Escolar Documentos
Profissional Documentos
Cultura Documentos
Universidade Save
Maxixe
2023
Abílio Fernando Papele
Andrice Nicolau Pelembe
Donaldo Fernando Chichava
Josefa Domingos
Richete Noé Fambai
Virgílio Joaquim
Universidade Save
Maxixe
2023
Índice
1.Introdução.............................................................................................................................3
1.1.Objetivos............................................................................................................................3
1.2.Objetivo Geral:...................................................................................................................3
1.3.Objetivos Específicos:........................................................................................................3
2. Capitulo I..............................................................................................................................4
2.1.Interpolação........................................................................................................................4
2.1.1.Interpolação numérica.....................................................................................................4
2.1.2.Ainterpolação Polinomial................................................................................................5
2.2.Interpolação de Newton......................................................................................................6
2.2.1.Diferença dividida...........................................................................................................6
2.3.Interpolação de Lagrange...................................................................................................7
3.Capitulo II...........................................................................................................................12
3.2.Método de Runge-Kutta...................................................................................................13
3.4.1.Discretização de derivadas............................................................................................21
4.Capitulo III..........................................................................................................................24
4.2.Método do disparo............................................................................................................26
5.Conclusão............................................................................................................................28
6.Referências Bibliográficas...................................................................................................29
1.Introdução
1.1.Objetivos
1.2.Objetivo Geral:
1.3.Objetivos Específicos:
2. Capitulo I
2.1.Interpolação
Interpolar uma função f(x) consiste em aproximar essa função por uma outa função
g(x), escolhida entre uma classe de funções definida a priori e que satisfaça algumas
propriedades. A função g(x) e então usada em substituição a função f(x).
2.1.1.Interpolação numérica
{
g ( x 0 ) =f (x 0)
g ( x 1 ) =f (x 1)
g ( x 2 )=f ( x 2 )
g ( xn ) =f (xn)
2.1.2.Ainterpolação Polinomial
f( x k ) = pn ( x n ) k= 0,1,2,…..n
Desta forma, obter pn(x) consiste em obter os coeficientes a0, a1, a2, ..., an. Da
condição pn( x k ) = f( x k ), ∀ k = 0, 1, 2, ..., n, temos o seguinte sistema linear:
Esta matriz é conhecia como matriz de Vandermonde e, portanto, desde que x0, x1,...,xn
sejam pontos distintos, temos det (A) ≠ 0 e, então, o sistema linear admite solução única.
Teorema 1: Existe um único polinómio Pn(x), de grau ≤ n, tal que: Pn (xk) = f(xk), k
=0, 1, 2, …, n desde que x k ≠ x j , j ≠ k .
2.2.Interpolação de Newton
2.2.1.Diferença dividida
Seja f(x) uma função contínua, (n + 1) vezes diferenciável e definida em x0, x1, ..., xn
pontos distintos de um intervalo [a, b].
Propriedade:
f[x0, x1, ..., xn] é simétrica nos argumentos, ou seja, f[x0, x1, ..., xn] = f[xj0, x
em que j0, j1, ..., jn é qualquer permutação dos inteiros 0, 1, ..., n. Por exemplo
Para k = 2 teremos: f[x0, x1, x2] = f[x0, x2, x1] = f[x1, x0, x2] = f[x1, x2, x0] = f[x2,
x0, x1] = f[x2
9
Considere uma função f(x) contínua definida em x0, x1, ..., xn (n + 1) ponto de um
intervalo [a, b]
onde o termo f[xi] é conhecido como operador diferencial divididas. Este operador é
definido a partir das operações listadas abaixo para certa função f(x) tabelada em n+1
pontos distintos ( x 0, x 1, x 2, ... x n):
10
2.3.Interpolação de Lagrange
Seja pn(x) o polinômio de grau ≤ n que interpola f em x0, ..., xn. Podemos representar
pn(x) na forma:
em que os polinômios ℓk(x) são de grau n. Para cada i, queremos que a condição pn
(xi)= yi seja satisfeita, ou seja: pn(x) = y0ℓ0(x) + y1 ℓ 1(x) + ... + yn ℓ n(x)= yi seja
satisfeita ou seja:
E( x ) = f( x ) - pn( x )
n
pn(x) = a 0 + a1x + a❑2 x 2 +…+a n x n ou pn ( x ) = ∑ a i x i
i=0
Resolvendo o sistema acima, determina-se o polinômio Pn(x). Para provar que tal
polinômio é único, basta que se mostre que o determinante da matriz A, dos coeficientes
das incógnitas do sistema, é diferente de zero. A matriz A é:
12
(n+1)
f ( ℇ n)
En (x) = f(x) – pn(x) = (x – x 0)(x – x 1)(x – x 2) ... (x – x n) em que ℇ x ∈ ( x 0,
(n+1)!
x n).
I o 1 2
xi 0,1 0,6 0,8
yi 1,221 3,320 4,953
Para n=2
n
n x−x j
Ln(x) =∑ yi ∏ x −x
j=o i j
i=0
j≠i
L2(0,2) = 1,221
( 0 , 2−0 , 6 ) ( 0 , 2−0 , 8 ) ( 0 , 2−0 , 1 )( 0 ,2−0 , 8 ) ( 0 , 2−0 , 1 ) ( 0 , 2−0 , 6 )
+3,320 +4,953
( 0 , 1−0 , 6 ) ( 0 , 1−0 , 8 ) ( 0 , 6−0 , 1 )( 0 ,6−0 , 8 ) ( 0 , 8−0 , 1 ) ( 0 , 8−0 , 6 )
L2(0,2) = 1,414.
3.Capitulo II
3.1.1.Equações Diferenciais Ordinárias (EDO’s)
Uma equação diferencial designa-se ordinária sempre que inclua apenas derivadas em
ordem a uma única variável independente, como é o caso dos exemplos apresentados a
seguir. A ordem de uma EDO é dada pela maior ordem das derivadas presentes.
Suponha que a solução y(t) deste problema tenha n + 1 derivadas contínuas. Neste caso,
podemos aproximar y, em torno de ti , pelo polinómio de Taylor
Como h = t i + 1 - t i, temos
Se f (n) for limitado por uma constante M, temos que o erro local T i + 1(h) deste
truncamento satisfaz
O método de Taylor de ordem n usa este truncamento para definir os pontos para
aproximar a solução y.
3.2.Método de Runge-Kutta
Em que:
Como se pode ver na figura, o RK-4 requer o cálculo de valores de y’(t, y) em três
pontos distintos, K1 corresponde à derivada no primeiro ponto do intervalo (t), que é
usada para determinar um ponto a meio do intervalo (t+1/2) onde se avalia novamente o
valor de y’, ou K2. O valor de K2 é então usado para determinar um novo ponto a meio
do intervalo, onde se calcula um outro valor possível para a derivada, K3. Por fim, K3
permite determinar um quarto ponto em t+1, onde se avalia novamente o valor de y’.
Tem-se então 4 valores “possíveis” para y’ no intervalo [t, t+1]: K1, K2, K3 e K4. O
valor da derivada a usar para aproximar a função no ponto t+1, é uma média ponderada
dos quatro valores encontrados, sendo que se atribui mais peso aos dois valores
intermédios, i.e. K2 e K3.
17
Nesta seção trataremos do método mais famoso: o método de Runge-Kutta. Ele nasce
do método de Euler, sendo o Runge-Kutta de primeiro grau o próprio método de Euler.
O Runge-Kutta de segundo grau é o método de Euler melhorado, como veremos a
seguir. Concluiremos a seção com o Runge-Kutta de quarto grau, que é o método mais
preciso para a obtenção de soluções aproximadas para um problema de valor inicial.
Cada método do Runge-Kutta é uma comparação com um polinômio de Taylor
conveniente, daí que surgem os graus em seus nomes. Quando comparado a um
polinômio de grau 1, teremos o Runge-Kutta de primeiro grau. Ao fazermos essa
comparação, o cálculo da derivada é eliminado, fazendo-se assim avaliações da função f
em cada iteração.
Esta é a única reta que satisfaz l(t0) = x(t0) e l , (t0) = x , (t0) ou, equivalentemente, é a
única reta que satisfaz a condição:
,,
x (ξ) 2
Se k = 1 na equação na equação anterior e se o resto h for pequeno, obtemos a
2
fórmula de Euler:
t n e t n +1
com ξ ∈
Vamos buscar uma função ϕ de forma que a equação (2.18) seja escrita da seguinte
forma:
só acontece se
1
Este sistema tem infinitas soluções em que a = b = e α =β = 1.
2
Com ξ ∈ t n ,t n+1). Novamente, buscaremos uma função ϕ tal que x( t n+1 ¿ = x(t n ¿ + hϕ(
t n ,t n+1 ¿, porem neste caso,
Onde k1, k2 3 k3 aproximam derivadas em vários pontos do intervalo [ t n ,t n+1 ¿,] aqui
faz-se
Teremos um sistema com mais incógnitas do que equações, que também terá infinitas
soluções. Como o Runge-Kutta de terceiro grau não nos fornece uma boa precisão, não
nos atentaremos a resolução de tal sistema de equações. Porém, informamos ao leitor
interessado que os cálculos desta resolução podem ser encontrados em [6], páginas 125-
131. A solução mais conhecida do Runge-Kutta de terceira ordem é:
n +1
u = un + ∆ t
22
Isto é, no caso das condições fronteira de Dirichlet, os valores da função nos extremos
são conhecidos, no caso das condições fronteira de Neumann, os valores das derivadas
nos extremos são conhecidos.
i.e. definir os N pontos da malha (1D, 2D, 3D, ...) onde se pretende resolver o problema;
i.e. substituir as derivadas pelo seu correspondente num domínio discreto e escrever a
equação diferencial para cada ponto (yi) da malha;
23
O conjunto das equações para cada um dos N pontos pode ser organizado num sistema
de N equações, e resumido em forma matricial, tal que: A.y = b em que y é a solução.
3.4.1.Discretização de derivadas
Para uma dada Equação Diferencial, podem substituir-se os valores das derivadas pelo
seu equivalente discreto.
A precisão destas aproximações pode ser obtida utilizando uma série de Taylor. Para as
diferenças avançadas:
então,
Então,
Notar que esta expressão vem simplesmente da diferença (discreta) entre os valores das
1ª derivadas avançada e retardada para o elemento i. Os problemas que envolvem
Equações Diferenciais às Derivadas Parciais, muito comuns em problemas de física, são
geralmente resolvidos de acordo com este método, pelo que serão analisadas em mais
detalhe para dois casos (1D e 2D).
A distribuição de temperatura no cabo pode ser escrita como uma equação de Poisson:
Em que f(x) corresponde à fonte de calor e as temperaturas nas extremidades são fixas
(c.f. Dirichelet).
26
4.Capitulo III
4.1.Introdução aos métodos de diferenças finitas: elementos finitos, método do
disparo
Se uma função possui derivada (finita) num ponto, é continua nesse ponto (condição
necessária de derivabilidade) mas o reciproco não e verdadeiro (a continuidade da
função num ponto não e condição suficiente para que a função seja derivável nesse
ponto).
Uma equação que contem derivadas de uma função desconhecida e chamada de equação
deferencial. Uma equação diferencial com apenas uma variável independente e
denominado equação diferencia ordinária (EDO). A ordem de uma EDO e definida pela
maior derivada envolvida na equação.
27
De forma geral, métodos implícitos oferecem maior precisão aos resultados que os
explícitos, mas exigem maior esforço computacional.
Suas restrições são geralmente especificadas nos pontos finais do domínio da solução. O
numero de restrições conhecidas acompanha a ordem da equação (uma equação de n
ésima ordem exige n restrições para sua resolução).
Para o PVCs, os métodos mais conhecidos são método do tiro e métodos das diferenças
finitas.
4.2.Método do disparo
Ao simular um período (T) da frequência fundamental, o ultimo valor deve ser o mesmo
que estado inicial calculado. Essa abordagem usa a analise transitória e as equações
interações são disctrezadas para serem integradas uma etapa de cada vez. Alem disso, a
próxima etapa de depende dos valores anteriores.
E ainda também um método usado numérico utilizado para a resolução de PVIs. Nesse
método, um PVC e convertido em dois PVIs pela transformação de uma EDO de
segunda ordem em doas EDOs de primeira ordem, cada uma com sua condição inicial.
Uma EDO de segunda ordem e convertida em duas EDOs de primeira ordem pela
mudança de variáveis, da seguinte forma:
2
d y dy
2
=f (¿ X ,Y , )¿
dx dx
5.Conclusão
A obtenção de uma solução numérica para a um problema físico por meio da aplicação
de métodos numéricos nem sempre fornece valores que se encaixam dentro de limites
razoáveis. Os erros irão acontecer, independente se o método usado é o adequado e os
cálculos estão corretos. Temos aqueles erros chamados inerentes, porque, em geral, um
modelo matemático é uma adaptação da realidade, em que é necessário impor algumas
restrições. Temos os erros de truncamento provenientes do método numérico, e ainda, o
erro computacional, já que os computadores atuais utilizam apenas um número finito de
dígitos para representar os números reais.
31
6.Referências Bibliográficas
1978.
Bassanezi, R. C., Ferreira Jr., W., Equações Diferenciais com Aplicações. Editora
Valores de Contorno. 8a