Você está na página 1de 34

Introdu¸c˜ao `a Otimiza¸c˜ao Estrutural Teoria, M´etodos e Solu¸c˜oes

GengDong Cheng Universidade Tecnol´ogica de Dalian Dalian, China Tradu¸c˜ao e adapta¸c˜ao: Jun S. O. Fonseca e Eduardo L. Cardoso DEMEC-UFRGS - Porto Alegre, RS, Brasil

9 de outubro de 2009

2

Sum´ario

1 Conceitos de Otimiza¸c˜ao Estrutural

 

5

1.1 Formula¸c˜ao da Otimiza¸c˜ao Estrutural

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

5

1.1.1 An´alise Estrutural

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

5

1.1.2 Fun¸c˜ao Objetivo

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

5

1.1.3 Vari´aveis Envolvidas no Projeto

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

6

1.1.4 Restri¸c˜oes Impostas ao Projeto

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

6

1.2 Otimiza¸c˜ao de Estruturas Cont´ınuas e de Estruturas Discretas

 

9

1.3 Hierarquia das Vari´aveis de Projeto

 

.

.

.

.

.

.

.

.

.

.

.

9

1.4 Vari´aveis Discretas e Vari´aveis Cont´ınuas

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

9

1.5 Representa¸c˜ao Geom´etrica da Otimiza¸c˜ao Estrutural

 

10

2 Fundamentos de C´alculo Variacional

 

13

2.1 Problema Variacional sem Restri¸c˜oes

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

13

2.2 Condi¸c˜oes de Contorno Naturais

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

19

2.3 Problema Variacional sem Restri¸c˜oes com Derivadas de ordem superior

 

20

2.4 Problema Variacional com multiplas fun¸c˜oes

 

21

2.5 Funcionais Sujeitos a Restri¸c˜oes (Problema Isoperim´etrico)

 

23

2.6 Problemas variacionais com restri¸c˜oes de desigualdade

 

27

2.7 Reformula¸c˜ao de restri¸c˜oes .

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

28

3 Programa¸c˜ao Matem´atica

 

29

3.1 Introdu¸c˜ao

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

29

3.2 Programa¸c˜ao linear e programa¸c˜ao linear sequencial

 

31

3.3 Programa¸c˜ao quadr´atica e programa¸c˜ao quadr´atica sequencial

 

34

3

4

´

SUM ARIO

Cap´ıtulo 1

Conceitos de Otimiza¸c˜ao Estrutural

Defini¸c˜ao 1. Otimiza¸c˜ao Estrutural: M´etodos e ferramentas para auxiliar o engenheiro a melhorar o projeto de pe¸cas e componentes, levando em conta sua resposta a solicita¸c˜oes mecˆanicas. Propicia ao engenheiro m´etodos e ferramentas para a otimiza¸c˜ao de projetos. O objetivo ´e encontrar os melhores valores (de acordo com os objetivos) para as vari´aveis de projeto, satisfazendo todas as restri¸c˜oes impostas ao projeto.

1.1 Formula¸c˜ao da Otimiza¸c˜ao Estrutural

A formula¸c˜ao da teoria de otimiza¸c˜ao estrutural leva em conta quatro comp onentes:

An´alise estrutural;

Determina¸c˜ao da fun¸c˜ao objetivo;

Determina¸c˜ao das vari´aveis do projeto;

Determina¸c˜ao das restri¸c˜oes impostas ao projeto.

1.1.1 An´alise Estrutural

O comportamento mecˆanico da estrutura a ser projetada deve ser analizado atrav´es da Mecˆanica dos

S´olidos. Dependendo das caracter´ısticas geom´etricas, das vincula¸c˜oes e do carrega mento aplicado na estrutura a ser dimensionada, podemos analis´a-la atrav´es dos modelos cinem´aticos e constitutivos dis- pon´ıveis na mecˆanica dos s´olidos, tais como elasticidade, plasticidade, modelos de placas, modelos de vigas, elementos finitos, etc Quando utilizando teorias estruturais, devemos ter em mente que a estrutura ´otima po de n˜ao se enquadrar nas hip´oteses simplificadoras destes modelos, tais como placas finas ou vigas longas.

1.1.2 Fun¸c˜ao Objetivo

´

E

uma quantidade com a qual o projetista faz o seu julgamento sobre o m´erito do projeto e portanto o

que se quer obter no projeto final. Normalmente esta fun¸c˜ao se relaciona diretamente com o custo do componente que est´a sendo projetado. Como exemplo podemos citar o projeto para o menor peso, onde a fun¸c˜ao objetivo ´e o peso da estrutura, que na ind´ustria aeroespacial influi significativamente no custo. Obviamente podemos ter mais de uma fun¸c˜ao objetivo, como por exemplo aumentar a rigidez e diminuir o peso de uma estrutura. Neste caso temos o que chamamos de otimiza¸c˜ao multiobjetiva ou otimiza¸c˜ao vetorial. Quando otimizamos tendo apenas uma fun¸c˜ao objetivo chamamos de otimiza¸c˜ao escalar.

5

6

´

˜

CAP ITULO 1. CONCEITOS DE OTIMIZAC¸ AO ESTRUTURAL

1.1.3 Vari´aveis Envolvidas no Projeto

Durante o processo de otimiza¸c˜ao o engenheiro freq¨uentemente trata com diferentes tipos de vari´aveis. Do ponto de vista da otimiza¸c˜ao estrutural estas vari´aveis podem ser agrupadas em trˆes classes:

Parˆametros prescritos: N˜ao mudam durante o processo. S˜ao especificados em projeto, regidos por uma lei f´ısica ou por uma norma de projeto. Como exemplo temos a tens˜ao m´axima que um material suporta ou o comprimento de uma viga. Vari´aveis de projeto : S˜ao parˆametros que o projetista pode alterar e assim influir sobre o processo de otimiza¸c˜ao. Como exemplo temos a altura de uma viga.

Vari´aveis de estado ou de comportamento estrutural : A medida que a estrutura ´e otimizada estas vari´aveis s˜ao alteradas. Geralmente o projetista n˜ao tem contr ole direto sobre estas vari´aveis durante

o processo, pois s˜ao fun¸c˜oes das vari´aveis de projeto e dos parˆametros pres critos. Como exemplo podemos citar o deslocamento transversal de uma viga.

A escolha das vari´aveis de projeto ´e muito importante para o ˆexito do processo de otimiza¸c˜ao es-

trutural. Se utilizarmos muitas vari´aveis de projeto a dimens˜ao do problema aumenta, podendo causar dificuldades num´ericas. Deve-se iniciar a formula¸c˜ao do problema de otimiza¸c˜ao com um n´umero pequeno de vari´aveis de projeto e ir gradualmente aumentando a complexidade da formula¸c˜ao a medida que se compreende melhor o problema.

A forma na qual as vari´aveis de projeto s˜ao adicionadas a` formula¸c˜ao do problema tem influˆencia

direta na taxa de convergˆencia dos algoritmos de otimiza¸c˜ao. Como exemplo, temos que na otimiza¸c˜ao de uma treli¸ca, o uso de vari´aveis rec´ıprocas (inversas) tem se mostrado mais eficientes do que trabalhar com a ´area da sec¸c˜ao transversal das barras.

1.1.4 Restri¸c˜oes Impostas ao Projeto

Mesmo podendo alterar as vari´aveis de projeto, sabemos que estas est˜ao sujei tas a certos limites. Por exemplo, ao diminuir a espessura de uma placa, temos que esta espessura est´a limit ada pela tens˜ao m´axima que o material pode suportar. Em otimiza¸c˜ao estrutural chamamos de restri¸c˜oes as limita¸c˜oes impostas ao projeto. As restri¸c˜oes podem ser impostas a todas as grandezas envolvidas no projeto. As restri¸c˜oes impostas nas vari´aveis de projeto chamamos restri¸c˜oes laterais. Por exemplo, limitar

o diˆametro de um tubo no intervalo [D min , D max ], onde D ´e uma vari´avel de projeto. Por serem restri¸c˜oes

simples, s˜ao tratadas de forma especial em muitos algoritmos de otimiza c˜¸ao estrutural. Outro tipo de restri¸c˜ao ´e imposta na resposta da estrutura (por exemplo o deslocamento y ( x) de uma viga), e s˜ao chamadas de restri¸c˜oes de comportamento. Estas restri¸c˜oes s˜ao, para muitos problemas, n˜ao lineares e fun¸c˜oes impl´ıcitas das vari´aveis de projeto. Isto torna a otimiza¸c˜ao estrutural mais com- plexa, se comparada com a otimiza¸c˜ao em outros campos. O c´alculo das restri¸c˜oes de comportamento envolve muita computa¸c˜ao, sendo um ponto cr´ıtico na implementa¸c˜ao computacional da otimiza¸c˜ao es- trutural. Muitas das restri¸c˜oes impostas as vari´aveis do problema s˜ao escritas na forma de inequa¸c˜oes, sendo que restri¸c˜oes podem ser impostas em quantidades globais a estrutura (volume to tal, frequˆencia natural,etc ) ou em quantidades locais (volume de uma barra espec´ıfica). Uma vez que as restri¸c˜oes globais s˜ao tratadas de modo mais eficiente pelos algoritmos de otimiza¸c˜ao, a transforma¸c˜a o de uma restri¸c˜ao local para a forma de uma restri¸c˜ao global pode ser bastante desej´avel.

Exemplo 1. Projetar a treli¸ca da figura 1.1 para resistir a flambagem e ao escoamento, com objetivo de obter a estrutura mais leve poss´ıvel. S˜ao dados a espessura dos tubos (t ), o m´odulo de elasticidade transversal (E ), a densidade do material (ρ), a for¸ca P e a tens˜ao de escoamento ( σ y ). D e H tem limita¸c˜oes de dimens˜ao, possuindo valores admiss´ıveis m´aximos e m´ınimos.

Podemos resumir o problema de otimiza¸c˜ao da seguinte forma:

Modelo estrutural: Teoria de barras;

˜

˜

1.1. FORMULAC¸ AO DA OTIMIZAC¸ AO ESTRUTURAL

7

˜ ˜ 1.1. FORMULAC¸ AO DA OTIMIZAC¸ AO ESTRUTURAL 7 Figura 1.1: Treli¸ca a ser otimizada

Figura 1.1: Treli¸ca a ser otimizada

Dados (parˆametros prescritos): t , E , ρ, P , σ y ;

Objetivo : Minimizar o peso;

Vari´aveis de projeto: H e D ;

Restri¸c˜oes: n˜ao podem ocorrer flambagem ou plastifica¸c˜ao. D deve se situar no intervalo [D min , D max ] e H no intervalo [H min , H max ] .

A fun¸c˜ao objetivo (peso da estrutura) pode ser escrita em termos dos parˆametros prescritos e das vari´aveis de projeto:

W (H, D ) = 2πρDt B 2 + H 2 .

As restri¸c˜oes tamb´em podem ser escritas em termos dos parˆametros prescrito s e das vari´aveis de projeto. A tens˜ao compressiva deve ser menor do que a tens˜ao cr´ıtica de flambagem (Euler):

P B 2 + H 2

πDHt

π

2 ED 2

8 ( B 2 + H 2 ) ,

e a tens˜ao dos membros deve ser inferior a tens˜ao m´axima admiss´ıvel:

P B 2 + H 2

πDHt

σ y ,

tendo sempre em mente que os valores poss´ıveis para as vari´aveis de projeto s e situam nos intervalos [ D min , D max ] e [H min , H max ] . Assim podemos formular o problema de otimiza¸c˜ao como: determine H e D tal que

sujeito a

min W = 2πρDt B 2 + H 2

H,D

B 2 + H 2 πDHt

P

B 2 + H 2 πDHt

P

D

H

π

2 ED 2

8

( B 2 + H 2 )

σ y

[ D min , D max ]

[ H min , H max ] .

O uso da teoria estrutural limita seriamente este caso de otimiza¸c˜ao.

8

´

˜

CAP ITULO 1. CONCEITOS DE OTIMIZAC¸ AO ESTRUTURAL

Exemplo 2. Para a viga simplesmente apoiada sob a¸c˜ao de uma carga distribu´ıda (figura 1.2), determinar

a ´area A ( x) da sec¸c˜ao transversal que minimize o deslocamento transversal total da vig a. S˜ao dados a carga distribuida P (x), o comprimento l , o m´odulo de elasticidade transversal (E ) e o volume total da viga (V ).

transversal ( E ) e o volume total da viga ( V ). Figura 1.2: Viga

Figura 1.2: Viga sob carga distribu´ıda.

Podemos resumir o problema de otimiza¸c˜ao da seguinte forma:

Modelo estrutural: Teoria de vigas de Euler-Bernoulli;

Dados (parˆametros prescritos): l , E ,P (x) e V ;

Objetivo : Minimizar a deflex˜ao m´edia total y (x)dx ;

Vari´avel de projeto: Area da sec¸c˜ao transversal;

Restri¸c˜oes: Condi¸c˜oes de contorno geom´etricas e naturais da viga.

Assim, podemos escrever o problema de otimiza¸c˜ao na forma:

Determinar A ( x) tal que

sujeito a

´

min y (x)dx

A

volume da viga : V = A(x)dx

 

Equa¸c˜ao da viga

:

Condi¸c˜oes de contorno geom´etricas

:

Condi¸c˜oes de

contorno naturais

:

2

∂x

2 [EI (x) 2 y (x) ] = P (x)

∂x 2

y (x) x=0 = y (x) x= l = 0

EI (x) 2 y (x) x=0 = EI (x) 2 y (x)

∂x 2

∂x 2 x= l = 0.

E conveniente relacionar a ´area da viga com o seu momento de in´ercia. Por exemplo, para uma viga

retangular, temos que

e assim podemos escrever

A = bh

I = bh 3

= Ah 2

12 12

˜

´

1.2. OTIMIZAC¸ AO DE ESTRUTURAS CONT INUAS E DE ESTRUTURAS DISCRETAS

I (x) = A(x)h 12 2

.

9

Novamente, deve-se lembrar da influˆencia das hip´oteses cinem´aticas da teoria de vigas s obre o resultado da otimiza¸c˜ao.

1.2 Otimiza¸c˜ao de Estruturas Cont´ınuas e de Estruturas Dis- cretas

No exemplo 1, as vari´aveis de projeto eram os escalares D e H , ou em termos de um vetor:

X =

D

H

.

Em geral, as vari´aveis de projeto constituem um vetor n-dimensional na forma

X = x 1

x 2

x 3

x n T

e definimos um problema de otimiza¸c˜ao com vari´aveis finito-dimensionais como sendo um Problema de

otimiza¸c˜ao estrutural discreta . No exemplo 2, a vari´avel de projeto era A ( x), definida no intervalo [0, l ] , descrevendo a distribui¸c˜ao

de material ao longo da viga. A este tipo de problema chamamos Problema de otimiza¸c˜ao estrutural com parˆametros distribu´ıdos. Uma abordagem para a resolu¸c˜ao de problemas de otimiza¸c˜ao com parˆametros distribu´ıdos ´e discretizar o modelo estrutural e a vari´avel de projeto, de forma a transformar

o problema em uma otimiza¸c˜ao discreta.

1.3 Hierarquia das Vari´aveis de Projeto

Nos exemplos 1 e 2, D e A ( x) eram vari´aveis relacionadas com a sec¸c˜ao transversal e s˜ao chamadas de vari´aveis de projeto dimensionais. Como exemplo podemos citar a espessura de uma placa ou a orienta¸c˜ao das fibras de um material composto. Quando as vari´aveis descrevem posi¸c˜oes, como no caso de n´os de uma treli¸ca ou o contorno de uma pe¸ca, estas s˜ao chamadas de vari´aveis estruturais de forma. Este tipo de otimiza¸c˜ao apresenta grandes dificuldades, pois o modelo estrutural muda a medida que o processo de otimiza¸c˜ao avan¸ca. Problemas de otimiza¸c˜ao topol´ogica s˜ao ainda mais complexos, apresent ando melhores resultados. Topologia estrutural se refere a conectividade entre elementos de barra e viga, n´umero de furos em

estruturas el´asticas em 2D e 3D, etc

Uma maneira de descrever a topologia ´e definir uma vari´avel

de projeto topol´ogica que permita valores 0 ou 1, onde 0 significa ausˆencia de material e 1 presen¸ca de material em pontos espec´ıficos da estrutura.

Otimiza¸c˜ao estrutural envolvendo sele¸c˜ao de materiais leva a vari´aveis de projeto relativas a pro- priedades do material. Desta forma podemos selecionar o melhor material em uma lis ta de materiais dispon´ıveis ou projetar o melhor material, de acordo com as necessidades de performance desejadas.

1.4 Vari´aveis Discretas e Vari´aveis Cont´ınuas

No exemplo 1, o diˆametro D de um tubo circular pode assumir valores no intervalo [D max , D min ], por exemplo, 2,54cm. Assim, temos que esta vari´avel ´e cont´ınua dentro do intervalo. Sabendo que na pr´atica este diˆametro deve ser selecionado de acordo com a disponibilidade comercial, esta var i´avel assumir´a valores discretos dentro do mesmo intervalo.

10

´

˜

CAP ITULO 1. CONCEITOS DE OTIMIZAC¸ AO ESTRUTURAL

Em geral a otimiza¸c˜ao com valores discretos ´e mais complexa do que a otimi za¸c˜ao com vari´aveis cont´ınuas. Uma abordagem ´e otimizar de forma cont´ınua e ,ap´os, arredondar o valor encontrado para um valor pr´oximo aos valores discretos dispon´ıveis. Deve-se ter em mente q ue este arredondamento pode violar as restri¸c˜oes do problema e n˜ao ser um ´otimo.

1.5 Representa¸c˜ao Geom´etrica da Otimiza¸c˜ao Estrutural

Para visualizar a formula¸c˜ao da otimiza¸c˜ao estrutural e os diferentes procedimentos de solu¸c˜ao ´e conve- niente termos uma representa¸c˜ao visual do problema de otimiza¸c˜ao. Relembrando, o problema de otimiza¸c˜ao pode ser escrito como: tendo um objetivo e as vari´aveis de projeto, encontrar um extremo do funcional sujeito as restri¸c˜oes, ou:

sujeito a

X = x 1

x 2

x 3

min f (X )

X

x n T

h j (X ) 0 =

0

g k

j = 1 J k = 1 K.

Podemos definir um sistema de coordenadas n-dimensional, onde cada eixo coordenado do espa¸co ´e limitado por uma das vari´aveis de projeto X . Qualquer ponto no espa¸co ´e projeto candidato X e chamamos este espa¸co de espa¸co de projeto. Como as igualdades g k = 0 podem ser reescritas em forma de inequa¸c˜oes, podemos tratar o problema por restri¸c˜oes do tipo h j (X ) 0. O espa¸co das solu¸c˜oes, levando em conta as restri¸c˜oes ´e chamado de conjunto das solu¸c˜oes admiss´ıveis (ou vi´aveis) . Aos valores que f (X ) assumem chamamos de isolinhas de objetivos. Na figura (1.3) podem visualizar o espa¸co de projeto, o espa¸co das solu¸c˜oes admiss´ıveis restingido pelas inequa¸c˜oes na forma h j (X ) 0 e os valores assumidos por f (X ).

j ( X ) ≤ 0 e os valores assumidos por f ( X ) .

Figura 1.3: Espa¸co de projeto

Defini¸c˜ao 2. Definimos um dom´ınio convexo como sendo aquele em que qualquer ponto no dom´ınio pode ser unido a outro ponto do dom´ınio por meio de uma reta, sendo que todos os pontos desta reta

˜

´

˜

1.5. REPRESENTAC¸ AO GEOM ETRICA DA OTIMIZAC¸ AO ESTRUTURAL

11

pertencem ao dom´ınio (a reta n˜ao intercepta o contorno). Pode-se observar a representa¸c˜ao gr´afica de um conjunto convexo na figura (1.5b). Na figura (1.5a) ´e representado um dom´ınio cˆoncavo , onde a linha que une dois pontos no dom´ınio pode conter pontos que n˜ao pertencem ao dom´ınio.

pode conter pontos que n˜ao pertencem ao dom´ınio. Figura 1.4: Dom´ınios n˜ao-convexo e convexo Uma

Figura 1.4: Dom´ınios n˜ao-convexo e convexo

Uma fun¸c˜ao convexa F ( X ) ´e definida como sendo aquela na qual dois valores F ( X 1 ) e F (X 2 ) e suas combina¸c˜oes lineares em αX 1 + (1 α ) X 2 satisfazem a seguinte rela¸c˜ao:

F (αX 1 + (1 α ) X 2 ) αF (X 1 ) + (1 α ) F ( X 2 ) .

Isto pode ser visualizado graficamente na figura (1.5) onde observamos que a linha que une os dois pontos se mant´em sobre o gr´afico da fun¸c˜ao convexa.

pontos se mant´em sobre o gr´afico da fun¸c˜ao convexa. Figura 1.5: Fun¸c˜ao Convexa Fun¸c˜ao cˆoncava ´e

Figura 1.5: Fun¸c˜ao Convexa

Fun¸c˜ao cˆoncava ´e definida como sendo a fun¸c˜ao F (X ) cujos valores F ( X 1 ) e F (X 2 ) e suas com- bina¸c˜oes lineares em αX 1 + (1 α ) X 2 satisfazem a seguinte rela¸c˜ao:

F (αX 1 + (1 α ) X 2 ) αF (X 1 ) + (1 α ) F ( X 2 ) .

Pode-se visualizar uma fun¸c˜ao cˆoncava na figura (1.5), onde podemos observar que a linha que une dois pontos se situa abaixo do gr´afico da fun¸c˜ao cˆoncava. De acordo com as defini¸c˜oes acima, fica claro que podemos ter fun¸c˜oes que n˜ao s˜ao convexas e nem cˆoncavas, de acordo com a figura (1.5). Estas defini¸c˜oes de dom´ınios e fun¸c˜oes convexas s˜ao importantes em otimiza c˜¸ao, pois se o dom´ınio definido por h j (X ) for convexo, existe uma solu¸c˜ao unica,´ ou seja, o ´otimo local ´e igual ao ´otimo global, como na figura 1.5. Entretanto, se o dom´ınio for n˜ao convexo, n˜ao se pode garantir que o p onto encontrado ´e um extremo local ou global (Fig. 1.5).

12

´

˜

CAP ITULO 1. CONCEITOS DE OTIMIZAC¸ AO ESTRUTURAL

12 ´ ˜ CAP ITULO 1. CONCEITOS DE OTIMIZAC¸ AO ESTRUTURAL Figura 1.6: Fun¸c˜ao Cˆoncava Figura

Figura 1.6: Fun¸c˜ao Cˆoncava

DE OTIMIZAC¸ AO ESTRUTURAL Figura 1.6: Fun¸c˜ao Cˆoncava Figura 1.7: Fun¸c˜ao nem Cˆoncava nem Convexa Figura

Figura 1.7: Fun¸c˜ao nem Cˆoncava nem Convexa

Cˆoncava Figura 1.7: Fun¸c˜ao nem Cˆoncava nem Convexa Figura 1.8: Dom´ınio e fun¸c˜ao Convexa Figura 1.9:

Figura 1.8: Dom´ınio e fun¸c˜ao Convexa

1.7: Fun¸c˜ao nem Cˆoncava nem Convexa Figura 1.8: Dom´ınio e fun¸c˜ao Convexa Figura 1.9: Dom´ınio n˜ao

Figura 1.9: Dom´ınio n˜ao convexo

Cap´ıtulo 2

Fundamentos de C´alculo Variacional

Defini¸c˜ao 3. Funcional: Um funcional pode ser definido como uma fun¸c˜ao composta por diversas fun¸c˜oes, ou como uma fun¸c˜ao que mapeia um espa¸co vetorial em um escalar. Devido ao fato de m apearmos fun¸c˜oes em termos de um escalar temos uma simplifica¸c˜ao de trabalharmos com valores escal ares.

Um exemplo de funcional ´e

π [y ( x)] = F (x, y (x) , y (x)) dx ,

que ´e fun¸c˜ao da fun¸c˜ao y (x), de sua primeira derivada e da vari´avel independente x. Pode-se constatar que o valor de π [y (x)] ´e um escalar.Um funcional pode ser fun¸c˜ao de mais de uma fun¸c˜ao

π [ y ( x) , z (x)] = F [ x, y ( x) , y (x) , z (x) , z ( x)] dx

e conter derivadas de ordem superior.

Defini¸c˜ao 4. Extremiza¸c˜ao de funcionais.

Assim como no c´alculo tradicional a primeira derivada de uma fun¸c˜ao, quando nula,

∂f (x)

∂x

= 0

representava um ponto extremo local (m´aximo, m´ınimo ou inflex˜ao) , a primeira varia¸c˜ao de um fun-

cional ser nula representa, tamb´em, a extremiza¸c˜ao do funcional. Da mesma forma, quando obtinhamos

a coordenada x e onde a fun¸c˜ao f ( x) obtinha seu valor extremo, obtemos no caso de funcionais a(s)

fun¸c˜ao(˜oes) que minimiza(m) este funcional. Os conceitos de varia¸c˜ao de funcionais e suas aplica¸c˜oes a diferentes tipos de funcionais s˜ao apresentados.

2.1 Problema Variacional sem Restri¸c˜oes

Este ´e o problema mais simples, onde o funcional ´e definido como sendo

π [ y (x)] =

x

x 1

0

F [x, y (x) , y ( x)] dx ,

onde x ´e definido em [x 0 , x 1 ]. O objetivo ´e encontrar uma fun¸c˜ao y ( x) que extremize este funcional (maximize ou minimize) e que satisfa¸ca as condi¸c˜oes de contorno:

y

y

( x 0 ) = y 0

(

x

1

)

= y 1 .

13

14

´

´

CAP ITULO 2. FUNDAMENTOS DE C ALCULO VARIACIONAL

Para obter as condi¸c˜oes que tornam y (x) um extremizador do funcional, consideramos uma fun¸c˜ao

candidata y ( x) admiss´ıvel no intervalo [x 0 , x 1 ] que satisfa¸ca as mesmas condi¸c˜oes de contorno de y ( x)

e

que tenha o mesmo grau de continuidade (Fig. 2.1).

( x ) e que tenha o mesmo grau de continuidade (Fig. 2.1). Figura 2.1: Minimizador

Figura 2.1: Minimizador e candidato

Considerando δy (x) como a diferen¸ca entre y ( x) e y ( x),

δy (x) = y (x) y (x)

e

δy ( x 0 ) = δy ( x 1 ) = 0.

Baseados no conceito de δy ( x), podemos dizer que a fun¸c˜ao y pode ser escrita como uma combina¸c˜ao entre a fun¸c˜ao candidata y˜ ( x) e a diferen¸ca δy (x), na forma

y˜ (x, α ) = y (x) + αδy ( x)

constituindo uma fam´ılia de curvas dependentes de x e de α . Substituindo y ( x, α ) na equa¸c˜ao do funci- onal, obtemos uma fun¸c˜ao de α

como ambas as fun¸c˜oes satisfazem as condi¸c˜oes de contorno temos que

ϕ ( α ) = π [ y ( x, α )] = F [ x, y ( x, α ) , y ( x, α )] dx

j´a que a integral elimina os termos em x. Da defini¸c˜ao de y (x, α ) constatamos que

y ( x, 0) = y (x)

y (x, 1) = y (x) .

Considerando a primeira varia¸c˜ao δπ do funcional π em y (x):

δπ | y = y = ∂ϕ ( α ) ∂α

α=0 =

∂F

∂F ∂y

∂y ∂α + ∂y ∂α

∂y

α=0

δπ | y = y = ∂ϕ ( α ) ∂α

α=0 =

∂F

∂y

δy +

∂F

∂y

δy dx

dx

e a condi¸c˜ao necess´aria para que esta varia¸c˜ao represente um extremo em y (x) ´e que

δπ | y = y = ∂ϕ ( α ) ∂α

α=0

= 0,

˜

2.1. PROBLEMA VARIACIONAL SEM RESTRIC¸ OES

15

da mesma forma em que a primeira derivada de uma fun¸c˜ao, quando igual a zero representa um extremo da fun¸c˜ao. Manipulando a express˜ao acima, obtemos

∂F

∂F

∂y dx ∂y

d

δy dx +

∂F

∂y

δy

x

1

dx = 0

x

0

onde o ultimo´

arbitr´aria, esta express˜ao ´e verdadeira se o termo dentro da integral for zero, ou seja

termo se anula por serem as condi¸c˜oes de contorno homogˆeneas. Com o a diferen¸ca δy ´e

∂F

∂F

∂y dx ∂y

d

= 0

e esta ´e a condi¸c˜ao para que y ( x) seja um extremo do funcional π [y (x)] = F [ x, y ( x) , y (x)] dx . Generalizando para condi¸c˜oes de contorno n˜ao homogˆeneas (eq xx) obtemos a seguinte condi¸c˜ao para extremizar o funcional:

2 F

∂F 2 F

2 F

∂y 2 ∂y∂y y ∂x∂y = 0

∂y

y ( x 0 ) = y

y ( x 1 ) = y 1

Esta equa¸c˜ao ´e conhecida como equa¸c˜ao de Euler do problema variacional , sendo uma condi¸c˜ao necess´aria para ser um extremo mas n˜ao uma condi¸c˜ao suficiente. Isto porque este po nto pode ser um ponto de inflex˜ao, que n˜ao ´e um extremo global e sim local no intervalo. Em funcionais convexos pode-se demonstrar que a solu¸c˜ao da equa¸c˜ao de Euler permite detectar um extremo global no intervalo, pois da mesma forma que uma fun¸c˜ao convexa, apresentam um ponto extremo definido no intervalo:

convexa, apresentam um ponto extremo definido no intervalo: Figura 2.2: M´ınimo de uma fun¸c˜ao convexa Da

Figura 2.2: M´ınimo de uma fun¸c˜ao convexa

Da mesma forma que obtivemos a primeira varia¸c˜ao de π , podemos obter a segunda varia¸c˜ao do funcional, δ 2 π,bastando fazer a derivada segunda de ϕ ( α ):

δ

2 π

y = y =

2 ϕ ( α )

∂α 2

α=0

.

De forma an´aloga ao c´alculo tradicional, a segunda varia¸c˜ao permite verificar o tipo de extremo obtido pela extremiza¸c˜ao do funcional δπ | y = y = 0 , pois se

δ 2 π > 0 Ponto de m´ınimo

δ 2 π < 0 Ponto de m´aximo

16

´

´

CAP ITULO 2. FUNDAMENTOS DE C ALCULO VARIACIONAL

δ 2 π = 0 Ponto de inflex˜ao.

Considerando funcionais lineares F 1 [u ], F 2 [u ] e G [ u, v ], temos as seguintes propriedades, an´alogas `a diferencia¸c˜ao :

δ (F 1 ± F 2 ) = δF 1 ± δF 2

δ (F 1 F 2 ) = δF 1 F 2 + F 1 δF 2

e ainda

δ

F 2 = ( δF 1 F 2 F 1 δF 2 )

F 1

2

F

2

δ (F 1 ) n = n ( δF 1 ) n 1 δF 1

δG = G δu + G δv

∂u

∂v

d

d

dx ( δu ) = dx (αv ) = α

dv

du

= δ

dx d (u )

δ u dx = α v dx = αv dx = δu dx

Exemplo 3. Qual a ´e a menor distˆancia entre dois pontos, considerando o espa¸co com norma Euclidiana (fig. 2.1) ?

considerando o espa¸co com norma Euclidiana (fig. 2.1) ? Figura 2.3: Menor distˆancia entre pontos Consirerando

Figura 2.3: Menor distˆancia entre pontos

Consirerando um infinit´esimo da curva gen´erica de comprimento ds, podemos considerar que

ds = du 2 + dx 2

e portanto a distˆancia total entre a e b ´e

s = ds = du 2 + dx 2 .

a

a

b

b

Este ´e um problema variacional pois temos uma rela¸c˜ao entre um escalar (dis tˆancia), a fun¸c˜ao u ( x) e a

´

vari´avel independente x. E portanto um problema da classe estudada anteriormente (problema variacional

sem restri¸c˜oes com condi¸c˜oes fixas nos extremos). Com algum algebrismo obtemo s a express˜ao

b

s = u 2 + 1dx

a

˜

2.1. PROBLEMA VARIACIONAL SEM RESTRIC¸ OES

17

e

e

o nosso objetivo ´e encontrar o extremo deste funcional. Aplicando a equa¸c˜ao de Euler

∂F

∂F

∂u dx ∂u

d

= 0

como n˜ao temos u definido neste funcional, o problema recai em

d

dx

∂F ∂u

= 0

onde

∂F

∂u =

u

u 2 + 1

e assim obtemos a condi¸c˜ao de que

ou seja

dx

d

u

+ 1 = 0

u 2

u

2 +1 ´e constante no intervalo e podemos escrever

u

u

u 2

+ 1

= A

u 2 =

A

2

(1 A 2 ) = B

e sendo c = B

u = C

que ´e a equa¸c˜ao diferencial que representa a solu¸c˜ao do problema. Integrando dos dois lados obtemos a

express˜ao

u ( x) = C 1 x + C 2

ou seja, a distˆancia m´ınima entre dois pontos no espa¸co euclidiano ´e uma reta.

Exemplo 4. Um corpo ´e solto no ponto A e deve percorrer uma trajet´oria chegando ao ponto B, (fig. 2.1) submetido apenas a acelera¸c˜ao da gravidade. Determine a equa¸c˜ao da trajet´oria para que isto ocorra no menor tempo poss´ıvel.

Determine a equa¸c˜ao da trajet´oria para que isto ocorra no menor tempo poss´ıvel. Figura 2.4: Braquist´ocrona

Figura 2.4: Braquist´ocrona

18

´

´

CAP ITULO 2. FUNDAMENTOS DE C ALCULO VARIACIONAL

O objetivo ´e que o tempo T seja o menor poss´ıvel. Considerando que

o tempo total ´e

Pela norma euclidiana temos que

ds = V dt

dt = ds

V

t

T =

t

0

1

dt.

ds = du 2 + dx 2

e portanto

t

T =

t

0

1

dt =

x

x

0

1

ds

V

=

x

x

0

1

1 + u 2

V

dx

A express˜ao para a velocidade pode ser obtida por conserva¸c˜ao de energia (Ec + Ep = c te ). Assim

para um ponto gen´erico

mgu 0 + 1 2 mV = mgu + 2 mV 2

ou seja, a energia em um ponto qualquer ´e a mesma do ponto inicial. Assim podemos obter a velocidade em qualquer ponto em termos dos parˆametros iniciais

2

0

1

V

= [2g (u 0 u ) + V ]

2

0

e substituindo na integral do problema variacional,

T =

x

x 1

0

1 + u 2

[2g (u 0 u ) + V

2

0

] dx.

Considerando que o corpo possui velocidade inicial nula e que o referˆencia ´e o ponto 0,

u 0 = 0

V 0 = 0

obtemos a forma funcional do problema

T = 1

2g

x

x

0

1

1 + u 2

u

dx ,

que ´e um funcional de u e de u . Por Euler temos que a condi¸c˜ao para minimizar o tempo ´e:

e portanto

F u ∂u F = 0

∂F

∂u =

∂F ∂u ′ =

∂u ∂ 1 + u 2

u

∂u ∂ ′ √ 1 + u ′ 2 √ u

1 + u 2

=

u

u

u 1 + u 2

u

u 1 + u 2 = 0

cuja solu¸c˜ao ´e um cicl´oide com raio de gira¸c˜ao C/2

com t definido no intervalo [0 1].

x = C (1 sin t )

2

y

= C

2

(1 cos t )

˜

2.2. CONDIC¸ OES DE CONTORNO NATURAIS

19

2.2 Condi¸c˜oes de Contorno Naturais

Considerando a mesma classe de funcionais analisada no item anterior, queremos determinar os valores que a fun¸c˜ao y (x) assume nos extremos do intervalo, ou seja, ao extremizar o funcional π [y (x)] = F [x, y (x) , y ( x)] dx queremos determinar os valores que a fun¸c˜ao y (x) assume em x 0 e x 1 . Seguindo a linha dedutiva apresentada em 1.1 e considerando que , neste caso,

δy ( x 1 ) = 0

δy (x 2 ) = 0

obtemos a seguinte condi¸c˜ao para extremizar o funcional:

∂F 2 F

2 F

2 F

∂y 2 ∂y∂y y ∂x∂y = 0

∂y

∂F

∂y

x= x 0

∂F

∂y

x= x 1

= 0

= 0 .

Estas condi¸c˜oes de contorno que surgem naturalmente durante o processo de extremizac˜¸ao do funcional s˜ao chamadas de condi¸c˜oes de contorno naturais.

Exemplo 5. Considerando uma viga de Euler-Bernoulli de se¸c˜ao gen´erica com carregamento distribu´ıdo (fig. 2.2) (f ), for¸ca concentrada na ponta (F ) e momento aplicado na ponta (M ), podemos construir um funcional que represente a energia potencial total da viga.

funcional que represente a energia potencial total da viga. Figura 2.5: viga O potencial total π

Figura 2.5: viga

O potencial total π da viga ´e igual a diferen¸ca entre o funcional de energia interna de deforma¸c˜ao e o

realizado pelo trabalho das for¸cas externas

π ( w ) = l

0

E (x) I (x) d 2 w (x) d 2 w ( x)

dx

2

2

dx

2

dx l f w (x) dx + w (l ) F + dw ( x) M .

0

dx

O princ´ıpio da m´ınima energia potencial diz que, de todas as configura¸c˜oes admiss´ıveis que a viga

pode assumir, apenas a que torna a energia potencial total um m´ınimo ´e a que corresponde a configura¸c˜ao

de equil´ıbrio. Analisando a primeira varia¸c˜ao do funcional δπ , que deve ser nula na configura¸c˜ao de equil´ıbrio

0 = l

0

E

(x) I (x) d 2 w ( x) d 2 δw (x)

2

dx

2

dx

2

f (x) δw (x) dx δw ( l ) F dδw (x) M

dx

20

´

´

CAP ITULO 2. FUNDAMENTOS DE C ALCULO VARIACIONAL

e integrando por partes duas vezes a equa¸c˜ao acima para isolar termo δw ( x) ,obtemos

0

=

l

0

2 E ( x) I ( x) d 2 w (x) f (x) δw (x) dx +

d

2

dx

dx

2

E ( x) I (x) d 2 w ( x)

dx 2 δ ∂w (x) ∂x

δw ( l ) F δ dw ( l ) M

dx

l

dx E ( x) I ( x) d 2 w (x) δw

d

dx

2

0

e do conhecimento de que δw (0) = δw ( l ) = 0 e que δw ( x) ´e arbitr´ario ( = 0) ,obtemos a equa¸c˜ao de equil´ıbrio que governa a flex˜ao de vigas de Euler-Bernoulli,

2

2 E (x) I (x) d 2 w ( x) = f (x) .

d

dx

dx

2

Considerando os termos no contorno (0 e l ) δw (0) , δw ( l ) , δ w (0)

∂x e δ ∂w ( l ) ∂x

temos que

0

= δw (0) dx E ( x) I ( x) d 2 w (x) x=0 + δw (l ) F dx E ( x) I ( x) d 2 w (x)

d

dx

2

d

dx

2

x= l

δ ∂w (0) ∂x

E (x) I (x) d 2 w ( x)

dx

2

x=0 + δ ∂w (l ) ∂x

M + E ( x) I ( x) d 2 w (x)

dx

2

x= l

+

Analisando o engaste (x = 0) verificamos que δw (0) = 0 e δ w (0) = 0 que permite levar, separa-

∂x

damente, os coeficientes de δw (l ) e de δ w ( l ) a zero :

∂x

dx E (x) I (x) d 2 w ( x)

d

dx

2

x= l

= F

E ( x) I ( x) d 2 w (x)

dx

2

x= l

= M

que s˜ao as condi¸c˜oes de contorno naturais do problema. As condi¸c˜oes de contorno essenciais (geom´etricas) s˜ao dadas pelo engaste

w (0) = dw (0) = 0

dx

Em qualquer problema podem existir 3 tipos de combina¸c˜oes de condi¸c˜oes de contorno

Todas s˜ao do tipo essencial - Dirichlet

Todas s˜ao do tipo natural - Neummann

Algumas s˜ao naturais e outras s˜ao essenciais - Mista

2.3 Problema Variacional sem Restri¸c˜oes com Derivadas de or- dem superior

Considerando o funcional defino por

π [y ( x)] = F x, y ( x) , y (x) , y (x) , y (x) ,

,

y ( n) ( x) dx

˜

2.4. PROBLEMA VARIACIONAL COM MULTIPLAS FUNC¸ OES

21

contendo derivadas de ordem 1 at´e n da fun¸c˜ao y (x) em rela¸c˜ao a vari´avel independente, queremos encontrar a fun¸c˜ao y ( x) que extremize o funcional π [y ( x)], sujeito as condi¸c˜oes de contono

1

y (x 0 ) = y 0 , y (x 0 ) = y ,

0

1

y ( x 1 ) = y 1 , y ( x 1 ) = y ,

1

, y ( n) (x 0 ) = y

, y ( n 1) (x 0 ) = y

n

0

n1

0

, y ( n) ( x 1 ) = y n

1

, y ( n 1) (x 1 ) = y n 1

1

e seguindo os mesmos procedimentos apresentados em 1.1, obtemos a condi¸c˜ao de extremo do funcional π [ y (x)] :

∂F

∂F

∂y dx ∂y

d

d 2

2

dx

∂F

∂y

(1) n d n

dx

n

( n) = 0

∂F

∂y

sendo esta condi¸c˜ao necess´aria, conforme discutido no item 1.1.

2.4 Problema Variacional com multiplas fun¸c˜oes

Os funcionais estudados anteriormente eram fun¸c˜oes de y(x) somente, mas podemos t er situa¸c˜oes onde existem mais de uma fun¸c˜ao participando da formula¸c˜ao. Assim podemos escrever o vetor

Y = [y 1 (x) , y 2 (x) ,

, y m (x)] T

que cont´em as fun¸c˜oes envolvidas e o funcional

π [ Y ( x)] = F [x, Y ( x) , Y (x) , Y ( x) ,

, Y ( n) ( x)]dx.

As fun¸c˜oes contidas em Y ( x) devem satisfazer as condi¸c˜oes de contorno

Y (x 0 ) = Y 00 , Y (x 0 ) = Y 10 , Y (x 0 ) = Y 20 , Y ( n 1) ( x 0 ) = Y ( n 1)0

Y (x 1 ) = Y 01 , Y (x 1 ) = Y 11 , Y (x 1 ) = Y 21 , Y ( n 1) ( x 1 ) = Y ( n 1)1

e a condi¸c˜ao de extremiza¸c˜ao do funcional ´e

onde Y F =

d

d

2

Y F dx (Y F ) dx 2 (Y ′′ F )

∂F

∂y 1 , y 2 ,

∂F

,

(m) T .

∂F

∂y

d

n

(1) n dx n ( Y (n) F ) = 0

Exemplo 6. Determine as equa¸c˜oes diferenciais de movimento do sistema mostrado na figura 2.4 .

Determine as equa¸c˜oes diferenciais de movimento do sistema mostrado na figura 2.4 . Figura 2.6: Sistema

Figura 2.6: Sistema massas-molas

22

´

´

CAP ITULO 2. FUNDAMENTOS DE C ALCULO VARIACIONAL

O princ´ıpio de Hamilton estabelece que o movimento de um ou mais corpos em equil´ıbrio dinˆamico,

de um instante t 1 a um instante t 2 , ´e aquele que minimiza o funcional

t

F =

t

1

2

(T V ) dt

onde V ´e a energia potencial e T ´e a energia cin´etica do sistem´a mecˆanico. Neste sistema mecˆanico discreto temos que

e

e o funcional ´e

t

F =

t

1

2

T

1

1

= 2 mx 1 (t ) + 2 mx 2 ( t )

V = 1 2 k 1 x 2 ( t ) +

1

1

2

k 2 (x 2( t) x 1( t) ) 2 +

1