Estimativas Do Momentos Estatísticos, Baseados Na Série de Neumann, para o Problema de Termoelasticidade Estocastica

Estabelecimento de Cotas para as Estimativas dos Momentos Estatsticos para o Problema ....
Estabelecimento de Cotas para as Estimativas dos

Momentos Estatsticos para o Problema Linear
de Termoelasticidade Estocstica
Claudio R. vila da Silva Jr., avila@utfpr.edu.br
Resumo: Este artigo apresenta cotas inferior e superior para as estimativas para valor
esperado e correlao, para os processos estocsticos de deslocamento e temperatura
de um problema de termoelasticidade, linear, estocstica e unidimensional. A incerteza
est presente nos coeficientes de condutividade e ridigez de membrana. A modelagem
da incerteza feita atravs de processos estocsticos parametrizados. A simulao de
Monte Carlo utilizada para gerar o conjunto de realizaes, e determinao dessas
estimativas. A partir disso, as propriedades da srie de Neumann so utilizadas para
obter as cotas inferior e superior, para as funes amostrais dos processos estocsticos
de temperatura e deslocamento. A metodologia proposta mostrou-se eficiente, em
relao a simulao de Monte Carlo, e teve seu desempenho avaliado ao ser aplicada
em dois problemas, cujos resultados so apresentados nesse trabalho.
Palavras-Chaves: Srie de Neumann, simulao de Monte Carlo, Monte Carlo Neumann, cotas inferior e superior para realizaes, termoelasticidade estocstica,
estimativas para valor esperado e correlao.
1.
Introduo
Nas ultimas dcadas, a quantificao da incerteza, tem sido amplamente
empregada na modelagem de problemas de engenharia. O aumento da capacidade

computacional instalada, assim como a proposio de novas tcnicas, e metodologias de
anlise e soluo de problemas com incerteza, favorece essa tendncia. Apesar disso, a
simulao de Monte Carlo Direto, ainda muito utilizada como referncia para
avaliao dessas novas proposies e metodologias. Em geral, a utilizao da simulao
de Monte Carlo direta, envolve um alto custo computacional. A sua utilizao pode at
mesmo ser proibitiva, para certas aplicaes. Por exemplo, para problemas que
apresentam no linearidades ou de grande dimenso. Atualmente, devido a
complexidade crescente dos problemas de anlise de estruturas, torna-se imprescindvel
a utilizao de mtodos numricos, tais como mtodos do elementos finitos, diferenas
finitas ou elementos de contorno. Nesses mtodos a soluo de uma equao diferencial
linear aproximada pela soluo de um sistema linear de equaes algbricas (matriz de
rigidez). Neste contexto, se o mtodo de simulao de Monte Carlo for utilizado, ento,
para cada amostra estrutural, deve-se reavaliar a matriz de rigidez. Dependendo da
dimenso do sistema linear, e do nmero de amostras, esse procedimento apresenta alto
custo computacional. A srie de Neumann, para um operador linear definido em
dimenso finita, A : n n , prope que a inversa desse operador, seja representado
por uma srie formada, por composies de um operador P : n n , relacionado
com o operador "A" Notando que em dimenso finita, os objetos matemticos que
representam operadores lineares, so matrizes. Os trabalhos que utilizam a srie de
Neumann, tem como objetivo a reduo do custo computacional, pois a inversa do
operador aproximada pelo truncamento dessa srie. Dependendo do nmero de termos
utilizados na srie, pode ocorrer que o nmero de operaes realizadas por tal
aproximao, menor do que as operaes necessrias, para obter a soluo exata do
sistema linear, atravs da utilizao de algum mtodo iterativo para obter a matriz
inversa. Utilizando-se a srie de Neumann problemas de engenharia, destacam-se os
seguintes trabalhos: Yamazaki (1989) utilizou a srie de Neumann para obter as
realizaes do processo estocstico de deslocamentos, para um problema de elasticidade
plana com incerteza no mdulo de Young; Arajo & Awruch (1994) obtiveram a
resposta de problemas estruturais estticos no lineares e dinmicos, com variabilidade
randmica nas propriedades mecnicas; Chakraborty & Dey (1996) obtiveram o valor
esperado e varincia do processo estocstico de resposta para problemas estruturais com
incerteza sobre a geometria e propriedades mecnicas das estruturas e dos parmetros de
rigidez de uma fundao; Chakraborty & Dey (1998) formularam o problema dinmico
de flexo de vigas curvas, no domnio da freqncia de estruturas, com incerteza sobre
os parmetros de rigidez; Lei & Qiu (2000) aplicaram a srie de Neumann para a anlise
da propagao da incerteza em estruturas, utilizando as equaes de movimento;
Chakrabort & Sarkar (2000) estimaram os momentos estatsticos do processo
estocstico de deslocamento transversal de uma viga curva, apoiada em fundao de
Winkler; Chakraborty & Bhattacharyya (2002) determinaram as estatsticas para

problemas tridimensionais de elasticidade linear, cujas as propriedades elsticas foram
representadas por processos estocsticos gaussianos; Li et al. (2006) apresentam uma
metodologia para obter solues para o sistema linear, proveniente da discretizao do
problema estocstico; Schevenels et al. (2007) propem uma metodologia baseada em
funes de Green, e a comparam com a srie de Neumann, para o caso contnuo, em um
problema de propagao de ondas, em uma viga infinita apoiada em uma fundao de
Winkler, com incerteza sobre o coeficiente de rigidez da fundao. Em todos os
trabalhos citados, a srie de Neumann utilizada, somente, como uma alternativa mais
eficiente para soluo do problema. No so exploradas as propriedades, de
convergncia, tal como a estimativa da soma da srie de Neumann. A proposta
apresentada nesse artigo faz uso dessa estimativa. Alm disso, no se tem registro, de
alguma aplicao da srie de Neumann, para avaliar a propagao da incerteza, atravs
do sistema de equaes acoplado, proveniente da modelagem matemtica do problema
de termoelasticidade linear.
Neste trabalho utiliza-se o mtodo de simulao de Monte Carlo e as propriedades
da srie de Neumann, para obter as estimativas para valor esperado e correlao das
aproximaes numricas, do processo estocstico de deslocamento, do problema de
termo elasticidade estocstica, linear e unidimensional. A incerteza est sobre os
coeficientes de condutividade trmica e rigidez de membrana. A modelagem da
incerteza feita atravs de processos estocsticos parametrizados. Para cada amostra
"termo-mecnica", as solues numricas aproximadas so obtidas atravs do mtodo
de Galerkin. A metodologia proposta neste trabalho, ser denotada por Monte Carlo Neumann, pois utiliza o mtodo de simulao de Monte Carlo, e a srie de Neumann,
com baixa ordem. A contribuio deste trabalho est na utilizao das propriedades da
srie de Neumann para obter, formalmente, as cotas inferior e superior para cada
realizao, ou funo amostral, das aproximaes numricas dos processos estocsticos
de temperatura e deslocamento. Para tanto, recorre-se a estimativa da soma da srie de
Neumann. Essa estimativa definida atravs da norma de uma matriz. Para aumentar a
eficincia computacional da estratgia proposta, utiliza-se a equivalncia de normas de
operadores definidos em dimenso finita. A partir disso, so estabelecidas cotas
inferiores e superiores, para o valor esperado e correlao do processo estocstico de
deslocamento. Para avaliar essa metodologia, apresentam-se os resultados numricos e
tempos de computao para dois problemas. So comparados os desvio relativos, entre
as estimativas para valor esperado e correlao do processo estocstico de

deslocamento, obtidas com o mtodo de simulao de Monte Carlo Direto, e as cotas
dessas estimativas calculadas, atravs do mtodo de Monte Carlo - Neumann.
2.
Formulao Matemtica do Problema Linear de Termoelasticidade

Estocstica
Nesta seo so apresentados o problema linear de termoelasticidade estocstica a
ser estudado e as hipteses sobre os dados. O problema estocstico est definido no

espao de probabilidade ( , F , P ) , sendo " " o espao amostral de eventos, " F " a
-lgebra de eventos e " P " a medida de probabilidade. Desta forma, o problema linear
de termoelasticidade estocstica em uma haste, consiste em determinar os processos

estocsticos de deslocamento e temperatura,
( u, T ) ,
respectivamente, solues do
seguinte problema,
Find u , T L2 , F , P; H 2 0, l H 1 0, l 2 , such as,

( )
( ( ) 0 ( ))
d EA du + T = f ,
dx
dx
d
dT
( x, ) ( 0, l ) , a. e.;
dx dx = q,
u ( 0, ) = u ( l , ) = 0,
;
T ( 0, ) = T ( l , ) = 0,
(
(
( f ,q)
(1)
so os termos de carregamento mecnico e trmico, respectivamente. Enquanto
que, EA , e so os coeficientes de rigidez de membrana, condutividade trmica e

dilatao linear, respectivamente. Sobre esses coeficientes so necessrias as seguintes
hipteses:
, + , P ( x, ) ( 0, l ) : ( x, ) [ , ] = 1;
H1 :
+
, , P ( x, ) ( 0, l ) : EA ( x, ) , = 1;
(
(
H2 : ( q, f ) L , F , P; ( L2 ( 0, l ) ) .
(2)
A hiptese H1 assegura, que os coeficientes de condutividade trmica e rigidez de

membrana sejam positivos, e uniformemente limitados em probabilidade, Babuska et al.
(2005). A hiptese H2 garante que, os carregamentos mecnico e trmico possuam
varincia finita. A partir disso, o lema de Lax-Milgram, assegura a existncia e
unicidade das solues (realizao), referentes a amostras randmicas dos coeficientes
de condutividade e rigidez de membrana, (amostra termo-mecnica) e dos termos de
carregamento termo-mecnico, tais que satisfaam as hipteses (H1) e (H2).
As solues numricas aproximadas so obtidas a partir do problema variacional
abstrato associado, (PVA), ao problema apresentado na Eq. (1). O PVA est definido
em
V = H 01 ( 0, l ) H 01 ( 0, l ) ,
para
k-sima
amostra
termo-mecnica,
{EA( x, ( ) ) , ( x, ( ))} , dado por,

k
Para { ( k ) , ( k )} , fixados, determinar ( u, T ) V , tal que,
a ( u, v ) = c (T , v ) + l ( v ) ,
( v, ) V ;
b (T , ) = h ( ) ,
(3)
sendo a ( , ) , b ( , ) formas bilineares e l ( ) , h ( ) e c (T , ) funcionais lineares,

definidos como,
L
du dv
a ( u, v ) = EA dx dx ( x, ( k ) ) dx,
0
d ( T ) x, ( ) .v ( x ) dx,
c (T , v ) = dx
(
k )
L
l v = f .v x dx,
)( )
( ) (
0
=
( ) ( h. )( x ) dx.
(4)
A Eq. (3), representa um sistema de equaes variacionais. A primeira equao,

Eq. (3a), est relacionada ao problema mecnico, Eq. (1a), cuja a soluo, para a ksima amostra termo-mecnica a k-sima realizao do processo estocstico de
deslocamento. A segunda equao, Eq. (3b), a equao variacional associada a
equao da energia, Eq. (1b), sendo a soluo o processo estocstico de temperatura.

Para soluo do PVA, ( u , T ) V , referente a k-sima amostra termomecnica, pelo
lema de Doob-Dynkin, Rao (2010), a k-sima realizao dos processos estocsticos de
deslocamento e temperatura depender de {k , k } , ( u = u ( x, k , ik ) e T = T ( x, k ) ) .
A partir disso, sero obtidas solues numricas via mtodo de Galerkin, e com o
conjunto das realizaes pode-se obter, consistentemente, as estimativas para valor
esperado e correlao, para a aproximao numrica, do processo estocstico de
deslocamento. importante mencionar, que as solues numricas aproximadas para as
realizaes do processo estocstico de deslocamento, dependem das solues
numricas, das realizaes do processo estocstico de temperatura.
3.
Mtodo de Galerkin
O mtodo de Galerkin utilizado para obter solues numricas aproximadas,
para as realizaes dos processos estocsticos de deslocamento e temperatura. Para isso

o espao de aproximao Vmn = span {{1 ,, m } , {1 ,, n }} obtido, utilizando-se
um subconjunto total de V, V = span {i }i
) . Sem perda de generalidade, para a
formulao ser apresentada nesse trabalho, o termo de carregamento termo-mecnico

ser considerado determinstico. Os modelos de incerteza sobre os coeficientes de
condutividade trmica e rigidez de membrana, so definidos por processos estocsticos
parametrizados, da seguinte forma,
x
,
x
+
i ( x ) i ( );
(
)
(
)
(
)
i =1
M EA
EA ( x, ( ) ) = ( x ) + ( x ) ( );
EA
i
i
i =1
(5)
sendo ( ) e EA ( ) os valores esperados dos coeficientes de condutividade trmica e

rigidez de membrana, respectivamente,
M
i , i C0 ( 0, l ) C
M EA
( 0, l )
so funes
determinsticas, e ( ) = {i ( )}i=1 e ( ) = { i ( )}i=1 , vetores randmicos, cujas as
entradas so variveis randmicas, estatisticamente independentes, com as seguintes

propriedades:
E [ i ] = 0 P ( : i ( ) i ) = 1, i {1,, M } ,
E [ i ] = 0 P ( : i ( ) i ) = 1, i {1,, M EA } ,
(6)
sendo E [] a esperana matemtica. Na Eq. (5), i e i so as imagens das variveis

randmicas
i.e.
i = i ( )
i = i ( )
i = bi ai < , i {1,, M } ,
com
i = [ ai , bi ] ,
i = [ ci , di ] ,
i = di ci < , i {1,, M } . Com essa definio, Eq. (5), assegura-se que os
processos estocsticos " ( , ) " e " EA ( , ) " sejam limitados, uniformemente, em

probabilidade, satisfazendo hiptese (H2). Desta forma, a imagem do vetor randmico
: , com N , em termos de
{i }i=1 ,
dado por = i . Conforme

i =1
mencionado anteriormente, do lema de Doob-Dynkin, os processos estocsticos de

temperatura e deslocamento dependero dos vetores de variveis randmicas
( ( ) , ( ) ) ,
T ( x, ) = T ( x, ( ) ) = T x, 1 ( ) ,, M ( ) ;
u ( x, ) = u ( x, ( ) , ( ) ) = u x, 1 ( ) ,, M ( ) , 1 ( ) ,, M ( ) .
A k-sima realizao determinada atravs do mtodo de Galerkin, ao buscar

solues numricas aproximadas,
(um ,Tn ) ,
para o PVA, Eq. (3), que possuem a
seguinte forma,
u
x
,
=
ui k ( ) , k ( ) i ( x ) ,
(
)
(
)
k
k
m
i =1
n
T x, ( ) =
Ti k ( ) i ( x ) ,
n
k
i =1
) (
) (
(7)
sendo Ti ( k ( ) )
i =1
e ui ( k ( ) , k ( ) )
i =1
as funes coordenadas. importante
mencionar, que esses coeficientes dependem dos valores numricos assumidos, para a k-
sima amostra, dos vetores randmicos k ( ) , k ( ) . Desta forma, na Eq. (7) esto
representadas as funes amostrais, ou realizaes, das aproximaes numricas, para
os processos estocsticos de deslocamento e temperatura, relativos a k-sima amostra
termo-mecnica. A partir disso, para a k-sima amostra estrutural, define-se o problema
variacional aproximado:
Para { k , k } , fixados, determinar ( um ,Tn ) Vmn ,tal que,
a ( um , v ) = c (Tn , v ) + l ( v ) ,
( v, ) Vmn .
b (Tn , ) = h ( ) ,
(8)
Ao substituir as solues numricas aproximadas, para a k-sima funo amostral dos

processos estocsticos de deslocamento e temperatura, Eq. (7), no PVA, Eq. (3), gera-se
um sistema linear de equaes algbricas,
Para { k , k } , fixados, determinar ( U ( k , k ) , T ( k ) ) tal que,
R ( k ) U ( k , k ) + DT ( k ) = F;
( CT )( k ) = Q;
n
(9)
sendo R ( k ) M m ( ) , C ( k ) M n ( ) e D M mn ( ) as matrizes de rigidez,

condutividade e dilatao trmica, respectivamente. As entradas dessas matrizes so
definidas por,
L
d i d j
R ( k ) = rij ( k ) mm , rij ( k ) = EA ( x, ( k ) ) dx dx dx;
0
d i d j
C ( k ) = cij ( k ) nn , cij ( k ) = ( x, ( k ) ) dx dx dx;
0
d
D = d ij , dij = i j ( x ) dx.
dx
mn
(
(
A soluo do sistema linear de equaes, apresentado na Eq. (9) dada por
(10)
U ( k , k ) = ( R ( k ) ) F ( k ) = H ( k ) F ( k ) ,
(11)
sendo,
1
F ( k ) = F D (C (k )) Q ,
o vetor F ( k ) = f1 ( k ) ,..., f m ( k )
(12)
denota-se, nesse trabalho, como vetor de
carregamento termo-mecnico. Neste termo, est evidenciado o acoplamento entre os

processos estocsticos de deslocamento e temperatura, conforme o sistema
termoelastico, Eqs. (1), (3) e (9). Na Eq. (10), a matriz H ( k ) = hij ( k )
mm
a inversa
da matriz de rigidez, R ( k ) , e U ( k , k ) = u1 ( k , k ) ,, um ( k , k ) um vetor,

cujas as entradas so os coeficientes da combinao linear, Eq. (7a), e so definidas
como,
ui ( k , k ) = hij ( k , k ) f j .
(13)
j =1
Das Eqs. (7a) e (13) a aproximao numrica, para a k-sima realizao, do processo
estocstico de deslocamento transversal, um = um x, k , k , expressa por,
um ( x, k , k ) = hij ( k ) f j ( x, k ) i ( x ) = F ( k ) ( H ( k ) ( x ) ) . (14)
i =1 j =1
Um procedimento, anlogo a esse, Eq. (13), pode ser feito para a aproximao numrica
do processo estocstico de temperatura, relativa a k-sima realizao.
Pelo mtodo de simulao de Monte Carlo Direto, as estimativas para valor
esperado e correlao do processo estocstico de deslocamento, so obtidas a partir do
conjunto das realizaes. Conforme pode-se observar nas Eqs. (13) e (14), para se
determinar uma realizao, necessrio calcular-se a inversa da matriz de rigidez
( H () ) . importante mencionar, que deve-se evitar o clculo da inversa, pois envolve
10
um alto custo computacional. Para a soluo do sistema linear de equaes, Eq. (9),
recorre-se a mtodos iterativos, tais como Jacobi, Gauss-Seidell, Gradientes
Conjugados, entre outros, Kincaid e Cheney (2002). Apesar disso, o mtodo de
simulao de Monte Carlo Direto, pode-se tornar proibitivo, em decorrncia do custo
computacional elevado (nmero de computaes). Por exemplo, dependendo da
natureza do problema, (no linearidades), e do nmero de variveis randmicas, o
nmero de computaes pode-se tornar muito elevado. Sob certas condies, uma
alternativa para reduo do custo computacional, a utilizao da srie de Neumann.
4.
Srie de Neumann
A verso da srie de Neumann, que ser utilizada nesse trabalho, para um
operador linear, definido em um espao de dimenso finita. Neste caso, o objeto

matemtico representativo do operador uma matriz, A : n n . Para o modelo de
incerteza utilizado nesse trabalho, Eq. (4), as matrizes de condutividade e rigidez, para a
k-sima amostra termo mecnica da haste,
{EA ( x,
( ) ) , ( x, k ( ) )} ,
admitem as
seguintes decomposies,
R ( k ) = R 0 + R ( k )
C ( k ) = C0 + C ( k )
R ( k ) = R 0 ( I + PR ( k ) ) ,
C ( k ) = C0 ( I + PC ( k ) ) ,
(15)
sendo PR ( k ) = ( R 0 ) R ( k ) e PC ( k ) = ( C0 ) C ( k ) . As entradas das matrizes
( R0 )
e ( C0 )
so determinadas, com valores esperados dos coeficientes de rigidez de
membrana e condutividade trmica, respectivamente. Substituindo-se as definies

apresentadas na Eq. (15), na Eq. (11), formalmente, a soluo U = U ( k , k ) dada
por,
T ( ) = ( I + P ( ) ) 1 T ;
k
C
k
0
1
1
1
U ( k , k ) = ( I + PR ( k ) ) U 0 ( R 0 ) D ( I + PC ( k ) ) T0 ;
(16)
com T0 = ( C0 ) Q , U 0 = ( R 0 ) F , com T0 = T10 ,, Tn0
e U 0 = u10 ,, um0 . Do
teorema da srie de Neumann, se 0 < PC ( k ) , PR ( k ) < 1 ento
( I + P ( ))
11
(I + P ( ))
R
existem, e so representadas atravs da seguinte srie, Golub & Van
Loan (2012),
0 < PC ( k )
0 < PR ( k )
i
1
1
I
+
P
I
+
P
=
(
)
(
)
(
)
(
)
( PC ( k ) ) ;
C
k
C
k
< 1
i =1

1
1
i
< 1
( I + PR ( k ) ) ( I + PR ( k ) ) = ( PR ( k ) ) .
i =1
(17)
Alm disso, o teorema fornece uma cota superior, para as somas das sries de Neumann,
Eq. (17), das matrizes ( I + PC ( k ) )
e ( I + PR ( k ) ) , que so dadas por,
1
1
( I + PC ( k ) ) 1 P ( ) ;
C
k
1
( I + P ( ) )1
.
R
k
(
)
R
k
(18)
Das Eqs (15) e (17) tem-se que,
1
1
i
1
C
=
I
+
P
C
=
(
)
(
)
(
)
(
)
(
)
( PC ( k ) ) ( C0 )1 ;
C
k
k
0
i =1
( R ( ) )1 = ( I + P ( ) )1 ( R )1 = ( P ( ) )i ( R ) 1 .
k
R
k
0
R
k
0
i =1
Substituindo-se a Eq. (19), na Eq. (13) obtm-se,
(19)
12
n n
pC( qij) ( k ) T j0 i ( x )
Tn ( x, k ) =
i =1 j =1 q =1
q
T
= ( T0 ) ( PC ( k ) ) ( x ) ;
q =1
m m
q
u x, , =
pR( ij) ( k ) f j x, k i ( x )
k
k
m
i =1 j =1 q =1
T
q
=
F
(
)
( PR ( k ) ) ( x ) ;
(
)
q =1
(20)
sendo que,
( P ( ))
C
q
= pC( ij) ( k )
n n
( P ( ))
R
q
= pR( ij) ( k )
m m
(21)
importante observar, que para se obter as solues numricas aproximadas, ( um , Tn ) ,

para a k-sima realizao dos processos estocsticos de temperatura e deslocamento,
necessrio o truncamento das sries expressas na Eq. (20). A partir disso, as
aproximaes numricas ( ums , Tnr ) , so definidas por,
n n r
T
x
,
=
pC( qij) ( k ) T j0 i ( x )
(
)
k
nr
i =1 j =1 q =1
q
T
= ( T0 ) ( PC ( k ) ) ( x ) ;
q =1
m m s
q
u x, , =
pR( ij) ( k ) f j x, k i ( x )
k
k
ms
i =1 j =1 q =1
s
T
q
=
F
(
)
( PR ( k ) ) ( x ) .
(
)
q =1
(22)
Com o resultado relacionado a uma cota superior, para a soma da srie de Neumann, Eq.
(18), so obtidas as cotas inferiores e superiores, para as aproximaes numricas,
( ums , Tnr ) , das realizaes dos processos estocsticos de deslocamento e temperatura.
5.
13
Cotas Inferior e Superior Para as Realizaes dos Processos Estocsticos de

Deslocamento e Temperatura
Nesta seo apresenta-se a estratgia proposta, que consiste na definio de cotas
inferiores e superiores, para as aproximaes numricas das realizaes dos processos

estocsticos de temperatura e deslocamento, ( um , Tn ) . A estratgia fundamenta-se na
utilizao das propriedades da srie de Neumann, e de resultados clssicos de lgebra
linear. Para cada amostra termo-mecanica, as cotas so calculadas, sem que a soluo do
sistema linear, Eq. (9), seja realizada, via clculo da inversa, ou mtodo iterativo. Uma
soluo aproximada, ( ums , Tnr ) , obtida via srie de Neumann, com poucos termos (n=0
ou n=1), sendo inserida uma correo, atravs da estimativa da soma da srie, Eq. (18).
Se o conjunto das amostras termo-mecnicas, ( x, i ( ) ) , EA ( x, i ( ) )
i =1
, forem tais
que, 0 < PC ( i ) , PR ( i ) < 1, i {1, ..., N } pode-se representar as aproximaes

numricas das realizaes dos processos estocsticos de deslocamento e temperatura,
em termos da srie de Neumann das matrizes ( I + PR ( k ) )
e ( I + PC ( k ) ) , Eq. (22).
Para a k-sima realizao das aproximaes numricas dos processos estocsticos de

deslocamento e temperatura, para um x [ 0, l ] , fixado, a distncia entre as realizaes
obtidas por simulao de Monte Carlo Direto ( um , Tn ) , Eq. (7), e pela srie de Neumann
( ums ,Tnr ) , Eq. (22), pode-se ser estimada como segue,
T
x
,
PC ( k ) U 0 ( x ) ,
(
)
(
)
k
m mr
q = r +1
q
( u u ) ( x, , )
PR ( k ) F ( k ) ( x ) .
m
ms
k
k
q = s +1
(23)
Baseando-se nas propriedades da srie de Neumann, Eq. (18), pode-se calcular os

termos
q = r +1
PC ( k )
q = s +1
PR ( k ) ,
r +1

PC ( k )
q
PC ( k ) =
;
1 PC ( k )
q = r +1
s +1
PR ( k )

q
.
PR ( k ) =
1 PR ( k )
q = r +1
14
(24)
Substituindo-se a Eq. (24) na Eq. (23), a distncia entre as solues numricas

aproximadas, obtidas por simulao de Monte Carlo Direto e Monte Carlo - Neumann,
toma a seguinte forma,
( Tm Tmr )( x, k ) CT ( r , k ) T0 ( x ) , ( x, k ) [ 0, l ] ;
(25)
( um ums )( x, k , k ) CU ( s , k ) U 0
+ CT ( r , k ) T0 ( x ) , ( x , k , k ) [ 0, l ] ;
sendo
r +1
PC ( k )
CT ( r , k ) =
;
1 PC ( k )
s +1
PR ( k )
.
C U ( s , k ) =
1 PR ( k )
(26)
Os coeficientes CT ( , ) e CU ( , ) , para a k-sima amostra termo-mecnica, dependem

do nmero de termos ("r" e "s"), utilizados nas sries de Neumann para as matrizes
( I + P ( ))
C
e ( I + PR ( k ) ) , e dos valores numricos de PC ( k ) e PR ( k ) . Das
Eqs. (25) e (26) obtm-se as cotas inferior e superior, para aproximao numrica da ksima realizao, dos processos estocsticos de deslocamento e temperatura,
( x, k ) Tn ( x, k ) ( x, k ) , ( x, k ) [ 0, l ] ;
( x, k , k ) um ( x, k , k ) ( x, k , k ) , ( x, k , k ) [ 0, l ] ;
(27)
15
sendo (, ) e (, ) as cotas inferior e superior, respectivamente, do processo

estocstico de temperatura. Enquanto que, (, ) e (, ) so as cotas inferior e
superior, respectivamente, do processo estocstico de deslocamento. As cotas
( , , , ) so definidas por,
( x , k ) = Tmr ( x, k ) + ( r , k ) T0 ( x ) ,
( x , k ) = Tmr ( x, k ) + ( r , k ) T0 ( x ) , ( x, k ) [ 0, l ]
( x, k , k ) = ums ( x, k , k ) + ( s, k ) U 0
+ ( r , k ) T0 ( x ) ,
( x , k , k ) = ums ( x, k , k ) + ( s , k ) U 0
+ ( r , k ) T0 ( x ) , ( r , s , k , k ) [ 0, l ] ;
(28)
( r , k ) = ( r , k ) ;
( s , k ) = ( s , k ) ;
( r , k ) = CT ( r , k ) ;
s, = C s, .
U(
k)
( k)
(29)
sendo
Com essas funes, Eq. (27), possvel obter as cotas inferiores e superiores das
estimativas para valor esperado e correlao dos processos estocsticos de temperatura e
deslocamento, a partir do conjunto de realizaes das cotas inferior e superior.
A determinao dos coeficientes " " e " " , Eq. (29), para cada realizao, exige
o clculo de
P , que, em geral, envolve alto custo computacional, o que pode
inviabilizar o uso dessa proposta. Neste trabalho, para contornar essa dificuldade,
recorre-se a equivalncia entre as normas de matrizes, Golub & Van Loan (2012),
c P
P C P ,
(30)
16
sendo 0 < c C < + , as constantes de equivalncia. Baseando-se nessas relaes,

para a k-sima amostra termo-mecnica, so apresentadas cinco propostas, para a
definio dos coeficientes " " e " " ,
n +1
m . PC ( k ) 1
1 ( n, k ) =
;
1 m . PC ( k ) 1
n +1
PC ( k ) 2
2 ( n, k ) =
;
1 PC ( k ) 2
n +1
m . PC ( k )
;
3 ( n, k ) =
1 m . PC ( k )
n +1
PC ( k ) F
;
4 ( n, k ) =
1
P
(
)
k
C
n +1
m. max pCij ( k )
i, j
( n, ) =
;
5
k
1
m.
max
p
(
)
k
Cij
i,j
})
})
n +1
m . PR ( k ) 1
1 ( n, k ) =
;
1 m . PR ( k ) 1
n +1
PR ( k ) 2
2 ( n, k ) =
;
1 PR ( k ) 2
n +1
m . PR ( k )
(31)
;
3 ( n , k ) =
1 m . PR ( k )
n +1
PR ( k ) F
;
4 ( n, k ) =
1
P
(
)
R
k
n +1
m. max pRij ( k )
i,j
( n, ) =
;
5
k
m.
max
p
(
)
Rij
k
i,j
})
})
sendo que
PC ( k ) 1 = max pCij ( k ) ;
1 j m
i =1
pCij ( k ) ;
PC ( k ) = max
1 i m
j =1
m m
2
P ( ) =
pCij ( k ) ;
C
k
F
i =1 j =1
PR ( k ) 1 = max pRij ( k ) ;
1 j m
i =1
pRij ( k ) ; (32)
PR ( k ) = max
1 i m
j =1
m m
2
P ( ) =
pRij ( k ) .
R
k
F
i =1 j =1
Neste trabalho, importante observar que, sero apresentados os resultados numricos

para dois exemplos, em que a incerteza estar sobre o coeficiente de rigidez a
membrana, ou condutividade trmica. Outro aspecto a ser ressaltado, que as definies
para os coeficientes " " e " " baseiam-se na estimativa da soma da srie de
Neumann, e portanto a norma equivalente, , a norma , Eq. (31), dever atender a
hiptese do teorema, Eq. (17), ou seja, C P
< 1.
6.
17
Cotas para as Estimativas para Valor Esperado e Correlao dos Processos

Estocsticos de Deslocamento e Temperatura
A partir das cotas inferior e superior, para as aproximaes numricas das

realizaes dos processos estocsticos de deslocamento e temperatura, so obtidas as
cotas inferiores e superiores para as estimativas, para valor esperado e correlao. Seja
({u ( x, ( ) , ( ))} ,{T ( x, ( ))}

N
j =1
N
j =1
, x [0, l ]
conjunto das realizaes das
aproximaes numricas dos processos estocsticos de temperatura e deslocamento

ento as estimativas para valor esperado e correlao, so definidas por,
N

1
=
x
(
)
um ( ) N um x, ( j ) , ( j ) ,
i =1
N

1
=
x
(
)
(
)
Tn
N Tn x, ( j ) , x [ 0, l ] ;
i =1
N
( 2)
1
,
=
x
y
(
)
(
)
N 1 um x, ( j ) , ( j ) um y , ( j ) , ( j ) ,
um
j =1
N
2
( 2)
1
Tn x, ( j ) Tn y, ( j ) , ( x, y ) [ 0, l ] .
Tn ( x, y ) = ( N 1 )
j =1
) (
) (
(33)
Substituindo-se na Eq. (32) as Eqs. (27)-(29) obtm-se,

i ( x ) Tn ( x ) i ( x ) ,

i ( x ) um ( x ) i ( x ) , x [ 0, l ] , i = 1, ...,5 ;
( 2)
( 2)
( 2)
i ( x, y ) Tn ( x, y ) i ( x, y ) ,
( 2)
2
( 2)
( 2)
i ( x, y ) um ( x, y ) i ( x, y ) , ( x, y ) [ 0, l ] , i = 1, ...,5.
(34)
O mtodo de simulao de Monte Carlo Direto utilizado para avaliar o

desempenho das cotas inferior e superior, das realizaes das aproximaes numricas
dos processos estocsticos de deslocamento e temperatura. So obtidas as estimativas
dos momentos estatsticos de primeira e segunda ordem (k=1, valor esperado e k=2,
correlao), Eq. (33), dos processos estocsticos de deslocamento e temperatura e das
suas respectivas cotas inferior e superior. O desempenho das cotas avaliado, com
relao ao desvio observado entre as estimativas dos momentos estatsticos das cotas
inferior e superior e as estimativas obtidas atravs do mtodo de Monte Carlo Direto, e
18
o custo computacional em termos do tempo de computao. Para tal, utilizam-se as

funes de desvio relativo das estimativas de ordem k dos momentos estatsticos em
relao as cotas inferior e superior ( )
k
( i ,i )
, ( k )
(i ,i )
: 0, l ,
que so definidas por,
((k )i ,i )
(100% ) . 1 ( k ) ( x ) , x 0, l ;
u
,
T
(
)
m n
(k ) ( x ) =
( i ,i )
0,
x 0, l , i = 1, ...,5 ;
( )
{ }
(35)
k
(()i ,i )
(100% ) . 1 ( k ) ( x ) , x 0, l ;
(um ,Tn )
(k ) ( x ) =
(i ,i )
x 0, l , i = 1, ...,5 .
0,
( )
{ }
Na seo 7 so apresentados os resultados numricos para dois exemplos para

uma haste sujeita a um carregamento termo-mecnico determinstico, com incerteza
sobre os coeficientes de rigidez de membrana e condutividade trmica. Para a
caracterizao da incerteza, as amostras termo-mecanicas so definidas utilizando-se
vetores
{ ( )}
j
randmicos,
{ ( )}
j
N
j =1
= {1 ( j ) , 2 ( j ) , 3 ( j ) , 4 ( j )}
N
j =1
= {1 ( j ) , 2 ( j ) , 3 ( j ) , 4 ( j )} , cujas propriedades so apresentadas na Eq.

j =1
j =1
(7). As simulaes dos exemplos numricos e as amostras dos vetores randmicos so

geradas por funes do MATLAB, em um computador ASUS G75V. Para reduzir a
correlao espria produzida pelo processo de gerao, implementou-se nesse ambiente,
o mtodo Latin Hypercube Sampling, Olsson & Sandberg (2002). Pelo mtodo de
simulao de Monte Carlo Direto, a k-sima realizao, para as aproximaes
numricas, dos processos estocsticos de deslocamento e temperatura so obtidas
atravs da k-sima amostra termo-mecnica, que consiste em substituir na Eq. (5), os
valores numricos amostrados dos vetores ( k = ( k ) , k = ( k ) ) ; calcular atravs da
Eq. (10), as matrizes de rigidez e condutividade; resolver o sistema de equaes, Eq.
(9), para
(U (
, k ) , T ( k ) ) ; para obter a k-sima realizao das aproximaes
numricas dos processos estocsticos de deslocamento e temperatura, deve-se substituir

a k-sima realizao do vetor nas combinaes lineares expressas na Eq. (7). Nos
exemplos apresentados, as estimativas dos momentos estatsticos, so obtidas de um
conjunto com trinta mil amostras termo-mecanicas, (N=30,000). Na Fig. 1 apresentamse os grficos dos comportamentos das estimativas do valor esperado e varincia,
(
Tn

, T2n
(
randmicas, Tn
um
19

, u2m , em relao ao nmero de realizaes, (N), para variveis
( 2l , ) e u ( 2l , , ) , que so geradas ao se fixar

m
x = 2l , com l = 1m ,
nas realizaes dos processos estocsticos de temperatura e deslocamento da haste.
Figura 1: Convergence of Monte Carlo simulation results for the mean and
variance of mid-spam displacement ( x =
1
2
for cases (a) up; (b) low.
Observa-se nas Figs 1a e 1b, que para N 15, 000 realizaes, as estimativas para valor
esperado e varincia das variveis randmicas um
estabilizarem
nos
valores
( 12 , , )
apresentam a tendncia, de

um ( 12 ) 0.00863460207110418 m

u2m ( 12 ) 2.03524066011372 10 7 m 2 , respectivamente.
7.
Resultados Numricos
Nesta seo so resolvidos e apresentados os resultados numricos, para os

processos estocsticos de deslocamento e temperatura de um problema termoelstico,
20
linear, estocstico, unidimensional. O problema consiste de uma haste, sujeita a um
carregamento termo-mecnico determinstico q ( x ) , f ( x ) dado por,
f ( x ) = 8400.( 2 x 1) x kPa.m, x ( 0,1) ;
q ( x ) = 50 kW.m, x ( 0,1) .
(36)
A modelagem da incerteza nos coeficientes rigidez de membrana e condutividade

trmica ser feita atravs de processos estocsticos parametrizados. Para todos os
exemplos, o coeficiente de dilatao linear determinstico ( = 23,5.106 K 1 ) ; a haste
possui um vo com comprimento de "um" metro
(l = 1 m ) ;
engastada nas
extremidades, como mostra a Fig. 2.
f ( x)
q ( x)
Figure 2: a) Haste engastada nas extremidades, sujeita a carregamento
termo-mecnico, q ( x ) , f ( x ) ; b) Seo transversal da haste.
Nos exemplos apresentados neste trabalho, os coeficientes de condutividade trmica e

rigidez de membrana, possuem valor esperado e coeficiente de disperso dados por:
EA ( x ) = 7.106 N.m 2 , x [ 0,1] ;
( x ) = 250 kW mK , x [ 0,1] ;
1
EA ( x ) = 10 , x [ 0,1] ;
1
( x ) = 10 , x [ 0,1] .
(37)
O desempenho da metodologia proposta, Monte Carlo - Neumann, avaliado,

atravs de dois exemplos numricos, a partir da obteno das estimativas para valor
esperado e correlao das cotas inferiores e superiores para o processo estocstico de
21
deslocamento. Emprega-se o mtodo de simulao de Monte Carlo Direto para obter as

estimativas dessas estatsticas. Utilizando-se a Eq. (35), avalia-se os valores numricos
das funes de desvio relativo em valor esperado e correlao, comparando-se os
tempos de computao das realizaes das aproximaes numricas do processo
estocstico de deslocamento, obtidas por simulao de Monte Carlo Direta e das
respectivas cotas inferior e superior determinadas, por Monte Carlo - Neumann com
ordem "r= s=1", Eqs. (28c), (28d) e (31).
a)
Exemplo 1: Coeficiente de rigidez de membrana (EA)
In this example, the uncertainty is assumed on the coeficiente de rigidez de

membrana, EA : [ 0,1] a, a , which is modeled as a parameterized stochastic
process,
EA ( x, ( ) ) = EA + (
3
2
) .EA 2.k 1 ( ) cos

k =1
( k4x ) +
2.k
( ) sin ( k 4x ) ,
(38)
where EA is the standard deviation do coeficiente de rigidez de membrana da haste.

Neste exemplo o coeficiente de condutividade trmica determinstico, e portanto o
campo de temperatura, no apresenta variaes de natureza randmica. Desta forma as
realizaes do processo estocstico de deslocamento dependero, somente, das amostras
do coeficiente de rigidez de membrana. Na Fig. 3 apresenta-se os grficos das funes
de desvio relativo das estimativas para valor esperado e correlao, das cotas inferior e
superior, para o processo estocstico de deslocamento, Eq. (31). Pode-se observar, que
as estimativas obtidas pelas cotas inferior e superior, aproximam-se mais das
estimativas para valor esperado do processo estocstico, para os casos em que o
coeficiente " " determinado pela Eq. (29a). Ao comparar-se os grficos das Figs. 3a
e 3b constata-se, que funes de desvio relativo em correlao, apresentam maiores
valores numricos. Em particular, as cotas inferior e superior, que so obtidas com a
definio do coeficiente " " , baseada na norma do mximo ( mx ) apresentam os
maiores valores numricos para as funes desvio relativo.
22
Figura 3: Grficos das funes , , i = 2, 4,5 ; b) Grficos

i
das funes ( 2) , ( 2) , i = 2, 4,5 .
Na Tab. 1 apresentam-se os valores numricos das funes desvio relativo em

valor esperado e correlao, Eq. (34), calculadas em seus valores mximo, e em
x = 107 m . Comparando-se os valores tabulados, constata-se que as funes desvio

relativo em valor esperado apresentam menores valores numricos, do que as funes
desvio relativo em correlao. As cotas que apresentaram os maiores valores numricos
para as funes desvio relativo, foram aquelas calculadas com o coeficiente " " atravs
da Eq. (29e). Quando as cotas so calculadas com o coeficiente " " definido pela Eq.
(29b), os valores numricos para as funes desvio relativo so menores. Apesar disso,
o tempo de computao das cotas, Tab. 4, quando utilizavam essa definio foi o maior.
A reduo nos valores numricos das funes desvio relativo em valor esperado e
correlao diminuem, sensivelmente, quando utiliza-se n=1, na soluo obtida via
simulao de Monte Carlo - Neumann.
23
Tabela 1: Avaliaes numricas das funes desvio relativo em valor esperado e

correlao, em seu valor mximo e em x = 107 m , para aproximaes
numricas, via srie de Neumann, com n=0 e n=1.
i/n
mx
x[ 0,1]
( x)
}%
( 107 ) %
mx ( x ) %
x[0,1]
( 107 ) %
n=0
21.376641981258
21.373505564049
20.8641793659111
20.432999912677
n=1
4.8426006707301
3.9089626093706
3.90896260937064
3.9089626093706
n=0
9.1602776186399
9.1566538674697
8.60358798967606
8.2161482160989
0.3935837813525
0.393583781352569
0.3935837813525
2
n=1
1.3272218427113
n=0
20.147182045325
20.143996582624
19.6302684051304
19.203490931252
n=1
4.4101538187991
3.4765157574408
3.47651575744081
3.4765157574408
n=0
13.011962790467
13.008492690329
12.4692174519237
12.067987038957
n=1
2.2876171624128
1.3539791010550
1.35397910105506
1.3539791010550
n=0
25.397922645337
25.394946644645
24.9000183084938
24.454440993273
n=1
6.8925102542441
5.9588721928854
5.95887219288547
5.9588721928854
mx ( 2) ( x) %
x[0,1]
i
(2) ( 107 ) %
mx ( 2 ) ( x ) %
x[0 ,1]
(2) ( 107 ) %
n=0
37.081563811368
37.069940729798
46.4299932763907
45.756212384637
n=1
9.2513852286976
9.2449949210784
8.80652854150028
8.0888113292324
n=0
17.664604039865
17.649394010035
17.3090127747284
16.769229335595
n=1
2.6400606545767
2.6324881720284
1.47959804281452
0.7760429863682
n=0
35.262203886142
35.250244709251
43.3638269045107
42.704154691749
n=1
8.4507182779713
8.444194588629
7.89082593054284
7.1746868377654
n=0
24.056554641698
24.042525414504
26.2192420780234
25.638459062547
n=1
4.4776555447964
4.4704254596371
3.44971098949154
2.7427176030510
n=0
41.254493957511
41.243641752284
58.2450439965844
57.516897213540
n=1
12.529144976908
12.523374151606
13.6581286827352
12.930982466756
i/n
3
4
b)
24
Exemplo 2: Coeficiente de condutividade trmica ( )
In this example, uncertainty is sobre o coeficiente de condutividade trmica,

modelada atravs de um processo estocstico parametrizado : [ 0,1] b , b dado
por,
( x, ( ) ) = +
( ) . ( ) cos ( k4x ) + ( ) sin ( k 4x ) ,

3
3
k =1
2.k 1
2.k
(39)
where is the standard deviation. Na Fig. 4 apresenta-se os grficos das funes de

desvio relativo das estimativas para valor esperado e correlao, das cotas inferior e
superior, para o processo estocstico de deslocamento. Observa-se o mesmo
comportamento do exemplo 1, em que as funes desvios relativo em valor esperado,
apresentaram os menores valores numricos do que as funes desvio relativo em
correlao. Porm ao se comparar os grficos apresentados nas Figs. 3 e 4 constata-se,
que para esse exemplo "desvio" das cotas menor.
25
Figura 4: Grficos das funes , , i = 2, 4,5 ; b) Grficos

i
das funes ( 2) , ( 2) , i = 2, 4,5 .
Na Tab. 2 apresentam-se os valores das funes desvio relativo em valor esperado

e correlao calculadas em seus valores mximo e em x = 107 m . Comparando-se os
valores numricos apresentados nas Tabs. 1 e 2 constata-se, para o exemplo 1, valores
numricos superiores. Isto indica que quando a incerteza est no coeficiente , a
propagao da incerteza atravs do modelo termoelastico menor. Isso decorre do fato,
de que a magnitude do coeficiente de dilatao trmica pequena, em relao ao
coeficiente de rigidez de membrana. E desta forma, torna-se menor a propagao da
incerteza, atravs da equao, que modela o comportamento mecnico.
Tabela 2: Avaliaes numricas das funes desvio relativo em valor esperado e
correlao, em seu valor mximo e em x = 107 m , para aproximaes
numricas, via srie de Neumann, com n=0 e n=1.
i/n
mx
x[ 0,1]
( x)
}/
10 %
( 107 ) / 10
mx
x[ 0,1]
( x)
}/
10 %
( 107 ) / 10
n=0
5.965287275
3.06264025255
5.996997143
3.04079494917
n=1
1.2408067129
0.65210992163
1.272172078
0.63007532524
n=0
2.470117976
1.2793176518
2.5018263238
1.25747812163
n=1
0.231092134
0.1369211410
0.2624580774
0.11489609264
n=0
5.614841958
2.88382173696
5.6465513820
2.86199264287
n=1
1.117715320
0.58930338386
1.1490821849
0.56727622599
n=0
3.576681006
1.84390924751
3.6083905197
1.82207937626
n=1
0.506273856
0.27733393359
0.5376409539
0.25530133562
n=0
7.122282219
3.6529597124
7.1539917545
3.63112961920
n=1
1.824845496
0.9500960018
1.8562125170
0.92806184959
mx ( ) ( x ) .10 6 %
( 2) ( 107 ) .107 %
11.9939945975034
6.08158168269
i/n
n=0
1
mx ( 2) ( x ) .10 6 %
x[ 0,1]
i
11.930573495799
( ) ( 107 ) .10
2
6.1252893868157
x[ 0,1]
26
n=1
2.4816110055780
1.3042086299819
2.54434617819044
1.26015109458
n=0
4.9402325341674
2.5586547325318
5.00365273659043
2.51494691738
n=1
0.4621820814953
0.2738492765885
0.52491733182336
0.22979196323
n=0
11.229682539415
5.7676776687998
11.2931035856079
5.72397085285
n=1
2.2354297524174
1.1786015496895
2.29816508046099
1.13454357020
n=0
7.1533608370089
3.6878445852650
7.21678135029436
3.64413610398
n=1
1.0125464022792
0.5546582082516
1.07528157489156
0.51059978467
n=0
14.244562474008
7.3059411853648
14.3079841752325
7.26223281510
n=1
3.6496900501781
1.9001895612547
3.71242554475515
1.85613280301
Na Tabela 3 so apresentados o tempo de computao para obter os conjuntos das

aproximaes numricas, para as realizaes do processo estocstico de deslocamento e
das suas cotas inferior e superior para os exemplos apresentados neste trabalho. Os
tempos de computao, (T1 ,, T5 ) , referem-se as definies para o coeficiente " "
dadas pelas Eqs. (29a) - (29e). A cotas, em que o coeficiente " " definido pelas Eqs
(29a) e (29e), apresentaram o maior tempo de computao. As cotas obtidas com a
definio baseada em norma 1,
( ) , exigiram o menor tempo de computao. Para o

1
caso, em que se obtm as cotas com aproximao, via srie de Neumann com n=0, o
1
tempo de computao zero, (TSN = 0 ) , pois ( I + PR ( ) ) I . Para todos os exemplos,

a srie de Neumann, (Monte Carlo - Neumann), apresentou um tempo de computao
menor, (TSN ) , do que a simulao de Monte Carlo Direto, (TMC ) .
Tabela 3: Tempo de computao das aproximaes numricas para as realizaes do

processo estocstico de deslocamento e de suas respectivas cotas inferior e superior.
Exemplos/n
TMC
TSN
T1
T2
T3
T4
T5
n=0
874.90
138.14
692.44
157.03
249.97
291.63
n=1
864.41
172.88
180.65
624.29
194.49
228.81
360.17
n=0
962.12
144.31
728.09
213.80
227.87
282.97
n=1
940.43
138.29
182.86
649.34
205.72
188.08
229.37
27
Nos exemplos apresentados, a proposio de cotas inferior e superior apresentouse como uma estratgia eficiente, para obter estimativas para o valor esperado e
correlao do processo estocstico de deslocamento. Nas definies das cotas foram
examinadas as diferentes propostas para o coeficiente " " , Eq. (29). A definio que
apresentou os menores valores numricos para as funes desvio relativo em valor
esperado e correlao, foi aquela em que o coeficiente " " calculado com a Eq.
(29b). Apesar disso, a que exige o maior tempo de computao. Portanto ao se
ponderar o tempo de computao e os valores numricos das funes desvios relativo
em valor esperado e correlao, Figs 3, 4 e Tabs 1 e 2, conclui-se que as cotas que
definidas pelas Eqs. (28c), (28d) e (29d), foram as que apresentaram maior eficincia,
para os exemplos apresentados neste trabalho.
8.
Concluses
Neste trabalho apresenta-se uma aplicao indita, da srie de Neumann, para o

problema unidimensional de termoelasticidade linear, com incerteza sobre os
coeficientes de rigidez de membrana e condutividade trmica. Para a modelagem da
incerteza, sobre os coeficientes, foi realizada atravs de processos estocsticos
parametrizados. O mtodo de simulao de Monte Carlo Direto foi utilizado para
estimar o valor esperado e correlao, a partir do conjunto de aproximaes numricas,
das realizaes do processo estocstico de deslocamento. O mtodo de Galerkin foi
utilizado para obter essas aproximaes numricas. A partir disso, so utilizadas as
propriedades da srie de Neumann, para obter cotas inferior e superior, para cada
realizao do processo estocstico de deslocamento. A definio dessas cotas depende
do valor numrico da norma da matriz, em cada realizao. Com base nisso so
examinadas cinco propostas para tal definio. Essas propostas, baseiam-se na
equivalncia entre normas de matrizes,
, 2 , , max ,
) . Em vista disso, so
obtidas as realizaes das cotas inferior e superior, para cada um das definies
propostas nas Eqs. (28c), (28d), e (29). Para avaliar a estratgia proposta neste trabalho
so apresentados dois exemplos numricos, em que so utilizadas as diferentes
propostas de definio das cotas, na obteno das estimativas para valor esperado e
correlao das cotas inferior e superior. Para avaliar a metodologia compara-se o tempo
de computao, e o desvio relativo das estimativas de valor esperado e correlao do
28
processo estocstico de deslocamento, em relao as estimativas calculadas via

simulao de Monte Carlo. Do ponto de vista, da propagao incerteza atravs do
modelo termoelastico, no exemplo 1, em que a incerteza estava associada ao coeficiente
de rigidez de membrana, observou-se maior propagao da incerteza. As cotas
inferiores apresentaram melhor desempenho, para a obteno das estimativas para valor
esperado e correlao. Em particular, as estimativas obtidas tanto para as cotas
inferiores quanto para as superiores para valor esperado, apresentaram melhor
desempenho, do que as estimativas para a correlao dessas cotas. As definies das
cotas, baseadas nas normas 2 e de Frobenius
, F ) , foram as que apresentaram
menor desvio, em relao as realizaes da soluo, obtidas por simulao de Monte

Carlo. Por outro lado, a proposta obtida com a norma 2, apresentou-se menos
"eficiente", por exigir maior tempo de computao. A proposta baseada na norma de
Frobenius apresentou, para todos os exemplos, o menor tempo de computao. Em vista
disso, essa proposta foi a mais eficiente, pois apresentou os menores desvio relativos
para valor esperado e correlao, e o menor tempo de computao. Desta forma,
utilizao da estratgia proposta atravs do uso da srie de Neumann, com ordem baixa
e clculo das cotas, para os problemas que foram apresentados neste trabalho, mostra-se
uma alternativa eficiente, em relao a simulao de Monte Carlo Direto.
9.
Agradecimentos
Este trabalho faz parte da produo cientfica do autor principal, que aproveita
para agradecer ao Conselho Nacional de Pesquisa (CNPq), pela concesso de uma bolsa
de produtividade em pesquisa para o projeto, e recursos financeiros para aquisio de
equipamentos atravs do projeto Universal . Estes apoio, na forma de incentivos
financeiros, viabiliza a continuidade dos estudos avanados, nas reas de pesquisa e
ensino de engenharia, na rede pblica federal de ensino, brasileira, em nvel de
graduao e ps-graduao.
10.
Referencias Bibliogrficas
Babuska I; Tempone R, Zouraris GE. (2005) Solving elliptic boundary value problems
with uncertain coefficients by the finite element method: the stochastic
29
formulation. Computer Methods in Applied Mechanics and Engineering, v. 194,

n. 12-16, p. 1251-1294.
vila S Jr. CR, Beck AT, Mantovani G, Azikri H. (2010) Galerkin Solution of
Stochastic Beam Bending on Winkler Foundations. Computer Modeling in
Engineering & Science; v. 1729, p. 1-31.
Brenner SC, Scott LR. (1994), The Mathematical Theory of Finite Element Methods.
Springer-Verlag.
Chakraborty S., Dey S.S. (1998) A stochastic finite element dynamic analysis of
structures with uncertain parameters International Journal of Mechanical Sciences,
v. 40, n. 11, p. 1071-1087.
Chakraborty S., Bhattacharyya B. (2002) An efficient 3D stochastic finite element
method, International Journal of Solids and Structures, v. 39, n. 9, p. 2465-2475.
Lei Z., Qiu C. (2000) Neumann dynamic stochastic finite element method of vibration
for structures with stochastic parameters to random excitation Computers &
Structures, v. 77, n. 6, p. 651-657.
Hyuk-Chun Noh, Taehyo Park (2006) Monte Carlo simulation-compatible stochastic
field for application to expansion-based stochastic finite element method
Computers & Structures, v. 84, n. 3132, p. 2363-2372.
Adhikari S. A reduced spectral function approach for the stochastic finite element
analysis Computer Methods in Applied Mechanics and Engineering, v. 200, n.
2122, 2011, p. 1804-1821.
Chakraborty S., Dey S.S. Stochastic finite element simulation of random structure on
uncertain foundation under random loading, International Journal of Mechanical
Sciences, v. 38, n. 11, 1996, p. 1209-1218.
Chakraborty S., Dey S.S. Stochastic finite element method for spatial distribution of
material properties and external loading, Computers & Structures, v. 55, n. 1,
1995, p. 41-45.
Arajo J.M., Awruch A.M., On stochastic finite elements for structural analysis
Computers & Structures, v. 52, n. 3, 1994, p. 461-469.
Bhattacharyya B., Chakraborty S., NE-MCS technique for stochastic structural response
sensitivity, Computer Methods in Applied Mechanics and Engineering, v. 191, n.
4950, 2002, p. 5631-5645.
D. Kincaid e W. Cheney (2002). Numerical Analysis: mathematics of scientific
computing, 3a ed., AMS.
30
Li C.F., Feng Y.T., Owen D.R.J. (2006) Explicit solution to the stochastic system of
linear algebraic equations, Computer Methods in Applied Mechanics and
Engineering, v. 195, n. 4447, p. 6560-6576.
Rahman S., Xu H. A univariate dimension-reduction method for multi-dimensional
integration in stochastic mechanics Probabilistic Engineering Mechanics, v. 19, n.
4, October 2004, p. 393-408
Chakraborty S., Sarkar S. K., Analysis of a curved beam on uncertain elastic foundation
Finite Elements in Analysis and Design, v. 36, n. 1, 2000, p. 73-82.
Schevenels M., Lombaert G., Degrande G., Clouteau D. The wave propagation in a
beam on a random elastic foundation, Probabilistic Engineering Mechanics, v. 22,
n. 2, 2007, p. 150-158.
Rao MM, Swift JR. (2010), Probability Theory with Applications. Springer; 2nd ed.
Olsson AMJ, Sandberg GE. (2002) Latin Hypercube Sampling for Stochastic Finite
Element Analysis. Journal of Engineering Mechanics; v. 128, n. 1, p. 121-125.
Golub GH, Van Loan CF, (2012) Matrix Computations, Johns Hopkins Studies in the
Mathematical Sciences.
Yoshida K. (1978) Functional analysis Springer Berlin.

Estimativas Do Momentos Estatísticos, Baseados Na Série de Neumann, para o Problema de Termoelasticidade Estocastica

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Estimativas Do Momentos Estatísticos, Baseados Na Série de Neumann, para o Problema de Termoelasticidade Estocastica

Enviado por

Direitos autorais:

Formatos disponíveis

Estabelecimento de Cotas para as Estimativas dos Momentos Estatsticos para o Problema ....

Estabelecimento de Cotas para as Estimativas dos

empregada na modelagem de problemas de engenharia. O aumento da capacidade

Winkler; Chakraborty & Bhattacharyya (2002) determinaram as estatsticas para

as estimativas para valor esperado e correlao do processo estocstico de

Formulao Matemtica do Problema Linear de Termoelasticidade

ser estudado e as hipteses sobre os dados. O problema estocstico est definido no

de termoelasticidade estocstica em uma haste, consiste em determinar os processos

Find u , T L2 , F , P; H 2 0, l H 1 0, l 2 , such as,

so os termos de carregamento mecnico e trmico, respectivamente. Enquanto

que, EA , e so os coeficientes de rigidez de membrana, condutividade trmica e

A hiptese H1 assegura, que os coeficientes de condutividade trmica e rigidez de

{EA( x, ( ) ) , ( x, ( ))} , dado por,

Para { ( k ) , ( k )} , fixados, determinar ( u, T ) V , tal que,

sendo a ( , ) , b ( , ) formas bilineares e l ( ) , h ( ) e c (T , ) funcionais lineares,

A Eq. (3), representa um sistema de equaes variacionais. A primeira equao,

equao da energia, Eq. (1b), sendo a soluo o processo estocstico de temperatura.

para as realizaes dos processos estocsticos de deslocamento e temperatura. Para isso

um subconjunto total de V, V = span {i }i

) . Sem perda de generalidade, para a

formulao ser apresentada nesse trabalho, o termo de carregamento termo-mecnico

sendo ( ) e EA ( ) os valores esperados dos coeficientes de condutividade trmica e

determinsticas, e ( ) = {i ( )}i=1 e ( ) = { i ( )}i=1 , vetores randmicos, cujas as

entradas so variveis randmicas, estatisticamente independentes, com as seguintes

sendo E [] a esperana matemtica. Na Eq. (5), i e i so as imagens das variveis

i = di ci < , i {1,, M } . Com essa definio, Eq. (5), assegura-se que os

processos estocsticos " ( , ) " e " EA ( , ) " sejam limitados, uniformemente, em

dado por = i . Conforme

mencionado anteriormente, do lema de Doob-Dynkin, os processos estocsticos de

A k-sima realizao determinada atravs do mtodo de Galerkin, ao buscar

para o PVA, Eq. (3), que possuem a

as funes coordenadas. importante

Para { k , k } , fixados, determinar ( um ,Tn ) Vmn ,tal que,

Ao substituir as solues numricas aproximadas, para a k-sima funo amostral dos

Para { k , k } , fixados, determinar ( U ( k , k ) , T ( k ) ) tal que,

sendo R ( k ) M m ( ) , C ( k ) M n ( ) e D M mn ( ) as matrizes de rigidez,

A soluo do sistema linear de equaes, apresentado na Eq. (9) dada por

denota-se, nesse trabalho, como vetor de

carregamento termo-mecnico. Neste termo, est evidenciado o acoplamento entre os

da matriz de rigidez, R ( k ) , e U ( k , k ) = u1 ( k , k ) ,, um ( k , k ) um vetor,

estocstico de deslocamento transversal, um = um x, k , k , expressa por,

( H () ) . importante mencionar, que deve-se evitar o clculo da inversa, pois envolve

operador linear, definido em um espao de dimenso finita. Neste caso, o objeto

sendo PR ( k ) = ( R 0 ) R ( k ) e PC ( k ) = ( C0 ) C ( k ) . As entradas das matrizes

so determinadas, com valores esperados dos coeficientes de rigidez de

membrana e condutividade trmica, respectivamente. Substituindo-se as definies

com T0 = ( C0 ) Q , U 0 = ( R 0 ) F , com T0 = T10 ,, Tn0

teorema da srie de Neumann, se 0 < PC ( k ) , PR ( k ) < 1 ento

existem, e so representadas atravs da seguinte srie, Golub & Van

e ( I + PR ( k ) ) , que so dadas por,

Das Eqs (15) e (17) tem-se que,

Substituindo-se a Eq. (19), na Eq. (13) obtm-se,

importante observar, que para se obter as solues numricas aproximadas, ( um , Tn ) ,

( ums , Tnr ) , das realizaes dos processos estocsticos de deslocamento e temperatura.

Cotas Inferior e Superior Para as Realizaes dos Processos Estocsticos de

inferiores e superiores, para as aproximaes numricas das realizaes dos processos

Se o conjunto das amostras termo-mecnicas, ( x, i ( ) ) , EA ( x, i ( ) )

que, 0 < PC ( i ) , PR ( i ) < 1, i {1, ..., N } pode-se representar as aproximaes

Para a k-sima realizao das aproximaes numricas dos processos estocsticos de

( ums ,Tnr ) , Eq. (22), pode-se ser estimada como segue,

Baseando-se nas propriedades da srie de Neumann, Eq. (18), pode-se calcular os

Substituindo-se a Eq. (24) na Eq. (23), a distncia entre as solues numricas

Os coeficientes CT ( , ) e CU ( , ) , para a k-sima amostra termo-mecnica, dependem

Figura 3: Grficos das funes , , i = 2, 4,5 ; b) Grficos

das funes ( 2) , ( 2) , i = 2, 4,5 .

Figura 4: Grficos das funes , , i = 2, 4,5 ; b) Grficos

das funes ( 2) , ( 2) , i = 2, 4,5 .