Escolar Documentos
Profissional Documentos
Cultura Documentos
RODRIGO ROMAIS
SINOP-MT
2011
1
RODRIGO ROMAIS
SINOP-MT
2011
2
_______________________________________
RODRIGO ROMAIS
_______________________________________
Prof. Dr. Darci Peron
Orientadora
_______________________________________
Prof. Dr. Miguel Tadayuki Koga
Avaliador
_______________________________________
Prof. Ms. Nadison Luiz Pavan
Avaliador
_______________________________________
Prof(a). Prof. Dr. Darci Peron
Presidente da Banca
DEDICATÓRIA
Rodrigo
4
AGRADECIMENTOS
Agradeço a Deus pela oportunidade da realização deste curso de graduação. Agradeço aos
meus queridos pais, Luciano e Vera, que sempre acreditaram e me deram força para concluir
esta etapa.
Agradeço a professora orientadora Darci Peron, que em meio às dificuldades sempre esteve
presente durante o último semestre da graduação, e aos queridos co-orientadores Rogério dos
Reis Gonçalves e André Luis Christoforo que sempre estiveram me acompanhando desde o
início deste projeto de pesquisa, sempre incentivando para a pesquisa e publicação de
trabalhos.
Agradeço aos meus colegas de sala, em especial a Adriana e Tiago que sempre estiveram
juntos nos estudos e nas demais maluquices.
Por fim, agradeço as demais pessoas, amigos, professores, parentes, que em algum momento,
de uma forma ou outra, estiveram presente e que contribuíram para a busca do conhecimento.
5
EPÍGRAFE
“A vida é aquilo que acontece enquanto fazemos planos para o futuro. Pense globalmente e
atue localmente”.
John Lennon
6
RESUMO
Métodos numéricos são extremamente úteis na resolução de muitos problemas físicos que são
em geral modelados por equações diferenciais ordinárias, e surgem como alternativa para a
obtenção de resultados que quase sempre não podem ser obtidos por procedimentos analíticos.
Dentre os métodos numéricos utilizados na resolução de equações diferenciais ordinárias
destaca-se os Métodos de Runge-Kutta, pela simplicidade de implementação computacional e,
também, pela facilidade na obtenção das aproximações de suas versões, diferenciando dos
métodos cujo desenvolvimento origina-se da expansão em série de Taylor. Em se tratando da
resolução numérica de equações diferenciais ordinárias de primeira ordem, este trabalho
apresenta e aplica cinco versões do Método de Runge-Kutta na resolução de um problema
governado pela lei de resfriamento de Newton, com solução analítica conhecida, de maneira a
confrontar os resultados numéricos advindos das aproximações com o analítico,
evidenciando-se dentre estes o método mais eficiente. Para a obtenção dos resultados
numéricos, este trabalho utiliza o software Mathcad na versão 2000.
7
ABSTRACT
Numerical methods are extremely useful in solving many physical problems that are usually
modeled by ordinary differential equations, and arise as an alternative to obtaining results that
often cannot be obtained by analytical procedures. Among the numerical methods used in
solving ordinary differential equations stands out the Runge-Kutta methods, by computational
simplicity of implementation and also by ease in obtaining approximations of its versions,
differing methods whose development originates from the expansion Taylor series.
Concerning the numerical solution of ordinary differential equations of first order, this paper
aims to present and apply the five versions of Runge-Kutta method to solve a problem
governed by Newton's law of cooling, with known analytical solution, in order to confront
arising from the numerical results with analytical approximations, showing that amongst these
the most efficient method. To obtain the numerical results we use the software Mathcad 2000
version.
8
LISTA DE FIGURAS
LISTA DE TABELAS
SUMÁRIO
INTRODUÇÃO ................................................................................................... 12
1. CONCEITOS INICIAIS ................................................................................. 14
1.1. Continuidade de Função ............................................................................. 14
1.2. Diferenciabilidade ....................................................................................... 16
1.3. Equações Diferenciais ................................................................................. 17
1.3.1. Classificação por Tipo ................................................................................. 17
1.3.2. Classificação por Ordem ............................................................................. 18
1.3.3. Classificação por Linearidade ..................................................................... 20
1.4. Solução de uma EDO .................................................................................. 20
1.4.1. Intervalos de Definição ............................................................................... 21
1.5. Solução de uma EDO ................................................................................. 21
1.6. Problemas de Valor Inicial ......................................................................... 22
2. MÉTODOS DE RUNGE-KUTTA ................................................................. 23
2.1. Método de Runge-Kutta de 1ª Ordem ......................................................... 25
2.2. Método de Runge-Kutta de 2ª Ordem ......................................................... 26
2.3. Método de Runge-Kutta de 3ª Ordem ......................................................... 27
2.4. Método de Runge-Kutta de 4ª Ordem ......................................................... 27
2.5. Método de Runge-Kutta de 5ª Ordem ......................................................... 28
2.6. Compreensão Geométrica do Método de Runge-Kutta .............................. 29
3. PROBLEMA MODELO ................................................................................. 32
3.1. Resolução Analítica Do Problema Modelo ................................................. 34
3.2. Solução Numérica do Problema Modelo .................................................... 38
3.3. Utilização do software Mathcad 2000, para a aplicação do Método de
Runge-Kutta ................................................................................................ 38
3.4. Aproximações Por Cinco Partições Do Domínio ........................................ 39
3.5. Aproximações Por Dez Partições Do Domínio ........................................... 40
3.6. Aproximações Por Vinte Partições Do Domínio ......................................... 41
CONSIDERAÇÕES FINAIS ............................................................................. 43
BIBLIOGRÁFIA CONSULTADA ...................................................................... 44
APENDICES ........................................................................................................ 45
4. SOFTWARE MATHCAD 2000 ..................................................................... 45
4.1. Barra de Menus ........................................................................................... 46
4.2. Barra de Ferramentas Matemáticas ............................................................ 46
4.3. Um Cálculo Simples ................................................................................... 50
ANEXOS ............................................................................................................. 51
12
INTRODUÇÃO
A resolução de uma equação diferencial ordinária (EDO) pode ser encontrada em aplicações
como reações químicas, decaimento radioativo e corpos em queda. No entanto, nem toda
equação diferencial apresenta solução analítica. Para se contornar esta problemática, surgem
os métodos numéricos.
A metodologia desenvolvida neste trabalho é por meio de pesquisa bibliográfica, que consiste
em aplicar a leitura de determinadas referências ao projeto de pesquisa, como trabalhos
científicos e livros publicados conforme descreve Silva & Menezes (2001).
Este trabalho de conclusão de curso tem por objetivo, apresentar e aplicar os Métodos de
Runge-Kutta de primeira, segunda, terceira, quarta e quinta ordem na resolução de um
problema referente ao estudo da lei de resfriamento de Newton cuja variação da temperatura
de um corpo exposto a um ambiente termicamente controlado, de maneira a se constatar
dentre os métodos aproximados, aquele que mostrou ser o mais eficiente, além de motivar os
acadêmicos da área de exatas da UNEMAT ao estudo analítico e numérico de equações
diferenciais, mediante a importância das suas aplicações.
O segundo capítulo traz uma apresentação das cinco versões do método de Runge-Kutta, cujo
procedimento numérico destaca uma precisão tão boa quanto resultados advindos da série de
Taylor.
O quarto capítulo traz uma apresentação do software Mathcad 2000, com alguns comandos e
operações básicas, de modo que, fique um pouco mais claro como foram obtidos as
aproximações do método, a resolução analítica do ponto de interesse do problema modelo e os
respectivos cálculos de erro.
14
1. CONCEITOS INICIAIS
Seja 𝑓 uma função, ela é dita continua se satisfaz a seguinte definição conforme Stewart
(2006):
Implicitamente a definição acima requer algumas regras, para que 𝑓 seja contínua em 𝑎:
Quando 𝑎 = 2, há uma descontinuidade por haver um buraco na função, a razão para isso
ocorrer está em 𝑓(2) não ser definida pelo domínio da função.
E quando 𝑎 = 7, 𝑓(7) é definida, e lim𝑥→7 𝑓(𝑥)existe, pois os limites direito e esquerdo são
iguais. Mas lim𝑥→7 𝑓 (𝑥) ≠ 𝑓(7), logo 𝑓 é descontínua também quando 𝑎 = 7.
16
1.2. Diferenciabilidade
Uma função 𝑓 é dita derivável ou diferenciável se existir derivadas em todo ponto do domínio
da função, sabendo que 𝑓é sempre contínua em todo intervalo 𝐼, de acordo com ZILL (2003):
Uma das melhores formas de conceituar equações diferenciais pode ser conforme Zill (2003):
Se uma equação contiver apenas derivadas ordinárias, com uma ou mais variáveis
dependentes em relação a uma única variável independente, ela é dita equação diferencial
ordinária (EDO).
Uma equação que envolve derivadas parciais de uma ou mais variáveis dependentes de duas
ou mais variáveis independentes é chamada de equação diferencial parcial (EDP).
Alguns exemplos de equações diferenciais parciais:
𝜕2𝑢 𝜕2𝑢
+ =0
𝜕𝑥 2 𝜕𝑦 2
𝜕2 𝑢 𝜕2𝑢 𝜕𝑢
2
= 2 −4
𝜕𝑥 𝜕𝑡 𝜕𝑡
18
𝜕𝑢 𝜕𝑣
=−
𝜕𝑦 𝜕𝑥
As derivadas apresentadas ao longo deste e dos demais capítulos terá como notação de
𝑑𝑦 𝑑2 𝑦
Leibniz 1 , , ou a notação de linha: 𝑦 ′ , 𝑦 ′′ , 𝑦′′′.
𝑑𝑥 𝑑𝑥 2
A ordem de uma EDO ou EDP está na maior derivada encontrada na equação conforme
Figura 1.4:
O primeiro termo da equação diferencial apresenta derivada de ordem dois, portanto é dita
uma equação diferencial de segunda ordem.
(𝑦 − 𝑥 )𝑑𝑥 + 4𝑥𝑑𝑦 = 0
Com:
1
Notação de Leibniz: Gottfried Wilhelm Leibniz (1646 - 1716), considerado pai do cálculo moderno,
inicialmente usa a notação 𝑑𝑥 e 𝑑𝑦 para representar termos infinitesimais, ou para representar termos
extremamente pequenos de 𝑥 e 𝑦, em que y é uma função de 𝑥.
19
𝑑𝑦
𝑦′ =
𝑑𝑥
4𝑥𝑦 ′ + 𝑦 = 𝑥
Em geral, uma equação diferencial ordinária de ordem 𝑛, toma a seguinte forma conforme
equação (1.2):
𝑑 (𝑛) 𝑦
= 𝑓�𝑥, 𝑦, 𝑦 ′ , … , 𝑦 (𝑛−1) � (1.3)
𝑑𝑥 (𝑛)
Onde 𝑓 é uma função contínua de valores reais. Por convenção utiliza-se a seguinte forma
normal em (1.4) e (1.5)
𝑑𝑦
= 𝑓(𝑥, 𝑦)
𝑑𝑥 (1.4)
𝑑2𝑦
= 𝑓(𝑥, 𝑦, 𝑦′) (1.5)
𝑑𝑥 2
Uma equação diferencial de ordem 𝑛, é dita linear, equação (1.2), se 𝐹 for linear em
𝑦, 𝑦 ′ , … 𝑦 𝑛 . Significa que, uma EDO de n-ésima ordem é linear quando da equação (1.2) for
da forma, conforme equação (1.6):
Onde:
𝑎𝑛 , 𝑎𝑛−1 , … , 𝑎1 , 𝑎0 : são coeficientes lineares de uma EDO.
𝑔(𝑥): função contínua linear.
A equação (1.6) apresenta todas as características de uma equação diferencial linear, uma que
a variável dependente e todas as derivadas apresentam ordem um. Outra que, cada coeficiente
no máximo depende da variável independente 𝑥.
Alguns exemplos:
(𝑦 − 𝑥 )𝑑𝑥 + 4𝑥 ∙ 𝑑𝑦 = 0
𝑦 ′′ − 2𝑦 ′ + 𝑦 = 0
𝑑3𝑦 𝑑𝑦
3
+𝑥∙ − 5𝑦 = 𝑒 𝑥
𝑑𝑥 𝑑𝑥
Uma solução de uma equação diferencial ordinária de ordem 𝑛 de acordo com a equação (1.2)
é uma função 𝜙 que tem pelo menos 𝑛 derivadas, no qual satisfaça:
𝐹�𝑥, 𝜙(𝑥 ), 𝜙 ′ (𝑥 ), … , 𝜙 𝑛 (𝑥 )� = 0
21
Sabendo que nem toda equação diferencial apresenta solução analítica, mas havendo solução
podemos defini-la conforme Zill (2006):
As equações diferenciais ordinárias geralmente são governadas por modelos que descrevem
quantitativamente fenômenos de diversos seguimentos, como mecânica dos fluidos, fluxo de
calor, corpos em queda, reações químicas, decaimento radioativo, economia, biologia etc.
Se uma equação de ordem 𝑛, logo a expressão apresenta derivadas de ordem 𝑛 − 1 e se na
equação são especificadas características em um mesmo ponto, isto é, ao problema modelo é
dado algumas condições para que exista uma possível solução, caracteriza-se então, um
problema de valor inicial (PVI).
22
Sabendo que nem toda EDO apresenta solução analítica para determinado problema e para
contornar esta problemática surgem os métodos numéricos para estimar as respectivas
soluções aproximadas. A razão mais forte para a aplicação de tais métodos numéricos para
aproximar soluções de problemas de valor inicial (PVI) está na dificuldade de se encontrar
analiticamente as soluções de uma equação. Em muitos casos a teoria garante existência e
unicidade de solução, mas para um PVI nem sempre se torna viável.
𝑦 ′ = 𝑓(𝑥, 𝑦)
Dado o PVI: �
𝑦(𝑥0 ) = 𝑦0
Seja 𝑥1 , 𝑥2 ,..., 𝑥𝑛 , de modo que sejam igualmente espaçados, isto é, 𝑥𝑖+1 − 𝑥𝑖 = ℎ, com
𝑖 = 0, 1, 2, …, para realizar as aproximações fazendo𝑦𝑖 cada vez mais próximo de 𝑦(𝑥𝑖 ),
utilizando as informações anteriores.
Se, para calcular 𝑦𝑗 usa-se somente𝑦𝑗−1 , então o problema de valor inicial utiliza um método
de passo um. Mas e se o problema utilizar mais valores, o caso se expande e a utilização cabe
a um método de passo múltiplo.
Por se tratar de um PVI de primeira ordem e dada uma condição ou aproximação inicial
𝑦(𝑥0 ), na qual se torna possível encontrar solução. Os métodos de passo umsão classificados
como auto iniciantes. Já os métodos de passos múltiplos já dependem de artifícios (como usar
métodos de passo simples) para encontrar as aproximações iniciais necessárias.
2. MÉTODOS DE RUNGE-KUTTA
Por volta do início do século XX, Carl Runge (1856 - 1927) e Max Wilhelm Kutta (1867 -
1944) iniciaram os estudos sobre resoluções alternativas de equações diferenciais, na qual as
maiorias dessas equações não podem ser resolvidas por meios analíticos, a grande saída
estava no estudo da interação numérica, e tornou-se popular devido suas propriedades e sua
fácil utilização. O Método de Runge-Kutta tem sido considerado como uma generalização das
regras de interação
As primeiras equações diferenciais são tão antigas quanto o cálculo diferencial. Newton, em
1671, discutiu uma solução das equações diferenciais por meio de integração e expansão de
series. Leibniz chegou às equações diferenciais por volta de 1676, deparando-se a um
problema geométrico do “inverso das tangentes”: tomando uma curva 𝑦(𝑥) a tangente a cada
ponto 𝑃 tem um comprimento constante, com o eixo dos 𝑥′𝑠,chamando-o de 𝑎. Este problema
gerou a seguinte equação diferencial:
𝑦
𝑦′ = −
√𝑎2 − 𝑏2
𝑓 ( 𝑥 ) = � 𝑎𝑛 ( 𝑥 − 𝑎 ) 𝑛 (2.1)
𝑛=0
𝑓 (𝑛) (𝑎)
𝑎𝑛 =
𝑛!
Em outras palavras a Série de Taylor é uma expansão de funções em torno de um único ponto,
no qual é convergente. Da equação (2.1) pode-se expandir para:
Em que a função 𝑎 é o centro da série, e pode ser encarada como uma função Real ou
Complexa.
𝑦𝑖+1 = 𝑦1 + ℎ ∙ 𝑓(𝑥𝑖 , 𝑦𝑖 )
26
Com 𝑖 = 0, 1, 2, …
De acordo com equação (2.2), o método de Runge-Kutta de primeira ordem, que também é
conhecida por Método de Euler, e pode ser representado conforme equação (2.3):
𝑦𝑖+1 = 𝑦𝑖 + 𝑎1 . 𝑘1 (2.3)
Em que:
𝑎1 – uma constante para o método de ordem 1;
𝑦𝑖 – iteração anterior, ou passo inicial se 𝑖 = 0;
𝑘1– ℎ ∙ 𝑓 ∗ (𝑥i, 𝑦i);
Com 𝑖 variando de 0 até 𝑛 – 1.
Taylor:
𝑦𝑖+1 = 𝑦𝑖 + 𝑎1 ∙ 𝑘1 + 𝑎2 ∙ 𝑘2 (2.4)
Em que:
1
𝑎1 = 𝑎2 = ;
2
𝑦𝑖+1 = 𝑦𝑖 + 𝑎1 ∙ 𝑘1 + 𝑎2 ∙ 𝑘2 + 𝑎3 ∙ 𝑘3 (2.5)
Em que:
𝑘1= ℎ ∙ 𝑓 ∗ (𝑥i, 𝑦i);
ℎ 𝑘1
𝑘2 = ℎ ∙ 𝑓 ∗ (𝑥i + , 𝑦i+ );
2 2
3∙ℎ 𝑘1
𝑘3= ℎ ∙ 𝑓 ∗ (𝑥i + , 𝑦i+ 3 ∙ );
4 4
Consistem em encontrar constantes apropriadas de tal forma que a fórmula coincida com um
polinômio de Taylor de grau quatro, o que resulta em 11 equações e 13 incógnitas.
Este é um dos mais utilizados dos métodos numéricos desta categoria, pela precisão de
resultados que apresenta, e, principalmente, devido à simplicidade da expressão do método de
1 1 1
ordem quatro, cujo conjunto de valores mais comum para as constantes 𝑎 = , 𝑏 = , 𝑐 = e
6 3 3
1
𝑑 = , conforme representado na equação (2.6).
6
1
𝑦𝑖+1 = 𝑦𝑖 + ∙ (𝑘1 + 2 ∙ 𝑘2 + 2 ∙ 𝑘3 + 𝑘4 ) (2.6)
6
Em que:
𝑘1= ℎ ∙ 𝑓 ∗ (𝑥i, 𝑦i);
ℎ 𝑘1
𝑘2 = ℎ ∙ 𝑓 ∗ (𝑥i + , 𝑦i+ );
2 2
ℎ 𝑘2
𝑘3= ℎ ∙ 𝑓 ∗ (𝑥i + , 𝑦i+ );
2 2
Este método é pouco usado, principalmente devido à expressão utilizada, pouco mais
complicada que a expressão do método anterior, e não apresenta grandes vantagens em
relação ao método de quarta ordem. Sua expressão é:
1
𝑦𝑖+1 = 𝑦𝑖 + ∙ (7 ∙ 𝑘1 + 32 ∙ 𝑘3 + 12 ∙ 𝑘4 + 32 ∙ 𝑘5 + 7 ∙ 𝑘6 ) (2.7)
90
ℎ 𝑘2
𝑘4= ℎ ∙ 𝑓 ∗ (𝑥i+ , 𝑦i– + 𝑘 3);
2 2
3∙ℎ 3∙𝑘1 9∙𝑘4
𝑘5= ℎ ∙ 𝑓 ∗ (𝑥i+ , 𝑦i+ + );
4 16 16
3∙𝑘1 2∙𝑘2 12∙𝑘3 12∙𝑘4 8∙𝑘5
𝑘6= ℎ ∙ 𝑓 ∗ (𝑥i+ ℎ, 𝑦i− + + – + ).
7 7 7 7 7
Seja uma 𝑓 qualquer que gere a uma solução analítica 𝑆𝑎𝑛 , e que seja aplicado o método de
Runge-Kutta de primeira ordem com algumas partições de domínio pré-definidas, em que:
𝑥1 − 𝑥0 = 𝑥2 − 𝑥1 = 𝑥3 − 𝑥2 = ⋯ = 𝑥𝑛 − 𝑥𝑛−1
Portanto:
ℎ = 𝑥𝑛 − 𝑥𝑛−1
Em que:
ℎ - é o tamanho do passo
30
A Figura 2.2 representa a aplicação do método de Runge-Kutta de primeira ordem com três
partições de domínio sobre curva de uma função 𝑓 com solução analítica conhecida𝑆𝑎𝑛 .
2
Função derivada: O resultado de uma função derivada em um ponto qualquer é a inclinação da reta tangente.
Com essa inclinação da reta é possível fazer as respectivas projeções para o método de Runge-Kutta de ordem 𝑛.
31
Podemos afirmar que, de fato a solução aproximada tende a solução analítica, conforme vai-se
aumentando o número de partições, pois as inclinações das retas tangentes vão se ajustando a
curva da função de solução analítica.
32
3. PROBLEMA MODELO
O problema modelo escolhido para validar nossos estudos refere-se à lei de resfriamento de
Newton, a qual analisa a relação entre a velocidade de resfriamento de um corpo e a variação
de temperatura do meio que o mesmo se encontra.
O problema modelo conforme Figura 3.1 é governado por uma equação diferencial linear de
primeira conforme equação (3.1), e uma equação diferencial de primeira ordem é toda
equação do tipo:
Em que:
𝑦(𝑡) – função incógnita ou solução da EDO;
𝑦’(𝑡) – derivada da função incógnita;
𝑃(𝑡) – função da variável independente 𝑡;
𝑄(𝑡) – função da variável independente 𝑡.
3
Princípio do equilíbrio térmico: quando dois ou mais corpos estiverem em contato trocarão calor entre si até
atingirem o equilíbrio térmico
33
𝑇′ = −𝐾(𝑇 − 𝑇𝑚 ) (3.2)
O sinal negativo na equação (3.2) indica que, se a temperatura 𝑇 for superior a 𝑇m, então o
corpo perde temperatura para o meio (taxa de variação negativa), caso contrário, o corpo
ganha temperatura do meio (taxa de variação positiva).
Em que:
𝑇 – temperatura do corpo variável ao longo do tempo (função incógnita);
𝑇’ – derivada primeira da função incógnita em relação ao tempo;
𝑇m – temperatura do meio (constante);
𝐾 – coeficiente de proporcionalidade (expresso em valor absoluto).
Fazendo analogia entre a equação (3.3) com a equação (3.1), constata-se que:
𝑃(𝑡) = 𝑘 (3.4)
𝑄(𝑡) = 𝑘 ∙ 𝑇𝑚 (3.5)
A solução da equação (3.2) segundo a técnica do fator integrante é expressa pela Equação
(3.6).
35
1
𝑇(𝑡) = � 𝑈 ∙ 𝑄(𝑡)𝑑𝑡 + 𝐶 (3.6)
𝑈
Da equação (3.6), a função 𝑈(𝑡) é dada por:
𝑈 = 𝑒 ∫ 𝑃(𝑡)𝑑𝑡 (3.7)
Com:
𝑤 = 𝑘∙𝑡
𝑑𝑤 = 𝑘 ∙ 𝑑𝑡
Assim:
1
𝑇(𝑡) = 𝑒 −𝑘∙𝑡 ∙ �𝑘 ∙ 𝑇𝑚 ∙ � 𝑒 𝑤 𝑑𝑤 + 𝐶�
𝑘
𝑇(𝑡) = 𝑒 −𝑘∙𝑡 [𝑇𝑚 ∙ 𝑒 𝑤 + 𝐶 ]
𝑇(𝑡) = 𝑇𝑚 + 𝐶 ∙ 𝑒 −𝑘∙𝑡 (3.8)
A equação (3.8) é solução geral da EDO. Como condição inicial admitimos que quando o
tempo é igual a zero, a temperatura do corpo é 𝑇0 , e dessa forma, a solução particular da
equação (3.2) fica expressa por:
𝑇0 = 𝑇𝑚 + 𝐶 ∙ 𝑒 −𝐾∙0
𝐶 = 𝑇0 − 𝑇𝑚
Do problema modelo é conhecido que a temperatura inicial do corpo 𝑇0= 60º𝐶 e que a sua
temperatura após 10 minutos é de 𝑇(𝑡 = 10 𝑚𝑖𝑛) = 40º𝐶, pode-se agora encontrar o valor
da constante 𝑘, assim como expressa a equação (3.10).
40 = 5 ∙ (1 − 𝑒 −𝑘∙10 ) + 60 ∙ 𝑒 −𝑘∙10
40 = 5 − 5 ∙ 𝑒 −10𝑘 + 60 ∙ 𝑒 −10𝑘
40 = 5 + 55 ∙ 𝑒 −10𝑘
35 = 55 ∙ 𝑒 −10𝑘
35
= 𝑒 −10𝑘
55
35
ln � � = ln 𝑒 −10𝑘
55
ln 35 − ln 55 = −10𝑘
ln 55 − ln 35
𝑘 = (3.10)
10
Conhecido o valor de 𝑘, a função de temperatura do corpo fica expressa pela equação (3.11):
ln 55− ln 35 ln 55− ln 35
𝑇(𝑡) = 5 ∙ �1 − 𝑒 � �∙𝑡
� + 60 ∙ 𝑒 � �∙𝑡
10 10 (3.11)
Analisando as equações (3.8) e (3.9) pode-se chegar a uma maneira alternativa da equação
(3.11):
𝑇(𝑡) = 5 + 55 ∙ 𝑒 −𝑘∙𝑡
Assim, o limite da função 𝑇(𝑡) quanto 𝑡 tende ao infinito é equivalente a 5ºC, isto é, quanto
maior for o tempo que a barra de ferro estiver em contato com o meio refrigerado, mais
próximo estará sua temperatura da temperatura do meio.
Para a verificação do erro gerado em todas as aproximações geradas pelos cinco métodos de
Runge-Kutta, será utilizada a medida de erro percentual relativo, assim como expressa a
equação (3.12).
�𝑆𝐴𝑛 − 𝑆𝐴𝑝 �
𝐸𝑟𝑟𝑜 = 100 ∙ (3.12)
𝑆𝐴𝑛
Em que:
𝑆An – Solução Analítica do problema modelo;
𝑆Ap– Solução Aproximada do problema modelo.
Para a verificação das aproximações segundo as versões de Runge-Kutta, aqui são utilizadas
respectivamente 5, 10 e 20 partições no intervalo do problema modelo que varia de 10 a 22
minutos, lembrando que temperatura de interesse é referente ao tempo de 22 𝑚𝑖𝑛,
A Figura 3.3 indica a resolução do método de Runge-Kutta de primeira ordem utilizando dez
partições de domínio e a solução analítica do problema modelo referente ao resfriamento de
Newton utilizando o software Mathcad 2000, conforme anexos.
39
A Tabela 3.1 apresenta os valores das aproximações para os cinco métodos de Runge-Kutta
considerando-se cinco partições no intervalo de tempo de interesse.
A Figura 3.4 ilustra a forma como as aproximações são realizadas para ambos os métodos.
40
39
38 1ª Ordem
37 2ª Ordem
36
35 3ª Ordem
34
Temperatura ºC
4ª Ordem
33
32 5ª Ordem
31
30
29
28
27
26
25
24
23 Tempo (min)
22
10 12 14 16 18 20 22
Figura 3.4 - Gráfico das aproximações da temperatura para cinco partições no intervalo de tempo.
A Tabela 3.2 abaixo apresenta os valores das aproximações para os cinco métodos de Runge-
Kutta considerando-se dez partições no intervalo de tempo de interesse.
A Figura 3.5 ilustra a forma como as aproximações são realizadas para os cinco métodos.
41
40
1ª Ordem
38
2ª Ordem
36
3ª Ordem
34
4ª Ordem
Temperatura ºC
32
5ª Ordem
30
28
26
24
22 Tempo (min)
20
10 12 14 16 18 20 22
Figura 3.5 - Gráfico das aproximações da temperatura para dez partições no intervalo de tempo.
A Tabela 3.3 abaixo apresenta os valores das aproximações para os cinco métodos de Runge-
Kutta considerando-se vinte partições no intervalo de tempo de interesse.
A Figura 3.5 ilustra a forma como as aproximações são realizadas para ambos os métodos.
40
1ª Ordem
38
2ª Ordem
36
3ª Ordem
34
Temperatura ºC
32 4ª Ordem
30 5ª Ordem
28
26
24
Tempo (min)
22
10 12 14 16 18 20 22
Figura 3.6 - Gráfico das aproximações da temperatura para vinte partições no intervalo de tempo.
Analisando as Figuras 3.5 e 3.6, podemos verificar que, quanto maior for o número de
partições de domínio, melhor serão as aproximações dos métodos de Runge-Kutta, e ao
aumentar as partições de domínio, os métodos ficam mais próximos uns dos outros,
independente da ordem utilizada do método, conforme a visualização dos respectivos gráficos
e dos resultados obtidos conforme Tabelas 3.2 e 3.3.
Percebemos que, o Método de Runge-Kutta de primeira ordem já apresenta uma boa precisão
conforme aumenta-se a malha, na Tabela 3.3 o erro está próximo de 0,6% enquanto que para
o Método de Runge-Kutta de quinta ordem, converge com as nove casas decimais com a
Solução Analítica.
43
CONSIDERAÇÕES FINAIS
Os desafios iniciais que nos levaram a execução deste trabalho eram verificar:
- Como o Método de Runge-Kutta pode ser útil na resolução desses problemas?
- Que tipo de equações diferenciais ordinárias aplica-se o Método de Runge-Kutta?
- Qual dos métodos mostra-se mais eficiente?
Com base nos resultados obtidos ao longo deste trabalho, podemos afirmar que a utilização de
um Método de Runge-Kutta de 1a ordem pode apresentar resultados satisfatórios a medida
que a malha do problema é aumentada, o que acarreta em um número maior de iterações e
consequentemente, em trabalho computacional maior.
44
BIBLIOGRÁFIA CONSULTADA
ZILL, D.G. “Equações Diferenciais com Aplicações em Modelagem”. 1ª Ed. São Paulo.
Thomson, 2003.
45
APENDICE
Neste capítulo serão abordadas algumas ações, de carácter introdutória ao software, sendo
apresentadas algumas ferramentas, para respectiva noção da aplicação do software, no qual
foi utilizado para obter os resultados neste trabalho apresentado.
O Software Mathcad possibilita uma série de tarefas matemáticas, como uma avaliação
numérica e simbólica de equações e/ou expressões desde que as variáveis sejam definidas,
permite a construção de gráficos, permite a construção de algoritmos e respectivas resoluções,
permite a avaliação de integrais e derivas de funções, como também a resolução de sistemas
46
O Ambiente é estritamente matemático, mas permite a entrada de textos, basta clicar em uma
região qualquer na interface e inserir o texto desejado, que o Mathcad converte a região
matemática em região de textos.
Ao abrir o Mathcad 2000 encontra-se a seguinte barra de menus, conforme Figura 4.2:
Esta barra fornece todas as informações e comandos para edição, formatação e manuseio
necessário para a realização da pesquisa deste trabalho de conclusão de curso.
De acordo com a Figura 4.1, a interface do programa é uma página em branco, no qual é
permitida a inserção de equações, textos e gráficos como já revelado. Mas cada item desses é
inserido em uma região, isto é, o Mathcad organiza cada um deles em uma região individual,
separada por um retângulo invisível, no qual, para enxergar este retângulo, basta clicar no
item da região, ou ainda, ir até a barra de menus conforme Figura 4.2, clicar em View,logo
depois em Regions.
Ao clicar no menu View, Toolbars e Math, abrirá uma barra de botões de operações
matemáticas conforme Figura 4.3.
47
Ao clicar em cada um dos itens acima, abrirá uma nova barra de ferramentas, porém mais
específica em cada um dos seguintes casos, respectivamente.
o Operações Básicas:
o Construções de Gráficos:
Definidas as funções e inserida suas variáveis, aqui é permitido a construção dos gráficos.
48
o Vetores e Matrizes:
o Avaliação:
Nesta janela é que se identificam as variáveis das funções e equações, para que o programa
possa compreender as definições de domínio, e respectivamente gerar um gráfico.
o Cálculo:
Aqui, são as operações utilizando o cálculo diferencial e integral, bastante utilizada durante
esta pesquisa.
49
o Comparação Lógica:
o Programação:
Nesta parte desta ferramenta, alguns efeitos condicionais, “se” “então” “se e só se” dentre
outras, para a criação de algoritmos.
o Símbolos Gregos:
Aqui alguns dos caracteres gregos para representação de ângulos, espaços, planos, e outras
para a representação de variáveis como o 𝜋, 𝜙, 𝜌, dentre outros.
50
o Palavras-chave Simbólicas:
Basta clicar em qualquer parte da interface do Mathcad para realizar um cálculo qualquer, o
cursor gerado pelo clique do mouse será uma cruz vermelha, na qual indica a posição em que
a expressão será realizada.
ANEXOS
Yaprox := Yap 1 ← yo
for i ∈ 1 .. Npart
Yap i+ 1 ← Yap i + h ⋅ F( Xcali , Yap i)
Yap
Ycal := K11 ← h ⋅ F( xo , yo )
K21 ← h ⋅ F( xo + h , yo + h )
Yap 1 ← yo
for i ∈ 1 .. Npart
⋅ (K1i + K2i)
1
Yap i+ 1 ← Yap i +
2
K1i+ 1 ← h ⋅ F( Xcali+ 1 , Yap i+ 1)
K2i+ 1 ← h ⋅ F( Xcali+ 1 + h , Yap i+ 1 + K1i+ 1)
Yap
Xcal := V1 ← xo
for i ∈ 1 .. Npart
Vi+ 1 ← V1 + i⋅ h
V
52
Ycal := K11 ← h ⋅ F( xo , yo )
K21 ← h ⋅ F xo +
h K11
, yo +
2 2
h K21
K31 ← h ⋅ F xo + 3⋅ , yo + 3⋅
4 4
Yap 1 ← yo
for i ∈ 1 .. Npart
2 1 4
Yap i+ 1 ← Yap i + ⋅ K1i + ⋅ K2i + ⋅ K3i
9 3 9
K1i+ 1 ← h ⋅ F( Xcali , Yap i+ 1)
Ycal := K11 ← h ⋅ F( xo , yo )
Xcal := V1 ← xo
for i ∈ 1 .. Npart
Vi+ 1 ← V1 + i⋅ h
V
Ycal := K11 ← h ⋅ F( xo , yo )