Abílio Fernando Papele

Andrice Nicolau Pelembe

Donaldo Fernando Chichava
Josefa Domingos
Richete Noé Fambai
Virgílio Joaquim

Analise e Métodos Numéricos

“Interpolações, Equações Diferencias Ordinárias, Introdução aos métodos Finitos”

Universidade Save
Maxixe
2023
 Abílio Fernando Papele
Andrice Nicolau Pelembe
Donaldo Fernando Chichava
Josefa Domingos
Richete Noé Fambai
Virgílio Joaquim

Analise e Métodos Numéricos

“Interpolações, Equações Diferencias Ordinárias, Introdução aos métodos Finitos”

Trabalho de Pesquisa a ser

submetido na cadeira de Analise e
Métodos Numéricos para efeitos de
avaliação

Docente: Mestre Ângelo General

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

A representação de pn(x) é dada por:......................................................................................5

2.2.Interpolação de Newton......................................................................................................6

2.2.1.Diferença dividida...........................................................................................................6

2.2.2.Forma de Newton do Polinômio de Interpolação............................................................7

2.3.Interpolação de Lagrange...................................................................................................7

2.3.1.Forma de Lagrange do Polinômio de Interpolação..........................................................8

2.4.Estudo do erro na Interpolação.......................................................................................9

2.4.1.Teorema: Resto de Lagrange.........................................................................................10

3.Capitulo II...........................................................................................................................12

3.1.1.Equações Diferenciais Ordinárias (EDO’s)...................................................................12

3.1.2.Método de Taylor de ordem superior............................................................................12

3.2.Método de Runge-Kutta...................................................................................................13

3.2.1.Método Runge-Kutta de ordem 4 (RK-4)......................................................................14

3.2.2.Runge-Kutta de primeiro grau.......................................................................................15

3.2.3.Runge-Kutta de segundo grau.......................................................................................16

3.2.4.Runge-Kutta de terceiro grau.........................................................................................17

3.2.5.Runge-Kutta de quarto grau..........................................................................................18

3.3.Equações diferenciais às derivadas parciais: problemas de valores de fronteira...............20

3.3.1.Discretização do domínio de integração........................................................................20

3.3.2.Discretização das equações diferencial..........................................................................20

3.3.3.Construção do sistema de equações discretas................................................................21

3.4.Definição das condições fronteira....................................................................................21

3.4.1.Discretização de derivadas............................................................................................21

3.4.2.Problema De Valores De Fronteira – 1D.......................................................................22

4.Capitulo III..........................................................................................................................24

4.1.Introdução aos métodos de diferenças finitas: elementos finitos, método do disparo.......24

4.2.Método do disparo............................................................................................................26

5.Conclusão............................................................................................................................28

6.Referências Bibliográficas...................................................................................................29
1.Introdução

O presente trabalho reflete matérias divididas em três capítulos, sendo interpolações,

Equações Diferenciais Ordinárias e por fim Introdução aos métodos de diferenças
finitas. Cada unidade fornece possíveis formas de resolver problemas de diversas
natureza usando métodos interativos. A matéria desse trabalho é resultado de
compilação de varias literaturas a fim de formar um consenso. Cada capitulo apresenta
seus perspetivos temas, e cada tema apresenta definições, propriedades e formulas de
resolução, por apresentam exemplos para cada tema. Um dos capítulos que foi bastante
interessante é o uso das equações diferencias ordinárias .

A teoria das Equações Diferenciais Ordinárias (EDOs) é objeto de intensa atividade de

pesquisa, pois além da utilidade de tais equações na modelagem de diversos fenômenos
que ocorrem nas mais diversas áreas do conhecimento como, por exemplo, dinâmica
populacional, engenharia, física, química, economia e medicina, o estudo das Equações
Diferenciais Ordinárias é motivado pelo interesse intrinsecamente matemático que estas
equações possuem. As equações diferenciais ordinárias são poderosas representações
teóricas de processos de evolução em que a taxa de variação do estado do processo em
cada instante t depende do processo nesse instante.

Há métodos que resolvem analiticamente uma Equação Diferencial Ordinária, todavia

nem sempre é possível obter uma solução analítica. Neste caso, os métodos numéricos
são uma ferramenta eficaz para se encontrar uma solução aproximada.

1.1.Objetivos

1.2.Objetivo Geral:

 Demostrar formulas de resolver problemas usando métodos propostos no

trabalho;

1.3.Objetivos Específicos:

 Explicar como achar soluções usando métodos propostos no trabalho;

 Apresentar teorias que desenvolvem cada método;
 Resolver exercícios usando os métodos propostos no trabalho;
 6

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).

A necessidade de se efetuar esta substituição surge em varias situações, como por

exemplo:

a) Quando são conhecidos somente os valores numéricos da função para um

conjunto de pontos e é necessário calcular o valor da função em um ponto não
tabelado (como é o caso do exemplo anterior)
b) Quando a função em estudo tem uma expressão tal que operações como a
diferenciação e a integração são difíceis ( ou mesmo impossíveis) de serem
realizadas.

2.1.1.Interpolação numérica

Consideremos (n + 1) pontos distintos: X0, X1,…., Xn, chamados nos da interpolação, e

os valores de f(x) nesses pontos: f(x0), f(x1),…., f(xn).

A forma de interpolação de f(x) que veremos a seguir consiste em se obter uma

determinada função g(x) tal que:

{
g ( x 0 ) =f (x 0)
g ( x 1 ) =f (x 1)
g ( x 2 )=f ( x 2 )
g ( xn ) =f (xn)

Graficamente, para n=5 temos (6 pontos), por exemplo:

 7

2.1.2.Ainterpolação Polinomial

Dados os pontos ( x 0, f( x 0)), ( x 1, f( x 1)),….( x n, f( x n)), Portanto (n + 1) pontos, queremos

aproximar f(x) por um polinómio pn(x), de grau menor ou igual a n, tal que:

f( x k ) = pn ( x n ) k= 0,1,2,…..n

A representação de pn(x) é dada por:

pn (x) = a₀ + a₁x + a₂ x❑2 + an x 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:

Com (n + 1) equações e (n + 1) variáveis: a0, a1, ..., a n.

 8

A matriz dos coeficientes do sistema é dada por:

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

Para a construção do polinômio de interpolação pelo método de Newton, precisamos

do conhecimento de diferença dividida de uma função.

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].

Definimos diferença dividida por:

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

2.2.2.Forma de Newton do Polinômio de Interpolação

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

2.3.1.Forma de Lagrange do Polinômio de Interpolação

Seja f(x) definida um intervalo [a, b] e sejam x 0, x 1, ... , x n, (n + 1) pontos distintos em ¿

a, b] e yi = f(xi), i = 0, ..., n.

Seja pn(x) o polinômio de grau ≤ n que interpola f em x0, ..., xn. Podemos representar
pn(x) na forma:

pn(x) = y0ℓ0(x) + y1 ℓ 1(x) + ... + yn ℓ n(x),

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:

A forma mais simples de se satisfazer esta condição é impor:

 11

2.4.Estudo do erro na Interpolação

Embora o polinômio interpolador P(x) coincida com a função nos pontos de

interpolação, x 0, x 1, ..., x n, espera-se que P( x ) ≅ f ¿) para x ≠ x i, i=0, …., n, ou seja,
estimando f(x) pelo polinómio interpolador cometemos um erro nesta aproximação dado
por

E( x ) = f( x ) - pn( x )

Teorema: Sejam (xi, yi), i = 0, 1, 2, ..., n, n + 1 pontos distintos, isto é, xi ≠ xj para i ≠ j.

Existe um único polinômio P(x) de grau menor ou igual a n, tal que P(xi) = yi, para todo
i. O polinômio P(x) pode ser escrito na forma:

n
pn(x) = a 0 + a1x + a❑2 x 2 +…+a n x n ou pn ( x ) = ∑ a i x i
i=0

P(x) é, no máximo, de grau n, se an ≠ 0 e, para determiná-lo, deve-se conhecer os

valores de a 0, a 1,..., a n. Como Pn(x) contém os pontos (xi, yi), i = 0, 1, ..., n, pode-se
escrever que pn(xi) = yi.

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

Mas o determinante da matriz A é conhecido como determinante das potências ou de

Vandermonde e, da Álgebra Linear, sabe-se que seu valor é dado por: det(A) =
∏
i>j
(x i−x j ) , como x i ≠ x j para i≠ j , vem que det(A) ≠ 0.

Logo, P(x) é único.

2.4.1.Teorema: Resto de Lagrange

Seja f(x) uma função definida em x 0, x 1, ..., x n, (n + 1) pontos distintos de um

intervalo [a, b] e (n + 1) vezes diferenciável. Se p(x) interpola f(x) nesses pontos, então
o erro cometido E(x) é dado por:

(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).

Exemplo: Calcular L2(0,2) a partir da tabela

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

( x−x 1 ) ( x−x 2 ) (x−x 0 )(x−x 2) ( x−x 0)( x−x1 )

L2(x) = y 0= + y1 + y2
( x 0−x 1 )(x 0−x 2) (x 1−x 0 )(x1 −x2 ) (x 2−x 0)( x2−x 1 )
 13

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.

Sendo f(0,2)= e 2 ,02 ≈ 1,492

Erro menor que L1 ( 0 ,2 ) .

Grau do polinómio aumenta, exatidão melhora.

 14

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.

3.1.2.Método de Taylor de ordem superior

Considere o Problema de Valor Inicial bem-posto

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

Notemos que, derivando a solução, temos

Ou seja, para um dado k,

Substituindo estas derivadas no polinómio de Taylor, temos

 15

Note que, trucando este polinómio no termo de ordem n, temos um erro de

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.

Este método é definido da seguinte maneira:

3.2.Método de Runge-Kutta

Os vários métodos de Runge-Kutta permitem maior precisão, mas envolvem mais

cálculos para cada iteração. O método evolve uma média ponderada de valores de y’(t,
y) em diferentes pontos do intervalo 𝑡𝑛 ≤ 𝑡 ≤ 𝑡𝑛+1 e pode ser escrito genericamente
como:
 16

i=1, 2, ..., N; h=t Em que M corresponde ao número de etapas do método, ou a sua

ordem.

3.2.1.Método Runge-Kutta de ordem 4 (RK-4)

A expressão geral para o RK-4 é:

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.

Sejam I ⊆ R um intervalo e t0 ∈ I. A reta que melhor aproxima o gráfico de uma função

x : I → R derivável em uma vizinhança de um ponto t0 é a reta tangente ao gráfico de x
no ponto t0:

l(t) = x(t0) + x , (t0)(t − t0).

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:

Pelo Teorema anterior se x for uma função de classe C k , (k + 1)-vezes derivável em

um intervalo contendo t0 e t, então existirá ξ ∈ (t0, t) tal que

Esta formula será usada para descrever os métodos seguintes:

3.2.2.Runge-Kutta de primeiro grau

Se substituirmos t0 por tn e t por tn+1 = tn + h, a fórmula anterior equivale a:

onde ξ é algum número entre t n e t n +1

 18

,,
x (ξ) 2
Se k = 1 na equação na equação anterior e se o resto h for pequeno, obtemos a
2
fórmula de Euler:

Então, podemos concluir que o procedimento de Runge-Kutta de primeiro grau é o

2
h ,,
método de Euler básico, sendo o erro de truncamento local igual a e n+1 = x (ξ)
2!

3.2.3.Runge-Kutta de segundo grau

Fazendo k = 2 na equação anterior, temos:

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:

Com ϕ = ak 1 + bk 2 , Devemos encontrar a, b, k 1 e k 2 de modo que x(t n ¿ + hϕ¿)

seja igual ao polinômio de Taylor de x de grau 2, ou seja,

Consideremos Vamos expandir

k2 com o seu polinômio de Taylor de grau 1, centrado em (t n ,t n+1 ¿ (ou seja, com h = 0):
 19

Lembrando que R2(t n) é o resto de Lagrange para um polinômio de grau 1. Vamos

calcular ak 1 + bk 2 e simplificar as contas, desprezando o resto R2(t n) pois desejamos
que ele seja suficientemente pequeno para ser desconsiderado.

Pelas contas até aqui feitas, a igualdade

só acontece se

1
Este sistema tem infinitas soluções em que a = b = e α =β = 1.
2

Que é a formula de Euler melhorada.

 20

3.2.4.Runge-Kutta de terceiro grau

Os métodos de Runge-Kutta de graus mais elevados são obtidos de modo semelhante

aos de segundo grau.

Fazendo k = 3 na equação do primeiro grau, temos:

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:

3.2.5.Runge-Kutta de quarto grau

O método mais preciso e mais utilizado é o método de Runge-Kutta de quarto grau.

Como nas ordens anteriores, fazemos k = 1 na equação do primeiro grau.
 21

Novamente, teremos um sistema com mais incógnitas do que equações e,

consequentemente, infinitas soluções. A solução mais conhecida deste método, de
acordo com Boyce & DiPrima [3], é dada por:

Neste caso, o erro de truncamento global será de ordem 5, e dado por:

Em analise numerica os metodos de Rungue-Kutta formam uma fdamilia importante de

interativos implicitos e explicitos para a resoliucao numerica (aproximacao) de solucoes
de equacoes diferencias ordinarias. Estas tecnicas foram deselvolvidas por volta de 1900
matematicos C.Rungue e M.Wkutta.

Trata se de um metodo por etapas que tem a seguinte expressao generica:

n +1
u = un + ∆ t
 22

3.3.Equações diferenciais às derivadas parciais: problemas de valores de fronteira

No Tema anterior foi exemplificada a importância de definir corretamente uma

condição adicional que permita resolver a EDO, no caso de uma EDO de 1ªordem. Para
EDO’s de ordem n, torna-se necessário definir n condições adicionais. Nos temas
anteriores foram apresentados problemas em era conhecido o 1º valor do domínio, estes
chamam-se problemas de valor inicial. No entanto, existem aplicações em que as
condições não são conhecidas num único ponto, mas numa série de pontos do domínio.
Usualmente (mas não obrigatoriamente) estas condições correspondem aos extremos
(ou fronteiras) do domínio, pelo que estes problemas são apelidados de problemas de
valores de fronteira. A diferença entre estes dois tipos de problema é exemplificada na
figura seguinte.

Podem ser definidos dois tipos de condição fronteira:

Dirichlet: fixam-se os valores de y(t1), y(tN) (ou de outros pontos no domínio)

Neumann: fixam-se os valores de y’(t1), y’(tN) (ou de outros pontos no domínio)

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.

No tema anterior foram apresentados diferentes métodos que permitem resolver

problemas de valor inicial. Neste tema serão apresentados métodos para a resolução de
problemas de valores de fronteira, utilizando as diferentes condições apresentadas
anteriormente. Assim como nos métodos anteriores, serão utilizadas diferenças finitas,
em que para cada ponto do domínio se aproxima a derivada por diferenças entre dois
pontos. Na generalidade, a resolução destes problemas pode ser resumida nas seguintes
etapas:

3.3.1.Discretização do domínio de integração

i.e. definir os N pontos da malha (1D, 2D, 3D, ...) onde se pretende resolver o problema;

3.3.2.Discretização das equações diferencial

i.e. substituir as derivadas pelo seu correspondente num domínio discreto e escrever a
equação diferencial para cada ponto (yi) da malha;
 23

3.3.3.Construção do sistema de equações discretas

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.Definição das condições fronteira

Modificar o sistema de forma a incorporar as condições de fronteira (Dirichelet, se

conhecido o valor de y, ou Neumann, se conhecido y’);

3.4.1.Discretização de derivadas

Para uma dada Equação Diferencial, podem substituir-se os valores das derivadas pelo
seu equivalente discreto.

1ª ordem (ou 1ª derivada): as aproximações discretas para as derivadas de primeira

ordem podem ser avançadas, retardadas, ou centradas, como referido anteriormente.

A precisão destas aproximações pode ser obtida utilizando uma série de Taylor. Para as
diferenças avançadas:

então,

o que significa que, para Δ𝑥 pequeno, as diferenças avançadas têm um erro de

truncatura de primeira ordem 𝒪(Δ𝑥). O mesmo se passa para diferenças atrasadas:
 24

Então,

i.e. o erro de truncatura é também de primeira ordem 𝒪(Δ𝑥). Comparando os erros de

truncatura obtidos para as equações avançadas e retardadas, verifica-se que eles têm a
mesma ordem, mas sinais opostos, pelo que fazendo uma média das duas aproximações
obtém-se um erro de truncatura de segunda ordem:

O erro de truncatura da aproximação por diferenças centradas é de segunda ordem,

portanto esta aproximação deve ser utilizada, sempre que possível.

2ª ordem (ou 2ª derivada):

A aproximação para a segunda derivada é dada por:

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).

3.4.2.Problema De Valores De Fronteira – 1D

Consideremos um cabo circular de comprimento L, sujeito a determinadas condições

fronteira nos extremos e a uma fonte de calor estacionária:
 25

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

A simulação computacional é amplamente utilizada nas empresas para realizar analises

e melhorar a qualidade dos produtos e projetos. Grande parte e realizada por meio de
softwares que utilizam o método dos elementos finitos, os quais possibilitam a obtenção
de respostas para inúmeros problemas de engenharia.

A geometria submetida aos carregamentos e restrições é subdividida em pequenas

partes, denominadas de elementos, os quais passam a representar o domínio contínuo do
problema. A divisão da geometria em pequenos elementos permite resolver um
problema complexo, subdividindo-o em problemas mais simples, o que possibilita ao
computador realizar com eficiência estas tarefas.

O método propõe que o numero finito de variáveis desconhecidas, sejam substituídas

por um número limitado de elementos de comportamento bem definido. Essas divisões
podem apresentar diferentes formas. Tais como a triangular, quadrilateral, entre outras,
em função do tipo e da dimensão do problema. Como são elementos de dimensões
finitas chamados de elementos finitos termo que nomeia o método . Os elementos
finitos são conectados entre si por pontos, os quais são denominados de nós ou pontos
nodais. Ao conjunto de todos esses itens ( elementos e nós) dá-se o nome malha.

A precisão do método dos elementos finitos depende da quantidade de nós e elementos,

do tamanho e dos tipos de elementos da malha, ou seja, quanto menor for o tamanho e
maior for o numero deles em uma determinada malha , maior será a precisão nos
resultados da analise.

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

Na solução de uma EDO, procura se a função que satisfaz a equação analisada.

Analiticamente, existem vários métodos de resolução de EDOs. A resolução numérica e
utilizada quando temos uma EDO de difícil ou demorada resolução analítica e em
problemas de analise, simulação e controle de processos em engenharia, por exemplo.

Numericamente, é possível chegar a solução de uma EDO por diferentes métodos. Há

procedimentos que envolvem abordagens de passo simples ( a solução y i+ 1 no ponto
seguinte x i+1 e obtida a partir da solução y i conhecida no ponto actual x i ) e outros que
utilizam uma abordagem multipasso ( a solução em x i+1 e obtida a partir de soluções
conhecidas em vários pontos anteriores ). Na solução em cada passo, ainda podem ser
usadas dois tipos de métodos, explícito e implícito. Métodos explícitos usam formulas
explicitas para o calculo da função no próximo valor da variável independente; há a
apenas variáveis conhecidas no lado direito da equação :

y i+ 1=f (Xi , Xi +1)

Já nos métodos explícitos, a incógnita aparece de ambos os lados da equação:

y i+ 1=f (¿ Xi, X , y i+ 1)¿

i

De forma geral, métodos implícitos oferecem maior precisão aos resultados que os
explícitos, mas exigem maior esforço computacional.

Como ocorre em qualquer procedimento de calculo numérico, existem erros associados

aos métodos de solução numérica de EDOs: erros de truncamento e erros de
arredondamento .

Erros de arredondamento são devido ao procedimento usado por computadores, erros de

truncamento ocorrem devido a natureza aproximada dos métodos de solução numérica.

Dois problemas são estudados na resolução de EDOs, os problemas de valor inicia(PVI)

e os problemas de valor de contorno (PVC). Um PVI e uma equação diferencial
acompanhada do valor da função objetivo em determinado ponto, chamado de valor
inicial ou condição inicial. Para a resolução de EDOs de ordem superiores, e necessário
conhecer a condição inicial em valores diferentes da variável independente; esses são os
PVCs.
 28

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

E um procedimento numérico baseado em uma analise no domínio do tempo, reduzindo

o sistema a um problema de valor inicial para resolver um problema de valor contorno,
(NASTOV etal, 2007)

Dado um circuito com elementos dinâmicos, o método do disparo encontra a solução de

um sistema não linear algébrico a partir de valores iniciais que fornecem uma condição
de regime permanente. As incógnitas do método do disparo são variáveis de estado, que
são correntes de indutores e/ou tensões sobre capacitores.

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

Procedimento para executar o método do disparo:

29
 30

5.Conclusão

A grande quantidade de cálculos e a complexidade de problemas de modelagem

matemática não podem ser facilmente resolvidos sem a ajuda de processos numéricos
para a solução de equações diferenciais ordinárias, já que na maioria das vezes a
solução exata não é simples de ser encontrada. Depois do aparecimento do primeiro
computador, é que estes métodos começaram a ser usados de maneira sistemática.

A escolha do método numérico para resolver um problema matemático depende de

vários fatores, entre eles:

 qual precisão se espera;

 quão longe se deseja conhecer a solução;
 esforço computacional necessário.

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

Atkinson, K. E. An introduction to numerical analysis. JohnWiley e Sons, Canadá,

1978.

Bassanezi, R. C., Ferreira Jr., W., Equações Diferenciais com Aplicações. Editora

Harbra Ltda, São Paulo, 1988.

Boyce, W. E., DiPrima, R. C., Equações Diferenciais Elementares e Problemas de

Valores de Contorno. 8a

edição, LTC Editora , 2002.

Burden, R. L., Faires, J. D. Numerical Analysis. Fifth Edition, 1993.