Você está na página 1de 88

Introducao ao Metodo dos Elementos Finitos

Julho, 1998

Indice
I Nota cao, Conceitos Basicos, Metodos Variacionais e Problemas
Unidimensionais 1
1 Motivacao e Conceitos Basicos 3
1.1 Introdu cao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.2 Formula c ao do Problema Basico . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.3 Conceitos B asicos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.3.1 Espa cos Vetoriais . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.3.2 Subespa cos, dependencia linear e dimensao . . . . . . . . . . . . . . . . . 7
1.3.3 Espa cos Normados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.3.4 Espa cos com Produto Interno . . . . . . . . . . . . . . . . . . . . . . . . 12
1.3.5 Operadores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
1.3.6 Operadores Lineares . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
1.3.7 Operadores simetricos . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
1.3.8 Operadores positivos denidos . . . . . . . . . . . . . . . . . . . . . . . . 20
1.3.9 Operadores Limitados Inferiormente . . . . . . . . . . . . . . . . . . . . . 22
1.3.10 Convergencia. Completude . . . . . . . . . . . . . . . . . . . . . . . . . . 24
1.3.11 Funcionais . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
2 Metodos Variacionais para a Determina cao de Solu coes Aproximadas de
Problemas de Valor de Contorno 31
2.1 Introdu cao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
2.2 Metodo dos Resduos Ponderados . . . . . . . . . . . . . . . . . . . . . . . . . . 32
2.2.1 Metodo de Coloca c ao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
2.2.2 Metodo de Galerkin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
2.3 Metodo de Ritz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
2.3.1 Mnimo de um Funcional . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
2.3.2 Sequencias Minimizantes . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
2.3.3 Metodo de Ritz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
2.4 Metodo de Mnimos Quadrados . . . . . . . . . . . . . . . . . . . . . . . . . . . 78
2.5 Conclusoes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80
3 Problemas Unidimensionais 83
3.1 Problemas de Valor de Contorno Unidimensionais . . . . . . . . . . . . . . . . . 83
i
3.2 Formula cao Variacional . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84
4 Metodos Variacionais 89
4.1 Metodo de Galerkin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89
4.2 O Metodo dos Elementos Finitos . . . . . . . . . . . . . . . . . . . . . . . . . . 91
4.2.1 Expressao de K e F em Funcao de
e
. . . . . . . . . . . . . . . . . . . . 94
4.2.2 Descricao da Organizacao do Programa de Elementos Finitos . . . . . . . 96
4.3 Exemplos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 97
II Formula cao Variacional e sua Aplica cao em Mecanica 111
5 A Formula cao Variacional 113
5.1 Introdu c ao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 113
5.2 Cinematica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 114
5.2.1 Deformacoes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 114
5.2.2 Movimento. Taxa de Deformac ao . . . . . . . . . . . . . . . . . . . . . . 118
5.2.3 Acoes de Movimento. Restricoes Cinem aticas . . . . . . . . . . . . . . . 123
5.3 Dualidade entre Forcas e Acoes de Movimento. . . . . . . . . . . . . . . . . . . . 126
5.4 Dualidade entre Esforcos Internos e Taxas de Deformac ao . . . . . . . . . . . . . 127
5.5 Equilbrio e Compatibilidade em Corpos Livres . . . . . . . . . . . . . . . . . . 129
5.5.1 Princpio da Potencia Virtual . . . . . . . . . . . . . . . . . . . . . . . . 130
5.5.2 O Teorema da Representac ao . . . . . . . . . . . . . . . . . . . . . . . . 131
5.5.3 Princpio da Potencia Virtual Complementar . . . . . . . . . . . . . . . . 134
5.6 Equilbrio e Compatibilidade em Corpos com Restric oes Bilaterais . . . . . . . . 135
5.6.1 Princpio da Potencia Virtual . . . . . . . . . . . . . . . . . . . . . . . . 135
5.6.2 O Teorema da Representa cao . . . . . . . . . . . . . . . . . . . . . . . . 137
5.6.3 Princpio da Potencia Virtual Complementar . . . . . . . . . . . . . . . . 139
6 Tor cao de Barras 143
6.1 Objetivos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 143
6.2 Hipoteses Cinematicas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 143
6.3 Formula c ao Primal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 146
6.4 Formula c ao Dual . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 150
6.5 Implementacao Numerica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 156
6.6 Exemplos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 159
7 Outros Problemas de Campo 169
7.1 Introdu cao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 169
7.2 Conduc ao Estacion aria de Calor . . . . . . . . . . . . . . . . . . . . . . . . . . . 169
7.2.1 Principais Elementos Matematicos . . . . . . . . . . . . . . . . . . . . . 169
7.2.2 Formula c ao Primal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 171
7.2.3 Formula c ao Dual . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 175
7.2.4 Equa cao Constitutiva. A Lei de Fourier . . . . . . . . . . . . . . . . . . . 177
ii
7.2.5 Exemplos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 178
7.3 Escoamento de Fluidos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 178
7.3.1 O PPV para o Escoamento de Fluidos . . . . . . . . . . . . . . . . . . . 179
7.3.2 Escoamento Potencial . . . . . . . . . . . . . . . . . . . . . . . . . . . . 186
7.3.3 Exemplos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 189
8 Estimativas de Erro e Malhas Adaptativas 195
8.1 Introdu cao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 195
8.2 Propriedades da Formula cao Variacional . . . . . . . . . . . . . . . . . . . . . . 195
8.3 Comportamento da Solu cao. Propriedades e Estimadores a priori do Erro . . 201
8.4 Analise Adaptativa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 204
8.5 Estimativa a posteriori do Erro . . . . . . . . . . . . . . . . . . . . . . . . . . 205
8.6 Suaviza cao de Tens oes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 207
8.7 Estrategia de Renamento . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 209
8.8 Geracao da Nova Malha . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 210
8.9 Exemplos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 211
i
Parte I
Nota cao, Conceitos Basicos, Metodos Variacionais e
Problemas Unidimensionais
1
Captulo 1
Motivacao e Conceitos Basicos
1.1 Introducao
1.2 Formulacao do Problema Basico
A necessidade de tecnicas para a aproxima cao de funcoes surge por diversas raz oes. Entre elas,
a possibilidade de determinar uma solucao aproximada de uma certa equa cao diferencial.
Considere, por exemplo, o problema de determinar o deslocamento transversal, u, de uma
viga de comprimento L submetida a uma carga distribuda q. Quando o material da viga e
elastico e dentro da teoria de pequenas deformacoes, este problema esta denido pela seguinte
equacao diferencial ordinaria:
d
2
dx
2

E(x)I(x)
d
2
u
dx
2

= q x (0, L) (1.1)
onde E e o m odulo de Young e I o momento de inercia da secao transversal.
O problema consistir a em determinar uma funcao u = u(x) satisfazendo a equacao (1.1).
Pode-se observar, entretanto, que existindo uma soluc ao para (1.1), existirao innitas solu coes
(se u e solucao ent ao u + v, onde v e uma func ao linear em x, tambem e uma solucao) pois o
problema ainda nao foi totalmente denido, sendo necess arias outras informa coes.
Estas informa coes adicionais estao associadas ao valor que a possvel solucao u e/ou suas
derivadas, inclusive ate a terceira ordem, assumem nos extremos do intervalo (0, L), ou seja,
para x = 0 e x = L. Assim, por exemplo, pode-se estabelecer que,
u (0) =
du (0)
dx
= u (L) =
du (L)
dx
= 0 (1.2)
onde este tipo de restricao corresponde ao caso de uma viga engas tada em ambas extremidades.
Da mesma maneira, pode-se escrever para uma viga bi-apoiada,
u (0) =
d
2
u (0)
dx
2
= u (L) =
d
2
u (L)
dx
2
= 0
ou, ainda para uma viga em balanco com uma carga P na extremidade livre,
u (0) =
du (0)
dx
= 0,
d
2
u (L)
dx
2
= 0, EI
d
3
u (L)
dx
2
= P
3
4 Captulo 1. Motivacao e Conceitos Basicos
O problema inicialmente apresentado est a assim colocado: determinar a fun cao u = u (x)
denida no domnio [0, L], tal que satisfazendo as restricoes nos extremos x = 0 e x = L,
satisfa ca a equa cao diferencial (1.1). Estas restri c oes recebem o nome de condi coes de contorno
e o conjunto formado pela equacao diferencial (1.1) e as condic oes de contorno e conhecido
como problema de valor de contorno (PVC).
Supondo que este problema de valor de contorno tem uma unica soluc ao, surge imediata-
mente uma primeira pergunta:
1. Como encontrar esta soluc ao u = u(x) ?
Quem j a trabalhou com equa coes diferenciais sabe que a resposta n ao e simples. Para
determinados valores dos coecientes E(x), I(x) e do termo independente q(x), uma
solucao analtica pode n ao ser encontrada para o PVC considerado. Em geral, pode-se
dizer que a determina cao desta solu c ao requer uma grande familiaridade com os diferentes
procedimentos matem aticos adequados a um ou outro tipo de equac ao diferencial.
Dado o caso de n ao se poder determinar uma solucao exata, seja porque a mesma n ao pode
ser determinada analiticamente ou porque n ao se est a familiarizado com os procedimentos
matematicos adequados para a sua detrmina c ao, surge a necessidade de determinar uma
funcao que de alguma maneira seja uma boa aproximacao da soluc ao. Esta necessidade
da lugar a uma serie de novas perguntas:
2. Dada uma fun c ao u = u(x), o que se entende por uma boa aproximacao de u = u(x) ?
3.

E possvel determinar uma solucao aproximada, u
a
, da soluc ao do PVC considerado?
4. De todas estas solu coes aproximadas, e possvel determinar a que melhor se aproxima?
E, caso armativo, como calcula-la?
Ao longo deste texto, trataremos de responder todas estas perguntas.
1.3 Conceitos Basicos
Como colocado anteriormente, um PVC consiste em determinar u tal que satisfa ca a equacao
diferencial e certas condi coes de contorno. Esta fun cao u estara denida em um certo domnio.
Se esta funcao depende de uma unica variavel independente, o domnio ser a um intervalo aberto,
no exemplo considerado (0, L); se depende de duas vari aveis o domnio ser a uma superfcie; se
depende de tres variaveis ser a um volume; etc. Por sua vez, neste domnio nao foi includo o
seu contorno.
Seguindo esta ideia geral, pode-se dizer que um domnio e um conjunto de pontos do espa co
caracterizados pelas seguintes propriedades:
1. se x pertence ao domnio, logo todo ponto y sucientemente pr oximo pertence tambem
ao domnio;
2. dois pontos arbitr arios do domnio sempre podem ser unidos por uma curva contida
inteiramente no domnio.
1.3. Conceitos Basicos 5
S

Figura 1.1: Domnio e seu contorno.


Matematicamente, a propriedade 1 e equivalente a dizer que todos os pontos do domnio
sao interiores e a segunda e que o domnio e conexo.
O contorno do domnio esta denido como um conjunto de pontos tal que toda vizinhan ca
de cada um deles contem pontos que estao e que nao est ao no domnio.
Daqui por diante, denota-se por todo o domnio sendo S o seu contorno, como ilustrado
na Figura 1.1.
Ao longo deste texto, limita-se ao caso de contornos suaves ou suaves por parte. Um crculo
ou uma elipse sao exemplos cl assicos de um contorno suave, enquanto um contorno poligonal e
um exemplo de contorno suave por partes.
A uniao dos conjuntos e S denem o domnio fechado

= S. Por sua vez, considera-
se neste texto somente o caso de domnios limitados, ou seja, domnios que podem sempre ser
includos em uma esfera de raio adequado.
Pode-se notar que este tipo de domnio e usual em problemas de Engenharia, onde o domnio
n ao e outra coisa que a estrutura/componente que se esta analizando.
Antes de explicar o que se entender a por aproxima cao, ser a necessario introduzir alguns
outros conceitos, tal como es pa co vetorial, norma e espacos normados.
1.3.1 Espa cos Vetoriais
Um espa co vetorial X e um conjunto nao-vazio de elementos, chamados vetores , sob os quais
denem-se as seguintes opera coes de adi c ao e multiplica c ao por um n umero real, satisfazendo
as seguintes condi coes e axiomas:
1. para todo x, y X, x +y X;
2. x +y = y +x, propriedade comutativa;
3. (x +y) +z = x + (y +z), propriedade associativa;
4. existe em X um elemento nulo 0 X, tal que para todo x X resulta x + 0 = x;
5. para todo x X existe o seu elemento invers o, designado por x, tal que x + (x) = 0;
6. a multiplica cao de n umeros reais por elementos de X est a denida, ou seja 1 (1 e
campo de n umeros reais) e todo x X, o vetor x X;
6 Captulo 1. Motivacao e Conceitos Basicos
x
x
1
2
Figura 1.2: Plano E
2
.
7. dados , 1 e x, y X, tem-se as propriedades distributivas em rela cao ao produto
por um n umero real ( +)x = x +x e `a adi cao (x +y) = x +y.
8. 1x = x, onde 1 e a identidade em 1.
Exemplo 1.1 O plano real E
2
. Seja X = E
2
o conjunto de todos os pares ordenados (x
1
, x
2
),
x
1
e x
2
1 s ao chamados de coordenadas do ponto ou vetor x, conforme ilus trado na Figura
1.2 . Se a adi c ao e multiplicacao s ao denidas de maneira us ual,
x +y = (x
1
+y
1
, x
2
+y
2
)
x = (x
1
, x
2
)
o conjunto X = E
2
res ulta num es paco vetorial, onde o elemento nulo e 0 = (0, 0), e o invers o
a x e x = (x
1
, x
2
).
Exerccio 1.1 Seja C[a, b] o conjunto de todas as funcoes contnuas de valor real denidas no
intervalo [a, b]. Denindo-s e a adi cao e multiplicacao por um n umero real da forma us ual, ou
s eja, s e f, g C[a, b] e 1 entao f +g e f es tao denidos por:
(f +g) (x) = f (x) +g (x) x [a, b]
(f) (x) = f (x) x [a, b]
mos trar que o conjunto C[a, b] as s im denido e um es pa co vetorial.
Exerccio 1.2 Se PC [a, b] e o conjunto de todas as funcoes contnuas por partes em [a, b].
Dizemos que uma fun cao f e contnua por parte em [a, b], s e e s omente s e tem um n umero nito
de des continuidades e

b
a
f (x) dx < . Para a adicao e multiplicacao por es calar denidos no
Exerccio 1.1, demons tre que PC [a, b] e um es pa co vetorial. Como e o elemento nulo em
PC [a, b]?
Exerccio 1.3 Seja P
n
[a, b] o conjunto formado por todos os polinomios de grau n ou menor
denidos em [a, b] . Com a deni c ao us ual da adi cao entre polinomios e multiplica cao por un
n umero, demons tre que P
n
[a, b] e um es pa co vetorial.
1.3. Conceitos Basicos 7
1.3.2 Subespacos, dependencia linear e dimensao
Considere o espaco vetorial X e seja Y um subconjunto nao-vazio de X, tal que para todo
y
1
, y
2
Y e todo , 1 resulta y
1
+ y
2
Y . Neste caso, observa-se que Y e em si
mesmo um espaco vetorial onde as opera coes de adi cao e multiplica cao por un n umero real
foram induzidas por X. Diz-se que Y e um s ubes paco vetorial de X. Pode-se notar que o
elemento nulo de X tambem pertence a Y . Como exemplos de subespa cos do espaco vetorial
E
3
, citam-se a reta ou o plano que passam pela origem das coordenadas.
A combina cao linear dos vetores x
1
, x
2
, ..., x
n
, pertencentes ao espaco vetorial X, e um vetor
de X denida pela expressao

1
x
1
+
2
x
2
+... +
n
x
n
onde a
i
, i = 1, ..., n 1 sao arbitr arios.
Introduzida a denic ao de combina cao linear de vetores, dene-se um conjunto de vetores
linearmente independentes. O conjunto de vetores x
i

i=1,n
e linearmente independente se a
combinac ao,

1
x
1
+... +
n
x
n
e igual ao elemento nulo 0 se e somente se
i
= 0 para todos os valores de i = 1, 2, ..., n.
Reciprocamente, diz-se que um conjunto de vetores e linearmente dependente se o mesmo nao
e linearmente independente.
Considere, agora, um subconjunto nao-vazio M X, X espa co vetorial. O conjunto for-
mado por todas as combinacoes lineares dos elementos de M e chamado de spanM, ou seja,
spanM =

x; x =
n

i=1

i
x
i
,
i
1, x
i
M

obviamente spanM e um s ubs pa co de X, sendo chamado tambem s ubs paco gerado por M.
Um espa co vetorial X se diz de dimens ao nita se existe um n umero inteiro positivo n, para
o qual existe em X um conjunto de n vetores linearmente independentes e todo conjunto com
n + 1 vetores e linearmente dependente. Desta maneira, X tem dimens ao n sendo denotado
por dimX = n. Em particular, se X e um espa co nulo (X = 0), diz-se que sua dimensao
e dimX = 0. Se X nao e um espaco de dimens ao nita, diz-se que o mesmo e de dimens ao
innita.
Ao longo destas notas, observa-se a import ancia de ambos os tipos de espa cos. Assim, por
exemplo, um certo PVC e equivalente a minimizar uma funcao denida, em geral, num espa co
vetorial de dimens ao innita. A soluc ao aproximada sera, por outro lado, calculada sobre um
espa co de dimens ao nita.
Exemplos de espa cos de dimensao innita podem ser o espa co C [a, b] ou PC [a, b]. Entre
os espa cos de dimensao nita, tem-se o espa co Euclidiano Tridimensional E
3
com dimE
3
= 3
e o espa co de polin omios P
n
com dimP
n
= n.
Se dimX = n, logo um conjunto linearmente independente de n vetores formam uma bas e
de X. Neste caso, todo elemento x X pode ser representado em forma unica com uma
8 Captulo 1. Motivacao e Conceitos Basicos
combinacao linear dos vetores bases. Assim, se x
i

i=1,n
e uma base de X (dimX = n), logo
todo x X arbitrario pode ser expresso como:
x =
n

i=1

i
x
i

i
1 sao unicos
onde os
i
, i n sao as componentes de x na base x
i

n
i=1
.
Exerccio 1.4 Demons tre que dado o es pa co vetorial X tal que dimX = n e s endo x
i

i=1,n
uma bas e de X, todo vetor x X pode s er repres entado atraves de uma unica combina cao
linear:
x =
1
x
1
+
2
x
2
+... +
n
x
n
Em geral, pode-se dizer que se X e um espa co vetorial, nao necessariamente de dimens ao
nita, e B e um subconjunto de X linearmente independente, tal que spanB = X, logo B e
uma base de X. Todo espaco vetorial X = 0 tem uma base. A existencia de uma base
para um espa co de dimens ao nita e clara. Para espacos de dimensao innita, a existencia esta
fundamentada sobre alguns conceitos que escapam da nalidade deste texto.
1.3.3 Espa cos Normados
Para poder estabelecer o que se entende por aproxima c ao, e necessario introduzir alguns con-
ceitos relacionados com a generaliza c ao da ideia geometrica de distancia entre pontos do espaco
tridimensional.
De fato, quando trabalhamos sobre a reta real (E
1
), a distancia entre dois pontos (n umeros
reais) a, b, est a dada por:
d = [a b[
e com este conceito de dist ancia, e possvel decidir que um ponto a est a proximo de outro b, se
a distancia entre ambos os pontos e pequena. Este conceito tambem e claro quando toma-se
E
2
e E
3
.
No entanto, supondo uma funcao u = u (x), x pertencente a um certo domnio, baseados
em que conceitos pode-se dizer que u e uma funcao proxima de uma outra fun c ao v?
Para responder esta pergunta ser a necessario estender o conceito usual de distancia em
E
1
, E
2
e E
3
.
Antes de realizar isto, analiza-se um pouco este conceito geometrico usual. Assim, em E
1
,
o valor absoluto de um n umero a, representado por [a[, e um n umero real que se caracteriza
por satisfazer as seguintes propriedades:
1. [a[ 0 e = 0 se e somente se a = 0;
2. [a +b[ [a[ +[b[.
1.3. Conceitos Basicos 9
x
y
x + y
x - y
Figura 1.3: Soma e subtrac ao de vetores.
Da mesma maneira, em E
2
estuda-se que o tamanho de um vetor x, caracterizado por sus
componentes (x
1
, x
2
), esta denida por:
|x| =

x
2
1
+x
2
2
satisfazendo ainda
1. |x| 0 e igual a zero se e somente se o vetor e nulo.
2. |x| = [[ |x| , 1
3. |x +y| |x| +|y| (desigualdade triangular)
Por sua vez, a distancia entre os pontos x, y e denida atraves do vetor x y, ou seja,
|x y| = |y x|
Estes conceitos podem ser generalizados para os vetores de um espa co vetorial geral X.
Seja um espaco vetorial X, a norma de um vetor x X e uma funcao de valor real designada
por |x| satisfazendo as propriedades:
1. |x| 0 e igual a zero se e somente se x = 0;
2. |x| = [[ |x| , 1;
3. |x +y| |x| +|y| ,(desigualdade triangular)
Por sua vez, a norma anterior induz uma medida ou metrica em X, permitindo estabelecer
a distancia entre os elementos de X. Esta metrica e designada por d estando dada por
d (x, y) = |x y|
e diz-se que d e a medida induzida pela norma ||.
Um espa co vetorial X, onde foi denida uma norma, e chamado de es pa co vetorial normado.
Exerccio 1.5 Seja C [a, b] o es paco vetorial de todas as funcoes contnuas em [a, b].
A funcao |f| = max
x[a,b]
[f (x)[ e uma norma? Explique s ua res pos ta.
10 Captulo 1. Motivacao e Conceitos Basicos
g
f
f
1 g+
g-
a b
Figura 1.4: Aproximac ao de funcoes.
A func ao |f| =

b
a
[f (x)[ dx

e uma norma? Explique s ua res pos ta.


Exerccio 1.6 Seja C
1
[a, b] o es paco vetorial de todas as funcoes contnuas com derivadas
primeiras contnuas em [a, b]. A funcao:
|f| = max
x[a,b]
[f (x)[ + max
x[a,b]

(x)

onde f

=
df (.)
dx
, e uma norma em C
1
[a, b] ?
De acordo com o que tem sido visto, dado um espaco vetorial normado X, pode-se introduzir
uma medida d estabelecendo que d (x, y) = |x y|, onde || e a norma de X. Atraves
desta medida, pode-se entender o criterio de aproxima cao. Como e natural, esta aproximacao
depender a da medida adotada.
De fato, suponha C
1
[a, b] o espa co vetorial de todas as funcoes contnuas com derivadas
primeiras contnuas em [a, b]. Considere a seguinte denicao de norma
|f| = max
x[a,b]
[f (x)[ , f C [a, b]
e sua metrica induzida,
d (f, g) = max
x[a,b]
[f (x) g (x)[
Logo, dada a funcao g C [a, b], diz-se que f aproxima, com um erro ( > 0), a funcao g
se:
d (f, g) = |f g| = max
x[a,b]
[f (x) g (x)[ <
A interpreta cao geometrica do enunciado anterior pode ser vista na Figura 1.4.
A Figura 1.4 tambem mostra que tanto f quanto f
1
aproxima g em . Entretanto, pode-
se perceber que a derivada de f se comporta de uma maneira similar ` a derivada de g, nao
ocorrendo o mesmo com a de f
1
, a qual e totalmente diferente da derivada de g.
1.3. Conceitos Basicos 11
a
b
x
o

1
f
g
Figura 1.5: Funcao de aproximacao.
No exemplo anterior, observa-se que caso se queira aproximar g de maneira a aproximar
tambem a sua derivada, a medida utilizada para estabelecer o quao pr oximo esta uma funcao
de outra nao e adequada. Para este caso, tem-se que utilizar, por exemplo, a seguinte medida:
d (f, g) = max
x[a,b]
[f (x) g (x)[ + max
x[a,b]

(x) g

(x)

Veja outro exemplo interessante. Considere o espaco vetorial C [a, b] e tome as seguintes
normas,
1. |f| = max
x[a,b]
[f (x)[
2. |f| =

b
a
[f (x)] dx
Como foi visto, cada uma delas dene uma metrica. Em particular, tome g = g (x) 0
para x [a, b] (ver Figura 1.5) e tome a funcao f = f (x) denida por:
f (x) =

0 x [a, b] ` [x
0
, x
0
+] , x
0
(a, b)
1 x = x
0
1

[x (x
0
)] x [x
0
, x
0
]
1

[(x
0
+) x] x [x
0
, x
0
+]
A partir do exposto anteriormente, ca f acil de ver que,
d
1
(f, g) = max
x[a,b]
[f(x) g(x)[ = 1
d
2
(f, g) =

b
a
[f(x) g(x)[ dx =

b
a
[f(x)[dx =
1
2
(2 1) =
Adotando a metrica d
1
, observa-se que qualquer que seja o valor de , sempre tem-se
d
1
(f, g) = 1, isto e f n ao aproxima g quando a metrica d
1
e adotada. Nao ocorre o mesmo com
a segunda metrica d
2
, onde para 0 tem-se d
2
(f, g) 0.
12 Captulo 1. Motivacao e Conceitos Basicos
Desta forma, uma metrica conveniemente escolhida permite incluir func oes aproximantes
que outras metricas descartariam.
Como sera visto adiante, no problema de integrac ao de equa c oes diferenciais, a metrica a
ser empregada dependera do tipo de equa c ao diferencial (operador) que governa o problema.
1.3.4 Espa cos com Produto Interno
Nas secoes anteriores, foi introduzido os conceitos de espacos vetoriais e espa cos normados.
Ambas denicoes permitiram generalizar as ideais b asicas de algebra vetorial. Desta maneira,
torna-se possvel somar e multiplicar por escalares (n umeros reais) entes matem aticos dos mais
variados tipos, denominados, de forma geral, vetores. Por sua vez, com a deni c ao de norma
de um vetor, estendeu-se o conceito de comprimento de um vetor.
Entretanto, nos espa cos normados deixou-se de lado alguns conceitos uteis na algebra veto-
rial, tal como o produto escalar (ou produto interno) de vetores,
v w =
n

i=1
v
i
w
i
sendo v
i
e w
i
as i-esimas componentes dos vetores v e w, respectivamente.
Este produto escalar permite tambem denir o comprimento do vetor,
|v| =

v
2
i
1
2
e ainda a condi cao de ortoganalidade,
v w = 0
Surge assim a necessidade de generalizar estes conceitos a espacos vetoriais arbitr arios. Na
verdade, esta generalizacao e possvel, dando lugar aos chamados es pa cos com produto interno.
Como veremos mais adiante, os espacos com produto interno s ao uma especie particular
dos espacos normados e historicamente, elas surgiram antes dos espa cos normados. A teoria
destes espa cos detem numerosas caractersticas do espa co Euclidiano centrando-se sobre toda
na ortogonalidade.
Um es pa co com produto interno e um espaco vetorial X, onde se dene um produto interno.
O produto interno em X e uma func ao de valor real tal que, para cada par de vetores x, y
X (em outras palavras denida em X X) dene um n umero real, designado por 'x, y`,
satisfazendo as seguintes propriedades:
1. simetria: 'x, y` = 'y, x`;
2. propriedade distributiva: 'x +y, z` = 'x, z` +'y, z`;
3. 'x, y` = 'x, y`
4. 'x, x` 0 e = 0 se e somente se x 0
1.3. Conceitos Basicos 13
Exemplo 1.2 Seja o es pa co Euclidiano n-dimens ional E
n
:
E
n
= x; x = (x
1
, x
2
, ..., x
n
) , x
i
1
onde cada vetor x de E
n
e o conjunto ordenado de n n umeros reais chamados de coordenadas
do ponto x. A adicao e multiplicacao es tao denidos como us ualmente. O produto interno
'x, y` es ta denido por:
'x, y` = x
1
y
1
+x
2
y
2
+... +x
n
y
n
Exemplo 1.3 Cons idere o es pa co vetorial C
2
[a, b], onde pode-s e denir os s eguintes produtos
internos :
'x, y` =

b
a
x(t) y (t) dt
'x, y` =

b
a

x(t) y (t) +x

(t) y

(t)

dt
'x, y` =

b
a

x(t) y (t) +x

(t) y

(t) +x

(t) y

(t)

dt
'x, y` =

b
a
(t) x(t) y (t) dt, (t) > 0 e uma fun cao contnua.
Exemplo 1.4 Outro es pa co us ual na mecanica e o es paco vetorial formado por todas as fun coes
quadrado-integraveis em a, b, por exemplo, ou s eja o conjunto formado por todas as fun coes f (x)
tal que:

b
a
[f (x)]
2
dx <
Des igna-s e es te es paco vetorial por L
2
[a, b] e dene-s e o s eguinte produto interno:
'f, g` =

b
a
f (x) g (x) dx
Aqui deve-s e levar em conta que as integrais anteriores s ao tomadas no s entido de Lebes gue.
Como pode-se perceber, o produto interno induz uma norma
|x| = ('x, x`)
1
2
e desta vem a metrica,
d (x, y) = |x y| = ('x y, x y`)
1
2
Logo, todo espa co vetorial com produto interno e um espa co normado (o recproco nao e
verdadeiro). A seguir, verica-se que a norma induzida pelo produto interno e realmente uma
norma. De fato:
1. |x| = ('x, x`)
1
2
0 e = 0 se e somente se x = 0 como deduz-se pela propriedade 4 do
produto interno;
14 Captulo 1. Motivacao e Conceitos Basicos

u
v
||v|| cos
Figura 1.6: Produto escalar de vetores.
2. |x| = ('x, x`)
1
2
= [[ ('x, x`)
1
2
= [[ |x| como pode ser visto pela propriedade 3 do
produto interno;
3. |x +y| |x| +|y| (desigualdade triangular).
Para demonstrar que a norma induzida pelo produto interno satisfaz 3, deve-se provar antes
outra desigualdade importante, conhecida pelo nome de Cauchy-Bunyakovsky.
De fato, o produto interno foi introduzido para generalizar o conceito de produto escalar
de vetores. Observa-se tambem que dados os vetores u e v (Figura 1.6) de modulos |u| e |v|
respectivamente, o produto escalar pode ser expresso da seguinte forma:
u v = |u| |v| cos
Em virtude de que [cos [ 1, tem-se:
[u v[ |u| |v|
Portanto, resulta natural que o produto interno (generalizac ao do produto escalar) tambem
satisfa ca esta desigualdade. Logo, dados os elementos do espaco vetorial X com produto interno
resulta a desigualdade de Cauchy-Bunyakovsky,
[< x, y >[ |x| |y|
Para demonstrar a rela cao anterior, seja 1 arbitrario. Logo, para todo e da pro-
priedade 4 do produto interno vem que,
< x +y, x +y > 0
Desenvolvendo o primeiro membro da desigualdade e fazendo uso da simetria (propriedade
1 do produto interno),
< x, x > +2 < x, y > +
2
< y, y > 0
A express ao anterior e quadr atica em e n ao-negativa. Logo, seu discriminante deve ser
menor ou igual a zero, ou seja,
1.3. Conceitos Basicos 15
(< x, y >)
2
< x, x >< y, y > 0
Da expressao anterior, segue-se que,
[< x, y >[ (< x, x >)
1
2
(< y, y >)
1
2
= |x| |y|
Prova-se assim a desigualdade de Cauchy-Bunyakovsky. Com isto n ao e difcil mostrar que
a norma induzida pelo produto interno satisfaz a desigualdade triangular. Portanto,
|x +y|
2
= < x +y, x +y >=< x, x > +2 < x, y > + < y, y >
< x, x > +2 [< x, y >[ + < y, y >
|x|
2
+ 2 |x| |y| +|y|
2
= (|x| +|y|)
2
de onde,
|x +y| |x| +|y|
1.3.5 Operadores
Na se cao 1.2, foi visto que o problema de ex ao transversal de uma viga bi-engastada estava
denido pelo problema de valor de contorno:
d
2
dx
2

E (x) I (x)
d
2
u
dx
2

= q (0, L) (1.3)
u (0) = u

(0) = u (L) = u

(L) = 0 (1.4)
onde a equa cao diferencial esta denida em um certo domnio, neste caso (0, L), e onde as
condi coes (1.4) estao denidas no contorno deste domnio, x = 0 e x = L neste caso.
No primeiro membro da equacao (1.3), pode-se distinguir:
1. uma fun c ao u = u (x) denida em = (0, L) sobre a qual realiza-se uma serie de
operacoes, que neste caso sao a multiplica c ao e diferencia c ao. Observa-se assim que
esta fun c ao deve ser tal que estas operac oes possam ser realizadas ou de outra forma que
tenham sentido, signicado. No exemplo, nota-se que a fun c ao u tem que ser submetida ` a
uma diferencia c ao de quarta ordem. Logo, u dever a pertencer a um conjunto de fun coes
que sejam contnuas com derivadas ate quarta ordem tambem contnuas em = [0, L].
Este conjunto e simplesmente dado pelo es pa co vetorial C
4
[a, b];
2. ao realizar essas operacoes sobre u C
4
[0, L], pretende-se que o primeiro membro da
equa cao (1.3) seja igual `a outra fun cao q = q (x), denida tambem em = (0, L).
Supondo E = E (x) e I = I (x) C
2
[0, L] , esta fun c ao q C [0, L];
16 Captulo 1. Motivacao e Conceitos Basicos
3. esse conjunto de opera coes sobre u e por si mesmo uma lei de transforma c ao. Portanto,
dada a fun cao u C
4
[0, L], aplicando-se a lei da transformacao,
d
2
dx
2

E (x) I (x)
d
2
()
dx
2

obtem-se uma certa fun cao q C [0, L]. Isto n ao e outra coisa que uma generaliza cao
do conceito usual de funcoes reais de variavel real. Esta generaliza cao recebe o nome de
operador.
Pode-se dizer, assim, que um operador Ae uma lei de correspondencia de acordo com a qual,
cada funcao (elemento) de um espa co vetorial ira corresponder a uma outra fun c ao (elemento)
de outro espaco vetorial. No exemplo considerado,
A =
d
2
dx
2

E (x) I (x)
d
2
.
dx
2

A : C
4
[0, L] C [0, L]
onde a expressao anterior se le: A aplica C
4
[0, L] em C [0, L] ou em outras palavras, dado
u C
4
[0, L] Au C [0, L].
Assim, como uma funcao est a denida em um certo domnio (no exemplo o intervalo [0, L],
um operador (generaliza cao do conceito de fun cao) est a tambem denido em um conjunto de
funcoes chamado de domnio do operador. No exemplo em discutiss ao, o domnio de denicao
do operador A e C
4
[0, L].
Agora bem, do ponto de vista do problema de valor de contorno (1.3) e (1.4), nem todas
as funcoes u C
4
[0, L] sao possveis solu cao de (1.3) e (1.4). Somente aquelas fun coes que
satisfazem as condicoes de contorno (1.4) sao func oes admis s veis para o problema de valor de
contorno. Desta maneira, diz-se que o operador A para o problema de valor de contorno (1.3)
e (1.4) esta denido no conjunto,
D
A
=

u; u C
4
[0, L] , u satisfazendo (1.4)

D
A
passa a ser assim o domnio de denic ao do operador A do problema de valor de contorno
(1.3) e (1.4).
Tendo presente as obervacoes 1-3 colocadas no incio desta sec ao, e facil perceber que muitos
problemas da fsica matem atica, podem ser escritos de uma maneira mais compacta e formal:
Determinar u X tal que
Au = f em
onde f Y , D
A
= u; u X; u s atis fazendo as condicoes de contorno, X e Y s ao es pa cos
vetoriais adequados .
Pode-se observar que as condicoes de contorno (express oes (1.4) no exemplo dado) estao
implcitas na deni cao de D
A
.
Nota-se, tambem, que quando as condicoes de contorno sao homogeneas, tais como as
expressoes em (1.4) no exemplo, o domnio do operador passa a ser um subespa co do espa co
1.3. Conceitos Basicos 17
vetorial X, ja que a soma e multiplica cao por escalar de elementos de D
A
sao tambem elementos
de D
A
.
A seguir, analizam-se algumas propriedades comuns dos operadores que surgem, por exem-
plo, nos diversos problemas a serem abordados neste trabalho.
1.3.6 Operadores Lineares
Considere os espacos vetoriais X e Y . O operador A que aplica X em Y e um operador linear
se:
1. A(u +v) = Au +Av
2. A(u) = Au
para todo 1 e todo u, v X.
Exemplo 1.5 As matrizes de ordem m n s ao exemplos de operadores lineares que aplicam
o es paco euclidiano E
n
no es paco euclidiano E
m
. De fato dado,
x = (x
1
, ..., x
n
) E
n
o operador (matriz) A = (a
ij
) , (i = 1, ..., m), (j = 1, ..., n) e tal que,
Ax = y y E
m
onde:
y = (y
1
, ..., y
m
) y
i
=
n

j=1
a
ij
x
j
e por s ua vez:
A(u +v) = Au +Av
A(u) = Au
ou s eja A e um operador linear de E
n
em E
m
.
Exemplo 1.6 Sabendo que a derivada de uma s oma de fun coes e a s oma das derivadas , as s im
como a derivada do produto por es calar de uma fun cao e o produto es calar da derivada, o
operador denido no exemplo da viga e um operador linear de D
A
em C [0, L].
Exemplo 1.7 O problema da torcao de uma barra el as tica homogenea es ta dado pelo problema
de valor de contorno (ver Timos henko et al, Theory of Elas ticity )
= f em
[

= 0
18 Captulo 1. Motivacao e Conceitos Basicos
E=cte
Figura 1.7: Barra para os exerccios 1.7 - 1.10
conhecido, tambem, como problema de Dirichlet, s endo o operador Laplaciano que no plano
conduz a:
A = =

2
.
x
2
+

2
.
y
2

E facil ver que:


D
A
=

; C
2
[] , [

= 0

e que :
A : D
A
C []
e um operador linear.
Exerccio 1.7 Cons idere o problema da barra da Figura 1.7. Suponha a carga q = cte e
cons idere o material da barra como elas tico homogeneo, ou s eja o m odulo de Young E = cte e
s uponha, tambem, que a s ec cao trans vers al da barra e cons tante. Es tabele ca:
1. a equacao diferencial que governa o problema;
2 . as ondi c oes de contorno;
3. a forma do operador;
4. o domnio do operador. Explique.
5. Se trata de um operador linear? Por que?
Exerccio 1.8 Idem ao problema anterior, mas s upondo,
q =

q
1
= cte x

0,
L
2

q
2
= cte x

L
2
, L

Exerccio 1.9 Idem ao primeiro problema, mas s upondo


q =

0 x 0,

L
2

L
2
, L

P x x =
L
2
1.3. Conceitos Basicos 19
Exerccio 1.10 Idem ao primeiro problema, mas cons idere que o m odulo de Young e a area
trans vers al s ao cons tantes por partes como s egue:
EA =

E
1
A
1
= cte x

0,
L
2

E
2
A
2
= cte x

L
2
, L

onde A e a area trans vers al. Suponha q = cte em [0, L] e compare com o primeiro problema.
1.3.7 Operadores simetricos
Considere um operador linear A : X Y denido em um subespa co vetorial X do espa co Y
com produto interno ', `. Diz-se que o operador A e simetrico se para todo par de elementos
x, y X, verica-se a identidade:
'Ax, y` = 'Ay, x`
Exemplo 1.8 Seja Y = C [0, 1] com o produto interno denido por,
'f, g` =

1
0
f (x) g (x) dx
Cons idere o operador A, tal que Au =
d
2
u
dx
2
(es te operador s urge no problema da barra s ub-
metida a cargas atuando na direcao do s eu eixo) e s eja D
A
= X = u; u C
2
[0, 1] ; u (0) = u (1) = 0.
Como pode-s e obervar, X e um s ubes paco de Y e para todo u X tem-s e Au Y ou, em outras
palavras , Au e uma fun c ao contnua em [0, 1]. Por s ua vez, para todo u, v X e integrando
por parte res ulta:
'Au, u` =

1
0

d
2
u
dx
2
v (x) dx =

1
0
du
dx
dv
dx
dx
du
dx
v[
1
0
Tendo pres ente que tanto u como v pertencem a X, quer dizer s ao nulas em x = 0, 1 tem-s e,
'Au, v` =

1
0
du
dx
dv
dx
dx
Integrando novamente por partes e, utilizando as condicoes de contorno res ulta,
'Au, v` =

1
0
u

d
2
v
dx
2

dx +u
dv
dx

1
0
= 'u, Av`
ou s eja, A e s imetrico.
Exemplo 1.9 Cons idere o mes mo operador do exemplo anterior, mas com
D
A
= X =

u; u C
2
[0, 1] , u(0) =
du
dx
(1) = 0

20 Captulo 1. Motivacao e Conceitos Basicos


O operador com es s as condi coes de contorno corres ponde ao problema de uma barra tra-
cionada com um extremo xo e o outro livre. Novamente o operador e s imetrico. De fato,
'Au, v` =

1
0

d
2
u
dx
2
vdx =

1
0
du
dx
dv
dx
dx
du
dx
v[
1
0
=

1
0
u

d
2
v
dx
2

dx +u
dv
dx

1
0
= 'u, Av`
Exerccio 1.11 Cons idere o problema de uma viga em ex ao com EI = 1 ao longo de toda a
viga. Es tude a s imetria do operador para os s eguintes cas os :
1. viga bi-engas tada;
2 . viga bi-apoiada;
3. viga apoiada em um extremo e engas tada em outro;
4. viga engas tada em um extremo e livre em outro.
Exerccio 1.12 Cons idere o problema de torcao de uma barra (ver Timos s henko, et all),

d
2
u
dx
2
+
d
2
u
dy
2

= 2G em
u = 0 em
Mos tre que o operador e s imetrico.
1.3.8 Operadores positivos denidos
Seja um operador linear A denido em um espa co vetorial com produto interno X. Diz-se que
A e um operador positivo-denido se para todo u X n ao nulo (u = 0, 0 e elemento nulo de
X), verica-se,
'Au, u` 0 e igual a zero se e somente se u = 0
Exemplo 1.10 Cons idere, novamente, o operador denido no Exemplo 1 da s ec cao anterior.
Nes te cas o, tem-s e
'Au, u` =

1
0

d
2
u
dx
2
udx =

1
0
du
dx
du
dx
dx
du
dx
u[
1
0
=

1
0

d
2
u
dx
2

dx 0
Por s ua vez, s e 'Au, u` = 0 res ulta,
1.3. Conceitos Basicos 21
du
dx
= 0 em (0, 1)
logo u = cte, mas como u X deve s atis fazer as condi coes de contorno u (0) = u (1) = 0,
tem-s e que es ta cons tante deve s er nula. Portanto,
'Au, v` = 0 s e e s omente s e u = 0
Res umindo, o operador A =
d
2
.
dx
2
denido em X = u; u C
2
[0, 1] , u (0) = u (1) = 0 e
s imetrico pos itivo-denido.
Exemplo 1.11 Cons idere o mes mo operador, mas denido em
X = u; u C
2
[0, 1], u(0) = 0, u

(1) = 0
Nes te cas o,
'Au, u` =

1
0

d
2
u
dx
2
udx =

1
0

du
dx

2
dx
du
dx
u[
1
0
=
=

1
0

du
dx

2
dx 0
Agora bem, s e
'Au, u` = 0
res ulta
du
dx
= 0, de onde u = cte, mas como u = 0 em x = 0, es ta cons tante e nula. Novamente,
tem-s e que o operador e pos itivo-denido.

E facil mos trar que para u

(0) = u (0) = 0 o operador


e pos itivo-denido.
Aqui deve-se ressaltar o seguinte. Sendo o operador A positivo, a condi cao de contorno que
tem papel importante e unicamente a seguinte condicao
u (0) = 0 (u (1) = 0)
enquanto que a condicao u

(0) = 0 (u

(1) = 0) nao e fundamental para que o operador seja


positivo. Tem-se assim:
1. ambos os tipos de condi coes de contorno sao importantes para a simetria;
2. so um tipo de condi cao de contorno (u pre-escrito na fronteira) e importante para a
positividade do operador.
22 Captulo 1. Motivacao e Conceitos Basicos
Este ultimo tipo de condicoes de contorno (conhecidas na Mec anica como condi c oes cinem a-
ticas) sao conhecidas como condi coes principais de contorno. As outras condi coes de contorno
(conhecidas como condi coes mec anicas ou de for cas) sao chamadas de condi coes naturais do
problema.
No exemplo considerado, a condic ao principal u = 0 no contornono, diz que o deslocamento
da barra esta prescrito (da o nome de condic ao cinem atica), enquanto que a condic ao u

= 0
no contorno diz que nessa sec cao a for ca aplicada, ou seu equivalente `a tensao, e nula (da o
nome de condicoes de for ca ou mec anica).
Exerccio 1.13 Mos tre que o operador as s ociado ao problema de uma viga em ex ao e pos itivo-
denido. Indique quais as condi c oes de contorno s ao principais e quais s ao naturais .
Dos resultados anteriores, observa-se que dado um operador linear simetrico positivo-denido
A, aplicando o espa co vetorial X em outro Y com produto interno, pode-se denir em X o
produto interno dado por,
'u, v`
A
=

Auvd = (Au, v)
para todo u, v X, toda vez que X Y .
Em outras palavras, dado um operador simetrico positivo-denido no subespaco vetorial X
de Y , sempre e possvel denir em X um produto interno 'u, v`
A
, u, v X chamado de produto
interno de energia. Por sua vez, como ja visto, este produto interno induz uma norma,
|u|
A
= ('u, u`
A
)
1
2
chamada de norma de energia ja que, como ser a visto mais adiante, o n umero |u|
A
e propor-
cional ` a energia interna do corpo associada ao campo u.
1.3.9 Operadores Limitados Inferiormente
Seja A um operador simetrico denido no subespa co X do espa co com produto interno Y .
Diz-se que A e um operador pos itivo limitado inferiormente se, para todo elemento u X,
verica-se a desigualdade,
'u, u`
A
= (Au, u)
2
'u, u`
onde e uma constante estritamente positiva.
Discute-se a seguir um pouco mais a desigualdade anterior. No primeiro membro, tem-se
o produto interno na energia e, portanto, a norma de energia. No segundo membro, tem-se
o produto interno denido em Y X e portanto, sua norma. Logo, pode-se reescrever a
desigualdade anterior na seguinte forma:
|u|
A
|u|
Y
, para u X Y, > 0
1.3. Conceitos Basicos 23
Obviamente, todo operador A simetrico positivo limitado inferiormente e um operador
simetrico positivo-denido. Mas nem todo operador simetrico positivo-denido e limitado in-
feriormente.
Considere uma motivac ao fsica ao conceito anterior. Como pode-se ver ao longo dos ex-
emplos e exerccios deste captulo, varios problemas da mec anica estao associados a operadores
simetricos denidos em um subespaco X de um espa co com produto interno Y . Por exemplo,
no problema de tracao de uma barra, viu-se que o operador A =
d
2
()
dx
2
era simetrico em
X = u; u C
2
[0, 1] , u (0) = u (1) = 0 subspa co do espa co Y = u; u C [0, 1] com produto
interno
'u, v` =

1
0
u (x) v (x) dx, u, v Y
|u|
Y
=

1
0
u (x)
2
dx

1
2
Logo, da desigualdade, pode-se ver que se o operador e limitado inferiormente, s o e possvel
obter grandes deslocamento (quer dizer a norma em Y do campo u e grande) aumentando a
energia associada a esse deslocamento. Por outro lado, se o operador e positivo-denido, mas
nao limitado inferiormente, e possvel obter grandes deslocamentos, sem implicar no crescimento
da energia associda.
Antes de ver alguns exemplos, deve-se ressaltar que a investigac ao da propriedade de ser
limitado inferiormente requer um maior conhecimento matem atico do aquele utilizado para
estudar a simetria. Por ultimo, esta propriedade tem um papel importante no problema da
existencia da solucao de um certo problema de valor de contorno.
Exemplo 1.12 Cons idere o problema da barra em tra cao, o operador A =
d
2

dx
2
denido
no conjunto X dado por X = u; u C
2
[0, 1] , u (0) = u (1) = 0 e s imetrico pos itivo-denido,
como j a foi vis to. Pretende-s e mos trar que tambem e limitado inferiormente. De fato, dado
u (0) = 0, res ulta
u (x) =

x
0
du (t)
dt
dt =

x
0
1.
du
dt
dt
Aplicando a des igualdade de Cauchy na expres s ao anterior, tem-s e
[u (x)]
2
=

x
0
1.
du
dt
dt

x
0
1
2
dt

x
0

du
dt

2
dt = x

x
0
u

2
dt
Em virtude de que x [0, 1] e que o integrando no s egundo membro e pos itivo, res ulta:
[u (x)]
2
x

1
0
u

2
dt = x'u, u`
A
= x|u|
2
A
24 Captulo 1. Motivacao e Conceitos Basicos
Integrando ambos os membros da des igualdade:
|u|
2
=

1
0
u
2
dx
1
2
|u|
2
A
de onde:
|u|
A

2 |u|
ou s eja o operador A e limitado inferiormente e a cons tante res ulta,
=

2
Exerccio 1.14 Cons idere o operador as s ociado ao problema de ex ao de vigas denido no
s ubes pa co X =

u; u C
4
[0, 1] , u (0) = u

(0) = u (1) = u

(1) = 0

do es pa co Y = u; u C [0, 1]
com produto interno 'u, v` =

1
0
u (x) v (x) dx. Mos tre que o operador, alem de s er s imetrico
pos itivo-denido e limitado inferiormente.
Exerccio 1.15 Cons idere o mes mo problema anterior com as condi coes de contorno u (0) =
u

(0) = u (1) = u

(1) = 0. O operador continua s endo limitado inferiormente?


Exerccio 1.16 Para que outras condicoes de contorno o operador da viga continua s endo
pos itivo-denido?
1.3.10 Convergencia. Completude
Foi visto na seccao 1.3.2 que a selecao de uma norma estabelece a distancia entre as funcoes do
espa co normado. Assim, por exemplo, para X = C [a, b],
[f[ = max
X|a,b|
[f (x)[
[f[ =

b
a
[f (x)[ dx
[f[ =

b
a
[f (x)]
2
dx
1
2
denem diferentes normas para X. Ilustrou-se o comportamento, tomando-se g como a fun cao
identicamente nula em X e a funcao f cujo gr aco pode ser visto na Figura 1.5. Neste exemplo,
viu-se que a dist ancia entre ambas as fun c oes est a dada para cada norma, respectivamente, por:
|f g| = 1
|f g| =
|f g| =

2
3

Desta maneira, para valores de > 0 sucientemente pequenos, a func ao f est a proxima
da funcao g se adota-se a segunda ou a terceira norma. Por outro lado f e sucientemente
distante de g, caso se adote a primeira das normas.
Observa-se assim que a resposta para o Problema 2 da seccao 1.2, ou seja, o que se entende
por boa aproximacao, esta intimamente relacionada com o tipo de norma escolhida, com respeito
a qual deseja-se medir a aproximacao.
1.3. Conceitos Basicos 25
Outra propriedade, que pelas mesmas razoes anteriores, est a intimamente ligada com a
escolha da norma, e a convergencia de uma s equencia nita em um es paco normado. Em
particular, suponha X um espa co vetorial normado e seja x
n

n=1,2,...
uma sequencia innita
de elementos de X. Deseja-se denir o que se entende por:
lim
n
x
n
= x
onde x e um elemnto de X. A deni c ao a ser introduzida n ao e outra coisa que a generalizacao
da ideia geometrica usual. Por exemplo, tome uma sequencia de pontos x
1
, x
2
, ... no plano
Euclidiano E
2
e seja x um ponto xo neste espaco (Figura 1.8). Claramente o conceito de
x
n
converge a x `a medida que n signica, simplesmente, que a dist ancia entre x
n
e x
torna-se cada vez menor `a medida que n cresce. Em particular, a dist ancia entre x
n
e x est a
precisamente medida atraves da norma euclidiana
|x
n
x| =

(x
1
n
x
1
)
2
+ (x
2
n
x
2
)
2
onde x
i
n
, x
i
, i = 1, 2, sao as coordenadas de x
n
e x respectivamente.
x
6
x
3
x
2
x
1
x
5
x
4
x
n
x
x
1
x
2
Figura 1.8: Exemplo de convergencia em c
2
.
A generaliza c ao desta ideia geometrica para um espa co normado arbitr ario consiste sim-
plesmente na seguinte denicao.
Seja X um espa co vetorial normado com norma ||. A sequencia x
n

n=1,2,...
de vetores de
X converge (convergencia forte) para o vetor x X se:
lim
n
|x
n
x| = 0
Utiliza-se o adjetivo f orte para diferenciar dos outros tipos de convergencia. Por outro lado,
como ja foi dito, a escolha de uma norma estabelecer a o carater da convergencia.
Exemplo 1.13 Cons idere X = C [0, 1] com norma |u| =

1
0
[u (x)]
2
dx

. Tome a funcao u
n
da Figura 1.9.
Seja a fun cao nula u em [0, 1]. Logo,
26 Captulo 1. Motivacao e Conceitos Basicos
1
1
u
n
1/2
1/2 - 1/n 1/2 + 1/n
u
Figura 1.9: Funcao do exemplo 1.13
lim
n
|u
n
u| lim
n
1

n
= 0
Entretanto, adotando como norma
|f| = max
X[0,1]
[f (x)[
res ulta
|u
n
u| = 1, para qualquer n
Ve-s e, as s im, que u
n
converge a uma fun cao nula cas o s e adote a primeira das normas ,
enquanto n ao ha convergencia cas o s e adote a s egunda norma.
O conceito de convergencia em um espa co vetorial normado conduz a outro conceito util
mais adiante, ou seja, completude. Para isto, inicialmente, considera-se o conceito de s equencia
de Cauchy ou sequencia fundamental.
A sequencia u
n
, n = 1, 2... do espa co vetorial normado com norma || e dita uma sequencia
de Cauchy se:
lim
n,m
|u
n
u
m
| = 0
Exemplo 1.14 Cons idere a s equencia de fun coes u
n
repres entada na Figura 1.9 e denidas
como no exemplo anterior. Es ta s equencia e uma s equencia de Cauchy , pois ,
|u
n
u
m
|
2
=

1
0
(u
n
u
m
)
2
dx

1
0
u
2
n
dx
1
n
Logo,
lim
n,m
|u
n
u
m
| lim
n
1

n
= 0
1.3. Conceitos Basicos 27
Agora bem, diz-se que o espa co vetorial normado X com norma || e completo se e somente
se toda sequencia Cauchy (x
n
, n = 1, 2...) em X converge a um elemento x do espa co X.
Todo espa co normado completo recebe o nome especial de es pa co Banach. Por sua vez,
todo espa co vetorial com produto interno completo recebe o nome de es pa co Hilbert. Dado que
todo espa co com produto interno e um espa co normado com norma || = ('., .`)
1
2
, tem-se que
todo espa co Hilbert e um espa co Banach. O inverso n ao se verica, j a que nem toda norma e
proveniente de um produto interno.
Exemplo 1.15 Varios es pacos normados n ao s ao completos . Por exemplo, o es pa co C [0, 1]
com a norma
|u| =

1
0
[u (x)]
2
dx

1
2
nao e completo.
De fato, a s equencia de fun coes contnuas
u
n
(x) =

2
n
x
n+1
para 0 x
1
2
1 2
n
(1 x)
n+1
para
1
2
x 1
e uma s equencia Cauchy com res peito `a norma denida anteriormente. Entretanto, a s equencia
converge para a fun c ao u / C [0, 1] (|u
n
u| 0 para n ) dada por (Figura 1.10),
u (x) =

0 para 0 x <
1
2
1
2
para x =
1
2
1 para
1
2
< x 1
1
1
1/2 1 1/2
n=1
n=0
n=2
Figura 1.10: Funcao do exemplo 1.15
Es te exemplo mos tra, entao, uma s equencia de Cauchy que n ao converge a um elemento do
es pa co. Logo, C [0, 1] nao e completo de acordo com a norma adotada.
28 Captulo 1. Motivacao e Conceitos Basicos
Exemplo 1.16 O es paco C [0, 1] com a norma
|u| = max
x[0,1]
[f (x)[
e completo.
Outra deni cao importante e o conceito de conjuntos completos. Seja X um espa co vetorial
normado de norma ||. Diz-se que o conjunto M = u
n
; u
n
X e completo em X com respeito
a || se para todo u X, dado > 0, e possvel determinar um inteiro positivo N e constantes

1
,
2
, ...,
n
tal que:

u
N

i=1

i
u
i

< para todo u X


Os metodos variacionais a serem estudados se baseam nesta ideia. Quer dizer, em todos
e preciso denir um conjunto de func oes chamadas fun coes bas es ou fun coes coordenadas ou
fun coes de interpolac ao que sejam completas no espa co onde se procura a soluc ao do problema
de valor de contorno. Em particular, sera visto que o que distingue o Metodo dos Elementos
Finitos dos demais e a maneira com estas fun coes s ao construdas.
Antes de encerrar esta seccao, discutem-se mais alguns aspectos.
Considere o subespaco X do espa co vetorial Y com produto interno e seja A : X Y um
operador positivo limitado inferiormente. Logo, segundo ja foi visto,
|u|
A
|u|
Y
> 0
Suponha u
n
uma sequencia de elementos de X que converge a x com respeito `a norma de
energia, ou seja,
lim
n
|u
n
u|
A
= 0
Tendo em conta a desigualdade anterior, conclui-se que,
lim
n
|u
n
u| = 0
Assim, quando se trabalha com um operador positivo limitado inferiormente, convergencia
na energia implica na convergencia na norma adotada para Y .
Outro topico importante e o seguinte. Suponha um espaco normado completo Y com norma
||. Seja uma sequencia de Cauchy u
n
. Como Y e completo, a sequencia u
n
converge a
um elemento u Y unico. De fato, suponha que converge para os elementos u
1
e u
2
tal que
u
1
= u
2
. Logo,
|u
n
u
1
| 0 n
|u
n
u
2
| 0 n
Portanto,
|u
1
u
2
| = |u
1
u
n
+u
n
u
2
| |u
1
u
n
| +|u
n
u
2
|
Tomando o limite para n resulta,
|u
1
u
2
| = 0 u
1
u
2
= 0 u
1
= u
2
1.3. Conceitos Basicos 29
1.3.11 Funcionais
Por ultimo, dene-se o que se entende por funcional. Seja X um espa co vetorial. A trans-
forma cao F : X 1, 1 campo dos n umeros reais, e um funcional em X. Assim, toda
transformacao denida em um espaco vetorial que a cada elemento desse espaco faz correspon-
der um n umero real e uma funcional. Ao longo deste texto, v arios exemplos de funcionais tem
sido apresentados.
Exemplo 1.17 Seja X = C [0, 1]. A trans forma cao F denida por
F (u) =

1
0
u (x) dx
e uma funcional em X.
Exemplo 1.18 A norma de um es pa co vetorial normado e um exemplo tpico de funcional.
Exemplo 1.19 Cons idere um es pa co vetorial X com produto interno. Dado u X xo, a
trans forma c ao 'u, v` e um funcional, j a que a cada v X es ta as s ociado um n umero real
'u, v`.
O domnio de denicao de um funcional recebe tambem o nome de conjunto de fun coes
admis s veis do funcional. Se este conjunto e um espa co vetorial em si mesmo recebe o nome de
es pa co de fun c oes admis s veis .
Dado o espa co vetorial X, diz-se que o funcional F denido em X e uma funcional linear
se:
1. F (u +v) = F (u) +F (v)
2. F (u) = F (u)
para todo u, v X e 1.
Seja X um espa co vetorial normado, diz-se que o funcional F e contnuo em u
0
X se para
todo > 0 existe um > 0 tal que,
[F (u) F (u
0
)[ < para todo u tal que |u u
0
| <
Por sua vez, F e contnuo, se for contnuo em todo u X.
Com esta deni c ao, pode-se introduzir outro tipo de convergencia, com aplicacao em alguns
metodos para a obten cao de solucoes aproximadas estudados mais adiante.
Assim, diz-se que a sequencia u
n
, n = 1, 2, ... de elementos de um espaco normado com-
pleto (espa co Banach) converge fracamente ao elemento desse espa co, se para todo > 0 existe
um inteiro positivo N, tal que para todo n > N e todo funcional contnuo F de X resulta,
[F (u
n
) F (u
0
)[ < para todo n > N
30 Captulo 1. Motivacao e Conceitos Basicos
Exemplo 1.20 Varias s equencias que convergem fracamente nao convergem fortemente (o
invers o s empre s e verica). Cons idere o es paco L
2
(0, 1), ou s eja o es pa co de todas as funcoes
quadrado-integraveis . Tome a s equencia

n
(x) ;
n
(x) =

2 sin nx, n = 1, 2...

Agora bem, pode-s e mos trar que toda funcao f L


2
(0, 1) caracteriza um funcional linear
em L
2
(0, 1). Logo, para todo elemento f L
2
(0, 1), pode-s e mos trar que:
'f,
n
(x)` =

1
0
f (x)

2 sin nxdx 0
n
ou s eja,
n
converge fracamente para a funcao nula de L
2
(0, 1).
Por outro lado temos
|
n
(x) 0| =

1
0

2 sin nx

2
dx

1
2
= 1; n
obtendo-s e que
n
nao converge fortemente para a fun cao nula.
Captulo 2
Metodos Variacionais para a Determina cao de
Solucoes Aproximadas de Problemas de Valor
de Contorno
2.1 Introducao
Neste captulo, apresenta-se uma serie de metodos variacionais que permitem obter solucoes
aproximadas da solu cao de um certo problema de valor de contorno.
No que se segue e com o intuito de n ao complicar a apresenta c ao, supoe-se que as fun coes
considerada sao s ucientemente regulares , no sentido que as operacoes de integra c ao ou de
derivacao tenham sentido. Por outro lado, limita-se exclusivamente ao caso de operadores
lineares. Problemas de valor de contorno n ao lineares escapam dos objetivos deste curso.
Tambem, durante a primeira parte deste captulo, limita-se ao caso de condi c oes de contorno
homogeneas.
Dado um problema de valor de contorno cuja solucao ser a designada por u
0
, os metodos
variacioanais que a serem apresentados sao metodos numericos que, dadas as fun c oes
i
(
chamadas de func oes coordenadas, de base, ou de interpola c ao, e que satisfazem certas restricoes
) permitem determinar as constantes
1
,
2
, ...,
n
, n nito, de maneira tal que a funcao:
u
n
=
n

i=1

i
se aproxime de u
0
, para n , em algum sentido, quer dizer convergencia com respeito a
alguma norma (convergencia forte ) ou convergencia debil.
Os metodos considerados sao:
1. Metodo dos Resduos Ponderados
Metodo de Coloca cao;
Metodo de Galerkin;
2. Metodo de Ritz;
31
32Captulo 2. Metodos Variacionais para a Determinacao de Soluc oes Aproximadas de Problemas de Valor de
3. Metodo dos Mnimos Quadrados.
Como sera visto mais adiante, o Metodo dos Elementos Finitos permite determinar unica-
mente as fun coes
i
de uma maneira simples e de facil implementac ao computacional. Uma vez
dadas as
i
, deve-se aplicar alguns dos metodos anteriores para determinar uma solu c ao aprox-
imada. Quer dizer, quando se fala em utilizar o Metodo dos Elementos Finitos, na realidade
est a se falando simultaneamente de dois aspectos:
1. constru cao das fun coes
i
pela tecnica proporcionada pelo Metodo dos Elementos Finitos;
2. utiliza c ao de um determinado metodo variacional para calcular uma soluc ao aproximada.
2.2 Metodo dos Resduos Ponderados
O metodo dos resduos, do qual o Metodo de Colocacao e de Galerkin s ao casos particulares,
baseai-se na seguinte ideia. Considere os espacos U e V normados e completos. Como apresen-
tado anteriormente, recorde que em cada espa co foi denido uma norma, ou seja, uma maneira
de medir a dist ancia entre os elementos deste espa co; o fato de ser completo signica que toda
sequencia u
n

n=1,
de elementos u
n
U, por exemplo, tal que |u
n
u
m
| 0; n, m
sempre converge a um elemento u do mesmo espa co.
Dene-se, agora, a seguinte transformacao:
S : U V 1
quer dizer, dado um par ordenado (u, v), onde u U e v V , a transformac ao S proporciona
um n umero real. Em particular esta transforma c ao satisfaz:
S (u
1
+u
2
, v) = S (u
1
, v) +S (u
2
, v)
S (u, v
1
+v
2
) = S (u, v
1
) +S (u, v
2
)
S (u, v

) = 0 para v

V xo e u U v

= 0
S (u

, v) = 0 para u

V xo e v U u

= 0
onde , 1.
Considere, agora, um operador linear A denido no conjunto linear D
A
denso no espa co U.
Para um elemento f U procura-se a solucao de:
Au = f
Diz-se que u
0
e a solucao do problema caso se verique:
S (Au
0
f, v) = 0 para todo v V
Para a obtencao de uma solu cao aproximada u
n
0
de u
0
, o Metodo dos Resduos Ponderados
prop oe o seguinte algoritmo:
2.2. Metodo dos Resduos Ponderados 33
1. Considere em D
A
uma sequencia completa
n

n=1,
de fun c oes. Recorde que, por per-
tencer a D
A
, s ao sucientemente regulares e satisfazem todas as condi c oes de con-
torno.
2. Para todo n nito, o conjunto
k

k=1,n
e linearmente independente.
3. Tome como aproximante de u
0
a combina c ao linear
u
n
0
=
n

i=1
a
i

i
de onde os coecientes a
i
, i = 1, ..., n serao posteriormente determinados.
4. Considere em V um conjunto denso w
i

i=1,
.
5. Calcule, para n nito, os coecientes a
i
de maneira que o res duo:
r
n
= Au
n
0
f =
n

j=1
a
j

j
f
satisfa ca:
S (r
n
, w
i
) =

r
n
w
i
= 0, i = 1, 2, . . . , n
Em virtude de que (
i
) e (w
i
) sao densos em seus respectivos espa cos, o Metodo dos Resduos
Ponderados conduz, quando n , a,
'r
n
, w
n
` 'r, w` = 0w V
n
quer dizer r
n
converge debilmente a r = 0 (resduo nulo) ou, em outras palavras, u
n
0
converge
debilmente para a solu cao de u
0
do problema de valor de contorno.
A express ao anterior pode ser escrita em forma estendida conduzindo a:

w
i
A
i
d

a
j
=

fw
i
d, i = 1, 2, . . . , n
ou em forma matricial:
Ka = f
de onde:
K = (K
ij
) =

w
i
A
i
d
a = (a
i
)
f = (f
i
) =

fw
i
d
Como pode-se ver, o Metodo dos Resduos Ponderados conduz a um sistema de equacoes
algebricas cuja soluc ao proporciona os coecientes a
i
da combinac ao linear denindo u
n
0
.
Do ponto de vista computacional, o Metodo dos Resduos Ponderados e um algoritmo
relativamente simples que nao requer grande conhecimento matem atico por parte do usuario.
Neste metodo ja distingue-se algumas das caractersticas basicas de todo metodo variacional
para o calculo de solu coes aproximadas. Sao elas:
34Captulo 2. Metodos Variacionais para a Determinacao de Soluc oes Aproximadas de Problemas de Valor de
Conhecer as fun coes w
i
e
i
. Aqui reside um dos inconvenientes. As func oes
i
devem ser
sucientemente regulares de maneira que A
i
tenha sentido. Alem disso, devem satisfazer
as condi c oes de contorno.
Construir a matriz do sistema K e o termino independente f calculando cada coeciente
K
ij
, f
i
analtica ou numericamente.
Resolver o sistema de equac oes. Dependendo do operador A e da forma das funcoes

i
e w
i
, a matriz do sistema K podera ser uma matriz banda ou cheia, simetrica ou
nao-simetrica, bem-condicionada ou mal-condicionada. Cada uma destas caractersticas
facilitam ou complicam a resoluc ao do sistema de equacoes.
2.2.1 Metodo de Coloca cao
Como ja foi dito, o Metodo de Colocac ao e um caso particular do Metodo dos Resduos Pon-
derados. Para o Metodo de Coloca c ao, as fun c oes w
i
sao as funcoes generalizadas Dirac
associadas aos pontos x
i
, i = 1, 2, . . . , n, de . Designam-se estas fun coes como
i
e sao tais
que:

f (x)
i
d = f (x
i
)
Tendo presente a propriedade anterior, o metodo corresponde a:

r
n

i
= (Au
n
0
f)[
x
i
= 0; i = 1, 2, . . . , n
Logo, o Metodo de Coloca cao calcula a solu c ao aproximada u
n
0
=
n

i=1
a
i

i
exigindo que o
resduo Au
n
0
f seja nulo em n pontos x
i
de . A seguir apresentam-se alguns exemplos de
aplicac ao do Metodo de Coloca c ao.
Exemplo 2.1 Seja o s eguinte problema de valor de contorno:
Au (x) = u

(x) u (x) = 1, em = (0, 1)


com as condi coes de contorno:
u (0) = u (1) = 0
Pode-s e ver que:
D
A
=

u; u C
2
[0, 1] , u (0) = u (1)

Recordando o teorema de Weiers tras s , tem-s e que toda funcao contnua pode s er aproximada
por um polin omio. Logo, tome para
i

i=1,n
a s eguinte s equencia:

1
= x(1 x)

2
=
1
x

3
=
2
x
2.2. Metodo dos Resduos Ponderados 35
etc
Como pode-s e ver, es tas funcoes s atis fazem as condi coes de contorno. Logo, toda com-
bina c ao linear tambem s atis faz e, pelo teorema de Weiers tras s ,
i

i=1,
e dens o em D
A
.
Tome n = 2, ou s eja os dois primeiros termos
1
e
2
. Os coecientes da matriz K e do
termo independente f, para o cas o em que s e adota como pontos x
i
= 0 e x
2
= 1, es tao dados
por:
K
11
= (A
1
)[
x
1
=0
= [2 x(1 x)][
x
1
=0
= 2
K
21
= (A
1
)[
x
2
=1
= [2 x(1 x)][
x
2
=1
= 2
K
12
= (A
2
)[
x
1
=0
=

6x + 2 x
2
(1 x)

x
1
=0
= 2
K
22
= (A
2
)[
x
2
=1
=

6x + 2 x
2
(1 x)

x
2
=1
= 4
f
1
= f (x
1
) = 1
f
2
= f (x
2
) = 1
Logo, o s is tema es t a dado por:

2 2
2 4

a
1
a
2

1
1

A s olucao des te s is tema conduz aos s eguintes valores dos coecientes a


1
e a
2
:
a
1
=
1
2
a
2
= 0
dando, as s im, a s eguinte s oluc ao aproximada:
u
2
0
=
1
2
x(x 1)
Logo, a s olu c ao aproximada e equivalente a tomar uma unica funcao
1
e o ponto x
1
= 0.
A s oluc ao exata do proplema propos to e:
u
0
=
1
(e + 1)

e
x
+e
1x

1
A Tabela 2 .1 apres enta, para efeito de compara cao, os valores de u
0
e u
a
0
em diferentes
pontos do intervalo. Como pode-s e ver, a s olucao u
0
e s imetrica com res peito a x = 5.
A primeira pergunta a ser feita e se e possvel melhorar a aproxima cao mantendo as mes-
mas funcoes , mas tomando outros pontos de coloca c ao? A resposta e armativa e o estudo
da colocacao otima destes pontos formam um captulo de an alise numerica do Metodo de
Colocacao.
36Captulo 2. Metodos Variacionais para a Determinacao de Soluc oes Aproximadas de Problemas de Valor de
x u
0
(x) u
a
0
(x)
0.0 0.0000 0000 0.0000 0000
0.1 -0.0412 8461 -0.0450 0000
0.2 -0.072 9 7407 -0.0800 0000
0.3 -0.0953 8554 -0.1050 0000
0.4 -0.1087 4333 -0.12 00 0000
0.5 -0.1131 8112 -0.12 50 0000
0.6 -0.1087 4333 -0.12 00 0000
0.7 -0.0953 8554 -0.1050 0000
0.8 -0.072 9 7407 -0.0800 0000
0.9 -0.0412 8461 -0.0450 0000
1.0 -0.0000 0000 0.0000 0000
Tabela 2.1: Exemplo 1: compara c ao entre as solu c oes.
x u
0
(x) u
a
0
(x)
0.0 0.0000 0000 0.0000 0000
0.1 -0.0412 8461 -0.0400 0000
0.2 -0.072 9 7407 -0.0711 1111
0.3 -0.0953 8554 -0.0933 3333
0.4 -0.1087 4333 -0.1066 6667
0.5 -0.1131 8112 -0.1111 1111
0.6 -0.1087 4333 -0.1066 6667
0.7 -0.0953 8554 -0.0933 3333
0.8 -0.072 9 7407 -0.0711 1111
0.9 -0.0412 8461 -0.0400 0000
1.0 -0.0000 0000 0.0000 0000
Tabela 2.2: Exemplo 2: compara c ao entre as solu c oes.
2.2. Metodo dos Resduos Ponderados 37
Exemplo 2.2 Cons idere s omente a funcao
1
e adote, como ponto de onde anula-s e o res duo,
o ponto x
1
= 0.5. Tem-s e, as s im:
2.25a
1
= 1 a
1
=
1
2.25
= 0.44444444
Logo, a s olu c ao aproximada s er a:
u
1
0
= 0.44444444x(1 x)
Na Tabela 2 .2 , compara-s e es ta s olucao aproximada com a exata.
Como pode-s e notar, o res ultado alcancado e de extraordinaria exatidao, mes mo utilizando
apenas uma fun cao coordenada.
Do ponto de vista computacional, o Metodo de Colocac ao se mostra de f acil implementacao.
Em todos os casos, as funcoes coordenadas devem satisfazer as condic oes de contorno e devem
ser sucientemente regulares para que a aplicac ao do operador A tenha sentido. Estes sao,
provavelmente, os maiores inconvinientes deste metodo.
Exerccio 2.1 Cons idere o problema de valor de contorno denido anteriormente. Aplique o
Metodo de Coloca cao tomando as s eguintes funcoes coordenadas :

1
= x(1 x)
3
= x
3
(1 x)
e os pontos :
x
1
= 0.25 e x
2
= 0.75
Compare com a s olu c ao e comente os res ultados obtidos .
Exerccio 2.2 Cons idere o s eguinte problema de valor de contorno:
d
2
u
dx
2
+u = x em (0, 1)
com as condi c oes de contorno:
u (0) = u (1) = 0
Aplique o Metodo de Coloca cao adotando:

1
= x(1 x)
2
= x
2
(1 x)
x
1
= 0.25 x
2
= 0.5
e compare com a s olu cao exata:
u
0
=
sin x
sin 1
x
38Captulo 2. Metodos Variacionais para a Determinacao de Soluc oes Aproximadas de Problemas de Valor de
2.2.2 Metodo de Galerkin
O Metodo de Galerkin e um caso particular do Metodo dos Resduos Ponderados. Neste metodo,
os espa cos U e V sao coincidentes e o conjunto w
j
se torna identico a
i
. De uma maneira
mais formal, o Metodo de Galerkin pode ser colocado da seguinte maneira.
Suponha o problema de valor de contorno
Au = f em
com as condic oes de contorno
Bu = 0 em
e suponha ainda que D
A
(domnio de denic ao do operador A quer dizer, o conjunto de todas
as funcoes u sucientemente regulares e tal que Bu = 0 em ) seja denso no espa co Hilbert.
Introduz-se agora a sequencia de espacos de dimensao nita H
k
H e designa-se com

i=1,k
as funcoes bases dos espa cos. Pelo que foi exposto anteriormente, deseja-se dizer que
um elemento (fun cao ) arbitr ario de H
k
est a denido atraves da seguinte combina cao linear:
u
k
=
k

i=1
a
i

i
a
i
1, i = 1, 2, . . . , k
Logo, o Metodo de Galerkin para a determinacao de uma solu c ao aproximada do problema
de valor de contorno consiste em determinar a func ao u

k
H
k
, tal que o resduo Au

k
f seja
ortogonal a toda funcao de H
k
. Em outras palavras:

(Au

k
f) v
k
d = 0 v
k
H
k
Observa-se que o Metodo de Galerkin corresponde ao Princpio do Trabalho Virtual em
Mecanica.
Agora, a expressao anterior e equivalente a exigir que o resduo seja ortogonal a cada uma
das fun coes
i
que denem a base H
k
, ou seja,

(Au

k
f)
i
d = 0 i = 1, 2, . . . , k
Substituindo u

k
=
k

i=1
a

i
na express ao anterior, tem-se,

i=1
a

i
d = 0 i = 1, 2, . . . , k
e em virtude de se considerar problemas lineares ( o operador A e linear ), a equac ao anterior
conduz a,
k

i=1
[
i
A
j
d] a

f
i
d = 0 i = 1, 2, . . . , k
Novamente chegou-se a um sistema de equa coes algebricas que em forma matricial pode ser
escrita como,
Ka = f
2.2. Metodo dos Resduos Ponderados 39
de onde,
K
ij
=

i
A
j
d
f
i
=

f
i
d
Pode-se notar que se A e um operador simetrico, a matriz do sistema resulta simetrica. Isto
implica em diversas vantagens computacionais:
Utilizac ao de tecnicas de triangulac ao da matriz do sistema, especcas para matrizes
simetricas.
Diminuicao do espa co de memoria necess ario para armazenar os coecientes da matriz
do sistema. Para uma matriz de ordem N nao-simetrica, e preciso conhecers seus N N
coecientes. Se a matriz for simetrica, so e preciso conhecer a matriz triangular superior
ou inferior.
Por outro lado, dependendo do tipo de problema, da forma da regi ao e das caractersticas
das funcoes
i
, o calculo dos coecientes da matriz K e do termo independente podem ser real-
izados analitica ou numericamente. Este ultimo procedimento e o mais utilizado, atualmente,
em virtude dos computadores tornarem-se cada vez mais velozes e precisos.
Agora observe um detalhe importante. O coeciente K
ij
est a dado por
K
ij
=

i
A
j
d
Duas funcoes u, v denidas em , se dizem ortogonais atraves do operador simetrico A se,

uAvd = 0
Se as func oes
i
e
j
est ao denidas em todo e n ao sao ortogonais atraves do operador A,
tem-se que este coeciente nao ser a nulo. Isto implica que a matriz seja cheia e isto, em geral,
pode induzir um mal condicionamento numerico da matriz K.
Suponha, agora, que
i
e
j
est ao denidas, respectivamente, em
i
e
j
, partes de .
O anterior implica em dizer que as fun coes
i
e
j
sao de s uporte compacto. Neste caso, o
coeciente resulta,
K
ij
=

i
A
j
d = K
ij
=

i
A
j
d
onde
i

j
e a interseccao dos suportes de ambas fun c oes.
Observa-se assim que, se a intersec c ao e de medida nula, o coeciente K
ij
resulta automati-
camente nulo. Na medida que os suportes das fun c oes bases se interseccionam pouco, a matriz
K resulta numa matriz com poucos elementos nao nulos (comparado com os N
2
coecientes de
uma matriz cheia N N ). O anterior d a lugar ao que se chama de matriz banda ou matriz
esparsa. A Figura2.1 representa gracamente a ideia anterior para o caso do operador A ser
simetrico.
Como sera visto mais adiante, o Metodo de Elementos Finitos se caracteriza, fundamental-
mente, pelo fato que as funcoes
i
construdas atraves deste metodo sao de suporte compacto.
A seguir, tem-se uma serie de exemplos para explicar melhor as ideias apresentadas.
40Captulo 2. Metodos Variacionais para a Determinacao de Soluc oes Aproximadas de Problemas de Valor de
Figura 2.1: Matrizes banda e skyline.
Exemplo 2.3 Cons idere o problema indicado na Figura 2 .2 .
Figura 2.2: Exemplo 3.
O problema de valor de contorno cons is te em:
AE
d
2
u
dx
2
= q, x (0, L)
u (0) = u (L) = 0
Logo, as fun coes
i
devem, em princpio, s er de clas s e C
2
(0, L) e s atis fazer as condicoes
de contorno.
Cons idere polin omios . Logo, as fun coes bas es s erao,

1
= x(L x)

2
= x
2
(L x)

3
= x
3
(L x)
etc
e os es pacos de aproxima cao s er ao:
H
1
= Span
1
, H
1
= Span
i

2
i=1
, etc
Determinando a s olucao em H
1
, quer dizer tomando a primeira funcao coordenada, a s olu cao
tomara a forma:
u
1
= a
1

1
e o coeciente a
1
s era determinado exigindo que o res duo s eja ortogonal a todo elemento de
H
1
. Logo:
a
1

L
0
x(L x) AE
d
2
dx
2
x(L x) dx

L
0
qx(L x) dx = 0
de onde,
2AE

L
0
x(L x) dxa
1
q

L
0
x(L x) dx = 0
cuja s olucao e,
a
1
=
q
2AE
A s oluc ao aproximada obtida com o Metodo de Galerkin e:
u
1
=
q
2AE
x(L x)
que e, nes te cas o, a propria soluc ao exata.
2.2. Metodo dos Resduos Ponderados 41
Exemplo 2.4 Cons idere o mes mo problema anterior, mas utilizando uma dis tribuicao trian-
gular de carga q dada por:
q = q
0
x
L
A s oluc ao exata e,
u =
q
0
L
2
6AE

x
L

x
L

Calculando a s olu c ao de Galerkin com a primeira fun cao


1
, vem que,
2AE

L
0
x(L x) dxa
1

q
0
L

L
0
x
2
(L x) dx = 0
Integrando, obtem-s e,
a
1
=
q
0
4AE
e a s olucao aproximada res ulta,
u
1
=
q
0
4AE
x(L x) =
q
0
L
2
4AE

x
L

x
L

Seja agora a s olu c ao aproximada com dois termos , ou s eja, cons idera-s e as duas primeiras
fun c oes coordenadas :

1
= x(L x) ,
2
= x
2
(L x)
Os coecientes da matriz s ao:
K
11
=

L
0

1
AE

1
dx =

L
0
2AEx(L x) dx =
1
3
AEL
3
K
12
=

L
0

1
AE

2
dx =

L
0
x(L x) AE (2L 6x) dx =
1
6
AEL
4
K
21
=

L
0

2
AE

1
dx =

L
0
2x
2
(L x) AEdx =
1
6
AEL
4
Como pode-s e notar, K
12
= K
21
, dizendo que o operador e s imetrico.
K
22
=

L
0

2
AE

2
dx =

L
0
x
2
(L x) AE(2L 6x) dx =
16
15
AEL
5
Por s ua vez, os coecientes dos termos independentes res ultam
f
1
=

L
0
q
0
x
L

1
dx

L
0
q
0
x
2
L
(L x) dx =
1
12
q
0
L
3
f
2
=

L
0
q
0
x
L

2
dx

L
0
q
0
x
3
L
(L x) dx =
1
20
q
0
L
4
Logo, o s is tema a res olver cons is te em:
AEL
3
6

2 L
L
96
15
L
2

a
1
a
2

=
q
0
L
3
12

1
3
5
L

42Captulo 2. Metodos Variacionais para a Determinacao de Soluc oes Aproximadas de Problemas de Valor de
A s olucao do s is tema conduz a:
a
1
=
q
0
AE
35
138
a
2
=
q
0
138AEL
e a s olucao aproximada s er a:
u
2
=
35
138
q
0
AE
x(L x)
q
0
138AEL
x
2
(L x) =
35
138
q
0
L
2
AE

x
L

36
35

x
L

2
+
1
35

x
L

Na Tabela 2 .3, comparam-s e as s olu coes aproximadas u


1
e u
2
com a exata.
x/L uAE/q
0
L
2
u
1
AE/q
0
L
2
u
2
AE/q
0
L
2
0.0 0.0000 0.0000 0.0000
0.1 0.0165 0.02 2 5 0.02 2 8
0.2 0.032 0 0.0400 0.0403
0.3 0.0455 0.052 5 0.052 8
0.4 0.0560 0.0600 0.0602
0.5 0.062 5 0.062 5 0.062 5
0.6 0.0640 0.0600 0.0598
0.7 0.0595 0.052 5 0.052 2
0.8 0.0480 0.0400 0.0397
0.9 0.02 85 0.02 2 5 0.02 2 2
1.0 0.0000 0.0000 0.0000
Tabela 2.3: Exemplo 3: compara c ao entre as solu c oes.
Exerccio 2.3 Determine a s olucao aproximada u
3
do problema anterior e compare com a
s oluc ao exata.
Exemplo 2.5 Nos exemplos anteriores , foram tomadas funcoes de bas es polinominais . Con-
s idere, agora, fun c oes trigonometricas :

n
= sin
nx
L
, n = 1, 2, 3, ...
que, como s e ve, s atis fazem as condi coes de contorno. A aproxima cao mais s imples cons is tira
em adotar n = 1, logo:

L
0

1
AE

1
dxa
1
=

L
0
q
0
x
L

1
dx
de onde
1
= sin
x
L
.
2.2. Metodo dos Resduos Ponderados 43
Subs tituindo, tem-s e,

L
0
sin
2
x
L
dxa
1
=
q
0
L

L
0
xsin
x
L
dx

2
AE
L
2
L
2
a
1
=
q
0
L

L
0
xsin
x
L
dx
de onde:
a
1
=
2q
0

2
AE

L
0
xsin
x
L
dx
a
1
=
2q
0

2
AE

L
2

2
sin
x
L

xL

cos
x
L

0
=
2q
0
L
2

3
AE
A s oluc ao aproximada res ulta:
u
1
=
2q
0
L
2

3
AE
sin
x
L
Calculando, agora, a s olu c ao tomando o conjunto de todas as funcoes coordenadas ,

1
= sin
x
L
,
2
= sin
2x
L
, . . .
n
= sin
nx
L
, etc
Recordando que:

L
0
sin
nx
L
sin
mx
L
=

0 n = m
L
2
n = m
tem-s e que os coecientes da matriz K s ao todos nulos exceto os da diagonal principal:
K
ii
=

2
i
2
AE
L
2
L
2
=

2
i
2
AE
2L
Por s ua vez, o termo independente i-es imo res ulta:
f
i
=
q
0
L

L
0
xsin
ix
L
dx =
q
0
L
i
cos i
e o s is tema de equa c oes que o Metodo de Galerkin proporciona s e reduz a:

2
i
2
AE
2L
a
i
=
q
0
L
2
i
cos i, i = 1, 2, . . . , n, . . .
de onde:
a
1
=
2q
0
L
2
i
3

3
AE
cos i =
2q
0
L
2
(1)
i+1
i
3

3
AE
, i = 1, 2, . . . , n
A s oluc ao aproximada obtida atraves do Metodo de Galerkin res ulta em:
u
a
=

i=1
(1)
i+1
2q
0
L
2
i
3

3
AE
sin
ix
L
Na Tabela 2 .4, comparam-s e os res ultados para i = 1 e i = 2 com a s olucao exata.
44Captulo 2. Metodos Variacionais para a Determinacao de Soluc oes Aproximadas de Problemas de Valor de
x/L uAE/q
0
L
2
u
1
AE/q
0
L
2
u
2
AE/q
0
L
2
0.0 0.0000 0.0000 0.0000
0.1 0.0165 0.0199 0.0152
0.2 0.032 0 0.0379 0.0302
0.3 0.0455 0.052 2 0.0445
0.4 0.0560 0.0613 0.0566
0.5 0.062 5 0.0645 0.0645
0.6 0.0640 0.0613 0.0661
0.7 0.0595 0.052 2 0.0599
0.8 0.0480 0.0379 0.0455
0.9 0.02 85 0.0199 0.02 47
1.0 0.0000 0.0000 0.0000
Tabela 2.4: Exemplo 4: compara c ao entre as solu c oes.
Ate aqui, tem-se aplicado o Metodo de Galerkin sem levar em considera c ao as caractersticas
que o operador A pode ter. Isto implica na necessidade de se trabalhar com funcoes coordenadas
que, alem de satisfazer, em princpio, todas as condi coes de contorno, devem ser sucientemente
regulares para que a aplicacao do operador diferencial A `as func oes coordenadas
i
tenha
sentido.
Em numerosos problemas da Fsica Matem atica, o operador A apresenta caractersticas tais
como simetria, positividade e de ser limitado inferiormente (ver Captulo I). Atraves destas
caractersticas e possvel trabalhar, aplicando o Metodo de Galerkin, com fun coes coordenadas
que nao precisam ser t ao regulares como as anteriores, nem tampouco precisam satisfazer todas
as condi coes de contorno.
Para xar as ideias aqui expostas, tomam-se alguns exemplos e posteriormente passa-se a
formalizar sua apresenta cao.
Considere o problema do valor de contorno que vem sendo estudado,
AE
d
2
u
dx
2
= q , x (0, L)
u (0) = u (L) = 0
Segundo foi visto, o domnio do operador A = AE
d
2
()
dx
2
est a dado por,
D
A
=

v; v C
2
(0, L) , v (0) = v (L) = 0

Dado o conjunto
i

i=1
D
A
, o Metodo de Galerkin consistia em determinar a solu c ao
aproximada u
n
Span
i

i=1,n
com a propriedade de que o resduo AE
d
2
u
n
dx
2
q = r
n
seja or-
togonal a todo elemento de Span
i

i=1,n
. Em outras palavras, determinar u
n
Span
i

i=1,n
tal que:
(Au
n
f, v
n
) =

L
0

AE
d
2
u
dx
2
q

v
n
dx = 0, v
n
Span
i

n
i=1
2.2. Metodo dos Resduos Ponderados 45
Dado que u
n
e v
n
tambem pertencem a D
A
, tem-se a expressao anterior, que integrando por
parte nos conduz a :

L
0

AE
d
2
u
dx
2
q

v
n
dx =

L
0

AE
du
n
dx
dv
n
dx
qv
n

dxAE
du
n
dx
v
n
[
L
0
= 0, v
n
Span
i

n
i=1
Na express ao anterior, o termo no contorno e nulo por ser v
n
(0) = v
n
(L) = 0. Logo, o
problema de Galerkin se reduz a:

L
0
AE
du
n
dx
dv
n
dx
=

L
0
qv
n
dx, v
n
Span
i

n
i=1
que e identico a:

j=1

L
0
AE
d
j
dx
d
i
dx
dx

a
j
=

L
0
q
i
dx, i = 1, 2, . . . , n
Na express ao anterior, as fun coes u
n
e v
n
nao precisam ser t ao regulares. De fato, e su-
cientemente, por exemplo, que sejam elementos de C
1
cp
(0, L), quer dizer, func oes contnuas com
derivadas contnuas por parte, continuando nulas no contorno.
A observacao anterior e de enorme import ancia j a que traz conjuntamente dois aspestos j a
discutidos:
As func oes coordenadas s ao menos regulares. Isto facilita a sua constru c ao.
Ao serem menos regulares, e mais facil construir fun c oes coordenadas de suporte com-
pacto.
Como sera vsito mais adiante, estes aspectos sao fundamentais no Metodo dos Elementos
Finitos.
Como um exemplo, as funcoes coordenadas mais simples em C
1
cp
(0, L) e nulas no contorno
podem ser construdas da seguinte forma.
Dado um intervalo (0, L), divide-se o mesmo em N subintervalos que, por simplicidade,
sup oe-se serem iguais. Ao realizar esta partic ao, tem-se denidos N 1 pontos, sendo o ponto
generico i de coordenada x
i
= ih , h =
L
N
. A cada no i, pode-se associar a func ao
i
que
satisfaz a propriedade de ser nula para todo x (x
i1
, x
i
), vale 1 em x
i
variando linearmente
em (x
i1
, x
i
) e (x
i
, x
i+1
). Esta funcao pode ser expressar da seguinte forma (Figura 2.3),

i
(x) =

0 se x / [x
i1
, x
i+1
]
x x
i1
h
se x [x
i1
, x
i
]

x x
i+1
h
se x [x
i
, x
i+1
]
Os elementos do espa co Span
i

N1
i=1
est ao denidos por:
v
n
=
N1

i=1
a
i

i
46Captulo 2. Metodos Variacionais para a Determinacao de Soluc oes Aproximadas de Problemas de Valor de
Figura 2.3: Funcao
i
.
e pela deni cao das fun coes
i
resulta:
v
n
(x
i
) = a
i
Observa-se que os coecientes a
i
passam a ter um signicado mais preciso: a
i
e o valor de
v
n
no ponto x
i
da parti cao (Figura 2.4).
Figura 2.4: Func ao
i
.
Ao aplicar o Metodo de Galerkin, a equa cao i-esima, ou seja, a equac ao associada `a fun cao

i
est a dada para o exemplo em consideracao por:

j=1

L
0
AE
d
j
dx
d
i
dx
dx

a
j
=

L
0
q
i
dx, i = 1, 2, . . . , N 1
Por serem as fun coes
i
de suporte compacto, os unicos coecientes n ao-nulos na somat oria
do primeiro membro est ao associados ao ndices j = i 1, i, i + 1. Por outro lado,

L
0
q
i
dx =

x
i+1
x
i1
q
i
dx
O calculo destes coecientes resulta a um mais simples em virtude de que
d
i
dx
est a dado por:
d
i
dx
=

0 se x / [x
i1
, x
i+1
]
1
h
se x [x
i1
, x
i
]

1
h
se x [x
i
, x
i+1
]
Como se ve, as derivadas resultam constantes por partes, facilitando o calculo dos coe-
cientes.
Se considera-se uma parti cao como na Figura 2.4, os coecientes da matriz e o termo
independente do sistema de equacoes resultam iguais a:
K
11
=

2h
0
AE
1
h
2
dx =
2AE
h
= K
22
= K
33
K
12
= K
21

2h
h
AE
1
h
2
dx =
AE
h
= K
23
= K
32
f
1
=

h
0
q
x
h
dx

2h
h
q
(x 2h )
h
dx = qh = f
2
= f
3
2.2. Metodo dos Resduos Ponderados 47
Matricialmente, o sistema consiste em:

2 1 0
1 2 1
0 1 2

a
1
a
2
a
3

=
qh
2
AE

1
1
1

cuja solucao consiste em

a
1
a
2
a
3

=
qh
2
AE
1
4

3 2 1
2 4 2
1 2 3

1
1
1

=
qh
2
AE
1
4

6
8
6

Desta forma, a soluc ao aproximada resulta,


u
a
=
qh
2
AE
1
4
3
(6
1
+ 8
2
+ 6
3
)
Em particular para x = L/2, a solucao exata conduzia ao resultado (ver Exemplo 1):
u[
x=
L
2
=
q
2AE
x(L x)

x=
L
2
=
qL
2
AE8
u
a
[
x=
L
2
= a
2
=
qL
2
AE
8
4
3
=
qL
2
AE8
ou seja, obtem-se o valor exato. No ponto x = L/4, tem-se,
u[
x=
L
4
=
q
2AE
x(L x)

x=
L
4
=
3
32
qL
2
AE
u
a
[
x=
L
4
= a
2
=
6
4
3
qL
2
AE
=
3
32
qL
2
AE
Como pode-se observar, novamente alcan cou-se o valor exato. Entretanto, entre dois pontos
da parti cao, a solucao aproximada e linear, enquanto a solucao exata e quadr atica. A diferen ca
entre a solucao aproximada exata faz-se sentir quando se tomam as derivadas. Em efeito, a
derivada de u
a
e constante em cada subregi ao denida pela partic ao. O mesmo nao ocorre com
a solucao exata cuja derivada e linear em (0, L).
Na solucao aproximada, a derivada e constante em cada subregi ao, sendo descontnua no
ponto comum de duas subregioes. No exemplo em considera cao, tem-se:
Solucao exata:
du
dx
=
q
2AE
(L 2x) , x (0, L)
Solucao aproximada:
du
a
dx
=
1
4
3
qL
2
AE

1
+ 8

2
+ 6

, x (0, L)
48Captulo 2. Metodos Variacionais para a Determinacao de Soluc oes Aproximadas de Problemas de Valor de
Recordando a deni cao das
i
resulta:
du
a
dx
=
6
4
3
qL
2
AE
1
h
=
3
8
qL
AE
, x

0,
L
4

du
a
dx
=
6
4
3
qL
2
AE

1
+ 8

=
1
4
3
qL
2
AE

6
h
+
8
h

=
2
4
3
qL
2
AEh
=
1
8
qL
AE
, x

L
4
,
L
2

e dada a simetria, nas outras das subregioes, as derivadas sao iguais mas de sinais contrarios
com as suas respectivas regioes simetricas.
Observa-se outro detalhe importante. Por exemplo, no primeiro intervalo, o valor da
derivada da solucao exata varia linearmente entre os valores:
du
dx

x=0
=
qL
2AE
e
du
dx

x=
L
4
=
qL
4AE
Logo o valor medio ser a:

du
dx

m edio
=

qL
2AE
+
qL
4AE

2
=
3
8
qL
AE
Como pode-se ver, o valor medio no intervalo

0,
L
4

da derivada da soluc ao exata coincide


com o valor da derivada (constante) da solu cao aproximada.
De uma maneira intuitiva, o exposto anteriormente diz que, aumentando o n umero de sub-
regioes (N parah 0), tem-se que u
a
se aproximar a da solucao exata. Matematicamente
(veja Metodo de Energia, Semin arios de Mec anica Aplicada do Laboratorio de Computacao
Cientca) se pode demonstrar que:
u
a
u, uniformemente
e se q e sucientemente regular (caso do exemplo),
du
a
dx

du
dx
, uniformemente
Se q nao e tao regular, a convergencia da derivada primeira e no sentido da media ou L
2
,
ou seja,

L
0

du
a
dx

du
dx

2
dx 0
h 0
Agora bem, empregando fun coes coordenadas como as que se tem utilizando, para cada
particao (quer dizer, para cada N e, portanto, para cada h =
L
N
) sera necessario construir toda
a matriz do sistema e seu vetor termo independente. Entretanto, a construcao desta matriz
2.2. Metodo dos Resduos Ponderados 49
resulta extremamente facilitada atraves da denicao de uma matriz de base ou elementar. De
fato, recorde que o Metod de Galerkin consista em:

L
0
AE
du
n
dx
dv
n
dx
dx =

L
0
qv
n
dx, v
n
Span
i

n
i=1
de onde n est a associado` a divisao realizada no intervalo (0, L). Em particular, se N e o n umero
de subintervalos, n = N 1. Para esta divis ao, a express ao anterior pode ser reescrita como:
n

e=1

e
AE
du
e
n
dx
d
e
i
dx
dx

e
q
e
i
dx

= 0, i = 1, 2, . . . , N 1
de onde u
e
n
e
e
i
sao as restri coes de u
n
e
i
sobre a regiao
e
= (e 1) h , eh , h =
L
N
, dizendo:
u
e
n
=

0 se x /
e
a
e1

e
e1
+a
e

e
e
se x
e

e
i
=

0 se x / [x
e1
, x
e
]

x x
e
h
para todo x [x
e1
, x
e
] se i = e 1
x x
e1
h
para todo x [x
e1
, x
e
] se i = e
As Figuras 2.5 e 2.6 representam geometricamente o que foi exposto;
Figura 2.5: Restri c ao de u
n
em
e
=
2
.
Figura 2.6: Restri c ao de
1
e
2
em
e
=
2
.
Do anterior, segue-se que cada subregi ao e colabora com o sistema global de equa coes atraves
do seguinte sistema de equa coes associada ` a subregi ao e-esima:

K
e
11
K
e
12
K
e
21
K
e
22

a
e1
a
e

f
e
1
f
e
2

de onde:
K
e
11
=

e
AE

d
e
e1
dx

2
dx =
AE
h
K
e
22
=

e
AE

d
e
e
dx

2
dx =
AE
h
K
e
12
= K
e
21
=

e
AE
d
e
e1
dx
d
e
e
dx
dx =
AE
h
f
e
1
=

e
q
e
e1
dx , f
e
1
=

e
q
e
e
dx
50Captulo 2. Metodos Variacionais para a Determinacao de Soluc oes Aproximadas de Problemas de Valor de
Substituindo estas express oes no sistema de equa c oes anterior resulta:
AE
h

1 1
1 1

a
e1
a
e

=
qh
2

f
e
1
f
e
2

e para o exemplo em consideracao (q = cte), o sistema anterior resulta,


AE
h

1 1
1 1

a
e1
a
e

=
qh
2

1
1

Desta maneira, uma vez calculado o sistema de equa coes associado a cada subregiao e (como
sera visto mais adiante o Metodo de Elementos Finitos chama esta subregi ao de elemento e ),
o sistema global e estabelecido atraves da montagem adequada de cada um dos subsistemas.
A Figura 2.7 representa geometricamente a ideia anterior para o caso particular do elemento
e = 4 e N = 8.
Figura 2.7: Montagem da matriz global.
Como pode-se observar na Figura 2.7, cada coeciente global e obtido somando cada uma
das contribucoes locais que estao associadas ao mesmo.
Um outro aspecto importante do Metodo de Galerkin deve ser discutido. Ate aqui, tem-
se exigido que as func oes coordenadas satisfa cam todas as condi c oes de contorno ate agora
supostas homogeneas. Deseja-se mostrar que quando o operador e simetrico positivo-denido, as
condi coes de contorno denominadas naturais (ver Captulo I) nao precisam ser satisfeitas pelas
funcoes coordenadas. Em outras palavras, quando o operador e simetrico positivo-denido,
as condi coes de contorno principais sao as unicas que precisam ser satisfeitas pelas
funcoes coordenadas.
Para discutir isto, considera-se um exemplo tpico. Tome o problema de uma barra tra-
cionada com um extremo livre. O problema de valor de contorno consiste em determinar u tal
que:
AE
d
2
u
dx
2
= q, x (0, L)
u (0) = 0
AE
du
dx

x=L
= 0
Segundo foi visto, o domnio do operador e o espa co vetorial:
D
A
=

u, u C
2
(0, L) , u[
x=0
,
du
dx

x=L
= 0

Considere o espaco Adm


u
D
A
:
Adm
u
=

u, u C
2
(0, L) ,
du
dx

x=L
= 0

2.2. Metodo dos Resduos Ponderados 51


O Metodo de Galerkin consiste em determinar u Adm
u
tal que o resduo associado seja
ortogonal a todo elemento de Adm
u
, ou seja,

L
0

AE
d
2
u
dx
2
q

vdx +

AE
du
dx
v

x=L
= 0, v Adm
u
Integrando por partes a expressao anterior, tem-se

L
0

AE
du
dx
dv
dx
qv

dx

AE
du
dx
v

L
0
+

AE
du
dx
v

x=L
= 0
para todo v Adm
u
. Da express ao anterior e da deni cao de Adm
u
se segue que:

L
0

AE
du
dx
dv
dx
qv

dx = 0, v Adm
u
expressao identica `a que havamos chegado considerando o problema denido em D
A
.
Novamente, e como j a havia sido notado, a integra cao por parte permite reduzir o grau
de regularidade sobre as func oes admissveis. O problema pode assim ser considerado como:
determinar u V tal que:

L
0

AE
du
dx
dv
dx
qv

dx = 0, v Adm
u
onde :
V

u; u C
1
cp
(0, L) , u (0) = 0

Na continuac ao, apresenta-se um exemplo.


Exemplo 2.6 Cons idere o problema de valor de contorno:
d
2
u
dx
2
+u +x = 0, x (0, 1)
com as condi coes de contorno:
u (0) = 0
du
dx

x=1
= 0
Aplica-s e Galerkin s upondo, primeiro, que as fun coes coordenadas s atis fazem todas as condicoes
de contorno. Para es te exemplo, as funcoes coordenadas podem s er:

1
= x

1
x
2

,
2
= x
2

1
2
3
x

,
3
= x
3

1
3
4
x

, etc
Se tomamos a primeira funcao, a s olu cao aproximada s er a tal que:

L
0

a
1

1
+a
1

1
+x

1
dx = 0
52Captulo 2. Metodos Variacionais para a Determinacao de Soluc oes Aproximadas de Problemas de Valor de
que integrando conduz a:

2
10
a
1

5
24
= 0
de onde:
a
1
=
25
24
Logo, a s olu cao aproximada s er a:
u
a
=
25
24
x

1
x
2

Cons idere, agora, o problema denido em um es pa co V onde s omente a condicao u (0) = 0


e s atis feita por todo elemento des s e es pa co. Aplicando Galerkin para es te cas o, tem-s e:

1
0

d
2
u
dx
2
+u +x

vdx +
du
dx
v[
x=1
= 0, v V
Integrando por partes :

1
0

du
dx
dv
dx
+uv +xv

dx = 0, v V
As fun c oes coordenadas s ao agora mais f aceis de s erem es colhidas e, por exemplo, podem
s er:

1
= x,
2
= x
2
, etc
que, como pode s er vis to, s atis fazem unicamente a condicao
i
(0) = 0.
Cons iderando as duas primeiras fun coes coordenadas tem-s e:
a
1

1
0

2
1
+
2
1

dx +a
2

1
0

1
+
2

dx =

x
1
dx
a
1

1
0

2
+
1

dx +a
2

1
0

2
2
+
2
2

dx =

x
2
dx
de onde:

2
3
a
1

3
4
a
2
=
1
3

3
4
a
1

17
15
a
2
=
1
4
Em forma matricial, a expres s ao anterior pode s er rees crita como:

2
3
3
4
3
4
17
15

a
1
a
2

1
3
1
4

cuja s oluc ao conduz a:


a
1
=
137
139
; a
2
=
60
139
Logo, a s olu cao aproximada e:
u
a
=
137
139
x
60
139
x
2
2.2. Metodo dos Resduos Ponderados 53
x u u
a
u
a
0.0 0.000000 0.000000 0.000000
0.1 0.095092 0.099958 0.0942 45
0.2 0.157700 0.197500 0.179856
0.3 0.2 45953 0.2 5552 5 0.2 8402 9
0.4 0.32 0742 0.333333 0.32 5180
0.5 0.39732 9 0.39062 5 0.384892
0.6 0.445049 0.437500 0.435971
0.7 0.492 32 9 0.473958 0.478417
0.8 0.52 7594 0.500000 0.512 2 30
0.9 0.549794 0.51562 5 0.537410
1.0 0.557409 0.52 0933 0.553957
Tabela 2.5: Exemplo 6: compara c ao entre as solu c oes.
Na Tabela 2 .5, compara-s e a s olu cao exata:
u =
sin x
cos 1
x
com as s oluc oes aproximadas u
a
e u
a
.
A derivada de u
a
em x = 1 res ulta:
d u
a
dx
=
137
139

120
139
=
17
139
= 0.122302
que, como pode-s e notar, res ulta aproximadamente nula. Em particular, `a medida que aumenta-
s e o n umero de func oes coordenadas que ir ao intervir na s olu cao aproximada, a derivada em
x = 1 tende a zero.
Condicoes de Contorno Nao-homogeneas
Na secc ao anterior, foi apresentado o Metodo de Galerkin analisando o caso de condi coes de
contorno homogeneas. Nesta seccao, apresenta-se como trabalhar com o metodo quando as
condi coes de contorno sao nao-homogeneas.
Para isso considera-se inicialmente um exemplo e, posteriormente, generalizam-se os resul-
tados.
Considere uma viga da seccao transversal retangular submetida ` a uma carga q e apoiada
sobre uma base de fundacao elastica (Figura 2.8)
Figura 2.8: Viga sob funda cao felxvel.
O problema de valor de contorno esta dado por: determinar u C
4
(0, L) tal que satisfaca
EI
d
4
u
dx
4
+ku = q, em todo x (0, L)
54Captulo 2. Metodos Variacionais para a Determinacao de Soluc oes Aproximadas de Problemas de Valor de
com as condic oes de contorno
EI
d
2
u
dx
2
=

M
i
; i = 0, L
EI
d
3
u
dx
3
=

Q
i
; i = 0, L
onde

M
i
e

Q
i
sao os momentos e as for cas cortantes aplicadas nas extremidades da viga e k o
coeciente de elasticidade da fundacao.
Considere v C
2
cp
(0, L). Logo, o problema do valor de contorno anterior e equivalente ao
de determinar a fun cao u C
2
cp
tal que para todo v C
2
cp
(0, L),

L
0
EI

d
2
u
dx
2

d
2
v
dx
2

dx+

L
0
kuvdx

L
0
qvdx+Q
L
v (L)+

M
L
v

(L)

Q
0
v (0)

M
0
v

(0) (2.1)
Para provar o anterior, integra-se por partes o primeiro membro da equa cao anterior. Tem-se
assim:

L
0
EI

d
2
u
dx
2

d
2
v
dx
2

dx +

L
0
kuvdx =

L
0
EI
d
4
u
dx
4
vdx +EI
d
2
u
dx
2
dv
dx

L
0
EI
d
3
u
dx
3
v[
L
0
=

L
0
qvdx +

Q
i
v[
L
0
+

M
i
v

L
0
Agrupando, convinientemente, tem-se:

L
0

EI
d
4
u
dx
4
+k q

vdx +

EI
d
2
u
dx
2


M
i

dv
dx

L
0
+

EI
d
3
u
dx
3


Q
i

v[
L
0
= 0
para todo v C
2
cp
(0, L). O anterior diz que cada termo deve ser nulo. Logo, o primeiro termo
conduz `a propria equa cao que governa o problema. O segundo termo diz que se as derivadas
das funcoes coordenadas nao satisfazem nenhuma restric ao no contorno, a solu cao do problema
variacional satisfaz na forma natural a condicao:
EI
d
2
u
dx
2
=

M
i
, i = 0, L
O mesmo ocorre com o terceiro termo que garantir a que a solu cao ir a satisfazer:
EI
d
3
u
dx
3


Q
i
= 0, i = 0, L
Em outras palavras, a solucao u do problema de valor de contorno e tal que o resduo e
ortogonal a toda funcao v C
2
cp
(0, L).
Agora bem, o Metodo de Galerkin permite determinar uma solu c ao aproximada do prob-
lema. Segundo foi visto, basta denir o problema variacional desenvolvido anteriormente num
espa co de dimens ao nita. A condi c ao de ortogonalidade do resduo neste espa co de dimens ao
nita equivale a dizer que o resduo e ortogonal a cada uma das func oes bases desse espaco.
2.2. Metodo dos Resduos Ponderados 55
Em outras palavras, dadas as func oes coordenadas
i

i=1,
denso em C
2
cp
(0, L), o Metodo
de Galerkin consistir a em determinar u
n
V
n
= Span
i

i=1,n
tal que:

L
0
EI
d
2
u
n
dx
2
d
2

i
dx
2
dx +

L
0
ku
n

i
dx =

L
0
q
i
dx +

Q
i
+

M

L
0
, i = 1, 2, . . . , n
Como pode ser visto, o problema consiste agora em determinar as fun c oes bases
i
. Es-
tas funcoes devem ser fun coes contnuas com derivadas contnuas e com derivadas segundas
quadrado integraveis.
Por exemplo, poderia se trabalhar com funcoes coordenadas do tipo senos e/ou co-senos
ou ainda com polin omios. Estas fun c oes est ao denidas em todo intervalo (0, L) e s ao mais
regulares do que realmente necess ario. Como ja foi notado anteriormente, no caso de estarem
denidas em todo o intervalo (0, L) traz junto alguns inconvinientes:
Matriz do sistema cheia e, portanto, geralmente com tendencia a mal-concicionamento
numerico `a medida que aumenta-se n.
Diculdade em satisfazer as condi c oes de contorno principais.
No caso de serem mais regulares do que o necess ario, impossibilita de colocar em evidencia
alguma descontinuidade que o problema pode admitir. Por exemplo, se os momentos de inercia
ou os m odulos de elasticidade s ao descontnuos em x
0
, nesse ponto existe uma descontinuidade
na derivada segunda. Se a carga aplicada na viga e do tipo concentrada, tem-se descontinuidade
na derivada terceira.
Novamente, percebe-se que e vantajoso trabalhar com fun c oes coordenadas de suporte com-
pacto. O leitor poder a notar que as func oes polinominais c ubicas denidas por:
f
i
(x) =

0 se x / (x
i1
, x
i+1
)
1 x = x
i
0 x = x
i1
e x = x
i+1
y tal que
df
dx
= 0 em x = x
i1
x = x
i
, x = x
i+1
g
i
(x) =

0 para x / (x
i1
, x
i+1
)
0 x = x
i1
e x = x
i+1
dg
dx
= 0 em x = x
i1
, x
i+1
dg
dx
= 1 , x = x
i
podem ser consideradas como funcoes bases e tem a caracterstica de serem de suporte compacto
(Figura 2.9).
Figura 2.9: Func oes c ubicas de suporte compacto.
56Captulo 2. Metodos Variacionais para a Determinacao de Soluc oes Aproximadas de Problemas de Valor de
Figura 2.10: Exerccio 4.
Exerccio 2.4 Aplique o Metodo de Galerkin no problema da viga em ex ao da Figura 2 .10.
1. Dena a equa c ao diferencial que governa o problema.
2 . Condi c oes de contorno. Quais s ao as condi coes principais e quais as naturais ?
3. Dena o Metodo de Galerkin para es te problema.
4. Determine as func oes coordenadas tipo s eno ou co-s eno corres pondentes .
5. Determine a s oluc ao aproximada tomando n = 1, n = 2, n = 3 e compare com a s olu cao
exata.
Exerccio 2.5 Idem ao problema anterior mas com polin omios .
Exerccio 2.6 Idem ao primeiro problema mas com fun coes de s uporte compacto como as
apres entadas . Qual e a fun c ao coordenada as s ociada ao n o x = L? Trabalhe com um s o
ponto x
1=L
e com dois pontos x
1
= 0.5L, x
2
= L. Compare com a s olu cao exata. Comente os
res ultados .
Exerccio 2.7 Cons idere o problema de torcao de uma barra de s ec cao retangular (Figura
2 .11). O problema de valor de contorno cons is te em determinar tal que:

2
x
+

2

2
x
= 2G, em = (0, a) x(0, b) , = 0 em S
Figura 2.11: Exerccio 7: tor cao numa barra retangular
Aplique o Metodo de Galerkin tomando como funcao coordenada:

1
= x(x a) y (y b)
e compare com a s olu cao exata. Dena as outras funcoes bas es
2
,
3
, etc.
Exerccio 2.8 Aplique o Metodo de Galerkin ao problema anterior, mas com funcoes coorde-
nadas do tipo s eno. Dena es tas funcoes e calcule a s olu cao aproximada para o cas o de n = 1.
Compare com a s olu c ao polinominal anterior. Pode-s e denir a s olucao para n = ? Comente
s ua res pos ta e em cas o armativo, de es ta s olu cao.
2.3. Metodo de Ritz 57
2.3 Metodo de Ritz
2.3.1 Mnimo de um Funcional
O problema basico que deseja-se resolver consiste em determinar a solucao de uma certa equa cao
diferencial associada a determinadas condic oes homogeneas de contorno. Chamando como D
A
o conjunto de funcoes u sucientemente regulares (no sentido do operador diferencial A) tal
que satisfacam as condi c oes de contorno do problema, tem-se que o anterior e equivalente a
determinar u D
A
tal que:
Au = f em (2.2)
e como u D
A
signica explicitamente que as condicoes de contorno estao todas satisfeitas.
No que segue, sup oe-s, tambem, que o operador A e positivo-denido(p.d.).
Em virtude da limitacao anterior (o operador A e p.d.) pode-se colocar o seguinte teorema.
Teorema 2.1 Se o operador A e pos itivo-denido, o problema de valor de contorno denido
anteriormente e tal que s e existe solucao, a mesma e unica.
Demonstracao: Suponha que exis tam duas s olucoes u
1
= u
2
, logo:
Au
1
= f , Au
2
= f
s ubtraindo membro a membro e da linearidade do operador A res ulta:
A(u
1
u
2
) = 0 em
multiplicando ambos os membros da equa cao anterior por (u
1
u
2
) e integrando em tem-s e:

(u
1
u
2
) A(u
1
u
2
) d = 0
Agora, por s er A p.d. tem-s e (ver captulo 1):
(v, Av) 0 e = 0 s e e s omente s e v = 0
dis to e da expres s ao anterior s e s egue que:
u
1
= u
2
com is s o, demons tra-s e o teorema.
Pode-s e colocar agora um s egundo teorema que e a bas e do ponto de partida do Metodo de
Ritz.
Teorema 2.2 Teorema do Mnimo de um Funcional. Seja A pos itivo denido e suponha que
o problema de valor de contorno tenha soluc ao. Logo, de todos os valores alcancados pelo
funcional,
F (u) = (Au, u) 2 (f, u) =

uAud 2

fud (2.3)
58Captulo 2. Metodos Variacionais para a Determinacao de Soluc oes Aproximadas de Problemas de Valor de
para cada uma das fun coes u D
A
, o menor e o valor dado a es te funcional pela s olucao do
problema. Reciprocamente, s e exis te em D
A
uma funcao que minimiza F (u) , es ta funcao s era
s olucao de (2 .1).
Demonstracao: Seja u
0
D
A
s olucao de Au = f, que e unica pelo Teorema 1. Logo:
Au
0
= f
que s ubs tituda em (2 .3) conduz a:
F (u) = (Au, u) 2 (Au
0
, u) = (Au, u) 2 (Au
0
, u) + (Au
0
, u
0
) (Au
0
, u
0
) =
= (A(u u
0
) , u) + (Au
0
, u
0
u) (Au
0
, u
0
) =
= (A(u u
0
) , u u
0
) (Au
0
, u
0
)
Os dois termos do s egundo membro s ao es tritamente pos itivos . Logo, o menor valor que
alcancar a o funcional F (u) corres ponde ao campo u que anula o primeiro termo do s egundo
membro, ou s eja,
u = u
0
Em particular, para u = u
0
, o valor mnimo F (u
0
) s era:
min
uD
A
F (u) = F (u
0
) = (Au
0
, u
0
)
A primeira parte do teorema es ta as s im demons trada. Para demons trar a s egunda parte,
s uponha que exis te u

D
A
fazendo com que o funcional c ao F (u) alcance s eu valor mnimo.
Logo, para todo v D
A
e 1 tem-s e:
F (u

+v) F (u

) 0 para todo v D
A
, 1
Des envolvendo a expres s ao anterior, tem-s e:
A((u

+v) , (u

+v)) 2 (f, u

+v) (Au

, u

) + 2 (f, u

) =
= 2(Au

, v) +
2
(Av, v) 2(f, v) =
= 2(Au

f, v) +
2
(Av, v) 0
para todo v D
A
e 1. A des igualdade anterior e nao-negativa e quadratica em . Logo,
s eu des criminante deve s er nao-pos itivo:
(Au

f, v)
2
(Av, v) .0 0 v D
A
, 1
portanto:
(Au

f, v) = 0 v D
A
Mos tra-s e agora que a equac ao anterior implica que Au

f = 0. Dada a regularidade
as s umida s obre D
A
, a funcao = (x) = A u

(x) f (x) para x e contnua. Suponha


que nao s eja identicamente nula. Logo exis te um x = P onde, por exemplo, (P) > 0. Pela
2.3. Metodo de Ritz 59
continuidade de exis te uma es fera de centro em P contida em na qual e estritamente
positiva ((x) > 0 , x ). Como v D
A
e arbitr ario, adota-s e a s eguinte fun cao:
v = v (x) =

(R
2
r
2
)
K+1
s e x
0 s e x /
onde R indica o raio da es fera e r a dis tancia entre o ponto x e o centro P da mes ma. Por
s ua vez, k e a ordem da maior derivada contida em A (Figura 2 .12 ).
Figura 2.12: Funcao .
Para es ta funcao v tem-s e:
(Au

f, v) =

(Au

f) vd =

(Au

f)

R
2
r
2

K+1
d = 0
o anterior e pos s vel ja que:

R
2
r
2

K+1
> 0 em
(Au

f) > 0 em
Chegou-s e a es ta incongruencia em virtude de s upor que exis tia um ponto P para o qual
Au

f nao era nulo, logo:


Au

f = 0
e da unicidade (Teorema 1) tem-s e u

u
0
demons trando a s egunda parte do teorema.
Como sera visto nos exemplos apresentados ao longo deste texto, o funcional 2.3 resulta
proporcional ` a energia do sistema em considera cao. Nestes casos, o Teorema 2 e equivalente
ao Prncipio da Mnima Energia Potencial.
Como tambem pode-se notar, o Teorema 2 permite substituir o problema de integrar a
equa cao diferencial sob certas condicoes de contorno pelo problema de determinar a funcao
que minimize a funcional F (u). Em particular, o Metodo de Ritz permite determinar solu c oes
aproximadas deste problema mnimo.
Apresentam-se agora alguns exemplos que mostrar ao alguns aspectos interessantes,
Exemplo 2.7 Seja o s eguinte problema de valor de contorno:
d
2
u
dx
2
= 2 x (0, 1)
com as condi coes de contorno:
u (0) = u (1) = 0
A s olu c ao des te problema e u
0
= x(1 x). O operador A do p.v.c. e pos itivo-denido (na
realidade tambem e pos itivo limitado inferiormente). De fato:
(Au, u) =

1
0
u

udx = u u[
1
0
+

1
0
(u

)
2
dx =

1
0
(u

)
2
dx 0
60Captulo 2. Metodos Variacionais para a Determinacao de Soluc oes Aproximadas de Problemas de Valor de
e s e (Au, u) = 0 u

= 0 u = cte em (0, 1) e das condi coes de contorno u = 0 logo, A e


pos itivo denido.
De acordo com o Teorema 2 , a s olu cao u
0
minimiza F (u) em D
A
, donde:
F (u) =

1
0

u 4u

dx
Para es te problema, a condic ao de minimizar F (u) em D
A
e essencial. De fato, cons idere
u
1
= x(2 x). Logo, u
1
/ D
A
(a condi cao de contorno em x = 1 n ao es ta s atis feita). Logo:
F (u
1
) =

1
0
[2x(2 x) 4x(2 x)] dx =

1
0
2x(2 x) dx =
4
3
F (u
0
) =

1
0
[2x(1 x) 4x(1 x)] dx =

1
0
2x(1 x) dx =
1
3
Logo F (u
0
) > F (u
1
).
Exemplo 2.8 Seja o problema:
d
2
u
dx
2
= 2 x (0, 1)
(2.4)
com as condi coes de contorno:
u

(0) = 0 , u

(1) +u (1) = 0 (2.5)


O problema de valor de contorno tem como s olucao a funcao u
0
= 3 x
2
e o operador com
es tas condicoes de contorno s egue s endo pos itivo-denido. De fato:
(Au, u) =

1
0
u

udx = u u[
1
0
+

1
0
(u

)
2
dx
= u

(1) u (1) +

1
0
(u

)
2
dx = (u (1))
2
+

1
0
(u

)
2
dx 0
Se (Au, u) = 0 u

= 0 e u (1) = 0, logo u 0.
De acordo com o Teorema 2 , a funcao u
0
faz com que o funcional:
F (u) =

1
0

u
3
u 4u

dx
tome o menor valor de todos os valores que pode alcancar para cada u D
A
. Mos tra-s e
que para es te cas o a fun c ao u
0
faz com que F (u) tome o menor valor comparado com os que
alcancaria com qualquer fun c ao que em 0 x 1 e contnua com derivadas primeiras tambem
contnuas independentemente de s erem s atis feitas as condicoes de contorno. Para mos trar is to,
s eja u = u (x) uma func ao continuamente diferenciavel em x [0, 1]. Pode-s e denir v como:
v = u u
0
2.3. Metodo de Ritz 61
Tem-s e, as s im:
F (u) = F (u
0
+v) =

1
0

(u
0
+v)

(u
0
+v) 4 (u
0
+v)

dx =
=

1
0

(u
0
+v)

(u
0
+v)

4 (u
0
+v)

0
+v

(u
0
+v)

1
0
=

1
0

0
+v

2
4 (u
0
+v)

dx + [u
0
(1) +v (1)]
2
=

1
0

2
0
+ 2u

0
v

+v

2
4u
0
4v

dx +u
2
0
(1) +v
2
(1) + 2u
0
(1) v (1)
=

1
0

2
0
4u
0

dx +u
2
0
(1)

1
0

0
v

2v

dx + 2u
0
(1) v (1)

1
0
v

2
dx +v
2
(1)

Obs erva-s e que o primeiro termo do s egundo membro e F (u


0
), e o s egundo, s er a mos trado,
e nulo. De fato:
2

1
0

0
v

2v

dx + 2u
0
(1) v (1) = 2

1
0

0
+ 2

vdx + 2u

0
v[
1
0
+ 2u

0
(1) v (1)
= 2u

0
(1) v (1) + 2u
0
(1) v (1) = 2

0
(1) +u
0
(1)

v (1) = 0
Logo, F (u) toma a forma:
F (u) = F (u
0
) +

1
0
v

2
dx +v
2
(1)

F (u
0
)
e igual s e e s omente s e v 0 quer dizer s e u u
0
. Como res ultado des te exemplo, ve-s e
que o problema do mnimo da fun cao as s ociado ao problema de valor de contorno 2 .4 e 2 .5
pode colocar-s e em um conjunto de funcoes V mais amplo que D
A
s em modicar o res ultado.
A func ao u
0
s egue minimizando F (u) em V , nas condi coes de contorno cujas funcoes n ao
neces s ariamente s atis fazem as condicoes de contorno.
Proposicao 2.1 (Observacao) Deve-s e res s altar que para es tabelecer o Teorema 2 , partiu-s e
da hipotes e que a s olu cao do problema de valor de contorno exis tia e de que exis tia a func ao
que minimiza F (u) em D
A
. Es te problema da existencia nao s er a dis cutido nes te texto. O
leitor interes s ado poder a cons ultar as obras de Mikhlin citadas na Bibliograa.
2.3.2 Sequencias Minimizantes
Seja um certo funcional (u) cujos valores est ao limitados inferiormente. Neste caso, pode-se
demonstrar se existe um limite exato d para (u):
d = inf
uD

(u) (2.6)
onde D

e o domnio de denicao de . Tomando por base o exposto anteriormente, pode-se


introduzir a seguinte deni cao.
Denicao 2.1 Sequencias Minimizantes. Seja cujos valores es tao limitados inferiormente
em D

. A s equencia u
n
, n = 1, 2, . . . de fun coes pertencentes a D

e chamada de sequencia
minimizante para (u) s e:
lim
n
(u
n
) = d (2.7)
62Captulo 2. Metodos Variacionais para a Determinacao de Soluc oes Aproximadas de Problemas de Valor de
Seja agora A um operador positivo-denido. Logo seu funcional de energia ser a dado por:
F (u) = (Au, u) 2 (f, u) (2.8)
Se existe solu cao u
0
do p.v.c. Au = fy, foi visto na secc ao anterior que (2.4) pode ser
reescrita como:
F (u) = (A(u u
0
) , (u u
0
)) (Au
0
, u
0
) = |u u
0
|
2
A
|u
0
|
2
A
onde ||
A
e a norma energia (ver sec cao I.8 do Captulo I). Como pode-se notar da expressao
anterior, o funcional F (u) esta limitado inferiormente e seu nmo d est a dado por:
d = inf
uD
A
f (u) = |u
0
|
2
A
Tendo presente a Deni c ao I e a express ao anterior, conclu-se que uma sequencia mini-
mizante para a funcao F (u) esta caracterizada por:
lim
n
F (u
n
) = |u
0
|
2
A
=

u
0
Au
0
d
Pode-se, assim, denir o seguinte teorema.
Teorema 2.3 Se o problema de valor de contorno Au = f, u D
A
tem s olucao , logo toda
s equencia minimizante para a funcao energia F (u) = (Au, u) 2 (f, u) converge na energia
para es ta s olu c ao.
Deni cao 2.1 (Demonstra cao) Se u
n
e uma s equencia minimizante para F (u), tem-s e
que:
F (u
n
) = |u
n
u
0
|
2
A
|u
0
|
2
A
0
n
que implica em:
|u
n
u
0
|
2
A
0
n
ou s eja, u
n
converge na energia a u
0
. Se o operador A e limitado inferiormente (Captulo I ),
tem-s e:

uAud = |u
0
|
2
A

2
|u
0
|
2
=
2

u
2
d, > 0
logo, nes te cas o, a convergencia na energia implicar a tambem convergencia na media.
Deve-se notar que o pr oprio Teorema 1 sugere um metodo de calculo para determinar a
solucao aproximada de u
0
. Para isso, e suciente construir uma sequencia minimizante para a
funcao energia associado ao problema de valor de contorno. Como ser a na sec cao a seguir, o
Metodo de Ritz e justamente um metodo para a construcao de sequencias minimizantes.
2.3. Metodo de Ritz 63
2.3.3 Metodo de Ritz
Segundo foi visto, o p.v.c.:
Au = f + c.c. homogeneas (2.9)
quando A e positivo denido se reduz a determinar a funcao u

D
A
que minimiza a fun cao
energia:
F (u) = (Au, u) 2 (f, u) , u D
A
De acordo com o que foi visto em alguns exemplos da Seccao II.2 pode-se, de acordo com as
condi coes de contorno, estender o problema do mnimo de F (u) sobre um conjunto mais amplo.
Para fazer este ultimo, observa-se, primeiro, que D
A
tem a estrutura algebrica de um espaco
vetorial, em outras palavras combina coes lineares de fun c oes de D
A
sao tambem funcoes de D
A
.
Em virtude das propriedades exigidas das funcoes de D
A
e dado que o operador e simetrico
positivo-denido, pode-se introduzir em D
A
um produto interno (ver Captulo 1):
'u, v`
A
=

uAvd =

vAud
para todo u, v D
A
. Como ja foi visto, este produto interno induz ` a uma metrica chamada de
norma energia:
|u
0
|
A
=

uAud
1
2
, u D
A
Tem-se, assim, que o espaco D
A
com o produto interno na energia induz, que por sua vez
induz `a norma energia, passa a ser um espa co vetorial com produto interno. Este espa co nao
e necessariamente completo, quer dizer, nem toda sequencia fundamental de Cauchy converge
para elementos deste espa co. Completando este espa co, ou seja, agregando ao espa co vetorial
com o produto interno, todas as fun coes para as quais convergem todas as sequencias de Cauchy,
tem-se, entao, o que comumente denomina-se de Espa co Energia, designado por H
A
, e em
virtude da forma como foi construdo e um espa co de Hilbert.
Como e facil perceber, o espa co de Hilbert H
A
est a formado por todas as func oes em D
A
(quer dizer fun c oes bem regulares e cujas derivadas s ao calculadas no sentido cl assico ), mais
outras fun coes u que se caracterizam porque sempre existe em D
A
uma sequencia u
n

n=1,
tal que:
|u
n
u
0
|
2
A
0
n
Estas funcoes sao mais gerais que as de D
A
ja que s ao menos regulares, implicando que o
conceito de derivada deve ser generalizado dando lugar ao que se denomina derivada general-
izada de u.
N ao ser ao abordados mais detalhes j a que so interessa o aspecto computacional do metodo.
Portanto, e interessante ressaltar que H
A
e um espaco mais amplo que D
A
e menos regular,
logo se apresenta como um espaco adequado para procurar a solucao.
Surge a uma pergunta: e possvel estender o problema de mnimo do funcional energia
F (u), colocado originalmente em D
A
, para o espa co energia H
A
? O mnimo de F (u) e o
mesmo em ambos os espa cos? Existindo o mnimo de F (u) em H
A
, a funcao que o minimiza
satisfaz o problema de valor de contorno?
64Captulo 2. Metodos Variacionais para a Determinacao de Soluc oes Aproximadas de Problemas de Valor de
No que segue, limita-se a explicacao ao caso de operadores A positivos limitados inferior-
mente. Para este caso, a resposta para todas as perguntas anteriores s ao armativas. De fato,
dado A positivo limitado inferiormente, foi visto que o p.v.c. era equivalente a minimizar F (u)
em D
A
, quer dizer:
min
uD
A
F (u) = (u, Au) 2 (f, u)
Agora bem,
(u, Au) = 'u, u`
A
de onde, do ponto de vista computacional, para passar `a forma do segundo membro, integrou-
se por partes quantas vezes necess ario e usou-se as condi c oes de contorno. Logo, o problema
anterior em H
A
corresponde a:
min
uD
A

F (u) = |u|
2
A
2 (f, u)

Para o caso em quest ao (A positivo limitado inferiormente) n ao e difcil mostrar que F (u)
est a limitado inferiormente em H
A
logo existe o mnimo de F (u) em H
A
e, por sua vez, este
mnimo corresponde `a solucao (ao menos no sentido generalizado) do problema de valor de
contorno. O sentido de uma solu cao generalizada quer dizer o seguinte: suponha u
0
H
A
minimiza F (u), logo:
'u
0
, n` (f, n) = 0, n H
A
e se u
0
e sucientemente regular, a equa cao anterior equivale a:
(Au f, n) = 0, n H
A
Como pode-se notar, a condi cao do mnimo da fun c ao e equivalente `a condicao de ortogo-
nalidade do resduo, ponto de partida do Metodo de Galerkin.
Em outras palavras, ja esta se vendo que o Metodo de Galerkin e o Metodo de Ritz sao
coincidentes quando o operador e positivo denido limitado inferiormente. Do ponto de vista
mec anico, o anterior equivale a dizer que o princpio do Trabalho Virtual e equivalente ao
Princpio da Mnima Energia quando este ultimo existe.
Com os elementos ate aqui apresentados, pode-se utilizar o Metodo de Ritz. Dado o prob-
lema de valor de contorno:
Au = f em + c.c homogeneas
Com A positivo limitado inferiormente, considere o problema do mnimo de F (u) em H
A
:
min
uH
A
F (u) = 'u, u`
A
2 (f, u)
Para obter uma solucao aproximada do problema anterior, o Metodo de Ritz procede a:
1. Considere o conjunto
n

n=1
, chamado de fun coes coordenadas, completo em H
A
. Do
ponto de vista computacional, isto e equivalente a dizer que deve-se considerar um con-
junto de funcoes completas satisfazendo, portanto, pelo menos todas as condi c oes princi-
pais e devem ser de classe C
m1
(), onde m e a ordem da maior derivada presente na
func ao.
2.3. Metodo de Ritz 65
2. Para cada n nito, dena o espa co H
n
A
= Span
n
H
A
, ou seja se u H
n
A
logo:
u =
n

k=1
a
k

k
3. Para cada n nito, substitua o problema do mnimo em H
A
pelo problema do mnimo em
H
n
A
de dimensao nita. Quer dizer:
min
unH
n
A
F (u) = 'u
n
, u
n
`
A
2 (f, u
n
)
que pode ser reescrito da seguinte forma:
min
a
i

F (a
i
) =
n

i,j=1
a
i
a
j
'
i
,
j
`
A
2
n

i=1
a
i
(f,
i
)

, i = 1, 2, . . . , n
Como se ve, trata-se de uma funcao real de n variaveis reais a
i
(i = 1, 2, . . . , n). A condi cao
de mnimo implica que,
F
a
i
=
n

j=1
'
i
,
j
`
A
a
j
(f,
i
) = 0 i = 1, 2, . . . , n
Chega-se, assim, a um sistema de equacoes algebricas com n incognitas cuja matriz K:
K = [K
ij
] =

'
i
,
j
`
A

nao e outra coisa que o Gramiano das func oes coordenadas (linearmente independentes),
logo o seu determinante nao e nulo. Quer dizer, o sistema tem sempre solu c ao (e inclusive
e unica).
Se designa-se com a

i
, i = 1, 2, . . . , n a solu cao do sistema de equac oes, a sequencia:
u
n

n=1
onde:
u
n
=
n

i=1
a

i
chamada de solucao de Ritz de ordem n, e uma sequencia minimizante para a fun cao
energia. Como consequencia de ser uma sequencia minimizante e por ser A positivo
limitado inferiormente resulta:
u
n
u
0
(u
0
soluc ao do p.v.c.)
u
n
u
0
Como pode-se notar e igual aos metodos j a estudados, o Metodo de Ritz requer uma
denicao das fun coes coordenadas. Estas podem estar denidas em toda a regi ao
dando lugar, em geral, ` a uma matriz cheia, ou podem ser de suporte compacto dando lugar
`a matrizes do tipo banda. Por outro lado, os coecientes da matriz do sistema e do termo
independente podem ser calculados de forma exata quando possvel numericamente.
66Captulo 2. Metodos Variacionais para a Determinacao de Soluc oes Aproximadas de Problemas de Valor de
Figura 2.13: Exemplo 9.
Mostra-se, agora, alguns exemplos.
Exemplo 2.9 Cons idere uma viga s imples mente apoiada com carga uniformemente dis tribuda
(ver Figura 2 .13).
O problema de valor de contorno cons is te em:
EIW
4
= q x (0, L)
u = 0 para x = 0 e x = L (condi cao de contorno principal)
u

= 0 para x = 0 e x = L (condi cao de contorno natural)


Primeiramente, deve-s e es tudar a s imetria do operador. Logo, dado u, v tais que s atis fa cam
as condi coes de contorno res ulta:

v, EIu
4

L
0
EI
d
4
u
dx
4
vdx = EI
d
3
u
dx
3
v[
L
0

L
0
EI
d
3
u
dx
3
dv
dx
dx
= EI
d
2
u
dx
2
dv
dx

L
0
+

L
0
EI
d
2
u
dx
2
d
2
v
dx
2
dx =

L
0
EI
d
2
u
dx
2
d
2
v
dx
2
dx
A expres s ao anterior e s imetrica em u e v, is to e, com as condi coes de contorno es tabelecidas
o operador da viga res ulta s imetrico.
Tambem, da expres s ao s urge que e pos itivo denido. De fato:

u, EIu
4

L
0
EI

d
2
u
dx
2

2
dx 0
Se (u, EIu
4
) = 0
d
2
u
dx
2
= 0 u

= cte. Da condi cao de contorno em u, u = 0 em x = 0


e x = L res ulta u 0.
Do anterior o operador e pos itivo-denido. Pode-s e demons trar-s e que o operador tambem
e limitado inferiormente.
Do que foi apres entado, s egue-s e que o p.v.c. e equivalente a minimizar a funcao:
F (u) =

L
0
uEI
d
4
u
dx
4
dx 2

L
0
qudx =

L
0
EI

d
2
u
dx
2

2
dx 2

L
0
qudx
O quarto pas s o cons is te em determinar as fun coes coordenadas de maneira a s atis fazer
s omente as condic oes de contorno principais . Es tas fun coes podem s er:

1
= sin
x
L
,
3
= sin
3x
L
, . . .
n
= sin
nx
L
2.3. Metodo de Ritz 67
de onde s up oe-s e n mpar. Tome u
n
=
n

i=1
a
i

n
e calculare a
i
. Tem-s e, nes te cas o:
F (a
i
) =
n

i,j=1
a
i
a
j

EI

L
0
d
2

i
dx
2
d
2

j
dx
2
dx

2
n

i=1
a
i

L
0
q
i
dx
Logo, da condi c ao do mnimo tem-s e,
F (a
j
)
a
i
= 0 =
n

j=1,3,...
EI

L
0
d
2

i
dx
2
d
2

j
dx
2
dxa
j
q

L
0

i
dx = 0
para i = 1, 3, . . . , n. A expres s ao anterior pode s er rees crita como:
n

j=1,3,...
EI
i
2
j
2

2
L
4

L
0
sin
jx
L
dxa
j
q

L
0
sin
ix
L
dx = 0 para i = 1, 3, . . .
Recordando que:

L
0
sin

ix
L

sin

jx
L

dx =

0 s e i = j
L
2
s e i = j
a matriz do s is tema res ulta em uma matriz diagonal e cada equa cao i-es ima (i = 1, 3, 5 etc)
es ta dado por:
equacao i:
EIi
4

4
2L
3
a
i
q
2
2L
i
= 0
de onde:
a
i
=
qL
4
EI
4
i
5

5
, i = 1, 3, . . .
A s oluc ao de Ritz es ta dada por:
u =
qL
4
EI
4

sin
x
L
+
1
3
5
sin
3x
L
+
1
5
5
sin
5x
L
, . . .

Para o centro da viga

x =
L
2

, tem-s e:
u[
x=
L
2
=
4

1
1
3
5
+
1
3
5
+. . .

que e uma s erie convergente e cuja s oma para n res ulta:


=
qL
EI
5
384
= s ol.exacta
= 0.013021
qL
4
EI
Em particular, tomando um s o termo:
u
(1)

x=
L
2
=
qL
4
EI
4

5
=
qL
4
EI
5
382, 5246
= 0, 013071
qL
4
EI
68Captulo 2. Metodos Variacionais para a Determinacao de Soluc oes Aproximadas de Problemas de Valor de
para dois e tres termos :
u
(2)

x=
L
2
=
qL
4
EI
5
384, 1053
= 0, 013017
qL
4
EI
u
(3)

x=
L
3
=
qL
4
EI
5
383, 9819
= 0, 013021
qL
4
EI
Observacao: Deve-se notar que nas fun coes coordenadas nao consideraou-se os termos
sin
ix
L
, i = 2, 4, . . . Porque? A resposta e obvia. Se tivessemos aplicando o Metodo de Ritz, o
termo independente associado `a equa c ao i = 2, 4, . . . seria:
q

L
0

i
dx = q

L
0
sin
ix
L
dx = q
L
i
cos
ix
L

0
= 0, i = 2, 4, . . .
Logo o coeciente de Ritz associado seria a
i
= 0, i = 2, 4, . . ..
Exemplo 2.10 Cons idere o problema da viga da Figura 2 .14.
Figura 2.14: Exemplo 10.
O problema de valor de contorno cons is te em:
EIW
4
= q em x (0, L)
u (0) = u

(0) = 0 (condi coes de contorno principal)


u

(L) = u

(L) = 0 (condi coes de contorno natural)


Para aplicar Ritz, tem-s e que conhecer o funcional energia. Por is s o, es tuda-s e a s imetria
e pos itividade. Logo, dados u, v D
A
:
=

L
0
EI
d
4
u
dx
4
vdx = EI
d
3
u
dx
3
v[
L
0

L
0
EI
d
3
u
dx
3
dv
dx
dx
= EI
d
2
u
dx
2
dv
dx

L
0
+

L
0
EI
d
2
u
dx
2
d
2
v
dx
2
dx =

L
0
EI
d
2
u
dx
2
d
2
v
dx
2
dx
obs ervando-s e, as s im, a s imetria em D
A
. Introduzindo o produto interno:
'u, v`
A
=

L
0
EI
d
2
u
dx
2
d
2
v
dx
2
dx
ve-s e que:
'u, u`
A
0 e = 0 s e e s omente s e
d
2
u
dx
2
= 0 u

= cte
pela condi cao de contorno u

(0) s e s egue que u

= 0 em (0, L) u = cte e novamente, da


condi c ao u (0) = 0 u = 0, ou s eja,:
'u, u`
A
= (u, Au) 0
2.3. Metodo de Ritz 69
e igual a zero s e e s omente s e u 0. Obs erve que dada a forma s imetrica 'u, v`
A
s ua pos -
itividade foi dependente s omente das condicoes de contorno u (0) e u

(0) e da o nome de
principais .
Logo, a func ao energia s era:
F (u) =

L
0
EI

d
2
u
dx
2

2
dx 2

L
0
qudx
denido no campo de fun c oes contnuas com derivadas primeiras contnuas quadrado integraveis
e com derivadas s egunda ao menos quadrado integraveis e que s atis fazem as condi coes de con-
torno u (0) = u

(0) = 0. Es te es pa co foi chamado de H


A
.
O metodo de Ritz cons is tira em denir um conjunto de funcoes coordenadas completo em
H
A
, que devem s er ao menos de clas s e C
1
e s atis fazer as condicoes de contorno principais .
Funcoes coordenadas denidas em todo (0, L): um exemplo des tas funcoes foi dada
no Exemplo 1. Cons idera-s e agora as funcoes polinominais . Tem-s e, as s im:
u = a
0
+

i=1
a
i
x
i
devendo s atis fazer:
u (0) = 0 a
0
= 0, logo u =

i=1
a
i
x
i
u

(0) = 0 a
1
= 0 logo u =

i=2
a
i
x
i
Logo, as fun coes coordenadas s ao:

1
= x
2
,
2
= x
3
, . . . ,etc
Tomando H
1
A
= Spanx
2
e aplicando o Metodo de Ritz. Logo:
F (a
1
) =

L
0
EI

a
1
x
2

2
dx 2q

L
0
a
1
x
2
dx
= EI

L
0
4a
2
1
dx 2qa
1
L
3
3
= 4EILa
2
1
2qa
1
L
3
3
A condi c ao de mnimo conduz a:
dF
da
1
= 8EILa
1

2
3
qL
3
= 0
logo:
a
1
=
1
12
qL
2
EI
A primeira s olu cao aproximada s er a:
a
(1)
= a
1
x
2
=
1
12
qL
2
EI
x
2
70Captulo 2. Metodos Variacionais para a Determinacao de Soluc oes Aproximadas de Problemas de Valor de
de onde,
u
(1)
(L) =
1
12
qL
2
EI
Tomando as fun c oes coordenadas
1
e
2
, trabalha-s e, agora, na forma matricial:
K
11
= EI

L
0
(
a
1
)
2
dx = 4EIL
K
22
= EI

L
0
(
a
2
)
2
dx = 12EIL
3
K
12
= EI

L
0

a
1

a
2
dx = 6EIL
2
f
1
= q

L
0

1
dx =
1
3
qL
3
f
1
= q

L
0

2
dx =
1
4
qL
4
O s is tema res ulta as s im,
EIL

4 6L
sim. 12L

a
1
a
2

1
3
L
4

qL
3
A s olucao do s is tema conduz a:
a
1
=
5
24
qL
2
EI
a
2
=
1
12
qL
EI
x
3
e a s olucao aproximada s er a:
u
(2)
(L) =
5
24
qL
2
EI
x
2

1
12
qL
EI
x
3
e o des locamento em x = L res ulta:
u
(2)
(L) =
1
8
qL
4
EI
A s olucao exata e:
u =
q
2EI

L
2
x
2
2

Lx
3
3
+
x
4
12

que, para x = L corres ponde a:


u (L) =
1
8
qL
4
EI
Obs erva-s e que s omente apenas dois termos ja permite obter uma boa aproximacao da
s oluc ao. Entretanto, quando deriva-s e a s olu cao aproximada na procura dos momentos , por
exemplo, a ordem de aproxima cao cai. De fato:
M
(2)

x=0
=
10
24
qL
2
= 0.4167qL
2
2.3. Metodo de Ritz 71
s endo que a s oluc ao exata corres ponde a:
M[
x=0
= 0.5qL
2
Mais adiante, quando se mostra o Metodo de Elementos Finitos, estabelece-se uma ordem
de erro de aproximac ao. Deve-se observar, aqui, que toda deriva c ao induzir a `a uma perda de
aproximacao. Da a necessidade de trabalhar com formulac oes duais, que dizer, formulacoes que
permitem trabalhar com esforcos, em lugar de deslocamentos, como inc ognitas do problema.
Estuda-se o mesmo problema, porem com func oes de suporte compacto.
Funcoes de Suporte Compacto: o funcional esta denido no espa co de Hilbert de onde
as fun coes sao contnuas conjuntamente com sua derivada primeira sendo as derivadas segundas
quadrado integraveis. Logo, as fun c oes coordenadas deverao ser de suporte compacto e tais que
assegurem a continuidade da fun cao e de sua derivada primeira.
Para deni-las, procede-se, primeiramente, em dividir o intervalo (0, L). A parti c ao coloca
em evidencia uma serie de pontos. A cada ponto i correspondera as func oes
i
0
(x) e
i
1
denidas
da seguinte maneira:

i
0
=

0 em x / (x
i1
, x
i+1
)
0 em x = x
i1
, x = x
i+1
1 em x = x
i

i
0
dx
=

0 em x / (x
i1
, x
i+1
)
0 em x = x
i1
, x
i
, x
i+1

i
1
=

0 em x / (x
i1
, x
i+1
)
0 em x = x
i1
, x
i
, x
i+1

i
1
dx
=

0 em x / (x
i1
, x
i+1
)
0 em x = x
i1
, x
i+1
1 em x = x
i
A Figura 2.15 representa estas fun c oes que nao sao outra coisa que os polin omios c ubicos de
Hermit. Recorde o leitor que os polin omios de Hermit permitem interpolar func oes garantindo
a continuidade da fun cao e de sua primeira derivada.
Figura 2.15: Func oes de interpola cao de suporte compacto.
As fun coes de interpolac ao associadas a cada n o i podem ser vistas como a uni ao de funcoes
de interpola cao denidas em cada subregiao colocada em evidencia quando da parti cao. Em
outras palavras, a forma da funcao de aproximacao ser a:
u
a
=
N

i=1

a
i

i
1
+b
i

i
1

ou melhor:
u
a
=
N

e=1
u
(e)
=
N

e=1

a
i

i(e)
1
+b
i

i(e)
1
+a
j

j(e)
0
+b
j

j(e)
1

ambas as equacoes sao equivalentes e sao o ponto de partida do elemento nito.


72Captulo 2. Metodos Variacionais para a Determinacao de Soluc oes Aproximadas de Problemas de Valor de
Condicoes de Contorno Homogeneas
Ate aqui foi apresentado como denir o funcional a minimizar quando as condi c oes de contorno
eram do tipo homogeneas. Dene-se, agora, o funcional associado quando as condicoes de
contorno sao nao-homogeneas.
Para isso, considere a equacao:
Au = f em (2.10)
onde A e, por exemplo, um operador linear diferencial que contem derivadas ate a ordem k.
Como campo de denic ao deste operador, toma-se o conjunto D
A
de todas as funcoes com
derivadas contnuas de ordem 1, 2, . . . , k 1 com derivada contnua por parte de ordem k no
domnio fechado

= S. As funcoes de D
A
nao satisfazem nenhuma condi c ao de contorno.
Suponha agora que a equacao (2.10) deve ser integrada sob as condic oes de contorno:
G
1
u[
S
= g
1
, G
2
u[
S
= g
2
, G
r
u[
S
= g
r
, (2.11)
onde G
1
, G
2
, . . . , G
r
sao operadores lineares, g
1
, g
2
, . . . , g
r
sao fun coes conhecidas denidas em
S. Observa-se que o n umero de condicoes de contorno e determinado pela ordem da equa cao
(2.10) e tambem depende se o campo u e escalar vetorial, etc.
A determinacao da func ao energia equivalente ao problema anterior, (2.10)-(2.11), ser a
realizada dentro da seguinte hipotese.
Hipotese: Existe uma funcao que conjuntamente com suas derivadas ate a ordem k 1
inclusive e contnua em

e cujas derivadas de ordem k sao contnuas por parte em

e que
satisfazem as condicoes de contorno do problema:
G
1
[
S
= g
1
, G
2
[
S
= g
2
, G
r
[
S
= g
r
, (2.12)
Admitindo a hipotese anterior, tem-se D
A
e para toda u D
A
pode-se denir uma
outra func ao v dada pela transforamac ao:
u = v
Observa-se facilmente que:
u = +v, v D
A
Em particular, se u e a solu c ao do problema de valor de contorno (2.10)-(2.11), seu corre-
spondente v satisfaz:
Av = f

em , f

= f A (2.13)
com as condicoes de contorno homogeneas:
G
1
v[
S
= 0, G
2
v[
S
= 0, G
r
v[
S
= 0, (2.14)
Agora, se nosso operador A e positivo-denido para o conjunto de func oes que satisfazem as
condi coes de contorno (2.14), tem-se, de acordo com o que ja foi visto (teorema do mnimo da
funcao energia), que o problema (2.13)-(2.14) e equivalente a determinar a fun cao v que dentro
do conjunto de funcoes satisfazem (2.14), minimizam o funcional:
F (v) = (v, Av) 2 (f

, v) , v D
A
(2.15)
2.3. Metodo de Ritz 73
Para-se, aqui, um momento a m de direcionar ao leitor para onde deseja-se caminhar. O
problema (2.10)-(2.11) corresponde ` as condi c oes de contorno nao-homogeneas. Logo, n ao e
possvel estabelecer o funcional energia associado. Observe que tem sido deduzido esta fun cao
somente para o caso de condicoes homogeneas. Admitindo, justamente, a existencia da fun cao
foi introduzido uma troca de variaveis, u = v, a qual introduzida em (2.10)-(2.11) permite
reescrever este problema em outro (2.13)-(2.14) associado ` as condi coes de contorno homogeneas.
Logo, pode-se denir a func ao energia, express ao (2.15). Para denir (2.15) em termos de u
sera suciente substituir em (2.15) v = u . Logo:
F (v) = F (u ) = (Au A, u ) 2 (u , f A) =
= (Au, u) 2 (u, f) + (u, A) (, Au) + 2 (, f) (, A)
Agora , o termo (u, A) (, Au) atraves de integracoes por parte pode escrever-se com
uma integral de superfcie , quer dizer:
(u, A) (, Au) =

S
R(u, ) dS
A express ao R(u, ) depende da forma do operador A. Fazendo uso das condi coes de
contorno (2.11)-(2.12), comumente e possovel reescrever R(u, ) na forma:
R(u, ) = N (u, g
1
, . . . , g
r
) +M ()
onde N depende somente de u e das funcoes ( conhecidas ) g
1
, g
2
, . . . , g
r
. M nao depende de u
e so depende de . Logo, a funcao F (v) pode reescrever-se como:
F (v) = (Au, u) 2 (f, u) +

S
N (u, g
i
) dS +

2 (, f) (, A) +

S
M () dS

A express ao entre colchetes e uma constante ja que nao depende de u. Logo, o mnimo de
F (v) e equivalente a minimizar o funcional:
(u) = (Au, u) 2 (f, u) +

S
N (u, g
i
) dS (2.16)
dentro do conjunto de funcoes D
A
(2.11). Este e o funcional que foi proposto determinar
quando come cou-se esta sec cao.
Observacao: Deve-se notar que o funcional (2.16) pode construir-se sem a necessidade de
conhecer a func ao . No entanto, para que o mnimo de (2.16) tenha sentido e necessario que
a funcao exista.
Por ultimo, observa-se que para a minimiza cao da funcao (2.16), algumas das condicoes de
contorno (2.11) podem ser naturais. Tendo isto presente, o mnimo de (2.16), pode-se procurar
num espa co mais amplo de onde a forma simetrica (u, Au) e substituda por 'u, u`
A
e de onde
so e preciso satisfazer as condicoes de contorno principais.
Na continuac ao, alguns exemplos serao apresentados.
74Captulo 2. Metodos Variacionais para a Determinacao de Soluc oes Aproximadas de Problemas de Valor de
Exemplo 2.11 Cons idere o problema de integrar a equacao de Laplace:

2
u = 0 em (2.17)
com a condicao de contorno n ao-homogenea:
u[
S
= g (2.18)
Para determinar o funcional as s ociado a (2 .17)-(2 .18), procede-s e como indicado nes ta
s ec cao. Admite-s e a existencia da fun cao contnua com derivadas primeiras contnuas
em

e com derivadas s egunda contnuas por parte em e tal que:
[
S
= g (2.19)
Da troca de vari avel:
u = v +
res ulta:

2
v =
2
, em (2.20)
com a condic ao homogenea de contorno:
v[
S
= 0 (2.21)
Mos tra-s e agora que o operador
2
e pos itivo-denido no conjunto de funcoes s uciente-
mente regulares s atis fazendo (2 .2 1). De fato:

,
2
v

2
v
x
2
+

2
v
y
2

d
Integrando por parte e us ando a condicao (2 .2 2 ), tem-s e:

,
2
v

2
v
x
2

2
+

2
v
y
2

d 0,e = 0 s e e s omente s e v 0
Des ta maneira, a fun cao as s ociada a (2 .2 0)-(2 .2 1) res ulta:
F (v) =

v,
2
v

v,
2

(2.22)
Subs tituindo v = u em (2 .2 2 obtem-s e:
F (u) =

u,
2
u

,
2
u

u,
2
u

,
2

(2.23)
O s egundo e o terceiro termos do s egundo membro res ultam (integrando por parte e us ando
(2 .18) e 2 .19)):

,
2
u

u,
2

u
n
u

dS =

S
g
u
n
dS

S
g

n
dS
2.3. Metodo de Ritz 75
O integrando do s egundo membro corres ponde a R(u, ). Em particular:
N (u, g
i
) = g
u
n
, M () = g

n
Subs tituindo em (2 .2 3) tem-s e:
F (u) =

u,
2
u

S
g
u
n
dS +

,
2

S
g

n
dS

Como j a foi dito, o termo entre as chaves e s omente fun cao de . Logo, o problema do
mnimo de F (u) e equivalente ao problema do mnimo de (u):
(u) =

u,
2
u

S
g
u
n
dS (2.24)
Integrando por parte o primeiro termo do s egundo membro e utilizando a equacao (2 .18)
obtem-s e:
(u) =

u
x

2
+

u
y

d (2.25)
Deve-s e notar que ao pas s ar da equa cao (2 .2 4) para (2 .2 5), ampliou-s e o domnio da fun cao
(u). Em (2 .2 5), as fun c oes que s atis fazem (2 .18) s ao contnuas com derivadas primeira
quadrado integraveis .
Exerccio 2.9 Determine o funcional cujo mnimo s eja equivalente a integrar o s eguinte prob-
lema de valor de contorno:

2
u em
u
n

S
= h em S
conhecido como problema de Neumann. Qual e o conjunto de onde o mnimo des ta funcao es ta
denido? A condi cao de contorno n ao-homogenea e uma condi cao natural ou principal?
Ate aqui tem-se resultado o problema de determinar o funcional a minimizar equivalente
ao problema de valor de contorno nao-homogeneo. Para determinar uma soluc ao aproximada
do mnimo deste funcional, pode-se recorrer ao Metodo de Ritz. Sem d uvidas, o problema de
determinar as fun coes coordenadas se complica em virtude de que o conjunto de onde o funcional
est a denido n ao e um espaco vetorial. Na realidade, o que o Metodo de Ritz propoe e trabalhar
com funcoes coordenadas densas no espa co das func oes v da transforma cao u = v + . Em
outras palavras, o metodo consiste em:
Considere
i

i=1
denso no espa co energia associado ` as func oes v da transforma cao u =
v +. Quer dizer que
i
satisfazem as condic oes de contorno homogeneas.
Para cada n nito
i

i=1
sao linearmente independentes.
76Captulo 2. Metodos Variacionais para a Determinacao de Soluc oes Aproximadas de Problemas de Valor de
Para cada n nito, tome como aproximante de u a combina c ao:
u
n
=

a
i

i
+
O mnimo de F (u
n
) e equivalente ao mnimo da fun c ao F (a
1
, a
2
, . . . , a
n
) logo, os coe-
cientes a

i
, que satisfazem ao sistema de equac oes:
F
a
i
= 0, i = 1, 2, . . . , n
sao, segundo j a visto, os coecientes de Ritz que determinam a solu cao aproximada:
u

n
=
n

i=1
a

i
+
que e a melhor aproximacao da soluc ao u, no sentido da norma energia, de todas as
combinacoes u
n
.
Aparentemente, o problema segue sendo equivalente ao caso de condi coes homogeneas. Sem
d uvidas, agora, o problema esta em determinar ou, em outras palavras, fazer que u
n
satisfaca
as condi coes de contorno.
Este problema e difcil de resolver e, ` a medida que a dimensao do espa co onde esta imerso
aumenta, o problema se faz cada vez mais difcil. Outro aspecto que complica enormemente
satisfazer se condic oes de contorno e a forma do contorno.
Para solucionar esta diculdade distintas tecnicas tem sido desenvolvidas. Uma das mais
conhecidas e a de trabalhar com funcionais extendidos. Basicamente o que se procura com estes
funcionais e que as condicoes de contorno principais n ao homogeneas do primitivo funcional
passem a ser condi c oes naturais do novo funcional (ver R.Feijoo, Aplica cao do Metodo de Ritz
a Funcionais Relajados em Mec anica dos S olidos , M.Sc. Tese, COPPE, 1973).
Por ultimo, deve-se ressaltar que as condi c oes de contorno sao facilmente satisfeitas quando
se trabalha com funcoes localmente suportadas.
Exerccio 2.10 Cons idere o problema de dis tribui cao de temperatura na placa da Figura 2 .16.
Figura 2.16: Exerccio.
O problema de valor de contorno as s ociado e:

k
x
T
x

+

y

k
y
T
y

= 0 em
T =

0 em y = 0, x = 0 e y = b
100

em x = a
Determine a funcao F (T) cujo mnimo corres ponde a um um campo T s olucao do problema
anterior. k
x
e k
y
s ao os coecientes de condutividade termica s egundo x e y.
2.3. Metodo de Ritz 77
Figura 2.17: Exerccio.
Exerccio 2.11 Cons idere o problema de condu cao de calor no tubo circular innito da Figura
2 .17. Denotam-s e as temperaturas interna e externa como T
1
e T
2
, res pectivamente.
Em coordenadas cilndricas , o problema es ta governado pelo s eguinte problema de valor de
contorno:
d
2
T
dr
2
+
1
r
dT
dr
= 0, em r (R
i
, R
e
)
T[
r=R
i
= T
1
, T[
r=R
2
= T
2
donde R
i
e o raio interno e R
e
o raio externo. Determine:
1. o funcional as s ociado. Comente o es pa co no qual es ta denido.
2 . determine uma s olucao aproximada via Ritz, s upondo T
1
= 0

C, T
2
= 100

C, R
i
= 9,
R
e
= 12. Tome como fun cao de aproximacao:
u
a
=
r R
i
R
e
R
i
T
2
+a
1

1
= +a
1

1
onde
1
= (r R
i
) (r R
e
).
3. compare com a s olu cao exata:
T = T
1
+
T
2
T
1
ln

R
e
R
i
ln
r
R
i
4. dena quais s ao as fun c oes
2
,
3
,. . ..
Exerccio 2.12 Cons idere o mes mo problema anterior, porem adote as fun coes coordenadas
localmente s uportadas indicadas na Figura 2 .18.
Figura 2.18: Exerccio.
A func ao de aproxima cao es ta dada por:
u
n
= a
1

1
+a
2

2
+ 100
3
Compare com a s olu c ao aproximada.
Exerccio 2.13 Cons idere a equa cao de Pois s on no ret angulo da Figura 2 .19.

2
u
x
2
+

2
u
y
2
= C
com as condi c oes de contorno
u = 0 em S
Determine:
78Captulo 2. Metodos Variacionais para a Determinacao de Soluc oes Aproximadas de Problemas de Valor de
Figura 2.19: Exerccio.
1. O funcional as s ociado a es te problema.
2 . Calcule a s olu cao de Ritz para a aproximacao:
u
(1)
= a
1

a
2
x
2

b
2
y
2

3. Calcule a s olu c ao de Ritz para:


u
(2)
=

a
1
+a
2
x
2
+a
3
y
2

a
2
x
2

b
2
y
2

4. Compare e comente os res ultados .


2.4 Metodo de Mnimos Quadrados
Como pode-se notar, para aplicar o Metodo de Ritz a um determinado problema de valor de
contorno foi necessario admitir que o operador diferencial A era simetrico positivo-denido. Se
o operador n ao satisfaz estas restricoes, n ao se pode aplicar o metodo. Existe, entretanto, outra
formulacao variacional, conhecida com o nome de Mnimos Quadrados que permite atender este
tipo de problema.
Para isso, dene-se em D
A
o seguinte produto interno:
'u, v`
A,A
=

AuAud
gerando a norma:

'u, v`
A,A
1
2
= |u|
A,A
Denida a norma anterior, pode-se colocar o problema de determinar a melhor aproxima cao
para a solucao u
0
do p.v.c., com respeito ` a norma ||
A,A
. Em outras palavras, u
0
minimiza a
funcao:
F (u) = |u u
0
|
A,A
O problema anterior pode ser reescrito como:
F (u) = 'u u
0
, u u
0
`
A,A
= 'Au f, Au f` = 'r, r` =

r
2
d
onde r e o resduo. O funcional anterior pode ser reescrito como
F (u) = 'u, u`
A,A
2 'u, u
0
`
A,A
+'u
0
, u
0
`
A,A
Novamente, para obter uma solu c ao aproximada, considera-se as func oes coordenadas de
maneira tal que:
u
n
=
n

i=1
a
i

i
2.4. Metodo de Mnimos Quadrados 79
onde
i
deve ser sucientemente regular como para garantir que Au
n
tenha sentido. Por outro
lado, u
n
deve satisfazer as condic oes de contorno. Substituindo esta aproxima cao no problema
do mnimo tem-se:
F (a
i
) =
n

j,k=1
'
j
,
k
`
A,A
a
j
a
k
2
n

j=1
'
j
, f`
A
a
j
A condicao do mnimo leva a:
F
a
i
=
n

j=1
'
j
,
k
`
A,A
a
j
= (A
j
, f) , i = 1, 2, . . . , n
A express ao anterior pode ser reescrita como,
F
a
i
=

A
n

j=1
a
j

j
A
i

(A
j
, f) = 0, i = 1, 2, . . . , n
de onde :
(Au
n
f, A
i
) = 0, i = 1, 2, . . . , n
dizendo que o resduo e ortogonal ao conjunto de funcoes coordenadas A
i
, i = 1, 2, . . . , n.
Tem-se, assim, que o Metodo de Mnimos Quadrados e equivalente ao Metodo de Galerkin.
Por outro lado, a matriz do sistema resulta simetrica positiva-denida. Agora bem, ganha-se
no que se refere a positividade e simetria, mas perde-se em outro aspecto importante. O leitor
podera notar que as func oes
i
devem ser mais regulares de maneira que o produto:

A
i
A
j
d
tenha sentido.
Exemplo 2.12 Cons idere o problema da viga em balan co ja es tudado anteriormente. A Figura
2 .2 0 nos indica as caracters ticas geometricas e de carga.
Figura 2.20: Exemplo.
O problema de valor de contorno cons is te em:
d
4
u
dx
4
=
q
EI
, em x (0, L)
com as condi c oes de contorno:
u (0) = u

(0) = 0, u

(L) = u

(L) = 0
Para aplicar o Metodo dos Quadrados Mnimos , denem-s e as fun coes coordenadas
i
. Es tas
fun coes devem s atis fazer todas as condi coes de contorno e, por outro lado, devem s er de tal
grau de continuidade que as s egure que:

A
i
, A
j
d
80Captulo 2. Metodos Variacionais para a Determinacao de Soluc oes Aproximadas de Problemas de Valor de
tenha s entido, quer dizer, s eja limitado. Nes te exemplo, limita-s e ao cas o de polinomios
denidos em todo (0, L). Tome, por exemplo, a s eguinte aproxima cao:
u
a
= a
1

1
= a
1

6
x
2
L
2
4
x
3
L
3
+
x
4
L
4

A funcao
1
e tal que:

1
(0) =

1
(0) = 0;

1
(L) =

1
(L) = 0
s atis fazendo as condic oes de contorno e, portanto, e uma fun cao admis s vel para o problema.
Tem-s e, as s im:
F (a
1
) =

L
0
(A
1
)
2
dxa
2
1
2

L
0
(A
1
)
q
EI
dxa
1
=

24
L
4

2
La
2
1
2

24
L
4

L
q
EI
a
1
onde:
dF
da
1
=

24
L
4

2
2La
1
2

24
L
4

2
q
EI
= 0
portanto:
a
1
=
1
24
qL
4
EI
O Metodo dos Mnimos Quadrados conduz ` a s olucao aproximada:.
u
a
=
1
24
qL
4
EI

6
x
2
2
4
x
3
L
3
+
x
4
L
4

=
1
2
q
EI

L
2
x
2
2

Lx
3
3
+
x
4
12

que nao e outra cois a que a propria solucao exata.


2.5 Conclusoes
Ao longo deste captulo, apresentou-se uma serie de metodos que permitem determinar uma
solucao aproximada de um dado problema de valor de contorno.
Foi possvel apreciar que o Metodo de Ritz recai no Metodo de Galerkin. Este ultimo
metodo e mais geral que o de Ritz j a que n ao requer a existencia do funcional a minimizar. Por
sua vez, n ao e difcil estender o metodo de problemas n ao lineares.
Tambem foi visto que o Metodo dos Mnimos Quadrados e um caso particular do Metodo dos
Resduos Ponderados, fazendo que o resduo seja ortogonal ` as fun c oes bases A
i
, i = 1, 2, . . . ,
etc.
Agora bem, em todos estes metodos a caracterstica geral e a deni c ao das fun coes coorde-
nadas que, em geral, foram denotadas por
i

i=1
. Para cada metodo, estas fun c oes deverao
satisfazer adequadas condi coes de regularidade e, por sua vez, dever ao satisfazer parte ou todas
as condi coes de contorno.
A construcao destas funcoes e uma das tarefas mais difceis destes metodos e a escolha das
mesmas esta concentrada grande parte do sucesso do metodo.
2.5. Conclus oes 81
Em todos os casos (Coloca cao, Galerkin, Ritz, Mnimos Quadrados) uma vez introduzidas
estas funcoes coordenadas, chegou-se a um sistema de equa coes algebricas cuja solu c ao deter-
mina o valor dos coecientes da combina cao de func oes
i
que melhor se aproxima da solucao
exata.
Como se sabe, o comportamento numerico da solu c ao do sistema depende do chamado
n umero P da matriz do sistema. Em geral, quando as funcoes bases est ao denidas em toda
a regiao, a matriz do sistema e cheia e o condicionamento numerico tende a deteriorar-se a
medida que o n umero de equa c oes aumenta.
Esta tendencia pode diminuir e muitas vezes eliminar-se por completo quando trabalha-se
com funcoes coordenadas localmente suportadas. Como ser a visto no captulo IV, o Metodo de
Elemento Finitos se constitui em um metodo sistematico, e simples, para a construc ao dessas
funcoes coordenadas. Em outras palavras, o Metodo de Elemento Finitos fornecer a unicamente
as fun coes bases ou coordenadas e posteriromente, para a obten cao da solucao aproximada,
aplica-se alguns dos metodos estudados.
110Captulo 2. Metodos Variacionais para a Determinacao de Solucoes Aproximadas de Problemas de Valor de
Parte II:
Parte II
Formulacao Variacional e sua Aplicacao em Mecanica
111