MÉTODOS MATEMÁTICOS EM ENGENHARIA II

NOTAS DE AULAS

M. XAVIER

Resumo. Todos os tópicos descritos nestas notas referem-se a objetos já bastante consolidados
na literatura. Para um detalhamento mais preciso e completo das teorias aqui mencionadas, ver
por exemplo [1], [2], [3] e [4].

Conteúdo
1. Introdução 2
2. Álgebra e análise tensorial 3
3. Espaços métricos completos: Espaços de Banach e Espaços de Hilbert 3
3.1. Espaços Métricos 3
3.2. Espaços Vetoriais Normados 4
3.3. Espaços Vetoriais com Produto Interno 4
3.4. Bolas e esferas 5
3.5. Variedades lineares 6
3.6. Conjuntos limitados 6
3.7. Funções contı́nuas 7
3.8. Transformações lineares 9
4. Noções de topologia 11
4.1. Conjuntos abertos 11
4.2. Conjuntos Fechados 12
5. Limites 13
5.1. Limites de sequências 13
5.2. Sequência de números reais 14
6. Convergência e topologia 14
7. Sequência de funções: convergência simples e convergência uniforme 14
8. Sequências de Cauchy 14
9. Espaços métricos completos: espaços de Banach e de Hilbert 14
9.1. Espaços de Banach 14
9.2. Espaços de Hilbert 15
10. Rudimentos de Cálculo das Variações 15
10.1. Casos particulares de Espaços de Sobolev 16
10.2. Derivada Gâteaux de um funcional 16
11. Método dos Elementos Finitos 19
11.1. Observações iniciais e Formulação do Problema 19
11.2. Formulação Forte ou Clássica do problema 19
11.3. Formulação Fraca ou Variacional do problema 19
12. Método de Galerkin 20
12.1. Descrição do Método de Galerkin 20
Date: 26 de Novembro de 2020.
Key words and phrases. Métodos Matemáticos, Engenharia.
1
2

13. Equações Matriciais e a Matriz de Rigidez (K) 21

13.1. Formulação Matricial 22
Referências 24

1. Introdução
Ementa (2020): Conjuntos; Espaços lineares; Variedades lineares; Espaços normados; Espaços;
Produto interno; Espaços de Banach; Espaços de Hilbert; Bases; Tranformações lineares, ten-
sores; Análise tensorial - produto tensorial, componentes de um tensor, soma e produto de
tensores, invariantes de um tensor, funções tensoriais, mudança de base, autovetores e autova-
lores; Aplicações: (1) tensor tensão e tensor deformação, (2) formulação abstrata de problemas
de equilı́brio – método de Galerkin.
 3

2. Álgebra e análise tensorial

AULA 1

3. Espaços métricos completos: Espaços de Banach e Espaços de Hilbert

3.1. Espaços Métricos. Uma métrica num conjunto M é uma função d : M × M → R que
associa a cada par ordenado de elementos x, y ∈ M um número real d(x, y), chamada distância
de x a y, de modo que sejam válidas as seguintes condições:


 d(x, x) = 0;
Se x 6= y então d(x, y) > 0;

(3.1)

 d(x, y) = d(y, x);
d(x, z) ≤ d(x, y) + d(y, z).

Um espaço métrico é um par (M, d), onde M é um conjunto e d é uma métrica. Os elementos
de um espaço métrico podem ser números, pontos, matrizes, funções etc...
3.1.1. Exemplo 1. O conjunto R dos números reais, munido da métrica
d(x, y) = |x − y| , (3.2)
onde |·| é a função valor absoluto, é o exemplo mais importante de espaços métricos. O conjunto
das propriedades elementares da função valor absoluto de números reais cumpre automatica-
mente as condições para ser uma métrica. Esta é a chamada métrica usual dos números reais.
3.1.2. Exemplo 2. O Espaço Euclidiano Rn , cujos elementos são as listas x = (x1 , ..., xn ), onde
cada uma das entradas xi é um número real, é um espaço métrico e generaliza o exemplo
anterior. Há três maneiras naturais de se definir uma métrica a partir da distância entre dois
pontos x = (x1 , ..., xn ) e y = (y1 , ..., yn ) no Rn , a saber
" n #1
X 2

d(x, y) = (xi − yi )2 ; (3.3)

i=1
n
X
d0 (x, y) = |xi − yi | ; (3.4)
i=1
d00 (x, y) = max |xi − yi | . (3.5)
1≤i≤n
A métrica d é chamada Métrica Euclidiana.

1) Verifique que d0 e d00 , definidas respectivamente por (3.4) e (3.5), são métricas.
3.1.3. Exemplo 3. Seja X um conjunto arbitrário. Uma função real f : X → R é dita limitada
se existe uma constante kf > 0 tal que |f (x)| ≤ kf para todo x ∈ X. O Espaço formado pelas
funções limitadas, denotado por B(X, R), com uma métrica definida por
d(f, g) = sup |f (x) − g(x)| , (3.6)
x∈X
é um espaço métrico.

2) Mostre que d, dada por (3.6), satisfaz as condições para ser uma métrica.

3) Sejam X = [0, 1] e f, g : X → R ∈ B(X, R) definidas por f (x) = x e g(x) = x2 . Faça um

gráfico de d(f, g) em função de x e discuta o significado de sup |f (x) − g(x)| neste caso.
x∈X
4

3.2. Espaços Vetoriais Normados. Seja E um espaço vetorial real. Uma norma em E é uma
função real k·k : E → R que associa a cada vetor x ∈ E o número real kxk, chamado norma de
x, se estão satisfeitas as seguintes condições

 Se x 6= 0 então kxk =
6 0;
kλxk = |λ| kxk ; (3.7)
kx + yk ≤ kxk + kyk ,


para todo x, y ∈ E e λ ∈ R.
Um espaço vetorial normado é um par (E, k·k) onde
pE é um espaço vetorial real e k·k é uma
n (xi )2 ), (Rn , (|xi |)2 ) e (Rn , max |xi |).
P P
norma em E. Exemplos de espaços normados são (R ,
Tendo em conta que a soma, a diferença e o produto de funções limitadas são funções limitadas,
outro exemplo importante de espaço vetorial normado é B(X, R) com a norma definida da
seguinte forma
kf k = sup |f (x)| . (3.8)
x∈X
Note-se que num espaço vetorial normado, tem-se que kxk = d(x, 0), isto é, a norma de x é a
distância de x até a origem. Note ainda que todo espaço vetorial normado torna-se um espaço
métrico definindo d(x, y) = kx − yk.

Mostre que d(x, y) = kx − yk é de fato uma métrica.

3.3. Espaços Vetoriais com Produto Interno. Seja E um espaço vetorial real. Um produto
interno em E é uma função h·, ·i : E×E → R, que associa a cada par ordenado de vetores x, y ∈ E
um número real hx, yi, chamado produto interno de x por y, de modo que
hx + x0 , yi = hx, yi + hx0 , yi ;



hλx, yi = λ hx, yi ;

(3.9)

 hx, yi = hy, xi ;
Se x 6= 0 então hx, xi > 0,


para todo x, x0 , y ∈ E e λ ∈ R. A norma de um vetor pode ser definida a partir do produto

interno da seguinte forma p
kxk = hx, xi. (3.10)
4) Mostre que a norma de um vetor definido a partir do produto interno, como definido em
(3.10), satisfaz as condições em (3.7).

Agora, será apresentada uma desigualdade de grande utilidade que relaciona o produto interno
de dois vetores com suas respectivas normas, a saber, a Desigualdade de Cauchy-Schwarz. Sejam
x, y ∈ E dois vetores no espaço vetorial real E, a seguinte desigualdade é válida:
|hx, yi| ≤ kxk kyk . (3.11)
3.3.1. Exemplo 1. O exemplo mais fundamental de espaço vetorial com produto interno é o Rn
com
n
X
hx, yi = x i yi . (3.12)
i=1
5) Tendo em conta o exemplo acima e a Desigualdade de Cauchy-Schwarz, verifique que d, na
primeira linha de (3.3), é uma métrica.
pP
6) Mostre que (Rn , (xi )2 ) é um espaço vetorial normado.
 5

O produto interno é uma generalização do produto escalar em Rn para espaços com dimensão
infinita. Assim, noções como distância e ortogonalidade podem ser utilizados em espaços mais
gerais.

3.3.2. Exemplo 2. Seja C([a, b]; R) o espaço das funções f : [a, b] → R contı́nuas. A expressão

Z b
hf, gi = f (t)g(t)dt , (3.13)
a
Z b
é um produto interno em C([a, b]; R). Verifique que hf, gi = f (t)g(t)dt é um produto interno
a
em C([a, b]; R).

3.4. Bolas e esferas. Seja a um ponto num espaço métrico M . Dado um número real ε > 0,
define-se os seguintes subconjuntos de M :

Bola aberta de centro a e raio ε: B(a; ε) = {x ∈ M ; d(x, a) < ε} ;

Bola fechada de centro a e raio ε: B[a; ε] = {x ∈ M ; d(x, a) ≤ ε} ; (3.14)
Esfera de centro a e raio ε: S(a; ε) = {x ∈ M ; d(x, a) = ε} ;
Note que essas definições podem ser reescritas em termos de norma simplesmente escrevendo
d(x, y) = kx − yk. Note ainda que B[a; ε] = B(a; ε) ∪ S(a; ε).

3.4.1. Exemplo 1. Com a métrica usual da reta, para todo a ∈ R e todo ε > 0, todo intervalo
real aberto de centro a e raio ε é uma bola aberta pois
d(x, a) = |x − a| < ε , (3.15)
ou, equivalentemente,
a − ε < x < a + ε. (3.16)
Evidentemente, todo intervalo fechado é uma bola fechada. 7) Defina S(a; ε) para o exemplo 1.

3.4.2. Exemplo 2. Seja f ∈ B([a, b], R). Na métrica do sup, uma função limitada g : [a, b] → R
pertence a B[f ; ε], por exemplo, se, e somente se, |f (x) − g(x)| ≤ ε, isto é, f (x) − ε ≤ g(x) ≤
f (x) + ε para todo x ∈ [a, b], veja Figura 1.

Figura 1. Example 2: g ∈ B[f ; ε].

6

3.5. Variedades lineares. Variedades lineares são obtidas a partir da translação de um su-
bespaço vetorial como passamos a descrever. Seja V um subespaço do espaço vetorial E e seja
u0 ∈ E fixado. Chama-se uma variedade linear em E o conjunto U de todos os elementos u ∈ E
definidos por
u = u0 + η , η ∈ V . (3.17)
Note que, se u0 ∈ V, a variedade linear é em si mesma um subespaço vetorial e coincide com V.

3.5.1. Exemplo. Inserir o exemplo da reta em R2 . .

Figura 2. Variedade linear U no Espaço vetorial R2 .

.
Teorema. Seja U uma variedade linear não-vazia no espaço vetorial E. Existe um único
subespaço vetorial V ⊂ E, tal que, para todo u ∈ U tem-se
U = u + V = {u + η; η ∈ V} . (3.18)

Demonstração. Ver Álgebra Linear do Elon, página 15. 

3.6. Conjuntos limitados. Um subconjunto X de um espaço métrico M é dito limitado

quando existe uma constante c > 0 tal que d(x, y) ≤ c quaisquer que sejam x, y ∈ X. O
menor desses números c será chamado diâmetro de X e denotado por diam(X), isto é
diam(X) = sup {d(x, y); x, y ∈ X} . (3.19)
Se o conjunto X não é limitado, diz-se que diam(X) = ∞.

8) Mostre que toda bola aberta B(a; ε) é um conjunto limitado e seu diâmetro não excede 2ε.

Demonstração. De fato, dados x, y ∈ B(a; ε) quaisquer, tem-se que

d(x, y) ≤ d(x, a) + d(a, y) < 2ε . (3.20)

9) Mostre que a união de dois conjuntos X e Y limitados é limitada.
 7

Demonstração. Com efeito, fixemos um ponto a ∈ X e um ponto b ∈ Y . Existe c > 0 tal que
d(x, a) ≤ c e d(y, b) ≤ c para todo x ∈ X e todo y ∈ Y . Então, tomando
k = 2c + d(a, b) , (3.21)
tem-se para x ∈ X e y ∈ Y arbitrários
d(x, y) ≤ d(x, a) + d(a, b) + d(b, y) ≤ c + d(a, b) + c = k . (3.22)
Como o resultado acima é evidente para x, y ∈ X ou x, y ∈ Y , segue que X ∪ Y é um conjunto
limitado. 
Uma aplicação f : X → M é dita limitada quando sua imagem f (X) é um subconjunto
limitado de M .
10) Discuta se as funções f (x) = 1/(1 + x2 ) e g(x) = x2 , definidas em R, são limitadas.

Sejam X um conjunto arbitrário e M um espaço métrico. Denota-se por B(X; M ) o conjunto

das funções limitadas f : X → M .
3.6.1. Exemplo 1. Dadas f, g ∈ B(X; M ), as distâncias d(f (x), g(x)), quando x varia em X,
forma um conjunto limitado de números reais positivos, pois o conjunto f (X) ∪ g(X) ⊂ M é
limitado (a união de limitados é limitada). Assim, pode-se definir a distância entre duas funções
limitadas da seguinte forma:
d(f, g) = sup d(f (x), g(x)) . (3.23)
x∈X
Obtém-se então uma métrica em B(X; M ) que é chamada métrica da convergência uniforme.
Note que, quando M = E é um espaço vetorial normado, dadas quaisquer duas funções
f, g ∈ B(X; E) e λ ∈ R verifica-se que f + g : X → E e λf : X → E são também limitadas.
Logo, B(X; E) é um espaço vetorial. A métrica definida em B(X; E) provém da norma
kf kB = sup kf (x)kE . (3.24)
x∈X
Neste caso, pode-se então escrever kf − gk em vez de d(f, g).

AULA 2
3.7. Funções contı́nuas. Sejam M e N espaços métricos. Uma aplicação f : M → N é dita
contı́nua no ponto a ∈ M se, para todo ε > 0, é possı́vel encontrar δ > 0 tal que d(x, a) < δ
implica d(f (x), f (a)) < ε. Diz-se que f é contı́nua em M se é contı́nua em todo a ∈ M .
Equivalentemente, f : M → N é contı́nua no ponto a ∈ M quando, dada qualquer bola
Bε = B(f (a); ε) de centro f (a) e raio ε, é possı́vel encontrar uma bola Bδ = B(a; δ), de centro
a e raio δ, tal que f (Bδ ) ⊂ Bε .
√
3.7.1. Exemplo 1. A função f (x)√ = x é contı́nua no seu domı́nio [0, +∞). De fato, dado ε > 0
arbitrário, basta tomar δ = ε/ a. Com efeito, se d(x, a) = |x − a| < δ, então
 √ √ √ √ 
√ √   ( x − a)( x + a) 
d(f (x), f (a)) = x − a = 
   √ √ 
x+ a 
 
 x−a 
=  √ √ 
x + a
1
≤ √ |x − a|
a
< ε.
Como querı́amos demonstrar.
8

Note que afirmar que f é contı́nua no ponto a ∈ M equivale a dizer que

lim f (x) = f (a) . (3.25)

x→a

Em palavras, se f é contı́nua no ponto a, é possı́vel fazer que os valores de f (x) se aproximem

de f (a) tanto quanto queiramos bastando para isso fazer os pontos x suficientemente próximos
de a, o que não ocorre quando a função é descontı́nua.

3.7.2. Exemplo 2. Um exemplo simples de função descontı́nua é a função f : R → R, definida

por f (x) = |x| se x 6= 1 e f (1) = 0, veja Figura 3.

Figura 3. Example 2: função f descontı́nua.

1) Mostre que a função f (x) = |x| é contı́nua em R.

Uma dada aplicação f : M → N é chamada lipschitziana se existe uma constante c > 0,
denominada constante de Lipschitz, tal que

d(f (x), f (y)) ≤ cd(x, y), ∀x, y ∈ M . (3.26)

Toda aplicação lipschitziana é contı́nua. De fato, dado ε > 0 arbitrário, toma-se δ = ε/c.
Logo, se d(x, a) < δ, então

d(f (x), f (a)) ≤ cd(x, a) < cδ = ε . (3.27)

Para uma função real de variável real, a condição de Lipschitz implica que
|f (x) − f (y)|
≤ c, (3.28)
|x − y|
ou seja, a inclinação de qualquer reta secante ao gráfico de f é, em valor absoluto, menor do a
constante c. Note que toda função com derivada limitada será lipschitziana. 2) Considere uma
função real f : I → R derivável e com derivada limitada, isto é, |f 0 (x)| ≤ c para todo x ∈ I.
Use o Teorema da Valor Médio para mostrar que f é lipschitziana.
Uma aplicação f : M → N é dita localmente lipschitziana quando para cada a ∈ M a
restrição de f à bola B(a; ε) de centro a e raio ε > 0, f |B , é lipschitziana. Assim, uma aplicação
localmente lipschitziana é contı́nua. Note que a continuidade de uma função não é condição
suficiente para ela ser lipschitziana.
 9

(a) função localmente lipschitziana (b) função lipschitziana

Figura 4. Funções contı́nuas e suas implicações na condição de Lipschitz.

3.8. Transformações lineares. Sejam E e F espaços vetoriais. Um aplicação f : E → F

chama-se uma transformação linear quando estiverem satisfeitas as seguintes condições: para
todo x, y ∈ E e λ ∈ R tem-se

f (x + y) = f (x) + f (y) ;
(3.29)
f (λx) = λf (x).
Se F = R a transformação f é chamada funcional linear. Neste curso, estaremos interessados
nos funcionais lineares contı́nuos.
3.8.1. Exemplo 1. Em Mecânica dos Sólidos, um exemplo de funcional linear pode ser dado
considerando o problema de uma viga engastada nas extremidades sujeito a um carregamento
distribuı́do q = q(x). A energia potencial total deste sistema é dada pelo seguinte funcional
linear Z L 2 
d2 u

d
F(u) = ( 2 E(x)I(x) 2 − q(x)u(x))dx. (3.30)
0 dx dx
onde u é o campo de deslocamento transversal. Mostre que F(u) é linear.

Proposição Sejam E e F espaços vetoriais. As seguintes afirmações a respeito de uma

transformação linear f : E → F são equivalentes:
• (1) f é contı́nua;
• (2) f é contı́nua no ponto 0 ∈ E;
• (3) Existe c > 0 tal que kf (x)kF ≤ c kxkE ;
• (4) Existe c > 0 tal que kf (x) − f (y)kF ≤ c kx − ykE ∀x, y ∈ E;
Demonstração. Ver [3] página 56. 
De acordo com a proposição acima, as transformações lineares contı́nuas f : E → F são precisa-
mente aquelas que são limitadas na esfera unitária S = {x ∈ E; kxk = 1} do espaço E. Indica-se
com L(E; F ) o conjunto das trasformações lineares contı́nuas de E em F . Note que L(E; F )
é um espaço vetorial pois se f, g : E → F são contı́nuas então (f + g)(x) = f (x) + g(x) e
(αf )(x) = αf (x) também serão. Note ainda que L(E; F ) possui uma norma natural definida
por
kf kL = sup kf (x)kF . (3.31)
x∈S
10

Aplicações bilineares: Uma aplicação bilinear a : E1 × E2 → F é caracterizada pelas

seguintes condições
• a(x1 + y1 , x2 ) = a(x1 , x2 ) + a(y1 , x2 );
• a(x1 , x2 + y2 ) = a(x1 , x2 ) + a(x1 , y2 );
• a(αx1 , x2 ) = αa(x1 , x2 );
• a(x1 , αx2 ) = αa(x1 , x2 );
Proposição Sejam E, F e G espaços vetoriais normados e a : E1 × E2 → F uma aplicação
bilinear. Então, as seguintes afirmações são equivalentes:
• (1) a é contı́nua;
• (2) a é contı́nua no ponto (0, 0) ∈ E × F ;
• (3) Existe c > 0 tal que kf (x, y)k ≤ c kxk kyk;
• (4) a é lipschitziana em cada parte limitada de E × F .
Demonstração. Ver [3] página 59. 
Utilizaremos as aplicações bilineares no capı́tulo sobre métodos variacionais.
 11

AULA 3

4. Noções de topologia
4.1. Conjuntos abertos. Seja X um subconjunto de um espaço métrico M . Um ponto a ∈ X
é dito ponto interior a X quando é centro de uma bola aberta contida em X, isto é, quando
existe ε > 0, tal que, se d(x, a) < ε, então x ∈ X. Chama-se interior de X em M , e denota-se
por intX, o conjunto dos pontos interiores a X.
Note que, pela definição, um ponto b ∈ X não é interior a X se toda bola aberta centrada
em b possui algum ponto que não pertence a X. Neste caso, dizemos que b pertence a fronteira
de X. Portanto, a fronteira de X em M , denotada por ∂X é formada pelos pontos b ∈ M tal
que toda bola aberta de centro b contém pelo menos um ponto de X e ao menos um ponto do
complementar M − X, ver Figura 6.

Figura 5. Noções de topologia.

4.1.1. Exemplo 1. O interior do intervalo [0, 1) na reta é o intervalo aberto (0, 1) e sua fronteira
é formada pelos pontos 0 e 1.
Seja X um subconjunto de um espaço métrico M . Dado um ponto arbitrário c ∈ M , há três
possibilidades que se excluem mutuamente: ou existe uma bola aberta de centro c contida em
X, ou existe uma bola de centro c contida em M − X, ou toda bola aberta de centro c contém
pontos de X e M − X. Logo, todo conjunto X determina a decomposição do espaço em três
subconjuntos disjunto, a saber
M = intX ∪ ∂X ∪ int(M − X) . (4.1)
1) Escreva a decomposição acima para o caso em que M = R e X = [0, 1).
2) Escreva a decomposição acima para o caso em que M = R3 e
X = (x, y, z) ∈ R3 ; (x − a)2 + (y − b)2 + (y − c)2 ≤ 4 .


Um subconjunto A de um espaço métrico M é chamado aberto em M quando todos os seus

pontos são interiores, isto é, intA = A. Note que A ⊂ M é aberto se, e somente se, A ∩ ∂A é
vazio.
4.1.2. Exemplo 2. Em qualquer espaço métrico M , uma bola aberta B(a; r) é um cojunto aberto.
3) Mostre que toda bola aberta é um cojunto aberto.

Demonstração. Seja x ∈ B(a; r) arbitrário. Então d(a, x) < r e portanto s = r − d(a, x) é

um número positivo. Seja y ∈ B(x; s), então d(x, y) < s. Logo, d(a, y) ≤ d(a, x) + d(x, y) <
d(a, x) + s = r ⇒ y ∈ B(a; r) ⇒ B(x; s) ⊂ B(a; r). 
12

Figura 6. Exercı́cio 3: Solução

4.2. Conjuntos Fechados. Seja X um subconjunto de um espaço métrico M . Um ponto

a ∈ M é dito aderente ao subconjunto X, se
d(a, X) = inf d(a, x) = 0 . (4.2)
x∈X
Dito de outra forma, a é aderente a X se, para todo ε > 0, tem-se
B(a; ε) ∩ X 6= ∅ (4.3)
4.2.1. Exemplo 1. Todo ponto a ∈ X é aderente a X. Além disso, os pontos da fronteira ∂X
também são aderentes a X. Por exemplo, na reta R, se X = [0, 1), então 1 é aderente a X. Note
que se a não é aderente a X, então a está no interior de M − X.
O fecho de um conjunto X num espaço métrico M é o conjunto X̄ formado por todos os
pontos que são aderentes a X.
Densidade. Um subconjunto X ⊂ M diz-se denso em M quando X̄ = M . Utilizando a
terminologia de bolas, X ⊂ M é denso em M quando toda bola aberta centrada em pontos de
M contém ao menos um ponto de X.
4.2.2. Exemplo 2. O conjunto Q dos números racionais é denso em R.
Diz-se que um conjunto X ⊂ M é fechado no espaço métrico M , quando seu complementar
M − X é aberto. Em particular, verifica-se que X é fechado em se, e somente se, X = X̄.
4.2.3. Exemplo 3. O conjunto C0 (M ; N ) das aplicações contı́nuas limitadas f : M → N é um
subconjunto fechado do espaço B(M ; N ) formado por todas as aplicações limitadas de M em
N.
 13

AULA 4

5. Limites
5.1. Limites de sequências. Uma sequência (xn )n∈N num conjunto M , também representada
por (x1 , ..., xn , ...) ou simplesmente (xn ), é uma aplicação x : N → M definida no conjunto N
dos números naturais. O valor xn := x(n) que a aplicação x assume no número n chamar-se-á
o n-ésimo termo da sequência. Quando a aplicação for injetiva, isto é, m 6= n ⇒ xm 6= xn ,
diremos que a sequência (xn ) é uma sequência de termos distintos. Para representar o conjunto
dos termos da sequência será tuilizada a notação {x1 , ..., xn , ...}.

5.1.1. Exemplo 1. Seja x : N → R definida por xn = (−1)n . Para este caso, tem-se que
(xn ) = (−1, 1, −1, 1, ...) e o conjunto de valores é {−1, 1}.

Uma subsequência de (xn ) é uma restrição da aplicação n →

7 xn a um subconjunto in-
0
finito N = {n1 < n2 < ... < nk < ...} de N. A subsequência será indicada pelas notações
(xn1 , xn2 , ..., xnk , ...), (xnk )k∈N ou simplesmente (xnk ).

5.1.2. Exemplo 2. A sequência (4, 16, 64, ..., 4k , ...) é uma subsequência de (2, 4, 8, 16, ..., 2n , ...).
Note que N0 é, neste caso, o conjunto dos números pares.

Uma sequência (xn ) no espaço métrico M chama-se limitada quando o conjunto de seus termos
é limitado, isto é, quando existe c > 0 tal que
d(xm , xn ) ≤ c , (5.1)
quaisquer que sejam m, n ∈ N.
Evidentemente, toda subsequência de uma sequência limitada é limitada.
Seja (xn ) uma sequência no espaço métrico M . Diz-se que o ponto a ∈ M é limite da sequência
(xn ), e denota-se por
lim xn = a , (5.2)
n→∞
quando, para todo número real ε > 0 dado arbitrariamente, existe n0 ∈ N tal que se n > n0 então
d(xn , a) < ε. Quando tal limite existe, diz-se que a sequência de pontos xn ∈ M é convergente
em M e converge para a. Podem ser utilizadas também as notações a = limxn ou xn → a. Se
o referido limite não existe, diz-se que a sequência é divergente em M .
Note que, se xn → a, então, existe n0 ∈ N tal que xn ∈ B(a; ε) para todo n > n0 qualquer
que seja ε > 0.

5.1.3. Exemplo 3. Dada a sequência de números reais (xn ) definida por xn = 1/n, n ∈ N, tem-se
que xn → 0. De fato, dado ε > 0 arbitrário, basta tomar n0 = 1/ε. Assim, para todo n > n0
   
1  1
d(xn , 0) =  − 0 <   = ε
 (5.3)
n n0
n
1) Mostre que xn = 2 → 0.
n +n+2
2) Mostre que toda sequência convergente é limitada.

Demonstração. Seja limxn = a num espaço métrico M . Tomando ε = 1, por definição, existe
n0 ∈ N tal que para todo n > n0 tem-se xn ∈ B(a; 1). Portanto, o conjunto dos valores da
sequência está contido em {x1 , ..., xn0 } ∪ B(a; 1). Como a reunião de conjuntos limitados é
limitada, segue que (xn ) é limitada. 
14

3) Mostre que uma sequência não pode convergir para dois limites diferentes.

Demonstração. Seja (xn ) uma sequência no espaço métrico M , e sejam a, b ∈ M tais que a =
limxn e b = limxn . Assim, dado ε > 0 arbitrário, existe na ∈ N tal que d(xn , a) < ε para todo
n > na . Analogamente, existe nb ∈ N tal que tal que d(xn , b) < ε para todo n > nb . Tomando
n0 ∈ N maior do que na e nb , segue que para n > n0
0 ≤ d(a, b) ≤ d(a, xn ) + d(xn , b) < 2ε . (5.4)
Logo, d(a, b) = 0, o que implica a = b. 

5.2. Sequência de números reais. AULA 5

6. Convergência e topologia
7. Sequência de funções: convergência simples e convergência uniforme
Diz-se que a sequência de aplicações fn : X → M converge simplesmente (ou pontualmente)
em X para a aplicação f : X → M , quando, para cada x ∈ X, a sequência (f1 (x), f2 (x), f3 (x), ..., fn (x), ...)
tem limite f (x) em M . Isto é, para cada x ∈ X, tem-se

8. Sequências de Cauchy
9. Espaços métricos completos: espaços de Banach e de Hilbert
Diz-se que um espaço métrico M é completo quando toda sequência de Cauchy em M é
convergente.

9.0.1. Exemplo 1. A reta é um espaço métrico completo.

9.0.2. Exemplo 2. O espaço euclidiano Rn é completo.

9.0.3. Exemplo 3. Sejam X um conjunto, M um espaço métrico e α : X → M uma aplicação. A

notação Bα (X; M ) representa o conjunto das aplicações f : X → M que estão a uma distância
finita de α, isto é,
d(f, α) = sup d(f (x), α(x))) < ∞. (9.1)
x∈X
com a métrica da convergência uniforme. Se o espaço métrico M é completo, então, Bα (X; M )
é completo independente de X e α.
Demonstração. ver [3] página 185. 

9.0.4. Exemplo 4. Sejam M e N espaços métricos. Se N é completo, então, para toda aplicação
α : M → N , o espaço Cα (M, N ) é completo.

9.0.5. Exemplo 5. O espaço vetorial normado L(E; F ) das trasformações lineares contı́nuas de
E em F é completo se o espaço métrico F é completo.

9.1. Espaços de Banach. Um espaço vetorial normado completo em relação a sua norma é
chamado Espaço de Banach.

9.1.1. Exemplo 1. A reta R, o espaço euclidiano Rn , os espaços de funções Bα (X; M ) e Cα (M ; N )

e os espaço das transformações lineares L(E; F ) mostrados na seção anterior, são Espaços de
Banach.
 15

9.2. Espaços de Hilbert. Um espaço de Hilbert H é uma espaço vetorial munido de um pro-
duto interno e completo em relação a norma definida por este produto interno.

Os espaços de Hilbert formam a classe mais importante de espaços de Banach.

Além da norma, surge a noção de produto interno que, como mencionado, trata-se
de uma generalização do produto escalar em Rn . Desta forma torna-se possı́vel, por
exemplo, estender a noção de ângulo entre vetores a espaços vetoriais mais gerais.

9.2.1. Exemplo 1. O espaço euclidiano R3 , com o produto interno

3
X
hx, yi = xi yi , (9.2)
i=1

é um espaço de Hilbert.

9.2.2. Exemplo 2. Um dos exemplos mais importantes de espaços de Hilbert (que foi estudado
pelo próprio David Hilbert no inı́cio do século XX) é o espaço das sequências de quadrado
somável, também chamado de espaço l2 . O espaço l2 é formado pelas sequências de números
reais x = (xi ) tais que
∞
X
x2i < ∞. (9.3)
i=1
√
Por
P exemplo, se x = xn = 1/2n ,
y = yn =P 1/n e z = zn = 1/ n tem-se que x, y ∈ l2 pois
1/22n < ∞, 1/n2 < ∞ mas z ∈
/ l2 pois
P
1/n = ∞.

9.2.3. Exemplo 3. O espaço de funções denotado por L2 (Ω), Ω um subconjunto do Rn , formado

pelas aplicações de quadradro integrável, isto é
 Z 
2 2
L (Ω) = ϕ : Ω → R; |ϕ| dx < ∞ (9.4)
Ω

com a norma
Z 1/2
2
kϕkL2 (Ω) = |ϕ| (9.5)
Ω

induzida pelo produto interno

Z
hϕ, ϕi = |ϕ(x)|2 dx (9.6)
Ω

é um espaço de Hilbert.
O espaço L2 contém funções de grande importância no estudo de sistemas mecânicos como
passaremos a detalhar a partir do próximo capı́tulo.

10. Rudimentos de Cálculo das Variações

Antes de apresentarmos alguns fundamentos a respeito do Cálculo Variacioal, vamos apre-
sentar alguns exemplos particulares de Espaços de funções de Sobolev necessários para a
exposição.
16

10.1. Casos particulares de Espaços de Sobolev. Seja Ω ⊂ Rn , n ≥ 1 e sejam u, v : Ω → R.

O caso mais simples é dado pelo espaço de funções de Sobolev H 0 (Ω) que coincide com o espaço
L2 (Ω) definido anteriormente, isto é, H 0 (Ω) = L2 (Ω). O espaço de funções de Sobolev H 1 é
definido em função dos espaços de Hilbert L2 (Ω) da seguinte forma:
H 1 (Ω) = ϕ : ϕ ∈ L2 (Ω); ∇ϕ ∈ L2 (Ω) .

(10.1)
Neste espaço, o produto interno e a norma natural são dados por
Z
hu, vi1 = (uv + ∇u · ∇v) dΩ , (10.2)
Ω
e
kukH 1 = hu, ui1/2 , (10.3)
respectivamente.
Analogamente, o espaço H 2 é definido como
H 2 (Ω) = ϕ : ϕ ∈ L2 (Ω); ∇ϕ ∈ L2 (Ω); ∇∇ϕ ∈ L2 (Ω) ,

(10.4)
com produto interno e a norma dados por
Z
hu, vi2 = (uv + ∇u · ∇v + ∇∇u · ∇∇v) dΩ , (10.5)
Ω
e
kukH 2 = hu, ui1/2 . (10.6)
respectivamente.

Teorema da imersão de Sobolev: Este importante teorema vai nos dizer quando funções em
H s são contı́nuas. Seja Cbk , k ≥ 0 o espaço de funções u : Ω → R que são
• Limitadas
• contı́nuas e com derivadas contı́nuas e limitadas de ordem j, 1 ≤ j ≤ k.
Teorema. Se Ω é aberto em Rn e s > n/2 + k, então
H s ⊂ Cbk . (10.7)
10.1.1. Exemplo 1. Supondo Ω =]0, 1[, tem-se que funções em H 1 são contı́nuas e limitadas,
isto é, pertencem a Cb0 (1 > 1/2). Funções em H 2 são funções Cb1 (Contı́nuas e limitadas com
derivada primeira contı́nua e limitada) (pois 2 > 1/2 + 1)
10.1.2. Exemplo 2. Se Ω ⊂ R2 , então, H 2 ⊂ Cb0 .
10.2. Derivada Gâteaux de um funcional. Seja F : U ⊂ S → R um funcional definido no
subconjunto U do espaço de Banach S. Vamos assumir que U é uma variedade linear em S e seja
V o subespaço vetorial associado. Seja u ∈ U arbitrário, η ∈ V fixo e τ ∈ R também arbitrário.
Pelo visto anteriormente, os elementos da variedade U podem ser escritos como
(u + τ η) , (10.8)
com η ∈ V. Daı́, a partir de algumas hipóteses adicionais que omiteremos aqui por questão de
simplicidade, tem-se que o funcional F(u + τ η) é contı́nuamente diferenciável em relação a τ .
Com isso a derivada Gâteaux dF(u, η) do funcional F, que chamaremos primeira variação de
F em u na direção η, é dada por
1
dF(u, η) = lim [F(u + τ η) − F(u)] , (10.9)
τ →0 τ
A existência do limite pressupõe
• a) F(u) está bem definido;
 17

• b) F(u + τ η) está bem definido.

Assim, segue F(u + τ η) é função de τ e portanto, o limite em (10.9) representa uma derivada
clássica de F em relação a τ , isto é
dF(u, η) = ∂F(u + τ η) . (10.10)
τ =0

De forma resumida, a derivada Gâteaux de um funcional é calculada seguindo os seguinte

passos:
• a) Primeiro pertubamos a função u na direção η;
• b) em seguida, derivamos classicamente a expressão obtida em relação ao parâmetro τ ;
• c) por fim, o resultado é obtido fazendo τ = 0 .
.

Caso escalar unidimensional: viga elástica

10.2.1. Exemplo 1. Considere uma viga elástica, homogênea, de comprimento L, engastada nas
duas extremidades e submetida a um carregamento transversal q, como indica a Figura 7. A
energia potencial total deste sistema é dada pelo seguinte funcional:
1 L
Z L
d2 u d2 u
Z  
F(u) = EI 2 dx − qu dx, (10.11)
2 0 dx dx2 0
onde E é o módulo de Young, I o momento de inércia da seção transversal e u = u(x) o campo
de deslocamento transversal.

Figura 7. Viga engastada

Como mencionado, para obter a derivada Gâteaux de F, primeiro perturbamos o funcional

dado no ponto fixo u na direção fixa η. Daı́ tem-se
1 L
Z L
d2 (u + τ η) d2 (u + τ η)
Z
F(u + τ η) = EI dx − q(u + τ η) dx, (10.12)
2 0 dx2 dx2 0
Em seguida, derivamos em relação ao parâmetro τ e avaliamos em τ = 0 obtendo
Z L Z L
∂ d2 u d2 η
dF(u, η) := F(u + τ η) = EI 2 2 dx − qηdx (10.13)
∂τ τ =0 0 dx dx 0
Uma vez obtida a derivada Gâteaux dF(u, η) do funcional F, é possı́vel obter a chamada
equação variacional associada fazendo dF(u, η) = 0. Dessa forma, tem-se que
Z L Z L
d2 u d2 η
EI 2 2 dx = qηdx (10.14)
0 dx dx 0
18

A partir destes elementos, o problema de encontrar a linha elástica, que representa o equilı́brio
do sistema mecânico em questão, pode ser escrito da seguinte forma, chamada forma fraca ou
variacional do problema:

 Encontrar u ∈ U, tal que
Z L Z L
d2 u d2 η (10.15)
 EI 2 2 dx = qηdx ∀η ∈ V .
0 dx dx 0
n o
onde U = V = ϕ ∈ H 2 ([0, 1]); ϕ(0) = dϕdx (0) = ϕ(L) = dϕ
dx (L) = 0 . Explicar melhor a questão
da arbitrariedade das η 0 s

O Método dos Elementos Finitos é baseado na formulação variacional do problema, como será
visto na próxima seção. Contudo, é interessante observar como as EDOs ou EDPs associadas
podem ser obtidas a partir da forma variacional.
De fato, assumindo por simplicidade E e I constantes ao longo do eixo da barra e integrando
por partes o lado esquerdo de (10.15), tem-se que
Z L Z L
d2 u dη
 
d
− EI 2 dx = qηdx . (10.16)
0 dx dx dx 0
Integrando por partes novamente tem-se
Z L 2  Z L
d2 u

d
2
EI η dx = qηdx . (10.17)
0 dx dx2 0
A equação acima pode ser reescrita da seguinte forma
Z L 2 
d2 u

d
[ 2 EI 2 − q]η dx = 0 . (10.18)
0 dx dx
Para obter a EDO associada é necessário fazer uso do chamado Lema Fundamental do
Cálculo das Variações que diz o seguinte: Se f (x), 0 ≤ x ≤ L, é uma função contı́nua
tal que
Z L
f (x)η(x) dx = 0 , (10.19)
0
qualquer que seja a função contı́nua η com η(0) = η(L) = 0, então f (x) é estritamente nula em
[0, L]. Fazendo uso deste Lema, obtem-se que
d2 d2 u
 
EI 2 = q . (10.20)
dx2 dx
Assim, relebrando as condições de contorno associadas, a EDO associada a equação variacional
acima é dada por: Encontrar u ∈ C 4 [0, L] tal que
( 2  
d d2 u
dx2
EI dx2
= q(x) em [0, L] ,
(10.21)
u(0) = dx (0) = u(L) = du
du
dx (L) = 0
Note que, nesta formulação, é exigido mais regularidade da função u em relação a formulação
variacional.

Caso escalar bidimensional: condução de calor

Caso caso vetorial tridimensional

 19

11. Método dos Elementos Finitos

11.1. Observações iniciais e Formulação do Problema. Resolver um problema de valor
de contorno consiste em determinar uma função que satisfaz uma determinada equação diferen-
cial. Esta equação diferencial é considerada em um dado domı́nio com a imposição de algumas
condições iniciais de valores na função solução e/ou em suas derivadas. Os principais aspectos
para se obter a solução de um problema de valor de contorno através do Método dos Elementos
Finitos são:
• a formulação fraca ou variacional do problema;
• a solução aproximada da equação variacional através das funções de elemento finito.
Para ilustrar isto, observe o seguinte exemplo: Resolver a seguinte equação diferencial para u
d2 u
+f =0 (11.1)
dx2
onde f : [0, 1] → R é uma função contı́nua.
A equação (11.1) é conhecida por governar deslocamentos transversais de uma corda tensio-
nada ou a distribuição de temperatura em uma barra fina.
2
Obs: A notação ddxu2 será substituı́da por u00 afim de evitar futuras sobrecargas na notação.

11.2. Formulação Forte ou Clássica do problema. Problemas de valor de contorno, como

por exemplo a equação (11.1) na seção anterior, envolvem imposições de condições de contorno
na função u. Para que o problema esteja bem posto, necessita-se que a função u satisfaça, por
exemplo, as seguintes condições:

u(1) = u Condição de contorno essencial
(11.2)
−u0 (0) = q Condição de contorno natural
onde u e q são constantes. A primeira condição, também chamada de condição essencial, é
conhecida como Condição de Contorno de Dirichlet e representa uma prescrição do campo no
referido contorno (imposição de um deslocametno ou temperatura). Já a segunda condição é
conhecida como Condição de Contorno de Neumann e representa um fluxo do campo de base
naquele contorno (momento ou fluxo de calor). Combinando a equação equilı́brio (11.1) com
os exemplos de condição de contorno mostrados em (11.2), a formulação Forte ou Clássica do
problema é definida da seguinte maneira: Dados f : [0, 1] → R uma função contı́nua e u e q
constantes, encontrar uma função u : [0, 1] → R de modo que
 00
 u (x) + f (x) = 0 ;
u(1) = u ; (11.3)
−u0 (0) = q .


11.3. Formulação Fraca ou Variacional do problema. Para definir a formulação fraca ou

variacional do problema é preciso definir duas classes de funções, a saber, as funções testes e
as variações. As funções destas classes devem satisfazer a seguinte condição: a função e sua
derivada primeira devem ser quadrado integrável, isto é,
Z 1
|ϕ(x)|2 dx < ∞ , (11.4)
0
Z 1
 0 2
ϕ (x) dx < ∞ . (11.5)
0

Portanto, essas funções devem pertencer ao espaço de Sobolev H 1 ([0, 1]).

20

A primeira classe é composta por funções u(x) chamadas funções adminissı́veis (ou funções
teste). Essas funções satisfazem a condição de contorno u(1) = u. Assim, o conjunto das funções
admissı́veis, denotado por U, consiste de todas as funções u(x) tais que
U = u : u ∈ H 1 , u(1) = u } .

(11.6)
Note que a função estritamente nula não pode pertence a conjunto U. Portanto, U não pode ser
um subespaço vetorial de H 1 ([0, 1]).
A segunda classe de funções, denotada por V, é composta por funções η(x), chamadas pesos
ou variações, que possuem a condição de contorno de Dirichlet homogênea, isto é
V = η : η ∈ H 1 , η(1) = 0 } .

(11.7)
A partir destes elementos, a formulação fraca, ou variacional, do problema em questão, pode
ser definida como: Dada a função contı́nua f : [0, 1] → R, u e q constantes, encontrar uma
função u ∈ U tal que
Z 1 Z 1
u0 η 0 dx = ηf dx + η(0)q , ∀η ∈ V (11.8)
0 0
Para ver os detalhes da equivalência entre as formulações (11.3) e (11.8), ver [2]. Proponha
um funcional F associado a equação variacional (11.8). Note que a equação anterior deve ser
válida para TODA η ∈ V.
O Método dos Elementos Finitos é baseado na formulação variacional do problema. A
idéia básica consiste em aproximar U e V com coleções de funções de dimensão finita.
Abaixo, serão introduzidas algumas notações que auxiliarão desenvolvimentos futuros:
Z 1 Z 1
0 0
a(u, η) = u η dx , (η, f ) = ηf dx (11.9)
0 0
Utilizando a notação acima, a equação variacional pode ser reescrita da seguinte maneira:
a(u, η) = (η, f ) + η(0)q (11.10)

12. Método de Galerkin

O Método de Aproximação de Galerkin consiste, basicamente, em construir aproximações
de U e V com dimensão finita. Essas novas classes de funções serão denotadas por U h e V h ,
onde h está associado a dimensão do espaço. Mais precisamente, define-se U h e V h como sendo
subconjuntos de U e V, respectivamente. Sendo assim, tem-se que
 h
U ⊂ U ⇒ se uh ∈ U h então uh ∈ U ,
(12.1)
V h ⊂ V ⇒ se η h ∈ V h então η h ∈ V ,
e, evidentemente, uh (1) = u e η h (1) = 0.
Portanto, a forma variacional do problema pode ser reescrita como:
Encontrar uh ∈ U h , tal que

(12.2)
a(uh , η h ) = (η h , f ) + η h (0)q, ∀ η h ∈ V h .
12.1. Descrição do Método de Galerkin. Inicialmente, utiliza-se o fato de que o conjunto
das funções admissı́veis em dimensão finita U h pode ser escrito como uma variedade do espaço
V h . De fato, dada uma função arbitrária g h ∈ U h , isto é, g h ∈ H 1 e g h (1) = u, toda função
função uh ∈ U h pode ser escrita como
uh = v h + g h , (12.3)
com vh ∈ V h. Note que uh (1) = u, como esperado.
 21

Sendo assim, substituindo (12.3) em (12.2) tem-se

a(v h + g h , η h ) = (η h , f ) + η h (0)q . (12.4)
Aplicando as propriedades da forma bilinear do lado esquerdo, obtém-se que
a(v h , η h ) + a(g h , η h ) = (η h , f ) + η h (0)q (12.5)
então
a(v h , η h ) = (η h , f ) + η h (0)q − a(g h , η h ) . (12.6)
A formulação do problema na forma de Galerkin, denotada por G, é definida da seguinte
maneira:
Encontrar uh = v h + g h ∈ U h , tal que

(12.7)
a(v h , η h ) = (η h , f ) + η h (0)q − a(g h , η h ), ∀ η h ∈ V h .

13. Equações Matriciais e a Matriz de Rigidez (K)

O Método de Galerkin conduz o problema a um sistema algébrico de equações lineares. Para
observar este fato deve-se dar mais estrutura a definição de V h . Neste sentido, considera-se uma
base formada por funções NA : [0, 1] → R, com A = 1, 2, ..., n, para gerar o espaço V h . Sendo
assim, as funções que pertencem a V h podem ser escritas como combinações lineares das funções
NA da base considerada. Mais precisamente, isso significa que, se η h ∈ V h , então, existem
constantes c0A s, com A = 1, 2, ..., n tal que
n
X
ηh = cA NA (13.1)
A=1
ou seja,
η h = c1 N1 + c2 N2 + · · · + cn Nn (13.2)
Note que a arbitrariedade de η h nas equações variacionais recai sobre as constantes c0A s. Por
fim, observe que para que as funções NA s estejam em V h , note que é necessário que cada NA
satisfaça
NA (1) = 0, A = 1, 2, ..., n (13.3)
Diz-se que V h tem dimensão n por razões óbvias.
Agora, para dar mais estrutura para o conjunto U h , é preciso definir de forma mais clara
a função g h . Com esta finalidade, será introduzido um outro tipo de função, a saber, Nn+1 :
[0, 1] → R, tal que
Nn+1 (1) = 1 (13.4)
Portanto, g h será determinado por
g h = uNn+1 (13.5)
logo,
g h (1) = u (13.6)
A partir desse elementos, uma função uh ∈ U h , pode ser escrita como
uh = v h + g h
X n
= dB NB + uNn+1 (13.7)
B=1
22

onde as dB s são constantes. Note que uh (1) = u, como esperado.

OBS: Note que como as funções NB0 s, a função Nn+1 e u são dados conhecidos
a priori, encontrar a função uh se reduz a encontrar as constantes d0B s na equação
acima. Encontrar essas constantes d0B s é o que faremos na próxima seção.

13.1. Formulação Matricial. Substituindo (13.1) e (12.7) na equação de Galerkin

a(η h , v h ) = (η h , f ) + η h (0)q − a(η h , g h ) , (13.8)
tem-se que
n n n n n
! ! " # !
X X X X X
a cA NA , dB NB = cA NA , f + cA NA (0) q − a cA NA , uNn+1
A=1 B=1 A=1 A=1 A=1
Enfatizar o que é dado, o que é arbitrário e o que é incógnita. Donde segue que
n n n
! ! " n # n
!
X X X X X
a cA NA , dB NB − cA NA , f − cA NA (0) q+a cA NA , uNn+1 = 0
A=1 B=1 A=1 A=1 A=1

Colocando as 0 s
CA
em evidência, tem-se
n n n n n
!
X X X X X
cA a NA , dB NB − cA (NA , f ) − cA [NA (0)] q + cA a (NA , uNn+1 ) = 0
A=1 B=1 A=1 A=1 A=1
e introduzindo a notação
X n
GA = a(NA , NB )dB − (NA , f ) − NA (0)h + a(NA , Nn+1 )u (13.9)
B=1
tem-se que
n
!
X
cA GA = 0 (13.10)
A=1

Da arbitrariedade das constantes c0A s, segue que

GA = 0 (13.11)
Portanto,
n
X
a(NA , NB )dB = (NA , f ) + NA (0)h − a(NA , Nn+1 )u (13.12)
B=1

Note que tudo é conhecido em (13.12), exceto as d0B s. Portanto, (13.12) constitui um sistema
com n equações e n incógnitas. Isto pode ser escrito de forma mais compacta introduzindo as
seguintes notações:
KAB = a(NA , NB ) (13.13)
FA = (NA , f ) + NA (0)h − a(NA , Nn+1 )u (13.14)
Portanto, a equação (13.12) pode ser escrita como
n
X
KAB dB = FA , A = 1, 2, ..., n . (13.15)
B=1
 23

Expressando KAB , dB e FA na forma matricial, isto é,

     
K11 K12 . . . K1n F1 d1
 K21 K22 . . . K2n   F2   d2 
K = KAB =  .. ..  , F = FA =  e d = dB = 
     
.. .. .. 
 . . ... .   .   . 
Kn1 Kn2 . . . Knn Fn dn
A equação (13.15) pode ser escrita de forma ainda mais compacta, a saber,
Kd = F (13.16)
Em mecânica, as seguintes terminologias são frequentemente aplicadas: K = Matriz de Rigi-
dez, F = Vetor Força, d = Vetor deslocamento
Finalmente, pode-se escrever a forma matricial equivalente do problema de Galerkin G. Dados
os coeficientes da matriz K e o vetor F, encontrar d tal que,
Kd = F (13.17)
Assumindo a existência da inversa de K, K−1 , a solução é trivialmente obtida da seguinte
forma
d = K−1 F (13.18)
Uma vez obtido o valor de d, pode-se finalmente encontrar a solução de G para algum x ∈ [0, 1]
notando que
X n
uh (x) = dA NA + uNn+1 (13.19)
A=1
Algumas observações

1) A matriz K é simétrica. Isso decorre da bilinearidade a(·, ·) e do uso do método de Galerkin.

KAB = a(NA , NB ) = a(NB , NA ) = KBA (13.20)

Em notação matricial

K = KT , (13.21)
A simetria de K tem importantes consequências computacionais. A simetria representa um
ganho computacional em termos de memória e implica solução única para o problema.

2) As equivalências entre as formulações do problema de valor de contorno podem ser repre-

sentadas esquematicamente da seguinte forma:

(S) ⇔ (W ) ≈ (G) ⇔ (M ) (13.22)

Esta aproximação faz com que se possa resolver (W ) via (G). Nas mais complicadas situações
encontradas na prática o número de aproximações aumenta.

3) As vezes é conveniente escrever

n+1
X
h
u (x) = NA (x)dA , (13.23)
A=1
24

onde dn+1 = g.

Referências
[1] M. E. Gurtin. An introduction to continuum mechanics. Mathematics in Science and Engineering vol. 158.
Academic Press, New York, 1981.
[2] T. J. R. Hughes. The finite element method: linear static and dynamic finite element analysis. General Pu-
blishing Company, 2000.
[3] E. L. Lima. Espaços Métricos. Projeto Euclides. IMPA, Rio de Janeiro, 2013.
[4] A. A. Novotny and J. Sokolowski. Topological derivatives in shape optimization. Interaction of Mechanics and
Mathematics. Springer-Verlag, Berlin, Heidelberg, 2013.

(M. Xavier) Universidade Federal Fluminense UFF, TEM - Departamento de Engenharia Mecânica,
Rua passo da Pátria 156, 24210-240 Niterói - RJ, Brasil
Email address: marcelxavier@id.uff.br