Apos MN 2000 1s

CEFET/PR - CENTRO FEDERAL DE EDUCAÇÃO
PARANÁ
TECNOLÓGICA DO PARANÁ
DAMEC - DEPARTAMENTO ACADÊMICO DE MECÂNICA
MÉTODOS NUMÉRICOS PARA A ENGENHARIA

INTRODUÇÃO AOS MÉTODOS:
DIFERENÇAS FINITAS, VOLUMES FINITOS E
ELEMENTOS FINITOS
Prof. Dr. Admilson T. Franco

Prof. M. Sc. Marco Luersen
Março/2000
CEFET/PR - CENTRO FEDERAL DE EDUCAÇÃO
PARANÁ
TECNOLÓGICA DO PARANÁ
DAMEC - DEPARTAMENTO ACADÊMICO DE MECÂNICA
DIFERENÇAS FINITAS, VOLUMES FINITOS E

ELEMENTOS FINITOS
Prof. Dr. Admilson T. Franco
Março/2000
CAPÍTULO 1
Introdução,
Diferenças Finitas, Volumes Finitos,
Elementos Finitos e Problemas
1 INTRODUÇÃO.
Equações diferenciais ordinárias e parciais aparecem em inúmeros problemas da

física-matemática. Em especial, na área de engenharia, todo cálculo um pouco mais
elaborado normalmente recai em uma equação diferencial. Como poucas tem solução
analítica possível ou viável, os métodos numéricos aparecem como uma ferramenta
extremamente eficiente para sua solução.
A Tabela 1.1 mostra o vertiginoso desenvolvimento do hardware nos últimos 50
anos. Podemos afirmar que o desenvolvimento dos softwares seguiu a mesma proporção.
Tabela 1.1) Comparação entre o Eniac e o Pentium.

Eniac (1.945) Pentium (1.993)
Volume 558 m³ cabe em qualquer mesa
Peso 30 ton. 5 kg
Arquitetura do Sistema 17.468 válvulas 3,1 milhões de transistores
Operações por segundo 3,5 mil 100 milhões
Preço (US$) 260 milhões 3 mil
Fonte: Revista ISTOÉ / 1.377 - 21/02/96 pág. 84
Pentium.Pro ≅100 mil vezes mais rápido que o Eniac.
O uso de técnicas numéricas para solução de complexos problemas de

engenharia tem permitido o projeto e otimização de equipamentos e sistemas de uma
Cap. 1 - Introdução 3
forma jamais imaginada a 30 ou 40 anos atrás. Isto foi possível principalmente ao

fantástico desenvolvimento da capacidade computacional tanto em termos de velocidade
e capacidade de armazenamento como ao aperfeiçoamento dos métodos numéricos.
A facilidade de utilização dos métodos numéricos e a qualidade dos resultados
obtidos tem sido um atrativo sempre crescente para aumentar sua utilização, aliada a
economia de tempo de projeto e obviamente, do custo total do equipamento.
Para se reforçar a atratividade dos métodos numéricos para simulação,
atualmente um escoamento turbulento supersônico sobre um aerofólio requer alguns
minutos de CPU com custo de centenas de dólares. A mesma simulação na década de
60, consumiria um tempo de computação de aproximadamente 30 anos, com custo de 10
milhões de dólares. A enorme difusão da simulação numérica se justifica, então, pelo
barateamento dos equipamentos computacionais e desenvolvimento (aprimoramento)
dos métodos numéricos utilizados na soluções das equações diferenciais que regem o
fenômeno.
Em engenharia existem principalmente três métodos de solução de problemas:
• Métodos analíticos, os quais conduzem a resultados analíticos, (R. A.)
• Métodos numéricos (experimentação numérica), (R. N.)
• Experimentação em laboratório, (R.E.).
Os métodos analíticos são a melhor forma de solucionar os problemas, pois
fornecem um solução de forma fechada. Entretanto, muito poucos problemas de
engenharia podem ser resolvidos dessa forma, devido as dificuldades impostas pelo
conjunto de equações (normalmente E.D.P’s de 2a ordem e não lineares) que regem o
fenômeno.
Mesmo as soluções analíticas para alguns problemas, quando existem,
normalmente contém séries infinitas, funções especiais (erf, Γ ), equações
transcendentais para auto valores, etc. As soluções analíticas, mesmo de alguns
problemas simples e de pouco interesse prático, servem de base para a compreensão
do comportamento do sistema de equações, para o desenvolvimento de métodos
numéricos e validação de códigos computacionais.
A experimentação em laboratório trata com a configuração real e é imprescindível
quando estudando um novo fenômeno. Tem como desvantagem o custo muitas vezes
proibitivo, problemas de segurança como transferência de calor no núcleo de reatores
nucleares, ou impossibilidade de reprodução das condições reais, como vôos
4 Métodos Numéricos Para A Engenharia
supersônicos em grandes altitudes ou simulação de reservatórios de petróleo. Na

ausência de modelos matemáticos estabelecidos e em geometrias extremamente
complexas, muitas vezes esta é a única alternativa viável.
Os métodos numéricos praticamente não apresentam restrições e oferecem
atrativas vantagens como:
• Baixo custo: a maior vantagem sobre os outros métodos.
• Velocidade: centenas de diferentes configurações podem ser testadas
em poucas horas.
• Informações Completas: fornece o valor das variáveis relevantes em
qualquer ponto de interesse.
• Facilidade de Simular Condições Realísticas: pode tratar qualquer
condição de contorno, velocidades altas e baixas, temperaturas altas ou
baixas, grandes ou pequenos domínios. Qualquer geometria arbitrária pode
ser tratada.
Tipos de erros que podem estar presentes na solução numérica quando os
resultados são comparados com a realidade de um problema físico:
• erros numéricos: resultantes da má solução das equações diferenciais.
Comparar com outras soluções analíticas ou numéricas.
• erros: resultantes do uso de equações diferenciais que não representam
adequadamente o fenômeno.
“A ferramenta numérica é a adequada e confiável quando se está de posse de um
método numérico que resolva corretamente as equações diferenciais, e de um modelo
matemático, que represente com fidelidade o fenômeno físico.”
Comparação entre:
(R.N.) → (R.A.) ou outro (R.N.) → validação numérica.
(R.N.) → (R.E.) → validação física.
1.1 Diferenças Finitas, Volumes Finitos e Elementos Finitos.
O MDF (Método das Diferenças Finitas) sempre foi empregado pelos analistas
das área de escoamento de fluidos, enquanto o MEF (Método dos Elementos Finitos) o
Cap. 1 - Introdução 5
foi para a área estrutural, na solução de problemas de elasticidade. Os problemas de

escoamento são altamente não-lineares, enquanto os da elasticidade não possuem os
termos convectivos, não lineares, e assemelham-se a problemas puramente difusivos de
Transferência de Calor.
O método de Diferenças Finitas, atualmente, pode ser utilizado em qualquer tipo
de malha, mesmo a não-estruturada usada em elementos finitos.
O MVF (Método dos Volumes Finitos) garante a conservação da propriedade
envolvida (massa, quantidade de movimento e entalpia) no volume elementar --- e é
preferível em relação ao MDF.
Na atualidade, ambos os métodos (MVF e MEF) estão resolvendo problemas
altamente convectivos, inclusive com ondas de choque, em geometria arbitrárias. Isto é
esperado, visto que, eles são derivados do mesmo princípio e diferem apenas na forma
de minimização escolhida (ver Capítulo 4).
O Método dos Elementos Finitos, MEF, aplicado em níveis de volumes
elementares produz o CVFEM - Control Volume Finite Element Method.
O Método dos Elementos de Contorno, BEM (Boundary Element Method),
possibilita tratar apenas com a discretização da fronteira, sem necessidade de discretizar
o domínio interno.
Na figura 1.1 são mostrados alguns exemplos de aplicação dos métodos
numéricos em problemas de engenharia.
Figura 1.1: Exemplos de Aplicação dos Métodos Numéricos

CAPÍTULO 2
Aspectos Matemáticos das Equações,

Níveis de Formulação dos Modelos,
Problemas Elípticos, Parabólicos e
Hiperbólicos.
2.1 Níveis de Formulação dos Modelos.
A obtenção da solução de qualquer problema físico requer a habilidade da criação

do modelo matemático correspondente. O modelo matemático deve ser tal que possa ser
resolvido com tempos de computação não proibitivos e que os resultados obtidos
representem corretamente o fenômeno físico em questão.
O sistema de equações gerado pelo modelo matemático pode ser obtido tanto a
nível molecular ou seja, uma equação para cada molécula, como a nível de volumes de
controle, onde se supõe um valor médio da propriedade dentro desse volume.
Equações de conservação da massa, movimento e energia, para sistema
cartesiano de coordenadas:
∂ρ ∂
+ (ρ x j ) = 0 (2.1)
∂ t ∂x j
∂  
(ρui ) + ∂ (ρui u j ) = ∂ P + ∂  µ ∂ ui  + S ui (2.2)
∂t ∂x j ∂xi ∂ x j  ∂ x j 
Cap. 2 - Aspectos Matemáticos das Equações 7
∂  k  ∂ T 
( ρT ) + ∂ (ρ u j T ) = ∂    + ST (2.3)
∂t ∂x j ∂ xj  c p  ∂ x j 
Figura 2.1) Métodos de Solução (Maliska,1995)

Tabela 2.1) Níveis de Formulação dos Modelos (Maliska,1995)

As equações acima podem ser escritas para um campo escalar geral φ :
∂
( ρφ ) + ∂ ( ρ uφ ) + ∂ ( ρ vφ ) + ∂ (ρ wφ ) =
∂t ∂x ∂y ∂z
∂  φ ∂φ  ∂  φ ∂φ  ∂  φ ∂φ 
 T  +  T  +  T  + S φ (2.4)
∂ x ∂x ∂ y ∂ y ∂ z  ∂ z
O fechamento do problema é obtido com a equação de estado:

ρ = ρ (P, T ) (2.5)
Problema tridimensional (3-D), compressível, 6 equações e 6 incógnitas: ρ ,u ,v ,w ,P
eT
2.2 Problemas Elípticos, Parabólicos e Hiperbólicos.
2.2.1) Introdução.
A classificação dos problemas em elípticos, parabólicos e hiperbólicos pode ser

feita facilmente, de acordo com o tipo de equação que governa o fenômeno, utilizando-se
a relação entre os coeficientes da equação diferencial parcial. Esse tipo de classificação
é puramente matemático e pouco ajuda na escolha do método numérico. Além disso,
como os problemas de transferência de calor e mecânica dos fluidos são governados por
sistemas de equações, a classificação do sistema é sempre mista.
2.2.2) Problemas Parabólicos e Hiperbólicos.
Do ponto de vista numérico, é importante reconhecer as características das

equações para que se possa tirar vantagens computacionais, como tempo de
computação e armazenamento da variáveis.
Defini-se os problemas de Transferência de Calor e Mecânica dos Fluidos em

problemas que permitem a sua solução pelo processo de marcha em uma determinada
coordenada (temporal ou espacial) e aqueles que não permitem este procedimento.
Figura 2.2) Valores de φ, Γφ e S φ
Procurando compatibilizar esta definição com a definição matemática, podemos

dizer que problemas hiperbólicos e parabólicos permitem o procedimento de marcha,
enquanto os elípticos não permitem. Problemas de marcha são aqueles que não
necessitam de condições de contorno a jusante, isto é, dependem apenas de
informações a montante.
Problema parabólico clássico do escoamento bidimensional sobre um placa plana.
Neste problema os efeitos de difusão na direção x são desprezados e não existem
efeitos de pressão a montante. Logo, na direção x resta apenas o termo convectivo, não
havendo necessidade, portanto, de condição de contorno a jusante. O problema é
solucionado marchando-se das condições iniciais e resolvendo-se um problema
unidimensional elíptico em cada posição x . A solução marcha até aonde exista interessa
em obtê-la.
O armazenamento necessário é apenas correspondente a duas estações: a de
cálculo e a montante, ao passo que, se o tratamento for elíptico, necessita-se do
armazenamento global.
O termo convectivo em x é de ordem 1, portanto, apenas 1 condição de contorno.
é necessária. Essa condição é a do início da placa.
A diferença entre a marcha parabólica e a marcha hiperbólica é que a primeira se
dá ao longo de uma coordenada, e a segunda ao longo das características do problema.
2.2.3 Problemas Elípticos.
Os problemas elípticos são aqueles nos quais as informações físicas se

transmitem em todas as direções. Efeitos difusivos e de pressão ( que se propaga a
velocidade do som) são efeitos elípticos os quais, se presentes no fenômeno, requerem o
estabelecimento de condições de contorno em ambos os sentidos da coordenada em
consideração. Ou seja, esses efeitos viajam também no sentido contrário ao da
velocidade, conferindo características elípticas ao escoamento.
A difusão de calor, bem como de massa e quantidade de movimento, são
fenômenos elípticos, requerendo condições de contorno em toda a fronteira do domínio.
Atira-se uma pedra na água e verifica-se que não existe direção preferencial para
propagação da perturbação.
Elíptico
Parabólico
Hiperbólico
Figura 2.3.) Problemas Elípticos, Parabólicos e Hiperbólicos
Os termos difusivos possuem derivadas de segunda ordem, requerendo, portanto,

condições de contorno nos dois extremos do domínio de solução no eixo considerado.
Exemplo de Equações:
Elíptica:
∂ 2T ∂ 2T
+ =0 Equação de Laplace
∂ x2 ∂ y2
Parabólica:
1 ∂ T ∂ 2T
= Transferência de Calor 1-D transitória
α ∂ t ∂ x2
Hiperbólica:
∂ 2T 2∂ T
2
= c Equação da Onda
∂ t2 ∂ x2
CAPÍTULO 3
O Método das Diferenças Finitas
3.1 Introdução
A solução analítica das equações diferenciais parciais envolve expressões na

forma fechada as quais dão a variação das variáveis dependentes continuamente através
do domínio. Em contraste, soluções numéricas podem dar respostas somente em pontos
discretos do domínio, chamados pontos nodais ou pontos da malha. Para a solução
numérica, as derivadas da função existentes na equação diferencial devem ser
substituídas pelos valores discretos da função (figura 3.1). A maneira de obter essas
equações algébricas é que caracteriza o tipo do método numérico. Lembramos que
métodos como o BEM (Boundary Element Method), necessita apenas da discretização
da fronteira do domínio. Tais métodos são denominados meshless.
Equação diferencial Sistema de equações

φ =0 e algébricas [A] [ φ ] = [B]
condições de contorno
Figura 3.1.) Tarefa do método numérico.
Cap. 3 - O Método das Diferenças Finitas 12
Por conveniência, vamos assumir que o espaçamento dos pontos da grade

(malha) na direção x é uniforme e igual a ∆ x e que o espaçamento na direção y é
também uniforme e dado por ∆ y .
Na figura abaixo, os pontos da malha são identificados na direção x pelo índice i

e na direção y pelo índice j
Figura 3.2.) Pontos discretos da malha.
3.1 Base do Método de Diferenças Finitas.
Representações das derivadas em diferenças finitas são baseadas na expansão

em série de Taylor. Por exemplo, se u denota o componente x da velocidade no ponto (i,
i,j
j), então a velocidade u i+1,j no ponto (i+1,j) pode ser expressa em termos de uma expansão
em série de Taylor sobre o ponto (i, j):
 ∂ u  ∂ 2 u ∆ x 2  ∂ 3 u  ∆ x3
ui +1 ,j = ui , j +  ∆x+  +  + L (3.1)
 ∂ x i, j  ∂ x2  i, j 2  ∂ x 3  i,j 6
A equação (3.1) é matematicamente uma expressão exata se:

(a) o número de termos é infinito e a série converge
(b) e / ou ∆ x → 0
Para computação numérica, é impraticável calcular um número infinito de termos.

Dessa maneira, a equação (3.1) é truncada. Por exemplo, se os termos de magnitude
( ∆ x )3 e termos de ordens mais altas forem desprezados, a equação (3.1) reduz-se a:
 ∂ u  ∂ 2 u ∆ x 2
ui +1 ≅ ui , j +   ∆ x +   (3.2)
 ∂ x  i ,j  ∂ x 2  i ,j 2
Nós dizemos que a equação acima tem acurácia de segunda ordem, porque os
termos iguais ou maiores que ( ∆ x )3 foram desprezados. Se os termos de ordem ( ∆ x )2 e
de ordens maiores forem desprezados, nós obtemos:

 ∂ u
ui + 1 ≅ ui , j +   ∆x (3.3)
 ∂ x  i ,j
onde a equação (3.3) tem acurácia de primeira ordem.

Nas equações (3.2) e (3.3), os termos desprezados representam o erro de
trucamento na representação da série finita. Por exemplo, o erro de trucamento para a
equação (3.2) é:
∞
 ∂ n u (∆ x)
n
∑  
n =3  ∂ x  i , j
n
n!
e o erro de trucamento para a equação (3.3) é:

∞
 ∂ n u (∆ x)
n
∑  
n =2  ∂ x  i , j
n
n!
O erro de trucamento pode ser reduzido por:

(a) Tomando-se mais termos na série de Taylor, equação (3.1). Isto leva o
aumento na ordem de acurácia na representação de ui+1, j.
(b) Reduzindo-se a magnitude de ∆ x .
∂ u
Vamos retornar a equação (3.1) e calcular   :
∂ x  i,j
 ∂ u ui +1, j − ui , j  ∂ 2 u  ∆ x  ∂ 3 u  ∆ x 2
  = −  −  −K
 ∂ x  i ,j ∆x  ∂ x2  i, j 2  ∂ x3  i, j 6
erro de truncamento
ou
 ∂ u ui +1, j − ui , j
  = + O( ∆ x ) (3.4)
 ∂ x  i,j ∆x
O( ∆ x ) - termos da ordem de ∆ x .
Derivada a jusante, com acurácia de primeira ordem:

 ∂ u ui+ 1, j − ui , j
  = + O ( ∆ x) (3.4)
 ∂ x  i ,j ∆x
Vamos escrever a expansão em série de Taylor sobre o ponto (i-1,j) para u i-1,j
∂ u   ∂ 2 u  (− ∆ x ) 2  ∂ 3 u  (− ∆ x )3
u i−1, j = u i, j +   (− ∆ x ) +  
2 
+  3  +L , ou
 ∂ x i , j  ∂ x  i, j 2  ∂ x  i, j 6
∂ u   ∂ 2 u  (∆ x )2  ∂ 3 u  (∆ x )3
u i−1, j = u i, j −   (∆ x ) +  
2 
−  
3 
+L (3.5)
 ∂ x  i, j  ∂ x  i, j 2  ∂ x  i, j 6
 ∂ u
Resolvendo para   , nós obtemos:
 ∂ x  i,j
∂ u ui , j − ui −1 , j
  = + O (∆ x) (3.6)
∂ x  i ,j ∆x
Derivada a montante, com acurácia de primeira ordem.

Vamos subtrair a equação (3.5) de (3.1):
 ∂ 3 u  (∆ x)
3
 ∂ u
ui + 1 , j − ui − 1 , j = 2  ∆ x+  +K (3.7)
 ∂ x  i,j  ∂ x  i,j 3
3
 ∂ u
Resolvendo para   , obtemos:
 ∂ x  i,j
∂ u ui +1, j − ui −1 , j
+ O (∆ x)
2
  = (3.8)
∂ x  i ,j 2∆ x
Esta é a derivada central, com acurácia de segunda ordem, para o ponto (i, j).
Para obter uma expressão em diferenças finitas para a derivada parcial de
 ∂ 2 u
segunda ordem   , primeiro rescrevemos a equação (3.7)
∂x 
2
 ∂ u ui+ 1, j − ui− 1, j  ∂ 3 u  ( ∆ x) 2
  = −  +K (3.9)
 ∂ x  i,j 2∆ x  ∂ x 3  i ,j 6
Substituindo a equação (3.9) em (3.1)

u 
i + 1 , j − ui− 1 , j  ∂ 3u  ∆ x 2  ∂ 2u  ∆ x 2
ui + 1 , j = ui , j +  −  
+K ∆ x +   +
 2∆ x  ∂ x  i,j 6
3
  ∂ x  i,j 2
2
 
 ∂ 3u  ∆ x 3  ∂ 4 u  ∆ x 4
 3 + 4 +K (3.10)
 ∂ x  i,j 6  ∂ x  i , j 24
 ∂ 2 u
Resolvendo (3.10) para   , obtemos
 ∂ x 2  i ,j
 ∂ 2u  ui +1 , j − 2 ui , j + ui −1, j
+ O (∆ x)
2
  = (3.11)
 ∂ x  i,j
2
(∆ x) 2
Derivada central de segunda ordem.
Expressões em diferenças para as derivadas em y são obtidas da mesma
maneira.
 ∂ u ui , j + 1 − ui , j
  = + O (∆ y) Derivada a jusante
 ∂ y i, j ∆y
∂ u ui , j − ui , j − 1
  = + O (∆ y) Derivada a montante
∂ y i, j ∆y
 ∂ u ui , j + 1 − ui , j − 1
+ O (∆ y)
2
  = Derivada
 ∂ y  i, j 2∆ y
Central
A derivada segunda também pode ser calculada de seguinte forma:
 ∂ u  ∂ u 
  −  
 ∂ 2u   ∂  ∂ u    ∂ x  i+ 1, j  ∂ x  i −1, j  1
 2  =    ≅  ∆x
 ∂ x  i, j  ∂ x  ∂ x   i, j 
∆x

 
 ∂ 2u   ui +1, j − ui , j   ui , j − ui −1, j   1
  ≅   − 
 ∂ x  i , j 
2
∆x   ∆x   ∆ x
 ∂ 2u  ui +1 , j − 2 ui , j + ui −1, j
 2 ≅ (3.12)
 ∂ x  i,j (∆ x)2
A equação (3.12) é análoga a equação (3.11).
 ∂ 2u 
A mesma filosofia pode ser usada para se obter a derivada mista   no
 ∂ x ∂ y  i ,j
ponto (i, j). Por exemplo:

 ∂ u  ∂ u
  − 
 ∂ 2u  ∂  ∂ u  ∂ y  i +1 , j  ∂ y  i −1 , j
  =  ≅ (3.13)
 ∂ x ∂ y  i ,j ∂ x  ∂ y  2 ∆x
 ∂ 2u   ui +1 , j +1 − ui +1 , j −1   ui −1 , j +1 − ui −1 , j −1   1
  ≅   − 
 ∂ x ∂ y  i , j  2∆y   2∆y   2 ∆ x
ou
) [ ]
 ∂ 2u 
  =
1
 ∂ x ∂ y i, j 4 ∆ x ∆ y
(
ui+ 1, j +1 + ui −1, j− 1 − ui +1 , j −1 − ui −1 , j +1 + O ( ∆ x ) ,( ∆ y )
2 2
(3.14)
A figura abaixo mostra a interpretação geométrica das derivadas.
Figura 3.3.) Interpretação geométrica das fórmulas de diferenças finitas para as

derivadas de 1 a. ordem.
Muitas outras aproximações diferentes podem ser obtidas para as derivadas

acima, como bem para as derivadas de ordens maiores.
O que acontece com a fronteira? Que tipo de difereciamento é possível quando
nós temos somente uma direção? Imagine o problema abaixo.
Figura 3.4.) Pontos da malha na fronteira
 ∂ u
Nós desejamos construir uma aproximação por diferenças finitas para   na
 ∂ y1
fronteira. A aproximação mais fácil é a derivada a jusante:

∂ u u − u1
  = 2 + O (∆ y) (3.15)
∂ y 1 ∆y
a qual tem acurácia de primeira ordem. Como podemos obter uma acurácia de segunda
ordem? A derivada central falha, porque não existe o ponto 2’.
Vamos assumir que na fronteira u passa ser expressada pelo polinômio:
u(y) = a +by + cy 2 (3.16)
Aplicando a equação (3.16) para os pontos da malha.
u1 = a

u2 = a + b∆ y + c( ∆ y)
2

u3 = a + b( 2 ∆ y ) + c( 2 ∆ y )
2
Resolvendo este sistema para b :

−3u1 + 4u 2 − u3
b= (3.17)
2∆ y
Retornando a equação (3.16) e diferenciando:

∂u
= b + 2cy
∂y
(3.18)
Se (3.18) for avaliada na fronteira onde y =0,
 ∂ u
  =b (3.19)
 ∂ y 1
Combinando (3.17) e (3.19) temos:
 ∂ u −3u1 + 4u 2 − u3
  = (3.20)
 ∂ y 1 2∆ y
Vamos verificar a ordem de aproximação da eq. (3.20) através da expansão em

série de Taylor sobre o ponto 1.
 ∂ u  ∂ 2 u y 2  ∂ 3 u y 3
u( y ) = u1 +   y+  + 
 ∂ y 1  ∂ y 2  1 2  ∂ y3  1 6
(3.21)
Comparando as equações (3.21) e (3.16), percebemos que a expressão
polinomial assumida é análoga aos primeiros três termos da série de Taylor. Portanto, a
equação (3.16) é de O( ∆ y)3. Na formação da derivada (3.20) nós dividimos por ∆ y , o
que então faz (3.20) da ordem de O( ∆ y )2. Portanto:
 ∂ u −3u1 + 4u2 − u3
+ O( ∆ y )
2
  = (3.22)
 ∂ y 1 2∆ y
3.2 Formulações Explícita, Totalmente Implícita e Implícita.
Nessa seção serão expostos os princípios das formulações explícita, totalmente

implícita e implícita.
Vamos exemplificar utilizando o problema de condução transiente unidimensional:
∂T ∂ 2T
=α (3.23)
∂t ∂ x2
Figura 3.6.) Malha unidimensional.
As aproximações espaciais são obtidas discretizando-se as derivadas com o

método das diferenças finitas,
∂T TE − TP
= + O(∆ x ) Derivada de primeira ordem a jusante
∂x P
∆x
∂T TE − TW
= + O(∆ x ) Derivada de primeira ordem a montante
∂x P
∆x
∂T TE − TW
= + O(∆ x )
2
Derivada de primeira ordem central
∂x P
2∆ x
∂ 2T TE − 2TP + TW
= + O(∆ x )
2
Derivada de segunda ordem central
∂ x2 P (∆ x )
2
A aproximação do termo transitório pode ser feita como:
∂T TP − TP0
= + O(∆t ) (3.24)
∂t P
∆t
T P → tempo atual
TP0 →tempo anterior
As temperaturas no tempo anterior são conhecidas em todos os pontos do

domínio.
Uma questão importante surge agora com relação ao nível de tempo no qual será
avaliado o lado direito da equação (3.23). Lembrando que este termo representa os
fluxos difusivos de calor, e que estamos avançando a solução de um nível de tempo para
outro, devemos decidir se vamos avaliar esses fluxos no início, no fim ou em uma posição
intermediária do intervalo de tempo. Denotando por θ a posição, no intervalo de tempo,

de avaliação do termo difusivo, temos a seguinte aproximação numérica para (3.23).
TP − TP0 T θE − 2T θP + T θW
=α (3.25)
∆t (∆ x )2
3.2.1 Formulação Explícita.
Escolhendo θ = 0, termos a formulação explícita, onde todas as temperaturas

vizinhas a P são avaliadas no instante anterior e, portanto, já são conhecidas. É possível
explicitar a incógnita da equação ( Tp ) em função de temperaturas vizinhas, todas
conhecidas.
A formulação explícita dá origem a um conjunto de equações algébricas que
podem ser resolvidas uma a uma, obtendo-se a temperatura em cada ponto do espaço
para o novo nível de tempo. Pelo fato das equações não serem acopladas entre si, não
existe a necessidade de resolver uma matriz.
Figura 3.7.) Malha regular unidimensional
Para a formulação explícita, isto é, θ = 0, e a malha unidimensional da figura 3.7, a

equação (3.25) pode ser reescrita como:
TP − TP0 T 0 − 2T 0P + T W0
=α E (3.25)
∆t (∆ x )2
TP = (1 − 2r )T 0P + rT 0E + rT W0 (3.26)
onde
α∆ t
r= TP =
1 0
(
T E + T W0 ) (3.27)
(∆ x)
2
2
r = Fo =número de Fourier
• Condições iniciais: para ∆ t=0 {T1 = 0 , T2 = 0 , T3 = 0 , T4 = 0 e T5 = 0}
• Condições de contorno: para ∆ t >0 {T1 = 100 e T5 = 0}
A evolução no tempo exige a limitação do intervalo de tempo.

1
Da análise de Von Neumann: r ≤ , para manter o coeficiente de Tp0 positivo.
2
Se isto não for atendido, o coeficiente (1 - 2r) na equação (3.26) pode oscilar entre
valores positivos e negativos, e isto ferir princípios termodinâmicos.
 1
(
T2 = 2 T 3 + T
0 0
1 )


T3 =
1
2
(T 04 + T 0
2 )


 T4 =
1
2
(T 05 + T 0
3 )
em regime permanente {T1=100, T2=75, T3=50, T4=25 e T5=0 }
A evolução do perfil de temperaturas com o tempo é mostrado na figura abaixo.
Figura 3.8.) Evolução do perfil de temperatura.
3.2.2 Formulação Totalmente Implícita.

Se na equação (3.25) o valor de θ for feito igual a 1, teremos a formulação

totalmente implícita.
TP − TP0 α
= 2 [TE − 2TP + TW ]
∆t ∆x
TP − TP0 = r [TE − 2TP + TW ]
− rT E + (1 + 2r )TP − rTW = TP0 (3.28)
Não existe mais possibilidade de coeficiente negativo para TP. Origina um sistema
de equações, uma vez que elas estão acopladas entre si.
A formulação é incondicionalmente estável e o intervalo de tempo é limitado por
precisão.
1
Para r =
2

T2 = 2 ( T3 + T1 ) + T2
1 0


T3 = (T4 + T2 ) + T3
1 0
(3.29)
 2

T4 = 2 (T5 + T3 ) + T4
1 0
As equações acima podem ser escritas na forma:

AP TP = AE TE + AW TW + B (3.30)
Fazendo P=2, 3 e 4:
 AP2 T2 = Ae2 + B2
 3
 AP T3 = Ae T4 + Aw T2 + B3
3 3
(3.31)
 A4 T = A4 T + B
 P 4 w 3 4
onde as temperaturas T e T foram incluídas nos termos independentes B e B ,

1 5 2 4
respectivamente.
O sistema de equações (3.31) pode ser escrito na forma matricial como:
[ A][ T ] = [ B]
1 0
 2 ,00 −0 ,50 0 ,00  T2   B2   2 T1 + T2 
−0 ,50 2 ,00 −0 ,50  T  =  B  =  T 0 
  3  3  3 
 0 ,00 −0 ,50 2 ,00  T4   B4   1 T + T 0 
 2 5 4

(3.32)
O sistema de equações (3.32) deve ser resolvido para cada intervalo de tempo,
pois o problema é transitório.
3.2.3 Formulação Implícita.
Na formulação implícita, os valores das temperaturas que entram no cálculo do

fluxo difusivo são tomados como uma média dos valores dessas temperaturas no começo
e no fim do intervalo de tempo. O método mais conhecido é o de Crank - Nicolson, onde a
temperatura é tomada como uma média aritmétrica entre as temperaturas Tp0 e T , como: p
TPθ = θ TP + (1 − θ )TP0 (3.33)
TP0 → Temperatura conhecida no nível (n)
TP → Temperatura a ser determinada no instante (n+1)
É importante observar que basta θ ser diferente de zero para que as equações
fiquem acoplados, caracterizando a implicitude entre as mesmas.
A figura abaixo ilustra, para os três tipos de formulação, as conexões existentes
entre o ponto P e seus vizinhos, no instante de tempo de cálculo e no instante de tempo
anterior.
φ =0 (Explícita)
0< φ <1 (Implícita)
φ =1
Totalmente
Implícita
Figura 3.9.) Tipos de formulação
A figura acima mostra os tipos de conexões nas formulações estudadas.

Obter um sistema de equações para θ = 1/2.
1  1 0
TP = Tp +  1 −  Tp
12
2  2
TP1 2 =
1
2
(TP + Tp0 )
Tp − T p0 T 1E2− 2T 1P2 + T 1W2
De (3.25) : =α (3.34)
∆t ( ∆ x)
2
3.3 Formulações em Diferenças Finitas para malhas cartesianas não - uniformes

Fig. 3. A-) Exemplos de malhas 3D
Para malhas não-uniformes ou curvilíneas, a discretização da equação pode ser

feita após a transformação do espaço físico (x, y, z) para um espaço cartesiano
computacional (ξ,η,ζ). As relações entre os dois espaços são definidos pelas fórmulas de
transformação de coordenadas tais como: ξ=ξ(x,y,z) e fórmulas similares para η e ζ.
Todas as fórmulas derivadas anteriormente podem ser aplicadas no espaço
(ξ,η,ζ) das equações escritas em coordenadas curvilíneas.
Essas equações transformadas contém coeficientes métricos que devem ser
discretizados de uma maneira consistente. Eles introduzem a influência do tamanho da
malha nas fórmulas de diferenças. Dessa maneira, é possível utilizar a técnica de
diferenças finitas para geometria e malhas arbitrárias. A única restrição das malhas de
diferenças finitas é que todos os pontos da malha devem estar posicionados em famílias
de linha que não se cruzam
Figura 3.10.) Relação entre um sistema arbitrário de coordenadas (ξ,η) no plano

físico e o plano computacional.
Discretização para uma malha cartesiana não-uniforme.

Figura 3.11.) Malha unidimensional arbitrária na direção x.
Expansão em série de Taylor baseado na malha mostrada na figura 3.11.
Derivada a jusante:
( )
2
 ∂ u  ∂ 2 u ∆ x i +1, j
ui +1 , j = ui , j +   ∆ x i +1, j +  2  +K (3.35)
 ∂ x i, j  ∂ x  i ,j 2
 ∂ u
  =
(
ui +1, j − ui , j
−  2
)
 ∂ 2 u  ∆ x i +1, j
(3.36)
 ∂ x  i ,j ∆ xi +1, j  ∂ x  i,j 2
Derivada a montante:
( )
2
 ∂ u  ∂ 2 u − ∆ xi, j
ui −1 , j = ui , j +   − ∆ xi, j
 ∂ x i, j
( ) + 
 ∂ x 2  i,j 2
+K (3.37)
 ∂ u
  =
(
ui , j − ui −1 , j
+
)
 ∂ 2 u ∆ xi, j
 (3.38)
 ∂ x  i ,j ∆ xi, j  ∂ x2  i , j 2
Diferença Central:
Combinando as fórmulas (3.35) e (3.37) para eliminar os erros de trucamento de

primeira ordem, obtemos a seguinte fórmula de segunda ordem.
Somando as equações (3.35) e (3.37)
( ) ( )
2
 ∂ u ui +1, j − ui , j  ∂ 2 u  ∆ xi +1 , j  ∂ 3 u  ∆ x i +1, j
  = −   −   +K (3.35)
 ∂ x  i ,j ∆ xi +1, j  ∂ x 2  i,j 2  ∂ x3  i, j 6
(u ) +  ∂ ( )
2
 ∂ u i,j − ui −1, j 2
u  ∆ xi , j  ∂ 3 u  ∆ xi , j
  =  −  +K
 ∂ x  i ,j ∆ xi, j  ∂ x 2  i ,j 2  ∂ x3  6
(3.37)
( ui +1 − ui ) ui − ui −1  ∂ 2 u   ∆ xi − ∆ xi +1   ∂ 3 u   (∆ xi +1 ) ( ∆ xi ) 
2 2
 ∂ u
2  = + + 2   −  + +K
 ∂ x i ∆ x i +1 ∆ xi ∂ x  i 2   ∂ x 3   6 6 
( ) ( ) ( )
2 2
 ∂ u 1  ui +1 , j − ui , j ui , j − ui −1 , j   ∆ xi +1 , j − ∆ xi , j   ∂ 2 u  ∆ xi +1 , j + ∆ xi , j
  =  + −   − +K
 ∂ x  i , j 2  ∆ xi +1 , j ∆ xi , j   4  ∂ x2 i 12
 
(3.38)
Observe que o erro de trucamento para as diferenças é proporcional a dois

intervalos sucessivos da malha, ∆x e ∆x . Se a malha varia abruptamente, então a
i+1 i
fórmula terá acurácia de primeira ordem. Esta é uma propriedade geral da aproximação
por diferenças finitas em malhas não-uniformes. Se a malha não varia suavemente a
perda de acurácia é inevitável.
A fórmula para a derivada central de segunda ordem é:
 ∂ 2 u 1  ui +1, j − ui , j ui , j − ui−1 , j   ∂ 3 u
  =
 ∂ x 2  i 2  ∆ xi +1, j
−
2 1
(
+ ∆ xi +1 , j − ∆ xi , j  3  −
∆ xi , j  ∆ x i +1, j + ∆ xi , j 3 ∂ x i
)
(∆ x ) + (∆ x )
3 3
i +1 , j i,j ∂ 4 u
−   +K (3.39)
12( ∆ x + ∆x ) ∂ x 
4
i +1, j i ,j
Transformação geral das equações.
Vamos considerar um escoamento bimensional não-permanente, com as variáveis

independentes x, y e t.
Vamos transformar as variáveis no espaço físico (x, y, t) para o espaço
transformado (ξ, η, ζ) onde:
ξ=ξ (x,y,t) (3.40.a)

η=η (x,y,t) (3.40.b)
ζ=ζ (x,y,t) (3.40.c)

Na transformação acima, ζ é considerada função de t somente, e é
freqüentemente dada por ζ=t
Da regra da cadeia do cálculo diferencial:
0
 ∂   ∂   ∂ ξ  ∂   ∂η  ∂   ∂ζ 
  =    +    +   
 ∂ x  y ,t  ∂ ξ  η ,t  ∂ x  y,t  ∂ η  ξ ,t  ∂ x  y ,t  ∂ ζ  ξ ,η  ∂ x  y ,t
Os subíndices indicam as variáveis que são mantidas constantes na diferenciação

parcial.
∂  ∂  ∂ ξ   ∂   ∂ η 
=    +     (3.41)
∂ x  ∂ ξ  ∂ x   ∂ η   ∂ x 
Analogamente:
∂  ∂  ∂ ξ   ∂   ∂ η 
=    +    (3.42)
∂ y  ∂ ξ  ∂ y   ∂ η   ∂ y 
Também temos:
 ∂   ∂   ∂ ξ  ∂   ∂ η  ∂   ∂ζ 
  =    +    +   
 ∂ t  x ,y  ∂ ξ  η ,t  ∂ t  x ,y  ∂ η  ξ ,η  ∂ t  x ,y  ∂ ζ  ξ ,η  ∂ t  x,y
ou
 ∂   ∂   ∂ ξ   ∂   ∂ η   ∂  dζ
  =    +    +   (3.43)
 ∂ t   ∂ ξ   ∂ t   ∂ η  ∂ t   ∂ ζ  d t
∂ξ ∂ξ ∂η ∂η
Os coeficientes : , , e são chamados fatores métricos.
∂x ∂y ∂x ∂y
Derivada segunda:
2
∂ 2  ∂  ∂ 2 ξ  ∂   ∂ 2 η   ∂ 2  ∂ ξ 
=    +   +   +
∂ x2  ∂ ξ  ∂ x2   ∂ η   ∂ x 2   ∂ ξ 2  ∂ x 
2
 ∂ 2   ∂ η  ∂ 2  ∂ η   ∂ ξ 
+ 2    + 2    (3.44)
∂ η  ∂ x   ∂ η ∂ ξ  ∂ x   ∂ x 
2
∂ 2  ∂   ∂ 2 ξ   ∂  ∂ 2 η   ∂ 2  ∂ ξ 
=    +   +   +
∂ y 2  ∂ ξ   ∂ y2   ∂ η  ∂ y2   ∂ ξ 2  ∂ y 
2
 ∂ 2   ∂ η  ∂ 2   ∂ η  ∂ ξ 
+ 2    + 2     (3.45)
∂ η  ∂ y   ∂ η ∂ ξ  ∂ y  ∂ y 
Aproximação da equação de Laplace:
∂ 2φ ∂ 2φ
+ =0 (3.46)
∂ x2 ∂ y 2
Substituindo (3.44) e (3.45) em (3.46)
∂ 2 φ  ∂ ξ 
2
 ∂ 2 φ   ∂ η   ∂ η 
2 2 2
 ∂ ξ

2   +   +    +  +
∂ ξ  ∂ x  ∂ y   ∂η   ∂ x 
2
∂ y 
 
2
 ∂ 2   ∂ η  ∂ 2 φ   ∂ η   ∂ ξ   ∂ η   ∂ ξ  
+ 2    + 2     +   +
∂ η  ∂ x   ∂ ξ ∂ η   ∂ x   ∂ x   ∂ y   ∂ y  
∂ φ  ∂ ξ   ∂ ξ    ∂ φ   ∂ 2η ∂ 2 η 
2 2
  +  +  + =0 (3.47)
∂ ξ  ∂ x   ∂ y    ∂η 2   ∂ x 2 ∂ y 2 
 
3.4 Aproximação da Equação de Condução de Calor Bidimensional.
Considere o problema bidimensional de transferência de calor, regido pela

equação abaixo.
1 ∂ θ ∂ 2θ ∂ 2 θ
= + (3.48)
α ∂ t ∂ x2 ∂ y 2
Figura 3.12.) Domínio de cálculo.
Para o domínio mostrado na figura 3.12, fazer a aproximação da equação (3.48)

por diferenças finitas e utilizar:
a) - formulação explícita
b) - formulação totalmente implícita.
a) Formulação explícita:
Fazendo θ =0 na discretização da equação (3.48):
1 θ P − θ 0P θ E − 2θ P + θ W θ N − 2θ P + θ S
0 0 0 0 0 0
= + (3.49)
α ∆t (∆ x )2 (∆ y )2
α∆ t α∆ t
θ P= [θ E − 2θ P + θ W ] + [θ N − 2θ P + θ S ] + θ P
(∆ x ) 2
(∆ y )2
α∆ t
θ P= [θ E + θ W ] + α∆ t2 [θ N + θ S ] + 2 α∆t2 (−θ P ) +
(∆ x )2
(∆ y ) (∆ x )
α∆ t
+ (− 2θ P ) + α∆t2 (− 2θ P ) + θ P
(∆ x )2
(∆ y )
θ P = rx [θ E + θ W ] + r y [θ N + θ S ] + (1 − 2 rx − 2r y )θ P (3.50)
Critério de Estabilidade:
 α∆ t
rx =
(∆ x)
2


r = α∆ t
 y ( ∆ y) 2

r = Fo é o número de Fourier.
α∆ t α∆ t 1
+ ≤
( ∆ x ) 2 (∆ y ) 2 2
 α α  1
∆ t + ≤
 ( ∆ x ) ( ∆ y ) 2  2
2
1
∆ t≤ (3.51)
 1 1 
2α  + 
 ( ∆ x) 2 ( ∆ y ) 2 
A equação (3.51) determina o valor máximo do passo de tempo admissível para o

problema explícito. Obviamente, qualquer valor menor de ∆t pode ser utilizado.
Rescrevendo a equação (3.50):
[ ] [ ]
θ P = rx θ 0E + θ W0 +r y θ 0N + θ 0S + (1 − 2(rx + ry ))θ 0P
Para ∆x=∆y, Fo=r =r x y
[
θ P = [1 − 4 Fo]θ 0P + Fo θ 0E + θ W0 + θ 0N + θ 0
S ] (3.52)
Figura 3.13.) Domínio discretizado

Para uma malha 3×3, o sistema de equações independentes para os

pontos nodais interiores, baseando-se na equação (3.50), é escrito como:
θ
 2 ,2 = rx (θ + 0 ) + r (θ + 0 ) + [1 − 2( r + r )]θ
3 ,2 y 2 ,3 x y
0
2 ,2
θ
 3 ,2 = r (θ + θ ) + r (θ + 0 ) + [1 − 2( r + r )]θ
x 4 ,2 2 ,2 y 3 ,3 x y
0
3 ,2
= r (0 + θ ) + r (θ + 0 ) + [1 − 2( r + r )]θ

θ
0
4 ,2 x 3 ,2 y 4 ,3 x y 4 ,2

θ 2 ,3 = r (θ + 0 ) + r (θ + θ ) + [1 − 2( r + r )]θ
x 3 ,3 y 2 ,4 2 ,2 x y
0
2 ,3

= r (θ + θ ) + r (θ + θ ) + [1 − 2(r + r ) ]θ

θ
0
3 ,3 x 4 ,3 2 ,3 y 3 ,4 3 ,2 x y 3 ,3 (3.53)

θ 4 ,3 = r (0 + θ ) + r (θ + θ ) + [1 − 2( r + r )]θ
x 3 ,3 y 4 ,4 4 ,2 x y
0
4 ,3

θ = r (θ + 0 ) + r (1 − θ ) + [1 − 2( r + r )]θ 0
 2 ,4 x 3 ,4 y 2 ,3 x y 2 ,4
= r (θ + θ ) + r (1 + θ ) + [1 − 2(r + r ) ]θ

θ
0
3 ,4 x 4 ,4 2 ,4 y 3 ,3 x y 3 ,4

θ 4 ,4 = r (0 + θ ) + r (1 + θ ) + [1 − 2( r + r )]θ
x 3 ,4 y 4 ,3 x y
0
4 ,4
Esse conjunto de equações pode ser resolvido, por exemplo, pelo método
de Jacobi (quando desejamos conhecer o processo transitório) ou pelo método de
Gauss-Seidel (desejando apenas o regime permanente).
b-) Formulação totalmente implicíta
Fazendo θ =1 na discretização da equação (3.48):
1 θ P − θ 0P θ E − 2θ P + θ W θ N − 2θ P + θ S
= + (3.54)
α ∆t (∆x )2 (∆y )2
θ P − θ P0 = rx [θ E − 2θ P + θ W ] + ry [θ N − 2θ P + θ S ]
− rx [θ E + θ w ] + (1 + 2( rx + r y ) )θ P − r y [θ N + θ S ] = θ P0 (3.55)
Para malha regular ∆x = ∆y = Fo=α.∆t / (∆x)2

Reescrevendo a equação acima:
− Fo[θ E + θ W ] + (1 + 4 Fo)θ P − Fo[θ N + θ S ] = θ P0 (3.56)
A equação acima pode ser escrita na forma:
− ASθ S − AW θ W + APθ P − AEθ E − AN θ N = B (3.57)
onde
{ AP == ( 4 Fo + 1 ) , B =θ 0P
{ AN = AS = α ∆t / ( ∆y )2 = Fo
{ AW = AE = α ∆t / ( ∆x )2 = Fo
A equação acima é comumente escrita na forma:
AP θ P = AW θ W + AE θ E + AS θ S + AN θ N + B (3.58)
O sistema de equações dependentes para uma malha 3×3, pode ser

construído como:
Chamando de A = ( 1 + 4 Fo )
A θ2,2 -Fo θ3,2 +0 -Fo θ2,3 +0 +0 +0 +0 +0 = Fo θ2,1 +Fo θ1,2 + θ 0 2,2
-Fo θ2,2 + A θ3,2 -Fo θ4,2 +0 -Fo θ3,3 +0 +0 +0 +0 = Fo θ3,1 + θ 0 3,2
0 -Fo θ3,2 + A θ4,2 -Fo θ2,3 +0 -Fo θ4,3 +0 +0 +0 = Fo θ4,1 +Fo θ5,2 + θ 0 4,2
-Fo θ2,2 +0 -Fo θ4,2 + A θ2,3 -Fo θ3,3 +0 -Fo θ2,4 +0 +0 = Fo θ1,3 + θ 0 4,3
0 -Fo θ3,2 +0 -Fo θ2,3 + A θ3,3 -Fo +0 -Fo θ3,4 +0 = θ 0 3,3
0 +0 -Fo θ4,2 +0 -Fo θ3,3 + A θ4,3 -Fo θ2,4 +0 -Fo θ4,4 = Fo θ5,3 + θ 0 4,3
0 +0 +0 -Fo θ2,3 +0 -Fo θ4,3 + A θ2,4 -Fo θ3,4 +0 = Fo θ1,4 +Fo θ2,5 + θ 0 2,4
0 +0 +0 +0 -Fo θ3,3 +0 -Fo θ2,4 + A θ3,4 -Fo θ4,4 = Fo θ3,5 + θ 0 3,4
0 +0 +0 +0 +0 -Fo θ4,3 +0 -Fo θ3,4 + A θ4,4 = Fo θ5,4 +Fo θ4,5 + θ 0 4,4
(3.59)
Devido ao acoplamento das equações, o sistema acima pode ser resolvido pelos
métodos de inversão de matrizes, eliminação de Gauss, Cholesky, Gradiente Conjugado,
etc.
TRABALHO I
Determinar o campo de temperatura para a placa bidimensional mostrada

na figura 3.14. Comparar os resultados com a solução analítica mostrada abaixo.
Condição Inicial:
Campo de temperaturas nulo:θ =0, no interior do domínio. i,j
Critério de Convergência:
t + ∆t
θ −θ t
t + ∆t
≤ 10 −3
θ
Critério de estabilidade:
método explícito:
a) Fo = 0,5
b) Fo = 0,1
c) Fo = 0,01
método totalmente implícito:
a) Fo = 50
b) Fo = 5,0
c) Fo = 1,0
Malhas a serem resolvidas:
x, y = no. colunas x no. linhas (Malha regular)

5 5
10 10
20 20
Solução Analítica:
∞
senh( nπ y L)
( −1) n +1 + 1 sin nπ x 
θ (x,y) = ∑
2
  n=1,2, 3, . . .
π n  L  senh( nπ W L)
n =1
Figura 3.14.) Isotermas em uma chapa retangular bidimensional
3.5 Estrutura da Matriz de Coeficientes.
A estrutura da matriz de coeficientes obtida na aproximação numérica é de

fundamental importância na escolha do método de solução do sistema linear.
A matriz de coeficientes do problema para os casos uni, bi, ou tridimensional é
mostrada abaixo:
X X  X X X  X X X X 0
X X X 0  X X X 0 X 0  X 
     X X 0 X 0 X 
 X X X   X X X X   X X X X X
     
 X X X  X 0 X X X X  X 0 X X X 0 X 
 X X X   X X X X 0 X   X X X X X 
     
 X X X   X X X X X  X 0 X X X 0 X
 0 X X X   X 0 X X X  X 0 X X X X 
     
 X X X  0 X X X X  X X 0 X X X
 X   X  0 X 
 X  X X  X X X
(a) (b) (c)

Figura 3.15.) Estrutura da matriz de coeficientes.
a) problemas 1 - D, matriz tridiagonal

b) problemas 2 - D, matriz pentadiagonal
c) problemas 3 - D, matriz heptadiagonal.
A estrutura da matriz se deve ao fato de no cálculo do valor de um nó estarem

envolvidos os valores dos nós vizinhos. Também de termos utilizado na discretização da
equação derivadas centrais.
É possível envolver mais pontos do que somente os vizinhos adjacentes para
contruir a matriz do problema. Se isto for feito, o número de zeros naquela linha se altera.
Pode-se envolver todos os pontos do domínio para a discretização de cada equação,
acarretando uma linha cheia (sem zeros), no sistema de equações.
A maioria das metodologias emprega o esquema de 5 pontos já visto, assim a
matriz de rigidez do problema é a mais simples possível.
Tabela 3.1) Índice de esparsidade em problemas bidimensionais.

Malha 10x10 20x20 40x40
Número de Elementos 104 16x104 256x104
da Matriz
Não-zeros 500 2000 8000
% de não-zeros 5% 1,25% 0,31%
Índice de Esparsidade 0,95 0,9875 0,9968
Memória requerida* 40/2 640/8 10240/32
[Kbytes]
* O número superior indica a quantidade de Kbytes necessária para
armazenar em simples precisão a matriz completa. O número inferior indica
quantos Kbytes serão necessários para armazenar somente os elementos
não-nulos desta matriz.
Uma característica importante das matrizes obtidas das aproximações numéricas

é o alto índice de esparsidade. O índice de esparsidade é definido pela porcentagem de
nulos comparados com os não-nulos da matriz.
As matrizes até agora estudadas são originárias de aproximações numéricas
estruturadas, cujos volumes possuem sempre o mesmo número de vizinhos. Em
discretizações não estruturadas, podemos ter diferentes números de vizinhos para cada
volume, originado matrizes com banda variável.
3.6 Solução do Sistema Linear de Equações.
Nesta seção serão apresentadas alguns métodos de solução de sistemas lineares

comumente utilizados para resolver o sistema de equações gerado.
O sistema de equações a ser resolvido tem a seguinte forma:
 E1 : a11 x1 +a 12 x2 +K +a 1n x n = b1
E : a x +a 22 x 2 +K +a 2n xn = b2
 2 21 1
 (I)
 M M M M
 E n : a n1 x1 + an 2 x 2 +K +a nn xn = bn
O qual pode ser escrito na forma matricial como:

AX=B
Em geral há dois métodos de solução do sistema linear de equações algébricas, a

saber, os métodos Direto e Iterativo.
Métodos Diretos: são aqueles que necessitam da inversão da matriz
completa, incluindo os não - zeros.
Há alguns métodos diretos, como o método de Cholesky, que necessitam apenas
do armazenamento da banda da matriz, mas exige que a matriz seja de banda,
simética e positiva definida.
Os métodos direitos, além da enorme memória requerida, exigem o manuseio
dos não nulos, influindo grandemente na taxa de convergência do método.
Métodos Iterativos: os métodos iterativos podem ser classificados em
iterativos ponto a ponto, linha a linha ou plano a plano.
Métodos Diretos:
a) Inversão de Matriz
O método de inversão de matrizes consiste em encontrar o valor de A-1 que

multiplicado pelo vetor do lado direito (B) do sistema de equações conduza diretamente a
solução. Normalmente, o método de inversão de matrizes aplica-se quando os sistemas
lineares são pequenos, por limitações de memória e necessidade de envolver todos os
elementos da matriz no processo de solução.
Após a inversão da matriz, a solução pode ser obtida como:
X = A−1 B
b) Método de eliminação de Gauss
O método de eliminação de Gauss consiste em triangularizar a matriz, de

modo a obter-se o valor de x n e executar a substituição retrógrada.
A matriz de coeficientes A e a matriz lado direito B do sistema de equações
(I), após a triangularização pode ser reescrita como:
 a 11 x1 a12 x2 K a 1n x n = b1
 0 = b2
 a22 x2 K a 2n xn
 (II)
 0 0 O M M
 0 0 0 a nn xn = bn
Os valores de aij e bj da matriz não são necessariamente os mesmos

valores iniciais.
O valor de x n pode ser determinado como:
bn
xn =
a nn
O valor de x n-1 pode ser determinado em função de x n:

bn− 1 − a n −1,n x n
x n− 1 =
an −1 ,n −1
Continuando o processo para as outras equações, chegamos ao seguinte

algoritmo:
∑
n
bi − a x
j =1 i , j j
xi = , para i= n-1, n-2, ..., 2, 1. (III)
ai ,i
Exemplo: resolver o sistema abaixo utilizando o método de eliminação de Gauss.

 2 x1 − x2 +0 +0 =1
−x +2 x2 − x3 +0 =0
 1
 (3.76)
 0 − x2 +2 x 3 − x4 =0
 0 +0 − x3 +2 x4 =1
O sistema acima pode ser reescrito na forma:

E1 :  2 −1 0 0 M 1
E 2 : −1 2 −1 0 M 0
 
E 3 :  0 −1 2 −1 M 0
 
E 4 :  0 0 −1 2 M 1
Fazendo (E1 + 2E2)→E2: 3x 2 - 2x 3 = 1

Fazendo (E2 + 3E3)→E3: 4x 3 - 3x 4 = 1
Fazendo (E3 + 4E4)→E4: 5x 4 = 5
Reescrevendo o sistema:
E1 : 2 −1 0 M 1 0
E 2 : 0 3 −2 0 M 1
 
E 3 : 0 0 4 −3 M 1
 
E 4 : 0 0 0 5 M 5
Após a triangularização do sistema, a aplicação da fórmula de recorrência

(III) conduz a solução:
 x1 =1
x =1
 2

x3 =1
 x 4 =1
Métodos Iterativos:
c) Método de Jacobi
Neste método, a variável dependente de cada ponto da grade é resolvida, usando-

se valores de um “chute” inicial ou valores previamente calculados. O novo valor de u na i, j
nova iteração (n +1) é:
u ni ,+j 1 = u(
1 n
4 i +1 , j
+ u ni −1 ,j + u in, j +1 + u in,j −1 ) (3.60)
onde n corresponde aos valores previamente estimados ou calculados. O processo

iterativo é repetido até que o critério de convergência especificado seja atendido. Esse
método é raramente usado (ou nunca) para as solução de equações elípticas.
Ap Tp = Ae TE + AW TW + An TN + As TS + B (3.61)
A equação (3.61) pode ser reescrita como:

Ap Tpn +1 = ∑ Anb Tnbn + B (3.62)
o ciclo iterativo é:
• Estimar: campo inicial da variável;
• Iterar em n;
• Calcular T usando a equação (3.62) para todos os pontos do domínio;
p
• Checar a convergência;
• Retornar se o critério não foi satisfeito.
O método de Jacobi é de lenta convergência e requer uma matriz com dominância

diagonal.
d) Método de Gauss-Seidel
Neste método, o valor da variável dependente é utilizado para calcular os pontos

vizinhos tão logo ele seja disponível. Isto certamente aumenta a taxa de convergência
dramaticamente sobre o método de Jacobi (~ 100%). O método é convergente se os
maiores elementos são localizados na diagonal principal da matriz coeficiente
(dominância diagonal).
O processo de iterativo pode ser resumido como:
• Estimar campo inicial da variável
• Iterar em n
• Calcular T pela equação (3.63.) onde foi considerada uma varredura de sul
p
para norte e de oeste para leste, podendo-se considerar conhecidas, na mesma varredura,
T e T.
w s
• Checar convergência
• Retornar se o critério não foi atendido
Ap Tpn +1 = ∑ Anb Tnbn + Ae TEn + An TNn + B (3.63)
Para um algoritmo vetorizado, o método de Jacobi pode ser mais eficiente que o
de Gauss-Seidel.
e) Método das Sobre - Relaxações Sucessivas - S.O.R
O Método de iteração Gauss-Seidel pode ser acelerado introduzindo-se um

parâmetro de relaxação.
A estrutura do processo iterativo é:
• Estimar campo inicial da variável;
• Iterar em n;
• Calcular os valor de T usando (3.63.);
• Sobre - relaxar usando a equação (3.64) ;
• Checar convergência;
• Retornar se o critério não foi satisfeito.
TPn +1 = wTPn+1 GS + (1 − w)TPn (3.64)
onde TPn +1 GS representa o valor calculado com o método de Gauss-Seidel e w o
coeficiente de relaxação. O coeficiente de relaxação serve para avançar mais

rapidamente a solução, quando o processo esta lento, ou “segurar” a variável quando a
mesma avança em demasia e pode causar divergência. Os valores recomendados de w
para avançar mais rapidamente a solução variam de 1.5 a 1.7, apesar deste valor
depender do tamanho da malha. Na prática, o método de tentativa e erro é usado para
determinar wótimo para um problema em particular.
f) Método Linha a Linha
Os métodos linha a linha resolvem diretamente uma linha. O método mais

conhecido é o algoritmo de Thomas ou (TDMA). Para problemas 2-D e 3-D são iterativos,
com a varredura se processando linha a linha e coluna por coluna.
Considere a malha unidimensional abaixo:
1 2 3 ... ... ... N-1 N
Figura 3.16) Malha unidimensional

1 e N são pontos sobre a fronteira
O valor da temperatura no ponto i pode ser determinada pela seguinte

equação algébrica:
a i Ti = bi Ti +1 + ci Ti −1 + d i (3.65)
Quando as condições de contorno são dadas, as equações para o ponto próximo

a fronteira tomam a forma trivial. Por exemplo, se T1 é dado, nós temos a1=1, b1=0, c1=0 e
d1= T1.
Essas condições implicam que T1 é conhecido em termos de T2. A equação para
i=2 é uma relação relação entre T1, T2 e T3. Como T1 pode ser expresso em termos de T2,
esta relação reduz-se a uma relação entre T2 e T3. Em outras palavras, T2 pode ser
expresso em termos de T3. Este processo de substituição pode ser continuado até que TN
seja formalmente expresso em termos de TN+1. Como TN+1 não tem significado, nós
obtemos o valor de TN neste estágio. Isto permite que façamos agora a substituição
retrógrada na qual TN-1 é obtida de TN , TN-2 de TN-1, T2 de T3 e T1 de T2.
Suponha que na substituição avançada, nós tenhamos uma relação:
Ti = Pi Ti +1 + Qi (3.66)
Antes obtivemos a seguinte relação:
Ti −1 = Pi −1Ti + Qi −1 (3.67)
Substituindo a equação (3.67) em (3.65):
ai Ti = bi Ti +1 + ci ( Pi −1 Ti + Qi −1 ) + d i (3.68)
Rearranjando a equação acima para parecer-se com a equação (3.66)
 bi   c Q + di 
Ti =   Ti+ 1 +  i i −1  (3.69)
 ai − ci Pi− 1   ai − ci Pi −1 
Comparando a equação (3.69) com a equação (3.66):
 bi 
Pi =   (3.70)
 ai − ci Pi −1 
 c Q + di 
Qi =  i i −1  (3.71)
 ai − ci Pi −1 
Estas são relações de recorrência, desde que elas dão o valor de Pi e Qi em

termos de Pi-1 e Qi-1. Para começar o processo de avanço, escrevemos a equação (3.66)
para o ponto i=1.
a 1T1 = b1T2 + d 1 (3.72)
Dividindo por a1:

b1 d
T1 = T2 + 1 (3.73)
a1 a1
Onde os valores de P1 e Q1 são:

b1 d1
P1 = , Q1 = (3.74)
a1 a1
Para o ponto N, temos bN=0⇒PN=0.

Portanto:
TN = Q N (3.75)
Podemos agora executar a substituição retrógrada via a equação (3.66).
O algoritmo para o problema pode ser resumido da seguinte forma:
Algoritmo TDMA
1. Calcule P1 e Q1 da equação (3.74)
2. Use as relações de recorrência (3.70) e (3.71) para obter Pi e Qi para i=2, 3,...,N.
3. Faça TN=QN.
4. Use a equação (3.66) para i=N-1, N-2,..., 3, 2, 1 para obter TN-1, TN-2, ...,T3, T2, T1.
Exemplo: resolver o sistema abaixo utilizando o método TDMA.
 2 x1 − x2 +0 +0 =1
−x +2 x2 − x3 +0 =0
 1
 (3.76)
 0 − x2 +2 x3 − x4 =0
 0 +0 − x3 +2 x4 =1
A nossa equação deve estar na forma:

a i Ti = bi Ti +1 + ci Ti −1 + d i (3.65)
que foi utilizada para deduzir as relacões de recorrência (3.70) e (3.71).

As equações no sistema (3.76) estão escritas na forma:
ci Ti− 1 + a i Ti + bi Ti +1 = di
Portanto, as equações (3.70) e (3.71) são reescritas como:
 −bi 
Pi =   (3.70)
 ai + ci Pi −1 
 d − ci Qi −1 
Qi =  i  (3.71)
 a i + ci Pi −1 
Os valores de P1 e Q1 são reescritos como:

−b1 d1
P1 = , Q1 = (3.74)
a1 a1
Para a primeira equação do sistema (3.76), utilizando a equação (3.74) obtemos:

−b1 1 d1 1
n=1 P1 = = , Q1 = =
a1 2 a1 2
1 3
n=2 ( a2 + c2 P1 ) = ( 2 − 1. ) =
2 2
 −b2  1 2
P2 =  = =
 a 2 + c 2 P1  3 3
2
1
 d 2 − c2 Q1  0 + 1. 2 2 1
Q2 =  = = =
 a 2 + c2 P1  3 6 3
2
2 4
n=3 ( a3 + c3 P2 ) = ( 2 − 1. ) =
3 3
 −b3  1 3
P3 =  = =
 a 3 + c 3 P2  4 4
3
1
 d 3 − c3 Q2  0 + 1. 3 1
Q3 =  = =
 a 3 + c3 P2  4 4
3
3 5
n=4 ( a4 + c4 P3 ) = ( 2 − 1. ) =
4 4
P4 = 0
1 5
 d 4 − c4 Q3  1 + 1. 4 4
Q4 =  = = =1
 a 4 + c4 P3  5 5
4 4
Da equação (3.75):
x 4 = Q4 = 1
Utilizando a equação (3.66) para executar a substituição retrógrada:

x N = PN x N +1 + QN
3 1
x 3 = P3 x4 + Q3 = .1 + = 1
4 4
2 1
x 2 = P2 x3 + Q2 = .1 + = 1
3 3
1 1
x1 = P1 x2 + Q1 = .1 + = 1
2 2
Finalmente, temos a solução do sistema linear:

 x1 =1
x =1
 2

x3 =1
 x 4 =1
No método TDMA é importante observar as condições de contorno dominantes

para realizar o processo de varredura, principalmente nesta direção.
e) Outros métodos utilizados na solução de sistemas lineares:
MSI - Modified Strongly Implicit;

ADI - Alternating Direction Implicit;
CGM - Conjugate Gradient Method;
ICCG - Incomplete Cholesky Conjugated Gradient.
3.7 Consistência, Estabilidade e Convergência.
Os problemas da engenharia e da física dão origem a sistemas de equações

complexas sobre cujos comportamentos matemáticos pouco se conhece. A dificuldade
esta em se obter as condições (tamanho de malha, tamanho de intervalo de tempo,
coeficientes de relaxação, etc..) para que as aproximações numéricas sejam estáveis e
convergentes.
A terminologia para esses conceitos importantes em simulação numérica são
dados abaixo.
Consistência: a aproximação numérica deve reproduzir a equação diferencial
quando os tamanhos da malha espacial e temporal tenderem a zero. Os erros de
trucamento na série de Taylor tendem a zero quando (∆x, ∆t)→0. Em resumo, as
equações discretizadas devem tender às equações diferenciais, quando a malha tender a
zero.
Estabilidade: um esquema numérico é estável se a solução numérica obtida é a
solução exata das equações discretizadas. Erros de arredondamento da máquina e
dificuldades no tratamento de acoplamento entre variáveis pode causar instabilidade.
Convergência: consistência e estabilidade são condições necessárias e
suficientes para a convergência.
Portanto, a solução numérica é convergente quando é estável e tende para a
solução das equações diferenciais quando a malha é refinada.
Exercícios
1-) Aproximação polinomial de 2 a. ordem.
Figura 3.5.) Função polinomial passando por três pontos.
a) Calcular a função φ (x) pela expressão polinomial:
φ ( x ) = a + bx + cx 2
Assuma que (x 2 - x 1) ≠ (x 3 - x 2)
 ∂φ
b) Calcular:  
 ∂ x x
 ∂φ  ∂φ  ∂φ ∂ 2 φ

c) Calcular:   ,  ,  e  , assumindo
 ∂ x1  ∂ x 2  ∂ x 3  ∂ x2  2
∆ x = ( x 2 − x1 ) = ( x3 − x 2 ) = cte
Solução de φ (x) :
( x − x 2 )( x − x3 ) ( x − x1 )( x − x 3 ) ( x − x1 )( x − x 2 )
φ ( x) ≅ φ 1+ φ 2+ φ
( x1 − x 2 )( x1 − x 3 ) ( x 2 − x1 )( x 2 − x 3 ) ( x 3 − x1 )( x 3 − x2 ) 3
2-) Resolver o problema de condução transitório abaixo, usando uma formulação

explícita. Use uma malha com 5 pontos (dois sobre as fronteiras) e admita as
temperaturas iguais a 1 nas fronteiras esquerda e direita. A condição inicial é T(x) = 0 em
todo o domínio. Considerando α = 1 e ∆x = 1, use ∆t = 0,25; 0,50 e 0,75, avance a

solução para 6 intervalos de tempo para cada caso. Comente os resultados.
∂T ∂ 2T
=α
∂t ∂ x2
1 2
3-) Dada a função f ( x) = x , calcule a primeira derivada de f em x=2,0 usando
4
aproximação em diferenças finitas avançada e retrógrada. Compare esses resultados
com uma aproximação em diferenças centrais e o valor analítico exato. Use um tamanho
de passo ∆ x = 0,1 e 0,4. Preencha o quadro abaixo.
∆ x = 0,1 ∆ x = 0,4 Valor ξ 0,1 ξ 0,4

Analítico
Der. Retrógrada
Der. Avançada
Der. Central
∂ f
4-) Dada a função f (x ) = sin (2π x ) , determine em x=0,375 usando
∂ x
representação em diferença central de ordem (∆x)2 e (∆x)4. Use passos 0,01, 0,1 e 0,25.
Compare e discuta os resultados. Preencha o quadro abaixo.

∂ f f − f i −1
= i +1 + O( ∆ x )
2
∂x 2( ∆ x )
Aproximação por diferenças centrais
∂ f f − f i −1
= i +1 + O( ∆ x )
2
ordem (∆ x)2:
∂x 2( ∆ x )
∂ f − f i+ 2 + 8 f i+ 1 − 8 f i −1 + f i− 2
+ O( ∆ x )
4
ordem (∆ x)4: =
∂x 12( ∆ x )
determinação do erro percentual:

 Valoraproximado − Valoranalitico 
ξ =   ×100 (%)
 Valoranalitico 
∆ x = 0,01 ∆ x = 0,1 ∆ x = 0,25 Valor ξ 0,01 ξ 0,1 ξ 0,25

Analítico
ordem (∆ x)2
ordem (∆ x)4
5-) Resolver o sistema linear abaixo usando os seguintes métodos:

a-) Eliminação de Gauss
b-) Jacobi
c-) Gauss-Seidel
d-) Sobre-Relaxações Sucessivas (w = 1.6)
e-) TDMA
E1 :  3 x1 − x2 +0 + x4 =3
E 2 :  − x 1 +7 x 2 −2 x 3 −2 x 4 =2

E 3 :  − 3 x1 − x2 +6 x 3 − x4 =1
E 4 :  x 1 + x2 + x3 +3 x 4 =6
6-) Considere o problema de condução de calor em uma barra longa (L>>D),

isolada lateralmente e cujas pontas são mantidas a temperaturas de 100oC e 500oC,
respectivamente. A barra tem comprimento L=0.5 m e a área transversal é de
A = 1.10-3 m2. A difusividade térmica pode ser tomada como α=1,0 m2/s. Calcule a
distribuição de temperatura para o regime permanente, usando as formulações:
a-) explícita
b-) totalmente implícita
Compare a solução obtida com a solução analítica da equação de condução de

calor unidimensional. Utilize 5 pontos internos e espaçamento regular da malha.
T1  140 
T   220
 2  
T3  = 300 
   
T4  380 
T5   460
 
CAPÍTULO 4
O Método dos Volumes Finitos
4 Métodos dos Volumes Finitos.
Um método poderoso para resolver equações diferenciais é o método dos

Resíduos Ponderados, o qual é descrito por Finlayson (1972). O conceito básico é
simples e interessante. Deixe a equação diferencial se representada por:
(φ ) = 0 (4.1)
Vamos assumir uma solução aproximada φ que contém um certo número de
parâmetro indeterminados:
φ = a0 + a1 x + a 2 x 2 + K + am x m (4.2)
onde os às são os parâmetros. A substituição de φ na equação diferencial gera um
resíduo R, definito como:

R= (φ ) (4.3)
Desejamos minimizar o resíduo o máximo possível. Vamos propor que:
∫ W Rdx = 0 (4.4)
onde W é a função peso e a integração é feita sobre o domínio de interesse.

Escolhendo uma sucessão de funções peso podemos gerar tantas equações que
forem necessárias para avaliar os parâmetros. Diferentes versões do método (conhecido
por nome específico) resultam da escolha de classes diferentes de funções.
Cap. 4 - O Método dos Volumes Finitos 42
A mais simples função peso é W = 1. Disto um número de equações de resíduos

ponderados podem ser gerados dividindo-se o domínio de cálculo em subdomínios ou
volumes de controle, e fazendo a função peso igual a 1 num subdomínio num determinado
tempo e zero fora dele. Esta variante do método dos resíduos ponderados é chamada de
método Subdomínio ou formulação dos Volumes de Controle. Isto implica em que a
integral do resíduo sobre cada volume de controle deve tornar-se zero.
4.1 O Método dos Volumes Finitos.
O domínio de cálculo é dividido em volumes de controle não sobrepostos de modo

que haja um nó da malha em cada volume de controle. A equação diferencial é integrada
sobre cada volume de controle. Perfis expressando a variação de φ entre pontos da
malha são utilizados para avaliar as integrais. O resultado é a discretização das

equações contendo os valores de φ para um grupo de pontos da malha. A preferência
em se obter as equações aproximadas integrando-se a equação diferencial é que nem

todos os balanços são fáceis de deduzir.
O método também pode ser demonstrado através da realização de balanços da
propriedade em questão nos volumes elementares ou finitos.
Considere o volume elementar mostrado abaixo. O balanço de massa no volume
elementar é:
ρ u∆ y e − ρ u∆ y w + ρ v ∆ x n − ρ v∆ x s = 0 (4.5)
Figura 4.1.) Balanço de massa num volume de controle.

e, w, n, e s → pontos cardeais.
Dividindo a equação acima por ∆x ∆y:
ρu e − ρu ρv n − ρ v s
+ =0
w
(4.6)
∆x ∆y
Passando ao limite, obtemos a equação da conservação da massa para regime

permanente na forma diferencial.
∂ ( ρu ) ∂ (ρ v )
+ =0 (4.7)
∂x ∂y
A mais vantajosa característica (ou propriedade) da formulação dos volume de

controle é que a solução resultante implica que as quantidades, tais como: massa,
momento e energia são exatamente satisfeitas sobre qualquer grupo de volumes de
controle e, naturalmente, sobre todo o domínio. Esta característica é válida para qualquer
número de pontos da grade. Desse modo, uma malha grosseira exibe o balanço global
exato.
4.2 Condução Unidimensional Transitória.
Considere a equação unidimensional transitória com termo fonte dada por:
∂ ∂  k ∂T 
( ρ T ) =   +S (4.8)
∂t ∂ x  c p ∂ x 
Figura 4.2) Malha para o problema 1-D de condução de calor.

A integração no espaço e no tempo da eq. (4.8) produz:
∂  k ∂ T
t +∆ t e t +∆ t e
∂
∫ ∫ ∂ t ( ρ T ) dx dt = ∫ ∫ ∂ x  c p ∂ x  dx dt +
t w t w
t +∆t e
+ ∫ ∫ (S T
t w
P P + S C )dx dt (4.9)
o que resulta:
k t + ∆t
k ∂ T 
t + ∆t
( ) ∂T
e
∫ ρ − ρ = ∫  c − dt + ∫ (S PTP + S C )∆ x dt
0 0
T T dx (4.10)
w t  p ∂ x e c p ∂ x w  t
O termo fonte foi expandido em uma função linear da temperatura.

Usando o sobre-escrito “0” para o tempo anterior:
t + ∆t
 k ∂T k ∂ T 
t + ∆t
M P TP − M T = ∫  − dt + ∫ (S PTP + S C )∆ x dt
0 0
(4.11)
P P
c ∂ x c ∂ x 
t  p e p w t
onde M e M 0 representam a massa dentro do volume elementar nos dois níveis de

tempo.
Dependendo da função escolhida para o fluxo de calor nas faces do volume

elementar, teremos as formulações totalmente implícita, implícita e explícita.
A equação (4.11) pode ser rescrita como:
 k ∂T θ k ∂T θ 
M P TP − M T =  0 0
−  ∆t + S PT θP + SC ∆ x∆t ( ) (4.12)
 c p ∂ x e c p ∂ x w 
P P
onde TP também deve ser interpolado no tempo.
Devemos escolher uma função de interpolação espacial para a temperatura. Como

neste caso só existe difusão, é natural escolher uma função linear (diferenças centrais)
entre os pontos nodais.
T θ − TPθ 
θ
∂T
= E 
∂xe ∆x e 
θ  (4.13)
∂T TPθ − TWθ 
=
∂x w ∆x w 
Substituindo (4.13) em (4.12) e rearranjado:

M PTP k T θE k T θW  k k  θ
= + + − − TP +
∆t c p e ∆ xe cp w
∆ xw  c p ∆ x e c p ∆x 
w
M 0pT p0
+ + S pT θp ∆ x + S C ∆ x (4.16)
∆t
A função de interpolação no tempo é dada por:

T θ = θ T + (1 − θ )T 0 (4.17)
que por sua vez dá origem aos três tipos de formulações já discutidas.
Figura 4.3.) Função de interpolação no tempo.
Para a formulação explícita temos a forma:

(
APTP = AETE0 + AW TW0 + AP0 − AE − AW + S P ∆ x TP0∆ x ) (4.18)
onde:
MP M P0
AP = ; AP0 = (4.19)
∆t ∆t
k
AE = (4.20)
c p∆x
e
k
AW = (4.21)
c p ∆x
w
M P = ρ P ∆x e M P0 = ρ 0P ∆ x
Fazendo-se k, c e ρ constantes no domínio, considerando S =0 e utilizando uma

p P
malha igualmente espaçada, podemos determinar a condição de positividade do

coeficiente TP0 :
α ∆t 1
≤ (4.22)
∆ x2 2
Para a formulação totalmente implícita, ou seja, θ=1:

APTP = AETE + AW TW + AP0TP0 + S C ∆ x (4.23)
onde:
MP
AP = + AE + AW − S P ∆ x (4.24)
∆t
e A e A tem as mesmas expressões anteriores. Note que na formulação implícita é

e w
desejável que o termo Sp seja negativo para ajudar na magnitude do termo da diagonal do
sistema linear. Sistema lineares diagonalmente dominantes são resolvidos por método
até mesmo não poderosos, como os iterativos ponto a ponto.
Agrupando os dois últimos termos da equação (4.23) que são conhecidos, temos:
APTP = AETE + AW TW + B (4.25)
4.3 Linearização do Termo Fonte
A representação das equações de conservação muitas vezes desloca importantes

termos para o termo fonte, tentando manter a dominância diagonal da matriz. Neste
casos, cuidados especiais devem ser tomados para que o processo de solução iterativo
não divirja. Ver Patankar(1980), páginas 48 e 49 para maiores detalhes.
4.4 Condições de Contorno.
A equação (4.25) é a equação aproximada para um volume elementar genérico

deduzida para um volume interno. Para se obter o sistema de equações algébricas
completo é também necessário obter as equações para os volumes de controle das
fronteiras.
O modo mais coerente, do ponto de vista físico, de tratar as condições de contorno
será descrito.
Realizar-se-à a integração das equações de conservação também para os

volumes de fronteira, da mesma forma realizada para os volumes internos, respeitando a
condição de contorno existente.
Figura 4.4) Discretização unidimensional.
A equação discretizada para o volume P pode ser escrita como:
∂ ∂  k ∂ T
( ρ T ) =   (4.8)
∂ t ∂ x  c p ∂ x 
 k ∂T k ∂T  k q "f
M P TP − M T = 
0 0
−  ∆t = (T − TP ) +
 c p ∂ x e c p ∂ x w  c p ∆x E
P P
cP
M p Tp − M 0p Tp0 q''f
∆t
=
cp
−
k
cp ∆ x
( TP − TE ) (4.26)
e
Tipicamente, existem 3 tipos de condições de contorno encontradas em problemas

de condução de calor:
1) Temperatura prescrita - Neste caso, o valor de q ''f é dado por:
TP − T f
q ''f = k f (4.27)
∆xf
onde T é a temperatura especificada na fronteira.

f
2) Fluxo prescrito - Nesta situação, o valor de q ''f deve ser substituído pelo valor
prescrito do fluxo. Está é a condição de contorno natural, uma vez que as equações são
obtidas através do balanço dos fluxos das fronteiras.
q ''f = {Valor conhecido} (4.28)
3) Convecção - Para esta situação física, devemos igualar o calor que chega por
convecção com o calor por condução para dentro da fronteira.
T f − TP
q ''f = h (T∞ − T f ) = k (4.29)
∆xf
onde h é o coeficiente de transferência de calor por convecção. Isolando T da equação

f
anterior e substituindo-a no fluxo (convectivo ou difusivo) dado por uma das duas
expressões de (4.29), obtemos:
q ''f =
h
(T − TP )
h∆ x f ∞
(4.30)
1+
kf
Levando (4.30) em (4.26), encontramos a equação aproximada para o volume de

fronteira na forma.
APTP = AETE + B (4.31)
4.5 Aproximação da Equação de Poisson
A obtenção das equações para o caso 2-D ou 3-D é análogo ao procedimento já

mostrado na seção anterior para o problema 1-D.
Escrevendo a equação de condução de calor 2-D (assumindo propriedades
constantes e sem termo fonte), temos:
∂T  ∂ 2 T ∂ 2 T
= α +  (4.32)
∂t  ∂ x2 ∂ y2 
Para o caso de propriedades variáveis, ver Patankar (1980) ou Maliska (1995).

Figura 4.5.) Malha Bimensional. Utilização da célula de 5 pontos.
Vamos integrar a equação (4.32) no espaço e no tempo, aproximando as

derivadas nas interfaces do volume elementar por diferenças centrais e usando uma
formulação totalmente implícita.
Rescrevendo a equação (4.32)
∂ T ∂  ∂ T ∂  ∂ T
= α + α  (4.33)
∂ t ∂ x  ∂ x ∂ y  ∂ y
O diferencial de volume é dado por :

d∀ = dx .dy.1
t +∆ t t+ ∆ t
∂T ∂  ∂ T
∫ ∫∀ ∂ t dx dy dt = ∫ ∫ ∂ x  α ∂ x  dx dy dt +
t t ∀
t +∆ t
∂  ∂ T
+ ∫ ∫ ∂ y  α ∂ y  dx dy dt
t ∀
 ∂T ∂T 
(T p )
− Tp0 ∆ x ∆ y = α
 ∂ x e
−α ∆ y ∆ t +
∂ x w 
 ∂T ∂T 
+α −α ∆ x ∆ t (4.34)
 ∂ y n ∂ y s 
As derivadas nas faces são expressas como:

θ
∂T TEθ − TPθ
= a-)
∂x e
∆ xe
θ
∂T TPθ − TWθ
= b-)
∂x w
∆ xw
θ
∂T TNθ − TPθ
= c-)
∂ y n
∆ yn
θ
∂T TPθ − TSθ
= d-)
∂ y s
∆ ys
Substituindo a-), b-), c-), e d-) em (4.34), e fazendo θ=1, obtemos:
TP 1   TE − TP  T −T 
= α   − α  P W   +
∆t ∆ x   ∆ x e   ∆ xw 
1   TN − TP   TP − TS   T 0P
+ α   − α    +
∆ y   ∆ y n   ∆ ys   ∆t
TP α TE α TP α TP α TW
= − − + +
∆t ∆ x ∆x e ∆ x ∆ xe ∆ x ∆ xw ∆x ∆ x w
α TN α TP α TP α TS T0
+ − − + + P
∆ y ∆ y N ∆ y ∆ y N ∆ y ∆ y S ∆ y ∆ yS ∆t
TP α TE α TW α TN α TS
= + + + −
∆t ∆ x ∆ xe ∆ x ∆ xw ∆ y ∆ yn ∆ y ∆ y s
 α α α α  TP0
−  + + + TP +
 ∆ x∆ xe ∆ x ∆x w ∆ y∆ y n ∆ y ∆ y s  ∆t
Multiplicando tudo por ∆x.∆y, temos:
 ∆ x∆ y α ∆ y α ∆ y α ∆ x α ∆ x 
 + + + + T =
 ∆t ∆ xe ∆ x w ∆ yn ∆ y s  P
α∆y α ∆y α ∆x α ∆x ∆ x∆ y 0
TE + TW + TN + TS + TP (4.35)
∆ xe ∆ xw ∆ yn ∆ ys ∆t
Fazendo:
∆ x∆ y
a 0P =
∆t
α ∆y
aE =
∆ xe
α ∆y
aW =
∆ xw
α ∆x
aN =
∆ yn
α ∆x
aS =
∆ ys
b = a 0p Tp0
a P = a 0P + a E + aW + a N + a S
A equação (4.35) pode ser escrita agora como:

a P TP = a E TE + aW TW + a N TN + a S TS + b (4.36)
Na montagem do sistema linear:

−a S TS − aW TW + a P TP − a E TE − a N TN = b (4.37)
TRABALHO II
Resolver o problema proposto no TRABALHO I, com as mesmas condições,

utilizando o método dos Volumes Finitos. Comparar com os resultados obtidos com
Diferenças Finitas e solução analítica. Atentar para o tratamento dos pontos adjacentes
às fronteiras e para o critério de estabilidade, diferentes do método de Diferenças
Finitas.
Exercício
1-) Resolver o exercício 5, proposto no capítulo 3, utilizando o método dos Volumes

Finitos.
Referências Bibliográficas
1. Carey e Oden (1981) - “Finite Elements”, vol. I, Prentice-Hall, New Jersey.
2. Cook, Malkus & Plesha (1988) - “Concepts and Applications of Finite Element
Analysis”, 3nd Edition, John Wiley & Sons, New York.
3. Crolt, David R. (1987) - “Heat Transfer Calculations Using Finite Difference

Equations”, Applied Science Publishers Ltda.
4. Davis, J.P. & Rabinowitz, P. (1984) - “Methods of Numerical Integration”, 2nd

Edition, Academic Press Inc., Ltd., London.
5. Duarte, C.A.M. & Oden, J.T. (1995) - “Hp Clouds - A Meshless Method to Solvd
Boundary-Value Problems”, TICAM Report 95-05.
6. Duarte, C.A.M. (1995) - “A Review of Some Meshless Methods to Solve Partial

Differential Equations”, TICAM Report 95-06.
7. Finlayson, B. A.(1972) - “The Method of Weighted Residuals and Variational

Principles”, Academic, New York.
8. Hinton, E. & Campbell, J. S. (1974) - “Local and Global Smoothing of

Discontinuous Finite Element Functions Using a Least Square Method”, Int. J.
Num. Meth. Eng., vol 8, pp. 461-480.
9. Hirsch, Charles (1988) - “Numerical Computation of Internal and External Flows”,

John Wiley & Sons.
10. Hoffmann, Klaus A. & Chiang, Steve T.(1993) - “Computational Fluid Dynamics for
Engineers”, vols I e II, Engineering Educational System.
11. Hughes (1987) - “The Finite Element Method: Linear Static and Dynamic Finite
Element Analysis”, Prentice-Hall, Englewood Cliffs, New Jersey.
12. Maliska, Clóvis R.(1995) - ”Transferência de Calor e Mecânica dos Fluidos
Computacional”, Editora LTC.
13. Mathews, J. H. (1992) – “Numerical Methods for Mathematics, Science and

Engineering “, Prentice Hall, 2 nd Edition.
14. Mitchell, A. R. e Griffiths, D. F. - (1980), “The Finite Difference Method in Partial

Diferential Equations”, John Wiley & Sons.
15. Patankar, Suhas V.(1980) - “Numerical Heat Transfer and Fluid Flow”,
Hemisphere Publishing Corporation.
16. Pian & Tong (1987) - “Mixed and Hybrid Finite-Element Methods”, em "Finite
Element Handbook", Part 2, "FEM Fundamentals", H. Kardestuncer, Cap. 5, McGraw-
Hill Book Company.
17. Smith, G. D. (1987) - “Numerical Solutions of Partial Differential Equations

(Finite Difference Methods)”, 3a edição, Oxford University Press.
18. Szabó & Babuska (1991) - “Finite Element Analysis”, John Wiley & Sons, Co., New
York (USA).
19. Timoshenko, S.P. & Goodier, J.N. (1980) - “Teoria da Elasticidade”, 3a. Ed.,
Guanabara Dois, Rio de Janeiro.
20. Versteeg, H. K. & Malalasekera W., “An introduction to Computational Fluid

Dynamics: The Finite Volume Method”, Longman Scientific Technical, England,
1995.
21. Wendt, John F. (1992) - “Computational Fluid Dynamics - An Introduction”, A

Von Karman Institute Book, Springer - Verlag.
22. Zienkiewicz & Zhu (1987) - “A Simple Error Estimator and Adaptive Procedure for
Pratical Engineering Analysis”, Int. J. Num. Meth. Eng., vol 24, pp. 335-357.

Apos MN 2000 1s

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Apos MN 2000 1s

Enviado por

Direitos autorais:

Formatos disponíveis

CEFET/PR - CENTRO FEDERAL DE EDUCAÇÃO

MÉTODOS NUMÉRICOS PARA A ENGENHARIA

Prof. Dr. Admilson T. Franco

DIFERENÇAS FINITAS, VOLUMES FINITOS E

Prof. Dr. Admilson T. Franco

Equações diferenciais ordinárias e parciais aparecem em inúmeros problemas da

Tabela 1.1) Comparação entre o Eniac e o Pentium.

Pentium.Pro ≅100 mil vezes mais rápido que o Eniac.

O uso de técnicas numéricas para solução de complexos problemas de

forma jamais imaginada a 30 ou 40 anos atrás. Isto foi possível principalmente ao

supersônicos em grandes altitudes ou simulação de reservatórios de petróleo. Na

1.1 Diferenças Finitas, Volumes Finitos e Elementos Finitos.

foi para a área estrutural, na solução de problemas de elasticidade. Os problemas de

Figura 1.1: Exemplos de Aplicação dos Métodos Numéricos

Aspectos Matemáticos das Equações,

2.1 Níveis de Formulação dos Modelos.

A obtenção da solução de qualquer problema físico requer a habilidade da criação

Figura 2.1) Métodos de Solução (Maliska,1995)

Tabela 2.1) Níveis de Formulação dos Modelos (Maliska,1995)

As equações acima podem ser escritas para um campo escalar geral φ :

O fechamento do problema é obtido com a equação de estado:

Problema tridimensional (3-D), compressível, 6 equações e 6 incógnitas: ρ ,u ,v ,w ,P

2.2 Problemas Elípticos, Parabólicos e Hiperbólicos.

A classificação dos problemas em elípticos, parabólicos e hiperbólicos pode ser

2.2.2) Problemas Parabólicos e Hiperbólicos.

Do ponto de vista numérico, é importante reconhecer as características das

Defini-se os problemas de Transferência de Calor e Mecânica dos Fluidos em

Figura 2.2) Valores de φ, Γφ e S φ

Procurando compatibilizar esta definição com a definição matemática, podemos

2.2.3 Problemas Elípticos.

Os problemas elípticos são aqueles nos quais as informações físicas se

Figura 2.3.) Problemas Elípticos, Parabólicos e Hiperbólicos

Os termos difusivos possuem derivadas de segunda ordem, requerendo, portanto,

O Método das Diferenças Finitas

A solução analítica das equações diferenciais parciais envolve expressões na

Equação diferencial Sistema de equações

Por conveniência, vamos assumir que o espaçamento dos pontos da grade

também uniforme e dado por ∆ y .

Na figura abaixo, os pontos da malha são identificados na direção x pelo índice i

Figura 3.2.) Pontos discretos da malha.

3.1 Base do Método de Diferenças Finitas.

Representações das derivadas em diferenças finitas são baseadas na expansão

A equação (3.1) é matematicamente uma expressão exata se:

Para computação numérica, é impraticável calcular um número infinito de termos.

de ordens maiores forem desprezados, nós obtemos:

onde a equação (3.3) tem acurácia de primeira ordem.

e o erro de trucamento para a equação (3.3) é:

O erro de trucamento pode ser reduzido por:

Derivada a jusante, com acurácia de primeira ordem:

Derivada a montante, com acurácia de primeira ordem.

Substituindo a equação (3.9) em (3.1)

Derivada central de segunda ordem.

Expressões em diferenças para as derivadas em y são obtidas da mesma

A equação (3.12) é análoga a equação (3.11).

ponto (i, j). Por exemplo:

A figura abaixo mostra a interpretação geométrica das derivadas.

Figura 3.3.) Interpretação geométrica das fórmulas de diferenças finitas para as

Muitas outras aproximações diferentes podem ser obtidas para as derivadas

Figura 3.4.) Pontos da malha na fronteira

fronteira. A aproximação mais fácil é a derivada a jusante:

Aplicando a equação (3.16) para os pontos da malha.

Resolvendo este sistema para b :

Retornando a equação (3.16) e diferenciando: