Sumario

1 Equacoes Diferenciais Parciais 2

1.1 EDPs Hiperbolicas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.2 EDPs Parabolicas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2

2 Metodos de Diferencas Finitas 4

2.1 Formulas de Diferencas Finitas . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
2.2 MDF para Equacao de Adveccao . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
2.3 Difusao e Dispersao Numericas em MDFs para EDPs Hiperbolicas . . . . . . . 8
2.4 Formula de Lax-Friedrichs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
2.5 Metodo Lax-Wendroff . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
2.6 Exemplos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10

3 Convergencia, Consistencia e Estabilidade 12

3.1 Convergencia e Teorema de Equivalencia de Lax-Richtmyer . . . . . . . . . . . . 13
3.2 Consistencia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
3.3 Estabilidade . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
3.4 Condicao de Courant-Friedrichs-Lewy . . . . . . . . . . . . . . . . . . . . . . . . 14

1
1 Equacoes Diferenciais Parciais
Equacoes Diferenciais Parciais (EDPs) relacionam derivadas de funcoes em relacao a duas ou
mais variaveis. Sua importancia e decorrente do fato que muitos problemas fsicos sao descritos
por equacoes desse tipo, sendo as variaveis geralmente a posicao e o tempo.

1.1 EDPs Hiperbolicas

As EDPs hiperbolicas podem ser descritas, simplificadamente, como aquelas cuja solucao, que
e dependente da posicao e do tempo, tem forma de onda que se propaga com velocidade finita.
A Equacao de Adveccao e a EDP hiperbolica mais simples

ut + ux = 0

u(x, 0) = u0 (x),

onde u e funcao da posicao e do tempo, e tem valor constante.

A solucao da Equacao de Adveccao e unica e conhecida

u(x, t) = u0 (),

= x t.

Essa solucao esta de acordo com a descricao de equacoes hiperbolicas, pois mantem a forma da
condicao inicial enquanto se propaga com velocidade . Para verificar que essa solucao satisfaz
o problema basta substituir e aplicar a regra da cadeia
u0 () u0 ()
+ =0
t x
u u
+ =0
t x
u u
+ = 0.

Tambem pode-se verificar que satisfaz a solucao inicial notando que (x, 0) = x.
A figura 1 permite visualisar o transporte de uma onda por adveccao onde = 1. E facil
notar que a energia de uma onda transportada puramente por adveccao e conservada, ja que sua
forma original e mantida.

1.2 EDPs Parabolicas

Pode-se descrever as EDPs parabolicas como aquelas cuja solucao, que depende da posicao e do
tempo, e difusiva.

2
 Figura 1: Grafico mostrando a solucao da Equacao de Adveccao para uma Gaussiana.

A mais simples EDP Parabolica e conhecida como Equacao do Calor

ut = kuxx

u(x, 0) = u0 (x),

onde k e a constante de difusao.

A Equacao do Calor descreve, por exemplo, o caso de uma barra fina de comprimento L,
onde so ocorre troca termica pelas extremidades de temperatura constante u(0, t) = u(L, t) = 0,
cujo perfil inicial de temperatura e u(x, 0) = sin x


L . Pela forma da condicao inicial, podemos

supor que a solucao tera forma u(x, t) = a(t) sin x

L . Substituindo na Equacao do Calor

a(t) sin x 2 a(t) sin x

L L
=k
t x2
da  x  2  x 
sin = a(t)k 2 sin
dt L L L
2

da = k 2 dt
L
k 2 t

a(t) = exp 2 .
L

Com isso, a solucao desse exemplo e

k 2 t
   x 
u(x, t) = exp 2 sin .
L L

Podemos observar o fenomeno de difusao na figura 2, para o exemplo descrito com L = 1 e

k = 0.04. O fenomeno difusivo gera perda de energia na onda original, gerando um decaimento
exponenicial com o tempo na solucao.

3
 Figura 2: Grafico mostrando a solucao da Equacao do calor para uma senoidal.

2 Metodos de Diferencas Finitas

Os Metodo de Diferencas Finitas sao caracterizados por aproximar as derivadas das funcoes
por esquemas de diferenca, que sao deduzidos a partir de expansoes de Taylor da funcao. Ao
substituir esses esquemas na EDP original, tem-se como resultado um MDF.

2.1 Formulas de Diferencas Finitas

A expansao de Taylor da funcao u no tempo em un+1

j = u(xj , tn+1 ) = u(jx, (n + 1)t) e

unj t2 2 unj t3 3 unj t4 4 unj t5 5 unj

un+1
j = unj + t + + + + + O(t6 ).
t 2 t2 6 t3 24 t4 120 t5

Truncando essa expressao no segundo termo, e obtida a formula avancada de diferencas finitas

unj un+1
j unj t 2 unj t2 3 unj
= + O(t3 )
t t 2 t2 6 t3
unj un+1
j unj
.
t t

Fazendo a expansao de Taylor de u no tempo em un1

j obtemos

unj t2 2 unj t3 3 unj t4 4 unj t5 5 unj

un1
j = unj t + 2
3
+ 4
+ O(t6 ).
t 2 t 6 t 24 t 120 t5

Truncando essa expressao no segundo termo, e obtida a formula atrasada de diferencas finitas

unj unj un1

j t 2 unj t2 3 unj
= + 2
+ O(t3 )
t t 2 t 6 t3
unj unj un1
j
.
t t

4
 Subtraindo a expansao de Taylor em un+1
j pela expansao em un1
j obtem-se a formula centrada
de diferencas finitas para a primeira derivada.

unj t3 3 unj
un+1
j un1
j = 2t + + O(t5 )
t 3 t3
unj un+1
j un1
j t2 3 unj
= + O(t4 )
t t 6 t3
unj un+1
j un1
j
.
t t

Somando a expansao de Taylor em un+1

j pela expansao em un1
j obtem-se a formula centrada
de diferencas finitas para a segunda derivada.

2 unj t4 4 unj
un+1
j + un1
j = 2unj + t2 + + O(t6 )
t2 12 t4
2 unj un+1
j 2unj + un1j t2 4 unj
= + O(t4 )
t2 t2 12 t4
2 unj un+1
j 2unj + un1j
.
t2 t2

A mesma deducao pode ser feita para qualquer outra variavel, gerando formulas analogas.

2.2 MDF para Equacao de Adveccao

Aplicar o MDF para a Equacao de Adveccao significa aproximar suas derivadas por formulas
de diferencas. Aplicando a formula avancada no tempo e a atrasada no espaco, por exemplo,
fazendo = 1 obtemos

ut + ux = 0
un+1
j unj unj unj1
+ =0
t x

Uma vantagem de usar a formula avancada no tempo e que isso torna o metodo explcito, ou
seja, e possvel obter os valores em um instante posterior un+1 diretamente em funcao de valores
no instante atual un . Basta separar os valores do instante atual para o lado direito da equacao
para obter essa relacao.
t n
un+1 = unj (u unj1 )
j
x j
O MDF descrito e conhecido como up-wind, e sera aplicado para a condicao inicial u0 =
1 < x < 2 ? 1 : 0. A implementacao e feita na forma matricial, onde cada vetor e obtido por

5
U n+1 = AU n onde A e a matriz caracterstica da discretizacao. Nesse caso,
n+1 n
t
u0 1 x 0 0 0 0 u0

t t
u1 1 0 0 0 u1

x x

t t
u2 0 1 x 0 0 u2

x
..
=
.. .. .. .. .. .. ..

. . . . . . . .

t t

uJ1

0
0 0 1 x x
uJ1

t t
uJ 0 0 0 x 1 x uJ

Por se tratar de um problema de adveccao de velocidade positiva, a solucao e a onda viajando

para a direita mantendo a forma original. A figura 3 mostra a aproximacao pelo esquema
implementado na forma matricial acima, com x = t = 0.1. Se aplicamos exatamente o

Figura 3: Solucao da Equacao de Adveccao para uma quadrada com x = 0.1.

mesmo metodo alterando apenas o espacamento do eixo x para x = 0.2, fica evidente um
fenomeno difusivo que altera a forma da onda, conforme a figura 4. Esse efeito difusivo pode
x
ser amenizado reduzindo os espacamentos em x e em t, mantendo a razao t constante, como
no caso da figura 5. Pode-se concluir, portanto, que o proprio metodo numerico empregado gera
um efeito difusivo, que depende dos valores x e t.
x
E conveniente chamar a razao t de velocidade numerica. No mesmo exemplo, se a velocidade
numerica for alterada de forma a ficar menor que a velocidade de propagacao da onda, nesse
caso = 1, o metodo passa a fornecer valores absurdamente altos, ou seja, o metodo passa a ser
instavel. Isso pode ser verificado fazendo o mesmo exemplo com x = 0.1 e t = 0.2.
Agora, sera aplicado no mesmo exemplo a formula avancada no tempo com a formula avancada

6
 Figura 4: Solucao da Equacao de Adveccao para uma quadrada com x = 0.2.

Figura 5: Solucao da Equacao de Adveccao para uma quadrada com x = 0.02 e t = 0.01.

no espaco, o que gera a equacao

t n
un+1 = unj (u unj ).
j
x j+1

Antes mesmo de implementar esse exemplo, e possvel notar que o valor de un+1
j depende apenas
dos valores unj+1 e unj e, portanto, nao e possvel que a solucao desse metodo seja uma onda que
viaja da esquerda para a direita. De fato, ao implementar esse metodo verifica-se que o mesmo
e instavel, independentemente dos espacamentos usados.
Com essas implementacoes fica claro que varios fatores influenciam a qualidade da apro-
ximacao de um MDF, incluindo a velocidade numerica, os espacamentos da malha e a formula
de diferencas finitas usada.

7
2.3 Difusao e Dispersao Numericas em MDFs para EDPs Hiperbolicas

Como observado nas figuras 4 e 5, MDFs podem ser responsaveis por significativos efeitos de
difusao em um problema hiperbolico, e portanto nao difusivo. Pode surgir assim o interesse em
chegar a EDP difusiva causadora do fenomeno, a partir do resto de Taylor dos esquemas de
diferencas finitas.
No exemplo onde observamos o fenomeno difusivo foi usado o MDF resultante dos esquemas
de diferencas finitas avancado no tempo e atrasado no espaco. Esses esquemas tem as seguintes
expressoes, respectivamente.

n
un+1 un 2 n 3 n
uj =
j j
t uj
t2 uj
+ O(t3 )
t t 2 t2 6 t3
n
uj un n
j uj1
2 n
x uj
3 n
x2 uj
= + + O(x3 )

x x 2 x2 6 x3

Substituindo na Equacao de Adveccao,

" n+1 #
uj unj
 n
uj unj1

t 2 x 2
ut + ux = utt + O(t ) + + uxx + O(x ) .
t 2 x 2
Mas como

ut = ux utt = uxt

utx = uxx

utt = 2 uxx ,

podemos escrever
un+1
j unj t 2 unj unj1 x
ut + ux = uxx + + uxx + O(x2 , t2 ).
t 2 x 2
Por fim, reescrevendo essa expressao, temos a direita da igualdade a EDP modificada, que e uma
operador de Adveccao-Difusao. Aqui foi definido = x
t .

un+1
j unj unj unj1 x
+ = ut + ux (1 )cxx + O(x2 , t2 )
t x 2
Pode-se definir o operador da EDP modificada como P de forma que
2
P u = + k 2 ,
t x x
x
onde k = (1 ).
2
Nota-se que caso > 1, entao o efeito difusivo gera um crescimento ilimitado na solucao numerica.
Porem, caso = 1, a difusao numerica e desligada. Fazendo P u = 0 temos a equacao difusiva
na forma geral
ct + cx = kcxx .

8
2.4 Formula de Lax-Friedrichs

Usando a formula centrada para a posicao e a avancada para o tempo e obtida a expressao
" n+1 #
uj unj
 n
uj+1 unj1 x2

t 2 4
utt + O(t ) + uxxx + O(x ) = 0
t 2 2x 6
un+1
j unj unj+1 unj1 t
+ 2 uxx + O(x4 , t2 ) = 0
t 2x 2
un n
j+1 +uj1
Para chegar na formula de Lax-Friedrichs e feita a aproximacao unj 2 , fornecendo
assim
un+1
j unj+1 + unj1 unj+1 unj1
+ = 0,
t 2t 2x
e por fim a formula de explcita e dada por
unj1 + unj+1
un+1 = (unj+1 unj1 ).
2 2

Podemos organizar a expressao de Lax-Friedrichs na forma

un+1
j unj unj+1 unj1 unj+1 2unj + unj1
+ = 0,
t 2x 2t

onde reescrevendo o terceiro termo temos

un+1
j unj unj+1 unj1 x2 unj+1 2unj + unj1
+ = 0.
t 2x 2t x2

Aplicando as respectivas expressoes de Taylor,

1 x2 x2 x4
ut + utt t ux uxxx uxx + ... = 0,
2 6 2t 24t

podemos isolar o operador de difusao numerica de Lax-Friedrichs

uxx x2
 
ut ux = t + O(x2 , t2 )
2
2 t
x2
ut ux = (1 2 )uxx + O(x2 , t2 )
2t
ut ux = kuxx + O(x2 , t2 )

un n
j+1 +uj1
E interessante notar que sem a aproximacao unj 2 , o termo dissipativo e k =
2 t
2 uxx e portanto sempre havera difusao negativa ocasionando em crescimento ilimitado do
erro. Ja se comparado ao esquema avancado no tempo e atrasado no espaco, o expoente quadrado
em confere vantagem ao esquema Lax-Friedrichs.

9
2.5 Metodo Lax-Wendroff

De forma semelhante ao metodo Lax-Friedrich, as formulas avancada no tempo e centrada no

espaco sao substitudas na Equacao de Adveccao, resultando em
" n+1 #
uj unj
 n
uj+1 unj1 x2

t 2
utt + O(t ) + uxxx + O(x4 ) = 0
t 2 2x 6
un+1
j unj unj+1 unj1 t
+ 2 uxx + O(x4 , t2 ) = 0,
t 2x 2

onde a derivada segunda no espaco e substituda pela formula de diferenca finita centrada, for-
necendo
un+1
j unj unj+1 unj1 t unj1 2unj + unj+1
+ 2 + O(x2 , t2 ) = 0.
t 2x 2 x2

Organizando essa expressao obtemos a formula de Lax-Wendroff

n 2 n
un+1 = unj (uj+1 unj1 ) + (u 2unj + unj+1 ).
j
2 2 j1

Um fato notavel desse metodo e a ausencia de fator difusivo. O principal fator de erro nesse
metodo e um operador dispersivo, que atribui propriedades ondulatorias na solucao que nao
existiam na condicao inicial. A equacao dispersiva e

x2 2
ut + ux = ( 1)uxxx .
6

2.6 Exemplos

Figura 6: Solucao pelo metodo Up-Wind.

10
 Figura 7: Solucao pelo metodo LW.

Figura 8: Solucao pelo metodo Up-Wind.

Figura 9: Solucao pelo metodo LW.

11
 Figura 10: Solucao pelo metodo LW sem difusao.

Figura 11: Solucao pelo metodo LW sem dispersao.

3 Convergencia, Consistencia e Estabilidade

Observando os exemplos anteriores de aplicacoes do MDF para a Equacao de Adveccao fica
claro que nem todo esquema de diferencas finitas e util. Com isso surge o interesse em avaliar
a utilidade dos MDFs, o que e uma tarefa mais complicada que a derivacao e implementacao
desses metodos.

12
3.1 Convergencia e Teorema de Equivalencia de Lax-Richtmyer

Definicao 3.1. Um MDF e dito convergente se toda aproximacao numerica vjn tende a u(jx, nt)
quando x e t tendem a zero.

x, t 0

vjn u(jx, nt)

Essa e uma definicao geral e provar a convergencia de um esquema de diferencas finitas e

uma tarefa complicada. Porem, fica mais facil com a introducao dos conceitos de consistencia e
estabilidade devido ao Teorema de Equivalencia de Lax-Richtmyer.

Teorema 3.1. Um MDF para EDP bem-posto e convergente se e somente se for consistente e
estavel.

Demonstracao. ?? QED

3.2 Consistencia

Definicao 3.2. Um esquema de diferencas finitas e dito covergente caso seu esquema Px,t v
tenda a respectiva equacao diferencial P u quando x e t tendem a zero.

x, t 0

Px,t v P u 0

Esse conceito e relativamente simples e e valido para todos os metodos de diferencas finitas,
uma vez que o resto das formulas de diferencas finitas sempre dependem de x ou t, conforme
se pode verificar em suas deducoes a partir da expansao da serie de Taylor da funcao.

3.3 Estabilidade

Uma regiao de estabilidade e uma area limitada e nao nula no primeiro quadrante do R2 , com-
posta pelos pontos (x, t) para os quais o MDF e estavel. Um exemplo comum de regiao
de estabilidade para MDFs e o conjunto {(x, t) : 0 < t cx C}, onde c e C sao
constantes positivas. Por consequencia do Teorema de Equivalencia de Lax-Richtmyer, a regiao
de convergencia sempre inclui a origem.

Definicao 3.3. Um esquema de diferencas finitas Px,t vjn e dito estavel em certa regiao de
estabilidade se existir uma integral M tal que para qualquer valor positivo de tempo T , exista

13
uma constante CT tal que
M
X
||v n ||x Ct ||v m ||x ,
m=0

para 0 nt T, sendo (x, t) .

E possvel interpretar de forma simplificada a definicao de estabilidade como a imposicao de

que a norma da solucao numerica obtida deve ser limitada por uma constante positiva. Para
problemas hiperbolicos, em que a solucao sempre mantem a forma da condicao inicial, e obvio que
a solucao numerica deve ser limitada para um MDF convergir e, por isso, e obvia a necessidade
de estabilidade para convergencia e vice-versa.

3.4 Condicao de Courant-Friedrichs-Lewy

Teorema 3.2. Seja um esquema de diferencas finitas que pode ser escrito na forma

vjn+1 = vj1
n
+ vjn + vj+1
n
,

t
com = x constante a condicao de estabilidade de Courant-Friedrichs-Lewy (CFL), necessaria
para a estabilidade do esquema, e
|| 1.

Demonstracao. Se || > 1, entao considerando o ponto (0, 1) vemos que a solucao da equacao
diferencial depende dos valores de u0 (x) em x = , ja que = x t. Mas o esquema de
diferencas finitas tem v0n dependente de vj0 apenas para |j| n, pela forma do esquema. Como
x = 1 t, temos |j|x 1 nt = 1 , ja que nt = 1. Entao v0n depende de x apenas se
valer |x| 1 < ||. Com isso v0n nao pode convergir para u(0, 1) quando x 0. QED

E importante notar que a condicao de CFL sozinha nao e suficiente para garantir a estabili-
dade, embora isso seja verdade para a maioria dos MDFs.
Uma maneira intuitiva de chegar a conclusao do teorema de CFL e observar que caso a
velocidade numerica do metodo 1 = x
t seja menor que a velocidade de propagacao da onda
, nao e possvel haver convergencia. Ou seja, 1 , o que e equivalente a condicao de CFL.

14