Medp

Mtodos Numricos para Equaes Diferenciais
Hlio Pedro Amaral Souto

Nova Friburgo, 13 de Novembro de 2009
Graduao em Engenharia Mecnica
Contedo
Lista de Figuras Lista de Tabelas 1 Equaes Diferenciais Ordinrias 1.1 Mtodos OneStep . . . . . . . . . . . . . . . . . . . . . . . 1.1.1 Mtodo de Euler . . . . . . . . . . . . . . . . . . . . . 1.1.1.1 Anlise do Erro do Mtodo de Euler . . . . . 1.1.1.2 Estabilidade do Mtodo de Euler . . . . . . . 1.1.2 Mtodos de Mais Alta Ordem . . . . . . . . . . . . . . 1.1.3 Mtodo de Heun . . . . . . . . . . . . . . . . . . . . . 1.1.4 Mtodo de Euler Modicado . . . . . . . . . . . . . . . 1.1.5 Mtodos de RungeKutta . . . . . . . . . . . . . . . . 1.1.5.1 Mtodos de RungeKutta de Segunda Ordem 1.1.5.2 Mtodos de RungeKutta de Terceira Ordem 1.1.5.3 Mtodos de RungeKutta de Quarta Ordem . 1.1.5.4 Sistema de Equaes . . . . . . . . . . . . . . 1.2 Mtodos Multistep . . . . . . . . . . . . . . . . . . . . . . . 1.2.1 Mtodos do Tipo PreditorCorretor . . . . . . . . . . . 1.2.2 Mtodos de Mais Alta Ordem . . . . . . . . . . . . . . 1.2.3 Mtodo de Milne . . . . . . . . . . . . . . . . . . . . . 1.2.4 Mtodo de Adams de Quarta Ordem . . . . . . . . . . 1.2.5 Mtodo de Hamming . . . . . . . . . . . . . . . . . . . 1.3 Convergncia, Consistncia e Estabilidade . . . . . . . . . . . 1.3.1 Mtodos One-Step . . . . . . . . . . . . . . . . . . . . 1.3.1.1 Convergncia . . . . . . . . . . . . . . . . . . 1.3.1.2 Consistncia . . . . . . . . . . . . . . . . . . . 1.3.1.3 Estabilidade . . . . . . . . . . . . . . . . . . . 1.3.2 Mtodos Multistep . . . . . . . . . . . . . . . . . . . . 1.3.2.1 Convergncia . . . . . . . . . . . . . . . . . . 1.3.2.2 Consistncia . . . . . . . . . . . . . . . . . . . i v vii 1 3 3 4 6 7 8 10 11 12 15 16 16 17 17 21 22 23 24 24 24 25 25 26 28 28 28
ii 1.3.2.3
Contedo Estabilidade . . . . . . . . . . . . . . . . . . . 30 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33 33 35 36 40 41 42 44 46 47 48 48 51 52 55 55 56 56 57
2 Equaes Diferenciais Parciais 2.1 Algumas Equaes Diferenciais de Interesse . . . . 2.2 Classicao . . . . . . . . . . . . . . . . . . . . . 2.2.1 Classicao pelas Caractersticas . . . . . . 2.2.2 Equaes a N Variveis Independentes . . . 2.2.3 Transformao de Coordenadas . . . . . . . 2.2.4 Sistema de Equaes . . . . . . . . . . . . . 2.2.5 Classicao pela Anlise de Fourier . . . . 2.3 Problema Bem-Posto . . . . . . . . . . . . . . . . . 2.3.1 Condies de Contorno e Iniciais . . . . . . 2.4 Equaes Diferenciais Hiperblicas . . . . . . . . . 2.4.1 Interpretao em Bases Fsicas . . . . . . . . 2.4.2 Condies de Contorno e Inicial Apropriadas 2.5 Equaes Diferenciais Parablicas . . . . . . . . . . 2.5.1 Interpretao em Bases Fsicas . . . . . . . . 2.5.2 Condies de Contorno e Inicial Apropriadas 2.6 Equaes Diferenciais Elpticas . . . . . . . . . . . 2.6.1 Interpretao em Bases Fsicas . . . . . . . . 2.6.2 Condies de Contorno Apropriadas . . . .
3 Equaes de Balano 59 3.1 Equao da Continuidade . . . . . . . . . . . . . . . . . . . . 59 3.2 Equaes do Momentum . . . . . . . . . . . . . . . . . . . . . 60 3.3 Equao de Energia . . . . . . . . . . . . . . . . . . . . . . . . 62 4 Discretizao 4.1 Discretizao Espacial . . . . . . . . . 4.2 Discretizao no Tempo . . . . . . . . 4.3 Expanses em Sries de Taylor . . . . . 4.4 Tcnica Geral . . . . . . . . . . . . . . 4.5 Acurcia do Processo de Discretizao 4.6 Representao do Tipo Onda . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67 68 69 69 70 73 76 81 82 82 83 83 85
5 Convergncia, Consistncia e Estabilidade 5.1 Convergncia . . . . . . . . . . . . . . . . 5.1.1 Teorema de Lax . . . . . . . . . . . 5.2 Consistncia . . . . . . . . . . . . . . . . . 5.2.1 O Esquema FTCS . . . . . . . . . 5.2.2 Esquema Totalmente Implcito . . .
Contedo 5.3 Estabilidade . . . . . . . . . . . . . . . . . . . . 5.3.1 Mtodo da Matriz . . . . . . . . . . . . . . 5.3.2 Mtodo da Matriz: Condies de Contorno 5.3.3 Mtodo de Von Neumann . . . . . . . . . 5.3.4 Mtodo de Von Neumann: Esquema Geral Acurcia da Soluo . . . . . . . . . . . . . . . . 5.4.1 Extrapolao de Richardson . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
iii 86 87 89 90 91 93 94 97 97 99 100 100 107 108 111 118 123 125 127 129 141 145 151 . 152 . 154 . 155 157 159
5.4
6 Equao de Transporte Linear 6.1 Mtodos Explcitos . . . . . . . . . . . . . . . . . . 6.2 Mtodos Implcitos . . . . . . . . . . . . . . . . . . 6.3 Equao de Difuso . . . . . . . . . . . . . . . . . . 6.3.1 Equao de Difuso Unidimensional . . . . 6.3.2 Equao de Difuso em Regime Permanente 6.3.3 Equao de Difuso Bidimensional . . . . . 6.4 Mtodos Multidimensionais de Fracionamento . . . 6.5 Equao de Adveco . . . . . . . . . . . . . . . . . 6.6 Dissipao e Disperso Numricas . . . . . . . . . . 6.6.1 Anlise de Fourier . . . . . . . . . . . . . . 6.6.2 Equao Modicada . . . . . . . . . . . . . 6.7 Equao de Transporte Unidimensional . . . . . . . 6.8 Equao de Transporte Bidimensional . . . . . . . . A O Mtodo de Separao de Variveis
B Algoritmo de Thomas B.1 O Algoritmo de Thomas . . . . . . . . . . . . . . . . . . . . B.2 O Mtodo TDMA Linha a Linha . . . . . . . . . . . . . . . B.3 Relaxao . . . . . . . . . . . . . . . . . . . . . . . . . . . . Bibliograa ndice
iv
Contedo
Lista de Figuras
1.1 1.2 2.1 2.2 2.3 2.4 2.5 2.6 2.7 2.8 2.9 4.1 6.1 6.2 Mtodo de Euler. . . . . . . . . . . . . . . . . . . . . . . . . Mtodo de Heun. . . . . . . . . . . . . . . . . . . . . . . . . . Curva caractersticas no plano t-x. . . . . . . . . . Domnio computacional R. . . . . . . . . . . . . . Caractersticas para a equao da onda. . . . . . . Propagao de uma onda senoidal. . . . . . . . . . Condies de contorno para o caso hiperblico. . . Condies auxiliares para o caso transiente. . . . . Domnio computacional para uma EDP parablica. Decaimento exponencial de uma senide. . . . . . Domnio computacional para uma EDP elptica. . Malha discreta uniforme. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4 9 37 47 49 52 53 53 54 55 57
. . . . . . . . . . . . . . . . . . . . 68
Exemplo da representao matricial. . . . . . . . . . . . . . . 112 ngulo de fase. . . . . . . . . . . . . . . . . . . . . . . . . . . 127
B.1 Mtodo TDMA linha a linha. . . . . . . . . . . . . . . . . . . 154
vi
Lista de Figuras
Lista de Tabelas
1.1 4.1 4.2 Exemplos de leis fundamentais . . . . . . . . . . . . . . . . . . 2
Comparao da acurcia dos diferentes esquemas. . . . . . . . 75 Relao de amplitudes. . . . . . . . . . . . . . . . . . . . . . 79
A.1 Separao da equao de Helmohtz . . . . . . . . . . . . . . . 149
vii
viii
Lista de Tabelas
Captulo 1 Equaes Diferenciais Ordinrias

Vrios problemas prticos de engenharia so descritos em termos de taxas de variao das propriedades fsicas do sistema que estamos interessados em estudar. Estas variaes so, normalmente, descritas empregandose as leis fundamentais da fsica, mecnica, eletricidade, termodinmica, etc (vide a Tabela 1.1). Quando combinadas com as equaes de balano de massa, momentum e energia elas resultam nas equaes diferenciais que governam diferentes fenmenos fsicos. A partir da posterior integrao destas equaes, ns obtemos as funes matemticas que descrevem o estado do sistema, no tempo e no espao, em termos da sua massa, energia ou variao da quantidade de movimento. Como exemplo de uma equao diferencial ordinria, derivada de uma lei fundamental (lei de Newton), temos a equao que governa a queda de um paraquedista dv c =g v dt m onde v a velocidade do paraquedista, g a acelerao da gravidade, m a massa e c o coeciente de arrasto. Nesta equao a varivel que esta sendo diferenciada, v , chamada de varivel dependente. A varivel em relao a qual v est sendo diferenciada, t, denominada de varivel independente. A equao diferencial ordinria, acima, um exemplo de uma equao de primeira ordem, porque a sua derivada de mais alta ordem uma derivada primeira. Em contrapartida, a equao que descreve a posio x de um sistema massamola com amortecimento um exemplo de uma equao diferencial ordinria de segunda ordem m d2 x dx +c +kx = 0 2 dt dt 1
Captulo 1. Equaes Diferenciais Ordinrias
Tabela 1.1: Exemplos de leis fundamentais que so escritas em termos de taxas de variao. Lei Segunda lei de Newton Expresso Matemtica Variveis e Parmetros F dv = dt m q = k j = D dT dx dc dx velocidade (v ), fora (F ) e massa (m) condutividade trmica (k ) e temperatura (T ) coeciente de difuso (D) e concentrao (c)
Lei de Fourier
Lei de Fick
onde m a massa, c o coeciente de amortecimento e k a constante elstica da mola. Vale ressaltar que equaes diferenciais ordinrias de alta ordem podem ser reduzidas a um sistema de equaes diferenciais ordinrias de primeira ordem. No exemplo acima, podemos introduzir uma nova varivel y denida por dx y= dt que pode ser derivada com relao ao tempo, de modo que obtemos o sistema y= dx dt
dy cy + kx = dt m que equivalente a equao original de segunda ordem. Uma vez que uma equao diferencial ordinria de ordem n pode, de modo similar, ser reduzido a um sistema de equaes diferenciais de primeira ordem, ns focaremos nossa ateno na resoluo das equaes de primeira ordem. Na prtica, muitas destas equaes diferenciais ordinrias, que representam um grande nmero de problemas em engenharia, no podem ser resolvidas empregandose os mtodos analticos do clculo diferencial. Assim, os mtodos numricos de resoluo destas equaes diferenciais adquirem uma grande importncia em vrios campos da engenharia.
1.1. Mtodos OneStep
A m de que possamos especicar completamente a soluo de uma equao diferencial ordinria, devemos fornecer condies auxiliares. Em se tratando de equaes diferenciais de primeira ordem, uma condio auxiliar chamada de condio inicial necessria para garantirmos a obteno de uma nica soluo. Quando estivermos trabalhando com equaes diferenciais de ordem n, n condies sero requeridas para que possamos obter uma nica soluo. Caso todas as condies sejam especicadas para um mesmo valor de uma varivel independente (por exemplo para t = 0), ento o problema ser chamado de um problema de valor inical. Por outro lado, um problema de valor de contorno ser denido quando estas condies forem fornecidas para diferentes valores da varivel independente.
1.1
Mtodos OneStep
No que se segue, estaremos interessados em resolvermos equaes diferenciais ordinrias do tipo dy = f (x, y ) dx Uma primeira possibilidade, para que possamos resolver esta equao, pode ser obtida a partir da discretizao do termo da derivada de primeira ordem, empregandose um esquema de diferenas avanadas: dy yi+1 yi = dx i x ou ainda dy x dx i De acordo com esta equao, a partir da estimativa da derivada (que fornece a inclinao da tangente curva no ponto xi ) ns determinamos, por extrapolao, um novo valor de y no ponto xi+1 a partir de um valor conhecido de yi . Esta frmula pode ser aplicada passo a passo a m de determinarmos a evoluo futura da soluo. Todos os mtodos do tipo onestep podem ser expressos nesta mesma forma geral, sendo que a nica diferena entre eles ser a maneira de avaliar a derivada primeira. yi+1 = yi +
1.1.1
Mtodo de Euler
Uma primeira possibilidade, de estimativa da derivada, fornecida pela prpria expresso da equao diferencial ordinria e consiste em empregarmos
4
y

y i+1 erro yi verdadeiro
xi
x i+1
Figura 1.1: Mtodo de Euler.
a prpria funo a m de avaliarmos a inclinao da tangente no ponto xi , conforme esquematizado na Figura 1.1. Portanto, neste mtodo a estimativa dada por yi+1 = yi + f (xi , yi ) x onde esta frmula conhecida como o mtodo de Euler ou de EulerCauchy. Nela, o novo valor de y determinado a partir de uma extrapolao linear empregandose o valor da derivada em xi (Figura 1.1). 1.1.1.1 Anlise do Erro do Mtodo de Euler
A resoluo numrica da equao diferencial ordinria, de modo semelhante ao caso de uma equao diferencial parcial, introduz dois tipos de erros: Um erro de truncamento ou discretizao devido natureza da tcnica empregada na aproximao de y ; Um erro de arredondamento devido ao fato do nmero limitado de digitos que so utilizados pelos computadores. O erro de truncamento composto de duas partes. Uma primeira, chamada de erro local de truncamento, que resulta da aplicao local do mtodo
1.1. Mtodos OneStep
numrico para um nico incremento. A segunda a parcela devida propogao do erro de truncamento proveniente das aproximaes decorrentes dos incrementos anteriores. A soma destes dois erros fornece o erro global de truncamento. Expandindo em srie de Taylor a funo y , que possui as suas derivadas contnuas, em torno do ponto xi , yi+1
y y = yi + yi x + i x2 + . . . + i xn + Rn 2 n!
(n)
onde y = dy/dx e Rn representa o resto da srie e denido por Rn = y (n+1) ( ) xn+1 (n + 1)!
onde est contido no intervalo de xi a xi+1 . Esta expanso ainda pode ser escrita numa forma alternativa, se considerarmos que estamos tratando da equao diferencial ordinria y = f (x, y ) yi+1 = yi + f (xi , yi ) x + f (xi , yi ) f (n1) (xi , yi ) x2 + . . . + xn 2 n! +O xn+1
Comparando esta expanso com o mtodo de Euler, vemos que este ltimo pode ser escrito como yi+1 = yi + f (xi , yi ) x + Et onde Et o verdadeiro erro local devido ao truncamento, sendo dado por f (xi , yi ) x2 + . . . + O xn+1 Et = 2 Para valores sucientemente pequenos do incremento x, os diferentes termos do erro decrescem medida que a sua ordem aumenta. Portanto, usualmente representamos o erro como f (xi , yi ) Ea = x2 2 ou onde Ea representa o erro local de truncamento aproximado. Conforme pudemos ver, a expanso em srie de Taylor nos fornece um meio para quanticarmos o erro no mtodo de Euler. Entretanto, existem algumas limitaes associadas ao seu uso: Ea = O x2

Captulo 1. Equaes Diferenciais Ordinrias A srie de Taylor nos fornece somente uma estimativa do erro de truncamento local. Ela no nos fornece o erro propagado, ou seja, o erro global de truncamento; Na prtica, podemos trabalhar com funes que so mais complexas do que simples polinmios. Como conseqncia, o clculo das derivadas que aparecem na srie de Taylor podem no ser facilmente obtidas.
Apesar dessas limitaes impedirem uma anlise exata do erro, na maior parte dos problemas de interesse a srie de Taylor ainda pode nos fornecer informaes valiosas sobre o comportamento do mtodo de Euler. Do desenvolvimento, em srie de Taylor, pudemos vericar que o erro local proporcional ao quadrado do incremento de espao e derivada primeira da equao diferencial. possvel mostrar, tambm, que o erro global de truncamento de O(x) [1], ou seja, ele proporcional ao incremento de espao. Estas observaes nos levam a algumas concluses importantes: O erro pode ser reduzido mediante um decrscimo do incremento; O mtodo fornecer resultados livres de erro caso o soluo da equao diferencial ordinria seja linear, uma vez que as derivadas de ordem superiores a um sero nulas. Pelas razes mencionadas, acima, o mtodo de Euler denominado um mtodo de primeira ordem. 1.1.1.2 Estabilidade do Mtodo de Euler
O conceito matemtico de estabilidade do mtodo numrico est associado ao crescimento ilimitado da soluo numrica ou, conforme veremos mais adiante, do erro introduzido nos dados iniciais ou no processo de discretizao. Neste caso, a soluo numrica no ir tender para a soluo da equao diferencial quando o incremento tender a zero e o esquema numrico ser dito ser instvel [1, 2]. Este conceito pode ser entendido tomando como exemplo o seguinte problema de valor inicial: dy = y dx apresentando como condio inicial y (0) = y0 . Do Clculo Diferencial sabemos que esta equao diferencial ordinria possui a seguinte soluo: y = y0 e x
1.1. Mtodos OneStep
Assim, esta soluo tem como valor inicial y0 e aproximase assintoticamente de zero medida que o valor de x aumenta. Empregando o mtodo de Euler na resoluo numrica deste problema, temos que: yi+1 = yi + ou ainda, Deste resultado vemos claramente que a estabilidade do mtodo numrico depende do incremento x, isto , o valor de |1 x| deve ser menor do que 1. Esta restrio implica no fato de que o incremento deve vericar a condio x < 2/ a m de que a soluo numrica acompanhe a soluo analtica. Neste caso, dizemos que o mtodo condicionalmente estvel. Uma maneira de contornarmos esta restrio seria a de empregarmos uma abordagem implcita para o mtodo de Euler. Esta representao chamada de implcita devido ao fato de que a varivel que buscamos determinar, yi+1 , aparece em ambos os lados do sinal de igualdade yi+1 = yi + ou ainda, yi+1 = dy dx
i+1
dy x = yi + f (xi , yi )x = yi yi x dx i yi+1 = (1 x) yi
x = yi + f (xi+1 , yi+1 )x = yi yi+1 x 1 yi 1 + x
sendo que agora a condio de estabilidade,
1 < 1, sempre ve1 + x ricada para > 0. Assim, dizemos que o mtodo de Euler implcito incondicionalmente estvel. Este conceito de estabilidade pode ser estendido a outros mtodos numricos destinados resoluo de um problema de valor inicial do tipo: dy = f (x, y ), dx x>a
para uma condio inicial y (a) = y0 . Os leitores interessados devem se reportar s referncias [2, 3] para maiores detalhes. Este assunto ser retomado ao nal deste captulo.
1.1.2
Mtodos de Mais Alta Ordem
Uma maneira fcil de reduzirmos o erro do mtodo de Euler seria a de incluirmos termos de mais alta ordem da srie de Taylor na soluo. Por
exemplo, retendo o termo de segunda ordem yi+1 = yi + f (xi , yi )x + f (xi , yi ) x2 + Ea 2
onde o erro de truncamento aproximado seria dado por f (xi , yi ) Ea = x3 6 Embora este mtodo seja facilmente implementado no caso de funes polinomiais, a incluso de termos de mais alta ordem pode no ser trivial no caso de estarmos considerando equaes diferenciais ordinrias mais complicadas. Em particular, este o caso em se tratando de equaes diferenciais ordinrias que so funes de ambas as variveis dependentes e independentes, sendo necessrio o emprego da regra da cadeia na determinao destas derivadas. Por exemplo, a derivada primeira de f (x, y ) ser f (x, y ) =

f f dy + x y dx
enquanto que a derivada segunda seria dada por f dy f + f (x, y ) = x y dx

com o grau de complexidade aumentando para as derivadas de mais alta ordem. Assim sendo, alternativas foram pensadas para que possamos aumentar a performance dos mtodos onestep, sem que tenhamos que avaliar derivadas superiores a primeira ordem. Conforme veremos a seguir, estes mtodos so comparveis aos mtodos que empregam termos de mais alta ordem na srie de Taylor.
1.1.3
Mtodo de Heun
O mtodo de Euler apresenta uma fonte de erro fundamental que devida ao fato de que a derivada, avaliada no incio do intervalo, suposta prevalecer sobre todo o intervalo. Em seguida, veremos que algumas modicaes simples podem ser introduzidas a m de superarmos esta diculdade. O mtodo de Heun utiliza a determinao de duas derivadas no intervalo, como medida para melhorar a estimativa da inclinao da curva no intervalo considerado. As derivadas so avaliadas uma no ponto inicial e a outra no ponto nal. A estimativa da inclinao obtida, ento, a partir da mdia
1.1. Mtodos OneStep

y y i+1
0
yi
xi
x i+1
Figura 1.2: Mtodo de Heun.
dos valores das duas derivadas, conforme mostrado esquematicamente na Figura 1.2. No mtodo de Euler, a inclinao avaliada no ponto inicial yi = f (xi , yi ) e empregada na extrapolao linear que determina yi+1
0 yi +1 = yi + f (xi , yi )x
Enquanto que para o mtodo de Euler esta seria a estimativa nal, no mtodo de Heun trata-se de uma estimativa intermediria e ela conhecida como a equao preditora. Ela fornece uma estimativa de yi+1 com a qual determinamos uma estimativa da inclinao curva no ponto nal do intervalo:
0 yi+1 = f (xi+1 , yi +1 )
Assim, as duas expresses para as inclinaes podem ser combinadas a m de obtermos um valor mdio para a inclinao no intervalo considerado:
0 f (xi , yi ) + f (xi+1 , yi yi + yi+1 +1 ) = y = 2 2 Este valor , ento, empregado na extrapolao linear de yi a yi+1 utilizando o mtodo de Euler

yi+1 = yi +
0 f (xi , yi ) + f (xi+1 , yi +1 ) x 2
10
onde esta a equao corretora. Portanto, o mtodo de Heun um mtodo do tipo preditorcorretor. Neste mtodo, devemos observar que yi+1 aparece em ambos os lados do sinal de igualdade e, portanto, esta equao pode ser empregada de modo iterativo 0 a m de corrigirmos este valor. Isto quer dizer que a estimativa anterior yi +1 pode ser usada repetidamente a m de prover uma melhor estimativa de yi+1 . Na introduo do mtodo de Heun, consideramos que a derivada era uma funo tanto da varivel dependente quanto da independente. Entretanto, para casos como os dos polinmios, onde a equao diferencial ordinria funo unicamente da varivel independente, no necessitamos empregar a equao preditora e basta utilizarmos uma nica vez a cada iterao a equao corretora f (xi ) + f (xi+1 ) yi+1 = yi + x 2 onde podemos notar uma similaridade entre o lado direito do sinal de igualdade e a regra do trapzio para a integrao. De fato, partamos da equao diferencial ordinria dy = f (x) dx Esta equao pode ser resolvida por integrao na forma:
yi+1 xi+1
dy =
yi xi
f (x) dx
que resulta em yi+1 = yi +
xi+1
f (x) dx
xi
Agora, aplicandose a regra do trapzio no intuito de avaliarmos a integral acima f (xi ) + f (xi+1 ) f ( ) 3 yi+1 = yi + x x 2 12 onde encontrase no intervalo entre xi e xi+1 . Assim, tratase de um mtodo de segunda ordem, uma vez que a derivada segunda da equao diferencial ordinria zero quando a soluo for quadrtica. Alm do mais, os erros local e global so de O (x3 ) e de O (x2 ) respectivamente [1].
1.1.4
Mtodo de Euler Modicado
Uma outra modicao simples do mtodo de Euler resulta no mtodo de Euler modicado. Esta tcnica usa o mtodo de Euler na predio de um
1.1. Mtodos OneStep valor de y no ponto mdio do intervalo yi+1/2 = yi + f (xi , yi ) x 2
11
Em seguida, este valor empregado na estimativa do valor da inclinao curva no ponto mdio: yi+1/2 = f (xi+1/2 , yi+1/2 ) onde assumimos que este valor uma aproximao da inclinao mdia para todo o intervalo. Este valor da inclinao ento usado na extrapolao linear entre xi e xi+1 empregando o mtodo de Euler yi+1 = yi + f (xi+1/2 , yi+1/2 )x Devemos notar que devido ao fato de yi+1 no aparecer em ambos os lados desta equao, esta equao corretora no pode ser empregada iterativamente a m de melhorarmos a soluo. O mtodo de Euler modicado superior ao mtodo de Euler visto que ele avalia a inclinao curva no ponto mdio do intervalo de predio. Da teoria sobre as tcnicas de discretizao, sabemos que a tcnica de diferenas nitas conhecida como diferenas centradas aproxima melhor a derivada do que as tcnicas de diferenas avanadas ou recuadas. No mesmo sentido, uma aproximao centrada como a utilizada aqui possui um erro de truncamento de O (x2 ) em comparao com a aproximao avanada do mtodo de Euler que possui um erro de O (x). Conseqentemente, este mtodo apresenta um erro local e global que so de O (x3 ) e de O (x2 ) respectivamente [1].
1.1.5
Mtodos de RungeKutta
Os mtodos do tipo RungeKutta podem alcanar a mesma acurcia dos mtodos de mais alta ordem que empregam o desenvolvimento em srie de Taylor sem, no entanto, requerer a determinao das derivadas de mais alta ordem. Muitas variaes destes mtodos existem, mas todos podem ser escritos na seguinte forma generalizada: yi+1 = yi + (xi , yi , x)x onde (xi , yi , x) chamada de funo incremento a qual pode ser interpretada como a inclinao representativa de todo o intervalo. A funo incremento pode ser escrita numa forma geral como = a1 k1 + a2 k2 + + an kn
12
onde os diferentes coecientes ai , i = 1, 2, . . . so constantes e as funes ki , i = 1, 2, . . . so dadas por k1 = f (xi , yi ) k2 = f (xi + p1 x, yi + q11 k1 x) k3 = f (xi + p2 x, yi + q21 k1 x + q22 k2 x) . . . Devemos notar que nestas expresses as funes ki so relaes de recorrncia. Isto quer dizer que k1 aparece na equao para k2 , que aparece na equao para k3 e assim por diante. Tal fato torna os mtodos de RungeKutta ecientes ferramentas do clculo numrico. Vrios tipos de mtodos de RungeKutta podem ser imaginados a partir do emprego de diferentes nmeros de termos da funo incremento. Devese notar que o mtodo de RungeKutta de primeira ordem com n = 1 corresponde, de fato, ao mtodo de Euler. Uma vez escolhido o nmero n de termos, os valores de a, p e q so avaliados igualandose a equao generalizada do mtodo de RungeKutta aos termos de uma expanso em srie de Taylor. Deste modo, ao menos para as verses de baixa ordem, o nmero de termos n normalmente representa o ordem do mtodo. 1.1.5.1 Mtodos de RungeKutta de Segunda Ordem kn = f (xi + pn1 x, yi + qn1,1 k1 x + qn1,2 k2 x + + qn1,n1 kn1 x)
A forma generalizada para um mtodo de segunda ordem dada por yi+1 = yi + (a1 k1 + a2 k2 )x onde k1 = f (xi , yi ) k2 = f (xi + p1 x, yi + q11 k1 x) A m de determinarmos os valores de a1 , a2 , p1 e q11 ns iremos expandir em srie de Taylor yi+1 e empregaremos f (xi , yi ) como sendo a derivada dy/dx yi+1 = yi + f (xi , yi )x + f (xi , yi )

x2 + O x3 2
onde f (xi , yi ) deve ser determinada a partir do emprego de: df (xi , yi ) = f f dx + dy x i y i
1.1. Mtodos OneStep ou ainda f dy df f + = dx x i y i dx Substituindo este resultado na expanso em srie de Taylor f (xi , yi ) =
13
yi+1 = yi + f (xi , yi )x +
f dy f + x y dx
x2 + O x3 2
Em seguida, ns vamos expandir a equao geral para o mtodo de segunda ordem, lembrando que g (x + r, y + s) = g (x, y ) + r + Portanto, k2 = f (xi , yi ) + p1 x f f + q11 k1 x + O x2 x y 1 2! g g +s x y
2g 2 2g 2 2g r s + r + 2 s + x2 xy y 2
Substituindo, agora, k1 e k2 na expresso geral ns obtemos yi+1 = yi + a1 x f (xi , yi ) + a2 x f (xi , yi ) f f + a2 q11 x2 f (xi , yi ) + O x3 x y ou ainda, agrupando os termos de mesma ordem em x + a2 p1 x2 yi+1 = yi + [a1 f (xi , yi ) + a2 f (xi , yi )] x + a2 p 1 f f x2 + O x3 + a2 q11 f (xi , yi ) x y
Finalmente, comparando termo a termo estas duas expanses, vemos que as seguintes condies devem ser vericadas para que tenhamos a equivalncia destas duas equaes a1 + a2 = 1 1 a2 p 1 = 2 1 a2 q11 = 2 Como existem quatro incgnitas e somente trs equaes, no h uma nica soluo que satisfaa este sistema de equaes. Necessitamos, portanto,
14
especicar o valor de uma destas incgnitas a m de determinarmos as outras trs. Em conseqncia, teremos uma famlia de mtodos de segunda ordem. Admitamos que ns especiquemos o valor de a2 , das equaes acima obtemos a 1 = 1 a2 1 2a2 Devido ao fato de podermos escolher uma innidade de valores para a2 , existiro uma innidade de mtodos de RungeKutta de segunda ordem, que fornecero o mesmo resultado para a soluo da equao diferencial ordinria em se tratando de uma funo f (x, y ) constante, linear ou quadrtica. Entretanto, obteremos solues diferentes quando esta funo for mais complicada. Em seguida, apresentaremos trs dos mtodos de segunda ordem mais comumente utilizados: p1 = q11 = Mtodo de Heun (a2 = 1/2). Para a2 = 1/2 ns podemos resolver o sistema de equaes e obtemos a1 = 1/2 e p1 = q11 = 1. Substituindose estes resultados na equao geral obtemos: yi+1 = yi + onde k1 = f (xi , yi ) k2 = f (xi + x, yi + k1 x) Notemos que k1 representa a inclinao curva no ponto inicial do intervalo enquanto que k2 a inclinao no nal do intervalo. Portanto, este mtodo de RungeKutta de segunda ordem corresponde ao mtodo de Heun com uma nica iterao corretora. Mtodo do Polgono (a2 = 1). Caso assumamos que a2 = 1, ento a1 = 0, p1 = q11 = 1/2 e a equao geral tornase yi+1 = yi + k2 x onde k1 = f (xi , yi ) k2 = f 1 1 xi + x, yi + x k1 2 2 1 1 k1 + k2 x 2 2
o que corresponde ao mtodo do polgono melhorado.
1.1. Mtodos OneStep
15
Mtodo de Ralston (a2 = 2/3). Ralston (1962) e Ralston e Rabinowitz (1978) determinaram que para a2 = 2/3 obtemos o valor mnimo para o erro de truncamento para os algoritmos de RungeKutta de segunda ordem. Para esta verso temos que a1 = 1/3 e p1 = q11 = 3/4 yi+1 = yi + onde k2 = f 1.1.5.2 k1 = f (xi , yi ) 3 3 xi + x, yi + k1 x 4 4 1 2 k1 + k2 x 3 3
Mtodos de RungeKutta de Terceira Ordem
Para uma funo f dependente unicamente de x, o mtodo de terceira ordem reduz-se a regra de Simpson (1/3) quando empregamos um polinmio interpolador de Lagrange de segunda ordem
b
Podemos empregar o mesmo desenvolvimento aplicado na obteno do mtodo de segunda ordem ao caso de n = 3. O resultado desta derivao produzir um sistema de seis equaes a oito incgnitas. Portanto, devemos fornecer valores para duas destas incgnitas a m de que possamos determinar os parmetros restantes. Apresentaremos agora uma verso comumente empregada 1 yi+1 = yi + (k1 + 4k2 + k3 ) x 6 onde k1 = f (xi , yi ) 1 1 k2 = f xi + x, yi + x k1 2 2 k3 = f (xi + x, yi x k1 + 2x k2 )
yi+1 = yi +
a
f (x) dx
x [f (x0 ) + 4f (x1 ) + f (x2 )] 6 a onde x0 e x2 representam os pontos inicial e nal do intervalo x. Os mtodos de Runge-Kutta de terceira ordem apresentam um erro local de O (x4 ) e um erro global de O (x3 ) e os seus resultados so exatos quando a soluo for cbica. I= f (x) dx
onde
16 1.1.5.3
Captulo 1. Equaes Diferenciais Ordinrias Mtodos de RungeKutta de Quarta Ordem
Os mtodos de RungeKutta mais populares so os de quarta ordem. Assim como no caso dos mtodos de segunda ordem, existe uma innidade de verses destes mtodos. Apresentaremos, aqui, o mtodo que conhecido como o mtodo clssico de RungeKutta de quarta ordem: yi+1 = yi + onde k1 = f (xi , yi ) k2 = f k3 = f 1 1 xi + x, yi + k1 x 2 2 1 1 xi + x, yi + k2 x 2 2 1 (k1 + 2k2 + 2k3 + k4 ) x 6
k4 = f (xi + x, yi + k3 x) De modo anlogo ao caso do mtodo de terceira ordem, em se tratando de uma funo de x somente (k2 = k3 ), o mtodo de RungeKutta de quarta ordem equivalente regra de Simpson (1/3) para a integrao conforme mostrado anteriormente. 1.1.5.4 Sistema de Equaes
Muitos problemas de engenharia e das cincias exatas necessitam da soluo de um sistema de equaes diferenciais simultneas, ao invs da resoluo de uma nica equao. Tais sistemas podem ser representados como allowdisplaybreaks dy1 = f1 (x, y1 , y2 , . . . , yn ) dx dy2 = f2 (x, y1 , y2 , . . . , yn ) dx . . . . . . dyn = fn (x, y1 , y2 , . . . , yn ) dx A m de que possamos obter a soluo de tal sistema, necessitamos fornecer n condies iniciais para o valor inicial de x. Todos os mtodos estudados neste captulo podem ser aplicados na resoluo de sistemas de equaes. Alguns sistemas de aplicaes em engenharia
1.2. Mtodos Multistep
17
podem ser composto de centenas de equaes. Em cada caso, o procedimento adotado na resoluo destes sistemas consiste na aplicao dos mtodos one step a todas as equaes a cada passo antes de prosseguirmos para o passo posterior.
1.2
Mtodos Multistep
Os mtodos onestep vistos na Seo 1.1 utilizam somente informaes do ponto xi a m de predizer o valor da varivel dependente yi+1 no ponto futuro xi+1 . Os mtodos multistep, que veremos a seguir, baseiam-se no fato de que uma vez iniciado o processo numrico ns temos ao nosso dispor informaes importantes provenientes dos pontos anteriores. A curva obtida a partir da conexo destes valores prvios nos fornece informaes a respeito da trajetria da soluo. Tal fato explorado pelos mtodos que sero apresentados nesta seo.
1.2.1
Mtodos do Tipo PreditorCorretor
Iremos mostrar, agora, como as frmulas do tipo PreditorCorretor podem ser derivadas matematicamente. Esta derivao interessante no sentido de que sero empregados conceitos como a integrao numrica e a resoluo de equaes diferenciais ordinrias. Alm do mais, este procedimento pode ser empregado na obteno de mtodos multistep de alta ordem e na estimativa dos erros associados a estes mtodos. O nosso ponto de partida baseiase na resoluo da seguinte equao diferencial ordinria dy = f (x, y ) dx Sabemos que a soluo desta equao pode ser obtida mediante a sua integrao entre os pontos i e i + 1
yi+1 xi+1
dy =
yi xi
f (x, y ) dx
onde a primeira integral pode ser facilmente avaliada:

xi+1
yi+1 = yi +
xi
f (x, y ) dx
Esta equao nos fornece a soluo da equao diferencial ordinria caso a integral, do lado direito do sinal de igualdade, possa ser avaliada e o valor
18
futuro da varivel dependente yi+1 pode ser determinado a partir do seu valor precedente yi e da resoluo da integral de f (x, y ). Uma primeira possibilidade de avaliarmos esta integral pode ser dada pela aplicao de uma integrao numrica como, por exemplo, a regra do trapzio, ou seja:
xi+1
f (x, y ) dx =
xi
f (xi , yi ) + f (xi+1 , yi+1 ) x 2
Aps substituio deste resultado ns obtemos: yi+1 = yi + f (xi , yi ) + f (xi+1 , yi+1 ) x 2
que corresponde equao corretora para o mtodo de Heun. Do Clculo Numrico [1] sabemos que o erro de truncamento associado regra do trapzio dado por: 1 1 Ec = x3 f (c ) = x3 y (c ) 12 12 onde o subscrito c indica o erro do corretor e c encontrase no intervalo determinado por xi e xi+1 . Um procedimento similar pode ser empregado na obteno do preditor, a partir de uma integrao entre os limites i 1 e i + 1:
yi+1 xi+1
dy =
yi1 xi1
f (x, y ) dx
e como resultado desta integrao ns obtemos a forma da equao preditora:

xi+1
yi+1 = yi1 +
xi1
f (x, y ) dx
Agora, ao invs de empregarmos uma frmula fechada1 , na avaliao desta integral, vamos empregar a primeira frmula aberta de NewtonCotes, que conhecida como o mtodo do ponto mdio
xi+1
f (x, y ) dx = 2xf (xi , yi )

xi1
cujo erro de truncamento [1]: 1 1 Ep = x3 f (p ) = x3 y (p ) 3 3

Uma frmula fechada aquela onde os pontos correspondentes aos limites de integrao so conhecidos, em oposio ao caso da frmula aberta, onde os limites de integrao vo alm dos pontos conhecidos.
1
19
sendo que o subscrito p indica o erro do preditor e p est contido no intervalo xi1 a xi+1 . Aps substituio da integral pela sua aproximao ns obtemos a forma nal da equao preditora yi+1 = yi1 + 2xf (xi , yi ) Vamos resumir, abaixo, as equaes preditora e corretora associadas a este mtodo, cujos os erros local de truncamento so de O (x3 ): Preditor
0 m m yi +1 = yi1 + 2xf (xi , yi )
Corretor
j 1 m f (xi , yi ) + f (xi+1 , yi +1 ) x = + 2 onde o sobrescrito j denota que a equao corretora aplicada iterativamente de j = 1 at j = m para que possamos obter solues renadas. Portanto, m m os valores yi e yi 1 correspondem aos valores nais do processo corretivo. Conforme podemos observar a equao preditora depende do conhecimento prvio do valor da varivel dependente yi1 a m de que ela possa ser empregada. Esta informao no est normalmente disponvel em um tpico problema de valor inicial. Por este motivo este mtodo chamado de nonselfstarting Heun [1]. Caso os passos preditor e corretor de um mtodo multistep apresentem a mesma ordem do erro de truncamento, uma estimativa do erro local de truncamento pode ser obtida durante o processo computacional de obteno da soluo numrica. Esta informao pode, ento, ser empregada como um critrio de ajuste do incremento. Devido existncia do erro de truncamento sabemos que a soluo numrica uma aproximao da soluo exata (yex = yi+1 + Et ) da equao diferencial ordinria, ou seja: j yi +1 m yi
1 3 0 yex = yi +1 + x y (p ) 3 e
m yex = yi +1
1 x3 y (c ) 12
20
Subtraindose a primeira equao da segunda ns obtemos:

m 0 0 = yi +1 yi+1
5 x3 y ( ) 12
onde encontra-se agora no intervalo compreendido entre xi1 e xi+1 . Esta equao pode ainda ser reescrita na forma:
0 m yi 1 +1 yi+1 = x3 y ( ) 5 12
Deste resultado podemos notar que ele idntico expresso do erro de truncamento do corretor, Ec , a menos do argumento da derivada terceira. Assumindo que a derivada terceira de y no varie de forma aprecivel sobre o intervalo entre xi1 e xi+1 , podemos considerar como sendo vlida a seguinte igualdade: m 0 yi +1 yi+1 Ec = 5 e a partir desta relao ns podemos estimar o erro de truncamento com base em duas quantidades que j so calculadas pelo mtodo numrico. Assim sendo, esta estimativa pode ser empregada como um critrio para ajustarmos o incremento x de modo que o erro que dentro de uma faixa de valores aceitveis. As derivaes dos erros Ep e Ec podem ser generalizadas uma vez conhecidos os erros de truncamento das frmulas de integrao empregadas na avaliao das integrais do passo preditor:
0 yex = yi +1 +
p xn+1 y (n+1) (p ) p
e do passo corretor:
m yex = yi +1
c xn+1 y (n+1) (c ) c
A partir do conhecimento destes valores os erros de truncamento do passo preditor pode ser estimado como sendo dado por [1]: Ep = p c 0 y m yi c p + p c i
enquanto que no caso do passo corretor: Ec = c p 0 y m yi +1 c p + p c i+1
21
1.2.2
Mtodos de Mais Alta Ordem
Do desenvolvimento precedente ca claro que uma estratgia bvia para que possamos desenvolver mtodos multistep de mais alta ordem passa pelo emprego de frmulas de integrao de mais alta ordem para os passos preditor e corretor. Os mtodos deste tipo so compostos de um mtodo explcito (preditor) e de outro implcito (corretor). Antes de prosseguirmos com a apresentao destes mtodos de mais alta ordem, vamos relembrar as frmulas de integrao de NewtonCotes e de Adams. As frmulas de integrao de NewtonCotes, para n pontos igualmente espaados (n + 1 segmentos), podem ser do tipo aberta:
xi+1
yi+1 = yin +
xin
f (x, y ) dx
ou fechada, para n segmentos e n + 1 pontos,

xi+1
yi+1 = yin+1 +
xin+1
f (x, y ) dx
onde estas integrais so aproximadas por um desenvolvimento do tipo:

n1
In (f ) = x
k=0
wk f (xik , yik ) + O xp+2
para a forma aberta e

n1
In (f ) = x
k = 1
wk f (xik , yik ) + O xp+2
para a forma fechada, sendo n o nmero de segmentos empregados e os valores dos coecientes wk (k = 1, 0, 1, . . . , n) podem ser encontrados, por exemplo, na referncia [1]. Nestas equaes temos que p = n + 1 se n for par e p = n caso n seja mpar. O outro tipo de frmula de integrao que com freqncia empregado na obteno de algoritmos multistep voltados para a resoluo de equaes diferenciais ordinrias a frmula aberta de AdamsBashforth. Uma forma de derivarmos estas frmulas tem como ponto de partida um desenvolvimento em srie de Taylor em torno do ponto xi : yi+1 = yi +fi x+fi
2 x2 x3 x x +fi +. . . = yi +x fi + fi + fi + ... 2 6 2 6
22
Empregando uma aproximao do tipo diferena recuada na aproximao de fi , este resultado pode ser reescrito como: yi+1 x fi fi1 x = yi + x fi + + fi + O x2 2 x 2 x2 + fi + ... 6
ou ainda, yi+1 = yi + x 1 3 fi fi1 2 2 + 5 x3 fi + O x4 12
Outras expresses de mais alta ordem podem ser obtidas se empregarmos aproximaes de mais alta ordem para fi . A frmula aberta geral de Adams de ordem n pode ser expressa como
n1
yi+1 = yi + x
k=0
k fik + O xn+1
Os valores dos coecientes k podem ser encontrados, para diferentes valores de n, na referncia [1]. Um procedimento similar pode ser feito para obtermos a expresso geral para a frmula fechada, conhecida como a frmula de AdamsMoulton. Neste caso, nosso ponto de partida ser um desenvolvimento em srie de Taylor em torno do ponto xi+1 yi = yi+1 fi+1 x + fi+1
x2 x3 fi+1 + ... 2 6
onde devemos aproximar agora o valor da derivada fi+1 . Deste modo obtemos a frmula fechada geral de Adams de ordem n
n1
yi+1 = yi + x
k=0
k fi+1k + O xn+1
com os valores de k tambm fornecidos em [1].
1.2.3
Mtodo de Milne
Um dos mais comuns mtodos do tipo multistep conhecido como o mtodo de Milne que emprega frmulas de integrao de NewtonCotes. Neste mtodo uma formulao a trs pontos (4 segmentos) do tipo aberta de NewtonCotes, n=3, usada para o passo preditor:
0 m yi +1 = yi3 +
4 m 2fim fim 1 + 2fi2 x 3
23
enquanto que uma frmula fechada com dois segmentos (trs pontos) de NewtonCotes (regra de Simpson 1/3), n=2, empregada para o passo corretor: 1 m 1 j m fi1 + 4fim + fij+1 x yi +1 = yi1 + 3 Para este mtodo temos que os erros de truncamento preditor e corretor so de O(x5 ) e p = 14, p = 45, c = 1 e c = 90 e, a partir das frmulas gerais, os erros de truncamento associados a estes dois passos podem ser determinados por: 28 m 0 Ep = y i yi 29 1 m 0 yi Ec = +1 yi+1 29
1.2.4
Mtodo de Adams de Quarta Ordem
Outro mtodo multistep popular pode ser implementado a partir do emprego de frmulas do tipo AdamsBashforth de quarta ordem (n = 4) para o passo preditor:
0 m yi +1 = yi +
37 9 m 55 m 59 m x fi fi1 + fim f 2 24 24 24 24 i3
e, para o passo corretor, uma frmula de quarta ordem (n=4) do tipo Adams Moulton: 9 j 1 19 m 5 1 m j m yi x fi+1 + fi fim f 1 + +1 = yi + 24 24 24 24 i2 Os erros de truncamento associados a estes dois passos so de O(x5 ) e dados por [1]: 251 m 0 Ep = y i yi 270 19 m 0 y yi Ec = +1 270 i+1 uma vez que p = 251, p = 720, c = 19 e c = 720 para o mtodo em questo. primeira vista pode parecer que o mtodo de Milne melhor que o mtodo de quarta ordem de Adams, visto que o primeiro necessita de menos avaliaes da funo f (x, y ) e apresenta um erro do passo corretor bem inferior ao do mtodo de Adams. Embora esta concluso apliquese a muitos casos, existem problemas para os quais o mtodo de Milne apresenta resultados numericamente inaceitveis. Esta fraca performance se deve a uma instabilidade do mtodo de Milne, sendo oriunda especicamente do passo corretor [1].
24
1.2.5
Mtodo de Hamming
O mtodo de Hamming vem a ser uma alternativa estvel ao mtodo de Milne. Ele emprega o mesmo passo preditor que o do mtodo de Milne:
0 m yi +1 = yi3 +
4 14 5 (5) m x y 2fim fim 1 + 2fi2 x + 3 45
enquanto que o passo corretor do mtodo de Milne substitudo por uma verso estvel que apresenta um erro de truncamento de mesma ordem de grandeza que a do mtodo de Milne [1]:
j yi +1 =
1 1 j 1 m m m m 9yi x5 y (5) yi 2 + 3 fi+1 + 2fi fi1 x 8 40
Destes valores dos erros de truncamento e das frmulas gerais chegamos aos seguintes resultados para as estimativas do erro de truncamento: Ep = 112 m 0 y i yi 121
9 0 y m yi Ec = +1 121 i+1
1.3
Convergncia, Consistncia e Estabilidade
At o presente momento ns apresentamos alguns mtodos numricos do tipo one-step e multistep e destacamos o fato de que quanto maior a ordem do erro de truncamento maior ser a acurcia destes mtodos. Entretanto, conforme ns vimos nas Sees 1.1.1.2 e 1.2.4, estes mtodos numricos podem apresentar resultados que no so acurados. Nesta seo ns vamos introduzir trs conceitos que so fundamentais para que possamos entender porqu alguns destes mtodos podem falhar. Estas propriedades que esto associadas aos diferentes mtodos do tipo diferenas so a convergncia, a consistncia e a estabilidade e elas sero introduzidas separadamente para os mtodos do tipo one-step e multistep.
1.3.1
Mtodos One-Step
A noo de convergncia ser introduzida para o seguinte problema de valor inicial dy = f (x, y ) dx
1.3. Convergncia, Consistncia e Estabilidade
25
para uma condio inicial dada por y (x0 ) = y0 e vamos assumir que a funo f (x, y ) satisfaz a condio de Lipschitz em y . Uma funo dita satisfazer a condio de Lipschitz na varivel y em um conjunto D R2 se |f (x, y ) f (x, z )| L |y z | para alguma constante L > 0 e x, y e z D [3]. 1.3.1.1 Convergncia
Um mtodo numrico dito convergir se [3]

i
lim |y (x) yi | = 0
para todo x0 x X , onde x = x0 + ix e yi a aproximao numrica correspondente soluo exata y (x). Entretanto, esta denio no pode ser aplicada diretamente a m de estabelecermos a convergncia de um mtodo numrico, uma vez que ns no conhecemos, em geral, a soluo exata do problema y (x). A convergncia ser comprovada indiretamente mediante a introduo dos conceitos de consistncia e de estabilidade. 1.3.1.2 Consistncia
Um mtodo numrico dito ser consistente se Et =0 x0 x lim onde Et representa o erro de truncamento local do mtodo do tipo diferenas que ns queremos estudar. Esta condio implica no fato de que o erro de truncamento local de um mtodo do tipo diferenas deve ser pelo menos de O (x2 ) para que ele seja consistente. Conforme ns j vimos, todos os mtodos one-step podem ser postos na forma geral: yi+1 = yi + (xi , yi , x)x onde (x, y, x) conhecida com a funo incremento. A partir do desenvolvimento em srie de Taylor, em torno do ponto (xi , yi ), do lado esquerdo desta igualdade ns obtemos yi + f (xi , yi )x + f (xi , yi )
x2 + . . . = yi + (xi , yi , x)x 2
26
Este resultado pode ainda ser rearrumado de modo a obtermos (xi , yi , x) = f (xi , yi ) + O(x) e um mtodo do tipo one-step ser consistente caso
x0
lim (x, y, x) = f (x, y )
Uma outra maneira de vermos este resultado seria a de reescrevermos o desenvolvimento em srie de Taylor na forma: dy d2 y x2 + ... x = (x, y, x)x 2 dx i dx i 2 d2 y x dy + ... = (x, y, x) 2 dx i dx i 2 e observarmos que para que esta equao seja consistente com a equao diferencial ordinria modelo, em cada ponto da malha, a seguinte condio deve ser vericada medida que o incremento x tende a zero:
x0
ou ainda,
lim (x, y, x) = f (x, y )
1.3.1.3
Estabilidade
Um mtodo numrico do tipo diferenas dito ser estvel para um problema de valor inicial, do tipo apresentado no incio desta seo, se existir um x0 > 0 tal que uma variao na condio inicial, por uma quantidade xa, produz uma variao limitada na soluo numrica para todo 0 < x x0 . Antes de prosseguirmos com o nosso estudo da estabilidade, vamos enunciar o seguinte teorema que ser fundamental para que possamos garantir que um mtodo numrico do tipo diferenas seja convergente: Um mtodo do tipo diferenas consistente convergente se e somente se ele for estvel. Portanto, a convergncia estar assegurada se o mtodo numrico for consistente e estvel. Uma outra maneira de enunciarmos a estabilidade de um mtodo numrico do tipo one-step fornecida se para duas solues numricas diferentes yi e zi , correspondentes aproximao numrica de y (xi ), ns vericarmos a seguinte desigualdade |yi zi | K |y0 z0 | para uma constante K > 0 e para todo x tal que 0 < x x0 para algum x0 > 0, e para todo x0 xi X . Nesta desigualdade y0 e z0 correspondem aos valores iniciais.
27
A noo de estabilidade tambm pode ser relacionada com a regularidade da funo incremento (x, y, x) mediante o teorema [3]: Um mtodo numrico do tipo one-step estvel se ele for regular. Em seguida veremos em que condies o mtodo numrico pode ser considerado regular. Da forma geral dos mtodos one-step podemos dizer que ele ser regular se a funo incremento satisfaz a condio de Lipschitz em y no domnio D = {(x, w)| x0 x X, < w < , 0 < x < x0 } para algum x0 > 0 de modo que a desigualdade abaixo vericada |(x, y, x) (x, z, x)| M |y z | para y e z D e M chamada de constante de Lipschitz para a funo incremento (x, y, x). A prova deste teorema relativamente simples e podemos demonstr-la se ns considerarmos, mais uma vez, duas aproximaes numricas yi e zi geradas a partir da forma geral, de modo que |yi+1 zi+1 | |yi zi | + x|(xi , yi , x) (xi , zi , x)| Como estamos considerando que o mtodo numrico regular |yi+1 zi+1 | |yi zi | + xM|yi zi | ou ainda |yi+1 zi+1 | (1 + xM)|yi zi | Por induo podemos reescrever este resultado como |yi+1 zi+1 | (1 + xM)i+1 |y0 z0 | (1 + xM)|yi zi | (1 + xM)i+1 |y0 z0 | |yi zi | (1 + xM)i |y0 z0 | Agora, do desenvolvimento em srie de Taylor da funo exponencial ex ex = 1 + x + x2 x3 + + ... 2! 3!
28
ns podemos substituir o termo entre parnteses na desigualdade acima |yi zi | exM

i
|y0 z0 |
|yi zi | eM(ix) |y0 z0 | |yi zi | eM(xi x0 ) |y0 z0 | |yi zi | eM(X x0 ) |y0 z0 | que para K = eM(X x0 ) representa a condio para que o mtodo numrico seja estvel. Finalmente, ns podemos enunciar o seguinte teorema [3]: Um mtodo numrico one-step regular convergente se e somente se ele for consistente.
1.3.2
Mtodos Multistep
Visto os conceitos de convergncia, consistncia e estabilidade para os mtodos do tipo one-step, vamos aplicar estas mesmas propriedades ao caso dos mtodos multistep. 1.3.2.1 Convergncia
A mesma denio de convergncia, aplicada aos mtodos one-step, tambm se aplica ao caso dos mtodos multistep. Assim como no caso anterior, a m de mostrarmos que um mtodo numrico do tipo diferenas convergente, devemos estabelecer que ele consistente e estvel [3]. 1.3.2.2 Consistncia
Os mtodos multistep, a exemplo dos mtodos one-step, tambm podem ser postos numa forma geral. A forma mais geral de um mtodo (k + 1) multistep dada por [3]
k k
yi+1 =
j =0
j yij + x
j = 1
j fij
para i k
onde para 1 = 0 ns obtemos um mtodo implcito e para 1 = 0 um mtodo explcito. Nesta equao os coecientes e so escolhidos de modo
29
a obtermos um mtodo com a mais alta ordem de acurcia possvel. Entretanto, a escolha destes coecientes baseada somente na ordem de acurcia do mtodo pode nos levar a mtodos que no so estveis. Como ns sabemos que a soluo exata menos a soluo numrica igual ao erro de truncamento, Et = yex (xi+1 ) yi+1 ,
k k
Et = yex (xi+1 ) = yex (xi+1 )
j yij + x
j =0 k j = 1 k
j fij
j yij + x
j =0 j = 1
j yij
Substituindo a soluo aproximada pela soluo exata e expandindo em srie de Taylor, em torno do ponto xi , o lado direito desta igualdade [3]
m
Et
(r ) x yex
r =0
r!
j
j =0 r =0
r (r ) (j x) yex
m1
r!
+ x
j = 1
j
r =0
r (r +1) (j x) yex
r!
ou ainda, agrupando os termos semelhantes:

k k k
Et 1
m
j =0
j yex + 1
k
jj +
j =0 k j = 1
x y 1! ex
+
r =2
j =0
j (j ) r
j = 1
j (j )
r 1
xr (r) y r! ex
Deste resultado e da condio para que um mtodo numrico seja consistente, Et =0 x0 x lim vemos claramente que as seguintes igualdades devem ser vericadas para que um mtodo multistep seja consistente:
k
j = 1
j =0 k k
jj +
j =0 j = 1
j = 1
30 1.3.2.3
Captulo 1. Equaes Diferenciais Ordinrias Estabilidade
Finalizando esta seo iremos abordar o problema da estabilidade dos mtodos multistep. As condies de estabilidade que devem ser vericadas pelos mtodos multistep sero introduzidas a partir do comportamento da soluo numrica do seguinte problema de valor de contorno trivial dy =0 dx tendo por condio inicial y (0) = c e evidente, para este problema, que f (x, y ) = 0. Caso a condio inicial seja introduzida sem nenhum erro de arredondamento, qualquer mtodo multistep forneceria a soluo exata deste problema para todo i k . Por outro lado, se a condio inicial estiver contaminada pelos erros de arredondamento, podero ocorrer desvios nas solues numricas. So estes desvios que ns queremos estudar aqui. Da equao geral dos mtodos multistep aplicada a este problema especco ns obtemos:
k
yi+1 =
j =0
j yij
para i k
ou ainda, numa forma equivalente (i = r + k ),

k
yr+(k+1) =
j =0
j yr+(kj )
para r 0
Usando o operador deslocamento E [3] a equao acima pode ser reescrita como:
k
k+1
yr
j E kj yr = p(E )yr = 0
j =0
onde o polinmio caracterstico, p(), associado a esta equao de diferenas dado por:
k
p()yr =
k+1
j kj yr = 0
j =0
e cujas razes (que podem ser complexas) so 1 , 2 , . . . , k+1 . As condies de estabilidade dos mtodos multistep sero estabelecidas em funo destas razes do polinmio caracterstico, de modo que os erros de arredondamento no cresam exponencialmente [3].
31
Caso todas as razes fossem distintas ns poderamos escrever a soluo do problema de valor inicial, para 1 c, como [3]
k
yi = c +
j =2
j i j
onde o somatrio pode ser visto como os erros de arredondamento associados soluo aproximada. Deste resultado vemos que o erro de arredondamento ir crescer exponencialmente a menos que |j | 1 para j = 2, 3, . . . , k . O prximo teorema generaliza este resultado e impe as condies que devem ser vericadas para que o mtodo numrico seja estvel [3]: O mtodo numrico multistep dado pela sua forma geral estvel se e somente se ele satiszer a condio da raz: |j | 1, |j | = 1 j = 1, 2, . . . , k
dp(j ) =0 d A primeira condio requer que todas as razes do polinmio caracterstico estejam contidas no crculo { | || 1} no plano complexo. A segunda condio estabelece que todas as razes que se encontram na fronteira do crculo unitrio devem ser simples. Um mtodo multistep dito ser fortemente estvel se ele verica a condio da raz e = 1 a nica raz caracterstica de mdulo igual a um. Ele dito ser fracamente estvel se satisfaz a condio da raz e tem mais de uma raz caracterstica distinta com magnitude igual a um. Por outro lado, ele ser dito instvel se ele no satiszer a condio da raz. O ltimo teorema a ser enunciado estabelece as condies para que tenhamos um mtodo multistep convergente [3]: Um mtodo multistep convergente se e somente se ele for consistente e satiszer as condio da raz.
32
Captulo 2 Equaes Diferenciais Parciais

Como veremos mais adiante, as equaes que governam o escoamento de uidos e o transporte de massa e energia so equaes diferenciais parciais, contendo termos em derivadas primeira e segunda nas coordenadas espaciais e, geralmente, em derivada primeira no tempo. Nestas equaes as derivadas no tempo aparecem como termos lineares, mas freqentemente as derivadas espaciais esto associadas a termos no-lineares. Neste captulo, veremos como classicar as equaes diferenciais parciais em elpticas, parablicas e hiperblicas. Em seguida elas sero examinadas segundo as suas caractersticas matemticas e fsicas.
2.1
Algumas Equaes Diferenciais de Interesse
No nosso curso iremos nos concentrar no estudo da equao de transporte linear. Esta equao inclui os mecanismos de transporte do tipo convectivo e difusivo e vrios problemas de interesse nas engenharias so governados por este tipo de equao. A ttulo de exemplo vamos listar abaixo algumas equaes diferenciais parciais importantes que governam vrios problemas fsicos que aparecem com freqncia. Em alguns casos especcos podemos obter uma soluo anltica exata para estas equaes [4]. 1. A equao linear da onda de primeira ordem +c =0 t x governa a propagao de uma onda movendose da esquerda para a direita com uma velocidade constante c. 33
34
Captulo 2. Equaes Diferenciais Parciais 2. A equao de Burger sem viscosidade + =0 t x que governa a propagao nolinear de uma onda simples em uma dimenso. 3. A equao de Burger 2 + = 2 t x x governa a propagao nolinear de uma onda simples em uma dimenso com dissipao viscosa. 4. A equao de Poisson 2 2 + 2 = f (x, y ) x2 y que governa a distribuio de temperatura em um slido com fontes de calor prescritas pela funo f (x, y ). A equao de Poisson tambm determina o campo eltrico em uma regio contendo uma densidade de carga dada por f (x, y ). 5. A equao de convecodifuso 2 +u = 2 t x x que representa o transporte, unidimensional, por conveco e difuso da quantidade em uma regio que encontra-se em movimento com velocidade u. A quantidade representa o coeciente de difuso. 6. A equao de Kortewegde Vries 3 + + 3 =0 t x x que governa o movimento nolinear de ondas dispersivas.
2.2. Classicao 7. A equao de Helmholtz 2 2 + 2 + k2 = 0 x2 y
35
que governa o movimento de ondas harmnicas, sendo k o parmetro de freqncia. Como exemplo temos a propagao de ondas acsticas. 8. A equao biharmnica 4 4 + 4 =0 x4 y que determina as linhas de corrente para escoamentos com muito baixo nmero de Reynolds, governado pela equao de Stokes. 9. Equao do telgrafo
2 2 2 + b = c + a t2 t x2
que governa a transmisso de impulsos eltricos num o longo com uma certa distribuio de capacitncia, indutncia e resitncia. As aplicaes desta equao tambm incluem o movimento de uma corda com uma fora de amortecimento proporcional velocidade e a conduo de calor com uma velocidade de propagao trmica nita.
2.2
Classicao
Uma simples classicao das equaes diferenciais parciais possvel no caso das equaes lineares de segunda ordem, A 2u 2u u u 2u + B + C +D +E + Fu + G = 0 2 2 x xy y x y
onde A, B , . . ., G so constantes. Trs categorias podem ser distinguidas: i) elptica: B 2 4AC < 0
ii) parablica: B 2 4AC = 0 iii) hiperblica: B 2 4AC > 0
36
Captulo 2. Equaes Diferenciais Parciais
Como podemos observar, a classicao depende somente dos coecientes dos termos de derivadas de maior ordem nas variveis independentes. Caso os coecientes A, B , . . ., G sejam funes de x, y , u/x ou u/y , a classicao pode ser aplicada, contanto que A, B e C tenham uma interpretao local. Isto implica no fato de que a classicao das equaes pode mudar em diferentes partes do domnio de resoluo. As diferentes categorias de EDPs (Equaes Diferenciais Parciais) podem ser, grosseiramente, associadas aos diferentes tipos de escoamentos. Em geral, problemas dependentes do tempo esto associados a EDPs do tipo parablico ou hiperblico. EDPs parablicas governam escoamentos contendo mecanismos de dissipao, como a dissipao viscosa e trmica. Neste caso, os gradientes decrescero para valores crescentes do tempo, se as condies de contorno no forem dependentes do tempo. No havendo mecanismos de dissipao, a soluo ter uma amplitude constante no caso de uma EDP linear e poder aumentar caso ela seja no-linear. Esta soluo governada por EDPs do tipo hiperblicas. As EDPs elpticas esto normalmente associadas a problemas em regime permanente e de equilbrio. Entretanto, alguns problemas em regime permanente so descritos por EDPs parablicas (escoamento do tipo camada limite) e EDPs hiperblicas (escoamento supersnico no-viscoso). Em se tratando de sistemas de equaes diferenciais, a classicao no pode ser feita mediante uma simples inspeo das equaes. Usualmente necessrio examinarmos as caractersticas associadas s equaes, a m de determinarmos de maneira correta a classicao.
2.2.1
Classicao pelas Caractersticas
A resoluo numrica de uma equao diferencial parcial requer que sejam fornecidas condies auxiliares (inicial e de contorno) adequadas. A especicao destas condies auxiliares pode ser facilitada com a introduo do conceito das caractersticas. Em se tratando de um problema bidimensional, caso existam caractersticas reais, elas sero representadas por curvas no interior do domnio de resoluo. Ao longo destas curvas caractersticas so propagadas, para o interior do domnio, as informaes provenientes das condies auxiliares. No caso de problemas hiperblicos e para condies auxiliares contendo descontinuidades, estas condies acarretam na existncia de solues que sero igualmente descontnuas. Tomemos como exemplo o caso de uma equao diferencial parcial de primeira ordem na forma:
2.2. Classicao
x L C
37
Figura 2.1: Curva caractersticas no plano t-x.
u u +B =C t x na qual A, B e C podem ser funes de t, x e u, mas no podem ser funes das derivadas da varivel dependente u, pois elas podem ser descontnuas nas caractersticas. Suponhamos, agora, que u seja especicado ao longo de uma curva L no plano t x, Figura 2.1. Vamos tambm introduzir, neste plano, uma curva caracterstica C que intercepta a curva L no ponto p de coordenadas (xp ,tp ), conforme representado na Figura 2.1. Ao longo da curva caracterstica C temos que [5] A du = u u dt + dx t x
para dt e dx innitesimais. Combinandose estas duas equaes de modo a eliminarmos o termo u/t dx B dt A du C u = x dt A
Para que u/x possa ser indeterminado ao longo da curva C , devemos fazer B dx = dt A
38
de modo que esta equao dene a curva caracterstica C e vemos que C du = dt A ao longo da caracterstica. A resoluo numrica desta equao fornece o valor de u. Da integrao da equao que dene a curva caracterstica vemos que existe uma innidade de curvas caractersticas no plano t x. Em particular, para B/A =constante, temos que as caractersticas so retas e as suas equaes so dadas por: x(t) x0 = B A (t t0 )
onde as constantes x0 e t0 representam as coordenadas de um ponto qualquer sobre a caracterstica. Finalizando, o conhecimento do valor de u no ponto p sobre a curva L, que intercepta a curva caracterstica C , permite que determinemos a varivel dependente u mediante a resoluo de dois problemas de valor inicial (PVI): B dx = dt A x(tp ) = xp que fornece os valores de x e t de todos os pontos que se encontram sobre a caracterstica C que passa pelo ponto (tp ,xp ) e du C = dt A u(tp ) = up que fornece os valores de u ao longo da caracterstica. Os valores de u que no se encontram sobre esta caracterstica devem ser determinados pela resoluo dos mesmos problemas de valor inicial, mas para novas condies iniciais. Problemas para os quais mais de uma caracterstica passam por um mesmo ponto apresentam a formao de choques nestes pontos. O choque resultante da propagao de informaes diferentes ou conitantes do valor da varivel dependente ao longo das caractersticas. Esta situao comum, por exemplo, em escoamentos compressveis [5].
2.2. Classicao
39
Vamos, agora, considerar o caso de uma equao diferencial parcial de segunda ordem. Conforme visto na no incio desta seo, somente os coecientes dos termos das derivadas de maior ordem determinam a classicao das EDPs. Portanto, conveniente reescrevermos a equao diferencial na forma: 2u 2u 2u +C 2 +H =0 A 2 +B x xy y onde H contm todos os outros termos da equao e A, B e C podem ser funes de x e y . Podemos obter, para cada ponto do domnio, duas direes nas quais a integrao desta equao envolva apenas diferenciais totais. A existncia dessas direes (caractersticas) est diretamente relacionada com a classicao da EDP. Uma curva K agora introduzida no interior do domnio de resoluo, de maneira que u/x, u/y , 2 u/x2 , 2 u/xy , 2 u/y 2 e u satisfaam a equao diferencial. Ao longo da tangente curva K as diferenciais totais de u/x e u/y satisfazem: d u x u y = x x u x u y dx + y y u x u y dy
dx +
dy
e a equao diferencial pode ser escrita na forma: AR + BS + CT + H = 0 se ns introduzirmos as variveis: u P = ; x u Q= ; y 2u R= ; x2 2u S= ; xy 2u T = 2 y
Utilizando os resultados anteriores das diferenciais totais dP e dQ, podemos eliminar R e T desta equao: A dP S dx dy dx + BS + C dQ S dy dx dy +H =0
ou ainda, multiplicando-se pelo valor da inclinao da tangente curva K (dy/dx): S A dy dx

2
dy dx
+C
dP dx
+H
dQ dy +C dx dx
=0
40
escolhendo-se agora dy/dx de maneira que S seja indeterminado ao longo da curva caracterstica: 2 dy dy A +C =0 B dx dx As curvas y (x) que satisfazem esta equao so chamadas de caractersticas da equao diferencial parcial. Ao longo destas curvas, as derivadas segunda no so unicamente determinadas pelos valores especicados de u e de suas derivadas primeira e descontinuidades nas derivadas de mais alta ordem podem existir. Neste caso, a equao diferencial parcial anterior ca reduzida seguinte forma: dP dy dQ A +H +C =0 dx dx dx Assim sendo, as duas razes da equao quadrtica em dy/dx denem as direes caractersticas para as quais a equao acima vlida. Dos resultados do primeira seo, vemos que as EDPs tambm podem ser classicadas de acordo com as caractersticas: i) elptica, caso as caractersticas sejam complexas; ii) parablica, caso exista uma caracterstica real; iii) hiperblica, caso as duas caractersticas sejam reais. Portanto, a determinao do discriminante, B 2 4AC , determina o tipo da EDP e a natureza das caractersticas.
2.2.2
Equaes a N Variveis Independentes
Em se tratando de mais de duas variveis independentes, ser conveniente trabalharmos com a equao diferencial na forma:
N N
ajk
j =1 k=1
2u +H =0 xj xk
onde N o nmero de variveis independentes e os ajk so os coecientes da matriz A. A classicao das EDPs ser obtida, nesta caso, a partir da anlise dos autovalores da matriz A: i) elptica, se todos os autovalores so diferentes de zero e tm o mesmo sinal; ii) parablica, se algum dos autovalores for nulo; iii) hiperblica, se todos os autovalores so diferentes de zero e todos, menos um, tiverem o mesmo sinal.
2.2. Classicao
41
2.2.3
Transformao de Coordenadas
Vamos nos preocupar agora com o que acontece com a classicao das EDPs, quando introduzimos uma transformao de coordenadas. As novas variveis independentes (, ) sero introduzidas no lugar de (x, y ) e assumiremos que as transformaes = (x, y ) e = (x, y ) so conhecidas. No caso geral, sabemos que para u(, ) u u u = + x x x u u u = + y y y 2u = x2 2u = y 2 2u = xy + x x + y y + x x + x x + y y + y y u u u
Assim, podemos reescrever a EDP na forma, A onde, A = A B = 2A x

2 2 2u u u + B + C + H = 0 2 2
+B
+C x y
+B x x x
2
+ x y y x +B +C x y
+ 2C y
2
y y
C = A
Destes resultados vemos que o discriminante B 2 4A C pode ser obtido a partir da relao: B 4A C = J 2 B 2 4AC onde J o Jacobiano da transformao de coordenadas J = x y y x . Este importante resultado garante que a classicao das EDPs independe do sistema de coordenadas.
2
42
2.2.4
Sistema de Equaes
onde o vetor q tem como componentes u(x, y ) e v (x, y ). Vamos determinar, em seguida, quais so as condies para que tenhamos somente as diferenciais totais: u u du dv x = v x y v y dx dy
Na prtica, como veremos no Captulo 3, as equaes que governam o escoamento de uidos formam um sistema ao invs de uma nica equao. Em se tratando de um sistema de duas EDPs com derivadas de primeira ordem nas duas variveis independentes, podemos represent-lo como: u u q q A11 A12 x B11 B12 y D1 = A +B =D + = A21 A22 v B21 B22 v D2 x y x y
ao longo das direes caractersticas dy/dx. Para o sistema de equaes dado, isto equivalente a procurarmos multiplicadores L1 e L2 tais que: L1 A11 u u v v + B11 + A12 + B12 x y x y u v v u + B21 + A22 + B22 x y x y
+L2 A21
= m1 du + m2 dv = L1 D1 + L2 D2 u u + (L1 B11 + L2 B21 ) + x y v v + (L1 A12 + L2 A22 ) + (L1 B12 + L2 B22 ) = m1 du + m2 dv x y Das relaes das diferenciais totais em du e dv , L1 A11 + L2 A21 = m1 dx L1 B11 + L2 B21 = m1 dy L 1 A12 + L2 A22 = m2 dx L1 B12 + L2 B22 = m2 dy (L1 A11 + L2 A21 ) ou ainda,
2.2. Classicao Eliminando-se m1 e m2 nestas equaes e rearrumando-se: (A11 dy B11 dx) (A21 dy B21 dx) (A12 dy B12 dx) (A22 dy B22 dx) L1 L2 =0
43
e a condio para que tenhamos uma soluo no-trivial deste sistema a de que: dy det A B = 0 dx ou ainda, (A11 A22 A21 A12 ) dy dx
2
(A11 B22 A21 B12 + B 11A22 B21 A12 ) + (B 11B22 B21 B12 ) = 0
dy + dx
A classicao do sistema de equaes ser dada em funo das solues desta equao do segundo grau: i) elptico, se o discriminante for negativo e as duas razes complexas; ii) parablico, se o discriminante for nulo e uma raiz real; iii) hiperblico, se o discriminante for positivo e as duas razes reais. Estes resultados podem ser generalizados para o caso de sistemas com n equaes diferenciais de primeria ordem com duas variveis independentes. O carter do sistema de equaes ser determinado pelas n razes da equao: det A ou seja: i) elptico, se no forem obtidas razes reais; ii) parablico, se obtivermos m razes reais (1 m n 1) e nenhuma raiz complexa for obtida; iii) hiperblico, se forem encontradas n razes reais. Para grandes sistemas de equaes, algumas razes podem ser complexas e outras reais, o que representa um sistema misto. Na prtica, a diviso mais importante dada entre sistemas elpticos e no-elpticos, uma vez que estes ltimos permitem um comportamento do tipo evoluo no tempo. dy B =0 dx
44
A classicao acima tambm se aplica a sistemas de equaes com derivadas de segunda ordem, uma vez que podemos introduzir variveis auxiliares a m de transform-los em sistemas maiores de primeira ordem. Entretanto, existe o risco de obtermos matrizes A e B singulares e cuidado deve ser tomado para que evitemos que isto acontea. Para sistemas de equaes de primeira ordem com mais de duas variveis independentes: q q q A +B +C =D x y z onde q o vetor cujas n componentes so as variveis dependentes, podemos classic-lo a partir das razes do polinmio caracterstico de grau n: det Ax + By + Cz = 0 com x , y e z denindo as direes normais a uma determinada superfcie no ponto (x, y, z ). Esta equao fornece, portanto, as condies para que esta superfcie seja uma superfcie caracterstica.
2.2.5
Classicao pela Anlise de Fourier
A classicao das EDPs pelas caractersticas nos leva a interpretao das razes de um polinmio caracterstico, onde elas determinam as direes caractersticas ou superfcies caractersticas no caso de mais de duas variveis independentes. Entretanto, o polinmio caracterstico tambm pode ser obtido a partir da anlise de Fourier da equao diferencial parcial. Neste caso, a interpretao fsica das razes outra, embora a classicao com base na natureza das razes permanea a mesma. A anlise de Fourier vantajosa no caso de sistemas de equaes com derivadas de ordem superior a um, uma vez que ela evita a construo de sistemas maiores de primeira ordem e a possibilidade de que este sistema seja singular. A m de aplicarmos a anlise de Fourier, na classicao das EDPs, faremos uso dos seguintes resultados [6]: A transformada de Fourier F denida pela expresso: + 1 F (f ) = eix f (x) dx 2 um operador linear, isto : F (f + g ) = F (f ) + F (g ) para f e g funes do espao L1 e e nmeros complexos quaisquer. O espao L1 aquele onde f , g , |f | e |g | so integrveis (integral de Riemann).
2.2. Classicao Caso f : R C for uma funo de decrescimento rpido, ento, para todo inteiro n 1. Mais geralmente, se P (x) um polinmio, onde Dn indica a derivada de ordem n. De fato, da propriedade de linearidade podemos escrever: Aplicando-se a transformada de Fourier ao primeiro termo, 1 F (f ) = 2 que aps integrao por partes: 1 F (Df ) = 2 Da mesma forma obtemos: ix e f (x)
=0 +
45
F (Dn f ) = (i )n F (f )
F [P (D)f ] = P (i )F (f )
D + D2 + D3 + . . . f = F (Df ) + F (D2 f ) + F (D3 f ) + . . . eix f (x) dx
+i
eix f (x) dx = i F (f )
Assim, por induo podemos demostrar que F [P (D)f ] = P (i )F . Aplicando-se, em seguida, a transformada de Fourier equao, 2u 2u 2u A 2 +B +C 2 =0 x xy y obtemos como resultado: A (ix )2 + B (ix iy ) + C (iy )2 u =0 ou ainda,
1 ix F (D2 f ) = e f (x) 2
=0
+i
2 eix f (x) dx = (i ) F (f )
x x B C u =0 y y onde u = F (u) a transformada de Fourier de u(x, y ) e a natureza desta equao depende das razes deste polinmio, ou seja, dos coecientes A, B e C conforme descrito na Seo 2.2. Este mtodo de obteno do polinmio caracterstico se aplica para A, B e C funes das variveis independentes. Caso estes coecientes sejam funes das variveis dependentes, necessrio congelarmos os seus valores locais antes de aplicarmos a transformada de Fourier [7]. A
46
2.3
Problema Bem-Posto
Antes de prosseguirmos com a interpretao fsica dos diferentes tipos de EDPs, vamos ver o que signica um problema bem-posto em termos matemticos. Dizemos que as equaes que governam um fenmeno fsico e as suas condies inicial e de contorno formam um problema bem-posto se: i) uma soluo existe; ii) a soluo nica; iii) a soluo depende continuamente dos dados iniciais. Normalmente, a questo da existncia da soluo no criar nenhuma diculdade, a no ser no caso da resoluo da equao de Laplace com um termo fonte no interior do domnio de resoluo [7]. Condies de no-unicidade se devem usualmente ao fato de que as condies de contorno no so impostas adequadamente de acordo com o tipo de EDP. Em geral, a falta de condies de contorno acarreta na no-unicidade de soluo e o excesso de condies leva a solues, prximas da fronteira em questo, que no so fsicas. Existem alguns problemas de escoamento que podem admitir mltiplas solues fsicas. Estas situaes normalmente aparecem no caso de escoamentos sofrendo transies entre os regimes laminar e turbulento. O ltimo critrio requer que pequenas mudanas nas condies inicial e de contorno, acarretem somente pequenas mudanas na soluo. Como na resoluo numrica as condies auxiliares (inicial e de contorno) so introduzidas com aproximaes, a no observncia deste critrio far com que os erros se propaguem no domnio de resoluo, causando um crescimento rpido da soluo numrica, particularmente no caso das EDPs hiperblicas. Estes critrios so usualmente atribudos a Hadamard [7]. Complementando o que foi dito, podemos fazer um paralelo e denirmos um problema computacional bem-posto como sendo aquele onde: i) uma soluo computacional existe; ii) a soluo computacional nica; iii) a soluo computacional depende continuamente dos dados iniciais e das condies de contorno numricas. O processo de obteno de uma soluo computacional passa pela especicao aproximada das condies auxiliares, pela discretizao das EDPs e pela implementao do algoritmo numrico. Portanto, para que um problema
2.3. Problema Bem-Posto

s R
47
Figura 2.2: Domnio computacional R.
computacional seja bem-posto, necessrio que o problema matemtico seja bem-posto e que o algoritmo seja estvel. Fica entendido aqui que a soluo aproximada, produzida pelo problema computacional bemposto, ser prxima da soluo exata do problema matemtico bemposto.
2.3.1
Condies de Contorno e Iniciais
Da discusso anterior sobre os problemas bem-postos, cou claro que as condies auxiliares so o ponto de partida na obteno da soluo no interior do domnio de resoluo. As condies iniciais so fornecidas inicialmente em todo o domnio R de resoluo, enquanto que as condies de contorno so especicadas na fronteira R deste domnio, nas seguintes trs formas: i) condio de Dirichlet, u = f em R; ii) condio de Neumann, u/n = f ou u/s = g em R; iii) condio mista ou de Robin, u/n + ku = f , k > 0, em R. Nas condies auxiliares ii) e iii), /n denota a derivada normal direcionada de dentro para fora do domnio de resoluo e /s indica a derivada tangencial, Figura 2.2. Existem trs tipos de problemas associados s condies auxiliares: o problema de valor de contorno (PVC), onde as condies so impostas na fronteira do domnio; o problema de valor inicial (PVI), onde as condies so fornecidas para um tempo inicial xado; e o problema misto, onde impomos uma condio inicial e condies de contorno. Normalmente, os problemas de contorno esto associados aos problemas elpticos, o problema de valor inicial s equaes hiperblicas e o problema misto s equaes parablicas. Entretanto, as equaes hiperblicas tambm podem admitir condies do
48
tipo inicial e de contorno. Um problema de valor inicial s ser bem-posto para sistemas hiperblicos e um problema de contorno s ser bem-posto para sistemas elpticos. Na maior parte dos escoamentos, cujas solues so obtidas a partir das equaes de Navier-Stokes em termos das variveis primitivas (u, v, p, etc.), pelo menos uma componente do vetor velocidade ou a presso so dadas na fronteira. Este um exemplo de uma condio de Dirichlet para a velocidade ou a presso. No caso do escoamento potencial no-viscoso de um uido compressvel, a condio /n = 0 na superfcie do slido um exemplo de uma condio do tipo Neumann. Condies do tipo mista no so comuns em mecnica dos uidos, mas ocorrem com freqncia em problemas de transferncia de calor. Condies de Dirichlet podem ser aplicadas computacionalmente de maneira exata. Entretanto, as condies de Neumann ou de Robin s podem ser introduzidas de maneira aproximada, acarretando, assim, num erro numrico.
2.4
Equaes Diferenciais Hiperblicas
O desenvolvimento que ser apresentado no estudo das EDPs hiperblicas, tomar por base a equao unidimensional da onda em regime transiente:
2 2u 2 u c =0 t2 x2
onde nesta equao c representa a magnitude da velocidade de propagao da onda. A falta de atenuao uma caracterstica das equaes lineares hiperblicas. Aplicando-se os resultados apreendidos anteriormente, para A = 1, B = 0 e C = c2 , ns obtemos as duas direes caractersticas: dx = c dt que representam duas caractersticas reais. Em alguns casos, as caractersticas podem depender da soluo local e, em geral, so curvas. No resultado acima, as caractersticas so linhas retas se c for constante e curvas caso c seja funo de u, x ou t.
2.4.1
Interpretao em Bases Fsicas
Como j foi dito, as EDPs hiperblicas esto associadas aos problemas de propagao sem dissipao. A presena de caractersticas reais, conforme
2.4. Equaes Diferenciais Hiperblicas

t C
Domnio de Dependncia
49
D
Domnio de Influncia
A x - ct i i
B x + ct i i x
Figura 2.3: Caractersticas para a equao da onda.
mostrado na Figura 2.3, implica no fato de que um distrbio na soluo u no ponto P s pode inuenciar o resto da soluo no domnio CPD. Reciprocamente, a soluo em P inuenciada unicamente pelas perturbaes no domnio AP B . Alm do mais, se as condies iniciais so especicadas para t = 0, em AB , elas so sucientes para se determinar a soluo em P univocamente. Isto pode ser mostrado, no caso de uma onda, introduzindo-se novas variveis independentes (, ) [5, 8] de modo que v (, ) = u(x, t) = x + ct = x ct 2v =0 v
Aps substituio na equao da onda, 4c2 ou ainda, Esta equao admite como soluo:
=0
v (, ) = f ( ) + g ( )
50
Vamos agora utilizar as condies iniciais:
sendo f e g funes de classe C 2 arbitrrias. Ento, a soluo de dAlembert escreve-se como: u(x, t) = f (x + ct) + g (x ct) u(x, 0) = s(x)
u(x, 0) = r(x) t para determinarmos as funes f e g , supondo que s(x) de classe C 2 e r(x) de classe C 1 em < x < +. Aplicando-se estas condies, obtemos: u(x, 0) = f (x) + g (x) = s(x) uma vez que u t u(x, 0) = cf (x) cg (x) = r(x) t
t=0
f t
t=0
f t
t=0
=c
f g c , ou ainda, x x
u(x, 0) =
x
f (x) + g (x) = s(x) r(s)ds + K

0
Resolvendo-se este sistema ns encontramos: 1 1 f (x) = s(x) + 2 c g (x) = Portanto, f (x + ct) = g (x ct) = 1 1 s(x + ct) + 2 c 1 1 s(x ct) + 2 c
0 0 xct x
1 f (x) g (x) = c
r(s)ds + K
0 x 0
1 1 s(x) 2 c
r(s)ds K
x+ct
r(s)ds + K r(s)ds K
Substituindo-se estes resultados na soluo de dAlembert, u(x, t) = 1 1 s(x + ct) + s(x ct) + 2 c
x+ct
r(s)ds
xct
2.4. Equaes Diferenciais Hiperblicas
51
que conhecida como a frmula de dAlembert. Portanto, a soluo no ponto P determinada univocamente pelas condies introduzidas em AB . Para as equaes hiperblicas, no existem mecanismos de dissipao presentes. Isto implica no fato de que caso as condies iniciais (ou de contorno) contenham descontinuidades, elas vo ser transmitidas para o interior do domnio ao longo das direes caractersticas, sem atenuao das descontinuidades no caso das equaes lineares. Este resultado consistente com o fato de que descontinuidades na derivada normal podem ocorrer quando as caractersticas se cruzam. A ttulo de exemplo, vamos obter a soluo da equao da onda para as seguintes condies iniciais: u(x, 0) = sen (x) u(x, 0) = 0 t Empregando-se a frmula de dAlembert, u(x, t) = 1 [sen (x + ct) + sen (x ct)] 2
ou ainda, empregando-se a relao trigonomtrica sen (ab) = sen (a) cos(b) cos(a)sen (b), u(x, t) = sen (x) cos(ct) que representa a propagao de uma onda senoidal sem atenuao, conforme podemos atestar na Figura 2.4.
2.4.2
Condies de Contorno e Inicial Apropriadas

u u v v + B11 + A12 + B12 = D1 x y x y
Vamos considerar aqui o sistema de primeira ordem em u e v A11 A21
u v v u + B21 + A22 + B22 = D2 x y x y Esta escolha se deve ao fato de que para valores particulares dos coecientes das matrizes A e B , este sistema se aplica diretamente ao caso do escoamento supersnico no-viscoso. Este sistema possui duas direes caractersticas que denominaremos e . Conforme j foi visto, os sistemas de EDPs hiperblicas s admitem condies iniciais ou mistas (inicial e de contorno). No caso do regime permanente, podemos distinguir trs casos, Figura 2.5. No primeiro, os dados so
52

Equao da Onda
1 0.8 0.6 0.4 0.2
u(x,t)
0 0.2 0.4 0.6 0.8 1 1 0.5
x
0 0 2
10
Figura 2.4: Propagao de uma onda senoidal.
fornecidos para u e v numa curva que no caracterstica AB e determinam univocamente a soluo no ponto P . No segundo, os dados so introduzidos em uma curva que no caracterstica e em uma curva caracterstica AD. Assim, u e v devem ser especicados em ambas as curvas, de maneira que u e v sero conhecidos no ponto A. O ltimo caso similar ao anterior, exceto pelo fato de neste caso AB e AD so curvas caractersticas. Em se tratando do regime transiente e para um domnio computacional denido por x 0 e t 0, vemos que um ponto P prximo fronteira x = 0 parcialmente determinado pelas condies de contorno em AC e parcialmente pelas condies iniciais em AB . Neste caso, u e v devem ser especicados em AB e em AC devemos fornecer u ou v , conforme mostrado na Figura 2.6.
2.5
Equaes Diferenciais Parablicas
As EDPs parablicas aparecem quando os problemas de propagao incluem mecanismos de dissipao, tais como a dissipao viscosa e a conduo de calor. O exemplo clssico de uma EDP parablica a equao unidimen-
2.5. Equaes Diferenciais Parablicas
53
P P B D A B A P
D B A
Figura 2.5: Condies de contorno para o caso hiperblico.
t C
11 00 00 11 00 11 00 11 00 11 P 00 11 00 11 00 11 00 11 00 11 00 11 00 11 00 11 00 11 A11 00 1111111111111111111 0000000000000000000 x=0 B
Figura 2.6: Condies auxiliares para o caso transiente.
54
D
11 00 00 11 Domnio de Dependncia 00 11 00 11 00 11 00 11 t=t 00 11 00 11 i 00 11 00 11 A B 11 00 11 00 00 11 00 11 00 11 00 11 00 11 00 11 u(0,t)=f(t) 00 11 00 11 00 11 00 11 00 11 00 11 00 11 00 11 00 11 00 11 00 11 00 11 00 11 00 11 0 1 00 11 00 11 0 1 00 11 00 11 0 1 0000 1111 00000000000000000000 11111111111111111111 00 11 00 11 0 1 00000000000000000000 11111111111111111111 C x 00000000000000000000 E 11111111111111111111
x=0 u(x,0)=u (x) 0 x=1
u(1,t)=g(t)
Figura 2.7: Domnio computacional para uma EDP parablica.
sional de difuso (ou conduo) de calor em regime transiente, 2u u = 2 t x Dos resultados apresentados em 2.2.1, para A = 1, B = C = 0, vemos que a nica direo caracterstica denida por: dt =0 dx ou ainda, dx = dt Diferentemente da situao das equaes hiperblicas, as derivadas de u so sempre contnuas cruzando a linha t = ti da Figura 2.7. Para as condies inicial u = sen (x) e de contorno u(0, t) = u(1, t) = 0, a equao de conduo de calor possui a seguinte soluo exata: u(x, t) = sen (x) exp 2 t Esta soluo, que apresenta um decaimento exponencial, contrasta com a soluo puramente oscilatria da equao da onda, conforme representado na Figura 2.8.
2.5. Equaes Diferenciais Parablicas

Equao de Difuso
1 0.8 0.6 0.4 0.2
55
u(x,t)
0 0.2 0.4 0.6 0.8 1 2 1.5 1 0.5 0 0 2 4 6 8 10
Figura 2.8: Decaimento exponencial de uma senide.
2.5.1
Problemas parablicos so tpicos de solues que evoluem no tempo e que so difusivas no espao. Assim, uma perturbao da soluo introduzida no ponto P da Figura 2.7, pode inuenciar qualquer ponto do domnio computacional para t ti . Contudo, a magnitude desta perturbao ser rapidamente atenuada medida em que ela se afasta do ponto P . A incorporao de mecanismos de dissipao implica no fato de que, mesmo se as condies iniciais contenham descontinuidades, a soluo no interior do domnio ser sempre contnua. As EDPs que em mais de uma varivel espacial so parablicas no tempo, tornam-se elpticas em regime permanente, caso exista a soluo para o regime permanente.
2.5.2
Condies de Contorno e Inicial Apropriadas
Na fronteira CE , da Figura 2.7, necessrio especicar condies iniciais do tipo Dirichlet. Para as fronteiras CD e EF , qualquer combinao de condies do tipo Dirichlet, Neumann ou de Robin so aceitveis. Entretanto, caso sejam especicadas condies do tipo de Dirichlet, necessrio assegurarmos a continuidade destas condies com as condies iniciais fornecidas em C e E . Caso contrrio, teremos solues que apresentaro grandes gradi-
56
entes prximos C e E , o que pode criar diculdades na resoluo numrica. Em se tratando de sistemas de EDPs parablicas, condies iniciais em CE e condies de contorno em CD e EF so necessrias para todas as variveis dependentes.
2.6
Equaes Diferenciais Elpticas
As EDPs elpticas esto, em geral, associadas aos problemas em regime permanente ou de equilbrio. Um exemplo simples de uma EDP elptica a equao de Laplace 2 2 + =0 x2 y 2 que governa o escoamento potencial incompressvel. Para as seguintes condies de contorno (x, 0) = sen (x) (x, 1) = sen (x) exp( ) (0, y ) = (1, y ) = 0 esta equao possui a soluo exata: (x, y ) = sen (x) exp(y ) no domnio 0 x 1, 0 y 1. Para EDPs elpticas de segunda ordem do tipo 2 2 2 A 2 +B +C 2 +D +E + Fu + G = 0 x xy y x y onde 4AC < B 2 , um importante princpio de mximo existe: os valores mximos e mnimos de devem ocorrer na fronteira R do domnio, exceto no caso trivial onde constante. Sabemos que as EDPs elpticas apresentam caractersticas que so complexas e no podem ser representadas no domnio computacional que real. Portanto, na dinmica dos uidos a identicao destas direes caractersticas no apresenta nenhuma utilidade prtica.
2.6.1
A mais importante propriedade de uma EDP elptica que um distrbio introduzido num ponto P do interior do domnio de resoluo (Figura 2.9), inuencia todos os outros pontos no domnio computacional, embora longe
2.6. Equaes Diferenciais Elpticas
1 0 0 1 0 1 0 1
0000000000000000000 C 1111111111111111111 D 1111111111111111111 0000000000000000000 111 000 00 000000000000000000011 1111111111111111111 000 111 00 11 000 111 00 11 000 111 00 11 000 111 00 11 000 111 00 11 000 111 00 11 000 111 00 11 P 000 111 00 11 000 111 00 11 000 111 00 11 000 111 00 11 000 111 00 11 000 111 00 11 000 111 00 11 000 111 00 11 000 111 00 11 000 111 00 11 000 111 00 11 000 111 00 11 0000000000000000000 A 1111111111111111111 0000000000000000000 B 1111111111111111111
57
Figura 2.9: Domnio computacional para uma EDP elptica.
do ponto P a inuncia seja pequena. Isto quer dizer que na determinao numrica da soluo de problemas elpticos, necessrio levarmos em conta o domnio global. Em contrapartida, as EDPs parablicas e hiperblicas podem ser resolvidas avanando-se progressivamente no tempo a partir das condies iniciais. As condies de contorno descontnuas das EDPs elpticas so atenuadas no interior do domnio de resoluo.
2.6.2
Condies de Contorno Apropriadas
A capacidade de inuenciar todos os pontos do domnio, a partir do interior, exige que as condies de contorno sejam impostas em todas as fronteiras do domnio, conforme est esquematizado na Figura 2.9. As condies de contorno podem ser qualquer combinao do tipo Dirichlet, Neumann ou Robin. Contudo, se condies do tipo Neumann, /n = f (s), so aplicadas em todas as fronteiras, deve-se tomar cuidado a m de que os valores especicados sejam consistentes com a equao diferencial que governa o fenmeno fsico em questo. Do teorema de Green sabemos que
R
2 dR =
n ds =
f ds
R
o que implica numa restrio para as condies de contorno do tipo Neumann, caso as equaes sejam as de Laplace ou de Poisson.
58
Captulo 3 Equaes de Balano

Na obteno das equaes de balano, vamos requerer que a massa e a energia sejam conservadas e que a taxa de variao da quantidade de movimento (momentum) seja igual ao somatrio das foras agindo sobre o corpo. Como resultado teremos 5 equaes de balano: 1 equao da continuidade, 3 equaes de balano de momentum e 1 equao de energia
3.1
Equao da Continuidade
Para um volume de controle arbitrrio V , xo no espao e no tempo, a conservao da massa requer que a taxa de variao da massa no interior do volume de controle seja igual ao uxo de massa cruzando a sua superfcie, d dt dV =
V V
dV + t
v n dS = 0
onde n a normal unitria superfcie do volume de controle, direcionada de dentro para fora. Usando o teorema de Gauss, este resultado pode ser expresso na forma:
V
+ (v ) dV = 0 t + (v ) = 0 t
Agora, como o volume de controle V arbitrrio,
ou ainda,
+ v + v = 0 t
=D/Dt
59
60
Captulo 3. Equaes de Balano
onde D/Dt representa a derivada material. Para escoamentos incompressveis (densidade constante), temos que v =0 e este resultado vlido tanto para o escoamento em regime permanente como para o escoamento em regime transiente.
3.2
Equaes do Momentum
A segunda lei de Euler diz que a taxa de variao do momentum linear deve ser igual ao somatrio das foras agindo sobre o corpo. No caso de um pequeno elemento de uido, tratado como um sistema aberto, d dt v dV =
V S
t dS +
V
f dV
onde t o vetor tenso tal que tdS fornece a fora dF exercida sobre um elemento de rea dS e f o vetor fora externa. A primeira integral, do lado direito do sinal de igualdade, representa a contribuio devida s foras de superfcie e a segunda contribuio das foras externas agindo sobre o corpo. Pode-se mostrar [9] que o vetor tenso pode ser expresso em termos do tensor de tenses T na forma t = T n, com as componentes do tensor sendo representadas pela matriz: xx xy xz [Tij ] = yx yy yz zx zy zz onde representa as tenses normais e as tenses de cisalhamento. Substituindo-se o vetor tenso t na equao integral, d dt d dt v dV =
V S
T n dS +
V
f dV
e aplicandose novamente o teorema da divergncia, v dV =

V V
T + f
dV
Podemos ainda trocar a ordem das operaes de diferenciao e integrao, se o teorema de transporte [9] d dt dV =
V V
+ (v ) dV t
3.2. Equaes do Momentum for utilizado no lado direito desta equao. Portanto, (v ) + (v v ) T f dV = 0 t
61
ou ainda,
V
Assim, visto que a integrao vlida para qualquer tamanho do volume de controle: Dv = T + f Dt Da teoria das equaes constitutivas, sabemos que a forma mais geral de representao do tensor de tenses para um uido stokesiano [10]: T = P I + f D = P I + f0 I + f1 D + f2 D onde P a presso termodinmica, D =
2
v + (v ) v +v + (v ) T f dV = 0 t t
=Dv/Dt =0
1 v + v T o tensor taxa de 2 deformao e fi (i = 0, 1, 2) so funes dos invariantes principais do tensor taxa de deformao. Um uido dito ser stokesiano se ele satisfaz as seguintes hipteses [11]: 1. O tensor de tenses T uma funo continua do tensor taxa de deformao D e do estado termodinmico local, mas independente das outras quantidades cinemticas; 2. O uido homogneo, isto , o tensor de tenses no depende explicitamente da posio; 3. O uido isotrpico, isto , no existem direes preferenciais; 4. Quando no existir deformao, D = 0, a tenso hidrosttica e T = pI . No caso de um uido newtoniano f D linear e a equao constitutiva do tensor tenso dada por [11]: T = P I + ( v ) I + 2D
62
onde a constante de proporcionalidade relacionando as tenses de cisalhamento e o gradiente de velocidades, ou seja, a viscosidade dinmica e 2 est relacionada com a viscosidade dinmica pela relao = + , onde 3 a viscosidade de volume ou segundo coecente de viscosidade. Nesta expresso, a presso termodinmica P est relacionada com a presso mdia p mediante a seguinte relao: P = p + v Substituindo-se a expresso do tensor de tenses, para um uido newtoniano, na equao de balano da quantidade de movimento, Dv = P + ( v ) + v + v T Dt + f
No caso dos coecientes e no dependerem da posio, v + v T = (v ) + ( v ) e a equao de balano pode ser reescrita na forma: Dv = P + ( + ) ( v ) + v + f Dt
Em se tratando de um uido incompressvel, v = 0, esta equao ca reduzida forma: Dv = P + v + f Dt que conhecida como a equao de Navier-Stokes para um uido newtoniano incompressvel.
3.3
Equao de Energia
A primeira lei da termodinmica diz que a taxa de variao da energia interna mais a energia cintica de um corpo, igual a taxa de trabalho realizado sobre o corpo mais a taxa de energia fornecida ao corpo:
d (E + K ) =W + Q dt
Para um volume arbitrrio V , esta lei pode ser escrita como d dt 1 e + v v dV = 2 v f dV + v T n dS
3.3. Equao de Energia (q n) dS + Q dV

V
63
onde e a energia interna especca, q o vetor uxo de energia e Q representa a taxa de transmisso de energia por unidade de massa. O primeiro termo do lado direito do sinal de igualdade representa o trabalho realizado pelas foras externas e o segundo o trabalho devido s foras de superfcie. Os dois ltimos termos representam o uxo de energia transferido atravs da fronteira do volume de controle e a energia externa transferida ao corpo. Aplicando-se o teorema de transporte, o teorema da divergncia e a equao da continuidade, podemos mostrar as seguintes igualdades: v T n dS = (q n) dS = t T v dV q dV dV
d dt
1 e + v v dV = 2
1 1 e+ vv +v e+ vv 2 2
D = Dt v v ) (e+ 1 2
+
V
Portanto, feitas as substituies

V
1 e + v v + (v ) dV 2 t
=0
D Dt
1 e + v v Tv 2
v f + q Q dV = 0
Sendo o volume V qualquer, conclumos que o integrando deve ser identicamente nulo D Dt 1 e+ vv 2 = q + T v + v f + Q
Tomando-se agora o produto interno da equao de balano de momentum por v , v D Dv = Dt Dt 1 vv 2 = Tv tr T v + vf
64
e substituindo-se este resultado na equao precedente De = q + tr T v Dt + Q
Esta equao ainda pode ser escrita em termos da presso termodinmica P e do tensor extra de tenses S T + P I [9], de maneira que: De = q P v + tr S v Dt + Q
que para um uido incompressvel ca reduzida : De = q + tr S v Dt + Q
Na prtica, trataremos com problemas que envolvem variaes de temperatura ao invs da energia interna. Portanto, ser de grande utilidade reescrevermos a equao do balano de energia em termos da temperatura. Das relaes termodinmicas podemos relacionar as derivadas materiais da energia interna com a derivada material da temperatura na forma [9]: DT De = cv + T Dt Dt P T P DV Dt
onde cv a capacidade trmica do uido por unidade de massa e a volume constante e da equao da continuidade Portanto, De DT = cv + T Dt Dt P T
V
1 D DV = =v Dt Dt
P v
que aps substituio na equao do balno de energia em termos de e: cv DT = q T Dt P T v + tr S v + Q
Esta equao ainda pode ser simplicada em se tratando de um uido incompressvel DT = q + tr S v + Q cv Dt
3.3. Equao de Energia
65
Entretanto, nada ainda foi dito sobre o comportamento material do vetor uxo de energia. Neste caso, a lei de Fourier nos prope uma equao constitutiva simples para o vetor q [9] q = k T onde k a condutividade trmica do material. Obtemos, assim, a forma nal da equao de energia em termos da temperatura: cv DT = (k T ) T Dt P T v + tr S v + Q
ou ainda, no caso de um uido incompressvel: cv DT = (k T ) + tr S v Dt + Q
Nestas equaes, o termo tr S v chamado de potncia de tenso por unidade de volume e representa a energia dissipada devido existncia do atrito viscoso.
66
Captulo 4 Discretizao
O processo de se obter uma soluo computacional, das EDPs que governam os fenmenos fsicos, consiste de duas etapas. Na primeira devemos converter as equaes diferenciais parciais e as condies inicial e de contorno num sistema discreto de equaes algbricas. Esta primeira etapa conhecida como a discretizao das equaes diferenciais. A segunda etapa se resume no processo de obteno de uma soluo computacional do sistema de equaes algbricas, via o emprego de uma tcnica de resoluo numrica. A discretizao dos termos da equao diferencial acarreta na sua substituio por expresses algbricas que correlacionam os valores nodais numa malha nita. Esta etapa introduz um erro de truncamento. Na resoluo do sistema algbrico de equaes discretizadas, tambm podemos introduzir um erro numrico que , em geral, desprezvel em comparao ao erro introduzido pela discretizao. Entretanto, este erro pode ser considervel se o mtodo empregado na resoluo do sistema algbrico no for estvel. A m de se converter uma(s) EDP(s) em um sistema algbrico de equaes (ou um sistema de equaes diferenciais ordinrias), podemos dispor de vrias possibilidades de escolha. As mais conhecidas so o mtodo de diferenas nitas, de elementos nitos, de volumes nitos e o mtodo espectral. Na prtica, as derivadas com respeito ao tempo so discretizadas quase que exclusivamente pelo mtodo de diferenas nitas. Na discretizao das derivadas espaciais, todos os mtodos citados acima so empregados. O processo de discretizarmos uma EDP que governa, por exemplo, o escoamento de um uido, signica que substitumos o problema de acharmos uma soluo exata e contnua, pelo de procurarmos uma soluo aproximada discreta, ou seja, determinamos os valores aproximados nos ns da malha (Figura 4.1) onde x representa o incremento de espao e t o incremento de tempo. 67
68
t N
Captulo 4. Discretizao
x
t N-1
3 2 1 n=0 j=0 1 2 3 4 M-1 M x
Figura 4.1: Malha discreta uniforme.
A determinao precisa do valor da soluo aproximada entre os pontos nodais no bvia. Deveramos esperar que a soluo aproximada variasse suavemente entre os pontos da malha. Em princpio, qualquer valor da soluo aproximada, num ponto entre os ns, pode ser obtido por interpolao a partir dos pontos nodais vizinhos.
4.1
Discretizao Espacial
Representemos a equao diferencial parcial, que queremos discretizar, na forma: = L t onde L o operador diferencial que contm as derivadas espaciais. Aps a sua discretizao espacial, esta equao substituda por: j = La j t onde a soluo aproximada de e La o operador algbrico resultante da discretizao espacial do operador diferencial.
4.2. Discretizao no Tempo
69
4.2
Discretizao no Tempo
Feita a discretizao no espao, qualquer tcnica de intergrao de equaes diferenciais pode ser aplicada ao resultado de maneira que obtemos:
+1 n = n j + j tn+1 tn
La j dt
Empregando, por exemplo, o esquema de integrao de Euler nesta avaliao:

n +1 n = n j + (La j ) t j
ou ainda, caso empreguemos a regra do trapzio

+1 n = n j + j
1 (La j )n+1 + (La j )n t 2
4.3
Expanses em Sries de Taylor
O primeiro passo no desenvolvimento de um algoritmo, para se calcular os valores de que aparecem na(s) EDP(s), o de expressar as derivadas de no ponto (j ,n) em funo dos valores de nos pontos vizinhos. Expanses em srie de Taylor do tipo: n j +1 e
+1 n = j
xm = m! m=0 tm m! m=0
m xm m tm
n j n j
so empregadas neste processo. Estas sries podem ser truncadas para qualquer nmero de termos, sendo o erro de truncamento dominado pelo prximo termo na expanso se x 1 e t 1. Assim, podemos escrever por exemplo:
n n j +1 = j + x
n j
x2 2
2 x2
n j
+ O x3
sendo o erro de truncamento proporcional x3 . Obviamente, o erro decrescer rapidamente de magnitude medida que x diminuir. Uma rpida inspeo desta equao nos sugere a seguinte representao: x
n j n n x j +1 j = x 2
2 x2
n j
+ O x2
70
Usando a representao por diferenas nitas, temos que: x

n j n n j +1 j x
e esta representao apresenta um erro de truncamento da ordem de x. Esta aproximao conhecida como forward dierence ou diferena avanada. Expandindo-se n j 1 em srie de Taylor em torno do ponto (j ,n) e reagrupando os termos, ns obtemos a aproximao conhecida como backward dierence ou diferena recuada: x
n j
n n j j 1 x
O mesmo pode ser feito com relao s derivadas no tempo t

n j +1 n n j j t
que introduz um erro da ordem de t, assumindo-se que t 1 e que as derivadas de maior ordem so limitadas.
4.4
Tcnica Geral
Na seo precedente, vimos como as expresses em diferenas nitas foram obtidas a partir de uma nica srie de Taylor. Uma tcnica mais geral para construirmos aproximaes das derivadas, por diferenas nitas, pode ser obtida pela expresso geral: x
n j n n m = an j 1 + bj + cj +1 + O (x )
onde a, b e c so valores a serem determinados e o termo O (xm ) indica o erro introduzido pela aproximao. n Expandindo n j 1 e j +1 em srie de Taylor em torno do ponto (j ,n)
n n j +1 = j + x
x x
+
j n j
x2 2
2 x2 2 x2
n j n j
+ O x3 + O x3
n j 1
n j
x2 + 2
4.4. Tcnica Geral e substituindo estas expresses na equao geral, obtemos: an j 1 + bn j + cn j +1 = (a + b +

n j
71
c)n j
+ (a + c)x x3 6 3 x3
n
x + ...
n j
+(a + c)
x2 2
2 x2
+ (a + c)
1 e b = Fazendo a + b + c = 0 e (a + c)x = 1, resulta em a = c x 1 2c + para qualquer valor de c. Escolhendo-se c de maneira que o x termo em x2 desaparea (c = a), obtemos a aproximao com o menor erro de truncamento possvel para uma formulao a trs pontos, ou seja, 1 c = a = e b = 0. Substituindo-se estes valores na expresso geral: 2x x
n j n n x2 j +1 j 1 = 2x 6
3 x3
+ ...
j
Portanto, a representao por diferenas nitas dada por: x

n j
n n j +1 j 1 2x
e possui um erro de truncamento da ordem de x2 e conhecida como diferena centrada. Esta mesma tcnica pode ser usada no desenvolvimento de aproximaes multidimensionais ou em malhas no-uniformes. Empreguemos esta tcnica geral na obteno de uma representao algbrica de (/x)n j utilizando uma formulao a trs pontos: x
n j n n m = an j + bj +1 + cj +2 + O (x )
n Expandindo em srie de Taylor n j +1 e j +2 em torno do ponto (j ,n)
n j +1
n j
+ x
x
n j
n j
x2 + 2
2 x2 2 x2
n j n j
x3 + 6
3 x3
n j
+ O x4
n j
n j +2
n j
+ 2x
(2x)2 + 2
(2x)3 + 6
3 x3
+ O x4
72
que aps substituio na expresso geral resulta em: an j + bn j +1 + cn j +2 = (a + b + 2 x2

n
c)n j
+ (bx + 2cx) x3 6 3 x3
n
n j
bx2 c (2x)2 + 2 2
+ (b + 8c)
j
+ ...
j
Comparando os dois lados da equao, vemos que as seguintes condies devem ser impostas para que tenhamos o menor erro: a+b+c=0 bx + 2cx = 1 bx2 c (2x)2 + =0 2 2 Deste sistema obtemos os seguintes valores para a, b e c: a= e, nalmente, x
n j n n 1, 5n x2 j + 2j +1 0, 5j +2 = + x 3
1, 5 ; x
b=
2 ; x
c=
0, 5 x
3 x3
+ ...
j
Esta frmula tem um erro de truncamento de ordem igual ao da diferena centrada. Caso queiramos incluir mais termos na representao, como por exemplo, x
n j n n n an j + bj +1 + cj +2 + dj +3
devemos obter condies extras para a determinao de a, b, c e d exigindo que os coecientes multiplicando os termos de derivadas de mais alta ordem sejam nulos. Contudo, os esquemas baseados na discretizao de ordens mais altas apresentam condies de estabilidade mais severas do que os esquemas baseados em discretizaes de baixa ordem, conforme veremos posteriormente. Conseqentemente, uma estratgia alternativa seria a de se escolher alguns dos coecientes de forma a reduzir o erro de truncamento e outros de maneira a melhorar a estabilidade.
4.5. Acurcia do Processo de Discretizao
73
4.5
Acurcia do Processo de Discretizao
Conforme j foi visto, o processo de discretizao invarialvelmente introduz um erro de truncamento a menos que a soluo exata possua uma forma analtica simples. Os erros podem ser caracterizados com respeito sua acurcia e sua preciso. Por acurcia entendemos que uma medida de quo prximo um valor computado est do valor verdadeiro. Preciso referese ao quo os valores calculados esto prximos entre si. Assim, o mtodo de diferenas centradas exato para solues que apresentem uma forma analtica quadrtica = ax2 + bx + c uma vez que todos os termos contidos na expanso do erro de truncamento so nulos: x
n
=
j
n n x2 j +1 j 1 + 2x 6
3 x3
=0
+ ... =
j
n n j +1 j 1 2x
De maneira anloga, podemos constatar que os esquemas de diferenas avanadas e recuadas s so exatos para formas lineares. Em geral, uma avaliao do erro de truncamento fornece uma aproximao do erro numrico se a malha for renada. Entretanto, uma avaliao completa dos termos da srie de Taylor do erro de truncamento s possvel a partir do conhecimento da soluo exata. Uma maneira direta de se avaliar a acurcia das vrias frmulas de discretizao a de se considerar uma determinada funo analtica e compararmos o valor da sua derivada com os valores fornecidos pelos diferentes esquemas de discretizao. Como exemplo, vamos considerar que a soluo analtica seja dada por = exp(x) e vamos comparar a acurcia de 5 esquemas diferentes de diferenas nitas: Avanada
=
j
n n x j +1 j x 2
2 x2
+ ...
j
74 Recuada x
n n n x j j 1 + x 2
=
j
2 x2
+ ...
j
Trs Pontos Simtrica (Centrada) x

n j n n x2 j +1 j 1 = 2x 6
3 x3
+ ...
j
Trs Pontos Assimtrica
=
j
n n 1, 5n x2 j + 2j +1 0, 5j +2 + x 3
3 x3
+ ...
j
Cinco Pontos Simtrica
=
j
n n n n x4 j 2 8j 1 + 8j +1 j +2 + 12x 30
5 x5
+ ...
j
Avaliando as derivadas no ponto x = 1 e tomando x = 0, 1, podemos comparar as diferentes frmulas de discretizao. Os resultados so mostrados na Tabela 4.1. Conforme j deveramos esperar, os esquemas a trs pontos (simtrico e assimtrico) so consideravelmente mais acurados do que os esquemas a dois pontos, mas menos precisos do que a formulao a cinco pontos. No caso geral, os valores das derivadas de maior ordem podem ser grandes e um incremento x menor do que 0, 1 deve ser empregado a m de que o erro possa ser aproximado pelo primeiro termo da expanso do erro de truncamento. Grosseiramente, podemos expressar o erro computado diretamente como [7]: E = A (x)k e o erro de truncamento como Et = B (x)k onde k o expoente do incremento x do primeiro termo da expanso do erro de truncamento. Assim, ns podemos inferir que o erro na soluo
4.5. Acurcia do Processo de Discretizao Tabela 4.1: Comparao da acurcia dos diferentes esquemas.
75
Caso
Derivada
|Erro|
|Erro de truncamento|
exata
2,7183
avanada
2,8588
0, 1406 100 0, 1315 100 0, 4533 102 0, 9773 102 0, 9072 105
0, 1359 100 0, 1359 100 0, 4531 102 0, 9061 102 0, 9061 105
recuada
2,5868
3 pontos simtrica
2,7228
3 pontos assimtrica
2,7085
5 pontos simtrica
2,7183
numrica para um k = 4 (5 pontos) ir decair muito mais rapidamente, com o renamento da malha, do que o erro correspondente a um k = 2 (3 pontos). Dos resultados apresentados, pode parecer que a formulao de mais alta ordem deveria ser sempre empregada em malhas renadas. No entanto, a realidade outra. O emprego de frmulas de alta ordem envolve mais pontos, sendo portanto menos econmica que a formulao de baixa ordem. Alm deste fato, a acurcia da formulao de baixa ordem pode ser aumentada com o renamento da malha. Na prtica, pode acontecer tambm que o nvel de acurcia exigido, para a soluo do problema considerado, seja satisfatrio com o emprego de uma malha grosseira, ou que devido a limitaes de memria e/ou tempo de clculo, sejamos obrigados a empregar uma malha grosseira. Visto que a superiori1
Primeiro termo da expanso do erro de truncamento.
76
dade da formulao de alta ordem signicativa quando utilizamos malhas renadas, o seu emprego pode no ser justicado nas situaes mencionadas anteriormente. Outro problema encontrado na prtica so as solues que apresentam descontinuidades, como as do escoamento supersnico no-viscoso. Nestes casos, no h garantias de que os termos sucessivos da expanso do erro de truncamento apresentem uma reduo de magnitude. Para escoamentos viscosos com nmeros de Reynolds elevados, descontinuidades no podem ocorrer, mas podem existir gradientes elevados. Para gradientes severos e malhas sucientemente grosseiras, esquemas de alta ordem podem no ser vantajosos. Quando existirem gradientes elevados, a magnitude das derivadas de mais alta ordem so muito maiores que as de baixa ordem. Conseqentemente, para uma dada malha, os termos de mais alta ordem no diminuem da mesma maneira que quando a soluo suave. Pela mesma razo, a menos que a malha seja muito renada, a magnitude da derivada de mais alta ordem, do erro de truncamento, pode ser to alta que o erro global seja comparvel ao erro de um esquema de discretizao de baixa ordem.
4.6
Representao do Tipo Onda
Muitos problemas de dinmica dos uidos apresentam solues do tipo onda. Portanto, conceitualmente podemos represent-las em srie de Fourier. A questo que devemos responder a seguinte: Quando o processo de discretizao representa acuradamente ondas de pequenos e grandes comprimentos de onda? Vamos admitir que a soluo exata possa ser representada na forma
(x, t) =
m=
m em t eim(xum t)
onde i = 1 e m o nmero de onda que est relacionado com o comprimento de onda na forma = 2/m. Nesta equao m determina o quo rapidamente a amplitude de onda ir se atenuar e um a velocidade de propagao da onda. Caso o movimento de uma onda plana, representada por esta equao, no apresente dissipao e a onda se propague com velocidade constante u, ns teremos ao invs da soluo precedente:
(x, t) =
m=
m eim(xut)
4.6. Representao do Tipo Onda
77
A acurcia das diferentes aproximaes por diferenas nitas das derivadas de pode ser determinada, por exemplo, se considerarmos que a soluo dada por (x, t) = eim(xut) ou seja, a soluo representa uma onda que se propaga com velocidade constante u na direo x e para um valor xo de x o movimento peridico e o perodo dado por P = 2/um. Devemos ressaltar que comprimentos de onda menores do que = 2x no podem ser representados numa malha discreta [7]. Para um dado ponto (j ,n) da malha, os valores exatos da primeira e segunda derivadas da soluo so dados por: x e 2 x2 = im eim(xj utn )
n,j
n,j
= (im)2 eim(xj utn )
Substituindo-se a soluo nas representaes por diferenas nitas a 3 pontos das derivadas primeira e segunda x 2 x2 obtemos respectivamente: x 2 x2
n n n j n j n n j +1 j 1 2x n n n j 1 2j + j +1 x2
=
j
eim(xj utn ) eimx eimx 2x
=
j
eim(xj utn ) eimx 2 + eimx x2
Assim, as relaes de amplitude entre as representaes exata e numrica so dadas por: x j eim(xj utn ) eimx eimx sen (mx) = = im ( x ut ) n j mx 2imx e x n,j
n
78 2 x2
n j
2 x2 n,j Seguindo o mesmo tipo de desenvolvimento, podemos obter a relao de amplitudes no caso de um esquema de diferenas nitas a 5 pontos simtrico [7]: n x j 4 1 sen (mx) = cos(mx) 3 3 mx x n,j n 2 2 x2 j sen (0, 5mx) 4 2 1 0, 25 [cos(0, 5mx)] = 2 3 0, 5mx 2 x n,j Na Tabela 4.2 so mostrados os resultados para a representao de pequenos ( = 4x) e grandes ( = 20x) comprimentos de onda. Os resultados mostram que todos os esquemas so mais acurados para longos comprimentos de onda, sendo que o esquema a cinco pontos o mais acurado. Estes resultados so consistentes com os comentrios feitos na seo anterior, sobre as desvantagens de empregarmos esquemas de alta ordem em malhas grosseiras. Para um determinado comprimento de onda, o fato de renarmos a malha (permitindo que haja mais pontos para a representao de cada comprimento de onda) transforma o problema de representao de pequenos comprimentos de onda em um problema de representao de grandes comprimentos de onda na malha renada. Como exemplo, representemos o mesmo comprimento de onda, = 0, 1, em duas malhas diferentes, tal que x1 = 4x2 . Escolheremos a primeira malha de forma que = 4x1 e como conseqncia teremos que = 16x2 para a segunda malha. Calculando-se a relao de amplitude para a derivada primeira na representao a trs pontos, obtemos para a primeira malha (m = 2/) sen sen (mx1 ) 2 = 0, 6366 = mx1 2 e no caso da segunda malha sen sen (mx2 ) 8 = 0, 9745 = mx2 8
eim(xj utn ) eimx 2 + eimx sen (0, 5mx) = im ( x ut ) 2 2 n j 0, 5mx m x e
4.6. Representao do Tipo Onda Tabela 4.2: Relao de amplitudes. Derivada Esquema Relao de Amplitude ( = 20x) 3 pontos x 5 pontos 0,9836 0,9996 Relao de Amplitude ( = 4x) 0,6366 0,8488
79
3 pontos 2 x2 5 pontos
0,9918 0,9999
0,4053 0,5404
Conseqentemente, a principal concluso que podemos tirar a de que precisamos de uma malha sucientemente renada para que possamos representar acuradamente os movimentos do tipo onda.
80
Captulo 5 Convergncia, Consistncia e Estabilidade

Uma importante questo, que diz respeito s solues computacionais, a de sabermos que garantia ns temos de que a soluo numrica ser prxima da soluo exata da(s) EDP(s) e em que condies ela coincide com a soluo exata. A segunda parte desta questo pode ser respondida supercialmente, exigindo que a soluo numrica aproximada deva convergir para a soluo exata medida que os incrementos da malha tendam a zero. No entanto, muito difcil estabelecer diretamente a convergncia. A maneira indireta de se garantir a convergncia a de requerermos que o sistema algbrico de equaes, obtido a partir do processo de discretizao, seja consistente com as equaes diferenciais que governam os fenmenos que estamos interessados em resolver. A consistncia implica no fato de que podemos reverter o processo de discretizao e obtermos equaes diferenciais parciais que devem representar as equaes que governam os problemas estudados. Alm disso, para que haja convergncia, o algoritmo utilizado na obteno da soluo do sistema algbrico de equaes deve ser estvel. Podemos dizer, ento, que a consistncia mais a estabilidade asseguram a convergncia. As condies para que este enunciado se verique so dadas pelo teorema de Lax. Na prtica, muito difcil obtermos resultados analticos que descrevam o comportamento terico da soluo numa malha de dimenses nitas. A maioria dos resultados tericos teis so estritamente aplicados no limite quando os incrementos (de tempo e espao) da malha tendem a zero. 81
82
Captulo 5. Convergncia, Consistncia e Estabilidade
5.1
Convergncia
A soluo aproximada, proveniente da resoluo do sistema algbrico resultante do processo de discretizao, dita convergir caso ela tenda para a soluo exata da equao diferencial parcial medida que t e x tendam a zero. A diferena entre a soluo exata da EDP e a soluo exata do sistema de equaes algbricas chamada de erro de resoluo:
n en j = (xj , tn ) j
Por soluo exata do sistema algbrico, queremos dizer que aquela obtida sem que nenhum erro numrico seja introduzido, tais como erros de arredondamento. A magnitude do erro da soluo depende tipicamente dos incrementos t e x e do valor das derivadas de mais alta ordem, obtidas no processo de aproximao por diferenas nitas. Provar que a soluo de um sistema algbrico de equaes converge para a soluo de uma equao diferencial parcial , em geral, muito difcil mesmo para os casos mais fceis [7].
5.1.1
Teorema de Lax
Para uma classe restrita de problemas, a convergncia pode ser estabelecida via o teorema de Lax: Dado um problema de valor inicial bem-posto e linear e uma aproximao por diferenas nitas que satisfaa as condies de consistncia, a estabilidade a condio necessria e suciente para a convergncia. Muito embora o teorema tenha sido enunciado em termos do processo de diferenas nitas, ele se aplica a qualquer mtodo de discretizao que leve a variveis nodais. Este teorema de grande importncia, visto que relativamente fcil mostrar a estabilidade de um algoritmo e a sua consistncia com a equao diferencial parcial original. Na realidade, a maioria dos problemas de escoamentos de uidos so nolineares e do tipo de valor de contorno ou misto (valor inicial e de contorno), de maneira que o teorema da equivalncia de Lax no pode ser aplicado rigorosamente. Portanto, nestes casos, o teorema deve ser interpretado como fornecendo as condies necessrias, mas nem sempre sucientes, para que tenhamos a convergncia [7].
5.2. Consistncia
83
5.2
Consistncia
O sistema de equaes algbricas dito ser consistente com a equao diferencial parcial, do qual ele originrio, se no limite para os incrementos de tempo e espao tendendo a zero, o sistema algbrico equivalente EDP em cada ponto da malha. Obviamente que a consistncia necessria para que a soluo aproximada (numrica) convirja para a soluo exata da equao diferencial parcial considerada. Contudo, esta condio no suciente, pois o fato de termos um sistema de equaes algbricas consistente com a EDP para t e x 0, no implica necessariamente que a soluo do sistema convirja para a soluo da equao diferencial parcial. Conforme indicado pelo teorema de Lax, consistncia e estabilidade so ambas necessrias para que tenhamos a convergncia. O mecanismo de teste da consistncia requer a substituio da soluo exata nas equaes algbricas resultantes da discretizao e a posterior expanso dos valores nodais em srie de Taylor em torno de um determinado ponto. Para que haja consistncia, a expresso resultante deve ser posta na forma da equao diferencial parcial original acrescida de termos adicionais. A natureza destes termos deve ser tal que eles quem reduzidos a zero medida que a malha renada.
5.2.1
O Esquema FTCS
Vamos considerar, por exemplo, a consistncia do esquema FTCS (forward time, centered space) na discretizao da equao de difuso unidimensional em regime transiente: 2 2 =0 t x onde o coeciente de difuso. Para efetuarmos a resoluo numrica desta equao, devemos proceder discretizao das derivadas de primeira ordem no tempo e de segunda ordem no espao. Uma maneira simples de discretizarmos esta equao a de utilizarmos um esquema de diferenas avanadas no tempo e um esquema de diferenas centradas no espao, conforme as tcnicas apresentadas no captulo anterior. Este processo de discretizao nos leva ao esquema FTCS: onde s = t/x2 e esta equao se aplica a todos os ns internos. Os valores iniciais e de contorno de devem ser fornecidos. O processo de resoluo repetido avanando-se no tempo (n = 1, 2, . . .), at que o tempo nal
+1 n n n = sn j 1 + (1 2s)j + sj +1 j
84
seja alcanado. O esquema de discretizao no tempo empregado dito ser explcito, uma vez que os valores de para o tempo n + 1 so completamente determinados a partir dos valores de conhecidos no tempo n. Substituindo na equao discretizada a soluo exata , ns obtemos:
+1 n n n = sn j 1 + (1 2s)j + sj +1 j
Em seguida, ns desejamos determinar o quo aproximadamente esta equao corresponde a equao de difuso no n (j ,n). Expandindo nesta equao em srie de Taylor e substituindo na equao discretizada t t2 + 2 t
n j
x2 2s 2
n j
2 x2
n j
+ (1 1 2s + 3 x3
n j
2s)n j 4 x4
+ (s s)x
n j
n j
2 t2
x3 + (s s) 6 t
n j n j
x4 2s 24
n
+ O t3 , x6 = 0
ou ainda
2 x2
n + Ej =0 j
onde
n Ej
t = 2
2 t2
x2 12
4 x4
n j
+ O t2 , x4
Deste resultado, ca claro que medida que os incrementos da malha se tornam cada vez menores, o erro de truncamento tender a zero para um ponto xo (j ,n). No limite, conforme t e x 0, o esquema FTCS ser equivalente equao de difuso. Esta propriedade chamada de consistncia. Como a soluo satisfaz a equao de difuso, 2 = t2 t 2 x2 2 = 2 x t =
2
x4
e o erro de truncamento pode ser reescrito como:

n Ej
x2 = 2
1 s 6
4 x4
n j
+ O t2 , x4
Caso s = 1/6, o primeiro termo do erro de truncamento se anula e teremos um erro de truncamento da ordem de (t2 ,x4 ). Neste caso, o erro de truncamento vai a zero mais rapidamente do que para qualquer outro valor de s, medida que a malha renada.
5.2. Consistncia
85
5.2.2
Esquema Totalmente Implcito
Para esquemas implcitos no tempo, o termo espacial 2 /x2 na equao de difuso avaliado, parcialmente ou completamente, no nvel de tempo (n + 1). Na prtica, isto nos leva a um acoplamento das equaes para cada n j no tempo n + 1 e devemos resolver um sistema de equaes algbricas medida que avanamos no tempo. Avaliando 2 /x2 completamente no tempo (n + 1) 2 x2
n+1 j +1 n+1 +1 n + n j 1 2j j +1 x2
Portanto, aps discretizao da equao de difuso

n+1 +1 +1 n sn sn j 1 + (1 + 2s)j j +1 = j
Para que possamos mostrar a consistncia desta formulao, devemos substituir a soluo exata nesta equao e expandirmos os diferentes termos em srie de Taylor em torno do ponto (j ,n)
+1 n j
n j
+ t
n j
t2 + 2
n j
2 t2 1 + 2!
n j
t3 + 6
3 x3
n j
+
n 2
+1 n j 1
n j
+ t x t x 1 + 3!
t x t x + t + x t x +
t x t x
n j
n 3 j
+1 n j +1
n j
+ t + x t x 1 + 3!
1 + 2!
n 3 j
n 2
t + x t x
Aps substituio destes resultados

+1 sn j 1 +1 + (1 + 2s)n j n +1 sn j +1
n j
n
n j
2 x2
n j
t + 2
2 t2 2 x2
n j n j
t2 + 6
3 t3
t t j
2 x2
x2 12 j
4 x4
t2 2 2 t2 j
86
Captulo 5. Convergncia, Consistncia e Estabilidade t3 3 6 t3 tx 24

2
2 x2 t4
4
n j 2
tx2 12 t
n j
4 x4
2
n j
x4 360
4 n j
6 x6
n j
x2
t x 48
t2
x4
+ = 0
Como a soluo deve satisfazer equao de difuso,

4 6 2 2 3 2 3 = 2; = ; = t x t2 x4 t3 x6 podemos escrever o erro de truncamento somente em termos das derivadas com relao ao tempo
t onde,
n Ej =
n j
n j
2 x2
n n + Ej =0 j
t 2
1+
1 6s
2 t2
t2 3
1+
1 1 + 4s 120s2
3 t3
n j
n Da expresso do erro de truncamento, vemos claramente que Ej tender a zero conforme t 0 e a equao coincidir com a equao de difuso.
5.3
Estabilidade
O conceito de estabilidade est relacionado com o crescimento, ou decaimento, dos erros introduzidos em qualquer estgio da computao. Neste contexto, os erros aqui referidos no so aqueles devidos a uma lgica incorreta, mas sim aqueles devidos ao fato do computador trabalhar com um nmero nito de casas decimais. Na prtica, cada operao realizada pelo computador resulta num valor com um nmero nito de algarismos signicativos, o que introduz um erro de arredondamento. Portanto, a soluo n numrica no na realidade n j , mas sim ( )j , que a soluo numrica do sistema algbrico. Um determinado mtodo dito ser estvel se o efeito acumulativo produzido por todos os erros de arredondamento, devido implementao do algoritmo, desprezvel. Podemos mostrar que para equaes algbricas lineares, provenientes do processo de discretizao, o erro correspondente satisfaz s mesmas equaes algbricas homogneas. Como exemplo, consideraremos o esquema FTCS aplicado equao de difuso:
+1 n n n = sn j 1 + (1 2s)j + sj +1 j
5.3. Estabilidade
87
Na realidade, sabemos que a soluo numrica satisfaz seguinte equao:

+1 n n ( )n = s( )n j 1 + (1 2s)( )j + s( )j +1 j
Portanto, subtraindo a segunda equao da primeira

n+1 n n n j = sj 1 + (1 2s)j + sj +1 n n onde o erro introduzido em cada ponto da malha j = n j j . Assumindo que inicialmente sejam fornecidos os valores de contorno e inicial, os 0 n erros iniciais j (j = 2, 3, . . . , J 1) e os erros introduzidos nos contornos 1 n e J (n = 0, 1, 2 . . .) desta equao so nulos. Portanto, a menos que erros de arredondamento sejam introduzidos, a partir do clculo dos valores de n j nos ns interiores, os erros resultantes na resoluo permanecero nulos. Os dois mtodos mais comuns utilizados na anlise de estabilidade so o mtodo da matriz e o mtodo de Von Neumann. Ambos os mtodos baseiamse na predio de quando haver um crescimento do erro existente entre a verdadeira soluo do algoritmo numrico e a soluo que realmente calculada, isto , incluindo os erros de arredondamento. Uma maneira alternativa de interpretao da anlise de estabilidade a de supormos que as condies iniciais podem ser representadas por uma srie de Fourier. Nesta srie, cada harmnico, ou modo, ir crescer ou decrescer de acordo com a equao discretizada. Caso um modo particular possa crescer ilimitadamente, a soluo discretizada possui uma soluo instvel. Esta interpretao da estabilidade explorada diretamente pelo mtodo de Von Neumann.
5.3.1
Mtodo da Matriz: Esquema Geral a Dois Nveis de Tempo
O mtodo da matriz ser aplicado ao caso do esquema geral a dois nveis de tempo, aplicado equao de difuso de calor
+1 n n j j +1 Lxx n (1 )Lxx n j = 0 j t
onde Lxx j = (j 1 2j + j +1 ) /x2 , a difusividade trmica e um parmetro que controla o tipo de esquema de discretizao no tempo. Para = 0 obtemos o esquema explcito e para = 1 um esquema totalmente implcito. Para este esquema geral de discretizao a dois nveis de tempo, o erro numrico deve satisfazer a uma equao equivalente equao discretizada:
n+1 n+1 n+1 n sj sj 1 + (1 + 2s )j +1 = s(1 )j 1
88

n n + [1 2s (1 )] j + s(1 )j +1
sendo que esta equao apropriada para os pontos internos da malha. Caso tenhamos condies de contorno do tipo de Dirichlet, no so necessrias equaes extras para os pontos externos. Quando ela for aplicada a todos os pontos j = 2, 3, . . . , J 1, podemos escrev-la na forma matricial A n+1 = B n ou ainda n+1 = A1 B n onde as duas matrizes so dadas por: 1 + 2s s s 1 + 2s s . . . . . . . . . . A= . . . . . s 1 + 2s s s 1 + 2s e 1 2s(1 ) s(1 ) s(1 ) 1 2s(1 ) s(1 ) . . . . . . . . .
O algoritmo numrico ser estvel se a magnitude dos autovalores de for limitada a unidade. Devido estrutura das matrizes A e B , neste exemplo, esta condio equivalente a A1 B (B )j 1, 0 (A )j Como estas matrizes so tridiagonais e simtricas, possvel obtermos uma expresso analtica para o clculo dos seus autovalores [7] (A )j = 1 + 4s sen 2 j 2(J 1) j 2(J 1)
B=
. . . . . . s(1 ) 1 2s(1 ) s(1 ) s(1 ) 1 2s(1 )
(B )j = 1 4s(1 )sen 2
5.3. Estabilidade Portanto, da condio de estabilidade (B )j 1 4s(1 )sen 2 [j/2(J 1)] 1, 0 = (A )j 1 + 4s sen 2 [j/2(J 1)]
89
Analisemos em seguida as condies de estabilidade para os dois valores extremos da funo seno sen j =0 2(J 1) (B )j = 1, 0 (A )j
sen ou seja,
j = 1, 0 2(J 1)
(B )j 1 4s(1 ) = 1, 0 (A )j 1 + 4s
Da primeira equao temos que s 0, o que sempre vericado. Da segunda condio obtemos s 0, 5/(1 2 ) caso seja menor do que 0,5 e o esquema incondicionalmente estvel para 0, 5.
1 4s(1 ) 1 4s
1 4s(1 ) 1 + 4s
5.3.2
Mtodo da Matriz: Condies de Contorno do Tipo Neumann
O mtodo da matriz tambm pode ser aplicado quando o problema apresenta condies de contorno do tipo Neumann. Suponhamos que: = x em x = 0
Esta condio de contorno pode ser implementada a partir da introduo de um ponto ctcio, tal que: x ou ainda, Aplicando esta condio, para o ponto j = 1, na equao que governa a distribuio do erro
n+1 n+1 n n (1 + 2s )1 2s2 = [1 2s(1 )]1 + 2s(1 )2 2s x
2 0 = = 2x
0 = 2 2 x
90
Conseqentemente, quando todas as equaes forem consideradas A n+1 = B n + C onde, 1 + 2s 2s s 1 + 2s s . . . . . . . . . . . . . . . s 1 + 2s s s 1 + 2s
B=
A=
1 2s(1 ) 2s(1 ) s(1 ) 1 2s(1 ) s(1 ) . . . . . . . . .
Como no caso anterior, a condio de estabilidade requer que A1 B 1, 0. No caso geral, para os quais no existam formas explcitas para o clculo dos autovalores de A1 B , ser conveniente escrevermos n+1 = D n + A C onde D = A1 B . O valor mximo dos autovalores de D pode ser obtido, por exemplo, pelo mtodo das potncias [7].
1
C=
. . . . . . s(1 ) 1 2s(1 ) s(1 ) s(1 ) 1 2s(1 ) 2s x 0 . . . 0 0
5.3.3
Mtodo de Von Neumann
A anlise de Von Neumann o mtodo mais comumente usado na determinao do critrio de estabilidade. Infelizmente, ele s pode ser empregado para estabelecer as condies necessrias e sucientes para problemas de valor inicial, lineares e com coecientes constantes. Na prtica, sabemos que os problemas que tratamos envolvem coecientes variveis, no-linearidades e condies de contorno complicadas. Nestes casos, o mtodo s pode ser aplicado localmente, congelando temporariamente
5.3. Estabilidade
91
as no-linearidades. Para estas situaes mais gerais, o mtodo fornece as condies necessrias, mas nem sempre sucientes, para que haja estabilidade. Estritamente falando, o mtodo s se aplica aos pontos interiores [7]. No mtodo de Von Neumann, a distribuio do erro, ao longo das linhas da malha e para um determinado nvel de tempo, expandida em srie de Fourier. A estabilidade ou instabilidade do algoritmo computacional determinada considerando, para cada componente da srie de Fourier, o comportamento (decaimento ou crescimento) da distribuio do erro medida que avanamos no tempo. Assim, um vetor inicial do erro 0 expresso por uma srie nita de Fourier, de modo que para xj o erro seja dado por
J 2
0 =
m=1
am eim j ;
j = 2, 3, . . . , J 1
onde i = 1, m = m x e assumimos que os erros so peridicos no intervalo de interesse. Em se tratando de um algoritmo computacional linear, a propagao do erro pode ser estudada a partir de um nico termo, exp (im j ), da representao em srie de Fourier.
5.3.4
Mtodo de Von Neumann: Esquema Geral a Dois Nveis de Tempo
O mtodo de Von Neumann ser aplicado agora ao caso do esquema geral a dois nveis de tempo
n+1 n j j n+1 n Lxx j (1 )Lxx j =0 t
onde, j 1 2j + j +1 x2 sendo a difusividade trmica e o parmetro que indica o grau de implicidade do esquema no tempo. A anlise de Von Neumann feita introduzindo o erro , expandido em srie de Fourier, na equao acima. Como a equao em questo linear, consideraremos somente um nico componente da srie [7], ou seja, Lxx j =
n j = (G)n eij
onde a dependncia no tempo, deste componente do erro, est contida no coeciente complexo (G)n e o expoente n indica que G est elevado potncia
92
de n. O termo G pode ser interpretado como um fator de amplicao do modo m do erro na srie de Fourier medida que ele se propaga no tempo
n+1 n j = Gj
Conforme veremos adiante, o fator G uma funo de s e de . Isto quer dizer que G(s, ) depende do tamanho do espaamento da malha e do modo particular da srie de Fourier considerado, uma vez que s = t/x2 e m = m x. Os erros sero limitados se o valor absoluto de G nunca for maior que a unidade, para todos os modos da srie de Fourier. Portanto, o critrio geral de estabilidade |G| 1, 0 para todo . Substituindo a expresso do erro na equao que governa a sua distribuio Gn+1 eij Gn eij Gn+1 eij 1 2Gn+1 eij + Gn+1 eij +1 t x2 (1 ) Gn eij 1 2Gn eij + Gn eij +1 =0 x2
Dividindo tudo por Gn eij , G1 2(cos 1) 2(cos 1) G (1 ) =0 2 t x x2 ou ainda, Utilizando a igualdade (cos 1) = 2sen 2 (/2), ns obtemos G= 1 4s(1 )sen 2 (/2) 1 + 4s sen 2 (/2) G[1 2s (cos 1)] = 1 + s(1 )2(cos 1)
Para que o algoritmo seja estvel, para qualquer valor de , devemos vericar a condio |G| 1, 0. Analisando os casos limites sen e sen =0 2 G=1
1 4s(1 ) = 1 G= 2 1 + 4s obtemos como condio de estabilidade s 0, caso G 1, 0. Caso G 1, 0, devemos vericar a seguinte desigualdade: 1 4s(1 ) 1 4s
5.4. Acurcia da Soluo
93
ou seja, s 0, 5/(1 2 ). Estes resultados esto de acordo com aqueles obtidos pelo mtodo da matriz. Para equaes mais complicadas pode ser necessrio, na determinao do critrio de estabilidade, que tenhamos que avaliar G para vrias faixas de , e s. Para algoritmos que utilizam trs nveis de tempo, uma equao quadrtica em G dever ser resolvida para que possamos obter condies de estabilidade. Para uma grande parte dos problemas de escoamento de uidos, trabalhamos com sistemas de equaes ao invs de uma nica equao. Nestes casos, a anlise de Von Neumann nos levar a uma matriz de amplicao G no lugar do coeciente de amplicao. A condio de estabilidade ser dada por m 1, 0 para todo m, sendo m os autovalores da matriz G. Nesta seo, ns supomos que o problema fsico considerado era estvel. Entretanto, pode acontecer que queiramos estudar escoamentos que sejam sicamente instveis, como por exemplo a transio entre o escoamento laminar e turbulento. Para tais escoamentos, uma soluo crescente no tempo pode ser esperada. Este comportamento pode ser obtido, requerendo que a magnitude dos autovalores, no mtodo da matriz, e o fator de amplicao no mtodo de Von Neumann, sejam menores do que 1 + O(t) [7].
5.4
Acurcia da Soluo
Estritamente falando a discusso anterior sobre a convergncia, consistncia e estabilidade tratou do comportamento da soluo aproximada no limite quando x e t 0. Contudo, na prtica, as solues so obtidas em malhas nitas e a determinao da acurcia da soluo torna-se relevante. Conforme indicado na Seo 5.3, a ordem de magnitude do erro de truncamento ir coincidir com a ordem de grandeza do erro da soluo, caso o espaamento da malha seja sucientemente pequeno e se as condies inicial e de contorno forem sucientemente suaves. Para problemas governados por equaes diferenciais hiperblicas, descontinuidades podem aparecer no interior do domnio de resoluo, o que limitar a acurcia da soluo numrica, a menos que elas sejam isoladas do resto do domnio de resoluo e tratadas como uma soluo local. Uma maneira de se determinar a acurcia de um algoritmo particular, numa malha nita, a de aplic-lo a um problema semelhante ao de interesse para o qual conheamos a soluo exata. Contudo, a acurcia da soluo tambm dependente do tipo de problema considerado. Um algoritmo pode
94
ser acurado para um problema modelo e no o ser necessariamente para o problema de interesse (mais complicado). Uma segunda tcnica para aferirmos a acurcia a de obtermos a soluo numrica utilizando-se sucessivas malhas renadas e constatarmos que medida que renamos a malha, a soluo no mudar para uma acurcia pr-determinada. Podemos, ento, assumir que a soluo aproximada ir convergir para a soluo exata no limite para x e t 0. Assim, a soluo aproximada obtida na malha renada poder ser utilizada no lugar da soluo exata. Como este procedimento nem sempre garantido para problemas reais, necessrio compararmos os resultados numricos com resultados experimentais obtidos para o mesmo problema. Entretanto, nem sempre dispomos de resultados experimentais detalhados o suciente para que possamos proceder a uma estimativa do erro global. Admitindo-se que a acurcia possa ser determinada, a escolha conveniente das variveis dependentes (por exemplo, vorticidade e funo de corrente ao invs da velocidade e presso) e das variveis independentes (coordenadas cartesianas, cilndricas, esfricas, etc.) podem produzir solues mais acuradas para determinados tipos de problemas. Especicamente, o uso de esquemas de mais alta ordem ou de malhas mais renadas deveria produzir solues mais acuradas. Contudo, no se deve empregar estes recursos sem que o tempo de execuo e a ecincia computacional sejam considerados. A ecincia computacional pode ser denida como sendo a acurcia alcanada por unidade de tempo de execuo (tempo de CPU) [7].
5.4.1
Extrapolao de Richardson
Ns j vimos que para malhas sucientemente renadas, o erro da soluo pode ser reduzido de acordo com o erro de truncamento. Esta caracterstica utilizada pela extrapolao de Richardson a m de aumentarmos a acurcia da soluo numa malha nita renada. A idia bsica a de adicionarmos solues ponderadas, obtidas em sucessivas malhas renadas, de maneira que cancelemos o primeiro termo do erro de truncamento. Consideremos duas solues da equao de difuso, obtidas empregandose o esquema FTCS e dois incrementos de espao xa e xb diferentes, mas para o mesmo valor de s. Uma soluo composta ento proposta na seguinte forma: = aa + b b onde a e b so coecientes a serem determinados. Substituindo esta soluo na equao algbrica resultante da discretizao, a
a +1 a n a n n s a n j 1 (1 2s) j s j +1 j
5.4. Acurcia da Soluo

+1 b n b n + b b n s b n j 1 (1 2s) j s j +1 = 0 j
95
Expandindo estes termos em srie de Taylor em torno do ponto (j ,n) a a t

n
+b
j =( t )
n j
b t
n j
2 a x2
=
+b
j
2 x2
2 b x2
j
+a
j
n n Ej +b b Ej =0
onde,
a n Ej
0, 5x2 a
1 s 6 1 6
4 a x4 x4
a 4b
n j n j
+ O x4 a + O x4 b
n Ej = 0, 5x2 b s
Da decomposio da soluo para = = b (no caso limite quando os incrementos de tempo e espao tenderem a zero) vemos que a + b = 1 e, no caso de termos xb = xa /2, o primeiro termo do erro de truncamento pode ser eliminado tomandose a + 0, 25b = 0. Portanto, a= 1 3 e b= 4 3
e a soluo composta dever ter um erro de truncamento da ordem de x4 para uma malha sucientemente renada. O esquema FTCS particular no sentido de que para s = 1/6 ele apresenta um erro da ordem de x4 , sem a necessidade de aplicarmos a extrapolao de Richardson. Entretanto, este no o caso de outros esquemas gerais para = 0, que podem tambm apresentar um erro O (x4 ) com a aplicao da extrapolao de Richardson. No caso geral, a escolha dos coecientes a e b ser determinada pela potncia P dos termos em x do erro de truncamento (aps converso das derivadas temporais nas suas derivadas espaciais equivalentes) e da relao entre os espaamentos das malhas: a= 1 xa xb xa xb xa xb
P P
1
P
b=
96
Captulo 6 Equao de Transporte Linear

Do ponto de vista computacional a equao de transporte bidimensional, () + t x u x x + y v y y =0
contm os mesmos mecanismos de adveco e de dissipao que os encontrados em problemas de transferncia de calor e de massa. Conseqentemente, as tcnicas computacionais que so efetivas para esta equao, nos serviro de guia na escolha apropriada dos algoritmos que sero aplicados aos diferentes problemas de transporte.
6.1
Mtodos Explcitos
+1 Nos mtodos explcitos uma nica incgnita, n , aparece do lado esj querdo da equao algbrica resultante da discretizao da equao diferencial parcial. Uma discretizao geral a trs nveis de tempo pode ser aplicada equao de transporte bidimensional: +1 n1 n n a()n jk + b()jk + c()jk + d [Lx ( u x Lx ) + Ly ( v y Ly )] jk + n1 e [Lx ( u x Lx ) + Ly ( v y Ly )] jk =0
onde [Lx ( u x Lx ) + Ly ( v y Ly )] corresponde discretizao dos seguintes termos espaciais: ( u ) + ( v ) x y x x x y y y
Os parmetros a, b, c, d e e devem ser determinados expandindo em srie de Taylor, em torno do ponto (j, k, n), e requerendo que a equao resultante 97
98
Captulo 6. Equao de Transporte Linear
seja consistente com a equao de transporte. Aps termos realizadas as respectivas expanses ns obtemos:
a ()n jk + t () t
n jk
t2 2 () 2 t2
n jk
n jk
+ + b()n jk
n jk
+c ()n jk t
() t
t2 2 () 2 t2
+(d + e) Lx ( u x Lx ) + Ly ( v y Ly ) n jk +e t Lx ( u x Lx ) + Ly ( v y Ly ) t
n jk n jk
t2 2 Lx ( u x Lx ) + Ly ( v y Ly ) 2 t2
=0
ou ainda
(a + b + c)()n jk + (a c)t (d + e) x u x x + y () t
n jk
+ (a + c)
t2 2 () 2 t2
n jk
+
n
v y y
+ Ex + Ey + Exx + Eyy
jk
+et t x
u x x
=
y
() t
v y y
+ = 0
+Ex + Ey + Exx + Eyy
jk
onde Ex , Ey , Exx e Eyy so os erros de truncamento introduzidos pela discretizao das derivadas de primeira e segunda ordem no espao respectivamente. Reagrupando os termos, ns obtemos: (a + b + c)()n jk + (a c)t +(d + e) x () t x
n jk
+ a+c+ y
2e t
t2 2 () 2 t2 y
n jk n jk
n jk
u x
n jk
v y
+(d + e) Ex + Ey + Exx + Eyy
+ et Ex + Ey + Exx + Eyy
+ = 0
6.2. Mtodos Implcitos
99
Para que esta equao seja consistente com a equao de transporte, os parmetros a, b, c, d e e devem satisfazer: a+b+c = 0 (a c)t = 1 d+e = 1
Tomando a = (1+ )/t e e = , podemos obter a equao geral discretizada a trs nveis de tempo para a equao de transporte linear, em funo somente de duas constantes e :
+1 n1 n ()n ()n jk ()jk jk ()jk (1 + ) t t
+(1 ) Lx (u x Lx ) + Ly ( v y Ly ) n jk
n1 =0 + Lx (u x Lx ) + Ly ( v y Ly ) jk
Fazendo variar os valores dos parmetros e , podemos recuperar diferentes esquemas comumente encontrados na literatura.
6.2
Mtodos Implcitos
Em se tratando dos esquemas implcitos, os termos espaciais da equao de transporte so avaliados, pelo menos parcialmente, no nvel de tempo n + 1. Na prtica, isto nos leva a um acoplamento das equaes algbricas e a necessidade de resolvermos um sistema algbrico de equaes a m de que avancemos no tempo. A partir de um desenvolvimento semelhante ao empregado para os esquemas explcitos, obtemos a equao generalizada para o esquema implcito a trs nveis de tempo:
+1 n1 n ()n ()n jk ()jk jk ()jk (1 + ) t t
+(1 ) Lx (u x Lx ) + Ly ( v y Ly ) n jk
+1 + Lx (u x Lx ) + Ly ( v y Ly ) n jk = 0
100
6.3
Equao de Difuso
Nesta seo, a equao de difuso (u = v = 0) ser utilizada na obteno de diferentes esquemas explcitos e implcitos. Ser dada uma maior ateno ao problema da estabilidade e da acurcia dos vrios esquemas que sero estudados. Por ltimo, consideraremos o problema da implementao acurada das condies de contorno.
6.3.1
Equao de Difuso Unidimensional
A equao de transporte unidimensional, na ausncia do termo advectivo, resulta na equao de difuso unidimensional: 2 x 2 = 0 t x Para que possamos obter uma soluo aproximada desta equao, ela deve ser discretizada e da equao algbrica resultante obtemos o algoritmo numrico de resoluo. Dos resultados j obtidos neste captulo, podemos escrever a equao geral discretizada da equao de difuso empregando um esquema explcito a trs nveis de tempo: (1 + )
+1 n1 n n n j j j j n1 =0 (1 )Lxx n j + Lxx j t t
Podemos mostrar que esta equao consistente com a equao de difuso e apresenta um erro de truncamento dado por: (1 + ) n j + t t
n j n j
n j n j
2 2 2 t2
n j
+ . . . n j 2 x2
n j
n n j j + t
2 2 2 t2
n j
+ . . . t (1 ) t 2 x2
n j
+ Exx
n j
t ou ainda,
2 x2
+ Exx
+ Exx
n j
+ ... = 0
2 n n 1 + 2 2 + 2 + t j x j t t
n t2 2 n Exx n + = 0 Exx + t 2 2 t j t j j
6.3. Equao de Difuso
101
Caso empreguemos o esquema de diferenas centradas na discretizao do termo espacial:

n n n j 1 2j + j +1 x2
2 x2
n j
x2 4 12 x4
n j
=Exx
Portanto, substituindo este resultado na expresso do erro de truncamento:

n Ej =
1 + 2 2 + t t
t2 2 2 t2
n j
x2 4 12 x4
n j
+ O t2 , x4
ou ainda, escrevendo as derivadas temporais em termos das derivadas espaciais: 1 4 n 1 n Ej = sx2 ++ + O t2 , x4 2 12s x4 j e, obviamente, o erro de truncamento ser de quarta ordem no espao se escolhermos 1 1 = + 2 12s Finalmente, o algoritmo geral que se obtm para o esquema explcito a trs nveis de tempo aplicado equao de difuso dado por:
+1 n = j
1 + 2 1+
n j +
1+ s 1+
n1 j +(1 )
s 1+
n n n j 1 2j + j +1
n1 n1 n1 j + j 1 2j +1
Aplicando a anlise de estabilidade de Von Neumann obtemos uma equao quadrtica em G, que deve ser resolvida a m de que determinemos as condies para que haja estabilidade: (1 + )G2 [1 + 2 + 2s(1 )(cos 1)]G + [ 2s (cos 1)] = 0 Para que este algoritmo seja estvel, devemos vericar a condio de que |G| 1 para todos os valores de . Para = 0, esta condio impe como restrio s 0, 34. Entretanto, para valores muito grandes de , a condio de estabilidade exige que s 0, 5 [7]. Tomando neste algoritmo = 0 e = 0, recuperamos o esquema FTCS:
+1 n n n = (1 2s)n j + s j 1 + j +1 j
102
que apresenta como erro de truncamento:

n Ej =
t 2 2 t2
n j
x2 4 12 x4
n j
+ O t2 , x4
n j
= sx2
1 1 2 12s
4 x4
+ O t2 , x4
Onde, conforme j vimos, para s = 1/6 ns obtemos um erro de truncamento de O (t2 , x4 ). Da equao geral em G, para = 0 e = 0, G = 1 + 2s(cos 1) = 1 4s sen 2 2
que para qualquer valor de satisfaz a condio de estabilidade, |G| 1, se s 0, 5. O esquema de Richardson obtido se zermos = 0, 5 e = 0,
+1 n1 n n n = j 4sn j + 2s j 1 + j +1 j
Da anlise de estabilidade obtemos: G2 + 8s sen 2 2 G1=0
o que implica no fato de que este esquema incondicionalmente instvel para s > 0. Portanto, este esquema no apresenta nenhum interesse prtico. O esquema de Richardson pode ser modicado a m de tornlo estvel. n1 +1 Para tanto, basta substituirmos n + n j por 0, 5 j j
+1 n = j
1 2s 1 + 2s
n1 j +
2s 1 + 2s
n n j 1 + j +1
Este esquema conhecido como DuFortFrankel. Aplicando, novamente, a anlise de estabilidade de Von Neumann [7]: 2s cos 1 4s2 sen 2 G= 1 + 2s Como |G| 1 para qualquer valor de caso s seja maior do que zero, o esquema de DuFortFrankel estvel para qualquer valor de t. Este esquema consistente com a equao de difuso, mas no ser acurado para grandes valores de s t. Para s = 1/12 este esquema apresenta um erro de truncamento da ordem de x4 [7].
103
De modo anlogo ao caso dos mtodos explcitos, podemos escrever uma equao geral a trs nveis de tempo para os mtodos implcitos:
+1 n1 n n n j j j j n+1 (1 + ) (1 )Lxx n =0 j + Lxx j t t
Da anlise de consistncia podemos mostrar que este esquema consistente com a equao de difuso: n 2 2 n 1 + 2 2 + t j x j t t
n t2 2 n Exx n +. . . = 0 Exx t 2 2 t j t j j
Empregando uma discretizao do tipo diferenas centradas para os termos espaciais, podemos escrever o erro de truncamento na forma:
n Ej
2 1 + 2 t t
t2 2 2 t2
n j
x2 4 12 x4
n j
+ O t2 , x4
ou ainda
n Ej = s x2
1 1 + 2 12s
4 x4
n j
+ O t2 , x4
Podemos obter um erro de truncamento de O (t2 , x4 ) se tomarmos = 1 1 + . 2 12s Da equao discretizada a trs nveis de tempo para os mtodos implcitos, podemos escrever o seu algoritmo geral que dado na seguinte forma:
+1 +1 n+1 n (1 + + 2s )n s n j j 1 + j +1 = [1 + 2 2s(1 )]j n1 n j + s(1 ) n j 1 + j +1
Procedendo a uma anlise de estabilidade deste algoritmo, aplicando o mtodo de Von Neumann, obtemos uma equao quadrtica em G: [1 + 2s (cos 1)]G2 [1 + 2 + 2s(1 )(cos 1)]G + = 0 e devemos vericar a condio |G| 1, para todo , para que tenhamos um esquema estvel. O esquema totalmente implcito obtido da equao geral a trs nveis de tempo tomando = 0 e = 1
+1 +1 n+1 n (1 + 2s)n s n j j 1 + j +1 = j
104
Para estes valores de e obtemos para o erro de truncamento:

n Ej = 2
t 2
1+
1 6s
4 x4
n j
+ O t2 , x4
Da anlise de estabilidade de Von Neumann obtemos o fator de amplicao para o esquema totalmente implcito a partir da equao do segundo grau: [1 2s (cos 1)] G2 G = 0 ou seja, G= 1 [1 2s (cos 1)]
que verica a condio de estabilidade para qualquer valor de e s > 0. Isto quer dizer que este esquema incondicionalmente estvel, o que representa uma grande vantagem com relao ao esquema explcito FTCS. Contudo, para que possamos obter uma soluo numrica, para a equao de difuso, devemos considerar todos os ns da malha e as suas respectivas equaes. Assim, o sistema de equaes pode ser escrito em termos da va+1 rivel n na seguinte forma matricial: j 1 + 2s s s 1 + 2s s ... ... ... s 1 + 2s s ... ... ... s 1 + 2s s s 1 + 2s
n+1 d2 = n ; 2 + s1
onde dj = n j;
j . . . J 2 J 1
2 3 . . .
n+1
= dj . . . dJ 2 dJ 1
d2 d3 . . .
n+1 dJ 1 = n J 1 + sJ
+1 +1 sendo n e n conhecidos das condies de contorno do tipo Dirichlet. 1 J Fica claro que a matriz dos coecientes tridiagonal e conseqentemente podemos empregar o algoritmo de Thomas (ou TDMA) na sua resoluo. Uma introduo do que vem a ser o algoritmo de Thomas pode ser encontrada no Apndice B. Uma alternativa ao esquema totalmente implcito o esquema de Crank Nicolson ( = 0 e = 0, 5): +1 n+1 +1 n n n 0, 5sn 0, 5sn j 1 + (1 + s)j j +1 = 0, 5sj 1 + (1 s)j + 0, 5sj +1
105
Este esquema apresenta um erro de truncamento da ordem de t2 e x2 ,

n+1/2 Ej
t 2 = (2s + 1 1 + 2s) 8 t2 +
n+1/2 j
x2 4 12 x4
n+1/2 j
t2 3 n+1/2 + ... 24 t3 j e um fator de amplicao, determinado a partir do emprego do mtodo de Von Neumann, dado por: G= 1 + s(cos 1) 1 2 s sen 2 (/2) = 1 s(cos 1) 1 + 2 s sen 2 (/2)
Deste ltimo resultado, podemos concluir que este esquema incondicionalmente estvel para s > 0. Como o esquema de CrankNicholson apresenta uma acurcia no tempo da ordem de t2 , ele muito popular e bastante empregado na resoluo de equaes diferenciais parablicas. Entretanto, podemos notar que este esquema encontrase no limite da estabilidade incondicional e, infelizmente, ele pode apresentar oscilaes em algumas situaes. Nestes casos, o esquema a trs nveis de tempo pode ser mais eciente. Um esquema particularmente eciente o esquema totalmento implcito a trs nveis de tempo: = 0, 5 e = 1. Este esquema apresenta um erro de truncamento da ordem de t2 e x2 e incondicionalmente estvel [7]. Generalizando estes resultados, podemos mostrar que para = 0 e 0 1, a anlise de Von Neumann prediz como condio para que o algoritmo seja estvel: 0, 5x2 se 0 < 0, 5 t (1 2 ) e nenhuma restrio caso 0, 5 1. Destas relaes podemos obter as condies de estabilidade para os esquemas FTCS ( = 0), CrankNicolson ( = 0, 5) e totalmente implcito ( = 1). Quando o problema que estamos resolvendo apresenta somente condies de contorno de Dirichlet e os seus valores exatos so fornecidos, a nica fonte de erro que introduzimos proveniente da discretizao da equao diferencial que governa o fenmeno fsico considerado. A seguir, vamos considerar algumas situaes nas quais erros adicionais so introduzidos devido implementao das condies de contorno e inicial. O uso de algoritmos como os descritos nas sees anteriores apropriado para os ns internos. Entretanto, o emprego destas formulaes aos ns localizados nas fronteiras do domnio, para uma condio de contorno do tipo
106
Neumann, exigem o conhecimento do valor da soluo em pontos que esto situados fora do domnio de resoluo. Portanto, uma formulao especial deve ser adotada em se tratando dos pontos da fronteira. Conforme j vimos, para condies do tipo Dirichlet no existem maiores problemas. Vejamos, agora, como devemos implementar uma condio de Neumann dada por: (0, t) = c(t) x Uma primeira possibilidade seria a de empregarmos uma formulao do tipo diferenas avanadas:
n n 2 1 = cn x
n n n 1 = 2 c x
O maior inconveniente do emprego desta discretizao que ela apresenta um erro de truncamento de primeira ordem em x. Caso empreguemos um esquema de diferenas nitas centradas, aos ns interiores, teremos um erro de truncamento da ordem de x2 . Por exemplo, caso o nosso problema seja governado para uma equao diferencial parcial parablica, a baixa acurcia da soluo na fronteira ir afetar a acurcia da soluo no interior do domnio de resoluo para todos os instantes posteriores. Portanto, desejvel que representemos a condio de contorno do tipo Neumann por uma formulao que tenha um erro de truncamento da mesma ordem do que o obtido para os pontos interiores. Isto pode ser feito, por exemplo, introduzindo um ponto ctcio que se encontraria fora do domno de resoluo. Empregandose desta vez um formulao do tipo diferenas centradas: n n 2 0 n n = cn n 0 = 2 2c x 2x
+1 Uma expresso para n pode ento ser obtida se ns estendermos o domnio 1 computacional e aplicandose a expresso utilizada para os pontos internos. No caso do esquema FTCS, aplicamos a seguinte equao para j = 1: +1 n n = 2scn x + (1 2s)n 1 1 + 2s2
e o erro de truncamento passa a ser de ordem de t e x2 para todos os pontos do domnio (internos e na fronteira). Caso estejamos empregando o esquema totalmente implcito, a condio de contorno avaliada no tempo n + 1 e obtemos assim:
+1 +1 n+1 (1 + 2s)n 2sn = n x 1 2 1 2sc
107
Esta metodologia tambm se aplica caso tenhamos condies de contorno do tipo Neumann para os pontos j = J , onde J indica os ltimos ns situados na fronteira do domnio. Pode ser que o uso desta formulao venha a alterar as condies de estabilidade do algoritmo. Como, em princpio, o mtodo de Von Neumann s se aplica aos ns interiores, devemos empregar o mtodo da Matriz na determinao das condies de estabilidade para o sistema completo de equaes. Condies iniciais do tipo (x, 0) = 0 (x), no causam nenhuma diculdade de implementao para os esquemas a dois nveis de tempo, como o FTCS e o totalmento implcito ( = 0 e = 1). Uma exceo seria o caso onde teramos uma condio de contorno do tipo Dirichlet, digamos em x = 0, (0, 0) no coincidente com a condio inicial. Neste caso, uma estratgia possvel seria a de tomarmos a mdia dos valores de (0, 0) (fronteira e condio inicial) para o primeiro nvel de tempo (n = 0), mas retornarmos aos valores das condies de contorno apropriadas para os instantes de tempo subseqentes. Esquemas a trs nveis de tempo requerem informaes para os dois nveis de tempo iniciais. Isto deve ser feito mediante o emprego de um esquema a dois nveis de tempo que tenha pelo menos a mesma acurcia do que o esquema a trs nveis de tempo empregado. O mtodo de CrankNicolson um exemplo de um esquema apropriado a dois nveis de tempo. Alternativamente, um mtodo de primeira ordem no tempo como o esquema FTCS, pode ser utilizado com o compromisso de que o segundo nvel de tempo seja calculado numa malha renada a m de compensarmos a falta de acurcia. A extrapolao de Richardson tambm pode ser empregada com este propsito.
6.3.2
Equao de Difuso Unidimensional em Regime Permanente
Antes de considerarmos o caso da equao de difuso bidimensional, vamos tratar do problema elptico da equao de difuso unidimensional, em regime permanente, apresentando um termo de fonte q : d2 +q =0 dx2
Na discretizao desta equao ns vamos empregar uma aproximao da derivada segunda do tipo diferena centrada, de modo que a forma discretizada desta equao dada por: j 1 2j + j +1 + qj = 0 x2
108 ou ainda,
j 1 2j + j +1 =
x2 qj x
Este sistema de equaes algbricas admite uma representao matricial do tipo: A = d sendo que a matriz A e os vetores e d so dados, para condies de contorno do tipo Dirichlet, por: 2 +1 +1 2 +1 ... ... ... +1 2 +1 ... ... ... +1 2 +1 +1 2 x2 q2 1 ; x x2 qj ; x 2 3 . . . d2 d3 . . .
com
j . . . J 2 J 1
= dj . . . dJ 2 dJ 1
d2 =
dj =
dJ 1 =
x2 qJ 1 J x
onde 1 e J so as condies de contorno impostas para j = 1 e j = J . Conforme podemos observar a matriz A tridiagonal e, portanto, a soluo deste sistema algbrico pode ser obtida mediante a aplicao do algoritmo de Thomas, que est descrito no Apndice B.
6.3.3
Equao de Difuso Bidimensional
Na Seo 6.3.1 conclumos que para problemas apresentando mecanismos de dissipao signicativos, os esquemas implcitos so mais apropriados do que os esquemas explcitos. Na extenso do problema unidimensional ao caso bidimensional, em se tratando do esquema implcito, teremos que adotar alguns procedimentos especiais se quisermos obter algoritmos que sejam ecientes na resoluo do sistema algbrico de equaes resultante da discretizao da equao de difuso bidimensional. Este tratamento geralmente consiste na quebra do algoritmo bidimensional em dois subalgoritmos cujas incgnitas sero funo unicamente de uma das direes dos eixos coordenados x e y . Esta tcnica pode ser aplicada aos mtodos de diferenas nitas, elementos nitos e volumes nitos.
109
Em duas dimenses, sabemos que o problema do transporte difusivo instacionrio governado pela equao: 2 2 x 2 y 2 = 0 t x y acrescida das suas respectivas condies de contorno e inicial. Estenderemos, agora, os resultados obtidos para a equao de difuso unidimensional ao caso bidimensional. Iniciaremos considerando primeiramente os mtodos explcitos. A equao geral a trs nveis pode ser estendida sem maiores diculdades ao caso bibidimensional, levando em considerao que em se tratando do caso puramente difusivo no consideramos os termos convectivos:
n1 +1 n n n jk jk jk jk (1 ) (x Lxx + y Lyy ) n (1 + ) jk t t n1 (x Lxx + y Lyy ) jk =0
Empregando uma discretizao do tipo diferenas centradas para os termos espaciais e tomando = 0 e = 0, obtemos o esquema FTCS bidimensional para a equao de difuso:
+1 n n n n n n n n jk jk j 1k 2jk + j +1k jk1 2jk + jk+1 x =0 y t x2 y 2
cujo algoritmo :
+1 n n n n n n jk = sx j 1k + (1 2sx 2sy )jk + sx j +1k + sy jk1 + sy jk+1
onde sx = x t/x2 e sy = y t/y 2 . Uma expanso em srie de Taylor em torno do ponto (j, k, n) nos indica que o algoritmo consistente com a equao de difuso bidimensional e apresenta como erro de truncamento:
n Ejk =
t 2 2 t2
n jk
x2 4 12 x4
n jk
y 2 4 12 y 4
n jk
+ O t2 , x4 , y 4
Aplicando o mtodo de Von Neumann podemos mostrar que este algoritmo estvel se |G| = 1 4sx sen 2 donde 1 1 4sx sen 2 x 2 x 2 4sy sen 2 4sy sen 2 y 2 y 2 1 1
110
ou seja, 0 (sx + sy ) 0, 5. Seguindo o mesmo procedimento que o adotado no caso da equao de transporte, podemos escrever a equao geral a trs nveis de tempo para o esquema implcito:
+1 n1 n n n jk jk jk jk (1 + ) (1 ) (x Lxx + y Lyy ) n jk t t +1 (x Lxx + y Lyy ) n jk = 0
Fazendo = 0 e = 1 e empregandose um esquema de discretizao do tipo diferenas centradas para os termos espaciais, obtemos o esquema totalmente implcito:
+1 +1 n+1 n+1 +1 n+1 n+1 n n n n jk jk j 1k 2jk + j +1k jk1 2jk + jk+1 x y =0 t x2 y 2
cujo algoritmo correspondente :

n+1 n+1 n+1 +1 n+1 n sx n j 1k + (1 + 2sx + 2sy )jk sx j +1k sy jk1 sy jk+1 = jk
Este algoritmo tambm consistente com a equao de difuso e possui o seguinte erro de truncamento:
n Ejk =
t 2 2 t2
n jk
x2 4 12 x4
n jk
y 2 4 12 y 4
n jk
+ O t2 , x4 , y 4
Podemos tambm mostrar, mediante a aplicao da anlise de estabilidade de Von Neumann, que o fator de amplicao para o esquema totalmente implcito dado por: [1 2sx (cos x 1) 2sy (cos y 1)] G = 1 ou ainda, 1 + 4sx sen 2 x 2 + 4sy sen 2 y 2 G=1
e a condio de estabilidade vericada para qualquer um dos valores de x e y se (sx + sy ) > 0. A diculdade que encontramos no caso do esquema implcito bidimensional, reside na fato de que para este algoritmo possvel renumerarmos os ns de maneira que tenhamos trs termos na diagonal principal, mas os outros dois termos estaro deslocados da diagonal principal de uma quantidade igual ao nmero de ns internos do domnio. Na Figura 6.1 ns mostramos uma representao matricial do sistema algbrico oriundo da discretizao
6.4. Mtodos Multidimensionais de Fracionamento
111
da equao bidimensional de difuso. Neste exemplo ns empregamos uma malha com 4 X 4 ns e zemos o ndice i variar de 2 at 4 e j de 2 at 3. Conseqentemente, o algoritmo de Thomas no pode ser utilizado neste caso. O emprego da eliminao de Gauss convencional tornase proibitivo e mesmo o mtodo de eliminao de Gauss para matrizes esparsas invivel no caso de malhas renadas.
6.4
Mtodos Multidimensionais de Fracionamento
O problema da resoluo do sistema algbrico oriundo da discretizao da equao de difuso bidimensional, empregando um esquema implcito, pode ser superado se fracionarmos o algoritmo de resoluo em dois sub nveis de tempo, a m de que avancemos de um incremento de tempo t. Para cada subnvel de tempo, somente os termos associados a uma direo particular do espao so tratados implicitamente. Portanto, somente trs termos aparecero implicitamente no lado esquerdo do sinal de igualdade no algoritmo. Os demais termos podero ser agrupados de modo a permitir o emprego do algoritmo de Thomas. Uma das mais conhecidas tcnicas de fracionamento a ADI (Alternating Direction Implicit). Vamos estudla em detalhes e, em seguida, introduziremos uma generalizao aplicada ao caso dos esquemas a trs nveis de tempo. A aplicao da tcnica ADI ao algoritmo implcito implica na sua substituio por dois outros algoritmos que devem ser solucionados em subnveis de tempo diferentes. Durante a primeira etapa de resoluo a seguinte discretizao empregada:
n jk jk n x Lxx jk y Lyy jk = 0 t/2
e, na segunda etapa,
+1 n jk jk n+1 x Lxx jk y Lyy jk = 0 t/2
Na primeira etapa a soluo conhecida no nvel de tempo n e desconhecida no nvel de tempo n + 1/2, que denotado pelo asterisco. Nesta etapa, somente os termos associados direo do eixo x (valor constante de k ) so avaliados em n + 1/2. O algoritmo correspondente a esta primeira etapa escrito na seguinte forma:
n 0, 5sx j 1k + (1 + sx )jk 0, 5sx j +1k = 0, 5sy jk1
112
0 Sy 0 0 0 Sx C Sx 0 0 0 Sy 0 0 0 0 0 0 0 Sy 0 0 0 Sx C Sx 0 0 0 Sy 0 0 0 0 0 0 0
0 0 0 0
11 21 31 41 51 12 22 32 42 52 13 23 33 43 53 14 24 34
44
n+1
22
Figura 6.1: Exemplo da representao matricial.
32
0 0 0 Sy 0 0 0 Sx C Sx 0 0 0 Sy
42
0 0 0 0 Sy 0 0 0 Sx C Sx 0 0 0 Sy 0 0
23
0 0 0 0 0 Sy 0 0
0 Sx C Sx 0 0 0 Sy
33
0 0 0 0 0 0 Sy 0
0 0 Sx C Sx 0 0
0 Sy
43
C=1+2Sx+2Sy

n +(1 sy )n jk + 0, 5sy jk+1
113
Assim, a soluo do sistema de equaes determinada para jk e para um valor xo de k (uma determinada linha). Na seqncia, outros sistemas so resolvidos para jk e para cada linha k (k = 2, . . . , K 1) empregando o algoritmo de Thomas. Na segunda etapa empregamos o algoritmo:
n+1 n+1 +1 0, 5sy n jk1 + (1 + sy )jk 0, 5sy jk+1 = 0, 5sx j 1k +(1 sx ) jk + 0, 5sx j +1k
enquanto que do segundo algoritmo 2 1 2sx sen n+1 G = 1 + 2sy sen 2 Compondo estes dois resultados, amplicao: 2 1 2sy sen G= 1 + 2sx sen 2
Neste caso, a soluo desconhecida no nvel de tempo n + 1 e conhecida em n + 1/2. A soluo ento obtida resolvendo os sistemas de equaes associados a uma coluna j xada. O processo global repetido para cada coluna j (j = 2, . . . , J 1). A estabilidade do esquema ADI pode ser obtida com a aplicao do mtodo de Von Neumann a cada um dos algoritmos em separado. A estabilidade global ser determinada pelo produto dos fatores de amplicao. Do primeiro algoritmo resulta y 2 1 2sy sen 2 Gn G = x 1 + 2sx sen 2 2 x 2 G y 2
obtemos o valor global do coeciente de x 2 y 2
Desta expresso, constatamos que |G| 1 para qualquer valor de sx > 0, sy > 0, x e y . Contudo, considerando em separado os fatores de amplicao dos
y 2 1 2sx sen 2 x 1 + 2sy sen 2 2
114
dois algoritmos, vemos que enquanto o algoritmo global incondicionalmente estvel, os algoritmos em separado so somente condicionalmente estveis. Adicionando e subtraindo as duas equaes discretizadas correspondentes aos dois sub-nveis, obtemos respectivamente:
+1 n n jk jk n+1 n = x Lxx jk + 0, 5y Lyy jk + jk t +1 n n jk 2jk + jk +1 n = 0, 5y Lyy n jk jk t Explicitando jk nesta ltima equao, obtemos: n+1 n+1 n n jk = 0, 5 jk + jk 0, 25ty Lyy jk jk
Substituindo este resultado na primeira equao:

+1 n n jk jk n+1 0, 5 (x Lxx + y Lyy ) n jk 0, 5 (x Lxx + y Lyy ) jk = t 2 +1 n n jk jk t
0, 25t x y Lxx Lyy
Os primeiros termos do lado esquerdo do sinal de igualdade representam o esquema implcito de CrankNicolson, que sabemos ter uma acurcia da ordem de (t2 , x2 , y 2 ). Como o termo do lado direito do sinal de igualdade aproximadamente igual a: x y t2 2 2 4 x2 y 2 t = t2 3 + ... 4 t3
podemos concluir que o esquema composto acurado de O (t2 , x2 , y 2 ). Para que tenhamos um erro de truncamento global de O (t2 ), necessrio que introduzamos condies de contorno para as variveis jk que sejam compatveis com a acurcia dos algoritmos resultantes do fracionamento. Por exemplo, uma condio de Dirichlet do tipo (1, y, t) = b(y, t) deve ser avaliada na forma:
n+1 n+1 + bn bn Jk = 0, 5 bk k 0, 25ty Lyy bk k
Finalmente, podemos concluir que o esquema ADI em duas dimenses incondicionalmente estvel, possui acurcia de O (t2 , x2 , y 2 ) e apresenta uma resoluo que possibilita o emprego do algoritmo de Thomas. Este mtodo tambm pode ser estendido ao caso tridimensional, devendo ser
115
fracionado em trs subnveis (n + 1/3). Em trs dimenses o mtodo apresenta uma acurcia de segunda ordem no espao e apenas condicionalmente estvel. necessrio que tenhamos sx , sy e sz 1, 5 para que a estabilidade seja assegurada [7]. Passemos agora a generalizao do mtodo de fracionamento aplicado ao caso do esquema geral de diferenas nitas a trs nveis de tempo, que no caso bidimensional se escreve na forma:
+1 n1 n n n jk jk jk jk (1 + ) = (1 ) (x Lxx + y Lyy ) n jk t t +1 + (x Lxx + y Lyy ) n jk
Trabalharemos esta equao de forma a obtermos um algoritmo implcito em n+1 n+1 +1 n n jk = jk jk . Inicialmente vamos expandir jk em srie de Taylor em torno do ponto (j, k, n)
+1 n n jk = jk + t
n jk
+ O t2
Empregando um esquema de diferenas avanadas na aproximao do termo de derivada de primeira ordem

+1 n jk
n jk
+ t
+1 n jk t
+ O t2
Substituindo este resultado na equao geral, temos que

+1 n n (1 + )n jk jk t (x Lxx + y Lyy ) jk +1 t (x Lxx + y Lyy ) n jk = 0
ou ainda, 1
t t +1 (x Lxx + y Lyy ) n (x Lxx + y Lyy ) n n jk + jk jk = 1+ 1+ 1+
n1 n onde n jk = jk jk . A m de que possamos usar o algoritmo de Thomas, esta equao deve ser substituda pela seguinte fatorizao aproximada
t x Lxx 1+
t t +1 y Lyy n (x Lxx + y Lyy ) n jk jk = 1+ 1+

= jk
116
Captulo 6. Equao de Transporte Linear + n jk 1+
onde nesta equao vemos aparecer um termo extra no lado esquerdo do sinal de igualdade = t 1+
2 +1 x y Lxx Lyy n jk
+1 Isto quer dizer que a fatorizao aproxima a equao implcita em n jk 2 com um erro da ordem de t . A equao resultante da fatorizao pode ento ser implementada com o emprego de um algoritmo a dois estgios. Durante o primeiro estgio devemos resolver:
t t x Lxx (x Lxx + y Lyy ) n n jk + jk jk = 1+ 1+ 1+
que d origem a um sistema tridiagonal de equaes associado cada linha na direo do eixo x. No segundo estgio empregamos: 1 t +1 y Lyy n jk = jk 1+
A estrutura destas equaes similar quela do esquema ADI. No entanto, a presente implementao requer somente uma avaliao dos termos espaciais por passo de tempo, enquanto que o ADI requer duas avaliaes. Para a escolha particular de = 0, 5 e = 0, 5 o algoritmo a dois estgios consistente com a equao diferencial parcial e possui um erro de truncamento de O (t2 , x2 , y 2 ) e incondicionalmente estvel. Em se tratando do primeiro passo de tempo (n = 0), um esquema a dois nveis de tempo deve ser empregado a m de que possamos avaliar a soluo nos dois nveis de tempo iniciais. At aqui, os mtodos de fracionamento foram descritos e implementados para condies de contorno do tipo Dirichlet. Veremos agora como proceder a m de combinarmos condies de contorno do tipo Neumann com as tcnicas de fracionamento. A ttulo de exemplo, vamos impor para um domnio 0 x 1, 0 y 1 as seguintes condies de contorno (1, y, t) = g (y, t) x (x, 1, t) = h(x, t) y
onde g (y, t) e h(x, t) so funes conhecidas.
117
Nos vrios esquemas empregados anteriormente, os termos espaciais apresentaram uma acurcia de segunda ordem. Portanto, uma maneira acurada de implementarmos as condies de contorno do tipo Neumann deve empregar uma discretizao de segunda ordem no espao: j +1k j 1k = gk (t) 2x jk+1 jk1 = hj (t) 2y
Estas condies de contorno devem ser implementadas em conjuno com o esquema generalizado a dois nveis de tempo jk t x t x e
+1 n jk j 1k 2jk + j + 1k x2
n n n j 1k 2jk + j + 1k x2
+ t y
n n n jk1 2jk + jk + 1 y 2
t y
+1 n+1 n+1 n jk + 1 jk1 2jk + y 2
= jk
Para os pontos que se encontram em x = 1 (j = J ) e y = 1 (k = K ), j +1k e jk+1 podem ser avaliados empregando-se as seguintes igualdades:
n n n J +1k = J 1k + 2x gk n n n jK +1 = jK 1 + 2y hk
n+1 Contudo, ainda nos resta avaliarmos os termos j +1k e jk+1 . Isto pode ser feito atravs das relaes +1 n+1 n n j +1k = j +1k j +1k +1 n+1 n n = n gk j 1k j 1k + 2 x gk n+1 +1 = n j 1k + 2 x gk
e de modo anlogo
n+1 n+1 +1 n jk+1 = jk1 + 2 y hj
No primeiro estgio do fracionamento e para j = J devemos empregar jk 2 t x

j 1k jk x2
118 2t x onde

n n n j 1k jk + x gk x2
+ y
n n n jk1 jk + y hj y 2
gk + x x
Para o segundo estgio e k = K devemos usar

+1 n jk
n+1 gk = (1 t y Lyy ) gk
2 t y
+1 n+1 n j 1k jk y 2
= jk + 2 y y
+1 hn j y
Caso g e h sejam constantes, os ltimos termos do lado direito destas equaes desaparecero.
6.5
Equao de Adveco
No estudo da equao de difuso ns examinamos previamente o comportamento dos termos de difuso 2 /x2 e 2 /y 2 . Nesta seo, iremos considerar os termos convectivos u /x ou v /y e veremos qual a melhor maneira de trat-los computacionalmente. Iniciaremos o nosso estudo, de problemas que incluem a adveco, considerando a equao linear de adveco unidimensional: +u =0 t x onde u a velocidade e um campo escalar. Esta uma equao do tipo hiperblica. Da teoria das equaes diferenciais parciais sabemos que esta equao admite uma soluo do tipo (x, t) = f (x u t) para uma condio inicial dada por (x, 0) = f (x). O algoritmo FTCS aplicado equao de adveco unidimensional resulta na seguinte equao algbrica:
+1 n n n n j j j +1 j 1 +u =0 t 2x
Esta equao pode ainda ser escrita na forma de um algoritmo

+1 n n n = n j 0, 5C j +1 j 1 j
onde C = ut/x o nmero de Courant.
6.5. Equao de Adveco
119
Uma anlise de consistncia deste esquema nos mostra que ele consistente com a equao de conveco e apresenta um erro de truncamento dado por: t 2 n t2 3 n x2 3 n n Ej = + + u + ... 2 t2 j 6 t3 j 6 x3 j apresentando uma acurcia de O (t, x2 ). Das relaes entre as derivadas no tempo e no espao, oriundas da equao de conveco, temos que
2 2 2 = u ; t2 x2 3 3 3 = u t3 x3
Destas relaes podemos reescrever o erro de truncamento em funo unicamente das derivadas espaciais
n Ej = uC
x 2 2 x2
n j
+u
x2 6
1 C2
3 x3
n j
+ ...
Da anlise de estabilidade de Von Neumann aplicada ao esquema FTCS, chegamos a expresso do fator de amplicao: G = 1 i C sen cujo mdulo Portanto, |G| 1 para qualquer valor de e o algoritmo incondicionalmente instvel. Uma alternativa ao emprego do esquema de diferenas nitas centradas na discretizao do termo espacial, pode ser a frmula de diferenas recuadas. Assumindo que a velocidade u seja positiva
+1 n n n n j j j 1 j +u =0 t x
|G| =
12 + (C sen )2
ou ainda, na forma de um algoritmo

+1 n n = (1 C ) n j + C j 1 j
Para uma velocidade u negativa devemos empregar

+1 n n = (1 |C |) n j + |C | j +1 j +1 Neste algoritmo (u > 0) a soluo n determinada a partir dos valores j conhecidos montante do n e por essa razo ele designado por upwind.
120
Uma expanso da soluo exata em srie de Taylor em torno do ponto (j, n) produz como resultado: t
n j
+u
x +u
n j
t 2 2 t2
n j
n j
x 2 2 x2
n j
t2 3 6 t3
n j
x2 3 6 x3
+ O t3 , x3 = 0
Caso esta equao seja interpretada como tendo um erro de truncamento de O (t2 , x2 ) ela parece ser consistente com a equao 2 +u 2 = 0 t x x ao invs da equao de adveco. Portanto, o uso da formulao do tipo upwind para o termo espacial e do tipo diferenas avanadas para o termo transiente introduziu uma difusividade articial (numrica) = 0, 5 u x(1 C ). Fica claro que para C = 1 esta difusividade numrica vale zero, o que no surpreendente visto que para este valor o algoritmo fornece a soluo exata do problema [7]. Determinemos agora a expresso do fator de amplicao proveniente da anlise de estabilidade de Von Neumann, G = 1 + C ei 1 = 1 + C (cos isen 1) = 1 + C (cos 1) iC sen cujo mdulo dado por: |G| = 1 4C (1 C )sen 2 (/2)
e a condio de estabilidade, |G| 1, vericada se C 1. Esta desigualdade conhecida como a condio de CourantFriedrichs-Lewy (CFL). Ela se aplica, em geral, aos esquemas explcitos empregados na discretizao de equaes diferenciais hiperblicas. Fisicamente esta condio expressa o fato de que uma partcula de uido no deve viajar mais do que um incremento de espao x num intervalo de tempo t. O mtodo leapfrog emprega uma formulao de diferenas nitas centradas no tempo e no espao
+1 n1 n n j n j +1 j 1 j +u =0 2t 2x
6.5. Equao de Adveco o que resulta no algoritmo:

+1 n1 n n = j C n j +1 j 1 j
121
Este algoritmo consistente com a equao de adveco e apresenta como erro de truncamento
n Ej =
t2 3 6 t3 x2 6
n j
+u
x2 6 3 x3
3 x3
n j
n j
+ O t4 , x4 5 x4 1 C4 120 x5
n j
= u
1 C2
+u
+ ...
e um fator de amplicao que dado pelas razes da equao quadrtica G2 + 2 i C G sen 1 = 0 ou seja, G = i C sen 1 C 2 sen 2
Podemos mostrar que a condio |G| 1 vericada caso C 1, mas que para C > 1 temos que |G| > 1 para determinados valores de . Assim, caso a condio de CFL seja vericada, o esquema leapfrog possui uma condio de estabilidade neutra [7]. +1 Neste esquema, podemos notar que na determinao da soluo n o j algoritmo salta sobre o valor da soluo n , tal fato est na origem do j nome do esquema. A estrutura deste algoritmo implica no fato de que a malha tratada como sendo um tabuleiro de xadrez. A soluo nos quadrados pretos so completamente independentes da soluo nos quadrados brancos. Esta particularidade pode levar, em alguns casos, obteno de duas solues para um mesmo problema [7]. Como este mtodo utiliza um esquema a trs nveis de tempo, ele necessita de um mtodo alternativo para o primeiro passo de tempo. O mtodo leapfrog recomendado para problemas hiperblicos, como por exemplo, aqueles governados pela equao de adveco. O mtodo de LaxWendro baseiase na obteno de uma representao de segunda ordem do termo transiente (/t) a partir de um desenvolvimento em srie de Taylor
+1 +1 n n n n t 2 t 2 2 j j j j = u t t 2 t2 t 2 x2 Introduzindo uma formulao por diferenas centradas na discretizao da derivada segunda do termo espacial ns obtemos:
1 2 n 1 +1 n n n j 1 2n n = n j + j +1 j C j +1 j 1 + C j 2 2
122
Este algoritmo consistente com a equao de adveco e apresenta um erro de truncamento de O (t2 , x2 )
n Ej = (u C u C )
x 2 2 x2
n j
+u
n j
x2 6 uC
1 C2 x3 24
3 x3
n j
+ ...
n j
= u
x2 6
1 C2
3 x3
1 C2
4 x4
+ ...
Da anlise de estabilidade obtemos para o fator de amplicao G = 1 + C 2 (cos 1) i C sen = 1 i C sen 2 C 2 sen 2 2 e o algoritmo ser estvel se a condio de CFL, C 1, for vericada. At aqui, todos os esquemas considerados enquadramse na categoria dos mtodos explcitos. Veremos, a seguir, um exemplo de um mtodo implcito aplicado equao de adveco. Conforme j visto, sabemos que o esquema de CrankNicolson recuperado da equao geral a trs nveis de tempo tomando = 0 e = 0, 5
+1 n n j j n+1 + u 0, 5Lx n =0 j + 0, 5Lx j t
onde adotaremos para o operador Lx um esquema de discretizao do tipo diferenas centradas, de modo que obtemos o seguinte algoritmo:
+1 n+1 +1 n n n 0, 25Cn + 0, 25Cn j 1 + j j +1 = 0, 25Cj 1 + j 0, 25Cj +1
o qual pode ser resolvido efetivamente pelo algoritmo de Thomas. Este esquema consistente com a equao de adveco e apresenta um erro de segunda ordem em t e x t
n+1/2 j
+u x
n+1/2 j
t 2 + 2 t2
n+1/2 j
n+1/2 j
t2 3 + 6 t3
n+1/2 j
x 2 +C 2 tx
n+1/2 j
+t ou ainda t
n+1/2 j
x 3 4 2 tx x
n+1/2 j
+u
x2 3 12 x3
n+1/2 j
+ ... = 0
+u
t t 2 2
2 t2
n+1/2 j
t2 3 6 t3
n+1/2 j
6.6. Dissipao e Disperso Numricas x2 3 +u(1 + 3C ) 12 x3 donde Ej

n+1/2 n+1/2 j
123 + ... = 0
x2 3 n+1/2 + ... 12 x3 j A anlise de estabilidade de Von Neumann, aplicada a este esquema, produz como fator de amplicao: = u 1 + 3C 2C 2 G= 1 0, 5 i C sen 1 + 0, 5 i C sen
Fica claro que |G| 1 e que o esquema de CrankNicolson incondicionalmente estvel. Tipicamente os esquemas implcitos aplicados equao de adveco produzem algoritmos que so incondicionalmente estveis. Entretanto, o uso de esquemas implcitos para equaes hiperblicas no necessariamente vantajoso. O emprego destes esquemas nos leva a um sistema de equaes acopladas no nvel de tempo n +1. Portanto, uma perturbao, devida por exemplo a um erro de arredondamento, introduzida em um determinado n (n, j ), afetar a soluo em todos os outros ns (j, n + 1) no prximo nvel de tempo. Fisicamente, este um comportamento tpico de uma equao diferencial parablica e no de uma equao hiperblica. O uso de esquemas implcitos em EDPs hiperblicas produzem solues que no so acuradas se t (ou C ) for grande. Caso t seja pequeno, C 1 para a equao de adveco, no existe vantagem no que diz respeito estabilidade, embora possa haver um ganho na acurcia como no caso do esquema de CrankNicolson [7].
6.6
Dissipao e Disperso Numricas
Na prtica, muitos problemas so governados por sistemas de equaes que so do tipo hiperblico que possui pouca ou nenhuma dissipao. As solues destas equaes so caracterizadas por um trem de ondas que se propaga com pouca ou nenhuma perda de amplitude. Portanto, muito importante que os esquemas numricos no introduzam nenhuma dissipao que no seja a fsica. Devemos tambm esperar que estes esquemas no alterem a velocidade de propagao destas ondas, ou seja, eles no devem introduzir nenhuma disperso articial. De um modo geral, podemos escrever a soluo descrevendo uma onda plana que se propaga sujeita a uma dissipao e disperso na forma:
=
m=
m exp [(m)t ] exp {i m [x V (m)t ]}
124
onde m um valor real positivo, m um nmero de onda que est relacionado com o comprimento de onda ( = 2/m), (m) determina o quo rapidamente a onda vai se atenuar e V (m) a velocidade de propagao da onda. Caso esta equao represente uma soluo da equao de adveco, temos que (m) = 0 e V (m) = u, ou seja, ondas de qualquer comprimento de onda propagam-se com a mesma velocidade e sem amortecimento. Consideremos agora duas equaes que esto estreitamente relacionadas com a equao de adveco 2 +u 2 =0 t x x 3 +u + 3 =0 t x x A primeira equao a de transporte unidimensional e a segunda a forma linear da equao de Kortewey de Vries. Para ondas planas governadas pela equao de transporte, da primeira equao obtemos: m2 + i [m(u V )] = 0 e esta igualdade vericada para: (m) = m2 e V (m) = u e
Isto quer dizer que a onda ser atenuada pelo termo difusivo mas a velocidade de propagao no ser alterada. Como m = 2/, os pequenos comprimentos de onda sero atenuados mais rapidamente do que os grandes comprimentos de onda. Por outro lado, para ondas planas governadas pela equao de Korteweg de Vries: + i m u m2 V que, por sua vez, vericada fazendo: (m) = 0 e V (m) = u m2 =0
Neste caso, a amplitude da onda ca inalterada e as ondas iro propagar com velocidades diferentes, dependendo do comprimento de onda de cada uma delas. Caso existam ondas de mais de um comprimento de onda, elas vo se dispersar uma vez que iro se deslocar com velocidades diferentes. A mudana na velocidade de propagao ser mais pronunciada para os pequenos comprimentos de onda. Assim, caso seja positivo, ondas de pequeno comprimento de onda iro se propagar mais lentamente.
6.6. Dissipao e Disperso Numricas
125
Podemos formalmente denir a dissipao como sendo a atenuao da amplitude das ondas planas e a disperso como sendo a propagao de ondas planas com diferentes comprimentos de onda e velocidades. Dos dois exemplos anteriores, podemos dizer alguma coisa sobre o papel das derivadas de mais alta ordem. A dissipao est associada ao aparecimento de termos com derivadas espaciais de ordem par, enquanto que a disperso est associada aos termos com derivadas espaciais de ordem mpar. Da anlise de consistncia das equaes discretizadas, sabemos que estas equaes so equivalentes s equaes diferenciais originais acrescidas de um erro de truncamento. Este erro de truncamento tipicamente formado por sucessivas derivadas de alta-ordem pares e mpares. A relao entre estes termos e a dissipao e disperso numricas ser vista mais adiante.
6.6.1
Anlise de Fourier
Informaes quantitativas sobre a dissipao e a disperso numricas podem ser obtidas se compararmos, para um algoritmo particular, as representaes em srie de Fourier das solues exata e aproximada. De maneira anloga ao caso da representao da soluo exata, podemos introduzir uma representao em srie de Fourier para a soluo aproximada
=
m=
m exp [(m)t ] exp {i m [x V (m)t ]}
Caso a equao algbrica do algoritmo considerado seja linear, podemos considerar separadamente os componentes da srie de Fourier. Durante um intervalo de tempo t, o componente m da soluo aproximada sofrer um decrscimo de amplitude dado por exp [(m)t ] e ter avanado de uma distncia igual a V (m)t. Neste mesmo intervalo de tempo, o componente m da soluo exata da equao de adveco unidimensional ((m) = 0 e V (m) = u), ter mantido a sua amplitude constante e ter avanado de uma distncia igual a u t. Um algoritmo numrico que no introduza dissipao e nem disperso numricas, dever ter (m) igual a zero e V (m) igual a velocidade u. Podemos obter expresses para (m) e V (m) se substituirmos a representao em srie de Fourier da soluo aproximada no algoritmo computacional e construirmos a relao de amplitude do componente m para um simples
126 passo de tempo Gm =
m exp [(m) (t + t)] exp {i m [x V (m) (t + t)]} m exp [(m)t ] exp {i m [x V (m)t ]}
= exp [(m)t ] exp [i mV (m)t ] A ttulo de exemplo, vamos aplicar este resultado ao caso do esquema upwind: Gm = 1 + C [cos(mx) 1] i C sen (mx)
que representa exatamente o mesmo resultado que o obtido pela anlise de estabilidade de Von Neumann para o fator de amplicao. Deste resultado podemos escrever |Gm | = e(m)t = = {1 + C [cos(mx) 1]}2 + [C sen (mx)]2 1 4C (1 C )sen 2 (0, 5 m x)
Desta representao do fator de amplicao, vemos que o fator decrescer ou permanecer inalterado caso (m) 0. Assim, podemos dizer que a instabilidade esta associada a uma dissipao negativa. Notamos tambm que a atenuao ser mxima para m x = , isto , para pequenos valores do comprimento de onda. A velocidade de propagao V (m) est associada fase m do fator de amplicao Gm na forma: m = m V (m) t = tg 1 C sen (mx) 1 + C [cos(mx) 1]
Observamos que como Gm um nmero imaginrio, Gm = a + i b, o ngulo de fase obtido atravs da relao: tg m = b/a, conforme esquematizado na Figura 6.2. No caso da soluo exata, sabemos que ex = m u t = C m x, portanto, m V = = ex u 1 C m x tg 1 C sen (mx) 1 + C [cos(mx) 1]
Assim, a velocidade de propagao (ou a fase) acurada para valores pequenos de m x e o erro crescer medida que m x . A introduo da representao em srie de Fourier para as solues exata e numrica e a conseqente determinao do fator de amplicao, para o
6.6. Dissipao e Disperso Numricas

Im
127
|G m | m a Re
Figura 6.2: ngulo de fase.
componente m, permitem a obteno de expresses para a dissipao e a disperso para diferentes algoritmos e para qualquer valor de m x. Conforme j havamos tido a oportunidade de vericar, o menor comprimento de onda que pode ser representado numa malha nita = 2x e este valor corresponde a m x = . Grandes comprimentos de onda correspondem a m x 0. Portanto, dos resultados mostrados, acima, devemos esperar que os pequenos comprimentos de onda sejam os mais afetados caso o esquema numrico introduza dissipao e disperso numricas.
6.6.2
Equao Modicada
Vimos nas sees anteriores que a dissipao e a disperso numricas podem estar associadas com a ocorrncia das derivadas espaciais de segunda e terceira ordem respectivamente. Isto nos sugere que um exame do erro de truncamento tambm possa nos permitir um identicao da tendncia da dissipao e da disperso numricas de um algoritmo computacional particular. Entretanto, para este m, o erro de truncamento deve ser interpretado de uma forma especial. Assumiremos que L() = 0 representa a equao diferencial original e que La () = 0 representa a formulao oriunda da discretizao da equao diferencial, ou seja, a equao algbrica. Do nosso desenvolvimento prvio do erro de truncamento sabemos que:
n L() = La () Ej () = 0
Na aplicao desta tcnica, devemos obter uma expresso do erro de trunca-
128 mento na seguinte forma:
La () = L() + E () = 0 onde na equao algbrica a soluo aproximada foi expandida em srie de Taylor. Esta equao deve ser trabalhada a m de que E () contenha somente derivadas espaciais. Neste sentido, devemos diferenciar La () repetidamente no intuito de eliminarmos as derivadas temporais. Este desenvolvimento contrasta com o anterior, no qual empregvamos L() = 0 na simplicao do erro de truncamento. A equao L() + E () = 0 uma equao diferencial com um nmero innito de termos. Ela chamada de equao modicada e a equao que de fato devemos resolver, caso seja fornecido um nmero suciente de condies de contorno. A equao modicada tambm pode ser empregada para se demonstrar a consistncia e a acurcia do algoritmo computacional. Na equao modicada as derivadas de ordem par esto associadas dissipao e as de ordem mpar disperso numricas. Assim, considerando os termos pares e mpares de mais baixa ordem, em x, do erro de truncamento, podemos deduzir as propriedades dissipativas e dispersivas do esquema algbrico para grandes comprimentos de onda. O comportamento para pequenos comprimentos de onda no descrito, uma vez que o desenvolvimento em srie de Taylor pressupe t e x pequenos. Empregando a tcnica da equao modicada ao esquema FTCS t 2 t2 3 x2 3 +u + + + u + ... = 0 t x 2 t2 6 t3 6 x3
=E ()
as derivadas temporais so eliminadas mediante a derivao da equao acima e vamos considerar, somente, os termos at segunda ordem: 2 = u 2 t x = u2 = u2 t x2 3 t 3 t2 4 u 2 t3 6 t4 6 x3 2 t2 t 3 + ... 2 t3 t + ...
2 t +u 2 x 2 x
3 2 t 3 3 t + u + ... x2 2 x3 2 t3
3 = u t3 x = u3
2 t2
t 4 t2 5 x2 3 u 2 t4 6 t5 6 x3
2 t2
+ ...
3 + ... x3
6.7. Equao de Transporte Unidimensional e, portanto,

2 3 2 2 3 = u + u t + ... t2 x2 x3 Substituindose estes resultados na expresso do erro
129
2 3 2 3 t 2 x2 3 3 t 3 t +u + u2 + u u + u + ... = 0 t x 2 x2 2 x3 6 x3 6 x3 =E ()
ou ainda, explicitando-se o erro de truncamento E () = u C

3 x 2 x2 2 + u + ... 1 + 2 C 2 x2 6 x3
Esta equao consistente com a equao de adveco e apresenta uma acurcia de O (t, x2 ). O erro de truncamento apresenta um termo de dissipao numrica de primeira ordem e um termo de disperso numrica de segunda ordem. A tcnica da equao modicada pode ser estendida ao caso das equaes no lineares, enquanto que a anlise de Fourier s pode ser aplicada s equaes lineares.
6.7
Equao de Transporte Unidimensional

2 +u 2 =0 t x x
A equao de transporte unidimensional escrita na forma
onde um campo escalar passivo que est sendo advectado com uma velocidade conhecida u e sendo dissipado. A m de examinarmos o comportamento das solues computacionais desta equao, vamos considerar que u e so constantes. Como no caso da equao de difuso, a equao de transporte parablica e requer o mesmo tipo de condies de contorno e inicial. Entretanto, para valores elevados de u/, podemos esperar que os dois primeiros termos desta equao predominem. A equao de transporte apresentar, ento, um comportamento similar ao da equao de adveco. Lembremonos que as solues exatas da equao de adveco so, tipicamente, ondas que se propagam sem amortecimento. Portanto, para grandes valores de u/, podemos esperar que as solues da equao de transporte se comportem como ondas que se propagam com pequenos amortecimentos.
130
Em muitos problemas de transporte (mecnica dos uidos, transferncia de calor, etc), os mecanismos de dissipao s so importantes numa na camada adjacente fronteira. A equao de transporte em regime permanente um modelo til para ilustrarmos este fenmeno. Em uma dimenso esta equao dada por: d2 d 2 =0 u dx dx sendo que ela representa o balano, em regime permanente, entre a adveco e a difuso. Caso tenhamos como condies de contorno para 0 x 1 (0) = 0 e (1) = 1, 0
a soluo exata desta equao dada por: (x) = eux/ 1 eu/ 1
onde esta soluo caracterizada por uma distribuio uniforme de , combinada com uma camada limite adjacente a x = 1, 0. Empregando formulaes do tipo diferenas centradas na discretizao dos termos espaciais da equao de advecodifuso em regime permanente, obtemos o seguinte algoritmo: (1 + 0, 5P ec ) j 1 + 2j (1 0, 5P ec ) j +1 = 0 onde P ec = ux/ o nmero de Pclet de clula denido em termos de x. Para igual a viscosidade dinnica temos o nmero de Reynolds de clula Rec . Uma expanso em srie de Taylor, em torno do ponto j , indica que este algoritmo consistente com a equao de advecodifuso u d2 x2 d3 d 2 +u + ... = 0 dx dx 6 dx3
apresentando uma acurcia de segunda ordem em x. Quando as equaes so escritas para todos os ns da malha, nos deparamos com uma matriz dos coecientes que tridiagonal, caso representemos o sistema de equaes na forma A = d. Por ser uma matriz tridiagonal, podemos empregar o algoritmo de Thomas na obteno da soluo deste sistema
6.7. Equao de Transporte Unidimensional de equaes:
131
b c a b c ... ... ... a b c ... ... ... a
onde a = (1 + 0, 5P ec ), b = 2 e c = (1 0, 5P ec ). Neste caso em questo, os autovalores da matriz tridiagonal podem ser determinados analiticamente: j = b + 2 a c cos j J 1
j . . . b c J 2 a b J 1
2 3 . . .
a1 0 . . . 0 . . . 0 cJ
para j variando de 1 a J 2. Tambm possvel, para este caso relativamente simples, obtermos uma soluo exata para o sistema de equaes: j = K1 + K2 1 0, 5P ec 1 + 0, 5P ec
j 1
onde K1 e K2 so escolhidos de maneira a satisfazerem as condies de contorno. Deste resultado, vemos claramente que a soluo apresentar oscilaes caso P ec > 2. Portanto, solues oscilatrias podero ser evitadas se P ec 2. Do clculo dos autovalores da matriz A, vemos que eles sero reais se a c 0, ou seja: a c = (1 + 0, 5P ec ) (1 0, 5P ec ) 0 cuja restrio vericada para P ec 2. Assim, as solues oscilatrias coincidem com a existncia de autovalores complexos da matriz dos coecientes. Em geral, os autovalores da matriz dos coecientes tm muito a nos dizer sobre o comportamento da soluo numrica. Consideremos uma equao diferencial parcial do tipo = L() t com as seguintes condies inicial e de contorno: (r, 0) = f (r ) (r, t) = g (r, t) t=0 t>0
132
Aps termos procedido a uma discretizao do operador diferencial espacial, obtemos o seguinte sistema de equaes diferenciais ordinrias: d = A + s dt Considerando que os autovetores vj da matriz dos coecientes formam uma base vetorial completa para o espao de funes avaliadas nos ns da malha, podemos escrever a soluo exata da equao diferencial ordinria como uma combinao linear destes vetores
N
=
j =1
j (t)vj
Assumindose que s independente do tempo, podemos tambm escrever

N
s=
j =1
s j vj
Inserindo estes vetores na equao diferencial ordinria j d j + s = j j dt uma vez que a matriz dos coecientes diagonalizada pelas matrizes Q cujas colunas so formadas pelos autovetores da matriz dos coecientes Q AQ = D onde D uma matriz diagonal cujos elementos da diagonal principal so os autovalores da matriz A. Do Clculo, sabemos que a soluo geral da equao diferencial ordinria ser dada por N s j (t) = C0j ej t vj j j =1 Da condio inicial para t = 0 podemos determinar a constante C0j C0j = 0j + Assim, chegamos a forma nal da soluo
N 1
s j j
(t) =
j =1
0j ej t
s j j t e 1 j
vj
6.7. Equao de Transporte Unidimensional
133
Desta soluo, podemos concluir que as solues oscilatrias esto associadas existncia de autovalores complexos da matriz dos coecientes e que estas oscilaes sero limitadas caso a parte real dos autovalores seja negativa. A substituio da representao por diferenas centradas por um esquema do tipo upwind na discretizao da equao de convecodifuso, para u > 0, previnir a existncia de solues oscilatrias. De fato, neste caso temos o seguinte algoritmo (1 + P ec ) j 1 + 2 (1 + 0, 5P ec ) j j +1 = 0 Do clculo dos autovalores da matriz A a c = (1 + P ec ) (1) = 1 + P ec > 0 e, portanto, todos os autovalores da matriz sero reais. Uma expanso em srie de Taylor (em torno do ponto j ) indica que este algoritmo consistente com a equao de advecodifuso e possui uma acurcia de, somente, primeira ordem em x. Caso este esquema seja tratado como sendo de segunda ordem em x, ele ser consistente com a seguinte equao diferencial ordinria u d d2 (1 + 0, 5P ec ) 2 = 0 dx dx
ou seja, o uso do esquema upwind de primeira ordem, para o termo advectivo, introduziu uma difusividade articial = 0, 5P ec . Portanto, para que tenhamos solues que sejam acuradas, deveramos ter = 0, 5 P ec 1 que muita mais restritiva do que a condio P ec 2. O comportamento oscilatrio da representao empregando diferenas centradas e a natureza muito dissipativa do esquema upwind, nos sugerem que uma representao do esquema upwind empregando quatro pontos deve ser necessria, a m de que possamos obter resultados que sejam satisfatrios. Para u positivo, a seguinte representao deve ser apropriada: d a j 2 + b j 1 + c j + d j +1 dx Expandindo em srie de Taylor em torno do ponto j d dx = (a + b + c + d)j + (d 2a b)x d dx + (4a + b + d) x2 d2 2 dx2
134
Captulo 6. Equao de Transporte Linear x3 d3 +(d 8a b) 6 dx3 + ...
Resolvendo para os coecientes b, c e d em termos de a b= Fazendo a = /3x j +1 j 1 d + dx 2x 1 + 3a ; 2x c = 3a; d=
Para que a igualdade seja vericada, temos que determinar os coecientes mediante a resoluo do sistema abaixo a+b+c+d = 0 (d 2a b)x = 1 4a + b + d = 0 1 a 2x
j 2 3j 1 + 3j j +1 3x
No caso de u ser negativo, esta expresso deve ser substituda por j +1 j 1 d + dx 2x j 1 3j + 3j +1 j +2 3x
Estas representaes foram escritas de propsito como sendo uma modicao da representao por diferenas centradas. O parmetro controla esta modicao e para = 0 recuperamos o esquema de diferenas centradas. Empregando esta representao para o termo convectivo e uma discretizao por diferenas centradas para o termo difusivo, obtemos o seguinte algoritmo para a equao de advecodifuso: P ec j 2 [1 + ( + 0, 5)P ec ] j 1 + (2 + P ec ) j 3 0, 5 P ec j +1 = 0 3 Esta estrutura introduz uma complicao adicional que a de se resolver um sistema A = d, onde a matriz A tetradiagonal. Aplicando o mtodo da equao modicada, podemos obter a equao que de fato resolvida por este algoritmo [7]: 1+ u d2 x2 d3 1 d 2 + u(1 2 ) + u 2 3 dx dx 6 dx P ec x3 d4 12 dx4
135
x4 d5 +u(1 10 ) + = 0 120 dx5 Vemos que esta equao consistente com a equao de advecodifuso e para o valor particular = 0, 5 apresenta uma acurcia de terceira ordem em x. Alm do mais, para = 0, 5 e P ec = 1 temos um esquema de quarta ordem em x. Em se tratando de problemas advectivos no lineares, o valor de P ec depender da soluo local. Nestes casos, no ser possvel obtermos um esquema de quarta ordem para todo o domnio computacional. Visto alguns casos aplicados equao de advecodifuso em regime permanente, abordaremos agora a equao de transporte unidimensional em regime transiente. Iniciaremos com o estudo de alguns esquemas explcitos e, em seguida, veremos os esquemas implcitos. O esquema FTCS aplicado equao de transporte unidimensional produz: +1 n n n n n n n j j +1 j 1 j +1 2j + j 1 j +u =0 t 2x x2 donde obtemos o algoritmo
+1 n n n = (s + 0, 5C )n j 1 + (1 2s)j + (s 0, 5C )j +1 j
onde s = t/x2 e C = ut/x. Uma expanso em srie de Taylor em torno do ponto (j ,n), indica que este algoritmo consistente com a equao de transporte apresentando um erro de truncamento de O (t, x2 ). Considerando que o erro de truncamento seja de O (t2 , x2 ), esta equao ser consistente com a seguinte equao diferencial parcial: 2 t 2 +u 2 + =0 t x x 2 t2 Isto quer dizer que um termo adicional, previamente interpretado como o primeiro termo do erro de truncamento, foi includo na equao diferencial parcial que consistente com o algoritmo FTCS. Seguindo o desenvolvimento apresentado anteriormente, podemos obter a equao modicada em termos somente das derivadas espaciais 2 t2 x2 +u ( ) 2 ut + u3 u t x x 3 6 + 0, 52 t u2 t2 + 0, 25u4 t3 x2 tx2 + u2 12 6 3 x3
4 + ... = 0 x4
onde = u2 t/2. Assim, percebemos que o uso de um esquema de discretizao de primeira ordem no, tempo, introduziu um termo de dissipao
136
e um termo de disperso, ambos de primeira ordem em t. Portanto, para que a dissipao numrica no seja comparvel difuso fsica ou ainda, t 2 u2
2 C Estas restries so um grande incentivo para que utilizemos esquemas de discretizao de segunda ordem para o termo transiente da equao de transporte. A anlise de estabilidade de Von Neumann aplicada ao esquema FTCS produz o seguinte resultado: P ec G = 1 2s(1 cos ) i C sen A condio de estabilidade |G| 1 implica nas seguintes restries [7]: 0 C 2 2s 1 Estritamente falando, estas condies permitem solues estveis para P ec = C/s > 2, o que introduz a possibilidade de obtermos solues oscilatrias. Contudo, para estes valores do nmero de Pclet de clula devemos obter solues que no so acuradas. Do esquema de DuFortFrankel aplicado equao de transporte unidimensional ns obtemos:
+1 n1 n+1 n1 n n j n + j + n n j +1 j j 1 j j +1 j 1 +u =0 2 2t 2x x
cujo algoritmo correspondente :

+1 n = j
2s C 1 + 2s
n j +1 +
2s + C 1 + 2s
n j 1 +
1 2s 1 + 2s
n1 j
Uma expanso em srie de Taylor indica que ao contrrio do caso da equao de difuso, precisamos assegurar que t x (C 2 1) para que este algoritmo seja consistente com a equao de transporte. Tal fato representa na prtica uma restrio muito severa. Da anlise de estabilidade de Von Neumann G= B B 2 + 4 (1 4s2 ) 2(1 + 2s)
137
onde B = (4 s cos i 2 C sen ). Podemos mostrar que para C 1 o algoritmo estvel e no existem restries impostas em s [7]. Caso optemos pela utilizao do esquema do tipo upwind na discretizao do termo advectivo, para u positivo, temos que a equao discretizada dada na seguinte forma:
+1 n n n n n n n j j j 1 j 1 2j + j +1 j +u =0 t x x2
cujo algoritmo associado :

+1 n n n = (s + C )n j 1 + (1 2s C )j + sj +1 j
Expandindo em srie de Taylor, podemos mostrar que esta equao consistente com a equao de transporte unidimensional com um erro de O (t, x). Por outro lado, aplicando a tcnica da equao modicada [7] obtemos: 2 x 2 +u 2 u (1 C ) 2 t x x 2 x 2 3 x C x u 1 3C + 2C 2 + ... = 0 6 x3 Podemos perceber que este esquema de discretizao introduz um termo de dissipao numrica de primeira ordem em x: = 0, 5 u x(1 C ) Para que este esquema gere solues acuradas, devemos exigir que , ou ainda, 2 P ec 1C Do clculo do fator de amplicao, via o mtodo de Von Neumann, temos que G = 1 (2s + C )(1 cos ) i C sen e para que a condio de estabilidade seja vericada |G| = [1 (2s + C )(1 cos )]2 + C 2 sen 2 1
Esta desigualdade satisfeita se 2s + C 1. Este resultado consideravelmente mais restritivo do que o correspondente obtido para a equao de difuso. As maiores restries encontradas no que diz respeito obteno de solues acuradas, reside no fato de empregarmos aproximaes de primeira
138
ordem das derivadas parciais. Neste sentido, o esquema de LaxWendro fornece uma maneira de obtermos um algoritmo que possui acurcia de segunda ordem no tempo e no espao
+1 n n n n n n n j j j +1 j 1 j 1 2j + j +1 +u t 2x x2 n n x n j 1 2j + j +1 =0 2 x2 ou ainda, na forma de um algoritmo
u C
+1 n n 2 n = n j 0, 5 C j +1 j 1 + 0, 5 C + 2s j
n n n j 1 2j + j +1
Da equao modicada, podemos mostrar que este algoritmo consistente com a equao de transporte unidimensional, no introduz uma difusividade numrica e apresenta um erro de truncamento de O (t2 , x2 ) [7] 2 x2 1 C2 +u 2 u s x2 u t x x 6 3 + ... = 0 x3
Aplicando a anlise de estabilidade de Von Neumann, obtemos para o fator de amplicao: G = 1 + 2 0, 5 C 2 + s (cos 1) i C sen e a condio de estabilidade, |G| 1, nos conduz s seguintes restries [7]: 0 C 2 2 0, 5 C 2 + s 1 No decorrer deste curso, tivemos a oportunidade de vericarmos que os esquemas a dois nveis de tempo so incondicionalmente estveis para 0, 5 1 quando aplicados equao de difuso. Agora, vamos utilizar o esquema implcito geral a dois nveis de tempo na discretizao da equao de transporte unidimensional
+1 n n j j n+1 + (1 ) (uLx Lxx ) n =0 j + (uLx Lxx ) j t
Este esquema conhecido pelo nome de trapezoidal e, para = 0, 5, ele chamado de CrankNicolson, embora originariamente ele tenha sido desenvolvido para a equao de difuso [7]. O uso de formulaes do tipo diferenas centradas na discretizao dos operadores espaciais, resulta na seguinte equao algbrica:
+1 n n j j + 0, 5u t +1 n+1 n n n j +1 j 1 j +1 j 1 + 2x 2x
6.7. Equao de Transporte Unidimensional 0, 5

+1 n+1 +1 n n n + n n j 1 2j + j +1 j 1 2j j +1 + x2 x2
139 =0
ou ainda, na forma de um algoritmo

+1 n+1 +1 n (s + 0, 5C )n (s 0, 5C )n j 1 + 2(1 + s)j j +1 = (s + 0, 5C )j 1 n +2(1 s)n j + (s 0, 5C )j +1
Empregando a tcnica da equao modicada, obtemos [7]:

4 C 2 3 2 x2 x2 2 1+ +u 2 + u2 1 + 3 C + ... = 0 t x x 6 2 x3 12 x4
e a condio de estabilidade vericada sem que nenhuma restrio seja imposta sobre os valores de C e s. Entretanto, para que no tenhamos solues oscilatrias devemos vericar a seguinte condio de restrio: P ec 2. Da anlise de Fourier podemos tambm determinar o fator de amplicao Gm e o ngulo de fase m : |Gm | = = e m = tg 1 |1 s(1 cos ) i 0, 5C sen | |1 + s(1 cos ) + i 0, 5C sen | [1 s(1 cos )]2 + (0, 5C sen )2 [1 + s(1 cos )]2 + (0, 5C sen )2
1/2
Podemos constatar que esta equao consistente com a equao de transporte e apresenta um erro de truncamento da ordem de t2 e x2 . Assim, evitamos o problema da difuso articial que aprecem devido aos termos de primeira ordem no erro de truncamento. Da determinao do fator de amplicao, via o mtodo de Von Neumann, ns obtemos: 1 s(1 cos ) i 0, 5C sen G= 1 + s(1 cos ) + i 0, 5C sen
Uma outra alternativa ao emprego de uma formulao por diferenas centradas, na discretizao do termo convectivo, seria o emprego de uma discretizao do tipo upwind a quatro pontos. Para um valor de u positivo:
+1 n n j j + 0, 5u t +1 n+1 n n n j +1 j 1 j +1 j 1 + 2x 2x
C sen m 1 [s (1 cos m )]2 (0, 5C sen m )2
140 +0, 5u

+1 n+1 n+1 +1 n n n n n n j 2 3j 1 + 3j j +1 j 2 3j 1 + 3j j +1 + 3x 3x +1 n+1 +1 n n n + n n j 1 2j j +1 j 1 2j + j +1 + x2 x2
0, 5
=0
Escrevendo este resultado na forma de um algoritmo C n+1 +1 n+1 j 2 (s + 0, 5C + C )n j 1 + (2 + 2s + C )j 3 s 0, 5C + C 3

+1 n j +1 =
C n + (s + 0, 5C + C )n j 1 3 j 2
C n j +1 3 Este algoritmo produz um sistema de equaes cuja matriz dos coecientes tetradiagonal. Este sistema deve ser resolvido a cada passo de tempo com o emprego, por exemplo, do algoritmo de Thomas generalizado. A equao equivalente que efetivamente resolvida numericamente obtida a partir do emprego da tcnica da equao modicada [7] +(2 2s C )n j + s 0, 5C + 2 +u 2 + ux2 t x x u x3 P ec 1 2P ec C 2 + 12 4 1 2 C 2 + 6 12 3 x3
4 + ... = 0 x4
Nesta equao, ux3 /P ec = x2 . Para escoamentos nos quais P ec 1, o termo dispersivo pode ser eliminado com a escolha de = 0, 5 + 0, 25C 2 . Para este valor de e para grandes valores do nmero de Pclet de clula, o termo dissipativo de mais baixa ordem introduz uma dissipao positiva. Da anlise de estabilidade de Von Neumann temos que G= ou ainda, G= 1 s+ 1+ s+
C (1 3 C (1 3
2 2+
C 3 C 3
ei2 3ei ei C (ei2 3ei ei ) + C
ei ei 2 ei ei 2
+ s ei 2 + ei s (ei 2 + ei )
C (1 3 C (1 3
cos ) (1 cos ) iC sen 0, 5 + cos ) (1 cos ) + iC sen 0, 5 +
cos ) cos )
Portanto, a condio de estabilidade assegurada caso 3s, ou seja, 3/P ec [7].
6.8. Equao de Transporte Bidimensional
141
6.8
Equao de Transporte Bidimensional
As complicaes adicionais que encontraremos, na passagem do caso unidimensional ao bidimensional, so comparveis s encontradas quando do estudo da equao de difuso. Em duas dimenses sabemos que a equao de transporte linear se escreve na seguinte forma: 2 2 +u +v x 2 y 2 = 0 t x y x y Devemos tambm esperar que os mesmos tipos de restries encontradas, no caso unidimensional, existam como condio para que haja estabilidade no problema bidimensional. Tomaremos como exemplo de aplicao de um mtodo explcito a verso bidimensional do esquema FTCS, empregado na discretizao da equao de transporte bidimensional:
+1 n n jk jk +u t n n j +1k j 1k 2x
+v
n n jk+1 jk1 2y
n n n j 1k 2jk + j +1k x2
n n n jk1 2jk + jk+1 y 2
=0
Desta equao resulta o algoritmo

+1 n n n = (sx + 0, 5Cx ) n j 1k + (1 2sx 2sy ) jk + (sx 0, 5Cx ) j +1k j n + (sy + 0, 5Cy ) n jk1 + (sy 0, 5Cy ) jk+1
onde
t t t t ; sy = y 2 ; Cx = u ; Cy = v 2 x y x y Expandindo em srie de Taylor a soluo aproximada e empregando a tcnica da equao modicada, ns obtemos: sx = x 2 2 +u +v (x x ) 2 (y y ) 2 t x y x y x ut + u3
2 t2 x2 3 y 2 3 3 t u v t + v v + = 0 y 3 6 x3 3 6 y 3
onde x = 0, 5uCx x e y = 0, 5vCy y . De modo anlogo ao caso unidimensional, o emprego de formulaes de primeira ordem para os termos transiente e advectivos introduzem termos de dissipao (e disperso) articial. Caso o esquema upwind seja empregado
142
na discretizao dos termos convectivos, as difusividades articiais seriam dadas neste caso por: x = 0, 5ux (Cx 1) e y = 0, 5v y (Cy 1)
Os erros introduzidos por estes termos so particularmente severos quando a direo do escoamento principal faz um ngulo de 45o com relao ao eixo ordenado Ox. Efetuando, mais uma vez, a anlise de estabilidade de Von Neumann chegamos expresso do fator de amplicao: G = 1 + 2sx (cos x 1) + 2sy (cos y 1) i Cx sen x i Cy sen y Para que o esquema seja estvel, devemos vericar a seguinte desigualdade |G| 1, onde o fator de amplicao dado por |G| = [1 + 2sx (cos x 1) + 2sy (cos y 1)]2 + (Cx sen x Cy sen y )2
o que resulta nas seguintes restries [7] (sx + sy ) 0, 5 e (Cx + Cy )2 2 (sx + sy )
Caso sx = sy = s, ento devemos ter que s 0, 25 e esta condio duas vezes mais severa que a restrio correspondente ao caso unidimensional. O uso de mtodos implcitos, na discretizao da equao de transporte bidimensional, faz com que evitemos grande parte das diculdades apresentadas pelos mtodos explcitos com relao s questes de estabilidade. Em contrapartida, eles introduzem maiores diculdades no que diz respeito resoluo eciente do sistema de equaes algbricas oriundo do processo de discretizao. Escrevendo a formulao geral para uma representao do termo transiente a trs nveis de tempo
+1 n n jk jk (1 + ) = (1 ) (uLx xLxx ) + (vLy y Lyy ) n jk t t +1 + (uLx xLxx ) + (vLy y Lyy ) n jk
onde
n+1 +1 n n jk = jk jk
n1 n n jk = jk jk
6.8. Equao de Transporte Bidimensional
143
A incluso dos termos convectivos u Lx e v Ly no um empecilho para que possamos aplicar as tcnicas de fracionamento introduzidas anteriormente neste curso. Utilizando a mesma tcnica de fracionamento que a empregada no esquema geral a trs nveis de tempo, ns obtemos para a equao de transporte bidimensional: 1+ + e 1+ 1+ t 1+ 1+ t (uLx x Lxx ) jk = 1+ n jk
(uLx x Lxx ) + (vLy y Lyy ) n jk

+1 t (uLy x Lyy ) n jk = jk
Portanto, mais uma vez, o fracionamento possibilita que a resoluo do sistema de equaes algbricas seja obtida a partir da resoluo de sub-sistemas tridiagonais de equaes associadas s linhas e colunas da malha. Este algoritmo consistente com a equao de transporte bidimensional e apresenta um erro de truncamento de O (t2 , x2 , y 2 ) para os esquemas a dois nveis de tempo ( = 0, = 0, 5) e trs nveis de tempo ( = 0, 5, = 1, 0) [7]. A anlise de estabilidade aplicada s equaes oriundas do fracionamento nos leva a uma equao quadrtica em G. A resoluo desta equao indica que este algoritmo incondicionalmente estvel para 0, 5 [7].
144
Apndice A O Mtodo de Separao de Variveis

O mtodo de separao de variveis aplica-se na resoluo de equaes diferenciais parciais lineares e homogneas, com condies de contorno homogneas. O mtodo ser aplicado ao caso de um problema tridimensional e em coordenadas retangulares: 2 2 2 1 = + + 2 t x2 y 2 z onde = (x, y, z, t) e com condies de contorno homogeneas e inicial dadas por: no contorno Si e para t > 0 : ki + hi = 0 ni
para t = 0 : (x, y, z, t) = F (x, y, z ) Partiremos do princpio de que este problema admite uma separao de variveis na forma [12]: (x, y, z, t) = (x, y, z )(t) Substituindo esta decomposio na equao diferencial, obtemos: 1 1 1 d = dt 2 2 2 + 2 + 2 x2 y z
Nesta equao, o lado esquerdo funo somente da varivel t enquanto que o lado direito funo nicamente das variveis x, y e z . Portanto, esta 145
146
Apndice A. O Mtodo de Separao de Variveis
igualdade s vericada se ambos os lados forem iguais a uma constante: 1 1 1 d = dt 2 2 2 + 2 + 2 x2 y z = 2
Temos, ento, que as funes (t) e (x, y, z ) satisfazem s seguintes equaes: 1 d + 2 = 0 dt e 2 2 2 + 2 + 2 + 2 = 0 x2 y z onde a segunda equao conhecida como a equao de Helmhotz. A funo (x, y, z ) admite tambm uma separao de variveis na forma, (x, y, z ) = X (x)Y (y )Z (z ) Aps substituio na equao de Helmhotz, obtemos o seguinte resultado: 1 d2 X 1 d2 Y 1 d2 Z + + + 2 = 0 X dx2 Y dy 2 Z dz 2 onde cada termo funo de uma nica varivel independente. A igualdade acima s vericada se cada termo for igual a uma constante de separao arbitrria, d2 X + 2X = 0 dx2 d2 Y + 2Y = 0 2 dy d2 Z + 2Z = 0 dz 2 onde 2 + 2 + 2 = 2 Podemos mostrar que estas equaes representam problemas de autovalores [13], onde X (, x), Y (, y ) e Z (, z ) so as autofunes associadas ao problema. A soluo completa = (x, y, z, t) construida a partir da superposio linear das solues (t), X (, x), Y (, t) e Z (, t). Quando a regio de resoluo do problema nita, os autovalores assumem valores discretos e a superposio das solues feita atravs do somatrio de todos os valores permitidos de n , m e p . Por outro lado, caso a regio seja innita ou semiinnita, as constantes de separao assumem todos os valores entre zero e o
147 innito e a superposio feita a partir de uma integrao sobre todos os valores. O problema em (t), d = 2 dt possui uma soluo do tipo (t) = e t = e(
2 2 + 2 + 2
)t
e a soluo completa, no caso de uma regio nita, ser dada por:

(x, y, z, t) =
m=1 n=1 p=1
Cmnp e(m +n +p )t X (m , x)Y (n , y )Z (p , z )

2 2 2
Em se tratando de uma regio innita,

0 0
=
0
C (, , )e(
2 + 2 + 2
)t X (, x)Y (, y )Z (, z )ddd
Estas solues satisfazem a equao diferencial e as condies de contorno, mas no satisfazem necessariamente a condio inicial. Aplicando a condio inicial para t = 0 na superposio de solues e considerando o caso da regio nita:

F (x, y, z ) =
m=1 n=1 p=1
Cmnp X (m , x)Y (n , y )Z (p , z )
Nesta equao, os coecientes Cmnp podem ser determinados se zermos uso das propriedades de ortogonalidade das autofunes,
A
X (m , x)X (n , x)dx =
0 B
0 para m = n N (m ) para m = n 0 para m = n N (m ) para m = n 0 para m = n N (m ) para m = n
Y (m , y )X (n , y )dy =
0 C
Z (m , z )Z (n , z )dz =
0
onde as integrais denem um produto interno e N (m ), N (n ) e N (m ) so normas provenientes deste produto interno, sendo denidas como:
A
N (m ) =
0
[X (m , x)]2 dx
148
N (m ) =
0 C
[Y (m , y )]2 dy [Z (m , z )]2 dz
N (m ) =
0
Com a nalidade de determinarmos os coecientes, operamos em ambos os lados da equao em F (x, y, z ) os operadores integrais e obtemos assim, Cmnp =
A 0 0 B 0 C
1 N (m )N (n )N (p )
X (m , x )Y (n , y )Z (p , z )F (x , y , z )dx dy dz Substituindo, agora, todos estes resultados,

(x, y, z, t) =
m=1 n=1 p=1
e(m +n +p )t
2 2 2
1 X (m , x)Y (n , y )Z (p , z ) N (m )N (n )N (n )
A 0 0 B 0 C
X (m , x )Y (n , y )Z (p , z )F (x , y , z )dx dy dz Estudos sobre a separabilidade da equao de Helmhotz mostraram que a sua separao em equaes diferenciais ordinrias possvel em 11 sistemas de coordenadas ortogonais, conforme mostrado na tabela IV.1 [12]. Quando a equao diferencial parcial e/ou as condies de contorno no forem homogneas, ns podemos obter uma soluo do problema: 1 1 = 2 + g (x, y, z ) t k onde = (x, y, z, t) e com condies de contorno no-homogneas e inicial dadas por: no contorno Si e para t > 0 : ki + hi = fi (x, y, z ) ni
para t = 0 : (x, y, z, t) = F (x, y, z )
149 Tabela A.1: Separao da equao de Helmohtz 1 2 3 4 5 6 7 8 9 10 11 Sistema de Coordenadas Retangular Circular-cilndrico Elptico-cilndrico Parablico-cilndrico Esfrico Esferoidal Achatado Esferoidal Oblongo Parablico Cnico Elipsoidal Paraboloidal Soluo Exponencial, circular, hiperblica Bessel, exponencial, circular Mathie, circular Weber, circular Legendre, potncia, circular Legendre, circular Legendre, circular Bessel, circular Lam, potncia Lam Baer
atravs da resoluo de uma seqncia de problemas mais simples, sendo a soluo dada por:
s
(x, y, z, t) = h (x, y, z, t) +
j =0
0j (x, y, z )
nesta equao 0j (x, y, z ) a soluo do problema no-homogneo em regime permanente 1 2 0j + 0j g (x, y, z ) = 0 k com as seguintes condies de contorno em Si ki 0j + hi 0j = ij fi (x, y, z ) ni
onde i = 1, 2, . . . , s; j = 0, 1, 2, . . . , s; sendo s igual ao nmero de fronteiras da regio e ij o delta de kronecker. A funo h (x, y, z, t) ser a soluo do seguinte problema homogneo: 1 h = 2 h t
150
no contorno Si :
ki
h + hi h = 0 ni
s
para t = 0 : h (x, y, z, t) = F
0j
j =0
Podemos notar que a soluo do problema em regime permanente corresponde a um conjunto de equaes. A funo 0j (x, y, z ) para j = 0, corresponde ao problema em regime permanente com um termo fonte na equao diferencial, mas com condies de contorno homogneas. As funes 0j (x, y, z ) para j = 1, 2, 3, . . ., representam as solues de problemas sem o termo fonte e com uma nica condio de contorno no-homognea [12].
Apndice B Algoritmo de Thomas

No decorrer do nosso curso, discutimos sobre algumas das possibilidades de discretizao da equao de transporte. Da aplicao destas tcnicas resultou na obteno de um sistema algbrico linear de equaes que necessita ser resolvido. Existem duas famlias de tcnicas de resoluo de sistemas algbricos lineares, que so os mtodos diretos e os indiretos ou iterativos. Como simples exemplos, de mtodos diretos, temos o mtodo de Cramer de inverso de matrizes e o mtodo de Gauss. A principal desvantagem destes mtodos o grande nmero de informaes que devemos armazenar na memria do computador. Os mtodos iterativos baseiam-se na aplicao repetitiva de algoritmos relativamente simples. A convergncia, nem sempre garantida, obtida aps um grande nmero de iteraes. Exemplos bem conhecidos destes mtodos so o mtodo de Jacobi e o mtodo de Gauss-Seidel ponto a ponto. A principal vantagem destes mtodos que somente os coecientes no nulos do sistema de equaes precisam ser armazenados. Os mtodos de Jacobi e Gauss-Seidel so fceis de serem implementados, mas podem apresentar uma convergncia lenta quando os sistemas de equaes forem muito grandes. Por este motivo, eles no so os mais apropriados para a resoluo destes sistemas. Em 1949, Thomas desenvolveu uma tcnica para resolver rapidamente sistemas tridiagonais. Este algoritmo chamado de algoritmo de Thomas ou TDMA (Tri-Diagonal Matrix Algorithm). O algoritmo TDMA na realidade um mtodo de resoluo direto para problemas unidimensionais, mas pode ser aplicado iterativamente, linha a linha, na resoluo de problemas bidimensionais e, por isso, largamente empregado. 151
152
Apndice B. Algoritmo de Thomas
B.1
O Algoritmo de Thomas
O algoritmo de Thomas utilizado quando queremos resolver sistemas algbricos do tipo A = d onde a matriz A tridiagonal. Este mtodo uma adaptao do mtodo de Gauss. Neste curso, vimos que o resultado da discretizao das equaes de transporte pode ser representada, empregando um esquema implcito e para o caso unidimensional, pela seguinte equao algbrica:
+1 n+1 +1 cj n bj n j 1 + aj j j +1 = dj
com os pontos da malha sendo numerados de 1 a J . Este sistema algbrico pode ser representado matricialmente na forma: n+1 d1 1 a1 b1 d2 2 c2 a2 b2 . . . . . . . .. .. .. . . cj aj bj = dj j . . ... ... ... . . . . dJ 1 cJ 1 aJ 1 bJ 1 J 1 dJ J cJ aJ
+1 onde c1 = 0 e bJ = 0. Para j = 1, devemos tomar a1 = 1, b1 = 0 e d1 = n . 1 O mtodo de resoluo pode ser descrito como um processo desenvolvido em duas etapas. Na primeira, a partir de operaes de eliminao realizadas sobre a matriz A, obtemos o seguinte sistema +1 +1 n = Pj n j j +1 + Qj
caso tenhamos Pj e Qj na forma: Pj = Qj = bj aj cj Pj 1 dj + cj Qj 1 aj cj Pj 1
Podemos obter estas expresses para Pj e Qj partindo da forma geral da equao discretizada:
+1 +1 n+1 aj n = bj n j j +1 + cj j 1 + dj
B.2. O Mtodo TDMA Linha a Linha e da relao

+1 n+1 n + Qj 1 j 1 = Pj 1 j
153
+1 Aps substituio da expresso de n j 1 na equao geral discretizada ns obtemos, mediante um pouco de algebrismo, +1 n = j
bj aj cj Pj 1
= Pj
+1 n j +1 +
dj + cj Qj 1 aj cj Pj 1
=Qj
Estas so relaes de recorrncia para P e Q. Lembrando que c1 = 0, podemos determinar os valores de P1 e Q1 , P1 = Q1 = b1 a1 d1 a1
Para j = 1, conforme j mencionado, podemos tomar a1 = 1, b1 = 0 e +1 d1 = n . 1 A segunda etapa, do algoritmo, resume-se na resoluo do sistema de equaes algbricas de maneira recursiva para j = J at j = 1. Como bJ = 0, temos que +1 PJ = 0 e QJ = n J A m de que o algoritmo seja convergente, a matriz A no deve ser malcondicionada. Para tanto, basta ela ser diagonal dominante [7] aj > c j + b j O algoritmo para aplicar a TDMA pode ser resumido por: 1. Estimar o campo de variveis inicial; 2. Calcular P1 e Q1 atravs das suas relaes; 3. Calcular todos os Pj e Qj com j = 2 at j = J ;
+1 4. Fazer QJ = n J ;
5. Calcular as variveis para os pontos J 1 at 1; 6. Checar a convergncia (no caso do mtodo iterativo).
154
y norte
Apndice B. Algoritmo de Thomas
x i sul Pontos calculados nesta iterao Pontos conhecidos da iterao precedente
Figura B.1: Mtodo TDMA linha a linha.
B.2
O Mtodo TDMA Linha a Linha
No caso da resoluo de problemas bidimensionais, uma combinao conveniente do mtodo direto TDMA com o mtodo iterativo de Gauss-Seidel pode ser formada. Consideremos a malha mostrada na Figura B.1 e a forma geral bidimensional da equao de transporte discretizada aP P = aW W + aE E + aS S + aN N + b Para que possamos resolver este sistema, o mtodo TDMA aplicado ao longo de uma linha escolhida, digamos por exemplo a linha norte-sul (n s). Com esta nalidade, a equao discretizada e reescrita na forma aS S + aP P aN N = aW W + aE E + b onde o lado direito desta equao assumido ser temporariamente conhecido, a partir dos valores determinados na iterao precedente. Esta equao encontra-se na forma da equao apresentada quando da introduo do algoritmo de Thomas, com cj aS , aj aP , bj aN e dj aW W + aE E + b. Desta maneira, ns podemos resolver o sistema de equaes ao longo da direo n s para a linha escolhida e para valores de j = 2, 3, 4, . . . , J 1, conforme mostrado na Figura B.1. Este procedimento prosseguir com a
B.3. Relaxao
155
sua aplicao s demais linhas na mesma direo e, caso desejado, o mesmo procedimento poder ser aplicado direo leste-oeste. A convergncia do mtodo linha a linha rpida, uma vez que as informaes provenientes das condies de contorno so transmitidas para o interior do domnio numa nica vez, no importando a quantidade de ns existentes ao longo da linha considerada. Entretanto, a velocidade de transmisso na outra direo do espao ser a mesma do mtodo ponto por ponto. Para evitarmos este inconveniente, o mtodo aplicado s duas direes do espao de maneira alternada [14]. Associado a este fato, a direo de varredura (isto , a seqncia na qual as linhas so escolhidas) pode ser importante em alguns casos [14]. Nas nossas aplicaes, aplicaremos o mtodo TDMA alternadamente nas duas direes do espao e a varredura ser feita de cima para baixo e de baixo para cima no caso da direo y e da esquerda para direita e vice-versa no caso da direo x do espao.
B.3
Relaxao
Na resoluo iterativa do sistema algbrico de equaes ou no tratamento de no-linearidades, com frequncia devemos empregar um processo de subrelaxao ou de sobre-relaxao. Este procedimento visa a evitarmos que o algoritmo de resoluo empregado seja instvel. A sobre-relaxao empregada normalmente em conjuno com o mtodo de Gauss-Seidel, resultando num esquema conhecido como SOR (Sucessive Over-Relaxation). A subrelaxao empregada normalmente no caso de problemas no-lineares, a m de evitarmos a divergncia do processo iterativo de resoluo do sistema de equaes. Existem muitas maneiras de introduzirmos a relaxao e ns vamos apresentar aqui uma delas. Partindo-se da equao de transporte discretizada aP P = que pode ainda ser posta na forma P = avi vi + b aP avi vi + b
ns introduziremos a varivel P que assumir o valor de P na iterao precedente e o coeciente de relaxao de forma que esta equao pode ser reescrita como avi vi + b P = P P + aP
156 ou ainda aP P =
Apndice B. Algoritmo de Thomas aP P
avi vi + b + (1 )
para compreendido entre 0 e 1, ns temos uma sub-relaxao enquanto que para superior a 1 trata-se de uma sobre-relaxao. Primeiramente, ns devemos observar que, uma vez alcanada a convergncia, ou seja, P torna-se igual a P , da equao acima podemos vericar que ns recuperamos a equao discretizada original. Qualquer esquema de relaxao deve apresentar esta propriedade. No existe uma regra geral para a melhor escolha do valor de . O valor timo depende de vrios fatores, tais como a natureza do problema em questo, o nmero de pontos da malha, o espaamento da malha e do procedimento iterativo utilizado [14]. O valor de no precisa ser o mesmo durante todo o processo de clculo, com o seu valor podendo variar para cada iterao.
Bibliograa
[1] Steven C. Charpa and Raymond P. Canale. Numerical Methods for Engineers. Applied Mathematics Series. McGrawHill Book Company, 1990. [2] M. Cristina C. Cunha. Mtodos Numricos. Editora da UNICAMP, 2003. [3] N. S. Asaithambi. Numerical Analysis. Saunders College Publishing, 1995. [4] John C. Tannehill, Dale A. Anderson, and Richard H. Pletcher. Computational Fluid Mechanics and Heat Transfer. Computational and Physical Processes in Mechanical and Thermal Sciences. Taylor & Francis, 1997. [5] Armando de Oliveira Fortuna. Tcnicas Computacionais para Dinmica dos Fluidos. EDUSP, Editora da Universidade de So Paulo, 2000. [6] Djairo Guedes de Figueiredo. Anlise de Fourier e Equaes Diferenciais Parciais. Projeto Euclides. IMPA, CNPq, 1987. [7] C. A. J. Fletcher. Computational Techniques for Fluid Dynamics, volume 1. Springer-Verlag, 1991. [8] Luiz Adauto Medeiros and Nirzi G. de Andrade. Iniciao s Equaes Diferenciais Parciais. Livros Tcnicos e Cientcos Editora S.A., 1978. [9] John C. Slattery. Momentum, Energy, and Mass Transfer in Continua. McGraw-Hill Kogakusha, 1972. [10] E. W. Billington and A. Tate. The Physics of Deformation and Flow. McGraw-Hill, 1981. [11] Aris Rutheford. Vectors, Tensors and Basic Equations of Fluid Mechanics. Prentice-Hall, 1962. 157
158
Bibliograa
[12] M. Necati zisik. Heat Conduction. John Wiley & Sons, 1980. [13] Valria Irio. EDP Um Curso de Graduao. IMPA, CNPq, 1991. [14] S. V. Patankar. Numerical Heat Transfer and Fluid Flow. Hemisphere Publishing Corporation, 1980.
ndice
acurcia, 73, 75, 93 alta ordem, 72, 76, 78, 82 anlise de estabilidade, 87 de Fourier, 44 de Von Neumann, 90, 91, 93 autovalores, 40, 88, 90, 93 baixa ordem, 72, 76 capacidade trmica, 64 choque, 38 classicao das EDPs, 35 coeciente de difuso, 83 condio de contorno, 46, 47, 51, 55, 57, 93 de Dirichlet, 47, 55, 57, 88 de estabilidade, 89, 90, 92, 93 de Neumann, 47, 55, 57, 89 de Robin, 47, 55, 57 inicial, 3, 46, 47, 51, 55, 93 condies auxiliares, 3, 46 condicionalmente estvel, 7 instvel, 7 condutividade trmica, 65 consistncia, 25, 29, 8185, 93 convergncia, 24, 28, 8183, 93 critrio de estabilidade, 90, 92, 93 curvas caractersticas, 36, 48, 51, 54, 56 159 dAlembert, 50, 51 densidade, 60 derivada material, 60 diferena avanada, 3, 11, 70, 73, 83 centrada, 11, 7173, 83 nita, 11, 70, 71, 73, 77, 78, 82 recuada, 11, 70, 73 difusividade trmica, 87, 91 discretizao, 67, 81, 82, 85, 87 discriminante, 40, 41 dissipao viscosa, 34 domnio computacional, 47, 52, 56 de dependncia, 49 de inuncia, 49 EDP elptica, 36, 40, 56 hiperblica, 36, 40, 48 parablica, 36, 40, 52 energia cintica, 62 interna, 62 equao a N variveis independentes, 40 algbrica homognea, 86 algbrica linear, 86 biharmnica, 35 constitutiva, 61 corretora, 10, 18 da continuidade, 59, 63, 64 de Burger, 34
160 de convecodifuso, 34 de difuso, 8486 de difuso de calor, 54 de difuso unidimensional, 83 de energia, 65 de Helmholtz, 35 de Kortewegde Vries, 34 de Laplace, 46, 56, 57 de Navier-Stokes, 62 de Poisson, 34, 57 de Stokes, 35 diferencial ordinria de primeira ordem, 1 diferencial ordinria de segunda ordem, 1 diferencial parcial, 33, 81, 83 diferencial parcial de segunda ordem, 39 discretizada, 84, 87 do balano de energia, 64 do telgrafo, 35 linear da onda, 33, 48 preditora, 9, 18 equaes de balano, 59 erro computado, 74 da soluo, 93 de arredondamento, 4, 82, 86, 87 de resoluo, 82 de truncamento, 4, 69, 7174, 84, 86, 93 do passo corretor, 18, 20 do passo preditor, 19, 20 global de truncamento, 5 local de truncamento, 4 local de truncamento aproximado, 5 numrico, 67, 87 escoamento incompressvel, 60
ndice laminar, 93 no-linear, 82 supersnico no-viscoso, 76 turbulento, 93 viscoso, 76 esquema a cinco pontos, 74, 78 a dois nveis de tempo, 87, 91 a dois pontos, 74 a trs nveis de tempo, 93 a trs pontos, 74, 77 explcito, 84, 87 FTCS, 83, 86 implcito, 85, 87 estabilidade, 6, 26, 30, 72, 8183, 86, 91, 93 existncia, 46 frmula a cinco pontos, 74 a dois pontos, 74 a trs pontos, 71 aberta, 18 de AdamsBashforth, 21 de AdamsMoulton, 22 de alta ordem, 75 de baixa ordem, 75 de dAlembert, 51 de integrao de Adams, 21 de integrao de NewtonCotes, 21 fechada, 18 fator de amplicao, 92 uido incompressvel, 64, 65 newtoniano, 61 stokesiano, 61 funo incremento, 11 Hadamard, 46 harmnico, 87
ndice incremento, 5 de espao, 6, 67, 83 de tempo, 67, 83 instabilidade, 91 integrao de Euler, 69 Jacobiano, 41 lei de Fourier, 65 mtodo da matriz, 87, 89, 93 das potncias, 90 de Adams de quarta ordem, 23 de diferenas nitas, 67 de elementos nitos, 67 de Euler, 4 de Euler modicado, 10 de Hamming, 24 de Heun, 8, 14 de mais alta ordem, 7, 21 de Milne, 22 de primeira ordem, 6 de Ralston, 15 de RungeKutta de primeira ordem, 12 de Runge-Kutta, 11 de Runge-Kutta de quarta ordem, 16 de Runge-Kutta de segunda ordem, 12 de Runge-Kutta de terceira ordem, 15 de segunda ordem, 10 de volumes nitos, 67 de Von Neumann, 87, 90, 91 do polgono, 14 do ponto mdio, 18 espectral, 67 multistep, 17 nonselfstarting Heun, 19 one-step, 3 malha, 67 grosseira, 75, 78 no-uniforme, 71 renada, 73, 75, 78 uniforme, 68 matriz de amplicao, 93 simtrica, 88 tridiagonal, 88 momentum linear, 60 movimento peridico, 77 ns, 67 nmero de onda, 76 de Reynolds, 76 no-unicidade, 46
161
onda amplitude, 76 dispersiva, 34 grande comprimento, 76, 78 harmnica, 35 pequeno comprimento, 76, 78 plana, 76 propagao, 33 propagao no-linear, 34 senoidal, 51 simples, 34 velocidade de propagao, 48, 76 operador algbrico, 68 diferencial, 68 perodo, 77 polinmio caracterstico, 44 interpolador de Lagrange, 15 ponto mdio, 11 pontos nodais, 68 potncia de tenso, 65
162 preciso, 73 presso mdia, 62 termodinmica, 62, 64 primeira frmula aberta de NewtonCotes, 18 lei da termodinmica, 62 problema bem-posto, 46 de valor de contorno, 47 de valor inicial, 47 misto, 47 quantidade de movimento, 59 regime permanente, 36, 51, 55, 56 transiente, 48, 52, 83 regra da cadeia, 8 de Simpson (1/3), 15, 16 do trapzio, 18, 69 resto da srie, 5 srie de Fourier, 76, 87, 91, 92 de Taylor, 5, 12, 6971, 73, 83 85 sistema algbrico, 67, 81, 82 de EDPs, 42 de equaes algbricas, 83, 85 de equaes diferenciais, 2, 16 elptico, 43 hiperblico, 43 parablico, 43 soluo aproximada, 82, 83, 93 do sistema algbrico, 81, 86 exata, 8284 instvel, 87 numrica, 81, 86, 87 superfcie caracterstica, 44
ndice
tcnica geral, 70, 71 tenses de cisalhamento, 60 normais, 60 tensor de tenses, 60 extra de tenses, 64 taxa de deformao, 61 teorema da divergncia, 60, 63 de Gauss, 59 de Green, 57 de Lax, 82, 83 de transporte, 60, 63 trabalho, 62 transformao de coordenadas, 41 valor de contorno, 3, 82, 83, 87 inicial, 3, 82, 83, 87 varivel dependente, 1 independente, 1 vetor uxo de energia, 65 viscosidade de volume, 62 dinmica, 62

Medp

Hochgeladen von

Dokumentinformationen

Originaltitel

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

Medp

Hochgeladen von

Copyright:

Verfügbare Formate

Mtodos Numricos para Equaes Diferenciais

Hlio Pedro Amaral Souto

Graduao em Engenharia Mecnica

Exemplo da representao matricial. . . . . . . . . . . . . . . 112 ngulo de fase. . . . . . . . . . . . . . . . . . . . . . . . . . . 127

B.1 Mtodo TDMA linha a linha. . . . . . . . . . . . . . . . . . . 154

Comparao da acurcia dos diferentes esquemas. . . . . . . . 75 Relao de amplitudes. . . . . . . . . . . . . . . . . . . . . . 79

A.1 Separao da equao de Helmohtz . . . . . . . . . . . . . . . 149

Captulo 1 Equaes Diferenciais Ordinrias

Captulo 1. Equaes Diferenciais Ordinrias

1.1. Mtodos OneStep

Captulo 1. Equaes Diferenciais Ordinrias

Figura 1.1: Mtodo de Euler.

1.1. Mtodos OneStep

1.1. Mtodos OneStep

x = yi + f (xi+1 , yi+1 )x = yi yi+1 x 1 yi 1 + x

sendo que agora a condio de estabilidade,

Mtodos de Mais Alta Ordem

Captulo 1. Equaes Diferenciais Ordinrias

exemplo, retendo o termo de segunda ordem yi+1 = yi + f (xi , yi )x + f (xi , yi ) x2 + Ea 2

enquanto que a derivada segunda seria dada por f dy f + f (x, y ) = x y dx

1.1. Mtodos OneStep

Figura 1.2: Mtodo de Heun.

Captulo 1. Equaes Diferenciais Ordinrias

que resulta em yi+1 = yi +

Mtodo de Euler Modicado

1.1. Mtodos OneStep valor de y no ponto mdio do intervalo yi+1/2 = yi + f (xi , yi ) x 2

Captulo 1. Equaes Diferenciais Ordinrias

onde f (xi , yi ) deve ser determinada a partir do emprego de: df (xi , yi ) = f f dx + dy x i y i

Captulo 1. Equaes Diferenciais Ordinrias

o que corresponde ao mtodo do polgono melhorado.

1.1. Mtodos OneStep

Mtodos de RungeKutta de Terceira Ordem

Captulo 1. Equaes Diferenciais Ordinrias Mtodos de RungeKutta de Quarta Ordem

1.2. Mtodos Multistep

Mtodos do Tipo PreditorCorretor

onde a primeira integral pode ser facilmente avaliada:

Captulo 1. Equaes Diferenciais Ordinrias

f (xi , yi ) + f (xi+1 , yi+1 ) x 2

Aps substituio deste resultado ns obtemos: yi+1 = yi + f (xi , yi ) + f (xi+1 , yi+1 ) x 2

e como resultado desta integrao ns obtemos a forma da equao preditora:

f (x, y ) dx = 2xf (xi , yi )

cujo erro de truncamento [1]: 1 1 Ep = x3 f (p ) = x3 y (p ) 3 3

1.2. Mtodos Multistep

Captulo 1. Equaes Diferenciais Ordinrias

Subtraindose a primeira equao da segunda ns obtemos:

enquanto que no caso do passo corretor: Ec = c p 0 y m yi +1 c p + p c i+1

1.2. Mtodos Multistep

Mtodos de Mais Alta Ordem

ou fechada, para n segmentos e n + 1 pontos,

onde estas integrais so aproximadas por um desenvolvimento do tipo:

wk f (xik , yik ) + O xp+2

para a forma aberta e

wk f (xik , yik ) + O xp+2

Captulo 1. Equaes Diferenciais Ordinrias

ou ainda, yi+1 = yi + x 1 3 fi fi1 2 2 + 5 x3 fi + O x4 12

com os valores de k tambm fornecidos em [1].

4 m 2fim fim 1 + 2fi2 x 3

1.2. Mtodos Multistep

Mtodo de Adams de Quarta Ordem

Captulo 1. Equaes Diferenciais Ordinrias

4 14 5 (5) m x y 2fim fim 1 + 2fi2 x + 3 45

1 1 j 1 m m m m 9yi x5 y (5) yi 2 + 3 fi+1 + 2fi fi1 x 8 40

Convergncia, Consistncia e Estabilidade