
1
1
1
1
1
1
0 ,
,
,
i i
i
i i i
i i
i
i i
i i
x x x
x x
x x x x
x x
x x
x x x
x x
j
143 Prof. Henrique Mariano C. Amaral
M

t
o
d
o
s

N
u
m

r
i
c
o
s

A
v
a
n

a
d
o
s

Mtodo de Galerkin
144 Prof. Henrique Mariano C. Amaral
Como que por sua vez um
subespao vetorial de dimenso finita M com
base consistindo das funes . As
coordenadas de uma funo na citada
base so os valores nos pontos
interiores e uma funo
pode ser escrita da seguinte forma:
1 1
h h
V W
1
M
j
j
j
h
v
j
v x
, 1, 2, ,
j
x j M
h
v V
1
M
j
j
v x v x x j
M

t
o
d
o
s

N
u
m

r
i
c
o
s

A
v
a
n

a
d
o
s

Mtodo de Galerkin
145 Prof. Henrique Mariano C. Amaral
Note que devido a que ser nula em x
= 0 e em x = 1, no foi includo na base de
as funes
h
v V
h
V
0 1 M
e j j
M

t
o
d
o
s

N
u
m

r
i
c
o
s

A
v
a
n

a
d
o
s

Mtodo de Galerkin
, 0, 1
0 1 0
xx
T T x f x x
T T
146 Prof. Henrique Mariano C. Amaral
Mas de fato, se estar interessado em
solucionar o problema:
pelo mtodo de Galerkin, donde se tem:
1 1
0 0
0,
xx
vdx T f vdx v
T f e v v
e
e j j j
M

t
o
d
o
s

N
u
m

r
i
c
o
s

A
v
a
n

a
d
o
s

Mtodo de Galerkin
147 Prof. Henrique Mariano C. Amaral
Como foram construdas, as funes v em V
h

no tm 2 derivada; assim no podemos
simplesmente coloca-las como funes de
aproximao de T no espao V
h
. Essa
dificuldade precisa ser contornada. Para isso,
deve-se usar a integrao por parte para
mover uma derivada de T
xx
sobre v ,
assumindo que v seja diferencivel e mais
que v(1) = 0 e v(0) = 0:
1
0
1 1
xx x
T vdx T v 0 0
x
T v
1 1
0 0
x x x x
T v dx T v dx
M

t
o
d
o
s

N
u
m

r
i
c
o
s

A
v
a
n

a
d
o
s

Mtodo de Galerkin
148 Prof. Henrique Mariano C. Amaral
Dessa forma, o problema original:


Foi transformado no seguinte problema
variacional: determine T com T(0)=T(1)=0,
tal que:
1 1
0 0
, 0, 1 0
0 1 0
xx xx
T T x f x x vdx T f vdx
T T
e
1 1
0 0
, 0 1 0
x x h
T v dx f vdx v V v v
(1)
M

t
o
d
o
s

N
u
m

r
i
c
o
s

A
v
a
n

a
d
o
s

Mtodo de Galerkin
149 Prof. Henrique Mariano C. Amaral
Usando as funes de base tipo chapu
para aproximar T, se tem:


Levando na expresso (1) anterior se tem:
1
M
j
j
j
1
M
j j
j
T x x j
1 1
1
0 0
,
M
j j x h
x
j
v dx f vdx v V x j
M

t
o
d
o
s

N
u
m

r
i
c
o
s

A
v
a
n

a
d
o
s

Mtodo de Galerkin
150 Prof. Henrique Mariano C. Amaral
Como j foi visto, as funes de ponderao
so as mesmas que as funes de
aproximao; como se tem M incgnitas
j
a
serem determinados pode-se usar o mesmo
conjunto de funes para ponderar, e
assim obter M x M equaes lineares:
1
M
j
j
j
1 1
1
0 0
, 1, 2, ,
M
j j i i
x
x
j
dx f dx i M x j j j
M

t
o
d
o
s

N
u
m

r
i
c
o
s

A
v
a
n

a
d
o
s

Mtodo de Galerkin
151 Prof. Henrique Mariano C. Amaral
A equao anterior pode ser colocada na
forma matricial onde o vetor
das incgnitas ou coeficientes a determinar,
A a matriz de rigidez de dimenso MxM e b
o vetor de cargas, definidos respectivamente
por:
A = b
1
0
1
0
ij j i
x
x
i i
a dx
b f dx
j j
j
M

t
o
d
o
s

N
u
m

r
i
c
o
s

A
v
a
n

a
d
o
s

Mtodo de Galerkin
152 Prof. Henrique Mariano C. Amaral
Para se encontrar os coeficientes de T,
primeiro se acha a matriz de rigidez A e o
vetor de carga b.
Notar que na matriz de rigidez A, os
elementos a
ij
so nulos a menos que i = j-1,
i = j ou i = j+1 devido a que ou ou
. ser nulo em cada sub-intervalo onde
ocorre a integrao
i
x j
j
x j
M

t
o
d
o
s

N
u
m

r
i
c
o
s

A
v
a
n

a
d
o
s

Mtodo de Galerkin
153 Prof. Henrique Mariano C. Amaral
1
1
1
1
1
,
,
0 fora dos limites acima
i
i i
i
i
i
i i
i
x x
x x x
h
x
x x
x x x
h
j
M

t
o
d
o
s

N
u
m

r
i
c
o
s

A
v
a
n

a
d
o
s

Mtodo de Galerkin
154 Prof. Henrique Mariano C. Amaral
1
1
1
1
,
1
,
0 fora dos limites acima
i i
i
i
x
i i
i
x x x
h
x
x x x
h
j
Assim a integrao dos elementos a
ij
fica:
1
1
1
1
1,
2 2
1 1
, 1
1 1 1
1 1 1 1
1 1 1
1 1 1
i i
i i
i
i
i
i
x x
ij
i i i i
x x
x
i i
i i i
x
x
i i i
x
i i
a dx dx
h h h h
a dx
h h h
dx
h h h
a
M

t
o
d
o
s

N
u
m

r
i
c
o
s

A
v
a
n

a
d
o
s

Mtodo de Galerkin
155 Prof. Henrique Mariano C. Amaral
O clculo dos coeficientes de b feito de
maneira similar:



A seguir, usando a teoria desenvolvida,
resolver-se- um problema.
1
1
1 1
1
, 1, 2, ,
i i
i i
x x
i i
i
i i
x x
x x x x
b f x dx f x dx i M
h h
M

t
o
d
o
s

N
u
m

r
i
c
o
s

A
v
a
n

a
d
o
s

Mtodo de Galerkin
E X E M P L O
Prof. Henrique Mariano C. Amaral 156
M

t
o
d
o
s

N
u
m

r
i
c
o
s

A
v
a
n

a
d
o
s

Mtodo de Galerkin
157 Prof. Henrique Mariano C. Amaral
Seja o seguinte problema:




cuja soluo exata :
2
2
5 0.5
, 0, 1
0 1 0
10 1 10 0.5
xx
x
T T x f x x
T T
f x x e
2
5 0.5
5 4
x
T x e e
M

t
o
d
o
s

N
u
m

r
i
c
o
s

A
v
a
n

a
d
o
s

Mtodo de Galerkin
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
0
0.05
0.1
0.15
0.2
0.25
0.3
0.35
0.4
0.45
0.5
0.55
0.6
0.65
0.7
0.75
0.8
Soluo Exata
T x ( )
x
T x ( )
x
158 Prof. Henrique Mariano C. Amaral
M

t
o
d
o
s

N
u
m

r
i
c
o
s

A
v
a
n

a
d
o
s

Mtodo de Galerkin
159 Prof. Henrique Mariano C. Amaral
Neste exemplo, f(x) varia completamente
sobre o intervalo, assim a malha esperada
para se aplicar o mtodo computacional deve
ser eficiente com um nmero mnimo de
pontos nodais. Seja uma malha uniforme
sobre o domnio, com h=0.1, de modo que
2
0,1 L
u U
1 16 2 15
3 14 4 13
5 12 6 11
7 10 8 9
0.2012 0.0673
0.0493 0.0417
0.0376 0.0353
0.0341 0.0335
h h h h
h h h h
h h h h
h h h h
M

t
o
d
o
s

N
u
m

r
i
c
o
s

A
v
a
n

a
d
o
s

Mtodo de Galerkin
160 Prof. Henrique Mariano C. Amaral
Uma escolha de malha que minimize
com M=16 :
2
0,1 L
u U
1 16 2 15
3 14 4 13
5 12 6 11
7 10 8 9
0.2012 0.0673
0.0493 0.0417
0.0376 0.0353
0.0341 0.0335
h h h h
h h h h
h h h h
h h h h
M

t
o
d
o
s

N
u
m

r
i
c
o
s

A
v
a
n

a
d
o
s

Mtodo de Galerkin
161 Prof. Henrique Mariano C. Amaral
M

t
o
d
o
s

N
u
m

r
i
c
o
s

A
v
a
n

a
d
o
s

Mtodo de Galerkin
162 Prof. Henrique Mariano C. Amaral