Você está na página 1de 172

Mtodos Numricos

para
Equaes Diferenciais

Hlio Pedro Amaral Souto


Nova Friburgo, 13 de Novembro de 2009

Graduao em Engenharia Mecnica


Contedo

Lista de Figuras v

Lista de Tabelas vii

1 Equaes Diferenciais Ordinrias 1


1.1 Mtodos OneStep . . . . . . . . . . . . . . . . . . . . . . . 3
1.1.1 Mtodo de Euler . . . . . . . . . . . . . . . . . . . . . 3
1.1.1.1 Anlise do Erro do Mtodo de Euler . . . . . 4
1.1.1.2 Estabilidade do Mtodo de Euler . . . . . . . 6
1.1.2 Mtodos de Mais Alta Ordem . . . . . . . . . . . . . . 7
1.1.3 Mtodo de Heun . . . . . . . . . . . . . . . . . . . . . 8
1.1.4 Mtodo de Euler Modificado . . . . . . . . . . . . . . . 10
1.1.5 Mtodos de RungeKutta . . . . . . . . . . . . . . . . 11
1.1.5.1 Mtodos de RungeKutta de Segunda Ordem 12
1.1.5.2 Mtodos de RungeKutta de Terceira Ordem 15
1.1.5.3 Mtodos de RungeKutta de Quarta Ordem . 16
1.1.5.4 Sistema de Equaes . . . . . . . . . . . . . . 16
1.2 Mtodos Multistep . . . . . . . . . . . . . . . . . . . . . . . 17
1.2.1 Mtodos do Tipo PreditorCorretor . . . . . . . . . . . 17
1.2.2 Mtodos de Mais Alta Ordem . . . . . . . . . . . . . . 21
1.2.3 Mtodo de Milne . . . . . . . . . . . . . . . . . . . . . 22
1.2.4 Mtodo de Adams de Quarta Ordem . . . . . . . . . . 23
1.2.5 Mtodo de Hamming . . . . . . . . . . . . . . . . . . . 24
1.3 Convergncia, Consistncia e Estabilidade . . . . . . . . . . . 24
1.3.1 Mtodos One-Step . . . . . . . . . . . . . . . . . . . . 24
1.3.1.1 Convergncia . . . . . . . . . . . . . . . . . . 25
1.3.1.2 Consistncia . . . . . . . . . . . . . . . . . . . 25
1.3.1.3 Estabilidade . . . . . . . . . . . . . . . . . . . 26
1.3.2 Mtodos Multistep . . . . . . . . . . . . . . . . . . . . 28
1.3.2.1 Convergncia . . . . . . . . . . . . . . . . . . 28
1.3.2.2 Consistncia . . . . . . . . . . . . . . . . . . . 28

i
ii Contedo

1.3.2.3 Estabilidade . . . . . . . . . . . . . . . . . . . 30

2 Equaes Diferenciais Parciais 33


2.1 Algumas Equaes Diferenciais de Interesse . . . . . . . . . . 33
2.2 Classificao . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
2.2.1 Classificao pelas Caractersticas . . . . . . . . . . . . 36
2.2.2 Equaes a N Variveis Independentes . . . . . . . . . 40
2.2.3 Transformao de Coordenadas . . . . . . . . . . . . . 41
2.2.4 Sistema de Equaes . . . . . . . . . . . . . . . . . . . 42
2.2.5 Classificao pela Anlise de Fourier . . . . . . . . . . 44
2.3 Problema Bem-Posto . . . . . . . . . . . . . . . . . . . . . . . 46
2.3.1 Condies de Contorno e Iniciais . . . . . . . . . . . . 47
2.4 Equaes Diferenciais Hiperblicas . . . . . . . . . . . . . . . 48
2.4.1 Interpretao em Bases Fsicas . . . . . . . . . . . . . . 48
2.4.2 Condies de Contorno e Inicial Apropriadas . . . . . . 51
2.5 Equaes Diferenciais Parablicas . . . . . . . . . . . . . . . . 52
2.5.1 Interpretao em Bases Fsicas . . . . . . . . . . . . . . 55
2.5.2 Condies de Contorno e Inicial Apropriadas . . . . . . 55
2.6 Equaes Diferenciais Elpticas . . . . . . . . . . . . . . . . . 56
2.6.1 Interpretao em Bases Fsicas . . . . . . . . . . . . . . 56
2.6.2 Condies de Contorno Apropriadas . . . . . . . . . . 57

3 Equaes de Balano 59
3.1 Equao da Continuidade . . . . . . . . . . . . . . . . . . . . 59
3.2 Equaes do Momentum . . . . . . . . . . . . . . . . . . . . . 60
3.3 Equao de Energia . . . . . . . . . . . . . . . . . . . . . . . . 62

4 Discretizao 67
4.1 Discretizao Espacial . . . . . . . . . . . . . . . . . . . . . . 68
4.2 Discretizao no Tempo . . . . . . . . . . . . . . . . . . . . . 69
4.3 Expanses em Sries de Taylor . . . . . . . . . . . . . . . . . . 69
4.4 Tcnica Geral . . . . . . . . . . . . . . . . . . . . . . . . . . . 70
4.5 Acurcia do Processo de Discretizao . . . . . . . . . . . . . 73
4.6 Representao do Tipo Onda . . . . . . . . . . . . . . . . . . 76

5 Convergncia, Consistncia e Estabilidade 81


5.1 Convergncia . . . . . . . . . . . . . . . . . . . . . . . . . . . 82
5.1.1 Teorema de Lax . . . . . . . . . . . . . . . . . . . . . . 82
5.2 Consistncia . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83
5.2.1 O Esquema FTCS . . . . . . . . . . . . . . . . . . . . 83
5.2.2 Esquema Totalmente Implcito . . . . . . . . . . . . . . 85
Contedo iii

5.3 Estabilidade . . . . . . . . . . . . . . . . . . . . . . . . . . . 86
5.3.1 Mtodo da Matriz . . . . . . . . . . . . . . . . . . . . . 87
5.3.2 Mtodo da Matriz: Condies de Contorno . . . . . . . 89
5.3.3 Mtodo de Von Neumann . . . . . . . . . . . . . . . . 90
5.3.4 Mtodo de Von Neumann: Esquema Geral . . . . . . . 91
5.4 Acurcia da Soluo . . . . . . . . . . . . . . . . . . . . . . . 93
5.4.1 Extrapolao de Richardson . . . . . . . . . . . . . . . 94

6 Equao de Transporte Linear 97


6.1 Mtodos Explcitos . . . . . . . . . . . . . . . . . . . . . . . . 97
6.2 Mtodos Implcitos . . . . . . . . . . . . . . . . . . . . . . . . 99
6.3 Equao de Difuso . . . . . . . . . . . . . . . . . . . . . . . . 100
6.3.1 Equao de Difuso Unidimensional . . . . . . . . . . 100
6.3.2 Equao de Difuso em Regime Permanente . . . . . . 107
6.3.3 Equao de Difuso Bidimensional . . . . . . . . . . . 108
6.4 Mtodos Multidimensionais de Fracionamento . . . . . . . . . 111
6.5 Equao de Adveco . . . . . . . . . . . . . . . . . . . . . . . 118
6.6 Dissipao e Disperso Numricas . . . . . . . . . . . . . . . . 123
6.6.1 Anlise de Fourier . . . . . . . . . . . . . . . . . . . . 125
6.6.2 Equao Modificada . . . . . . . . . . . . . . . . . . . 127
6.7 Equao de Transporte Unidimensional . . . . . . . . . . . . . 129
6.8 Equao de Transporte Bidimensional . . . . . . . . . . . . . . 141

A O Mtodo de Separao de Variveis 145

B Algoritmo de Thomas 151


B.1 O Algoritmo de Thomas . . . . . . . . . . . . . . . . . . . . . 152
B.2 O Mtodo TDMA Linha a Linha . . . . . . . . . . . . . . . . 154
B.3 Relaxao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 155

Bibliografia 157

ndice 159
iv Contedo
Lista de Figuras

1.1 Mtodo de Euler. . . . . . . . . . . . . . . . . . . . . . . . . 4


1.2 Mtodo de Heun. . . . . . . . . . . . . . . . . . . . . . . . . . 9

2.1 Curva caractersticas no plano t-x. . . . . . . . . . . . . . . . 37


2.2 Domnio computacional R. . . . . . . . . . . . . . . . . . . . 47
2.3 Caractersticas para a equao da onda. . . . . . . . . . . . . 49
2.4 Propagao de uma onda senoidal. . . . . . . . . . . . . . . . 52
2.5 Condies de contorno para o caso hiperblico. . . . . . . . . 53
2.6 Condies auxiliares para o caso transiente. . . . . . . . . . . 53
2.7 Domnio computacional para uma EDP parablica. . . . . . . 54
2.8 Decaimento exponencial de uma senide. . . . . . . . . . . . 55
2.9 Domnio computacional para uma EDP elptica. . . . . . . . 57

4.1 Malha discreta uniforme. . . . . . . . . . . . . . . . . . . . . 68

6.1 Exemplo da representao matricial. . . . . . . . . . . . . . . 112


6.2 ngulo de fase. . . . . . . . . . . . . . . . . . . . . . . . . . . 127

B.1 Mtodo TDMA linha a linha. . . . . . . . . . . . . . . . . . . 154

v
vi Lista de Figuras
Lista de Tabelas

1.1 Exemplos de leis fundamentais . . . . . . . . . . . . . . . . . . 2

4.1 Comparao da acurcia dos diferentes esquemas. . . . . . . . 75


4.2 Relao de amplitudes. . . . . . . . . . . . . . . . . . . . . . 79

A.1 Separao da equao de Helmohtz . . . . . . . . . . . . . . . 149

vii
viii Lista de Tabelas
Captulo 1

Equaes Diferenciais Ordinrias

Vrios problemas prticos de engenharia so descritos em termos de ta-


xas de variao das propriedades fsicas do sistema que estamos interessados
em estudar. Estas variaes so, normalmente, descritas empregandose as
leis fundamentais da fsica, mecnica, eletricidade, termodinmica, etc (vide
a Tabela 1.1). Quando combinadas com as equaes de balano de massa,
momentum e energia elas resultam nas equaes diferenciais que governam
diferentes fenmenos fsicos. A partir da posterior integrao destas equa-
es, ns obtemos as funes matemticas que descrevem o estado do sis-
tema, no tempo e no espao, em termos da sua massa, energia ou variao
da quantidade de movimento.
Como exemplo de uma equao diferencial ordinria, derivada de uma lei
fundamental (lei de Newton), temos a equao que governa a queda de um
paraquedista
dv c
=g v
dt m
onde v a velocidade do paraquedista, g a acelerao da gravidade, m a
massa e c o coeficiente de arrasto. Nesta equao a varivel que esta sendo
diferenciada, v, chamada de varivel dependente. A varivel em relao a
qual v est sendo diferenciada, t, denominada de varivel independente.
A equao diferencial ordinria, acima, um exemplo de uma equao
de primeira ordem, porque a sua derivada de mais alta ordem uma deri-
vada primeira. Em contrapartida, a equao que descreve a posio x de
um sistema massamola com amortecimento um exemplo de uma equao
diferencial ordinria de segunda ordem

d2 x dx
m 2
+c +kx = 0
dt dt
1
2 Captulo 1. Equaes Diferenciais Ordinrias

Tabela 1.1: Exemplos de leis fundamentais que so escritas em termos de


taxas de variao.

Lei Expresso Matemtica Variveis e Parmetros

dv F
Segunda lei de Newton = velocidade (v), fora (F )
dt m
e massa (m)

dT
Lei de Fourier ~q = k condutividade trmica
dx
(k) e temperatura (T )

Lei de Fick ~j = D dc coeficiente de difuso (D)


dx
e concentrao (c)

onde m a massa, c o coeficiente de amortecimento e k a constante elstica


da mola.
Vale ressaltar que equaes diferenciais ordinrias de alta ordem podem
ser reduzidas a um sistema de equaes diferenciais ordinrias de primeira
ordem. No exemplo acima, podemos introduzir uma nova varivel y definida
por
dx
y=
dt
que pode ser derivada com relao ao tempo, de modo que obtemos o sistema
dx
y=
dt
dy cy + kx
=
dt m
que equivalente a equao original de segunda ordem. Uma vez que uma
equao diferencial ordinria de ordem n pode, de modo similar, ser reduzido
a um sistema de equaes diferenciais de primeira ordem, ns focaremos nossa
ateno na resoluo das equaes de primeira ordem.
Na prtica, muitas destas equaes diferenciais ordinrias, que represen-
tam um grande nmero de problemas em engenharia, no podem ser resol-
vidas empregandose os mtodos analticos do clculo diferencial. Assim, os
mtodos numricos de resoluo destas equaes diferenciais adquirem uma
grande importncia em vrios campos da engenharia.
1.1. Mtodos OneStep 3

A fim de que possamos especificar completamente a soluo de uma equa-


o diferencial ordinria, devemos fornecer condies auxiliares. Em se tra-
tando de equaes diferenciais de primeira ordem, uma condio auxiliar
chamada de condio inicial necessria para garantirmos a obteno de
uma nica soluo.
Quando estivermos trabalhando com equaes diferenciais de ordem n, n
condies sero requeridas para que possamos obter uma nica soluo. Caso
todas as condies sejam especificadas para um mesmo valor de uma varivel
independente (por exemplo para t = 0), ento o problema ser chamado de
um problema de valor inical. Por outro lado, um problema de valor de con-
torno ser definido quando estas condies forem fornecidas para diferentes
valores da varivel independente.

1.1 Mtodos OneStep


No que se segue, estaremos interessados em resolvermos equaes diferen-
ciais ordinrias do tipo
dy
= f (x, y)
dx
Uma primeira possibilidade, para que possamos resolver esta equao, pode
ser obtida a partir da discretizao do termo da derivada de primeira ordem,
empregandose um esquema de diferenas avanadas:

dy yi+1 yi
=
dx
i
x
ou ainda
dy
yi+1 = yi + x
dx i
De acordo com esta equao, a partir da estimativa da derivada (que fornece
a inclinao da tangente curva no ponto xi ) ns determinamos, por extra-
polao, um novo valor de y no ponto xi+1 a partir de um valor conhecido
de yi . Esta frmula pode ser aplicada passo a passo a fim de determinarmos
a evoluo futura da soluo.
Todos os mtodos do tipo onestep podem ser expressos nesta mesma
forma geral, sendo que a nica diferena entre eles ser a maneira de avaliar
a derivada primeira.

1.1.1 Mtodo de Euler


Uma primeira possibilidade, de estimativa da derivada, fornecida pela
prpria expresso da equao diferencial ordinria e consiste em empregarmos
4 Captulo 1. Equaes Diferenciais Ordinrias

y
y i+1

erro

yi verdadeiro

xi x i+1 x

Figura 1.1: Mtodo de Euler.

a prpria funo a fim de avaliarmos a inclinao da tangente no ponto xi ,


conforme esquematizado na Figura 1.1. Portanto, neste mtodo a estimativa
dada por

yi+1 = yi + f (xi , yi ) x
onde esta frmula conhecida como o mtodo de Euler ou de EulerCauchy.
Nela, o novo valor de y determinado a partir de uma extrapolao linear
empregandose o valor da derivada em xi (Figura 1.1).

1.1.1.1 Anlise do Erro do Mtodo de Euler


A resoluo numrica da equao diferencial ordinria, de modo seme-
lhante ao caso de uma equao diferencial parcial, introduz dois tipos de
erros:

Um erro de truncamento ou discretizao devido natureza da tcnica


empregada na aproximao de y;

Um erro de arredondamento devido ao fato do nmero limitado de


digitos que so utilizados pelos computadores.

O erro de truncamento composto de duas partes. Uma primeira, cha-


mada de erro local de truncamento, que resulta da aplicao local do mtodo
1.1. Mtodos OneStep 5

numrico para um nico incremento. A segunda a parcela devida pro-


pogao do erro de truncamento proveniente das aproximaes decorrentes
dos incrementos anteriores. A soma destes dois erros fornece o erro global de
truncamento.
Expandindo em srie de Taylor a funo y, que possui as suas derivadas
contnuas, em torno do ponto xi ,
(n)
y y
= yi + yi x + i x2 + . . . + i xn + Rn

yi+1
2 n!
onde y = dy/dx e Rn representa o resto da srie e definido por

y (n+1) ()
Rn = xn+1
(n + 1)!
onde est contido no intervalo de xi a xi+1 . Esta expanso ainda pode ser
escrita numa forma alternativa, se considerarmos que estamos tratando da
equao diferencial ordinria y = f (x, y)


f (xi , yi ) f (n1) (xi , yi )
yi+1 = yi + f (xi , yi ) x + x2 + . . . + xn
2 n!
n+1
+O x
Comparando esta expanso com o mtodo de Euler, vemos que este ltimo
pode ser escrito como
yi+1 = yi + f (xi , yi ) x + Et
onde Et o verdadeiro erro local devido ao truncamento, sendo dado por

f (xi , yi )
Et = x2 + . . . + O xn+1
2
Para valores suficientemente pequenos do incremento x, os diferentes ter-
mos do erro decrescem medida que a sua ordem aumenta. Portanto, usu-
almente representamos o erro como

f (xi , yi )
Ea = x2
2
ou
Ea = O x2
onde Ea representa o erro local de truncamento aproximado.
Conforme pudemos ver, a expanso em srie de Taylor nos fornece um
meio para quantificarmos o erro no mtodo de Euler. Entretanto, existem
algumas limitaes associadas ao seu uso:
6 Captulo 1. Equaes Diferenciais Ordinrias

A srie de Taylor nos fornece somente uma estimativa do erro de trun-


camento local. Ela no nos fornece o erro propagado, ou seja, o erro
global de truncamento;

Na prtica, podemos trabalhar com funes que so mais complexas do


que simples polinmios. Como conseqncia, o clculo das derivadas
que aparecem na srie de Taylor podem no ser facilmente obtidas.

Apesar dessas limitaes impedirem uma anlise exata do erro, na maior


parte dos problemas de interesse a srie de Taylor ainda pode nos forne-
cer informaes valiosas sobre o comportamento do mtodo de Euler. Do
desenvolvimento, em srie de Taylor, pudemos verificar que o erro local
proporcional ao quadrado do incremento de espao e derivada primeira da
equao diferencial. possvel mostrar, tambm, que o erro global de trun-
camento de O(x) [1], ou seja, ele proporcional ao incremento de espao.
Estas observaes nos levam a algumas concluses importantes:

O erro pode ser reduzido mediante um decrscimo do incremento;

O mtodo fornecer resultados livres de erro caso o soluo da equao


diferencial ordinria seja linear, uma vez que as derivadas de ordem
superiores a um sero nulas.

Pelas razes mencionadas, acima, o mtodo de Euler denominado um


mtodo de primeira ordem.

1.1.1.2 Estabilidade do Mtodo de Euler


O conceito matemtico de estabilidade do mtodo numrico est associ-
ado ao crescimento ilimitado da soluo numrica ou, conforme veremos mais
adiante, do erro introduzido nos dados iniciais ou no processo de discretiza-
o. Neste caso, a soluo numrica no ir tender para a soluo da equao
diferencial quando o incremento tender a zero e o esquema numrico ser dito
ser instvel [1, 2].
Este conceito pode ser entendido tomando como exemplo o seguinte pro-
blema de valor inicial:
dy
= y
dx
apresentando como condio inicial y(0) = y0 . Do Clculo Diferencial sabe-
mos que esta equao diferencial ordinria possui a seguinte soluo:

y = y0 e x
1.1. Mtodos OneStep 7

Assim, esta soluo tem como valor inicial y0 e aproximase assintoticamente


de zero medida que o valor de x aumenta.
Empregando o mtodo de Euler na resoluo numrica deste problema,
temos que:
dy
yi+1 = yi + x = yi + f (xi , yi )x = yi yi x
dx i
ou ainda,
yi+1 = (1 x) yi
Deste resultado vemos claramente que a estabilidade do mtodo numrico
depende do incremento x, isto , o valor de |1 x| deve ser menor do
que 1. Esta restrio implica no fato de que o incremento deve verificar a
condio x < 2/ a fim de que a soluo numrica acompanhe a soluo
analtica. Neste caso, dizemos que o mtodo condicionalmente estvel.
Uma maneira de contornarmos esta restrio seria a de empregarmos uma
abordagem implcita para o mtodo de Euler. Esta representao chamada
de implcita devido ao fato de que a varivel que buscamos determinar, yi+1 ,
aparece em ambos os lados do sinal de igualdade
dy
yi+1 = yi + x = yi + f (xi+1 , yi+1 )x = yi yi+1 x
dx i+1
ou ainda,
1
yi+1 = yi
1 + x

1
sendo que agora a condio de estabilidade, < 1, sempre ve-
1 + x
rificada para > 0. Assim, dizemos que o mtodo de Euler implcito
incondicionalmente estvel.
Este conceito de estabilidade pode ser estendido a outros mtodos num-
ricos destinados resoluo de um problema de valor inicial do tipo:
dy
= f (x, y), x>a
dx
para uma condio inicial y(a) = y0 . Os leitores interessados devem se repor-
tar s referncias [2, 3] para maiores detalhes. Este assunto ser retomado
ao final deste captulo.

1.1.2 Mtodos de Mais Alta Ordem


Uma maneira fcil de reduzirmos o erro do mtodo de Euler seria a de
incluirmos termos de mais alta ordem da srie de Taylor na soluo. Por
8 Captulo 1. Equaes Diferenciais Ordinrias

exemplo, retendo o termo de segunda ordem



f (xi , yi )
yi+1 = yi + f (xi , yi )x + x2 + Ea
2
onde o erro de truncamento aproximado seria dado por

f (xi , yi )
Ea = x3
6
Embora este mtodo seja facilmente implementado no caso de funes
polinomiais, a incluso de termos de mais alta ordem pode no ser trivial no
caso de estarmos considerando equaes diferenciais ordinrias mais compli-
cadas. Em particular, este o caso em se tratando de equaes diferenciais
ordinrias que so funes de ambas as variveis dependentes e independen-
tes, sendo necessrio o emprego da regra da cadeia na determinao destas
derivadas. Por exemplo, a derivada primeira de f (x, y) ser
f f dy
f (x, y) = +
x y dx
enquanto que a derivada segunda seria dada por

f f dy
f (x, y) = +
x y dx
com o grau de complexidade aumentando para as derivadas de mais alta
ordem.
Assim sendo, alternativas foram pensadas para que possamos aumentar a
performance dos mtodos onestep, sem que tenhamos que avaliar derivadas
superiores a primeira ordem. Conforme veremos a seguir, estes mtodos so
comparveis aos mtodos que empregam termos de mais alta ordem na srie
de Taylor.

1.1.3 Mtodo de Heun


O mtodo de Euler apresenta uma fonte de erro fundamental que devida
ao fato de que a derivada, avaliada no incio do intervalo, suposta prevale-
cer sobre todo o intervalo. Em seguida, veremos que algumas modificaes
simples podem ser introduzidas a fim de superarmos esta dificuldade.
O mtodo de Heun utiliza a determinao de duas derivadas no intervalo,
como medida para melhorar a estimativa da inclinao da curva no intervalo
considerado. As derivadas so avaliadas uma no ponto inicial e a outra no
ponto final. A estimativa da inclinao obtida, ento, a partir da mdia
1.1. Mtodos OneStep 9

y 0
y i+1

yi

xi x i+1 x

Figura 1.2: Mtodo de Heun.

dos valores das duas derivadas, conforme mostrado esquematicamente na


Figura 1.2.
No mtodo de Euler, a inclinao avaliada no ponto inicial

yi = f (xi , yi )
e empregada na extrapolao linear que determina yi+1
0
yi+1 = yi + f (xi , yi )x
Enquanto que para o mtodo de Euler esta seria a estimativa final, no mtodo
de Heun trata-se de uma estimativa intermediria e ela conhecida como a
equao preditora. Ela fornece uma estimativa de yi+1 com a qual determi-
namos uma estimativa da inclinao curva no ponto final do intervalo:
0
yi+1 = f (xi+1 , yi+1 )
Assim, as duas expresses para as inclinaes podem ser combinadas a fim
de obtermos um valor mdio para a inclinao no intervalo considerado:
0
yi + yi+1 f (xi , yi ) + f (xi+1 , yi+1 )
y = =
2 2
Este valor , ento, empregado na extrapolao linear de yi a yi+1 utilizando
o mtodo de Euler
0
f (xi , yi ) + f (xi+1 , yi+1 )
yi+1 = yi + x
2
10 Captulo 1. Equaes Diferenciais Ordinrias

onde esta a equao corretora.


Portanto, o mtodo de Heun um mtodo do tipo preditorcorretor.
Neste mtodo, devemos observar que yi+1 aparece em ambos os lados do sinal
de igualdade e, portanto, esta equao pode ser empregada de modo iterativo
a fim de corrigirmos este valor. Isto quer dizer que a estimativa anterior yi+1
0

pode ser usada repetidamente a fim de prover uma melhor estimativa de yi+1 .
Na introduo do mtodo de Heun, consideramos que a derivada era uma
funo tanto da varivel dependente quanto da independente. Entretanto,
para casos como os dos polinmios, onde a equao diferencial ordinria
funo unicamente da varivel independente, no necessitamos empregar
a equao preditora e basta utilizarmos uma nica vez a cada iterao a
equao corretora
f (xi ) + f (xi+1 )
yi+1 = yi + x
2
onde podemos notar uma similaridade entre o lado direito do sinal de igual-
dade e a regra do trapzio para a integrao. De fato, partamos da equao
diferencial ordinria
dy
= f (x)
dx
Esta equao pode ser resolvida por integrao na forma:
Z yi+1 Z xi+1
dy = f (x) dx
yi xi

que resulta em Z xi+1


yi+1 = yi + f (x) dx
xi

Agora, aplicandose a regra do trapzio no intuito de avaliarmos a integral


acima
f (xi ) + f (xi+1 ) f () 3
yi+1 = yi + x x
2 12
onde encontrase no intervalo entre xi e xi+1 . Assim, tratase de um mtodo
de segunda ordem, uma vez que a derivada segunda da equao diferencial
ordinria zero quando a soluo for quadrtica. Alm do mais, os erros
local e global so de O (x3 ) e de O (x2 ) respectivamente [1].

1.1.4 Mtodo de Euler Modificado


Uma outra modificao simples do mtodo de Euler resulta no mtodo de
Euler modificado. Esta tcnica usa o mtodo de Euler na predio de um
1.1. Mtodos OneStep 11

valor de y no ponto mdio do intervalo


x
yi+1/2 = yi + f (xi , yi )
2
Em seguida, este valor empregado na estimativa do valor da inclinao
curva no ponto mdio:

yi+1/2 = f (xi+1/2 , yi+1/2 )

onde assumimos que este valor uma aproximao da inclinao mdia para
todo o intervalo. Este valor da inclinao ento usado na extrapolao
linear entre xi e xi+1 empregando o mtodo de Euler

yi+1 = yi + f (xi+1/2 , yi+1/2 )x

Devemos notar que devido ao fato de yi+1 no aparecer em ambos os lados


desta equao, esta equao corretora no pode ser empregada iterativamente
a fim de melhorarmos a soluo.
O mtodo de Euler modificado superior ao mtodo de Euler visto que
ele avalia a inclinao curva no ponto mdio do intervalo de predio. Da
teoria sobre as tcnicas de discretizao, sabemos que a tcnica de diferenas
finitas conhecida como diferenas centradas aproxima melhor a derivada do
que as tcnicas de diferenas avanadas ou recuadas. No mesmo sentido, uma
aproximao centrada como a utilizada aqui possui um erro de truncamento
de O (x2 ) em comparao com a aproximao avanada do mtodo de Euler
que possui um erro de O (x). Conseqentemente, este mtodo apresenta
um erro local e global que so de O (x3 ) e de O (x2 ) respectivamente [1].

1.1.5 Mtodos de RungeKutta


Os mtodos do tipo RungeKutta podem alcanar a mesma acurcia
dos mtodos de mais alta ordem que empregam o desenvolvimento em srie
de Taylor sem, no entanto, requerer a determinao das derivadas de mais
alta ordem. Muitas variaes destes mtodos existem, mas todos podem ser
escritos na seguinte forma generalizada:

yi+1 = yi + (xi , yi , x)x

onde (xi , yi , x) chamada de funo incremento a qual pode ser interpre-


tada como a inclinao representativa de todo o intervalo. A funo incre-
mento pode ser escrita numa forma geral como

= a1 k1 + a2 k2 + + an kn
12 Captulo 1. Equaes Diferenciais Ordinrias

onde os diferentes coeficientes ai , i = 1, 2, . . . so constantes e as funes


ki , i = 1, 2, . . . so dadas por

k1 = f (xi , yi )

k2 = f (xi + p1 x, yi + q11 k1 x)
k3 = f (xi + p2 x, yi + q21 k1 x + q22 k2 x)
..
.
kn = f (xi + pn1 x, yi + qn1,1 k1 x + qn1,2 k2 x + + qn1,n1 kn1 x)
Devemos notar que nestas expresses as funes ki so relaes de recorrncia.
Isto quer dizer que k1 aparece na equao para k2 , que aparece na equao
para k3 e assim por diante. Tal fato torna os mtodos de RungeKutta
eficientes ferramentas do clculo numrico.
Vrios tipos de mtodos de RungeKutta podem ser imaginados a partir
do emprego de diferentes nmeros de termos da funo incremento. Devese
notar que o mtodo de RungeKutta de primeira ordem com n = 1 cor-
responde, de fato, ao mtodo de Euler. Uma vez escolhido o nmero n de
termos, os valores de a, p e q so avaliados igualandose a equao genera-
lizada do mtodo de RungeKutta aos termos de uma expanso em srie de
Taylor. Deste modo, ao menos para as verses de baixa ordem, o nmero de
termos n normalmente representa o ordem do mtodo.

1.1.5.1 Mtodos de RungeKutta de Segunda Ordem


A forma generalizada para um mtodo de segunda ordem dada por

yi+1 = yi + (a1 k1 + a2 k2 )x

onde
k1 = f (xi , yi )
k2 = f (xi + p1 x, yi + q11 k1 x)
A fim de determinarmos os valores de a1 , a2 , p1 e q11 ns iremos expandir em
srie de Taylor yi+1 e empregaremos f (xi , yi ) como sendo a derivada dy/dx

x2
yi+1 = yi + f (xi , yi )x + f (xi , yi ) + O x3
2
onde f (xi , yi ) deve ser determinada a partir do emprego de:

f f
df (xi , yi ) = dx + dy
x i y i
1.1. Mtodos OneStep 13

ou ainda
df f f dy
f (xi , yi ) = = +
dx x i y i dx
Substituindo este resultado na expanso em srie de Taylor

f f dy x2
yi+1 = yi + f (xi , yi )x + + + O x3
x y dx i 2
Em seguida, ns vamos expandir a equao geral para o mtodo de se-
gunda ordem, lembrando que
g g
g(x + r, y + s) = g(x, y) + r +s
x y
2
1 g 2 2g 2g 2
+ r + 2 r s + s +
2! x2 xy y 2
Portanto,
f f
k2 = f (xi , yi ) + p1 x + q11 k1 x + O x2
x y
Substituindo, agora, k1 e k2 na expresso geral ns obtemos

yi+1 = yi + a1 x f (xi , yi ) + a2 x f (xi , yi )


f f
+ a2 p1 x2 + a2 q11 x2 f (xi , yi ) + O x3
x y
ou ainda, agrupando os termos de mesma ordem em x

yi+1 = yi + [a1 f (xi , yi ) + a2 f (xi , yi )] x



f f
+ a2 p 1 + a2 q11 f (xi , yi ) x2 + O x3
x y
Finalmente, comparando termo a termo estas duas expanses, vemos que
as seguintes condies devem ser verificadas para que tenhamos a equivalncia
destas duas equaes
a1 + a2 = 1
1
a2 p 1 =
2
1
a2 q11 =
2
Como existem quatro incgnitas e somente trs equaes, no h uma
nica soluo que satisfaa este sistema de equaes. Necessitamos, portanto,
14 Captulo 1. Equaes Diferenciais Ordinrias

especificar o valor de uma destas incgnitas a fim de determinarmos as outras


trs. Em conseqncia, teremos uma famlia de mtodos de segunda ordem.
Admitamos que ns especifiquemos o valor de a2 , das equaes acima obtemos

a 1 = 1 a2
1
p1 = q11 =
2a2
Devido ao fato de podermos escolher uma infinidade de valores para a2 , exis-
tiro uma infinidade de mtodos de RungeKutta de segunda ordem, que
fornecero o mesmo resultado para a soluo da equao diferencial ordin-
ria em se tratando de uma funo f (x, y) constante, linear ou quadrtica.
Entretanto, obteremos solues diferentes quando esta funo for mais com-
plicada. Em seguida, apresentaremos trs dos mtodos de segunda ordem
mais comumente utilizados:

Mtodo de Heun (a2 = 1/2). Para a2 = 1/2 ns podemos resolver o


sistema de equaes e obtemos a1 = 1/2 e p1 = q11 = 1. Substituindose
estes resultados na equao geral obtemos:

1 1
yi+1 = yi + k1 + k2 x
2 2
onde
k1 = f (xi , yi )
k2 = f (xi + x, yi + k1 x)
Notemos que k1 representa a inclinao curva no ponto inicial do intervalo
enquanto que k2 a inclinao no final do intervalo. Portanto, este mtodo
de RungeKutta de segunda ordem corresponde ao mtodo de Heun com
uma nica iterao corretora.

Mtodo do Polgono (a2 = 1). Caso assumamos que a2 = 1, ento


a1 = 0, p1 = q11 = 1/2 e a equao geral tornase

yi+1 = yi + k2 x

onde
k1 = f (xi , yi )

1 1
k2 = f xi + x, yi + x k1
2 2
o que corresponde ao mtodo do polgono melhorado.
1.1. Mtodos OneStep 15

Mtodo de Ralston (a2 = 2/3). Ralston (1962) e Ralston e Rabinowitz


(1978) determinaram que para a2 = 2/3 obtemos o valor mnimo para o erro
de truncamento para os algoritmos de RungeKutta de segunda ordem. Para
esta verso temos que a1 = 1/3 e p1 = q11 = 3/4

1 2
yi+1 = yi + k1 + k2 x
3 3
onde
k1 = f (xi , yi )

3 3
k2 = f xi + x, yi + k1 x
4 4

1.1.5.2 Mtodos de RungeKutta de Terceira Ordem


Podemos empregar o mesmo desenvolvimento aplicado na obteno do
mtodo de segunda ordem ao caso de n = 3. O resultado desta derivao
produzir um sistema de seis equaes a oito incgnitas. Portanto, devemos
fornecer valores para duas destas incgnitas a fim de que possamos determi-
nar os parmetros restantes. Apresentaremos agora uma verso comumente
empregada
1
yi+1 = yi + (k1 + 4k2 + k3 ) x
6
onde
k1 = f (xi , yi )

1 1
k2 = f xi + x, yi + x k1
2 2
k3 = f (xi + x, yi x k1 + 2x k2 )
Para uma funo f dependente unicamente de x, o mtodo de terceira or-
dem reduz-se a regra de Simpson (1/3) quando empregamos um polinmio
interpolador de Lagrange de segunda ordem
Z b
yi+1 = yi + f (x) dx
a

onde Z b
x
I= [f (x0 ) + 4f (x1 ) + f (x2 )]
f (x) dx
a 6
onde x0 e x2 representam os pontos inicial e final do intervalo x.
Os mtodos de Runge-Kutta de terceira ordem apresentam um erro local
de O (x4 ) e um erro global de O (x3 ) e os seus resultados so exatos
quando a soluo for cbica.
16 Captulo 1. Equaes Diferenciais Ordinrias

1.1.5.3 Mtodos de RungeKutta de Quarta Ordem


Os mtodos de RungeKutta mais populares so os de quarta ordem.
Assim como no caso dos mtodos de segunda ordem, existe uma infinidade
de verses destes mtodos. Apresentaremos, aqui, o mtodo que conhecido
como o mtodo clssico de RungeKutta de quarta ordem:

1
yi+1 = yi + (k1 + 2k2 + 2k3 + k4 ) x
6
onde
k1 = f (xi , yi )

1 1
k2 = f xi + x, yi + k1 x
2 2

1 1
k3 = f xi + x, yi + k2 x
2 2
k4 = f (xi + x, yi + k3 x)
De modo anlogo ao caso do mtodo de terceira ordem, em se tratando de
uma funo de x somente (k2 = k3 ), o mtodo de RungeKutta de quarta
ordem equivalente regra de Simpson (1/3) para a integrao conforme
mostrado anteriormente.

1.1.5.4 Sistema de Equaes


Muitos problemas de engenharia e das cincias exatas necessitam da solu-
o de um sistema de equaes diferenciais simultneas, ao invs da resoluo
de uma nica equao. Tais sistemas podem ser representados como allow-
displaybreaks
dy1
= f1 (x, y1 , y2 , . . . , yn )
dx
dy2
= f2 (x, y1 , y2 , . . . , yn )
dx
.. ..
. .
dyn
= fn (x, y1 , y2 , . . . , yn )
dx
A fim de que possamos obter a soluo de tal sistema, necessitamos fornecer
n condies iniciais para o valor inicial de x.
Todos os mtodos estudados neste captulo podem ser aplicados na reso-
luo de sistemas de equaes. Alguns sistemas de aplicaes em engenharia
1.2. Mtodos Multistep 17

podem ser composto de centenas de equaes. Em cada caso, o procedimento


adotado na resoluo destes sistemas consiste na aplicao dos mtodos one
step a todas as equaes a cada passo antes de prosseguirmos para o passo
posterior.

1.2 Mtodos Multistep


Os mtodos onestep vistos na Seo 1.1 utilizam somente informaes do
ponto xi a fim de predizer o valor da varivel dependente yi+1 no ponto futuro
xi+1 . Os mtodos multistep, que veremos a seguir, baseiam-se no fato de que
uma vez iniciado o processo numrico ns temos ao nosso dispor informaes
importantes provenientes dos pontos anteriores. A curva obtida a partir da
conexo destes valores prvios nos fornece informaes a respeito da traje-
tria da soluo. Tal fato explorado pelos mtodos que sero apresentados
nesta seo.

1.2.1 Mtodos do Tipo PreditorCorretor


Iremos mostrar, agora, como as frmulas do tipo PreditorCorretor po-
dem ser derivadas matematicamente. Esta derivao interessante no sentido
de que sero empregados conceitos como a integrao numrica e a resolu-
o de equaes diferenciais ordinrias. Alm do mais, este procedimento
pode ser empregado na obteno de mtodos multistep de alta ordem e na
estimativa dos erros associados a estes mtodos.
O nosso ponto de partida baseiase na resoluo da seguinte equao
diferencial ordinria
dy
= f (x, y)
dx
Sabemos que a soluo desta equao pode ser obtida mediante a sua inte-
grao entre os pontos i e i + 1
Z yi+1 Z xi+1
dy = f (x, y) dx
yi xi

onde a primeira integral pode ser facilmente avaliada:


Z xi+1
yi+1 = yi + f (x, y) dx
xi

Esta equao nos fornece a soluo da equao diferencial ordinria caso a


integral, do lado direito do sinal de igualdade, possa ser avaliada e o valor
18 Captulo 1. Equaes Diferenciais Ordinrias

futuro da varivel dependente yi+1 pode ser determinado a partir do seu valor
precedente yi e da resoluo da integral de f (x, y).
Uma primeira possibilidade de avaliarmos esta integral pode ser dada
pela aplicao de uma integrao numrica como, por exemplo, a regra do
trapzio, ou seja:
Z xi+1
f (xi , yi ) + f (xi+1 , yi+1 )
f (x, y) dx = x
xi 2
Aps substituio deste resultado ns obtemos:
f (xi , yi ) + f (xi+1 , yi+1 )
yi+1 = yi + x
2
que corresponde equao corretora para o mtodo de Heun. Do Clculo Nu-
mrico [1] sabemos que o erro de truncamento associado regra do trapzio
dado por:
1 1
Ec = x3 f (c ) = x3 y (c )
12 12
onde o subscrito c indica o erro do corretor e c encontrase no intervalo
determinado por xi e xi+1 .
Um procedimento similar pode ser empregado na obteno do preditor,
a partir de uma integrao entre os limites i 1 e i + 1:
Z yi+1 Z xi+1
dy = f (x, y) dx
yi1 xi1

e como resultado desta integrao ns obtemos a forma da equao preditora:


Z xi+1
yi+1 = yi1 + f (x, y) dx
xi1

Agora, ao invs de empregarmos uma frmula fechada1 , na avaliao desta


integral, vamos empregar a primeira frmula aberta de NewtonCotes, que
conhecida como o mtodo do ponto mdio
Z xi+1
f (x, y) dx = 2xf (xi , yi )
xi1

cujo erro de truncamento [1]:


1 1
Ep = x3 f (p ) = x3 y (p )
3 3
1
Uma frmula fechada aquela onde os pontos correspondentes aos limites de integrao
so conhecidos, em oposio ao caso da frmula aberta, onde os limites de integrao vo
alm dos pontos conhecidos.
1.2. Mtodos Multistep 19

sendo que o subscrito p indica o erro do preditor e p est contido no intervalo


xi1 a xi+1 .
Aps substituio da integral pela sua aproximao ns obtemos a forma
final da equao preditora

yi+1 = yi1 + 2xf (xi , yi )

Vamos resumir, abaixo, as equaes preditora e corretora associadas a


este mtodo, cujos os erros local de truncamento so de O (x3 ):

Preditor

0 m
yi+1 = yi1 + 2xf (xi , yim )

Corretor

j1
j f (xi , yim ) + f (xi+1 , yi+1 )
yi+1 = yim + x
2
onde o sobrescrito j denota que a equao corretora aplicada iterativamente
de j = 1 at j = m para que possamos obter solues refinadas. Portanto,
os valores yim e yi1
m
correspondem aos valores finais do processo corretivo.
Conforme podemos observar a equao preditora depende do conheci-
mento prvio do valor da varivel dependente yi1 a fim de que ela possa
ser empregada. Esta informao no est normalmente disponvel em um
tpico problema de valor inicial. Por este motivo este mtodo chamado de
nonselfstarting Heun [1].
Caso os passos preditor e corretor de um mtodo multistep apresentem
a mesma ordem do erro de truncamento, uma estimativa do erro local de
truncamento pode ser obtida durante o processo computacional de obteno
da soluo numrica. Esta informao pode, ento, ser empregada como um
critrio de ajuste do incremento.
Devido existncia do erro de truncamento sabemos que a soluo nu-
mrica uma aproximao da soluo exata (yex = yi+1 + Et ) da equao
diferencial ordinria, ou seja:

0 1
yex = yi+1 + x3 y (p )
3
e
m 1
yex = yi+1 x3 y (c )
12
20 Captulo 1. Equaes Diferenciais Ordinrias

Subtraindose a primeira equao da segunda ns obtemos:

m 0 5
0 = yi+1 yi+1 x3 y ()
12
onde encontra-se agora no intervalo compreendido entre xi1 e xi+1 . Esta
equao pode ainda ser reescrita na forma:
0 m
yi+1 yi+1 1
= x3 y ()
5 12
Deste resultado podemos notar que ele idntico expresso do erro de
truncamento do corretor, Ec , a menos do argumento da derivada terceira.
Assumindo que a derivada terceira de y no varie de forma aprecivel sobre
o intervalo entre xi1 e xi+1 , podemos considerar como sendo vlida a seguinte
igualdade:
m 0
yi+1 yi+1
Ec =
5
e a partir desta relao ns podemos estimar o erro de truncamento com base
em duas quantidades que j so calculadas pelo mtodo numrico. Assim
sendo, esta estimativa pode ser empregada como um critrio para ajustarmos
o incremento x de modo que o erro fique dentro de uma faixa de valores
aceitveis.
As derivaes dos erros Ep e Ec podem ser generalizadas uma vez co-
nhecidos os erros de truncamento das frmulas de integrao empregadas na
avaliao das integrais do passo preditor:
0 p
yex = yi+1 + xn+1 y (n+1) (p )
p
e do passo corretor:
m c
yex = yi+1 xn+1 y (n+1) (c )
c
A partir do conhecimento destes valores os erros de truncamento do passo
preditor pode ser estimado como sendo dado por [1]:
p c m
Ep = yi yi0
c p + p c
enquanto que no caso do passo corretor:
c p m
Ec
= 0
yi+1 yi+1
c p + p c
1.2. Mtodos Multistep 21

1.2.2 Mtodos de Mais Alta Ordem


Do desenvolvimento precedente fica claro que uma estratgia bvia para
que possamos desenvolver mtodos multistep de mais alta ordem passa pelo
emprego de frmulas de integrao de mais alta ordem para os passos predi-
tor e corretor. Os mtodos deste tipo so compostos de um mtodo explcito
(preditor) e de outro implcito (corretor). Antes de prosseguirmos com a
apresentao destes mtodos de mais alta ordem, vamos relembrar as frmu-
las de integrao de NewtonCotes e de Adams. As frmulas de integrao
de NewtonCotes, para n pontos igualmente espaados (n + 1 segmentos),
podem ser do tipo aberta:
Z xi+1
yi+1 = yin + f (x, y) dx
xin

ou fechada, para n segmentos e n + 1 pontos,


Z xi+1
yi+1 = yin+1 + f (x, y) dx
xin+1

onde estas integrais so aproximadas por um desenvolvimento do tipo:


n1
X
In (f ) = x wk f (xik , yik ) + O xp+2
k=0

para a forma aberta e


n1
X
In (f ) = x wk f (xik , yik ) + O xp+2
k=1

para a forma fechada, sendo n o nmero de segmentos empregados e os


valores dos coeficientes wk (k = 1, 0, 1, . . . , n) podem ser encontrados, por
exemplo, na referncia [1]. Nestas equaes temos que p = n + 1 se n for par
e p = n caso n seja mpar.
O outro tipo de frmula de integrao que com freqncia empregado
na obteno de algoritmos multistep voltados para a resoluo de equaes
diferenciais ordinrias a frmula aberta de AdamsBashforth. Uma forma
de derivarmos estas frmulas tem como ponto de partida um desenvolvimento
em srie de Taylor em torno do ponto xi :
2 3
2

x x x x
yi+1 = yi +fi x+fi +fi +. . . = yi +x fi + fi + fi + ...
2 6 2 6
22 Captulo 1. Equaes Diferenciais Ordinrias

Empregando uma aproximao do tipo diferena recuada na aproximao de


fi , este resultado pode ser reescrito como:

2

x fi fi1 x 2 x
yi+1 = yi + x fi + + fi + O x + fi + ...
2 x 2 6
ou ainda,

3 1 5
yi+1 = yi + x fi fi1 + x3 fi + O x4
2 2 12
Outras expresses de mais alta ordem podem ser obtidas se empregarmos
aproximaes de mais alta ordem para fi . A frmula aberta geral de Adams

de ordem n pode ser expressa como


n1
X
yi+1 = yi + x k fik + O xn+1
k=0

Os valores dos coeficientes k podem ser encontrados, para diferentes valores


de n, na referncia [1].
Um procedimento similar pode ser feito para obtermos a expresso geral
para a frmula fechada, conhecida como a frmula de AdamsMoulton. Neste
caso, nosso ponto de partida ser um desenvolvimento em srie de Taylor em
torno do ponto xi+1
x2 x3
yi = yi+1 fi+1 x + fi+1 fi+1 + ...
2 6
onde devemos aproximar agora o valor da derivada fi+1 . Deste modo obtemos

a frmula fechada geral de Adams de ordem n


n1
X
yi+1 = yi + x k fi+1k + O xn+1
k=0

com os valores de k tambm fornecidos em [1].

1.2.3 Mtodo de Milne


Um dos mais comuns mtodos do tipo multistep conhecido como o
mtodo de Milne que emprega frmulas de integrao de NewtonCotes.
Neste mtodo uma formulao a trs pontos (4 segmentos) do tipo aberta de
NewtonCotes, n=3, usada para o passo preditor:
0 m 4 m m m

yi+1 = yi3 + 2fi fi1 + 2fi2 x
3
1.2. Mtodos Multistep 23

enquanto que uma frmula fechada com dois segmentos (trs pontos) de
NewtonCotes (regra de Simpson 1/3), n=2, empregada para o passo cor-
retor:
j m 1 m j1

yi+1 = yi1 + fi1 + 4fim + fi+1 x
3
Para este mtodo temos que os erros de truncamento preditor e corretor so
de O(x5 ) e p = 14, p = 45, c = 1 e c = 90 e, a partir das frmulas
gerais, os erros de truncamento associados a estes dois passos podem ser
determinados por:
28 m
Ep = yi yi0
29
1 m
Ec = 0
yi+1 yi+1
29

1.2.4 Mtodo de Adams de Quarta Ordem


Outro mtodo multistep popular pode ser implementado a partir do em-
prego de frmulas do tipo AdamsBashforth de quarta ordem (n = 4) para
o passo preditor:

0 m 55 m 59 m 37 m 9 m
yi+1 = yi + f fi1 + fi2 fi3 x
24 i 24 24 24
e, para o passo corretor, uma frmula de quarta ordem (n=4) do tipo Adams
Moulton:

j m 9 j1 19 m 5 m 1 m
yi+1 = yi + f + fi fi1 + fi2 x
24 i+1 24 24 24
Os erros de truncamento associados a estes dois passos so de O(x5 ) e
dados por [1]:
251 m
Ep = yi yi0
270
19 m 0

Ec = yi+1 yi+1
270
uma vez que p = 251, p = 720, c = 19 e c = 720 para o mtodo em
questo.
primeira vista pode parecer que o mtodo de Milne melhor que o
mtodo de quarta ordem de Adams, visto que o primeiro necessita de menos
avaliaes da funo f (x, y) e apresenta um erro do passo corretor bem in-
ferior ao do mtodo de Adams. Embora esta concluso apliquese a muitos
casos, existem problemas para os quais o mtodo de Milne apresenta resul-
tados numericamente inaceitveis. Esta fraca performance se deve a uma
instabilidade do mtodo de Milne, sendo oriunda especificamente do passo
corretor [1].
24 Captulo 1. Equaes Diferenciais Ordinrias

1.2.5 Mtodo de Hamming


O mtodo de Hamming vem a ser uma alternativa estvel ao mtodo de
Milne. Ele emprega o mesmo passo preditor que o do mtodo de Milne:

0 m 4 m m m
14
yi+1 = yi3 + 2fi fi1 + 2fi2 x + x5 y (5)
3 45
enquanto que o passo corretor do mtodo de Milne substitudo por uma
verso estvel que apresenta um erro de truncamento de mesma ordem de
grandeza que a do mtodo de Milne [1]:

j 1 m m
j1 1
yi+1 = 9yi yi2 + 3 fi+1 + 2fim fi1
m
x x5 y (5)
8 40
Destes valores dos erros de truncamento e das frmulas gerais chegamos aos
seguintes resultados para as estimativas do erro de truncamento:

112 m
Ep = yi yi0
121
9 m
Ec
= 0
yi+1 yi+1
121

1.3 Convergncia, Consistncia e Estabilidade


At o presente momento ns apresentamos alguns mtodos numricos do
tipo one-step e multistep e destacamos o fato de que quanto maior a ordem
do erro de truncamento maior ser a acurcia destes mtodos. Entretanto,
conforme ns vimos nas Sees 1.1.1.2 e 1.2.4, estes mtodos numricos po-
dem apresentar resultados que no so acurados. Nesta seo ns vamos
introduzir trs conceitos que so fundamentais para que possamos entender
porqu alguns destes mtodos podem falhar. Estas propriedades que esto
associadas aos diferentes mtodos do tipo diferenas so a convergncia, a
consistncia e a estabilidade e elas sero introduzidas separadamente para os
mtodos do tipo one-step e multistep.

1.3.1 Mtodos One-Step


A noo de convergncia ser introduzida para o seguinte problema de
valor inicial
dy
= f (x, y)
dx
1.3. Convergncia, Consistncia e Estabilidade 25

para uma condio inicial dada por y(x0 ) = y0 e vamos assumir que a funo
f (x, y) satisfaz a condio de Lipschitz em y. Uma funo dita satisfazer a
condio de Lipschitz na varivel y em um conjunto D R2 se

|f (x, y) f (x, z)| L |y z|

para alguma constante L > 0 e x, y e z D [3].

1.3.1.1 Convergncia
Um mtodo numrico dito convergir se [3]

lim |y(x) yi | = 0
i

para todo x0 x X, onde x = x0 + ix e yi a aproximao numrica


correspondente soluo exata y(x).
Entretanto, esta definio no pode ser aplicada diretamente a fim de
estabelecermos a convergncia de um mtodo numrico, uma vez que ns
no conhecemos, em geral, a soluo exata do problema y(x). A convergn-
cia ser comprovada indiretamente mediante a introduo dos conceitos de
consistncia e de estabilidade.

1.3.1.2 Consistncia
Um mtodo numrico dito ser consistente se
Et
lim =0
x0 x

onde Et representa o erro de truncamento local do mtodo do tipo diferenas


que ns queremos estudar. Esta condio implica no fato de que o erro de
truncamento local de um mtodo do tipo diferenas deve ser pelo menos de
O (x2 ) para que ele seja consistente.
Conforme ns j vimos, todos os mtodos one-step podem ser postos na
forma geral:
yi+1 = yi + (xi , yi , x)x
onde (x, y, x) conhecida com a funo incremento. A partir do desen-
volvimento em srie de Taylor, em torno do ponto (xi , yi ), do lado esquerdo
desta igualdade ns obtemos

x2
yi + f (xi , yi )x + f (xi , yi ) + . . . = yi + (xi , yi , x)x
2
26 Captulo 1. Equaes Diferenciais Ordinrias

Este resultado pode ainda ser rearrumado de modo a obtermos

(xi , yi , x) = f (xi , yi ) + O(x)

e um mtodo do tipo one-step ser consistente caso

lim (x, y, x) = f (x, y)


x0

Uma outra maneira de vermos este resultado seria a de reescrevermos o


desenvolvimento em srie de Taylor na forma:
dy d2 y x2
x = (x, y, x)x 2 + ...
dx i dx i 2
ou ainda,
dy d2 y x
= (x, y, x) 2 + ...
dx i dx i 2
e observarmos que para que esta equao seja consistente com a equao
diferencial ordinria modelo, em cada ponto da malha, a seguinte condio
deve ser verificada medida que o incremento x tende a zero:

lim (x, y, x) = f (x, y)


x0

1.3.1.3 Estabilidade
Um mtodo numrico do tipo diferenas dito ser estvel para um pro-
blema de valor inicial, do tipo apresentado no incio desta seo, se existir um
x0 > 0 tal que uma variao na condio inicial, por uma quantidade fixa,
produz uma variao limitada na soluo numrica para todo 0 < x x0 .
Antes de prosseguirmos com o nosso estudo da estabilidade, vamos enun-
ciar o seguinte teorema que ser fundamental para que possamos garantir
que um mtodo numrico do tipo diferenas seja convergente: Um mtodo
do tipo diferenas consistente convergente se e somente se ele for est-
vel. Portanto, a convergncia estar assegurada se o mtodo numrico for
consistente e estvel.
Uma outra maneira de enunciarmos a estabilidade de um mtodo num-
rico do tipo one-step fornecida se para duas solues numricas diferentes
yi e zi , correspondentes aproximao numrica de y(xi ), ns verificarmos a
seguinte desigualdade
|yi zi | K |y0 z0 |
para uma constante K > 0 e para todo x tal que 0 < x x0 para
algum x0 > 0, e para todo x0 xi X. Nesta desigualdade y0 e z0
correspondem aos valores iniciais.
1.3. Convergncia, Consistncia e Estabilidade 27

A noo de estabilidade tambm pode ser relacionada com a regularidade


da funo incremento (x, y, x) mediante o teorema [3]: Um mtodo nu-
mrico do tipo one-step estvel se ele for regular. Em seguida veremos em
que condies o mtodo numrico pode ser considerado regular.
Da forma geral dos mtodos one-step podemos dizer que ele ser regular
se a funo incremento satisfaz a condio de Lipschitz em y no domnio
D = {(x, w)| x0 x X, < w < , 0 < x < x0 } para algum
x0 > 0 de modo que a desigualdade abaixo verificada

|(x, y, x) (x, z, x)| M |y z|

para y e z D e M chamada de constante de Lipschitz para a funo


incremento (x, y, x).
A prova deste teorema relativamente simples e podemos demonstr-la
se ns considerarmos, mais uma vez, duas aproximaes numricas yi e zi
geradas a partir da forma geral, de modo que

|yi+1 zi+1 | |yi zi | + x|(xi , yi , x) (xi , zi , x)|

Como estamos considerando que o mtodo numrico regular

|yi+1 zi+1 | |yi zi | + xM|yi zi |

ou ainda
|yi+1 zi+1 | (1 + xM)|yi zi |

Por induo podemos reescrever este resultado como

|yi+1 zi+1 | (1 + xM)i+1 |y0 z0 |

(1 + xM)|yi zi | (1 + xM)i+1 |y0 z0 |

|yi zi | (1 + xM)i |y0 z0 |

Agora, do desenvolvimento em srie de Taylor da funo exponencial ex

x2 x3
ex = 1 + x + + + ...
2! 3!
28 Captulo 1. Equaes Diferenciais Ordinrias

ns podemos substituir o termo entre parnteses na desigualdade acima


i
|yi zi | exM |y0 z0 |

|yi zi | eM(ix) |y0 z0 |

|yi zi | eM(xi x0 ) |y0 z0 |

|yi zi | eM(Xx0 ) |y0 z0 |

que para K = eM(Xx0 ) representa a condio para que o mtodo numrico


seja estvel.
Finalmente, ns podemos enunciar o seguinte teorema [3]: Um mtodo
numrico one-step regular convergente se e somente se ele for consistente.

1.3.2 Mtodos Multistep


Visto os conceitos de convergncia, consistncia e estabilidade para os
mtodos do tipo one-step, vamos aplicar estas mesmas propriedades ao caso
dos mtodos multistep.

1.3.2.1 Convergncia
A mesma definio de convergncia, aplicada aos mtodos one-step, tam-
bm se aplica ao caso dos mtodos multistep. Assim como no caso anterior, a
fim de mostrarmos que um mtodo numrico do tipo diferenas convergente,
devemos estabelecer que ele consistente e estvel [3].

1.3.2.2 Consistncia
Os mtodos multistep, a exemplo dos mtodos one-step, tambm podem
ser postos numa forma geral. A forma mais geral de um mtodo (k + 1)
multistep dada por [3]

k
X k
X
yi+1 = j yij + x j fij para i k
j=0 j=1

onde para 1 6= 0 ns obtemos um mtodo implcito e para 1 = 0 um


mtodo explcito. Nesta equao os coeficientes e so escolhidos de modo
1.3. Convergncia, Consistncia e Estabilidade 29

a obtermos um mtodo com a mais alta ordem de acurcia possvel. Entre-


tanto, a escolha destes coeficientes baseada somente na ordem de acurcia
do mtodo pode nos levar a mtodos que no so estveis.
Como ns sabemos que a soluo exata menos a soluo numrica igual
ao erro de truncamento, Et = yex (xi+1 ) yi+1 ,
" k k
#
X X
Et = yex (xi+1 ) j yij + x j fij
j=0 j=1
" k k
#
X X
= yex (xi+1 ) j yij + x j yij
j=0 j=1

Substituindo a soluo aproximada pela soluo exata e expandindo em srie


de Taylor, em torno do ponto xi , o lado direito desta igualdade [3]
m
" k m k m1
#
r r r
X
(r) x X X
(r) (jx) X X
(r+1) (jx)
Et yex j yex + x j yex
r=0
r! j=0 r=0
r! j=1 r=0
r!

ou ainda, agrupando os termos semelhantes:


" k
# " k k
!#
X X X x
Et 1 j yex + 1 jj + j yex
j=0 j=0 j=1
1!

m
" k k
#
X X
r
X
r1 xr (r)
+ 1 j (j) r j (j) y
r=2 j=0 j=1
r! ex

Deste resultado e da condio para que um mtodo numrico seja consistente,

Et
lim =0
x0 x

vemos claramente que as seguintes igualdades devem ser verificadas para que
um mtodo multistep seja consistente:
k
X
j = 1
j=0

k
X k
X
jj + j = 1
j=0 j=1
30 Captulo 1. Equaes Diferenciais Ordinrias

1.3.2.3 Estabilidade

Finalizando esta seo iremos abordar o problema da estabilidade dos


mtodos multistep. As condies de estabilidade que devem ser verificadas
pelos mtodos multistep sero introduzidas a partir do comportamento da
soluo numrica do seguinte problema de valor de contorno trivial

dy
=0
dx

tendo por condio inicial y(0) = c e evidente, para este problema, que
f (x, y) = 0. Caso a condio inicial seja introduzida sem nenhum erro de
arredondamento, qualquer mtodo multistep forneceria a soluo exata deste
problema para todo i k. Por outro lado, se a condio inicial estiver
contaminada pelos erros de arredondamento, podero ocorrer desvios nas
solues numricas. So estes desvios que ns queremos estudar aqui. Da
equao geral dos mtodos multistep aplicada a este problema especfico ns
obtemos:
Xk
yi+1 = j yij para i k
j=0

ou ainda, numa forma equivalente (i = r + k),

k
X
yr+(k+1) = j yr+(kj) para r 0
j=0

Usando o operador deslocamento E [3] a equao acima pode ser reescrita


como:
X k
k+1
E yr j E kj yr = p(E)yr = 0
j=0

onde o polinmio caracterstico, p(), associado a esta equao de diferenas


dado por:
" k
#
X
k+1 kj
p()yr = j yr = 0
j=0

e cujas razes (que podem ser complexas) so 1 , 2 , . . . , k+1 . As condies


de estabilidade dos mtodos multistep sero estabelecidas em funo destas
razes do polinmio caracterstico, de modo que os erros de arredondamento
no cresam exponencialmente [3].
1.3. Convergncia, Consistncia e Estabilidade 31

Caso todas as razes fossem distintas ns poderamos escrever a soluo


do problema de valor inicial, para 1 c, como [3]
k
X
yi = c + j ij
j=2

onde o somatrio pode ser visto como os erros de arredondamento associados


soluo aproximada. Deste resultado vemos que o erro de arredondamento
ir crescer exponencialmente a menos que |j | 1 para j = 2, 3, . . . , k.
O prximo teorema generaliza este resultado e impe as condies que
devem ser verificadas para que o mtodo numrico seja estvel [3]: O mtodo
numrico multistep dado pela sua forma geral estvel se e somente se ele
satisfizer a condio da raz:

|j | 1, j = 1, 2, . . . , k

dp(j )
|j | = 1 6= 0
d
A primeira condio requer que todas as razes do polinmio caracterstico
estejam contidas no crculo { | || 1} no plano complexo. A segunda
condio estabelece que todas as razes que se encontram na fronteira do
crculo unitrio devem ser simples.
Um mtodo multistep dito ser fortemente estvel se ele verifica a
condio da raz e = 1 a nica raz caracterstica de mdulo igual a um.
Ele dito ser fracamente estvel se satisfaz a condio da raz e tem mais
de uma raz caracterstica distinta com magnitude igual a um. Por outro
lado, ele ser dito instvel se ele no satisfizer a condio da raz.
O ltimo teorema a ser enunciado estabelece as condies para que te-
nhamos um mtodo multistep convergente [3]: Um mtodo multistep con-
vergente se e somente se ele for consistente e satisfizer as condio da raz.
32 Captulo 1. Equaes Diferenciais Ordinrias
Captulo 2

Equaes Diferenciais Parciais

Como veremos mais adiante, as equaes que governam o escoamento de


fluidos e o transporte de massa e energia so equaes diferenciais parciais,
contendo termos em derivadas primeira e segunda nas coordenadas espaciais
e, geralmente, em derivada primeira no tempo. Nestas equaes as derivadas
no tempo aparecem como termos lineares, mas freqentemente as derivadas
espaciais esto associadas a termos no-lineares.
Neste captulo, veremos como classificar as equaes diferenciais parciais
em elpticas, parablicas e hiperblicas. Em seguida elas sero examinadas
segundo as suas caractersticas matemticas e fsicas.

2.1 Algumas Equaes Diferenciais de Interesse


No nosso curso iremos nos concentrar no estudo da equao de transporte
linear. Esta equao inclui os mecanismos de transporte do tipo convectivo e
difusivo e vrios problemas de interesse nas engenharias so governados por
este tipo de equao.
A ttulo de exemplo vamos listar abaixo algumas equaes diferenciais
parciais importantes que governam vrios problemas fsicos que aparecem
com freqncia. Em alguns casos especficos podemos obter uma soluo
anltica exata para estas equaes [4].

1. A equao linear da onda de primeira ordem


+c =0
t x
governa a propagao de uma onda movendose da esquerda para a
direita com uma velocidade constante c.

33
34 Captulo 2. Equaes Diferenciais Parciais

2. A equao de Burger sem viscosidade


+ =0
t x

que governa a propagao nolinear de uma onda simples em uma


dimenso.

3. A equao de Burger

2
+ = 2
t x x

governa a propagao nolinear de uma onda simples em uma dimen-


so com dissipao viscosa.

4. A equao de Poisson

2 2
+ 2 = f (x, y)
x2 y

que governa a distribuio de temperatura em um slido com fontes


de calor prescritas pela funo f (x, y). A equao de Poisson tambm
determina o campo eltrico em uma regio contendo uma densidade de
carga dada por f (x, y).

5. A equao de convecodifuso

2
+u = 2
t x x

que representa o transporte, unidimensional, por conveco e difuso


da quantidade em uma regio que encontra-se em movimento com
velocidade u. A quantidade representa o coeficiente de difuso.

6. A equao de Kortewegde Vries

3
+ + 3 =0
t x x

que governa o movimento nolinear de ondas dispersivas.


2.2. Classificao 35

7. A equao de Helmholtz

2 2
+ 2 + k2 = 0
x2 y

que governa o movimento de ondas harmnicas, sendo k o parmetro


de freqncia. Como exemplo temos a propagao de ondas acsticas.

8. A equao biharmnica

4 4
+ 4 =0
x4 y

que determina as linhas de corrente para escoamentos com muito baixo


nmero de Reynolds, governado pela equao de Stokes.

9. Equao do telgrafo

2 2
2
+ a + b = c
t2 t x2
que governa a transmisso de impulsos eltricos num fio longo com uma
certa distribuio de capacitncia, indutncia e resitncia. As aplica-
es desta equao tambm incluem o movimento de uma corda com
uma fora de amortecimento proporcional velocidade e a conduo
de calor com uma velocidade de propagao trmica finita.

2.2 Classificao
Uma simples classificao das equaes diferenciais parciais possvel no
caso das equaes lineares de segunda ordem,

2u 2u 2u u u
A 2
+ B + C 2
+D +E + Fu + G = 0
x xy y x y

onde A, B, . . ., G so constantes. Trs categorias podem ser distinguidas:

i) elptica: B 2 4AC < 0

ii) parablica: B 2 4AC = 0

iii) hiperblica: B 2 4AC > 0


36 Captulo 2. Equaes Diferenciais Parciais

Como podemos observar, a classificao depende somente dos coeficientes


dos termos de derivadas de maior ordem nas variveis independentes.
Caso os coeficientes A, B, . . ., G sejam funes de x, y, u/x ou u/y,
a classificao pode ser aplicada, contanto que A, B e C tenham uma inter-
pretao local. Isto implica no fato de que a classificao das equaes pode
mudar em diferentes partes do domnio de resoluo.
As diferentes categorias de EDPs (Equaes Diferenciais Parciais) po-
dem ser, grosseiramente, associadas aos diferentes tipos de escoamentos. Em
geral, problemas dependentes do tempo esto associados a EDPs do tipo pa-
rablico ou hiperblico. EDPs parablicas governam escoamentos contendo
mecanismos de dissipao, como a dissipao viscosa e trmica. Neste caso,
os gradientes decrescero para valores crescentes do tempo, se as condies
de contorno no forem dependentes do tempo. No havendo mecanismos de
dissipao, a soluo ter uma amplitude constante no caso de uma EDP
linear e poder aumentar caso ela seja no-linear. Esta soluo governada
por EDPs do tipo hiperblicas. As EDPs elpticas esto normalmente associ-
adas a problemas em regime permanente e de equilbrio. Entretanto, alguns
problemas em regime permanente so descritos por EDPs parablicas (esco-
amento do tipo camada limite) e EDPs hiperblicas (escoamento supersnico
no-viscoso).
Em se tratando de sistemas de equaes diferenciais, a classificao no
pode ser feita mediante uma simples inspeo das equaes. Usualmente
necessrio examinarmos as caractersticas associadas s equaes, a fim de
determinarmos de maneira correta a classificao.

2.2.1 Classificao pelas Caractersticas


A resoluo numrica de uma equao diferencial parcial requer que sejam
fornecidas condies auxiliares (inicial e de contorno) adequadas. A especi-
ficao destas condies auxiliares pode ser facilitada com a introduo do
conceito das caractersticas. Em se tratando de um problema bidimensio-
nal, caso existam caractersticas reais, elas sero representadas por curvas
no interior do domnio de resoluo. Ao longo destas curvas caractersticas
so propagadas, para o interior do domnio, as informaes provenientes das
condies auxiliares. No caso de problemas hiperblicos e para condies au-
xiliares contendo descontinuidades, estas condies acarretam na existncia
de solues que sero igualmente descontnuas.
Tomemos como exemplo o caso de uma equao diferencial parcial de
primeira ordem na forma:
2.2. Classificao 37

x p
p

t t
p

Figura 2.1: Curva caractersticas no plano t-x.

u u
A +B =C
t x
na qual A, B e C podem ser funes de t, x e u, mas no podem ser funes
das derivadas da varivel dependente u, pois elas podem ser descontnuas
nas caractersticas. Suponhamos, agora, que u seja especificado ao longo de
uma curva L no plano t x, Figura 2.1. Vamos tambm introduzir, neste
plano, uma curva caracterstica C que intercepta a curva L no ponto p de
coordenadas (xp ,tp ), conforme representado na Figura 2.1. Ao longo da curva
caracterstica C temos que [5]

u u
du = dt + dx
t x
para dt e dx infinitesimais.
Combinandose estas duas equaes de modo a eliminarmos o termo
u/t

dx B u du C
=
dt A x dt A
Para que u/x possa ser indeterminado ao longo da curva C, devemos fazer

dx B
=
dt A
38 Captulo 2. Equaes Diferenciais Parciais

de modo que esta equao define a curva caracterstica C e vemos que

du C
=
dt A
ao longo da caracterstica. A resoluo numrica desta equao fornece o
valor de u.
Da integrao da equao que define a curva caracterstica vemos que
existe uma infinidade de curvas caractersticas no plano t x. Em particu-
lar, para B/A =constante, temos que as caractersticas so retas e as suas
equaes so dadas por:

B
x(t) x0 = (t t0 )
A
onde as constantes x0 e t0 representam as coordenadas de um ponto qualquer
sobre a caracterstica.
Finalizando, o conhecimento do valor de u no ponto p sobre a curva L,
que intercepta a curva caracterstica C, permite que determinemos a varivel
dependente u mediante a resoluo de dois problemas de valor inicial (PVI):

dx B
=
dt A

x(tp ) = xp

que fornece os valores de x e t de todos os pontos que se encontram sobre a


caracterstica C que passa pelo ponto (tp ,xp ) e

du C
=
dt A

u(tp ) = up

que fornece os valores de u ao longo da caracterstica. Os valores de u que no


se encontram sobre esta caracterstica devem ser determinados pela resoluo
dos mesmos problemas de valor inicial, mas para novas condies iniciais.
Problemas para os quais mais de uma caracterstica passam por um
mesmo ponto apresentam a formao de choques nestes pontos. O choque
resultante da propagao de informaes diferentes ou conflitantes do valor
da varivel dependente ao longo das caractersticas. Esta situao comum,
por exemplo, em escoamentos compressveis [5].
2.2. Classificao 39

Vamos, agora, considerar o caso de uma equao diferencial parcial de


segunda ordem. Conforme visto na no incio desta seo, somente os coefi-
cientes dos termos das derivadas de maior ordem determinam a classificao
das EDPs. Portanto, conveniente reescrevermos a equao diferencial na
forma:
2u 2u 2u
A 2 +B +C 2 +H =0
x xy y
onde H contm todos os outros termos da equao e A, B e C podem ser
funes de x e y. Podemos obter, para cada ponto do domnio, duas direes
nas quais a integrao desta equao envolva apenas diferenciais totais. A
existncia dessas direes (caractersticas) est diretamente relacionada com
a classificao da EDP.
Uma curva K agora introduzida no interior do domnio de resoluo,
de maneira que u/x, u/y, 2 u/x2 , 2 u/xy, 2 u/y 2 e u satisfaam
a equao diferencial. Ao longo da tangente curva K as diferenciais totais
de u/x e u/y satisfazem:

u u u
d = dx + dy
x x x y x

u u u
d = dx + dy
y x y y y
e a equao diferencial pode ser escrita na forma:

AR + BS + CT + H = 0

se ns introduzirmos as variveis:
u u 2u 2u 2u
P = ; Q= ; R= ; S= ; T = 2
x y x2 xy y
Utilizando os resultados anteriores das diferenciais totais dP e dQ, pode-
mos eliminar R e T desta equao:

dP dy dQ dx
A S + BS + C S +H =0
dx dx dy dy

ou ainda, multiplicando-se pelo valor da inclinao da tangente curva K


(dy/dx):
" #
2
dy dy dP dy dQ
S A B +C A +H +C =0
dx dx dx dx dx
40 Captulo 2. Equaes Diferenciais Parciais

escolhendo-se agora dy/dx de maneira que S seja indeterminado ao longo da


curva caracterstica:
2
dy dy
A B +C =0
dx dx
As curvas y(x) que satisfazem esta equao so chamadas de caractersticas
da equao diferencial parcial. Ao longo destas curvas, as derivadas segunda
no so unicamente determinadas pelos valores especificados de u e de suas
derivadas primeira e descontinuidades nas derivadas de mais alta ordem po-
dem existir. Neste caso, a equao diferencial parcial anterior fica reduzida
seguinte forma:
dP dy dQ
A +H +C =0
dx dx dx
Assim sendo, as duas razes da equao quadrtica em dy/dx definem as
direes caractersticas para as quais a equao acima vlida.
Dos resultados do primeira seo, vemos que as EDPs tambm podem
ser classificadas de acordo com as caractersticas:
i) elptica, caso as caractersticas sejam complexas;
ii) parablica, caso exista uma caracterstica real;
iii) hiperblica, caso as duas caractersticas sejam reais.
Portanto, a determinao do discriminante, B 2 4AC, determina o tipo
da EDP e a natureza das caractersticas.

2.2.2 Equaes a N Variveis Independentes


Em se tratando de mais de duas variveis independentes, ser conveniente
trabalharmos com a equao diferencial na forma:
N X
N
X 2u
ajk +H =0
j=1 k=1
xj xk
onde N o nmero de variveis independentes e os ajk so os coeficientes
da matriz A. A classificao das EDPs ser obtida, nesta caso, a partir da
anlise dos autovalores da matriz A:
i) elptica, se todos os autovalores so diferentes de zero e tm o mesmo
sinal;
ii) parablica, se algum dos autovalores for nulo;
iii) hiperblica, se todos os autovalores so diferentes de zero e todos, me-
nos um, tiverem o mesmo sinal.
2.2. Classificao 41

2.2.3 Transformao de Coordenadas


Vamos nos preocupar agora com o que acontece com a classificao das
EDPs, quando introduzimos uma transformao de coordenadas. As novas
variveis independentes (, ) sero introduzidas no lugar de (x, y) e assumi-
remos que as transformaes = (x, y) e = (x, y) so conhecidas. No
caso geral, sabemos que para u(, )

u u u
= +
x x x
u u u
= +
y y y

2u
= + + u
x2 x x x x

2u
= + + u
y 2 y y y y

2u
= + + u
xy x x y y
Assim, podemos reescrever a EDP na forma,

2u 2
u
2
u
A 2
+ B + C 2
+ H = 0

onde, 2 2

A =A +B +C
x x y y


B = 2A +B + + 2C
x x x y y x y y
2 2

C = A +B +C
x x y y
Destes resultados vemos que o discriminante B 2 4A C pode ser obtido
a partir da relao:
2
B 4A C = J 2 B 2 4AC

onde J o Jacobiano da transformao de coordenadas J = x y y x .


Este importante resultado garante que a classificao das EDPs independe
do sistema de coordenadas.
42 Captulo 2. Equaes Diferenciais Parciais

2.2.4 Sistema de Equaes


Na prtica, como veremos no Captulo 3, as equaes que governam o
escoamento de fluidos formam um sistema ao invs de uma nica equao.
Em se tratando de um sistema de duas EDPs com derivadas de primeira
ordem nas duas variveis independentes, podemos represent-lo como:
u
u
B11 B12 y

~q ~q A11 A12 x D1 ~
A +B = + = =D
x y A21 A22 v B21 B22 v D2
x y
onde o vetor ~q tem como componentes u(x, y) e v(x, y).
Vamos determinar, em seguida, quais so as condies para que tenhamos
somente as diferenciais totais:
u u
x y
du dx
=
dv v v dy
x y
ao longo das direes caractersticas dy/dx. Para o sistema de equaes dado,
isto equivalente a procurarmos multiplicadores L1 e L2 tais que:

u u v v
L1 A11 + B11 + A12 + B12
x y x y

u u v v
+L2 A21 + B21 + A22 + B22
x y x y
= m1 du + m2 dv = L1 D1 + L2 D2
ou ainda,
u u
(L1 A11 + L2 A21 ) + (L1 B11 + L2 B21 ) +
x y
v v
+ (L1 A12 + L2 A22 ) + (L1 B12 + L2 B22 ) = m1 du + m2 dv
x y
Das relaes das diferenciais totais em du e dv,


L1 A11 + L2 A21 = m1 dx

L1 B11 + L2 B21 = m1 dy

L 1 A12 + L2 A22 = m2 dx

L1 B12 + L2 B22 = m2 dy
2.2. Classificao 43

Eliminando-se m1 e m2 nestas equaes e rearrumando-se:



(A11 dy B11 dx) (A21 dy B21 dx) L1
=0
(A12 dy B12 dx) (A22 dy B22 dx) L2

e a condio para que tenhamos uma soluo no-trivial deste sistema a de


que:
dy
det A B = 0
dx
ou ainda,
2
dy dy
(A11 A22 A21 A12 ) (A11 B22 A21 B12 + B11A22 B21 A12 ) +
dx dx

+ (B11B22 B21 B12 ) = 0


A classificao do sistema de equaes ser dada em funo das solues
desta equao do segundo grau:

i) elptico, se o discriminante for negativo e as duas razes complexas;

ii) parablico, se o discriminante for nulo e uma raiz real;

iii) hiperblico, se o discriminante for positivo e as duas razes reais.

Estes resultados podem ser generalizados para o caso de sistemas com n


equaes diferenciais de primeria ordem com duas variveis independentes.
O carter do sistema de equaes ser determinado pelas n razes da equao:

dy
det A B = 0
dx

ou seja:

i) elptico, se no forem obtidas razes reais;

ii) parablico, se obtivermos m razes reais (1 m n 1) e nenhuma


raiz complexa for obtida;

iii) hiperblico, se forem encontradas n razes reais.

Para grandes sistemas de equaes, algumas razes podem ser complexas


e outras reais, o que representa um sistema misto. Na prtica, a diviso mais
importante dada entre sistemas elpticos e no-elpticos, uma vez que estes
ltimos permitem um comportamento do tipo evoluo no tempo.
44 Captulo 2. Equaes Diferenciais Parciais

A classificao acima tambm se aplica a sistemas de equaes com deri-


vadas de segunda ordem, uma vez que podemos introduzir variveis auxiliares
a fim de transform-los em sistemas maiores de primeira ordem. Entretanto,
existe o risco de obtermos matrizes A e B singulares e cuidado deve ser
tomado para que evitemos que isto acontea.
Para sistemas de equaes de primeira ordem com mais de duas variveis
independentes:
~q ~q ~q
A +B +C =D
x y z
onde ~q o vetor cujas n componentes so as variveis dependentes, podemos
classific-lo a partir das razes do polinmio caracterstico de grau n:
h i
det Ax + By + Cz = 0

com x , y e z definindo as direes normais a uma determinada superfcie


no ponto (x, y, z). Esta equao fornece, portanto, as condies para que
esta superfcie seja uma superfcie caracterstica.

2.2.5 Classificao pela Anlise de Fourier


A classificao das EDPs pelas caractersticas nos leva a interpretao
das razes de um polinmio caracterstico, onde elas determinam as direes
caractersticas ou superfcies caractersticas no caso de mais de duas variveis
independentes.
Entretanto, o polinmio caracterstico tambm pode ser obtido a partir da
anlise de Fourier da equao diferencial parcial. Neste caso, a interpretao
fsica das razes outra, embora a classificao com base na natureza das
razes permanea a mesma. A anlise de Fourier vantajosa no caso de
sistemas de equaes com derivadas de ordem superior a um, uma vez que
ela evita a construo de sistemas maiores de primeira ordem e a possibilidade
de que este sistema seja singular.
A fim de aplicarmos a anlise de Fourier, na classificao das EDPs, fare-
mos uso dos seguintes resultados [6]: A transformada de Fourier F definida
pela expresso: Z +
1
F(f ) = eix f (x) dx
2
um operador linear, isto :
F(f + g) = F(f ) + F(g)
para f e g funes do espao L1 e e nmeros complexos quaisquer. O
espao L1 aquele onde f , g, |f | e |g| so integrveis (integral de Riemann).
2.2. Classificao 45

Caso f : R C for uma funo de decrescimento rpido, ento,


F (Dn f ) = (i)n F(f )
para todo inteiro n 1. Mais geralmente, se P (x) um polinmio,
F [P (D)f ] = P (i)F(f )
onde Dn indica a derivada de ordem n.
De fato, da propriedade de linearidade podemos escrever:

F D + D2 + D3 + . . . f = F(Df ) + F(D2 f ) + F(D3 f ) + . . .
Aplicando-se a transformada de Fourier ao primeiro termo,
Z +
1
F(f ) = eix f (x) dx
2
que aps integrao por partes:

+ Z +
1 ix
F(Df ) = e f (x) +i eix f (x) dx
= iF(f )
2 | {z }
=0

Da mesma forma obtemos:



Z +
1 ix +
F(D2 f ) = e f (x) +i eix f (x) dx 2
= (i) F(f )
2
| {z }
=0

Assim, por induo podemos demostrar que F [P (D)f ] = P (i)F.


Aplicando-se, em seguida, a transformada de Fourier equao,
2u 2u 2u
A 2 +B +C 2 =0
x xy y
obtemos como resultado:

A (ix )2 + B(ix iy ) + C (iy )2 u = 0
ou ainda,
x x
A B C u = 0
y y
onde u = F(u) a transformada de Fourier de u(x, y) e a natureza desta
equao depende das razes deste polinmio, ou seja, dos coeficientes A, B e
C conforme descrito na Seo 2.2.
Este mtodo de obteno do polinmio caracterstico se aplica para A,
B e C funes das variveis independentes. Caso estes coeficientes sejam
funes das variveis dependentes, necessrio congelarmos os seus valores
locais antes de aplicarmos a transformada de Fourier [7].
46 Captulo 2. Equaes Diferenciais Parciais

2.3 Problema Bem-Posto


Antes de prosseguirmos com a interpretao fsica dos diferentes tipos de
EDPs, vamos ver o que significa um problema bem-posto em termos mate-
mticos. Dizemos que as equaes que governam um fenmeno fsico e as
suas condies inicial e de contorno formam um problema bem-posto se:
i) uma soluo existe;

ii) a soluo nica;

iii) a soluo depende continuamente dos dados iniciais.


Normalmente, a questo da existncia da soluo no criar nenhuma
dificuldade, a no ser no caso da resoluo da equao de Laplace com um
termo fonte no interior do domnio de resoluo [7].
Condies de no-unicidade se devem usualmente ao fato de que as con-
dies de contorno no so impostas adequadamente de acordo com o tipo de
EDP. Em geral, a falta de condies de contorno acarreta na no-unicidade
de soluo e o excesso de condies leva a solues, prximas da fronteira em
questo, que no so fsicas. Existem alguns problemas de escoamento que
podem admitir mltiplas solues fsicas. Estas situaes normalmente apa-
recem no caso de escoamentos sofrendo transies entre os regimes laminar
e turbulento.
O ltimo critrio requer que pequenas mudanas nas condies inicial
e de contorno, acarretem somente pequenas mudanas na soluo. Como
na resoluo numrica as condies auxiliares (inicial e de contorno) so
introduzidas com aproximaes, a no observncia deste critrio far com
que os erros se propaguem no domnio de resoluo, causando um crescimento
rpido da soluo numrica, particularmente no caso das EDPs hiperblicas.
Estes critrios so usualmente atribudos a Hadamard [7]. Complemen-
tando o que foi dito, podemos fazer um paralelo e definirmos um problema
computacional bem-posto como sendo aquele onde:
i) uma soluo computacional existe;

ii) a soluo computacional nica;

iii) a soluo computacional depende continuamente dos dados iniciais e


das condies de contorno numricas.
O processo de obteno de uma soluo computacional passa pela especi-
ficao aproximada das condies auxiliares, pela discretizao das EDPs e
pela implementao do algoritmo numrico. Portanto, para que um problema
2.3. Problema Bem-Posto 47

~s R
~n

Figura 2.2: Domnio computacional R.

computacional seja bem-posto, necessrio que o problema matemtico seja


bem-posto e que o algoritmo seja estvel. Fica entendido aqui que a solu-
o aproximada, produzida pelo problema computacional bemposto, ser
prxima da soluo exata do problema matemtico bemposto.

2.3.1 Condies de Contorno e Iniciais


Da discusso anterior sobre os problemas bem-postos, ficou claro que as
condies auxiliares so o ponto de partida na obteno da soluo no interior
do domnio de resoluo. As condies iniciais so fornecidas inicialmente em
todo o domnio R de resoluo, enquanto que as condies de contorno so
especificadas na fronteira R deste domnio, nas seguintes trs formas:

i) condio de Dirichlet, u = f em R;

ii) condio de Neumann, u/~n = f ou u/~s = g em R;

iii) condio mista ou de Robin, u/~n + ku = f , k > 0, em R.

Nas condies auxiliares ii) e iii), /~n denota a derivada normal direcio-
nada de dentro para fora do domnio de resoluo e /~s indica a derivada
tangencial, Figura 2.2.
Existem trs tipos de problemas associados s condies auxiliares: o
problema de valor de contorno (PVC), onde as condies so impostas na
fronteira do domnio; o problema de valor inicial (PVI), onde as condies so
fornecidas para um tempo inicial fixado; e o problema misto, onde impomos
uma condio inicial e condies de contorno. Normalmente, os problemas
de contorno esto associados aos problemas elpticos, o problema de valor
inicial s equaes hiperblicas e o problema misto s equaes parablicas.
Entretanto, as equaes hiperblicas tambm podem admitir condies do
48 Captulo 2. Equaes Diferenciais Parciais

tipo inicial e de contorno. Um problema de valor inicial s ser bem-posto


para sistemas hiperblicos e um problema de contorno s ser bem-posto
para sistemas elpticos.
Na maior parte dos escoamentos, cujas solues so obtidas a partir das
equaes de Navier-Stokes em termos das variveis primitivas (u, v, p, etc.),
pelo menos uma componente do vetor velocidade ou a presso so dadas na
fronteira. Este um exemplo de uma condio de Dirichlet para a veloci-
dade ou a presso. No caso do escoamento potencial no-viscoso de um fluido
compressvel, a condio /~n = 0 na superfcie do slido um exemplo
de uma condio do tipo Neumann. Condies do tipo mista no so co-
muns em mecnica dos fluidos, mas ocorrem com freqncia em problemas
de transferncia de calor. Condies de Dirichlet podem ser aplicadas com-
putacionalmente de maneira exata. Entretanto, as condies de Neumann
ou de Robin s podem ser introduzidas de maneira aproximada, acarretando,
assim, num erro numrico.

2.4 Equaes Diferenciais Hiperblicas


O desenvolvimento que ser apresentado no estudo das EDPs hiperbli-
cas, tomar por base a equao unidimensional da onda em regime transiente:

2u 2
2 u
c =0
t2 x2
onde nesta equao c representa a magnitude da velocidade de propagao
da onda. A falta de atenuao uma caracterstica das equaes lineares
hiperblicas.
Aplicando-se os resultados apreendidos anteriormente, para A = 1, B = 0
e C = c2 , ns obtemos as duas direes caractersticas:
dx
= c
dt
que representam duas caractersticas reais. Em alguns casos, as caractersti-
cas podem depender da soluo local e, em geral, so curvas. No resultado
acima, as caractersticas so linhas retas se c for constante e curvas caso c
seja funo de u, x ou t.

2.4.1 Interpretao em Bases Fsicas


Como j foi dito, as EDPs hiperblicas esto associadas aos problemas
de propagao sem dissipao. A presena de caractersticas reais, conforme
2.4. Equaes Diferenciais Hiperblicas 49

t C D
Domnio
de
Dependncia

Domnio
de
Influncia

A B

x - ct x + ct x
i i i i

Figura 2.3: Caractersticas para a equao da onda.

mostrado na Figura 2.3, implica no fato de que um distrbio na soluo u


no ponto P s pode influenciar o resto da soluo no domnio CPD. Reci-
procamente, a soluo em P influenciada unicamente pelas perturbaes
no domnio AP B.
Alm do mais, se as condies iniciais so especificadas para t = 0, em
AB, elas so suficientes para se determinar a soluo em P univocamente.
Isto pode ser mostrado, no caso de uma onda, introduzindo-se novas
variveis independentes (, ) [5, 8] de modo que v(, ) = u(x, t)

= x + ct

= x ct
Aps substituio na equao da onda,

2v
4c2 =0

ou ainda,
v
=0

Esta equao admite como soluo:

v(, ) = f () + g()
50 Captulo 2. Equaes Diferenciais Parciais

sendo f e g funes de classe C 2 arbitrrias. Ento, a soluo de dAlembert


escreve-se como:
u(x, t) = f (x + ct) + g(x ct)
Vamos agora utilizar as condies iniciais:

u(x, 0) = s(x)


u(x, 0) = r(x)
t
para determinarmos as funes f e g, supondo que s(x) de classe C 2 e r(x)
de classe C 1 em < x < +. Aplicando-se estas condies, obtemos:


u(x, 0) = f (x) + g(x) = s(x)

u(x, 0) = cf (x) cg (x) = r(x)



t
u f f f g
uma vez que = + =c c , ou ainda,
t t=0 t t=0 t t=0 x x


u(x, 0) = f (x) + g(x) = s(x)

Z
1 x
f (x) g(x) =
r(s)ds + K
c 0

Resolvendo-se este sistema ns encontramos:


Z
1 1 x
f (x) = s(x) + r(s)ds + K
2 c 0
Z
1 1 x
g(x) = s(x) r(s)ds K
2 c 0
Portanto, Z
1 1 x+ct
f (x + ct) = s(x + ct) + r(s)ds + K
2 c 0
Z
1 1 0
g(x ct) = s(x ct) + r(s)ds K
2 c xct
Substituindo-se estes resultados na soluo de dAlembert,
Z
1 1 x+ct
u(x, t) = s(x + ct) + s(x ct) + r(s)ds
2 c xct
2.4. Equaes Diferenciais Hiperblicas 51

que conhecida como a frmula de dAlembert. Portanto, a soluo no ponto


P determinada univocamente pelas condies introduzidas em AB.
Para as equaes hiperblicas, no existem mecanismos de dissipao
presentes. Isto implica no fato de que caso as condies iniciais (ou de con-
torno) contenham descontinuidades, elas vo ser transmitidas para o interior
do domnio ao longo das direes caractersticas, sem atenuao das descon-
tinuidades no caso das equaes lineares. Este resultado consistente com o
fato de que descontinuidades na derivada normal podem ocorrer quando as
caractersticas se cruzam.
A ttulo de exemplo, vamos obter a soluo da equao da onda para as
seguintes condies iniciais:

u(x, 0) = sen (x)



u(x, 0) = 0
t
Empregando-se a frmula de dAlembert,
1
u(x, t) = [sen (x + ct) + sen (x ct)]
2
ou ainda, empregando-se a relao trigonomtrica sen (ab) = sen (a) cos(b)
cos(a)sen (b),
u(x, t) = sen (x) cos(ct)
que representa a propagao de uma onda senoidal sem atenuao, conforme
podemos atestar na Figura 2.4.

2.4.2 Condies de Contorno e Inicial Apropriadas


Vamos considerar aqui o sistema de primeira ordem em u e v
u u v v
A11 + B11 + A12 + B12 = D1
x y x y
u u v v
A21 + B21 + A22 + B22 = D2
x y x y
Esta escolha se deve ao fato de que para valores particulares dos coeficientes
das matrizes A e B, este sistema se aplica diretamente ao caso do escoamento
supersnico no-viscoso. Este sistema possui duas direes caractersticas
que denominaremos e .
Conforme j foi visto, os sistemas de EDPs hiperblicas s admitem con-
dies iniciais ou mistas (inicial e de contorno). No caso do regime perma-
nente, podemos distinguir trs casos, Figura 2.5. No primeiro, os dados so
52 Captulo 2. Equaes Diferenciais Parciais

Equao da Onda
1

0.8

0.6

0.4

0.2
u(x,t)

0.2

0.4

0.6

0.8

1
1

0.5
x 6 8 10
2 4
0 0
t

Figura 2.4: Propagao de uma onda senoidal.

fornecidos para u e v numa curva que no caracterstica AB e determinam


univocamente a soluo no ponto P . No segundo, os dados so introduzidos
em uma curva que no caracterstica e em uma curva caracterstica AD.
Assim, u e v devem ser especificados em ambas as curvas, de maneira que u
e v sero conhecidos no ponto A. O ltimo caso similar ao anterior, exceto
pelo fato de neste caso AB e AD so curvas caractersticas.
Em se tratando do regime transiente e para um domnio computacional
definido por x 0 e t 0, vemos que um ponto P prximo fronteira
x = 0 parcialmente determinado pelas condies de contorno em AC e
parcialmente pelas condies iniciais em AB. Neste caso, u e v devem ser
especificados em AB e em AC devemos fornecer u ou v, conforme mostrado
na Figura 2.6.

2.5 Equaes Diferenciais Parablicas


As EDPs parablicas aparecem quando os problemas de propagao in-
cluem mecanismos de dissipao, tais como a dissipao viscosa e a conduo
de calor. O exemplo clssico de uma EDP parablica a equao unidimen-
2.5. Equaes Diferenciais Parablicas 53

P
P B

A B
A

B
A

Figura 2.5: Condies de contorno para o caso hiperblico.

C
11
00
00
11
00
11
00
11
00
11
00
11 P
00
11
00
11
00
11
00
11
00
11
00
11
00
11
00
11
A11
000000000000000000000
1111111111111111111
x=0 B x

Figura 2.6: Condies auxiliares para o caso transiente.


54 Captulo 2. Equaes Diferenciais Parciais

11
00 00
11
D F

00
11
00
11
Domnio de Dependncia
00
11
00
11
t=t
i 00
11
00
11 00
11
00
11
00
11
00
11
A B 11
00
00
11
00
11
00
11 00
11
00
11
u(0,t)=f(t)
00
11
00
11 00
11
00
11
u(1,t)=g(t)

00
11
00
11 00
11
00
11
00
11
00
11 00
11
00
11
10 00
11 00
11
1010 00
11 00
11
t

0000
1111 00
11
00000000000000000000
11111111111111111111
00
11 00
11
00
11
10 00000000000000000000
11111111111111111111
x C
00000000000000000000 E
11111111111111111111
x=0 u(x,0)=u (x) x=1
0

Figura 2.7: Domnio computacional para uma EDP parablica.

sional de difuso (ou conduo) de calor em regime transiente,

u 2u
= 2
t x
Dos resultados apresentados em 2.2.1, para A = 1, B = C = 0, vemos
que a nica direo caracterstica definida por:

dt
=0
dx
ou ainda,
dx
=
dt
Diferentemente da situao das equaes hiperblicas, as derivadas de u
so sempre contnuas cruzando a linha t = ti da Figura 2.7.
Para as condies inicial u = sen (x) e de contorno u(0, t) = u(1, t) = 0,
a equao de conduo de calor possui a seguinte soluo exata:

u(x, t) = sen (x) exp 2 t

Esta soluo, que apresenta um decaimento exponencial, contrasta com a


soluo puramente oscilatria da equao da onda, conforme representado
na Figura 2.8.
2.5. Equaes Diferenciais Parablicas 55

Equao de Difuso
1

0.8

0.6

0.4

0.2
u(x,t)

0.2

0.4

0.6

0.8

1
2
1.5
1
x 0.5 8 10
4 6
0 0 2
t

Figura 2.8: Decaimento exponencial de uma senide.

2.5.1 Interpretao em Bases Fsicas


Problemas parablicos so tpicos de solues que evoluem no tempo e
que so difusivas no espao. Assim, uma perturbao da soluo introdu-
zida no ponto P da Figura 2.7, pode influenciar qualquer ponto do domnio
computacional para t ti . Contudo, a magnitude desta perturbao ser
rapidamente atenuada medida em que ela se afasta do ponto P .
A incorporao de mecanismos de dissipao implica no fato de que,
mesmo se as condies iniciais contenham descontinuidades, a soluo no
interior do domnio ser sempre contnua. As EDPs que em mais de uma
varivel espacial so parablicas no tempo, tornam-se elpticas em regime
permanente, caso exista a soluo para o regime permanente.

2.5.2 Condies de Contorno e Inicial Apropriadas


Na fronteira CE, da Figura 2.7, necessrio especificar condies iniciais
do tipo Dirichlet. Para as fronteiras CD e EF , qualquer combinao de con-
dies do tipo Dirichlet, Neumann ou de Robin so aceitveis. Entretanto,
caso sejam especificadas condies do tipo de Dirichlet, necessrio assegu-
rarmos a continuidade destas condies com as condies iniciais fornecidas
em C e E. Caso contrrio, teremos solues que apresentaro grandes gradi-
56 Captulo 2. Equaes Diferenciais Parciais

entes prximos C e E, o que pode criar dificuldades na resoluo numrica.


Em se tratando de sistemas de EDPs parablicas, condies iniciais em CE
e condies de contorno em CD e EF so necessrias para todas as variveis
dependentes.

2.6 Equaes Diferenciais Elpticas


As EDPs elpticas esto, em geral, associadas aos problemas em regime
permanente ou de equilbrio. Um exemplo simples de uma EDP elptica a
equao de Laplace
2 2
+ =0
x2 y 2
que governa o escoamento potencial incompressvel. Para as seguintes condi-
es de contorno
(x, 0) = sen (x)
(x, 1) = sen (x) exp()
(0, y) = (1, y) = 0
esta equao possui a soluo exata:

(x, y) = sen (x) exp(y)

no domnio 0 x 1, 0 y 1.
Para EDPs elpticas de segunda ordem do tipo

2 2 2
A 2 +B +C 2 +D +E + Fu + G = 0
x xy y x y

onde 4AC < B 2 , um importante princpio de mximo existe: os valores


mximos e mnimos de devem ocorrer na fronteira R do domnio, exceto
no caso trivial onde constante.
Sabemos que as EDPs elpticas apresentam caractersticas que so com-
plexas e no podem ser representadas no domnio computacional que real.
Portanto, na dinmica dos fluidos a identificao destas direes caractersti-
cas no apresenta nenhuma utilidade prtica.

2.6.1 Interpretao em Bases Fsicas


A mais importante propriedade de uma EDP elptica que um distrbio
introduzido num ponto P do interior do domnio de resoluo (Figura 2.9),
influencia todos os outros pontos no domnio computacional, embora longe
2.6. Equaes Diferenciais Elpticas 57
0000000000000000000 C
1111111111111111111
D 1111111111111111111
111
0000000000000000000000
000000000000000000011
00
0001111111111111111111
111 00
11
000
111 00
11
000
111
000
111 00
11
00
11
000
111 00
11
000
111
000
111 00
11
00
11
000
111
000
111
P 00
11
00
11
000
111 00
11
000
111
000
111 00
11
00
11
000
111
000
111 00
11
00
11
1
0 000
111 00
11
0
1
y 000
111
000
111 00
11
00
11
0
1
0
1 000
111 00
11
000
111
A 1111111111111111111
000000000000000000000B
11
x
0000000000000000000
1111111111111111111
Figura 2.9: Domnio computacional para uma EDP elptica.

do ponto P a influncia seja pequena. Isto quer dizer que na determinao


numrica da soluo de problemas elpticos, necessrio levarmos em conta
o domnio global. Em contrapartida, as EDPs parablicas e hiperblicas
podem ser resolvidas avanando-se progressivamente no tempo a partir das
condies iniciais. As condies de contorno descontnuas das EDPs elpticas
so atenuadas no interior do domnio de resoluo.

2.6.2 Condies de Contorno Apropriadas


A capacidade de influenciar todos os pontos do domnio, a partir do inte-
rior, exige que as condies de contorno sejam impostas em todas as frontei-
ras do domnio, conforme est esquematizado na Figura 2.9. As condies de
contorno podem ser qualquer combinao do tipo Dirichlet, Neumann ou Ro-
bin. Contudo, se condies do tipo Neumann, /~n = f (s), so aplicadas
em todas as fronteiras, deve-se tomar cuidado a fim de que os valores especi-
ficados sejam consistentes com a equao diferencial que governa o fenmeno
fsico em questo.
Do teorema de Green sabemos que
Z I I
2
dR = ~n ds = f ds
R R R

o que implica numa restrio para as condies de contorno do tipo Neumann,


caso as equaes sejam as de Laplace ou de Poisson.
58 Captulo 2. Equaes Diferenciais Parciais
Captulo 3

Equaes de Balano

Na obteno das equaes de balano, vamos requerer que a massa e a


energia sejam conservadas e que a taxa de variao da quantidade de movi-
mento (momentum) seja igual ao somatrio das foras agindo sobre o corpo.
Como resultado teremos 5 equaes de balano: 1 equao da continuidade,
3 equaes de balano de momentum e 1 equao de energia

3.1 Equao da Continuidade


Para um volume de controle arbitrrio V , fixo no espao e no tempo, a
conservao da massa requer que a taxa de variao da massa no interior do
volume de controle seja igual ao fluxo de massa cruzando a sua superfcie,
Z Z Z
d
dV = dV + ~v ~n dS = 0
dt V V t S

onde ~n a normal unitria superfcie do volume de controle, direcionada


de dentro para fora.
Usando o teorema de Gauss, este resultado pode ser expresso na forma:
Z

+ (~v ) dV = 0
V t
Agora, como o volume de controle V arbitrrio,

+ (~v ) = 0
t
ou ainda,

+ ~v + ~v = 0
t
| {z }
=D/Dt

59
60 Captulo 3. Equaes de Balano

onde D/Dt representa a derivada material.


Para escoamentos incompressveis (densidade constante), temos que
~v = 0
e este resultado vlido tanto para o escoamento em regime permanente
como para o escoamento em regime transiente.

3.2 Equaes do Momentum


A segunda lei de Euler diz que a taxa de variao do momentum linear
deve ser igual ao somatrio das foras agindo sobre o corpo. No caso de um
pequeno elemento de fluido, tratado como um sistema aberto,
Z Z Z
d
~v dV = ~t dS + f~ dV
dt V S V

onde ~t o vetor tenso tal que ~tdS fornece a fora dF~ exercida sobre um
elemento de rea dS e f~ o vetor fora externa. A primeira integral, do
lado direito do sinal de igualdade, representa a contribuio devida s foras
de superfcie e a segunda contribuio das foras externas agindo sobre o
corpo.
Pode-se mostrar [9] que o vetor tenso pode ser expresso em termos do
tensor de tenses T na forma ~t = T ~n, com as componentes do tensor sendo
representadas pela matriz:

xx xy xz
[Tij ] = yx yy yz
zx zy zz
onde representa as tenses normais e as tenses de cisalhamento.
Substituindo-se o vetor tenso ~t na equao integral,
Z Z Z
d
~v dV = T ~n dS + f~ dV
dt V S V

e aplicandose novamente o teorema da divergncia,


Z Z
d
~v dV = T + f~ dV
dt V V

Podemos ainda trocar a ordem das operaes de diferenciao e integra-


o, se o teorema de transporte [9]
Z Z
d
dV = + (~v ) dV
dt V V t
3.2. Equaes do Momentum 61

for utilizado no lado direito desta equao. Portanto,


Z
(~v ) ~
+ (~v ~v ) T f dV = 0
V t
ou ainda,


Z
~v


~
+ (~v ) ~v +~v + (~v ) T f dV = 0
V
t t


| {z } | {z }

=D~v /Dt =0

Assim, visto que a integrao vlida para qualquer tamanho do volume de


controle:
D~v
= T + f~
Dt
Da teoria das equaes constitutivas, sabemos que a forma mais geral de
representao do tensor de tenses para um fluido stokesiano [10]:
2
T = P I + f D = P I + f0 I + f1 D + f2 D

1
onde P a presso termodinmica, D = ~v + ~v T o tensor taxa de
2
deformao e fi (i = 0, 1, 2) so funes dos invariantes principais do tensor
taxa de deformao.
Um fluido dito ser stokesiano se ele satisfaz as seguintes hipteses [11]:

1. O tensor de tenses T uma funo continua do tensor taxa de de-


formao D e do estado termodinmico local, mas independente das
outras quantidades cinemticas;

2. O fluido homogneo, isto , o tensor de tenses no depende explici-


tamente da posio;

3. O fluido isotrpico, isto , no existem direes preferenciais;

4. Quando no existir deformao, D = 0, a tenso hidrosttica e T =


pI.

No caso de um fluido newtoniano f D linear e a equao constitutiva
do tensor tenso dada por [11]:

T = P I + ( ~v ) I + 2D
62 Captulo 3. Equaes de Balano

onde a constante de proporcionalidade relacionando as tenses de cisa-


lhamento e o gradiente de velocidades, ou seja, a viscosidade dinmica e
2
est relacionada com a viscosidade dinmica pela relao = + , onde
3
a viscosidade de volume ou segundo coeficente de viscosidade. Nesta
expresso, a presso termodinmica P est relacionada com a presso mdia
p mediante a seguinte relao:

P = p + ~v

Substituindo-se a expresso do tensor de tenses, para um fluido newto-


niano, na equao de balano da quantidade de movimento,

D~v
= P + ( ~v ) + ~v + ~v T + f~
Dt
No caso dos coeficientes e no dependerem da posio,

~v + ~v T = (~v ) + ( ~v )

e a equao de balano pode ser reescrita na forma:


D~v
= P + ( + ) ( ~v ) + ~v + f~
Dt
Em se tratando de um fluido incompressvel, ~v = 0, esta equao fica
reduzida forma:
D~v
= P + ~v + f~
Dt
que conhecida como a equao de Navier-Stokes para um fluido newtoniano
incompressvel.

3.3 Equao de Energia


A primeira lei da termodinmica diz que a taxa de variao da energia
interna mais a energia cintica de um corpo, igual a taxa de trabalho
realizado sobre o corpo mais a taxa de energia fornecida ao corpo:
d
(E + K) =W + Q
dt
Para um volume arbitrrio V , esta lei pode ser escrita como
Z Z Z
d 1
e + ~v ~v dV = ~v f~ dV + ~v T ~n dS
dt V 2 V S
3.3. Equao de Energia 63
Z Z
(~q ~n) dS + Q dV
S V

onde e a energia interna especfica, ~q o vetor fluxo de energia e Q representa


a taxa de transmisso de energia por unidade de massa. O primeiro termo
do lado direito do sinal de igualdade representa o trabalho realizado pelas
foras externas e o segundo o trabalho devido s foras de superfcie. Os
dois ltimos termos representam o fluxo de energia transferido atravs da
fronteira do volume de controle e a energia externa transferida ao corpo.
Aplicando-se o teorema de transporte, o teorema da divergncia e a equa-
o da continuidade, podemos mostrar as seguintes igualdades:
Z Z
~v T ~n dS = T~v dV
S V
Z Z
(~q ~n) dS = ~q dV
S V

Z Z
d 1 1 1
e + ~v ~v dV = e + ~
v ~
v + ~v e + ~
v ~
v dV
dt V 2 V
t
| 2 2
{z }
D
= Dt (e+ 12 ~v~v)

Z
1
+ e + ~v ~v + (~v ) dV
V 2 |t {z }
=0

Portanto, feitas as substituies


Z
D 1 ~
e + ~v ~v T~v ~v f + ~q Q dV = 0
V Dt 2

Sendo o volume V qualquer, conclumos que o integrando deve ser identica-


mente nulo

D 1
e + ~v ~v = ~q + T~v + ~v f~ + Q
Dt 2

Tomando-se agora o produto interno da equao de balano de momen-


tum por ~v ,

D~v D 1
~v = ~v ~v = T~v tr T ~v + ~v f~
Dt Dt 2
64 Captulo 3. Equaes de Balano

e substituindo-se este resultado na equao precedente

De
= ~q + tr T ~v + Q
Dt

Esta equao ainda pode ser escrita em termos da presso termodinmica P


e do tensor extra de tenses S T + P I [9], de maneira que:

De
= ~q P ~v + tr S~v + Q
Dt

que para um fluido incompressvel fica reduzida :


De
= ~q + tr S~v + Q
Dt
Na prtica, trataremos com problemas que envolvem variaes de tem-
peratura ao invs da energia interna. Portanto, ser de grande utilidade
reescrevermos a equao do balano de energia em termos da temperatura.
Das relaes termodinmicas podemos relacionar as derivadas materiais da
energia interna com a derivada material da temperatura na forma [9]:

De DT P DV
= cv + T P
Dt Dt T V Dt

onde cv a capacidade trmica do fluido por unidade de massa e a volume


constante e da equao da continuidade
DV 1 D
= = ~v
Dt Dt
Portanto,
De DT P
= cv + T P ~v
Dt Dt T V
que aps substituio na equao do balno de energia em termos de e:

DT P
cv = ~q T ~v + tr S~v + Q
Dt T V

Esta equao ainda pode ser simplificada em se tratando de um fluido in-


compressvel
DT
cv = ~q + tr S~v + Q
Dt
3.3. Equao de Energia 65

Entretanto, nada ainda foi dito sobre o comportamento material do ve-


tor fluxo de energia. Neste caso, a lei de Fourier nos prope uma equao
constitutiva simples para o vetor ~q [9]

~q = kT

onde k a condutividade trmica do material.


Obtemos, assim, a forma final da equao de energia em termos da tem-
peratura:

DT P
cv = (kT ) T ~v + tr S~v + Q
Dt T V

ou ainda, no caso de um fluido incompressvel:


DT
cv = (kT ) + tr S~v + Q
Dt

Nestas equaes, o termo tr S~v chamado de potncia de tenso
por unidade de volume e representa a energia dissipada devido existncia
do atrito viscoso.
66 Captulo 3. Equaes de Balano
Captulo 4

Discretizao

O processo de se obter uma soluo computacional, das EDPs que go-


vernam os fenmenos fsicos, consiste de duas etapas. Na primeira devemos
converter as equaes diferenciais parciais e as condies inicial e de con-
torno num sistema discreto de equaes algbricas. Esta primeira etapa
conhecida como a discretizao das equaes diferenciais. A segunda etapa
se resume no processo de obteno de uma soluo computacional do sistema
de equaes algbricas, via o emprego de uma tcnica de resoluo numrica.
A discretizao dos termos da equao diferencial acarreta na sua subs-
tituio por expresses algbricas que correlacionam os valores nodais numa
malha finita. Esta etapa introduz um erro de truncamento. Na resoluo
do sistema algbrico de equaes discretizadas, tambm podemos introduzir
um erro numrico que , em geral, desprezvel em comparao ao erro intro-
duzido pela discretizao. Entretanto, este erro pode ser considervel se o
mtodo empregado na resoluo do sistema algbrico no for estvel.
A fim de se converter uma(s) EDP(s) em um sistema algbrico de equaes
(ou um sistema de equaes diferenciais ordinrias), podemos dispor de vrias
possibilidades de escolha. As mais conhecidas so o mtodo de diferenas
finitas, de elementos finitos, de volumes finitos e o mtodo espectral.
Na prtica, as derivadas com respeito ao tempo so discretizadas quase
que exclusivamente pelo mtodo de diferenas finitas. Na discretizao das
derivadas espaciais, todos os mtodos citados acima so empregados.
O processo de discretizarmos uma EDP que governa, por exemplo, o
escoamento de um fluido, significa que substitumos o problema de acharmos
uma soluo exata e contnua, pelo de procurarmos uma soluo aproximada
discreta, ou seja, determinamos os valores aproximados nos ns da malha
(Figura 4.1) onde x representa o incremento de espao e t o incremento
de tempo.

67
68 Captulo 4. Discretizao

x
t

N
t
N-1

n=0

j=0 1 2 3 4 M-1 M x

Figura 4.1: Malha discreta uniforme.

A determinao precisa do valor da soluo aproximada entre os pontos


nodais no bvia. Deveramos esperar que a soluo aproximada variasse
suavemente entre os pontos da malha. Em princpio, qualquer valor da solu-
o aproximada, num ponto entre os ns, pode ser obtido por interpolao a
partir dos pontos nodais vizinhos.

4.1 Discretizao Espacial


Representemos a equao diferencial parcial, que queremos discretizar,
na forma:

= L
t
onde L o operador diferencial que contm as derivadas espaciais. Aps a
sua discretizao espacial, esta equao substituda por:

j
= La j
t

onde a soluo aproximada de e La o operador algbrico resultante


da discretizao espacial do operador diferencial.
4.2. Discretizao no Tempo 69

4.2 Discretizao no Tempo


Feita a discretizao no espao, qualquer tcnica de intergrao de equa-
es diferenciais pode ser aplicada ao resultado de maneira que obtemos:
Z tn+1
n+1 n
j = j + La j dt
tn

Empregando, por exemplo, o esquema de integrao de Euler nesta avaliao:

n+1
j = nj + (La j )n t

ou ainda, caso empreguemos a regra do trapzio


1
n+1
j = nj + (La j )n+1 + (La j )n t
2

4.3 Expanses em Sries de Taylor


O primeiro passo no desenvolvimento de um algoritmo, para se calcular
os valores de que aparecem na(s) EDP(s), o de expressar as derivadas de
no ponto (j,n) em funo dos valores de nos pontos vizinhos. Expanses
em srie de Taylor do tipo:
n
n
X xm m
j+1 =
m=0
m! xm j
e n
X tm m
n+1
j =
m=0
m! tm j
so empregadas neste processo.
Estas sries podem ser truncadas para qualquer nmero de termos, sendo
o erro de truncamento dominado pelo prximo termo na expanso se x 1
e t 1. Assim, podemos escrever por exemplo:
n n
n n x2 2 3
j+1 = j + x + + O x
x j 2 x2 j

sendo o erro de truncamento proporcional x3 . Obviamente, o erro de-


crescer rapidamente de magnitude medida que x diminuir. Uma rpida
inspeo desta equao nos sugere a seguinte representao:
n n
nj+1 nj x 2 2
= + O x
x j x 2 x2 j
70 Captulo 4. Discretizao

Usando a representao por diferenas finitas, temos que:


n
nj+1 nj

x j x

e esta representao apresenta um erro de truncamento da ordem de x.


Esta aproximao conhecida como forward difference ou diferena avan-
ada. Expandindo-se nj1 em srie de Taylor em torno do ponto (j,n) e re-
agrupando os termos, ns obtemos a aproximao conhecida como backward
difference ou diferena recuada:
n
nj nj1

x j x

O mesmo pode ser feito com relao s derivadas no tempo


n
n+1
j nj

t j t

que introduz um erro da ordem de t, assumindo-se que t 1 e que as


derivadas de maior ordem so limitadas.

4.4 Tcnica Geral


Na seo precedente, vimos como as expresses em diferenas finitas fo-
ram obtidas a partir de uma nica srie de Taylor. Uma tcnica mais geral
para construirmos aproximaes das derivadas, por diferenas finitas, pode
ser obtida pela expresso geral:
n

= anj1 + bnj + cnj+1 + O (xm )
x j

onde a, b e c so valores a serem determinados e o termo O (xm ) indica o


erro introduzido pela aproximao.
Expandindo nj1 e nj+1 em srie de Taylor em torno do ponto (j,n)
n n
x2 2
nj+1 = nj + x + + O x3
x j 2 x2 j

n n
x2 2
nj1 = nj x + + O x3
x j 2 x2 j
4.4. Tcnica Geral 71

e substituindo estas expresses na equao geral, obtemos:


n

anj1 + bnj + cnj+1 = (a + b + c)nj + (a + c)x
x j

n n
x2 2 x3 3
+(a + c) + (a + c) + ...
2 x2 j 6 x3 j

1
Fazendo a + b + c = 0 e (a + c)x = 1, resulta em a = c e b =
x
1
2c + para qualquer valor de c. Escolhendo-se c de maneira que o
x
termo em x2 desaparea (c = a), obtemos a aproximao com o menor
erro de truncamento possvel para uma formulao a trs pontos, ou seja,
1
c = a = e b = 0. Substituindo-se estes valores na expresso geral:
2x
n
nj+1 nj1 x2 3 n
= + ...
x j 2x 6 x3 j

Portanto, a representao por diferenas finitas dada por:


n
nj+1 nj1

x j 2x

e possui um erro de truncamento da ordem de x2 e conhecida como


diferena centrada.
Esta mesma tcnica pode ser usada no desenvolvimento de aproximaes
multidimensionais ou em malhas no-uniformes.
Empreguemos esta tcnica geral na obteno de uma representao alg-
brica de (/x)nj utilizando uma formulao a trs pontos:
n

= anj + bnj+1 + cnj+2 + O (xm )
x j

Expandindo em srie de Taylor nj+1 e nj+2 em torno do ponto (j,n)


n n n
x2 2 x3 3
nj+1 = nj + x + + + O x4
x j 2 x2 j 6 x3 j

n n n
(2x)2 2 (2x)3 3
nj+2 = nj + 2x + + + O x4
x j 2 x2 j 6 x3 j
72 Captulo 4. Discretizao

que aps substituio na expresso geral resulta em:


n

anj + bnj+1 + cnj+2 = (a + b + c)nj + (bx + 2cx)
x j

" # n n
bx2 c (2x)2 2 x3 3
+ + + (b + 8c) + ...
2 2 x2 j 6 x3 j

Comparando os dois lados da equao, vemos que as seguintes condies


devem ser impostas para que tenhamos o menor erro:

a+b+c=0

bx + 2cx = 1
bx2 c (2x)2
+ =0
2 2
Deste sistema obtemos os seguintes valores para a, b e c:

1, 5 2 0, 5
a= ; b= ; c=
x x x
e, finalmente,
n
1, 5nj + 2nj+1 0, 5nj+2 x2 3 n
= + + ...
x j x 3 x3 j

Esta frmula tem um erro de truncamento de ordem igual ao da diferena


centrada.
Caso queiramos incluir mais termos na representao, como por exemplo,
n

anj + bnj+1 + cnj+2 + dnj+3
x j

devemos obter condies extras para a determinao de a, b, c e d exigindo


que os coeficientes multiplicando os termos de derivadas de mais alta or-
dem sejam nulos. Contudo, os esquemas baseados na discretizao de or-
dens mais altas apresentam condies de estabilidade mais severas do que
os esquemas baseados em discretizaes de baixa ordem, conforme veremos
posteriormente. Conseqentemente, uma estratgia alternativa seria a de se
escolher alguns dos coeficientes de forma a reduzir o erro de truncamento e
outros de maneira a melhorar a estabilidade.
4.5. Acurcia do Processo de Discretizao 73

4.5 Acurcia do Processo de Discretizao


Conforme j foi visto, o processo de discretizao invarialvelmente intro-
duz um erro de truncamento a menos que a soluo exata possua uma forma
analtica simples. Os erros podem ser caracterizados com respeito sua acu-
rcia e sua preciso. Por acurcia entendemos que uma medida de quo
prximo um valor computado est do valor verdadeiro. Preciso referese ao
quo os valores calculados esto prximos entre si. Assim, o mtodo de dife-
renas centradas exato para solues que apresentem uma forma analtica
quadrtica
= ax2 + bx + c

uma vez que todos os termos contidos na expanso do erro de truncamento


so nulos:
n n
nj+1 nj1 x2 3 nj+1 nj1
= + + ... =
x j 2x 6 x3 j 2x
| {z }
=0

De maneira anloga, podemos constatar que os esquemas de diferenas avan-


adas e recuadas s so exatos para formas lineares.
Em geral, uma avaliao do erro de truncamento fornece uma aproxima-
o do erro numrico se a malha for refinada. Entretanto, uma avaliao
completa dos termos da srie de Taylor do erro de truncamento s possvel
a partir do conhecimento da soluo exata.
Uma maneira direta de se avaliar a acurcia das vrias frmulas de discre-
tizao a de se considerar uma determinada funo analtica e compararmos
o valor da sua derivada com os valores fornecidos pelos diferentes esquemas de
discretizao. Como exemplo, vamos considerar que a soluo analtica seja
dada por = exp(x) e vamos comparar a acurcia de 5 esquemas diferentes
de diferenas finitas:

Avanada

n n
nj+1 nj x 2
= + ...
x j x 2 x2 j
74 Captulo 4. Discretizao

Recuada

n n
nj nj1 x 2
= + + ...
x j x 2 x2 j

Trs Pontos Simtrica (Centrada)

n n
nj+1 nj1 x2 3
= + ...
x j 2x 6 x3 j

Trs Pontos Assimtrica

n n
1, 5nj + 2nj+1 0, 5nj+2 x2 3
= + + ...
x j x 3 x3 j

Cinco Pontos Simtrica

n n
nj2 8nj1 + 8nj+1 nj+2 x4 5
= + + ...
x j 12x 30 x5 j

Avaliando as derivadas no ponto x = 1 e tomando x = 0, 1, podemos


comparar as diferentes frmulas de discretizao. Os resultados so mostra-
dos na Tabela 4.1.
Conforme j deveramos esperar, os esquemas a trs pontos (simtrico e
assimtrico) so consideravelmente mais acurados do que os esquemas a dois
pontos, mas menos precisos do que a formulao a cinco pontos. No caso
geral, os valores das derivadas de maior ordem podem ser grandes e um in-
cremento x menor do que 0, 1 deve ser empregado a fim de que o erro possa
ser aproximado pelo primeiro termo da expanso do erro de truncamento.
Grosseiramente, podemos expressar o erro computado diretamente como [7]:

E = A (x)k

e o erro de truncamento como

Et = B (x)k

onde k o expoente do incremento x do primeiro termo da expanso do


erro de truncamento. Assim, ns podemos inferir que o erro na soluo
4.5. Acurcia do Processo de Discretizao 75

Tabela 4.1: Comparao da acurcia dos diferentes esquemas.

Caso Derivada |Erro| |Erro de truncamento| 1

exata 2,7183

avanada 2,8588 0, 1406 100 0, 1359 100

recuada 2,5868 0, 1315 100 0, 1359 100

3 pontos simtrica 2,7228 0, 4533 102 0, 4531 102

3 pontos assimtrica 2,7085 0, 9773 102 0, 9061 102

5 pontos simtrica 2,7183 0, 9072 105 0, 9061 105

numrica para um k = 4 (5 pontos) ir decair muito mais rapidamente, com


o refinamento da malha, do que o erro correspondente a um k = 2 (3 pontos).
Dos resultados apresentados, pode parecer que a formulao de mais alta
ordem deveria ser sempre empregada em malhas refinadas. No entanto, a
realidade outra. O emprego de frmulas de alta ordem envolve mais pontos,
sendo portanto menos econmica que a formulao de baixa ordem. Alm
deste fato, a acurcia da formulao de baixa ordem pode ser aumentada
com o refinamento da malha.
Na prtica, pode acontecer tambm que o nvel de acurcia exigido, para a
soluo do problema considerado, seja satisfatrio com o emprego de uma ma-
lha grosseira, ou que devido a limitaes de memria e/ou tempo de clculo,
sejamos obrigados a empregar uma malha grosseira. Visto que a superiori-
1
Primeiro termo da expanso do erro de truncamento.
76 Captulo 4. Discretizao

dade da formulao de alta ordem significativa quando utilizamos malhas


refinadas, o seu emprego pode no ser justificado nas situaes mencionadas
anteriormente.
Outro problema encontrado na prtica so as solues que apresentam
descontinuidades, como as do escoamento supersnico no-viscoso. Nestes
casos, no h garantias de que os termos sucessivos da expanso do erro
de truncamento apresentem uma reduo de magnitude. Para escoamentos
viscosos com nmeros de Reynolds elevados, descontinuidades no podem
ocorrer, mas podem existir gradientes elevados. Para gradientes severos e
malhas suficientemente grosseiras, esquemas de alta ordem podem no ser
vantajosos.
Quando existirem gradientes elevados, a magnitude das derivadas de mais
alta ordem so muito maiores que as de baixa ordem. Conseqentemente,
para uma dada malha, os termos de mais alta ordem no diminuem da mesma
maneira que quando a soluo suave. Pela mesma razo, a menos que a
malha seja muito refinada, a magnitude da derivada de mais alta ordem, do
erro de truncamento, pode ser to alta que o erro global seja comparvel ao
erro de um esquema de discretizao de baixa ordem.

4.6 Representao do Tipo Onda


Muitos problemas de dinmica dos fluidos apresentam solues do tipo
onda. Portanto, conceitualmente podemos represent-las em srie de Fourier.
A questo que devemos responder a seguinte: Quando o processo de discre-
tizao representa acuradamente ondas de pequenos e grandes comprimentos
de onda?
Vamos admitir que a soluo exata possa ser representada na forma

X
(x, t) = m em t eim(xum t)
m=

onde i = 1 e m o nmero de onda que est relacionado com o com-
primento de onda na forma = 2/m. Nesta equao m determina o
quo rapidamente a amplitude de onda ir se atenuar e um a velocidade de
propagao da onda.
Caso o movimento de uma onda plana, representada por esta equao,
no apresente dissipao e a onda se propague com velocidade constante u,
ns teremos ao invs da soluo precedente:

X
(x, t) = m eim(xut)
m=
4.6. Representao do Tipo Onda 77

A acurcia das diferentes aproximaes por diferenas finitas das deriva-


das de pode ser determinada, por exemplo, se considerarmos que a soluo
dada por
(x, t) = eim(xut)
ou seja, a soluo representa uma onda que se propaga com velocidade cons-
tante u na direo x e para um valor fixo de x o movimento peridico e
o perodo dado por P = 2/um. Devemos ressaltar que comprimentos de
onda menores do que = 2x no podem ser representados numa malha
discreta [7].
Para um dado ponto (j,n) da malha, os valores exatos da primeira e
segunda derivadas da soluo so dados por:


= im eim(xj utn )
x n,j
e
2 2
= (im) eim(xj utn )
x2 n,j
Substituindo-se a soluo nas representaes por diferenas finitas a 3
pontos das derivadas primeira e segunda
n
nj+1 nj1

x j 2x
n
2 nj1 2nj + nj+1

x2 j x2
obtemos respectivamente:
n
eim(xj utn ) eimx eimx
=
x j 2x
n
2 eim(xj utn ) eimx 2 + eimx
=
x2 j x2
Assim, as relaes de amplitude entre as representaes exata e numrica
so dadas por:
n


x j eim(xj utn ) eimx eimx sen (mx)
= =
2imx e im(x j ut n ) mx

x n,j
78 Captulo 4. Discretizao
n
2
2
x2 j eim(xj utn ) eimx 2 + eimx sen (0, 5mx)
= =
2 m2 x2 eim(xj utn ) 0, 5mx
2

x n,j
Seguindo o mesmo tipo de desenvolvimento, podemos obter a relao de
amplitudes no caso de um esquema de diferenas finitas a 5 pontos sim-
trico [7]: n


x j 4 1 sen (mx)
= cos(mx)
3 3 mx

x n,j
2 n

2
x2 j 4 2 sen (0, 5mx)
= 1 0, 25 [cos(0, 5mx)]
2 3 0, 5mx
2

x n,j
Na Tabela 4.2 so mostrados os resultados para a representao de peque-
nos ( = 4x) e grandes ( = 20x) comprimentos de onda. Os resultados
mostram que todos os esquemas so mais acurados para longos comprimentos
de onda, sendo que o esquema a cinco pontos o mais acurado. Estes resul-
tados so consistentes com os comentrios feitos na seo anterior, sobre as
desvantagens de empregarmos esquemas de alta ordem em malhas grosseiras.
Para um determinado comprimento de onda, o fato de refinarmos a malha
(permitindo que haja mais pontos para a representao de cada comprimento
de onda) transforma o problema de representao de pequenos comprimen-
tos de onda em um problema de representao de grandes comprimentos de
onda na malha refinada. Como exemplo, representemos o mesmo compri-
mento de onda, = 0, 1, em duas malhas diferentes, tal que x1 = 4x2 .
Escolheremos a primeira malha de forma que = 4x1 e como conseqncia
teremos que = 16x2 para a segunda malha. Calculando-se a relao de
amplitude para a derivada primeira na representao a trs pontos, obtemos
para a primeira malha (m = 2/)

sen (mx1 ) sen
= 2 = 0, 6366
mx1
2
e no caso da segunda malha

sen (mx2 ) sen
= 8 = 0, 9745
mx2
8
4.6. Representao do Tipo Onda 79

Tabela 4.2: Relao de amplitudes.

Derivada Esquema Relao de Amplitude Relao de Amplitude


( = 20x) ( = 4x)

3 pontos 0,9836 0,6366



x
5 pontos 0,9996 0,8488

3 pontos 0,9918 0,4053


2
x2
5 pontos 0,9999 0,5404

Conseqentemente, a principal concluso que podemos tirar a de que


precisamos de uma malha suficientemente refinada para que possamos repre-
sentar acuradamente os movimentos do tipo onda.
80 Captulo 4. Discretizao
Captulo 5

Convergncia, Consistncia e
Estabilidade

Uma importante questo, que diz respeito s solues computacionais, a


de sabermos que garantia ns temos de que a soluo numrica ser prxima
da soluo exata da(s) EDP(s) e em que condies ela coincide com a soluo
exata. A segunda parte desta questo pode ser respondida superficialmente,
exigindo que a soluo numrica aproximada deva convergir para a soluo
exata medida que os incrementos da malha tendam a zero. No entanto,
muito difcil estabelecer diretamente a convergncia. A maneira indireta
de se garantir a convergncia a de requerermos que o sistema algbrico de
equaes, obtido a partir do processo de discretizao, seja consistente com
as equaes diferenciais que governam os fenmenos que estamos interessados
em resolver. A consistncia implica no fato de que podemos reverter o pro-
cesso de discretizao e obtermos equaes diferenciais parciais que devem
representar as equaes que governam os problemas estudados. Alm disso,
para que haja convergncia, o algoritmo utilizado na obteno da soluo do
sistema algbrico de equaes deve ser estvel. Podemos dizer, ento, que
a consistncia mais a estabilidade asseguram a convergncia. As condies
para que este enunciado se verifique so dadas pelo teorema de Lax.
Na prtica, muito difcil obtermos resultados analticos que descrevam
o comportamento terico da soluo numa malha de dimenses finitas. A
maioria dos resultados tericos teis so estritamente aplicados no limite
quando os incrementos (de tempo e espao) da malha tendem a zero.

81
82 Captulo 5. Convergncia, Consistncia e Estabilidade

5.1 Convergncia
A soluo aproximada, proveniente da resoluo do sistema algbrico re-
sultante do processo de discretizao, dita convergir caso ela tenda para a
soluo exata da equao diferencial parcial medida que t e x tendam
a zero.
A diferena entre a soluo exata da EDP e a soluo exata do sistema
de equaes algbricas chamada de erro de resoluo:

enj = (xj , tn ) nj

Por soluo exata do sistema algbrico, queremos dizer que aquela ob-
tida sem que nenhum erro numrico seja introduzido, tais como erros de
arredondamento. A magnitude do erro da soluo depende tipicamente dos
incrementos t e x e do valor das derivadas de mais alta ordem, obtidas
no processo de aproximao por diferenas finitas.
Provar que a soluo de um sistema algbrico de equaes converge para
a soluo de uma equao diferencial parcial , em geral, muito difcil mesmo
para os casos mais fceis [7].

5.1.1 Teorema de Lax


Para uma classe restrita de problemas, a convergncia pode ser estabe-
lecida via o teorema de Lax: Dado um problema de valor inicial bem-posto
e linear e uma aproximao por diferenas finitas que satisfaa as condies
de consistncia, a estabilidade a condio necessria e suficiente para a
convergncia.
Muito embora o teorema tenha sido enunciado em termos do processo de
diferenas finitas, ele se aplica a qualquer mtodo de discretizao que leve
a variveis nodais. Este teorema de grande importncia, visto que rela-
tivamente fcil mostrar a estabilidade de um algoritmo e a sua consistncia
com a equao diferencial parcial original.
Na realidade, a maioria dos problemas de escoamentos de fluidos so no-
lineares e do tipo de valor de contorno ou misto (valor inicial e de contorno),
de maneira que o teorema da equivalncia de Lax no pode ser aplicado
rigorosamente. Portanto, nestes casos, o teorema deve ser interpretado como
fornecendo as condies necessrias, mas nem sempre suficientes, para que
tenhamos a convergncia [7].
5.2. Consistncia 83

5.2 Consistncia
O sistema de equaes algbricas dito ser consistente com a equao
diferencial parcial, do qual ele originrio, se no limite para os incrementos
de tempo e espao tendendo a zero, o sistema algbrico equivalente EDP
em cada ponto da malha.
Obviamente que a consistncia necessria para que a soluo aproxi-
mada (numrica) convirja para a soluo exata da equao diferencial par-
cial considerada. Contudo, esta condio no suficiente, pois o fato de
termos um sistema de equaes algbricas consistente com a EDP para t e
x 0, no implica necessariamente que a soluo do sistema convirja para
a soluo da equao diferencial parcial. Conforme indicado pelo teorema de
Lax, consistncia e estabilidade so ambas necessrias para que tenhamos a
convergncia.
O mecanismo de teste da consistncia requer a substituio da soluo
exata nas equaes algbricas resultantes da discretizao e a posterior ex-
panso dos valores nodais em srie de Taylor em torno de um determinado
ponto. Para que haja consistncia, a expresso resultante deve ser posta na
forma da equao diferencial parcial original acrescida de termos adicionais.
A natureza destes termos deve ser tal que eles fiquem reduzidos a zero
medida que a malha refinada.

5.2.1 O Esquema FTCS


Vamos considerar, por exemplo, a consistncia do esquema FTCS (for-
ward time, centered space) na discretizao da equao de difuso unidi-
mensional em regime transiente:
2
2 =0
t x
onde o coeficiente de difuso.
Para efetuarmos a resoluo numrica desta equao, devemos proceder
discretizao das derivadas de primeira ordem no tempo e de segunda ordem
no espao. Uma maneira simples de discretizarmos esta equao a de
utilizarmos um esquema de diferenas avanadas no tempo e um esquema de
diferenas centradas no espao, conforme as tcnicas apresentadas no captulo
anterior. Este processo de discretizao nos leva ao esquema FTCS:
n+1
j = snj1 + (1 2s)nj + snj+1
onde s = t/x2 e esta equao se aplica a todos os ns internos. Os
valores iniciais e de contorno de devem ser fornecidos. O processo de reso-
luo repetido avanando-se no tempo (n = 1, 2, . . .), at que o tempo final
84 Captulo 5. Convergncia, Consistncia e Estabilidade

seja alcanado. O esquema de discretizao no tempo empregado dito ser


explcito, uma vez que os valores de para o tempo n + 1 so completamente
determinados a partir dos valores de conhecidos no tempo n.
Substituindo na equao discretizada a soluo exata , ns obtemos:

n+1
j = snj1 + (1 2s)nj + snj+1

Em seguida, ns desejamos determinar o quo aproximadamente esta equao


corresponde a equao de difuso no n (j,n). Expandindo nesta equao
em srie de Taylor e substituindo na equao discretizada
n n n
x2 2 n
t 2s 2
+ (1 1 2s + 2s)j + (s s)x
t j 2 x j x j
n n n
t2 2 x3 3 x4 4
+ + (s s) 2s + O t3 , x6 = 0
2 t2 j 6 x3 j 24 x4 j

ou ainda n n
2
+ Ejn = 0
t j x2 j

onde n n
t 2 x2 4
Ejn = + O t2 , x4
2 t2 j 12 x4 j

Deste resultado, fica claro que medida que os incrementos da malha se


tornam cada vez menores, o erro de truncamento tender a zero para um
ponto fixo (j,n). No limite, conforme t e x 0, o esquema FTCS ser
equivalente equao de difuso. Esta propriedade chamada de consistn-
cia.
Como a soluo satisfaz a equao de difuso,

2 2 2 4
2
= = 2 =
t2 t x2 x t x4

e o erro de truncamento pode ser reescrito como:


4 n
n x2 1
Ej = s 4
+ O t2 , x4
2 6 x j

Caso s = 1/6, o primeiro termo do erro de truncamento se anula e teremos


um erro de truncamento da ordem de (t2 ,x4 ). Neste caso, o erro de
truncamento vai a zero mais rapidamente do que para qualquer outro valor
de s, medida que a malha refinada.
5.2. Consistncia 85

5.2.2 Esquema Totalmente Implcito


Para esquemas implcitos no tempo, o termo espacial 2 /x2 na equao
de difuso avaliado, parcialmente ou completamente, no nvel de tempo
(n + 1). Na prtica, isto nos leva a um acoplamento das equaes para cada
n j no tempo n + 1 e devemos resolver um sistema de equaes algbricas
medida que avanamos no tempo.
Avaliando 2 /x2 completamente no tempo (n + 1)
n+1
2 n+1 n+1
j1 2j + n+1
j+1

x2 j x 2

Portanto, aps discretizao da equao de difuso

sn+1 n+1
j1 + (1 + 2s)j sn+1 n
j+1 = j

Para que possamos mostrar a consistncia desta formulao, devemos


substituir a soluo exata nesta equao e expandirmos os diferentes termos
em srie de Taylor em torno do ponto (j,n)
n n n
n+1 n t2 2 t3 3
j = j + t + + +
t j 2 t2 j 6 x3 j

n " n #2
1
n+1
j1 = nj + t x + t x
t x j 2! t x j
" n #3
1
+ t x +
3! t x j
n " n # 2
1
n+1
j+1
n
= j + t + x + t + x
t x j 2! t x j
" n # 3
1
+ t + x +
3! t x j
Aps substituio destes resultados
n n n
2 t 2
sn+1
j1 + (1 + 2s)n+1
j sn+1
j+1 nj = +
t j x2 j 2 t2 j
n n n n
t2 3 2 x2 4 t2 2 2
+ t
6 t3 j t x2 j 12 x4 j 2 t2 x2 j
86 Captulo 5. Convergncia, Consistncia e Estabilidade
n n n
t3 3 2 tx2 4 x4 6

6 t3 x2 j 12 t x4 j 360 x6 j
n n
tx2 4 2 t2 x2 2 4
+ = 0
24 t4 x2 j 48 t2 x4 j
Como a soluo deve satisfazer equao de difuso,
2 2 4
2 3 6
3
= 2; = ; =
t x t2 x4 t3 x6
podemos escrever o erro de truncamento somente em termos das derivadas
com relao ao tempo
n 2 n

+ Ejn = 0
t j x2 j
onde,
2 n 3 n
t 1 t2 1 1
Ejn = 1+ 2
1+ + 2
+
2 6s t j 3 4s 120s t3 j
Da expresso do erro de truncamento, vemos claramente que Ejn tender a
zero conforme t 0 e a equao coincidir com a equao de difuso.

5.3 Estabilidade
O conceito de estabilidade est relacionado com o crescimento, ou decai-
mento, dos erros introduzidos em qualquer estgio da computao. Neste
contexto, os erros aqui referidos no so aqueles devidos a uma lgica in-
correta, mas sim aqueles devidos ao fato do computador trabalhar com um
nmero finito de casas decimais. Na prtica, cada operao realizada pelo
computador resulta num valor com um nmero finito de algarismos signi-
ficativos, o que introduz um erro de arredondamento. Portanto, a soluo
numrica no na realidade nj , mas sim ( )nj , que a soluo numrica do
sistema algbrico.
Um determinado mtodo dito ser estvel se o efeito acumulativo pro-
duzido por todos os erros de arredondamento, devido implementao do
algoritmo, desprezvel.
Podemos mostrar que para equaes algbricas lineares, provenientes do
processo de discretizao, o erro correspondente satisfaz s mesmas equaes
algbricas homogneas. Como exemplo, consideraremos o esquema FTCS
aplicado equao de difuso:
n+1
j = snj1 + (1 2s)nj + snj+1
5.3. Estabilidade 87

Na realidade, sabemos que a soluo numrica satisfaz seguinte equao:


( )n+1
j = s( )nj1 + (1 2s)( )nj + s( )nj+1
Portanto, subtraindo a segunda equao da primeira
jn+1 = sj1
n
+ (1 2s)jn + sj+1
n

onde o erro introduzido em cada ponto da malha jn = nj nj . Assu-


mindo que inicialmente sejam fornecidos os valores de contorno e inicial, os
erros iniciais j0 (j = 2, 3, . . . , J 1) e os erros introduzidos nos contornos 1n
e Jn (n = 0, 1, 2 . . .) desta equao so nulos. Portanto, a menos que erros
de arredondamento sejam introduzidos, a partir do clculo dos valores de nj
nos ns interiores, os erros resultantes na resoluo permanecero nulos.
Os dois mtodos mais comuns utilizados na anlise de estabilidade so o
mtodo da matriz e o mtodo de Von Neumann. Ambos os mtodos baseiam-
se na predio de quando haver um crescimento do erro existente entre
a verdadeira soluo do algoritmo numrico e a soluo que realmente
calculada, isto , incluindo os erros de arredondamento.
Uma maneira alternativa de interpretao da anlise de estabilidade a
de supormos que as condies iniciais podem ser representadas por uma srie
de Fourier. Nesta srie, cada harmnico, ou modo, ir crescer ou decrescer de
acordo com a equao discretizada. Caso um modo particular possa crescer
ilimitadamente, a soluo discretizada possui uma soluo instvel. Esta
interpretao da estabilidade explorada diretamente pelo mtodo de Von
Neumann.

5.3.1 Mtodo da Matriz: Esquema Geral a Dois Nveis


de Tempo
O mtodo da matriz ser aplicado ao caso do esquema geral a dois nveis
de tempo, aplicado equao de difuso de calor
n+1
j nj
Lxx n+1
j (1 )Lxx nj = 0
t
onde Lxx j = (j1 2j + j+1 ) /x2 , a difusividade trmica e um
parmetro que controla o tipo de esquema de discretizao no tempo. Para
= 0 obtemos o esquema explcito e para = 1 um esquema totalmente
implcito.
Para este esquema geral de discretizao a dois nveis de tempo, o erro
numrico deve satisfazer a uma equao equivalente equao discretizada:
n+1
sj1 + (1 + 2s)jn+1 sj+1
n+1 n
= s(1 )j1
88 Captulo 5. Convergncia, Consistncia e Estabilidade

+ [1 2s (1 )] jn + s(1 )j+1
n

sendo que esta equao apropriada para os pontos internos da malha. Caso
tenhamos condies de contorno do tipo de Dirichlet, no so necessrias
equaes extras para os pontos externos. Quando ela for aplicada a todos os
pontos j = 2, 3, . . . , J 1, podemos escrev-la na forma matricial

A n+1 = B n

ou ainda
n+1 = A1 B n
onde as duas matrizes so dadas por:

1 + 2s s
s 1 + 2s s

A=
.
.. .. .. .. ..
. . . .

s 1 + 2s s
s 1 + 2s
e

1 2s(1 ) s(1 )

s(1 ) 1 2s(1 ) s(1 )


B= .. .. .. .. ..
. . . . .

s(1 ) 1 2s(1 ) s(1 )
s(1 ) 1 2s(1 )

O algoritmo numrico ser estvel se a magnitude dos autovalores de


A1 Bfor limitada a unidade. Devido estrutura das matrizes A e B, neste
exemplo, esta condio equivalente a

(B )
j
1, 0
(A )j

Como estas matrizes so tridiagonais e simtricas, possvel obtermos


uma expresso analtica para o clculo dos seus autovalores [7]

2 j
(A )j = 1 + 4ssen
2(J 1)

2 j
(B )j = 1 4s(1 )sen
2(J 1)
5.3. Estabilidade 89

Portanto, da condio de estabilidade



(B ) 1 4s(1 )sen 2 [j/2(J 1)]
j
= 2
1, 0
(A )j 1 + 4ssen [j/2(J 1)]

Analisemos em seguida as condies de estabilidade para os dois valores


extremos da funo seno

j (B )
j
sen

=0 = 1, 0
2(J 1) (A )j

j (B ) 1 4s(1 )
j
sen

= 1, 0 = 1, 0
2(J 1) (A )j 1 + 4s
ou seja,
1 4s(1 ) 1 + 4s
1 4s(1 ) 1 4s
Da primeira equao temos que s 0, o que sempre verificado. Da segunda
condio obtemos s 0, 5/(1 2) caso seja menor do que 0,5 e o esquema
incondicionalmente estvel para 0, 5.

5.3.2 Mtodo da Matriz: Condies de Contorno do


Tipo Neumann
O mtodo da matriz tambm pode ser aplicado quando o problema apre-
senta condies de contorno do tipo Neumann. Suponhamos que:

= em x = 0
x
Esta condio de contorno pode ser implementada a partir da introduo
de um ponto fictcio, tal que:

2 0
= =
x 1 2x
ou ainda,
0 = 2 2x
Aplicando esta condio, para o ponto j = 1, na equao que governa a
distribuio do erro

(1 + 2s)1n+1 2s2n+1 = [1 2s(1 )]1n + 2s(1 )2n 2sx


90 Captulo 5. Convergncia, Consistncia e Estabilidade

Conseqentemente, quando todas as equaes forem consideradas

A n+1 = B n + C
onde,
1 + 2s 2s

s 1 + 2s s


A= .. .. .. .. ..
. . . . .

s 1 + 2s s
s 1 + 2s

1 2s(1 ) 2s(1 )

s(1 ) 1 2s(1 ) s(1 )

B=
.
.. .. .. .. ..
. . . .

s(1 ) 1 2s(1 ) s(1 )
s(1 ) 1 2s(1 )

2sx

0

C=
.
.
.

0
0

Como no caso anterior, a condio de estabilidade requer que A1 B 1, 0.

No caso geral, para os quais no existam formas explcitas para o clculo
dos autovalores de A1 B, ser conveniente escrevermos
1
n+1 = D n + A C

onde D = A1 B. O valor mximo dos autovalores de D pode ser obtido, por


exemplo, pelo mtodo das potncias [7].

5.3.3 Mtodo de Von Neumann


A anlise de Von Neumann o mtodo mais comumente usado na deter-
minao do critrio de estabilidade. Infelizmente, ele s pode ser empregado
para estabelecer as condies necessrias e suficientes para problemas de valor
inicial, lineares e com coeficientes constantes.
Na prtica, sabemos que os problemas que tratamos envolvem coeficientes
variveis, no-linearidades e condies de contorno complicadas. Nestes ca-
sos, o mtodo s pode ser aplicado localmente, congelando temporariamente
5.3. Estabilidade 91

as no-linearidades. Para estas situaes mais gerais, o mtodo fornece as


condies necessrias, mas nem sempre suficientes, para que haja estabili-
dade. Estritamente falando, o mtodo s se aplica aos pontos interiores [7].
No mtodo de Von Neumann, a distribuio do erro, ao longo das linhas
da malha e para um determinado nvel de tempo, expandida em srie de
Fourier. A estabilidade ou instabilidade do algoritmo computacional deter-
minada considerando, para cada componente da srie de Fourier, o compor-
tamento (decaimento ou crescimento) da distribuio do erro medida que
avanamos no tempo. Assim, um vetor inicial do erro 0 expresso por uma
srie finita de Fourier, de modo que para xj o erro seja dado por
J2
X
0 = am eim j ; j = 2, 3, . . . , J 1
m=1

onde i = 1, m = mx e assumimos que os erros so peridicos no
intervalo de interesse. Em se tratando de um algoritmo computacional li-
near, a propagao do erro pode ser estudada a partir de um nico termo,
exp (im j), da representao em srie de Fourier.

5.3.4 Mtodo de Von Neumann: Esquema Geral a Dois


Nveis de Tempo
O mtodo de Von Neumann ser aplicado agora ao caso do esquema geral
a dois nveis de tempo

jn+1 jn
Lxx jn+1 (1 )Lxx jn = 0
t
onde,
j1 2j + j+1
Lxx j =
x2
sendo a difusividade trmica e o parmetro que indica o grau de impli-
cidade do esquema no tempo.
A anlise de Von Neumann feita introduzindo o erro , expandido em
srie de Fourier, na equao acima. Como a equao em questo linear,
consideraremos somente um nico componente da srie [7], ou seja,

jn = (G)n eij

onde a dependncia no tempo, deste componente do erro, est contida no


coeficiente complexo (G)n e o expoente n indica que G est elevado potncia
92 Captulo 5. Convergncia, Consistncia e Estabilidade

de n. O termo G pode ser interpretado como um fator de amplificao do


modo m do erro na srie de Fourier medida que ele se propaga no tempo

jn+1 = Gjn

Conforme veremos adiante, o fator G uma funo de s e de . Isto


quer dizer que G(s, ) depende do tamanho do espaamento da malha e do
modo particular da srie de Fourier considerado, uma vez que s = t/x2
e m = mx. Os erros sero limitados se o valor absoluto de G nunca for
maior que a unidade, para todos os modos da srie de Fourier. Portanto,
o critrio geral de estabilidade |G| 1, 0 para todo .
Substituindo a expresso do erro na equao que governa a sua distribui-
o
n+1 ij1
Gn+1 eij Gn eij G e 2Gn+1 eij + Gn+1 eij+1

t x2
n ij1
G e 2Gn eij + Gn eij+1
(1 ) =0
x2
Dividindo tudo por Gn eij ,
G1 2(cos 1) 2(cos 1)
G 2
(1 ) =0
t x x2
ou ainda,
G[1 2s(cos 1)] = 1 + s(1 )2(cos 1)
Utilizando a igualdade (cos 1) = 2sen 2 (/2), ns obtemos

1 4s(1 )sen 2 (/2)


G=
1 + 4ssen 2 (/2)
Para que o algoritmo seja estvel, para qualquer valor de , devemos verificar
a condio |G| 1, 0. Analisando os casos limites

sen =0 G=1
2
e
1 4s(1 )
sen = 1 G=
2 1 + 4s
obtemos como condio de estabilidade s 0, caso G 1, 0. Caso G 1, 0,
devemos verificar a seguinte desigualdade:

1 4s(1 ) 1 4s
5.4. Acurcia da Soluo 93

ou seja, s 0, 5/(1 2).


Estes resultados esto de acordo com aqueles obtidos pelo mtodo da ma-
triz. Para equaes mais complicadas pode ser necessrio, na determinao
do critrio de estabilidade, que tenhamos que avaliar G para vrias faixas de
, e s.
Para algoritmos que utilizam trs nveis de tempo, uma equao qua-
drtica em G dever ser resolvida para que possamos obter condies de
estabilidade. Para uma grande parte dos problemas de escoamento de flui-
dos, trabalhamos com sistemas de equaes ao invs de uma nica equao.
Nestes casos, a anlise de Von Neumann nos levar a uma matriz de amplifi-
cao G no lugar do
coeficiente de amplificao. A condio de estabilidade
ser dada por m 1, 0 para todo m, sendo m os autovalores da matriz

G.
Nesta seo, ns supomos que o problema fsico considerado era estvel.
Entretanto, pode acontecer que queiramos estudar escoamentos que sejam
fisicamente instveis, como por exemplo a transio entre o escoamento la-
minar e turbulento. Para tais escoamentos, uma soluo crescente no tempo
pode ser esperada. Este comportamento pode ser obtido, requerendo que a
magnitude dos autovalores, no mtodo da matriz, e o fator de amplificao
no mtodo de Von Neumann, sejam menores do que 1 + O(t) [7].

5.4 Acurcia da Soluo


Estritamente falando a discusso anterior sobre a convergncia, consis-
tncia e estabilidade tratou do comportamento da soluo aproximada no
limite quando x e t 0. Contudo, na prtica, as solues so obtidas
em malhas finitas e a determinao da acurcia da soluo torna-se relevante.
Conforme indicado na Seo 5.3, a ordem de magnitude do erro de trun-
camento ir coincidir com a ordem de grandeza do erro da soluo, caso o
espaamento da malha seja suficientemente pequeno e se as condies inicial
e de contorno forem suficientemente suaves.
Para problemas governados por equaes diferenciais hiperblicas, des-
continuidades podem aparecer no interior do domnio de resoluo, o que
limitar a acurcia da soluo numrica, a menos que elas sejam isoladas do
resto do domnio de resoluo e tratadas como uma soluo local.
Uma maneira de se determinar a acurcia de um algoritmo particular,
numa malha finita, a de aplic-lo a um problema semelhante ao de interesse
para o qual conheamos a soluo exata. Contudo, a acurcia da soluo
tambm dependente do tipo de problema considerado. Um algoritmo pode
94 Captulo 5. Convergncia, Consistncia e Estabilidade

ser acurado para um problema modelo e no o ser necessariamente para o


problema de interesse (mais complicado).
Uma segunda tcnica para aferirmos a acurcia a de obtermos a solu-
o numrica utilizando-se sucessivas malhas refinadas e constatarmos que
medida que refinamos a malha, a soluo no mudar para uma acur-
cia pr-determinada. Podemos, ento, assumir que a soluo aproximada
ir convergir para a soluo exata no limite para x e t 0. Assim, a
soluo aproximada obtida na malha refinada poder ser utilizada no lugar
da soluo exata. Como este procedimento nem sempre garantido para
problemas reais, necessrio compararmos os resultados numricos com re-
sultados experimentais obtidos para o mesmo problema. Entretanto, nem
sempre dispomos de resultados experimentais detalhados o suficiente para
que possamos proceder a uma estimativa do erro global.
Admitindo-se que a acurcia possa ser determinada, a escolha conveni-
ente das variveis dependentes (por exemplo, vorticidade e funo de corrente
ao invs da velocidade e presso) e das variveis independentes (coordena-
das cartesianas, cilndricas, esfricas, etc.) podem produzir solues mais
acuradas para determinados tipos de problemas. Especificamente, o uso de
esquemas de mais alta ordem ou de malhas mais refinadas deveria produzir
solues mais acuradas. Contudo, no se deve empregar estes recursos sem
que o tempo de execuo e a eficincia computacional sejam considerados. A
eficincia computacional pode ser definida como sendo a acurcia alcanada
por unidade de tempo de execuo (tempo de CPU) [7].

5.4.1 Extrapolao de Richardson


Ns j vimos que para malhas suficientemente refinadas, o erro da soluo
pode ser reduzido de acordo com o erro de truncamento. Esta caracterstica
utilizada pela extrapolao de Richardson a fim de aumentarmos a acurcia
da soluo numa malha finita refinada. A idia bsica a de adicionarmos
solues ponderadas, obtidas em sucessivas malhas refinadas, de maneira que
cancelemos o primeiro termo do erro de truncamento.
Consideremos duas solues da equao de difuso, obtidas empregando-
se o esquema FTCS e dois incrementos de espao xa e xb diferentes,
mas para o mesmo valor de s. Uma soluo composta ento proposta na
seguinte forma:
= aa + b b
onde a e b so coeficientes a serem determinados. Substituindo esta soluo
na equao algbrica resultante da discretizao,

a a n+1
j s a nj1 (1 2s)a nj s a nj+1
5.4. Acurcia da Soluo 95

+ b b n+1
j s b nj1 (1 2s)b nj s b nj+1 = 0
Expandindo estes termos em srie de Taylor em torno do ponto (j,n)
a n b n " n 2 b n #
2 a a n b n
a +b a + b +a Ej +b Ej = 0
t j t j x2 j x2 j
| {z } | {z }
n 2 n
=( )
t j =
x2 j

onde, n
a 1 4 a
Ejn = 0, 5x2a s + O x4a
6 x4 j
4b
n
b 1
Ejn = 0, 5x2b s + O x4b
6 x4 j

Da decomposio da soluo para = = b (no caso limite quando


a

os incrementos de tempo e espao tenderem a zero) vemos que a + b = 1 e,


no caso de termos xb = xa /2, o primeiro termo do erro de truncamento
pode ser eliminado tomandose a + 0, 25b = 0. Portanto,
1 4
a= e b=
3 3
e a soluo composta dever ter um erro de truncamento da ordem de x4
para uma malha suficientemente refinada. O esquema FTCS particular no
sentido de que para s = 1/6 ele apresenta um erro da ordem de x4 , sem
a necessidade de aplicarmos a extrapolao de Richardson. Entretanto, este
no o caso de outros esquemas gerais para 6= 0, que podem tambm
apresentar um erro O (x4 ) com a aplicao da extrapolao de Richardson.
No caso geral, a escolha dos coeficientes a e b ser determinada pela
potncia P dos termos em x do erro de truncamento (aps converso das
derivadas temporais nas suas derivadas espaciais equivalentes) e da relao
entre os espaamentos das malhas:
1
a = " P #
xa
1
xb
P
xa
xb
b = " P #
xa
1
xb
96 Captulo 5. Convergncia, Consistncia e Estabilidade
Captulo 6

Equao de Transporte Linear

Do ponto de vista computacional a equao de transporte bidimensional,



()
+ u x + v y =0
t x x y y
contm os mesmos mecanismos de adveco e de dissipao que os encontra-
dos em problemas de transferncia de calor e de massa. Conseqentemente,
as tcnicas computacionais que so efetivas para esta equao, nos serviro de
guia na escolha apropriada dos algoritmos que sero aplicados aos diferentes
problemas de transporte.

6.1 Mtodos Explcitos


Nos mtodos explcitos uma nica incgnita, n+1 j , aparece do lado es-
querdo da equao algbrica resultante da discretizao da equao diferen-
cial parcial. Uma discretizao geral a trs nveis de tempo pode ser aplicada
equao de transporte bidimensional:
a()n+1 n n1 n
jk + b()jk + c()jk + d [Lx ( u x Lx ) + Ly ( v y Ly )] jk +

n1
e [Lx ( u x Lx ) + Ly ( v y Ly )] jk =0
onde [Lx ( u x Lx ) + Ly ( v y Ly )] corresponde discretizao dos
seguintes termos espaciais:


( u ) + ( v ) x y
x y x x y y
Os parmetros a, b, c, d e e devem ser determinados expandindo em srie
de Taylor, em torno do ponto (j, k, n), e requerendo que a equao resultante

97
98 Captulo 6. Equao de Transporte Linear

seja consistente com a equao de transporte. Aps termos realizadas as


respectivas expanses ns obtemos:

() n t2 2 () n
a ()njk + t + + + b()njk
t jk 2 t2 jk

n () n t2 2 () n
+c ()jk t + +
t jk 2 t2 jk
h i
+(d + e) Lx ( u x Lx ) + Ly ( v y Ly ) njk
(
h in
+e t Lx ( u x Lx ) + Ly ( v y Ly )
t jk

)
t2 2 h in
+ Lx ( u x Lx ) + Ly ( v y Ly ) + =0
2 t2 jk

ou ainda
() n t2 2 () n
(a + b + c)()njk + (a c)t + (a + c) +
t jk 2 t2 jk
n

(d + e) u x + v y + Ex + Ey + Exx + Eyy
x x y y jk
n


+et
u x v y +Ex + Ey + Exx + Eyy
t x x y y

| {z }
()
= t jk

+ = 0

onde Ex , Ey , Exx e Eyy so os erros de truncamento introduzidos pela discreti-


zao das derivadas de primeira e segunda ordem no espao respectivamente.
Reagrupando os termos, ns obtemos:

n () n 2e t2 2 () n
(a + b + c)()jk + (a c)t + a+c+
t jk t 2 t2 jk
n

+(d + e) u x + v y
x x y y jk
h in h in
+(d + e) Ex + Ey + Exx + Eyy + et Ex + Ey + Exx + Eyy + = 0
jk jk
6.2. Mtodos Implcitos 99

Para que esta equao seja consistente com a equao de transporte, os pa-
rmetros a, b, c, d e e devem satisfazer:

a+b+c = 0
(a c)t = 1

d+e = 1

Tomando a = (1+)/t e e = , podemos obter a equao geral discretizada


a trs nveis de tempo para a equao de transporte linear, em funo somente
de duas constantes e :

()n+1 n
jk ()jk
n1
()njk ()jk
(1 + )
t t
h i
+(1 ) Lx (u x Lx ) + Ly ( v y Ly ) njk
h i
n1
+ Lx (u x Lx ) + Ly ( v y Ly ) jk =0

Fazendo variar os valores dos parmetros e , podemos recuperar diferentes


esquemas comumente encontrados na literatura.

6.2 Mtodos Implcitos


Em se tratando dos esquemas implcitos, os termos espaciais da equao
de transporte so avaliados, pelo menos parcialmente, no nvel de tempo
n + 1. Na prtica, isto nos leva a um acoplamento das equaes algbricas e
a necessidade de resolvermos um sistema algbrico de equaes a fim de que
avancemos no tempo.
A partir de um desenvolvimento semelhante ao empregado para os esque-
mas explcitos, obtemos a equao generalizada para o esquema implcito a
trs nveis de tempo:

()n+1 n
jk ()jk
n1
()njk ()jk
(1 + )
t t
h i
+(1 ) Lx (u x Lx ) + Ly ( v y Ly ) njk
h i
+ Lx (u x Lx ) + Ly ( v y Ly ) n+1
jk = 0
100 Captulo 6. Equao de Transporte Linear

6.3 Equao de Difuso


Nesta seo, a equao de difuso (u = v = 0) ser utilizada na obteno
de diferentes esquemas explcitos e implcitos. Ser dada uma maior ateno
ao problema da estabilidade e da acurcia dos vrios esquemas que sero es-
tudados. Por ltimo, consideraremos o problema da implementao acurada
das condies de contorno.

6.3.1 Equao de Difuso Unidimensional


A equao de transporte unidimensional, na ausncia do termo advectivo,
resulta na equao de difuso unidimensional:

2
x 2 = 0
t x

Para que possamos obter uma soluo aproximada desta equao, ela
deve ser discretizada e da equao algbrica resultante obtemos o algoritmo
numrico de resoluo.
Dos resultados j obtidos neste captulo, podemos escrever a equao
geral discretizada da equao de difuso empregando um esquema explcito
a trs nveis de tempo:

n+1
j nj nj jn1 h i
(1 + ) (1 )Lxx nj + Lxx jn1 = 0
t t
Podemos mostrar que esta equao consistente com a equao de difuso e
apresenta um erro de truncamento dado por:

n 2 2 n
(1 + ) nj + t + n
+ . . . j
t j 2 t2 j
2 n
n 2 2 n n
nj nj

+ t 2
+ . . . t (1 ) 2
+ Exx
t j 2 t j x j j
2 n n
n 2 n
t + Exx t + Exx + . . . = 0
x2 j j t x2 j j

ou ainda,

n 2 n 1 + 2 2 t2 2 n n
Exx n
2 + + Exx + t + = 0
t j x j t t 2 t2 j j t j
6.3. Equao de Difuso 101

Caso empreguemos o esquema de diferenas centradas na discretizao do


termo espacial:
n
j1 2nj + nj+1 2 n x2 4 n
= + +
x2 x2 j 12 x4 j
| {z }
=Exx

Portanto, substituindo este resultado na expresso do erro de truncamento:



n 1 + 2 2 t2 2 n x2 4 n
Ej = + 2
4
+ O t2 , x4
t t 2 t j 12 x j

ou ainda, escrevendo as derivadas temporais em termos das derivadas espa-


ciais: 4
n 2 1 1 n 2 4

Ej = sx ++ + O t , x
2 12s x4 j
e, obviamente, o erro de truncamento ser de quarta ordem no espao se
escolhermos
1 1
= +
2 12s
Finalmente, o algoritmo geral que se obtm para o esquema explcito a
trs nveis de tempo aplicado equao de difuso dado por:

n+1 1 + 2 n n1 s n
j = j j +(1) j1 2nj + nj+1
1+ 1+ 1+

s n1

+ j1 2jn1 + j+1
n1
1+
Aplicando a anlise de estabilidade de Von Neumann obtemos uma equa-
o quadrtica em G, que deve ser resolvida a fim de que determinemos as
condies para que haja estabilidade:

(1 + )G2 [1 + 2 + 2s(1 )(cos 1)]G + [ 2s(cos 1)] = 0

Para que este algoritmo seja estvel, devemos verificar a condio de que
|G| 1 para todos os valores de . Para = 0, esta condio impe como
restrio s 0, 34. Entretanto, para valores muito grandes de , a condio
de estabilidade exige que s 0, 5 [7].
Tomando neste algoritmo = 0 e = 0, recuperamos o esquema FTCS:

n+1
j = (1 2s)nj + s nj1 + nj+1
102 Captulo 6. Equao de Transporte Linear

que apresenta como erro de truncamento:


t 2 n x2 4 n
Ejn = 2
4
+ O t2 , x4
2 t j 12 x j
4
2 1 1 n 2 4

= sx + O t , x
2 12s x4 j
Onde, conforme j vimos, para s = 1/6 ns obtemos um erro de truncamento
de O (t2 , x4 ).
Da equao geral em G, para = 0 e = 0,

2
G = 1 + 2s(cos 1) = 1 4s sen
2
que para qualquer valor de satisfaz a condio de estabilidade, |G| 1, se
s 0, 5.
O esquema de Richardson obtido se fizermos = 0, 5 e = 0,

n+1
j = jn1 4snj + 2s nj1 + nj+1

Da anlise de estabilidade obtemos:



2 2
G + 8s sen G1=0
2
o que implica no fato de que este esquema incondicionalmente instvel para
s > 0. Portanto, este esquema no apresenta nenhum interesse prtico.
O esquema de Richardson pode ser modificado
n1 a fim de tornlo estvel.
n+1
Para tanto, basta substituirmos j por 0, 5 j + j
n


n+1 1 2s n1 2s n
j = j + j1 + nj+1
1 + 2s 1 + 2s
Este esquema conhecido como DuFortFrankel. Aplicando, novamente, a
anlise de estabilidade de Von Neumann [7]:

2s cos 1 4s2 sen 2
G=
1 + 2s
Como |G| 1 para qualquer valor de caso s seja maior do que zero,
o esquema de DuFortFrankel estvel para qualquer valor de t. Este
esquema consistente com a equao
pde difuso, mas no ser acurado para
grandes valores de s t. Para s = 1/12 este esquema apresenta um erro
de truncamento da ordem de x4 [7].
6.3. Equao de Difuso 103

De modo anlogo ao caso dos mtodos explcitos, podemos escrever uma


equao geral a trs nveis de tempo para os mtodos implcitos:

n+1
j nj nj jn1
(1 + ) (1 )Lxx nj + Lxx n+1
j =0
t t
Da anlise de consistncia podemos mostrar que este esquema consistente
com a equao de difuso:

n 2 n 1 + 2 2 t2 2 n n
Exx n
2 + Exx t +. . . = 0
t j x j t t 2 t2 j j t j

Empregando uma discretizao do tipo diferenas centradas para os termos


espaciais, podemos escrever o erro de truncamento na forma:

n 1 + 2 2 t2 2 n x2 4 n 2 4

Ej = + O t , x
t t 2 t2 j 12 x4 j

ou ainda

1 1 4 n 2
Ejn = s x 2
+ + O t , x 4
2 12s x4 j

Podemos obter um erro de truncamento de O (t2 , x4 ) se tomarmos =


1 1
+ .
2 12s
Da equao discretizada a trs nveis de tempo para os mtodos implcitos,
podemos escrever o seu algoritmo geral que dado na seguinte forma:

(1 + + 2s)n+1
j s n+1 n+1
j1 + j+1 = [1 + 2 2s(1 )]j
n


jn1 + s(1 ) nj1 + nj+1
Procedendo a uma anlise de estabilidade deste algoritmo, aplicando o m-
todo de Von Neumann, obtemos uma equao quadrtica em G:

[1 + 2s(cos 1)]G2 [1 + 2 + 2s(1 )(cos 1)]G + = 0

e devemos verificar a condio |G| 1, para todo , para que tenhamos um


esquema estvel.
O esquema totalmente implcito obtido da equao geral a trs nveis
de tempo tomando = 0 e = 1

(1 + 2s)n+1
j s n+1 n+1
j1 + j+1 = j
n
104 Captulo 6. Equao de Transporte Linear

Para estes valores de e obtemos para o erro de truncamento:



n 2 t 1 4 n 2 4

Ej = 1+ + O t , x
2 6s x4 j

Da anlise de estabilidade de Von Neumann obtemos o fator de amplificao


para o esquema totalmente implcito a partir da equao do segundo grau:

[1 2s (cos 1)] G2 G = 0

ou seja,
1
G=
[1 2s (cos 1)]
que verifica a condio de estabilidade para qualquer valor de e s > 0. Isto
quer dizer que este esquema incondicionalmente estvel, o que representa
uma grande vantagem com relao ao esquema explcito FTCS.
Contudo, para que possamos obter uma soluo numrica, para a equao
de difuso, devemos considerar todos os ns da malha e as suas respectivas
equaes. Assim, o sistema de equaes pode ser escrito em termos da va-
rivel n+1
j na seguinte forma matricial:
n+1
1 + 2s s 2 d2
s 1 + 2s s 3 d3

... ... ...


.. ..
. .



s 1 + 2s s j = dj
... ... ... . .
.. ..

s 1 + 2s s J2 dJ2
s 1 + 2s J1 dJ1

onde
d2 = n2 + sn+1
1 ; dj = nj ; dJ1 = nJ1 + sn+1
J

sendo n+1
1 e n+1
J conhecidos das condies de contorno do tipo Dirichlet.
Fica claro que a matriz dos coeficientes tridiagonal e conseqentemente
podemos empregar o algoritmo de Thomas (ou TDMA) na sua resoluo.
Uma introduo do que vem a ser o algoritmo de Thomas pode ser encontrada
no Apndice B.
Uma alternativa ao esquema totalmente implcito o esquema de Crank
Nicolson ( = 0 e = 0, 5):

0, 5sn+1 n+1
j1 + (1 + s)j 0, 5sn+1 n n n
j+1 = 0, 5sj1 + (1 s)j + 0, 5sj+1
6.3. Equao de Difuso 105

Este esquema apresenta um erro de truncamento da ordem de t2 e x2 ,

n+1/2 t 2 n+1/2 x2 4 n+1/2


Ej = (2s + 1 1 + 2s)
8 t2 j 12 x4 j

t2 3 n+1/2
+ + ...
24 t3 j
e um fator de amplificao, determinado a partir do emprego do mtodo de
Von Neumann, dado por:

1 + s(cos 1) 1 2 s sen 2 (/2)


G= =
1 s(cos 1) 1 + 2 s sen 2 (/2)

Deste ltimo resultado, podemos concluir que este esquema incondicional-


mente estvel para s > 0.
Como o esquema de CrankNicholson apresenta uma acurcia no tempo
da ordem de t2 , ele muito popular e bastante empregado na resoluo
de equaes diferenciais parablicas. Entretanto, podemos notar que este
esquema encontrase no limite da estabilidade incondicional e, infelizmente,
ele pode apresentar oscilaes em algumas situaes. Nestes casos, o esquema
a trs nveis de tempo pode ser mais eficiente. Um esquema particularmente
eficiente o esquema totalmento implcito a trs nveis de tempo: = 0, 5 e
= 1. Este esquema apresenta um erro de truncamento da ordem de t2 e
x2 e incondicionalmente estvel [7].
Generalizando estes resultados, podemos mostrar que para = 0 e 0
1, a anlise de Von Neumann prediz como condio para que o algoritmo
seja estvel:
0, 5x2
t se 0 < 0, 5
(1 2)
e nenhuma restrio caso 0, 5 1. Destas relaes podemos obter as
condies de estabilidade para os esquemas FTCS ( = 0), CrankNicolson
( = 0, 5) e totalmente implcito ( = 1).
Quando o problema que estamos resolvendo apresenta somente condies
de contorno de Dirichlet e os seus valores exatos so fornecidos, a nica fonte
de erro que introduzimos proveniente da discretizao da equao diferen-
cial que governa o fenmeno fsico considerado. A seguir, vamos considerar
algumas situaes nas quais erros adicionais so introduzidos devido im-
plementao das condies de contorno e inicial.
O uso de algoritmos como os descritos nas sees anteriores apropriado
para os ns internos. Entretanto, o emprego destas formulaes aos ns
localizados nas fronteiras do domnio, para uma condio de contorno do tipo
106 Captulo 6. Equao de Transporte Linear

Neumann, exigem o conhecimento do valor da soluo em pontos que esto


situados fora do domnio de resoluo. Portanto, uma formulao especial
deve ser adotada em se tratando dos pontos da fronteira.
Conforme j vimos, para condies do tipo Dirichlet no existem maiores
problemas. Vejamos, agora, como devemos implementar uma condio de
Neumann dada por:

(0, t) = c(t)
x
Uma primeira possibilidade seria a de empregarmos uma formulao do tipo
diferenas avanadas:

n2 n1
= cn n1 = n2 cn x
x
O maior inconveniente do emprego desta discretizao que ela apresenta
um erro de truncamento de primeira ordem em x. Caso empreguemos um
esquema de diferenas finitas centradas, aos ns interiores, teremos um erro
de truncamento da ordem de x2 . Por exemplo, caso o nosso problema seja
governado para uma equao diferencial parcial parablica, a baixa acurcia
da soluo na fronteira ir afetar a acurcia da soluo no interior do domnio
de resoluo para todos os instantes posteriores.
Portanto, desejvel que representemos a condio de contorno do tipo
Neumann por uma formulao que tenha um erro de truncamento da mesma
ordem do que o obtido para os pontos interiores. Isto pode ser feito, por
exemplo, introduzindo um ponto fictcio que se encontraria fora do domno
de resoluo. Empregandose desta vez um formulao do tipo diferenas
centradas:
n2 n0
= cn n0 = n2 2cn x
2x
Uma expresso para n+1
1 pode ento ser obtida se ns estendermos o domnio
computacional e aplicandose a expresso utilizada para os pontos internos.
No caso do esquema FTCS, aplicamos a seguinte equao para j = 1:

n+1
1 = 2scn x + (1 2s)n1 + 2sn2

e o erro de truncamento passa a ser de ordem de t e x2 para todos os


pontos do domnio (internos e na fronteira). Caso estejamos empregando o
esquema totalmente implcito, a condio de contorno avaliada no tempo
n + 1 e obtemos assim:

(1 + 2s)n+1
1 2sn+1
2 = n1 2scn+1 x
6.3. Equao de Difuso 107

Esta metodologia tambm se aplica caso tenhamos condies de contorno do


tipo Neumann para os pontos j = J, onde J indica os ltimos ns situados
na fronteira do domnio.
Pode ser que o uso desta formulao venha a alterar as condies de es-
tabilidade do algoritmo. Como, em princpio, o mtodo de Von Neumann s
se aplica aos ns interiores, devemos empregar o mtodo da Matriz na deter-
minao das condies de estabilidade para o sistema completo de equaes.
Condies iniciais do tipo (x, 0) = 0 (x), no causam nenhuma difi-
culdade de implementao para os esquemas a dois nveis de tempo, como
o FTCS e o totalmento implcito ( = 0 e = 1). Uma exceo seria o
caso onde teramos uma condio de contorno do tipo Dirichlet, digamos em
x = 0, (0, 0) no coincidente com a condio inicial. Neste caso, uma estra-
tgia possvel seria a de tomarmos a mdia dos valores de (0, 0) (fronteira
e condio inicial) para o primeiro nvel de tempo (n = 0), mas retornarmos
aos valores das condies de contorno apropriadas para os instantes de tempo
subseqentes.
Esquemas a trs nveis de tempo requerem informaes para os dois nveis
de tempo iniciais. Isto deve ser feito mediante o emprego de um esquema
a dois nveis de tempo que tenha pelo menos a mesma acurcia do que o
esquema a trs nveis de tempo empregado. O mtodo de CrankNicolson
um exemplo de um esquema apropriado a dois nveis de tempo. Alternati-
vamente, um mtodo de primeira ordem no tempo como o esquema FTCS,
pode ser utilizado com o compromisso de que o segundo nvel de tempo seja
calculado numa malha refinada a fim de compensarmos a falta de acurcia. A
extrapolao de Richardson tambm pode ser empregada com este propsito.

6.3.2 Equao de Difuso Unidimensional em Regime


Permanente
Antes de considerarmos o caso da equao de difuso bidimensional, va-
mos tratar do problema elptico da equao de difuso unidimensional, em
regime permanente, apresentando um termo de fonte q:

d2
+q =0
dx2
Na discretizao desta equao ns vamos empregar uma aproximao da
derivada segunda do tipo diferena centrada, de modo que a forma discreti-
zada desta equao dada por:

j1 2j + j+1
+ qj = 0
x2
108 Captulo 6. Equao de Transporte Linear

ou ainda,
x2 qj
j1 2j + j+1 =
x
Este sistema de equaes algbricas admite uma representao matricial
do tipo:
A~ = d~
~ e d~ so dados, para condies de contorno
sendo que a matriz A e os vetores
do tipo Dirichlet, por:

2 +1 2 d2
+1 2 +1 3 d3

... ... ...
.. ..
. .



+1 2 +1 j = dj
... ... ... . .
.. ..

+1 2 +1 J2 dJ2
+1 2 J1 dJ1
com
x2 q2 x2 qj x2 qJ1
d2 = 1 ; dj = ; dJ1 = J
x x x

onde 1 e J so as condies de contorno impostas para j = 1 e j = J.


Conforme podemos observar a matriz A tridiagonal e, portanto, a solu-
o deste sistema algbrico pode ser obtida mediante a aplicao do algoritmo
de Thomas, que est descrito no Apndice B.

6.3.3 Equao de Difuso Bidimensional


Na Seo 6.3.1 conclumos que para problemas apresentando mecanismos
de dissipao significativos, os esquemas implcitos so mais apropriados do
que os esquemas explcitos. Na extenso do problema unidimensional ao
caso bidimensional, em se tratando do esquema implcito, teremos que ado-
tar alguns procedimentos especiais se quisermos obter algoritmos que sejam
eficientes na resoluo do sistema algbrico de equaes resultante da discre-
tizao da equao de difuso bidimensional. Este tratamento geralmente
consiste na quebra do algoritmo bidimensional em dois subalgoritmos cujas
incgnitas sero funo unicamente de uma das direes dos eixos coordena-
dos x e y. Esta tcnica pode ser aplicada aos mtodos de diferenas finitas,
elementos finitos e volumes finitos.
6.3. Equao de Difuso 109

Em duas dimenses, sabemos que o problema do transporte difusivo ins-


tacionrio governado pela equao:
2 2
x 2 y 2 = 0
t x y
acrescida das suas respectivas condies de contorno e inicial.
Estenderemos, agora, os resultados obtidos para a equao de difuso uni-
dimensional ao caso bidimensional. Iniciaremos considerando primeiramente
os mtodos explcitos. A equao geral a trs nveis pode ser estendida sem
maiores dificuldades ao caso bibidimensional, levando em considerao que
em se tratando do caso puramente difusivo no consideramos os termos con-
vectivos:
n+1 n
jk jk
n1
njk jk
(1 + ) (1 ) (x Lxx + y Lyy ) njk
t t
n1
(x Lxx + y Lyy ) jk =0
Empregando uma discretizao do tipo diferenas centradas para os ter-
mos espaciais e tomando = 0 e = 0, obtemos o esquema FTCS bidimen-
sional para a equao de difuso:
n+1 n
jk jk nj1k 2njk + nj+1k njk1 2njk + njk+1
x y =0
t x2 y 2
cujo algoritmo :

n+1 n n n n n
jk = sx j1k + (1 2sx 2sy )jk + sx j+1k + sy jk1 + sy jk+1

onde sx = x t/x2 e sy = y t/y 2 .


Uma expanso em srie de Taylor em torno do ponto (j, k, n) nos in-
dica que o algoritmo consistente com a equao de difuso bidimensional e
apresenta como erro de truncamento:

n t 2 n x2 4 n y 2 4 n
Ejk = 2
x 4
y 4
+ O t2 , x4 , y 4
2 t jk 12 x jk 12 y jk
Aplicando o mtodo de Von Neumann podemos mostrar que este algo-
ritmo estvel se

2 x 2 y
|G| = 1 4sx sen
4sy sen 1
2 2
donde
2 x 2 y
1 1 4sx sen 4sy sen 1
2 2
110 Captulo 6. Equao de Transporte Linear

ou seja, 0 (sx + sy ) 0, 5.
Seguindo o mesmo procedimento que o adotado no caso da equao de
transporte, podemos escrever a equao geral a trs nveis de tempo para o
esquema implcito:

n+1 n
jk jk
n1
njk jk
(1 + ) (1 ) (x Lxx + y Lyy ) njk
t t
(x Lxx + y Lyy ) n+1
jk = 0

Fazendo = 0 e = 1 e empregandose um esquema de discretizao


do tipo diferenas centradas para os termos espaciais, obtemos o esquema
totalmente implcito:

n+1 n
jk jk n+1 n+1 n+1
j1k 2jk + j+1k n+1 n+1 n+1
jk1 2jk + jk+1
x y =0
t x2 y 2
cujo algoritmo correspondente :

sx n+1 n+1 n+1 n+1 n+1 n


j1k + (1 + 2sx + 2sy )jk sx j+1k sy jk1 sy jk+1 = jk

Este algoritmo tambm consistente com a equao de difuso e possui


o seguinte erro de truncamento:

n t 2 n x2 4 n y 2 4 n 2 4 4

Ejk = x y + O t , x , y
2 t2 jk 12 x4 jk 12 y 4 jk
Podemos tambm mostrar, mediante a aplicao da anlise de estabili-
dade de Von Neumann, que o fator de amplificao para o esquema total-
mente implcito dado por:

[1 2sx (cos x 1) 2sy (cos y 1)] G = 1

ou ainda,
2 x 2 y
1 + 4sx sen + 4sy sen G=1
2 2
e a condio de estabilidade verificada para qualquer um dos valores de x
e y se (sx + sy ) > 0.
A dificuldade que encontramos no caso do esquema implcito bidimensi-
onal, reside na fato de que para este algoritmo possvel renumerarmos os
ns de maneira que tenhamos trs termos na diagonal principal, mas os ou-
tros dois termos estaro deslocados da diagonal principal de uma quantidade
igual ao nmero de ns internos do domnio. Na Figura 6.1 ns mostramos
uma representao matricial do sistema algbrico oriundo da discretizao
6.4. Mtodos Multidimensionais de Fracionamento 111

da equao bidimensional de difuso. Neste exemplo ns empregamos uma


malha com 4 X 4 ns e fizemos o ndice i variar de 2 at 4 e j de 2 at
3. Conseqentemente, o algoritmo de Thomas no pode ser utilizado neste
caso. O emprego da eliminao de Gauss convencional tornase proibitivo e
mesmo o mtodo de eliminao de Gauss para matrizes esparsas invivel
no caso de malhas refinadas.

6.4 Mtodos Multidimensionais de Fraciona-


mento
O problema da resoluo do sistema algbrico oriundo da discretizao
da equao de difuso bidimensional, empregando um esquema implcito,
pode ser superado se fracionarmos o algoritmo de resoluo em dois sub
nveis de tempo, a fim de que avancemos de um incremento de tempo t.
Para cada subnvel de tempo, somente os termos associados a uma direo
particular do espao so tratados implicitamente. Portanto, somente trs
termos aparecero implicitamente no lado esquerdo do sinal de igualdade no
algoritmo. Os demais termos podero ser agrupados de modo a permitir o
emprego do algoritmo de Thomas.
Uma das mais conhecidas tcnicas de fracionamento a ADI (Alternating
Direction Implicit). Vamos estudla em detalhes e, em seguida, introduzire-
mos uma generalizao aplicada ao caso dos esquemas a trs nveis de tempo.
A aplicao da tcnica ADI ao algoritmo implcito implica na sua substitui-
o por dois outros algoritmos que devem ser solucionados em subnveis de
tempo diferentes. Durante a primeira etapa de resoluo a seguinte discreti-
zao empregada:
jk njk
x Lxx jk y Lyy njk = 0
t/2
e, na segunda etapa,
n+1
jk jk
x Lxx jk y Lyy n+1
jk = 0
t/2
Na primeira etapa a soluo conhecida no nvel de tempo n e desconhe-
cida no nvel de tempo n + 1/2, que denotado pelo asterisco. Nesta etapa,
somente os termos associados direo do eixo x (valor constante de k) so
avaliados em n + 1/2. O algoritmo correspondente a esta primeira etapa
escrito na seguinte forma:
0, 5sx j1k + (1 + sx )jk 0, 5sx j+1k = 0, 5sy njk1
112
n+1 n
11
0 Sy 0 0 0 Sx C Sx 0 0 0 Sy 0 0 0 0 0 0
22

Figura 6.1: Exemplo da representao matricial.


21

0 0 Sy 0 0 0 Sx C Sx 0 0 0 Sy 0 0 0 0 0 31

32
41
0 0 0 Sy 0 0 0 Sx C Sx 0 0 0 Sy 0 0 0 0 51

12 42

Captulo 6. Equao de Transporte Linear


0 0 0 0 Sy 0 0 0 Sx C Sx 0 0 0 Sy 0 0 0 22

32 23
0 0 0 0 0 Sy 0 0 0 Sx C Sx 0 0 0 Sy 0 0
42

52
33
0 0 0 0 0 0 Sy 0 0 0 Sx C Sx 0 0 0 Sy 0
13

23 43

33
C=1+2Sx+2Sy
43

53

14

24

34


44
6.4. Mtodos Multidimensionais de Fracionamento 113

+(1 sy )njk + 0, 5sy njk+1


Assim, a soluo do sistema de equaes determinada para jk e para um
valor fixo de k (uma determinada linha). Na seqncia, outros sistemas so
resolvidos para jk e para cada linha k (k = 2, . . . , K 1) empregando o
algoritmo de Thomas.
Na segunda etapa empregamos o algoritmo:

0, 5sy n+1 n+1 n+1


jk1 + (1 + sy )jk 0, 5sy jk+1 = 0, 5sx j1k

+(1 sx )jk + 0, 5sx j+1k


Neste caso, a soluo desconhecida no nvel de tempo n + 1 e conhecida
em n + 1/2. A soluo ento obtida resolvendo os sistemas de equaes
associados a uma coluna j fixada. O processo global repetido para cada
coluna j (j = 2, . . . , J 1).
A estabilidade do esquema ADI pode ser obtida com a aplicao do m-
todo de Von Neumann a cada um dos algoritmos em separado. A estabilidade
global ser determinada pelo produto dos fatores de amplificao. Do pri-
meiro algoritmo resulta

y
y sen
2
1 2s
2 n
G = G
x
1 + 2sx sen 2
2

enquanto que do segundo algoritmo



x
1 2sx sen 2
2
Gn+1 = G
y
1 + 2sy sen 2
2

Compondo estes dois resultados, obtemos o valor global do coeficiente de


amplificao:

y x
1 2sy sen 1 2sx sen 2
2
2 2
G=
x
y

1 + 2sx sen 2 1 + 2sy sen 2
2 2

Desta expresso, constatamos que |G| 1 para qualquer valor de sx > 0, sy >
0, x e y . Contudo, considerando em separado os fatores de amplificao dos
114 Captulo 6. Equao de Transporte Linear

dois algoritmos, vemos que enquanto o algoritmo global incondicionalmente


estvel, os algoritmos em separado so somente condicionalmente estveis.
Adicionando e subtraindo as duas equaes discretizadas correspondentes
aos dois sub-nveis, obtemos respectivamente:

n+1 n
jk jk
= x Lxx jk + 0, 5y Lyy n+1 n
jk + jk
t
n+1
jk 2jk + jk
n

= 0, 5y Lyy n+1
jk n
jk
t
Explicitando jk nesta ltima equao, obtemos:
n+1
jk = 0, 5 n+1 n
jk + jk 0, 25ty Lyy jk jk
n

Substituindo este resultado na primeira equao:

n+1 n
jk jk
0, 5 (x Lxx + y Lyy ) njk 0, 5 (x Lxx + y Lyy ) n+1
jk =
t
n+1 !
n
jk jk
0, 25t2 x y Lxx Lyy
t
Os primeiros termos do lado esquerdo do sinal de igualdade representam o
esquema implcito de CrankNicolson, que sabemos ter uma acurcia da or-
dem de (t2 , x2 , y 2 ). Como o termo do lado direito do sinal de igualdade
aproximadamente igual a:

t2 2 2 t2 3
x y = + ...
4 x2 y 2 t 4 t3

podemos concluir que o esquema composto acurado de O (t2 , x2 , y 2 ).


Para que tenhamos um erro de truncamento global de O (t2 ), necess-
rio que introduzamos condies de contorno para as variveis jk que sejam
compatveis com a acurcia dos algoritmos resultantes do fracionamento. Por
exemplo, uma condio de Dirichlet do tipo (1, y, t) = b(y, t) deve ser ava-
liada na forma:

Jk = 0, 5 bn+1
k + bnk 0, 25ty Lyy bn+1
k bnk

Finalmente, podemos concluir que o esquema ADI em duas dimenses


incondicionalmente estvel, possui acurcia de O (t2 , x2 , y 2 ) e apre-
senta uma resoluo que possibilita o emprego do algoritmo de Thomas.
Este mtodo tambm pode ser estendido ao caso tridimensional, devendo ser
6.4. Mtodos Multidimensionais de Fracionamento 115

fracionado em trs subnveis (n + 1/3). Em trs dimenses o mtodo apre-


senta uma acurcia de segunda ordem no espao e apenas condicionalmente
estvel. necessrio que tenhamos sx , sy e sz 1, 5 para que a estabilidade
seja assegurada [7].
Passemos agora a generalizao do mtodo de fracionamento aplicado ao
caso do esquema geral de diferenas finitas a trs nveis de tempo, que no
caso bidimensional se escreve na forma:
n+1 n
jk jk
n1
njk jk
(1 + ) = (1 ) (x Lxx + y Lyy ) njk
t t
+ (x Lxx + y Lyy ) n+1
jk

Trabalharemos
n+1 estanequao
de forma a obtermos um algoritmo implcito em
jk = jk jk . Inicialmente vamos expandir n+1
n+1
jk em srie de Taylor
em torno do ponto (j, k, n)

n
n+1 n
jk = jk + t + O t2
t jk
Empregando um esquema de diferenas avanadas na aproximao do termo
de derivada de primeira ordem
n+1 !
jk
n+1 n
jk = jk + t + O t2
t

Substituindo este resultado na equao geral, temos que

(1 + )n+1 n n
jk jk t (x Lxx + y Lyy ) jk

t (x Lxx + y Lyy ) n+1


jk = 0

ou ainda,

t t
1 (x Lxx + y Lyy ) n+1
jk = (x Lxx + y Lyy ) njk + njk
1+ 1+ 1+
n1
onde njk = njk jk .
A fim de que possamos usar o algoritmo de Thomas, esta equao deve
ser substituda pela seguinte fatorizao aproximada

t t t
1 x Lxx 1 y Lyy n+1
jk = (x Lxx + y Lyy ) njk
1+ 1+ 1+
| {z }
=jk
116 Captulo 6. Equao de Transporte Linear


+ njk
1+
onde nesta equao vemos aparecer um termo extra no lado esquerdo do
sinal de igualdade
2
t
= x y Lxx Lyy n+1
jk
1+

Isto quer dizer que a fatorizao aproxima a equao implcita em n+1 jk


com um erro da ordem de t2 .
A equao resultante da fatorizao pode ento ser implementada com
o emprego de um algoritmo a dois estgios. Durante o primeiro estgio
devemos resolver:

t t
1 x Lxx jk = (x Lxx + y Lyy ) njk + njk
1+ 1+ 1+

que d origem a um sistema tridiagonal de equaes associado cada linha


na direo do eixo x.
No segundo estgio empregamos:

t
1 y Lyy n+1
jk = jk

1+

A estrutura destas equaes similar quela do esquema ADI. No entanto,


a presente implementao requer somente uma avaliao dos termos espaciais
por passo de tempo, enquanto que o ADI requer duas avaliaes.
Para a escolha particular de = 0, 5 e = 0, 5 o algoritmo a dois
estgios consistente com a equao diferencial parcial e possui um erro
de truncamento de O (t2 , x2 , y 2 ) e incondicionalmente estvel. Em se
tratando do primeiro passo de tempo (n = 0), um esquema a dois nveis de
tempo deve ser empregado a fim de que possamos avaliar a soluo nos dois
nveis de tempo iniciais.
At aqui, os mtodos de fracionamento foram descritos e implementados
para condies de contorno do tipo Dirichlet. Veremos agora como proceder a
fim de combinarmos condies de contorno do tipo Neumann com as tcnicas
de fracionamento. A ttulo de exemplo, vamos impor para um domnio 0
x 1, 0 y 1 as seguintes condies de contorno

(1, y, t) = g(y, t) (x, 1, t) = h(x, t)
x y

onde g(y, t) e h(x, t) so funes conhecidas.


6.4. Mtodos Multidimensionais de Fracionamento 117

Nos vrios esquemas empregados anteriormente, os termos espaciais apre-


sentaram uma acurcia de segunda ordem. Portanto, uma maneira acurada
de implementarmos as condies de contorno do tipo Neumann deve empre-
gar uma discretizao de segunda ordem no espao:

j+1k j1k jk+1 jk1


= gk (t) = hj (t)
2x 2y

Estas condies de contorno devem ser implementadas em conjuno com o


esquema generalizado a dois nveis de tempo


j1k 2jk + j + 1k
jk t x =
x2
n n
j1k 2njk + n j + 1k jk1 2njk + n jk + 1
t x + t y
x2 y 2
e n+1 !
n+1 n+1
jk1 2 jk + jk + 1
n+1
jk t y 2
= jk
y
Para os pontos que se encontram em x = 1 (j = J) e y = 1 (k = K), j+1k
e jk+1 podem ser avaliados empregando-se as seguintes igualdades:

nJ+1k = nJ1k + 2x gkn njK+1 = njK1 + 2y hnk

Contudo, ainda nos resta avaliarmos os termos j+1k e n+1


jk+1 . Isto pode
ser feito atravs das relaes

n+1 n+1 n
j+1k = j+1k j+1k

n+1
= n+1 n
j1k j1k + 2 x gk gkn

= n+1 n+1
j1k + 2 x gk

e de modo anlogo

n+1 n+1 n+1


jk+1 = jk1 + 2 y hj

No primeiro estgio do fracionamento e para j = J devemos empregar




j1k jk
jk 2 t x =
x2
118 Captulo 6. Equao de Transporte Linear

nj1k njk + x gkn njk1 njk + y hnj gk
2t x + y + x
x2 y 2 x
onde
gk = (1 t y Lyy ) gkn+1
Para o segundo estgio e k = K devemos usar
n+1 n+1
!
j1k jk hn+1
j
n+1
jk 2 t y =
jk + 2 y y
y 2 y

Caso g e h sejam constantes, os ltimos termos do lado direito destas equaes


desaparecero.

6.5 Equao de Adveco


No estudo da equao de difuso ns examinamos previamente o com-
portamento dos termos de difuso 2 /x2 e 2 /y 2 . Nesta seo, iremos
considerar os termos convectivos u /x ou v /y e veremos qual a
melhor maneira de trat-los computacionalmente.
Iniciaremos o nosso estudo, de problemas que incluem a adveco, consi-
derando a equao linear de adveco unidimensional:

+u =0
t x
onde u a velocidade e um campo escalar. Esta uma equao do tipo
hiperblica. Da teoria das equaes diferenciais parciais sabemos que esta
equao admite uma soluo do tipo

(x, t) = f (x u t)

para uma condio inicial dada por (x, 0) = f (x).


O algoritmo FTCS aplicado equao de adveco unidimensional resulta
na seguinte equao algbrica:

n+1
j nj nj+1 nj1
+u =0
t 2x
Esta equao pode ainda ser escrita na forma de um algoritmo

n+1
j = nj 0, 5C nj+1 nj1

onde C = ut/x o nmero de Courant.


6.5. Equao de Adveco 119

Uma anlise de consistncia deste esquema nos mostra que ele consis-
tente com a equao de conveco e apresenta um erro de truncamento dado
por:
n t 2 n t2 3 n x2 3 n
Ej = + +u + ...
2 t2 j 6 t3 j 6 x3 j
apresentando uma acurcia de O (t, x2 ).
Das relaes entre as derivadas no tempo e no espao, oriundas da equao
de conveco, temos que
2 2
2 3 3
3
= u ; = u
t2 x2 t3 x3
Destas relaes podemos reescrever o erro de truncamento em funo unica-
mente das derivadas espaciais
2
n x 2 n x 3 n
2
Ej = u C + u 1 C + ...
2 x2 j 6 x3 j
Da anlise de estabilidade de Von Neumann aplicada ao esquema FTCS,
chegamos a expresso do fator de amplificao:

G = 1 i C sen

cujo mdulo q
|G| = 12 + (C sen )2
Portanto, |G| 1 para qualquer valor de e o algoritmo incondicionalmente
instvel.
Uma alternativa ao emprego do esquema de diferenas finitas centradas
na discretizao do termo espacial, pode ser a frmula de diferenas recuadas.
Assumindo que a velocidade u seja positiva
n+1
j nj nj nj1
+u =0
t x
ou ainda, na forma de um algoritmo

n+1
j = (1 C) nj + C nj1

Para uma velocidade u negativa devemos empregar

n+1
j = (1 |C|) nj + |C| nj+1

Neste algoritmo (u > 0) a soluo n+1


j determinada a partir dos valores
conhecidos montante do n e por essa razo ele designado por upwind.
120 Captulo 6. Equao de Transporte Linear

Uma expanso da soluo exata em srie de Taylor em torno do ponto


(j, n) produz como resultado:

n n t 2 n x 2 n t2 3 n
+u + u +
t j x j 2 t2 j 2 x2 j 6 t3 j

x2 3 n 3 3

+u + O t , x =0
6 x3 j
Caso esta equao seja interpretada como tendo um erro de truncamento de
O (t2 , x2 ) ela parece ser consistente com a equao

2
+u 2 = 0
t x x
ao invs da equao de adveco. Portanto, o uso da formulao do tipo
upwind para o termo espacial e do tipo diferenas avanadas para o termo
transiente introduziu uma difusividade artificial (numrica) = 0, 5 u x(1
C). Fica claro que para C = 1 esta difusividade numrica vale zero, o que
no surpreendente visto que para este valor o algoritmo fornece a soluo
exata do problema [7].
Determinemos agora a expresso do fator de amplificao proveniente da
anlise de estabilidade de Von Neumann,

G = 1 + C ei 1
= 1 + C (cos isen 1)
= 1 + C (cos 1) iCsen

cujo mdulo dado por:


p
|G| = 1 4C(1 C)sen 2 (/2)

e a condio de estabilidade, |G| 1, verificada se C 1. Esta desigual-


dade conhecida como a condio de CourantFriedrichs-Lewy (CFL). Ela
se aplica, em geral, aos esquemas explcitos empregados na discretizao de
equaes diferenciais hiperblicas. Fisicamente esta condio expressa o fato
de que uma partcula de fluido no deve viajar mais do que um incremento
de espao x num intervalo de tempo t.
O mtodo leapfrog emprega uma formulao de diferenas finitas cen-
tradas no tempo e no espao

n+1
j jn1 nj+1 nj1
+u =0
2t 2x
6.5. Equao de Adveco 121

o que resulta no algoritmo:


n
n+1
j = n1
j C j+1 n
j1

Este algoritmo consistente com a equao de adveco e apresenta como


erro de truncamento
2 3
n t2 3 n x n 4 4

Ej = + u + O t , x
6 t3 j 6 x3 j
2
x 3 n x4 5 n
4
= u 1 C2 + u 1 C + ...
6 x3 j 120 x5 j
e um fator de amplificao que dado pelas razes da equao quadrtica
G2 + 2 i C G sen 1 = 0
ou seja,
G = i C sen 1 C 2 sen 2
Podemos mostrar que a condio |G| 1 verificada caso C 1, mas que
para C > 1 temos que |G| > 1 para determinados valores de . Assim, caso a
condio de CFL seja verificada, o esquema leapfrog possui uma condio
de estabilidade neutra [7].
Neste esquema, podemos notar que na determinao da soluo n+1 j o
algoritmo salta sobre o valor da soluo nj , tal fato est na origem do
nome do esquema. A estrutura deste algoritmo implica no fato de que a
malha tratada como sendo um tabuleiro de xadrez. A soluo nos qua-
drados pretos so completamente independentes da soluo nos quadrados
brancos. Esta particularidade pode levar, em alguns casos, obteno de
duas solues para um mesmo problema [7].
Como este mtodo utiliza um esquema a trs nveis de tempo, ele neces-
sita de um mtodo alternativo para o primeiro passo de tempo. O mtodo
leapfrog recomendado para problemas hiperblicos, como por exemplo,
aqueles governados pela equao de adveco.
O mtodo de LaxWendroff baseiase na obteno de uma representao
de segunda ordem do termo transiente (/t) a partir de um desenvolvi-
mento em srie de Taylor
n+1
j nj t 2 n+1
j nj t 2 2
= u
t t 2 t2 t 2 x2
Introduzindo uma formulao por diferenas centradas na discretizao da
derivada segunda do termo espacial ns obtemos:
1 1
n+1
j = nj C nj+1 nj1 + C 2 nj1 2nj + nj+1
2 2
122 Captulo 6. Equao de Transporte Linear

Este algoritmo consistente com a equao de adveco e apresenta um erro


de truncamento de O (t2 , x2 )
2
n x 2 n x 3 n
2
Ej = (u C u C) + u 1 C + ...
2 x2 j 6 x3 j
2 3
x 3 n
2 x 4 n
2
= u 1C uC 1 C + ...
6 x3 j 24 x4 j

Da anlise de estabilidade obtemos para o fator de amplificao

G = 1 + C 2 (cos 1) i C sen

2 2
= 1 i C sen 2 C sen
2

e o algoritmo ser estvel se a condio de CFL, C 1, for verificada.


At aqui, todos os esquemas considerados enquadramse na categoria dos
mtodos explcitos. Veremos, a seguir, um exemplo de um mtodo implcito
aplicado equao de adveco. Conforme j visto, sabemos que o esquema
de CrankNicolson recuperado da equao geral a trs nveis de tempo
tomando = 0 e = 0, 5

n+1
j nj
+ u 0, 5Lx nj + 0, 5Lx n+1
j =0
t
onde adotaremos para o operador Lx um esquema de discretizao do tipo
diferenas centradas, de modo que obtemos o seguinte algoritmo:

0, 25Cn+1 n+1
j1 + j + 0, 25Cn+1 n n n
j+1 = 0, 25Cj1 + j 0, 25Cj+1

o qual pode ser resolvido efetivamente pelo algoritmo de Thomas.


Este esquema consistente com a equao de adveco e apresenta um
erro de segunda ordem em t e x

n+1/2 n+1/2 t 2 n+1/2 t2 3 n+1/2 x 2 n+1/2


+u + + +C
t j x j 2 t2 j 6 t3 j 2 tx j

x 3 n+1/2 x2 3 n+1/2
+t + u + ... = 0
4 2 tx j 12 x3 j
ou ainda

n+1/2 n+1/2 t t 2 n+1/2 t2 3 n+1/2
+u + +
t j x j 2 2 t2 j 6 t3 j
6.6. Dissipao e Disperso Numricas 123

x2 3 n+1/2
+u(1 + 3C) + ... = 0
12 x3 j
donde
n+1/2 x2 3 n+1/2
Ej = u 1 + 3C 2C 2 + ...
12 x3 j
A anlise de estabilidade de Von Neumann, aplicada a este esquema,
produz como fator de amplificao:
1 0, 5 i C sen
G=
1 + 0, 5 i C sen
Fica claro que |G| 1 e que o esquema de CrankNicolson incondicional-
mente estvel.
Tipicamente os esquemas implcitos aplicados equao de adveco pro-
duzem algoritmos que so incondicionalmente estveis. Entretanto, o uso de
esquemas implcitos para equaes hiperblicas no necessariamente vanta-
joso. O emprego destes esquemas nos leva a um sistema de equaes acopla-
das no nvel de tempo n+1. Portanto, uma perturbao, devida por exemplo
a um erro de arredondamento, introduzida em um determinado n (n, j), afe-
tar a soluo em todos os outros ns (j, n + 1) no prximo nvel de tempo.
Fisicamente, este um comportamento tpico de uma equao diferencial
parablica e no de uma equao hiperblica. O uso de esquemas implcitos
em EDPs hiperblicas produzem solues que no so acuradas se t (ou C)
for grande. Caso t seja pequeno, C 1 para a equao de adveco, no
existe vantagem no que diz respeito estabilidade, embora possa haver um
ganho na acurcia como no caso do esquema de CrankNicolson [7].

6.6 Dissipao e Disperso Numricas


Na prtica, muitos problemas so governados por sistemas de equaes
que so do tipo hiperblico que possui pouca ou nenhuma dissipao. As
solues destas equaes so caracterizadas por um trem de ondas que se
propaga com pouca ou nenhuma perda de amplitude. Portanto, muito
importante que os esquemas numricos no introduzam nenhuma dissipao
que no seja a fsica. Devemos tambm esperar que estes esquemas no
alterem a velocidade de propagao destas ondas, ou seja, eles no devem
introduzir nenhuma disperso artificial.
De um modo geral, podemos escrever a soluo descrevendo uma onda
plana que se propaga sujeita a uma dissipao e disperso na forma:

X
= m exp [(m)t ] exp {i m [x V (m)t ]}
m=
124 Captulo 6. Equao de Transporte Linear

onde m um valor real positivo, m um nmero de onda que est relaci-


onado com o comprimento de onda ( = 2/m), (m) determina o quo
rapidamente a onda vai se atenuar e V (m) a velocidade de propagao da
onda. Caso esta equao represente uma soluo da equao de adveco,
temos que (m) = 0 e V (m) = u, ou seja, ondas de qualquer comprimento
de onda propagam-se com a mesma velocidade e sem amortecimento.
Consideremos agora duas equaes que esto estreitamente relacionadas
com a equao de adveco
2
+u 2 =0
t x x
e
3
+u + 3 =0
t x x
A primeira equao a de transporte unidimensional e a segunda a forma
linear da equao de Kortewey de Vries. Para ondas planas governadas pela
equao de transporte, da primeira equao obtemos:

m2 + i [m(u V )] = 0

e esta igualdade verificada para:

(m) = m2 e V (m) = u

Isto quer dizer que a onda ser atenuada pelo termo difusivo mas a velo-
cidade de propagao no ser alterada. Como m = 2/, os pequenos
comprimentos de onda sero atenuados mais rapidamente do que os grandes
comprimentos de onda. Por outro lado, para ondas planas governadas pela
equao de Korteweg de Vries:

+ i m u m2 V = 0

que, por sua vez, verificada fazendo:

(m) = 0 e V (m) = u m2

Neste caso, a amplitude da onda fica inalterada e as ondas iro propagar


com velocidades diferentes, dependendo do comprimento de onda de cada
uma delas. Caso existam ondas de mais de um comprimento de onda, elas
vo se dispersar uma vez que iro se deslocar com velocidades diferentes. A
mudana na velocidade de propagao ser mais pronunciada para os peque-
nos comprimentos de onda. Assim, caso seja positivo, ondas de pequeno
comprimento de onda iro se propagar mais lentamente.
6.6. Dissipao e Disperso Numricas 125

Podemos formalmente definir a dissipao como sendo a atenuao da


amplitude das ondas planas e a disperso como sendo a propagao de ondas
planas com diferentes comprimentos de onda e velocidades. Dos dois exem-
plos anteriores, podemos dizer alguma coisa sobre o papel das derivadas de
mais alta ordem. A dissipao est associada ao aparecimento de termos com
derivadas espaciais de ordem par, enquanto que a disperso est associada
aos termos com derivadas espaciais de ordem mpar.
Da anlise de consistncia das equaes discretizadas, sabemos que estas
equaes so equivalentes s equaes diferenciais originais acrescidas de um
erro de truncamento. Este erro de truncamento tipicamente formado por
sucessivas derivadas de alta-ordem pares e mpares. A relao entre estes
termos e a dissipao e disperso numricas ser vista mais adiante.

6.6.1 Anlise de Fourier

Informaes quantitativas sobre a dissipao e a disperso numricas po-


dem ser obtidas se compararmos, para um algoritmo particular, as repre-
sentaes em srie de Fourier das solues exata e aproximada. De maneira
anloga ao caso da representao da soluo exata, podemos introduzir uma
representao em srie de Fourier para a soluo aproximada


X
= m exp [(m)t ] exp {i m [x V (m)t ]}
m=

Caso a equao algbrica do algoritmo considerado seja linear, podemos


considerar separadamente os componentes da srie de Fourier.
Durante um intervalo de tempo t, o componente m da soluo aproxi-
mada sofrer um decrscimo de amplitude dado por exp [(m)t ] e ter
avanado de uma distncia igual a V (m)t. Neste mesmo intervalo de tempo,
o componente m da soluo exata da equao de adveco unidimensional
((m) = 0 e V (m) = u), ter mantido a sua amplitude constante e ter
avanado de uma distncia igual a u t. Um algoritmo numrico que no
introduza dissipao e nem disperso numricas, dever ter (m) igual a zero
e V (m) igual a velocidade u.
Podemos obter expresses para (m) e V (m) se substituirmos a represen-
tao em srie de Fourier da soluo aproximada no algoritmo computacional
e construirmos a relao de amplitude do componente m para um simples
126 Captulo 6. Equao de Transporte Linear

passo de tempo
m exp [(m) (t + t)] exp {i m [x V (m) (t + t)]}
Gm =
m exp [(m)t ] exp {i m [x V (m)t ]}

= exp [(m)t ] exp [i mV (m)t ]

A ttulo de exemplo, vamos aplicar este resultado ao caso do esquema up-


wind:
Gm = 1 + C [cos(mx) 1] i C sen (mx)
que representa exatamente o mesmo resultado que o obtido pela anlise de
estabilidade de Von Neumann para o fator de amplificao. Deste resultado
podemos escrever
q
|Gm | = e(m)t
= {1 + C [cos(mx) 1]}2 + [C sen (mx)]2

p
= 1 4C(1 C)sen 2 (0, 5 m x)

Desta representao do fator de amplificao, vemos que o fator decrescer


ou permanecer inalterado caso (m) 0. Assim, podemos dizer que a ins-
tabilidade esta associada a uma dissipao negativa. Notamos tambm
que a atenuao ser mxima para m x = , isto , para pequenos valores
do comprimento de onda.
A velocidade de propagao V (m) est associada fase m do fator de
amplificao Gm na forma:

C sen (mx)
m = m V (m) t = tg 1
1 + C [cos(mx) 1]
Observamos que como Gm um nmero imaginrio, Gm = a + i b, o ngulo
de fase obtido atravs da relao: tg m = b/a, conforme esquematizado
na Figura 6.2.
No caso da soluo exata, sabemos que ex = m u t = C m x,
portanto,

m V 1 C sen (mx)
= = tg 1
ex u C m x 1 + C [cos(mx) 1]

Assim, a velocidade de propagao (ou a fase) acurada para valores peque-


nos de m x e o erro crescer medida que m x .
A introduo da representao em srie de Fourier para as solues exata
e numrica e a conseqente determinao do fator de amplificao, para o
6.6. Dissipao e Disperso Numricas 127

Im

|Gm |
b

a Re

Figura 6.2: ngulo de fase.

componente m, permitem a obteno de expresses para a dissipao e a


disperso para diferentes algoritmos e para qualquer valor de m x.
Conforme j havamos tido a oportunidade de verificar, o menor compri-
mento de onda que pode ser representado numa malha finita = 2x e
este valor corresponde a m x = . Grandes comprimentos de onda corres-
pondem a m x 0. Portanto, dos resultados mostrados, acima, devemos
esperar que os pequenos comprimentos de onda sejam os mais afetados caso
o esquema numrico introduza dissipao e disperso numricas.

6.6.2 Equao Modificada


Vimos nas sees anteriores que a dissipao e a disperso numricas po-
dem estar associadas com a ocorrncia das derivadas espaciais de segunda e
terceira ordem respectivamente. Isto nos sugere que um exame do erro de
truncamento tambm possa nos permitir um identificao da tendncia da
dissipao e da disperso numricas de um algoritmo computacional particu-
lar. Entretanto, para este fim, o erro de truncamento deve ser interpretado
de uma forma especial.
Assumiremos que L() = 0 representa a equao diferencial original e
que La () = 0 representa a formulao oriunda da discretizao da equao
diferencial, ou seja, a equao algbrica. Do nosso desenvolvimento prvio
do erro de truncamento sabemos que:

L() = La () Ejn () = 0

Na aplicao desta tcnica, devemos obter uma expresso do erro de trunca-


128 Captulo 6. Equao de Transporte Linear

mento na seguinte forma:


La () = L() + E() = 0
onde na equao algbrica a soluo aproximada foi expandida em srie
de Taylor. Esta equao deve ser trabalhada a fim de que E() contenha
somente derivadas espaciais. Neste sentido, devemos diferenciar La () re-
petidamente no intuito de eliminarmos as derivadas temporais. Este desen-
volvimento contrasta com o anterior, no qual empregvamos L() = 0 na
simplificao do erro de truncamento.
A equao L() + E() = 0 uma equao diferencial com um nmero
infinito de termos. Ela chamada de equao modificada e a equao que
de fato devemos resolver, caso seja fornecido um nmero suficiente de condi-
es de contorno. A equao modificada tambm pode ser empregada para
se demonstrar a consistncia e a acurcia do algoritmo computacional. Na
equao modificada as derivadas de ordem par esto associadas dissipao
e as de ordem mpar disperso numricas. Assim, considerando os termos
pares e mpares de mais baixa ordem, em x, do erro de truncamento, pode-
mos deduzir as propriedades dissipativas e dispersivas do esquema algbrico
para grandes comprimentos de onda. O comportamento para pequenos com-
primentos de onda no descrito, uma vez que o desenvolvimento em srie
de Taylor pressupe t e x pequenos.
Empregando a tcnica da equao modificada ao esquema FTCS
t 2 t2 3 x2 3
+u + + + u + ... = 0
t x |2 t2 6 t3{z 6 x3 }
=E()

as derivadas temporais so eliminadas mediante a derivao da equao acima


e vamos considerar, somente, os termos at segunda ordem:

2 t 3 t2 4 x2 3
= u u + ...
t2 x t 2 t3 6 t4 6 x3 t
2

2 t 2 t 3
= u + u + ...
x2 2 x t2 2 t3
2 3
3 t t 3
= u2 + u + ...
x2 2 x3 2 t3

3 2 t 4 t2 5 x2 3 2
= u u + ...
t3 x t2 2 t4 6 t5 6 x3 t2
3
= u3 + ...
x3
6.7. Equao de Transporte Unidimensional 129

e, portanto,
2 2
2 3 3
= u + u t + ...
t2 x2 x3
Substituindose estes resultados na expresso do erro

t 2 2 3
3 t
2 3
3 t x2 3
+u + u2 + u u + u + ... = 0
t x | 2 x2 2 x3 {z 6 x
3 6 x3 }
=E()

ou ainda, explicitando-se o erro de truncamento

x 2 x2 3
2
E() = u C + u 1 + 2C + ...
2 x2 6 x3
Esta equao consistente com a equao de adveco e apresenta uma
acurcia de O (t, x2 ). O erro de truncamento apresenta um termo de
dissipao numrica de primeira ordem e um termo de disperso numrica
de segunda ordem.
A tcnica da equao modificada pode ser estendida ao caso das equa-
es no lineares, enquanto que a anlise de Fourier s pode ser aplicada s
equaes lineares.

6.7 Equao de Transporte Unidimensional


A equao de transporte unidimensional escrita na forma

2
+u 2 =0
t x x
onde um campo escalar passivo que est sendo advectado com uma
velocidade conhecida u e sendo dissipado. A fim de examinarmos o compor-
tamento das solues computacionais desta equao, vamos considerar que
u e so constantes. Como no caso da equao de difuso, a equao de
transporte parablica e requer o mesmo tipo de condies de contorno e
inicial. Entretanto, para valores elevados de u/, podemos esperar que os
dois primeiros termos desta equao predominem. A equao de transporte
apresentar, ento, um comportamento similar ao da equao de adveco.
Lembremonos que as solues exatas da equao de adveco so, tipica-
mente, ondas que se propagam sem amortecimento. Portanto, para grandes
valores de u/, podemos esperar que as solues da equao de transporte
se comportem como ondas que se propagam com pequenos amortecimentos.
130 Captulo 6. Equao de Transporte Linear

Em muitos problemas de transporte (mecnica dos fluidos, transferncia


de calor, etc), os mecanismos de dissipao s so importantes numa fina ca-
mada adjacente fronteira. A equao de transporte em regime permanente
um modelo til para ilustrarmos este fenmeno. Em uma dimenso esta
equao dada por:
d d2
u 2 =0
dx dx
sendo que ela representa o balano, em regime permanente, entre a adveco
e a difuso. Caso tenhamos como condies de contorno para 0 x 1

(0) = 0 e (1) = 1, 0

a soluo exata desta equao dada por:

eux/ 1
(x) =
eu/ 1

onde esta soluo caracterizada por uma distribuio uniforme de , com-


binada com uma camada limite adjacente a x = 1, 0.
Empregando formulaes do tipo diferenas centradas na discretizao
dos termos espaciais da equao de advecodifuso em regime permanente,
obtemos o seguinte algoritmo:

(1 + 0, 5P ec ) j1 + 2j (1 0, 5P ec ) j+1 = 0

onde P ec = ux/ o nmero de Pclet de clula definido em termos de


x. Para igual a viscosidade dinnica temos o nmero de Reynolds de
clula Rec .
Uma expanso em srie de Taylor, em torno do ponto j, indica que este
algoritmo consistente com a equao de advecodifuso

d d2 x2 d3
u 2 +u + ... = 0
dx dx 6 dx3

apresentando uma acurcia de segunda ordem em x.


Quando as equaes so escritas para todos os ns da malha, nos depara-
mos com uma matriz dos coeficientes que tridiagonal, caso representemos o
sistema de equaes na forma A = d. Por ser uma matriz tridiagonal, pode-
mos empregar o algoritmo de Thomas na obteno da soluo deste sistema
6.7. Equao de Transporte Unidimensional 131

de equaes:

b c 2 a1
a b c 3 0

... ... ...
.. ..
. .



a b c j = 0
... ... ... . ..
.. .

a b c J2 0
a b J1 cJ

onde a = (1 + 0, 5P ec ), b = 2 e c = (1 0, 5P ec ). Neste caso em questo,


os autovalores da matriz tridiagonal podem ser determinados analiticamente:

j
j = b + 2 a c cos
J 1

para j variando de 1 a J 2. Tambm possvel, para este caso relativamente


simples, obtermos uma soluo exata para o sistema de equaes:
j1
1 0, 5P ec
j = K1 + K2
1 + 0, 5P ec

onde K1 e K2 so escolhidos de maneira a satisfazerem as condies de con-


torno. Deste resultado, vemos claramente que a soluo apresentar oscila-
es caso P ec > 2. Portanto, solues oscilatrias podero ser evitadas se
P ec 2. Do clculo dos autovalores da matriz A, vemos que eles sero reais
se a c 0, ou seja:

a c = (1 + 0, 5P ec ) (1 0, 5P ec ) 0

cuja restrio verificada para P ec 2. Assim, as solues oscilatrias coin-


cidem com a existncia de autovalores complexos da matriz dos coeficientes.
Em geral, os autovalores da matriz dos coeficientes tm muito a nos dizer
sobre o comportamento da soluo numrica. Consideremos uma equao
diferencial parcial do tipo

= L()
t
com as seguintes condies inicial e de contorno:

(~r, 0) = f (~r ) t=0

(~r, t) = g(~r, t) t>0


132 Captulo 6. Equao de Transporte Linear

Aps termos procedido a uma discretizao do operador diferencial espacial,


obtemos o seguinte sistema de equaes diferenciais ordinrias:
d
= A + s
dt
Considerando que os autovetores ~vj da matriz dos coeficientes formam uma
base vetorial completa para o espao de funes avaliadas nos ns da malha,
podemos escrever a soluo exata da equao diferencial ordinria como uma
combinao linear destes vetores
N
X
= j (t)~vj
j=1

Assumindose que s independente do tempo, podemos tambm escrever


N
X
s= sj ~vj
j=1

Inserindo estes vetores na equao diferencial ordinria


dj
= j j + sj
dt
uma vez que a matriz dos coeficientes diagonalizada pelas matrizes Q cujas
colunas so formadas pelos autovetores da matriz dos coeficientes
1
Q AQ = D

onde D uma matriz diagonal cujos elementos da diagonal principal so os


autovalores da matriz A.
Do Clculo, sabemos que a soluo geral da equao diferencial ordinria
ser dada por
N
X
j t sj
(t) = C0j e ~vj
j=1
j
Da condio inicial para t = 0 podemos determinar a constante C0j
sj
C0j = 0j +
j
Assim, chegamos a forma final da soluo
N
X
j t sj j t
(t) = 0j e e 1 ~vj
j=1
j
6.7. Equao de Transporte Unidimensional 133

Desta soluo, podemos concluir que as solues oscilatrias esto associadas


existncia de autovalores complexos da matriz dos coeficientes e que estas
oscilaes sero limitadas caso a parte real dos autovalores seja negativa.
A substituio da representao por diferenas centradas por um esquema
do tipo upwind na discretizao da equao de convecodifuso, para
u > 0, previnir a existncia de solues oscilatrias. De fato, neste caso
temos o seguinte algoritmo

(1 + P ec ) j1 + 2 (1 + 0, 5P ec ) j j+1 = 0

Do clculo dos autovalores da matriz A

a c = (1 + P ec ) (1) = 1 + P ec > 0

e, portanto, todos os autovalores da matriz sero reais.


Uma expanso em srie de Taylor (em torno do ponto j) indica que este
algoritmo consistente com a equao de advecodifuso e possui uma
acurcia de, somente, primeira ordem em x. Caso este esquema seja tratado
como sendo de segunda ordem em x, ele ser consistente com a seguinte
equao diferencial ordinria

d d2
u (1 + 0, 5P ec ) 2 = 0
dx dx
ou seja, o uso do esquema upwind de primeira ordem, para o termo advec-
tivo, introduziu uma difusividade artificial = 0, 5P ec . Portanto, para
que tenhamos solues que sejam acuradas, deveramos ter

= 0, 5 P ec 1

que muita mais restritiva do que a condio P ec 2.


O comportamento oscilatrio da representao empregando diferenas
centradas e a natureza muito dissipativa do esquema upwind, nos suge-
rem que uma representao do esquema upwind empregando quatro pon-
tos deve ser necessria, a fim de que possamos obter resultados que sejam
satisfatrios. Para u positivo, a seguinte representao deve ser apropriada:
d
a j2 + b j1 + c j + d j+1
dx
Expandindo em srie de Taylor em torno do ponto j

d d x2 d2
= (a + b + c + d)j + (d 2a b)x + (4a + b + d)
dx j dx j 2 dx2 j
134 Captulo 6. Equao de Transporte Linear

x3 d3
+(d 8a b) + ...
6 dx3 j
Para que a igualdade seja verificada, temos que determinar os coeficientes
mediante a resoluo do sistema abaixo

a+b+c+d = 0
(d 2a b)x = 1

4a + b + d = 0

Resolvendo para os coeficientes b, c e d em termos de a



1 1
b= + 3a ; c = 3a; d = a
2x 2x

Fazendo a = /3x

d j+1 j1 j2 3j1 + 3j j+1
+
dx 2x 3x

No caso de u ser negativo, esta expresso deve ser substituda por



d j+1 j1 j1 3j + 3j+1 j+2
+
dx 2x 3x

Estas representaes foram escritas de propsito como sendo uma modifica-


o da representao por diferenas centradas. O parmetro controla esta
modificao e para = 0 recuperamos o esquema de diferenas centradas.
Empregando esta representao para o termo convectivo e uma discre-
tizao por diferenas centradas para o termo difusivo, obtemos o seguinte
algoritmo para a equao de advecodifuso:

P ec j2 [1 + ( + 0, 5)P ec ] j1 + (2 + P ec ) j
3
h i
1+ 0, 5 P ec j+1 = 0
3
Esta estrutura introduz uma complicao adicional que a de se resolver um
sistema A = d, onde a matriz A tetradiagonal.
Aplicando o mtodo da equao modificada, podemos obter a equao
que de fato resolvida por este algoritmo [7]:

d d2 x2 d3 1 x3 d4
u 2 + u(1 2) + u 2
dx dx 6 dx3 P ec 12 dx4
6.7. Equao de Transporte Unidimensional 135

x4 d5
+u(1 10) + = 0
120 dx5
Vemos que esta equao consistente com a equao de advecodifuso e
para o valor particular = 0, 5 apresenta uma acurcia de terceira ordem
em x. Alm do mais, para = 0, 5 e P ec = 1 temos um esquema de quarta
ordem em x. Em se tratando de problemas advectivos no lineares, o valor
de P ec depender da soluo local. Nestes casos, no ser possvel obtermos
um esquema de quarta ordem para todo o domnio computacional.
Visto alguns casos aplicados equao de advecodifuso em regime
permanente, abordaremos agora a equao de transporte unidimensional em
regime transiente. Iniciaremos com o estudo de alguns esquemas explcitos
e, em seguida, veremos os esquemas implcitos.
O esquema FTCS aplicado equao de transporte unidimensional pro-
duz:
n+1
j nj nj+1 nj1 nj+1 2nj + nj1
+u =0
t 2x x2
donde obtemos o algoritmo

n+1
j = (s + 0, 5C)nj1 + (1 2s)nj + (s 0, 5C)nj+1

onde s = t/x2 e C = ut/x.


Uma expanso em srie de Taylor em torno do ponto (j,n), indica que este
algoritmo consistente com a equao de transporte apresentando um erro
de truncamento de O (t, x2 ). Considerando que o erro de truncamento
seja de O (t2 , x2 ), esta equao ser consistente com a seguinte equao
diferencial parcial:
2 t 2
+u 2 + =0
t x x 2 t2
Isto quer dizer que um termo adicional, previamente interpretado como o
primeiro termo do erro de truncamento, foi includo na equao diferencial
parcial que consistente com o algoritmo FTCS. Seguindo o desenvolvimento
apresentado anteriormente, podemos obter a equao modificada em termos
somente das derivadas espaciais
2
2

3 t x2 3
+u ( ) 2 ut + u u
t x x 3 6 x3
4
2 2 2 4 3 x2 2 tx
2

+ 0, 5 t u t + 0, 25u t +u + ... = 0
12 6 x4
onde = u2 t/2. Assim, percebemos que o uso de um esquema de dis-
cretizao de primeira ordem no, tempo, introduziu um termo de dissipao
136 Captulo 6. Equao de Transporte Linear

e um termo de disperso, ambos de primeira ordem em t. Portanto, para


que a dissipao numrica no seja comparvel difuso fsica
2
t
u2
ou ainda,
2
P ec
C
Estas restries so um grande incentivo para que utilizemos esquemas de
discretizao de segunda ordem para o termo transiente da equao de trans-
porte.
A anlise de estabilidade de Von Neumann aplicada ao esquema FTCS
produz o seguinte resultado:

G = 1 2s(1 cos ) i Csen

A condio de estabilidade |G| 1 implica nas seguintes restries [7]:

0 C 2 2s 1

Estritamente falando, estas condies permitem solues estveis para P ec =


C/s > 2, o que introduz a possibilidade de obtermos solues oscilatrias.
Contudo, para estes valores do nmero de Pclet de clula devemos obter
solues que no so acuradas.
Do esquema de DuFortFrankel aplicado equao de transporte unidi-
mensional ns obtemos:

n+1
j jn1 nj+1 nj1 nj+1 n+1
j + jn1 + nj1
+u =0
2t 2x x2
cujo algoritmo correspondente :

n+1 2s C 2s + C 1 2s
j = n
j+1 + n
j1 + jn1
1 + 2s 1 + 2s 1 + 2s

Uma expanso em srie de Taylor indica que ao contrrio do caso da equa-


o de difuso, precisamos assegurar que t x (C 2 1) para que este
algoritmo seja consistente com a equao de transporte. Tal fato representa
na prtica uma restrio muito severa.
Da anlise de estabilidade de Von Neumann
p
B B 2 + 4 (1 4s2 )
G=
2(1 + 2s)
6.7. Equao de Transporte Unidimensional 137

onde B = (4 s cos i 2 C sen ). Podemos mostrar que para C 1 o


algoritmo estvel e no existem restries impostas em s [7].
Caso optemos pela utilizao do esquema do tipo upwind na discretiza-
o do termo advectivo, para u positivo, temos que a equao discretizada
dada na seguinte forma:

n+1
j nj nj nj1 nj1 2nj + nj+1
+u =0
t x x2
cujo algoritmo associado :

n+1
j = (s + C)nj1 + (1 2s C)nj + snj+1

Expandindo em srie de Taylor, podemos mostrar que esta equao


consistente com a equao de transporte unidimensional com um erro de
O (t, x). Por outro lado, aplicando a tcnica da equao modificada [7]
obtemos:
2 x 2
+u 2 u (1 C) 2
t x x 2 x
2
3
x
Cx u 1 3C + 2C 2 + ... = 0
6 x3
Podemos perceber que este esquema de discretizao introduz um termo de
dissipao numrica de primeira ordem em x:

= 0, 5 u x(1 C)

Para que este esquema gere solues acuradas, devemos exigir que ,
ou ainda,
2
P ec
1C
Do clculo do fator de amplificao, via o mtodo de Von Neumann, temos
que
G = 1 (2s + C)(1 cos ) i C sen
e para que a condio de estabilidade seja verificada
q
|G| = [1 (2s + C)(1 cos )]2 + C 2 sen 2 1

Esta desigualdade satisfeita se 2s + C 1. Este resultado considera-


velmente mais restritivo do que o correspondente obtido para a equao de
difuso.
As maiores restries encontradas no que diz respeito obteno de so-
lues acuradas, reside no fato de empregarmos aproximaes de primeira
138 Captulo 6. Equao de Transporte Linear

ordem das derivadas parciais. Neste sentido, o esquema de LaxWendroff


fornece uma maneira de obtermos um algoritmo que possui acurcia de se-
gunda ordem no tempo e no espao
n+1
j nj nj+1 nj1 nj1 2nj + nj+1
+u
t 2x x2
x nj1 2nj + nj+1
u C =0
2 x2
ou ainda, na forma de um algoritmo

n+1
j = nj 0, 5 C nj+1 nj1 + 0, 5 C 2 + 2s nj1 2nj + nj+1
Da equao modificada, podemos mostrar que este algoritmo consistente
com a equao de transporte unidimensional, no introduz uma difusividade
numrica e apresenta um erro de truncamento de O (t2 , x2 ) [7]

2 2 x2 2
3
+u 2 u s x u 1C + ... = 0
t x x 6 x3
Aplicando a anlise de estabilidade de Von Neumann, obtemos para o
fator de amplificao:

G = 1 + 2 0, 5 C 2 + s (cos 1) i C sen
e a condio de estabilidade, |G| 1, nos conduz s seguintes restries [7]:

0 C 2 2 0, 5 C 2 + s 1
No decorrer deste curso, tivemos a oportunidade de verificarmos que os
esquemas a dois nveis de tempo so incondicionalmente estveis para 0, 5
1 quando aplicados equao de difuso. Agora, vamos utilizar o
esquema implcito geral a dois nveis de tempo na discretizao da equao
de transporte unidimensional
n+1
j nj
+ (1 ) (uLx Lxx ) nj + (uLx Lxx ) n+1
j =0
t
Este esquema conhecido pelo nome de trapezoidal e, para = 0, 5, ele
chamado de CrankNicolson, embora originariamente ele tenha sido desen-
volvido para a equao de difuso [7].
O uso de formulaes do tipo diferenas centradas na discretizao dos
operadores espaciais, resulta na seguinte equao algbrica:
!
n+1
j n
j n
j+1 n
j1 n+1
j+1 n+1
j1
+ 0, 5u +
t 2x 2x
6.7. Equao de Transporte Unidimensional 139
!
nj1 2nj + nj+1 n+1 n+1
j1 2j + n+1
j+1
0, 5 + =0
x2 x2
ou ainda, na forma de um algoritmo

(s + 0, 5C)n+1 n+1
j1 + 2(1 + s)j (s 0, 5C)n+1 n
j+1 = (s + 0, 5C)j1

+2(1 s)nj + (s 0, 5C)nj+1


Empregando a tcnica da equao modificada, obtemos [7]:

2 2 x
2
C 2 3 x2 4
2
+u 2 +u 1+ 1 + 3C + ... = 0
t x x 6 2 x3 12 x4
Podemos constatar que esta equao consistente com a equao de trans-
porte e apresenta um erro de truncamento da ordem de t2 e x2 . Assim,
evitamos o problema da difuso artificial que aprecem devido aos termos de
primeira ordem no erro de truncamento.
Da determinao do fator de amplificao, via o mtodo de Von Neumann,
ns obtemos:
1 s(1 cos ) i 0, 5Csen
G=
1 + s(1 cos ) + i 0, 5Csen
e a condio de estabilidade verificada sem que nenhuma restrio seja im-
posta sobre os valores de C e s. Entretanto, para que no tenhamos solues
oscilatrias devemos verificar a seguinte condio de restrio: P ec 2.
Da anlise de Fourier podemos tambm determinar o fator de amplifica-
o Gm e o ngulo de fase m :
|1 s(1 cos ) i 0, 5Csen |
|Gm | =
|1 + s(1 cos ) + i 0, 5Csen |
( )1/2
[1 s(1 cos )]2 + (0, 5Csen )2
=
[1 + s(1 cos )]2 + (0, 5Csen )2
e
C sen m
m = tg 1
1 [s (1 cos m )]2 (0, 5Csen m )2
Uma outra alternativa ao emprego de uma formulao por diferenas
centradas, na discretizao do termo convectivo, seria o emprego de uma
discretizao do tipo upwind a quatro pontos. Para um valor de u positivo:
!
n+1
j n
j n
j+1 n
j1 n+1
j+1 n+1
j1
+ 0, 5u +
t 2x 2x
140 Captulo 6. Equao de Transporte Linear
!
nj2 3nj1 + 3nj nj+1 n+1 n+1
j2 3j1 + 3j
n+1
n+1
j+1
+0, 5u +
3x 3x
!
nj1 2nj + nj+1 n+1
j1 2j
n+1
+ n+1
j+1
0, 5 + =0
x2 x2
Escrevendo este resultado na forma de um algoritmo
C n+1
j2 (s + 0, 5C + C)n+1
j1 + (2 + 2s + C)j
n+1
3

C C n
s 0, 5C + n+1
j+1 = + (s + 0, 5C + C)nj1
3 3 j2

n C
+(2 2s C)j + s 0, 5C + nj+1
3
Este algoritmo produz um sistema de equaes cuja matriz dos coeficientes
tetradiagonal. Este sistema deve ser resolvido a cada passo de tempo com
o emprego, por exemplo, do algoritmo de Thomas generalizado.
A equao equivalente que efetivamente resolvida numericamente ob-
tida a partir do emprego da tcnica da equao modificada [7]

2 2 1 2 C 2 3
+u 2 + ux +
t x x 6 12 x3

x3 1 2P ec C 2 4
u + + ... = 0
P ec 12 4 x4
Nesta equao, ux3 /P ec = x2 . Para escoamentos nos quais P ec 1,
o termo dispersivo pode ser eliminado com a escolha de = 0, 5 + 0, 25C 2 .
Para este valor de e para grandes valores do nmero de Pclet de clula, o
termo dissipativo de mais baixa ordem introduz uma dissipao positiva.
Da anlise de estabilidade de Von Neumann temos que
h i2 i i i i
2 C
3
e 3ei
ei
C e e
2
+ s e 2 + ei

G= h i
2 + C (e i2 3ei ei ) + C ei ei s (ei 2 + ei )
3 2

ou ainda,
C
C

1 s+ 3
(1 cos ) (1 cos ) iCsen 0, 5 + 3
(1 cos )
G= C
C

1+ s+ 3
(1 cos ) (1 cos ) + iCsen 0, 5 + 3
(1 cos )
Portanto, a condio de estabilidade assegurada caso 3s, ou seja,
3/P ec [7].
6.8. Equao de Transporte Bidimensional 141

6.8 Equao de Transporte Bidimensional


As complicaes adicionais que encontraremos, na passagem do caso uni-
dimensional ao bidimensional, so comparveis s encontradas quando do
estudo da equao de difuso. Em duas dimenses sabemos que a equao
de transporte linear se escreve na seguinte forma:
2 2
+u +v x 2 y 2 = 0
t x y x y
Devemos tambm esperar que os mesmos tipos de restries encontradas, no
caso unidimensional, existam como condio para que haja estabilidade no
problema bidimensional.
Tomaremos como exemplo de aplicao de um mtodo explcito a verso
bidimensional do esquema FTCS, empregado na discretizao da equao de
transporte bidimensional:
n n
n+1
jk jk
n
j+1k nj1k jk+1 njk1
+u +v
t 2x 2y
n n
j1k 2njk + nj+1k jk1 2njk + njk+1
x y =0
x2 y 2
Desta equao resulta o algoritmo

n+1
j = (sx + 0, 5Cx ) nj1k + (1 2sx 2sy ) njk + (sx 0, 5Cx ) nj+1k

+ (sy + 0, 5Cy ) njk1 + (sy 0, 5Cy ) njk+1


onde
t t t t
sx = x 2
; sy = y 2 ; Cx = u ; Cy = v
x y x y
Expandindo em srie de Taylor a soluo aproximada e empregando a
tcnica da equao modificada, ns obtemos:
2 2
+u +v (x x ) 2 (y y ) 2
t x y x y
2

3 t x2 3 3 t
2
y 2 3
x ut + u u y vt + v v + = 0
3 6 x3 3 6 y 3
onde x = 0, 5uCx x e y = 0, 5vCy y.
De modo anlogo ao caso unidimensional, o emprego de formulaes de
primeira ordem para os termos transiente e advectivos introduzem termos de
dissipao (e disperso) artificial. Caso o esquema upwind seja empregado
142 Captulo 6. Equao de Transporte Linear

na discretizao dos termos convectivos, as difusividades artificiais seriam


dadas neste caso por:

x = 0, 5ux (Cx 1) e y = 0, 5vy (Cy 1)

Os erros introduzidos por estes termos so particularmente severos quando


a direo do escoamento principal faz um ngulo de 45o com relao ao eixo
ordenado Ox.
Efetuando, mais uma vez, a anlise de estabilidade de Von Neumann
chegamos expresso do fator de amplificao:

G = 1 + 2sx (cos x 1) + 2sy (cos y 1) i Cx sen x i Cy sen y

Para que o esquema seja estvel, devemos verificar a seguinte desigualdade


|G| 1, onde o fator de amplificao dado por
q
|G| = [1 + 2sx (cos x 1) + 2sy (cos y 1)]2 + (Cx sen x Cy sen y )2

o que resulta nas seguintes restries [7]

(Cx + Cy )2
(sx + sy ) 0, 5 e 2
(sx + sy )

Caso sx = sy = s, ento devemos ter que s 0, 25 e esta condio duas


vezes mais severa que a restrio correspondente ao caso unidimensional.
O uso de mtodos implcitos, na discretizao da equao de transporte
bidimensional, faz com que evitemos grande parte das dificuldades apresen-
tadas pelos mtodos explcitos com relao s questes de estabilidade. Em
contrapartida, eles introduzem maiores dificuldades no que diz respeito re-
soluo eficiente do sistema de equaes algbricas oriundo do processo de
discretizao.
Escrevendo a formulao geral para uma representao do termo transi-
ente a trs nveis de tempo

n+1
jk njk h i
(1 + ) = (1 ) (uLx xLxx ) + (vLy y Lyy ) njk
t t
h i
+ (uLx xLxx ) + (vLy y Lyy ) n+1
jk

onde
n+1 n+1 n
jk = jk jk e n1
njk = njk jk
6.8. Equao de Transporte Bidimensional 143

A incluso dos termos convectivos u Lx e v Ly no um empecilho para


que possamos aplicar as tcnicas de fracionamento introduzidas anterior-
mente neste curso. Utilizando a mesma tcnica de fracionamento que a em-
pregada no esquema geral a trs nveis de tempo, ns obtemos para a equao
de transporte bidimensional:


1+
t (uLx x Lxx ) jk = njk
1+ 1+
h i
t
+ (uLx x Lxx ) + (vLy y Lyy ) njk
1+
e

1+ t (uLy x Lyy ) n+1
jk = jk

1+
Portanto, mais uma vez, o fracionamento possibilita que a resoluo do sis-
tema de equaes algbricas seja obtida a partir da resoluo de sub-sistemas
tridiagonais de equaes associadas s linhas e colunas da malha.
Este algoritmo consistente com a equao de transporte bidimensional
e apresenta um erro de truncamento de O (t2 , x2 , y 2 ) para os esquemas
a dois nveis de tempo ( = 0, = 0, 5) e trs nveis de tempo ( = 0, 5, =
1, 0) [7].
A anlise de estabilidade aplicada s equaes oriundas do fracionamento
nos leva a uma equao quadrtica em G. A resoluo desta equao indica
que este algoritmo incondicionalmente estvel para 0, 5 [7].
144 Captulo 6. Equao de Transporte Linear
Apndice A

O Mtodo de Separao de
Variveis

O mtodo de separao de variveis aplica-se na resoluo de equaes


diferenciais parciais lineares e homogneas, com condies de contorno ho-
mogneas. O mtodo ser aplicado ao caso de um problema tridimensional
e em coordenadas retangulares:
1 2 2 2
= + + 2
t x2 y 2 z
onde = (x, y, z, t) e com condies de contorno homogeneas e inicial dadas
por:

no contorno Si e para t > 0 : ki + hi = 0
ni

para t = 0 : (x, y, z, t) = F (x, y, z)

Partiremos do princpio de que este problema admite uma separao de


variveis na forma [12]:

(x, y, z, t) = (x, y, z)(t)

Substituindo esta decomposio na equao diferencial, obtemos:



1 1 d 1 2 2 2
= + 2 + 2
dt x2 y z
Nesta equao, o lado esquerdo funo somente da varivel t enquanto
que o lado direito funo nicamente das variveis x, y e z. Portanto, esta

145
146 Apndice A. O Mtodo de Separao de Variveis

igualdade s verificada se ambos os lados forem iguais a uma constante:



1 1 d 1 2 2 2
= + 2 + 2 = 2
dt x2 y z
Temos, ento, que as funes (t) e (x, y, z) satisfazem s seguintes
equaes:
1 d
+ 2 = 0
dt
e
2 2 2
+ 2 + 2 + 2 = 0
x2 y z
onde a segunda equao conhecida como a equao de Helmhotz.
A funo (x, y, z) admite tambm uma separao de variveis na forma,

(x, y, z) = X(x)Y (y)Z(z)

Aps substituio na equao de Helmhotz, obtemos o seguinte resultado:


1 d2 X 1 d2 Y 1 d2 Z
+ + + 2 = 0
X dx2 Y dy 2 Z dz 2
onde cada termo funo de uma nica varivel independente. A igualdade
acima s verificada se cada termo for igual a uma constante de separao
arbitrria,
d2 X
+ 2X = 0
dx2
d2 Y
2
+ 2Y = 0
dy
d2 Z
+ 2Z = 0
dz 2
onde
2 + 2 + 2 = 2
Podemos mostrar que estas equaes representam problemas de autova-
lores [13], onde X(, x), Y (, y) e Z(, z) so as autofunes associadas ao
problema.
A soluo completa = (x, y, z, t) construida a partir da superposio
linear das solues (t), X(, x), Y (, t) e Z(, t). Quando a regio de
resoluo do problema finita, os autovalores assumem valores discretos e
a superposio das solues feita atravs do somatrio de todos os valores
permitidos de n , m e p . Por outro lado, caso a regio seja infinita ou semi-
infinita, as constantes de separao assumem todos os valores entre zero e o
147

infinito e a superposio feita a partir de uma integrao sobre todos os


valores.
O problema em (t),
d
= 2 dt

possui uma soluo do tipo

(t) = e t = e( )t
2 2 + 2 + 2

e a soluo completa, no caso de uma regio finita, ser dada por:


X
X X

Cmnp e(m +n +p )t X(m , x)Y (n , y)Z(p , z)
2 2 2
(x, y, z, t) =
m=1 n=1 p=1

Em se tratando de uma regio infinita,


Z Z Z
C(, , )e( + + )t X(, x)Y (, y)Z(, z)ddd
2 2 2
=
0 0 0

Estas solues satisfazem a equao diferencial e as condies de contorno,


mas no satisfazem necessariamente a condio inicial. Aplicando a condio
inicial para t = 0 na superposio de solues e considerando o caso da regio
finita:
X
X X
F (x, y, z) = Cmnp X(m , x)Y (n , y)Z(p , z)
m=1 n=1 p=1

Nesta equao, os coeficientes Cmnp podem ser determinados se fizermos uso


das propriedades de ortogonalidade das autofunes,
Z A
0 para m 6= n
X(m , x)X(n , x)dx =
0 N ( m ) para m=n
Z B
0 para m 6= n
Y (m , y)X(n , y)dy =
0 N (m ) para m = n
Z C
0 para m 6= n
Z(m , z)Z(n , z)dz =
0 N (m ) para m = n
onde as integrais definem um produto interno e N (m ), N (n ) e N (m ) so
normas provenientes deste produto interno, sendo definidas como:
Z A
N (m ) = [X(m , x)]2 dx
0
148 Apndice A. O Mtodo de Separao de Variveis

Z B
N (m ) = [Y (m , y)]2 dy
0

Z C
N (m ) = [Z(m , z)]2 dz
0

Com a finalidade de determinarmos os coeficientes, operamos em ambos os


lados da equao em F (x, y, z) os operadores integrais e obtemos assim,

1
Cmnp =
N (m )N (n )N (p )
Z A Z B Z C
X(m , x )Y (n , y )Z(p , z )F (x , y , z )dx dy dz
0 0 0

Substituindo, agora, todos estes resultados,


X
X X

e(m +n +p )t
2 2 2
(x, y, z, t) =
m=1 n=1 p=1

1
X(m , x)Y (n , y)Z(p , z)
N (m )N (n )N (n )
Z AZ BZ C
X(m , x )Y (n , y )Z(p , z )F (x , y , z )dx dy dz
0 0 0

Estudos sobre a separabilidade da equao de Helmhotz mostraram que a


sua separao em equaes diferenciais ordinrias possvel em 11 sistemas
de coordenadas ortogonais, conforme mostrado na tabela IV.1 [12].
Quando a equao diferencial parcial e/ou as condies de contorno no
forem homogneas, ns podemos obter uma soluo do problema:

1 1
= 2 + g(x, y, z)
t k
onde = (x, y, z, t) e com condies de contorno no-homogneas e inicial
dadas por:


no contorno Si e para t > 0 : ki + hi = fi (x, y, z)
ni

para t = 0 : (x, y, z, t) = F (x, y, z)


149

Tabela A.1: Separao da equao de Helmohtz


Sistema de Coordenadas Soluo
1 Retangular Exponencial, circular, hiperblica
2 Circular-cilndrico Bessel, exponencial, circular
3 Elptico-cilndrico Mathie, circular
4 Parablico-cilndrico Weber, circular
5 Esfrico Legendre, potncia, circular
6 Esferoidal Achatado Legendre, circular
7 Esferoidal Oblongo Legendre, circular
8 Parablico Bessel, circular
9 Cnico Lam, potncia
10 Elipsoidal Lam
11 Paraboloidal Baer

atravs da resoluo de uma seqncia de problemas mais simples, sendo a


soluo dada por:

s
X
(x, y, z, t) = h (x, y, z, t) + 0j (x, y, z)
j=0

nesta equao 0j (x, y, z) a soluo do problema no-homogneo em regime


permanente
1
2 0j + 0j g(x, y, z) = 0
k
com as seguintes condies de contorno em Si

0j
ki + hi 0j = ij fi (x, y, z)
ni

onde i = 1, 2, . . . , s; j = 0, 1, 2, . . . , s; sendo s igual ao nmero de fronteiras


da regio e ij o delta de kronecker.
A funo h (x, y, z, t) ser a soluo do seguinte problema homogneo:

1 h
= 2 h
t
150 Apndice A. O Mtodo de Separao de Variveis

h
no contorno Si : ki + hi h = 0
ni
s
X
para t = 0 : h (x, y, z, t) = F 0j
j=0

Podemos notar que a soluo do problema em regime permanente cor-


responde a um conjunto de equaes. A funo 0j (x, y, z) para j = 0,
corresponde ao problema em regime permanente com um termo fonte na
equao diferencial, mas com condies de contorno homogneas. As fun-
es 0j (x, y, z) para j = 1, 2, 3, . . ., representam as solues de problemas
sem o termo fonte e com uma nica condio de contorno no-homognea
[12].
Apndice B

Algoritmo de Thomas

No decorrer do nosso curso, discutimos sobre algumas das possibilidades


de discretizao da equao de transporte. Da aplicao destas tcnicas
resultou na obteno de um sistema algbrico linear de equaes que necessita
ser resolvido. Existem duas famlias de tcnicas de resoluo de sistemas
algbricos lineares, que so os mtodos diretos e os indiretos ou iterativos.
Como simples exemplos, de mtodos diretos, temos o mtodo de Cramer
de inverso de matrizes e o mtodo de Gauss. A principal desvantagem
destes mtodos o grande nmero de informaes que devemos armazenar
na memria do computador.
Os mtodos iterativos baseiam-se na aplicao repetitiva de algoritmos
relativamente simples. A convergncia, nem sempre garantida, obtida aps
um grande nmero de iteraes. Exemplos bem conhecidos destes mtodos
so o mtodo de Jacobi e o mtodo de Gauss-Seidel ponto a ponto. A prin-
cipal vantagem destes mtodos que somente os coeficientes no nulos do
sistema de equaes precisam ser armazenados.
Os mtodos de Jacobi e Gauss-Seidel so fceis de serem implementados,
mas podem apresentar uma convergncia lenta quando os sistemas de equa-
es forem muito grandes. Por este motivo, eles no so os mais apropriados
para a resoluo destes sistemas. Em 1949, Thomas desenvolveu uma tcnica
para resolver rapidamente sistemas tridiagonais. Este algoritmo chamado
de algoritmo de Thomas ou TDMA (Tri-Diagonal Matrix Algorithm). O
algoritmo TDMA na realidade um mtodo de resoluo direto para proble-
mas unidimensionais, mas pode ser aplicado iterativamente, linha a linha, na
resoluo de problemas bidimensionais e, por isso, largamente empregado.

151
152 Apndice B. Algoritmo de Thomas

B.1 O Algoritmo de Thomas


O algoritmo de Thomas utilizado quando queremos resolver sistemas
algbricos do tipo
A~ = d~
onde a matriz A tridiagonal. Este mtodo uma adaptao do mtodo de
Gauss.
Neste curso, vimos que o resultado da discretizao das equaes de trans-
porte pode ser representada, empregando um esquema implcito e para o caso
unidimensional, pela seguinte equao algbrica:

cj n+1 n+1
j1 + aj j bj n+1
j+1 = dj

com os pontos da malha sendo numerados de 1 a J.


Este sistema algbrico pode ser representado matricialmente na forma:
n+1
a1 b1 1 d1
c2 a2 b2 2 d2
. .
. . .

.. .. .. . .
. .

cj aj bj j = dj
... ... ... . .
.. ..

cJ1 aJ1 bJ1 J1 dJ1
cJ aJ J dJ

onde c1 = 0 e bJ = 0. Para j = 1, devemos tomar a1 = 1, b1 = 0 e d1 = n+1


1 .
O mtodo de resoluo pode ser descrito como um processo desenvolvido
em duas etapas. Na primeira, a partir de operaes de eliminao realizadas
sobre a matriz A, obtemos o seguinte sistema

n+1
j = Pj n+1
j+1 + Qj

caso tenhamos Pj e Qj na forma:


bj
Pj =
aj cj Pj1
dj + cj Qj1
Qj =
aj cj Pj1
Podemos obter estas expresses para Pj e Qj partindo da forma geral da
equao discretizada:

aj n+1
j = bj n+1 n+1
j+1 + cj j1 + dj
B.2. O Mtodo TDMA Linha a Linha 153

e da relao
n+1 n+1
j1 = Pj1 j + Qj1
Aps substituio da expresso de n+1
j1 na equao geral discretizada ns
obtemos, mediante um pouco de algebrismo,

n+1 bj n+1 dj + cj Qj1
j = j+1 +
aj cj Pj1 a c P
| {z } | j {zj j1 }
=Pj =Qj

Estas so relaes de recorrncia para P e Q. Lembrando que c1 = 0,


podemos determinar os valores de P1 e Q1 ,

b1
P1 =
a1

d1
Q1 =
a1
Para j = 1, conforme j mencionado, podemos tomar a1 = 1, b1 = 0 e
d1 = n+1
1 .
A segunda etapa, do algoritmo, resume-se na resoluo do sistema de
equaes algbricas de maneira recursiva para j = J at j = 1. Como
bJ = 0, temos que
PJ = 0 e QJ = n+1
J

A fim de que o algoritmo seja convergente, a matriz A no deve ser mal-


condicionada. Para tanto, basta ela ser diagonal dominante [7]

aj > cj + bj

O algoritmo para aplicar a TDMA pode ser resumido por:

1. Estimar o campo de variveis inicial;

2. Calcular P1 e Q1 atravs das suas relaes;

3. Calcular todos os Pj e Qj com j = 2 at j = J;

4. Fazer QJ = n+1
J ;

5. Calcular as variveis para os pontos J 1 at 1;

6. Checar a convergncia (no caso do mtodo iterativo).


154 Apndice B. Algoritmo de Thomas

y
norte

x
i sul

Pontos calculados nesta iterao

Pontos conhecidos da iterao precedente

Figura B.1: Mtodo TDMA linha a linha.

B.2 O Mtodo TDMA Linha a Linha


No caso da resoluo de problemas bidimensionais, uma combinao con-
veniente do mtodo direto TDMA com o mtodo iterativo de Gauss-Seidel
pode ser formada. Consideremos a malha mostrada na Figura B.1 e a forma
geral bidimensional da equao de transporte discretizada

aP P = aW W + aE E + aS S + aN N + b

Para que possamos resolver este sistema, o mtodo TDMA aplicado ao


longo de uma linha escolhida, digamos por exemplo a linha norte-sul (n s).
Com esta finalidade, a equao discretizada e reescrita na forma

aS S + aP P aN N = aW W + aE E + b

onde o lado direito desta equao assumido ser temporariamente conhe-


cido, a partir dos valores determinados na iterao precedente. Esta equao
encontra-se na forma da equao apresentada quando da introduo do algo-
ritmo de Thomas, com cj aS , aj aP , bj aN e dj aW W + aE E + b.
Desta maneira, ns podemos resolver o sistema de equaes ao longo da di-
reo n s para a linha escolhida e para valores de j = 2, 3, 4, . . . , J 1,
conforme mostrado na Figura B.1. Este procedimento prosseguir com a
B.3. Relaxao 155

sua aplicao s demais linhas na mesma direo e, caso desejado, o mesmo


procedimento poder ser aplicado direo leste-oeste.
A convergncia do mtodo linha a linha rpida, uma vez que as informa-
es provenientes das condies de contorno so transmitidas para o interior
do domnio numa nica vez, no importando a quantidade de ns existentes
ao longo da linha considerada. Entretanto, a velocidade de transmisso na
outra direo do espao ser a mesma do mtodo ponto por ponto. Para evi-
tarmos este inconveniente, o mtodo aplicado s duas direes do espao
de maneira alternada [14]. Associado a este fato, a direo de varredura
(isto , a seqncia na qual as linhas so escolhidas) pode ser importante
em alguns casos [14]. Nas nossas aplicaes, aplicaremos o mtodo TDMA
alternadamente nas duas direes do espao e a varredura ser feita de cima
para baixo e de baixo para cima no caso da direo y e da esquerda para
direita e vice-versa no caso da direo x do espao.

B.3 Relaxao
Na resoluo iterativa do sistema algbrico de equaes ou no tratamento
de no-linearidades, com frequncia devemos empregar um processo de sub-
relaxao ou de sobre-relaxao. Este procedimento visa a evitarmos que o
algoritmo de resoluo empregado seja instvel. A sobre-relaxao empre-
gada normalmente em conjuno com o mtodo de Gauss-Seidel, resultando
num esquema conhecido como SOR (Sucessive Over-Relaxation). A sub-
relaxao empregada normalmente no caso de problemas no-lineares, a
fim de evitarmos a divergncia do processo iterativo de resoluo do sistema
de equaes.
Existem muitas maneiras de introduzirmos a relaxao e ns vamos apre-
sentar aqui uma delas. Partindo-se da equao de transporte discretizada
X
aP P = avi vi + b

que pode ainda ser posta na forma


P
avi vi + b
P =
aP

ns introduziremos a varivel P que assumir o valor de P na iterao


precedente e o coeficiente de relaxao de forma que esta equao pode ser
reescrita como P
avi vi + b
P = P + P
aP
156 Apndice B. Algoritmo de Thomas

ou ainda
aP X aP
P = avi vi + b + (1 ) P

para compreendido entre 0 e 1, ns temos uma sub-relaxao enquanto que
para superior a 1 trata-se de uma sobre-relaxao.
Primeiramente, ns devemos observar que, uma vez alcanada a conver-
gncia, ou seja, P torna-se igual a P , da equao acima podemos verificar
que ns recuperamos a equao discretizada original. Qualquer esquema de
relaxao deve apresentar esta propriedade.
No existe uma regra geral para a melhor escolha do valor de . O
valor timo depende de vrios fatores, tais como a natureza do problema
em questo, o nmero de pontos da malha, o espaamento da malha e do
procedimento iterativo utilizado [14]. O valor de no precisa ser o mesmo
durante todo o processo de clculo, com o seu valor podendo variar para cada
iterao.
Bibliografia

[1] Steven C. Charpa and Raymond P. Canale. Numerical Methods for


Engineers. Applied Mathematics Series. McGrawHill Book Company,
1990.

[2] M. Cristina C. Cunha. Mtodos Numricos. Editora da UNICAMP,


2003.

[3] N. S. Asaithambi. Numerical Analysis. Saunders College Publishing,


1995.

[4] John C. Tannehill, Dale A. Anderson, and Richard H. Pletcher. Compu-


tational Fluid Mechanics and Heat Transfer. Computational and Phy-
sical Processes in Mechanical and Thermal Sciences. Taylor & Francis,
1997.

[5] Armando de Oliveira Fortuna. Tcnicas Computacionais para Dinmica


dos Fluidos. EDUSP, Editora da Universidade de So Paulo, 2000.

[6] Djairo Guedes de Figueiredo. Anlise de Fourier e Equaes Diferenciais


Parciais. Projeto Euclides. IMPA, CNPq, 1987.

[7] C. A. J. Fletcher. Computational Techniques for Fluid Dynamics, vo-


lume 1. Springer-Verlag, 1991.

[8] Luiz Adauto Medeiros and Nirzi G. de Andrade. Iniciao s Equaes


Diferenciais Parciais. Livros Tcnicos e Cientficos Editora S.A., 1978.

[9] John C. Slattery. Momentum, Energy, and Mass Transfer in Continua.


McGraw-Hill Kogakusha, 1972.

[10] E. W. Billington and A. Tate. The Physics of Deformation and Flow.


McGraw-Hill, 1981.

[11] Aris Rutheford. Vectors, Tensors and Basic Equations of Fluid Mecha-
nics. Prentice-Hall, 1962.

157
158 Bibliografia

[12] M. Necati zisik. Heat Conduction. John Wiley & Sons, 1980.

[13] Valria Irio. EDP Um Curso de Graduao. IMPA, CNPq, 1991.

[14] S. V. Patankar. Numerical Heat Transfer and Fluid Flow. Hemisphere


Publishing Corporation, 1980.
ndice

acurcia, 73, 75, 93 dAlembert, 50, 51


alta ordem, 72, 76, 78, 82 densidade, 60
anlise derivada material, 60
de estabilidade, 87 diferena
de Fourier, 44 avanada, 3, 11, 70, 73, 83
de Von Neumann, 90, 91, 93 centrada, 11, 7173, 83
autovalores, 40, 88, 90, 93 finita, 11, 70, 71, 73, 77, 78, 82
recuada, 11, 70, 73
baixa ordem, 72, 76 difusividade trmica, 87, 91
discretizao, 67, 81, 82, 85, 87
capacidade trmica, 64 discriminante, 40, 41
choque, 38 dissipao viscosa, 34
classificao das EDPs, 35 domnio
coeficiente computacional, 47, 52, 56
de difuso, 83 de dependncia, 49
condio de influncia, 49
de contorno, 46, 47, 51, 55, 57,
93 EDP
de Dirichlet, 47, 55, 57, 88 elptica, 36, 40, 56
de estabilidade, 89, 90, 92, 93 hiperblica, 36, 40, 48
de Neumann, 47, 55, 57, 89 parablica, 36, 40, 52
de Robin, 47, 55, 57 energia
inicial, 3, 46, 47, 51, 55, 93 cintica, 62
condies auxiliares, 3, 46 interna, 62
condicionalmente equao
estvel, 7 a N variveis independentes, 40
instvel, 7 algbrica homognea, 86
condutividade trmica, 65 algbrica linear, 86
consistncia, 25, 29, 8185, 93 biharmnica, 35
convergncia, 24, 28, 8183, 93 constitutiva, 61
critrio de estabilidade, 90, 92, 93 corretora, 10, 18
curvas caractersticas, 36, 48, 51, da continuidade, 59, 63, 64
54, 56 de Burger, 34

159
160 ndice

de convecodifuso, 34 laminar, 93
de difuso, 8486 no-linear, 82
de difuso de calor, 54 supersnico no-viscoso, 76
de difuso unidimensional, 83 turbulento, 93
de energia, 65 viscoso, 76
de Helmholtz, 35 esquema
de Kortewegde Vries, 34 a cinco pontos, 74, 78
de Laplace, 46, 56, 57 a dois nveis de tempo, 87, 91
de Navier-Stokes, 62 a dois pontos, 74
de Poisson, 34, 57 a trs nveis de tempo, 93
de Stokes, 35 a trs pontos, 74, 77
diferencial ordinria de primeira explcito, 84, 87
ordem, 1 FTCS, 83, 86
diferencial ordinria de segunda implcito, 85, 87
ordem, 1 estabilidade, 6, 26, 30, 72, 8183,
diferencial parcial, 33, 81, 83 86, 91, 93
diferencial parcial de segunda existncia, 46
ordem, 39
discretizada, 84, 87 frmula
do balano de energia, 64 a cinco pontos, 74
do telgrafo, 35 a dois pontos, 74
linear da onda, 33, 48 a trs pontos, 71
preditora, 9, 18 aberta, 18
equaes de balano, 59 de AdamsBashforth, 21
erro de AdamsMoulton, 22
computado, 74 de alta ordem, 75
da soluo, 93 de baixa ordem, 75
de arredondamento, 4, 82, 86, de dAlembert, 51
87 de integrao de Adams, 21
de resoluo, 82 de integrao de NewtonCotes,
de truncamento, 4, 69, 7174, 21
84, 86, 93 fechada, 18
do passo corretor, 18, 20 fator de amplificao, 92
do passo preditor, 19, 20 fluido
global de truncamento, 5 incompressvel, 64, 65
local de truncamento, 4 newtoniano, 61
local de truncamento aproximado, stokesiano, 61
5 funo incremento, 11
numrico, 67, 87
escoamento Hadamard, 46
incompressvel, 60 harmnico, 87
ndice 161

incremento, 5 malha, 67
de espao, 6, 67, 83 grosseira, 75, 78
de tempo, 67, 83 no-uniforme, 71
instabilidade, 91 refinada, 73, 75, 78
integrao de Euler, 69 uniforme, 68
matriz
Jacobiano, 41 de amplificao, 93
lei de Fourier, 65 simtrica, 88
tridiagonal, 88
mtodo momentum linear, 60
da matriz, 87, 89, 93 movimento peridico, 77
das potncias, 90
de Adams de quarta ordem, 23 ns, 67
de diferenas finitas, 67 nmero
de elementos finitos, 67 de onda, 76
de Euler, 4 de Reynolds, 76
de Euler modificado, 10 no-unicidade, 46
de Hamming, 24 onda
de Heun, 8, 14 amplitude, 76
de mais alta ordem, 7, 21 dispersiva, 34
de Milne, 22 grande comprimento, 76, 78
de primeira ordem, 6 harmnica, 35
de Ralston, 15 pequeno comprimento, 76, 78
de RungeKutta de primeira or- plana, 76
dem, 12 propagao, 33
de Runge-Kutta, 11 propagao no-linear, 34
de Runge-Kutta de quarta or- senoidal, 51
dem, 16 simples, 34
de Runge-Kutta de segunda or- velocidade de propagao, 48,
dem, 12 76
de Runge-Kutta de terceira or- operador
dem, 15 algbrico, 68
de segunda ordem, 10 diferencial, 68
de volumes finitos, 67
de Von Neumann, 87, 90, 91 perodo, 77
do polgono, 14 polinmio
do ponto mdio, 18 caracterstico, 44
espectral, 67 interpolador de Lagrange, 15
multistep, 17 ponto mdio, 11
nonselfstarting Heun, 19 pontos nodais, 68
one-step, 3 potncia de tenso, 65
162 ndice

preciso, 73 numrica, 81, 86, 87


presso superfcie caracterstica, 44
mdia, 62
termodinmica, 62, 64 tcnica geral, 70, 71
primeira tenses
frmula aberta de NewtonCotes, de cisalhamento, 60
18 normais, 60
lei da termodinmica, 62 tensor
problema de tenses, 60
bem-posto, 46 extra de tenses, 64
de valor de contorno, 47 taxa de deformao, 61
de valor inicial, 47 teorema
misto, 47 da divergncia, 60, 63
de Gauss, 59
quantidade de movimento, 59 de Green, 57
de Lax, 82, 83
regime de transporte, 60, 63
permanente, 36, 51, 55, 56 trabalho, 62
transiente, 48, 52, 83 transformao de coordenadas, 41
regra
da cadeia, 8 valor
de Simpson (1/3), 15, 16 de contorno, 3, 82, 83, 87
do trapzio, 18, 69 inicial, 3, 82, 83, 87
resto da srie, 5 varivel
dependente, 1
srie independente, 1
de Fourier, 76, 87, 91, 92 vetor fluxo de energia, 65
de Taylor, 5, 12, 6971, 73, 83 viscosidade
85 de volume, 62
sistema dinmica, 62
algbrico, 67, 81, 82
de EDPs, 42
de equaes algbricas, 83, 85
de equaes diferenciais, 2, 16
elptico, 43
hiperblico, 43
parablico, 43
soluo
aproximada, 82, 83, 93
do sistema algbrico, 81, 86
exata, 8284
instvel, 87