PhD00 PDF

P Pa au ul lo o M Mi ig gu ue el l P Pe er re ei ir ra a d de e B Br ri it to o
M
MM
t
tto
ood
ddo
oos
ss N
NNu
uum
mm
r
rri
iic
cco
oos
ss A
AAd
dda
aap
ppt
tta
aat
tti
iiv
vvo
oos
ss
p
ppa
aar
rra
aa a
aa R
RRe
ees
sso
ool
llu
uu
o
oo d
dde
ee M
MMo
ood
dde
eel
llo
oos
ss
M
MMu
uul
llt
tti
iid
ddi
iim
mme
een
nns
ssi
iio
oon
nna
aai
iis
ss e
eem
mm
E
EEn
nng
gge
een
nnh
hha
aar
rri
iia
aa Q
QQu
uu
m
mmi
iic
cca
aa

COIMBRA
2010

M
MM
t
tto
ood
ddo
oos
ss N
NNu
uum
mm
r
rri
iic
cco
oos
ss A
AAd
dda
aap
ppt
tta
aat
tti
iiv
vvo
oos
ss p
ppa
aar
rra
aa a
aa
R
RRe
ees
sso
ool
llu
uu
o
oo d
dde
ee M
MMo
ood
dde
eel
llo
oos
ss M
MMu
uul
llt
tti
iid
ddi
iim
mme
een
nns
ssi
iio
oon
nna
aai
iis
ss
e
eem
mm E
EEn
nng
gge
een
nnh
hha
aar
rri
iia
aa Q
QQu
uu
m
mmi
iic
cca
aa

P Pa au ul lo o M Mi ig gu ue el l P Pe er re ei ir ra a d de e B Br ri it to o

Tese submetida Faculdade de Cincias e Tecnologia da
Universidade de Coimbra para Doutoramento em Engenharia
Qumica, especialidade de Processos Qumicos

Trabalho realizado sob a orientao do Prof. Doutor Antnio A.T.G. Portugal

Trabalho inicialmente apoiado pela
Fundao para a Cincia e a Tecnologia (FCT)
atravs da Bolsa de Doutoramento
PRAXIS XXI/BD/17137/98
substituda posteriormente por
SFRH/BD/1070/2000

COIMBRA
Setembro de 2010

The saddest aspect of life right now is that science gathers knowledge
faster than society gathers wisdom.

Isaac Asimov

Lina e Maria

Scientists investigate that which already is; engineers create that
which has never been.

Albert Einstein

Adaptability is not imitation. It means power of resistance and
assimilation.

Mahatma Gandhi

A AA A
A AA A
g gg g
g gg g
r rr r
r rr r
a aa a
a aa a
d dd d
d dd d
e ee e
e ee e
c cc c
c cc c
i ii i
i ii i
m mm m
m mm m
e ee e
e ee e
n nn n
n nn n
t tt t
t tt t
o oo o
o oo o
s ss s
s ss s

Pela sua importante contribuio no desenrolar do presente trabalho
gostaria de agradecer ao Prof. Dr. Antnio A.T.G. Portugal, meu
supervisor, pela orientao atenta e interessada que soube manter, e o
constante e solidrio incentivo que constantemente me propiciou.
Gostaria de estender os meus agradecimentos ao Departamento de
Engenharia Qumica da Faculdade de Cincia e Tecnologia da
Universidade de Coimbra, pelas condies de trabalho
proporcionadas, Fundao para a Cincia e a Tecnologia pelo
suporte financeiro concedido, e minha entidade empregadora, o
Instituto Politcnico de Bragana, pelo apoio atribudo atravs do
programa PROTEC.
Agradeo igualmente a todos os meus amigos e colegas no
Departamento de Engenharia Qumica, que me acompanharam neste
longo e sinuoso percurso, e a todos aqueles que, de algum modo,
contriburam para a realizao deste trabalho.
Finalmente, agradeo minha esposa Lina e minha filha Maria pelo
apoio e compreenso que sempre me prestaram, e aos meus pais por
me terem feito compreender a importncia do conhecimento e da
qualificao acadmica.

i
R RE ES SU UM MO O
O objectivo do trabalho de investigao consiste no desenvolvimento e teste de
mtodos numricos adaptativos, aplicveis na resoluo eficiente de modelos
matemticos diferenciais evolutivos de dimenso arbitrria, que exibam solues com
gradientes elevados localizados no tempo e no espao, e sejam relevantes no mbito
especfico da modelao de processos qumicos. Para tal, idealizam-se cdigos
computacionais para a aplicao e teste dos algoritmos numricos desenvolvidos. A
opo de programar os algoritmos em linguagem FORTRAN deve-se principalmente ao
facto desta linguagem ser extremamente adequada ao desenvolvimento de ciclos
complexos de operaes lgicas e/ou algbricas, caractersticos deste tipo de
algoritmos matemticos. Por outro lado, o recurso verso especfica FORTRAN 77
deve-se ao facto desta se revelar suficiente para uma demonstrao genrica da
capacidade de execuo dos programas em condies triviais, definidas num ambiente
de processamento referente a um laptop comercial convencional, sem grandes
preocupaes de optimizao intensiva do esforo computacional.
De modo a testar a robustez e eficincia dos mtodos, estes foram sujeitos de forma
sistemtica a modelos de complexidade crescente, desde exerccios de gerao de
malha, at integrao de problemas de equaes diferenciais parciais (PDEs)
escalares e sistemas de equaes diferenciais (apenas em casos unidimensionais). Os
resultados disponibilizados permitem uma confirmao genrica da utilidade dos
mtodos para uma grande variedade de problemas que abrangem diversas reas
importantes da modelao de processos qumicos como: combusto, adsoro,
reaco qumica, mecnica de fluidos, etc; normalmente caracterizados por exibirem
solues com particularidades extremas.
Os mtodos de gerao de malha apresentados so baseados em estratgias de
colocao nodal controladas pela deteco de oscilaes ou variaes bruscas em
aproximaes numricas avaliadas por frmulas de diferenas finitas, que possibilitam
a especificao de dois tipos de critrios denominados por C1 e C2, respectivamente.
Estes denotam uma aptido geral muito satisfatria para a identificao, localizao e
acompanhamento de frentes abruptas ou descontinuidades nos perfis de soluo.
Simultaneamente, os algoritmos permitem o reconhecimento das regies de menor
actividade da soluo onde a malha mantm a sua esparsidade apenas limitada pela
definio da malha base estabelecida por defeito idealizada como garante de um
suporte mnimo para a soluo numrica. A escolha de aproximaes de diferenas
finitas para a definio de critrios de refinamento de malha deve-se exactamente a
uma tentativa de explorao das suas reconhecidas limitaes, ou seja da sua
tendncia para a introduo de anomalias sem significado fsico nas solues
numricas. Deste modo, a pesquisa desse tipo de anomalias possibilita uma estratgia
simples de deteco de regies de maior actividade da soluo e, consequentemente,
seleccionveis para refinamento de malhas inicialmente estabelecidas com um nvel de
resoluo mnimo.
A estratgia de integrao numrica baseada num procedimento MOL (Method Of
Lines) recorre a esquemas de estimao das derivadas espaciais de diferenas finitas
(FD) ou de alta resoluo (HRS) que geram sistemas de equaes diferenciais

ii
ordinrias (ODEs) resolvidos por integradores ODE na direco temporal. Opta-se por
testar a performance das aproximaes FD nos procedimentos de integrao MOL de
modo a demonstrar a potencialidade de uma estratgia conceptualmente mais simples
e directa na abordagem a exemplos problemticos. Esta anlise complementada com
o estudo de uma estratgia de discretizao HRS claramente direccionada para lidar
com as derivadas espaciais de primeira ordem que genericamente definem a natureza
hiperblica dos problemas diferenciais. Os resultados obtidos so geralmente
satisfatrios, verificando-se melhores desempenhos dos mtodos para diferenas FD
descentradas que acompanhem o movimento das ondas em problemas de carcter
parablicos e procedimentos HRS no caso de exemplos essencialmente hiperblicos.
Os algoritmos revelam desempenhos aceitveis, quer em relao a exactido dos
resultados, como do esforo computacional requerido. Assim, mostram-se bastante
eficazes para uma larga gama de equaes hiperblicas e parablicas e para problemas
com condies fronteira de diversos tipos, quer estacionrias como evolutivas.
A performance dos critrios de colocao do tipo C1 e C2 relativamente equivalente
para a generalidade dos exemplos testados. No entanto, verifica-se uma tendncia
para uma maior sensibilidade do critrio C1 que necessita tipicamente de condies
mais exigentes referentes a uma escala de tolerncia mais reduzida em alguns
modelos, para alm de uma notria propenso para ao desenvolvimento de
perturbaes nos perfis de soluo do que o critrio C2 que se revela
comparativamente mais estvel. Por outro lado, o critrio do tipo C1 ajusta-se
satisfatoriamente integrao de problemas bidimensionais.
O passo crtico dos algoritmos de integrao numrica adaptativa consiste na operao
de interpolao que executa a passagem da soluo suportada numa malha gerada no
passo temporal anterior para a soluo definida sobre a malha seguinte
correspondente ao passo actual. Os passos interpolativos so inevitveis neste tipo de
estratgias j que se relacionam intrinsecamente com a natureza esttica do processo
adaptativo seleccionado. Portanto, a qualidade do procedimento de interpolao
revela-se essencial ao sucesso do mtodo adaptativo de integrao, principalmente no
caso de problemas bidimensionais, onde o nmero de nodos potencialmente
activveis em cada passo consideravelmente superior aos problemas
unidimensionais. Esta questo demonstra-se especialmente premente em exemplos
de carcter parablico, ou seja predominantemente difusivos em que se constata que
a sensibilidade do problema numrico a erros de interpolao relativamente reduzidos
muito superior, promovendo a introduo de fenmenos de instabilidade numrica
nos perfis de soluo. Assim, conclui-se que os modelos teoricamente menos
problemticos colocam maiores desafios de desenvolvimento de instabilidade e
perturbaes numricas do que os problemas correspondentes de natureza
predominantemente hiperblica, onde a aplicao dos algoritmos adaptativos denota
uma visvel maior eficcia e robustez.

iii
A AB BS ST TR RA AC CT T
The general objective of the present research work relates to the development and
implementation of numerical adaptive methods for the effective solution of
differential non-stationary mathematical models, which exhibit steep gradient
solutions localized in space and time. The problems of interest should have recognized
relevance in the particular field of chemical processes modelation. For that purpose,
computational codes are constructed for the execution and test of the developed
numerical algorithms. The choice of programming the codes in FORTRAN is due to the
fact of this language being especially well adapted to the codification of complex loops
of logical and/or algebraic operations, which represent the core of this type of
mathematical algorithms. On the other hand, the FORTRAN 77 version reveals itself
sufficient for a clear demonstration of the implementation ability of the codes under
trivial conditions (defined in a processing platform available in a conventional
commercial laptop), without any concerns regarding a intensive optimization of
computation effort.
In order to test the robustness and effectiveness of the methods, these are
systematically subjected to dealing with problems of increasing complexity, from
simple exercises of grid generation to the resolution of scalar partial differential
equations (PDEs) and systems of PDEs (solely for one-dimensional examples). The
available results ensure a generic confirmation of the methods usefulness for a wide
variety of problems covering important fields in chemical process modelation and
simulation like: combustion, adsorption, chemical reaction, fluid mechanics, etc;
usually characterized by developing solutions with extreme features.
The grid generation methods presented in this work are based in nodal collocation
techniques controlled by numerical oscillations and steep variations tracking on finite
differences (FD) derivative approximations, which define two classes of criteria, named
C1 and C2, respectively. These criteria reveal notorious ability to identify, locate and
follow steep fronts and discontinuities in the numerical solutions profiles.
Furthermore, the algorithms allow the recognition of lower activity regions where the
grid maintains its sparsity, only limited by the definition of a default resolution lower
threshold, which defines the minimum support to the solution. The choice of including
FD approximations in the grid refining procedures is explained as an attempt of
exploring its recognized limitations, namely its propensity to introduce non-physical
perturbations in the numerical solution. Therefore, the detection of these anomalies
allows the development of a simple scheme for the higher activity regions, selected for
increasing level refinement operations.
The numerical resolution strategy is based in a MOL (Method Of Lines) procedure that
uses FD or high resolution (HRS) spatial derivatives estimation schemes for the
generation of ordinary differential equations (ODEs) systems, solved with standard
ODE integrators in the time direction. The option of testing the FD approximations
performance in the MOL integration process is due to the fact that the FD strategy
represents a conceptually simpler and direct approach to difficult problems. This
analysis is complemented with the study of the HRS discretizations, clearly directed for
dealing with first order spatial derivatives (representing advection phenomena) which

iv
generally define the hyperbolic nature of the problem. These algorithms provide good
results, with more successful performances for biased FD formulas that tag along the
movement of the waves in parabolic examples, and HRS procedures for mainly
hyperbolic cases. These procedures show acceptable result precision and require
reasonable computing effort. Thus, they seem rather effective for a large range of
hyperbolic and parabolic models, and several types of boundary conditions.
The performance of the C1 and C2 type collocation criteria is relatively equivalent for
most tested examples. However, the criterion C1 reveals a noticeable tendency to
greater sensitivity towards the solution conditions, as it typically needs more
demanding settings referring to reduced tolerance scales in some examples and a
notorious propensity to the development of non-physical anomalies in the solutions
profiles, comparing to the relatively more stable C2 criterion. On the other hand, the
C1 type criterion is rather successful in dealing with two-dimensional problems.
The critical step in the adaptive numerical integration algorithms refers to the
interpolation operations that implements the translation of the solution supported on
a grid generated at the previous time step to the novel solution defined on actual step
grid. The interpolative operations are inevitable in the context of this type of strategies
as they are intrinsically related with the static nature of the adaptive nature of the
selected adaptive process. Therefore, the quality of the interpolation procedure is
rather essential to the success of the integration method, mainly for two-dimensional
problems where the number of potentially active nodes at each step is far superior to
correspondent one-dimensional examples. This matter is especially important for
parabolic mainly diffusive problems, which reveal themselves rather sensitive to
otherwise reasonable interpolative errors, promoting the development of numerical
instability in the solution profiles. It is concluded that theoretically less problematic
models pose greater challenges than predominantly hyperbolic problems, where the
application of the adaptive algorithms shows visible robustness and effectiveness.

v
N ND DI IC CE E

0. INTRODUO 1

1. MODELAO MATEMTICA E ANLISE NUMRICA 5
1.1 MTODO CIENTFICO 5
1.2 MODELO 10
1.3 MODELAO 14
1.4 MODELO MATEMTICO 17
1.4.1 ELEMENTOS CONSTITUTIVOS DE UM MODELO MATEMTICO 18
1.4.2 TIPOS DE MODELOS MATEMTICOS 18
1.4.3 MODELAO MATEMTICA DE PROCESSOS QUMICOS 20
1.5 MODELO MATEMTICO DIFERENCIAL 24
1.6 EQUAO DIFERENCIAL 31
1.7 EQUAO DIFERENCIAL PARCIAL (PDE) 31
1.7.1 CARACTERSTICAS BSICAS DE UMA PDE 32
1.7.2 CLASSIFICAO DE PDES 34
1.7.3 TERMOS CONSTITUTIVOS DE UMA PDE 39
1.8 ANLISE NUMRICA 42
1.8.1 INTRODUO HISTRICA 42
1.8.2 MTODOS NUMRICOS 43
1.8.3 CARACTERIZAO DE MTODOS NUMRICOS 47
1.8.4 RESOLUO DE PDES 49

2. ESTRATGIAS DE ADAPTAO 55
2.1 MALHAS 55
2.2 MTODOS DE RESOLUO DE EQUAES DIFERENCIAIS PARCIAIS (PDES) 57
2.2.1 INTRODUO 57
2.2.2 MTODO DE DIFERENAS FINITAS (FINITE DIFFERENCES METHOD FDM) 63
2.2.3 MTODO DE ELEMENTOS FINITOS (FINITE ELEMENTS METHOD FEM) 66
2.2.4 MTODO DE VOLUMES FINITOS (FINITE VOLUMES METHOD FVM) 74
2.2.5 ESQUEMAS DE ALTA RESOLUO (HIGH RESOLUTION SCHEMES HRS) 76
2.2.6 WAVELETS 80
2.2.7 MTODO DAS CARACTERSTICAS 83
2.2.8 MTODOS MESHLESS 84
2.3 MTODO DAS LINHAS (MOL) 86
2.4 CONCEITO GERAL DE ADAPTAO 87
2.4.1 INTRODUO 87
2.4.2 ADAPTAO NO CONTEXTO DA RESOLUO NUMRICA DE PDES 91
2.4.3 ESTRATGIAS GERAIS DE ADAPTAO APLICADAS RESOLUO DE PDES 91
2.4.4 VANTAGENS DE UTILIZAO DOS MTODOS DE MALHA ADAPTATIVA 94
2.5 PRINCPIOS DE ADAPTABILIDADE 98

vi
2.6 REVISO DE MTODOS ADAPTATIVOS 100
2.6.1 INTRODUO 100
2.6.2 MTODO DAS LINHAS ADAPTATIVO (AMOL) 102
2.6.3 REFINAMENTO DE MALHA ADAPTATIVO (AMR) 103
2.6.4 MTODOS DINMICOS MMPDES 106
2.6.5 MTODO DE ELEMENTOS FINITOS MVEIS (MFEM) 108
2.6.6 ESQUEMAS WAVELET 111

3. MTODOS ADAPTATIVOS 121
3.1 INTRODUO 121
3.2 ESQUEMAS DE DIFERENAS FINITAS (FDS) 121
3.3 ESQUEMAS DE ALTA RESOLUO (HRS) 126
3.4 MALHAS DIDICAS 132
3.5 ALGORITMOS NUMRICOS ADAPTATIVOS 135
3.5.1 MODELOS UNIDIMENSIONAIS 135
3.5.2 MODELOS BIDIMENSIONAIS 141

4. MODELOS DE TESTE UNIDIMENSIONAIS 149
4.1 GERAO DE MALHAS UNIDIMENSIONAIS 149
4.2 RESOLUO DE MODELOS DIFERENCIAIS UNIDIMENSIONAIS 155
4.2.1 EQUAO DE ADVECO 156
4.2.2 EQUAO DE BURGERS UNIDIMENSIONAL 162
4.2.3 EQUAO DE ALLEN-CAHN 171
4.2.4 EQUAO DE KORTEWEG-DEVRIES 177
4.2.5 MODELO DE PROPAGAO DE ONDAS 179

5. MODELOS DE TESTE BIDIMENSIONAIS 183
5.1 GERAO DE MALHAS BIDIMENSIONAIS 183
5.2 RESOLUO DE MODELOS DIFERENCIAIS BIDIMENSIONAIS 200
5.2.1 EQUAO DE BURGERS BIDIMENSIONAL 201
5.2.2 EQUAO DE BUCKLEY-LEVERETT BIDIMENSIONAL 206

6. SIMULAO DE PROCESSOS QUMICOS 211
6.1 MODELO DE DIFUSO, CONVECO E REACO NUMA PARTCULA PLANA (DIFPLANA) 211
6.2 MODELOS 1D DE COMBUSTO 217
6.3 MODELOS 1D DE DIFUSO-CONVECO-GERAO 226
6.4 MODELO DE PERMUTADOR DE FLUXO EM CONTRA-CORRENTE 241
6.5 MODELO 2D DE COMBUSTO 248

7. CONCLUSES E SUGESTES PARA TRABALHO FUTURO 259
7.1 CONCLUSES 259
7.2 SUGESTES PARA TRABALHO FUTURO 262

vii
ANEXOS
A
ESTRATGIAS PARA A DETERMINAO DE PESOS ASSOCIADAS A ESTRATGIAS BASEADAS
EM DIFERENAS FINITAS 265
A.1
MTODO SISTEMATIZADO PARA A ESTIMATIVA DE DERIVADAS DE ORDEM ARBITRRIA SOBRE
MALHAS UNIDIMENSIONAIS NO UNIFORMES 266
A.1.1 INTRODUO 266
A.1.2 APLICAO DAS SRIES DE TAYLOR PARA A ESTIMATIVA DE DERIVADAS 266
A.2 MTODO RECURSIVO DE FORNBERG 276
B ALGORITMOS ADAPTATIVOS DE INTEGRAO 279
B.1 MALHAS UNIDIMENSIONAIS 280
B.1.1 ESTRUTURA DA APLICAO 1D 280
B.1.2 DESCRIO DE UM EXEMPLO 1D 288
B.2 MALHAS BIDIMENSIONAIS 294
B.2.1 ESTRUTURA DA APLICAO 2D 294
B.2.2 DESCRIO DE UM EXEMPLO 2D 302
C INTEGRADORES NUMRICOS DE EQUAES DIFERENCIAIS 307
C.1 DASSL DIFFERENTIAL-ALGEBRAIC SYSTEM SOLVER 308
C.2 RKF45 RUNGE-KUTTA-FEHLBERG 310

viii
N ND DI IC CE E D DE E T TA AB BE EL LA AS S

1.1 Cronologia resumida dos principais marcos no desenvolvimento do mtodo
cientfico. 7-9
1.2 Sistemas coordenados cartesiano, cilndrico e esfrico. 25
1.3 Operadores diferenciais num sistema coordenado cartesiano tridimensional (em
3
) para o escalar F=f(x,y,z) ou o vector de funes F=[F
x
,F
y
,F
z
]. 25
1.4 Divergncia de um vector (). 26
1.5 Gradiente de um escalar (). 27
1.6 Definio de Laplaciano (). 27
1.7 Formulao das equaes de Maxwell em termos de carga e corrente livre, na
forma diferencial. 28
1.8 Classificao de uma equao diferencial de segunda ordem bidimensional quanto
sua linearidade. 35
1.9 Classificao das cnicas e das PDEs correspondentes. 37
1.10 Exemplificao da classificao geomtrica de PDEs tpicas. 38
1.11 Resultados obtidos pela aplicao do algoritmo numrico apresentado para a
resoluo de uma equao cbica de uma varivel, f(x) = x
3
3x +1 = 0 (x
0
=10; =
10
-7
). 45
1.12 Resumo dos grupos de mtodos de integrao principais. 53

2.1 Exemplos de aproximaes de elementos finitos (EF) lineares e quadrticas e
aproximaes de diferenas finitas (DF) em malhas 1D uniformes. 72
2.2 Resumo de MMPDEs unidimensionais seleccionadas. 108

3.1 Definio de limitadores de fluxo para esquemas de alta resoluo. 128
3.2 Estratgias de gerao de malha 1D (gridgen*1). 140
3.3 Rotinas de gerao de malha 2D (gridgen*2). 145

4.1 Parmetros numricos para a gerao de malha da funo degrau. 149
4.2 Parmetros numricos para a gerao de malha da funo corner. 151
4.3 Parmetros numricos para a gerao de malha da funo TGH. 152
4.4 Parmetros numricos para a gerao de malha da funo de Runge. 153
4.5 Parmetros numricos para a implementao da resoluo da equao da
adveco. 157
4.6 Parmetros numricos para a implementao da resoluo da equao de Burgers,
para = 110
-3
. 163
4.7 Parmetros numricos para a implementao da resoluo da equao de Burgers,
para = 110
-4
. 165
4.8 Parmetros numricos para a implementao da resoluo da equao de Allen-
Cahn. 172
4.9 Parmetros numricos para a implementao da resoluo da equao de
Korteweg-deVries. 177
4.10 Parmetros numricos para a implementao da resoluo do modelo de
propagao de ondas. 181

5.1 Parmetros numricos para a gerao de malha da funo 2D step2. 183
5.2 Parmetros numricos para a gerao de malha da funo wave1. 191
5.3 Parmetros numricos para a gerao de malha da funo tgh2D. 194
5.4 Parmetros numricos para a gerao de malha da funo well. 196
5.5 Parmetros numricos para a gerao de malha da funo de Franke. 198
5.6 Parmetros numricos para a implementao da resoluo da equao 2D de
Burgers. 202
5.7 Parmetros numricos para a implementao da resoluo da equao BL 2D. 207

6.1 Parmetros numricos para a implementao da resoluo da equao DifPlana. 212

ix
6.2 Tempos de execuo para o caso da equao DifPlana. 216
6.3 Parmetros numricos para a implementao da resoluo do modelo de chama. 218
propagao de chama. 222
6.5 Parmetros numricos para a implementao da resoluo do modelo de adsoro. 227
6.6 Parmetros numricos para a implementao da resoluo do modelo pistdif. 232
6.7 Parmetros numricos para a implementao da resoluo do modelo catn_isot. 237
permutador. 243
6.9 Tempos de execuo para o caso do modelo do permutador. 248
6.10 Parmetros numricos para a implementao da resoluo da equao de
combusto 2D. 250

A.1 Diferentes tipos de geometria das aproximaes FD. 272

B.1 Resumo das variveis de entrada do programa STAT02 fornecidas pelo ficheiro
DATA. 282
B.2 Resumo das variveis presentes nas subrotinas definidas pelo utilizador para a
execuo do programa STAT02. 284
B.3 Resumo das variveis de entrada do programa INTEGR2D fornecidas pelo ficheiro
DADOS. 296
B.4 Resumo das variveis presentes nas subrotinas definidas pelo utilizador para a
execuo do programa INTEGR2D. 299

x
N ND DI IC CE E D DE E F FI IG GU UR RA AS S

1.1 Estrutura hierrquica de relao entre os conceitos enunciados nos objectivos. 5
1.2 Modelo da etimologia da palavra model (ingls moderno) e palavras associadas. 11
1.3 Uma verso da representao 3D do bule UTAH. 13
1.4 Manipulao de uma representao 3D do bule UTAH. 13
1.5 Modelo simplificado da evoluo da Batalha de Aljubarrota. 15
1.6 Simbologia (ou metamodelo) dos esquemas da Figura 1.5. 16
1.7 Esquema simplificado representativo do processo de modelao generalizado. 17
1.8 Primeira radiografia mdica de Wilhelm Rntgen, da mo da sua esposa, tirada
em 22 de Dezembro de 1895. 21
1.9 Esquema que ilustra a evoluo dos diferentes paradigmas relacionados com os
nveis de conhecimento em Engenharia Qumica, quer em termos de objectos de
estudo como de unidades de integrao. 23
1.10 Representao de elemento de volume genrico definido num espao
tridimensional. 29
1.11 Exemplos para construo de modelos: A tanque perfeitamente agitado com
aquecimento, B escoamento pisto. 29
1.12 Ilustrao das caractersticas para a equao 1.22. 34
1.13 Tipos de seces cnicas: 1 Parbola; 2 Elipse; 3 Hiprbole. 36
1.14 Placa cermica babilnia YBC 7289 (c. 1800-1600 AC), mostrando uma aproximao
a 2 no contexto do Teorema de Pitgoras aplicado a um tringulo issceles. 43
1.15 Lista de problemas matemticos resolveis por anlise numrica. 46
1.16 Interdependncias entre os fenmenos fsicos, as suas representaes
matemticas abstractas e os processos numricos de resoluo desses modelos. 48
1.17 Ilustrao do efeito da difuso e da dissipao numrica em relao soluo
exacta. 51

2.1 Exemplo tpico de uma malha bidimensional estruturada. 55
2.2 Exemplo tpico de uma malha bidimensional no estruturada. 56
2.3 Tipos de aproximaes de diferenas finitas definidas num sistema unidimensional,
em relao ao sentido de propagao do fluxo F. 64
2.4 Exemplo de aproximao de diferenas finitas mista de segunda ordem num
domnio bidimensional. 65
2.5 Elemento unidimensional aplicado a um nodo. 68
2.6 Estratgia de interpolao linear piecewise a dois intervalos num elemento finito
1D [x
i-1
,x
i+1
]. 69
2.7 Funo de interpolao
i
(x) linear piecewise a dois intervalos hat function. 70
2.8 Interpolao quadrtica num elemento finito 1D [x
i-1
,x
i+1
]. 71
2.9 Ilustrao de uma subdiviso do domnio 2D em volumes de controlo finitos. 74
2.10 Volume de controlo 1D. 75
2.11 Definio das variveis locais para um exemplo 1D. 77
2.12 Esquema geral para o NVD (Normalised Variable Diagram) representando a regio
de verificao do CBC (Convective Boundness Criterion). 79
2.13 Diagrama de Sweby, onde se salienta a regio admissvel de delimitao para
esquemas TVD de segunda ordem. 80
2.14 Representao da wavelet de Haar. 82
2.15 Representao da wavelet real de Ricker (Mexican Hat Wavelet). 83
2.16 Representao da wavelet real de Shannon. 83
2.17 Resumo da estratgia geral do Mtodo das Linhas (MOL) para o caso
unidimensional. 86
2.18 Representao genrica do Mtodo das Linhas (MOL) para o caso unidimensional:
(a) domnio espacial contnuo; (b) discretizao do domnio espacial; (c) integrao
temporal clssica, mantendo inalteradas as posies espaciais definidas pela
discretizao. 88

xi
2.19 Representao do sistema de controlo adaptativo MRAC Model Reference
Adaptive Control. 89
2.20 Conceito de adaptao no contexto da resoluo numrica de modelos
matemticos. 90
2.21 Resultados da equao de Burgers obtidos atravs da aplicao de um MOL no
adaptativo: A discretizao espacial de Diferenas Finitas Centradas de 4 ordem;
B discretizao espacial de Diferenas Finitas biased upwind de 4 ordem. 96
2.22 Resultados da equao de Burgers obtidos atravs da aplicao de um MOL
adaptativo AMOL: A at t = 2; B nvel mximo de refinamento atingido pelos
nodos da malha original de nvel 2; C at t = 10. 97
2.23 Relao entre a perspectiva clssica fixa e a abordagem adaptativa para a resoluo
numrica de PDEs. 101
2.24 Exemplo de hierarquizao de malhas de diversos nveis no contexto dos
procedimentos AMR. 105
2.25 Relao hierrquica em rvore das diferentes malhas de diversos nveis
apresentadas no exemplo da Figura 2.24. 105

3.1 Funes rampa com diversos declives com origem na abcissa x=0.1. 123
3.2 Representao da estimativa da primeira derivada das funes rampa da Figura
3.1, atravs de diferenas finitas centradas de quarta ordem, numa malha uniforme
com x = 0.01. 124
3.3 Pormenor do grfico da Figura 3.2, centrado sobre a posio de origem das
diversas rampas (x=0.1). 124
3.4 Representao da estimativa da primeira derivada de uma funo pulso atravs de
diferenas finitas centradas de quarta ordem numa malha uniforme de 32
intervalos. 125
diferenas finitas centradas de quarta ordem numa malha uniforme de 64
intervalos. 125
3.6 Diagramas NVD (Normalised Variable Diagram) para esquemas de alta resoluo da
Tabela 3.1 para: malha uniforme (----), malha no uniforme com razo de
expanso de 2 (----) e malha no uniforme com razo de compresso de 0.5 (----).
Os pontos evidenciados a vermelho correspondem s posies nodais da malha
(
P
,
f
), para cada situao referida anteriormente. 129
3.7 A Limitador Universal (ULTIMATE); B restries TVD para mtodos explcitos
evolutivos. 130
um esquema de alta resoluo (com limitador MINMOD) numa malha uniforme de
50 intervalos. 131
3.9 Interpolao de uma funo pulso atravs de um esquema de alta resoluo (com
limitador MINMOD) numa malha uniforme de 50 intervalos. 131
3.10 Exemplo de malhas didicas unidimensionais: M=0, N=7; num domnio [0,1]. 133
3.11 Exemplo de malhas didicas bidimensionais: M=4, N=6; num domnio [0,1]
2
. 134
3.12 Diagrama de fluxo para a descrio esquematizada do algoritmo de integrao
numrica adaptativa de modelos diferenciais evolutivos unidimensionais, baseado
numa estratgia AMOL. 136
3.13 Algoritmo para seleco e colocao nodal em malhas didicas de nvel k crescente. 137
3.14 Relao hierrquica entre malhas de nvel sucessivo. 138
3.15 Critrios para colocao nodal em malhas de nvel crescente. 139
3.16 Procedimento de refinamento padro numa malha bidimensional estruturada
rectangular. 142
3.17 Diagrama de fluxo para a descrio esquematizada do algoritmo de integrao
numrica adaptativa de modelos diferenciais evolutivos bidimensionais INTEGR2D,
baseado numa estratgia AMOL. 143
3.18 Relao entre os diversos critrios bidimensionais e as correspondentes rotinas de
gerao de malha. 144
3.19 Ilustrao esquemtica da estratgia adoptada nos critrios C32. 144

xii
3.20 Algoritmo genrico para seleco e colocao nodal C32 sobre conjuntos de malhas
didicas. 145

4.1 Gerao de malha unidimensional para a funo degrau negativo. 150
4.2 Gerao de malha unidimensional para a funo corner. 151
4.3 Gerao de malha unidimensional para a funo TGH (critrio C1). 152
4.4 Gerao de malha unidimensional para a funo TGH (critrio C2). 153
4.5 Gerao de malha unidimensional para a funo de Runge (critrio C1). 154
4.6 Gerao de malha unidimensional para a funo de Runge (critrio C2). 155
4.7 Perfil inicial e gerao de malha para a equao de adveco (critrio C1). 157
4.8 Perfil inicial e gerao de malha para a equao de adveco (critrio C2). 158
4.9 Implementao numrica para o caso da equao de adveco (critrio C1). 159
4.10 Implementao numrica para o caso da equao de adveco (critrio C2). 160
4.11 Evoluo do nmero de intervalos da malha adaptativa gerada na implementao
numrica para o caso da equao de adveco. 161
4.12 Erro mdio obtido na implementao numrica para o caso da equao de
adveco. 161
4.13 Implementao numrica para o caso da equao de Burgers (critrio C1; = 1
10
-3
). 164
10
-3
). 165
4.15 Perfil espacial da soluo e malha para o caso da equao de Burgers (critrio C1;
= 110
-4
) instante inicial t = 0. 166
= 110
-4
) instante t = 0.2. 167
= 110
-4
) instante t = 1. 168
= 110
-4
) instante t = 5. 169
10
-4
). 170
numrica para o caso da equao de Burgers. 170
4.21 Implementao numrica para o caso da equao de Allen-Cahn (critrio C1). 171
4.22 Perfil espacial da soluo e malha para o caso da equao de Allen-Cahn (critrio
C1) instante inicial t = 0. 172
C1) instante t = 2. 173
4.26 Implementao numrica para o caso da equao de Allen-Cahn (critrio C2). 176
numrica para o caso da equao de Allen-Cahn. 176
4.28 Implementao numrica para o caso da equao de Korteweg-deVries. 178
4.29 Implementao numrica para o caso do modelo de propagao de ondas. 180
4.30 Interaco entre as duas ondas propagadas em sentidos contrrios. 181

5.1 Representao grfica da funo step2. 184
5.2 Gerao de malha bidimensional para a funo step2 (critrio C42m). 184
5.6 Gerao de malha bidimensional para a funo step2 (critrio C52m
1
=
2
= 20). 187

xiii
5.7 Nmero de nodos da malha bidimensional em funo das tolerncias para a funo
step2. 187
5.8 Gerao de malha bidimensional para a funo step2 (critrio C42m com critrio
1D C2). 188
5.9 Gerao de malha bidimensional para a funo step4 (critrio C42m N
x
= N
y
= 10). 189
5.10 Gerao de malha bidimensional para a funo step4 (critrio C32m N
x
= N
y
= 10). 190
5.12 Representao grfica da funo wave1. 191
5.13 Gerao de malha bidimensional para a funo wave1 (critrio C42m). 192
5.14 Gerao de malha bidimensional para a funo wave1 (critrio C12m). 192
5.15 Gerao de malha bidimensional para a funo wave1 (critrio C42m
1
=
2
=
0.01). 193
5.16 Representao grfica da funo tgh2D. 194
5.17 Gerao de malha bidimensional para a funo tgh2D (critrio C42m). 195
5.18 Gerao de malha bidimensional para a funo tgh2D (critrio C12m). 195
5.19 Gerao de malha bidimensional para a funo tgh2D (critrio C42m
1
=
2
= 0.1). 196
5.20 Representao grfica da funo well. 197
5.21 Gerao de malha bidimensional para a funo well (critrio C42m). 197
5.22 Gerao de malha bidimensional para a funo well (critrio C12m). 198
5.23 Representao grfica da funo de Franke. 199
5.24 Gerao de malha bidimensional para a funo de Franke (critrio C42m). 199
5.25 Malha inicial gerada para o modelo invscido de Burgers 2D (discretizao NVSF
com limitador SMART e critrio de colocao 1D C1). 203
5.26 Malha gerada (t = 0.5) para o modelo invscido de Burgers 2D (discretizao NVSF
5.27 Perfis de contorno para a soluo numrica (t = 0.5) do modelo invscido de Burgers
2D (discretizao NVSF com limitador SMART e critrio de colocao 1D C1). 204
5.28 Malha gerada (t = 1.5) para o modelo invscido de Burgers 2D (discretizao NVSF
5.29 Perfis de contorno para a soluo numrica (t = 1.5) do modelo invscido de Burgers
2D (discretizao NVSF com limitador SMART e critrio de colocao 1D C1). 205
5.30 Evoluo da dimenso das malhas adaptativas para a implementao do modelo
invscido de Burgers 2D. 206
5.31 Malha inicial gerada para o modelo BL 2D (discretizao NVSF com limitador
MINMOD e critrio de colocao 1D C1). 208
5.32 Malha gerada (t = 0.5) para o modelo BL 2D (discretizao NVSF com limitador
MINMOD e critrio de colocao 1D C1). 208
5.33 Perfis de contorno para a soluo numrica (t = 0.5) do modelo BL 2D (discretizao
NVSF com limitador MINMOD e critrio de colocao 1D C1). 209
5.34 Evoluo da dimenso das malhas adaptativas para a implementao do modelo BL
2D. 209

6.1 Implementao numrica para o caso da equao DifPlana (critrio C1 - t = 0.05). 213
6.3 Evoluo do nmero de nodos da malha adaptativa gerada na implementao
numrica para o caso da equao DifPlana. 214
6.6 Implementao numrica para o caso da equao de chama (critrio C52/C1). 218
6.7 Implementao numrica para o caso da equao de chama (critrio C52/C2). 219
numrica para o caso da equao de chama. 220
6.9 Malha base no uniforme de nvel 0, usada nas implementaes do modelo de
propagao de chama. 221
6.10 Implementao numrica para o caso do modelo de propagao de chama
(gridgen11/critrio C1). 223

xiv
6.11 Implementao numrica para o caso do modelo de propagao de chama
numrica para o caso do modelo de propagao de chama. 225
6.13 Implementao numrica para o caso do modelo de adsoro (gridgen11/critrio
C2). 228
6.14 Malha gerada para t = 0.9 (modelo de adsoro gridgen11/critrio C2). 229
C1). 229
C1) segundo run. 230
numrica para o caso do modelo de adsoro. 231
6.18 Malha gerada para t = 0.5 (modelo pistdif gridgen11/critrio C2). 232
6.19 Implementao numrica para o caso do modelo pistdif (gridgen11/critrio C2). 233
numrica para o caso do modelo pistdif. 234
6.23 Malha gerada para t = 0.5 (modelo catn_isot gridgen11/critrio C2). 238
6.24 Malha gerada para t = 800 (modelo catn_isot gridgen11/critrio C2). 239
6.25 Comparao dos perfis para t = 850 (modelo catn_isot gridgen11/critrio C2). 240
numrica para o caso do modelo catn_isot. 241
6.27 Implementao numrica para o caso do modelo do permutador
(gridgen11/critrio C2); avaliao de derivadas espaciais atravs de uma estratgia
NVSF associada ao limitador de fluxo MINMOD. 245
(gridgen11/critrio C2); avaliao de derivadas espaciais atravs de uma estratgia
NVSF associada ao limitador de fluxo SMART. 246
6.30 Perfis espaciais da varivel v para t = 0.25 para o caso do modelo do permutador
numrica para o caso do modelo do permutador. 248
6.32 Perfis de soluo (t = 0.2) para o modelo de combusto 2D (p = 0.1). 250
6.37 Malha gerada (t = 0.25) para o modelo de combusto 2D (p = 0.1). 253
6.38 Malha gerada (t = 0.3) para o modelo de combusto 2D (p = 0.1). 253
numrica para o caso do modelo de combusto 2D. 256

A.1 Stencil para a aproximao FD centrada de segunda ordem. 267
A.2 Stencil para a aproximao FD centrada de quarta ordem. 268
A.3 Stencil para a aproximao FD de quarta ordem para o ponto fronteira, x
1
. 270
A.4 Stencil para a aproximao FD de quarta ordem para o ponto adjacente fronteira,
x
2
. 271

B.1 Esquema simplificado da estrutura do cdigo STAT02. 281
B.2 Esquema pormenorizado da estrutura da rotina NVSF. 287

xv
B.3 Exemplo de um ficheiro DATA referente ao modelo de propagao de chama. 288
B.4 Ficheiro POSITION para definio das posies da malha no didica no uniforme
de nvel 0 (modelo de propagao de chama). 289
B.5 Exemplo do conjunto de subrotinas fornecidas pelo utilizador (modelo de
propagao de chama). 290-291
B.6 Esquema simplificado da estrutura do cdigo INTEGR2D. 295
B.7 Esquema do processo de gerao de malha adaptativa includo na estrutura do
cdigo INTEGR2D. 300
B.8 Exemplo de um ficheiro DADOS referente ao modelo de combusto 2D. 302
B.9 Exemplo do conjunto de subrotinas fornecidas pelo utilizador (modelo de
combusto 2D). 303-304

xvi
N NO OM ME EN NC CL LA AT TU UR RA A

Smbolos latinos

a [L] Posio espacial da fronteira inferior (problemas unidimensionais).
a
x
[L] Posio espacial da fronteira inferior na abcissa x (problemas bidimensionais).
a
y
[L] Posio espacial da fronteira inferior na abcissa y (problemas bidimensionais).
ATOL [-] Tolerncia absoluta para o integrador DASSL.
b [L] Posio espacial da fronteira superior (problemas unidimensionais).
b
x
[L] Posio espacial da fronteira superior na abcissa x (problemas bidimensionais).
b
y
[L] Posio espacial da fronteira superior na abcissa y (problemas bidimensionais).
e [-] Erro mdio global.
erro [-] Erro absoluto.
f, g [-] Funes genricas.
i, k, j, n [-] Contadores ou variveis inteiras genricas.
M [-] Nvel mnimo de uma malha didica (problemas unidimensionais).
ML [-] Dimenso da banda inferior de uma matriz multidiagonal.
MU [-] Dimenso da banda superior de uma matriz multidiagonal.
M
x
[-] Nvel mnimo de uma malha didica na abcissa x (problemas bidimensionais).
M
y
[-] Nvel mnimo de uma malha didica na abcissa y (problemas bidimensionais).
N [-] Nvel mximo de uma malha didica (problemas unidimensionais).
NEQ [-] Nmero de equaes do problema.
NI [-] Nmero de intervalos da malha no didica de nvel 0.
Nint0 [-] Nmero de intervalos da malha de nvel mnimo.
Nint [-] Nmero de intervalos da malha.
NP [-] Nmero de nodos da malha.
NRef [-] Grau mximo de refinamento de uma malha de nvel mnimo.
N
x
[-] Nvel mximo de uma malha didica na abcissa x (problemas bidimensionais).
N
y
[-] Nvel mximo de uma malha didica na abcissa y (problemas bidimensionais).
RTOL [-] Tolerncia relativa para o integrador DASSL.
RWORK [-] Vector de trabalho da subrotina DASSL.
t [T] Varivel temporal independente.
u, v [-] Variveis dependentes genricas.
n
i
U [-] Estimativa de uma derivada de ordem n na posio discreta i.
V
j
[-] Malha didica de nvel j.
x, y, z [L] Variveis espaciais cartesianas.
t
0
[T] Tempo inicial.
t
final
[T] Tempo final.
WORK [-] Vector de trabalho da subrotina RKF45.

Smbolos gregos

1
,
2
[-] Tolerncias para os critrios de colocao nodal.
t [T] Passo temporal.
x [L] Tamanho local de uma malha.
[-] Funo de fluxo.
[-] Fluxo normalizado.
[-] Variveis espaciais normalizadas.

Subscritos ou superscritos

D Posio downwind.
f Posio da face.

xvii
P Posio do nodo de interesse.
U Posio upwind.
x Referente coordenada espacial x.
y Referente coordenada espacial y.
* Normalizado

Operadores

Operador gradiente.
Operador divergncia.
Operador rotacional.
Operador laplaciano.
d Operador diferencial total.
Operador diferencial parcial.
O Termo de erro.
! Factorial.
|| || Distncia Euclidiana entre dois pontos.
|| ||
2
Norma L
2
.

Acrnimos, Siglas e Abreviaturas

AB Adams-Bashforth (method) Mtodo de Adams-Bashforth
AM Adams-Moulton (method) Mtodo de Adams-Moulton
AMAR Adaptive Mesh and Algorithm Refinement
AMOL Adaptive Method of Lines Mtodo das linhas adaptativo
AMR Adaptive Mesh Refinement Refinamento de malha adaptativo
AR Algorithm Refinement
BDF Backward Differentiation Formula
BL Buckley-Leverett (equation) Equao de Buckley-Leverett
BVP Boundary Value Problem Problema de valor fronteira
CBC Convection Boundness Criterion
CDS Central Differencing Scheme
CFD Computational Fluid Dynamics Dinmica de fluidos computacional
CFL Courant-Friedrichs-Lewy (principle) Princpio de Courant-Friedrichs-Lewy
CLAM Curved-Line Advection Method
CUBISTA Convergent and Universally Bounded Interpolation Scheme for the Treatment of Advection
CWT Continuous Wavelet Transform Transformada wavelet contnua
C1 Critrio (de colocao nodal unidimensional) 1
C12 Critrio (de colocao nodal bidimensional) 1
C1 Critrio (de colocao nodal unidimensional) 1 (verso - desvio padro)
C2 Critrio (de colocao nodal unidimensional) 2
DASSL Differential-Algebraic System SoLver
ENO Essentially Non-Oscillatory
EP Equidistributing Principle Princpio de equidistribuio
FD Finite Differences Diferenas finitas
FDM Finite Differences Method Mtodo de diferenas finitas
FDS Finite Differences Schemes Esquemas de diferenas finitas
FEA Finite Element Analysis Anlise de elementos finitos
FEM Finite Element Method Mtodo de elementos finitos
FVM Finite Volume Method Mtodo de volumes finitos
GAMMA GAMMA differencing scheme
HRS High Resolution Schemes Esquemas de alta resoluo

xviii
IBVP Initial-Boundary Value Problem Problema de valor inicial-fronteira
INTEGR2D Algoritmo e programa computacional correspondente para a resoluo numrica
adaptativa de modelos transientes bidimensionais
IVP Initial Value Problem Problema de valor inicial
KdV Korteweg-deVries (equation) Equao de Korteweg-deVries
LUDS Linear Upwind Differencing Scheme
LUMR Local Uniform Mesh Refinement
MFEM Moving Finite Element Method Mtodo de elementos finitos mveis
MM Meshless (ou Messfree) Methods
MMPDE Moving Mesh Partial Differential Equation
MOL Method Of Lines Mtodo das linhas
MPM Meshfree Particle Methods
MRAC Model Reference Adaptive Control
MRND Mtodos de Redistribuio Nodal Dinmica
MRNE Mtodos de Redistribuio Nodal Esttica
MUSCL Monotonic Upstream-centered Schemes for Conservation Laws
NA No Aplicvel
NVD Normalised Variable Diagram
NVF Normalised Variable Formulation
NVSF Normalised Variable and Space Formulation
ODAE Ordinary Differential Algebraic Equations (Sistema de) Equaes algbrico-diferenciais
ordinrias
ODE Ordinary Differential Equation Equao diferencial ordinria
PC Parallel Computing
PDAE Partial Differential Algebraic Equations (Sistema de) Equaes algbrico-diferenciais
parciais
PDE Partial Differential Equation Equao diferencial parcial
PM Particle Methods Mtodos de partculas
PPM Piecewise Parabolic Method
QUICK Quadratic Upstream Interpolation for Convective Kinematics (scheme)
RBF Radial Basis Functions
RK Runge-Kutta (methods) Mtodos de Runge-Kutta
SCM Shock Capturing Methods
SMART Sharp and Monotonic Algorithm for Realistic Transport
SPH Smoothed Particle Hydrodynamics
STAT02 Algoritmo e programa computacional correspondente para a resoluo numrica
adaptativa de modelos transientes unidimensionais
TVD Total Variation Diminishing
UDS Upwind Differencing Scheme
ULTIMATE Universal Limiter Limitador universal
WACEB Weighted-Average Coefficient Ensuring Boundedness
WENO Weigthed ENO
1D Unidimensional
2D Bidimensional

1
0 0. . I IN NT TR RO OD DU U O O
O objectivo do presente trabalho consiste essencialmente no desenvolvimento e teste
de mtodos numricos adaptativos, aplicveis na resoluo eficiente de modelos
matemticos diferenciais evolutivos de dimenso arbitrria, que exibam solues com
gradientes elevados, e sejam relevantes no mbito especfico da modelao de
processos qumicos.
Nesse sentido, serve o actual captulo como uma introduo ao relatrio de
dissertao, assumindo-se assim como uma apresentao resumida da estrutura
genrica idealizada para o documento.
Deste modo, o relatrio iniciado com o Captulo 1: M MO OD DE EL LA A O O M MA AT TE EM M T TI IC CA A E E A AN N L LI IS SE E
N NU UM M R RI IC CA A; onde se pretende realizar uma introduo sumria de um conjunto de
conceitos organizados de uma forma hierrquica, discutidos a partir do geral para o
particular. Os conceitos que so objecto de reflexo vo desde a questo da
modelao geral, passando pelas especificidades da modelao matemtica at s
caractersticas dos modelos diferenciais parciais. Por outro lado, discute-se o conceito
de anlise numrica e a sua aplicao especfica na resoluo aproximada de
problemas diferenciais parciais definidos sobre domnios de dimenso arbitrria.
Assim, pretende-se situar o problema da integrao numrica de equaes diferenciais
no mbito mais vasto da modelao e simulao de fenmenos fsicos. Procura-se
deste modo, colocar em evidncia a importncia da linguagem matemtica abstracta
na representao da realidade fsica concreta.
De seguida, o Captulo 2: E ES ST TR RA AT T G GI IA AS S D DE E A AD DA AP PT TA A O O; consiste num aprofundamento da
discusso referente aos mtodos especficos de soluo numrica de sistemas
algbrico-diferenciais ordinrios e parciais e numa introduo detalhada ao conceito
de adaptao no contexto do desenvolvimento desses esquemas numricos,
nomeadamente na definio da noo de malha adaptativa. Apresenta-se igualmente
uma reviso bibliogrfica de mtodos de malha adaptativa, juntamente com os
respectivos processos de adaptao nodal, especificamente idealizados para a
resoluo numrica de modelos algbrico-diferenciais multidimensionais que exibam
solues caracterizadas por frentes e ondas abruptas ou descontinuidades. Todavia,
no se pretende que esta reviso seja demasiado exaustiva, centrando-se somente na
descrio e discusso das principais estratgias desenvolvidas e adoptadas para a
resoluo do problema.
No Captulo 3: M M T TO OD DO OS S A AD DA AP PT TA AT TI IV VO OS S; descrevem-se os vrios algoritmos numricos
adaptativos desenvolvidos no mbito da investigao realizada e os conceitos tericos
especficos que estiveram na sua origem. Assim, nas diversas seces do captulo
realiza-se: uma sntese das estratgias de discretizao baseadas directamente em
esquemas de diferenas finitas ou em procedimentos de alta resoluo com limitao
de fluxo; a definio genrica de malha didica, e a sua aplicao como elemento
estrutural gerador de uma malha adaptativa; a apresentao dos algoritmos
adaptativos de resoluo numrica de PDEs uni- e bidimensionais, com a descrio
dos critrios de adaptao seleccionados.
O Captulo 4: M MO OD DE EL LO OS S D DE E T TE ES ST TE E U UN NI ID DI IM ME EN NS SI IO ON NA AI IS S; o primeiro captulo de apresentao e
discusso de resultados, onde se resumem os resultados obtidos atravs da
INTRODUO
2
implementao dos algoritmos numricos descritos no Captulo 3 para modelos de
teste unidimensionais. Verifica-se inicialmente o desempenho dos mtodos de
colocao nodal e gerao de malha para funes de teste unidimensionais.
Posteriormente, procede-se ao teste do algoritmo na resoluo de modelos
diferenciais unidimensionais.
No Captulo 5: M MO OD DE EL LO OS S D DE E T TE ES ST TE E B BI ID DI IM ME EN NS SI IO ON NA AI IS S; introduzem-se os resultados obtidos
atravs da implementao dos algoritmos numricos descritos no Captulo 3 para
modelos de teste bidimensionais. De uma forma equivalente ao Captulo 4, opta-se por
testar numa primeira fase o desempenho dos mtodos de colocao nodal e gerao
de malha para funes de teste bidimensionais e, de seguida, proceder verificao
do potencial do algoritmo de integrao numrica na resoluo de modelos
diferenciais bidimensionais.
O Captulo 6: S SI IM MU UL LA A O O D DE E P PR RO OC CE ES SS SO OS S Q QU U M MI IC CO OS S; consiste na apresentao dos resultados
numricos obtidos pela implementao dos algoritmos numricos descritos no
Captulo 3 para a resoluo de modelos diferenciais transientes, definidos sobre
domnios espaciais de dimenso arbitrria, que representem a simulao de problemas
tpicos no mbito da modelao de processos qumicos e exibam solues com
atributos notoriamente problemticos, nomeadamente modelos de propagao,
adsoro, combusto, etc.
O relatrio completado com o Captulo 7: C CO ON NC CL LU US S E ES S E E S SU UG GE ES ST T E ES S P PA AR RA A T TR RA AB BA AL LH HO O
F FU UT TU UR RO O; onde se resumem as principais concluses obtidas atravs da discusso dos
resultados apresentados nos captulos anteriores. A enumerao e posterior discusso
das diferentes concluses consideradas relevantes, possibilita a definio de um
conjunto de sugestes para investigaes adicionais que possam no futuro
complementar e representar um avano (quer em termos de reforo ou contradio),
relativamente s teses defendidas no contexto do trabalho presente.
O relatrio complementado com diversos anexos que englobam informao
adicional suplementar considerada importante na contextualizao do trabalho
apresentado no corpo principal.
No Anexo A: E ES ST TR RA AT T G GI IA AS S P PA AR RA A A A D DE ET TE ER RM MI IN NA A O O D DE E P PE ES SO OS S A AS SS SO OC CI IA AD DA AS S A A E ES ST TR RA AT T G GI IA AS S B BA AS SE EA AD DA AS S
E EM M D DI IF FE ER RE EN N A AS S F FI IN NI IT TA AS S; introduzem-se procedimentos sistematizveis para a gerao de
aproximaes de diferenas finitas de geometria variada para a estimativa de
derivadas de ordem arbitrria sobre malha unidimensionais uniformes e no
uniformes.
Por outro lado, no Anexo B: A AL LG GO OR RI IT TM MO OS S A AD DA AP PT TA AT TI IV VO OS S D DE E I IN NT TE EG GR RA A O O; apresentam-se os
algoritmos computacionais (STAT02, unidimensional e INTEGR2D, bidimensional)
desenvolvidos para a implementao dos mtodos de integrao acoplados a critrios
de gerao de malha adaptativa desenvolvidos no mbito do presente trabalho e
discutidos no Captulo 3. Descreve-se a estrutura e caractersticas principais dos
respectivos programas construdos em linguagem FORTRAN para a reproduo e
execuo computacional desses algoritmos, e introduzem-se alguns exemplos
ilustrativos da sua aplicao.
Finalmente, no Anexo C: I IN NT TE EG GR RA AD DO OR RE ES S N NU UM M R RI IC CO OS S D DE E E EQ QU UA A E ES S D DI IF FE ER RE EN NC CI IA AI IS S; descrevem-se
algumas aplicaes computacionais para a integrao numrica de sistemas de
INTRODUO
3
equaes diferenciais ordinrias, das quais se destacam o integrador DASSL
(Differential-Algebraic System Solver) aplicado na integrao de modelos
unidimensionais, e o programa RKF45, que implementa o mtodo de Runge-Kutta-
Fehlberg de quarta-quinta ordem, adoptado como integrador para exemplos
bidimensionais.

4

5
1 1. . M MO OD DE EL LA A O O M MA AT TE EM M T TI IC CA A E E A AN N L LI IS SE E N NU UM M R RI IC CA A
O mbito desta investigao consiste essencialmente na consecuo do objectivo
seguinte: desenvolvimento e teste de mtodos numricos adaptativos para a resoluo
de modelos matemticos algbrico-diferenciais.
Apesar da sua aparente simplicidade e objectividade, este enunciado de intenes
propostas encerra uma multiplicidade de conceitos, que convm escalpelizar com mais
pormenor de forma a situar convenientemente o essencial da investigao no universo
do conhecimento cientfico. De facto, a rea de estudo engloba um conjunto vasto de
campos cientficos, cuja relao pode ser esquematizada atravs de uma estrutura
hierrquica como a apresentada na Figura seguinte.

MODELO
MATEMTICO
MODELAO
MODELO
MATEMTICO
DIFERENCIAL
EQUAO
DIFERENCIAL
EQUAO
DIFERENCIAL
PARCIAL
ANLISE
NUMRICA
ADAPTAO
MODELO
DOMNIO
ESPAO-TEMPORAL
RESOLUO MALHA

Figura 1.1 Estrutura hierrquica de relao entre os conceitos enunciados nos objectivos.
No presente captulo pretende-se realizar uma introduo resumida a cada um dos
conceitos referidos na figura anterior, partindo-se do geral para o particular de forma a
situar o problema da integrao numrica de equaes diferenciais no mbito mais
vasto da modelao e simulao de fenmenos fsicos. Neste sentido, procura-se
atravs desta reflexo, estabelecer uma relao entre as diferentes reas referidas, no
sentido de colocar em evidncia a importncia da linguagem matemtica abstracta na
representao da realidade fsica concreta.
1.1 MTODO CIENTFICO
Numa perspectiva de construo da reflexo hierrquica proposta anteriormente,
atravs de um encadeamento lgico, parta-se ento do conceito mais genrico
possvel. Pretendendo ser o presente estudo, primeiro que tudo, um trabalho
cientfico, ento conclui-se que em primeiro lugar ser necessrio estabelecer o que
significa exactamente a noo de estudo ou procedimento cientfico. Assim, um estudo
cientfico consiste num processo que segue as regras estipuladas pelo chamado
mtodo cientfico, ou seja, um conjunto de tcnicas que permitem a investigao de
fenmenos para a construo de novo conhecimento ou aperfeioamento de
MODELAO MATEMTICA E ANLISE NUMRICA
6
conhecimento prvio[1]. Para poder ser classificado de cientfico, o processo dever
ser baseado na recolha de dados observveis, mensurveis e empricos.
Assim, analise-se inicialmente a prpria evoluo histrica do pensamento inquisitivo
na tentativa da procura da verdade, que eventualmente desembocou no prprio
conceito de inqurito cientfico. Obviamente que o desenvolvimento de um mtodo
dito cientfico no pode ser dissociado da prpria evoluo histrica da Cincia. Apesar
do mtodo cientfico apenas ter cristalizado a partir do sculo XVII (com a designada
revoluo cientfica), tcnicas comummente associadas ao mtodo cientfico j so
claramente identificveis, mesmo que apenas de um modo parcial, em registos
milenares desenvolvidos no contexto das primeiras civilizaes humanas. Portanto,
pode concluir-se que o desenvolvimento de um processo de procura da explicao dos
fenmenos observveis de uma forma minimamente eficiente com a preocupao de
obteno de concluses prticas teis, aplicveis e registveis para aperfeioamento
contnuo baseado na experincia, foi uma das consequncias do advento da
organizao civilizacional das sociedades humanas. Assim, documentos provenientes
de Antigo Egipto descrevem j mtodos empricos aplicados no mbito da Astronomia,
Matemtica e Medicina. Mais tarde, os Gregos constatam e descrevem esses mtodos
anteriormente utilizados pelos Egpcios durante sculos. No entanto, o primeiro
mtodo cientfico experimental foi desenvolvido por Muulmanos, que introduziram
os conceitos de experimentao e quantificao para a distino entre diferentes
teorias competidoras, igualmente definidos numa orientao genericamente emprica.
Na Tabela 1.1 apresenta-se uma cronologia resumida dos principais marcos no
desenvolvimento do mtodo cientfico[2], onde implicitamente se apresentam as
personalidades mais marcantes neste processo, que decorre h pelo menos 4000 anos,
segundo os registos disponveis.
No entanto, importante destacar igualmente o modelo clssico de inqurito
cientfico definido por Aristteles, que estabeleceu nomeadamente o esquema
tripartido de inferncias, abdutiva, dedutiva e indutiva[3]. Estes trs processos mentais
de racionalizao podem ser resumidos da forma seguinte: considerem-se duas
observaes (A, B) e uma teoria ou regra (C) que as relaciona: uma induo consiste
num processo em que se construa C, a partir de A e B a partir das duas constataes
define-se uma teoria que as explica e que constitui normalmente uma generalizao;
uma deduo o processo em que a partir de uma observao e de uma teoria, se
deduz outra observao (uma concluso) que consequncia da primeira, ou seja, que
lhe est a jusante; finalmente, uma abduo o processo em que a partir de uma
observao e de uma teoria, se obtm outra observao que pode explicar a primeira,
ou seja, que lhe est a montante. Assim, admita-se que constatamos os factos
seguintes: A Scrates um homem: B - Scrates mortal; aplicando um
processo indutivo, obtm-se a possvel teoria: C - Todos os homens so mortais. Por
outro lado, por A e C, pode-se deduzir B e atravs de B e C, abduz-se A. Estes processos
de raciocnio (principalmente os dois primeiros) so consideravelmente importantes
na explanao do modelo geral do processo de inqurito cientfico.
Assim, do ponto de vista estrutural, genericamente aceite que o mtodo cientfico
pode ser caracterizado por iteraes, recurses, intercalaes e ordenaes dos
quatro elementos essenciais seguintes, que constituem no seu conjunto um modelo
hipottico/indutivo-dedutivo[4-5]:
7
1. Caracterizao o arranque do processo implica o reconhecimento de um
problema que apenas constatvel depois de analisados dados observveis
disponveis.
2. Hiptese formao de uma conjectura baseada nos dados observveis que
possa constituir uma explicao para o fenmeno sob escrutnio; geralmente,
este processo implica a identificao de padres presentes nos dados
analisados.
3. Previso a partir da teoria construda em 2, deduzem-se as possveis
consequncias da aplicao da Hiptese.
4. Teste procedimento que permite testar a Hiptese formulada, atravs da
verificao das consequncias previstas; tal como no passo 1, este processo
implica a recolha de dados empricos observveis, e o seu objectivo deve passar
pela procura de dados que provem a inadequao das consequncias, ou seja a
busca da contradio de 3, e no pelo erro lgico de apenas procurar
demonstrar 3 como prova directa de 2.
Tabela 1.1 Cronologia resumida dos principais marcos no desenvolvimento do mtodo cientfico[2].
c. 1600 AC Um texto mdico Egpcio, o papiro Edwin Smith, classifica os componentes seguintes
do processo de tratamento de doenas: exame, diagnstico, tratamento e
prognstico, que revelam uma semelhana ntida com uma metodologia emprica
bsica.
c. 400 AC Na China, Mozi (c. 470 AC - c. 391 AC) e a Escola dos Nomes, advogam a utilizao dos
Sentidos para a observao do mundo.
c. 400 AC Demcrito (c. 460 AC - c. 370 AC) defende o raciocnio indutivo como um processo de
anlise das causas das percepes sensoriais, para a obteno de concluses acerca do
mundo exterior.
c. 320 AC Surgem os primeiros documentos abrangentes onde se categoriza e subdivide o
Conhecimento. A classificao devida a Aristteles (384 AC - 322 AC) divide o
Conhecimento nas reas seguintes: Fsica, Poesia, Zoologia, Lgica, Retrica, Poltica e
Biologia. Na sua obra Analticos posteriores, Aristteles estabelece o ideal da Cincia
como a demonstrao necessria a partir de axiomas tidos como certos.
c. 300 AC Os Elementos de Euclides (fl. 300 AC) tratam a geometria como um sistema de
teoremas que adveem logicamente de axiomas tidos como certos.
c. 200 AC Primeira Biblioteca catalogada Biblioteca de Alexandria.
c. 800 DC Um esboo do mtodo experimental emerge entre qumicos muulmanos, atravs de
Geber (c. 721 - c. 815), que introduz o conceito de Experincia Controlada. Por outro
lado, em outras reas do conhecimento (Filosofia Islmica, Teologia, Leis e Cincia do
Hadiz) introduzem-se a Citao, Escrutnio pelos Pares e a Discusso Aberta para o
desenvolvimento do Consenso.
1021 O cientista e fsico iraquiano e muulmano Alhazen (965 - c. 1039) introduz o mtodo
experimental, combinando Observaes, Experincias e Discusses Racionais no seu
Tratado de ptica, para demonstrao cientfica da teoria intromissiva da viso, em
contradio com a teoria visual emissiva defendida por Ptolomeu (c. 90 - c. 168) e
Euclides.
c. 1025 O cientista persa, Ab Rayhn al-Brn, (973-1048) desenvolve os primeiros mtodos
experimentais nas reas de Mineralogia e Mecnica, e um dos primeiros a conduzir
experincias elaboradas no campo dos fenmenos Astronmicos.
1025 No Cnone da Medicina, Avicena (c. 980-1037) descreve os mtodos de Concordncia,
Diferena e Variao concomitante, como factores crticos para o desenvolvimento da
lgica indutiva e do mtodo cientfico.

8
Tabela 1.1 (Cont.)
1027 No Livros das Curas, Avicena (c. 980-1037) critica o mtodo Aristotlico de Induo,
argumentando que este no conduz s premissas exactas, absolutas e universais a
que promete conduzir. Em alternativa, declara a Observao e a Experimentao
como os meios para o inqurito cientfico.
1220-1235 Robert Grosseteste (c. 1175-1253), um escolstico ingls, filsofo, telogo e Bispo de
Lincoln, publica os seus Comentrios Aristotlicos, que definem as bases para os
mtodos correctos da Cincia.
1265 Roger Bacon (c. 1214-1294) um monge ingls, descreve um Mtodo Cientfico,
inspirado nos trabalhos de Grosseteste, baseado num ciclo iterativo de Observao,
Hiptese e Experimentao, monitorizado por uma necessria verificao
independente. Para tal, registou as suas experincias de forma pormenorizada, para
que outros as pudessem reproduzir e verificar os seus resultados de um modo
independente.
1327 O Princpio da Parcimnia ou Ockham's razor claramente formulado por William of
Ockham (c. 1288 - c. 1348).
1403 publicada a primeira Enciclopdia de contribuies: Yongle Encyclopedia.
1590 Introduo de Experincias Controladas por Francis Bacon (1561-1626).
1595 Inveno do Microscpio na Holanda.
1600 Primeiro Laboratrio dedicado.
1608 Inveno do Telescpio na Holanda.
1620 Publicao do Novum Organum por Francis Bacon (1561-1626).
1637 Primeiro Mtodo Cientfico enunciado por Ren Descartes (1596-1650).
1638 Publicao do Discorsi e dimostrazioni matematiche, intorno a due nuove scienze, de
Galileu (1564-1642), que contm duas Experincias Mentais idealizadas com o
objectivo de contrariar teorias fsicas existentes, atravs da demonstrao de que
estas levam a consequncias contraditrias.
1650 Fundada a primeira Sociedade de especialistas Royal Society.
1650 Evidncias experimentais estabelecidas como definidoras da Verdade (Royal Society).
1665 Estabelecido o princpio da Repetibilidade por Robert Boyle (1627-1691).
1665 Publicao de Revistas Cientficas.
1675 Estabelecido o Escrutnio pelos Pares.
1687 Estabelecida a associao Hiptese/Previso por Isaac Newton (1643-1727).
1739 David Hume (1711-1776) publica Treatise of Human Nature, onde declara a
insolubilidade do problema da Induo.
1753 Primeira descrio de uma Experincia Controlada realizada por James Lind (1716-
1794), para o desenvolvimento de uma cura para o escorbuto.
1812 Formulao por Hans Christian rsted (1777-1851) do termo Latino-Germnico
Gedankenexperiment (lit. experincia conduzida nos pensamentos, ou Experincia
Mental), apesar deste conceito j ser usado por filsofos desde a Antiguidade.
1815 Design Experimental ptimo para regresso polinomial, publicado por Joseph Diaz
Gergonne (1771-1859).
1877-1888 Charles Sanders Peirce (1839-1914) publica Illustrations of the Logic of Science,
popularizando a tricotomia, Abduo, Deduo e Induo. Pierce introduz a
aleatoriedade como base da inferncia estatstica.
1885 C. S. Peirce (1839-1914) e Joseph Jastrow (1863-1944) criam o conceito de Experincia
Cega Aleatria, que se estabelecer no domnio da Psicologia.
1897 Thomas Chrowder Chamberlin (1843-1928) prope a utilizao de mltiplas hipteses
no projecto de experincias (Experimental Design).
1926 Projecto Experimental Aleatrio analisado e divulgado por Ronald Fisher (1890-1962)
(seguindo o trabalho de Peirce).
1934 Aplicao da Falseabilidade (ou Refutabilidade) como um critrio para a avaliao de
novas hipteses, por Karl Popper (1902-1994) em The Logic of Scientific Discovery
(seguindo o trabalho de Peirce).
1937 Primeiro teste controlado com considerao do efeito Placebo.
1946 Primeira Simulao Computacional.
1950 Definido o conceito de Experincia Duplamente Cega.
9
Tabela 1.1 (Cont.)
1962 Meta-estudo do mtodo cientfico The Structure of Scientific Revolutions, de Thomas
Kuhn (1922-1996).
1964 Modelo de Inferncia Forte[6] proposto por John R. Platt (1918-1992).
2009 Adam[7] Primeiro prottipo de um Cientista Robotizado capaz de executar
experincias de forma independente e interpretar resultados sem interferncia
humana.
Assim, este modelo assume-se como a base da revoluo cientfica. H um milhar de
anos, Alhazen (965 - c. 1039) demonstrou a importncia dos passos 1 e 4, enquanto
Galileu (1564-1642) em 1638 provou a importncia do passo 4, tambm designado por
Experincia. Na realidade, este modelo aplica-se com especial sucesso no campo
particular das cincias experimentais (e.g., Fsica, Qumica).
Obviamente, que o principal objectivo do Mtodo Cientfico consiste na eliminao de
qualquer influncia subjectiva na construo de estruturas de conhecimento, como o
mero senso comum, extremamente permevel interferncia da experincia e dos
preconceitos dos prprios actores do processo. Assim, Charles Sanders Peirce (1839-
1914) define o chamado Modelo Pragmtico[8], em que distingue quatro mtodos
possveis para o estabelecimento e resoluo de processos de dvida, com o objectivo
de obteno de uma matriz slida para um conhecimento. Numa gradao crescente
de sucesso, o Mtodo Cientfico o quarto dos mtodos enumerados, sendo descrito
como o mtodo onde o inqurito se reconhece a si prprio como falvel, e
efectivamente se testa, critica, corrige e aperfeioa continuamente.
Analisando o modelo proposto com mais pormenor, verifica-se que os passos 1 e 4
esto directamente ligados observao, ou seja recolha de dados do mundo fsico
que nos rodeia, e a sua importncia refora o carcter emprico do mtodo. Por outro
lado, os passos 2 e 3 relacionam-se principalmente com processos de raciocnio lgico.
Assim, o passo 2 pode-se considerar um passo predominantemente indutivo,
enquanto o passo 3 se refere a raciocnios dedutivos (ou abdutivos).
A eficincia deste procedimento implica que a sua aplicao seja balizada pela
verificao de pressupostos adicionais, nomeadamente no que diz respeito ao passo 4,
o teste das hipteses, que qualifica o carcter experimental do Mtodo Cientfico. No
entanto, a forma objectiva com que o processo experimental deve ser executado de
forma a assegurar a sua credibilidade implica que certas caractersticas tenham de ser
asseguradas. Nesse sentido, essencial introduzir no processo de observao, os
conceitos de:
Controlo corresponde comparao dos resultados de uma experincia para
uma amostra em estudo, aos obtidos utilizando uma amostra de controlo, que
apenas difere em relao primeira no que diz respeito ao efeito testado
(varivel independente).
Repetibilidade corresponde capacidade de se realizarem as mesmas
medies em condies semelhantes com uma preciso abaixo de um valor
aceitvel.
Reprodutibilidade corresponde capacidade de se replicarem as mesmas
experincias por observadores externos independentes.
10
A verificao destas caractersticas possibilitam a monitorizao externa do prprio
processo atravs de uma reviso ou escrutnio realizado pelos pares.
Por outro lado, o Mtodo Cientfico apresenta a desvantagem de no permitir a
verificao absoluta, ou seja a confirmao da verdade de 2. Na realidade, apenas
pode demonstrar seguramente a sua falsidade. O empirismo do Mtodo implica
igualmente a sua dependncia da recolha de dados necessariamente afectados por um
varivel nvel de incerteza associada ao prprio processo de observao, e que
inevitvel.
possvel afirmar que qualquer mecanismo de formulao de uma Hiptese (passo 2)
implica genericamente a construo de um modelo. Assim, a Cincia pode ser definida
como o processo de recolha, comparao e avaliao de modelos propostos em
relao a dados observveis. No entanto, o mtodo cientfico no pode ser visto
simplesmente como uma receita, j que o sucesso do inqurito cientfico implica
igualmente inteligncia, criatividade e imaginao[9]. Na realidade, consiste num ciclo
interminvel, que constantemente possibilita o desenvolvimento de modelos e
mtodos mais teis, exactos e genricos. Deste modo, est-se em condies de passar
ao estgio seguinte: a definio do conceito de Modelo.
1.2 MODELO
Uma parte da reflexo acerca do significado de um Modelo, j foi efectuada na seco
anterior, porque a prpria explanao do Mtodo Cientfico foi apresentada num
formato que efectivamente se designou de Modelo. Desse modo, coloca-se a questo
a que se tentar responder de forma sucinta na presente seco: Como se define um
Modelo?
Uma pesquisa simples[10] permite constatar que existem muitos e variados tipos de
modelos, ou seja a palavra Modelo pode ser usada para descrever conceitos que se
referem a (aparentemente) campos e contextos muito diferentes. Assim, o problema
que se coloca consiste em determinar o que todos estes Modelos tm em comum.
No sentido do estabelecimento de uma noo abrangente para o conceito de modelo,
torna-se conveniente analisar numa primeira fase a etimologia da prpria palavra
modelo, a sua raiz e consequente origem, assim como a correspondente evoluo ao
longo dos sculos, das culturas e respectivas lnguas. Nesse sentido importa salientar o
trabalho de Favre[11] que apresenta uma reflexo muito interessante sobre, entre
outros assuntos, o significado do conceito de modelo e de metamodelo, um modelo de
um modelo, ou seja um modelo que permite a descodificao de um modelo.
Com esse objectivo, Favre[11] analisa a etimologia da palavra model (ingls
moderno) e constri o modelo da sua evoluo (vd. Figura 1.2). Conclui-se que esta
tem origem na palavra latina modus, que significa medida, atravs do diminutivo
modulus, pequena medida. Adicionalmente, verifica-se que modus origina igualmente
as palavras associadas actuais, molde, mdulo e modificao (todas derivadas da raiz
comum indo-europeia med). O modelo apresentado adaptado verso inglesa
destas palavras e no surpreendente, j que as palavras inglesas de origem latina
provm usualmente do francs. No entanto, no seria de todo uma especulao
desprovida de sentido concluir que o modelo evolutivo para as palavras
11
correspondentes em Portugus (como lngua latina) mostrasse uma relao mais
directa com a origem latina.

Figura 1.2 Modelo da etimologia da palavra model (ingls moderno) e palavras associadas[11].
De qualquer modo, constata-se que um modelo pode ser geralmente definido como
uma representao de entidades to distintas como abstraces, conceitos, teorias ou
objectos. Assim, o conceito pode significar entidades to distintas como um Modelo de
moda (curiosamente afigura-se bvio que a palavra moda tem a mesma raiz da palavra
modelo) ou artstico; um modelo matemtico; ou como uma representao grfica
computacional (Computer Graphics CG). Devido aparente versatilidade do conceito
de Modelo, Favre[11] organiza-o em vrias vertentes, a saber:
Representao representao de algo (objecto, etc; a uma escala diferente),
de uma entidade complexa ou de um processo.
FRANCS
MDIO
me
med met
metiri metron
MEDIR
modus
MEDIDA
modulus
PEQUENA
MEDIDA
LATIM
INDO
EUROPEU
modellus modulum
LATIM
VULGAR
modello
model
modle
mold
INGLS
modelle
module modification
facere
FRANCS
ANTIGO
FRANCS
MDIO
ITALIANO
FRANCS
MODIFICAO MDULO MOLDE MODELO
GREGO
ITALIANO
12
Exemplo ou Exemplar algum ou algo que deve ser imitado; algum que posa
para um artista (fotgrafo, pintor, escultor).
Tipo tipo de um produto; categoria de objectos que se distinguem de outros
atravs de alguma caracterstica especfica.
Molde uma forma ou padro representativo.
A anlise dos diferentes significados de um modelo indica que a sua natureza aparenta
estar mais intimamente ligada a uma ideia de maneira, mais precisamente de maneira
representativa ou maneira correcta, do que do conceito original de medida.
Assim, das diversas vertentes referidas, emerge a representao como caracterstica
mais geral de um modelo na sua definio mais lata. Deste modo, o modelo como
representao implica a relao entre duas entidades: o representado (o modelado)
que podem ser variados objectos, sistemas e conceitos, e a representao (o modelo
em si). Este processo aplicvel a entidades abstractas ou concretas para
representaes virtuais ou reais:
Abstracto Real; e.g. a arte como uma tentativa de representao de
conceitos abstractos (emoes humanas) atravs da construo de objectos
concretos: instalaes, pintura, escultura, literatura, teatro, etc.
Concreto Real; e.g. maquetas ou modelos de escala como uma
representao de objectos atravs de uma mudana de escala.
Abstracto Virtual; e.g. modelos de conduta.
Concreto Virtual; e.g. CG como representao de objectos, cenrios, seres
vivos, etc, por simulao computacional.
O processo de construo do modelo (modelao) conduz usualmente a uma
simplificao da entidade a representar e a uma alterao de escala e/ou de suporte
que se encontra intrinsecamente ligada a essa aco simplificativa. Assim, a
representao de algo implica a translao desse algo para um suporte ou domnio
mais acessvel a manipulao por parte do construtor do modelo (modelador).
No sentido de ilustrar estas caractersticas apresenta-se um exemplo que se tornou
icnico no mbito da Computao Grfica 3D: o chamado bule UTAH (criado por
Martin Newell em 1975) vd. Figura 1.3.
A anlise deste exemplo permite concluir que a simples representao geomtrica
tridimensional no s por si suficiente. A simulao atravs de imagens geradas
computacionalmente um processo essencialmente visual. Deste modo, no apenas
a forma do objecto que se revela importante para que a iluso ptica seja completa e
credvel
1
(mesmo no caso de um objecto relativamente simples como um bule), mas
igualmente essencial que a simulao incorpore elementos como a textura das
superfcies dos objecto, a forma como iluminado, o cenrio que o rodeia, etc.
Aplicando a uma definio generalizada de um modelo verifica-se ento que um
processo de modelao eficiente implica frequentemente a considerao de
caractersticas que vo muito para alm da simples representao do objecto (no
sentido genrico do termo) em estudo.

1
No contexto de uma representao mais fiel possvel do objecto simulado.
13

Figura 1.3 Uma verso da representao 3D do bule UTAH[12].
Por outro lado, o enunciado da representao como uma simplificao conjugada com
uma mudana de suporte implica que a modelao possibilite uma forma de acesso
privilegiado ao prprio objecto modelado. Assim, torna-se possvel manipular (e
consequentemente esmiuar, analisar e estudar) esse objecto atravs do controlo da
sua representao. No caso do exemplo referido anteriormente tal implica que,
atravs da manipulao da simulao 3D, o modelador tem a possibilidade de testar
condies que ultrapassam o mbito do objecto modelado (apesar de o terem como
base de partida). Assim, o modelador poder construir novos bules a partir do original,
com cores, texturas ou formatos diferentes, alterar os cenrios envolventes, testar
outras condies de visualizao, simulando diferentes tipos de radiao incidente, ou
mesmo optar por manipulaes mais radicais que contrariem as regras perceptveis da
realidade fsica observvel e as propriedades do prprio objecto modelado (vd. Figura
1.4).

Figura 1.4 Manipulao de uma representao 3D do bule UTAH[13].
14
1.3 MODELAO
O processo de modelao pode ser considerado como um procedimento de
construo de um modelo, enquanto que uma simulao pode ser definida como
qualquer aco de manipulao, aplicao ou utilizao desse modelo.
Deste modo, numa tentativa de ilustrao do processo de modelao, considere-se um
exemplo, a Batalha de Aljubarrota. A escolha deste evento particular no de todo
inocente. Por um lado, pretende-se seleccionar um tipo de modelo que aparenta
situar-se nos antpodas das classes de modelos (modelos matemticos diferenciais)
que constituem o objecto de interesse do presente trabalho. No entanto, a escolha
deste acontecimento deve-se igualmente ao facto deste ser de primordial importncia
na Histria de Portugal, essencial na definio dos estgios posteriores desse processo
histrico e no estabelecimento da identidade nacional. Qualquer processo de
modelao deste evento histrico baseia-se numa rea cientfica no relacionada com
as cincias fsicas, mas com as cincias humanas, mais precisamente com a Histria, o
que talvez o deva tornar ainda mais complexo, j que se refere ao estudo de
acontecimentos/fenmenos desfasados temporalmente, portanto no directamente
observveis. Assim, os dados necessrios para a consecuo da tarefa tm de ser
acedidos atravs de fontes indirectas, possivelmente enviesadas e necessariamente
incompletas.
Apesar destas limitaes possvel apresentar um esquema (ou um modelo) resumido
dos acontecimentos que se supe terem ocorrido no Campo de So Jorge, perto de
Aljubarrota no dia 14 de Agosto de 1385 (vd. Figura 1.5). As circunstncias particulares
do evento permitem identificar as razes que conduziram a que o prprio
acontecimento se tenha desenrolado da forma e com o desfecho conhecidos. No
entanto, para descodificar este modelo esquemtico essencial definir a sua
linguagem de forma a torn-lo inteligvel (vd. Figura 1.6). Ilustra-se assim a importncia
da linguagem na modelao, definida no sentido lato, como um processo sistemtico
de comunicao atravs da utilizao de sons ou smbolos convencionados, que
permite a leitura da representao modelada.
A escolha particular do exemplo apresentado deve-se igualmente ao facto de a
montagem de miniaturas de cenas de batalha ser uma das actividades mais populares
no campo da modelao de escala de acontecimentos, que se inclui no campo da
construo de maquetas. Na verdade, uma maqueta relativamente fiel de uma batalha
como a Batalha de Aljubarrota implicaria uma recolha extremamente alargada de
informao de vertentes mltiplas.
De facto, a fidelidade da representao ao objecto modelado directamente
proporcional ao nvel de pormenor, ou seja ao grau de sofisticao do prprio modelo,
que obviamente depende do esforo dispendido no processo. bvio que a
credibilidade desta sofisticao depende do julgamento de especialistas externos.
por esta razo que no campo cientfico, o conceito da reviso pelos pares se revela to
importante para o controlo do prprio processo.
Voltando anlise do exemplo discutido, necessrio ter em conta que qualquer
evento histrico no surge de forma isolada, inserindo-se no contexto especfico da
sua poca. Por exemplo, no caso particular em estudo, os dados exteriores a
considerar poder-se-iam relacionar com o contexto internacional envolvente,
15
nomeadamente a Histria europeia do sculo XIV nas suas diversas vertentes
(econmica, social, militar), e no contexto nacional particular, ou seja a chamada Crise
de 1383-85, situada no mbito da Guerra dos Cem Anos.

Figura 1.5 Modelo simplificado da evoluo da Batalha de Aljubarrota (adaptado de [14]).
N N
N
Ribeiro
Ribeiro
Estrada
Encosta
ngreme
Colina
Encosta
Suave
N
16
Para alm destes dados histricos, a prpria natureza tridimensional de uma maqueta
implica a considerao de informao proveniente de outras reas, p.e. a topografia
do terreno, a meteorologia naquele dia particular, etc. Todas estas circunstncias
seriam vitais para a construo de uma maqueta credvel do evento, conjugadas com
as informaes directamente relacionadas com o evento em si.

Figura 1.6 Simbologia (ou metamodelo) dos esquemas da Figura 1.5 (adaptado de [14]).
Assim, para alm do prprio evento (neste caso) a representar, verifica-se que um
processo credvel de modelao implica igualmente a recolha de informao em reas
adjacentes ao prprio evento relacionados com o seu contexto, sem as quais a prpria
construo se encontra seriamente comprometida.
A manipulao do modelo construdo permite um teste de possveis alternativas
realistas prpria representao construda. No caso em estudo, o carcter
miniaturizado da prpria maqueta
2
possibilita a pesquisa necessariamente
probabilstica de diferentes alternativas para a evoluo do acontecimento,
dependendo da alterao dos pressupostos conhecidos. Deste modo, apesar do
modelo de partida representar geralmente o objecto como a entidade real observada,
a manipulao do modelo ou a sua simulao, no tem necessariamente de se limitar
realidade, mas pelo contrrio pode ser uma porta de entrada para uma infinidade de
opes virtuais. Esta caracterstica extremamente interessante do conceito de modelo
ilustra as suas potencialidades extrapolativas. Por outro lado, a simulao apresenta
igualmente um carcter interpolativo, que nos permite inferir de uma forma
informada sobre os pormenores inacessveis do objecto modelado, atravs do recurso
informao conhecida directamente relacionada com esse objecto.
Um esboo da generalizao do processo de modelao discutido anteriormente
apresentado no esquema da Figura 1.7.
Um problema recorrente que se coloca aquando do processo de modelao diz
respeito definio do grau de simplificao aplicvel conjugada com a utilidade
intrnseca do prprio modelo.
Uma soluo para este dilema ligado ao balano representatividade/esforo, pode ser
a utilizao do chamado princpio da parcimnia, tambm conhecido como occams
razor popularizado por William of Ockham (c. 1288 - c. 1348). Na sua formulao
original, o princpio estabelecido por[15]: pluralitas non est ponenda sine

2
Estrutura no apenas tridimensional mas igualmente dinmica, ou seja, varivel com o tempo.
P
o
r
t
u
g
u
e
s
e
s

C
a
s
t
e
l
h
a
n
o
s

Arqueiros
Vanguarda
Retaguarda
Cavalaria francesa aliada
Fora principal
Trincheiras e covas de lobo
17
necessitate (pluralidade no deve ser assumida sem necessidade), mas tambm
pode apresentar a forma, entia non sunt multiplicanda praeter necessitatem ou
entidades no devem ser multiplicadas para alm da necessidade. Qualquer uma das
formulaes anteriores conduz implicitamente concluso que a explicao ou
estratgia mais simples tende a ser a melhor.

Linguagem
Domnio do
Objecto
Domnio
Adjacente
i
CONSTRUO
MODELO DO
OBJECTO
SIMULAO
Interpolativa
i
Extrapolativa

Figura 1.7 Esquema simplificado representativo do processo de modelao generalizado.
De facto, o exerccio de modelao implica um investimento quer de tempo como de
esforo fsico ou intelectual (ou computacional, o seu substituto artificial), ou seja
um processo inevitavelmente associado a um determinado custo. Por outro lado, a
construo de um modelo est naturalmente ligada consecuo de um objectivo,
que pode ir desde o simples cumprimento de um desafio para satisfao pessoal, at
observncia de uma finalidade acadmica ou terica, ou de uma aplicao prtica.
Assim no surpreendente concluir que uma modelao eficaz e til implica, de uma
forma lgica, um exerccio de optimizao, de balano custo/benefcio.
1.4 MODELO MATEMTICO
Assim, como foi referido anteriormente, a aplicao do mtodo cientfico pode ser
apresentada como uma forma de entendimento dos fenmenos fsicos atravs da
avaliao do seu ajuste a modelos que os possam representar adequadamente, ou seja
atravs da modelao e posterior simulao da realidade observvel. Para tal, este
processo de modelao implica o estabelecimento de um sistema de comunicao
entre dois domnios: o domnio do emprico, dos dados observveis e o domnio da
representao desses dados, o modelo em si. Este processo de translao entre estes
dois domnios s realizvel atravs da definio de um conjunto coerente e
convencionado de smbolos, ou seja, da definio de uma linguagem especfica. Para
tal, verifica-se que a linguagem matemtica, como um sistema de representao
18
simblica de objectos ou ideias matemticas, se revela bastante adequada para uma
representao intelectualmente acessvel dos fenmenos, ou seja da sua modelao.
Um modelo matemtico antes de tudo, um modelo que utiliza linguagem
matemtica para a descrio de um sistema. Atravs de um modelo matemtico, os
fenmenos observveis so representados por relaes mais facilmente tratveis
entre entidades abstractas atravs de operaes matemticas. Deste modo, realiza-se
a organizao do mundo real observvel e a sua consequente adaptao a padres
mais facilmente reconhecveis e manipulveis pelo crebro humano.
1.4.1 ELEMENTOS CONSTITUTIVOS DE UM MODELO MATEMTICO
A classe especfica de modelos categorizada como modelo matemtico justamente
definida pela linguagem particular utilizada. Este tipo de modelos caracterizado por
possuir determinados elementos constitutivos definidos como abstraces que
relacionam quantidades atravs de operaes matemticas convencionadas, ou seja
equaes matemticas, que habitualmente contm:
Variveis smbolos que representam quantidades cujos valores podem variar
no contexto do problema definido.
Parmetros ou constantes smbolos representativos de quantidades cujos
valores se assumem constantes no contexto de problema em anlise.
Deste modo, se as relaes entre as variveis e parmetros do modelo forem apenas
do tipo algbrico, est-se em presena de um modelo algbrico. Se o sistema exibir
operadores diferenciais ou integrais em todas as equaes que o compem, ento o
modelo diz-se diferencial ou integral, respectivamente. No entanto, existem modelos
mistos que combinam equaes de diferentes tipos, e.g. um sistema que junte
equaes algbricas e diferenciais constitui um modelo algbrico-diferencial.
1.4.2 TIPOS DE MODELOS MATEMTICOS
De forma a sistematizar a discusso, conveniente agora fazer-se referncia aos
diversos tipos de modelos matemticos possveis a s particularidades especficas que
os distinguem e que definem a sua aplicabilidade. Deste modo, apresenta-se em
seguida, um modelo possvel de categorizao, que est longe de ser exaustiva.
Portanto, os modelos matemticos podem-se classificar segundo as dicotomias:
Linear/No linear
Parmetros concentrados/distribudos
Esttico/Dinmico
Determinstico/Probabilstico
Logicamente que os modelos lineares se caracterizam por ser constitudos apenas por
equaes lineares. A linearidade uma propriedade importante que ser tratada com
mais pormenor mais adiante, mas pode-se afirmar desde j que, genericamente,
implica que os termos das equaes que estabelecem o modelo matemtico no
exibam produtos entre variveis (ou diferenciais de variveis) e que todos os termos
sejam apenas de grau 0 ou 1 em relao a essas variveis. Assim, uma equao que
possua qualquer termo que no verifique estas especificaes classificada como no
19
linear e o modelo a que pertena ser necessariamente no linear. Esta distino
especialmente importante j que se refere directamente estrutura das relaes entre
as variveis que definem o estado do sistema e os parmetros do modelo quanto sua
complexidade relativa, que consequentemente mais elevada no caso no linear.
Se os fenmenos definidos no espao-tempo contnuo ( escala macroscpica)
exibirem variaes sobre as dimenses que definem o domnio, implicando uma
variao do estado do sistema ao longo desse domnio, o modelo que os represente
categorizado como sendo de parmetros distribudos ou heterogneo. Num modelo de
parmetros concentrados a simulao de um fenmeno no implica a considerao de
gradientes espaciais, ou seja o estado consistente ao longo do domnio e o modelo
diz-se homogneo.
Por outro lado, se ocorre variao de estado na direco temporal, representada por
termos de acumulao, necessariamente do tipo diferencial, tem-se um modelo
dinmico ou evolutivo. Obviamente que quando tal no se verifica, e o estado do
sistema no se altera com o tempo, diz-se que o modelo esttico ou estacionrio.
Quando se introduz a incerteza associada aos parmetros e aos dados de base que
constituem o ncleo da construo do modelo, obtm-se um modelo probabilstico.
Neste caso, so consideradas cargas aleatrias e o estado do sistema no definido
por valores determinados, mas por distribuies de probabilidade. No caso contrrio,
se o estado do sistema for unicamente determinado pelos valores dos parmetros e
dos estados anteriores, o modelo definido como determinstico.
Finalmente, destaca-se o conceito de modelo conservativo como o resultado de um
processo de modelao baseado na conservao de extensidades (momento, massa ou
densidade, energia) no interior de volumes predefinidos de controlo no espao
tridimensional, delimitados por fronteiras definidas por superfcies de interface.
Outra forma de caracterizao importante diz respeito ao tipo de recursos utilizados
no processo de construo do modelo. Atravs desta classificao, um modelo pode
ser denominado de:
Modelo emprico modelos construdos a partir de dados brutos observveis,
sem qualquer manipulao terica prvia.
Modelo terico modelos desenvolvidos atravs da aplicao de princpios
cientficos (fsicos, qumicos, etc), ou seja de abstraces tericas previamente
testadas e validadas, que, no fundo, so igualmente modelos j estabelecidos.
Modelo semi-emprico modelos mistos que representam um compromisso
entre os dois conceitos anteriores, no sentido do aproveitamento das
vantagens de cada abordagem em domnios distintos do modelo global.
Salientam-se igualmente duas outras classificaes importantes realizadas ao nvel da:
Homegeneidade num modelo heterogneo, o domnio tem de ser dividido
em diversas fases distintas, ao contrrio do modelo homogneo em que apenas
se distingue uma fase (e.g. as fases definidas podem estar relacionadas com
diferentes estados da matria).
Continuidade modelo contnuo um modelo constitudo apenas por variveis
contnuas, enquanto que num modelo discreto existe pelo menos uma varivel
20
discreta; por exemplo, trivial deparar-se com variveis que representam
entidades que s tem significado fsico se assumirem valores inteiros (e.g.
nmero de andares de uma coluna de destilao, nmero de estgios de uma
sequncia de processos batch, etc).
Tem-se observado recentemente um avolumar da importncia da modelao
matemtica no contexto da investigao cientfica. Este facto especialmente
relevante devido ao crescimento exponencial da capacidade de clculo proporcionada
pela revoluo informtica dos ltimos 30 anos. Deste modo, agora possvel resolver,
mesmo que de uma forma aproximada, modelos que ainda h poucas dcadas
implicariam um esforo de clculo proibitivo com os recursos disponveis. Deste modo,
o advento da era computacional abriu caminho para o desenvolvimento de modelos
de complexidade crescente.
1.4.3 MODELAO MATEMTICA DE PROCESSOS QUMICOS
Inicialmente pretende-se reflectir resumidamente sobre a noo de Tecnologia e a sua
relao com o conceito previamente discutido de Cincia. Assim, sabe-se que, por
definio:
Cincia (do Latim scientia, que significa conhecimento) , no seu sentido mais
lato, qualquer sistema baseado no conhecimento ou prtica prescritiva capaz
de resultar numa previso ou num resultado previsvel[16].
Tecnologia (do Grego technologa () tchn (), arte,
capacidade ou competncia e -loga (-), o estudo de algo ou o ramo
de conhecimento de uma disciplina) corresponde capacidade dos humanos
(ou de outros animais) de desenvolvimento e utilizao de ferramentas ou
competncias, e a forma como estas afectam a sua aptido para controlarem
ou se adaptarem ao seu meio ambiente[17].
Afigura-se bvio que ambos os conceitos referidos anteriormente se relacionam com a
noo de conhecimento. No entanto, tal no implica que estejam obrigatoriamente
relacionados entre si. Na verdade, a organizao das sociedades tecnolgicas
modernas poderia fazer pensar que a Tecnologia seria essencialmente uma aplicao
prtica do conhecimento cientfico e, deste modo, estaria dependente deste. No
entanto, uma anlise Histria do Homo sapiens sapiens permite concluir que uma
das razes que conduziram ao seu inegvel sucesso se deve sua natural apetncia
para a adaptao e manipulao do seu meio envolvente ou seja, dada a prpria
definio, um especial talento para o desenvolvimento e aplicao de Tecnologia. De
facto, o Homem constri Tecnologia desde praticamente o seu surgimento como
subespcie especfica (h 195 000 anos atrs), muito antes do desenvolvimento formal
do conceito de Cincia (e.g. descoberta e utilizao do fogo, da roda, da metalurgia,
etc). Assim, verifica-se que o fabrico de Tecnologia, a construo de conhecimento
tecnolgica numa determinada rea, perfeitamente possvel, eficaz e til, sem que o
correspondente conhecimento cientfico se encontre solidificado. Assim, a produo
de Tecnologia depende apenas do primeiro passo do modelo apresentado para o
Mtodo Cientfico: a caracterizao dependente da observao e da experincia, ou
seja de experimentao informal, no sistematizada nem controlada. Este facto
continua a ser realidade, mesmo na contemporaneidade. Um exemplo paradigmtico
21
relaciona-se com a descoberta dos Raios-X, oficialmente atribuda a Wilhelm Conrad
Rntgen (1845-1923) em Novembro de 1895, cujas propriedades se revelaram
imediatamente bvias para uso no diagnstico mdico (vd. Figura 1.8). A primeira
aplicao nesse mbito foi realizada menos de trs meses aps a sua deteco fortuita,
antes mesmo de se estabelecer um modelo cientificamente aceitvel para a
representao da prpria natureza dos Raios-X (como indica o seu prprio nome)[18].
Deste modo, pode-se concluir que o processo cientfico pode ser muito importante na
evoluo (ou acelerao da evoluo) da construo de Tecnologia, mas tal no
significa que tenha de ser a sua condio necessria.
O profissional que ao longo dos tempos se especializou no desenvolvimento de
Tecnologia geralmente designado por Engenheiro (do Latim ingenium, que significa
engenho). Genericamente um engenheiro moderno dedica-se ao estudo,
desenvolvimento, projecto, construo, operao e controlo de sistemas tecnolgicos.
Deste modo, possvel afirmar que todos os engenheiros aplicam a Matemtica, a
Fsica (ou o conhecimento cientfico no geral) e engenho na resoluo de problemas
tcnicos de uma forma segura e econmica.

Figura 1.8 Primeira radiografia mdica de Wilhelm Rntgen, da mo da sua esposa, tirada em 22 de
Dezembro de 1895[18].
De entre os 4 ramos clssicos da engenharia (os big 4): engenharia electrotcnica (ou
elctrica), engenharia civil (ou da construo), engenharia mecnica (ou de mquinas)
e engenharia qumica; que se debruam sobre o estudo dos sistemas elctricos,
sistemas de construo, sistemas mecnicos e sistemas qumicos, respectivamente,
importa agora salientar o ramo especfico da Engenharia Qumica.
O surgimento da profisso de engenheiro qumico essencialmente um processo que
ocorre na viragem do sculo XIX para o sculo XX, num contexto anglo-saxo: da Gr-
Bretanha para os Estados Unidos da Amrica. Neste perodo, verifica-se o
aparecimento de um novo profissional (que designado por engenheiro qumico), um
especialista que se dedica fundamentalmente ao problema da transio entre os
22
processos laboratoriais e a produo industrial em grande escala, sob uma perspectiva
obrigatoriamente econmica. Tal facto surge como resposta necessidade que advm
da crescente complexidade dos processos qumicos industriais, nomeadamente devida
generalizao de processos contnuos.
No entanto, nem todas as potncias industriais adoptaram esta soluo. De facto, a
resposta alem para o scale-up industrial envolveu a cooperao entre qumicos e
engenheiros mecnicos, para a realizao da tarefa de transferncia do conhecimento
qumico do laboratrio para a indstria. Acreditavam que esta estratgia possibilitava
que os investigadores laboratoriais pudessem permanecer criativos, libertos das
condicionantes das prticas de engenharia. Deste modo, a profisso de engenheiro
qumico apenas surge na Alemanha na dcada de 1960.
Salientam-se algumas personalidades importantes no processo de construo da
profisso de engenheiro qumico, a saber[19]:
George E. Davis (1850-1906): considerado o pioneiro na introduo do conceito
de Engenharia Qumica; em 1887 apresenta uma srie de 12 palestras sobre a
operao de processos qumicos na Manchester Technical School; em 1901
publica o "Handbook of Chemical Engineering"; Davis foi o maior responsvel
pela aplicao do termo Engenharia Qumica nova profisso emergente, e
contribuiu de forma significativa na definio do papel do engenheiro qumico
actual.
Lewis Mills Norton (1855-1893): professor de qumica orgnica e industrial no
Massachussets Institute of Technology (MIT); a partir de 1888, foi responsvel
pelo primeiro curso de quatro anos em Engenharia Qumica intitulado "Course
X".
William Page Bryant: foi em 1891, o primeiro graduado de sete candidatos do
Curso X, tornando-se o primeiro engenheiro qumico formal do mundo.
Arthur D. Little (1863-1935): introduziu o termo "operao unitria " em 1915 e
liderou o AIChE's Committee on Chemical Engineering Education, que
adoptou e enfatizou este conceito, para alm de ter procurado acreditar e
normalizar os programas dos cursos de formao em Engenharia Qumica.
Assim, considerando a definio anterior de engenheiro e a histria resumida do
surgimento da engenharia qumica, conclui-se que um engenheiro qumico se dedica
primariamente ao estudo, desenvolvimento, projecto, construo, operao e controlo
de sistemas qumicos, nomeadamente sistemas qumicos industriais ou processos
qumicos.
Deste modo, convm agora concentrar a ateno no papel da modelao matemtica
no campo especfico dos processos qumicos. Mas, como se define um processo
qumico?
Numa perspectiva rigorosa um processo qumico pode ser definido como um sistema
onde ocorre pelo menos uma transformao qumica, ou seja uma modificao dos
componentes presentes. No entanto, numa ptica de engenharia, considera-se que
um processo qumico representa qualquer unidade que se incorpora num processo de
sntese industrial, o que inclui sistemas meramente fsicos. Deste modo, um processo
23
qumico na sua definio mais lata, associada ao conceito de operao unitria,
consiste numa entidade fsica identificvel e separvel, que se apresenta como um
passo bem definido numa sequncia de estgios inter-relacionados organizveis num
esquema ou flowsheet industrial. Assim, um processo qumico assume-se apenas como
um tipo especfico de entidade fsica observvel, que, como qualquer outra realidade,
pode ser objecto de modelao matemtica.
De facto, sendo um modelo matemtico uma abstraco matemtica de uma
realidade, verifica-se no caso especfico dos processos qumicos que os modelos
matemticos podem ser extremamente teis, para, nomeadamente[20]:
Possibilitar um melhor entendimento de processos existentes;
Facultar o projecto e a simulao de novos processos;
Permitir a optimizao das condies operatrias processuais;
Proporcionar o projecto de estratgias de controlo de processos;
Constituir uma ferramenta para a formao de operadores.
Devido aos fenmenos caractersticos envolvidos no mbito da modelao terica de
processos qumicos, verifica-se que esta envolve a conjugao de diversos tipos de
reas de estudo como: transferncia de massa, transferncia de energia, mecnica de
fluidos, termodinmica, cintica qumica, sntese orgnica e inorgnica, tecnologia de
slidos, bioqumica (numa tentativa de aproveitamento do potencial das clulas vivas
como microbioreactores geneticamente programveis), etc; para alm das
consideraes econmicas sempre presentes no trabalho de Engenharia.
Objecto de
estudo

Nvel de
integrao
Processos Industriais

Operaes Unitrias

Fenmenos Fsicos e Qumicos

Figura 1.9 Esquema que ilustra a evoluo dos diferentes paradigmas relacionados com os nveis de
conhecimento em Engenharia Qumica, quer em termos de objectos de estudo como de unidades de
integrao.
No entanto, a complexidade do procedimento est directamente relacionada com o
grau de interdependncia ou de integrao entre as diversas operaes unitrias
presentes no processo industrial (ou mesmo entre processos industriais adjacentes),
especialmente importante para processos contnuos, j que a integrao (mssica ou
energtica) se relaciona directamente com a rede de correntes que interliga as
diferentes unidades, e que se constituem como as suas entradas e sadas. Ao longo do
tempo constata-se um aumento considervel do grau e da escala de integrao das
unidades industriais, por razes quer econmicas (devidas ao aumento do custo da
24
energia a partir dos anos 70) como ambientais. Curiosamente, observa-se tambm
uma evoluo contrria correspondente a uma diminuio de escala dos fenmenos
modelados (vd. Figura 1.9), desde o nvel mais geral do processo industrial como um
todo, at ao nvel fundamental das prprias partculas, definidas escala nanomtrica
em domnios descontnuos.
1.5 MODELO MATEMTICO DIFERENCIAL
No campo dos modelos matemticos possvel particularizar o objecto de interesse
para problemas definidos sobre domnios contnuos espcio-temporais, onde os
fenmenos no so apenas caracterizados pelas variveis que definem o seu estado,
mas tambm pelo gradientes dessas variveis relativamente s coordenadas
independentes. Neste ltimo caso, necessrio recorrer a operadores diferenciais (ou
integrais) definidos sobre espaos uni- ou multivarivel para construir as equaes
constitutivas do modelo, que deste modo, so designadas por Equaes Diferenciais
Ordinrias (Ordinary Differential Equations ODE) ou Parciais (Partial Differential
Equations PDE), respectivamente.
Para ilustrar a necessidade da adopo de um operador com as propriedades do
operador diferencial em anlise e na modelao matemtica, considere-se o seguinte
problema[21]:
Um tanque contm 50 kg de A e 50 kg de B. O lquido A introduzido no tanque com
um caudal de 5 kg/min. A soluo retirada do tanque ao mesmo caudal. Qual o
volume de lquido A que restar no tanque aps 1 h.
Para obter a soluo deste problema, tem-se de levar em conta que o contedo
mssico
A
(% w/w) de A na soluo varia com o tempo. Deste modo, a resoluo
deste problema implica a obteno da relao
A
(t). Para tal, usa-se o habitual
princpio da conservao de massa de A aplicado ao presente problema conduz
equao:
(
=
(
instantes dois os
entre sai que A de massa
prvio instante
num presente A de massa
instante o determinad
num presente A de massa
(1.1)
Note-se que o problema enunciado no considera qualquer entrada de A no sistema. O
ltimo termo da equao no conhecido. Este problema pode ser ultrapassado se se
assumir que o intervalo de tempo entre os dois instantes suficientemente pequeno
para que a percentagem de A se possa razoavelmente considerar invariante. Assim, o
balano para o intervalo de tempo t entre os instantes arbitrrios t
0
e t
0
+t torna-se,
( ) ( ) ( ) t F t m t m t t
A T A T A
= +
0 0 0
, (1.2)
em que, m
T
massa total de soluo presente no tanque constante porque os
caudais mssicos das correntes de entrada e de sada so iguais (100 kg); F caudal
total da corrente de sada (5 kg/min). Substituindo na equao 1.2 obtm-se,
( ) ( ) ( )
|
\
|
= +
20
0 0 0
t
t t t t
A A A
. (1.3)
Manipulando a expresso anterior tem-se,
25
( ) ( ) ( )
20
0 0 0
t
t
t t t
A A A

=
+
. (1.4)
Nesta equao, o termo da esquerda corresponde taxa de variao mdia de
A
, em
relao a t. No entanto, a relao apenas uma aproximao que tende para o valor
exacto quando t 0. Assim,
( ) ( ) ( )
20
lim
0 0 0
0
t
t
t t t
A A A
t

=
+

. (1.5)
No limite, obtm-se o operador diferencial que caracteriza a equao diferencial que
representa o modelo matemtico do problema enunciado e vlida para qualquer t
0
=
t > 0:
( ) ( )
20
t
dt
t d
A A

= . (1.6)
Assim, considerando a condio inicial
A
(t=0) = 50/(50+50) = 0.5, a integrao da
equao 1.6 desde t = 0 at um tempo genrico t assegura a deduo da expresso
geral para a funo soluo
A
(t). Deste modo, torna-se trivial a obteno da resposta
para a pergunte enunciada atravs do clculo de
A
(t=60 min).
Tabela 1.2 Sistemas coordenados cartesiano, cilndrico e esfrico[22].
Cartesiano Cilndrico Esfrico

Tabela 1.3 Operadores diferenciais num sistema coordenado cartesiano tridimensional (em
3
) para o
escalar F=f(x,y,z) ou o vector de funes F=[F
x
,F
y
,F
z
].
Operador Smbolo Tipo de
Operado
Tipo Definio
Gradiente escalar vector
z
F
y
F
x
F
F
= k j i
Divergncia vector escalar
z
F
y
F
x
F
z
y
x
= F
Rotacional vector vector
|
|
\
|
+
+ |
\
|
+
|
|
\
|
=
y
F
x
F
x
F
z
F
z
F
y
F
x
y
z x
y
z
k
j i F

Deste modo, a caracterizao de um modelo dito diferencial depende
necessariamente da presena de um operador diferencial. Considere-se ento o caso
mais geral de operadores diferenciais gerados sobre domnios espaciais
tridimensionais. Assim, os diferentes operadores diferenciais de primeira ordem deste
26
tipo so resumidos na Tabela 1.3, definidos sobre os sistemas de referenciais
multidimensionais mais comummente utilizados na modelao matemtica em
Engenharia (vd. Tabela 1.2).
O operador diferencial parcial de primeira ordem n aplicado a uma funo
multidimensional F dependente de vrias variveis, incluindo n, pode tambm ser
notado por subscritos, como F
n
. Em contrapartida, no caso de diferenciais totais, ou
derivadas de funes unidimensionais, a notao para o operador corresponde a
dn d . Adicionalmente, operadores diferenciais parciais ou totais de ordem i so
notados como
i i
n e
i i
dn d , respectivamente. Assim, a definio dos componentes
da divergncia de um vector ( ) e do gradiente de um escalar ( ), nos diversos
sistemas coordenados cartesiano, cilndrico e esfrico, descritos na Tabela 1.2, so
apresentados nas Tabelas 1.4 e 1.5.
Tabela 1.4 Divergncia de um vector ()[23].
Sistema coordenado Componentes
Cartesiano
[ ]
[ ]
[ ]
(
(
(
(
(
(
=
z
y
x
z
y
x

Cilndrico
[ ] ( )
[ ]
[ ]
(
(
(
(
(
(
=
z
z

1
1

Esfrico
[ ] ( )
[ ]
[ ]
( )
(
(
(
(
(
(
sin
sin
1
sin
1
1
2
2
r
r
r
r r
r

No entanto, frequente deparar-se com um operador de segunda ordem, que
representa a combinao dos operadores precedentes, i.e., a divergncia do gradiente
de um escalar. Este operador cuja notao corresponde a designado por
Laplaciano e a sua definio resumida na Tabela 1.6.
Um exemplo representativo de um modelo matemtico diferencial corresponde s
chamadas Equaes de Maxwell, um conjunto de quatro PDEs definidas no tempo e
num domnio espacial tridimensional e que relacionam os campos elctrico e
magntico com as sua fontes, as densidades de carga e de corrente. Este modelo,
denominado em honra de James Clerk Maxwell (1831-1879), em conjunto com a Lei da
Fora de Lorentz, constitui as leis bsicas do Electromagnetismo Clssico. As equaes
expressam como: cargas elctricas produzem campos elctricos (Lei de Gauss), a
corrente elctrica produz um campo magntico (Lei de Ampre), e variaes de campo
27
magntico produzem campos elctricos (Lei da induo de Faraday). Uma formulao
possvel do conjunto das Equaes de Maxwell apresentada na Tabela 1.7.
Tabela 1.5 Gradiente de um escalar ()[23].
Sistema coordenado Componentes
Cartesiano
[ ]
[ ]
[ ]
(
(
(
(
(
(
=
z
y
x
z
y
x

Cilndrico
[ ]
[ ]
[ ]
(
(
(
(
(
(
=
z
z

1

Esfrico
[ ]
[ ]
[ ]
(
(
(
(
(
(
sin
1
1
r
r
r
r

Tabela 1.6 Definio de Laplaciano ()[23].
Sistema coordenado Definio do operador
Cartesiano
2
2
2
2
2
2
z y x

Cilndrico
2
2
2
2
2 2
2
1 1
z
+
|
|
\
|

Esfrico
2
2
2 2 2
2
2
sin
1
sin
sin
1 1

+
|
\
|
+
|
\
|
r r r
r
r r

Outra equao diferencial relevante na modelao de processos qumicos a equao
da continuidade, que na sua forma geral tem a forma:
s
t
= +
, (1.7)
onde, representa uma quantidade arbitrria; v uma funo vectorial que descreve
o fluxo de e s significa a taxa de remoo (ou gerao) de . Esta equao pode ser
usada para a deduo de equao da continuidade, e.g., as equaes de Navier-Stokes
ou a equao da adveco. Uma aplicao especfica ao caso concreto da equao da
continuidade que enuncia o princpio bsico da conservao de massa:
( ) 0 = +
t
, (1.8)
28
onde, v vector de velocidades de um fluido, densidade de um fluido; dada por:
( ) ( ) ( ) ( ) 0 0 =
= + +
|
|
\
|
z y x z y x
v
z
v
y
v
x t
v v v
z y x t
k j i k j i
(1.9)
Tabela 1.7 Formulao das equaes de Maxwell em termos de carga e corrente livre, na forma
diferencial[24].
Lei de Gauss
f
= D
Lei de Gauss (magnetismo) 0 = B
Equao de Maxwell-Faraday (Lei da induo de Faraday)
t
=
B
E
Lei de Ampre (correco de Maxwell)
t
f
+ =
D
J H
Nomenclatura:
E Campo elctrico;
B Campo magntico;
D Induo elctrica;
H Campo magntico auxiliar;
f
Densidade de carga livre;
J
f
Densidade de corrente livre.
Um exemplo adicional importante corresponde s equaes de Navier-Stokes,
nomeadas em honra de Claude-Louis Navier (1785-1836) e George Gabriel Stokes
(1819-1903) que descrevem o escoamento de fluidos. A sua deduo baseada no
tratamento do fluido como um continuum, e na aplicao da segunda lei de Newton ao
movimento de fluidos, conjugada com a assuno que a tenso (stress) do fluido
definida pela soma de um termo viscoso difusivo (proporcional ao gradiente de
velocidades) e um termo de presso[25]. Considerando a conservao de momento
num elemento de volume arbitrrio (vd. Figura 1.10), num referencial inercial, a forma
geral da equao para o movimento do fluido a seguinte,
f v v
v
+ + =
|
\
|
+
p
t
, (1.10)
em que, v descreve a velocidade do fluxo, a densidade do fluido, p a presso, T o
tensor de stress e f as foras exteriores por unidade de volume.
A equao de Navier-Stokes para o balano de momento geralmente associada a
outros balanos (massa e energia), baseados nos respectivos casos particulares na
equao da continuidade.
A aplicao a um elemento de volume genrico de geometria arbitrria num espao
tridimensional do conceito de conservao de massa conduz expresso geral.
(
+
(
=
(
consumida ou gerada
massa de taxa
massa de
sada de taxa
massa de
entrada de taxa
massa de
acumulao de taxa

(1.11)

29

Figura 1.10 Representao de elemento de volume genrico definido num espao tridimensional.
No caso da energia o raciocnio equivalente:
(
+
(
=
(
consumida ou gerada
energia de taxa
energia de
sada de taxa
energia de
entrada de taxa
energia de
acumulao de taxa

(1.12)
Os termos de entrada e de sada de massa e energia englobam todos os mecanismos
de transporte relevantes e incluem as contribuies correspondentes s trocas de
massa e energia com o exterior. De seguida, dois processos clssicos em Engenharia
Qumica exemplificam a aplicao das equaes anteriores.

Figura 1.11 Exemplos para construo de modelos: A tanque perfeitamente agitado com
aquecimento, B escoamento pisto.
n
3

n
2

n
1

d
dz
C C + dC
A B

30
Deste modo, considerem-se dois exemplos no reaccionais simples e tradicionalmente
utilizados para a ilustrao de dois tipos ideais de escoamento de fluidos
conceptualmente opostos (vd. Figura 1.11)
3
:
A. Um tanque de mistura perfeita caracterizado pela inexistncia de gradientes
espaciais. O elemento de volume corresponde totalidade da massa de fluido (). A
no ocorrncia de qualquer reaco qumica implica que os termos de gerao ou
consumo sejam nulos. Considerando que as paredes do tanque so impermeveis a
transferncia de massa, as trocas de massa com o exterior resumem-se s seces de
entrada e de sada. Neste caso, o balano mssico macroscpico global ao fluido toma
a forma:
( )
o i
F F
dt
V d
=
, (1.13)
onde, V volume de fluido, massa volmica do fluido, F
i
caudal mssico de
entrada, e F
o
caudal mssico de sada.
Por outro lado o balano de energia inclui a transferncia de energia ocorrida na
interface fluido/resistncia:
( ) ( )
( ) ( ) H T T C F T T C F
dt
T T V d
C
ref o ref i i
ref
+ =

, (1.14)
em que, T temperatura do fluido, C capacidade calorfica do fluido em base de
massa (considerada constante), T
i
temperatura da corrente de entrada, T
ref

temperatura de referncia para o clculo da entalpia, H energia introduzida ou
retirada por unidade de tempo.
A ausncia de gradientes espaciais conduz a que os modelos mssico e energtico
sejam evolutivos e de parmetros concentrados. As suas verses estacionrias
resumem-se a equaes algbricas.
B. Escoamento pisto correspondente a fluxo de uma soluo com ausncia de
mistura. Apenas ocorrem gradientes espaciais na direco axial do tubo. O elemento
de volume corresponde a uma seco de tubo de espessura dz (d). Mais uma vez se
assume que o tubo impermevel transferncia de massa atravs da parede. Por
outro lado, a considerao de escoamento pisto obriga a que apenas se considere
transporte de massa por conveco na direco axial. Assim, o balano mssico parcial
a um soluto i dissolvido no fluido tem a forma (vd. equao 1.11),
dz z
i
z
i
i i
C Q C Q Adz
t
C
dV
t
C
+
=

( )
dz
C C
A
Q
t
C
dz z
i
z
i
i +
(1.15)
Onde C
i
concentrao mssica do soluto i, dV = Adz volume do elemento d, Q
caudal volumtrico do fluido, A rea de seco recta do tubo. No limite dz 0 e
sabendo que Q/A = u, velocidade do fluido, obtm-se:

3
Nos casos especificados no necessrio recorrer a balanos de momento.
31
dz
C
u
t
C
i i

=
(1.16)
Neste caso, o modelo resume-se a uma equao diferencial parcial evolutiva
unidimensional (neste caso, a equao da adveco unidimensional), que se simplifica
a uma equao diferencial ordinria para o regime estacionrio.
1.6 EQUAO DIFERENCIAL
Uma equao diferencial uma equao matemtica que apresenta pelo menos um
operador diferencial total ou parcial que relacione duas variveis do sistema. Deste
modo, uma equao diferencial tem como soluo uma funo uni- ou
multidimensional e relaciona o valor da funo com os valores das suas derivadas de
ordens diversas.
O problema de estimativa de uma derivada, ou seja, do clculo da tangente a uma
curva foi estudado por um nmero considervel de matemticos desde que
Arquimedes (c. 287 AC - c. 212 AC) explorou a questo na Antiguidade Clssica. No
entanto, a primeira tentativa de desenvolvimento de um mtodo classificvel como de
Clculo moderno deve-se a Gilles Persone de Roberval (1602-1675) durante os anos 30
e 40 do sculo XVII. Aproximadamente por essa altura, Pierre de Fermat (1601-1665)
usou as noes de mximo e de infinitesimal para a avaliao da tangente a uma
curva. Todavia, o seu mtodo nunca foi enunciado de forma rigorosa, tendo-se
revelado difcil de justificar sem o recurso ao conceito formal de limite. Assim, tcnicas
generalizadamente aceites foram apenas consequncia da definio precisa dos
mtodos desenvolvidos por Gottfried Wilhelm Leibniz (1646-1716) e Isaac Newton
(1642-1727). Assim, Leibniz estabeleceu a definio do diferencial como[26]:
x
u
dx
du
x

=
0
lim . (1.17)
As equaes diferenciais surgem no contexto de mltiplas reas da cincia e da
tecnologia, sempre que necessrio estabelecer uma relao determinstica entre
quantidades continuamente variveis (representadas por funes) e as suas taxas de
variao em relao ao espao e/ou tempo (expressas pelos operadores diferenciais).
1.7 EQUAO DIFERENCIAL PARCIAL (PDE)
Uma equao diferencial parcial (Partial Differential Equation PDE) um tipo de
equao diferencial, i.e., uma relao que envolve uma funo (ou funes)
desconhecida de vrias variveis independentes e as derivadas parciais em relao a
estas variveis. Estas equaes so usadas para formular e assim coadjuvar na
resoluo de problemas de dimenses mltiplas. De seguida apresenta-se um exemplo
possvel para uma PDE generalizada:
0 , , , , , , , , ,
2 1
2
2
1
2
1
1
=
|
|
\
|

x x
u
x
u
x
u
x
u
u x x F
n
n
. (1.18)
As PDEs so uma das abstraces matemticas mais profusamente utilizadas em
Cincia e Engenharia.
32
1.7.1 CARACTERSTICAS BSICAS DE UMA PDE
O estudo de PDEs comeou no sculo XVIII com o trabalho de Euler, d'Alembert,
Lagrange and Laplace como uma ferramenta essencial na descrio da mecnica do
continuum (e.g. cordas vibratrias, elasticidade, campos gravitacionais Newtonianos,
electrosttica, mecnica de fluidos, conduo de calor, electricidade e magnetismo) e
como uma estratgia de estudo analtico de modelos aplicados s cincias fsicas[27].
De facto, a anlise de modelos fsicos permaneceu at ao presente como uma das
preocupaes principais do campo do desenvolvimento de PDEs.
Nesta seco pretende-se apresentar os elementos especficos que caracterizam uma
PDE tpica.
Assim, a ordem de uma PDE definida pela derivada de ordem mais elevada presente
na equao, enquanto que o grau de uma PDE se refere ao termo elevado potncia
total mais elevada (e.g. o termo
3
2
2
|
|
\
|
x
u
de ordem 2 e de grau 3). No caso de um
sistema de PDEs, a sua ordem e grau so determinadas pela equao de grau e ordem
mais elevada que o compe.
Um problema diferencial para ser solvel tem de cumprir alguns critrios que, quando
verificados, o determinam como um problema bem colocado (well posed problem).
Assim, um problema bem colocado quando[28]:
a soluo existe;
a soluo nica;
a soluo depende continuamente dos dados auxiliares (e.g. condies iniciais
ou fronteira).
O tipo de condies auxiliares presentes na enunciao de um problema determina o
tipo de problema em estudo. Deste modo, tem-se:
Problemas de valor fronteira (Boundary Value Problems BVPs) problema
especificado pelo conjunto das equaes diferenciais parciais definidas sobre
um domnio, e de um sistema de restries fixadas sobre a fronteira
delimitadora desse domnio.
Problemas de valor inicial (Initial Value Problems IVPs) geralmente
associado a problemas de ODEs, onde o valor da soluo desconhecida
especificado num ponto arbitrrio do domnio. Normalmente, o ponto
escolhido situa-se no extremo inferior do domnio e por essa razo designado
por condio inicial. No caso de PDEs, esta classificao geralmente atribuda
a problemas dinmicos ou evolutivos, ou seja, dependentes do tempo, em que
a condio inicial se refere fronteira correspondente ao extremo inferior
temporal.
As condies fronteira podem ser de trs tipos. Considerando um domnio ,
delimitado por uma fronteira , defina-se n e s como as coordenadas normal
(apontando para o exterior) e tangente superfcie fronteira, respectivamente, e as
funes f e g definidas sobre a fronteira, as condies fronteira possveis so:
33
Condies de Dirichlet: u = f ; em . (1.19)
Condies de Neumann: f
n
u
=
ou g
s
u
=
; em . (1.20)
Condies Mistas ou de Robin: f ku
n
u
= +
, k > 0; em . (1.21)
A garantia de unicidade da soluo no simples de definir para modelos transientes
ou estacionrios complicados. No entanto, considera-se geralmente que para um
problema apresentar uma soluo nica necessrio que o nmero de variveis
desconhecidas seja igual ao nmero de equaes independentes no modelo. Deste
modo, introduz-se a noo de grau de liberdade, calculado por:
N
F
= N
V
N
E
,
onde, N
F
grau de liberdade, N
V
nmero de variveis dependentes, N
E
nmeros de
equaes independentes (algbricas e diferenciais). Para que um problema seja bem
colocado, N
F
= 0.
A anlise de graus de liberdade separa os problemas de modelao em trs tipos[20]:
N
F
= 0, problema exactamente determinado nmero de variveis iguala o
nmero de equaes e o sistema de equaes tem uma soluo nica.
N
F
> 0, problema subdeterminado neste caso, N
V
> N
E
, e consequentemente o
problema tem uma infinidade de solues, j que N
F
variveis podem ser
especificadas de forma arbitrria ou um conjunto adicional de equaes tem de
ser introduzido no modelo.
N
F
< 0, problema sobredeterminado o problema tem menos variveis do que
equaes e o problema no tem soluo. Neste caso, necessrio definir
variveis adicionais para representar o estado do processo ou o nmero de
equaes consideradas excessivo.
Outro conceito importante a reter o de curva caracterstica de um problema
diferencial parcial. Resumidamente, uma caracterstica uma curva ou uma trajectria
determinada no espao das variveis independentes do problema sobre a qual a
soluo pode ser definida apenas por diferenciais totais. Assim, a resoluo da PDE
original pode ser realizada usando apenas ODEs, sem se recorrer a qualquer
aproximao. Considere-se ento a equao de primeira ordem transiente e
unidimensional:
c
x
u
b
t
u
a =
, (1.22)
com a soluo genrica da forma, u = u(x(t),t). Por outro lado a derivada total de u
dada por:
t
u
dt
dx
x
u
dt
du
= . (1.23)
Comparando 1.22 com 1.23 verificam-se as igualdades dx/dt = b/a e du/dt = c/a, que
representam duas ODEs com as solues,
34
t
a
b
x x + =
0
, (1.24)
t
a
c
u u + =
0
, (1.25)
para uma condio inicial u(x
0
,t) = u
0
. As equaes 1.24 e 1.25 significam duas rectas
definidas no plano [x,t] (vd. Figura 1.12). A sua utilizao conjunta permite a
construo dos perfis da soluo u(x,t) para a totalidade do domnio do problema. A
importncia da noo de curva caracterstica est intimamente relacionada com o
sistema de classificao de PDEs e consequentemente com as caractersticas da sua
soluo. Tal relao tornar-se- bvia na discusso desenvolvida na prxima seco.

Figura 1.12 Ilustrao das caractersticas para a equao 1.22.
1.7.2 CLASSIFICAO DE PDES
Nesta seco refere-se os critrios que presidem aos sistemas de classificao mais
importantes para as PDEs, de forma a definir as caractersticas gerais dos diferentes
problemas diferenciais tpicos. Estas classificaes esto intimamente ligadas s
solues particulares exibidas e consequentemente escolha dos mtodos mais
adequados para a sua resoluo.
As classificaes mais importantes relacionam-se com duas caractersticas importantes
das equaes, nomeadamente a linearidade e a geometria. Ento, considere-se uma
equao diferencial geral de 2 ordem bidimensional:
0
2
2 2
2
2
= + +
G Fu
y
u
E
x
u
D
y
u
C
y x
u
B
x
u
A . (1.26)
Esta equao geral bastante comum no desenvolvimento de problemas de
Engenharia, sendo utilizada como base para a classificao de PDEs. Estas
diferenciam-se nas suas propriedades, pela forma como os diversos coeficientes so
definidos. Os conceitos apresentados de seguida podero ser alargados a outros tipos
de equaes ou sistemas de equaes, de diferentes ordens ou dimenses.
A linearidade pode ser genericamente definida da forma seguinte: assumam-se duas
solues diferentes u
e u
de uma equao diferencial. Esta equao linear se u = u

x
t
declive = a/b
35
+ u
tambm for uma soluo. A linearidade uma propriedade desejvel em muitos

sistemas, j que permite a expresso da evoluo temporal de um estado inicial
arbitrrio, u(x,0), em termos da evoluo temporal de um conjunto completo de
funes simples conhecidas[29].
Assim, a equao 1.26 classificada no que diz respeito sua linearidade consoante os
critrios apresentados na Tabela 1.8.
Tabela 1.8 Classificao de uma equao diferencial de segunda ordem bidimensional quanto sua
linearidade[30].
Linear Se todos os coeficientes dependerem apenas
das variveis independentes x e y.
Quasilinear Se os coeficientes forem igualmente definidos
em funo da varivel dependente u e/ou os
coeficientes A, B e C dependerem das
primeiras derivadas de u.
Caso Particular: Semi-Linear

Se apenas os termos independentes dependerem da
varivel dependente u.
No-Linear Todos os outros casos.
Por outro lado, outra classificao relevante diz respeito sua geometria. Considere-se
agora a PDE bidimensional de segunda ordem quasilinear genrica:
|
|
\
|
|
|
\
|
|
|
\
|
|
|
\
|
y x u
y
u
x
u
y
u
y x u
y
u
x
u
C
y x
u
y x u
y
u
x
u
B
x
u
y x u
y
u
x
u
A , , , , , , , , , , , , , , , ,
2
2 2
2
2
(1.27)
O grau de no linearidade de uma PDE encontra-se fortemente relacionado com o
nvel de dificuldade expectvel na resoluo do problema e, consequentemente,
determina a escolha do mtodo de integrao a utilizar. Este conceito pode ser
facilmente generalizado para equaes ou sistemas de equaes de ordem diferente.
Outra forma de classificao de PDEs de segunda ordem do tipo da equao 1.27
baseada no valor do determinante, = B
2
4AC.
De facto, o carcter geral da equao 1.27, que se relaciona com o facto desta
representar uma onda, um fenmeno difusivo ou um fenmeno de equilbrio, depende
dos valores dos coeficientes das derivadas de maior ordem, A, B e C. Tal pode ser
verificado atravs da anlise das curvas caractersticas da equao particular. Se for
possvel encontrar um conjunto completo de caractersticas, conclui-se que a equao
representa a propagao de ondas. Neste caso, necessrio encontrar duas
caractersticas, porque a equao diferencial de segunda ordem. Assim, considere-se
uma destas curvas caractersticas definida no plano [x,y] especificada por um
incremento diferencial sobre a respectiva curva. Assumindo-se que u, u/x e u/y
so as condies iniciais desta curva, pretende-se determinar as condies em que
possvel calcular
2
u/x
2
e
2
u/y
2
a partir da PDE 1.27. Deste modo, diferenciando
u/x e u/y ao longo da curva caracterstica considerada e acoplando-a com a PDE,
obtm-se o seguinte sistema de equaes[31]:
36
=
|
|
\
|
=
|
|
\
|
=
|
\
|
2
2 2
2
2
2
2 2
2
2
2
, , , ,
y
u
C
y x
u
B
x
u
A y x u
y
u
x
u
dy
y
u
dx
y x
u
y
u
d
dy
y x
u
dx
x
u
x
u
d
. (1.28)
Representando o sistema 1.28 na sua forma matricial, tem-se,
( )
( )
( )
(
(
(
=
(
(
(
(
(
(
y x u
d
d
C B A
dy dx
dy dx
y
u
x
u
y
u
x
u
y
u
y x
u
x
u
, , , ,
0
0
2
2
2
2
2
. (1.29)
Deste modo, a resoluo da equao,
( ) ( )( ) ( ) 0 0
0
2 2
= + = dy A dy dx B dx C
C B A
dy dx
dy dx
, (1.30)
uma equao quadrtica que possibilita o clculo do declive da caracterstica,
0
2
= +
|
\
|
\
|
C
dx
dy
B
dx
dy
A . (1.31)
Assim, a soluo dada por:
A
AC B B
dx
dy
2
4
2

=
|
\
|

, (1.32)
que s ser real se o determinante > 0 . A equao 1.31 designada por equao
caracterstica.
Esta classificao est intimamente relacionada com a caracterizao de equaes
algbricas quadrticas bidimensionais do tipo:
( ) y x Cy Bxy Ax ,
2 2
= + + . (1.33)

Figura 1.13 Tipos de seces cnicas: 1 Parbola; 2 Elipse; 3 Hiprbole[32].
A equao 1.33 a representao algbrica do conjunto de seces cnicas, ou seja
curvas obtidas pela interseco entre um cone, ou mais precisamente uma superfcie
37
cnica circular, com um plano, num espao tridimensional (vd. Figura 1.13). Aplicando
a analogia obtm-se a classificao resumida na Tabela 1.9.
Tabela 1.9 Classificao das cnicas e das PDEs correspondentes.
Tipo de Determinante Classificao da cnica Classificao da PDE
0 4
2
< AC B Elipse
Caso Particular: A = C B = 0 Crculo
Elptica
0 4
2
= AC B Parbola Parablica
0 4
2
> AC B Hiprbole
Caso Particular: A + C = 0 Hiprbole Rectangular
Hiperblica
Como foi referido acima, a importncia desta classificao relaciona-se com o facto de
os diferentes tipos geomtricos de PDEs se caracterizarem por apresentarem solues
que exibem comportamentos distintos. Assim,
Equaes elpticas no existem caractersticas reais, implicando a ausncia de
qualquer propagao de onda; exibem normalmente solues suaves
estacionrias de energia mnima, apesar de poderem apresentar perfis
abruptos na vizinhana das fronteiras; no possuem uma varivel de valor
inicial e, portanto, tm de ser definidas como problemas de valor fronteira.
Equaes parablicas as duas curvas caractersticas degeneram numa nica; a
soluo geralmente caracterizada por uma disperso temporal suave de uma
perturbao inicial, indicando a sua natureza como problemas de valor inicial.
Equaes hiperblicas identificam-se duas curvas caractersticas reais, o que
define a natureza de onda deste tipo de equaes; as solues so
caracterizadas por promoverem a propagao temporal de uma perturbao e,
assim, tenderem a reter descontinuidades, o que as torna particularmente
interessantes no mbito do presente trabalho.
Na Tabela 1.10 apresentam-se alguns exemplos para as diversas categorias
geomtricas de PDEs tpicas.
Esta classificao no est limitada a equaes de segunda ordem do tipo 1.27,
podendo ser estendida a equaes ou a sistemas de equaes de primeira ordem. A
relao muito simples de estabelecer bastando, para tal, transformar a equao geral
de segunda ordem inicial no sistema de equaes de primeira ordem correspondente,
obtendo-se a generalizao desta classificao para os dois casos.
Assim, se se definirem as variveis auxiliares[23]:
t
u
x
u
= , , (1.34)
obtm-se por diferenciao,
x t
u
x t x
u
t
2 2
,

. (1.35)
Assumindo a igualdade entre as duas derivadas de segunda ordem, tem-se que,
x t

. (1.36)
Considerando a equao de onda (vd. Tabela 1.10), ento:
38
x
c
t

2
. (1.37)
Assim, conclui-se que a equao de onda (hiperblica de segunda ordem) pode ser
expressa por duas equaes hiperblicas de primeira ordem 1.36 e 1.37 (vd. Tabela
1.10).
Tabela 1.10 Exemplificao da classificao geomtrica de PDEs tpicas[23].
Exemplo Ordem em x Ordem em t Classificao
x
u
v
t
u

(equao da adveco)
1 1 Hiperblica de 1 ordem
2
2
2
2
2
x
u
c
t
u

(equao de onda)
2 2 Hiperblica de 2 ordem
2
2
x
u
t
u

(Lei de Fourier ou Segunda
Lei de Fick)
2 1 Parablica
0
2
2
2
2
=
y
u
x
u

(equao de Laplace)
2 (em x,y) 0 Elptica
Por outro lado, realiza-se a extenso a sistemas de n PDEs unidimensionais de
primeira ordem do tipo[30]:
* *
c
u
B
u
A =
x t
, (1.38)
em que: A e B
*
so matrizes nn, u vector das variveis dependentes, c
*
vector dos
termos independentes.
Multiplicando 1.38 por A
-1
tem-se:
c
u
B
u
=
x t
. (1.39)
Atravs da diagonalizao da matriz B, obtm-se a relao:
1
= S S B , (1.40)
onde S e so a matriz dos vectores prprios e a matriz diagonal dos valores prprios
de B, respectivamente. Ambas as matrizes B e so quadradas, j que B apenas
diagonalizvel se for quadrada, o que implica que tambm o seja. Obtm-se ento:
c
u
S S
u
=

x t
1
. (1.41)
Deste modo, o sistema de PDEs :
Hiperblico se os n valores prprios forem reais e diferentes;
Parablico se os n valores prprios forem reais e iguais;
39
Elptico se os n valores prprios forem complexos.
Assim, a classificao anterior pode ser ainda mais expandida para problemas mais
gerais, como PDEs lineares de segunda ordem multidimensionais (com um nmero
arbitrrio n de variveis independentes) ou sistemas de m equaes de primeira
ordem igualmente n-dimensionais[33]:
= =
= +

n
i
j i
n
j
ij
x x
u
a
1
2
1
0, (1.42)
=
= +
n
x
1
0

B
u
A , (1.43)
onde e B simbolizam os termos de ordem inferior; e a
ij
e A
correspondem
respectivamente aos elementos da matriz de coeficientes e s matrizes de coeficientes
mm para = 1,,n. Nestes casos a definio do tipo de problemas anloga dos
exemplos anteriores e depende da natureza dos valores prprios da matriz de
coeficientes a
ij
ou do tipo de superfcies caractersticas do problema 1.43[33].
A combinao entre as diferentes classes de PDEs igualmente possvel, originando
equaes do tipo misto. Por exemplo a equao convectiva-difusiva:
2
2
x
u
D
x
u
t
u
(1.44)
hiperblica-parablica e a equao de Euler-Tricomi:
2
2
2
2
y
u
x
x
u
(1.45)
elptica-hiperblica, j que elptica para x<0, hiperblica na regio x>0 e parablica
degenerada para x=0.
A utilidade da classificao geomtrica manifesta-se pelo facto de permitir partida: o
estabelecimento de uma descrio concisa das caractersticas matemticas genricas
do modelo; a sugesto de abordagens para a resoluo numrica da PDE; e a
antecipao de dificuldades potenciais no desenvolvimento do procedimento de
resoluo numrica do problema.
1.7.3 TERMOS CONSTITUTIVOS DE UMA PDE
Destacam-se agora casos particulares de modelos que apresentam especiais
dificuldades de resoluo, relacionadas com o desenvolvimento de solues
caracterizadas por importantes variaes de relevo, ou seja, zonas de elevada
actividade onde ocorrem variaes abruptas do valor da funo e declives elevados,
intercaladas com zonas onde o valor da funo varia de uma forma suave (baixa
actividade). Adicionalmente, o posicionamento destes aspectos proeminentes nos
perfis da soluo pode-se alterar com a evoluo do procedimento de resoluo. Diz-
se ento que este gnero de solues exibe propagao de ondas abruptas ou
descontinuidades/choques mveis. A ocorrncia destes fenmenos depende
obviamente das propriedades do modelo matemtico em estudo, relacionadas com os
elementos constitutivos das diversas equaes que o compem. Assim, so
40
apresentados de seguida, os termos diferenciais e algbricos mais comuns presentes
nos modelos diferenciais tpicos em modelao de processos qumicos, conjuntamente
com o seu potencial especfico para o desenvolvimento de solues abruptas mveis.
Os modelos diferenciais que representam fenmenos caractersticos extremamente
importantes na simulao de processos qumicos, e que genericamente esto
relacionados com a transferncia de massa e de energia e mecanismos reaccionais,
apresentam termos tpicos classificados com advectivos, difusivos e geracionais. A
ocorrncia deste tipo de equaes diferenciais que exibem este tipo de termos,
designadas por equaes de adveco-difuso, extremamente comum no campo da
modelao de processos qumicos. Este tipo de equaes resulta, normalmente, da
modelao em regime transiente de unidades, cujas propriedades em regime
estacionrio variam nas dimenses espaciais (e.g. reactores tubulares, colunas de
destilao). No caso mais complexo tridimensional a equao da difuso apresenta a
forma genrica seguinte:
( )
( ) ( ) [ ] t u u D
t
t u
, ,
,
r r
r
=
, (1.46)
onde u(r,t) representa a densidade do componente difundido na posio r, no tempo t
e D(u,r) o coeficiente difusivo para a densidade u na posio r; os operadores
diferenciais actuam sobre as dimenses espaciais.
Por outro lado, o operador advectivo, que representa o processo de transporte
convectivo, definido em coordenadas cartesianas por:
z
v
y
v
x
v
z y x
= v , (1.47)
em que o vector de velocidades v tem as componentes v
x
, v
y
e v
z
para as direces x, y
e z, respectivamente.
A equao da adveco para uma extensidade escalar u, expressa matematicamente
como:
( ) 0 = +
v u
t
u
, (1.48)
onde, o operador diferencial divergncia e v o vector campo.
Apresentam-se ento vrios modelos de PDEs cujas solues desenvolvem
tipicamente frentes abruptas mveis. Por uma questo de simplicidade apenas so
referidas as verses unidimensionais. Tal comportamento pode ser originado pela no
linearidade de termos convectivos, difusivos ou geracionais, quer na prpria equao
como nas condies fronteiras, ou simplesmente pela adveco de um perfil
inicialmente abrupto.
Um exemplo geral unidimensional convectivo-difusivo-geracional corresponde a,
( )
( ) ( ) u t x G
x
u
u D
x x
u t x F
t
u
, ,
, ,
+
(
, (1.49)
onde F, D e G so funes directamente relacionadas com fenmenos convectivos,
difusivos e geracionais (e.g. reaccionais), respectivamente.
41
No caso da difuso linear, o exemplo tpico deste tipo de equaes o modelo de
difuso num meio isotrpico descrito por ( = 1 e D constante):
2
2
x
u
D
t
u
, (1.50)
em que: u concentrao da substncia difundida; e D coeficiente de difuso.
Se D constante, a equao 1.50 linear. Em problemas de difuso, a velocidade
caracterstica infinita. Desse modo, a evoluo da soluo u(x,t), em qualquer ponto
genrico (x,t), depende do valor da soluo em todo o domnio. Este comportamento
define o carcter global dos problemas de difuso. Por outro lado, no caso de
problemas hiperblicos, as caractersticas apresentam uma velocidade de
deslocamento finita sendo, deste modo, de natureza local, j que a soluo em cada
ponto do domnio (x,t) apenas influenciada pelo valor desta nessa regio do domnio.
No caso dos problemas de difuso em que o difundido pode reagir quimicamente,
estes so representados pela adio de um termo geracional equao de difuso
linear:
) (
2
2
u G
x
u
D
t
u
+
. (1.51)
Se a funo G(u) for fortemente no linear, as solues deste tipo de equaes
desenvolvem, frequentemente, frente abruptas mveis. Assim, se o valor de G(u) for
bastante elevado, num intervalo pequeno [u
0
,u
1
], e relativamente pequeno fora deste
intervalo, ento, duas frentes abruptas expandir-se-o em ambas as direces, a partir
de qualquer impulso que exceda o valor crtico u
1
. Os termos geracionais podem
igualmente estar relacionados com condies fronteira dependentes do tempo.
Para muitos casos de aplicaes fsicas, os coeficientes de difuso dependem da
concentrao do difundido. Uma relao consideravelmente no-linear pode provocar
frentes mveis bastante abruptas. Ento, a equao geral tomar a forma:
|
|
\
|
x
u
u D
x t
u
) ( . (1.52)
Este comportamento ocorre igualmente para modelos de difuso no lineares
acoplados a termos geracionais tambm no lineares.
Os problemas difusivos referidos anteriormente esto relacionados com equaes do
tipo parablico. No entanto, existem exemplos de equaes hiperblicas, onde se
desenvolvem frentes abruptas, que podem originar choques correspondentes a
descontinuidades fsicas. O exemplo mais simples deste tipo de equao a equao
escalar de onda unidimensional, uma equao puramente advectiva/convectiva, com
F(u)=au:
0 =
x
u
a
t
u
, (1.53)
em que a uma constante e a soluo inicial definida por uma funo genrica:
u(x,0)=u
0
(x).
42
A partir do perfil inicial, a soluo movimenta-se com velocidade a, mantendo a sua
forma inaltervel. Assim, qualquer perfil abrupto em u
0
(x) transforma-se numa frente
abrupta mvel.
No caso de adveco no linear as frentes podem se formar com o tempo e evoluir
para a forma de choques. Este comportamento ocorre mesmo se a soluo inicial
apresentar perfis suaves. O exemplo mais simples deste tipo de equaes a equao
invscida de Burgers em que a(u)=u ou F(u)=u
2
/2:
0 =
x
u
u
t
u
. (1.54)
No entanto, em muitos processos fsicos, os fenmenos convectivos e difusivos
ocorrem simultaneamente. Apesar da presena da difuso assegurar que os gradientes
da soluo sejam finitos, estes podem apresentar valores muito elevados para casos
onde a conveco domina. Formam-se assim, quasi-choques, ou seja, frentes bastante
abruptas e praticamente descontnuas. O exemplo mais simples deste tipo a equao
de Burgers:
2
2
x
u
x
u
u
t
u
. (1.55)
A equao 1.55 apresenta frentes mveis de espessura de O() para valores de muito
baixos ( << 1).
No entanto, o processo de construo e caracterizao de um modelo adequado
necessita ser complementado com a no menos importante tarefa de o resolver de
uma forma eficiente. Assim, este o assunto que ser tratado na prxima seco.
1.8 ANLISE NUMRICA
1.8.1 INTRODUO HISTRICA
Com a Revoluo Agrcola do Neoltico (c. 10000 AC) assiste-se a um aumento
dramtico na complexidade da organizao das sociedades humanas, que se constitui
como catalisador do advento das primeiras civilizaes (a partir de 5000 AC), com uma
crescente hierarquizao social, centralizao poltica e administrativa, e
consequentemente, burocrtica. Tal implicou o surgimento de problemas novos, tais
como a construo de estruturas cada vez mais ambiciosas e complexas, a
manipulao de solos e terrenos agrcolas, o conceito de propriedade privada mvel e
imvel, o estabelecimento de estruturas penais e fiscais, etc; Deste modo, as
sociedades sentiram necessidade de construir novas ferramentas para lidar com esta
nova realidade, nomeadamente, para a monitorizao e contabilizao de recursos
progressivamente mais importantes. Assim, no surpreendente que seja
exactamente neste perodo que se constata o desenvolvimento da Escrita e da
Matemtica (e da sua linguagem) no sentido mais lato. Estes cdigos simblicos
registveis correspondem a representaes (ou seja modelos) para a linguagem oral e
para conceitos mais especficos quantificveis ou geometricamente representveis,
respectivamente. No caso do cdigo matemtico, pretende-se salientar o campo
especializado que se convencionou designar por Anlise Numrica.
43
De forma a ilustrar a ancestralidade da aplicao de estratgias numricas apresenta-
se na Figura 1.14 um exemplo seleccionado deste tipo de aplicaes atravs de uma
placa cermica babilnia (c. 18001600 AC), onde notria uma preocupao de
resoluo de um problema relacionado com a estimativa de nmeros irracionais que
advm da necessidade da avaliao do comprimento da diagonal de um quadrado de
tamanho 1/2. Os valores que constam na placa esto codificados num sistema
sexagesimal. Assim, para uma aresta de 0;30 = 0+30/60 = 1/2, obtm-se uma
estimativa para o comprimento da diagonal de 0;42,25,35 = 0+42/60+25/60
2
+35/60
3

2 2 (|erro absoluto|<110
-6
). Na placa tambm se encontra gravada a aproximao
1;24,51,10 = 1+24/60+51/60
2
+10/60
3
2 (|erro absoluto|<110
-4
). A existncia
deste artefacto demonstra que j em tempos assaz remotos, se constatou a
necessidade do desenvolvimento de estratgias para a resoluo aproximada de
problemas matemticos, ou seja de estratgias numricas.

Figura 1.14 Placa cermica babilnia YBC 7289 (c. 1800-1600 AC), mostrando uma aproximao a 2
no contexto do Teorema de Pitgoras aplicado a um tringulo issceles[34].
1.8.2 MTODOS NUMRICOS
Anlise Numrica consiste no desenvolvimento e estudo de algoritmos para a
resoluo de problemas de Matemtica Contnua. Assim, um algoritmo ou mtodo
numrico define-se como um procedimento eficiente de resoluo de um problema
atravs de conjunto sequencial finito de instrues. Partindo de um estado inicial,
estas instrues representam um procedimento que estabelece sucessivamente uma
srie de estados sucessivos, at eventualmente terminar num estado final.
No entanto, importa referir que os mtodos disponveis para a soluo de problemas
matemticos podem ser divididos em duas classes principais: analticos e numricos.
Assim, uma forma de qualificar os mtodos numricos pode ser realizada atravs da
discusso das caractersticas que os distinguem dos mtodos analticos alternativos.
Para tal, considere-se o exemplo de uma equao linear:
x 3 = 1. (1.56)
possvel discernir um procedimento lgico sequencial que possibilite a manipulao e
consequente resoluo da equao sem abandonar o carcter genrico da varivel x e
que s depende do valor dos parmetros. Deste modo, o carcter contnuo do
problema no alterado e o algoritmo diz-se analtico. Por outro lado o procedimento
44
aplicado genrico, ou seja, passvel de ser utilizado com sucesso a qualquer
equao do tipo: ax + b = c. Assim um algoritmo possvel para a resoluo desta
equao poder ser:
1. adicionar b a ambos os membros da equao, obtendo-se ax = c b;
2. multiplicar ambos os membros da equao por 1/a, obtendo-se a soluo: x =
(c b)/a
Aplicando o algoritmo anterior equao 1.56, em que a = 1, b = 3 e c = 1, obtm-se
a soluo x = (1 (3))/1 = 4.
No entanto, se considerarmos um exemplo no linear:
x
3
3x +1 = 0. (1.57)
Verifica-se a impossibilidade de aplicao de um algoritmo semelhante ao anterior, j
que a no linearidade da equao impede que a varivel possa ser isolada atravs de
uma estratgia simples como a descrita acima, mantendo a generalidade da varivel x,
ou seja a continuidade do domnio da resoluo. No entanto, relevante salientar que
no caso de equaes algbricas cbicas, esto disponveis mtodos analticos
necessariamente mais elaborados que possibilitam a sua resoluo, ou seja a
determinao das razes da equao com o segundo membro nulo: ax
3
+ bx
2
+ cx + d =
0; obtida por manipulao analtica da equao original (e.g. mtodo de Cardano).
Uma equao cbica no suficientemente complexa para que a aplicao de uma
estratgia analtica na sua soluo se revele demasiado custosa.
De qualquer modo, interessa utilizar o exemplo presente para ilustrar as caractersticas
genricas de um procedimento numrico. Assim, uma estratgia possvel seria a
aplicao de uma manipulao analtica da equao cbica de modo a isolar o seu
termo linear no membro da esquerda,
3
1 3 = x x . (1.58)
Em seguida, procede-se discretizao do problema, substituindo a varivel geral
analtica x, por duas variveis numricas x
k
e x
k+1
no genricas, ou seja que possuem
sempre um valor atribudo,
3 1
1 3 =
+ k k
x x . (1.59)
A forma especfica da equao que representa o processo numrico permite construir
uma estratgia atravs do qual se a varivel x
k+1
pode ser calculada apenas pela
atribuio de um valor varivel x
k
. A implementao do processo implica trs passos
essenciais:
1. a iniciao do procedimento, ou seja, a atribuio de um valor inicial de
arranque para x
k
(k=0);
2. o clculo de x
k+1
atravs da aplicao sequencial iterativa da equao 1.59 em
que x
k
assume o valor de x
k+1
da iterao anterior (k = k+1);
3. a finalizao do processo, em que a verificao de um critrio de convergncia
assegura a obteno de uma aproximao suficientemente exacta ou precisa
soluo esperada, em relao a uma tolerncia pr-definida .
45
A sequncia de resultados obtidos atravs da aplicao do algoritmo descrito
anteriormente ao problema 1.57, com os parmetros de implementao seguintes:
x
0
= 10, = 10
-7
para um critrio simples de erro absoluto de f; apresentada na Tabela
1.11. Assim, verifica-se a convergncia do algoritmo para uma das solues do
problema (x = 1.532089) e a verificao da tolerncia estabelecida em 22 iteraes.
Tabela 1.11 Resultados obtidos pela aplicao do algoritmo numrico apresentado para a resoluo de
uma equao cbica de uma varivel, f(x) = x
3
3x +1 = 0 (x
0
=10; = 10
-7
).
k x
k
f(x
k
)
0 10 9.71E+02
1 3.072317 2.08E+01
2 2.017918 3.16E+00
3 1.716082 9.06E-01
4 1.606774 3.28E-01
5 1.563268 1.31E-01
6 1.545258 5.40E-02
7 1.537679 2.27E-02
8 1.534467 9.64E-03
9 1.533101 4.10E-03
10 1.53252 1.74E-03
11 1.532273 7.42E-04
12 1.532167 3.16E-04
13 1.532122 1.35E-04
14 1.532103 5.74E-05
15 1.532095 2.45E-05
16 1.532091 1.04E-05
17 1.53209 4.44E-06
18 1.532089 1.89E-06
19 1.532089 8.05E-07
20 1.532089 3.43E-07
21 1.532089 1.46E-07
22 1.532089 6.23E-08

O caso descrito acima ilustra as caractersticas principais de um esquema numrico
iterativo genrico. Os passos essenciais podem ser resumidos da forma seguinte:
1. Como se trata de um procedimento numrico algortmico (em que apenas se
lida apenas com valores numricos), necessrio antes de tudo seleccionar
uma aproximao inicial para arranque do processo de clculo; este passo no
trivial, j que para muitos mtodos numricos se torna crtico na definio da
convergncia assimpttica do procedimento para a soluo.
2. O procedimento algortmico propriamente dito, representado por uma
sequncia repetvel e sistematizvel de operaes, conjugada com uma
estratgia de monitorizao da convergncia do processo para a soluo
numrica.
3. Dado que um mtodo numrico geralmente aproximado por natureza,
necessrio definir um critrio de paragem do procedimento, correspondente
definio do nvel de exactido ou de preciso pretendido, e
consequentemente do erro considerado aceitvel; para tal necessrio
estabelecer uma tolerncia que determina o grau de esforo pretendido na
aplicao do procedimento numrico.
46
O exemplo apresentado comprova uma das desvantagens dos algoritmos numricos
na resoluo de problemas com solues mltiplas (e.g. as trs razes reais da equao
1.57). O facto do procedimento numrico no facultar a manipulao de abstraces
generalizadas, mas de valores concretos, torna apenas possvel a obteno de uma
soluo do problema por cada implementao. No entanto, essa questo torna-se
menos importante no campo da resoluo numrica de PDEs, j que, como se referiu
anteriormente, um problema diferencial bem colocado dever ter somente uma
soluo.
Geralmente, possvel afirmar-se que a aplicao de um procedimento numrico se
torna especialmente importante no caso de problemas no lineares, nomeadamente
no que diz respeito ao campo da resoluo de equaes. Como se verificou
anteriormente, a prpria natureza das relaes lineares permite o desenvolvimento de
estratgias analticas para a sua soluo que no so de todo possveis de aplicar no
caso de termos altamente no lineares. Deste modo, expectvel que a prpria
presena de no linearidades num modelo matemtico seja indicativo da necessidade
do recurso a tcnicas numricas para a sus resoluo, excluindo obviamente o caso de
exemplos extremamente especficos que exibam propriedades particulares.
O campo da aplicao dos mtodos numricos, possibilita a soluo de uma grande
variedade de problemas, cuja resoluo analtica se revela problemtica. Assim uma
lista no exaustiva deste tipo de problemas resumida na Figura 1.15.
Esta classificao no implica a estanquicidade de cada problema em relao aos
outros. Na realidade existe uma significativa inter-relao entre este tipo de problemas
(e.g. um algoritmo numrico de optimizao para a pesquisa de extremos relaciona-se
intimamente com um procedimento numrico de pesquisa de zeros, j que um
extremo de uma funo pode significar um zero da sua primeira derivada).

Figura 1.15 Lista de problemas matemticos resolveis por anlise numrica.

Clculo de zeros de funes resoluo
de equaes e sistemas de equaes;
Pesquisa de extremos em funes
(optimizao);
Interpolao, extrapolao e regresso;
Clculo de integrais;
Resoluo de equaes diferenciais
(ordinrias e parciais);

Problemas
Matemticos
COMPLEXIDADE
Anlise
Numrica
47
1.8.3 CARACTERIZAO DE MTODOS NUMRICOS
Em resumo, apresentam-se de seguida as caractersticas bsicas de um procedimento
numrico:
Discretizao a translao do espao contnuo do problema original para o
espao discreto do problema numrico associado,
Carcter algortmico que pode ser categorizado como directo ou iterativo:
o Procedimento directo atinge-se a soluo exacta num nmero finito
de passos repetitivos (e.g. mtodo de eliminao de Gauss para
resoluo de sistemas lineares de equaes; mtodo Simplex para
resoluo de problemas de Programao Linear PL
4
)
o Procedimento iterativo a partir de um valor inicial, possibilita
aproximaes sucessivas que apenas convergem para a soluo no
limite, ou quando o nmero de passos tende para infinito.
O carcter aproximativo do esquema algortmico (no caso iterativo) implica o
desenvolvimento de procedimentos de avaliao e monitorizao da evoluo do erro
cometido. No entanto, mesmo os esquemas numricos iterativos podem proporcionar
resultados exactos num nmero finito de iteraes em circunstncias muito
particulares (e.g. como o Mtodo de Newton se baseia numa aproximao quadrtica
da funo a resolver, ento possibilita a obteno de solues exactas no caso desta
ser quadrtica e possuir uma soluo).
De qualquer modo, a evoluo de um esquema numrico genrico gera erros de
diversos tipos, correspondentes a diferentes provenincias, que incluem as limitaes
do prprio processo de clculo, usualmente conduzido num suporte computacional.
Assim, tem-se:
Erro de arredondamento representa a diferena entre a aproximao
calculada de um nmero e o seu valor matemtico exacto (e.g. um nmero
irracional como = 3,14159265358979323846..., apenas pode ser exactamente
representado por um nmero infinito de casas decimais; deste modo, qualquer
representao realista deste valor para efeitos de clculo, tem de recorrer
eliminao de todas as casas decimais para alm de uma posio especificada;
esta operao pode ser realizada atravs da fixao do valor do ltimo dgito
considerado, baseada no valor do primeiro dgito eliminado, ou seja de um
arredondamento; por exemplo, 3,141593).
Erro de truncatura erro semelhante ao anterior mas em que a aproximao, e
a consequente gerao de erro associada, realizada pela simples eliminao
de todas as casas decimais para alm de uma posio especificada
(considerando o exemplo anterior, a aproximao equivalente realizada por
truncatura 3,141592).

4
Na realidade, os dois mtodos numricos referidos consistem na aplicao da mesma estratgia a dois
tipo de problemas diferentes, j que cada passo do mtodo de optimizao Simplex (para PL) consiste
essencialmente na transio entre solues bsicas admissveis do sistema linear de restries lineares
que justamente realizada pela aplicao do mtodo de eliminao de Gauss para resoluo de
sistemas de equaes lineares.
48
Erro de discretizao erro resultante do facto da funo de uma varivel
contnua ser representada por um nmero finito de avaliaes (e.g. a aplicao
do mtodo de Diferenas Finitas, implica que a funo seja representada por
uma srie de Taylor; esta representao apenas exacta se se considerar a
srie completa com um nmero infinito de termos; como tal no possvel,
comete-se inevitavelmente um erro ao descartar todos os termos da srie de
ordem superior a um termo escolhido, que no fundo equivalente a um
processo de truncatura).
importante referir que a enunciao da noo de problema numrico bem colocado
est estreitamente relacionada com os critrios equivalentes referidos anteriormente
para problemas analticos, e que resumidamente se referem existncia e unicidade
da soluo do problema.
Por outro lado, as propriedades definidas para avaliao adequada do desempenho de
um mtodo numrico, aplicado a um determinado problema so:
Estabilidade monitoriza a propagao do erro entre dois passos algortmicos
sucessivos;
Consistncia mede a influncia do incremento das variveis independentes
no comportamento de tendncia do erro de truncatura para zero; por outras
palavras, mede a tendncia do modelo gerado pelo mtodo para o modelo
real;
Convergncia mede a tendncia da soluo numrica para a soluo analtica
quando o incremento das variveis independentes tende para zero.

Figura 1.16 Interdependncias entre os fenmenos fsicos, as suas representaes matemticas
abstractas e os processos numricos de resoluo desses modelos.
49
Assim, incorpora-se o estgio de resoluo numrica como ltimo passo no processo
de modelao matemtica como representao abstracta da realidade fsica. Na Figura
1.16, apresenta-se um modelo possvel para a caracterizao das relaes entre os
diferentes conceitos analisados at presente seco, de modo a resumir a discusso
realizada e estabelecer uma forma eficaz de concluso da mesma.
1.8.4 RESOLUO DE PDES
Uma aplicao importante da Anlise Numrica consiste na resoluo de PDEs (ou
sistemas de PDEs). No entanto, a soluo de uma PDE pode ser obtida de duas formas:
atravs da deduo da sua soluo analtica ou recorrendo a uma aproximao
numrica desta soluo. No primeiro caso, a exactido das solues analticas constitui
uma grande vantagem. No entanto, os mtodos analticos disponveis, como os
mtodos de separao de variveis, de transformao de variveis ou de
transformadas integrais apenas so aplicveis no caso de problemas lineares, o que
no acontece para a maioria esmagadora dos problemas relevantes na rea da
Engenharia Qumica. Para problemas no lineares no existem mtodos analticos de
aplicao generalizada. Os mtodos disponveis s podem ser usados em problemas
muito especficos e o desenvolvimento de estratgias de resoluo assume um
carcter casustico. Deste modo, no caso da maioria dos problemas, imperioso
recorrer a uma resoluo numrica.
A aproximao numrica encontra-se associada a um erro que determina a sua
qualidade em termos de exactido. Foram apresentados diversos algoritmos de
integrao numrica, sucessivamente aperfeioados, que constituem vrios grupos de
mtodos numricos. Cada mtodo representa uma estratgia distinta de resoluo do
problema. No entanto, estes algoritmos tm em comum, na grande maioria dos casos,
a caracterstica de converso do problema original, enunciado num espao definido
pelas variveis independentes de natureza contnua, num problema equivalente num
espao discreto. Deste modo, o problema passa a apresentar um carcter algbrico. A
soluo calculada sobre uma estrutura constituda por um conjunto de pontos
discretos (tambm designados por nodos) gerada a partir da discretizao do domnio
contnuo, designada por malha ou grelha.
Uma das escolhas crticas que antecedem o processo de resoluo numrica de PDEs
consiste na definio da prpria malha que representa o suporte discreto e
aproximado do continuum. De facto, a gerao da malha pode ser essencial para o
sucesso do procedimento numrico, nomeadamente nos casos em que a prpria
soluo analtica exiba caractersticas heterogneas ao longo do domnio, alternando
zonas que apresentem discrepncias acentuadas na actividade da soluo. Tais casos
implicam uma distribuio irregular de nodos atravs do domnio, de modo a
assegurar uma maior eficcia do algoritmo, j que o seu desempenho depende do
espaamento nodal ou tamanho da malha. Consequentemente, torna-se necessrio
um processo dedicado de construo da malha que depende de alguma forma do
perfil expectvel da soluo. No entanto, possvel que as prprias heterogeneidades
se movimentem durante a evoluo do procedimento numrico, impondo uma
contnua redefinio da malha. Por outro lado, o agregado de posies nodais que
caracterizam a malha incorpora-se no conjunto mais alargado de parmetros
numricos que determinam a evoluo do algoritmo. Assim, como qualquer parmetro
50
numrico, a malha pode ser reajustada ao longo do processo algortmico conforme as
convenincias. Todavia, importa assegurar que este processo de reajuste, ou de
adaptao, obedea a critrios bem estabelecidos, que contribuam para o
desenvolvimento de um algoritmo adaptativo sistematizado, passvel de ser
incorporado no algoritmo mais geral de integrao. O conceito geral de adaptao e a
sua aplicao no contexto da resoluo numrica de PDEs so discutidos com maior
profundidade no captulo seguinte.
No caso particular da integrao numrica de PDEs, a estabilidade mede a propagao
do erro entre dois passos de integrao sucessivos, sendo o critrio normalmente
usado, a condio de Von Neumann. O conceito de estabilidade pode ser facilmente
compreendido atravs da anlise da expanso numrica em srie de Fourier. Assim,
admitindo-se a soluo inicial dum problema unidimensional num ponto p, na forma:
=
=
N
n
ph i
n p
N p e A u
n
0
0 ,
, 1, 0, = ,
(1.60)
em que: A
n
a amplitude;
n
ph a fase de onda com
Nh
n
n
= ; N nmero de nodos;
h passo espacial.
A resoluo do sistema de N+1 equaes permite a obteno dos coeficientes A
i

independentes do tempo. Para estimar o erro de propagao devido ao incremento
temporal, considera-se que a soluo num ponto p para o tempo q calculada por:
N p e u
q
x i
q p
n
, 1, 0, = ,
,

= (1.61)
onde,
q
= e
t
com constante complexa.
Para que a soluo numrica seja estvel, condio necessria que |
q
| 1, com q
pertencente ao domnio temporal.
Por outro lado, o critrio de convergncia mais utilizado a condio de Courant-
Friedrichs-Lewy que pode ser resumida da forma seguinte:
o A soluo s convergente no caso da curva caracterstica da equao, num
ponto genrico p para o tempo t
n+1
, interceptar a recta correspondente ao nvel
t
n
entre os pontos espaciais dos quais depende a frmula de discretizao
utilizada.
Estas propriedades so muito importantes na escolha dos mtodos numricos a aplicar
em cada problema, assim como determinam, frequentemente, os valores admissveis
para os parmetros associados aos algoritmos de discretizao.
No caso em que a soluo numrica de um problema prtico, envolvendo PDEs ou
sistemas de PDEs, apresente um comportamento caracterizado pela existncia de
perfis abruptos e/ou choques, inevitvel a ocorrncia de problemas de difuso e
dissipao numrica a quando da aplicao de qualquer algoritmo numrico. Estes
factores podem ser entendidos atravs da anlise de Fourier. Embora o factor de
amplificao
q
(vd. equao 1.61) se mantenha, a amplitude A
i
e a fase
n
ph (vd.
equao 1.60) so alteradas pelo mtodo numrico. A disperso provocada pelo
facto da propagao de cada uma das ondas se efectuar com uma velocidade diferente
devido ao desfasamento provocado. Assim, originam-se oscilaes na soluo
51
numrica (vd. Figura 1.17). Por outro lado, a dissipao resulta da atenuao ou
amplificao das ondas, o que provoca o alargamento da frente que se estende por
uma regio do domnio mais larga.
-0.2
0
0.2
0.4
0.6
0.8
1
1.2
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
x
u
Soluo exacta
Dissipao numrica
Disperso Numrica

Figura 1.17 Ilustrao do efeito da difuso e da dissipao numrica em relao soluo exacta.
impossvel evitar simultaneamente a ocorrncia destes dois fenmenos numa
simulao numrica. No entanto, possvel, atravs da adequada parametrizao do
algoritmo, minimizar os seus efeitos, procurando, na medida do possvel, encontrar as
condies que evitem a excessiva predominncia de um dos efeitos que conduzir
obteno de perfis de soluo irrealistas.
No contexto do tema tratado no trabalho presente que se relaciona com a resoluo
de modelos diferenciais caracterizados por solues que exibem frentes abruptas
mveis, conveniente focar-se a ateno no problema relativo aos termos
convectivos. Estes esto normalmente associados ao carcter hiperblico da soluo, e
revelam-se bastante importantes na anlise do tratamento desses factores. Quando a
soluo suave qualquer esquema de discretizao de ordem elevada aplicado ao
termo convectivo conduz a solues estveis com uma malha de dimenso razovel.
No entanto, estes esquemas revelam-se inadequados na presena de frentes abruptas
mveis, levando introduo de significativa disperso numrica ou mesmo de
instabilidade nos perfis da soluo estimada. Uma excepo corresponde ao upwind
difference scheme (UDS) proposto por Courant, Isaacson e Rees (1952)[35,36] que
incondicionalmente estvel mas que apresenta a limitao de ser um esquema de
primeira ordem, totalmente incompatvel com a exigncias de desempenho actuais.
Uma forma alternativa de contrariar este problema consiste na aplicao dos
designados esquemas de alta resoluo (High Resolution Schemes HRS) que
genericamente recorrem a limitadores de fluxo/declive de modo a controlar os
gradientes em torno de choques ou descontinuidades, de forma a evitar o
desenvolvimento de oscilaes nos perfis numricos. Estes esquemas podem ser
interessantes no mbito da discretizao especfica da funo F (vd. equao 1.49)
associada a termos convectivos, merecendo uma discusso mais aturada, que
realizada no prximo captulo.
52
Os diferentes mtodos de gerao de solues numricas de PDEs no so mais que a
aplicao de diversas ferramentas para a resoluo do mesmo problema: obteno
duma aproximao numrica da soluo com uma exactido aceitvel e utilizando
tempos computacionais realistas. Cada uma das estratgias propostas apresenta,
necessariamente, vantagens e desvantagens em relao s restantes. Para evidenciar a
semelhana estrutural entre os diversos mtodos, recorre-se ao conceito de
convoluo. A convoluo uma operao matemtica (notada por *) entre duas
funes, f e g, para a construo de uma terceira, que genericamente considerada
como uma verso modificada de uma das funes originais. Assim, por definio,
( )( ) ( ) ( ) d t g f t g f

+

= . (1.62)
Esta operao tem diversas aplicaes, incluindo estatstica, processamento de
imagem e de sinal, e resoluo de equaes diferenciais. Deste modo, considere-se a
existncia de uma soluo generalizada para a PDE inicial na forma do operador
linear[37]:
( ) ( ) d t x f w t x f
0 0
, ) ( , + = +
+

, (1.63)
em que: w() funo peso ou Kernel escolhida, que pode ser generalizada de modo a
se tornar dependente do tempo e da soluo, no caso de equaes no lineares;
incremento no tempo; varivel espacial auxiliar; f(x,t
0
) condio inicial; f(x,t
0
+)
soluo desejada aps o intervalo de tempo .
Por uma questo de simplicidade a equao 1.63 corresponde ao caso unidimensional.
Assim, os mtodos de integrao diferem entre si pela forma como definida a funo
w(). claro que, de modo a que o problema seja completamente enunciado, torna-se
ainda necessrio explicitar as devidas condies fronteira. Assim, atravs do uso
repetido da equao 1.63, obtm-se a soluo do problema de valor inicial at ao
clculo de f(x,T) para o tempo T=N. igualmente possvel generalizar a equao para
o caso de problemas mistos de valor inicial e problemas s condies fronteira.
Como foi referido anteriormente, necessrio converter o problema original para o
domnio discreto. Assim, o integral de convoluo na forma digital tem a forma:
........, 2, 1, =
1
M
K k
K k
n
k j k
n
j
K k f A f
M
M
=

+ =
=
+
+
(1.64)
onde: A
k
uma funo discreta anloga a w(), dependente do problema no domnio
contnuo e do mtodo de converso utilizado; k ndice de contagem com valor
mximo K
M
, que definido de modo a que A
KM
ou A
-KM
no sejam simultaneamente
nulos; j ndice espacial de discretizao; n ndice temporal de discretizao;
n
j
f
condies iniciais discretas;
1 + n
j
f soluo aps o passo temporal t.
Como anteriormente, necessrio definir as condies fronteiras apropriadas do
problema.
O integral de convoluo no formato digital igualmente aplicvel a algoritmos de
integrao do tipo implcito (atravs da introduo de uma segunda funo peso),
53
assim como pode ser generalizado para problemas multidimensionais e com duas ou
mais variveis dependentes.
A forma como os coeficientes A
k
so avaliados substancialmente diferente para cada
mtodo de integrao. Na Tabela 1.12 so apresentados os principais grupos de
mtodos de resoluo de equaes diferenciais, resumindo-se as diferentes
estratgias de clculo de A
k
para cada um deles.
Tabela 1.12 Resumo dos grupos de mtodos de integrao principais[37].
Mtodo
Computacional
Mtodo de Clculo dos Coeficientes da Funo Kernel A
k

Diferenas Finitas Sries de expanso de Taylor.
Elementos Finitos Polinmios de interpolao (lineares, quadrticos, cbicos,
etc) ou de Hermite e Funes Spline.
Espectrais Funes ortogonais (Sries de Fourier, Legendre ou
Polinmios de Chebishev).
Esquemas de Filtro Transformada de Fourier da funo de resposta do sistema
de equaes.
Wavelets Funes wavelet.
Os mtodos de Diferenas Finitas e de Elementos Finitos so, sem dvida, os mais
amplamente utilizados e estudados, enquanto que os esquemas wavelet so os mais
recentes. Algumas das estratgias referidas na Tabela anterior so discutidas com
maior pormenor no prximo captulo.
REFERNCIAS
1. http://en.wikipedia.org/wiki/Scientific_method (consulta em 1/02/2010).
2. http://en.wikipedia.org/wiki/Timeline of the history of scientific method (consulta em 1/02/2010).
3. Aristteles, Prior Analytics; Hugh Tredennick (1938) (trans.), pp. 181-531 in Aristotle, Volume 1,
Loeb Classical Library, William Heinemann, London, UK.
4. P. Godfrey-Smith (2003) Theory and Reality: An introduction to the philosophy of science, University
of Chicago Press.
5. W.S. Jevons (1874) The Principles of Science: A Treatise on Logic and Scientific Method, Dover
Publications.
6. J.R. Platt (1964) Strong inference, Science, 146 (3642), pp. 347-353; disponvel em
http://256.com/gray/docs/strong_inference.html
7. R.D. King, J. Rowland, S.G. Oliver, M. Young, W. Aubrey, E. Byrne, M. Liakata, M. Markham, P. Pir,
L.N. Soldatova, A. Sparkes, K.E. Whelan, A. Clare (2009) The Automation of Science, Science, 324
(5923), pp. 85-89; doi:10.1126/science.1165620
8. C.S. Peirce (1877) The fixation of belief, Popular Science Monthly, 12, pp. 1-15; disponvel em
http://www.archive.org/stream/popscimonthly12yoummiss/popscimonthly12yoummiss.txt
9. A. Einstein, L. Infeld (1938) The Evolution of Physics: from early concepts to relativity and quanta,
Simon and Schuster, New York.
10. http://en.wikipedia.org/wiki/Modelling (consulta em 1/02/2010).
11. J.M. Favre (2006) Megamodelling and Etymology, in Transformation Techniques in Software
Engineering (J.R. Cordy, R. Lmmel, A. Winter, eds.), Dagstuhl Seminar Proceedings 05161,
Internationales Begegnungs- und Forschungszentrum fr Informatik (IBFI), Schloss Dagstuhl,
Germany: Dagstuhl, Germany; disponvel em http://drops.dagstuhl.de/opus/volltexte/2006/427
54
12. http://www-inst.eecs.berkeley.edu/~cs184/fa08/Utah_teapot.png
13. http://www.cs.utah.edu/gdc/projects/alpha1/help/man/html/model_repo/model_teapot/fine-ray-
small.jpg
14. Muriel Gottrop (2005); disponvel em http://en.wikipedia.org/wiki/Aljubarrota (14/05/2005).
15. "Occam's razor" (2003) in Merriam-Webster's Collegiate Dictionary, 11th ed., Merriam-Webster,
New York.
16. http://en.wikipedia.org/wiki/Science (consulta em 1/02/2010).
17. http://en.wikipedia.org/wiki/Technology (consulta em 1/02/2010).
18. http://en.wikipedia.org/wiki/X-ray (consulta em 1/02/2010).
19. W. Pafko (2000) History of Chemical Engineering; disponvel em http://www.pafko.com/history
20. D.E. Seborg, T.F. Edgar, D.A. Mellichamp (1989) Process Dynamics and Control, John Wiley & Sons,
Singapore.
21. F. Patrone (2005) Introduction to Ordinary Differential Equations; notas disponveis em
http://www.diptem.unige.it/patrone/differential_equations_intro.pdf
22. Jorge Stolfi (2009); disponvel em http://en.wikipedia.org/wiki/Cartesian_coordinate_system,
http://en.wikipedia.org/wiki/Cylindrical coordinate system, http://en.wikipedia.org/wiki/Spherical
coordinate_system; (3/05/2009).
23. A. Vande Wouwer, Ph. Saucez, W. Schiesser (2001) Chapter 1 Introduction, in Adaptive Method
of Lines, (A. Vande Wouwer, Ph. Saucez, W.E. Schiesser, eds.), Chapman & Hall/CRC Press, Boca
Raton, pp. 1-37.
24. http://en.wikipedia.org/wiki/Maxwells_equations (consulta em 1/02/2010).
25. http://en.wikipedia.org/wiki/Navier-Stokes_equations (consulta em 1/02/2010).
26. D. Ginsburg, B. Groose, J. Taylor, B. Vernescu Chapter 2 History of the Differential from the 17th
Century, in The History of the Calculus and the Development of Computer Algebra Systems;
disponvel em http://www.math.wpi.edu/IQP/BVCalcHist/calc2.html
27. H. Brezis, F. Browder (1998) Partial Differential Equations in the 20th Century Adv. Math., 135 (1),
pp. 76-144.
28. A. Otto (2009) Chapter 3 Properties of Partial Differential Equations, in Methods of Numerical
Simulation, pp. 29-44; disponvel em http://how.gi.alaska.edu/ao/sim/chapters/chap3.pdf
29. http://webphysics.davidson.edu/Faculty/wc/waveHTML/node6.html (consulta em 1/02/2010).
30. P.M.P. Brito (1998) Aplicao de Mtodos Numricos Adaptativos na Integrao de Sistemas
Algbrico-diferenciais Caracterizados por Frentes Abruptas, MSc. Thesis, DEQ-FCTUC, Coimbra,
Portugal.
31. F. Liu (2007) Classification of Partial Differential Equations, Department of Mechanical and
Aerospace Engineering, University of California, Irvine no publicado.
32. Pbroks13 (2009); disponvel em http://en.wikipedia.org/wiki/Conic_section (10/02/2009).
33. http://en.wikipedia.org/wiki/Partial_differential_equation (consulta em 1/02/2010).
34. Bill Casselman (2007); disponvel em http://www.math.ubc.ca/~cass/Euclid/ybc/ybc.html
(25/05/2007); Yale Babylonian Collection.
35. R. Courant, E. Isaacson, M. Rees (1952) The solution of nonlinear hyperbolic differential equations
by finite differences, Commun. Pure Appl. Math., 5 (3), pp. 243-255.
36. P. Cruz, M.A. Alves, F.D. Magalhes, A. Mendes (2003) Solution of hyperbolic PDEs using a stable
adaptive multiresolution method, Chem. Eng. Sci., 58 (9), pp. 1777-1792.
37. M.B. Abbott, D.R. Basco (1989) Computational Fluid Dynamics, Longman Scientific & Technical,
Singapore.
55
2 2. . E ES ST TR RA AT T G GI IA AS S D DE E A AD DA AP PT TA A O O
No captulo precedente apresentou-se uma reflexo centrada na relao entre as
caractersticas da racionalizao cientfica, a consequente necessidade de construo
de modelos matemticos e a sua posterior resoluo atravs de estratgias numricas.
Neste captulo, o interesse centra-se agora no aprofundamento da discusso referente
aos mtodos especficos de soluo numrica de sistemas algbrico-diferenciais
parciais e introduo do conceito de adaptao no contexto desses esquemas
numricos.
2.1 MALHAS
A aplicao da resoluo numrica de equaes diferenciais que representam a
modelao de fenmenos no espao-tempo contnuo envolve necessariamente a
discretizao do domnio do problema. Tal implica a determinao da soluo u em
posies discretas no espao e no tempo. O conjunto destas posies define uma
grelha ou malha de nodos onde a soluo, para o caso mais simples unidimensional,
geralmente notada por,
) , (
n j
n
j
t x u u = , (2.1)
correspondente ao nodo situado na posio espacial j, para o tempo n.
A questo da fragmentao de um domnio contnuo num conjunto de subdomnios
discretos constitui-se como um campo de pesquisa especializado designado por Mesh
(or Grid) Generation Gerao de Malhas (ou de Grelhas) com aplicao numa gama
diversificada de reas distintas, incluindo a resoluo de equaes diferenciais parciais,
principalmente no contexto de implementao de estratgias de elementos
finitos[1,2].

Figura 2.1 Exemplo tpico de uma malha bidimensional estruturada.
x
y
ESTRATGIAS DE ADAPTAO

56
No entanto, a malha no pode ser somente definida como um mero conjunto de
nodos mas igualmente pelas relaes estabelecidas entre subconjuntos de nodos que
representam geometrias locais. A informao que determina os mecanismos de
comunicao entre cada nodo e os seus vizinhos (que dispensada na implementao
dos designados mtodos meshless) constitui um aspecto muito importante no
processo de gerao de uma malha.
Assim, as malhas de nodos podem ser classificadas como[3]:
Malhas estruturadas (vd. Figura 2.1) formada pela interseco de superfcies
relacionadas com as direces coordenadas;
Malhas no estruturadas (vd. Figura 2.2) a distribuio das interseces
nodais no apresenta qualquer relao aparente com as direces
coordenadas.
Uma malha estruturada ou regular consiste numa tesselao
1
de um espao Euclidiano
atravs de um conjunto coerente e regular de figuras geomtricas (e.g. rectngulos no
caso bidimensional ou paraleleppedos em espaos tridimensionais). Assim, a mera
definio da distribuio das posies nodais ao longo do domnio descreve
implicitamente a geometria local da malha que se repete regularmente ao longo da
totalidade do domnio. Deste modo, no necessrio estabelecer qualquer informao
adicional na construo da malha, j que a sua regularidade torna bvias as relaes
de comunicao entre vrtices vizinhos e a geometria de cada elemento (vd. Figura
2.1).

Figura 2.2 Exemplo tpico de uma malha bidimensional no estruturada.
Por outro lado, uma malha no estruturada ou irregular uma tesselao de um
espao Euclidiano por estruturas geomtricas simples (e.g. tringulos ou tetraedros
que representam os simplex, ou seja, as figuras mais simples passveis de ser

1
Tesselao de um espao consiste no preenchimento da totalidade desse espao atravs da introduo
de um conjunto de figuras geomtricas que se encaixam entre si sem qualquer sobreposio.
i i
x
y

57
construdas em espaos bi- e tridimensionais, respectivamente) dispostas de uma
forma irregular. Ao contrrio das malhas estruturadas, a gerao de malhas no
estruturadas implica o estabelecimento adicional de informao que especifique a
forma como cada conjunto local de vrtices define os elementos individuais, ou seja, a
geometria local especfica da malha. Por exemplo, considere-se o nodo i presente na
malha no estruturada representada na Figura 2.2. Verifica-se facilmente que a
natureza irregular da malha implica a definio suplementar do conjunto de nodos que
comunicam directamente com o nodo i, j que possvel definir diferentes alternativas
para um elemento que inclua i (vd. Figura 2.2, onde trs destas alternativas so
esquematizadas). No entanto, constata-se na prtica que esta aparente desvantagem
caracterstica das malhas no estruturadas, frequentemente compensada pela sua
notria flexibilidade, que as torna especialmente adequadas para aplicao no mbito
da anlise de elementos finitos ou e volumes finitos, especialmente no contexto da
gerao adaptativa de malhas. A rigidez tpica das malhas estruturadas e a sua
natureza ordenada so mais apropriadas para a implementao de esquemas de
diferenas finitas.
2.2 MTODOS DE RESOLUO DE EQUAES DIFERENCIAIS PARCIAIS (PDES)
2.2.1 INTRODUO
No captulo anterior so apresentados os principais mtodos de integrao numrica
de equaes diferenciais parciais. No entanto, apenas so referidas as estratgias
gerais em que se baseia cada mtodo de uma forma superficial. bvio que, a partir
de cada perspectiva, foi desenvolvido um grande nmero de algoritmos numricos
distintos, atravs da aplicao dos conceitos bsicos associados a cada mtodo.
De facto, a resoluo numrica de equaes diferenciais est longe de ser uma
questo recente. Na verdade, revela-se um problema assaz antigo, que constitui um
objecto de estudo j com alguns sculos de histria. De forma a ilustrar esse facto,
destaca-se o trabalho de Gear e Skeel, 1990[4], que apresentam uma interessante
reviso histrica sobre a origem e evoluo de mtodos numricos para a resoluo de
ODEs. Assim, os autores citam a afirmao de Forest Ray Moulton (1872-1952) que
atribui aos Principia (Philosophiae Naturalis Principia Mathematica) de Newton, a
primeira aplicao de mtodos numricos para a obteno de solues aproximadas
de equaes diferenciais[5].
Posteriormente, os sucessores de Newton aplicaram estratgias numricas na
aproximao e resoluo de problemas prticos especficos descritos por modelos
diferenciais desenvolvidos para a simulao dos mecanismos da mecnica celeste. Este
tipo de clculos intensivos e extremamente morosos, que implicava o recurso a
processos manuais e possvel ajuda de dados tabelados, conduziu a um dos
processos de clculo mais importantes da Histria da Cincia realizado pela
colaborao entre Alexis Claude de Clairaut (1713-1765), Joseph Jrme Lalande
(1732-1807) e Nicole-Reine table de la Brire Lepaute (1723-1788), que levou
previso de um atraso no regresso do cometa Halley de 1682, devido a perturbaes
na sua rbita induzidas pela influncia dos planetas gigantes Jpiter e Saturno. Deste
modo, foi obtida uma estimativa para o perilio do cometa Halley, de 13 de Abril de
1749, que se verificou estar errada apenas por 31 dias. A evoluo dos procedimentos

58
de clculo, ainda manuais, permitiu que o regresso seguinte do Halley em 1835 fosse
previsto com um erro de 5 dias, e que a estimativa seguinte para 1910 apresentasse
um erro de somente 2.7 dia[6].
De acordo com Goldstine[7], o precursor dos mtodos numricos actuais
indubitavelmente Leonhard Euler (1707-1783) que no seu captulo, De integratione
Aequationum Differentialium per Approximationem, no s apresenta uma descrio
do chamado mtodo poligonal ou de Euler para a equao geral do tipo IVP:
( ) y x f
dx
dy
, = , (2.1)
como define um mtodo sequencial baseado na srie de Taylor que aplicado a vrios
exemplos como f(x,y) = x
n
+ cy . O mtodo de Euler constituiu a fundamentao para a
primeira demonstrao de existncia de solues de ODEs realizada por Augustin-
Louis Cauchy (1789-1857) um sculo depois. Posteriormente, partindo da ideia simples
de passo nico inerente ao Mtodo de Euler, desenvolveram-se mtodos mais
complexos baseados em processos em que o intervalo finito de integrao dividido
em passos intermdios, possibilitando assim um aumento da ordem de aproximao
do mtodo. Desta forma, a avaliao de quantidades nas posies intermdias implica
necessariamente a aplicao de um esquema interpolador. Adicionalmente, pode-se
distinguir dois tipos de procedimentos numricos: explcitos e implcitos. No caso de
mtodos explcitos, as operaes de clculo da soluo para um determinado nvel n
dependem apenas de quantidades referentes a nveis anteriores. Por outro lado, no
caso de mtodos implcitos o clculo de uma soluo no nvel n depende igualmente
de quantidades definidas a esse nvel. Assim, uma estratgia de aplicao de mtodos
implcitos implica o estabelecimento de um algoritmo de dois passos em que o
primeiro passo, dito preditivo utiliza um processo explcito para estimar a soluo, e o
segundo passo, designado por correctivo, introduz a estimativa prvia preditiva para a
avaliao da soluo atravs da expresso implcita. No entanto, a estratgia preditiva-
correctiva tambm pode ser aplicada num contexto totalmente explcito. Como
exemplo de mtodos referidos anteriormente, possvel destacar a bem conhecida
famlia de mtodos designados genericamente por Runge-Kutta(RK), nomeados em
homenagem a Carl Runge (1856-1927) e Wilhelm Kutta (1867-1944). A expresso geral
para os mtodos RK explcitos dada por[8]:
=
+
+ =
s
i
i i n n
k b h y y
1
1
, (2.2)
onde, h o tamanho do passo global, s o nmero de passos intermdios associado
ordem de aproximao do mtodo, b
i
so parmetros dedutveis caractersticos de
cada algoritmo e k
i
so declives mdios correspondentes a valores de f em pontos
intermdios pr-estabelecidos.
Runge, um especialista em Matemtica Aplicada, apresentou num trabalho de 1895[9]
dois mtodos bem conhecidos de segunda ordem em dois passos baseados na regra
do ponto mdio e na regra trapezoidal, respectivamente[7]. Karl Heun (1859-1929),
em 1900, desenvolveu o trabalho de Runge e determinou os coeficientes de um
conjunto de frmulas do tipo RK, incluindo a correspondente a um procedimento em
trs passos de terceira ordem[4,10]. No entanto, foi Kutta que em 1901[11]

59
estabeleceu a definio geral dos mtodos de RK explcitos no formato conhecido
actualmente, e deduziu as equaes no lineares que determinam os valores dos
parmetros correspondentes a uma determinada ordem de aproximao.
Por outro lado, refere-se igualmente o desenvolvimento de algoritmos multi-passo,
que utilizam a informao obtida em passos anteriores para a implementao dos
passos posteriores. Assim, os mtodos multi-passo lineares de Adams-Bashforth(AB) e
de Adams-Moulton(AM) foram deduzidos pelo matemtico britnico John Couch
Adams (1819-1892) em 1883 como ferramentas para a resoluo de modelos
diferenciais de capilaridade deduzidos por Francis Bashforth (1819-1912)[4,12]. O
mtodo AB definido por expresses explcitas, apresentando-se de seguida a
expresso geral para a verso AB de dois passos[13]:
( ) ( )
n n n n n n
y t hf y t hf y y , ,
2
1
1 1 2
3
1 2
+ =
+ + + +
(2.3)
O mtodo AM semelhante ao mtodo AB, apresentando no entanto uma natureza
implcita. Deste modo enquanto que um algoritmo AB de passo s apenas atinge uma
ordem s, o correspondente algoritmo AM pode atingir uma ordem s+1.
O mtodo implcito de Adams-Moulton, tal como o mtodo explcito de Adams-
Bashforth, so devidos ao trabalho exclusivo de Adams. Porm, o nome de Forest Ray
Moulton, um professor de Astronomia da Universidade de Chicago, foi associado a
este mtodo devido ao facto deste se ter apercebido em 1926 que os dois mtodos
anteriores, AB e AM, podiam ser usados em conjunto numa lgica preditiva-
correctiva[4,13,14].
No entanto, estes algoritmos estavam limitados a aplicaes de passo fixo e a
problemas no stiff. O progressivo aumento da capacidade de memria computacional
proporcionou o desenvolvimento a partir de meados do sculo XX, de mtodos
numricos ditos adaptativos de passo varivel, de que se destaca um dos pioneiros
devido a R.H. Merson em 1957[15], que ficou conhecido como o mtodo Runge-Kutta-
Merson, e de algoritmos adequados a sistemas diferenciais stiff. Os esquemas
adaptativos baseiam-se intimamente em algoritmos de passo fixo acoplados a
estratgias de estimativa do erro local que so usadas para ajuste do valor do passo h,
de modo a que um determinado nvel de exactido seja verificado. Como se ver
adiante, a conveniente monitorizao do erro associado aproximao numrica
consiste na caracterstica essencial e emblemtica de qualquer esquema numrico
adaptativo.
Por outro lado, o trabalho mais antigo relacionado com equaes diferenciais stiff
deve-se a Curtiss e Hirschfelder em 1952[16] que descreve um algoritmo numrico de
resoluo que posteriormente ser designado por Backward Differentiation Formula
BDF. Os mtodos BDF so, como a prpria designao indica, definidos por frmulas
de diferenciao backward, ou seja estabelecidas no sentido contrrio ao sentido da
evoluo da integrao do IVP. Este tipo de mtodos particularmente til na
resoluo de equaes diferenciais ou algbrico-diferenciais stiff.
conveniente agora estabelecer uma referncia ao significado da propriedade
genericamente designada por stiffness no contexto dos problemas diferenciais
ordinrios. Apesar de ser reconhecidamente importante neste mbito, no existe uma
definio universalmente aceite para a noo de stiffness. No entanto, pode-se afirmar

60
que est necessariamente relacionada com os valores prprios (
i
s) da matriz
Jacobiana do problema que caracterizam a estabilidade do sistema. Assim, no caso da
parte real de
i
, Re(
i
) < 0 para todos os valores prprios, uma medida de stiffness
pode ser dada pela definio do ndice de stiffness[17]:
( )
i
L Re max = , (2.4)
ou pela razo de stiffness,
( )
( )
i
i
S
Re min
Re max
= . (2.5)
Um problema considerado stiff se a sua medida de stiffness for elevada (e.g. >
500). Torna-se claro a partir dos anos 50 do sculo XX a necessidade de
desenvolvimento de procedimentos numricos que levem em conta esta questo, j
que se verifica que a ocorrncia de problemas diferenciais stiff muito mais vulgar do
que o esperado. No entanto, conhecida a adequao dos mtodos implcitos a
problemas em que a questo da estabilidade no de todo trivial, restringindo
consideravelmente a fixao do passo de integrao. No entanto, este tipo de mtodos
implica normalmente a gerao de sistemas no lineares de equaes algbricas que
exigem a aplicao de esquemas eficientes para a sua resoluo.
Os esquemas BDF, tambm designados por mtodo de Gear[18], possibilitam a
avaliao de uma aproximao a derivada de y na posio x
n
em termos dos valores de
y(x) em x
n
e em posies anteriores x
n-1
at x
n-s
. Estes valores so calculados atravs da
avaliao de polinmios interpolativos de ordem s e da sua consequente diferenciao
para posterior determinao da estimativa de y em x
n
. Assim, uma frmula BDF de
ordem s apresenta a forma genrica[19]:
=
s
j
j n sj n
y y h
0
, (2.6)
em que os coeficientes
sj
so caractersticos de cada ordem. A equao 2.6 possibilita
uma ilustrao relativamente simples da estratgia em que se baseiam os mtodos
BDF para problemas diferenciais e algbrico-diferenciais de ndice no superior a 1. No
entanto, as aplicaes computacionais destes esquemas implementam verses de
passo e ordem variveis deste mtodo (vd. Anexo C para a descrio do cdigo DASSL).
Discutiu-se acima uma cronologia histrica resumida da evoluo dos mtodos
numricos mais importantes para a resoluo de ODEs (ou sistemas de ODEs).
Importa agora focar a ateno nas estratgias numricas desenvolvidas para a
resoluo de problemas diferenciais parciais. Nesse sentido, salientam-se as
abordagens de Thome, 2001[20] e de Oden, 1990[21], que apresentam uma
interessante perspectiva histrica sobre o progresso dos mtodos de diferenas finitas
e elementos finitos. O trabalho de Thome[20] analisa a origem do mtodo de
diferenas finitas no final dos anos 20, e o seu subsequente desenvolvimento nas
dcadas seguintes, e discute a emergncia posterior do mtodo de elementos finitos e
a sua crescente importncia no mbito da anlise numrica de PDEs a partir da
dcada de 1960. Por outro lado, Oden[21] centra-se exclusivamente na discusso do
desenvolvimento e consequente evoluo dos esquemas de elementos finitos.

61
Apesar de ser difcil identificar uma contribuio individual bem definida que se possa
considerar como a origem incontestvel dos mtodos numricos de Diferenas Finitas
(FDM), afigura-se consensual a importncia do trabalho devido a Richard Courant
(1888-1972), Kurt Friedrichs (1901-1982) e Hans Lewy (1904-1988) em 1928[22], tido
como seminal no contexto do campo da resoluo numrica de PDEs.
Para alm de aplicaes numricas de diferenas finitas para resoluo de problemas
como a equao de onda, o artigo de Courant et al., 1928[22] apresenta o enunciado
da condio necessria para a convergncia de esquemas numricos para resoluo de
PDEs, designado por princpio Courant-Friedrichs-Lewy (CFL), j apresentado no
captulo anterior numa verso textual. Este princpio especialmente importante para
aplicaes a modelos de carcter hiperblico, ou seja afectados por adveco de uma
forma total ou parcial.
Assim, para o caso particular de problemas unidimensionais, a condio CFL pode ser
enunciada algebricamente da forma seguinte[23]:
C
x
t v
<
, (2.7)
em que a quantidade
x
t v
designada por nmero de Courant. bvio que a

verificao da condio CFL implica a limitao do valor do passo temporal t,
dependente do tamanho local da malha espacial x. Resumidamente, a condio CFL
traduz a imposio de um passo temporal suficientemente pequeno de modo a que a
onda advectiva que parte de uma posio nodal especfica i no ultrapasse as posies
nodais dos pontos adjacentes, nomeadamente dos que definem a aproximao
soluo no nodo i. Como corolrio desta condio, conclui-se que medida que os
espaamentos nodais diminuem, o limite superior para o passo temporal admissvel
tambm se vai reduzindo. Deste modo, o controlo da condio de estabilidade pode
tornar-se problemtica no caso de malhas de espaamento reduzido, j que impe
severas restries ao avano da integrao temporal. Este problema pode ser
parcialmente ultrapassado atravs do recurso a estratgias implcitas.
No contexto dos mtodos de diferenas finitas para problemas evolutivos, verifica-se a
ocorrncia de significativo progresso durante os anos de 1940, quando as aplicaes
de larga escala se tornaram possveis devido ao desenvolvimento do clculo
automtico computacional[20]. Neste perodo pode-se destacar o trabalho de John
von Neumann (1903-1958) e um esboo inicial da teoria aplicvel a problemas
parablicos, devido a John, 1952[24]. Estabelecem-se igualmente os primeiros
mtodos implcitos para problemas mistos de valor inicial e fronteira, e.g. Crank e
Nicolson, 1947[25].
Posteriormente, a teoria de diferenas finitas para IVPs gerais e problemas
parablicos em particular, conheceu um intenso desenvolvimento atravs das dcadas
de 1950 e 1960, em que o conceito de estabilidade foi explorado atravs do teorema
da equivalncia de Lax e os lemas da matriz de Kreiss, e se verificaram variadas
contribuies adicionais de Douglas, Lees, Samarskii, Widlund e outros. Por outro lado,
tendo como ponto de partida o trabalho de, e.g., Friedrichs, Lax e Wendroff, o mtodo
de diferenas finitas assumiu um papel dominante na resoluo de equaes do tipo

62
hiperblico (especificamente, leis conservativas no lineares) que se mantm at ao
tempo presente[20].
A origem do mtodo de Elementos Finitos (FEM) um assunto controverso, j que
depende da seleco da sua caracterstica distintiva mais importante, ou seja da
definio do que efectivamente um mtodo de elementos finitos.
Assim, se a opo recair sobre o destaque da estratgia de utilizao de aproximaes
polinomiais definidas em intervalos (piecewise polinomial approximations),
normalmente seleccionado como trabalho pioneiro, o artigo de Courant, 1943[26],
baseado numa comunicao realizada na American Mathematical Society, em 1941,
onde se prope a utilizao de funes aproximativas lineares contnuas piecewise,
definidas sobre um conjunto de estruturas triangulares (elementos) adaptadas
geometria do domnio. Apesar de esta ideia no ser propriamente nova e j aparecer
em trabalhos anteriores de outros autores, includo o prprio Courant, o artigo de
1943 geralmente creditado como o ponto de partida para o mtodo de Elementos
Finitos, juntamente com o trabalho de Alexander Hrennikoff (1896-1984) em 1941[27],
que prope uma estratgia baseada numa lattice analogy, em que a aproximao
global a uma equao diferencial parcial construda a partir de uma sequncia de
aproximaes locais definidas sobre subdomnios. O mtodo de Hrennikoff implica
igualmente uma discretizao do domnio em subdomnios que posteriormente foram
designados por elementos. No entanto, o desenvolvimento e a consequente anlise do
mtodo apenas ocorreriam algum tempo mais tarde. Ainda no mbito das
caractersticas de aproximao funcionais piecewise do FEM, Oden[21] refere a
possibilidade de se recuar at ao trabalho de Gottfried Leibniz (1646-1716) para a
resoluo do problema Brachistochrone proposto por Bernoulli em 1696, baseado na
deduo de um problema diferencial (cuja soluo uma curva ciclide) atravs uma
aproximao linear piecewise. No entanto, reconhece-se que a creditao deste
trabalho como um proto-mtodo do tipo FEM algo abusivo j que Leibniz
reconhecidamente no pretendia resolver, mas deduzir um modelo diferencial.
Alternativamente, se o critrio distintivo seleccionado for o recurso a uma formulao
variacional do problema diferencial para a sua resoluo numrica, possvel recuar a
1851, quando Schellbach[28] props uma soluo do tipo FEM para o problema de
Plateau, baseada na construo de uma malha triangular sobre a qual a soluo
aproximada por funes lineares piecewise. Por outro lado, a abordagem variacional
para a resoluo numrica de problemas de valor fronteira, deve-se originalmente s
contribuies de Lord Rayleigh (1842-1919) em 1894 e 1896[29] e Walther Ritz (1878-
1909) em 1908[30]. A opo de Ritz consistia na aproximao da soluo atravs de
uma combinao finita linear de funes (por exemplo, polinmios ou polinmios
trigonomtricos).
A ideia de utilizao da condio de ortogonalidade em alternativa minimizao de
um funcional quadrtico atribuda a Galerkin, 1915[31], sendo a sua aplicao a
problemas evolutivos normalmente designada por mtodo de Faedo-Galerkin, ou
mtodo de Petrov-Galerkin (ou Bubnov-Galerkin) quando a ortogonalidade definida
em relao a um espao distinto. Tal como qualquer outra aplicao numrica, o FEM
evoluiu historicamente em duas vertentes diferentes, mas obviamente interligadas: o
desenvolvimento e anlise terica (relacionada com o campo da anlise numrica), e a
consequente aplicao prtica, necessariamente computacional, agora

63
intrinsecamente ligada rea da programao informtica. De facto, o FEM como
aplicao computacional surge em meados da dcada de 1950, quando engenheiros
de estruturas (fundamentalmente dos campos das engenharias aeronutica e civil)
relacionaram a anlise de base j bem estabelecida relativa aos mtodos variacionais
no contexto da mecnica do continuum, com um processo de discretizao em que o
domnio pensado com um conjunto de elementos onde as deformaes e esforos
internos so localmente definidos. Neste mbito, salienta-se os trabalhos pioneiros de
Turner et al., 1956[32], e Argyris, 1954[33], 1955[34] que contribuiram
significativamente para uma organizao eficaz dos conceitos num mtodo de
elementos finitos dito primitivo. Por esta altura, so estabelecidos os conceitos
fundamentais de matriz stiffness e de gerao de elementos. No entanto, a primeira
referncia inequvoca designao: Mtodo de Elementos Finitos, apenas surge num
artigo de Clough, 1960[35]. A fundamentao terica rigorosa do mtodo
apresentada com a publicao de An Analysis of The Finite Element Method de Strang
e Fix[36] em 1973. Nas ltimas dcadas, a anlise de Elementos Finitos constitui-se por
direito prprio como um ramo da Matemtica Aplicada, para a modelao e simulao
numrica de sistemas fsicos relacionados com uma alargada variedade de Cincias da
Engenharia, e.g. Electromagnetismo e Dinmica de Fluidos.
Muitos dos conceitos e tcnicas caractersticos dos mtodos de diferenas e elementos
finitos so semelhantes e em alguns casos particulares so mesmo coincidentes.
Todavia, a possibilidade de utilizao sistemtica de uma abordagem variacional, a sua
reconhecida flexibilidade geomtrica e uma maior disponibilidade estrutural para uma
eficaz monitorizao de erros, conduziram a que o mtodo de Elementos Finitos se
tornasse a estratgia dominante quer numa perspectiva terica como de aplicao
prtica. Esta tendncia foi potenciada pela crescente necessidade de compreenso dos
modelos diferenciais parciais que representam a realidade fsica e a revoluo
computacional que proporcionou o acesso resoluo de problemas de elevada
escala, possibilitando a evoluo do conceito de matemtica computacional para um
mbito mais vasto do que o da anlise matemtica clssica.
Expe-se nas seces seguintes, uma apresentao mais pormenorizada das diversas
estratgias mais importantes de discretizao e resoluo numrica de equaes
diferenciais, incluindo os j discutidos mtodos de Diferenas Finitas e de Elementos
Finitos. Para tal, necessrio ter em conta novamente a definio do integral de
convoluo na forma discreta em que se baseia a generalidade dos mtodos de
discretizao do domnio contnuo e de aproximao da soluo analtica s diversas
funes base disponveis. Assim, considere-se ento (vd. seco 1.8.4) a relao[37],
........, 2, 1, =
1
M
K k
K k
n
k j k
n
j
K k u A u
M
M
=

+ =
=
+
+
(1.64)
que a expresso genrica de translao do espao contnuo para a sua
correspondente verso digital que se fundamentam as diferentes abordagens de
integrao numrica.
2.2.2 MTODO DE DIFERENAS FINITAS (FINITE DIFFERENCES METHOD FDM)
A base do clculo dos coeficientes da funo-peso A
k
para os mtodos de Diferenas
Finitas (FDM) a expanso em srie de Taylor. Por exemplo, considerando a expresso

64
genrica para o valor da soluo no nodo j+1, a partir da expanso de Taylor em torno
do nodo j, para o nvel de tempo n, obtm-se:
+
|
|
\
|
|
|
\
|
+
|
\
|
+ =
+
! 3 ! 2
3
3
3 2
2
2
1
x
x
u x
x
u
x
x
u
u u
n
j
n
j
n
j
n
j
n
j
. (2.8)
Um possvel rearranjo da equao anterior conduz a:
+
|
|
\
|
|
|
\
|
=
|
\
|
+
! 3 ! 2
2
3
3
2
2
1
x
x
u x
x
u
x
u u
x
u
n
j
n
j
n
j
n
j
n
j
. (2.9)
Admitindo aproximaes de primeira ordem, ou seja truncando a expresso 2.9 a
partir da segunda derivada, tem-se ento:
( ) x
x
u u
x
u
n
j
n
j
n
j
+
=
|
\
|
+
O
1
. (2.10)
Assim, uma aproximao deste tipo aplicada a todas as derivadas espaciais e
temporais possibilita a converso do problema original num sistema de equaes
algbricas, a partir do qual calculada a soluo aproximada em cada nodo da malha.
A manipulao de equaes da forma 2.8, permite explicitar os coeficientes A
k

correspondentes a este mtodo, para cada posio j e n. Deste modo, obtm-se
expresses relativas converso para o domnio discreto de derivadas de diferentes
ordens, considerando vrios nveis de aproximao, variando a dimenso e a
geometria do conjunto de nodos envolvido na anlise, ou seja, o valor de K
M
(vd.
equao 1.64).

Figura 2.3 Tipos de aproximaes de diferenas finitas definidas num sistema unidimensional, em
relao ao sentido de propagao do fluxo F.
Deste modo, assumindo discretizaes num domnio unidimensional, a colocao
relativa do conjunto de nodos usado na estimativa da derivada numa posio
especfica i define o tipo de aproximao de diferenas finitas aplicada. Assim, no caso
i 2 i+2 i+1 i 1 i
F
i 2 i+1 i 3 i 1 i
F
i+3 i+1 i+2 i 1 i
Centradas
Biased
Upwind
Biased
Downwind

65
j referido de o valor de K
M
ser igual nos dois sentidos a partir do nodo i considerado,
obtm-se uma aproximao centrada (vd. Figura 2.3). No entanto, a distino entre as
diferentes aproximaes possveis depende do sentido de propagao do fluxo
associado soluo da PDE a integrar. No caso mais geral, os K
M
definidos em cada um
dos sentidos podem assumir valores distintos, K
Mu
ou K
Md
, a montante e a jusante de i,
respectivamente, em relao ao sentido de propagao do fluxo F (vd. Figura 2.3).
Assim, tem-se uma aproximao do tipo upwind se o K
Mu
for superior ao K
Md
: biased
upwind se K
Md
0 e upwind se K
Md
= 0. No caso contrrio, diz-se que a aproximao
do tipo downwind: biased downwind se K
Mu
0 e downwind se K
Mu
= 0.
No Anexo A procede-se apresentao de estratgias sistematizadas para a estimativa
de derivadas de ordem e geometria arbitrria baseadas em malhas unidimensionais de
espaamento geral varivel. No entanto, um mtodo mais expedito apresentado por
Fornberg, 1988[38], 1992[39], que desenvolveu algoritmos recursivos para o clculo
do valor dos pesos de aproximao, para o caso mais geral de malhas de espaamento
arbitrrio (vd. Anexo A).

Figura 2.4 Exemplo de aproximao de diferenas finitas mista de segunda ordem num domnio
bidimensional.
A estratgia de manipulao sucessiva de aproximaes de derivadas de ordem
crescente permite a construo de estimativas de diferenas finitas em geometrias de
dimenso superior unidimensional. Por exemplo, estima-se a derivada mista
bidimensional de segunda ordem num nodo (i,j)[40]:
( )
2 , 1 , 1
,
2
O
2
x
x
y
u
y
u
y x
u
j i j i
j i
+
|
|
\
|
|
|
\
|
=
|
|
\
|

+
, (2.11)
aplicando as aproximaes DF,
( )
2 1 , 1 1 , 1
, 1
O
2
y
y
u u
y
u
j i j i
j i
+
=
|
|
\
|
+ + +
+
(2.12)
( )
2 1 , 1 1 , 1
, 1
O
2
y
y
u u
y
u
j i j i
j i
+
=
|
|
\
|
(2.13)
y
i -1

y
i +1

x
i +1
x
i
x
i -1

y
i


66
definidas sobre o stencil esquematizado na Figura 2.4. A substituio de 2.12 e 2.13 em
2.11 conduz aproximao de segunda ordem bidimensional:
( )
2 2 1 , 1 1 , 1 1 , 1 1 , 1
,
2
, O
4
y x
y x
u u u u
y x
u
j i j i j i j i
j i
+

+
=
|
|
\
|

+ + + +
(2.14)
O FDM um mtodo relativamente simples, acessvel e fcil de implementar, mas
implica um considervel nvel de estruturao das malhas discretas, o que o torna
geometricamente rgido, limitando a sua aplicao em problemas definidos sobre
geometrias complicadas, quer do domnio como das superfcies fronteira.
2.2.3 MTODO DE ELEMENTOS FINITOS (FINITE ELEMENTS METHOD FEM)
As dificuldades de conformao a geometrias complexas caractersticas do FDM
podem ser superadas com a aplicao do que, muito provavelmente a estratgia
dominante no campo de resoluo numrica PDEs: o mtodo de Elementos Finitos
(FEM).
manifestamente complicado abordar o FEM de uma forma generalizada, j que se
encontram na literatura mltiplas formas de apresentao fundamental de estratgias
que so passveis de ser enquadradas na famlia dos mtodos de elementos finitos.
Como meros exemplos da abordagem a esta questo podem-se destacar casos com
preocupaes prticas que se concentram essencialmente na definio do conceito de
elemento dentro de um contexto de modelos tpicos especficos do campo da
mecnica estrutural[41], ou explanaes de carcter mais terico que, no entanto,
podem ser aliceradas em variadas abordagens devidas a Ritz[42], Galerkin[43], etc,
que de uma forma ou de outra, so classificveis como estratgias de elementos
finitos. Desta forma, o que caracteriza fundamentalmente um FEM?
O mtodo de elementos finitos (e a sua aplicao prtica, normalmente conhecida por
Anlise de Elementos Finitos: Finite Element Analysis FEA) uma tcnica
sistematizvel de aproximao da soluo de equao diferencial parcial, baseada em
funes base e na projeco de um dado domnio num conjunto finito e consistentes
de clulas, ou seja, uma malha[43].
De forma a introduzir as principais caractersticas do FEM, recorre-se ento
abordagem que posteriormente deu origem ao designado Mtodo de Ritz. Deste
modo, considere-se o problema de minimizao seguinte[42]:
( ) ( )
|
|
\
|

d
y
u
x
u
u y x f u J u J
u
, , , , ; min (2.15)
com { } g u suave u u = =
; | . No entanto, a resoluo deste problema s possvel

atravs da introduo de um nmero finito de incgnitas. Tal pode ser alcanado pela
aproximao da soluo u(x) a uma combinao linear de um conjunto finito de
funes
k
(x) da forma:
( ) ( )
=
=
n
k
k k
n
a u
1
x x (2.16)

67
As funes
k
(x), denominadas por funes base, so escolhidas de forma a
verificarem a condio: ( ) x
k
para qualquer k. Assim, estas funes devem ser
suaves e satisfazer as condies fronteira homogneas. Tal implica que o conjunto das
funes
k
(x) representa um subespao de . Deste modo, o mtodo de Ritz consiste
na resoluo do problema de minimizao 2.15 sobre este subespao. Como apenas
os parmetros a
k
de 2.16 so desconhecidos, ento o problema 2.15 reduz-se a:
( )
n
a
a a a J
n
i
, , , min
2 1

(2.17)
Obviamente que a condio necessria para a existncia de um mnimo de 2.17 dada
por,
( )
n k
a
u J
k
n
, , 2 , 1 , 0 = =
(2.18)
que representa um sistema de n equaes e n incgnitas que, em determinadas
circunstncias, apresenta uma soluo nica. Esta soluo pode ser usada para a
construo da soluo aproximada u
n
(x), que dever convergir para a soluo analtica
u(x), medida que n, o nmero de funes base, aumente. Afigura-se claro que uma
escolha adequada das funes base se revela essencial para a convergncia e
velocidade de convergncia do mtodo de Ritz.
No entanto, porque razo se recorre a um procedimento de optimizao para
caracterizar um mtodo de resoluo numrica de PDEs? Esta aparente contradio
facilmente explicada se se tomar em conta que possvel provar que a soluo de um
problema de minimizao integral satisfaz um problema diferencial associado. Por
exemplo, o problema diferencial seguinte,
( ) x F
dx
u d
=
2
2
(2.19)
com, ( ) ( ) 0 1 , 0 0 = =
dx
du
u , representa um conjunto de solues que satisfazem
igualmente o problema de minimizao,
( ) ( ) ( )
\
|
=

1
0
2
2
1
min dx x u x F
dx
du
u J
u
(2.20)
em que, ( ) { } 0 0 ; | = = u suave u u , desde que a soluo u(x) seja duplamente
diferencivel no domnio definido. Deste modo, a resoluo do problema diferencial
2.19 e do problema de optimizao 2.20 so perfeitamente equivalentes. No entanto,
o que importante reter na abordagem de Ritz no mbito da FEA a estratgia
particular de aproximao da soluo em termos da combinao linear de funes
base representada pela equao 2.16.
Outra caracterstica importante de uma estratgia FEM o possvel recurso
formulao variacional do problema diferencial original. Deste modo, assuma-se como
exemplo um problema unidimensional no evolutivo semelhante a 2.19[44]:
( ) x f
dx
u d
=
2
2
(2.21)

68
com x [0,1] e as condies fronteira, ( ) ( ) 0 1 0 = =u u .
Se u(x) soluo de 2.21, a converso para o equivalente variacional (ou formulao
fraca) implica que qualquer funo (x) suave que satisfaa as condies fronteira,
i.e. ( ) ( ) 0 1 0 = = , verifica a relao,
( ) ( ) ( ) dx x
dx
u d
dx x x f
|
|
\
|
=
1
0
1
0
2
2
. (2.22)
Atravs de integrao por partes, obtm-se a expresso:
( ) ( ) ( ) ( ) ( )

=
|
\
|
|
\
|
=
|
|
\
|
=
1
0
1
0
1
0
1
0
2
2
,
u dx
dx
d
dx
du
x
dx
du
dx x
dx
u d
dx x x f . (2.23)
Deste modo, a resoluo do problema baseia-se na sua discretizao, ou seja, na
transformao do problema de dimenso infinita,
encontrar u, tal que ( )

= f u, , , (2.24)
numa verso finita definida por,
encontrar uV, tal que ( )

= f u V , , , (2.25)
em que V um subespao de . Existem muitas possibilidades de escolha para V, que
conduzem ao desenvolvimento de diferentes estratgias numricas. No entanto, para
o FEM, assuma-se V como o espao de funes polinomiais piecewise (definidas em
intervalos). Assim, tome-se como exemplo o caso especfico de aproximaes do tipo
linear.
Para tal, considere-se inicialmente a definio genrica de elemento que est
associada regio do domnio que rodeia um determinado nodo (vd. Figura 2.5 para
um exemplo unidimensional com apenas um nodo).

Figura 2.5 Elemento unidimensional aplicado a um nodo.
No entanto, a regio do domnio seleccionada para a construo de um elemento
finito pode igualmente incluir os nodos vizinhos do nodo de interesse. Assim, na Figura
2.6 esquematiza-se um exemplo de um elemento finito centrado para o nodo
localizado na posio x
i
definido com base numa estratgia de interpolao linear.
Num domnio unidimensional, uma estratgia interpoladora do tipo linear (vd. Figura
2.6) implica a utilizao da expresso geral de uma recta:
( ) b mx x u + = , (2.26)
i - 1 i +1 i
x
x
i


69
em cada intervalo. Os coeficientes m e b representam o declive e a ordenada na
origem, respectivamente, e so avaliados atravs do uso das posies nodais
conhecidas: u = u
1
para x =x
1
e u=u
2
para x=x
2
. Assim, para o par de equaes:
+ =
+ =
b mx u
b mx u
2 2
1 1
(2.27)
obtm-se,
1 2
1 1 2 1
1 2
1 2
x x
x u x u
b e
x x
u u
m
= . (2.28)

Figura 2.6 Estratgia de interpolao linear piecewise a dois intervalos num elemento finito 1D [x
i-1
,x
i+1
].
Introduzindo 2.28 em 2.26 e rearranjando, tem-se:
2
1 2
1
1
1 2
2
u
x x
x x
u
x x
x x
u
|
|
\
|
+
|
|
\
|
= , (2.29)
que, comparando com a expresso geral que inclui as funes interpoladoras ou de
forma, , corresponde a,
2 2 1 1
u u u + = (2.30)
com,
1 2
1
2
1 2
2
1
x x
x x
e
x x
x x
= , (2.31)
ou genericamente,
u = u . (2.32)
importante frisar que a deduo anterior referente ao nodo i apenas considera o
intervalo direita desse nodo. Como se ir verificar mais frente, um raciocnio
semelhante tem de ser aplicado ao intervalo sua esquerda.
Uma formulao alternativa, mas equivalente anlise anterior proporcionada pela
aplicao da funo interpoladora
i
(x) conhecida por funo hat ou chapeau,
representada graficamente na Figura 2.7, e dada pela expresso geral:
u
i + 1

u
i

u
i - 1

x
i
x
i - 1
x
i +1

x

70
( )
<
<
<
=
+
+
+
+
1 1
1
1
1
1
1
1
0
i i
i i
i i
i
i i
i i
i
i
x x x x se
x x x se
x x
x x
x x x se
x x
x x
x , (2.33)
notrio que esta funo tem a desvantagem de no ser diferencivel nas posies
nodais.

Figura 2.7 Funo de interpolao
i
(x) linear piecewise a dois intervalos hat function.
Os valores interpolados, u(x), podem ento ser avaliados atravs da equao
interpoladora baseada nas funes base
i
, com a forma,
( ) ( )
=
=
n
i
i i
u x x u
0
. (2.34)
A estratgia de discretizao e interpolao representada pelas equaes 2.33 e 2.34
possibilita uma avaliao das derivadas da soluo u em termos das derivadas
independentes espaciais (x, neste caso) e temporal (t). Assim, considere-se a
diferenciao formal de 2.30 na direco x:
1
2
2
1
2
2
1
1
1
1
1
1
x
u
x
u
x
u
x
u
x
u
. (2.35)
Por razes bvias,
0
2 1
=
= =
x
u
x
u
x
u
i
. (2.36)
Assim, a equao 2.35 reduz-se a,
1
2
2
1
1
1
x
u
x
u
x
u

(2.37)
e, considerando 2.31, obtm-se:
1 2
2
1 2
1
1 1
x x x
e
x x x
=

. (2.38)
0 0
i i-1 i+1
1
=
i i
i
i
x x
x x

i i
i
i
x x
x x
=
+
+
1
1

1

71
Numa malha uniforme, x
2
x
1
= x = constante, e ento a aproximao de elementos
finitos toma a forma,
x
u u
u
x
u
x x
u
=
|
\
|
+
|
\
|
1 2
2 1
1 1
. (2.39)
No entanto, esta aproximao s leva em conta a metade do elemento finito que se
situa direita do nodo 1, j que apenas se considera o intervalo [x
1
,x
2
]. Deste modo
esta apenas a aproximao direita. Assim, se se repetir o procedimento anterior
para o intervalo esquerda [x
0
,x
1
], perfeitamente trivial concluir que a aproximao
correspondente ,
x
u u
x
u
0 1
. (2.40)
Deste modo, a derivada de u em torno do nodo 1, estimada por,
x
u u
x
u u
x
u u
x
u
x
u
x
u
esq dir

=
(
=
(
\
|
+
|
\
|
2 2
1
2
1
0 2 0 1 1 2
, (2.41)
para o elemento em torno do nodo 1. A expresso genrica para um nodo i toma a
forma (vd. Tabela 2.1),
x
u u
x
u
i i
+
2
1 1
. (2.42)
Da mesma forma, para uma derivada de segunda ordem, tem-se:
2
0 1 2
0 1 1 2
2
2
2
x
u u u
x
x
u u
x
u u
x
x
u
x
u
x
u
x x
u
esq dir
+
=
\
|
\
|
=
|
\
|
, (2.43)
e, de uma forma geral (vd. Tabela 2.1),
2
1 1
2
2
2
x
u u u
x
u
i i i
+
=
+
. (2.44)

Figura 2.8 Interpolao quadrtica num elemento finito 1D [x
i-1
,x
i+1
].
Deste modo, o procedimento anterior que conduz s expresses 2.42 e 2.44 revela que
os gradientes do modelo diferencial podem ser determinados a partir das funes base
interpolativas
i
(x). No entanto, para alm da funo hat existem obviamente muitas
u
i + 1

u
i

u
i - 1

x
i
x
i - 1
x
i +1

x

72
outras possibilidades de escolha para uma funo base adequada. As mais
comummente seleccionadas so, de facto, as funes polinomiais (das quais, a
interpolao linear constitui o caso especial de menor ordem). A aproximao de
ordem imediatamente mais elevada baseia-se na interpolao atravs de polinmios
quadrticos piecewise, que requerem necessariamente trs nodos para ajuste a cada
curva, e possuem a forma geral para o caso unidimensional:
( )
0 1
2
2
c x c x c x u + + = , (2.45)
esquematizada na Figura 2.8. Os elementos unidimensionais ditos quadrticos
2

possibilitam igualmente atravs de um raciocnio equivalente ao descrito
anteriormente, a deduo de frmulas algbricas para a estimativa de derivadas sobre
uma malha uniforme (vd. Tabela 2.1).
Tabela 2.1 Exemplos de aproximaes de elementos finitos (EF) lineares e quadrticas e aproximaes
de diferenas finitas (DF) em malhas 1D uniformes[37].

x u
2 2
x u
EF lineares
x
u u
i i
+
2
1 1

2
1 1
2
x
u u u
i i i
+
+

EF quadrticos
(nodo extremo)
x
u u u u
i i i i
+
+ +
4
4 4
2 1 1 2

2
2 1 1 2
4
8 14 8
x
u u u u u
i i i i i
+ +
+ +

EF quadrticos
(nodo central)
x
u u
i i
+
2
1 1

2
1 1
2
x
u u u
i i i
+
+

DF 3 pontos
x
u u
i i
+
2
1 1

2
1 1
2
x
u u u
i i i
+
+

DF 5 pontos
x
u u u u
i i i i
+
+ +
12
8 8
2 1 1 2

2
2 1 1 2
12
16 30 16
x
u u u u u
i i i i i
+ +
+ +

Deste modo, no mtodo FEM, os coeficientes A
k
do integral de convoluo na forma
digital da equao 1.64, so definidos atravs das funes de interpolao usadas para
calcular o valor das variveis independentes em todas as posies no nodais. A
escolha das funes referidas pode variar consideravelmente desde relaes lineares
at aproximaes quadrticas ou expresses de ordem superior (cbicas, Hermite ou
outras funes spline). No entanto, estas requerem mais pontos nodais para a sua
definio atravs de interpolao. Duma maneira geral, pode-se afirmar que os
coeficientes de convoluo so definidos pelo enunciado do problema no espao
contnuo e os graus dos polinmios de interpolao, atravs dos quais realizado o
processo de converso. Esta perspectiva semelhante do FDM, j que as expanses
de Taylor esto intimamente relacionadas com polinmios de interpolao.
Aproximaes do tipo das apresentadas na Tabela 2.1 podem ser usadas para
estimativa dos gradientes espaciais do modelo diferencial parcial, e consequente
gerao de um sistema diferencial ordinrio ou algbrico consoante o problema
original seja evolutivo ou estacionrio, respectivamente. Por outro lado, a resoluo

2
O termo elemento finito tanto pode ser usado para referir uma subregio do domnio definida por um
determinado nmero de nodos que conjuntamente com o espao contnuo que os rodeia, estabelecem
uma estrutura geomtrica local, como o tipo de funes base interpolativas usadas para a aproximao
da soluo nas posies no nodais da estrutura geomtrica referida.

73
FEM pode basear-se igualmente na integrao numrica da formulao variacional da
PDE original.
Outra estratgia possvel passa pela resoluo de uma formulao residual. Neste
caso, o mtodo dito de Galerkin assume uma soluo aproximada, u
a
, definida por[37],
=
=
n
i
i i a
a u
0
, (2.46)
onde
i
s so funes interpolativas conhecidas e os a
i
s so coeficientes que tm de
ser calculados. Assim, a soluo u
a
quando introduzida no problema diferencial
original, gera um resduo R no nulo. Assim, atravs do mtodo de Galerkin, os
coeficientes desconhecidos a
i
s so avaliados pela resoluo de um sistema de
equaes dado por,
n k R
k
, , 1 , 0 , = = (2.47)
em que R representa a equao residual e
k
s so funes peso. No caso do mtodo
de Galerkin tradicional as funes interpolativas e as funes peso so idnticas e a
abordagem global, j que tanto as funes interpolativas como as peso se estendem
pela totalidade do domnio. Por outro lado, a adaptao FEM do mtodo de Galerkin
aplica uma estratgia local sobre elementos finitos que representam subregies
localizadas do domnio, permitindo a utilizao de funes de ordem baixa e gerando
sistemas matriciais esparsos. Deste modo, o mtodo de Galerkin pode ser includo no
mbito mais geral dos Mtodos de Resduos Pesados (methods of weighted residuals)
que englobam diversas classes de estratgias que recorrem a diferentes tipos de
funes peso que no necessitam ser obrigatoriamente semelhantes s funes
interpolativas.
Finalmente, explana-se resumidamente a construo da estratgia FEM na sua verso
matricial para o problema exemplo 2.21 e funes base genricas.
Se ( ) ( )
=
=
n
i
i i
x u x u
1
e ( ) ( )
=
=
n
i
i i
x f x f
1
, ento o problema 2.25: ( )

= f u, ; pode
ser escrito como,
( )

= =
= =
n
i
n
i
j i i j i i
n j f u
1 1
, , 1 , , , (2.48)
com ( )

|
\
|
|
\
|
=
1
0
, dx
dx
dv
dx
du
v u .
Se se denotar como u e f, os vectores [u
1
,,u
n
]
T
e [f
1
,,f
n
]
T
, respectivamente, e se L =
(L
kj
) e M = (M
kj
) forem matrizes com as entradas ( )
j k kj
L , = e
=
j k kj
M , ento
2.48 pode ser reformulada na forma matricial como:
Mf Lu = (2.49)
Se as funes base possurem um suporte reduzido, grande parte das entradas de M e
L so nulas (as matrizes so esparsas), tornando o sistema linear 2.49 para o clculo de
u de mais fcil resoluo. A matriz L normalmente designada por matriz stiffness,
enquanto que a matriz M denominada por matriz de massa.

74
2.2.4 MTODO DE VOLUMES FINITOS (FINITE VOLUMES METHOD FVM)
O mtodo de volumes finitos (Finite Volume Method FVM) consiste numa estratgia
de representao numrica e posterior resoluo de equaes diferenciais parciais
atravs da sua aproximao a sistemas de equaes algbricas que tira partido do
conceito de lei conservativa na forma integral. O domnio V subdividido em volumes
de controlo no sobreponveis V
i
[45],
j i V V V V
N
i
j i i
= =
=
, 0 ,
1
, (2.50)
que se definem como regies do domnio ou clulas que rodeiam cada nodo da malha
(vd. Figura 2.9). As equaes de aproximao ao problema diferencial so obtidas por
conservao dos fluxos intervolumes.

Figura 2.9 Ilustrao de uma subdiviso do domnio 2D em volumes de controlo finitos[46].
Considere-se a equao de difuso unidimensional definida no intervalo x [0,1]:
f
dx
du
dx
d
=
|
\
|
com ( ) ( ) ( )
R
u u
dx
du
dx
du
= = 1 , 0 0 . (2.51)
Integra-se a equao 2.51 sobre o volume de controlo [x
i-1/2
,x
i+1/2
] (vd. Figura 2.10)
para se obter[42],

+
=
|
\
|
2 / 1
2 / 1
2 / 1
2 / 1
i
i
i
i
x
x
x
x
dx f dx
dx
du
dx
d
(2.52)
ou
+
= +
2 / 1
2 / 1
2 / 1 2 / 1
i
i
i i
x
x
x x
dx f
dx
du
dx
du
. (2.53)
Aplicam-se esquemas numricos para aproximar as derivadas do membro esquerdo e
o integral do membro direito de 2.53. Assim, se se aplicar diferenas centradas
esquerda e integrao a um ponto direita, 2.53 fica:

P

D

f

u


75
( )
T i i i
i
i i
i
i
i i
i
E f h h
h
u u
h
u u
+ + =
+
+
+
+
1
1
1
2 / 1
1
2 / 1
2
1
(2.54)
que depois de rearranjada conduz a,
( )
T i i i i
i
i
i
i
i
i
i
i
i
i
E f h h u
h
u
h h
u
h
+ + =
|
|
\
|
+ +
+ +
+
+
+
+
1 1
1
2 / 1
1
2 / 1 2 / 1
1
2 / 1
2
1
, (2.55)

Figura 2.10 Volume de controlo 1D.
Os volumes fronteira so sujeitos a um tratamento semelhante mas diferenciado de
forma a se levar em conta a influncia das condies fronteira. Deste modo, deduz-se
um sistema de equaes algbricas lineares que resolvido para a estimativa da
aproximao do perfil da soluo u(x) (descartando obviamente o termo do erro E
T
).
Considere-se agora o problema conservativo geral dado por[47],
( ) 0 u f
u
= +
t
, (2.56)
onde u representa o vector de estados e f significa o tensor de fluxo correspondente.
Para cada volume de controlo V
i
, aplica-se o integral de volume sobre o volume total
i
, obtendo-se:
( )

= +
i i
d d
t

0 u f
u
. (2.57)
Integrando o primeiro termo de forma a calcular a extensidade u mdia no volume V
i
,
definida por,
=
i
d
i
i
u u
1
, (2.58)
e aplicando o teorema da divergncia, i.e.

=

S
dS f d f , (2.59)
ao segundo termo, obtm-se,
( )
= +
i
S
i
i
dS
dt
d
0 n u f
u
. (2.60)
S
i
representa a rea de superfcie total do volume V
i
e n o vector unitrio normal
superfcie que aponta para o exterior. Assim, deduz-se a expresso geral:
x
i-1/2
x
i+1/2

h
i
h
i+1

x
i
x
i - 1
x
i +1

x

76
( )
= +
i
S
i
i
dS
dt
d
0 n u f
u
1
, (2.61)
que corresponde a um sistema de ODEs que pode ser aproximado a um sistema de
equaes algbricas atravs de um esquema numrico. Assim, como o fluxo que entra
num determinado volume idntico ao que sai de um volume adjacente, um FVM
conservativo. Deste modo, um FVM pode-se definir como uma aproximao
geometricamente conservativa da forma integral da PDE e o sistema de equaes
mantm a conservao da massa, energia e momento, de volume para volume. Outra
vantagem do FVM que, tal como o FEM, pode ser facilmente formulado sobre malhas
no estruturadas.
O esquema numrico efectivo que se dever utilizar em cada caso depender da
geometria do problema, do tipo de malha e da natureza da soluo.
A utilizao de valores mdios associados a cada volume de controlo resulta em
descontinuidades na interface das clulas geomtricas. Assim, a aplicao da
discretizao FVM frequentemente associada a estratgias de alta resoluo (High
Resolution Schemes HRS) quando a soluo apresenta gradientes elevados ou
choques, e.g. Cruz et al., 2005[48]. A definio deste tipo de mtodos e os objectivos e
caractersticas tpicas a eles relacionados so discutidos com algum pormenor na
seco seguinte.
No entanto, de destacar que os mtodos FVM se distinguem da maioria da
estratgias de resoluo numrica de PDEs (como o FDM ou o FEM) por se
fundamentar num processo integral conservativo e no se basear numa abordagem
interpolativa da soluo aproximada discreta, forada a se conformar a um
determinado conjunto de funes base com propriedades especficas, ou seja, a
estratgia de discretizao convolutiva representada pela equao 1.64.
2.2.5 ESQUEMAS DE ALTA RESOLUO (HIGH RESOLUTION SCHEMES HRS)
Os Esquemas de Alta Resoluo (High Resolution Schemes HRS) so mtodos
aplicados no contexto da integrao numrica de modelos diferenciais com
propriedades hiperblicas, geralmente associados a discretizaes de diferenas ou
volumes finitos. Constituem a classe mais moderna dos designados mtodos de
captura de choques (shock-capturing methods SCM).
Os problemas de natureza hiperblica so caracterizados por possurem termos
advectivos determinados pela presena de variveis de fluxo. Assim, os HRS so teis
na discretizao desses termos de avaliao tradicionalmente complicada,
especialmente em problemas que desenvolvem choques ou ondas abruptas mveis.
Os HRS distinguem-se dos mtodos clssicos de captura de choques (e.g. mtodos de
MacCormack ou de Lax-Wendroff) por representarem geralmente uma abordagem
baseada em discretizaes upwind, em contraste com as estratgias centradas ou
simtricas clssicas, que no consideram qualquer informao relacionada com a
direco de propagao das ondas[49]. Assim, estes esquemas aplicam uma estratgia
de diferenciao enviesada na direco determinada pelo sinal da velocidade
caracterstica.

77
Considere-se ento um modelo diferencial evolutivo unidimensional geral constitudo
por uma equao no linear do tipo,
( )
|
\
|
x
u
u
x
u
t
u
,
(2.62)
completada por uma condio inicial adequada e condies fronteira que podem
assumir diversas formas (Dirichlet, Neumann ou Robin). A funo pode incluir
termos difusivos ou fonte. No entanto, quando a equao 2.62 dominada por
adveco, designada como hiperblica. Neste caso, o tratamento numrico do termo
advectivo,
x
, representativo de fenmenos de conveco, implica a utilizao de

mtodos especializados (e.g. HRS), de modo a prevenir o desenvolvimento de fortes
oscilaes sem significado fsico nos perfis da soluo numrica[50].
Pretende-se agora caracterizar resumidamente e de uma forma genrica a essncia
dos HRS atravs da apresentao de um exemplo de discretizao sobre uma malha
unidimensional no necessariamente uniforme (vd. Figura 2.11).

Figura 2.11 Definio das variveis locais para um exemplo 1D[51].
Os exemplos ilustrados na Figura 2.11 representam uma estratgia de classificao dos
nodos adjacentes ao nodo P, dependente da avaliao da velocidade local, a, na face f
atravs de interpolao linear,
2
1 i i
f
a a
a

=
+
, (2.63)
onde
( )
i
i
du
u d
a
|
\
|

. Assim, avalia-se o sentido de propagao do fluxo , e estabelece-
se a atribuio dos nodos U e D s posies imediatas a montante e a jusante de P,
respectivamente, para a face i+1/2 e i1/2.
i+2
D P
i f =i+1/2 i 2 i+1 i 1
U
U P D
a
f
> 0
a
f
< 0
i+2
D P
i f =i1/2 i 2 i+1 i 1
U
U P D
a
f
> 0
a
f
< 0

78
De seguida, aplica-se um esquema de estimao da derivada espacial de fluxo,
x
,
pela considerao de uma aproximao numrica dependente dos valores do fluxo
definidos nas faces,
( )
f
i
F
x

. (2.64)
No entanto, como os
f
s so desconhecidos, torna-se necessrio recorrer a esquemas
interpolativos mais ou menos complexos, de geometria e ordem varivel para a
estimativa dos seus valores.
Genericamente, a classificao dos nodos locais e a escolha de um esquema especfico
de discretizao permitem a avaliao do fluxo em cada face atravs de uma estratgia
que estabelece uma relao do tipo,
( ) , ,
D U f
g = . (2.65)
Para tal, vrios mtodos foram propostos na literatura, como os esquemas: upwind de
primeira ordem UDS de Courant et al., 1952[52]; upwind de segunda ordem LUDS de
Shyy, 1985[53]; upwind de terceira ordem QUICK de Leonard, 1979[54]; e os centrais
de segunda e quarta ordem, CDS2 e CDS4, respectivamente. Todos estes mtodos,
com a excepo do UDS, apresentam a desvantagem de no assegurarem a
delimitao da soluo podendo conduzir ao desenvolvimento de oscilaes nos perfis
respectivos para fluxos convectivos elevados. A ocorrncia deste tipo de perturbaes
so evitadas se o valor de
f
se situar dentro dos limites impostos pelos fluxos nos
nodos adjacentes,
P
e
D
, satisfazendo assim o Convection Boundness Criterion (CBC)
de Gaskell e Lau, 1988[55], vlido para avaliaes implcitas de fluxo estacionrio.
Assim, a alternativa consiste na utilizao de procedimentos de discretizao no
lineares intrinsecamente delimitados e de ordem elevada.
No entanto, o teorema de Godunov demonstra que apenas os esquemas lineares de
primeira ordem preservam a monotonia do mtodo numrico e, consequentemente
so Total Variation Diminishing (TVD), um conceito introduzido por Harten, 1983[56 ou
57]. Assim, os esquemas lineares de ordem mais elevada, apesar de serem mais
exactos no caso de solues suaves, no so TVD e tendem a gerar disperso numrica
em regies de declives elevados. De modo a ultrapassar estes problemas,
desenvolveram-se tcnicas HRS no lineares, recorrendo aplicao de limitadores de
fluxo ou de declive (Flux/Slope Limiters).
Neste contexto, salientam-se ento os esquemas de discretizao desenvolvidos no
contexto de TVD, como a estratgia mais recente NVSF (Normalised Variable and
Space Formulation) de Darwish e Moukalled, 1994[58], que representa uma extenso
para malhas no uniformes da Normalised Variable Formulation (NVF) de Leonard,
1988[59]. Outra abordagem delimitada comummente aplicada consiste nos esquemas
ENO (Essentially Non-Oscillatory) de Harten et al., 1987[60] e WENO (Weigthed ENO),
desenvolvidos por Stanley Osher e colaboradores[61]. Outros mtodos importantes
que se incluem na classe dos SCM so o esquema Flux-Corrected Transport de Boris e
Book, 1976[62], os Monotonic Upstream-centered Schemes for Conservation Laws
(MUSCL), baseados na abordagem de Godunov e introduzidos por Van Leer,

79
1979[63],[64] e o Piecewise Parabolic Method (PPM) de Colella e Woodward,
1984[65].
Assim, uma possvel estratgia HRS (por exemplo, no mbito do esquema NVSF)
consiste na avaliao do fluxo na face atravs de uma relao do tipo,
( )
f D U f
g = , , , (2.66)
que depende do fluxo normalizado, definido genericamente na posio i por,
U D
U i
i

= . (2.67)
Este calculado na face por um esquema no linear de limitao de fluxo adequado.
Os limitadores de fluxo so avaliados atravs de uma relao genrica:
( )
f P P f
f = , , , (2.68)
em que,
U D
U P
P
x x
x x
= (2.69)
U D
U f
f
x x
x x
= . (2.70)

Figura 2.12 Esquema geral para o NVD (Normalised Variable Diagram) representando a regio de
verificao do CBC (Convective Boundness Criterion)[46].
Existem mltiplos limitadores de fluxo no lineares como, por exemplo, MINMOD[56],
SMART[55], WACEB[66] ou CUBISTA[46], entre muitos outros. O critrio CBC, que
determina o carcter delimitado de um esquema ilustrado na Figura 2.12, que
representa uma abordagem Normalized Variable Diagram (NVD) introduzida por
Gaskell e Lau[55] e Leonard[58,67] que relaciona
f
com
P
. Assim, o CBC verificado
na zona sombreada conjugada com a recta de declive um. Deste modo, esquemas que
1
1
f

CBC

80
respeitam as regies de admissibilidade, so esquemas que possuem a propriedade de
delimitao do fluxo.
Uma forma alternativa de definio das regies admissveis de delimitao para
esquemas TVD recorre aos designados diagramas de Sweby, 1984[68],[69] que
relacionam a funo limitadora com a razo r entre gradientes sucessivos da
soluo discreta,
i i
i i
i
u u
u u
r
=
+
1
1
, (2.71)
restringido a valores no negativos, i.e. r 0. Na Figura 2.13 apresenta-se um diagrama
de Sweby geral que representa novamente como uma rea sombreada as regies de
admissibilidade para esquemas de limitao de fluxo TVD de segunda ordem.

Figura 2.13 Diagrama de Sweby, onde se salienta a regio admissvel de delimitao para esquemas TVD
de segunda ordem[68,69].
A explanao mais detalhada das tcnicas HRS, que conjugam o procedimento de
discretizao com os limitadores de fluxo testados neste trabalho, realizada no
captulo seguinte.
2.2.6 WAVELETS
A questo da utilizao de funes designadas por wavelets como famlias de funes
base adequadas para a representao de funes genricas uma ideia relativamente
recente. De facto, o termo wavelet devido a Jean Morlet (1931-2007) e Alexander
Grossmann (1930-) no princpio da dcada de 1980
3
. De facto, uma wavelet uma
funo que define uma oscilao do tipo onda, com uma amplitude que tende para
zero nas extremidades[70].

3
Em rigor, Morlet e Grossmann estabeleceram a verso francesa do termo: ondelette (onda pequena)
que rapidamente foi vertido para o correspondente ingls atravs da traduo de onde por wave;
em portugus o termo correcto onduleta.
2
1
1
r
(r)
2 3

81
As wavelets so funes que exibem propriedades especficas que satisfazem certos
pressupostos matemticos, teis na representao de dados e de outras funes.
Assim, as wavelets so uma ferramenta matemtica que possibilita a extraco de
informao a partir de uma grande variedade de tipos de dados, incluindo sinais de
udio e de vdeo (e obviamente funes definidas sobre domnios de dimenso
arbitrria). No entanto, a ideia subjacente de aproximao de funes atravs da
sobreposio de outras funes no nova. Na verdade, esta ideia remonta ao incio
do sculo XIX, quando Joseph Fourier (1768-1830) em 1807 props a sua teoria de
anlise de frequncias (ou sntese de Fourier) como um processo de representao de
funes genricas pela adio de funes trigonomtricas (senos e co-senos). Este
trabalho desempenhou um papel essencial na evoluo dos conceitos matemticos
acerca das funes e abriu caminho a um universo funcional completamente novo.
Por outro lado, a ideia fundamental referente anlise wavelet relaciona-se com um
estudo baseado na escala. De facto, os algoritmos wavelet processam os dados a
escalas e resolues diferentes. Dito de uma forma metafrica, o objectivo da anlise
wavelet consiste na possibilidade de observar simultaneamente a floresta e as
rvores[71] (e os ramos e as folhas, etc). Na verdade, as funes base trigonomtricas
da anlise Fourier so por definio no locais (estendendo-se para o infinito), o que as
tornam desadequadas para a representao de descontinuidades ou perfis abruptos.
No entanto, as funes wavelet exibem um formato compacto (sendo apenas
definidas em intervalos finitos), o que as torna especialmente apropriadas para a
simulao de caractersticas abruptas da funo.
Assim, as caractersticas das wavelets possibilitam que a anlise wavelet seja localizada
no tempo (tomando tempo como uma varivel independente arbitrria) e na
frequncia, ao contrrio da anlise Fourier que apenas localizada no domnio de
frequncia.
A anlise wavelet pode ser resumida da forma seguinte[71,72]: inicialmente adopta-se
uma funo prottipo wavelet, (conhecida como analysing wavelet ou mother
wavelet wavelet me); a anlise temporal realizada por uma verso contrada de
alta-frequncia da wavelet me, enquanto que a anlise de frequncia feita com uma
verso dilatada de baixa frequncia da mesma wavelet. Como o sinal ou funo
original a tratar pode ser representado em termos de uma expanso wavelet (atravs
da utilizao de uma combinao linear de funes wavelet), as operaes de
manipulao de dados podem ser realizadas apenas pela aplicao dos coeficientes
wavelet correspondentes. Posteriormente, se se escolher as wavelets melhor
adaptadas aos dados especficos analisados ou se se truncar os coeficientes abaixo de
um determinado limite, obtm-se uma representao esparsa dos prprios dados. Esta
possibilidade de compactao torna as wavelets particularmente interessantes no
campo da compresso de dados, ou na rea equivalente de adaptao de malhas na
resoluo numrica de PDEs (j que uma forma de adaptao nodal consiste
precisamente na compactao dos dados discretos de uma funo definida sobre uma
malha de nodos).
A primeira funo actualmente reconhecida como wavelet referida num anexo da
tese do matemtico hngaro lfred Haar (1885-1933) em 1909[73] (vd. Figura 2.14), e
dada pela wavelet me (considerando t = x):

82
( )

=
otherwise
x
x
x
0
1
2
1
1
2
1
0 1
(2.72)
e a funo wavelet de escala, ,
( )
<
=
otherwise
x
x
0
1 0 1
. (2.73)
A wavelet de Haar corresponde wavelet mais simples possvel. Porm, tem a
desvantagem de ser descontnuo e portanto, no diferencivel. Esta propriedade pode
no entanto constituir uma vantagem no caso de funes ou sinais que exibam
transies bruscas.
-1.5
-1
-0.5
0
0.5
1
1.5
-0.5 0 0.5 1 1.5

Figura 2.14 Representao da wavelet de Haar.
A partir do trabalho de Haar, o desenvolvimento da teoria das wavelets pode ser
relacionado com diferentes correntes de pensamento e diversos campos do
conhecimento. Outras notveis contribuies podem ser atribudas ao
desenvolvimento da transformada wavelet contnua (Continuous Wavelet Transform
CWT) de George Zweig em 1975 (originalmente conhecida como a transformada
Cclear, j que foi estabelecida no mbito do estudo da reaco do ouvido ao som),
formulao CWT de Grossman, Morlet e Goupillaud[74], ao trabalho inicial sobre
wavelets discretas de Strmberg (1983), s wavelets ortogonais de suporte compacto
de Daubechies, 1988[75], abordagem multiresoluo de Mallat, 1989[76], entre
muitas outras[70].
No contexto deste trabalho de investigao muitas possibilidades de funes wavelet
tm sido propostas ao longo do tempo, e.g. as wavelets reais de Ricker e de
Shannon[77], ilustradas nas Figuras 2.15 e 2.16, respectivamente.
A descrio referente ao presente trabalho no pretende debruar-se numa extensa e
completa derivao matemtica da teoria que constitui a base da chamada anlise
wavelet, mas apenas consiste na explanao dos conceitos e definies mais

83
importantes, necessrios a um entendimento adequado do seu papel na aplicao
especfica da resoluo numrica adaptativa de PDEs, inspirado pelo trabalho de Cruz
et al.[78-80]. O tratamento matematicamente mais detalhado deste assunto pode ser
encontrado por exemplo em Daubechies, 1992[81]. De qualquer modo, as
potencialidades adaptativas dos esquemas wavelet so apresentadas com maior
pormenor na seco 2.6.6.
-0.6
-0.4
-0.2
0
0.2
0.4
0.6
0.8
1
1.2
-5 -3 -1 1 3 5

Figura 2.15 Representao da wavelet real de Ricker (Mexican Hat Wavelet).
-1
-0.8
-0.6
-0.4
-0.2
0
0.2
0.4
0.6
0.8
1
1.2
-10 -5 0 5 10

Figura 2.16 Representao da wavelet real de Shannon.
2.2.7 MTODO DAS CARACTERSTICAS
importante referir ainda um outro tipo de mtodo de integrao, que se constitui
como uma perspectiva algo diferente das referidas anteriormente. Neste caso,
explora-se directamente o conceito de caracterstica de uma PDE (ou de um sistema de
PDEs), apresentado no captulo anterior. Assim, pela prpria definio de

84
caracterstica demonstra-se que a soluo deste sistema coincide com a soluo de um
sistema de ODEs ao longo de determinadas trajectrias no espao, definidas pelas
coordenadas independentes e que se denominam trajectrias ou curvas
caractersticas. Deste modo, a discretizao do problema ocorre naturalmente atravs
da aplicao da prpria definio de caracterstica, no se procedendo a qualquer
aproximao, ou seja, no sucede perda de exactido nessa transformao. Introduz-
se, assim, uma perspectiva Lagrangiana na resoluo das equaes diferenciais, j que,
neste caso, os nodos so afectados de um movimento com uma velocidade
determinada (velocidade caracterstica) de forma a percorrerem as trajectrias
caractersticas pretendidas (vd. Figura 1.12 referente equao 1.22; pgina 34).
Este mtodo bastante adequado para problemas caracterizados por propagao de
frentes abruptas mveis e/ou descontinuidades, problemas hiperblicos que
apresentem caractersticas reais no degeneradas, j que qualquer choque introduzido
no sistema se propaga ao longo das caractersticas, e nunca atravs destas, evitando-
se gradientes elevados no sistema de equaes integrado nessas trajectrias. No
entanto, o mtodo pouco geral, ou seja, a sua aplicao tem de ser estudada de
forma casustica, alm de se tornar difcil a avaliao das velocidades caractersticas
dos nodos, e consequentemente a integrao das ODEs respectivas, no caso de
problemas no lineares que apresentem alguma complexidade.
2.2.8 MTODOS MESHLESS
Outro paradigma relativamente recente proposto na rea da resoluo numrica de
PDEs diz respeito a uma classe de mtodos genericamente denominados por Meshless
(ou Meshfree) Methods (Mtodos sem Malha, numa traduo possvel para o
portugus). De facto, o conceito bsico associado s tcnicas mais comuns de
resoluo numrica de PDEs (FEM, FVM ou FDM) baseia-se numa anlise realizada
sobre uma aproximao discreta ao domnio contnuo do problema, que conduz
construo de uma estrutura de centros posicioniais (nodos) ou um sistema celular
genericamente designado por grelha ou malha. Uma alternativa possvel a esta
estratgia consiste no desenvolvimento de procedimentos que no recorram
considerao deste tipo de estrutura e consequentemente, apresentem a vantagem de
dispensarem todas as questes (muitas vezes problemticas) relacionadas com a
gerao e manipulao do sistema discreto que pode assumir um grau de
complexidade assinalvel. Assim, este tipo de mtodos, ditos Meshless (ou Mesfree)
Methods, MM, por razes bvias, seria geomtrica e dimensionalmente independente.
No entanto, o facto de um MM dispensar o recurso formal a uma malha no implica
que no apresente igualmente uma estrutura discreta. Pelo contrrio, na verdade os
MMs esto intimamente relacionados com um tipo particular de mtodos designados
por Particle Methods, PMs (Mtodos de Partculas), podendo ser igualmente referidos
como MPMs (Meshfree Particle Methods). Os PMs correspondem a uma classe de
procedimentos que recorrem a um conjunto finito de partculas discretas para a
representao do estado de um sistema, cujo movimento pode ser tratado atravs de
perspectivas Eulerianas ou Lagrangianas. Cada partcula pode ser associada a uma
objecto fsico discreto ou gerada como a representao de uma partio finita de
domnio contnuo. Assim, a escala das partculas pode variar desde o muito pequeno
(nano ou microescala) at ao extremamente grande (escala astronmica)[82].

85
Assim, a natureza discreta dos PMs (e dos MPMs associados) uma caracterstica
fundamental do prprio exerccio de modelao e no uma mera estratgia
aproximativa de resoluo atravs de uma discretizao posterior de um problema
idealizado partida como contnuo. De certo modo, possvel afirmar que dada a
essncia fundamentalmente discreta da matria, a abordagem PM mais realista do
que a modelao sobre um espao contnuo discutida anteriormente. No entanto,
bvio que o grau de aproximao associado a qualquer estratgia de modelao
contnua depende da escala caracterstica do prprio fenmeno modelado.
Nas ltimas dcadas, foram propostos vrios tipos de mtodos baseados no conceito
meshfree. Viana et al.[83] apresentam uma interessante reviso deste tipo de
estratgias inserida numa organizao cronolgica de uma histria ainda
relativamente curta. De facto, o advento da ideia meshfree data de 1977 quando
Monaghan e Gingold [84] e Lucy [85] desenvolveram um mtodo designado por
Smoothed Particle Hydrodynamics (SPH), um PM do tipo Lagrangiano que se baseia na
ideia de substituir um fluido por um conjunto de partculas mveis e transformar as
PDEs que representam o problema nos integrais estimados de ncleo (kernel)
correspondentes[83].
Da grande variedade de algoritmos apresentados que se enquadram na classificao
geral MM, um mtodo objecto de maior ateno no mbito do trabalho presente: o
chamado mtodo RBF (Radial Basis Functions). RBFs foram pela primeira vez aplicadas
na resoluo de PDEs (associadas funo multiqudrica) por Kansa, 1990[86-87] no
contexto da modelao de problemas de dinmica de fluidos.
Assim, para o conjunto de nodos definido num domnio de dimenso arbitrria n, x
1
,
, x
N
, o formato bsico de uma aproximao RBF dado por[88],
( ) ( )
=
=
N
j
j j j
F
1
x x x

, (2.74)
em que a funo (r) definida para r 0. Dados os valores da funo escalar nas
posies nodais f
i
= f(x
i
), os coeficientes de expanso
j
so calculados atravs da
resoluo do sistema de equaes lineares:
(
(
(
=
(
(
(
N N
f
f

1 1
A , (2.75)
onde os elementos da matriz de interpolao A, so avaliados por,
( )
j i j ij
a x x =

. (2.76)
Assim, a aproximao interpolativa atravs de um esquema RBF apenas depende da
distncia entre os centros discretos, sendo independente das suas posies.
Existem vrias possibilidades para a definio da funo (r). No entanto, salienta-se
uma escolha relativamente vulgar: uma funo infinitamente suave com um
parmetro, designada por multiqudrica[88-89] e j referida anteriormente,
( ) ( )
2
1 r r
+ = (2.77)

86
Esta funo bastante sensvel relativamente ao valor do parmetro de forma, . De
facto, em condies extremas para exemplos unidimensionais, no limite , o
esquema tende para interpolao linear por intervalos (piecewise), e quando 0,
representa interpolao polinomial global. Deste modo, esta estratgia de
interpolao RBF usada como base de um procedimento adaptativo de resoluo
numrica de PDEs uni- e bidimensionais apresentado por Driscoll e Heryudono,
2007[88] (vd. Anexo B).
2.3 MTODO DAS LINHAS (MOL)
O interesse reside numa estratgia geral para a resoluo de PDEs designada por
Mtodo das Linhas[90] (Method Of Lines MOL), cuja estrutura permite acomodar
diferentes mtodos de discretizao ou de gerao de malha.
De uma forma genrica, a soluo numrica de uma PDE implica a aproximao do
problema diferencial original definido num domnio contnuo, a um sistema de
equaes algbricas assentes sobre um domnio discreto. Na verdade, a resoluo
numrica propriamente dita consiste geralmente, em ltima anlise, na soluo de um
sistema de equaes algbricas. Esta transformao pode ser realizada
simultaneamente ao longo de todas as coordenadas do domnio, utilizando qualquer
mtodo de discretizao disponvel. No entanto, possvel recorrer em alternativa a
um procedimento sequencial que pode ser resumido da forma seguinte:
1. Discretizao do problema original em todas as direces exceptuando uma,
normalmente o tempo em PDEs ou sistemas de PDEs evolutivas, ou seja
problemas de valor inicial e fronteira IBVPs Initial-Boundary Value
Problems;
2. Integrao na direco restante (geralmente o tempo) do sistema de ODEs
obtido, ou seja um problema de valor inicial (Initial Value Problems IVP),
atravs de um mtodo de integrao de ODEs.

Figura 2.17 Resumo da estratgia geral do Mtodo das Linhas (MOL) para o caso unidimensional.
Problema de valor inicial e fronteira (IBVP) original
Discretizao em todas as direces espaciais
(normalmente o espao das coordenadas espaciais)
Sistema de Equaes Diferenciais
Ordinrias (ODEs) [e Algbricas (ODAEs]
Problema de valor inicial (IVP)
Discretizao na direco temporal integrao
temporal Condies Fronteira do IBVP original
Soluo aproximada no espao discreto de variveis
Integrador numrico
Tcnica de aproximao
numrica
Sistema de Equaes
Diferenciais Parciais (PDEs)
[e Algbricas (PDAEs)]

87
Assim, o problema PDE original aproximado a um sistema de ODEs que resolvido
por um integrador ODE padro. Esta estratgia, genericamente designada por Mtodo
das Linhas (MOL), esquematizada na Figura 2.17. O passo de discretizao pode
igualmente ser realizado por uma estratgia de aproximao de derivadas espaciais
baseada nos mtodos descritos na seco 2.1. Adicionalmente, a extenso desta
estratgia a problemas algbrico-diferenciais perfeitamente trivial.
Por outro lado, na Figura 2.18 apresenta-se a representao genrica do MOL para o
caso unidimensional, onde o significado da designao de Mtodo das Linhas se torna
evidente.
importante assegurar que a implementao do mtodo respeite as condies
auxiliares do problema diferencial parcial original. Assim, no caso de modelos
multidimensionais evolutivos, a discretizao prvia do domnio espacial implica que a
condio inicial da PDE possa ser usada para a construo do conjunto de solues
iniciais do sistema de ODEs obtido aps a discretizao. Por outro lado, a verificao
das condies fronteira assegurada pela aplicao de um tratamento especializado
conveniente sobre as linhas que definem as fronteiras do modelo original que
obviamente depende do tipo de condies fronteira presentes na sua formulao.
A discretizao espacial conduz geralmente construo um sistema de ODEs stiff
(sistema caracterizado por um conjunto de valores prprios definidos em escalas
muito diferentes, ou seja, possuindo valores muito dspares). Como a restrio de
estabilidade de um mtodo explcito de integrao temporal depende inversamente
de uma potncia do espaamento local da malha, x (sendo esta potncia
normalmente igual maior ordem da derivada espacial presente no sistema), ento o
passo temporal pode ser drasticamente limitado numa implementao sobre uma
malha fina em relao correspondente resoluo numa malha esparsa.
Assim, os mtodos explcitos de Runge-Kutta (RK) revelam-se computacionalmente
inadequados e torna-se necessrio recorrer a mtodos implcitos (e.g. mtodos BDF
backward differentiation formula; ou RK implcitos) para uma resoluo eficaz do
problema numrico. A escolha de um integrador ODE um aspecto essencial na
integrao MOL de sistemas de PDEs. Felizmente, existe uma considervel oferta e
disponibilidade de packages de integradores ODE eficientes. De facto, uma das
maiores vantagens da estratgia MOL para a resoluo de sistemas de PDEs consiste
na possibilidade de se tirar partido dos avanos no desenvolvimento de integradores
ODE e dos seus cdigos computacionais associados[91].
2.4 CONCEITO GERAL DE ADAPTAO
2.4.1 INTRODUO
Introduz-se agora uma curta reflexo acerca do conceito de adaptao, uma noo
genrica que pode ser aplicada a variados campos do conhecimento. De facto, uma
definio particular de adaptao refere-se rea especfica da biologia evolutiva,
sendo enunciada como um processo ou mecanismo evolutivo atravs do qual uma
populao ou um organismo se torna mais adequado (ou melhor adaptado) ao habitat
particular em que se insere.

88

(a)

(b)

(c)
Figura 2.18 Representao genrica do Mtodo das Linhas (MOL) para o caso unidimensional: (a)
domnio espacial contnuo; (b) discretizao do domnio espacial; (c) integrao temporal clssica,
mantendo inalteradas as posies espaciais definidas pela discretizao.

89
Outro exemplo de aplicao da noo de adaptao, agora mais directamente ligada
ao campo da engenharia, refere-se ao sistema de controlo de processos designado por
controlo adaptativo. De facto, a implementao de um sistema que garanta a
imposio de controlo sobre o valor (ou a evoluo do valor) de uma varivel
processual implica necessariamente a introduo no sistema de uma pea de
equipamento especializada (um controlador) que permita a promoo de uma
actuao directa e automtica sobre o prprio processo. Porm, a forma de actuao
deste controlador depende necessariamente do estabelecimento de uma lei de
controlo (definida por um conjunto de parmetros) que influi no seu desempenho
particular. Assim, possvel afirmar de uma forma simplista, que a sintonizao de um
determinado controlador consiste na estimativa dos valores ideais para o conjunto de
parmetros que possibilitem um desempenho de controlo mais eficiente possvel, ou
seja, uma performance ptima. Na implementao clssica, a lei de controlo (o modelo
matemtico que determina a aco de controlo) e o valor do conjunto de parmetros
que a rege permanecem inalterados durante todo o processo de controlo. No entanto,
possvel definir ciclos de controlo mais complexos que possibilitem a modificao da
lei de controlo para que o controlador possa lidar de forma mais eficiente com
alteraes no comportamento do processo ao longo do tempo. Este tipo de controlo
designa-se por adaptativo j que possibilita a adaptao do sistema de controlo s
condicionantes do processo a controlar. Na Figura 2.19 apresenta-se o esquema
descritivo de uma das estratgias de controlo adaptativo disponvel e passvel de ser
implementada, denominada MRAC Model Reference Adaptive Control. Atravs da
anlise desta figura verifica-se que o controlador continuamente ajustado por um
mecanismo cuja aco depende da comparao entre a resposta do processo real e a
resposta estimada atravs de um modelo de referncia que dever representar uma
aproximao ao comportamento do processo.

Figura 2.19 Representao do sistema de controlo adaptativo MRAC Model Reference Adaptive
Control[92].
As duas definies para a adaptabilidade seleccionadas e enunciadas acima, apesar de
aparentemente de referirem a contextos de estudo assaz distintos (desde a biologia
+
e
y
ref

u y
Modelo de
Referncia
Controlador Processo
y
sp

Mecanismo de
Adaptao

parmetros

90
evolutiva at engenharia de controlo de processos), representam a ilustrao de um
conceito muito importante no mbito do presente trabalho.
Assim, retira-se da discusso anterior que a adaptabilidade se baseia nos mecanismos
de interaco entre pelo menos duas entidades: o sistema determinado por um
conjunto de caractersticas flexveis, passveis de serem modificadas; um meio
evolutivo em que se insere o sistema anterior ou um segundo sistema que interage
com o primeiro e cuja evoluo depende das suas caractersticas.
Assim, um sistema adaptativo, ou seja um sistema capaz de se adaptar, uma
entidade que se modifica de forma a melhor se ajustar s circunstncias do meio que o
rodeia ou a melhorar o desempenho do segundo sistema que dele depende. Assim,
bvio que a aplicao da adaptabilidade s se torna possvel atravs de uma
monitorizao dessas mesmas condies variveis, j que a adaptao se pretende
constituir como uma resposta bem sucedida s variaes referidas.
H que reter ento dois pressupostos essenciais para a aplicao da adaptao:
recolha e anlise de informao relevante e capacidade de alterao como resposta a
essa informao, ou seja de adaptao a circunstncias e estruturas mutveis. Para tal,
analise-se agora a aplicao especfica do conceito de adaptao ao campo da
construo e implementao de processos algortmicos.

Figura 2.20 Conceito de adaptao no contexto da resoluo numrica de modelos matemticos.
De uma forma geral, a abordagem clssica soluo de qualquer tipo de problema
atravs de um procedimento algortmico baseia-se no desenvolvimento de uma
ADAPTAO
ESTADO DO
SISTEMA
RESOLUO
NUMRICA
COMPONENTES
PARMETROS
MODELO
NUMRICOS
VARIVEIS
Quantidades
de valor fixo
EQUAES
MODELO
Ao longo do
processo numrico
Ajustados atravs
da informao
disponvel

91
estrutura rgida em que os passos repetitivos so determinados por um conjunto de
parmetros, que pela prpria definio, assumem valores fixos e no alterveis
durante a execuo do processo de clculo. Esta estratgia no adaptvel s
condies particulares da evoluo do algoritmo. Uma forma de tornear problemas
que possam advir da falta de flexibilidade do procedimento clssico consiste na
introduo do conceito de adaptao. Deste modo, a adaptabilidade implica o ajuste
dos parmetros de um procedimento algortmico numrico s circunstncias
especficas da evoluo da sua soluo (vd. Figura 2.20). No caso particular da
resoluo numrica de PDEs, a prpria malha gerada pelo processo de discretizao, e
que engloba o conjunto de posies nodais e das suas relaes que representam no
seu todo a aproximao do domnio contnuo, constitui uma parcela do conjunto de
parmetros numricos que definem o algoritmo numrico. Assim, a forma mais
comum de aplicao da noo de adaptao a este tipo de problemas consiste na
possibilidade de introduo de um processo de redefinio de malha no algoritmo
geral de integrao numrica de PDEs. Deste modo, esta questo abordada de
forma mais pormenorizada nas seces seguintes.
2.4.2 ADAPTAO NO CONTEXTO DA RESOLUO NUMRICA DE PDES
O interesse deste trabalho relaciona-se com o estudo de solues de PDEs
caracterizadas pela propagao de frentes mveis abruptas. Normalmente, todos os
esquemas desenvolvidos a partir de uma malha fixa, caracterizados pela constncia da
malha inicial, revelam-se satisfatrios no caso de problemas que apresentem apenas
perfis suaves ou gradientes elevados confinados a zonas do domnio previamente
conhecidas e fixas. Nestes casos, uma escolha adequada da malha inicial,
concentrando nodos nas zonas crticas de maior actividade da soluo, revela-se
suficiente para a obteno da soluo com uma exactido aceitvel, usando tempos
computacionais razoveis. No entanto, no estudo de problemas que desenvolvem
frentes mveis e/ou choques, a malha exigvel para a implementao de um esquema
de malha fixa , na maioria dos casos, bastante fina. Deste modo, os tempos de
computao necessrios obteno da soluo tornam-se incomportveis. Assim,
desenvolveram-se mtodos numricos que, para alm de possibilitarem a integrao
das equaes, se preocupam igualmente na movimentao dos nodos, concentrando-
os nas zonas de maior actividade da soluo (ou seja, nas regies de gradientes mais
elevados). Este grupo de mtodos genericamente denominado por Mtodos de
Malha Adaptativa, j que a malha redefinida ao longo do procedimento algortmico
de resoluo numrica, adaptando-se evoluo das caractersticas da soluo.
Os algoritmos de mobilidade ou de adaptao nodal podem ser associados a cada um
dos mtodos numricos de discretizao referidos anteriormente na seco 2.2. No
entanto, a informao recolhida na bibliografia, est normalmente relacionada com a
aplicao dos mtodos de Diferenas Finitas e Elementos Finitos, j que estas so as
estratgias mais antigas e de utilizao mais generalizada.
2.4.3 ESTRATGIAS GERAIS DE ADAPTAO APLICADAS RESOLUO DE PDES
No campo da resoluo numrica de PDEs, a aplicao dos conceitos de gerao ou de
adaptao de malha relaciona-se com os objectivos seguintes:
h-refinement refinamento e relaxao de malha.

92
p-refinement ajuste das ordens associadas s funes de aproximao.
r-refinement introduo de movimentao nodal atravs da introduo do
deslocamento espacial das posies dos nodos que constituem a malha.
Estas estratgias representam classes diferentes de mtodos adaptativos que no so
de todo mutuamente exclusivas, podendo ser combinadas no desenvolvimento de
algoritmos mistos (e.g. hp-refinement que associa a capacidade de refinamento e
relaxao das malhas com a adaptao das ordens correspondentes s funes base
de aproximao).
Por outro lado, os mtodos de malha adaptativa podem ser classificados em dois
grandes grupos:
Mtodos de Redistribuio Nodal Esttica (MRNE).
Mtodos de Redistribuio Nodal Dinmica (MRND).
Os MNRE caracterizam-se pelo facto da malha ser redefinida em intervalos de tempo
previamente fixados a partir de estimativas de erro local, com critrios de
equidistribuio. Incluem duas abordagens distintas, relacionadas com:
Redistribuio nodal redefinio do posicionamento dos nodos aps um
intervalo de tempo de integrao pr-definido, mantendo-se constante o seu
nmero total.
Refinamento ou relaxamento de malha adio ou supresso de nodos em
posies intermdias da malha inicial; esta estratgia consiste simplesmente na
relaxao ou refinamento da malha atravs do uso de nodos suplementares e
est directamente relacionada com os procedimentos designados por h-
refinement.
O algoritmo de obteno da soluo completamente independente do algoritmo de
redefinio da malha. No caso de alterao desta, efectua-se a transferncia entre
malhas, calculando-se os valores da soluo na nova malha por interpolao, utilizando
a informao proveniente da anterior.
Por outro lado, nos MRND, ou de r-refinement, os dois algoritmos so
interdependentes, avaliando-se a soluo e a malha conjuntamente e continuamente
ao longo do tempo. A introduo do movimento nodal pode seguir vrios critrios, tais
como:
Equidistribuio do integral de medidas de erro baseadas em propriedades
caractersticas da soluo;
Minimizao do integral de indicadores de erro local;
Aplicao de pseudoforas de atraco e repulso entre nodos.
Uma desvantagem dos MRND, referida por Dwyer et al.[93], baseia-se no facto da
computao simultnea das posies dos nodos e da soluo transformar um
problema linear num no linear ou, frequentemente, dificultar a resoluo dum
problema inicialmente no linear. Porm, para problemas stiff, a utilizao de MRNE
pode provocar instabilidade se os passos espaciais no forem suficientemente
reduzidos.

93
A aplicao de adaptao na rea especfica da resoluo de PDEs tem j algumas
dcadas e a quantidade e variedade de mtodos propostos bastante extensa[94-95].
No entanto, pode-se afirmar que os objectivos essenciais do procedimento adaptativo
so sempre os mesmos, ou seja, a construo ou gerao de malhas que
sucessivamente permitam a concentrao de nodos nas regies do domnio onde a
soluo manifeste maior actividade (i.e. exiba gradientes mais elevados) e a disperso
de nodos nas regies restantes, acompanhando de forma eficiente a evoluo das
caractersticas problemticas da soluo. Assim, os critrios de adaptao mais
comuns referidos anteriormente, quer para MRNEs como para MRNDs, so discutidos
de um modo mais pormenorizado na seco 2.5.
A aplicao do conceito de adaptao no contexto da estratgia MOL perfeitamente
trivial. A estrutura do mtodo possibilita que o primeiro passo de discretizao
espacial (ou de gerao da malha espacial) seja passvel de ser associado a uma
estratgia de adaptao esttica, geralmente caracterizada por redefinies sucessivas
da malha. Por outro lado, o segundo passo, geralmente associado integrao
temporal pode igualmente ser completado com tcnicas dinmicas de movimentao
de malha. Deste modo, relativamente simples afectar o algoritmo clssico MOL com
qualquer tipo de mtodo adaptativo de forma a se construir uma estratgia AMOL
(Adaptive Method Of Lines).
No mbito da discusso do conceito de adaptao importa referir resumidamente uma
aplicao recente de adaptabilidade baseada numa lgica mais geral e alargada,
designada por Algorithm Refinement (AR). AR consiste num paradigma emergente no
campo da modelao e simulao de problemas multiescala. Uma forma eficiente de
resolver este tipo de problemas consiste em executar clculos mais sofisticados,
atravs de um algoritmo complexo e dispendioso, apenas nas regies do problema
onde estes se revelem absolutamente necessrios, e acoplar este processo a um
mtodo mais simples (menos exigente) que pode ser usado no domnio restante. Estes
mtodos ditos hbridos associam tipicamente (pelo menos) dois esquemas
computacionais diferentes (do ponto de vista estrutural e algortmico), que podem ser
aplicados a regies distintas do problema (e.g., o interior ou o exterior de uma onda de
choque)[96-97]. Assim, esta abordagem multi-algoritmo frequentemente conhecida
como o referido AR. Uma classe possvel deste tipo de mtodos hbridos envolve a
conjugao de Mtodos de Partculas (Particle Methods PM; vd. seco 2.2.8) a
integradores de PDEs definidas no continuum.
Os modelos matemticos usam linguagens significativamente distintas para a
representao de fenmenos a escalas microscpicas e macroscpicas e,
consequentemente os algoritmos correspondentes manifestam essa disparidade. Por
um lado, os PMs so uma classe de mtodos normalmente usada na modelao
escala microscpica, que interpretam o sistema fsico atravs de entidades discretas
interactuantes, que podem representar desde tomos individuais at elementos de
fluido, bactrias ou mesmo automveis. Por outro lado, algoritmos baseados em
campos so tipicamente utilizados em modelao escala macroscpica, e advm de
modelos definidos essencialmente por PDEs estabelecidas num sistema fsico
representado por campos contnuos.
A conjugao destes dois tipos de mtodos e a sua aplicao adaptada s regies do
problema onde estes se revelem mais adequados consiste numa ideia base possvel

94
para a estratgia geral denominada por AR. Assim, a formulao de um esquema AR
implica o estabelecimento de um critrio de refinamento que especifique quando a
representao microscpica necessria ou quando uma reproduo macroscpica se
demonstra suficiente[98].
Uma aplicao directa do conceito AR no campo dos mtodos adaptativos para a
resoluo numrica de PDEs refere-se estratgia designada por AMAR (Adaptive
Mesh and Algorithm Refinement) que genericamente corresponde a um
aperfeioamento do mtodo clssico AMR (Adaptive Mesh Refinement apresentado
e discutido mais frente neste captulo) atravs da introduo de procedimentos PM
fisicamente mais realistas como substitutos dos integradores contnuos escala mais
reduzida[99].
Neste contexto, convm relevar de modo sucinto outro conceito importante que se
refere a uma aplicao abrangente do tipo de mtodos discutido neste captulo
denominada por Computational Fluid Dynamics (CFD). CFD corresponde a um ramo da
Dinmica de Fluidos que se especializou no desenvolvimento e aplicao sistematizada
de algoritmos para a resoluo e anlise de problemas que modelem e simulem o
escoamento de fluidos. De facto, o suporte fundamental de quase todos os problemas
CFD so as j referidas equaes de Navier-Stokes, um modelo matemtico diferencial
definido no domnio espacio-temporal. Deste modo, as estratgias CFD constituem-se
obviamente como uma aplicao relevante no campo da integrao numrica de
modelos diferenciais, incorporando a rea especfica da gerao de malhas
multidimensionais e a bvia introduo de potencialidades adaptativas de manifesta
utilidade na potenciao da eficincia dos algoritmos numricos, genericamente
associados a mtodos de discretizao baseados em volumes ou elementos finitos.
No entanto, a resoluo de problemas deste tipo discretizados sobre domnios
espaciais tridimensionais (obviamente atravs de ferramentas computacionais), pode
conduzir ao desenvolvimento de outro campo de pesquisa perifrico, Parallel
Computing (PC), agora relacionado com a implementao computacional per se, mais
precisamente com a gesto do imenso fluxo de informao e de operaes
matemticas gerado pelo algoritmo numrico. Tradicionalmente, um programa
computacional apresenta uma estrutura sequencial. Assim, o algoritmo construdo e
implementado como uma sequncia de instrues executada num processador nico.
Deste modo, PC consiste numa estratgia possvel alternativa que possibilita que vrias
operaes de clculo possam concorrer simultaneamente em mltiplos processadores,
baseada no princpio que problemas de dimenso elevada podem ser divididos em
conjuntos de problemas pequenos resolveis de um modo paralelo.
2.4.4 VANTAGENS DE UTILIZAO DOS MTODOS DE MALHA ADAPTATIVA
A grande vantagem deste tipo de mtodos consiste no facto do movimento dos nodos
possibilitar uma grande economia de esforo computacional para problemas que
exibam solues com descontinuidades mveis, superfcies de contacto e correntes
deslizantes, j que, nestes casos, apenas uma pequena regio do domnio necessita de
baixos tamanhos de malha. Assim, a utilizao de malhas fixas uniformes implica uma
menor separao entre nodos de modo a se obter erros de truncatura aceitveis em
zonas de gradientes elevados. No entanto, estas separaes so muito menores do
que as necessrias para as regies de baixo gradientes, conduzindo a um grande

95
desperdcio de esforo computacional. De qualquer modo, desde que a soluo no
exiba essas caractersticas, os mtodos de malha fixa revelam-se perfeitamente
satisfatrios, j que so menos complexos que os mtodos de malha adaptativa.
A resoluo apropriada de uma onda de choque requer que a separao nodal na sua
vizinhana seja algumas vezes menor que a espessura do choque. Geralmente, esta
espessura est directamente relacionada com o valor dos coeficientes associados a
termos difusivos (segundas derivadas espaciais) presentes nas PDEs do problema,
sendo frequentemente da ordem de grandeza destes. Portanto, a reduo dos
coeficientes de segunda ordem, implica um reforo do carcter hiperblico do
problema e uma consequente diminuio da espessura da onda propagada. Para se
evitar declives infinitos, ou seja, descontinuidades sem significado fsico, os
coeficientes tero de ser no nulos. O uso de mtodos adaptativos possibilita a
utilizao de tamanhos de malha locais muito menores e consequentemente, a
aplicao de coeficientes de segunda ordem menores (fisicamente, mais realistas) com
ondas de choque bastante mais finas do que pode ser usado, geralmente, no caso de
mtodos no adaptativos. de notar, igualmente, que no caso em que os nodos se
movimentem com a frente, podem ser introduzidos passos temporais
consideravelmente maiores dos que so possveis de aplicar no caso de mtodos de
malha fixa no uniforme.
De modo a concretizar estas vantagens dos mtodos adaptativos, relembra-se a
equao de Burgers unidimensional,
2
2
x
u
x
u
u
t
u
, (1.55)
sujeita s condies fronteira:
( )
( )
=
=
R
L
u t u
u t u
, 1
, 0
; (2.78)
e condio inicial: u(x,0) = u
0
(x). (2.79)
Segundo Herbst, 1982[100] necessrio que, na zona do choque propagado, o passo
espacial h seja aproximadamente igual a para que a soluo obtida seja estvel. Caso
contrrio, os perfis de u/x tornam-se oscilatrios. Portanto, se se pretender a
utilizao de um mtodo de malha fixa, necessrio que o espaamento nodal em
todo o domnio seja aproximadamente . Pelo contrrio, atravs da aplicao de um
mtodo adaptativo, tal no se torna necessrio, j que os nodos tendero idealmente
a concentrar-se na regio da onda abrupta, satisfazendo assim a condio de
estabilidade (h ). Nas outras zonas do domnio, onde o perfil da soluo suave, a
malha pode ser mais larga.
Considere-se um exemplo especfico do modelo geral 1.55 com as condies fronteira:
u
L
= u
R
= 0; e a condio inicial,
( ) ( ) ( ) x x x u 2 sin sin 2 1 0 , + = . (2.80)
A resoluo deste modelo problemtica e difcil de obter atravs da utilizao de um
mtodo no adaptativo, devendo-se tal facto, essencialmente ao tipo de condio
inicial considerado. O comportamento da soluo pode ser resumido da seguinte
forma: partindo da onda sinusoidal inicial, cada uma das seces desta (positiva e
negativa) deslocam-se em sentidos opostos, originando uma frente abrupta em x 0.6

96
para t 0.2, cuja espessura proporcional ao valor do coeficiente de difuso ; a partir
deste instante, a frente desloca-se para a direita (na direco positiva de x), ao mesmo
tempo que a sua amplitude se reduz progressivamente; por volta de t 1.4, j depois
da seco negativa da frente ter desaparecido, esta embate na fronteira direita (x = 1),
mantendo-se nessa posio onde se desvanece lentamente. Deste modo, a maior
dificuldade na integrao deste modelo consiste na definio correcta da frente
formada pela soluo, e do seu movimento posterior. Neste caso, esta ter uma
espessura da ordem de = 110
-3
, exigindo que o espaamento entre os nodos
situados nas regies onde a frente se forma e se desloca, no seja muito superior a
esse valor. Assim, se se pretender integrar este modelo numa malha fixa, esta ter de
ser necessariamente bastante fina, provocando um esforo computacional excessivo
na integrao do modelo.
De forma a ilustrar esta questo apresenta-se um exemplo de resoluo numrica do
modelo 1.55 retirado de Brito, 1998[94]. Assim, aplica-se na soluo do problema o
procedimento MOL descrito acima atravs do recurso a discretizaes de diferenas
finitas (FD) de quarta ordem centradas (aproximao FD centrada com 5 nodos) sobre
uma malha uniforme fixa de 41 nodos. No caso das posies situadas junto s
fronteiras onde a geometria centrada no pode ser usada sem a introduo de
fronteiras falsas, optou-se por utilizar a aproximao de quarta ordem de geometria
disponvel baseada no conjunto de 5 nodos mais prximos do nodo de interesse.
manifestamente notrio o desenvolvimento de forte disperso numrica que irradia a
partir da regio onde se deveria formar a frente abrupta inicial (vd. Figura 2.21A). Os
erros so propagados e amplificados em cada passo numrico executado. Desta forma,
a prossecuo do processo de integrao numrica torna-se impossvel a partir de t
0.2, devido instabilidade introduzida do sistema de ODEs.
-4
-3
-2
-1
0
1
2
3
4
5
6
0 0.2 0.4 0.6 0.8 1
x
u
t = 0 t = 0.04
t = 0.08 t = 0.12
t = 0.16 t = 0.20

-10
-8
-6
-4
-2
0
2
4
0 0.2 0.4 0.6 0.8 1
x
u
t = 0
t = 0.04
t = 0.08
t = 0.12
t = 0.16
t = 0.19

A B
Figura 2.21 Resultados da equao de Burgers obtidos atravs da aplicao de um MOL no adaptativo:
A discretizao espacial de Diferenas Finitas Centradas de 4 ordem; B discretizao espacial de
Diferenas Finitas biased upwind de 4 ordem[94].
Por outro lado, testou-se a aplicao do mesmo procedimento MOL mas agora com
frmulas de discretizao FD de quarta ordem biased upwind (trs nodos esquerda e
um nodo direita do nodo de interesse) numa malha fixa e uniforme de 41 nodos. Os
resultados obtidos nestas condies so apresentados na Figura 2.21B. Novamente se
observa o desenvolvimento de instabilidade na soluo a partir do tempo t 0.15,
perfeitamente constatada pela ocorrncia de fortes oscilaes de amplitude crescente
nos perfis. As oscilaes (cuja amplitude superior observada no caso anterior) so
predominantemente negativas e ocorrem na seco do domnio situada aps a frente

97
(ao contrrio do que sucedia no caso anterior). Por outro lado, verifica-se que,
enquanto foi possvel efectuar o avano temporal da integrao (at t = 0.19) a
formao da zona superior da frente ocorre de uma forma relativamente normal.
Assim, possvel concluir-se que este esquema de diferenas se revela mais adequado
que o anterior para a zona do domnio anterior frente, j que a a velocidade da onda
positiva. Do mesmo modo, verifica-se que este esquema absolutamente
inadequado para a regio negativa dos perfis, onde uma discretizao de diferenas
finitas adiantadas ou downwind seria a mais indicada.
Por anlise dos resultados obtidos, possvel concluir que o mtodo de Diferenas
Finitas fixas no conduz a resultados aceitveis, principalmente quando aplicado a
modelos caracterizados por termos advectivos no lineares, associados a termos
difusivos de influncia reduzida. Por outro lado, se se partir de solues iniciais
caracterizadas por adveco, este tipo de equaes tendem a desenvolver frentes
abruptas mveis de espessura mltipla do factor de difuso () que somente seriam
resolvidas satisfatoriamente por este tipo de estratgia se se utilizassem grelhas de
espaamento muito reduzido, o que implicaria esforos computacionais
incomportveis. O aparecimento de instabilidade e a consequente dificuldade na
integrao o resultado de estimativas oscilatrias da segunda derivada de valor
absoluto progressivamente mais elevado, resultantes do desenvolvimento da frente
abrupta.
-1
-0.5
0
0.5
1
1.5
0 0.2 0.4 0.6 0.8 1
x
u
t = 0 t = 0.20
t = 0.40 t = 0.80
t = 1.20 t = 1.60
t = 2.00

0
1
2
3
4
5
6
7
8
9
0 0.2 0.4 0.6 0.8 1
x
n
t = 0 t = 0.20
t = 0.40 t = 0.80
t = 1.20 t = 1.60
t = 2.00

A B
-1
-0.5
0
0.5
1
1.5
0 0.2 0.4 0.6 0.8 1
x
u
t = 0 t = 2
t = 4 t = 6
t = 8 t = 10

C
Figura 2.22 Resultados da equao de Burgers obtidos atravs da aplicao de um MOL adaptativo
AMOL: A at t = 2; B nvel mximo de refinamento atingido pelos nodos da malha original de nvel 2;
C at t = 10[94].
A exemplificao do potencial da adaptao neste campo particular de estudo, realiza-
se atravs da anlise dos resultados igualmente apresentados por Brito, 1998[94],

98
obtidos pela aplicao de um MOL adaptativo (AMOL) baseado no sucessivo
refinamento uniforme de uma malha inicial igualmente espaada com 41 nodos.
A estratgia adaptativa descrita em pormenor em [94], e controlada pela
comparao entre a soluo numrica obtida atravs da integrao temporal (num
intervalo de tempo pr-especificado) do problema discretizado sobre duas malhas
equidistribudas de nvel sucessivo (uma malha fina construda pela colocao de
nodos adicionais nas posies intermdias dos intervalos de uma malha esparsa de
nvel imediatamente inferior). Este processo executado iterativamente at se atingir
o grau de preciso pretendido, sem ultrapassar o nvel de malha mximo admissvel.
Assim, o recurso a um mtodo adaptativo possibilita os resultados numricos
resumidos na Figura 2.22. Ao contrrio do constatado para o caso dos resultados no
adaptativos, observa-se agora a notria capacidade do algoritmo adaptativo de simular
satisfatoriamente a formao e a propagao da frente abrupta (vd. Figura 2.22B),
ilustrando as vantagens da aplicao do conceito de adaptao na resoluo deste tipo
de problemas.
Em todos os casos apresentados nesta seco utilizou-se o integrador implcito DASSL
(vd. Anexo C) para a implementao do avano temporal MOL da soluo.
2.5 PRINCPIOS DE ADAPTABILIDADE
A generalidade dos mtodos adaptativos procedem a uma transferncia das variveis
dependentes do problema discretizadas (vector u), das coordenadas fsicas iniciais (x,
t), para um espao computacional de coordenadas ( , ), no qual se pretende que os
nodos estejam equidistribuidos, ou seja igualmente espaados. Deste modo, as
incgnitas do sistema computacional so u(x, ) e x( , ). No entanto, na direco
temporal a transformao reduz-se normalmente a t = .
A aplicao de uma estratgia MOL ao princpio de equidistribuio descrito acima
implica que cada PDE seja transformada num conjunto de ODEs temporais (uma para
cada nodo da malha) atravs da aplicao de um mtodo de discretizao (e.g. FDM,
FEM). Estas ODEs podem ser escritas na forma geral:
( ) t F
t d
u d
k
k
= (2.81)
onde, u
k
valor da aproximao soluo no nodo k.
Os detalhes da computao de F
k
so definidos pelo mtodo de discretizao
particular escolhido, e contm os termos adicionais (x
k
/t, u
k
/x
k
) resultantes da
transformao para o sistema coordenado computacional.
Deste modo, estas ODEs podem ser integradas atravs de mtodos de diferenas
finitas com passo temporal, explcitos ou implcitos. Normalmente, a aplicao de
mtodos implcitos permite a utilizao de passos no tempo bastante maiores que os
mtodos explcitos, sem causar instabilidade na soluo. No entanto, requerem a
resoluo de equaes matriciais, aumentando consideravelmente o tempo
computacional de integrao. De qualquer modo revelam-se essenciais para
problemas que necessitem de espaamentos mais apertados entre os nodos.

99
Atravs da derivada temporal de u
k
em cada nodo possvel calcular o valor de u
k
para
o prximo passo. Como du
k
/dt pode variar consideravelmente de nodo para nodo,
provocando o aumento e decaimento da soluo em zonas distintas do domnio, o
sistema de ODEs frequentemente stiff.
Como referido acima, uma das abordagens mais aplicadas para a avaliao da
adaptao nodal (quer em termos de colocao como de movimentao de nodos)
baseada no princpio da equidistribuio. Assim, para um exemplo ilustrativo
unidimensional, considere-se uma malha definida pelo conjunto de posies x
i
, i =
1,,n. Atravs da observao do princpio da equidistribuio este sistema de nodos
estabelecido de modo a que uma quantidade especificada, definida por uma funo
monitora M(u), seja uniformemente distribuda sobre o domnio espacial, ou seja[91],
( ) ( ) 1 2 ,
1
1
= =

+
n i c dx u M dx u M
i
i
i
i
x
x
x
x
, (2.82)
que, no formato discreto aproximada por,
1 2 ,
1 1
= =

n i c x M x M
i i i i
, (2.83)
onde,
i i i
x x x =
+1
o tamanho local da malha, M
i
representa a estimativa discreta
de M(u) no intervalo [ ]
1
,
+ i i
x x , e c uma constante.
A tcnica de equidistribuio pode ser usada de mltiplas formas nos procedimentos
de integrao numrica de PDEs tanto numa perspectiva esttica como um meio de
colocao ou redistribuio nodal como numa vertente dinmica como estratgia
geradora de equaes de movimentao de nodos. Uma das primeiras tentativas de
aplicao da equidistribuio deve-se a White, 1982[101] que recorreu ao arc-length
(comprimento do arco) da soluo como funo monitora,
( )
2
2
x
u u M + = . (2.84)
Outra possibilidade consiste na equidistribuio do erro de truncatura local ou da
curvatura local[90], e.g.,
( )
xx
u u M = . (2.85)
Abordagens alternativas referem-se definio da adaptao nodal atravs da
minimizao de um funcional dependente de medidas de erro e/ou de propriedades
estruturais da malha. Por exemplo, Hyman, 1983[102] e Petzold, 1987[103]
apresentam mtodos dinmicos que se enquadram nesta ltima categoria, em que o
movimento da malha definido atravs da minimizao de uma quantidade
dependente da combinao entre as velocidades nodais e os gradientes temporais da
soluo. Numa perspectiva MOL, a minimizao simultnea da variao temporal na
soluo e na malha conduz a uma variao lenta do Jacobiano do sistema ODE semi-
discreto com uma consequente reduo dos custos computacionais. No entanto, no
caso de mtodos dinmicos torna-se frequentemente necessria a introduo de
esquemas de repulso ou de viscosidade nodal de forma a impedir as consequncias
negativas da possvel coalescncia ou mesmo cruzamento de nodos.
Por outro lado, o mtodo mais importante representativo da classe de estratgias
adaptativas optimizadoras o Mtodo de Elementos Finitos Mveis (MFEM Moving
Finite Element Method) de Miller et al., 1981[104-105],[106] onde a medida do erro

100
corresponde ao quadrado do resduo da PDE na sua forma FE. Deste modo, so obtidas
ODEs para a soluo e as posies nodais pela minimizao do integral dessa medida
do erro em relao s derivadas temporais das posies nodais.
Alternativamente, os processos de colocao (refinamento ou relaxao) ou de
redistribuio podem depender simplesmente da anlise directa de propriedades da
soluo ou de tcnicas de interpolao que permitam uma inferncia dos erros de
dicretizao efectuados. Esta lgica de refinamento/relaxao sobre uma estrutura de
malhas de resoluo crescente a base das j clssicas estratgias de Refinamento de
Malha Adaptativa (AMR Adaptive Mesh Refinement) originalmente desenvolvidas
por Berger, 1982[107]
2.6 REVISO DE MTODOS ADAPTATIVOS
2.6.1 INTRODUO
Nesta seco apresenta-se uma reviso bibliogrfica dos Mtodos de Malha
Adaptativa, juntamente com os respectivos processos de adaptao nodal. No
entanto, no se pretende que esta reviso seja demasiado exaustiva, mas apenas que
constitua uma introduo sucinta ao tema, atravs da descrio das principais
estratgias desenvolvidas e adoptadas para a resoluo do problema.
As simulaes numricas de sistemas de PDEs consistem, geralmente, na aplicao de
um gerador da malha conjugado com um integrador das equaes diferenciais. Em
qualquer caso, estabelecida uma ligao do gerador para o integrador. Esta ligao
feita quando a integrao realizada atravs da malha de pontos que cobre o espao
fsico. No caso da soluo desenvolver gradientes elevados, necessrio igualmente
estabelecer uma ligao de comunicao do integrador para o gerador da malha. Esta
alterada de acordo com as caractersticas da soluo denominando-se adaptativa
(vd. Figura 2.23). Portanto, esta reviso bibliogrfica tem como objectivo primordial a
discusso geral referente s diversas estratgias adaptativas desenvolvidas.
Foram publicadas vrias discusses gerais referentes a este tipo de problemas tais
como as apresentadas por Thompson et al., 1982[108], 1985[109], Thompson,
1984[110], e Turkel, 1984[111], que se referem igualmente a todo o campo mais
genrico da gerao de malhas. Uma malha definida como um conjunto organizado
de pontos fixados no domnio (normalmente espacial), formado pelas interseces das
linhas de um sistema de coordenadas curvilneas de ajuste a condies fronteira. No
entanto, o interesse do trabalho presente concentra-se sobre a adaptao nodal
desenvolvida de forma a satisfazer propriedades da soluo, e no propriedades
estabelecidas por condies fronteira. Neste sentido, foram igualmente apresentadas
revises mais especializadas sobre mtodos adaptativos para resoluo de PDEs por
Anderson, 1983[112], Thompson, 1985[113], Eiseman, 1987[114], Hawken et al.,
1991[95], Duarte, 1994[115] e Brito, 1998[94]. Estes ltimos trabalhos focam a sua
ateno em tcnicas adaptativas especificamente aplicadas a mtodos de integrao
baseados em discretizaes de Diferenas Finitas ou Elementos Finitos.
A maioria dos mtodos adaptativos desenvolvidos requer que as equaes diferenciais
envolvidas apresentem solues contnuas. No entanto, se as equaes forem no
lineares (que constituem o caso mais comum) tendero a formar perfis descontnuos,

101
e consequentemente, provocar problemas numricos se no se introduzirem termos
de viscosidade ou anlogos, na resoluo numrica.

Figura 2.23 Relao entre a perspectiva clssica fixa e a abordagem adaptativa para a resoluo
numrica de PDEs.
Os mtodos de adaptao de malha tendem a apresentar vrias caractersticas
comuns, tais como[110]:
1. Um mtodo de ordenao e numerao dos nodos ao longo da regio fsica de
interesse;
2. Um meio de comunicao entre os nodos, de modo a que a sua distribuio
permanea relativamente regular, apesar da sua movimentao relativa;
3. Um processo de representao discreta da soluo contnua e de avaliao dos
valores discretos com uma exactido aceitvel;
4. Uma forma de monitorizao da estimativa do erro associado discretizao
efectuada (erro de truncatura);
5. Um meio de redistribuio dos nodos, baseado na estimativa da medida do
erro efectuada em 4., de modo a reduzir os erros cometidos no clculo da
soluo numrica.
Como j foi referido anteriormente, o objectivo desta reviso bibliogrfica no consiste
numa enumerao de uma sequncia extensa de contribuies de autores (ou
conjuntos de autores) que tenham desenvolvido e/ou aplicado qualquer estratgia que
possa ser enquadrada (mesmo que de um modo perifrico) na classificao de
resoluo adaptativa de modelos parciais
4
, como tal foi definida nas seces
anteriores. De facto, o conjunto de trabalhos apresentados neste campo da anlise
numrica de PDEs nos ltimos quarenta anos, j de tal forma vasto e complexo, que
a prpria pretenso de uma estruturao completa e exaustiva da reviso conduziria a
uma tarefa fastidiosa e totalmente contraproducente. Assim, optou-se por concentrar
a ateno nas ideias tericas bsicas que constituem a origem do desenvolvimento das
diversas estratgias numricas adaptativas e de aplicao dos princpios de

4
Ou campos adjacentes relacionados como Mtodos Multi-Malha ou Mtodos de Gerao de Malha.
Gerao
de Malha
Integrao
Clssico
Adaptativo
Resoluo Numrica

102
adaptabilidade discutidos na seco anterior. Estes procedimentos gerais so
representados pelos seus trabalhos bibliogrficos seminais e pelos desenvolvimentos
posteriores mais relevantes. A explanao desse trabalho de pesquisa bibliogrfica
resumida nas subseces seguintes deste captulo.
Convm igualmente salientar que o interesse do autor neste tipo especfico de
pesquisa se baseia essencialmente na sua j considervel experincia[94,116-118] no
desenvolvimento e teste deste tipo de mtodos numricos associados a perspectivas
estticas e dinmicas para a resoluo de problemas relacionados com vrios sistemas,
como, processos extremos de combusto do tipo termite[119-121] e ultrafiltraes
por membrana[122-124].
2.6.2 MTODO DAS LINHAS ADAPTATIVO (AMOL)
Uma das classes de mtodos adaptativos disponveis consiste na conjugao entre
uma estratgia de discretizao MOL com tcnicas de adaptao ou movimentao de
malhas incorporadas no processo de integrao posterior. Este tipo de mtodos
designado genericamente por AMOL (Adaptive Method Of Lines).
De facto, a prpria estrutura dos processos MOL, organizada em dois estgios
independentes, possibilita a introduo do conceito de adaptao de uma forma
perfeitamente trivial. Assim, no MOL clssico (vd. seco 2.3), a malha permanece
inalterada durante a totalidade da integrao temporal. No entanto, a manipulao
dessa fase de integrao possibilita o desenvolvimento de estratgias adaptativas
estticas, atravs da subdiviso do passo completo em subintervalos e a especificao
de posies intermdias onde a malha redefinida por tcnicas de h-refinement, ou a
introduo de equaes adicionais de movimentao nodal atravs de processos
dinmicos de r-refinement. Assim, qualquer estratgia adaptativa (incluindo p-
refinement para manipulao selectiva de ordens de aproximao) pode ser acoplada
a uma lgica de integrao do tipo MOL, sendo suficientemente verstil para se
adaptar a diferentes procedimentos de discretizao e a modelos construdos sobre
domnios espaciais de dimenso arbitrria.
Deste modo, os algoritmos estticos inseridos numa filosofia MOL so organizados em
quatro passos bsicos[91]:
1. Aproximao das derivadas espaciais numa malha fixa no uniforme;
2. Integrao do sistema de ODEs semi-discreto resultante, em vrios passos
temporais;
3. Adaptao da malha espacial entre cada passo temporal, concentrando nodos
nas regies mais activas e/ou promovendo a relaxao da malha nas restantes
zonas do domnio espacial;
4. Interpolao da soluo para cada nova malha gerada.
A principal vantagem desta abordagem consiste no facto dos procedimentos de
soluo e de adaptao de malha serem totalmente autnomos, possibilitando o
recurso a diversas estratgias de adaptao como a adopo de um nmero varivel
de nodos (i.e., refinamento de malha). Por outro lado, as principais desvantagens do
procedimento so:

103
A paragem peridica do processo de integrao temporal para a redefinio da
malha, que resulta em ineficincia computacional, j que exige um frequente
reincio do integrador. Por outro lado, como as posies nodais apenas so
alteradas em tempos discretos, estas podem tornar-se desactualizadas com o
evoluir da integrao temporal, porque a colocao somente controlada
pelas caractersticas da soluo no incio do passo de integrao. Assim, em
modelos que exibam solues de evoluo rpida, necessrio impor passos
relativamente reduzidos de forma a reter a exactido desejada.
O recurso obrigatrio a uma tcnica de interpolao para a transferncia da
soluo entre a malha anterior e a nova malha, que obviamente se constitui
como uma nova fonte de erros numricos.
A abordagem dinmica consiste na movimentao contnua no tempo dos nodos da
malha de modo a que as respectivas localizaes sigam o deslocamento das frentes de
uma forma optimizada. Assim, a probabilidade da frente mvel cruzar as posies
nodais especificadas reduz-se significativamente, e os passos temporais podem ser
aumentados. Esta estratgia requer uma perspectiva dita Lagrangiana do problema
diferencial, ou seja, considera as trajectrias contnuas no tempo dos nodos[91]:
( ) ( )
R
N N i
L
x x x t x t x x x = < < < < < < =
1 1 0
, (2.86)
para um exemplo unidimensional. Ao longo de cada trajectria ( ) ( ) t x t x
i
= , a derivada
total de u dada por,
( )
x x t
u x u f u x u u + = + = . (2.87)
Assim, a estratgia dinmica implica a definio de equaes que representem a
movimentao nodal, ( ) t g x = , que so deduzidas com base em informaes fsicas
disponveis, nomeadamente quantidades relacionadas com fluxos. Por exemplo, uma
escolha bvia consiste na afectao aos nodos de uma velocidade definida de modo a
que percorram as respectivas trajectrias caractersticas (e.g., para a equao de
adveco
x t
vu u = , define-se v x = , de modo a que ( ) ( ) 0 , = t t x u , sendo v a velocidade
do fluxo). Portanto, o objectivo primordial desta abordagem corresponde
minimizao da variao temporal da soluo (no referencial mvel) de forma a
permitir a aplicao do maior passo temporal possvel. Outra estratgia de
estabelecimento do movimento nodal implica a equidistribuio espacial de uma
funo monitor que assegure a suavizao do problema no espao (vd. seco 2.6.4). A
obteno simultnea de uma suavizao espacial e temporal do problema no se
revela genericamente possvel num nico procedimento[125].
Os procedimentos AMOL so introduzidos e divulgados principalmente por W.E.
Schiesser, A. Vande Wouwer e Ph. Saucez[126] e podem ser encontrados numa grande
variedade de fontes bibliogrficas para mltiplas aplicaes, e.g. [127-134].
2.6.3 REFINAMENTO DE MALHA ADAPTATIVO (AMR)
Uma das classes de mtodos mais populares englobados no contexto da adaptao
esttica indubitavelmente o Refinamento de Malha Adaptativo (Adaptive Mesh
Refinement). O desenvolvimento desta estratgia originalmente devido ao trabalho

104
seminal de Marsha Berger and Joseph Berger que apresentaram o denominado
mtodo de Berger-Oliger em meados dos anos 80 do sculo XX.
Berger e Oliger, 1984 [135] desenvolvem um algoritmo de refinamento de grelha para
o clculo da soluo de problemas transientes bidimensionais, descritos por PDEs
hiperblicas, atravs de tcnicas de diferenas finitas. A malha de base refinada por
sobreposio sucessiva de submalhas de forma rectangular, localmente uniformes e
com orientao arbitrria. A nova malha gerada no tem necessariamente que
coincidir com as anteriores, como acontece na maioria dos algoritmos de refinamento.
O algoritmo de refinamento gera uma srie de malhas de diferentes nveis (vd. Figura
2.24), em que a inicial (malha 1) coincide com o domnio espacial do problema. Cada
nvel constitudo por grelhas rectangulares. Se uma malha gera uma outra malha de
nvel de refinamento superior (e.g., a malha 4 gera a malha 8), a primeira malha (como
exemplo considere-se a malha 4) designada por malha parent da segunda (malha 8),
e consequentemente a segunda (neste exemplo, 8) a malha child da primeira (malha
4). Um exemplo simples para a estrutura de hierarquizao e a representao da
relao hierrquica entre malhas de diferentes nveis apresentado nas Figuras 2.24 e
2.25, respectivamente.
Este algoritmo que na sua verso inicial se pode inserir na classe genrica de mtodos
denominada por LUMR (Local Uniform Mesh Refinement) pode ser dividido em
diversos passos fundamentais como:
1. Arranque com uma malha base esparsa de nvel 0 (que coincide com a
discretizao do domnio espacial inicial bidimensional);
2. Estimativa do erro de truncatura local em todos os nodos da malha;
3. Identificao das regies do domnio que necessitam refinamento onde o erro
de truncatura exceda um determinado limite;
4. Sobrepor submalhas mais finas nas regies de refinamento seleccionadas.
5. Repetir o passo 4. recursivamente at que um limite do nvel de refinamento
seja excedido ou o erro de truncatura seja inferior ao limite estabelecido em
todos os nodos da malha.
Torna-se bvio que a partir do simples algoritmo anterior, possvel desenvolver uma
variedade extensa de mtodos alternativos recorrendo a diversas tcnicas e
estratgias disponveis para a execuo dos diferentes passos.
No caso particular do mtodo de Berger-Oliger, o critrio de refinamento baseia-se
numa estimativa do erro de truncatura local a partir de um processo de extrapolao
de Richardson proposta por Hyman e Naughton, 1985[136]. O algoritmo adaptativo
no espao e no tempo, mantendo constante a razo entre os passos temporal e
espacial em todas as malhas. A estratgia de decomposio do domnio permite a
utilizao de diferentes aproximaes de diferenas finitas para submalhas distintas.
No entanto, a maior desvantagem deste algoritmo reside no facto da tcnica de
diviso do domnio resultar na manipulao de estruturas de dados bastante
complexas para as zonas de intercepo de malhas[94]. Este algoritmo
posteriormente aperfeioado atravs de mltiplas contribuies de que se destaca a
correspondente a Philip Colella (Berger e Colella, 1989[137]).

105

Figura 2.24 Exemplo de hierarquizao de malhas de diversos nveis no contexto dos procedimentos
AMR.

Figura 2.25 Relao hierrquica em rvore das diferentes malhas de diversos nveis apresentadas no
exemplo da Figura 2.24.
Assim, existem numerosas verses de procedimentos ditos AMR(e.g., [138-143]),
aplicveis a problemas bi- e tridimensionais de aplicao abrangente que recorrem a
diferentes abordagens para a implementao dos diferentes passos do algoritmo,
como estratgias de avaliao do erro de truncatura, geometria local da malha (e.g.
triangular, rectangular, poligonal em casos 2D) e tcnicas de refinamento, conjugao
entre as diversas malhas de nveis diferentes e o procedimento de integrao
temporal, etc. Por outro lado, a estrutura genrica do mtodo AMR possibilita a sua
associao a estratgias dinmicas de movimentao das submalhas geradas (e.g.,
1
2 3 4
5
7 6 8 9
10 11
1
2 3
4
5
6
7
8
9
10
11

106
[144-145]), ou seja, uma combinao entre redefinies de malha estticas e
integraes temporais dinmicas incorporadas numa estratgia geral do tipo MOL.
Brito, 1998[94] apresenta uma reviso relativamente desenvolvida de alguns dos
mtodos AMR (estticos ou dinmicos) propostos at meados da dcada de 1990.
2.6.4 MTODOS DINMICOS MMPDES
Outra classe popular de mtodos, que como se verificou na seco anterior pode
igualmente ser combinada com processos de redefinio de malha adaptativa
comummente associados a mtodos estticos, a dos denominados mtodos
dinmicos ou de r-refinement. Nestes casos o procedimento de integrao temporal
realizado atravs da transformao do sistema coordenado inicial espacio-temporal
num sistema de variveis dinmicas em que a movimentao contnua nodal
representada por equaes adicionais deduzidas por um conjunto vasto de estratgias
alternativas. Brito, 1998[94] apresenta uma reviso razoavelmente extensa deste
conjunto de mtodos, enquanto que uma lista de referncias importantes compilada
por Tao Tang pode ser encontrada em [146].
Como referido anteriormente, o objectivo essencial dos mtodos dinmicos consiste
na suavizao da soluo no espao e/ou no tempo. Tal implica a definio de
trajectrias nodais no domnio espacio-temporal computacional que possibilitem uma
minimizao da variao da soluo no sistema coordenado original. Este propsito
pode ser alcanado atravs do recurso a estratgias diversas, nomeadamente de
optimizao ou de equidistribuio.
Um exemplo para um algoritmo que implica uma optimizao de uma quantidade
dependente da soluo baseado na aplicao de equaes deduzidas por Petzold,
1987[103], que consistem numa generalizao do esquema desenvolvido por Hyman,
1983[102] para modelos explcitos da forma: u
t
= f(u,u
x
,u
xx
), para modelos que no
dependam explicitamente de f, ou seja, equaes diferenciais implcitas da forma:
( ) 0 , , , =
xx x t
u u u u F . (2.88)
Considerando u
j
como a derivada da soluo em relao ao tempo num nodo
pertencente a uma malha fixa x
j
, a transformao das variveis para o sistema mvel
dada pela equao 2.87:
x u u u
x
+ =

. (2.87)
Efectuando-se a minimizao da taxa de variao no tempo de u e x:
[ ] [ ] ( ) [ ]
2 2 2 2
2
2
2
2
min min min x x u u x u x u
x
x x x

+ + = + = + , (2.89)
obtm-se, por resoluo da equao quadrtica em x , o mnimo para cada ponto da
malha, pela expresso:
( ) 0 = + + x u x u u
x x

, (2.90)
que atravs de 2.87 pode ser escrita da forma:
0 = +
x
u u x . (2.91)

107
A equao 2.91 consiste na equao diferencial de movimentao nodal, no seu
formato implcito.
Uma caracterstica tpica dos mtodos dinmicos relaciona-se com o facto da sua
viabilidade depender frequentemente da introduo de aces de controlo da
movimentao nodal, de modo a evitar problemas como coalescncia ou cruzamento
de nodos que comprometam a sua implementao. Por exemplo, neste caso
especfico, o problema suavizado pela adio de uma funo de penalidade
expresso de minimizao considerada anteriormente (vd. equao 2.89), que
possibilita que nodos vizinhos se movimentem com velocidades semelhantes:
(
(
|
|
\
|
+ +
+
+
2
2
1
1
2
2
1
1
2
2
2
2
min
j j
j j
j j
j j
j j
x
x x
x x
x x
x x
x u
j

. (2.92)
Desta forma, deduz-se uma equao de movimentao nodal dinmica, que pode ser
apresentada da seguinte forma:
( ) ( )
0
2
1
1
2
1
1
=
|
|
\
|
+ +
+
+
j j
j j
j j
j j
xj j j
x x
x x
x x
x x
u u x

. (2.93)
O efeito da introduo de um termo de penalidade assemelha-se de um factor extra
de difuso ou suavizao das velocidades nodais na malha. No entanto, apesar da
introduo do termo adicional se revelar bastante eficaz na eliminao da maioria dos
cruzamentos de nodos, no garante a sua erradicao total.
Outro exemplo paradigmtico consiste na srie de trabalhos de W. Huang, Y. Ren e
R.D. Russell referentes s denominadas MMPDEs Moving Mesh Partial Differential
Equations. Inspirados pelo trabalho de Ren e Russell, 1992[147], Huang et al.,
1994[148-149] apresentam e deduzem vrios tipos de PDEs relacionadas com o
movimento da malha unidimensional (MMPDEs). Estes trabalhos baseiam-se em
equaes desenvolvidas a partir do princpio de equidistribuio que so estudadas
tanto do ponto de vista terico como numrico. Ren e Russell, 1992[147] concluem
que a equidistribuio implica a resoluo de uma PDE no domnio de coordenadas
computacionais. Algumas das equaes so originalmente deduzidas por Huang et al.,
1994[149], enquanto outras relacionam-se com a aplicao de estratgias
desenvolvidas por outros autores.
Assim, partindo de uma funo monitor M(x,t), o princpio de equidistribuio (EP
Equidistributing Principle) pode ser expresso na forma integral por:
( )
( )
( ) t dx t x M
t x

,
0
, , (2.94)
onde, (t) definida em White, 1979[150].
Atravs de diferenciao simples ou dupla da equao 2.94 obtm-se as duas formas
diferenciais do EP:
( ) ( )
( )
( ) t
t x
t t x M
,
, , (2.95)
e

108
( ) ( )
( )
0
,
, , =
)
`
t x
t t x M . (2.96)
Estas equaes que no contm o termo de velocidade nodal so denominadas quasi-
estticas. Atravs de manipulao destas equaes, Huang et al. 1994[149] deduzem
vrios tipos de MMPDEs. As equaes mais importantes esto resumidas na Tabela
2.2, juntamente com as referncias em que cada uma se baseia.
Tabela 2.2 Resumo de MMPDEs unidimensionais seleccionadas[149].
MMPDE Equao Ref.
1
|
|
\
|
=
|
|
\
|
+
|
|
\
|

x
t
M
x
M x
M
[ [[ [149] ]] ]
2
|
|
\
|
|
|
\
|
=
|
|
\
|
+
|
|
\
|

x
M
x
t
M
x
M x
M
1
[ [[ [149] ]] ]
3 ( )
|
|
\
|

x
M x M
1
2
2
[ [[ [149] ]] ]
4
|
|
\
|
=
|
|
\
|

x
M
x
M
1
[ [[ [149] ]] ]
5
|
|
\
|
=

x
M x
1
[ [[ [151] ]] ]
6
|
|
\
|

x
M
x 1
2
2
[ [[ [152] ]] ],[ [[ [153] ]] ]

7
|
|
\
|
|
|
\
|
|
|
\
|

x
M
x x x
M
x
M
1
2

[ [[ [154] ]] ]
As equaes consideradas no s foram a equidistribuio da malha x(,t) como
impedem o cruzamento nodal. Assim, a resoluo numrica efectuada por
intermdio de diferenas centrais na malha uniforme (,t), e consequente aplicao do
MOL.
Assim, os prprios autores, juntamente com outros colaboradores[155-166]
aperfeioaram este tipo de estratgias e desenvolveram o estudo de MMPDEs
adicionais, assim como procedimentos de implementao adequada deste tipo de
problemas.
Para alm disso, possvel encontrar na literatura da especialidade muitas outras
contribuies versando o tema especfico da idealizao e implementao de mtodos
adaptativos de r-refinement a problemas de aplicaes variadas definidos sobre
domnios de dimenso arbitrria (e.g., [125,167-175]).
2.6.5 MTODO DE ELEMENTOS FINITOS MVEIS (MFEM)
O objectivo desta seco consiste na apresentao de uma panormica geral sobre o
Mtodo de Elementos Finitos Mveis (MFEM Moving Finite Element Method), que
rigorosamente passvel de se enquadrado na classe do mtodos adaptativos
dinmicos. No entanto, importa salientar particularmente este mtodo dada a

109
importncia que entretanto assumiu neste campo especfico de pesquisa. No se
pretende aqui efectuar uma descrio muito pormenorizada das diferentes
formulaes que tm sido apresentadas ao longo do tempo, referentes a este mtodo.
Este trabalho j foi anteriormente realizado atravs da reviso bibliogrfica
apresentada por variados autores, e.g. Duarte, 1994[115].
A formulao inicial do MFEM foi proposta por K. Miller e R.N. Miller em 1981[104-
105]. Originalmente, o processo foi desenvolvido para a resoluo de PDEs evolutivas
unidimensionais, sujeitas a condies fronteira de Dirichlet. Para tal, considera-se a
PDE,
Lu u
t
= , (2.97)
vlida no domnio fixo a x b, caracterizada por condies fronteira fixas de
Dirichlet, sendo L um operador espacial no linear.
A tcnica de discretizao de elementos finitos aproxima a soluo em cada elemento
atravs da expresso:
( ) ( ) ( )
+
=
=
1
1
, ,
n
j
j j
t x U t x U s , (2.98)
onde:
[ ]
1 1 0
, , ,
+
=
n
U U U U vector da soluo nos nodos;
[ ]
1 1 0
, , ,
+
=
n
s s s s vector das posies nodais;
j
funes base elementares implicitamente dependentes do tempo atravs das
posies nodais;
x posio espacial.
Por derivao de 2.98 em ordem ao tempo obtm-se:
( ) ( ) ( ) ( ) ( ) ( ) ( ) ( )
+
=
+ =
1
1
, , , ,
n
j
j j j j t
t t x t s t x t U t x U s U s
, (2.99)
em que
j
so igualmente funes base, definidas por:
( ) ( ) ( )
j
j
s
U
t t x
= s U , , . (2.100)
Deste modo, torna-se necessrio para a implementao deste mtodo, recorrer a uma
estratgia de aproximao, de forma a avaliar os valores de
j
. Inicialmente, o mtodo
formulado baseava-se em aproximaes lineares piecewise (linhas rectas poligonais)
pelo que:
j x j
U = (2.101)
Assim, as funes
j
e
j
so definidas por:

110
+ < < < <

=
+
+
+
+
x s e s x
s x s
s s
x s
s x s
s s
s x
j j
j j
j j
j
j j
j j
j
j
1 1
1
1
1
1
1
1
, 0
,
,
(2.102)
e
+ < < < <

=
+
+
+
+
+
x s e s x
s x s
s s
x s
m
s x s
s s
s x
m
j j
j j
j j
j
j
j j
j j
j
j
j
1 1
1
1
1
1
1
1
1
, 0
,
,
, (2.103)
onde,
1
1
=
j j
j j
j
s s
U U
m corresponde ao declive da soluo no elemento finito j estimado
por diferenas finitas.
A soluo da PDE ( U) e a nova malha ( s ) so determinadas por minimizao da norma
quadrada L
2
dos resduos da aproximao soluo em todo o domnio, em ordem das
derivadas temporais da soluo nos nodos e das velocidades nodais:
2
2
L
t
LU U .
A substituio das derivadas pelas correspondentes aproximaes resulta num sistema
de ODEs do tipo:
( ) ( ) y g y y A = , (2.104)
em que:
[ ]
T
n n
s U s U , , , ,
1 1
= y ;
A matriz de massas quadrada e tridiagonal, constituda por blocos
k k,
A de
dimenses 22, que mantm uma estrutura constante no tempo.
possvel que, em determinadas circunstncias, o determinante de qualquer bloco
k k,
A se torne nulo, tornando o sistema 2.104 indeterminado e consequentemente, de
resoluo impossvel. As condies que provocam a degenerescncia do sistema de
ODEs podem ser de dois tipos distintos:
Choque nodal consiste na coalescncia de um nodo com o seu precedente.
Paralelismo elementar definido pela colinearidade das aproximaes da
soluo em dois elementos consecutivos.
Cada uma destas singularidades d origem a equaes linearmente dependentes que
tornam o sistema 2.104 irresolvel. De forma a ultrapassar estes problemas, Miller,
1981[105] recorre introduo de funes de penalizao na funo objectivo de
forma a adicionar foras de viscosidade internodal que regularizem o movimento da
malha.

111
Posteriormente, muitos outros investigadores apresentaram numerosos trabalhos
baseados no mtodo original (e.g., [115,176-177]), que possibilitam a sua aplicao a
uma gama cada vez mais generalizada de modelos tpicos. Assim, desenvolveram-se
estratgias alternativas de forma a ultrapassar os problemas encontrados, atravs da
utilizao de mtodos alternativos para a avaliao da aproximao elementar (e.g.,
funes quadrticas, cbicas de Hermite) e para eliminao das singularidades (e.g.
supresso nodal, manipulao matricial). Tang[146] apresenta igualmente uma lista de
referncias bibliogrficas importantes referentes a mtodos inspirados na estratgia
MFEM original.
2.6.6 ESQUEMAS WAVELET
Uma estratgia relativamente mais recente introduzida a partir do final da dcada de
1980 consiste no aproveitamento das propriedades de funes base designadas por
wavelets como instrumentos na aplicao do conceito adaptativo no contexto da
resoluo numrica de PDEs. As wavelets so uma ferramenta matemtica que pode
ser usada na extraco de informao a partir de diferentes fontes de dados, incluindo
sinais de udio ou vdeo. Geralmente, a anlise completa de dados implica a aplicao
de conjuntos de wavelets. Assim, um conjunto de wavelets complementares
proporciona a desconstruo dos dados sem gerar omisses ou sobreposies de
modo a que o processo seja reversvel. Desta forma, estes conjuntos complementares
de wavelets revelam-se teis no desenvolvimento de algoritmos de
compresso/descompresso onde seja desejvel recuperar a informao original (ou
uma aproximao credvel) com um mnimo de perdas.
A grande vantagem deste tipo de funes consiste na sua capacidade de representar
diferentes regies situadas no espao e no tempo atravs de diversos nveis de
resoluo. Assim, quando um conjunto de dados sofre uma transformao wavelet,
este decomposto em dois tipos de coeficientes: um representa as caractersticas
gerais (coeficientes da funo de escala) e o outro exprime as caractersticas
localizadas (coeficientes wavelet). No processo de compresso de dados, os
coeficientes wavelet correspondentes a regies do espao identificadas como de
menor importncia na representao global dos dados so parcialmente eliminados.
Assim, quando os dados so reconstrudos, mantm-se a alta resoluo apenas em
regies relevantes.
A filosofia deste procedimento de compresso (ou simplificao) de dados coincide
com o objectivo primordial da aplicao da adaptao no mbito da soluo numrica
de PDEs. De facto, a aco do esquema adaptativo promove uma compresso dos
dados correspondentes soluo discretizada definida sobre uma estrutura nodal
definida sobre um espao espacial de dimenso arbitrria, de modo a que seja retida a
informao relevante (associada maior actividade localizada da soluo) e seja
descartada a informao restante classificada como redundante.
Deste modo, observa-se o surgimento de literatura relacionada com o
desenvolvimento de mtodos de resoluo de PDEs baseados em wavelets. Este tipo
de mtodos podem ser classificados em duas classes distintas[79]: mtodos de
colocao (e.g., [80,178-182]) e mtodos de Galerkin (e.g., [183-187]). Os mtodos de
Galerkin resolvem o problema no espao dos coeficientes wavelet e podem ser
geralmente considerados como mtodos meshless. Por outro lado, os mtodos de

112
colocao obtm a soluo no espao fsico sobre uma malha adaptada. Cada wavelet
associada a um nodo de colocao e o processo de adaptao estabelecido pela
anlise da escala de grandeza dos coeficientes wavelet. Assim, em cada tempo de
integrao, a malha definida pelo conjunto de nodos que correspondem a
coeficientes wavelet cujo valor exceda uma tolerncia pr-determinada que controla o
grau de preciso pretendida.
A descrio e discusso particular de cada esquema wavelet para integrao de PDEs,
relacionado com as diversas famlias (ortogonal e biortogonal) de funes wavelet, e as
estratgias de anlise wavelet disponveis (como a estratgia multiresoluo) no
representam os objectivos do presente trabalho. O aprofundamento deste tipo de
questes pode ser encontrado em trabalhos como o de Dahmen, 2001[188].
REFERNCIAS
1. R. Schneiders, Mesh Generation & Grid Generation on the Web; at http://www-
users.informatik.rwth-aachen.de/~roberts/meshgeneration.html (consulta em 1/02/2010).
2. S. Owen, Mesh Generation: A Quick Introduction; at http://www.andrew.cmu.edu/user/
sowen/mintro.html (consulta em 1/02/2010).
3. J.F. Thompson, B.K. Soni, N.P. Weatherill, eds. (1999) Handbook of Grid Generation, CRC Press,
Boca Raton.
4. C.W. Gear, R.D. Skeel (1990) The development of ODE methods: a symbiosis between hardware
and numerical analysis, in A History of Scientific Computing (S.G. Nash, ed.), ACM Press, pp. 88-
105.
5. F.R. Moulton (1930) Differential Equations, MacMillan, New York.
6. R.S. Richardson (1967) Getting Acquainted with Comets, McGraw-Hill, New York.
7. H.H. Goldstine (1977) A History of Numerical Analysis from the 16
th
Through the 19
th
Century,
Springer-Verlag, New York.
8. http://en.wikipedia.org/wiki/Runge-Kutta_methods (consulta em 1/02/2010).
9. C.D.T. Runge (1895) ber die numerische Auflsung von Differentialgleichungen, Math. Ann.,
46 (2), pp. 167-178.
10. K. Heun (1900) Neue Methode zur approximativen Integration der Differentialgleichungen einer
unabhngigen Vernderlichen, Zeit. Math. Phys., 45, pp. 23-38.
11. M.W. Kutta (1901) Beitrag zur nherungsweisen Integration totaler Differentialgleichungen,
Zeit. Math. Phys., 46, pp. 435-453.
12. F. Bashforth, J.C. Adams (1883) An Attempt to Test the Theories of Capillary Action, Cambridge
University Press.
13. http://en.wikipedia.org/wiki/Linear_multistep_method (consulta em 1/02/2010).
14. F.R. Moulton (1926) New Methods in Exterior Ballistics, University of Chicago Press.
15. R.H. Merson (1957) An operational method for the study of integration processes, Proc.
Symposium on Data Processing, Weapons Research Establishment, Salisbury, South Australia.
16. C.F. Curtiss, J.O. Hirschfelder (1952) Integration of stiff equations, Proc. US Nat. Acad. Sci., 38
(3), pp. 235-243.
17. L.F. Shampine, S. Thompson (2007) Stiff systems, Scholarpedia, 2 (3), pp. 2855; at
http://www.scholarpedia.org/article/Stiff_systems.
18. M. Baumgartner, O. Dean, V. Patel, J. Schweitzer, E. Van Beek (2007) Solving ODEs with
Mathematica, in University of Michigan Chemical Engineering Process Dynamics and Controls

113
Open Textbook; at http://controls.engin.umich.edu/wiki/index.php/Solving ODEs with
Mathematica.
19. C.W. Gear (2007) Backward differentiation formulas, Scholarpedia, 2 (8) pp. 3162; at
http://www.scholarpedia.org/article/Backward_differentiation_formulas.
20. V. Thome (2001) From finite differences to finite elements: a short history of numerical analysis
of partial differential equations J. Comput. Appl. Math., 128 (1-2), pp. 1-54.
21. J. Tinsley Oden (1990) Historical comments on finite elements, in A History of Scientific
Computing (S.G. Nash, ed.), ACM Press, pp. 152-166.
22. R. Courant, K.O. Friedrichs, H. Lewy (1928) ber die partiellen Differenzengleichungen der
Mathematischen Physik, Math. Ann., 100, pp. 32-74 (traduo inglesa in IBM J. Res. Develop.
(1967), 11 (2), pp. 215-234).
23. http://en.wikipedia.org/wiki/Courant-Friedrichs-Lewy_condition (consulta em 1/02/2010).
24. F. John (1952) On integration of parabolic equations by difference methods : I. Linear and quasi-
linear equations for the infinite interval, Comm. Pure Appl. Math., 5 (2), pp. 155211.
25. J. Crank, P. Nicolson (1947) A practical method for numerical evaluation of solutions of partial
differential equations of heat-conduction type, Math. Proc. Cambridge Philos. Soc., 43 (1), pp.
5067.
26. R. Courant (1943) Variational methods for the solution of problems of equilibrium and
vibrations, Bull. Amer. Math. Soc., 49 (1), pp. 1-23.
27. A. Hrennikoff (1941) Solutions of problems in elasticity by the framework method, ASME J.
Appl. Mech. A, 8, pp. 169-175.
28. K. Schellbach (1851) Probleme der Variationsrechnung, J. Reine Angew. Math., 41, pp. 293-363.
29. Lord Rayleigh (1894, 1896) Theory of Sound, Vols. I, II, Macmillan, London.
30. W. Ritz (1908) ber eine neue Methode zur Lsing gewisser Variationsprobleme der
mathematischen Physik, J. Reine Angew. Math., 135, pp. 1-61.
31. B.G. Galerkin (1915) Rods and plates. Series occurring in various questions concerning the elastic
equilibrium of rods and plates, Vestnik Inzh. Tekhn., 19, pp. 897-908.
32. M.J. Turner, R.W. Clough, H.C. Martin, L. Topp (1956) Stiffness and deflection analysis of complex
structures, J. Aero. Sci., 23 (9), pp. 805-823.
33. J.H. Argyris (1954) Energy theorems and structural analysis, Aircr. Eng., 26 (10-11), pp. 347-356;
383-387.
34. J.H. Argyris (1955) Energy theorems and structural analysis, Aircr. Eng., 27 (2-4), pp. 42-58; 80-
94; 125-134.
35. R.W. Clough (1960) The finite element method in plane stress analysis, Proceedings of Second
ASCE Conference on Electronic Computation, Vol. 8, Pittsburg, Pennsylvania, pp. 345-378.
36. W.G. Strang, G.J. Fix (1973) An Analysis of The Finite Element Method, Prentice Hall, Englewood
Cliffs, NJ.
37. M.B. Abbott, D.R. Basco (1989) Computational Fluid Dynamics, Longman Scientific & Technical,
Singapore.
38. B. Fornberg (1988) Generation of finite difference formulas on arbitrarily spaced grids, Math.
Comput., 51 (184), pp. 699-706.
39. B. Fornberg (1992) Fast generation of weights in finite difference formulas, in Recent
Developments in Numerical Methods and Software for ODEs/DAEs/PDEs, (G.D. Byrne, W.E.
Schiesser, eds.), World Scientific, Singapore, pp. 97-124.
40. R. Heinzl (2007) Concepts for Scientific Computing, Section 2.4 Finite Differences; at
http://www.iue.tuwien.ac.at/phd/heinzl/node27.html (consulta em 1/02/2010).

114
41. http://en.wikipedia.org/wiki/Finite element method in structural mechanics (consulta em
1/02/2010).
42. J. van Kan, A. Segal, F. Vermolen (2005) Numerical Methods in Scientific Computing, VSSD, Delft.
43. R. Heinzl (2007) Concepts for Scientific Computing, Section 2.3 Finite Elements; at
44. http://en.wikipedia.org/wiki/Finite_element_method (consulta em 1/02/2010).
45. R. Heinzl (2007) Concepts for Scientific Computing, Section 2.2 Finite Volumes; at
46. M.A. Alves, P.J. Oliveira, F.T. Pinho (2003) A convergent and universally bounded interpolation
scheme for the treatment of advection, Int. J. Numer. Meth. Fluids, 41 (1), pp. 47-75.
47. http://en.wikipedia.org/wiki/Finite_volume_method (consulta em 1/02/2010).
48. P. Cruz, J.C. Santos, F.D. Magalhes, A. Mendes (2005) Simulation of separation processes using
a finite volume method, Comput. Chem. Eng., 30 (1), pp. 83-98.
49. http://en.wikipedia.org/wiki/Shock_capturing_methods (consulta em 1/02/2010).
50. B.A. Finlayson (1992) Numerical Methods for Problems with Moving Fronts, Ravenna Park
Publishing Inc., Seattle.
52. R. Courant, E. Isaacson, M. Rees (1952) The solution of nonlinear hyperbolic differential
equations by finite differences, Commun. Pure Appl. Math., 5 (3), pp. 243-255.
53. W. Shyy (1985) A study of finite difference approximations to steady-state, convection
dominated flow problems, J. Comput. Phys., 57 (3), pp. 415-438.
54. B.P. Leonard (1979) A stable and accurate convective modelling procedure based in quadratic
upstream interpolation, Comput. Method. Appl. Mech. Eng., 19 (1), pp. 59-98.
55. P.H. Gaskell, A.K.C. Lau (1988) Curvature compensated convective transport: SMART, a new
boundedness preserving transport algorithm, Int. J. Numer. Meth. Fluids, 8 (6), pp. 617-641.
56. A. Harten (1983) High resolution schemes for hyperbolic conservation laws, J. Comput. Phys., 49
(3), pp. 357-393.
57. A. Harten (1997) High resolution schemes for hyperbolic conservation laws, J. Comput. Phys.,
135 (2), pp. 260-278.
58. M.S. Darwish, F. Moukalled (1994) Normalized variable and space formulation methodology for
high-resolution schemes, Numer. Heat Transfer, Part B, 26 (1), pp. 79-96.
59. B.P. Leonard (1988) Simple high-accuracy resolution program for convective modelling of
discontinuities, Int. J. Numer. Meth. Fluids, 8 (10), pp. 1291-1318.
60. A. Harten, B. Engquist, S. Osher, S.R. Chakravarthy (1987) Uniformly high order accurate
essentially non-oscillatory schemes, III, J. Comput. Phys., 71 (2), pp. 231-303.
61. X.D. Liu, S. Osher, T. Chan (1994) Weighted essentially non-oscillatory schemes, J. Comput.
Phys. 115 (1), pp. 200-212.
62. J.P. Boris, D.L. Book (1976) Flux-Corrected transport III. Minimal error FCT algorithms", J.
Comput. Phys., 20 (4), pp. 397-431.
63. B. van Leer (1979) Towards the ultimate conservative difference scheme, V. A second order
sequel to Godunov's method, J. Comput. Phys., 32 (1), pp. 101-136.
64. A. Kurganov, E. Tadmor (2000) New high-resolution central schemes for nonlinear conservation
laws and convection-diffusion equations, J. Comput. Phys., 160 (1), pp. 241-282.

115
65. P. Colella, P. Woodward (1984) The piecewise parabolic method (PPM) for gasdynamical
simulations, J. Comput. Phys., 54 (1), pp. 174-201.
66. B. Song, G.R. Liu, K.Y. Lam, R.S. Anamo (2000) On a higher-order bounded discretization
scheme, Int. J. Numer. Meth. Fluids, 32 (7), pp. 881-897.
67. B.P. Leonard (1991) The ULTIMATE conservative difference scheme applied to unsteady one-
dimensional advection, Comput. Method. Appl. Mech. Eng., 88 (1), pp. 17-74.
68. P.K. Sweby (1984) High-resolution schemes using flux-limiters for hyperbolic conservation laws,
SIAM J. Numer. Anal., 21 (5), pp. 995-1011.
69. http://en.wikipedia.org/wiki/Flux_limiters (consulta em 1/02/2010).
70. http://en.wikipedia.org/wiki/Wavelet (consulta em 1/02/2010).
71. A. Graps (2004) An introduction to wavelets, Section 1 Overview; at
http://www.amara.com/IEEEwave/IW_overview.html (consulta em 1/02/2010).
72. A. Graps (1995) An introduction to wavelets, IEEE Comput. Sci. Eng., 2 (2), pp. 50-67.
73. A. Haar (1910) Zur theorie der orthogonalen funktionensysteme, Math. Ann., 69 (3), pp. 331-
371.
74. P. Goupillaud, A. Grossman, J. Morlet (1984) Cycle-octave and related transforms in seismic
signal analysis, Geoexploration, 23 (1), pp. 85-102.
75. I. Daubechies (1988) Orthonormal bases of compactly supported wavelets, Comm. Pure Appl.
Math., 41, (7), pp. 906-996.
76. S. Mallat (1989) Multiresolution approximation and wavelet orthogonal bases of L
2
(R), Trans.
Am. Math. Soc., 315 (1), pp. 69-87.
77. W.J. Phillips (2003) Wavelets and Filter Banks Course Notes, Section 3 Time-Scale Analysis; at
http://www.engmath.dal.ca/courses/engm6610/notes/node4.html (consulta em 1/02/2010).
78. P.J.R. Cruz (2003) Simulao e Optimizao de Processos Cclicos de Adsoro, PhD Thesis, DEQ-
FEUP, Porto, Portugal.
79. P. Cruz, A. Mendes, F.D. Magalhes (2002) Wavelet-based adaptive grid method for the
resolution of nonlinear PDEs, AIChE J., 48 (4), pp. 774-785.
80. P. Cruz, A. Mendes, F.D. Magalhes (2001) Using wavelets for solving PDEs: an adaptive
collocation method, Chem. Eng. Sci., 56 (10), pp. 3305-3309.
81. I. Daubechies (1992) Ten Lectures on Wavelets, SIAM, Philadelphia.
82. G.R. Liu, M.B. Liu (2003) Smoothed Particle Hydrodynamics a meshfree particle method, World
Scientific Publishing, Singapore.
83. S.A. Viana, D. Rodger, H.C. Lai (unknown) Overview of Meshless Methods; at
http://www.compumag.org/jsite/images/stories/newsletter/ICS-07-14-2-Rodger.pdf (consulta
em 1/02/2010).
84. R.A. Gingold, J.J. Monaghan (1977) Smoothed Particle Hydrodynamics: theory and application to
non-spherical stars Mon. Not. R. Astr. Soc., 181, pp. 375-389.
85. B.L. Lucy (1977) A numerical approach to testing the fission hypothesis Astron. J, 82 (12), pp.
1013-1924.
86. E.J. Kansa (1990) Multiquadrics - A scattered data approximation scheme with applications to
Computational Fluid-Dynamics - I, Comput. Math. Appl., 19 (8-9), pp. 127-145.
87. E.J. Kansa (1990) Multiquadrics - A scattered data approximation scheme with applications to
Computational Fluid-Dynamics - II, Comput. Math. Appl., 19 (8-9), pp. 147-161.
88. T.A. Driscoll, A.R.H. Heryudono (2007) Adaptive residual subsampling methods for radial basis
function interpolation and collocation problems, Comput. Math. Appl., 53 (6), pp. 927-939.

116
89. R. Chen, Z. Wu (2005) Solving hyperbolic conservation laws using multiquadric quasi-
interpolation, Numer. Meth. Part. Diff. Eq., 22 (4), pp. 776-796.
90. W.E. Schiesser (1991) The Numerical Method of Lines: Integration of Partial Differential
Equations, Academic Press, San Diego.
91. A. Vande Wouwer, Ph. Saucez, W. Schiesser (2001) Chapter 1 Introduction, in Adaptive
Method of Lines, (A. Vande Wouwer, Ph. Saucez, W.E. Schiesser, eds.), Chapman & Hall/CRC
Press, Boca Raton, pp. 1-37.
92. D.E. Seborg, T.F. Edgar, D.A. Mellichamp (1989) Process Dynamics and Control, John Wiley & Sons,
Singapore.
93. H.A. Dwyer, M.D. Smooke, R.J. Kee (1982) Adaptive gridding for finite difference solutions to
heat and mass transfer problems, in Numerical Grid Generation, (J.F. Thompson, ed.) North-
Holland, Amsterdam, pp. 339-356.
Algbrico-diferenciais Caracterizados por Frentes Abruptas, MSc Thesis, DEQ-FCTUC, Coimbra,
Portugal.
95. D.F. Hawken, J.J. Gottlieb, J.S. Hansen (1991) Review of some adaptive node-movement
techniques in finite-element and finite-difference solutions of partial differential equations, J.
Comput. Phys., 95 (2), pp. 254-302.
96. F.J. Alexander, A.L. Garcia, D.M. Tartakovsky (2002) Algorithm refinement for stochastic partial
differential equations: I. Linear diffusion, J. Comput. Phys., 182 (1), pp. 47-66.
97. F.J. Alexander, A.L. Garcia, D.M. Tartakovsky (2002) Algorithm refinement for stochastic partial
differential equations: II. Correlated systems, J. Comput. Phys., 207 (2), pp. 769-787.
98. J.B. Bell, J. Foo, A.L. Garcia (2007) Algorithm refinement for the stochastic Burgers equation, J.
Comput. Phys., 223 (1), pp. 451-468.
99. S.A. Williams, J.B. Bell, A.L. Garcia (2008) Algorithm refinement for fluctuating hydrodynamics,
Multiscale Model. Simul., 6 (4), pp. 1256-1280.
100. B.M. Herbst (1982) Moving Finite Element Methods for the Solution of Evolution Equations, PhD
Thesis, University of the Orange Free State.
101. A.B. White, Jr. (1982) On the numerical solution of initial/boundary-value problems in one space
dimension, SIAM J. Numer. Anal., 19 (4), pp. 683-697.
102. J.M. Hyman (1983) Adaptive moving mesh methods for partial differential equations, in
Advances in Reactor Computations, American Nuclear Society Press, pp. 24-43.
103. L.R. Petzold (1987) Observations on an adaptive moving grid method for one-dimensional
systems of partial differential equations, Appl. Numer. Math., 3 (4), pp. 347-360.
104. K. Miller, R.N. Miller (1981) Moving finite elements I, SIAM J. Numer. Anal., 18 (6), pp. 1019-
1032.
105. K. Miller (1981) Moving finite elements II, SIAM J. Numer. Anal., 18 (6), pp. 1033-1057.
106. R.J. Gelinas, S.K. Doss, K. Miller (1981) The moving finite element method: applications to
general partial differential equations with multiple large gradients, J. Comput. Phys., 40 (1), pp.
202-249.
107. M.J. Berger (1982) Adaptive Mesh Refinement for Hyperbolic Partial Differential Equations, PhD
thesis, Computer Science Dept., Stanford University.
108. J.F. Thompson, Z.U.A. Warsi, C.W. Mastin (1982) Boundary-fitted coordinate systems for
numerical solution of partial differential equations a review, J. Comput. Phys., 47 (1), pp. 1-108.
109. J.F. Thompson, Z.U.A. Warsi, C.W. Mastin (1985) Numerical Grid Generation, North-Holland, New
York.

117
110. J.F. Thompson (1984) Grid generation techniques in computational fluid dynamics, AIAA J., 22
(11), pp. 1505-1523.
111. E. Turkel (1984) Progress in computational physics, Comput. Fluids, 11 (2), pp. 121-144.
112. D.A. Anderson (1983) Adaptive grid methods for partial differential equations, in Advances in
Grid Generation, (K.N. Ghia, U. Ghia, eds.), ASME, New York, pp. 1-15.
113. J.F. Thompson (1985) A survey of dynamically-adaptive grids in the numerical solution of partial
differential equations, Appl. Numer. Math., 1 (1), pp. 3-27.
114. P.R. Eiseman (1987) Adaptive grid generation, Comput. Meth. Appl. Mech. Eng., 64 (1-3), pp.
321-376.
115. B.P.M. Duarte (1994) Mtodo dos Elementos Finitos Mveis Aplicado Resoluo de Modelos de
Frente de Reaco, PhD Thesis, FCTUC, Coimbra, Portugal.
116. P.M.P. Brito, A.A.T.G. Portugal (1998) Application of adaptive methods based on finite difference
discretizations in the simulation of a tubular reactor system, in ACOMEN98 - International
Conference on Advanced Computational Methods in Engineering, Ghent, Belgium, 2-4 Sept., pp.
697-704.
117. P.M.P. Brito, A.A.T.G. Portugal (1998) Application of adaptive methods based on finite difference
discretizations to systems of PDAEs, in NMDE98 - 2nd Meeting on Numerical Methods for
Differential Equations, Coimbra, Portugal, 25-27 Feb., pp. 410-419.
118. P. Brito, A. Portugal (2010) Adaptive collocation methods for the solution of partial differential
equations, in International Conference on Systems, Computing Sciences and Software
Engineering (SCSS 09), in International Joint Conferences on Computer, Information, and Systems
Sciences, and Engineering (CISSE 2009) Vol. 2: Innovations in Computing Sciences and Software
Engineering, (T. Sobh, K. Elleithy, eds.), Springer aguarda publicao.
119. P. Brito, L. Dures, J. Campos, A. Portugal (2007) Simulation of Fe
2
O
3
/Al combustion: sensitivity
analysis, Chem. Eng. Sci., 62 (18-20), pp. 5078-5083.
120. L. Dures, P. Brito, J. Campos, A. Portugal (2006) Modelling and simulation of Fe
2
O
3
/aluminum
thermite combustion: experimental validation, in 16th European Symposium on Computer Aided
Process Engineering and 9th International Symposium on Process Systems Engineering ESCAPE-
16 & PSE-2006 (W. Marquardt, C. Pantelides, eds.), Computer Aided Chemical Engineering, 21A,
Elsevier, pp. 365-370.
121. P. Brito, L. Dures, J. Campos, A. Portugal (2005) Modelling and simulation of Fe
2
O
3
/aluminum
thermite combustion, in Chempor2005 - 9th International Chemical Engineering Conference,
Coimbra, Portugal, 21-23 Sept., pp. 157-158 & CD-ROM (6 pp.).
122. P. Brito, L.M. Gando-Ferreira, A. Portugal (2009) Simulation of membrane separations using a
modified Maxwell-Stefan model, Chem. Prod. Process Model., 4 (4), Article 4, 12 pp.; disponvel
em http://www.bepress.com/cppm/vol4/iss4/4.
123. P. Brito, L.M. Ferreira, A. Portugal, M. Blox, P. Kerkhof (2004) Modelizao de separaes por
membrana atravs de mtodos de refinamento de malha, in Congresso de Mtodos
Computacionais em Engenharia (VIII Congresso Nacional de Mecnica Aplicada e Computacional e
VI Congreso de Mtodos Numricos en Ingeniera), Lisboa, Portugal, 31 Maio - 2 Junho, pp. 473 &
CD-ROM (15 pp.).
124. L.M. Ferreira, P. Brito, A. Portugal, M. Blox, P. Kerkhof (2003) A simulation study on the transport
phenomena in ultrafiltration, in Workshop on Modelling and Simulation in Chemical Engineering,
Coimbra, Portugal, 30 June - 4 July, 8 pp.
125. R.M. Furzeland, J.G. Verwer, P.A. Zegeling (1990) A numerical study of three-moving grid
methods for one-dimensional partial differential equations which are based on the method of
lines, J. Comput. Phys., 89 (2), pp. 349-388.
126. A. Vande Wouwer, Ph. Saucez, W.E. Schiesser (eds.) (2001) Adaptive Method of Lines, Chapman &
Hall/CRC Press, Boca Raton.

118
127. P. Saucez, A. Vande Wouwer, W.E. Schiesser, P. Zegeling (2004) Method of lines study of
nonlinear dispersive waves J. Comput. Appl. Math., 168 (1-2), pp. 413-423.
128. P. Saucez, A. VandeWouwer, P.A. Zegeling (2005) Adaptive method of lines solutions for the
extended fifth-order Kortewegde Vries equation J. Comput. Appl. Math., 183 (2), pp. 343-357.
129. A. VandeWouwer, P. Saucez, W.E. Schiesser, S. Thompson (2005) A MATLAB implementation of
upwind finite differences and adaptive grids in the method of lines J. Comput. Appl. Math., 183
(2), pp. 245-258.
130. J.R. Cash (2005) Efficient time integrators in the numerical method of lines, J. Comput. Appl.
Math., 183 (2), pp. 259-274.
131. J. Lang (2005) Adaptive computation for boundary control of radiative heat transfer in glass J.
Comput. Appl. Math., 183 (2), pp. 312-326.
132. R. Wang, P. Keast, P. Muir (2004) A comparison of adaptive software for 1D parabolic PDEs J.
133. U. Nowak (1996) A fully adaptive MOL-treatment of parabolic 1-D problems with extrapolation
techniques, Appl. Numer. Math., 20 (1-2), pp. 129-141.
134. M. Hfele, A. Kienle,, M. Boll, C.-U. Schmidt, M. Schwibach (2005) Dynamic simulation of a
tubular reactor for the production of low-density polyethylene using adaptive method of lines J.
135. M.J. Berger, J. Oliger (1984) Adaptive mesh refinement for hyperbolic partial differential
equations, J. Comput. Phys., 53 (3), pp. 484-512.
136. J.M. Hyman, M.J. Naughton (1985) Static Rezone Methods for Tensor Product Grids, Large Scale
Computations in Fluid Mechanics, in Fifteenth Summer Seminar on Applied Mathematics, La Jolla,
USA, 27 June-8 July 1983, pp. 321-343.
137. M.J. Berger, P. Colella (1989) Local adaptive mesh refinement for shock hydrodynamics, J.
Comput. Phys., 82 (1), pp. 64-84.
138. P.J. Coelho, J. Argain (1997) A local grid refinement technique based upon Richardson
extrapolation, Appl. Math. Model., 21 (7), pp. 427-436.
139. P. Colella, M.R. Dorr, D.D. Wake (1999) Numerical solution of plasma fluid equations using locally
refined grids, J. Comput. Phys., 152 (2), pp. 550-583.
140. P. Colella, J. Bell, N. Keen, T. Ligocki, M. Lijewski, B. van Straalen (2007) Performance and scaling
of locally-structured grid methods for partial differential equations, J. Phys. Conf. Ser., 78 (1), pp.
1-13.
141. W.F. Mitchell, E. Tiesinga (2005) Adaptive grid refinement for a model of two confined and
interacting atoms, Appl. Numer. Math., 52 (2-3), pp. 235-250.
142. R.A. Trompert, J.G. Verwer (1991) A static-regridding method for two-dimensional parabolic
partial differential equations, Appl. Numer. Math., 8 (1), pp. 65-90.
143. R.A. Trompert, J.G. Verwer (1993) Analysis of the implicit Euler local uniform grid refinement
method, SIAM J. Sci. Comput., 14 (2), pp. 259-278.
144. W.D. Gropp (1987) Local uniform mesh refinement with moving grids, SIAM J. Sci. Stat.
Comput., 8 (3), pp. 292-304.
145. D.C. Arney, J. E. Flaherty (1989) An adaptive local mesh refinement method for time-dependent
partial differential equations, Appl. Numer. Math., 5 (4), pp. 257-274.
146. http://lsec.cc.ac.cn/~ttang/MMref/ (consulta em 1/02/2010).
147. Y. Ren, R.D. Russell (1992) Moving mesh techniques based upon equidistribution, and their
stability, SIAM J. Sci. Stat. Comput., 13 (6), pp. 1265-1286.
148. W. Huang, Y. Ren, R.D. Russell (1994) Moving mesh methods based on moving mesh partial
differential equations, J. Comput. Phys., 113 (2), pp. 279-290.

119
149. W. Huang, Y. Ren, R.D. Russell (1994) Moving mesh partial differential equations (MMPDEs)
based on the equidistribution principle, SIAM J. Numer. Anal., 31 (3), pp. 709-730.
150. A.B. White Jr. (1979) On selection of equidistributing meshes for two-point boundary-value
problems, SIAM J. Numer. Anal., 16 (3), pp. 472-502.
151. D.A. Anderson (1983) Application of adaptive grids to transient problems, in Adaptive
Computational Methods for Partial Differential Equations, (I. Babuska, J. Chandra e J. E. Flaherty,
eds.), SIAM, Philadelphia, pp. 208-223.
152. J.B. Greenberg (1985) A new self-adaptive grid method, AIAA J., 23 (2), pp. 317-320.
153. N.K. Madsen (1984) Molag: A method of lines adaptive grid interface for nonlinear partial
differential equations, in PDE Software: Modules, Interfaces and Systems, (B. Engquist, T.
Smedsaas, eds.), North-Holland, Amsterdam, pp. 207-224.
154. E.A. Dorfi, L. OC. Drury (1987) Simple adaptive grids for 1-D initial value problems, J. Comput.
Phys., 69 (1), pp. 175-195.
155. W. Huang, R.D. Russell (1997) Analysis of moving mesh partial differential equations with spatial
smoothing, SIAM J. Numer. Anal., 34 (3), pp. 1106-1126.
156. W. Huang, D.M. Sloan (1994) A simple adaptive grid method in two dimensions, SIAM J. Sci.
Comput., 15 (4), pp. 776-797.
157. W. Huang, R.D. Russell (2001) Adaptive mesh movement - the MMPDE approach and its
applications J. Comput. Appl. Math., 128 (1-2), pp. 383-398.
158. W. Huang (2001) Practical aspects of formulation and solution of moving mesh partial
differential equations, J. Comput. Phys., 171 (2), pp. 753-775.
159. W. Huang, R. D. Russell (1996) A moving collocation method for solving time dependent partial
differential equations, Appl. Numer. Math., 20 (1-2), pp. 101-116.
160. W. Huang, R. D. Russell (1998) A high dimensional moving mesh strategy, Appl. Numer. Math.,
26 (1-2), pp. 63-76.
161. W. Cao, W. Huang, R.D. Russell (2003) Approaches for generating moving adaptive meshes:
location versus velocity, Appl. Numer. Math., 47 (2), pp. 121-138.
162. A.R. Soheili, S. Salahshour (2008) Moving mesh method with local time step refinement for
blow-up problems, Appl. Math. Comput., 195 (1), pp. 76-85.
163. A.R. Soheili, J.M. Stockie (2008) An adaptive mesh method with variable relaxation time,
Journal of the Franklin Institute, 344 (5), pp. 757-764.
164. A.R. Soheili, J.M. Stockie (2008) A moving mesh method with variable mesh relaxation time,
Appl. Numer. Math., 58 (3), pp. 249-263.
165. J.M. Stockie, J.A. Mackenzie, R.D. Russell (2001) A moving mesh method for one-dimensional
hyperbolic conservation laws, SIAM J. Sci. Comput., 22 (5), pp. 1791-1813.
166. S. Li, L. Petzold, Y. Ren (1998) Stability of moving mesh systems of partial differential equations,
SIAM J. Sci. Comput., 20 (2), pp. 719-738.
167. S. Li, L. Petzold (1997) Moving mesh methods with upwinding schemes for time-dependent
PDEs, J. Comput. Phys., 131 (2), pp. 368-377.
168. J.M. Hyman, S. Li, L.R. Petzold (2003) An adaptive moving mesh method with static rezoning for
partial differential equations, Comput. Math. Appl., 46 (10), pp. 1511-1524.
169. J. Han, H. Tang (2007) An adaptive moving mesh method for two-dimensional ideal
magnetohydrodynamics, J. Comput. Phys., 220 (2), pp. 791-812.
170. R. Li, T. Tang, P. Zhang (2001) Moving mesh methods in multiple dimensions based on harmonic
maps, J. Comput. Phys., 170 (2), pp. 562-588.

120
171. P.A. Zegeling, H.P. Kok (2004) Adaptive moving mesh computations for reaction-diffusion
systems J. Comput. Appl. Math., 168 (1-2), pp. 519-528.
172. J.G. Verwer, J.G. Blom, R.M. Furzeland, P.A. Zegeling (1989) A moving grid method for one-
dimensional PDEs based on the method of lines, in Adaptive Methods for Partial Differential
Equations, (J.E. Flaherty, P.J. Paslow, M.S. Shephard, J.D. Vasilakis, eds.), SIAM, Philadelphia, pp.
160-175.
173. J.G. Verwer, J.G. Blom, J.M. Sanz-Serna (1989) An adaptive moving grid method for one-
dimensional systems of partial differential equations, J. Comput. Phys., 82 (2), pp. 454-486.
174. J.G. Blom, J.M. Sanz-Serna, J.G. Verwer (1988) On simple moving grid methods for one-
dimensional evolutionary partial differential equations, J. Comput. Phys., 74 (1), pp. 191-213.
175. J.G. Blom, P.A. Zegeling (1994) Algorithm 731: A moving-grid interface for systems of one-
dimensional time-dependent partial differential equations, ACM Trans. Math. Softw., 20 (2), pp.
194-214.
176. C.A. Sereno (1989) Mtodo dos Elementos Finitos Mveis: Aplicaes em Engenharia Qumica,
PhD Thesis, FEUP, Porto.
177. M.C.C.P. Coimbra (2000) Mtodo dos Elementos Finitos Mveis: Aplicao a Sistemas de Equaes
de Derivadas Parciais Bidimensionais, PhD Thesis, FEUP, Porto.
178. S. Bertoluzza (1996) Adaptive wavelet collocation method for the solution of Burgers equation,
Transp. Theory Stat. Phys., 25 (3), pp. 339-352.
179. L. Jameson (1998) A wavelet-optimized, very high order adaptive grid and order numerical
method, SIAM J. Sci. Comput., 19 (6), pp. 1980-2013.
180. M. Holmstrm (1999) Solving hyperbolic PDEs using interpolating wavelets, SIAM J. Sci.
Comput., 21 (2), pp. 405-420.
181. J. Waldn (1999) Filter bank methods for hyperbolic PDEs, SIAM J. Numer. Anal., 36 (4), pp.
1183-1233.
182. O.V. Vasilyev, S. Paolucci (1997) A fast adaptive wavelet collocation algorithm for
multidimensional PDEs, J. Comput. Phys., 138 (1), pp. 16-56.
183. G. Beylkin, J. Keiser (1997) On the adaptive numerical solution of nonlinear partial differential
equations in wavelet bases, J. Comput. Phys., 132 (2), pp. 233-259.
184. W. Dahmen, A. Kunoth, K. Urban (1996) A wavelet Galerkin method for the Stokes equations,
Computing, 56 (3), pp. 259-301.
185. J. Frlich, K. Schneider (1997) An adaptive wavelet-vaguelette algorithm for the solution of
nonlinear PDEs, J. Comput. Phys., 130 (2), pp. 174-190.
186. J. Restrepo, G. Leaf (1995) Wavelet-Galerkin discretization of hyperbolic equations, J. Comput.
Phys., 122 (1), pp. 118-128.
187. S. Lazaar, P.J. Ponenti, J. Liandrat, Ph. Tchamitchian (1994) Wavelet algorithms for numerical
resolution of partial differential equations, Comput. Method. Appl. Mech. Eng., 116 (1-4), pp.
309-314.
188. W. Dahmen (2001) Wavelet methods for PDEs some recente developments J. Comput. Appl.
Math., 128 (1-2), pp. 133-185.

121
3 3. . M M T TO OD DO OS S A AD DA AP PT TA AT TI IV VO OS S
3.1 INTRODUO
Nos dois captulos prvios pretendeu-se apresentar uma panormica resumida acerca
da importncia do conceito de adaptao no contexto da resoluo numrica de
sistemas algbrico-diferenciais assentes sobre domnios multidimensionais, e
consequentemente, da sua aplicabilidade e utilidade no campo mais vasto da
modelao e simulao de fenmenos fsicos, definidos no mbito da observao,
classificao e compreenso da Realidade Fsica, actividade a que costumeiramente se
atribui a designao de Cincia.
Agora, o objectivo do presente captulo consiste na descrio dos vrios algoritmos
numricos adaptativos desenvolvidos no mbito da investigao realizada e dos
conceitos tericos especficos que estiveram na sua gnese. Assim, nas seces
subsequentes realiza-se: uma sntese das estratgias de discretizao baseadas
directamente em esquemas de diferenas finitas ou em procedimentos de alta
resoluo com limitao de fluxo; a definio genrica do conjunto de malhas didicas,
e a sua aplicao como elemento estrutural gerador do conceito especfico de malha
global adaptativa; a apresentao dos algoritmos adaptativos de resoluo numrica
de PDEs uni- e bidimensionais, nomeadamente a descrio dos critrios de adaptao
seleccionados.
3.2 ESQUEMAS DE DIFERENAS FINITAS (FDS)
No mbito do estudo particular realizado, adopta-se uma estratgia de resoluo
numrica de modelos diferenciais multidimensionais baseada num procedimento MOL
Method Of Lines, vd. seco 2.3), em que o passo de discretizao espacial da PDE (ou
dos sistema de PDEs ou PDAEs) realizado atravs de aproximaes de diferenas
finitas (Finite Difference Schemes FDS) ou de alta resoluo (High Resolution
Schemes HRS)
1
.
As estratgias FD caracterizam-se fundamentalmente pela deduo de expresses de
aproximao para a estimativa de derivadas (de diferentes ordens) em posies
discretas i, atravs do recurso manipulao algbrica de expanses de Taylor
definidas em torno da posio i construdas para a avaliao da soluo em nodos
vizinhos a i (e.g. i+1, i-1). De facto, pode-se afirmar que um mtodo FD justamente
caracterizado pela utilizao da aproximao em expanso de Taylor (obviamente
truncada a partir de uma ordem especificada) para a estimativa de derivadas sobre
domnios discretizados. Obviamente que a ordem especfica da aproximao FD
escolhida depende da dimenso do stencil de aproximao considerado, e a sua
geometria depende da posio relativa dos nodos que constituem esse stencil em
relao ao nodo de interesse i.

1
importante salientar que FDS e HRS so conceitos no necessariamente exclusivos, j que os HRS
podem, na sua essncia, basear-se igualmente em procedimentos de diferenas finitas, ou seja, a
estratgia HRS pode ser definida em termos de discretizaes FD. Assim, convenciona-se que qualquer
referncia a procedimentos FDS se limita a esquemas puramente de diferenas finitas sem quaisquer
outras consideraes associadas, nomeadamente referentes ao controlo de instabilidade numrica.
MTODOS ADAPTATIVOS

122
No Anexo A do presente trabalho procede-se apresentao de estratgias
sistematizadas para a estimativa de derivadas de ordem e geometria arbitrria
baseadas em malhas unidimensionais (1D) de espaamento fixo ou varivel. No
entanto, um mtodo menos oneroso do ponto de vista computacional apresentado
por Fornberg, 1988[1], 1992[2], que desenvolveu algoritmos recursivos para o clculo
do valor dos pesos de aproximao, para o caso de malhas de espaamento arbitrrio
Considere-se como exemplo ilustrativo, aproximaes de diferenas finitas de quarta
ordem centradas, obtidas atravs do mtodo recursivo de Fornberg (vd. Anexo A) para
a avaliao dos coeficientes correspondentes a uma malha 1D uniformemente
espaada de tamanho x. Deste modo, a matriz de diferenciao (55) para derivadas
de primeira ordem tem a forma concentrada
2
:
u u
(
(
(
(
(
(
=
50 96 72 32 6
6 20 36 12 2
2 16 0 16 2
2 12 36 20 6
6 32 72 96 50
24
1
x
x
, (3.1)
onde, as primeira, segunda, quarta e quinta linhas se referem a coeficientes utilizados
na estimativa das derivadas nos nodos especiais, situados junto s fronteiras, onde a
expresso de discretizao central genrica com 5 nodos no pode ser utilizada sem se
recorrer a fronteiras fictcias definidas por nodos auxiliares externos. Deste modo, a
aplicao de uma aproximao baseada em 5 nodos requer um ajuste da geometria do
conjunto de discretizao que passa a ser determinado pelos 5 nodos mais prximos
da posio de interesse, incluindo o prprio nodo associado a essa posio onde a
estimativa avaliada.
Por outro lado, a linha central representa a aproximao nos pontos genricos
situados no interior do domnio onde a frmula de discretizao centrada com 5 nodos
pode ser aplicada.
Finalmente, u
x
simboliza o vector da estimativa da primeira derivada da soluo u na
totalidade da malha, e o vector u o stencil de aproximao utilizado para a estimativa
da derivada em cada nodo particular. Neste caso, u representa um vector de dimenso
5, e.g. [u
0
,u
1
,u
2
,u
3
,u
4
]
T
para os nodos 0 e 1, ou [u
i-2
,u
i-1
,u
i
,u
i+1
,u
i+2
]
T
para um nodo i
genrico.
As aproximaes para a segunda derivada podem ser calculadas a partir dos valores da
primeira derivada (por aplicao da equao 3.1), ou directamente atravs dos valores
da soluo u. Neste caso, existem diversas formas de definio da matriz de
diferenciao, dependentes do tipo de condies fronteira considerado.
Para o caso de condies fronteira de Dirichlet, deduz-se a seguinte matriz de
diferenciao geral para diferenas finitas centradas de quarta ordem numa malha 1D
uniforme, utilizando uma estratgia de representao semelhante descrita para a
equao 3.1:

2
A forma de representao adoptada nas equaes 3.1 e 3.2 no totalmente correcta do ponto de
vista algbrico mas revela-se til para efeitos de ilustrao devido sua estrutura compacta.
MTODOS ADAPTATIVOS

123
u u
(
(
(
(
(
(
=
35 104 114 56 11
11 20 6 4 1
1 16 30 16 1
1 4 6 20 11
11 56 114 104 35
12
1
2
x
xx
. (3.2)
De forma semelhante, possvel desenvolver frmulas de aproximao equivalentes
de ordem diferente (variando a dimenso do conjunto de nodos de avaliao) e/ou
atravs do enviesamento da geometria da aproximao para montante (diferenas
Upwind) ou jusante (diferenas Downwind) do nodo onde se pretende estimar a
derivada em relao ao sentido de deslocao do fluxo, para o caso de problemas
predominantemente hiperblicos (vd. Anexo A).
A aplicao de estratgias de discretizao FD baseadas em aproximaes do tipo 3.1
ou 3.2 no contexto da resoluo numrica de PDEs, nomeadamente na
implementao do MOL, no constitui problema significativo no caso dos perfis de
soluo serem suaves. No entanto, a questo torna-se consideravelmente mais
complexa para modelos em que ocorra desenvolvimento de perfis abruptos
(descontinuidades ou choques) nos perfis de soluo.
Considere-se o conjunto de funes rampa apresentado na Figura 3.1, em que a
variao de declive localizada na posio x = 0.1 varia num intervalo alargado entre 0.5
e 500, para a simulao de transies de suavidade decrescente, desde um perfil de
gradiente quase constante at uma quasi-descontinuidade. As funes so
diferenciadas atravs da aplicao do esquema representado pela equao 3.1. Assim,
os perfis da aproximao FD das derivadas das funes da Figura 3.1 so exibidos na
Figura 3.2. Na Figura 3.3 salientam-se os resultados obtidos em torno da posio de
origem das diversas rampas (x = 0.1), onde ocorre a transio do declive das funes.
0
0.05
0.1
0.15
0.2
0.25
0.3
0.35
0.4
0.45
0.5
0 0.02 0.04 0.06 0.08 0.1 0.12 0.14 0.16 0.18 0.2
x
u

Figura 3.1 Funes rampa com diversos declives com origem na abcissa x=0.1.
MTODOS ADAPTATIVOS

124
-50
50
150
250
350
450
550
0 0.02 0.04 0.06 0.08 0.1 0.12 0.14 0.16 0.18 0.2
x
u
'

Figura 3.2 Representao da estimativa da primeira derivada das funes rampa da Figura 3.1, atravs
de diferenas finitas centradas de quarta ordem numa malha uniforme com x = 0.01.
-45
-30
-15
0
15
0.05 0.06 0.07 0.08 0.09 0.1 0.11 0.12 0.13 0.14 0.15
x
u
'

Figura 3.3 Pormenor do grfico da Figura 3.2, centrado sobre a posio de origem das diversas rampas
(x=0.1).
A anlise das Figuras 3.2 e 3.3 permite concluir que o aumento da intensidade do
choque na funo induz o desenvolvimento de notria instabilidade nos perfis da
primeira derivada estimada por FD, manifestada pela ocorrncia de oscilaes
centradas na abcissa de transio, cuja amplitude directamente proporcional
variao do declive da funo. Deste modo, conclui-se que as aproximaes de
diferenas finitas per se no possuem propriedades de delimitao, demonstrando
propenso para a gerao de perfis de derivadas artificialmente oscilatrios que
potencialmente podero introduzir instabilidade em solues numricas de equaes
MTODOS ADAPTATIVOS

125
diferenciais, principalmente no caso destas serem caracterizadas por gradientes
elevados.
A mesma concluso pode ser retirada atravs da anlise das Figuras 3.4 e 3.5 que
representam aproximaes do tipo 3.1 da primeira derivada de uma funo pulso de
largura 0.2, centrada em x = 0.5, sobre malhas uniformes com 32 e 64 intervalos,
respectivamente.
-1.1
-0.9
-0.7
-0.5
-0.3
-0.1
0.1
0.3
0.5
0.7
0.9
1.1
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
x
u
-25
-20
-15
-10
-5
0
5
10
15
20
25
u
'

Figura 3.4 Representao da estimativa da primeira derivada de uma funo pulso atravs de diferenas
finitas centradas de quarta ordem numa malha uniforme de 32 intervalos.
-1.1
-0.9
-0.7
-0.5
-0.3
-0.1
0.1
0.3
0.5
0.7
0.9
1.1
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
x
u
-50
-40
-30
-20
-10
0
10
20
30
40
50
u
'

Figura 3.5 Representao da estimativa da primeira derivada de uma funo pulso atravs de diferenas
finitas centradas de quarta ordem numa malha uniforme de 64 intervalos.
Constata-se novamente a formao de oscilaes nos perfis da estimativa da primeira
derivada da funo, que se localizam na zona da descontinuidade. Um aumento na
MTODOS ADAPTATIVOS

126
resoluo da malha induz um esperado estreitamento das perturbaes observadas.
Porm, observa-se igualmente um aumento na amplitude das oscilaes com a
diminuio do tamanho da malha.
Concluses semelhantes s referidas acima poderiam ser retiradas, se se analisassem
aproximaes da segunda derivada de tipo equivalente (vd. equao 3.2). No entanto,
bvio que as perturbaes observadas nos perfis aproximados das derivadas obtidos
por FDS se localizam nas regies do domnio caracterizadas por maior actividade da
soluo. Assim, a deteco destas anomalias poderia definir uma estratgia para
localizao de perfis abruptos, descontinuidades ou choques na soluo.
Deste modo, tira-se partido desta aparente desvantagem das aproximaes de
diferenas finitas, usando aproximaes de FD de diversos tipos como a base do
desenvolvimento de um mtodo de adaptao de malha que permita localizar as
regies de maior actividade da soluo atravs da deteco de oscilaes, variaes
bruscas ou inverses em perfis de derivadas de funes aproximadas por FD. Os
algoritmos especficos estabelecidos para a execuo destas tarefas so apresentados
com maior pormenor na seco 3.5.
3.3 ESQUEMAS DE ALTA RESOLUO (HRS)
Uma forma alternativa de estabelecer aproximaes numricas a termos diferenciais
de primeira ordem implica o recurso a tcnicas de alta resoluo (HRS). Estes
esquemas so descritos de uma forma genrica e sucinta no captulo anterior. Agora,
procede-se a uma apresentao dos mtodos HRS efectivamente utilizados no decurso
do presente trabalho. Deste modo, considerem-se novamente modelos diferenciais
unidimensionais evolutivos constitudos por equaes de adveco-difuso-reaco da
forma geral[3],
( )
( ) ( ) u t x G
x
u
u D
x x
u t x
t
u
, ,
, ,
+
(
, (3.3)
Completado por condies iniciais u
0
(x) e condies fronteira de Dirichlet, Neumann
ou mistas. O membro evolutivo da esquerda de 3.3 relacionado com o membro da
direita definido por termos advectivos (representativos de fenmenos convectivos de
transporte), difusivos e reactivos geracionais (igualmente designados por termos
fonte). Um modelo 3.3 fundamentalmente hiperblico caracterizado pelo domnio da
adveco, ou seja, 0. Neste caso, o termo advectivo, determinado pela primeira
derivada espacial de uma funo de fluxo, , tem de ser estimado atravs de esquemas
numricos especializados que tenham em conta um controlo de disperso numrica
significativa, inevitavelmente introduzida pela aproximao numrica, conduzindo ao
desenvolvimento de fortes oscilaes sem significado fsico nos perfis da soluo.
A ocorrncia de perturbaes evitada se o valor de se situar dentro dos limites
impostos pelos fluxos nos nodos adjacentes, satisfazendo assim o j referido
Convection Boundness Criterion (CBC).
No caso presente, opta-se por estimar a derivada de fluxo no nodo i genrico de uma
malha, atravs da aproximao[3],
MTODOS ADAPTATIVOS

127
( )( ) ( )( )
( )( )( ) 2 /
1 1 1 1
2
1 2 / 1
2
1 2 / 1
+ +
+ +

+
=
i i i i i i
i i i i i i i i
i
x x x x x x
x x x x
x

, (3.4)
em que os valores desconhecidos do fluxo nas duas faces
i+1/2
e
i-1/2
definidas nas
respectivas posies intermdias (vd. Figura 2.11; pgina 76), so interpolados atravs
de um esquema de discretizao apropriado.
Recorre-se ento a esquemas de alta resoluo no lineares de ordem elevada e
intrinsecamente delimitados, como o mtodo NVSF (Darwish e Moukalled, 1994[4]),
em que os fluxos na face so estimados por,
( )
U D f U f
+ = . (3.5)
Os valores de fluxo normalizado, , so definidos por,
U D
U

= , (3.6)
depois de estabelecidas as posies adjacentes upwind, U, e downwind, D (vd. Figura
2.11; pgina 76), que dependem do sentido de propagao do fluxo em i.
O fluxo normalizado calculado na face, atravs da introduo de limitadores de fluxo
adequados, que dependem das variveis normalizadas:
U D
U P
P

= , (3.7)
U D
U P
P
x x
x x
= , (3.8)
U D
U f
f
x x
x x
= . (3.9)
possvel aplicar uma grande variedade de limitadores de fluxo que assegurem a
propriedade de delimitao do fluxo, garantindo o no desenvolvimento de perfis de
soluo oscilatrios, e consequentemente, promovendo a estabilizao da
aproximao numrica. Os limitadores de fluxo seleccionados para aplicao no
presente trabalho so resumidos na Tabela 3.1, para a verso particular e simplificada
NVF[5] Normalised Variable Formulation (para malhas uniformes, em que,
P
= e
f
= ) e o caso mais genrico NVSF[4] Normalised Variable and Space Formulation
(para malhas no uniformes).
Uma forma alternativa de representao algbrica de um limitador de fluxo, mais
compacta e totalmente equivalente exposta na Tabela 3.1[3], apresentada de
seguida, tomando como exemplo, o limitador Super-B (Roe, 1985[12]). Assim, a
definio do fluxo normalizado na face,
f
, tambm pode ser estabelecida (para a
estratgia Super-B) atravs de:
|
|
\
|

+

=
P
P f
P
P
f
P
P
f
P P f
1 1
1
, max , 1 , 2 min , max (3.10)

MTODOS ADAPTATIVOS

128
Tabela 3.1 Definio de limitadores de fluxo para esquemas de alta resoluo[6].
Malha no uniforme (NVSF) Malha Uniforme (NVF)
MINMOD[7]

<

+

<
=
1
1
1 1
1
0
P P
P P
P
P f
P
P
f
P P P
P
f
f

< +
<
=
1
1
2
1
2
1
2
1
2
1
0
2
3
P P
P P
P P
f

SMART[8]
( )
( )
( )
( )
( )
( )
( )
>
< < +
<

+
=
1
1 1 1
1
3 1 1
1
3
0
1
2 3 1
P P
p P f
f
P
P f
f
P
P
P
P
P f f
P
P P
f f
P
P P
P P
f P f
f

>
< <
+
< <
=
1
1
6
5
1
6
5
6
1
8
3
4
3
6
1
0 3
P P
p
P P
P P
f

CLAM[9]
( ) ( )

< <

=
1
1 0
1 1
2
2
P P
P P
P P
P f
P
P P
P f
f

( )

< <
=
1
1 0 2
P P
P P P
f

WACEB[10]
( )
( ) ( )
( )
( )
( )
( )
( ) ( )
( )
( )
>
< < +

+

< <
=
1
1 1 1
1
1 1 2
1 1
1
1 1 2
0 2
P P
p P f
f
P
P f
f
P
P
f f P P
P f f P
P
P f f
P
P P
f f
f f P P
P f f P
P P
f

>
< <
+
< <
=
1
1
6
5
1
6
5
10
3
8
3
4
3
10
3
0 2
P P
p
P P
P P
f

GAMMA[11]
( )
>

+

<
(

+
=
1
1
1 1
1
0 1
1
1
1
P P
P
P
P f
P
P
f
P P
P
P f
P
f

( )
>
+
<
(
+
=
1
1
2
1
2
1
0 1
2
1
1
P P
P P
P P P
f

CUBISTA[6]
( )
( )
( )
( ) ( )
( )
( )
( )
>
< <

+

+

+

< <

+
=
1
1
2
2 1
1
1 2
1
1
2
2 1
4
3
1 1
1
4
3
0
1 3
1
P P
p P
P f
P f
P
P
f
P
P f
P f
P P
P
P f f
P
P P
f f
P P P
P
f
P
P f
f

>
< < +
+
< <
=
1
1
4
3
4
3
4
1
4
3
8
3
8
3
4
3
8
3
0
4
7
P P
p P
P P
P P
f

MTODOS ADAPTATIVOS

129
0.0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1.0
0.0 0.2 0.4 0.6 0.8 1.0
p
f

MINMOD
0.0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1.0
0.0 0.2 0.4 0.6 0.8 1.0
p
f

SMART
0.0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1.0
0.0 0.2 0.4 0.6 0.8 1.0
p
f

CLAM
0.0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1.0
0.0 0.2 0.4 0.6 0.8 1.0
f

WACEB
0.0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1.0
0.0 0.2 0.4 0.6 0.8 1.0
f

GAMMA
0.0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1.0
0.0 0.2 0.4 0.6 0.8 1.0
f

CUBISTA
Figura 3.6 Diagramas NVD (Normalised Variable Diagram) para esquemas de alta resoluo da Tabela
3.1 para: malha uniforme (----), malha no uniforme com razo de expanso de 2 (----) e malha no
uniforme com razo de compresso de 0.5 (----). Os pontos evidenciados correspondem s posies
nodais da malha (
P
,
f
), para cada situao referida anteriormente.
MTODOS ADAPTATIVOS

130
A representao grfica dos limitadores de fluxo descritos na Tabela 3.1, atravs de
esquemas Normalised Variable Diagram (NVD), apresentada na Figura 3.6. Os
esquemas conhecidos pelos acrnimos MINMOD[7], SMART[8], WACEB[10] e CUBISTA
[6] so derivados pela construo e combinao piecewise de relaes lineares no
NVD. Por outro lado, relaes de ordem superior correspondentes a funes curvas
so igualmente propostas, e.g., o esquema CLAM de van Leer, 1974[9] ou o limitador
GAMMA de Jazak et al., 1999[11]. Os esquemas da Tabela 3.1 so formalmente de
segunda ordem, com a excepo dos procedimentos WACEB, SMART e CUBISTA que
podem atingir uma exactido de terceira ordem em malhas uniformes.
Por outro lado, a anlise dos diagramas da Figura 3.6 permite concluir que todos os
esquemas se situam na regio de limitao de fluxo do diagrama NVD (vd. Figura 2.12,
pgina 78), verificando o Convection Boundness Criterion (CBC).
No entanto, a verificao do CBC no garante necessariamente que um esquema
delimitado produza convergncia para uma soluo numrica. De facto, so requeridas
condies mais exigentes do que a condio CBC, para que os esquemas iterativos de
resoluo de equaes algbricas, que advm de discretizaes implcitas, convirjam
para a verificao de uma tolerncia pr-estabelecida. De facto, a natureza compsita
(piecewise) de alguns HRS pode introduzir instabilidade numrica, por exemplo, no
caso em que a posio nodal coincida com as posies de transio em que a curva
NVD do esquema no diferencivel[8,10-11]. Deste modo, Leonard, 1991[13]
introduziu a noo de Limitador Universal (ULTIMATE), vlido para resolues
transientes explcitas (vd. Figura 3.7A), e que notoriamente se reduz ao CBC no caso de
fluxos estacionrios (em que o nmero de Courant tende para zero, C 0).

A B
Figura 3.7 A Limitador Universal (ULTIMATE); B restries TVD para mtodos explcitos evolutivos[6].
Por outro lado, as condies que definem um mtodo transiente explcito como TVD
(Total Variation Diminishing) so ainda mais restritivas do que o limitador universal de
Leonard com se torna bvio pela observao da Figura 3.7B. De facto, apesar da
condio TVD ser notoriamente mais exigente do que a mera condio de limitao,
baseada na preservao de monotonia, a sua verificao garante a convergncia da
=2-C
1
1
P

f

= C
= 1/C
1
1
C
f

MTODOS ADAPTATIVOS

131
soluo de qualquer esquema conservativo para a soluo fraca da lei de conservao
subjacente.
Procede-se agora ao teste do desempenho do HRS descrito anteriormente na
estimativa das derivadas de funes 1D caracterizadas por exibirem perfis
problemticos, nomeadamente gradientes extremamente elevados.
0
0.2
0.4
0.6
0.8
1
1.2
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
x
u
-60
-40
-20
0
20
40
60
u
'

Figura 3.8 Representao da estimativa da primeira derivada de uma funo pulso atravs de um
esquema de alta resoluo (com limitador MINMOD) numa malha uniforme de 50 intervalos.
0
0.2
0.4
0.6
0.8
1
1.2
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
x
u

Figura 3.9 Interpolao de uma funo pulso atravs de um esquema de alta resoluo (com limitador
MINMOD) numa malha uniforme de 50 intervalos.
MTODOS ADAPTATIVOS

132
O clculo da primeira derivada aproximada de uma varivel dependente u atravs de
HRS pode simplesmente ser realizada assumindo uma funo de fluxo do tipo =u,
sendo a velocidade local d/du constante e unitria sobre a totalidade do domnio.
Desta forma aplica-se o procedimento descrito acima (com o limitador de fluxo
MINMOD) para estimar a derivada de uma funo pulso de largura 0.2, centrada em
x = 0.5. Os resultados obtidos com uma malha uniforme com 50 intervalos so
apresentados na Figura 3.8. Verifica-se que, ao contrrio dos FDS, o esquema lida de
forma satisfatria com as duas descontinuidades que definem o pulso nas posies x =
0.4 e x = 0.6 sem introduzir perturbaes oscilatrias sem significado fsico no perfil da
derivada.
Por outro lado, a prpria natureza do esquema de alta resoluo implica a estimativa
do valor da varivel fluxo (neste caso, a prpria soluo u) nas posies intermdias
dos intervalos da malha, designados por faces, j que num exemplo 1D, estes
intervalos podem ser considerados equivalentes a volumes finitos unidimensionais.
Deste modo, o procedimento HRS inclui necessariamente uma qualidade interpolativa
da funo discretizada inicial. Na Figura 3.9 apresenta-se o perfil discreto interpolativo
da funo pulso gerado no contexto da diferenciao numrica representada na Figura
3.8. A comparao entre o perfil interpolado e a funo pulso original permite concluir
que o HRS aplicado possibilita uma reconstruo interpolativa de uma verso
discretizada de uma funo analtica com gradientes acentuados e/ou
descontinuidades sem introduzir caractersticas artificiais nos perfis reconstrudos
potencialmente geradoras de instabilidade numrica.
As propriedades constatadas anteriormente tornam os HRS especialmente
interessantes para aplicao no contexto da resoluo numrica adaptativa de
equaes ou sistemas de equaes diferenciais. No entanto, os algoritmos especficos
desenvolvidos no mbito do presente trabalho so apresentados de modo mais
detalhado na seco 3.5.
3.4 MALHAS DIDICAS
A malha adaptativa global considerada no trabalho presente construda atravs da
sobreposio de um conjunto de malhas didicas parciais.
Um conjunto de malhas didicas uniformes 1D definido de uma forma normalizada
para um intervalo [0,1] atravs de,
{ } 0,1,2, , ,2 0, , 2 : = = = =

j k k x x V
j j j
k
j
k
j
, (3.11)
em que j estabelece o nvel de resoluo da malha e k representa a posio especfica.
Deste modo, logo que uma malha didica V
j
estabelecida, a malha de nvel
imediatamente superior, V
j+1
, gerada pela colocao de nodos adicionais nas
posies intermdias dos j intervalos da malha inicial. Por outro lado, por 3.11
notrio que uma malha didica 1D se caracteriza por possuir um nmero de intervalos
equivalente a uma potncia de 2, ou seja, a malha V
j
consiste numa estrutura
discretizada com 2
j
intervalos. A forma de comunicao hierrquica entre malhas
assegura que, se V
j
for didica, V
j+1
tambm o , e vice-versa. Outra propriedade do
conjunto 3.11 consiste no facto dos nodos de ndice par de V
j+1
tambm pertencerem a
V
j
, ou seja,
MTODOS ADAPTATIVOS

133
j
k
j
k
x x =
+1
2
, (3.12)
o que implica que,
j
k
j
k
u u =
+1
2
. (3.13)
Assim, apenas a soluo nos nodos de ndice mpar de V
j+1
desconhecida e deve ser
avaliada atravs de um esquema interpolativo adequado.
A representao grfica de um exemplo de um conjunto de malhas do tipo didico,
construdo desde um nvel de resoluo mnimo M = 0, at a um nvel de resoluo
mximo N = 7, apresentada na Figura 3.10.
0
1
2
3
4
5
6
7
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
x
n

Figura 3.10 Exemplo de malhas didicas unidimensionais: M=0, N=7; num domnio [0,1].
A extenso da definio do conjunto 3.11 para espaos multidimensionais
perfeitamente trivial. Nestes casos, os intervalos so substitudos por clulas finitas e o
refinamento de uma malha de nvel j para o nvel imediatamente superior j+1, consiste
genericamente na subdiviso da clula j em 2
n
clulas (em que n a dimenso do
espao discretizado). Na Figura 3.11 apresentado um exemplo tpico bidimensional
(n=2) constitudo por trs malhas de nveis sucessivos. A malha mais esparsa de nvel 4
refinada (parcialmente devido necessidade de uma visualizao adequada) at ao
nvel 6 de resoluo. Verifica-se que cada clula me de um nvel inferior dividida em
4 (2
2
) subclulas do nvel seguinte, em cada operao de refinamento.
O conceito de malha didica no se limita ao caso particular de malhas uniformes,
podendo ser estendido facilmente a estruturas mais genricas no equidistribudas no
espao. Por outro lado, a estratgia de hierarquizao pode igualmente ser aplicada a
malha no didicas de forma completamente equivalente. No entanto, bvio que a
aplicao deste tipo de procedimentos implica que o conjunto de malhas base
utilizado seja estruturado e quadrangular.
A reunio de malhas didicas de nveis diferentes parcialmente activadas permite a
construo de malhas de resoluo mltipla, ou seja, com diversas escalas de
MTODOS ADAPTATIVOS

134
resoluo para regies distintas do domnio. O algoritmo de adaptao deve lidar com
o procedimento de activao parcial de cada malha didica (entre nveis de resoluo
mnimo e mximo pr-especificados), aplicando um critrio adequado que promova a
reteno de nodos situados em regies de maior actividade da soluo e a
consequente eliminao dos nodos localizados em zonas do domnio caracterizadas
por baixa actividade da soluo. Posteriormente a conjugao das diversas malhas
adaptadas permite a gerao da malha global adaptativa, definida em mltiplos nveis
de resoluo. Deste modo, a utilizao de conjuntos de malhas didicas estruturadas e
uniformes, no implica necessariamente que a malha global gerada seja tambm
uniforme.
0
1
0 1
x
y

Figura 3.11 Exemplo de malhas didicas bidimensionais: M=4, N=6; num domnio [0,1]
2
.
Os algoritmos numricos adaptativos desenvolvidos para implementao do
procedimento de construo da malha global, atravs de seleco nodal sobre um
conjunto de malhas didicas, conjugada com colocao nodal baseada em
aproximaes diferenciais de diferenas finitas, e interpolao e diferenciao de alta
resoluo, so apresentados com maior pormenor na seco seguinte.
MTODOS ADAPTATIVOS

135
3.5 ALGORITMOS NUMRICOS ADAPTATIVOS
Nas seces anteriores apresentam-se os princpios e conceitos tericos principais que
esto na base dos algoritmos numricos do tipo MOL (Method of Lines) desenvolvidos
para a resoluo de modelos diferenciais uni- e bidimensionais caracterizados pela
exibio de particularidades problemticas, nomeadamente perfis abruptos e/ou
descontinuidades mveis. Na presente seco pretende-se realizar uma apresentao
detalhada dos prprios algoritmos, das consideraes que motivaram a sua
construo, para alm de uma descrio das respectivas estruturas e das principais
caractersticas que determinam o seu desempenho.
3.5.1 MODELOS UNIDIMENSIONAIS
O algoritmo numrico para a resoluo de modelos (algbrico-)diferenciais
desenvolvido no mbito do presente trabalho baseia-se no conceito AMOL (Adaptive
Method of Lines), com uma estratgia adaptativa esttica do tipo h-refinement (vd.
seco 2.4.3, pgina 90). Os passos principais da verso 1D do algoritmo (designada
por STAT02) encontram-se resumidos de uma forma esquemtica no diagrama de
fluxo da Figura 3.12.
O algoritmo divide-se numa estrutura iterativa que engloba os seguintes passos
sequenciais:
Definio do tipo de conjunto de malhas de nvel crescente, uniformes ou no
uniformes, do tipo didico e no didico, utilizado para a construo da malha
global adaptativa;
Algoritmo de seleco e colocao nodal operado sobre o conjunto de malhas
definido anteriormente, para gerao da malha adaptativa, quer a partir do
perfil espacial inicial (t = t
0
) como de perfis espaciais em tempos intermdios;
Integrao do sistema (algbrico-)diferencial ordinrio construdo pela
discretizao do modelo (algbrico-)diferencial parcial original (em conjugao
com as condies fronteira definidas) sobre a malha adaptativa gerada em cada
instante, atravs de um integrador ODE escolhido (vd. Anexo C).
Procedimento interpolativo para reconstruo de perfis intermdios para
suporte do algoritmo de gerao de malhas intermdias.
Os quatro procedimentos principais descritos acima organizam-se de forma a
estabelecer o algoritmo do programa STAT02 (descrito de forma detalhada no Anexo
B). Assim, partindo de um esquema MOL tradicional, procede-se a gerao da malha
inicial de arranque do procedimento geral (k = 0, para t = t
0
), atravs do algoritmo de
colocao nodal sobre o conjunto de malhas pr-definido. Assim, discretiza-se o
modelo diferencial parcial em relao malha gerada e integra-se o sistema de ODEs
obtido at um instante temporal definido por uma passo de integrao pr-
estabelecido (t), atravs de um integrador ODE. Obtm-se a aproximao discreta da
soluo num nvel temporal t
0
+ t, disponvel apenas nas posies espaciais
determinadas pela malha gerada. Utilizando uma estratgia adaptativa h-refinement
tpica reconstri-se o perfil parcial da soluo at ao nvel de resoluo mxima do
conjunto de malhas escolhido. Posteriormente, aplica-se o esquema de gerao de
malha adaptativa para a construo da nova malha de discretizao para o passo de
MTODOS ADAPTATIVOS

136
integrao temporal seguinte (k = k + 1). Repetem-se de modo iterativo os passos de
integrao, reconstruo de perfil e gerao de malha, at se atingir o nvel de tempo
final (t
final
), onde o algoritmo finalizado.

Figura 3.12 Diagrama de fluxo para a descrio esquematizada do algoritmo de integrao numrica
adaptativa de modelos diferenciais evolutivos unidimensionais STAT02, baseado numa estratgia AMOL.
O elemento determinante para o sucesso do desempenho do algoritmo descrito na
Figura 3.12, consiste no algoritmo de seleco e colocao nodal que estabelece a
estrutura discreta designada por malha, sobre o qual o processo de integrao
realizado. Atravs deste procedimento, a malha de integrao reconstruda com uma
frequncia apropriada, para que o sistema nodal que aproxima o domnio contnuo se
adapte progressivamente s caractersticas evolutivas da soluo. Deste modo, o
algoritmo adaptativo de gerao de malha deve forosamente incluir um processo de
Nint0, NRef,
1
,
2

[a,b], t
0
, t, t
final

M, N,
1
,
2

[a,b], t
0
, t, t
final

FIM
N S
INCIO
Malhas
Didicas?
k = 0
Gerar malha inicial (t
k
= t
0
)
S
t
k
= t
final

?
N
Integrar at
t
k
+ t
Reconstruir perfil Gerar nova malha (t
k
+ t)
k = k+1
Condio
inicial
MODELO
MTODOS ADAPTATIVOS

137
monitorizao da evoluo dos resultados numricos e da deteco das caractersticas
mais importantes da soluo computada em tempo real.
O algoritmo geral de colocao nodal desenvolvido resumido na Figura 3.13. O
conceito de base relaciona-se com a possibilidade de construo de uma malha
multiresoluo e multiescala, ou seja de tamanho varivel ao longo do domnio
espacial, atravs da sobreposio de um conjunto de malhas estruturado e
hierarquizado de malhas base de nvel crescente. O procedimento de definio deste
conjunto depende somente do estabelecimento de uma malha de nvel mnimo (que
corresponde a uma esparsidade mxima) e de um nvel mximo de refinamento da
malha inicial, j que a operao de gerao da malha de nvel seguinte consiste apenas
na colocao de nodos adicionais nas posies intermdias de todos os intervalos da
malha de nvel imediatamente anterior, at obteno do maior nvel de refinamento
possvel previamente imposto. Deste modo, uma malha de nvel k + 1, inclui todos os
nodos contidos na malha de nvel k que lhe deu origem. A estratgia especfica
adoptada no procedimento de gerao do conjunto de malhas no limita a natureza da
malha esparsa pr-definida, que pode ser didica ou no didica, uniforme ou no
uniforme. No caso do conjunto de malhas seleccionado ser do tipo didico (vd.
equao 3.11), necessrio escolher o nvel mnimo (M) e mximo (N) das malhas base
didicas que o definem. Por outro lado, igualmente possvel optar pela gerao de
um conjunto de malhas no didico, sendo agora necessrio o estabelecimento do
nmero de intervalos da malha de nvel mnimo (Nint0) e o grau de refinamento
mximo admissvel dessa malha (NRef).
o M k = ; Para 1 2 , , 1 =
k
i
o Estimativa de
n
i
U por FD (derivada de ordem n em i)
o Se se verificar o critrio de colocao:
Seleccionam-se os nodos intermdios da malha de nvel k+1:
1
1 2
1
2
1
1 2
; ;
+
+
+ +
k
i
k
i
k
i
x x x
o Faz-se 1 + = k k para 1 , , = N M k
Figura 3.13 Algoritmo para seleco e colocao nodal em malhas didicas de nvel k crescente.
Posteriormente, necessrio definir um algoritmo de seleco nodal que permita a
monitorizao da soluo aproximada sobre o conjunto de malha de escala
decrescente e possibilite a desactivao de nodos que no verifiquem os critrios de
colocao nodal e a sua consequente eliminao da malha adaptativa global.
Obviamente que estes critrios devem facultar uma forma de estimao do erro de
discretizao cometido atravs da implementao do procedimento numrico e, deste
modo, possibilitar uma medida da distribuio da actividade da soluo ao longo do
domnio discretizado. Desta forma, procede-se a uma concentrao de nodos, ou seja
uma diminuio da escala local da malha atravs da activao de nodos de nvel
superior, nas regies de maior actividade, e uma relaxao da malha, atravs da
desactivao de nodos, nas zonas de menor actividade da soluo.
Assim, o algoritmo de colocao nodal (vd. Figura 3.13 para o caso didico) consiste
num procedimento de varrimento do conjunto de malhas base, a partir da malha de
MTODOS ADAPTATIVOS

138
nvel mnimo (M), sobre as quais se procede a uma aproximao de diferenas finitas
(FD) da derivada de nvel n da soluo. Estas estimativas so posteriormente utilizadas
na definio de critrios de colocao que so testados em todos os nodos da malha
de nvel k. No caso do critrio seleccionado ser verificado num nodo i, procede-se
activao desse nodo e dos nodos adjacentes situados na malha de nvel
imediatamente superior k + 1 (vd. Figura 3.14). Aps o teste da totalidade da malha de
nvel k, aumenta-se o nvel de resoluo (k = k +1) e procede-se avaliao dos nodos
da malha seguinte at se atingir o nvel mximo de N 1 (para o caso de um conjunto
didico).
x
k
i
x
k
i-1
x
k
i+1
...... ......
k
k+1
x
k+1
2i
x
k+1
2i-1
x
k+1
2i+1

Figura 3.14 Relao hierrquica entre malhas de nvel sucessivo.
Os critrios de colocao so estabelecidos de forma a satisfazerem o alcance de
alguns objectivos, respeitantes aos perfis aproximados como:
Captura de oscilaes;
Deteco de valores elevados;
Deteco de variaes acentuadas.
A utilizao de aproximaes FD revela-se especialmente adequada principalmente no
caso da captura de oscilaes nos perfis numericamente gerados. Como se referiu
anteriormente (vd. seco 3.2), a aplicao de aproximaes do tipo FD a funes que
exibam perfis abruptos ou descontinuidades conduz construo de perfis diferenciais
contendo oscilaes no fsicas localizadas nas regies do domnio onde se situam
aquelas caractersticas problemticas. Desta forma, a deteco do posicionamento de
oscilaes em aproximaes FD, permite a identificao de regies de refinamento no
domnio da soluo.
Desta forma, definem-se dois critrios possveis para a seleco e consequente
colocao nodal sobre o conjunto de malhas base, designados por C1 e C2 (vd. Figura
3.15).
O critrio C1 estabelecido com o objectivo da identificao de oscilaes no fsicas
(relacionadas com os parmetros ) em aproximaes diferenciais de ordem n,
(associadas a regies de maior actividade da soluo), conjugado com a deteco de
valores elevados (relativos ao tamanho local da malha) e de variaes significativas da
estimativa de derivadas. No caso apresentado, este ltimo factor controlado atravs
da monitorizao de uma mdia das estimativas adjacentes. No entanto, possvel
generalizar este procedimento avaliao do desvio padro (verso ) do mesmo
conjunto de variveis.
Por outro lado, o critrio C2 representa um controlo das variaes de estimativas de
derivadas adjacentes, associada deteco de valores elevados em aproximaes
locais.
MTODOS ADAPTATIVOS

139
Critrio C1:
n
i
n
i
U U
1 1
= ;
n
i
n
i
U U =
+1 2

2
1 1
k
i
k
i
x x
x
+

=
1
> x U
n
i

0
0
2
1

2
1 1
3
>
+ +
+
n
i
n
i
n
i
U U U

Critrio C2:
n
i
n
i
U U
1 1
= ;
n
i
n
i
U U =
+1 2

2
1 1
k
i
k
i
x x
x
+

=
1
> x U
n
i
0
2 1

2
2 1
2

>
+

Figura 3.15 Critrios para colocao nodal em malhas de nvel crescente.
As operaes apresentadas na Figura 3.15 so apenas exemplos possveis de critrios
de colocao nodal, directamente aplicveis a malhas 1D ou de forma direccional, a
malhas de dimenso superior. Outros critrios podem ser desenvolvidos atravs de
consideraes semelhantes s referidas anteriormente, com diferentes combinaes
de avaliaes consentneas com os objectivos enumerados acima.
Os procedimentos de gerao de malha efectivamente construdos e discutidos de
forma detalhada no Anexo B so resumidos na Tabela 3.2.
No entanto, a aplicao do esquema de gerao de malha adaptativa acoplado ao
esquema de colocao nodal descrito acima (vd. Figura 3.14), implica a disponibilidade
dos valores da soluo em todas as posies da malha de nvel mais elevado. Tal no
constitui qualquer problema para o caso da gerao da malha correspondente ao perfil
inicial (em t = t
0
), obrigatoriamente disponvel para a resoluo de problemas de valor
inicial. Porm, a questo muda de figura quando se trata de instantes temporais
intermdios, ou seja entre duas integraes, onde se revele necessrio proceder a uma
readaptao da malha, j que neste caso, no existe qualquer garantia da
MTODOS ADAPTATIVOS

140
disponibilidade de aproximaes soluo sobre todas as posies discretas da malha
mais fina, como exigido pela estrutura do algoritmo da Figura 3.15.
Tabela 3.2 Estratgias de gerao de malha 1D (gridgen*1).
Algoritmo Descrio
gridgen11
Algoritmo da Figura 3.13 acoplado aos critrios C1 ou C2 (incluindo possveis
variantes) em que todos os nodos (de todos os nveis de resoluo) so
analisados.
gridgen21
Algoritmo da Figura 3.13 acoplado aos critrios C1 ou C2 (incluindo possveis
variantes) em que apenas os nodos activados de nveis de resoluo
anteriores so analisados.
gridgen31
Algoritmo de gerao de malha RBF (Radial Basis Function) de Driscoll e
Heryudono, 2007[14]
3
.
gridgen41
Algoritmo da Figura 3.13 acoplado a um critrio de colocao RBF
apresentado por Driscoll e Heryudono, 2007[14].
Deste modo, torna-se fulcral aplicar um esquema interpolativo de reconstruo do
perfil intermdio da soluo aproximada, que possa ser posteriormente introduzido no
procedimento de gerao de malha. Uma alternativa mais flexvel consiste em acoplar
o prprio processo de interpolao no procedimento de gerao de malha, que apenas
recorreria a uma aco interpolativa quando e se verificasse que a posio nodal
pretendida no estivesse includa na malha global gerada no passo temporal anterior.
O efectivo esquema de interpolao desenvolvido, em conjunto com as estratgias
interpolativas adoptadas (linear, splines cbicas, HRS ou RBF), so discutidos com
maior pormenor no Anexo B, assim como as formas mais adequadas para a sua
introduo na estrutura genrica do algoritmo adaptativo de resoluo de PDEs.
No Anexo B so tambm descritos e caracterizados os programas escritos em
linguagem FORTRAN, desenvolvidos para a implementao dos mtodos numricos de
resoluo de modelos diferenciais 1D discutidos na presente seco.
Finalmente, necessrio igualmente escolher um integrador ODE apropriado para a
integrao do sistema de equaes ordinrios gerado pelo processo de discretizao
efectuado sobre a malha adaptativa. No entanto, nesta questo conveniente
salientar que o esquema de discretizao espacial pode ser baseado quer em
procedimentos FD como em mtodos HRS. No caso de estimativas diferenciais do tipo
FD, opta-se por estabelecer uma relao entre a estratgia especfica escolhida para o
critrio de gerao de malha (igualmente do tipo FD) e o esquema de estimativa de
derivadas. Por exemplo, se se definir uma estratgia de gerao de malha assente em
FD centradas de quarta ordem, tal implica que o esquema de aproximao de
derivadas espaciais incorporado no algoritmo AMOL tambm baseado em FD
centradas de quarta ordem, no caso da no especificao deste como a alternativa
HRS.
No que diz respeito integrao temporal, procede-se descrio resumida de alguns
integradores ODE de eficcia amplamente demonstrada no Anexo C, com especial
destaque para o integrador DASSL (Differential-Algebraic System SoLver), que aplica
uma verso do mtodo de Gear ou BDF, de passo e ordem variveis[15] e a rotina
RKF45 que implementa o mtodo de Runge-Kutta-Fehlberg[16].

3
Algoritmo de colocao referido resumidamente na seco 2.2.8 e no Anexo B.
MTODOS ADAPTATIVOS

141
3.5.2 MODELOS BIDIMENSIONAIS
Nesta seco efectua-se a descrio dos mtodos numricos desenvolvidos no mbito
da resoluo numrica adaptativa de modelos diferenciais parciais evolutivos
bidimensionais (2D).
A introduo de pelo menos uma dimenso espacial adicional no problema implica um
acrscimo significativo na complexidade da estruturao da sua discretizao. De
facto, num domnio 1D, a comunicao internodal de uma malha est partida
determinada, j que os nodos apenas se podem acomodar numa direco bem
definida. No entanto, a considerao de uma direco coordenada suplementar
conduz a um incremento inexorvel das possibilidades de organizao do nodos de
discretizao de uma malha, que pode ser controlado atravs da definio de um
modo estruturante da geometria local e global.
Assim, considere-se um exemplo de uma malha 2D estruturada rectangular uniforme
(x = y = c.
te
) de nvel k arbitrrio
4
. A forma mais simples de proceder a um
refinamento de malha, ou seja de construir a malha de nvel k + 1 derivada, consiste
em refinar todas as malhas 1D contidas na malha 2D inicial, em ambas as direces
espaciais x e y. Assim, atravs de um refinamento equidistante colocam-se nodos nas
posies mdias de todos os intervalos da malha de nvel k (vd. Figura 3.16; quadrados
cinzentos), correspondentes s arestas dos quadrilteros definidos pelos nodos de
nvel k (vd. Figura 3.16; crculos vermelhos), que constituem a geometria local da
malha. No entanto, a bidimensionalidade do domnio implica que a operao de
refinamento no esteja completa sem a execuo de uma colocao adicional de um
nodo adicional no centro geomtrico de cada quadriltero referido (vd. Figura 3.16;
crculos cinzentos) situado na interseco dos eixos definidos pelos quatro nodos
colocados nas arestas. Tal facto implica um acrscimo notrio de complexidade no
processo de refinamento de malha 2D em relao ao caso 1D, j que aquele no se
limita a uma simples sequncia de operaes de refinamento 1D, mas obriga
igualmente a uma gerao de nodos adicionais ou internos, representativos da
influncia conjugada das duas direces consideradas.
Assim, apresenta-se na Figura 3.17 o diagrama de fluxo descritivo da estrutura do
algoritmo de resoluo numrica de PDEs evolutivas 1D, designado por INTEGR2D,
idealizado no contexto de uma estratgia AMOL e de lgicas de hierarquizao de
malhas semelhantes apresentada na Figura 3.16. Apesar da estrutura do algoritmo
revelar semelhanas bvias em relao correspondente a problemas 1D (vd. Figura
3.12), notrio que possui igualmente atributos completamente distintos.
A primeira diferena a assinalar diz respeito ao facto da verso 2D estar projectada de
forma a apenas lidar com conjuntos de malhas do tipo didico. No entanto, salienta-se
que esta caracterstica no consiste numa exigncia inalienvel relacionada com
qualquer questo estrutural que resulte do aumento da complexidade geomtrica do
domnio, mas deve-se simplesmente a uma opo do programador. Afigura-se bvio
que a generalizao do procedimento a conjuntos de malhas no didicas uma tarefa
perfeitamente trivial e, portanto, no necessita ser tratada como um factor relevante.

4
de salientar que este caso no representa a malha 2D mais eficiente possvel, j que o quadriltero
no o simplex dos espaos bidimensionais.
MTODOS ADAPTATIVOS

142

Figura 3.16 Procedimento de refinamento padro numa malha bidimensional estruturada rectangular.
O algoritmo apresenta no contexto do seu desenho iterativo diversas operaes
essenciais sequenciadas, tais como:
1. Definio do tipo de conjunto de malhas didicas de nvel crescente, uniformes
ou no uniformes, usado na gerao da malha global adaptativa;
2. Algoritmo de colocao nodal para gerao da malha adaptativa inicial, a partir
da condio inicial do problema (t = t
0
);
3. Translao do problema PD(A)E 2D original para um formato unidimensional
tratvel pelo integrador temporal de sistemas de OD(A)Es escolhido;
4. Integrao temporal do sistema construdo pela discretizao do modelo
original (juntamente com as condies fronteira definidas) sobre a malha
adaptativa gerada, atravs do integrador ODE referido (vd. Anexo C) at ao
instante t + t;
5. Reconstruo do problema 2D em t + t, a partir da verso 1D integrvel;
6. Gerao de nova malha adaptada ao perfil discreto em t + t, acoplada a um
processo de interpolao interno para a estimativa da soluo nos nodos no
previamente activados;
7. Repetio dos passos 3 a 6 at consecuo do tempo final (t
final
).
Consideram-se diversos tipos de critrios 2D de seleco e colocao nodal baseados
em estratgias de deteco de gradientes elevados consideravelmente diferentes. Os
vrios critrios desenvolvidos e aplicados no mbito do presente trabalho so
resumidos na Figura 3.18. A maioria destes critrios idealizado como uma sequncia
de geraes de malhas 1D conjugada com um procedimento de activao de nodos
internos.
A excepo corresponde ao critrio C32 que se fundamenta na bisseco de conjuntos
de quatro quadrilteros de nvel k (centrados sobre os nodos de nvel k no fronteira)
em oito tringulos rectngulos (vd. Figura 3.19 onde se ilustra um exemplo de um
1
3 2
+
+
k
i
x
1
1 2
+
k
i
x
1
3 2
+
+
k
i
y
1
1 2
+
+
k
i
y
1
1 2
+
+
k
i
x
k
i
y
1

k
i
y
1 +

k
i
x
1 +

k
i
x
k
i
x
1

k
i
y
1
1 2
+
k
i
y
MTODOS ADAPTATIVOS

143
conjunto de quadrilteros k centralmente determinados pelo nodo ( )
k
i
k
i
y x , de uma
malha quadrangular subdivididos em oito tringulos por duas bissectrizes linhas
verdes tracejadas). Em cada tringulo estimado o declive do plano ajustado soluo
nos trs nodos que o definem. Deste modo, para cada conjunto centrado no nodo
genrico ( )
k
i
k
i
y x , , obtm-se oito declives correspondentes aos oito tringulos gerados,
atravs da rotina plane2.

Figura 3.17 Diagrama de fluxo para a descrio esquematizada do algoritmo de integrao numrica
adaptativa de modelos diferenciais evolutivos bidimensionais INTEGR2D, baseado numa estratgia
AMOL.
Condio
inicial
M
x
, N
x
, M
y
, N
y
,
1
,
2

[a
x
,a
y
,b
x
,b
y
], t
0
, t, t
final

FIM
INCIO
k = 0
Gerar malha inicial (t
k
= t
0
)
S
t
k
= t
final

?
N
Integrar at
t
k
+ t
Construir problema intODE
Gerar nova malha (t
k
+ t)
k = k+1
Interpolar posies
no activas
Reconstruir problema 2D
MODELO
MTODOS ADAPTATIVOS

144

Figura 3.18 Relao entre os diversos critrios bidimensionais e as correspondentes rotinas de gerao
de malha.
A anlise da variao entre os diversos declives calculados permite a definio de
critrios que determinem a execuo de operaes de refinamento nas duas direces
principais, x e y, nas oito arestas exteriores (vd. Figura 3.19; quadrados azuis) e quatro
arestas interiores (vd. Figura 3.19; quadrados cinzentos) do conjunto de quadrilteros
considerado. Posteriormente, estas operaes de colocao definem a necessidade de
activao dos quatro nodos internos (vd. Figura 3.19; crculos amarelos) presentes no
conjunto referido.

Figura 3.19 Ilustrao esquemtica da estratgia adoptada nos critrios C32.
1
3 2
+
+
k
i
x
1
1 2
+
k
i
x
1
3 2
+
+
k
i
y
1
1 2
+
+
k
i
y
1
1 2
+
+
k
i
x
k
i
y
1

k
i
y
1 +

k
i
x
1 +

k
i
x
k
i
x
1

k
i
y
1
1 2
+
k
i
y
Critrio 32
Critrio 42
Critrio 52
Critrio 12
C32i
C42i
C52i
C52m
C42m
C12m
C32m
verso mesh
verso mesh
verso mesh
verso mesh
verso interpolate
verso interpolate
verso interpolate
PLANE2
GRIDGEN22
GRIDGEN82
GRIDGEN42
GRIDGEN62
MTODOS ADAPTATIVOS

145
A vantagem deste procedimento a sua flexibilidade j que compatvel com uma
multiplicidade de estratgias de colocao nodal, dependentes das formas especficas
como se procede anlise do conjunto de oito declives calculados para cada grupo de
quadrilteros k. Aps a anlise de todos o nodos no fronteira da malha de nvel k,
aumenta-se a resoluo do procedimento de gerao de malha, repetindo as
operaes descritas anteriormente para conjuntos de quadrilteros bisseccionados
(vd. Figura 3.19 linhas verdes contnuas), agora centrados em nodos k + 1
previamente activados. O algoritmo do critrio C32 esquematizado na Figura 3.20.
o
x x
M k = e
y y
M k = ; Para 1 2 , , 1 =
x
k
i e 1 2 , , 1 =
y
k
j
o Se ( )
y x
k
j
k
i
y x , um nodo activo:
Bisseco do conjunto de 4 quadrilteros centrados em ( )
y x
k
j
k
i
y x , da malha
( )
y x
k k ,
Clculo dos 8 declives de planos ajustados soluo definida nos vrtices dos
tringulos gerados
Seleccionam-se os nodos intermdios da malha de nvel ( ) 1 , 1 + +
y x
k k que
verifiquem o critrio de colocao.
Nodos externos: ( )
1
2 2
1
1 2
,
+
y x
k
j
k
i
y x ; ( )
1
2 2
1
1 2
,
+
+
+
y x
k
j
k
i
y x ; ( )
1
1 2
1
2 2
,
+
y x
k
j
k
i
y x ; ( )
1
1 2
1
2
,
+
+ y x
k
j
k
i
y x ;
( )
1
1 2
1
2 2
,
+
+
+
y x
k
j
k
i
y x ; ( )
1
2
1
1 2
,
+ +
y x
k
j
k
i
y x ; ( )
1
2
1
1 2
,
+ +
+
y x
k
j
k
i
y x ; ( )
1
1 2
1
2 2
,
+
+
+
y x
k
j
k
i
y x ; ( )
1
1 2
1
2
,
+
+
+ y x
k
j
k
i
y x ;
( )
1
1 2
1
2 2
,
+
+
+
+
y x
k
j
k
i
y x ; ( )
1
2 2
1
1 2
,
+
+
+
y x
k
j
k
i
y x ; ( )
1
2 2
1
1 2
,
+
+
+
+
y x
k
j
k
i
y x
Nodos internos: ( )
1
1 2
1
1 2
,
+
y x
k
j
k
i
y x ; ( )
1
1 2
1
1 2
,
+
+
+
y x
k
j
k
i
y x ; ( )
1
1 2
1
1 2
,
+
+
+
y x
k
j
k
i
y x ; ( )
1
1 2
1
1 2
,
+
+
+
+
y x
k
j
k
i
y x
o Faz-se 1 + =
x x
k k e 1 + =
y y
k k , para 1 , , =
x x x
N M k e 1 , , =
y y y
N M k
Figura 3.20 Algoritmo genrico para seleco e colocao nodal C32 sobre conjuntos de malhas
didicas.
Tabela 3.3 Rotinas de gerao de malha 2D (gridgen*2).
Rotina Descrio
gridgen22
Verso 2D da rotina de gerao de malha 1D gridgen21, atravs de um
incremento no nvel de resoluo baseado no conjunto de malhas didicas
estruturadas da forma esquematizada na Figura 3.16.
gridgen42
Verso 2D da rotina de gerao de malha 1D gridgen11, atravs de pesquisas
sucessivas direccionais em x, com um varrimento de todos os domnios 1D de
nvel mximo com y constante, seguido de pesquisas em y, com um
varrimento dos xs de nvel mximo.
gridgen82 Verso interpolativa da rotina gridgen22.
gridgen62
Verso interpolativa da rotina gridgen42 que analisa apenas domnios 1D com
nodos activos.
MTODOS ADAPTATIVOS

146
Como referido anteriormente, os restantes critrios (C12, C42 e C52) constituem-se
como sequncias de pesquisas 1D sobre malhas didicas 2D de nvel crescente. Para
tal, recorrem a rotinas de colocao do tipo gridgen (vd. Figura 3.18) que
correspondem a verses adaptadas de rotinas correspondentes 1D (vd. Tabela 3.3).
Estas rotinas aplicam estratgias de colocao nodal baseadas em aproximaes FD de
derivadas de ordem arbitrria da soluo para a deteco espacial de anomalias
(critrios 1D C1, C2, ou variantes). Todos os critrios 2D apresentados podem
igualmente lidar com problemas 1D como casos particulares de modelos genricos 2D,
com a excepo notria do j descrito critrio C32, apenas aplicvel a problemas 2D.
Exceptuando C12, cada um dos critrios definido em duas verses: i (interpolate) e m
(mesh) (vd. Figura 3.18). As verses m correspondem a rotinas mais simples em que a
soluo (ou a sua aproximao) j se encontra partida disponvel em todas as
posies do domnio espacial definidas pela malha de nvel mximo. Assim, a utilizao
das rotinas m implica o acesso a uma expresso analtica da funo discretizada, ou
uma reconstruo prvia do perfil para todas as posies da malha de nvel mais
elevado ( )
y x
N N , atravs de operaes sucessivas e intensivas de interpolao. Tal
facto pode exigir esforos de clculo significativos, j que, se por exemplo N
x
= N
y
= 10,
seria necessrio avaliar os valores discretos da soluo em ( )( ) 1050625 1 2 1 2
10 10
= + +
nodos, o que manifestamente excessivo.
Por outro lado, as verses i possuem um esquema interpolativo associado que permite
a estimativa da soluo em posies no anteriormente activadas, medida que esta
se revele necessria, dispensando a reconstruo prvia do perfil discreto at ao nvel
mximo de resoluo.
Deste modo, opta-se por aplicar uma estratgia de gerao de malha do tipo m nas
condies iniciais de arranque do procedimento MOL de integrao (passo 2 do
algoritmo). Por outro lado, usam-se rotinas do tipo i para a gerao de novas malhas
adaptativas nos instantes temporais intermdios, localizados entre dois passos de
integrao numrica (passo 6 do algoritmo).
O critrio C12 apenas usado na sua verso m, j que se baseia numa pesquisa e
activao nodal direccional sequenciada realizada atravs da aplicao dos critrios C1
ou C2, cuja progresso no sistema hierrquico de malhas didicas muito semelhante
adoptada pelos critrios do tipo C32 e genericamente representada na Figura 3.16
(vd. Figura 3.20). De facto, parte-se da malha de nvel mnimo ( )
y x
M M , activada por
defeito (que corresponde ao nvel de refinamento mnimo, onde a disponibilidade da
soluo est partida garantida) e incrementa-se sucessivamente at ao nvel ( )
y x
N N , .
No entanto, ao contrrio de C32, a estrutura do critrio C12 aplica uma anlise 1D
correspondente rotina de colocao nodal gridgen11, o que implica uma anlise de
todos os nodos at malha de nvel mximo e, deste modo, torna aconselhvel o
recurso a somente uma verso m do algoritmo.
No que diz respeito ao critrio C42, a estratgia de navegao no sistema de malhas
didicas semelhante dos critrios C12 e C32 (vd. Figura 3.16), mas agora a
estratgia de colocao nodal 1D est associada rotina gridgen22 (ou gridgen82 para
a verso i) equivalente rotina gridgen21, que apenas analisa a verificao de critrios
de refinamento em nodos previamente activos (vd. Tabela 3.3).
MTODOS ADAPTATIVOS

147
Por outro lado, no critrio C52 adopta-se uma estratgia de sequenciao da anlise
das malhas 1D algo diferente. Agora efectuam-se pesquisas direccionais, primeiro em
x, com um varrimento sequencial para todos os domnios 1D de nvel de resoluo
mximo com y constante, seguido de pesquisas em y, com um varrimento de todos os
xs igualmente de nvel mximo. Em cada pesquisa 1D, aplica-se uma verso da rotina
de colocao nodal gridgen11 (vd. Tabela 3.3), o que implica que na sua verso m o
procedimento tenha de analisar todos os nodos da malha 2D de mxima resoluo. No
entanto, a verso C52i limita-se a pesquisar domnios 1D com nodos previamente
activados, utilizando a malha discreta da integrao anterior como suporte para a
construo da malha seguinte. As pesquisas individuais so realizadas atravs do
procedimento usual de incremento no nvel de resoluo sobre um conjunto de
malhas didicas estritamente 1D (gridgen42 ou gridgen 62).
Aps a deteco e activao de nodos internos (no aplicvel no caso dos critrios
C52), o ltimo passo dos algoritmos de colocao nodal em cada nvel de resoluo
consiste numa activao dos nodos fronteira de nvel superior a ( )
y x
M M , , que se
situam nas extremidades das malhas 1D direccionais (quer em x como em y), que
possuam pelo menos um nodo activo.
Por outro lado, necessrio definir um integrador ODE adequado para a integrao do
sistema de equaes ordinrios (passo 4 do algoritmo) construdo atravs do processo
de discretizao realizado sobre a malha adaptativa. Assim como no caso 1D discutido
anteriormente, o esquema de discretizao espacial pode ser baseado quer em
procedimentos FD como em mtodos de aproximao HRS. No caso particular de
estimativas diferenciais do tipo FD, opta-se por impor uma relao entre a estratgia
especfica escolhida para o critrio de gerao de malha (igualmente do tipo FD) e o
esquema de estimativa de derivadas.
Adicionalmente, como os integradores ODE usados so projectados de forma a
tratarem vectores unidimensionais que representam o conjunto de variveis
dependentes discretizadas do problema, torna-se necessrio desenvolver um
procedimento que transforme o modelo discreto 2D numa verso 1D (u), mantendo a
informao relevante acerca do posicionamento de cada elemento de u no domnio 2D
(passo 3 do algoritmo). Aps cada passo de integrao temporal, o formato 2D do
problema restaurado a partir do problema ODE 1D, de modo a que uma nova malha
possa ser gerada (passo 5 do algoritmo).
No Anexo C so resumidamente descritos alguns integradores ODE relevantes,
nomeadamente o integrador DASSL (Differential-Algebraic System SoLver), e a rotina
RKF45.
Por outro lado, descrevem-se no Anexo B os programas implementados em FORTRAN,
desenvolvidos para a execuo dos mtodos numricos de resoluo de modelos
diferenciais 2D discutidos acima.
REFERNCIAS
Comput., 51 (184), pp. 699-706.
MTODOS ADAPTATIVOS

148
5. B.P. Leonard (1988) Simple high-accuracy resolution program for convective modelling of
discontinuities, Int. J. Numer. Meth. Fluids, 8 (10), pp. 1291-1318.
6. M.A. Alves, P.J. Oliveira, F.T. Pinho (2003) A convergent and universally bounded interpolation
scheme for the treatment of advection, Int. J. Numer. Meth. Fluids, 41 (1), pp. 47-75.
7. A. Harten (1997) High resolution schemes for hyperbolic conservation laws, J. Comput. Phys., 135
(2), pp. 260-278.
8. P.H. Gaskell, A.K.C. Lau (1988) Curvature compensated convective transport: SMART, a new
boundedness preserving transport algorithm, Int. J. Numer. Meth. Fluids, 8 (6), pp. 617-641.
9. B. van Leer (1974) Towards the ultimate conservative difference scheme, II. Monotonicity and
conservation combined in a second-order scheme, J. Comput. Phys., 14 (4), pp. 361-370.
10. B. Song, G.R. Liu, K.Y. Lam, R.S. Anamo (2000) On a higher-order bounded discretization scheme,
Int. J. Numer. Meth. Fluids, 32 (7), pp. 881-897.
11. H. Jasak, H.G. Weller, A.D. Gosman (1999) High resolution NVD differencing scheme for arbitrarily
unstructured meshes, Int. J. Numer. Meth. Fluids, 31 (2), pp. 431-449.
12. P.L. Roe (1985) Some contributions to the modelling of discontinuous flows, in Large Scale
Computations in Fluid Mechanics: Pt. 2., in Lectures in Applied Mathematics Vol. 22 (E. Engquist, S.
Osher, R.J.C. Sommerville, eds.), American Mathematical Society, Providence, pp. 163-193.
13. B.P. Leonard (1991) The ULTIMATE conservative difference scheme applied to unsteady one-
dimensional advection, Comput. Method. Appl. Mech. Eng., 88 (1), pp. 17-74.
15. L.R. Petzold (1982) A description of DASSL: a differential/algebraic system solver, Sandia Tech. Rep.
82-8637.
16. E. Fehlberg (1969) Low-order classical Runge-Kutta formulas with stepsize control, NASA Tech. Rep.
R-315.
149
4 4. . M MO OD DE EL LO OS S D DE E T TE ES ST TE E U UN NI ID DI IM ME EN NS SI IO ON NA AI IS S
No presente captulo apresentam-se os resultados obtidos atravs da implementao
dos algoritmos numricos descritos no Captulo 3 para modelos de teste
unidimensionais. Numa primeira fase, verifica-se o desempenho dos mtodos de
colocao nodal e gerao de malha para funes de teste unidimensionais.
Posteriormente, testa-se o algoritmo de resoluo de modelos diferenciais
unidimensionais, incluindo o mtodo de gerao de malha adaptativa referido
inicialmente.
4.1 GERAO DE MALHAS UNIDIMENSIONAIS
A primeira fase do teste do desempenho dos algoritmos numricos desenvolvidos no
presente trabalho consiste na verificao da sua capacidade de gerao de malhas
adequadas representao das caractersticas principais de funes unidimensionais
que exibam peculiaridades problemticas como descontinuidades ou perfis abruptos.
Todas as simulaes foram realizadas com recurso estratgia de gerao de malhas
adaptativas gridgen11 com aproximaes FD centradas de cinco nodos.
Deste modo, selecciona-se como primeira funo unidimensional testada, uma funo
degrau negativo que exibe uma descontinuidade localizada na posio central (x = 0.5)
de um intervalo [0,1]:
( )
( )
=
< =
1 5 . 0 , 0
5 . 0 0 , 1
x x u
x x u
. (4.1)
A implementao do algoritmo de gerao de malha descrito na seco 3.5.1, com os
parmetros da Tabela 4.1, proporciona os resultados resumidos na Figura 4.1.
Tabela 4.1 Parmetros numricos para a gerao de malha da funo degrau.
Critrio M N Ordem da Derivada
1

2

C1 4 12 1 0.1 0.1
Deste modo, a aplicao do critrio de colocao nodal C1 (baseado essencialmente na
captura de oscilaes artificiais no perfil diferencial aproximado por diferenas finitas),
a uma aproximao FD da primeira derivada da soluo, com as tolerncias
1
e
2
fixadas em 0.1, e sobre um conjunto de malhas didicas, cujo nvel varia entre 4 e 12,
possibilita a gerao da malha representada na Figura 4.1. notrio que o algoritmo
de colocao consegue lidar satisfatoriamente com a deteco da descontinuidade
localizada na abcissa 0.5, colocando nodos de nvel crescente (at ao valor mximo de
12) na vizinhana da perturbao de forma a que os seus vrtices possam ser
representados com uma exactido satisfatria. De facto, constata-se que a
proximidade descontinuidade impe a colocao sucessiva de nodos de nvel mais
elevado. Por outro lado, as restantes zonas do domnio, onde a actividade da funo
praticamente nula so correctamente simuladas de forma discreta pela malha de
ordem mais reduzida (M = 4).
A atribuio de um nvel mnimo ao conjunto de malhas base que constitui o suporte
da malha global adaptativa, assegura que mesmo as zonas de menor actividade da
funo, sejam representadas de forma discreta por uma malha suficientemente fina,
MODELOS DE TESTE UNIDIMENSIONAIS
150
sem uma esparsidade excessiva, que poderia introduzir dificuldades na sua posterior
aplicao no contexto de uma integrao numrica.
NP=57
0
0.2
0.4
0.6
0.8
1
1.2
0 0.2 0.4 0.6 0.8 1
x
u

3
4
5
6
7
8
9
10
11
12
13
0 0.2 0.4 0.6 0.8 1
x
n

Figura 4.1 Gerao de malha unidimensional para a funo degrau negativo.
Assim, conclui-se que o algoritmo de colocao gera uma malha com 57 nodos (56
intervalos) que representa satisfatoriamente as caractersticas essenciais da funo
degrau discretizada.
Testou-se em seguida o desempenho do algoritmo no caso de uma funo contnua,
mas no continuamente diferencivel como[1],
( ) 04 . 0 + = x x u , (4.2)
para x [-1,1]. Esta funo, aqui designada por corner, exibe uma descontinuidade na
primeira derivada localizada em x = -0.04, e uma evoluo linear no domnio restante.
Implementa-se o procedimento de gerao de malha, tendo em conta os parmetros
apresentados na tabela seguinte.

151
Tabela 4.2 Parmetros numricos para a gerao de malha da funo corner.
1

2

C2 4 12 1 0.01 0.01
NP=64
0
0.2
0.4
0.6
0.8
1
1.2
-1 -0.5 0 0.5 1
x
u

3
4
5
6
7
8
9
10
11
12
13
-1 -0.5 0 0.5 1
x
n

Figura 4.2 Gerao de malha unidimensional para a funo corner.
Observa-se novamente uma deteco notria da descontinuidade e um refinamento
sucessivo na sua vizinhana at ao nvel mximo admissvel (vd. Figura 4.2). Nas
regies restantes do domnio, onde a evoluo da funo suave, esta
satisfatoriamente representada pela malha mais esparsa. Globalmente, a funo
aproximada numericamente sobre uma malha com somente 64 nodos.
Pretende-se testar igualmente a eficcia do algoritmo de colocao para lidar com uma
funo que desenvolva um perfil assaz abrupto, ou seja, que exiba gradientes
localizados extremamente elevados. No caso presente, esta caracterstica gerada
pela existncia de um operador de tangente hiperblica[1]:
( ) ( ) 01 . 0 60 tanh = x x u . (4.3)
A funo definida no intervalo [-1,1] e apresenta uma frente abrupta centrada na
posio x = 0. O esquema utiliza os parmetros resumidos na Tabela 4.3.
152
Tabela 4.3 Parmetros numricos para a gerao de malha da funo TGH.
1

2

C1 ou C2 4 12 1 0.1 0.1
NP=58
-1.2
-1
-0.8
-0.6
-0.4
-0.2
0
0.2
0.4
0.6
0.8
1
1.2
-1 -0.5 0 0.5 1
x
u

3
4
5
6
7
8
9
10
11
12
13
-1 -0.5 0 0.5 1
x
n

Figura 4.3 Gerao de malha unidimensional para a funo TGH (critrio C1).
Verifica-se de novo a capacidade do algoritmo de colocao associado ao critrio C1 de
detectar a frente problemtica e refinar a malha na regio adjacente de modo a
simular adequadamente quer o perfil abrupto e a curvatura dos seus contornos, como
as duas zonas planas que o rodeiam (vd. Figura 4.3). Deste modo, a funo
representada de uma forma discreta por uma malha com apenas 58 nodos.
A aplicao do critrio C2 conduz a resultados semelhantes aos observados para o caso
anterior (vd. Figura 4.4). Verifica-se novamente a mesma capacidade de identificao
da frente, de refinamento na zona abrupta e de simulao da curvatura das
extremidades. No entanto, manifesta-se uma maior sensibilidade do critrio C2 em
relao a C1 (em condies de implementao equivalentes), necessitando de atingir
um maior nvel de refinamento para a representao do declive acentuado da funo
discretizada.
153
Tabela 4.4 Parmetros numricos para a gerao de malha da funo de Runge.
1

2

C1 ou C2 4 10 1 0.05 0.05

NP=66
-1.2
-1
-0.8
-0.6
-0.4
-0.2
0
0.2
0.4
0.6
0.8
1
1.2
-1 -0.5 0 0.5 1
x
u

3
4
5
6
7
8
9
10
11
12
13
-1 -0.5 0 0.5 1
x
n

Figura 4.4 Gerao de malha unidimensional para a funo TGH (critrio C2).
Testa-se agora o desempenho do algoritmo de colocao nodal no caso da funo de
Runge[1], definida sobre o intervalo [-1,1]:
( )
( ) 1 25
1
2
+
=
x
x u . (4.4)
Neste caso, pretende-se aplicar o procedimento de discretizao a uma funo que
representa uma onda relativamente suave que se estende pela quase totalidade do
domnio.
Na Figura 4.5 apresentam-se os resultados obtidos atravs de uma simulao
implementada com os parmetros da Tabela 4.4 (para o critrio C1). Constata-se que o
algoritmo manifesta uma capacidade notria de simular numericamente a funo,
construindo uma malha que cobre satisfatoriamente o domnio, representando de
154
forma adequada a curvatura da onda, atravs de um refinamento proporcional ao
gradiente local da funo. De facto, verifica-se uma distribuio simtrica de nodos de
nvel crescente, consentnea com a prpria natureza simtrica da funo. A malha
global gerada contm 63 nodos.
NP=63
0
0.2
0.4
0.6
0.8
1
1.2
-1 -0.5 0 0.5 1
x
u

3
4
5
6
7
8
9
10
11
-1 -0.5 0 0.5 1
x
n

Figura 4.5 Gerao de malha unidimensional para a funo de Runge (critrio C1).
Por outro lado, a aplicao do critrio C2 (mantendo todos os restantes parmetros
inalterados) proporciona a construo de uma malha semelhante discutida
anteriormente (vd. Figura 4.6). O critrio C2 baseia-se fundamentalmente na deteco
de variaes bruscas no perfil diferencial da funo aproximado por diferenas finitas.
Constata-se um comportamento equivalente do algoritmo mas, ao contrrio do
observado no exemplo anterior, este no necessita de recorrer neste caso a
refinamentos de nvel to elevado. De facto, a aplicao do critrio C2 activa nodos de
nvel mximo 7 (ao contrrio do observado no caso do critrio C1 em que o nvel de
refinamento alcanado de 8). Assim, a utilizao do critrio C2 permite a gerao de
uma malha global que representa apropriadamente as caractersticas principais do
perfil da funo discretizada, recorrendo a um menor nmero de nodos (57 em
comparao com a malha de 63 nodos gerada pela aplicao do critrio C1).
155
NP=57
0
0.2
0.4
0.6
0.8
1
1.2
-1 -0.5 0 0.5 1
x
u

3
4
5
6
7
8
9
10
11
-1 -0.5 0 0.5 1
x
n

Figura 4.6 Gerao de malha unidimensional para a funo de Runge (critrio C2).
Deste modo, conclui-se que ambos os critrios de colocao nodal, C1 e C2, associados
ao algoritmo de gerao de malha, se revelaram eficazes na discretizao adequada de
funes que exibam caractersticas problemticas como descontinuidades, frentes
abruptas e mesmo formatos de onda de curvatura relativamente suave.
4.2 RESOLUO DE MODELOS DIFERENCIAIS UNIDIMENSIONAIS
Aps a verificao da capacidade dos algoritmos de colocao nodal para a
representao de particularidades problemticas em funes unidimensionais, est-se
em condies de passar fase seguinte, em que se pretende testar a performance do
algoritmo de resoluo numrica adaptativa STAT02 descrito na seco 3.5.1, acoplado
ao procedimento de gerao de malhas gridgen11. Nesta seco, apresentam-se os
resultados numricos obtidos pela aplicao desse algoritmo a modelos diferenciais de
teste unidimensionais seleccionados, conhecidos por exibirem caractersticas
complicadas, como a representao do movimento de ondas e frentes abruptas, ou o
156
desenvolvimento progressivo de frentes do mesmo tipo, de natureza esttica ou
dinmica.
4.2.1 EQUAO DE ADVECO
Um exemplo clssico do tipo de problemas pretendido a bem conhecida equao de
adveco, um modelo diferencial extremamente simples composto por um termo de
inrcia, caracterizado pela taxa de variao temporal de uma extensidade u, que
depende somente de um termo de adveco, associado a uma determinada
velocidade de propagao. Este termo advectivo usualmente aplicado para a
simulao de transporte por conveco. Assim, possvel constatar na literatura uma
notria ligao entre os termos adveco e conveco, frequentemente utilizados
como sinnimos. Genericamente, a equao de adveco uma PDE que representa o
movimento de uma varivel escalar conservada, que advectada por um campo de
velocidades conhecido.
Deste modo, considere-se um modelo advectivo unidimensional do tipo,
x
u
t
u
, (4.5)
definido no domnio 1 0 x e 1 0 t , e completada pela condio fronteira,
( ) 0 , 0 = t u (4.6)
e a condio inicial,
( )
( )
|
|
\
|
=
2
0
exp 0 ,
x x
x u . (4.7)
O interesse do modelo de adveco pura consiste no facto da sua soluo representar
simplesmente uma translao temporal de velocidade , no sentido positivo do eixo
coordenado espacial x, do perfil espacial inicial, sem que ocorra a introduo de
qualquer tipo de distoro. Deste modo, se a condio inicial estabelecida for uma
funo que exiba descontinuidades e/ou frentes ou ondas abruptas (como o caso da
equao 4.7; vd. Figura 4.7 e 4.8), a integrao temporal corresponde a um
deslocamento destes atributos ao longo do domnio, mantendo inalteradas as suas
caractersticas abruptas, j que a ausncia de termos difusivos no permite a
suavizao ou disperso das frentes.
Fixem-se ento os parmetros 1 = , 5 . 0
0
= x e
4
10
= . Neste caso, a condio inicial

uma funo que contm uma onda extremamente estreita e abrupta centrada no
ponto mdio do domnio, x = 0.5. Esta onda vai propagar-se ao longo do tempo, sem
distoro ou suavizao, com velocidade unitria, at embater na fronteira direita, x =
1, e sair do domnio considerado.
Inicialmente testa-se a capacidade do algoritmo de colocao nodal de gerar uma
malha apropriada representao da onda atravs da aplicao dos critrios de
colocao C1 e C2 e os dados resumidos na Tabela 4.5.

157
Tabela 4.5 Parmetros numricos para a implementao da resoluo da equao da adveco.
critrio C1; C2
ordem da derivada 1 e 2; 1

1

2

Colocao nodal
tolerncias 110
-2
110
-2

M N
4 10 Malhas didicas
uniforme
aproximaes FD centradas; 5 pontos
Discretizao espacial
diferenciao (n>1) NA
Interpolao splines cbicas; 9 pontos
passo ( t) 110
-3

ATOL RTOL Integrao temporal
tolerncias 110
-6
110
-6

NP=103
0
0.2
0.4
0.6
0.8
1
0 0.2 0.4 0.6 0.8 1
x
u

3
4
5
6
7
8
9
10
11
0 0.2 0.4 0.6 0.8 1
x
n

Figura 4.7 Perfil inicial e gerao de malha para a equao de adveco (critrio C1).
158
NP=79
0
0.2
0.4
0.6
0.8
1
0 0.2 0.4 0.6 0.8 1
x
u

3
4
5
6
7
8
9
10
11
0 0.2 0.4 0.6 0.8 1
x
n

Figura 4.8 Perfil inicial e gerao de malha para a equao de adveco (critrio C2).
Testam-se os critrios de colocao nodal C1 e C2, com a anlise FD da sequncia 1. e
2. derivadas, e apenas da 1. derivada, respectivamente. As tolerncias de colocao
so fixadas em 0.01 para ambos os critrios. A malha adaptativa global construda
atravs da sobreposio de malhas didicas uniformes parcialmente activadas, cujo
nvel varia entre 4 e 10. Usam-se aproximaes de FD centradas com cinco nodos para
a estimativa das derivadas espaciais, quer no processo de gerao de malha como no
de integrao temporal. O esquema de interpolao baseia-se em splines cbicas com
nove nodos e a integrao temporal executada com o integrador DASSL, sendo as
tolerncias (absoluta e relativa) fixadas em 110
-6
e ao passo atribudo o valor de
110
-3
.
Pela anlise das Figuras 4.7 e 4.8 torna-se notrio que o algoritmo de colocao se
revela eficiente na gerao de uma malha apropriada que se ajusta convenientemente
aos atributos principais da funo discretizada.
Verifica-se igualmente que a utilizao do critrio C1 tende a ser mais exigente que a
do critrio C2 (nas condies assumidas), obrigando a um maior refinamento da malha
159
na regio da onda. Deste modo, a malha C1 apresenta um maior nmero total de
nodos (103; vd. Figura 4.7) do que a malha C2 (79; vd. Figura 4.8). No entanto, convm
salientar que a implementao C1 usou dois varrimentos sucessivos da funo com
consequente monitorizao sequencial da aproximao FD da primeira e segunda
derivada. Ao contrrio, a implementao C2 apenas procedeu gerao da malha a
partir da avaliao da aproximao da primeira derivada (vd. Tabela 4.5). Deste modo,
no surpreende que o critrio C1 aplicado em dose dupla tenha atingido graus de
refinamento mximo (N = 10) numa zona mais alargada do que a correspondente ao
critrio C2, conduzindo a uma malha visivelmente mais densa. Todavia, qualquer uma
das malhas referidas representa convenientemente a discretizao da condio inicial
(vd. equao 4.7) do modelo de adveco.
Nas Figuras 4.9 e 4.10 apresentam-se agora os resultados da implementao do
algoritmo numrico adaptativo STAT02 ao modelo de adveco (vd. equaes 4.5 a
4.7), adoptando os parmetros resumidos na Tabela 4.5 com os critrios de colocao
nodal C1 e C2, respectivamente. As integraes temporais so realizadas com recurso
ao integrador ODE DASSL (vd. Anexo C).
Afigura-se bvio que os resultados numricos obtidos atravs das duas execues
referidas so bastante semelhantes e igualmente satisfatrios.
0
0.2
0.4
0.6
0.8
1
0 0.2 0.4 0.6 0.8 1
x
u
t=0 t=0.1 t=0.2
t=0.3 t=0.4 t=0.5

0
0.1
0.2
0.3
0.4
0.5
0.6
0 0.2 0.4 0.6 0.8 1
x
t

Figura 4.9 Implementao numrica para o caso da equao de adveco (critrio C1).
160
Ambas as implementaes demonstram a capacidade do algoritmo acompanhar a
movimentao das ondas abruptas at ao seu embate na fronteira direita, situada na
abcissa x = 1, sem se constatar a introduo de qualquer tipo de distoro ou
perturbao numrica visvel. Por outro lado, a escolha de um passo de integrao
temporal apropriado (vd. Tabela 4.5) proporcionou a execuo das operaes de
readaptao da malha nos instantes adequados, possibilitando uma eficiente evoluo
temporal das zonas de refinamento intensivo.
0
0.2
0.4
0.6
0.8
1
0 0.2 0.4 0.6 0.8 1
x
u
t=0 t=0.1 t=0.2
t=0.3 t=0.4 t=0.5

0
0.1
0.2
0.3
0.4
0.5
0.6
0 0.2 0.4 0.6 0.8 1
x
t

Figura 4.10 Implementao numrica para o caso da equao de adveco (critrio C2).
Analisa-se igualmente a evoluo da complexidade da malha adaptativa ao longo da
integrao numrica. Verifica-se que o procedimento adaptativo permite uma
estabilizao e manuteno do nmero de intervalos da malha em valores razoveis
inferiores a 120 durante toda a execuo (vd. Figura 4.11), notando-se uma
progressiva diminuio para tempos prximos de 0.5, que coincide com a sada da
onda do domnio considerado.
Por outro lado importante comparar os perfis numricos com a soluo analtica do
modelo 4.5 a 4.7, dada por,
( )
( ) [ ]
|
|
\
|
=
2
0
exp ,
x t x
t x u
anal
. (4.8)
161
A exactido avaliada atravs do clculo da norma-L
2
do erro da soluo numrica em
relao soluo exacta 4.8, definida por[2],
( )
( )
( ) ( ) ( )
=
+
+
+
=
1
1
2
1
2
1
2
2
1
N
i
i i
i i
x erro x erro
x x
a b
e . (4.9)
Verifica-se que os dados disponveis da medida do erro calculado em todo o domnio
espacial para um determinado instante de integrao (vd. Figura 4.12) correspondem a
valores bastante aceitveis e de ordem de grandeza suficientemente reduzida (da
ordem de 10
-4
).
0
20
40
60
80
100
120
140
0 0.1 0.2 0.3 0.4 0.5
t
N
i
n
t
C1
C2

Figura 4.11 Evoluo do nmero de intervalos da malha adaptativa gerada na implementao numrica
para o caso da equao de adveco.
0.00E+00
1.00E-04
2.00E-04
3.00E-04
4.00E-04
5.00E-04
6.00E-04
7.00E-04
0 0.1 0.2 0.3 0.4 0.5
t
|
|
e
|
|
2
C1
C2

Figura 4.12 Erro mdio obtido na implementao numrica para o caso da equao de adveco.
Deste modo, conclui-se que o desempenho do algoritmo STAT02 na resoluo
numrica deste modelo de adveco, definido para a simulao da propagao de uma
onda abrupta, satisfatrio. Prova-se assim a sua capacidade para lidar com
problemas diferenciais unidimensionais que coloquem dificuldades desta natureza.
Para alm disso, demonstra-se a capacidade dos critrios de colocao nodal
162
seleccionados de adaptarem convenientemente a malha discreta evoluo do
esquema numrico de integrao do tipo MOL.
4.2.2 EQUAO DE BURGERS UNIDIMENSIONAL
Em seguida efectua-se o teste do algoritmo numrico para resoluo de PDEs para um
problema modelo, extremamente comum na literatura especializada referente a
mtodos numricos adaptativos de integrao de equaes diferenciais parciais: a
equao de Burgers [1,3-6]. Esta equao diferencial parcial, que deve o seu nome ao
fsico holands Johannes Martinus Burgers (1895-1981), um modelo fundamental no
campo da Mecnica de Fluidos. A equao de Burgers resulta da aplicao da equao
de Navier-Stokes a um fluxo unidireccional sem gradiente de presso[5]. Pode
igualmente ser deduzida a partir da equao de Fokker-Planck. A sua natureza verstil
permite a modelao de problemas to distintos como os correspondentes a dinmica
de gases, dinmica de lquidos em slidos, ou fluxo de trfego automvel.
O modelo especfico testado corresponde equao geral de Burgers unidimensional,
caracterizada pela presena de um termo difusivo, ou seja de um carcter parablico
de influncia extremamente reduzida em relao ao termo dominante hiperblico do
tipo advectivo. A equao referente situao limite puramente hiperblica com o
coeficiente de viscosidade ou difusivo = 0, designada por equao invscida e
consiste no caso mais simples de uma PDE hiperblica no linear. Assim, tem-se a PDE,
2
2
x
u
x
u
u
t
u
, (4.10)
em que 0, e 1 0 x , 10 0 t ; com as condies fronteira,
( ) ( ) 0 , 1 , 0 = = t u t u , (4.11)
e a condio inicial,
( ) ( ) ( ) x x x u sin
2
1
2 sin 0 , + = . (4.12)
A soluo deste problema consiste inicialmente numa curva sinusoidal que assume
valores positivos em x [0,0.58], correspondente regio esquerda do domnio
espacial, e valores negativos no restante domnio referente regio direita deste.
Como 0, o modelo fundamentalmente hiperblico revelando um comportamento
semelhante a um modelo de adveco. No entanto, no caso particular da equao de
Burgers, a funo de fluxo dada por = u
2
/2 e, deste modo, a soluo u advectada
por si prpria (vd. equao 4.10), ou seja, a velocidade de propagao em cada posio
do domnio, d/du = u, assume o prprio valor da soluo. Neste sentido, medida
que a integrao temporal avana, a parte positiva da curva sinusoidal, ou seja a onda
positiva projectada para a direita e a onda negativa deslocada para a esquerda.
Assim, as duas ondas acabam por coalescer numa frente centrada no zero da condio
inicial, que se estreita progressivamente at se transformar numa frente abrupta cuja
espessura proporcional ao valor do coeficiente de difuso, . Deste modo, trivial
concluir que quanto menor for , mais hiperblica ser a PDE 4.10, mais estreita e
consequentemente mais abrupta ser a frente desenvolvida, e mais difcil ser a
integrao numrica da equao referida. Depois de completamente formada a frente
163
abrupta (t 0.2), esta inicia um movimento de deslocao no sentido positivo do eixo
coordenado da varivel independente x (porque a amplitude da onda positiva
superior da onda negativa), conjugado com uma diminuio progressiva da
amplitude, quer da seco positiva como da negativa. Este movimento culmina com o
embate da onda na fronteira direita do domnio, x = 1. Nesta altura, a seco negativa
da onda j se extinguiu completamente. Finalmente, observa-se a continuao do
esvair da onda positiva, tendendo a soluo progressivamente para um perfil nulo no
domnio definido.
Desta forma, procede-se inicialmente resoluo numrica do problema 4.10 a 4.12
(com = 110
-3
) pela aplicao do algoritmo numrico STAT02 com os parmetros
numricos de implementao resumidos na Tabela 4.6. Testam-se os critrios de
colocao nodal C1 e C2, com a anlise FD da sequncia 1. e 2. derivadas, e apenas
da 1. derivada, respectivamente. As tolerncias de colocao so fixadas em 1 para o
critrio C1 e 0.1 para o critrio C2. A malha adaptativa global construda atravs da
sobreposio de malhas didicas uniformes parcialmente activadas, de nvel entre 4 e
10. Usam-se aproximaes de FD centradas com cinco nodos para a estimativa das
derivadas espaciais, sendo a derivada de segunda ordem avaliada por frmulas FD
directas. O esquema de interpolao baseia-se em splines cbicas com sete nodos e a
integrao temporal executada com a DASSL, sendo o passo fixado em 110
-2
e as
tolerncias (absoluta e relativa) fixadas em 110
-6
.
Tabela 4.6 Parmetros numricos para a implementao da resoluo da equao de Burgers, para =
110
-3
.
critrio C1; C2
ordem da derivada 1 e 2; 1

1

2

Colocao nodal
tolerncias 1; 0.1 1; 0.1
M N
4 10 Malhas didicas
uniforme
diferenciao (n>1) directa
passo ( t) 110
-2

tolerncias 110
-6
110
-6

Os resultados numricos obtidos so apresentados nas Figuras 4.13 e 4.14 para as
implementaes referentes aplicao dos critrios C1 e C2, respectivamente. O caso
especfico analisado caracterizado por um coeficiente difusivo relativamente pouco
exigente ( = 110
-3
) e representa um exemplo de menor dificuldade de integrao.
Atravs da anlise das Figuras 4.13 e 4.14, verifica-se a obteno de resultados
semelhantes com a aplicao dos dois critrios estudados. De facto, no que concerne
capacidade de formao da frente, quer do declive abrupto, como da curvatura das
extremidades, ambos os critrios revelam desempenhos equivalentes. No entanto,
notrio que nas condies estabelecidas o critrio C2 denota uma maior dificuldade na
164
reproduo de perfis mais suaves, j que demonstra uma visvel incapacidade em
formar o topo da curvatura do perfil correspondente a t = 10 (vd. Figura 4.14).
Conclui-se ento que o algoritmo numrico de integrao conjugado com os critrios
de colocao C1 e C2 patenteia um desempenho bastante satisfatrio na resoluo de
um modelo que desenvolve progressivamente frentes abruptas ou descontinuidades a
partir de perfis iniciais suaves, j que se demonstra a sua capacidade de deteco,
cobertura e acompanhamento dessas caractersticas problemticas.
-1
-0.5
0
0.5
1
1.5
0 0.2 0.4 0.6 0.8 1
x
u
t=0 t=0.2 t=0.5
t=1 t=3 t=10

0
0.5
1
1.5
2
2.5
3
3.5
0 0.2 0.4 0.6 0.8 1
x
t

Figura 4.13 Implementao numrica para o caso da equao de Burgers (critrio C1; = 110
-3
).
De seguida, aumenta-se o nvel de dificuldade do problema, diminuindo a influncia do
termo difusivo na equao 4.10 e consequentemente aumentando a sua natureza
hiperblico. Assim, reduz-se o valor de num factor de 10 para 110
-4
.
Para a implementao da resoluo desta segunda verso do modelo de Burgers,
define-se o conjunto de parmetros numricos apresentados na Tabela 4.7. Agora,
testa-se apenas o desempenho do critrio de colocao nodal C1, associado a uma
anlise FD da sequncia 1. e 2. derivadas. As tolerncias de colocao nodal so
fixadas em 1 e a malha adaptativa global construda atravs da sobreposio de
malhas didicas uniformes parcialmente activadas, de nvel entre 4 e 12. Usam-se
novamente aproximaes de FD centradas com cinco nodos e interpolaes de splines
165
cbicas com sete nodos. A integrao temporal executada com um passo de 2.510
-3

e as tolerncias do integrador DASSL so fixadas em 110
-6
.
-1
-0.5
0
0.5
1
1.5
0 0.2 0.4 0.6 0.8 1
x
u
t=0 t=0.2 t=0.5
t=1 t=3 t=10

0
0.5
1
1.5
2
2.5
3
3.5
0 0.2 0.4 0.6 0.8 1
x
t

-3
).
Tabela 4.7 Parmetros numricos para a implementao da resoluo da equao de Burgers, para =
110
-4
.
critrio C1
ordem da derivada 1 e 2

1

2

Colocao nodal
tolerncias 1 1
M N
4 12 Malhas didicas
uniforme
passo ( t) 2.510
-3

tolerncias 110
-6
110
-6

166
No que concerne s alteraes efectuadas em relao execuo do caso anterior,
destaca-se a necessidade do aumento do grau de resoluo mximo admissvel, que
implica um decrscimo do tamanho da malha de nvel superior (N = 12), de modo a
que o algoritmo possa lidar com a reduo significativa da espessura da frente
formada (de um factor de 10). Por outro lado, a estabilizao da evoluo da
integrao temporal tornou necessria a diminuio do passo temporal (t = 2.510
-3
).
-1
-0.5
0
0.5
1
1.5
0 0.2 0.4 0.6 0.8 1
x
u

3
4
5
6
7
8
9
10
11
12
13
0 0.2 0.4 0.6 0.8 1
x
n

Figura 4.15 Perfil espacial da soluo e malha para o caso da equao de Burgers (critrio C1; = 110
-4
)
instante inicial t = 0.
De forma a melhor ilustrar o comportamento do algoritmo adaptativo STAT02 na
resoluo numrica do modelo 4.10 a 4.12, com um coeficiente difusivo reduzido ( =
110
-4
), apresenta-se uma monitorizao mais detalhada da evoluo da soluo
numrica ao longo da respectiva integrao temporal. Assim, o desempenho do
algoritmo relativo execuo do caso presente resumido nas Figuras 4.15 a 4.18.
Inicialmente, considere-se a gerao da malha correspondente condio inicial do
problema (vd. Figura 4.15). Verifica-se uma representao muito satisfatria do perfil
sinusoidal relativamente suave da funo que no exige nveis de refinamento
superiores a 6.
167
Posteriormente, visualiza-se o estado da soluo numrica para t = 0.2, quando a
frente abrupta j se encontra completamente formada (vd. Figura 4.16). Aqui
constata-se uma mudana radical nas caractersticas da soluo, em que notria a
existncia de uma quasi-descontinuidade localizada na abcissa x 0.58, que obriga a
um refinamento agressivo na regio do domnio onde esta se situa. No entanto,
afigura-se bvio que o algoritmo de refinamento manifesta uma capacidade
considervel de deteco e de simulao desta peculiaridade problemtica.
-1
-0.5
0
0.5
1
1.5
0 0.2 0.4 0.6 0.8 1
x
u

3
4
5
6
7
8
9
10
11
12
13
0 0.2 0.4 0.6 0.8 1
x
n

-4
)
instante t = 0.2.
O esforo de adaptao essencialmente dispendido na modelao da curvatura das
duas extremidades (inferior e superior) da frente abrupta. De facto, esta somente
representada por 5 nodos. Todavia, dada a reduzida espessura da frente, o algoritmo
obrigado a recorrer a nodos do nvel mximo permitido (N = 12) para a sua correcta
representao.
Depois de formada e estabilizada, a frente abrupta inicia um movimento no sentido
positivo do eixo coordenado da varivel independente, x. Este deslocamento
perfeitamente notrio quando se compara os perfis correspondentes aos instantes t =
168
0.2 e t = 1 (vd. Figura 4.17). Este ltimo perfil de soluo apresenta uma frente abrupta
posicionada agora em x 0.85. O algoritmo necessita novamente de elevar o nvel de
refinamento ao valor mximo admissvel (N = 12) para a correcta representao da
frente e das suas bordas. Constata-se igualmente um visvel e esperado decrscimo na
amplitude da frente. Por outro lado, as regies do domnio onde a soluo tem uma
evoluo suave so simuladas por nodos de nvel mnimo (M = 4) como seria
expectvel.
-0.2
-0.1
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0 0.2 0.4 0.6 0.8 1
x
u

3
4
5
6
7
8
9
10
11
12
13
0 0.2 0.4 0.6 0.8 1
x
n

-4
)
instante t = 1.
Finalmente, opta-se por apresentar na Figura 4.18, o perfil numrico obtido para um
instante temporal consideravelmente mais avanado (t = 5). Neste caso, constata-se
que a onda mvel j embateu na fronteira direita (x = 1), mantendo as suas
caractersticas abruptas, agora potenciadas pela verificao da condio fronteira de
Dirichlet nula especificada na referida fronteira (vd. equao 4.11). Observa-se de
novo a capacidade do algoritmo de integrao de lidar com o perfil abrupto centrado
neste caso numa das extremidades do domnio, mantendo a esparsidade da malha nas
169
regies restantes deste. Verifica-se tambm uma significativa reduo da amplitude da
onda propagada, reforada pelo completo desaparecimento da sua seco negativa.
0
0.05
0.1
0.15
0.2
0.25
0 0.2 0.4 0.6 0.8 1
x
u

3
4
5
6
7
8
9
10
11
12
13
0 0.2 0.4 0.6 0.8 1
x
n

-4
)
instante t = 5.
Na Figura 4.19 resume-se num nico grfico, toda a implementao discutida
anteriormente de forma mais detalhada. Aqui evidente a evoluo dos perfis
espaciais ao longo da integrao temporal, incluindo a formao da frente abrupta, o
seu deslocamento e o seu lento desaparecimento aps o embate com a fronteira do
domnio.
Por outro lado apresenta-se na Figura 4.20 a evoluo da dimenso da malha
adaptativa para as trs execues referentes s duas verses da equao de Burgers
estudadas. Atravs da anlise desta figura, visvel a esperada maior exigncia do
modelo com = 110
-4
, que necessita de malhas de dimenso significativamente
maior para uma implementao eficaz do mtodo, principalmente nas fases de
formao e deslocamento da frente. Observa-se igualmente um abaixamento brusco e
170
uma progressiva estabilizao da dimenso das malhas a partir do instante de embate
da frente na fronteira direita.

-1
-0.5
0
0.5
1
1.5
0 0.2 0.4 0.6 0.8 1
x
u
t=0 t=0.2 t=0.5
t=1 t=3 t=10

0
0.5
1
1.5
2
2.5
3
3.5
0 0.2 0.4 0.6 0.8 1
x
t

-4
).
0
20
40
60
80
100
120
140
160
180
200
0 2 4 6 8 10
t
N
i
n
t
C1 - 3
C2 - 3
C1 - 4

para o caso da equao de Burgers.
171
Conclui-se ento que o algoritmo adaptativo STAT02 revela um desempenho bastante
satisfatrio na resoluo do exemplo estudado, caracterizado pela formao
progressiva de perfis abruptos mveis a partir de perfis iniciais de soluo suaves.
4.2.3 EQUAO DE ALLEN-CAHN
Agora, o objectivo consiste na resoluo numrica da PDE denominada de Allen-Cahn,
que adveio do trabalho de John Werner Cahn e Samuel M. Allen em 1975, sobre
transies de fase em ligas de ferro, nomeadamente transies de ordem-desordem.
Assim, tem-se uma verso da equao de Allen-Cahn, dada por[1,6],
( )
2
2
2
1 u u
x
u
t
u
+
, (4.13)
com 1 1 x e 10 0 t ; as condies fronteira,
( ) 1 , 1 = t u , (4.14)
e a condio inicial:
( ) ( )
(
+ = 1 3
2
sin 4 . 0 6 . 0 0 ,
2
x x x x u

. (4.15)
-1
-0.5
0
0.5
1
-1 -0.5 0 0.5 1
x
u
t=0
t=1
t=2
t=3
t=4
t=5
t=10

0
2
4
6
8
10
12
-1 -0.5 0 0.5 1
x
t

Figura 4.21 Implementao numrica para o caso da equao de Allen-Cahn (critrio C1).
172
Tabela 4.8 Parmetros numricos para a implementao da resoluo da equao de Allen-Cahn.
critrio C1; C2
ordem da derivada 1; 1

1

2

Colocao nodal
tolerncias 0.1; 1 0.1; 1
M N
4 10 Malhas didicas
uniforme
passo ( t) 110
-2

tolerncias 110
-6
110
-6

-1
-0.8
-0.6
-0.4
-0.2
0
0.2
0.4
0.6
0.8
1
-1 -0.5 0 0.5 1
x
u

3
4
5
6
7
8
9
10
11
-1 -0.5 0 0.5 1
x
n

Figura 4.22 Perfil espacial da soluo e malha para o caso da equao de Allen-Cahn (critrio C1)
instante inicial t = 0.
173
Pretende-se resolver o problema apresentado com
6
10
= , e os parmetros
numricos indicados na Tabela 4.8.
Verifica-se que partindo de uma soluo inicial visivelmente suave, a integrao
temporal conduz ao desenvolvimento de trs frentes abruptas (ou mesmo
descontinuidades) que se posteriormente se mantm estticas. O resumo dos
resultados numricos obtidos pela aplicao do critrio de colocao nodal C1
agrupado na Figura 4.21. Nas Figuras 4.22 a 4.25 possvel observar de modo
pormenorizado a evoluo da soluo descrita anteriormente.
Deste modo, atente-se primeiro ao perfil da Figura 4.22. Neste caso especfico
apresenta-se a funo sinusoidal inicial que apresenta um comportamento suave que
no exige grande esforo ao procedimento de colocao nodal. De facto, tomando
como base uma malha didica de nvel 4, a representao discreta da funo inicial
satisfatoriamente realizada por refinamentos que no excedem a colocao de nodos
de nvel 7.
-1
-0.8
-0.6
-0.4
-0.2
0
0.2
0.4
0.6
0.8
1
-1 -0.5 0 0.5 1
x
u

3
4
5
6
7
8
9
10
11
-1 -0.5 0 0.5 1
x
n

instante t = 2.
174
Em seguida, analise-se o perfil numrico da soluo para o instante t = 2 (vd. Figura
4.23). Agora, observado um incremento notrio da intensidade das ondas, que
obriga a um claro aumento do esforo de refinamento para a sua correcta
representao discreta, que coincide com a localizao das futuras descontinuidades.
Constata-se igualmente a formao das frentes de uma forma ainda esboada.
-1
-0.8
-0.6
-0.4
-0.2
0
0.2
0.4
0.6
0.8
1
-1 -0.5 0 0.5 1
x
u

3
4
5
6
7
8
9
10
11
-1 -0.5 0 0.5 1
x
n

instante t = 5.
No instante t = 5, as frentes abruptas j esto claramente formadas (vd. Figura 4.24) e
o esforo de refinamento para a sua simulao atinge agora o nvel mximo admitido
(N = 10). Finalmente, a anlise da Figura 4.24 permite concluir que o perfil se encontra
completamente formado e estabilizado para t = 10. O algoritmo de colocao no
revela quaisquer dificuldades em lidar com as descontinuidades geradas, o que indicia
mais uma vez a sua adequao para a resoluo de problemas que tendam a gerar
progressivamente peculiaridades problemticas a partir de solues iniciais suaves.
Os resultados obtidos pela aplicao do critrio C2 nas condies da Tabela 4.8 so
perfeitamente equivalentes aos alcanados na implementao discutida acima, como
pode ser facilmente constatado atravs da anlise da Figura 4.26.
175
-1
-0.8
-0.6
-0.4
-0.2
0
0.2
0.4
0.6
0.8
1
-1 -0.5 0 0.5 1
x
u

3
4
5
6
7
8
9
10
11
-1 -0.5 0 0.5 1
x
n

instante t = 10.
Finalmente destaca-se na Figura 4.27 a evoluo da malha adaptativa para as
implementaes da equao de Allen-Cahn discutidas atrs. Atravs da anlise desta
figura, notrio um aumento do esforo de adaptao medida que a integrao
evolui, consentneo com a formao progressiva das descontinuidades no perfil da
soluo. No entanto, o algoritmo de colocao est adequadamente sintonizado de
forma a proporcionar um equilbrio entre a correcta representao das propriedades
dos perfis e a complexidade e densidade razovel das malhas de discretizao que no
so excessivamente pesadas permitindo a exequibilidade do avano do processo de
integrao temporal. De facto, a representao dos trs pulsos que constituem a
soluo estacionria do modelo efectuada de modo eficiente atravs do recurso a
malhas que no excedem 120 intervalos de dimenso. igualmente notrio que as
condies de execuo do ensaio correspondentes ao critrio C2 so inicialmente
menos exigentes do que o ensaio referente ao critrio C1. No entanto, tal no
inviabiliza a capacidade do mtodo para evoluir no sentido da construo de malhas
de dimenso semelhante em ambas as execues.
176
-1
-0.5
0
0.5
1
-1 -0.5 0 0.5 1
x
u
t=0
t=1
t=2
t=3
t=4
t=5
t=10

0
2
4
6
8
10
12
-1 -0.5 0 0.5 1
x
t

Figura 4.26 Implementao numrica para o caso da equao de Allen-Cahn (critrio C2).
0
20
40
60
80
100
120
140
0 2 4 6 8 10
t
N
i
n
t
C1
C2

para o caso da equao de Allen-Cahn.
Conclui-se novamente sobre a clara capacidade do algoritmo adaptativo STAT02 de
lidar de modo muito satisfatrio com a resoluo do exemplo estudado, caracterizado
pelo desenvolvimento de perfis abruptos fixos a partir de perfis iniciais suaves.
177
4.2.4 EQUAO DE KORTEWEG-DEVRIES
Nesta seco pretende-se resolver um modelo diferencial com mltiplas aplicaes,
inicialmente deduzido por Diederik J. Korteweg (1848-1941) e Gustav deVries (1866-
1934) em 1895, para a simulao da propagao unidimensional de ondas de baixa
amplitude em superfcies de gua pouco profunda.
Considere-se ento a verso clssica da equao de Korteweg-deVries (KdV) dada
por[2],
0 6
3
3
=
x
u
x
u
u
t
u
, (4.16)
definida em + < < x , para 0 t , para a condio inicial:
( ) [ ] x s s x u 5 . 0 sech 5 . 0 0 ,
2
= . (4.17)
Deste modo, a verso original do problema consiste num IVP puro, ou seja sem
condies fronteira atribudas. No entanto, para efeitos prticos de resoluo de
resoluo do problema diferencial parcial, revela-se de manifesta utilidade proceder
construo de um problema IBVP auxiliar relacionado com o exemplo original. Deste
modo, estabelece-se um domnio espacial suficientemente alargado, e.g. 70 30 < < x ,
escolhido de modo a que os perfis da soluo no atinjam as posies fronteira
especificadas no intervalo de tempo de integrao adoptado, por exemplo, 70 0 t .
Posteriormente, fixam-se condies fronteira de Dirichlet artificiais como,
( ) ( ) 0 , 70 , 30 = = t u t u . (4.18)
A condio inicial representa uma funo de onda que se movimenta com uma
velocidade constante de uma forma semelhante do exemplo de adveco discutido
anteriormente (vd. seco 4.2.1). A forma da onda gerada e a sua velocidade de
propagao dependem do valor do parmetro s especificado. No exemplo particular
estudado, fixa-se 5 . 0 = s , que determina uma onda relativamente estreita e de
amplitude razovel. Deste modo, a soluo do problema exibe atributos de carcter
abrupto que se propagam a uma velocidade constante considervel.
Tabela 4.9 Parmetros numricos para a implementao da resoluo da equao de Korteweg-deVries.
critrio C1
ordem da derivada 1

1

2

Colocao nodal
tolerncias 110
-2
110
-2

M N
4 10 Malhas didicas
uniforme
diferenciao (n>1) sucessiva
passo ( t) 510
-4

tolerncias 110
-6
110
-6

178
0
0.05
0.1
0.15
0.2
0.25
0.3
-0.3 -0.1 0.1 0.3 0.5 0.7
x*
u
t*=0
t*=0.2
t*=0.4
t*=0.6
t*=0.8
t*=1

0
0.2
0.4
0.6
0.8
1
1.2
-0.3 -0.1 0.1 0.3 0.5 0.7
x*
t
*

Figura 4.28 Implementao numrica para o caso da equao de Korteweg-deVries.
De modo a ultrapassar problemas numricos que possam advir do carcter stiff do
modelo original, opta-se por proceder resoluo de uma verso normalizada deste,
definida por uma transformao das variveis independentes dada por,
100
*
x
x = e
70
*
t
t = . Os factores de normalizao correspondem dimenso total dos domnios
espacial e temporal escolhidos.
Os parmetros numricos sintonizados para uma implementao eficiente do
algoritmo de integrao numrica so apresentados na Tabela 4.9. Opta-se agora por
analisar apenas a performance do critrio de colocao C1 (j que se tm denotado
diferenas pouco significativas entre os desempenhos de ambos os critrios, desde
que apropriadamente sintonizados).
Os resultados numricos obtidos pela implementao do algoritmo STAT02 ao modelo
normalizado KdV, nas condies indicadas na Tabela 4.9, so apresentados de forma
sinttica na Figura 4.28. A execuo do procedimento numrico possibilita uma
visualizao privilegiada do comportamento dos perfis discretos de soluo ao longo
da integrao temporal AMOL.
Observa-se assim que a evoluo da soluo do modelo KdV descrito como a
propagao estacionria de uma onda relativamente pronunciada sem qualquer
179
distoro ou dissipao do seu declive. O algoritmo de gerao de malha adaptativa
demonstra uma capacidade considervel de deteco do posicionamento da onda e de
simulao discreta apropriada dos seus atributos principais. Deste modo, manifesta
elevado potencial para acompanhar o seu movimento progressivo atravs do domnio
espacial, sem introduzir qualquer tipo de perturbao significativa (vd. Figura 4.28).
Conclui-se novamente sobre a adequao do algoritmo STAT02 na representao
numrica aproximada da soluo de um modelo caracterizado por uma propagao
uniforme de uma onda ou frente abrupta.
4.2.5 MODELO DE PROPAGAO DE ONDAS
O modelo de propagao de ondas[3-4,7] simula o movimento de duas ondas em
sentidos contrrios. Cada uma das ondas inicialmente definida como um pulso
cossinusoidal, centrado inicialmente nas posies x = 0.3 e x = 0.7, respectivamente, do
domnio espacial [0,1]. As ondas sofrem interferncia mtua ao se cruzarem,
manifestada pela diminuio significativa da sua amplitude.
As PDEs que constituem o modelo so dadas por:
uv
x
u
t
u
100
, (4.19)
uv
x
v
t
v
100
, (4.20)
completadas pelas condies fronteira de Dirichlet:
( ) ( ) ( ) ( ) 0 , 1 , 0 , 1 , 0 = = = = t v t v t u t u , (4.21)
e as condies iniciais,
( )
[ [ ] ]
( ) ( ) [ ] [ ]
+

=
4 . 0 , 2 . 0 5 . 0 10 cos 1 5 . 0
1 , 4 . 0 2 . 0 , 0 0
0 ,
x se x
x x se
x u
, (4.22)
( )
[ [ ] ]
( ) ( ) [ ] [ ]
+

=
8 . 0 , 6 . 0 5 . 0 10 cos 1 5 . 0
1 , 8 . 0 6 . 0 , 0 0
0 ,
x se x
x x se
x v
, (4.23)
que representam os pulsos iniciais associados a cada uma das variveis dependentes
referidos acima.
A implementao da integrao numrica do modelo 4.19 a 4.23 realizada
recorrendo aos parmetros numricos mostrados na Tabela 4.10. Neste caso, opta-se
por testar a aplicao do critrio de colocao C2 sobre um conjunto de malhas
didicas uniformes cujo nvel varia entre 5 e 10. Os resultados gerais obtidos na actual
execuo so apresentados nas Figuras 4.29 e 4.30.
Verifica-se mais uma vez que o desempenho da integrao numrica do modelo
estudado bastante satisfatrio. O critrio de colocao C2 revela uma aptido
aprecivel na identificao, localizao e simulao das duas ondas de propagao,
assim como do acompanhamento da sua movimentao. Assim, demonstra-se a
capacidade do algoritmo STAT02 de lidar com sistemas de PDEs, caracterizados pela
presena de propriedades abruptas mltiplas e deslocadas no espao e no tempo.
180
0
0.2
0.4
0.6
0.8
1
1.2
0 0.2 0.4 0.6 0.8 1
x
u
t=0 t=0.1 t=0.2
t=0.3 t=0.4 t=0.5

0
0.2
0.4
0.6
0.8
1
1.2
0 0.2 0.4 0.6 0.8 1
x
v
t=0 t=0.1 t=0.2
t=0.3 t=0.4 t=0.5

0
0.1
0.2
0.3
0.4
0.5
0.6
0 0.2 0.4 0.6 0.8 1
x
t

Figura 4.29 Implementao numrica para o caso do modelo de propagao de ondas.
No entanto, como o algoritmo de integrao no est projectado de modo a processar
diversas malhas simultaneamente (cada uma associada a uma varivel dependente do
modelo), est obrigado a gerar uma malha nica que se adapte s caractersticas do
181
conjunto dos perfis de soluo. Assim, uma varivel do sistema integrada sobre uma
malha globalizada construda como a reunio de todas as malhas geradas pela
aplicao do algoritmo de colocao nodal totalidade dos perfis de soluo do
sistema diferencial em estudo. Deste modo, esta malha adaptativa global rene todas
as propriedades de refinamento introduzidas para fazer face s caractersticas de
todos os perfis da soluo (vd. Figura 4.29). A no separabilidade das malhas
consoante as variveis integradas pode constituir um esforo de clculo adicional e,
consequentemente uma desvantagem do procedimento numrico. A resoluo desta
questo poder possibilitar um passo posterior de optimizao da eficincia do
algoritmo adaptativo de integrao numrica.
Tabela 4.10 Parmetros numricos para a implementao da resoluo do modelo de propagao de
ondas.
critrio C2
ordem da derivada 1

1

2

Colocao nodal
tolerncias 0.1 0.1
M N
5 10 Malhas didicas
uniforme
passo ( t) 110
-2

tolerncias 110
-6
110
-6

-0.1
0.1
0.3
0.5
0.7
0.9
1.1
0 0.2 0.4 0.6 0.8 1
x
u
,
v
v, t=0
v, t=0.2
v, t=0.5
u, t=0
u, t=0.2
u, t=0.5

Figura 4.30 Interaco entre as duas ondas propagadas em sentidos contrrios.
De qualquer modo, clara a aptido do algoritmo para lidar com a resoluo do
modelo de propagao de ondas, incluindo a fase mais importante referente
interferncia entre as duas ondas que afecta de forma importante a sua amplitude (vd.
182
Figura 4.30). Este processo representado pela coalescncia das duas regies de
refinamento da malha global (vd. Figura 4.29) que posteriormente voltam a divergir
medida que as ondas se afastam novamente. No entanto, notrio que as segundas
zonas de refinamento (aps a interferncia mtua) so visivelmente menos intensas
do que as iniciais (referentes s ondas anteriores interferncia) devido ao facto das
ondas de propagao se tornarem consideravelmente menos abruptas e mais estreitas
com a interaco entre si.
Conclui-se finalmente que o algoritmo STAT02 se revela eficiente na representao
numrica aproximada da soluo de um sistema de PDEs caracterizado por uma
propagao de um conjunto de ondas ou frentes abruptas.
REFERNCIAS
2. A. Vande Wouwer, Ph. Saucez, W. Schiesser (2001) Chapter 2 Application of the adaptive method
of lines to nonlinear wave propagation problems, in Adaptive Method of Lines, (A. Vande Wouwer,
Ph. Saucez, W.E. Schiesser, eds.), Chapman & Hall/CRC Press, Boca Raton, pp. 39-64.
Portugal.
6. A.-K. Kassam, L.N. Trefethen (2005) Fourth-order time-stepping for stiff PDEs, SIAM J. Sci.
Comput., 26 (4), pp. 1214-1233.
7. J.G. Verwer, J. G. Blom, J. M. Sanz-Serna (1989); An adaptive moving grid method for one-

183
5 5. . M MO OD DE EL LO OS S D DE E T TE ES ST TE E B BI ID DI IM ME EN NS SI IO ON NA AI IS S
Neste captulo introduzem-se os resultados obtidos com a implementao dos
algoritmos numricos descritos no Captulo 3 para modelos de teste bidimensionais.
De uma forma equivalente ao captulo anterior, opta-se por, numa primeira fase,
testar o desempenho dos mtodos de colocao nodal e gerao de malha para
funes de teste bidimensionais. Em seguida, procede-se verificao da capacidade
do algoritmo de integrao numrica descrito anteriormente (associado aos mtodos
de gerao de malha adaptativa referidos) para a resoluo eficiente de modelos
diferenciais bidimensionais.
5.1 GERAO DE MALHAS BIDIMENSIONAIS
A primeira fase do teste do desempenho dos algoritmos numricos referidos acima
consiste na confirmao da sua aptido para a gerao de malhas adequadas
representao das caractersticas principais de funes bidimensionais caracterizadas
por exibirem atributos problemticos, nomeadamente descontinuidades ou perfis
abruptos.
No mbito das implementaes apresentadas de seguida, usam-se aproximaes
centradas de quarta ordem (5 nodos) na avaliao dos critrios de colocao nodal 1D,
quando tal aplicvel. Os algoritmos de colocao nodal 2D so testados na sua
verso m (mesh).
Considere-se ento uma funo 2D degrau designada por step2 definida no domnio
[0,1]
2
da forma:
( )
( ) [ ] [ ]
=
< =
2
1 , 0 , , 1 ,
, 0 ,
y x in else y x u
y x y x u
. (5.1)
Tabela 5.1 Parmetros numricos para a gerao de malha da funo 2D step2.
Critrio 2D M
x
M
y

C12, C32, C42, C52 4 4
Critrio 1D Ordem da Derivada N
x
N
y

1

2

C1 1 8 8 0.1 0.1
Esta funo graficamente representada na Figura 5.1. A observao desta figura
permite concluir que a funo em estudo exibe uma descontinuidade (ladeada por dois
patamares constantes), localizada sobre a recta definida por y = x, estendendo-se pela
totalidade do domnio espacial. Assim, testam-se os diferentes critrios de colocao
2D descritos no Captulo 3 e atesta-se sobre a capacidade de cada algoritmo de
gerao de malha de detectar e representar simultaneamente a descontinuidade e
planos adjacentes, de forma satisfatria e eficiente.
A execuo do algoritmo de gerao de malha descrito na seco 3.5.2, com os
parmetros da Tabela 5.1, proporciona os resultados apresentados nas Figuras 5.2 a
5.5. O critrio de colocao 1D C1 usado na sua verso (desvio padro).
Verifica-se que a aplicao do critrio C42m sintonizado com os parmetros da Tabela
5.1, promove uma distribuio nodal apropriada representao discreta da funo
MODELOS DE TESTE BIDIMENSIONAIS
184
2D descontnua atravs de um refinamento intenso e selectivo ao longo da
descontinuidade (at ao nvel mximo de resoluo, N = 8) e a manuteno de uma
malha esparsa (M = 4) nas regies planas do domnio.
-0.2
0.0
0.2
0.4
0.6
0.8
1.0
1.2
0.0
0.2
0.4
0.6
0.8
1.0
0.0
0.2
0.4
0.6
0.8
u
x
y

Figura 5.1 Representao grfica da funo step2.
Assim, as caractersticas da funo step 2 so completamente descritas de uma forma
discreta atravs de uma malha 2D algo densa com 5261 nodos.
NP = 5261
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
x
y

Figura 5.2 Gerao de malha bidimensional para a funo step2 (critrio C42m).
185
NP = 3133
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
x
y

Em contrapartida a execuo da gerao de malha nas mesmas condies com o
critrio de colocao C32m (vd. Figura 5.3) possibilita a construo de uma estrutura
discreta que revela as mesmas propriedades de simulao das caractersticas da
funo constatadas no caso anterior. No entanto, esta operao realizada com um
nmero de nodos significativamente inferior (NP = 3133), correspondente a uma
banda de refinamento sobre a descontinuidade consideravelmente mais estreita. Tal
explicvel pelo facto do critrio C42m adoptar a aplicao de uma pesquisa direccional
1D baseada no critrio C1 associado a aproximaes calculadas sobre conjuntos de 5
nodos, enquanto que o critrio C32m aplicado sobre quadrilteros definidos por
apenas 3 nodos por aresta. Assim, expectvel que o alcance espacial de qualquer
perturbao detectada na soluo e a sua propagao no procedimento de
refinamento tenha uma menor extenso no ensaio C32m, em relao ao referente ao
caso C42m nas condies especficas escolhidas.
No entanto, relevante salientar que em todas as execues referentes funo
step2, as propriedades desta funo conduzem a operaes de refinamento que
atingem o nvel mximo de resoluo para qualquer posio de x ou de y, j que a
descontinuidade atravessa a totalidade do domnio nas duas direces. Nestas
condies, o desenho dos algoritmos de colocao (vd. seco 3.5.2) exige que todos
os nodos fronteira sejam activados, o que introduz partida 42
8
= 1024 nodos na
malha gerada. Por outro lado, a malha base que define o suporte fundamental da
funo discretizada possui por defeito uma dimenso de (2
4
1) (2
4
1) = 225 nodos
interiores. Assim, as malhas apresentadas nas Figuras 5.2 a 5.5, tm de possuir 1024 +
225 = 1249 nodos, cuja colocao no directamente devida anlise das
caractersticas da funo, mas estrutura idealizada para os algoritmos de colocao
testados.
186
NP = 5566
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
x
y

NP = 9553
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
x
y

Na Figura 5.4 representada a malha gerada com a aplicao do critrio C12m nas
condies resumidas na Tabela 5.1. Afigura-se bvio que os resultados obtidos so
187
muito semelhantes aos relativos ao critrio C42m, tendo a malha construda um
desenho de colocao equivalente com uma dimenso comparvel (NP = 5566).
NP = 2881
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
x
y

Figura 5.6 Gerao de malha bidimensional para a funo step2 (critrio C52m
1
=
2
= 20).
1
,
2
0.001 0.01 0.1 1 10 100 1000
N
P
0
2000
4000
6000
8000
10000
C12
C32
C42
C52

Figura 5.7 Nmero de nodos da malha bidimensional em funo das tolerncias para a funo step2.
188
A aplicao do critrio C52m em condies semelhantes proporciona os resultados
visualizados na Figura 5.5. notrio que este critrio de colocao baseado num
varrimento sequenciado no nvel de resoluo mximo se revela consideravelmente
mais sensvel do que os restantes, j que obriga a um refinamento intensivo e
abrangente para a representao da descontinuidade. Para alm da banda de
refinamento ser claramente mais larga, observa-se a formao de estrias alongadas
verticais e horizontais, que se verifica deverem-se a aces continuadas de colocao
nodal ao longo de x e de y, respectivamente. Deste modo a malha gerada
relativamente pesada, dado que constituda por 9553. Assim, conclui-se que as
condies genricas de gerao de malha da Tabela 5.1 no so adequadas ao caso
especfico do critrio C52, j que os valores impostos para as tolerncias se revelam
demasiado exigentes. De facto, se estes forem aumentados de um factor de 200,
demonstra-se a possibilidade do critrio promover a gerao de uma malha
representativa da descontinuidade atravs de uma banda de refinamento apropriada e
assaz estreita (vd. Figura 5.6).
A elevada sensibilidade relativa da estratgia C52 igualmente ilustrada no grfico da
Figura 5.7. Para valores de tolerncias semelhantes, visvel que este critrio tende a
gerar as malhas de maior dimenso. Constata-se tambm uma tendncia de
estabilizao da dimenso das malhas para valores de tolerncias mais reduzidos em
todos os critrios estudados. Por outro lado, o relaxamento das tolerncias conduz
ausncia completa de operaes de refinamento, induzindo uma total incapacidade do
algoritmo na deteco da descontinuidade, e consequente construo de malhas
simples de nvel de resoluo mnimo (M = 4).
NP = 6329
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
x
y

Figura 5.8 Gerao de malha bidimensional para a funo step2 (critrio C42m com critrio 1D C2).
A influncia da aplicao do critrio de colocao 1D C2 apresentada na Figura 5.8,
para o caso particular C42 (NP = 6329). Nota-se uma semelhana clara entre a malha
189
da Figura 5.8 e a malha gerada no ensaio correspondente C1 (vd. Figura 5.2). No
entanto, visvel uma maior sensibilidade do critrio C2 na representao discreta da
descontinuidade, j que a malha se revela relativamente mais densa (NP = 6329). De
qualquer modo, as diferenas entre os dois ensaios no so significativas, permitindo a
concluso que o desempenho dos critrios 1D testados aproximadamente
equivalente no exemplo especfico discutido.
Considere-se outra funo 2D degrau (step4) igualmente definida no domnio [0,1]
2

dada por:
( )
( ) [ ] [ ]
=
< + =
2
1 , 0 , , 1 ,
2 . 0 , 0 ,
y x in else y x u
y x y x u
. (5.2)
Agora a descontinuidade sobre o domnio espacial estabelecido menos extensa,
situando-se sobre a recta x + y = 0.2.
A limitada extenso da descontinuidade possibilita o teste de malhas de nvel de
resoluo ainda mais elevado (e.g. N = 10) sem arriscar a gerao de malhas de
dimenso excessivamente elevada.
A aplicao do critrio de colocao 2D C42m ao exemplo 5.2, com dados da Tabela
5.1 e nveis de resoluo mxima de 10, ilustrada na Figura 5.9. Verifica-se de novo a
capacidade do algoritmo de detectar e acompanhar a descontinuidade, possibilitando
a simulao correcta da funo discretizada, sem recorrer a operaes de refinamento
suprfluas nas regies de menor actividade. Constata-se igualmente a tendncia da
estratgia C42 de gerar malhas de dimenso relativamente elevada nestas condies
especficas (NP = 4832).
NP = 4832
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
x
y

Figura 5.9 Gerao de malha bidimensional para a funo step4 (critrio C42m N
x
= N
y
= 10).
190
NP = 2707
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
x
y

Figura 5.10 Gerao de malha bidimensional para a funo step4 (critrio C32m N
x
= N
y
= 10).
Por outro lado, a aplicao equivalente da estratgia C32 conduz a uma malha
semelhante anterior, mas com caractersticas claramente menos pesadas, j que a
banda de refinamento visivelmente mais estreita.
NP = 861
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
x
y

191
Uma experincia adicional realizada nas condies padro da Tabela 5.1 para o
critrio C32m (vd. Figura 5.11). Verifica-se novamente o potencial da estratgia de
colocao nodal para a deteco e representao da descontinuidade atravs de uma
malha com apenas 861 nodos.
Aps o teste de exemplos caracterizados pela exibio de descontinuidades, opta-se
agora por verificar o desempenho dos algoritmos de gerao de malha em funes 2D
que representem perfis ou ondas abruptas.
Tem-se ento uma funo denominada por wave1, que representa uma onda 2D
relativamente abrupta (vd. Figura 5.12):
( )
( )
2 2
10
,
y x
e y x u
+
= , (5.3)
e definida em [-1,1]
2
.
A aplicao das estratgias de gerao de malha C12 e C42 com os dados constantes
na Tabela 5.2, proporciona os resultados apresentados nas Figuras 5.13 e 5.14.
Tabela 5.2 Parmetros numricos para a gerao de malha da funo wave1.
Critrio 2D M
x
M
y

C12, C42 4 4
x
N
y

1

2

C1 1 8 8 0.05 0.05
Neste caso, o processo de colocao deve possibilitar a representao de onda
pronunciada situada no centro do domnio considerado rodeada por uma regio plana.
Assim, a utilizao do critrio C42m conduz construo de uma malha que assinala
satisfatoriamente a onda e permite a simulao da sua curvatura (vd. Figura 5.13).
-0.2
0.0
0.2
0.4
0.6
0.8
1.0
1.2
-1.0
-0.5
0.0
0.5
1.0
-1.0
-0.5
0.0
0.5
u
x
y

Figura 5.12 Representao grfica da funo wave1.
192
NP = 2177
-1
-0.8
-0.6
-0.4
-0.2
0
0.2
0.4
0.6
0.8
1
-1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1
x
y

Figura 5.13 Gerao de malha bidimensional para a funo wave1 (critrio C42m).
A regio plana envolvente representada convenientemente por uma malha relaxada
de nvel mnimo de resoluo. Todas as caractersticas da funo so reproduzidas de
um modo discreto atravs de uma malha de dimenso razovel (NP = 2177).
NP = 1637
-1
-0.8
-0.6
-0.4
-0.2
0
0.2
0.4
0.6
0.8
1
-1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1
x
y

Figura 5.14 Gerao de malha bidimensional para a funo wave1 (critrio C12m).
193
NP = 13729
-1
-0.8
-0.6
-0.4
-0.2
0
0.2
0.4
0.6
0.8
1
-1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1
x
y

Figura 5.15 Gerao de malha bidimensional para a funo wave1 (critrio C42m
1
=
2
= 0.01).
As mesmas concluses podem ser retiradas pela anlise dos resultados obtidos com a
aplicao do critrio C12m (vd. Figura 5.14). A malha gerada muito semelhante
correspondente ao critrio C42m. No entanto, a malha C12 relativamente menos
densa, o que demonstra novamente o carcter menos sensvel da estratgia C12
comparativamente C42, para condies de execuo equivalentes.
Na Figura 5.15 apresenta-se uma experincia radical de gerao de malha relativa ao
critrio C42m com tolerncias de colocao nodal 5 vezes menores do que as
condies de referncia constantes na Tabela 5.2. Verifica-se que o aumento de
exigncia na deteco de anomalias na funo leva a um esforo considervel de
refinamento que induz a construo de uma malha excessivamente densa (NP =
13729) e notoriamente redundante para uma representao discreta eficiente da
funo em estudo. Esta execuo demonstra a importncia de uma correcta
sintonizao dos parmetros de implementao das estratgias de colocao,
nomeadamente das tolerncias de activao nodal como elementos crticos de
controlo do processo de gerao de malha.
Agora, atente-se funo 2D seguinte[1],
( ) ( ) 6 . 0 50 tanh 4 . 0 , + = xy y x u , (5.4)
com [x,y] [-1,1]
2
. Esta funo designa-se por tgh2D e representada graficamente na
Figura 5.16. A anlise desta figura permite constatar a presena de quatro frentes
abruptas que partem perpendicularmente de cada uma das quatro fronteiras do
domnio no sentido do centro onde se juntam atravs de uma transio suave.
Mais uma vez se opta por testar a performance dos critrios de colocao nodal 2D
C12m e C42m (vd. Tabela 5.3) na representao discreta desta funo.
194
Tabela 5.3 Parmetros numricos para a gerao de malha da funo tgh2D.
Critrio 2D M
x
M
y

C12, C42 4 4
x
N
y

1

2

C1 1 8 8 0.25 0.25
Os resultados obtidos atravs da aplicao dos dois critrios referidos com os dados
resumidos na Tabela 5.3 so apresentados nas Figuras 5.17 e 5.18.
0.0
0.2
0.4
0.6
0.8
1.0
1.2
-1.0
-0.5
0.0
0.5
1.0
-1.0
-0.5
0.0
0.5
u
x
y

Figura 5.16 Representao grfica da funo tgh2D.
O algoritmo de colocao C42m possibilita uma deteco e representao conveniente
das quatro frentes que caracterizam a superfcie da funo 5.4 (vd. Figura 5.13). Deste
modo, o critrio C42m possibilita a construo de uma malha que assinala a presena
dos declives pronunciados e permite uma simulao correcta das suas curvaturas (vd.
Figura 5.17).
Por outro lado, as quatro regies planas correspondentes so representadas por
malhas de relaxamento adequado referente ao nvel mnimo de resoluo. As
caractersticas essenciais da funo so reproduzidas de uma forma discreta por uma
malha de dimenso bastante razovel (NP = 1485).
Concluses semelhantes podem ser retiradas atravs da anlise dos resultados
conseguidos com a aplicao do critrio C12m (vd. Figura 5.18). Agora, a malha gerada
relativamente semelhante referente ao critrio C42m. Todavia, neste caso a malha
C12 notoriamente mais densa (NP = 2709), para condies de execuo equivalentes,
conduzindo a um processo de refinamento mais intenso e concentrado nas regies do
domnio ocupadas pelas frentes abruptas.
Na Figura 5.19 ilustra-se uma experincia mais exigente relativa ao critrio C42m, com
tolerncias de colocao nodal 2.5 vezes menores do que as condies da Tabela 5.3.
195
Novamente se verifica que o aumento de sensibilidade na deteco de gradientes
elevados na funo leva a um aumento considervel do esforo de refinamento, que
conduz construo de uma malha desnecessariamente densa (NP = 3917).
NP = 1485
-1
-0.8
-0.6
-0.4
-0.2
0
0.2
0.4
0.6
0.8
1
-1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1
x
y

Figura 5.17 Gerao de malha bidimensional para a funo tgh2D (critrio C42m).
NP = 2709
-1
-0.8
-0.6
-0.4
-0.2
0
0.2
0.4
0.6
0.8
1
-1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1
x
y

Figura 5.18 Gerao de malha bidimensional para a funo tgh2D (critrio C12m).
196
NP = 3917
-1
-0.8
-0.6
-0.4
-0.2
0
0.2
0.4
0.6
0.8
1
-1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1
x
y

Figura 5.19 Gerao de malha bidimensional para a funo tgh2D (critrio C42m
1
=
2
= 0.1).
Pretende-se agora analisar uma funo que define uma depresso pronunciada (vd.
Figura 5.20), designada por funo well, e que dada por[1]:
( )
( )
2 . 1 ,
2
2
2 60
+ =
x y
e y x u , (5.5)
definida no domnio bidimensional [-1,1]
2
. A representao grfica da funo 5.5
realizada na Figura 5.20.
Tabela 5.4 Parmetros numricos para a gerao de malha da funo well.
Critrio 2D M
x
M
y

C12, C42 4 4
x
N
y

1

2

C1 1 8 8 0.2 0.2
A implementao dos critrios de gerao de malha 2D C12 e C42 com os dados da
Tabela 5.4, origina os resultados apresentados nas Figuras 5.21 e 5.22.
No exemplo em estudo, o procedimento de colocao deve representar a depresso
pronunciada em forma de crescente rodeada por uma regio plana. A utilizao do
critrio C42m leva gerao de uma malha que detecta satisfatoriamente a depresso
e possibilita uma simulao correcta do seu formato particular (vd. Figura 5.21). A
regio plana reproduzida pela malha de nvel mnimo de resoluo. Assim, as
caractersticas essenciais da funo so simuladas discretamente por uma malha de
dimenso aceitvel (NP = 3201).
Concluses semelhantes so obtidas pela anlise dos resultados conseguidos com a
aplicao do critrio C12m (vd. Figura 5.22). A malha gerada revela-se muito
semelhante correspondente ao critrio C42m. Porm, a malha C12 apresenta uma
197
dimenso ligeiramente superior (NP = 3579), para condies de execuo
equivalentes, revelando uma maior apetncia para a simulao da curvatura das
vertentes da depresso, o que no caso presente se revela pouco significativo.
0.0
0.2
0.4
0.6
0.8
1.0
1.2
1.4
-0.5
0.0
0.5
1.0
-1.0
-0.5
0.0
0.5
1.0
u
x
y

Figura 5.20 Representao grfica da funo well.
NP = 3201
-1
-0.8
-0.6
-0.4
-0.2
0
0.2
0.4
0.6
0.8
1
-1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1
x
y

Figura 5.21 Gerao de malha bidimensional para a funo well (critrio C42m).
198
NP = 3579
-1
-0.8
-0.6
-0.4
-0.2
0
0.2
0.4
0.6
0.8
1
-1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1
x
y

Figura 5.22 Gerao de malha bidimensional para a funo well (critrio C12m).
Considere-se agora para finalizar, a anlise de uma funo do tipo Franke[1],
( )
( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( )
2 2 2 2 2 2 2 2
8 . 0 8 . 0 9 4 . 0 2 . 0 15 5 . 0 5 . 0 5 1 . 0
,
+ + + + + + +
+ + + =
y x y x y x y x
e e e e y x u (5.6)
em [-1,1]
2
. As caractersticas desta funo podem ser visualizadas no grfico da Figura
5.23. A observao desta figura permite constatar que a funo 5.6 exibe trs
elevaes ou picos distribudos por grande parte do domnio espacial.
Testa-se o critrio de colocao C42m e verifica-se acerca da sua capacidade de
detectar e representar de forma satisfatria e eficiente cada um dos picos referidos
acima e as regies de baixa actividade da funo localizadas principalmente no quarto
quadrante do domnio. Assim, a implementao do algoritmo de gerao de malha
C42m, com os parmetros da Tabela 5.5, proporciona os resultados apresentados nas
Figuras 5.24.
Tabela 5.5 Parmetros numricos para a gerao de malha da funo de Franke.
Critrio 2D M
x
M
y

C42 4 4
x
N
y

1

2

C1 1 8 8 0.05 0.05
Constata-se que a aplicao do critrio referido sintonizado com os parmetros da
Tabela 5.5, promove uma distribuio nodal apropriada representao discreta das
particularidades especficas da funo 2D, atravs de aces de refinamento selectivo
que possibilitam uma reproduo adequada dos trs picos que caracterizam a sua
superfcie. Assim, a simulao da elevao mais larga localizada no primeiro quadrante
(vd. Figura 5.24) exige nveis de resoluo consideravelmente mais baixos.
199
0.6
0.8
1.0
1.2
1.4
1.6
1.8
2.0
2.2
-0.5
0.0
0.5
1.0
-1.0
-0.5
0.0
0.5
1.0
u
x
y

Figura 5.23 Representao grfica da funo de Franke.
Por outro lado, a reproduo discreta dos dois picos restantes exige o recurso a
operaes de refinamento mais intensas, que permitem o tratamento dos declives
mais pronunciados que as caracterizam.
NP = 4710
-1
-0.8
-0.6
-0.4
-0.2
0
0.2
0.4
0.6
0.8
1
-1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1
x
y

Figura 5.24 Gerao de malha bidimensional para a funo de Franke (critrio C42m).
200
As regies mais suaves da funo so igualmente sustentadas de modo eficiente por
malhas com nveis de resoluo adequados sua correcta representao.
Deste modo, conclui-se que a implementao da estratgia C42 ao caso particular da
funo 5.6 notoriamente bem sucedida.
Os resultados apresentados nesta seco permitem avalizar a capacidade dos
algoritmos de colocao nodal 2D de gerarem malhas adequadas representao
discreta de funes 2D que revelem atributos problemticos. A demonstrao desta
capacidade demonstrada pelo facto de todas as representaes das funes 2D
testadas serem executadas atravs do recurso a malhas construdas no mbito do
presente trabalho.
5.2 RESOLUO DE MODELOS DIFERENCIAIS BIDIMENSIONAIS
Na seco anterior confirma-se a capacidade dos algoritmos de colocao nodal na
representao de caractersticas problemticas em funes bidimensionais. O passo
seguinte consiste no teste do desempenho do algoritmo de resoluo numrica
INTEGR2D descrito na seco 3.5.2, acoplado a diferentes critrios de gerao de
malhas adaptativas 2D. Deste modo, apresentam-se em seguida os resultados
numricos obtidos pela aplicao do algoritmo a modelos diferenciais de teste
bidimensionais, caracterizados por possurem atributos complicados, como a
representao do movimento de ondas e frentes abruptas, ou o desenvolvimento
progressivo de frentes estticas ou dinmicas do mesmo tipo.
No entanto, o incremento de uma direco coordenada conduz a um aumento
considervel da complexidade das malhas adaptativas geradas. Assim, um problema
1D tpico conduz construo de malhas adaptativas definidas por NP = 200-250
nodos no mximo, e consequentemente, o processo de discretizao MOL gera
sistemas de ODEs com nNP variveis e equaes (em que n corresponde ao nmero
de variveis do sistema de PDEs original). Por outro lado, uma malha 2D pode atingir
facilmente uma dimenso da ordem dos milhares de nodos (como facilmente
perceptvel atravs da anlise dos exemplos apresentados na seco precedente.
Assim, o sistema de ODEs gerado para casos 2D pode ser constitudo por 10
3
-10
4

equaes e variveis.
A utilizao do integrador DASSL (vd. Anexo C) implica o clculo do Jacobiano do
problema PDE. No entanto, como se pretende que as aplicaes desenvolvidas sejam o
mais genricas possvel, impraticvel o desenvolvimento de uma rotina geral JAC e,
deste modo, possvel recorrer a duas alternativas: 1 atribuir a responsabilidade da
construo da rotina JAC ao utilizador que a define consoante o problema particular
que se pretende resolver e a estratgia de discretizao espacial considerada; 2
recorrer possibilidade da prpria DASSL estimar automaticamente a matriz jacobiana
atravs de aproximaes numricas. A opo escolhida em todas as implementaes
de resoluo numrica de modelos diferenciais parciais evolutivos que envolvem o
integrador DASSL (ou seja, os exemplos unidimensionais) a segunda. Porm tal
implica a utilizao de capacidades considerveis de memria, j que exigido o
armazenamento de uma enorme quantidade de dados auxiliares. De facto, a execuo
do integrador DASSL de uma matriz Jacobiana do tipo total (full) para um modelo com
NEQ equaes, conduz definio de um vector de trabalho (RWORK) com dimenso
201
da ordem de NEQ
2
[2]. Assim, fcil verificar que a resoluo de modelos discretizados
constitudos por 10
3
-10
4
(ou mesmo 10
5
) equaes (associados a malhas de dimenso
correspondente) coloque graves problemas de implementao computacional devido
s suas bvias exigncias de memria. Uma alternativa vivel seria a possibilidade
prevista no cdigo DASSL de se proceder definio de matrizes multidiagonais
(banded), que explora o facto da maioria dos elementos do Jacobiano serem
efectivamente nulos. Deste modo, seria necessrio estabelecer o tamanho das bandas
acima (MU) e abaixo (ML) da diagonal que definem o domnio dos elementos da matriz
que so estimados (sendo todos os restantes fixados como nulos). Neste caso, as
exigncias de memria reduzem-se drasticamente para valores de MU e ML razoveis
(2ML + MU < NEQ), j que RWORK apresenta agora uma dimenso da ordem de (2ML +
MU)NEQ. No entanto, a forma como as variveis so organizadas no vector soluo
(sequncias sucessivas da soluo definidas ao longo da direco x, para diferentes
variveis ou localizaes em y) implica que a estratgia anterior apenas seja praticvel
na resoluo de exemplos constitudos por PDEs simples unidimensionais, em que a
soluo em cada posio apenas depende da soluo nas posies adjacentes. Tal no
acontece no caso de sistemas de PDEs 1D ou modelos 2D, j que, nestes casos, a
soluo discreta igualmente definida pela soluo discreta referente a outras
variveis ou a diferentes valores da segunda coordenada (y), que no se situam em
posies adjacentes localizao de interesse no vector soluo. Deste modo, as
larguras das bandas teriam de ser consideravelmente expandidas de modo a se levar
em conta este problema de forma conveniente, o que aumenta consideravelmente as
necessidades de memria da aplicao.
Como se referiu anteriormente a questo revela-se pouco importante para exemplos
1D, que no atingem dimenses excessivas. Todavia, o caso muda de figura para
problemas 2D. Deste modo, opta-se por adoptar um integrador menos complexo na
integrao deste tipo de problemas. A aplicao seleccionada corresponde rotina
RKF45 que implementa o mtodo de Runge-Kutta-Fehlberg de quarta-quinta ordem[3-
4], um mtodo de baixa ordem do tipo Runge-Kutta, desenvolvido por Fehlberg,
1969[5]. Este mtodo consideravelmente menos exigente (nomeadamente em
termos de necessidade de armazenamento de dados, e.g. vector WORK de dimenso
3+6NEQ) do que o algoritmo BDF da rotina DASSL. Por outro lado, apresenta a
desvantagem de ser concebido para problemas no stiff ou moderadamente stiff, e
aplicaes de exactido no demasiado elevada.
Os exemplos de aplicao apresentados em seguida pretendem ilustrar a eficincia e
robustez do algoritmo INTEGR2D na resoluo de modelos de teste evolutivos
definidos em domnios espaciais bidimensionais.
5.2.1 EQUAO DE BURGERS BIDIMENSIONAL
O modelo de Burgers j referida no captulo anterior resulta da aplicao da equao
de Navier-Stokes a fluidos incompressveis com gradientes de presso desprezveis[6].
Assim, a sua verso bidimensional na forma conservativa sem influncias difusivas
dada pela equao de Burgers invscida 2D que tem a forma,
( ) ( )
|
|
\
|
y
u f
x
u f
t
u
, (5.7)
202
em que a funo f(u) definida por ( ) 2
2
u u f = . Neste caso particular, consideram-se
os domnios: 1 1 x , 1 1 y , 5 . 1 0 t ; as condies fronteira,
( ) ( ) ( ) ( ) 0 , 1 , , 1 , , , 1 , , 1 = = = = t x u t x u t y u t y u , (5.8)
e a condio inicial estabelecida como pulso cilndrico unitrio:
( )
( ) ( )
[ ] [ ]

+ + +
=
2
2 2 2
1 , 1 , , 0
4 . 0 5 . 0 5 . 0 , 1
0 , ,
y x in else
y x
y x u . (5.9)
Deste modo, executa-se a resoluo numrica deste modelo atravs da aplicao da
estratgia de gerao de malha 2D C52 e as condies resumidas na Tabela 5.6.
Assim testam-se os critrios de colocao 1D C1 e C2 para monitorizao da 1.
derivada da soluo aproximada por FD de 4. ordem centradas avaliadas nas
direces coordenadas x e y. As tolerncias de colocao nodal (
1
e
2
) so fixadas em
0.1 e malha adaptativa construda sobre um conjunto de malhas didicas uniformes
que variam entre os nveis de resoluo 4 e 8 em ambas as direces.
As derivadas espaciais de 1. ordem do modelo so estimadas por esquemas de alta
resoluo (HRS), nomeadamente o mtodo NVSF associado a limitadores de fluxo
MINMOD ou SMART. O processo de interpolao realizado atravs de splines cbicas
de 7 nodos e a integrao temporal adoptada recorre ao integrador RKF45 com
tolerncias de 110
-5
e um passo de integrao global de 0.01.
O esquema de gerao de malhas 2D C52 para sistemas discretos (C52i) semelhante
ao correspondente C52m, apresentando no entanto algumas caractersticas distintas
adicionais, essenciais para uma correcta representao das superfcies numricas
intermdias utilizadas como suporte da sequncia dos passos de integrao temporal
que constituem o procedimento MOL.
Tabela 5.6 Parmetros numricos para a implementao da resoluo da equao 2D de Burgers.
Critrio 2D C52
Critrio 1D C1; C2

1

2

Colocao nodal
tolerncias 0.1 0.1
M
x
N
x

4 8
M
y
N
y

4 8
FD centradas; 5 pontos
Malhas didicas
uniforme
aproximaes HRS NVSF/SMART; MINMOD
passo ( t) 110
-2

tolerncias 110
-5
110
-5

203
NP = 10499
-1
-0.8
-0.6
-0.4
-0.2
0
0.2
0.4
0.6
0.8
1
-1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1
x
y

Figura 5.25 Malha inicial gerada para o modelo invscido de Burgers 2D (discretizao NVSF com
limitador SMART e critrio de colocao 1D C1).
NP = 11004
-1
-0.8
-0.6
-0.4
-0.2
0
0.2
0.4
0.6
0.8
1
-1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1
x
y

Figura 5.26 Malha gerada (t = 0.5) para o modelo invscido de Burgers 2D (discretizao NVSF com
204

Figura 5.27 Perfis de contorno para a soluo numrica (t = 0.5) do modelo invscido de Burgers 2D
(discretizao NVSF com limitador SMART e critrio de colocao 1D C1).
A verso original do procedimento C52m implica a activao de todos os nodos
fronteira correspondentes s sequncias 1D em x e y que possuam pelo menos um
nodo activo interior associado a qualquer nvel de resoluo. Porm, no algoritmo C52i
introduz-se um procedimento suplementar de colocao nodal que, nas condies
referidas anteriormente, coloca igualmente todos os nodos de nvel M referentes a
domnios 1D previamente activados.
A aplicao desta estratgia condio inicial do problema nas condies definidas na
Tabela 5.6 leva gerao da malha apresentada na Figura 5.25. No entanto,
importante referir que a gerao da malha inicial executada atravs de uma
implementao sucessiva das rotinas C52m (para uma soluo analtica disponvel) e
C52i para um melhorado varrimento do domnio discretizado. As diferenas relativas
entre os dois procedimentos descritos conduzem construo de malhas
substancialmente diferentes. Assim, a malha C52i possibilita um suporte mais robusto
para o arranque do processo de integrao temporal. De qualquer modo, frisa-se que a
estratgia de varrimento inicial duplo especialmente importante em casos em que as
caractersticas problemticas da soluo so introduzidas atravs das fronteiras do
domnio e no esto explicitamente presentes na condio inicial do problema, como
se verifica no caso presente.
A anlise da Figura 5.25 permite concluir que o esquema de gerao de malha
associado ao critrio de colocao C1 possibilita uma simulao apropriada dos
contornos do pulso cilndrico inicial centrado no terceiro quadrante do domnio.
205
NP = 13384
-1
-0.8
-0.6
-0.4
-0.2
0
0.2
0.4
0.6
0.8
1
-1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1
x
y

Figura 5.28 Malha gerada (t = 1.5) para o modelo invscido de Burgers 2D (discretizao NVSF com

Figura 5.29 Perfis de contorno para a soluo numrica (t = 1.5) do modelo invscido de Burgers 2D
(discretizao NVSF com limitador SMART e critrio de colocao 1D C1).
206
No caso presente, o pulso deslocado na direco positiva de ambas as direces. No
entanto, a velocidade de propagao estabelecida pelo prprio valor da soluo em
posio do domnio. Assim, formam-se duas frentes que se movimentam com
velocidades diferentes. A seco nula a montante do pulso mantm-se inamovvel e a
frente abrupta anterior movimenta-se com uma velocidade igual amplitude do pulso
(u = 1). Desta forma forma-se uma rampa de declive decrescente e largura crescente,
gerada pelo movimento da frente anterior. Por outro lado, a frente posterior
bloqueada pela seco nula situada direita do pulso. Assim, esta frente desloca-se
com uma velocidade definida por (1 + 0)/2 = 0.5 e mantm-se completamente
inalterada, ou seja, no sofre qualquer suavizao com o avano da integrao.
A evoluo da soluo do modelo 5.7 a 5.9 resumida nas Figuras 5.26 a 5.29, para o
limitador SMART. As caractersticas da soluo referidas acima so perfeitamente
visveis atravs da anlise dos resultados numricos disponveis. O deslocamento do
pulso com a consequente suavizao a montante e a manuteno do perfil abrupto a
jusante, notrio nos perfis de contorno apresentados nas Figuras 5.27 e 5.29. Por
outro lado, o algoritmo de gerao de malha revela-se eficiente no acompanhamento
das caractersticas da soluo, promovendo a concentrao de nodos nos contornos da
frente evolutiva (vd. Figuras 5.26 e 5.28).
A utilizao do critrio de colocao alternativo C2 e do limitador MINMOD
proporciona resultados anlogos (no apresentados neste relatrio) aos discutidos
anteriormente. De facto, a implementao dos limitadores testados revela-se
perfeitamente equivalente, como se confirma pela observao da Figura 5.30, em que
a evoluo da dimenso das malhas dos ensaios C1 muito semelhante. Por outro
lado, a implementao do critrio de colocao C2 nas mesmas condies
notoriamente mais sensvel, conduzindo gerao de malhas relativamente mais
densas.
0
2000
4000
6000
8000
10000
12000
14000
16000
18000
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8
t
N
P
SMART - C1
MINMOD - C1
SMART - C2

Figura 5.30 Evoluo da dimenso das malhas adaptativas para a implementao do modelo invscido
de Burgers 2D.
5.2.2 EQUAO DE BUCKLEY-LEVERETT BIDIMENSIONAL
A equao de Buckley-Leverett (BL) um exemplo clssico que resulta da aplicao de
um balano material a um sistema de dois fluidos imiscveis, em que um dos fluidos
207
deslocado pelo outro num meio poroso[6]. A verso 2D do modelo sem gradientes de
presso assume uma forma equivalente do modelo de Burgers 2D no difusivo, ou
seja a equao 5.7, mas agora com uma funo f(u) diferente, por exemplo,
( ) ( ) ( )
2 2 2
1 u u u u f + = , (5.10)
com 1 0 x , 1 0 y , 5 . 0 0 t ; as condies fronteira (se se considerar a possvel
introduo de um termo difusivo estabilizador),
( ) ( ) ( ) 0 , 0 , , , 0 , 1 , 0 , 0 =
= t x
y
u
t y
x
u
t u , (5.11)
e a condio inicial,
( ) 0 0 , , = y x u . (5.12)
O modelo BL puramente advectivo resolvido com os dados presentes na Tabela 5.7.
Neste caso, a soluo consiste numa frente propagada nas duas direces
coordenadas, introduzida na posio [0,0] atravs de um degrau representado pela
condio fronteira de Dirichlet definida nessa posio. medida que a frente avana a
sua amplitude decresce. No entanto, o seu declive mantm-se significativamente
acentuado, j que no suavizado pela influncia estabilizadora de um termo difusivo.
Tabela 5.7 Parmetros numricos para a implementao da resoluo da equao BL 2D.
Critrio 2D C52
Critrio 1D C1; C2

1

2

Colocao nodal
tolerncias 0.1 0.1
M
x
N
x

4 8
M
y
N
y

4 8
Malhas didicas
uniforme
Aproximaes HRS NVSF/MINMOD; SMART
passo ( t) 110
-3

tolerncias 110
-5
110
-5

A malha inicial obtida por um duplo varrimento C52m e C52i apresentada na Figura
5.31. Como a perturbao introduzida na fronteira, o suporte para caractersticas
abruptas do modelo no assegurado pela simples gerao com suporte analtico.
Assim, um duplo varrimento C1 proporciona uma malha inicial de arranque mais
densa e mais adequada s particularidades posteriores da soluo (vd. Figura 5.31),
possibilitando uma densificao prvia das regies do domnio inicialmente
percorridas pela onda de propagao abrupta introduzida na posio [0,0].

208
NP = 833
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
0 0.2 0.4 0.6 0.8 1
x
y

Figura 5.31 Malha inicial gerada para o modelo BL 2D (discretizao NVSF com limitador MINMOD e
critrio de colocao 1D C1).
NP = 10265
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
0 0.2 0.4 0.6 0.8 1
x
y

Figura 5.32 Malha gerada (t = 0.5) para o modelo BL 2D (discretizao NVSF com limitador MINMOD e
critrio de colocao 1D C1).
209

Figura 5.33 Perfis de contorno para a soluo numrica (t = 0.5) do modelo BL 2D (discretizao NVSF
com limitador MINMOD e critrio de colocao 1D C1).
A adequao da estratgia de adaptao associada ao limitador MINMOD ilustrada
pelos resultados numricos resumidos nas Figuras 5.32 e 5.33. Assim, verifica-se a
capacidade do algoritmo de gerao de malha na representao da frente abrupta e
do seu movimento atravs da anlise da malha gerada (vd. Figura 5.32) e dos perfis de
contorno (vd. Figura 5.33) para o instante t = 0.5.
0
2000
4000
6000
8000
10000
12000
14000
16000
0 0.1 0.2 0.3 0.4 0.5
t
N
P
MINMOD - C1
SMART - C1
MINMOD - C2

Figura 5.34 Evoluo da dimenso das malhas adaptativas para a implementao do modelo BL 2D.
Os testes adicionais do limitador SMART e do algoritmo de colocao nodal C2 permite
a obteno de resultados anlogos (no apresentados no presente relatrio) com
210
desempenhos semelhantes (vd. Figura 5.34). Novamente se verifica a relativa maior
sensibilidade do critrio C2 em relao ao C1 para nveis de deteco equivalentes.
At ao tempo final fixado (t = 0.5) constata-se um incremento notrio na dimenso das
malhas geradas, consistente com o avano da frente abrupta. No entanto, esta
dimenso no se revela demasiado excessiva, levando a implementaes
computacionais com tempos de processamento razoveis (t
cpu
= 360-460 s).
Deste modo, os resultados apresentados nesta seco permitem a confirmao da
capacidade dos algoritmos de colocao nodal 2D de gerarem malhas flexveis e
adequadas no contexto da resoluo numrica de modelos 2D caracterizadas por
solues problemticas.
REFERNCIAS
2. L.R. Petzold (1982) A description of DASSL: a differential/algebraic system solver, Sandia Tech. Rep. -
8637.
3. L. Shampine, H. Watts, S. Davenport (1976) Solving non-stiff ordinary differential equations - The
state of the art, SIAM Rev., 18 (3), pp. 376-411.
4. http://people.sc.fsu.edu/~jburkardt/f_src/rkf45/rkf45.html (consulta em 1/02/2010).
R-315.
6. J.C. Santos, P. Cruz, F.D. Magalhes, A. Mendes (2003) 2-D Wavelet-based adaptive-grid method
for the resolution of PDEs, AIChE J., 49 (3), pp. 706-717.

211
6 6. . S SI IM MU UL LA A O O D DE E P PR RO OC CE ES SS SO OS S Q QU U M MI IC CO OS S
Neste captulo apresentam-se os resultados numricos obtidos pela aplicao dos
algoritmos numricos descritos no Captulo 3 na resoluo de modelos diferenciais
parciais evolutivos, definidos sobre domnios espaciais de dimenso arbitrria, que
representem a simulao de problemas tpicos no mbito da modelao de processos
qumicos, exibindo solues com caractersticas problemticas e desafiantes.
Todas as simulaes apresentadas neste captulo foram realizadas num computador
pessoal com um processador Intel Core2 Duo CPU T9300 de 2.50 GHz, uma memria
RAM de 4.00 GB e um sistema operativo de 32 bits.
6.1 MODELO DE DIFUSO, CONVECO E REACO NUMA PARTCULA PLANA (DIFPLANA)
A anlise iniciada atravs da considerao de um modelo relativamente simples
deduzido num domnio espacial 1D. Apesar do problema ser unidimensional, este
integrado atravs do recurso ao programa INTEGR2D, para o teste da implementao
1D como caso particular de uma aplicao 2D.
O modelo[1-2] seleccionado descreve o estabelecimento de um perfil de
concentraes numa partcula plana em condies reaccionais isotrmicas. Para tal,
admitindo-se um catalisador poroso, onde ocorre uma reaco cataltica A P, e os
respectivos mecanismos de transporte de massa por difuso e conveco, obtm-se o
balano mssico transiente normalizado seguinte,
u
x
u
x
u
t
u
m
2
2
2

, (6.1)
em que:

0
C C u = , concentrao adimensional de A, referida corrente de alimentao.
C, concentrao de A.
C
0
, concentrao de A na corrente de alimentao.

D
t = , varivel temporal adimensional.
, varivel temporal.

eff P D
D
2
= , constante de tempo de difuso.

P
, porosidade da partcula.
, semi-espessura da partcula.
D
eff
, difusividade efectiva do reagente no leito.
x, varivel espacial adimensional.

eff m
D v
0
= , nmero de Peclet mssico intraparticular.
v
0
, velocidade do fluido no interior da partcula em relao rea de seco
normal do escoamento.
SIMULAO DE PROCESSOS QUMICOS
212

eff
D k = , mdulo de Thiele.
k, constante de reaco.
O modelo definido nos domnios: [ ] 2 , 0 x , [ ] 5 . 0 , 0 t ; e completado pelas condies
fronteira:
( ) 1 , 0 = t u , ( ) 1 , 2 = t u , (6.2)
e a condio inicial,
( ) 0 0 , = x u . (6.3)
Fixe-se ento,
m
= 10 e = 2. Como
m
0, o efeito convectivo no desprezvel e os
perfis de soluo no so simtricos, tendo-se que considerar o domnio espacial
adimensional total, [ ] 2 , 0 x , j que a condio de simetria no vlida nestas
condies.
O arranque do processo efectuado atravs da introduo de perturbaes em degrau
em ambas as fronteiras do domnio, correspondentes (em termos fsicos) ao incio da
alimentao de reagente.
Assim, procede-se ao teste da performance dos critrios C42 e C52 associados aos
critrios de colocao nodal C1 e C2. A fase crtica da implementao relaciona-se
fundamentalmente com o arranque do processo e a representao dos perfis abruptos
gerados junto s extremidades do domnio pela introduo das perturbaes nas
fronteiras. Estas perturbaes propagam-se progressivamente para o interior da
partcula induzindo uma suavizao dos perfis at sua estabilizao completa
correspondente a um regime final estacionrio assimtrico.
Os parmetros adoptados nas implementaes numricas referentes ao modelo em
estudo so resumidos na Tabela 6.1.
Tabela 6.1 Parmetros numricos para a implementao da resoluo da equao DifPlana.
Critrio 2D C42 ou C52
Critrio 1D C1; C2

1

2

Colocao nodal
tolerncias 510
-2
510
-2

M
x
N
x

4 10
M
y
N
y

NA NA
Malhas didicas
uniforme
passo ( t) 110
-3

tolerncias 110
-6
110
-6

213
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
0 0.5 1 1.5 2
x
u
t=0.01
t=0.02
t=0.03
t=0.04
t=0.05

0.01
0.02
0.03
0.04
0.05
0.06
0 0.5 1 1.5 2
x
t

Figura 6.1 Implementao numrica para o caso da equao DifPlana (critrio C52/C1 - t = 0.05).
Por outro lado, os resultados numricos obtidos no contexto da aplicao do critrio
C52 nas condies de colocao 1D definidas por C1, so apresentados nas Figuras
6.1 e 6.2. A fixao das tolerncias de colocao nodal no valor de 510
-2
para
aproximaes FD a derivadas de primeira ordem, possibilita a obteno de resultados
numricos bastante satisfatrios. A anlise da Figura 6.1 demonstra a capacidade do
algoritmo de colocao nodal C1 de concentrar inicialmente a densidade da malha
adaptativa nas regies adjacentes s fronteiras (vd. Figura 6.1) de forma a possibilitar a
simulao correcta das perturbaes em degrau introduzidas atravs das condies
fronteira do problema (vd. equaes 6.2). Posteriormente o esforo de refinamento
propaga-se ao longo do domnio medida que as perturbaes se movimentam para o
interior da partcula, num sentido predominante da esquerda para a direita, devido
considerao de fenmenos de transporte do tipo convectivo. notrio que o
esbatimento progressivo das duas frentes mveis promove uma significativa
diminuio no esforo de refinamento necessrio a uma definio correcta dos perfis
espaciais.
Para tempos de integrao mais tardios (vd. Figura 6.2), a relativa suavidade dos perfis
assimtricos centrados em torno da posio x 1.7 induz a gerao de malhas de
dimenso relativamente baixa. Agora, o esforo de refinamento centra-se
214
essencialmente na vizinhana da fronteira direita do domnio, onde o declive do perfil
ainda se mantm algo acentuado.
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
0 0.5 1 1.5 2
x
u
t=0.1
t=0.2
t=0.3
t=0.4
t=0.5

0.1
0.2
0.3
0.4
0.5
0.6
0 0.5 1 1.5 2
x
t

20
30
40
50
60
70
80
90
0 0.1 0.2 0.3 0.4 0.5
t
N
P
C52 - C1
C52 - C2
C42 - C1
C42 - C2

Figura 6.3 Evoluo do nmero de nodos da malha adaptativa gerada na implementao numrica para
o caso da equao DifPlana.
215
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
0 0.5 1 1.5 2
x
u
t=0.01
t=0.02
t=0.03
t=0.04
t=0.05

0.01
0.02
0.03
0.04
0.05
0.06
0 0.5 1 1.5 2
x
t

Na Figura 6.3 apresenta-se a evoluo da dimenso das malhas ao longo do tempo de
integrao, para todas as implementaes referentes aplicao dos critrios C41 e
C51 nas condies constantes na Tabela 6.1.
Nas Figuras 6.4 e 6.5 resumem-se os resultados numricos obtidos atravs da
aplicao do critrio C52 agora acoplado ao procedimento de colocao C2. As
concluses colhidas pela anlise destas figuras so equivalentes s referidas
anteriormente para o caso prvio correspondente ao critrio de colocao C1. Por
outro lado, os perfis numricos respeitantes s execues C42 no so apresentados
na seco presente j que se mostram muito semelhantes aos obtidos com a
implementao do critrio C52. Deste modo, a sua representao grfica particular
revela-se assaz redundante.
De facto, as quatro execues numricas definidas nas mesmas condies so
visivelmente idnticas, o que confirmado pela observao da Figura 6.3, onde se
torna bvia uma evoluo perfeitamente equivalente da dimenso das malhas
adaptativas respectivas. Ambos os critrios promovem a gerao de malhas
consideravelmente mais densas apenas na fase de arranque do processo, mas que
estabilizam com o decorrer da integrao numrica. Assim, a evoluo das malhas
notoriamente estvel, verificando-se apenas um paulatino decrscimo da sua
216
dimenso medida que os perfis de soluo se revelam menos exigentes do ponto de
vista adaptativo. Todas as implementaes tendem formao eventual de malhas
simples com dimenses semelhantes entre si (NP 30), consentneas com as
caractersticas suaves dos perfis estacionrios da soluo (vd. Figura 6.3).
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
0 0.5 1 1.5 2
x
u
t=0.1
t=0.2
t=0.3
t=0.4
t=0.5

0.1
0.2
0.3
0.4
0.5
0.6
0 0.5 1 1.5 2
x
t

Os tempos de cpu j referidos acima, associados s diversas execues do algoritmo de
integrao numrica, so resumidos na Tabela 6.2. Verifica-se que as execues
referidas implicam nveis equivalentes de esforo computacional, localizados no
intervalo de 18-20 s. No entanto, estas diferenas so pouco significativas, j que se
situam na ordem de grandeza do prprio intervalo de incerteza associado
variabilidade do processamento computacional. No entanto, conclui-se que o grau de
esforo computacional exigido no excessivo.
Tabela 6.2 Tempos de execuo para o caso da equao DifPlana.
Execuo Tempo de cpu (s)
C42/C1 18.1
C42/C2 18.1
C52/C1 17.4
C52/C2 20.0
217
6.2 MODELOS 1D DE COMBUSTO
Considera-se agora, um modelo que simula a dinmica de uma chama[1-4]. Deste
modo, a temperatura (de um reagente num sistema qumico) aumenta gradualmente
at formao de um ponto quente na posio, x = 0. Num determinado instante,
ocorre a ignio e a temperatura no ponto quente aumenta rapidamente, at atingir o
valor normalizado de 1+. Nessa altura, forma-se uma frente de carcter abrupto que
se propaga com velocidade, ( ) a e
ad
+ 1 2 , at colidir com a fronteira direita (x = 1). A
evoluo da velocidade da frente do tipo exponencial, j que o valor de d
normalmente elevado e o correspondente a a situa-se prximo da unidade.
Assim, o modelo representado pela PDE,
( )
u
d
e u a D
x
u
t
u
+ +
1
2
2
, (6.4)
com:

0
T T u = , temperatura normalizada da chama.
T, temperatura da chama.
T
0
, temperatura inicial da chama.
t, varivel temporal.
x, varivel espacial.
ad e R D
d
=
R, d, a, constantes.
O problema resolvido nos domnios: [ ] 1 , 0 x , [ ] 29 . 0 , 0 t ; sendo completado pelas
condies fronteira:
( )
0
, 0
=
x
t u
, ( ) 1 , 1 = t u , (6.5)
e a condio inicial,
( ) 1 0 , = x u . (6.6)
Testa-se ento o caso em que: a = 1, d = 20 e R = 5.
Aplica-se novamente o algoritmo INTEGR2D numa execuo particular do tipo 1D. Os
parmetros utilizados so os constantes na Tabela 6.3. A soluo do modelo 6.4 a 6.6
arranca a partir de um perfil em plateau unitrio perturbado pela introduo da
condio fronteira de Neumann na extremidade esquerda do domnio espacial (que
simula a ignio do sistema) e que se propaga ao longo do espao no sentido da
esquerda para direita, tornando-se progressivamente mais abrupta.
Na Figura 6.6 resumem-se os perfis numricos obtidos atravs da aplicao do critrio
de colocao 1D C1 (no contexto da estratgia de gerao de malha C52). Verifica-se
que o procedimento lida com relativa facilidade com a evoluo das caractersticas dos
perfis espaciais. De facto, verifica-se que a soluo se mantm suave ao longo de
quase todo o procedimento de avano temporal, referente formao inicial da frente
de propagao.
218
Tabela 6.3 Parmetros numricos para a implementao da resoluo do modelo de chama.
Critrio 2D C52
Critrio 1D C1; C2

1

2

Colocao nodal
tolerncias 510
-2
510
-2

M
x
N
x

4 10
M
y
N
y

NA NA
Malhas didicas
uniforme
passo ( t) 2.510
-3

tolerncias 110
-6
110
-6

1
1.1
1.2
1.3
1.4
1.5
1.6
1.7
1.8
1.9
2
0 0.2 0.4 0.6 0.8 1
x
u
t=0.01
t=0.20
t=0.26
t=0.27
t=0.28
t=0.29

0.2
0.22
0.24
0.26
0.28
0.3
0 0.2 0.4 0.6 0.8 1
x
t

Figura 6.6 Implementao numrica para o caso da equao de chama (critrio C52/C1).
219
Deste modo, no exige qualquer aco de refinamento, j que a malha base de
arranque se revela suficiente para representar discretamente as caractersticas gerais
da soluo de forma satisfatria (vd. Figura 6.6).
Somente para tempos mais avanados (t > 0.26), correspondentes evoluo da
frente de chama propriamente dita, observada uma necessidade de adaptao da
malha, de modo a promover uma representao correcta da frente e da curvatura das
suas extremidades superior e inferior.
No entanto, o desempenho do algoritmo de colocao C1, aplicado no mbito da
estratgia C52 na abordagem ao presente problema revela-se bastante apropriado,
proporcionando resultados numricos adequados, atravs da construo de malhas
adaptativas relativamente leves que acompanham de forma expedita a evoluo da
soluo.
1
1.1
1.2
1.3
1.4
1.5
1.6
1.7
1.8
1.9
2
0 0.2 0.4 0.6 0.8 1
x
u
t=0.01
t=0.20
t=0.26
t=0.27
t=0.28
t=0.29

0.2
0.22
0.24
0.26
0.28
0.3
0 0.2 0.4 0.6 0.8 1
x
t

Figura 6.7 Implementao numrica para o caso da equao de chama (critrio C52/C2).
Resultados perfeitamente equivalentes aos discutidos acima so obtidos atravs da
utilizao do critrio de colocao 1D C2 (vd. Figura 6.7) em condies semelhantes.
Verifica-se novamente uma notria capacidade do algoritmo de detectar e
acompanhar a movimentao das caractersticas abruptas da soluo quando que tal
se demonstra necessrio.
220
Por outro lado, o comportamento idntico e relativamente trivial de ambos os critrios
demonstrado pela anlise da evoluo da dimenso das malhas respectivas ao longo
do processo de integrao numrica (vd. Figura 6.8). Mais uma vez se constata a
ocorrncia de operaes de refinamento apenas para tempos manifestamente tardios
e um aumento brusco mas no demasiado acentuado da actividade adaptativa de
modo a lidar com o acompanhamento da propagao da chama. notrio que nestas
condies o critrio C2 se revela mais sensvel do que o critrio C1, apesar das
diferenas observadas no serem significativas.
A facilidade de implementao do algoritmo testado ao exemplo em estudo tambm
comprovada pelo facto das execues computacionais envolverem tempos de
processamento da ordem de 3 s.
0
10
20
30
40
50
60
0 0.05 0.1 0.15 0.2 0.25 0.3
t
N
P
C52 - C1
C52 - C2

Figura 6.8 Evoluo do nmero de nodos da malha adaptativa gerada na implementao numrica para
o caso da equao de chama.
O modelo[1-2,4-5] testado seguinte numericamente mais exigente e representa a
dinmica de propagao de uma chama, considerando a temperatura e a massa do
respectivo combustvel. O problema caracteriza-se pela definio, nos tempos iniciais,
de uma condio fronteira direita, dependente do tempo e em forma de rampa. Esta
condio pretende descrever a evoluo da temperatura desde a ignio at ao
alcance do valor mximo. A soluo resultante apresenta a forma de duas ondas
abruptas que se propagam muito rapidamente no mesmo sentido (neste caso, na
direco negativa de x), devido relao directa que estabelecida entre o consumo
de combustvel e o aumento de temperatura, originado pela libertao de calor que
da advm. Assim, o processo simulado pelo sistema de PDEs unidimensionais
evolutivas:
v
e u
x
u
t
u

2
2
, (6.7)
v
e u
x
v
t
v

2
2
, (6.8)
com,
u, massa de combustvel.
221
v, temperatura da chama.
Adicionalmente, assumem-se os domnios: 0 x 1 e 0 t 0.006; as condies
fronteira de Neumann:
( )
0
, 0
=
x
t u
,
( )
0
, 0
=
x
t v
,
( )
0
, 1
=
x
t u
, (6.9)
a condio fronteira em rampa temporal que simula o processo de ignio do
combustvel,
( )
< +
=
0002 . 0 , 2 . 1
0002 . 0 , 0002 . 0 2 . 0
, 1
t
t t
t v , (6.10)
e as condies iniciais,
( ) 1 0 , = x u e ( ) 2 . 0 0 , = x v . (6.11)
Fixa-se ento os parmetros do modelo como, = 3.5210
6
e = 4.
Novamente o modelo que simula uma combusto constitudo por equaes de
difuso/reaco. De facto, o termo mais frequentemente associado ao
desenvolvimento de frentes abruptas mveis e que, consequentemente gera maiores
dificuldades de integrao atravs de mtodos numricos idealizados numa
perspectiva Euleriana o termo advectivo/convectivo. Deste modo, parece
contraditrio apresentar exemplos de teste para mtodos adaptativos que no exibem
uma contribuio predominante de adveco. Na verdade nos casos seleccionados e
analisados na seco presente, esta contribuio apresenta-se de todo ausente.
Porm, a modelao de fenmenos de combusto frequentemente dispensa a
considerao de mecanismos convectivos de transporte, j que a velocidade de
propagao das ondas depende de um aumento brusco de elevada amplitude da
temperatura do sistema, alimentado por reaces de combusto caracterizadas por
velocidades de converso extremamente altas. Deste modo, a gerao de ondas
abruptas propagadas a velocidades elevadas devida essencialmente contribuio
de cinticas reaccionais particularmente extremas, ou seja a termos geracionais de
reaco de valor elevado, associados a mecanismos de transporte baseados em
difuso e radiao[6-8]. Assim, torna-se possvel testar solues caracterizadas pela
propagao de ondas e frentes abruptas de tipo no convectivo.
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
x

Figura 6.9 Malha base no uniforme de nvel 0, usada nas implementaes do modelo de propagao de
chama.
222
Tabela 6.4 Parmetros numricos para a implementao da resoluo do modelo de propagao de
chama.
Critrio 2D NA
Critrio 1D C1; C2

1

2

Colocao nodal
tolerncias 0.01; 0.1 0.01; 0.1
M
x
N
x

0 6
M
y
N
y

NA NA
no uniforme
Malhas no didicas (M=0)
27 ints Figura 6.9
passo ( t) 110
-4

tolerncias 110
-6
110
-6

Neste caso particular, opta-se por avaliar a performance do algoritmo 1D STAT02
associado rotina de colocao nodal gridgen11 implementada com os critrios 1D C1
e C2, e os parmetros definidos na Tabela 6.4.
A considerao de condies fronteira de Neumann em ambas as extremidades do
domnio espacial conjugada com um mecanismo em rampa de temperatura para
simulao do processo de ignio introduz algumas perturbaes na definio dos
perfis na vizinhana de x = 1. Deste modo, impe-se neste caso uma malha base
estrutural no didica e no uniforme de 27 intervalos, que concentra nodos
preferencialmente na regio referida (vd. Figura 6.9). Esta malha convencionada como
de nvel 0, constitui o suporte para possveis operaes de refinamento posteriores
que podem atingir um nvel mximo de 6. O estabelecimento de uma malha base no
didica no retira generalidade aos procedimentos descritos no Captulo 3, j que a
relao entre malhas de nveis consecutivos se mantm inaltervel, continuando a
depender de factores baseados em potncias de 2 (agora afectados pelo nmero de
intervalos, NI, definido para a malha de nvel 0; vd. Anexo B).
Os resultados numricos obtidos atravs da aplicao do critrio de colocao nodal
C1 so apresentados na Figura 6.10. A anlise dos perfis permite concluir que o
algoritmo demonstra capacidade de representar e acompanhar de um modo
satisfatrio o movimento da frente abrupta de chama ao longo do domnio espacial.
Concluses semelhantes so obtidas no caso do teste do critrio C2. No entanto,
verifica-se que para se atingirem perfis de qualidade semelhante necessrio
aumentar o grau de exigncia do critrio C1 em relao a C2, baixando o valor das
tolerncias de colocao na implementao do primeiro caso em relao ao segundo
(vd. Tabela 6.4). Assim, expectvel que as malhas C1 geradas apresentem uma
dimenso notoriamente superior s malhas C2 correspondentes de forma a
proporcionarem perfis de qualidade equivalente.
223
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
0 0.2 0.4 0.6 0.8 1
x
ut=0
t=0.0012
t=0.0024
t=0.0036
t=0.0048
t=0.0060

0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
1.1
1.2
0 0.2 0.4 0.6 0.8 1
x
v
t=0
t=0.0012
t=0.0024
t=0.0036
t=0.0048
t=0.0060

0
0.001
0.002
0.003
0.004
0.005
0.006
0.007
0 0.2 0.4 0.6 0.8 1
x
t

Figura 6.10 Implementao numrica para o caso do modelo de propagao de chama
(gridgen11/critrio C1).

224
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
0 0.2 0.4 0.6 0.8 1
x
ut=0
t=0.0012
t=0.0024
t=0.0036
t=0.0048
t=0.0060

0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
1.1
1.2
0 0.2 0.4 0.6 0.8 1
x
v
t=0
t=0.0012
t=0.0024
t=0.0036
t=0.0048
t=0.0060

0
0.001
0.002
0.003
0.004
0.005
0.006
0.007
0 0.2 0.4 0.6 0.8 1
x
t

Figura 6.11 Implementao numrica para o caso do modelo de propagao de chama

225
Este facto corroborado pela anlise da evoluo da dimenso das malhas ao longo da
integrao numrica temporal (vd. Figura 6.12). A aplicao do critrio C2 nas
condies da Tabela 6.4 conduz a um esforo de refinamento inicial elevado
consentneo com a abordagem ao mecanismo de ignio, mas que tende
posteriormente para valores de NP relativamente modestos. Por outro lado, a
utilizao do critrio C1 associado a tolerncias mais restritas no implica uma
imposio to intensa de operaes de refinamento inicial, mas leva estabilizao da
dimenso das malhas no decorrer da integrao temporal, em valores
consideravelmente mais elevados. Este facto pode ser facilmente explicado pela maior
exigncia do procedimento de colocao nodal C1 que, no entanto, se revela essencial
na representao numrica das frentes de um modo equivalente do critrio C2.
0
50
100
150
200
250
0 0.001 0.002 0.003 0.004 0.005 0.006
t
N
P
C1
C2

Figura 6.12 Evoluo do nmero de nodos da malha adaptativa gerada na implementao numrica
para o caso do modelo de propagao de chama.
No entanto, a anlise dos resultados dos modelos de combusto permite discutir duas
desvantagens dos procedimentos adaptativos idealizados neste trabalho baseados em
critrios de colocao nodal dependentes somente de propriedades espaciais dos
perfis da soluo. De facto, estas desvantagens constatadas correspondem a:
1. Incapacidade de prever perturbaes abruptas introduzidas por condies
fronteira, nomeadamente de Neumann. Qualquer aco provocada pela aco
das condies fronteira teoricamente indetectvel pelo algoritmo de
adaptao aquando da gerao da malha inicial baseada apenas na anlise da
condio inicial. Deste modo, se esta se revelar partida suave, a malha inicial
gerada pode revelar-se inadequada para o tratamento de condies fronteira
que introduzam perfis abruptos no problema. Quando a condio fronteira
do tipo Dirichlet, a sua aco pode ser interpretada como a insero de uma
perturbao em degrau, sendo facilmente tratada atravs de uma antecipao
do efeito da condio fronteira na condio inicial do problema. Infelizmente,
no caso de condies fronteira de primeira ordem, esta estratgia no
aplicvel. No entanto, para exemplos em que o efeito destas condies
fronteira seja suficientemente abrupto, torna-se possvel aproximar a sua aco
correspondente a uma perturbao em degrau associada a uma condio
226
fronteira de Dirichlet fictcia adequada, ultrapassando assim a desvantagem
enunciada acima.
2. Natureza esttica do algoritmo adaptativa que no considera a movimentao
das caractersticas da soluo ao longo de cada integrao temporal
intermdia. Este fenmeno facilmente visvel pela anlise dos resultados das
Figuras 6.10 e 6.11 onde notria uma maior concentrao de nodos a
montante da frente em relao curvatura correspondente a jusante,
resultante da prpria movimentao da frente. Tal deve-se ao facto da malha
adaptativa associada a cada instante temporal final de cada integrao (t
k
) ser
realmente gerada nas condies do perfil da soluo no instante inicial da
integrao (t
k-1
) e deste modo, no considerar as alteraes na soluo no
intervalo entre t
k-1
e t
k
. Assim, cada passo temporal tem de ser sintonizado para
que o seu valor seja apropriado verificao de um avano sustentvel da
integrao com uma malha que satisfaa simultaneamente as propriedades da
soluo numrica em t
k-1
e t
k
. Este desiderato pode ser alcanado atravs da
colocao de nodos adicionais durante o processo de gerao de malha,
relacionados com a projeco do movimento da soluo para um determinado
passo temporal especificado.
6.3 MODELOS 1D DE DIFUSO-CONVECO-GERAO
Testa-se agora um modelo[1-2] que descreve a adsoro de um nico componente
num leito fixo, operando em condies isotrmicas. O equilbrio entre o soluto e a fase
slida considerado instantneo e admite-se que o escoamento do tipo pisto.
Deste modo tem-se a PDE,
( ) [ ] ( ) x
u
u g x
u
u g Pe t
u
+
=
1
1
1
1
2
2
(6.12)
com,

0
C C u = , concentrao adimensional do componente adsorvido em relao
concentrao de entrada.
C, concentrao do componente adsorvido no seio do fluido.
C
0
, concentrao do componente adsorvido na corrente de alimentao.
= t , tempo adimensional, normalizado em relao ao tempo de passagem.
, varivel temporal.

0
u = , tempo de passagem de um elemento de fluido no leito.
, comprimento do leito.
u
0
, velocidade do fluido no leito.

0
0
1
C
q

= , factor de capacidade do leito.
227
, porosidade do leito.
q
0
, concentrao do componente adsorvido no slido, em equilbrio com C
0
.
g(u), isotrmica de equilbrio.

eff
D u Pe
0
= , nmero de Peclet mssico.
D
eff
, difusividade efectiva do componente adsorvido no leito.
Como isotrmica de equilbrio, considera-se a lei de aco de massas, ou seja:
( )
( )u k
ku
u g
1 1 +
= (6.13)
em que, k a constante de equilbrio.
Finalmente, consideram-se os domnios: 0 x 1 e 0 t 1.9; as condies fronteira
de Neumann:

( )
( ) 1
, 0
=
u Pe
x
t u
,
( )
0
, 1
=
x
t u
, (6.14)
e a condio inicial:
( ) 0 0 , = x u . (6.15)
Fixa-se Pe = 10
4
, = 1 e k = 1 para o teste do desempenho do algoritmo 1D STAT02.
A soluo do modelo 6.12 a 6.15 nestas condies que favorecem o processo de
adsoro, consiste na propagao de uma onda abrupta de altura constante ao longo
do domnio espacial, representativa do enchimento da coluna de adsoro.
Os parmetros usados so resumidos na Tabela 6.5 e os resultados obtidos atravs da
aplicao do critrio de colocao C2 no contexto da rotina de gerao de malha
gridgen11 so apresentados na Figura 6.13.
Tabela 6.5 Parmetros numricos para a implementao da resoluo do modelo de adsoro.
Critrio 2D NA
Critrio 1D C1; C2

1

2

Colocao nodal
tolerncias 510
-2
510
-2

M
x
N
x

5 11
M
y
N
y

NA NA
Malhas didicas
uniforme
aproximaes FD biased upwind; 5 pontos
passo ( t) 510
-3

tolerncias 110
-6
110
-6

228
-0.1
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
1.1
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
x
u
t=0.3
t=0.6
t=0.9
t=1.2
t=1.5
t=1.8

0
0.5
1
1.5
2
0 0.2 0.4 0.6 0.8 1
x
t

Figura 6.13 Implementao numrica para o caso do modelo de adsoro (gridgen11/critrio C2).
Verifica-se pela anlise da Figura 6.13 que o algoritmo adaptativo no revela quaisquer
dificuldades na deteco, representao e movimentao da onda de propagao
introduzida pela perturbao simulada pela condio fronteira da esquerda (x = 0). No
entanto, importante salientar que a condio fronteira efectivamente usada consiste
num degrau de u = 0 para u = 1 (em t = 0), que posteriormente mantido em u = 1 (t >
0). Esta condio de Dirichlet corresponde a uma aproximao da condio de
Neumann 6.14, sendo bastante satisfatria para valores de Peclet elevados (o que o
caso). Por outro lado, a substituio possibilita a deteco da perturbao introduzida
j no perfil inicial, evitando as desvantagens j referidas anteriormente, caractersticas
de estratgias adaptativas estticas. Por esse motivo, recorre-se a este procedimento
em todos os modelos testados que apresentem condies fronteira do tipo 6.14.
Assim, conclui-se que a aplicao do critrio de colocao nodal C2 manifesta uma
notria capacidade de representao numrica da soluo do problema 6.12 a 6.15.
A Figura 6.14 possibilita uma visualizao mais detalhada de um perfil de soluo
seleccionado (t = 0.9). Atravs da figura referida, possvel verificar a distribuio do
esforo de refinamento para a representao satisfatria da frente abrupta sem o
desenvolvimento de dissipao ou disperso numricas notrias, e dos respectivos
patamares adjacentes.
229
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
0 0.2 0.4 0.6 0.8 1
x
u

3
4
5
6
7
8
9
10
11
12
0 0.2 0.4 0.6 0.8 1
x
n

Figura 6.14 Malha gerada para t = 0.9 (modelo de adsoro gridgen11/critrio C2).
-0.2
-0.1
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
1.1
1.2
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
x
u
t=0.3
t=0.6
t=0.9
t=1.2
t=1.5
t=1.8

0
0.5
1
1.5
2
0 0.2 0.4 0.6 0.8 1
x
t

Figura 6.15 Implementao numrica para o caso do modelo de adsoro (gridgen11/critrio C1).
230
-0.1
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
1.1
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
x
u
t=0.3
t=0.6
t=0.9
t=1.2
t=1.5
t=1.8

0
0.5
1
1.5
2
0 0.2 0.4 0.6 0.8 1
x
t

Figura 6.16 Implementao numrica para o caso do modelo de adsoro (gridgen11/critrio C1)
segundo run.
A malha C2 gerada, associada a aproximaes de FD enviesadas a montante (biased
upwind) revela-se extremamente eficiente no acompanhamento do movimento da
frente abrupta, com um esforo computacional aceitvel (t
cpu
= 66.1 s).
Por outro lado, os resultados obtidos com o teste da performance do critrio de
colocao nodal C1 so apresentados nas Figuras 6.15 e 6.16. A manuteno de
tolerncias equivalentes do ensaio para o critrio C2 (vd. Tabela 6.5) demonstra-se
insatisfatria, j que o mtodo numrico revela notrias dificuldades na formao das
curvaturas a montante e jusante da frente de propagao. De facto, a amplitude das
oscilaes desenvolvidas aumenta ao longo do processo de integrao temporal.
Conclui-se assim que o critrio C1 implica a imposio de condies de gerao de
malha mais exigentes, por exemplo, tolerncias 5 mais baixas (
1
=
2
= 110
-2
). Neste
caso observa-se uma estabilizao considervel dos perfis numricos, apesar de ainda
se constatar o desenvolvimento de leves perturbaes nas regies das extremidades
da onda abrupta que se propagam com o avano temporal (vd. Figura 6.16).
No entanto, o aumento da sensibilidade do procedimento de colocao nodal implica a
construo de malhas relativamente mais complexas e de dimenso elevada, que
induzem um maior esforo computacional no processo (vd. Figura 6.17) t
cpu
= 320 s.
231
0
20
40
60
80
100
120
140
160
0 0.5 1 1.5
t
N
P
C1
C2

para o caso do modelo de adsoro.
O exemplo[1-2] seguinte descreve um reactor tubular isotrmico, ao qual aplicado o
modelo pisto difusional (pistdif). De forma a se estudar o efeito conjugado de termos
difusivos, convectivos e reaccionais, introduz-se um termo de difuso axial no modelo,
ao mesmo tempo que se admite a ocorrncia de uma reaco homognea de primeira
ordem A B, no interior do reactor. Assim,
u Da
x
u
x
u
Pe t
u
2
2
1
, (6.16)
u, concentrao normalizada da espcie A.
x, varivel espacial normalizada.
, varivel temporal.

0
u = , tempo de passagem de um elemento de fluido no leito.
, comprimento do leito.
u
0
, velocidade do fluido no leito.

0
u k Da = , nmero de Damkhler.
k, constante de velocidade da reaco.

ax
D u Pe
0
= , nmero de Peclet axial.
D
ax
, difusividade axial da espcie A.
Nos domnios: 0 x 1 e 0 t 1.1; definem-se as condies fronteira de Neumann:

( )
( ) 1
, 0
=
u Pe
x
t u
,
( )
0
, 1
=
x
t u
, (6.17)
e a condio inicial:
( ) 0 0 , = x u . (6.18)
232
Com os parmetros Pe = 10
4
e Da = 1, executou-se a aplicao STAT02 nas condies
descritas na Tabela 6.6.
Tabela 6.6 Parmetros numricos para a implementao da resoluo do modelo pistdif.
Critrio 2D NA
Critrio 1D C1; C2

1

2

Colocao nodal
tolerncias 0.01; 0.05 0.01; 0.05
M
x
N
x

5 11
M
y
N
y

NA NA
Malhas didicas
uniforme
passo ( t) 510
-3

tolerncias 110
-6
110
-6

0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
0 0.2 0.4 0.6 0.8 1
x
u

3
4
5
6
7
8
9
10
11
12
0 0.2 0.4 0.6 0.8 1
x
n

Figura 6.18 Malha gerada para t = 0.5 (modelo pistdif gridgen11/critrio C2).
Agora, a soluo do problema seleccionado consiste na propagao de uma onda
abrupta de altura decrescente ao longo do domnio espacial. Deste modo, opta-se por
233
utilizar condies de execuo semelhantes s adoptadas para o exemplo anterior
para o caso especfico da simulao C2. Deste modo, observa-se que a qualidade dos
resultados numricos obtidos perfeitamente comparvel com a correspondente ao
problema referido (vd. Figura 6.19). Novamente se verifica uma capacidade satisfatria
de deteco, reproduo e acompanhamento das particularidades abruptas da
soluo, demonstrada por uma adequada distribuio nodal consentnea com a
representao simultnea das caractersticas abruptas e suaves da soluo em cada
posio temporal (vd. Figura 6.18 para o caso particular de t = 0.5)
A existncia de um termo estabilizador difusivo de influncia reduzida (Pe = 10
4
) induz
uma ligeira suavizao das frentes de propagao ao longo da integrao temporal que
visvel atravs da anlise dos resultados da Figura 6.19.
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
x
u
t=0.1
t=0.3
t=0.5
t=0.7
t=0.9

0
0.2
0.4
0.6
0.8
1
0 0.2 0.4 0.6 0.8 1
x
t

Figura 6.19 Implementao numrica para o caso do modelo pistdif (gridgen11/critrio C2).
Para alm disso, o teste da performance do critrio de colocao C2 em condies
equivalentes s referidas para o caso C1 (vd. Tabela 6.6) revela problemas semelhantes
aos discutidos no contexto do problema precedente. Ento, mais uma vez se recorre a
um reforo da sensibilidade da estratgia C1, pela reduo das tolerncias de
colocao,
1
=
2
= 110
-2
.
Estas condies possibilitam resultados relativamente
satisfatrios (vd. Figura 6.20), mas demonstram igualmente o desenvolvimento de
234
caractersticas oscilatrias no fsicas de amplitude baixa, na extremidade jusante da
frente.
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
x
u
t=0.1
t=0.3
t=0.5
t=0.7
t=0.9

0
0.2
0.4
0.6
0.8
1
0 0.2 0.4 0.6 0.8 1
x
t

0
20
40
60
80
100
120
140
160
180
0 0.2 0.4 0.6 0.8 1
t
N
P
C1
C2 - run1
C2 - run2

para o caso do modelo pistdif.
235
No entanto, este aumento da sensibilidade do mtodo de colocao nodal implica
consequentemente um correspondente acrscimo do esforo computacional para a
implementao do algoritmo de integrao numrica, claramente visvel pela aumento
da complexidade e dimenso das malhas adaptativas geradas em relao aos ensaios
referentes ao critrio C2 (vd. Figura 6.21). Assim, o tempo de processamento para a
execuo C1 92.7 s, enquanto que as implementaes C2 testadas apresentam
valores de 27.7 s e 33.7 s, para os ensaios 1 (nas condies da Tabela 6.6 com a rotina
de colocao gridgen11) e 2 (condies semelhantes s da Tabela 6.6, com a rotina de
colocao gridgen21 e M = 4), respectivamente. A qualidade dos resultados obtidos
atravs da execuo do ensaio 2 do critrio C2 muito semelhante discutida
anteriormente para o caso do ensaio 1 (vd. Figura 6.22). Por outro lado, a prpria
evoluo temporal da dimenso das malhas adaptativas referentes a estes dois casos
igualmente anloga, como seria de esperar.
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
x
u
t=0.1
t=0.3
t=0.5
t=0.7
t=0.9

0
0.2
0.4
0.6
0.8
1
0 0.2 0.4 0.6 0.8 1
x
t

Atente-se agora para um exemplo[9] mais complexo do que o anterior, descrevendo o
comportamento de um reactor tubular cataltico no isotrmico (catn_isot). O modelo
considerado designa-se por pseudo-homogneo unidimensional, onde os balanos
mssicos e energticos consideram simultaneamente as fases slida e fluida do
reactor. No reactor ocorre uma reaco de primeira ordem A B. Tem-se ento:
236
( ) { } v R u Da
t
u
x
u
x
u
Pe
E
1 1 exp
1
2
2
+
, (6.19)
( ) ( ) { } v R u v N
t
v
R
x
v
x
v
Pe
E
W
H
H
1 1 exp 1
1
2
2
+
, (6.20)
onde,

0
C C u = , concentrao normalizada em relao concentrao da alimentao.
C, concentrao do componente A.
C
0
, concentrao de referncia do componente A.

0
T T v = , temperatura normalizada em relao temperatura de entrada.
T, temperatura da mistura reaccional.
T
0
, temperatura de referncia.
= x , varivel espacial normalizada em relao ao comprimento do reactor.
, varivel espacial.
, comprimento do reactor.
, varivel temporal.
= , tempo de passagem de um elemento de fluido no leito.
, velocidade do fluxo.
( )
0
T k Da = , nmero de Damkhler.
k(T
0
), constante de velocidade da reaco nas condies de referncia.
, porosidade do leito.

ax
D Pe = , nmero de Peclet axial.
D
ax
, difusividade axial da espcie A.

ax p H
k C Pe = , nmero de Peclet trmico.
, densidade do fluido.
C
P
, calor especfico do fluido.
k
ax
, condutividade trmica axial.

0
RT E R
E
= , nmero de Arrhenius.
E, energia de activao da reaco.
R, constante dos gases perfeitos.

( )

P
S PS P H
C
C C
R
+
=
1
, tempo de passagem da onda trmica.
237

S
, densidade do slido.
C
PS
, calor especfico do slido.

( ) ( )
0
0 0
T C
C T k H
P

= , parmetro adimensional.
(H), entalpia da reaco.

P
W
C R
U
N

0
2
= , nmero de unidades de transferncia de calor na parede.
U, coeficiente de transferncia de calor entre a parede e o fluido reaccional.
R
0
, raio do reactor.
Considerando os domnios: 0 x 1 e 0 t 900; completa-se o modelo com as
condies fronteira:

( )
( ) 1
, 0
=
u Pe
x
t u
,
( )
( ) 1
, 0
=
v Pe
x
t v
H
,
( )
0
, 1
=
x
t u
,
( )
0
, 1
=
x
t v
(6.21)
e as condies iniciais:
( ) 0 0 , = x u , ( ) 1 0 , = x v . (6.22)
Pretende-se resolver o modelo anterior com os parmetros Pe = Pe
H
= 10
4
, R
E
= 20, R
H

= 5000, = 1, Da = 1 e N
w
= 30. Deste modo, adoptam-se as condies descritas na
Tabela 6.7 para a avaliao da performance do algoritmo adaptativo STAT02.
Tabela 6.7 Parmetros numricos para a implementao da resoluo do modelo catn_isot.
Critrio 2D NA
Critrio 1D C2
ordem da derivada 1

1

2

Colocao nodal
tolerncias 510
-2
510
-2

M
x
N
x

5 11
M
y
N
y

NA NA
Malhas didicas
uniforme
passo ( t)
0.01 para t 2
1 para t > 2
ATOL RTOL
Integrao temporal
tolerncias 110
-6
110
-6

Na Figura 6.23 apresentam-se os perfis numricos associados s variveis do problema
6.19 a 6.22 obtidos para o tempo t = 0.5. Como a velocidade de propagao da onda
mssica unitria, este instante temporal ainda est situado no intervalo inicial [0,1]
correspondente evoluo inicial do choque introduzido em x = 0 (vd. equao 6.21)
238
atravs do reactor de comprimento adimensional tambm unitrio. Dada a reduzida
influncia do termo difusivo (Pe = 10
4
), expectvel obter um perfil mssico
caracterizado por uma frente abrupta centrada na posio mdia do domnio espacial,
ladeada por uma seco decrescente a montante (devida ao carcter reaccional do
sistema, definido pelo termo geracional de 6.19) e uma seco praticamente nula a
jusante (representando uma regio no afectada pela influncia da perturbao,
controlada predominantemente por fenmenos de transporte convectivos). Estas
caractersticas so claramente visveis no perfil mssico apresentado na Figura 6.23.
Por outro lado, como no introduzida no sistema qualquer perturbao trmica, o
efeito da passagem da onda mssica praticamente no afecta a evoluo do perfil
trmico nesta escala temporal.
No entanto, a necessidade de uma representao adequada da frente mssica abrupta
obriga a um esforo de refinamento que ascende a valor mximo de resoluo
admitido (N = 11).
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
x
u
1
1.002
1.004
1.006
1.008
1.01
v

3
4
5
6
7
8
9
10
11
12
0 0.2 0.4 0.6 0.8 1
x
n

Figura 6.23 Malha gerada para t = 0.5 (modelo catn_isot gridgen11/critrio C2).
239
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
0 0.2 0.4 0.6 0.8 1
x
u
1
1.1
1.2
1.3
1.4
1.5
v

3
4
5
6
7
8
9
10
11
12
0 0.2 0.4 0.6 0.8 1
x
n

Figura 6.24 Malha gerada para t = 800 (modelo catn_isot gridgen11/critrio C2).
Aps o perodo de passagem da onda mssica inicial (t < 1), a evoluo da soluo
torna-se consideravelmente mais lenta. Deste modo, opta-se neste exemplo pela
definio de um passo mais elevado (t = 1), para a execuo da integrao temporal
quando t > 2 (vd. Tabela 6.7). Na Figura 6.24, ilustram-se os resultados numricos
obtidos para um instante temporal consideravelmente mais avanado (t = 800). Agora,
verifica-se um esgotamento progressivo da onda mssica, j que o perfil de
concentraes praticamente nulo numa regio extensa do domnio espacial. Esta
anulao da onda mssica explicada pelo crescimento da onda trmica (hot-spot), j
claramente visvel no primeiro quarto do domnio. A configurao da onda trmica
claramente abrupta nestas condies e a sua posio coincide com a localizao da
onda mssica de declive igualmente acentuado. Deste modo, na vizinhana da regio
do hot-spot que se concentra o maior esforo de refinamento, consentneo com a
necessria representao apropriada dos perfis de soluo numricos. Observao
tambm uma actividade significativa de adaptao de malha na regio adjacente
fronteira direita do domnio (x = 1), correspondente verificao das condies
fronteira de Neumann estabelecidas nessa posio (vd. equao 6.21).
240
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
x
u
run1
run2

1
1.05
1.1
1.15
1.2
1.25
1.3
1.35
1.4
1.45
1.5
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
x
v
run1
run2

Figura 6.25 Comparao dos perfis para t = 850 (modelo catn_isot gridgen11/critrio C2).
Por outro lado, comparam-se igualmente os perfis numricos obtidos atravs da
implementao de dois runs definidos em condies semelhantes, mas que diferem
apenas no segundo passo de tempo estabelecido para t > 2. Assim, se para o caso do
run1 este passo temporal fixado como a unidade, na execuo 2 (run2), o passo t
duplicado. Tal estratgia permite reduzir o tempo de processamento computacional
em aproximadamente 40 %, proporcionando resultados perfeitamente equivalentes
(vd. Figura 6.25). De facto, a evoluo das malhas adaptativas ao longo da integrao
temporal revela-se muito semelhante (vd. Figura 6.26), o que indicia que a poupana
em termos de esforo de clculo realizada ao nvel da reduo significativa do
nmero de passos temporais realizados pelo algoritmo adaptativo nas condies do
run2 em relao s correspondentes ao do run1, sem qualquer sacrifcio em termos da
qualidade dos resultados.
241
0
20
40
60
80
100
120
0.01 0.1 1 10 100 1000
t
N
P
run1
run2

para o caso do modelo catn_isot.
6.4 MODELO DE PERMUTADOR DE FLUXO EM CONTRA-CORRENTE
O objectivo consiste em testar um exemplo[10] puramente advectivo, ou seja, que no
possua o termo estabilizador difusivo. Assim, considera-se um modelo que simula o
arranque de um permutador de calor de fluxo em contra-corrente. Este modelo
assume: fluxo pisto, perdas de calor para o exterior desprezveis, propriedades
constantes de ambos os fluidos, e espessura e inrcia trmica desprezveis do tubo
que separa os fluidos. Deste modo, escreve-se o modelo na forma adimensional
seguinte:
( ) v u H
x
u
t
u
i

(6.23)
( ) v u H
x
v
t
v
r +
0
(6.24)
em que,
( )
inlet i inlet i i
T T T u
, ,
= , temperatura normalizada do fluido interno.
T
i
, temperatura do fluido interno.
T
i,inlet
, temperatura de entrada do fluido interno.
( )
inlet i inlet i
T T T v
, , 0
= , temperatura normalizada do fluido externo.
T
0
, temperatura do fluido externo.
= x , varivel espacial normalizada em relao ao comprimento do permutador.
, varivel espacial.
, comprimento do permutador.
, varivel temporal.
242

i
= , tempo de passagem de um elemento de fluido no leito.

i
, velocidade do fluxo do fluido interno.

0

i
r = , razo de velocidades.

0
, velocidade do fluxo do fluido externo.

i i Pi i
i i
i
A C
P h
H

= , parmetro adimensional referente ao fluido interno.

h
i
, coeficiente de transferncia de calor interno.
P
i
, permetro de transferncia de calor interno.

i
, densidade do fluido interno.
C
Pi
, calor especfico do fluido interno.
A
i
, rea transversal interna.

0 0 0 0
0 0
0
A C
P h
H
P
= , parmetro adimensional referente ao fluido externo.

h
0
, coeficiente de transferncia de calor externo.
P
0
, permetro de transferncia de calor externo.

0
, densidade do fluido externo.
C
P0
, calor especfico do fluido externo.
A
0
, rea transversal externa.
Nos domnios: 0 x 1 e 0 t 0.7; definem-se as condies fronteira,

( ) 0 , 0 = t u , ( )
inlet
v t v = , 1 , (6.25)
e as condies iniciais:
( ) 0 0 , = x u , ( ) 0 0 , = x v . (6.26)
As implementaes numricas so realizadas com os parmetros: H
i
= H
0
= r = v
inlet
= 1,
nas condies descritas na Tabela 6.8.
Neste caso, o mtodo tem de lidar com a propagao de uma perturbao em degrau
da temperatura do fluido externo (v) entrada (x = 1), que percorre o reactor sem ser
suavizada por qualquer mecanismo de transporte difusivo. Assim, expectvel que a
descontinuidade se propague ao longo do permutador, mantendo a sua forma inicial,
ou seja, sem a mnima distoro. Obviamente que a evoluo desta onda trmica
externa afecta os perfis de temperatura do fluido interno (u). No entanto, este
fenmeno relativamente lento no induzindo a formao de perfis problemticos na
varivel u.
Deste modo, opta-se por testar o desempenho do critrio de colocao C1 no contexto
da rotina de gerao de gridgen11. Da mesma forma do que nos exemplos anteriores,
a estratgia de discretizao espacial aplica aproximaes de diferenas finitas biased
upwind para as duas variveis para a estimativa das derivadas espaciais, de modo se
243
conseguir um acompanhamento mais eficiente do fluxo associado a cada uma das
variveis. Tal implica que, na prtica as aproximaes FD referentes varivel u
estejam deslocadas para a esquerda (fluxo positivo), enquanto que as aproximaes
correspondentes a v sejam enviesadas para a esquerda (fluxo negativo).
Tabela 6.8 Parmetros numricos para a implementao da resoluo do modelo do permutador.
Critrio 2D NA
Critrio 1D C2
ordem da derivada 1

1

2

Colocao nodal
tolerncias 510
-2
510
-2

M
x
N
x

5 11
M
y
N
y

NA NA
Malhas didicas
uniforme
Interpolao linear
passo ( t) 110
-3

tolerncias 110
-6
110
-6

Os resultados obtidos nas condies da Tabela 6.8 so resumidos na Figura 6.27.
Verifica-se uma relativa incapacidade do procedimento de lidar com o movimento da
descontinuidade sem introduzir perturbaes sem significado fsico nos perfis da
varivel v. De facto, apesar dos resultados se revelarem satisfatrios em termos da
definio da seco superior da frente, observa-se o desenvolvimento de um
undershoot de amplitude significativa na representao da onda de propagao
trmica v. A dificuldade na representao da curvatura jusante da frente abrupta deve-
se essencialmente ao tipo de aproximaes FD adoptado, que concentra o seu esforo
de representao numrica na regio montante relativa ao nodo de avaliao. Assim,
perfeitamente expectvel que esta estratgia upwind, que se mostra bastante
adequada para mimetizar o movimento de frentes, demonstre um pior desempenho
na representao de caractersticas situadas na seco jusante das ondas. No entanto,
verifica-se igualmente que o fenmeno descrito anteriormente no introduz
instabilidade nos perfis numricos. Pelo contrrio, tende a se anular com o decorrer da
integrao, tornando-se praticamente indistinguvel para t > 0.4.
O desenvolvimento de oscilaes no fsicas deve-se natureza no limitada dos
esquemas de aproximao FD, j discutida na seco 3.2, j que notrio que o
procedimento de gerao de malha adaptativa operou de modo satisfatrio na
deteco, simulao e deslocao da frente abrupta. Para obviar este tipo de
problemas, recorre-se ento a esquemas de alta resoluo (HRS) para a estimativa dos
termos advectivos das equaes 6.23 e 6.24. Assim, executa-se uma nova integrao
do problema em estudo, onde se mantm as condies gerais de implementao da
Tabela 6.8 (com
1
=
2
= 110
-2
, e esquemas de interpolao de splines cbicas a 7
pontos), associadas a uma estratgia NVSF com limitador de fluxo MINMOD para a
244
avaliao das primeiras derivadas espaciais. Os resultados obtidos so apresentados na
Figura 6.28.
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
0 0.2 0.4 0.6 0.8 1
x
u
t=0
t=0.1
t=0.2
t=0.3
t=0.4
t=0.5

-0.2
0
0.2
0.4
0.6
0.8
1
0 0.2 0.4 0.6 0.8 1
x
v
t=0
t=0.1
t=0.2
t=0.3
t=0.4
t=0.5

0
0.1
0.2
0.3
0.4
0.5
0.6
0 0.2 0.4 0.6 0.8 1
x
t

Figura 6.27 Implementao numrica para o caso do modelo do permutador (gridgen11/critrio C2).
245
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
0 0.2 0.4 0.6 0.8 1
x
u
t=0
t=0.1
t=0.2
t=0.3
t=0.4
t=0.5

-0.2
0
0.2
0.4
0.6
0.8
1
0 0.2 0.4 0.6 0.8 1
x
v
t=0
t=0.1
t=0.2
t=0.3
t=0.4
t=0.5

0
0.1
0.2
0.3
0.4
0.5
0.6
0 0.2 0.4 0.6 0.8 1
x
t

Figura 6.28 Implementao numrica para o caso do modelo do permutador (gridgen11/critrio C2);
avaliao de derivadas espaciais atravs de uma estratgia NVSF associada ao limitador de fluxo
MINMOD.

246
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
0 0.2 0.4 0.6 0.8 1
x
u
t=0
t=0.1
t=0.2
t=0.3
t=0.4
t=0.5

-0.2
0
0.2
0.4
0.6
0.8
1
0 0.2 0.4 0.6 0.8 1
x
v
t=0
t=0.1
t=0.2
t=0.3
t=0.4
t=0.5

0
0.1
0.2
0.3
0.4
0.5
0.6
0 0.2 0.4 0.6 0.8 1
x
t

Figura 6.29 Implementao numrica para o caso do modelo do permutador (gridgen11/critrio C2);
avaliao de derivadas espaciais atravs de uma estratgia NVSF associada ao limitador de fluxo SMART.

247
-0.2
0
0.2
0.4
0.6
0.8
1
0.7 0.72 0.74 0.76 0.78 0.8
x
v
SMART
MINMOD
FD

Figura 6.30 Perfis espaciais da varivel v para t = 0.25 para o caso do modelo do permutador
Verifica-se agora uma visvel estabilizao dos perfis, sem a ocorrncia de fenmenos
de disperso numrica. No entanto, igualmente notrio o desenvolvimento de uma
suavizao artificial da frente de propagao que se agrava com o avano da
integrao temporal. Assim, a eliminao da disperso numrica foi realizado custa
da introduo de uma dissipao numrica razovel na soluo, associada ao prprio
esquema MINMOD[10].
De forma a encontrar um melhor equilbrio entre o balano das caractersticas de
dissipao e de difuso da soluo numrica, opta-se por testar o comportamento do
esquema de limitao SMART em condies equivalentes s referentes ao ensaio
MINMOD. Assim, obtm-se os resultados resumidos na Figura 6.29. Neste caso, nota-
se agora uma maior capacidade de representao da descontinuidade sem que se
detecte qualquer perturbao importante no perfil (vd. Figura 6.30). A simulao
adequada da descontinuidade mvel mantida sem alteraes aparentes ao longo do
processo de integrao temporal, confirmando a aptido do esquema SMART de lidar
com sucesso com este tipo de problemas[10].
Em todas as implementaes se verifica a capacidade do algoritmo de gerao de
malha de simular adequadamente as caractersticas principais dos perfis de soluo
numrica.
A anlise da evoluo das malhas adaptativas permite concluir que os esquemas HRS
promovem um aumento controlado da dimenso da malha ao longo da integrao
temporal, enquanto que o esquema FD induz um pico de refinamento inicial que evolui
posteriormente de forma decrescente mas estvel, at dimenses de malha inferiores
s correspondentes aos ensaios HRS. Nestas condies, o ensaio SMART revela-se mais
exigente do ponto de vista adaptativo do que a implementao MINMOD, conduzindo
a resultados significativamente mais satisfatrios. Porm, a necessidade de construo
de malhas mais complexas conduz a um tempo de processamento mais elevado para o
caso do ensaio SMART (vd. Tabela 6.9), semelhante ao obtido na implementao FD.

248
Tabela 6.9 Tempos de execuo para o caso do modelo do permutador.
Execuo Tempo de cpu (s)
FD 594.2
SMART 581.2
MINMOD 239.2
0
20
40
60
80
100
120
140
160
180
200
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7
t
N
P
MINMOD
FD
SMART

para o caso do modelo do permutador.
6.5 MODELO 2D DE COMBUSTO
Nesta seco pretende-se resolver o modelo que representa a extenso a duas
dimenses espaciais do problema de combusto apresentado na seco 6.2 (vd.
equao 6.4). Este modelo consiste numa equao de difuso-reaco, tipicamente
parablica em que a frente mvel se deve influncia do termo geracional de reaco,
geralmente associado a sistemas reaccionais caracterizados por cinticas
extremamente rpidas, ou seja velocidades de converso muito elevadas, como o
caso dos sistemas de combusto.
Assim, o modelo representado pela PDE[11-12],
( )
u
d
e u a D
y
u
x
u
p
t
u
+ +
|
|
\
|
1
2
2
2
2
, (6.27)
com:

0
T T u = , temperatura normalizada da chama.
T, temperatura da chama.
T
0
, temperatura inicial da chama.
x, y, variveis espaciais.
p, coeficiente de difuso.
249
ad e R D
d
=
R, d, a, constantes.
O problema resolvido nos domnios: [ ] 1 , 0 x , [ ] 1 , 0 y [ ] 3 . 0 , 0 t ; sendo completado
pelas condies fronteira:
( )
0
, , 0
=
x
t y u
,
( )
0
, 0 ,
=
y
t x u
, ( ) 1 , 1 , = t x u , ( ) 1 , , 1 = t y u (6.28)
e a condio inicial,
( ) 1 0 , , = y x u . (6.29)
Testa-se novamente o caso equivalente ao modelo 1D com: a = 1, d = 20 e R = 5.
Na equao 6.27 introduzido um coeficiente de difuso (p) que representa um
parmetro adicional em relao equao unidimensional correspondente (vd.
equao 6.4). No caso 1D, assume-se implicitamente que p = 1. A soluo deste
modelo apresenta um comportamento semelhante do caso 1D. Assim, esta arranca a
partir de um perfil em plateau unitrio (vd. equao 6.29) perturbado pela introduo
da condio fronteira de Neumann na posio [0,0], que simula a ignio do sistema. A
onda 2D eleva-se at uma altura de 1+, e propaga-se ao longo das duas direces do
espao (x e y) com uma velocidade equivalente, no sentido positivo de ambos os eixos
coordenados. medida que avana ao longo do domnio espacial, a onda 2D torna-se
progressivamente mais abrupta, at embater nas fronteiras x = 1 e y = 1, onde as
condies fronteira de Dirichlet a sustm (vd. equao 6.28).
No entanto, sabido que a transposio do problema para um domnio 2D induz um
notrio atraso no instante de ignio em condies equivalentes. Assim, enquanto que
a ignio 1D ocorre a t 0.26 (vd. seco 6.2), o modelo 2D correspondente (com p =
1), apresenta uma ignio a t 0.29[12]. Por outro lado, experincias com o algoritmo
INTEGR2D (acoplado ao integrador RKF45) cujos resultados no so apresentados,
indiciam uma grande instabilidade da soluo numrica sempre que o procedimento
de refinamento activado. Tal s pode ser explicvel pela introduo de erros de
interpolao referentes ao processo de refinamento que (mesmo quando aparentam
ser perfeitamente razoveis) geram forte instabilidade no esquema temporal de
Runge-Kutta-Fehlberg adoptado como processo de integrao temporal, e que
impossibilitam o avano do algoritmo. No entanto, igualmente visvel que o
problema nestas condies no gera perfis especialmente abruptos, j que a influncia
do termo difusivo relativamente importante. Deste modo, pode ser resolvido com
malhas fixas no demasiado pesadas em tempos de processamento razoveis.
Assim, opta-se por testar o desempenho do algoritmo adaptativo atravs do aumento
da exigncia de adaptabilidade do problema pela reduo do valor de p, e.g. p = 0.1 ou
0.01, e consequentemente do carcter difusivo do problema. Nestes casos, a ignio
antecipada e torna-se mais abrupta.
Para o caso especfico p = 0.1, o tempo de ignio ocorre a t 0.24[12]. Este exemplo
resolvido pela aplicao do algoritmo bidimensional INTEGR2 com o integrador RKF45
nas condies resumidas na Tabela 6.10. Os resultados obtidos so apresentados no
conjunto de Figuras 6.32 a 6.38
250
Tabela 6.10 Parmetros numricos para a implementao da resoluo da equao de combusto 2D.
Critrio 2D C52
Critrio 1D C1
ordem da derivada 1

1

2

Colocao nodal
tolerncias 0.25 0.25
M
x
N
x

5 7
M
y
N
y

5 7
Malhas didicas
uniforme
Aproximaes FD centradas; 5 pontos
passo ( t)
0.01 para t 0.24
110
-4
para t > 0.24
ATOL RTOL
Integrao temporal
tolerncias 110
-5
110
-5

A integrao realizada em duas fases: a primeira em que ocorre uma elevao lenta
de temperatura realizada com um passo relativamente elevado (0.01). Na vizinhana
da ignio (t = 0.24), o passo substancialmente reduzido (0.0001) de forma a lidar
com a elevao brusca e posterior propagao da onda que ocorre numa escala de
tempo muito mais apertada.

Figura 6.32 Perfis de soluo (t = 0.2) para o modelo de combusto 2D (p = 0.1).
251


252


253
NP = 6540
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
0 0.2 0.4 0.6 0.8 1
x
y

Figura 6.37 Malha gerada (t = 0.25) para o modelo de combusto 2D (p = 0.1).
NP = 8178
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
0 0.2 0.4 0.6 0.8 1
x
y

Figura 6.38 Malha gerada (t = 0.3) para o modelo de combusto 2D (p = 0.1).
254
Na Figura 6.32 observa-se um perfil tpico inicial relativamente suave e que representa
a primeira fase de elevao de temperatura que no exige qualquer operao de
refinamento da malha de nvel mais reduzido (M = 5) nas condies de implementao
seleccionadas. Posteriormente (para t = 0.24; vd. Figura 6.33) est-se numa situao de
pr-ignio onde a elevao de temperatura acelera sensivelmente sem que o perfil
gerado apresente ainda uma onda trmica de propagao plenamente definida.
De facto, em t = 0.25 (vd. Figura 6.34), notrio que a ignio j ocorreu, observando-
se a formao de uma onda abrupta cujo declive se situa na posio espacial 0.7 em
ambas as direces. A malha gerada para esse instante apresentada na Figura 6.37.
Deste modo, constata-se a visvel capacidade do algoritmo de colocao nodal de
representao da frente abrupta por uma bvia concentrao de nodos na regio de
maior actividade da soluo.
O avano progressivo da onda ilustrado pela representao da soluo numrica
para t = 0.26 (vd. Figura 6.35) onde se verifica o reposicionamento da frente abrupta
numa regio espacial posterior s abcissas localizadas em 0.8. A curvatura da frente
correctamente representada quer nas seces montante e jusante sem que se
observem perturbaes significativas nos perfis.
Finalmente, apresenta-se a soluo numrica em t = 0.3 (vd. Figura 6.36). Constata-se
uma simulao correcta da frente j estabelecida junto s fronteiras opostas ignio,
ilustrada igualmente por uma visvel concentrao nodal na vizinhana dessas
fronteiras na malha adaptativa gerada para esse instante temporal.
O patamar 2D que se estende ao longo do tempo (com u = 2) mantm-se
extremamente estvel e a maioria dos nodos colocados so devidos verso especfica
da estratgia C52 adoptada, baseada na activao de todos os nodos de nvel M de
qualquer domnio 1D previamente activado pelo procedimento de refinamento.

255



256
A implementao do modelo com p = 0.01 em condies equivalentes (vd. Tabela 6.10)
conduz a resultados semelhantes aos do exemplo anteriormente discutido. No
entanto, a anlise dos perfis numricos obtidos (vd. Figuras 6.39 a 6.41) permite
constatar um considervel aumento da velocidade de propagao da onda trmica que
atinge a fronteira oposta num intervalo de tempo muito mais reduzido do que no caso
precedente. De facto, mesmo na fase de pr-ignio, a onda j percorre grande parte
do domnio, antes de atingir a sua altura mxima (vd. Figura 6.39). Esta propagao
sbita igualmente provada pela elevao abrupta da dimenso da malha adaptativa
espoletada pela ignio (vd. Figura 6.42), que mais acentuada no caso do segundo
exemplo. Por outro lado, a convergncia para solues finais semelhantes
consistente com a gerao de malhas finais de dimenses igualmente anlogas.
De qualquer modo, demonstra-se assim a capacidade do algoritmo de integrao de
lidar com este tipo de problemas atravs da representao das estruturas abruptas
que caracterizam a sua soluo.
0
1000
2000
3000
4000
5000
6000
7000
8000
9000
10000
0 0.05 0.1 0.15 0.2 0.25 0.3
t
N
P
p = 0.1
p = 0.01

para o caso do modelo de combusto 2D.
REFERNCIAS
Portugal.
3. S. Adjerid, J.E. Flaherty (1986) A moving finite element method with error estimation and
refinement for one-dimensional time dependent partial differential equations, SIAM J. Numer.
Anal., 23 (4), pp. 778-796.
5. L.R. Petzold (1987) Observations on an adaptive moving grid method for one-dimensional systems
of partial differential equations, Appl. Numer. Math., 3 (4), pp. 347-360.
6. P. Brito, L. Dures, J. Campos, A. Portugal (2007) Simulation of Fe
2
O
3
/Al combustion: sensitivity
analysis, Chem. Eng. Sci., 62 (18-20), pp. 5078-5083.
257
7. L. Dures, P. Brito, J. Campos, A. Portugal (2006) Modelling and simulation of Fe
2
O
3
/aluminum
thermite combustion: experimental validation, in 16th European Symposium on Computer Aided
Process Engineering and 9th International Symposium on Process Systems Engineering ESCAPE-16
& PSE-2006 (W. Marquardt, C. Pantelides, eds.), Computer Aided Chemical Engineering, 21A,
Elsevier, pp. 365-370.
8. P. Brito, L. Dures, J. Campos, A. Portugal (2005) Modelling and simulation of Fe
2
O
3
/aluminum
thermite combustion, in Chempor2005 - 9th International Chemical Engineering Conference,
Coimbra, Portugal, 21-23 Sept., pp. 157-158 & CD-ROM (6 pp.).
9. P. Cruz, A. Mendes, F.D. Magalhes (2002) Wavelet-based adaptive grid method for the resolution
of nonlinear PDEs, AIChE J., 48 (4), pp. 774-785.

258

259
7 7. . C CO ON NC CL LU US S E ES S E E S SU UG GE ES ST T E ES S P PA AR RA A T TR RA AB BA AL LH HO O F FU UT TU UR RO O
7.1 CONCLUSES
Uma anlise global dos resultados resumidos nos captulos precedentes (4, 5 e 6)
pretendem demonstrar a capacidade dos mtodos adaptativos desenvolvidos no
presente trabalho (vd. captulo 3) para integrao de modelos diferenciais evolutivos
uni- e bidimensionais. A experincia adquirida na utilizao dos cdigos desenvolvidos
em linguagem FORTRAN 77, para implementao dos mtodos referidos permite
salientar alguns pormenores na sua execuo, e destacar concluses relevantes que
possibilitam um remate estruturante do trabalho apresentado no presente relatrio.
Salienta-se que a opo de programar os algoritmos em linguagem FORTRAN se deve
essencialmente maior experincia do autor na elaborao de cdigos deste tipo que,
para as aplicaes pretendidas, se demonstram perfeitamente adequados, j que esta
linguagem se pode considerar como extremamente bem adaptada para o
desenvolvimento de ciclos complexos de operaes lgicas e/ou algbricas. Por outro
lado, o prprio recurso verso FORTRAN 77 deve-se ao facto desta se revelar
suficiente para uma demonstrao genrica da capacidade de execuo dos algoritmos
em condies triviais (ou seja num ambiente de processamento referente a um laptop
comercial convencional) sem grandes preocupaes de optimizao intensiva do
esforo computacional. bvio que opes alternativas poderiam ter sido tomadas,
relacionadas nomeadamente com a transposio dos cdigos para plataformas de
nvel mais elevado
1
(e.g. MATLAB ou OCTAVE) ou suportes computacionais mais
sofisticados (processadores paralelos) que so referidas mais pormenorizadamente na
prxima seco.
De modo a testar a robustez dos mtodos, estes foram sujeitos de forma sistemtica a
modelos de complexidade crescente, desde meros exerccios de gerao de malha, at
integrao de problemas de PDEs escalares e sistemas de equaes diferenciais
(apenas em casos unidimensionais). Os dados disponibilizados permitem uma
confirmao genrica da utilidade dos mtodos para uma grande variedade de
problemas que abrangem diversas reas importantes da modelao de processos
qumicos como: combusto, adsoro, reaco qumica, mecnica de fluidos, etc;
comummente caracterizados por exibirem solues extremas.
Os mtodos apresentados so baseados em estratgias de colocao nodal
controladas pela deteco de oscilaes ou variaes bruscas em aproximaes
numricas avaliadas por frmulas de diferenas finitas. Estes denotam uma aptido
geral muito satisfatria para a identificao, localizao e acompanhamento de frentes
abruptas ou descontinuidades nos perfis de soluo. Simultaneamente, os algoritmos
permitem o reconhecimento das regies de menor actividade da soluo onde a malha
mantm a sua esparsidade apenas limitada pela definio da malha base estabelecida
por defeito idealizada como garante de um suporte mnimo para a soluo numrica. A
escolha de aproximaes de diferenas finitas para a definio de critrios de

1
Linguagens de estrutura mais abstracta ou simblica que representam uma aproximao a uma
linguagem mais acessvel ao utilizador menos familiarizado com a estrutura de funcionamento de um
sistema computacional, e consequentemente mais afastada da linguagem directamente identificvel
pelo processador.
CONCLUSES E SUGESTES PARA TRABALHO FUTURO
260
refinamento de malha deve-se exactamente s suas limitaes, ou seja a sua tendncia
para a introduo de anomalias sem significado fsico nas solues numricas. Deste
modo, a pesquisa desse tipo de anomalias possibilita uma estratgia simples de
deteco de regies de maior actividade da soluo e, consequentemente,
seleccionveis para refinamento de malhas inicialmente estabelecidas com um nvel de
resoluo mnimo. Assim, a totalidade dos procedimentos de gerao de malha 1D e
2D efectuadas neste trabalho foram realizadas com aproximaes FD de cinco nodos
de quarta ordem. Considerou-se que este nmero de nodos possibilitaria um maior
equilbrio entre discretizaes demasiado simples e excessivamente complexas.
Por outro lado, a estratgia de estimao das derivadas espaciais que gera os sistemas
ODE introduzidos na integrao MOL recorre a aproximaes FD (de ordem
equivalente s do procedimento de colocao nodal) ou HRS (atravs do procedimento
NVSF). Opta-se por testar a performance das aproximaes FD nos procedimentos de
integrao MOL de modo a demonstrar a potencialidade de uma estratgia
conceptualmente mais simples e directa na abordagem a exemplos claramente
problemticos. Esta anlise complementada com o estudo de uma estratgia de
discretizao HRS claramente direccionada para lidar com as derivadas espaciais de
primeira ordem que genericamente definem a natureza hiperblica dos problemas
diferenciais. Assim, os resultados obtidos so satisfatrios no geral, verificando-se
melhores performances dos mtodos para diferenas FD descentradas que
acompanhem o movimento das ondas em problemas de carcter parablicos e
esquemas NVSF no caso de exemplos essencialmente hiperblicos.
Deste modo, os algoritmos revelam desempenhos aceitveis, quer em relao a
exactido dos resultados (avaliada normalmente por comparao visual com
resultados apresentados na literatura da especialidade, e.g. [1-9]), como do esforo
computacional requerido. Assim, mostram-se bastante eficazes para uma larga gama
de equaes hiperblicas e parablicas e para problemas com condies fronteira de
diversos tipos, quer estacionrias como evolutivas.
A performance dos critrios de colocao do tipo C1 e C2 relativamente equivalente
para a generalidade dos exemplos testados. De facto, em muitos dos problemas
analisados, a qualidade dos resultados numricos e a evoluo das malhas geradas so
similares para parmetros devidamente sintonizados. No entanto, verifica-se uma
tendncia para uma maior sensibilidade do critrio C1 que necessita tipicamente de
condies mais exigentes referentes a uma escala de tolerncia mais reduzida em
alguns modelos, para alm de uma notria propenso para ao desenvolvimento de
perturbaes nos perfis de soluo (nomeadamente em casos de aproximaes com
diferenas enviesadas a montante) do que o critrio C2 que se revela
comparativamente mais estvel. Por outro lado, o critrio do tipo C1 ajusta-se
satisfatoriamente estratgia C52 para a integrao de problemas 2D.
Um dos passos crticos dos algoritmos de integrao numrica adaptativa consiste na
operao de interpolao que executa a passagem da soluo suportada numa malha
gerada no passo anterior para a soluo definida sobre a malha seguinte
correspondente ao passo actual. Este procedimento representa de facto a prpria
movimentao descontnua inerente ao conceito adaptativo associado ao
deslocamento das caractersticas assinalveis da prpria soluo. Por outras palavras
personifica a prpria adaptao num contexto esttico. Deste modo, os passos
261
interpolativos so inevitveis neste tipo de estratgias j que se relacionam
intrinsecamente com a natureza esttica do processo adaptativo seleccionado.
Portanto, a qualidade do procedimento de interpolao revela-se essencial ao sucesso
do mtodo adaptativo de integrao, principalmente no caso de problemas
bidimensionais, onde o nmero de nodos potencialmente activveis em cada passo
consideravelmente superior aos problemas unidimensionais. Para alm disso, nos
problemas 2D aumentam consideravelmente as possibilidades geomtricas de
abordagem ao problema de avaliao aproximada da soluo num nodo onde esta
previamente desconhecida a partir das solues disponveis nos nodos detectados
como adjacentes. Esta questo torna-se especialmente premente em exemplos de
maior carcter parablico, ou seja predominantemente difusivos em que se constata
que a sensibilidade do problema numrico a erros de interpolao relativamente
reduzidos muito superior, promovendo a introduo de fenmenos de instabilidade
numrica nos perfis de soluo, principalmente em modelos 2D integrados com o
programa no stiff do tipo Runge-Kutta, RKF45. Ironicamente pode-se concluir que os
problemas teoricamente menos problemticos colocam maiores desafios de
desenvolvimento de instabilidade e perturbaes numricas do que os problemas
correspondentes de natureza predominantemente hiperblica. De facto, a aplicao
dos algoritmos adaptativos a estes problemas denota uma visvel maior eficcia e
robustez.
Uma vantagem notria dos algoritmos propostos consiste no facto destes serem
controlados por um conjunto limitado de apenas dois parmetros, que estabelecem a
sensibilidade do mtodo deteco de caractersticas problemticas da soluo. Estas
constantes genericamente designadas por tolerncias no so encaradas como
ferramentas de controlo de erro, mas como interruptores de activao de refinamento
associados a ordens de grandeza de aproximaes diferenciais. Nesse sentido podem
assumir valores relativamente elevados (para o que normalmente se define como uma
tolerncia) que tm de ser encarados no contexto da avaliao das prprias derivadas.
Os critrios de paragem do processo de refinamento so igualmente controlados pela
especificao dos respectivos nveis mximos de resoluo admissveis.
importante salientar que a estratgia usada para a interaco entre diferentes
variveis (limitada por agora a problemas 1D) se baseia num conceito de malha nica
que concentra todas as informaes referentes ao conjunto de solues do sistema em
apenas uma malha. Tal pode representar um factor de ineficincia j que promove
esforos de refinamento desnecessrios. De facto, o algoritmo de gerao de malha
constri regies de alta resoluo mesmo em relao a variveis que exibam
actividade reduzida nessas zonas espaciais. A alternativa seria o desenvolvimento de
um procedimento dito multi-malha que recorra a um processo de separao de
diversas malhas, associadas respectivamente a cada varivel do problema e s
caractersticas particulares de cada perfil. Obviamente que este tipo de estratgia
apresenta a desvantagem de exigir o recurso a operaes intensivas de interpolao
de modo a estabelecer a comunicao entre as diversas variveis durante o
procedimento de integrao temporal. Este processo constitui-se ento como uma
nova fonte de introduo de erros no algoritmo numrico. No entanto, o ganho
potencial em eficincia para problemas de elevada dimenso pode revelar-se
compensador.
262
A utilizao de uma estratgia adaptativa esttica do tipo h-refinement permite a
constatao de algumas questes como:
Incapacidade de prever perturbaes abruptas introduzidas por condies
fronteira, nomeadamente de Neumann. Assim, qualquer aco provocada pela
aco das condies fronteira indetectvel pelo algoritmo de adaptao
aquando da gerao da malha inicial baseada apenas na anlise da condio
inicial, no providenciando a activao adequada do processo de refinamento
de malha. Deste modo, em problemas em que tal se revela fazvel, procede-se
a uma aproximao da aco destas condies fronteira a perturbaes em
degrau associadas a condies de Dirichlet fictcias adequada. Em casos 2D
recorre-se a geraes de malha inicial baseadas em duplos varrimentos do tipo
m e i associados a estratgias de activao de malha base em todos os
domnios 1D em que pelo menos um nodo tenha sido colocado (em ambas as
direces do domnio).
Natureza esttica do algoritmo adaptativa que no considera a movimentao
das caractersticas da soluo ao longo de cada integrao temporal
intermdia. Tal deve-se ao facto da malha adaptativa referente a cada instante
temporal final de cada integrao (t
k
) ser gerada nas condies do perfil da
soluo no instante inicial da integrao (t
k-1
) e no considerar as alteraes na
soluo no intervalo entre t
k-1
e t
k
. Assim, o passo temporal tem de ser
especificado de modo a que o seu valor seja apropriado verificao de um
avano sustentvel da integrao com uma malha que satisfaa
simultaneamente as propriedades da soluo numrica em t
k-1
e t
k
.
Estes problemas caractersticos da natureza esttica do procedimento so
satisfatoriamente minimizados ou mesmo ultrapassados por uma correcta
sintonizao dos parmetros dos algoritmos.
7.2 SUGESTES PARA TRABALHO FUTURO
O trabalho realizado na presente tese centra-se na construo de cdigos gerais para
aplicao dos algoritmos apresentados e o consequente teste das suas potencialidades
na resoluo de exemplos diferenciais parciais j sobejamente estudados e
considerados como de difcil resoluo.
Os assuntos de investigao a ser abordados como continuao do trabalho realizado
podero passar pela explorao de diversas opes interessantes como: o estudo de
estratgias alternativas para a resoluo de alguns problemas focados, assim como a
generalizao dos algoritmos e dos cdigos para modelos ainda no considerados.
Alguns dos temas de estudo possveis so enunciados em seguida, de uma forma mais
especfica e detalhada:
Extenso dos algoritmos a modelos tridimensionais. A generalizao conceptual
das estratgias de refinamento a problemas tridimensionais praticamente
directa, mas pode conduzir a questes importantes ao nvel da implementao
prtica devido ao previsvel aumento drstico da dimenso do problema
numrico e do esforo computacional associado, que dever exigir o
263
desenvolvimento de alternativas, nomeadamente em termos de estratgias de
programao paralela.
Teste de opes j disponveis em cada cdigo que no foram exploradas neste
trabalho, tais como: a anlise sistemtica da influncia da pesquisa de
derivadas de ordem arbitrria ou mltiplas anlises no contexto dos algoritmos
de colocao nodal; a sensibilidade da performance dos algoritmos em relao
ao valor dos parmetros de gerao de malha tomados at ao momento como
equivalentes; estudo do desempenho de critrios 2D ainda no testados no
mbito da resoluo de modelos diferenciais
Introduo de opes de gerao de malha do tipo multi-malha, que permitam
a separao de malhas referentes a cada varivel. Esta alternativa facilmente
adaptvel estrutura actual das rotinas de gerao de malha idealizadas como
aplicveis de um modo completamente autnomo atravs de um processo de
mltiplos varrimentos de dimenso arbitrria que podem ser associados a cada
varivel de forma trivial.
Generalizao dos algoritmos para opes alternativas de integrao temporal,
ou seja, teste de integradores mais simples que possibilitem implementaes
menos exigentes do ponto de vista computacional, nomeadamente em termos
de armazenamento de dados.
Extenso da aplicabilidade do cdigo 2D a sistemas de equaes diferenciais e
problemas mistos algbricos. Estas alteraes so relativamente simples de
efectuar, devido forma como a presente estrutura do cdigo foi concebida.
Desenvolvimento e teste de estratgias alternativas de construo de malha
baseadas em critrios de colocao anlogos operados sobre malhas auto-
construdas ao longo do processo de gerao, que no dependem partida de
conjuntos pr-definidos de malhas didicas ou no didicas.
Programao em plataformas alternativas nomeadamente referentes a
aplicaes definidas por linguagens de nvel superior (e.g. MATLAB), que
possibilite uma comparao de desempenho entre diferentes abordagens de
programao dos algoritmos numricos de integrao.
REFERNCIAS
Portugal.
4. C.A. Sereno (1989) Mtodo dos Elementos Finitos Mveis: Aplicaes em Engenharia Qumica, PhD
Thesis, FEUP, Porto.
264
6. A. Vande Wouwer, Ph. Saucez, W. Schiesser (2001) Chapter 2 Application of the adaptive method
of lines to nonlinear wave propagation problems, in Adaptive Method of Lines, (A. Vande Wouwer,
Ph. Saucez, W.E. Schiesser, eds.), Chapman & Hall/CRC Press, Boca Raton, pp. 39-64.

A
A
N
N
E
E
X
X
O
O
A
A

ESTRATGIAS PARA A DETERMINAO DE PESOS
ASSOCIADAS A ESTRATGIAS BASEADAS EM
DIFERENAS FINITAS

266
A A. .1 1 M M T TO OD DO O S SI IS ST TE EM MA AT TI IZ ZA AD DO O P PA AR RA A A A E ES ST TI IM MA AT TI IV VA A D DE E D DE ER RI IV VA AD DA AS S D DE E
O OR RD DE EM M A AR RB BI IT TR R R RI IA A S SO OB BR RE E M MA AL LH HA AS S U UN NI ID DI IM ME EN NS SI IO ON NA AI IS S N N O O U UN NI IF FO OR RM ME ES S
A.1.1 INTRODUO
Os mtodos de integrao de sistemas de parmetros distribudos, baseados no MOL,
tornam necessria a utilizao de um procedimento de estimativa numrica do valor
de uma ou vrias derivadas espaciais (para modelos uni- ou multidimensionais,
respectivamente). Essa estimativa geralmente efectuada atravs de aproximaes
polinomiais. Deste modo, considera-se, para uma dimenso (sendo extensvel a PDEs
multidimensionais), a variao da varivel dependente u(x) em relao varivel
independente x:
( ) ( ) ( ) ( ) + + + + =
3
3
2
2 1 0 i i i
x x a x x a x x a a x u (A.1)
em que: x
i
valor de x a especificar; e a
0
, a
1
, a
2
, a
3
, constantes a calcular.
De forma a determinar o valor da primeira constante faz-se x = x
i
, obtendo-se
imediatamente: a
0
= u(x
i
). Em seguida, diferencia-se a equao A.1 em relao a x,
obtendo-se a expresso:
( )
( ) ( ) + + + =
2
3 2 1
3 2
i i
x x a x x a a
x d
x u d
(A.2)
a partir da qual, para x = x
i
, se obtm
( )
x d
x u d
a
i
=
1
. Deste modo, diferenciaes
sucessivas de A.1, seguidas da atribuio x = x
i
, conduzem relao geral:
( )
n
i
n
n
x d
x u d
n
a
|
\
|
=
!
1
(A.3)
A substituio das expresses A.3 em A.1 para n , conduz equao,
( ) ( )
( )
( )
( )
( )
( )
( ) + + + + =
3
3
3
2
2
2
6
1
2
1
i
i
i
i
i
i
i
x x
x d
x u d
x x
x d
x u d
x x
x d
x u d
x u x u (A.4)
correspondente bem conhecida Srie de Taylor, que se constitui como a base
matemtica para muitas aproximaes em anlise numrica. Neste trabalho,
utilizada na avaliao de expresses algbricas para estimativa de derivadas espaciais
de ordem varivel em malhas de espaamento arbitrrio.
A.1.2 APLICAO DAS SRIES DE TAYLOR PARA A ESTIMATIVA DE DERIVADAS
Malhas Uniformes[1-2] Exemplo da deduo das frmulas para o clculo de
primeiras derivadas atravs de diferenas finitas centradas
A partir das expanses em srie de Taylor, possvel proceder deduo de frmulas
algbricas para a aproximao de derivadas em pontos discretos, o que constitui a
base das estratgias aproximadas de diferenciao de diferenas finitas (FD).
ANEXO A

267
Como forma de ilustrar essa possibilidade, descreve-se de seguida, o desenvolvimento
de uma expresso simples para a estimativa da derivada de primeira ordem
( )
( )
i x
i
x u
x d
x u d
= utilizando a soluo discreta num conjunto de trs pontos centrados
em relao ao ponto de interesse i: x
i-1
, x
i
, x
i+1
(vd. Figura A.1).

Figura A.1 Stencil para a aproximao FD centrada de segunda ordem.
As expanses de Taylor definidas em torno de x
i
, para x
i-1
, x
i+1
assumem a forma,
( ) ( )
( )
( )
( )
( ) + + + =

2
1
2
2
1 1
2
1
i i
i
i i
i
i i
x x
dx
x u d
x x
dx
x du
x u x u (A.5)
( ) ( )
( )
( )
( )
( ) + + + =
+ + +
2
1
2
2
1 1
2
1
i i
i
i i
i
i i
x x
dx
x u d
x x
dx
x du
x u x u (A.6)
No caso particular de uma malha uniforme, o espaamento entre nodos consecutivos
1
=
i i
x x x , ou seja, o tamanho da malha, constante. Deste modo, as expresses
anteriores podem ser escritas como
( ) ( )
( )
( )
( )
( ) + + + =
2
2
2
1
2
1
x
dx
x u d
x
dx
x du
x u x u
i i
i i
(A.7)
( ) ( )
( ) ( )
+ + + =
+
2
2
2
1
2
1
x
dx
x u d
x
dx
x du
x u x u
i i
i i
(A.8)
Agora, o objectivo consiste na deduo de uma expresso para u
x
(x
i
) atravs do
estabelecimento de uma combinao linear entre as equaes A.7 e A.8 que possibilite
a anulao da derivada de maior ordem possvel. Assim, multiplica-se ambas as
equaes por dois parmetros, a e b, respectivamente,
( ) ( )
( )
( )
( )
( ) a x
dx
x u d
x
dx
x du
x u x u
i i
i i

(
+ + + =

2
2
2
1
2
1
(A.9)
( ) ( )
( ) ( )
b x
dx
x u d
x
dx
x du
x u x u
i i
i i

(
+ + + =
+

2
2
2
1
2
1
(A.10)
e soma-se as duas equaes obtidas, isolando o termo dependente de u
x
(x
i
) no
membro esquerdo da equao. Tem-se ento que,
( )
( )
( ) ( ) ( )
( )
+ + + + + + = +
+
2
2
2
1 1
2
1
) ( ) (
dx
x u d
b a x x u b a x bu x au
dx
x du
x b a
i
i i i
i
(A.11)
No caso presente apenas se consideram dois pontos (para alm do ponto i) como
suporte para a construo da aproximao. Assim, para se obter uma aproximao a
x x
x
i-1
x
i+1
x
i

ANEXO A

268
u
x
(x
i
) a partir de A.11, necessrio reter o seu membro esquerdo e eliminar o termo
de segunda ordem, descartando todos os termos de ordem superior a dois no membro
direito da equao. Para tal, calculam-se os valores de a e b de modo a que,
=
=
= +
= +
2 1
2 1
0
1
b
a
b a
b a
(A.12)
Substituem-se estes valores na equao A.11 truncada, obtendo-se,
( ) ( ) ( ) ( )
x
x u x u x u
dx
x du
i i i i
+ +
+
0 2 1 2 1
1 1
(A.13)
ou seja,
( ) ( ) ( )
x
x u x u
dx
x du
i i i
+
2
1 1
(A.14)
Deste modo, desenvolveu-se um procedimento que possibilita a deduo de uma
equao algbrica que relaciona apenas valores discretos da soluo e permite a
estimativa da primeira derivada de u em x
i
, usando a soluo num conjunto de trs
pontos: x
i-1
, x
i
, x
i+1
. A geometria especfica adoptada determina o tipo de aproximao
FD construda (neste caso, centrada com 2 pontos) e a ordem mxima do termo
anulado (que depende da dimenso do stencil adoptado) define a ordem da
aproximao deduzida (neste caso, segunda ordem) relacionada com o erro cometido
atravs da truncatura nas expanses consideradas dos termos de ordem mais elevada.

Figura A.2 Stencil para a aproximao FD centrada de quarta ordem.
De seguida, procede-se ao desenvolvimento de uma expresso mais complexa e de
ordem superior para a estimativa da derivada de primeira ordem
( )
( )
i x
i
x u
x d
x u d
= ,
utilizando agora os valores discretos da soluo nos pontos x
i-2
, x
i-1
, x
i
, x
i+1
e x
i+2
de uma
malha uniforme (vd. Figura A.2). Assim, as aproximaes de Taylor em cada um desses
pontos realizadas em torno de x
i
, tm a forma:
( ) ( )
( )
( )
( )
( ) + + + =

2
2
2
2
2 2
2
1
i i
i
i i
i
i i
x x
x d
x u d
x x
x d
x u d
x u x u (A.15)
( ) ( )
( )
( )
( )
( ) + + + =

2
1
2
2
1 1
2
1
i i
i
i i
i
i i
x x
x d
x u d
x x
x d
x u d
x u x u (A.16)
( ) ( )
( )
( )
( )
( ) + + + =
+ + +
2
1
2
2
1 1
2
1
i i
i
i i
i
i i
x x
x d
x u d
x x
x d
x u d
x u x u (A.17)
x x x x
x
i-1
x
i-2
x
i+2
x
i+1
x
i

ANEXO A

269
( ) ( )
( )
( )
( )
( ) + + + =
+ + +
2
2
2
2
2 2
2
1
i i
i
i i
i
i i
x x
x d
x u d
x x
x d
x u d
x u x u (A.18)
Considerando novamente um espaamento constante entre nodos consecutivos
1
=
i i
x x x , as expresses anteriores podem ser escritas como:
( ) ( )
( )
( )
( )
( ) + + + =
2
2
2
2
2
2
1
2 x
x d
x u d
x
x d
x u d
x u x u
i i
i i
(A.19)
( ) ( )
( )
( )
( )
( ) + + + =
2
2
2
1
2
1
x
x d
x u d
x
x d
x u d
x u x u
i i
i i
(A.20)
( ) ( )
( ) ( )
+ + + =
+
2
2
2
1
2
1
x
x d
x u d
x
x d
x u d
x u x u
i i
i i
(A.21)
( ) ( )
( ) ( )
( ) + + + =
+
2
2
2
2
2
2
1
2 x
x d
x u d
x
x d
x u d
x u x u
i i
i i
(A.22)
Pretende-se, ento, deduzir uma expresso para u
x
(x
i
), atravs do estabelecimento de
uma combinao linear entre as equaes anteriores que permita a anulao da
derivada de maior ordem possvel. Neste caso, devido utilizao de quatro pontos,
torna-se possvel eliminar todos os termos correspondentes s derivadas at quarta
ordem. Assim, multiplica-se cada uma das expresses por uma constante (a, b, c ou d),
cujos valores so calculados de forma a satisfazer os requisitos pretendidos. De
seguida, adicionam-se todas as expresses entre si de modo a se obter uma nica
equao. Portanto, para manter o termo da primeira derivada impe-se a condio:
1 2 2 = + + d c b a (A.23)
Por outro lado, para eliminar os termos referentes s derivadas de segunda, terceira e
quarta ordem, necessrio que se verifiquem as relaes seguintes:
0 4 4 = + + + d c b a (A.24)
0 8 8 = + + d c b a (A.25)
0 16 16 = + + + d c b a (A.26)
A resoluo deste sistema de equaes lineares conduz respectiva soluo:
! 4
2
;
! 4
16
;
! 4
16
;
! 4
2
= = = = d c b a
Substituindo estes valores na expresso soma referida anteriormente, obtm-se uma
equao geral centrada de aproximao de 4. ordem para a derivada de interesse u
x

no ponto discreto x
i
:
( )
( ) ( ) ( ) ( ) ( ) ( ) ( )
4
2 1 1 2
2 16 0 16 2
! 4
1
x x u x u x u x u x u
x x d
x u d
i i i i i
i
+ + +
=
+ +

(A.27)
O coeficiente correspondente a u(x
i
) equivale ao simtrico da soma de todos os outros
coeficientes. No entanto, esta frmula impossvel de utilizar para os pontos das
extremidades do domnio, sem a criao de pontos fictcios. Assim, para se obter a
ANEXO A

270
aproximao de u
x
(x
1
), utilizam-se as expanses de Taylor da soluo nos pontos x
2
, x
3
,
x
4
e x
5
(vd. Figura A.3):
( ) ( )
( ) ( )
+ + + =
2
2
1
2
1
1 2
2
1
x
x d
x u d
a x
x d
x u d
a x au x au (A.28)
( ) ( )
( ) ( )
( ) + + + =
2
2
1
2
1
1 3
2
2
1
2 x
x d
x u d
b x
x d
x u d
b x bu x bu (A.29)
( ) ( )
( ) ( )
( ) + + + =
2
2
1
2
1
1 4
3
2
1
3 x
x d
x u d
c x
x d
x u d
c x cu x cu (A.30)
( ) ( )
( ) ( )
( ) + + + =
2
2
1
2
1
1 5
4
2
1
4 x
x d
x u d
d x
x d
x u d
d x du x du (A.31)

Figura A.3 Stencil para a aproximao FD de quarta ordem para o ponto fronteira, x
1
.
Como anteriormente, necessrio impor a condio A.32 de forma a reter a primeira
derivada:
1 4 3 2 = + + + d c b a (A.32)
Para anular as segunda, terceira e quarta derivadas, as constantes tm de verificar as
restries seguintes:
0 16 9 4 = + + + d c b a (A.33)
0 64 27 8 = + + + d c b a (A.34)
0 256 81 16 = + + + d c b a (A.35)
A soluo deste sistema :
! 4
6
;
! 4
32
;
! 4
72
;
! 4
96
= = = = d c b a obtendo-se a
expresso algbrica para u
x
(x
1
),
( )
( ) ( ) ( ) ( ) ( ) ( ) ( )
4
5 4 3 2 1
1
6 32 72 96 50
! 4
1
x x d
x u d
+ + +
=
(A.36)
Para a obteno da aproximao para u
x
(x
2
) (vd. Figura A.4), procede-se de modo
similar, utilizando-se as quatro sries de Taylor referentes a u(x
1
), u(x
3
), u(x
4
) e u(x
5
). O
sistema de equaes algbricas correspondente :
1 3 2 = + + + d c b a (A.37)
0 9 4 = + + + d c b a (A.38)
0 27 8 = + + + d c b a (A.39)
x x x x
x
2
x
1
x
5
x
4
x
3

ANEXO A

271
0 81 16 = + + + d c b a (A.40)
A resoluo deste sistema permite a deduo da frmula de diferenciao:
( )
( ) ( ) ( ) ( ) ( ) ( ) ( )
4
5 4 3 2 1
2
2 12 36 20 6
! 4
1
x x d
x u d
+ + +
= (A.41)

Figura A.4 Stencil para a aproximao FD de quarta ordem para o ponto adjacente fronteira, x
2
.
Procedendo-se a operaes anlogas para as aproximaes de u
x
(x
N-1
) e u
x
(x
N
), chega-
se s respectivas frmulas:
( )
( ) ( ) ( ) ( ) ( ) ( ) ( )
4
1 2 3 4
1
6 20 36 12 2
! 4
1
x x d
x u d
N N N N N
N
+ + + +

(A.42)
( )
( ) ( ) ( ) ( ) ( ) ( ) ( )
4
1 2 3 4
50 96 72 32 6
! 4
1
x x d
x u d
N N N N N
N
+ + +
=

(A.43)
Finalmente, sumaria-se todas as expresses apresentadas anteriormente numa matriz
de diferenciao, vlida para todos os pontos do domnio,
( )
4
50 96 72 32 6
6 20 36 12 2
2 16 0 16 2
2 12 36 20 6
6 32 72 96 50
! 4
1
x
x x d
d
+
(
(
(
(
(
(
= u
u
(A.44)
A equao A.44 corresponde frmula de aproximao por diferenas finitas
centradas de quarta ordem para primeiras derivadas, sendo aplicvel em toda a
extenso do domnio espacial.
A aplicao de procedimentos semelhantes possibilita o clculo de frmulas
correspondentes a derivadas de diferentes ordens e, atravs da utilizao de variados
nmeros de pontos e de diversas disposies destes. Os tipos de diferenas finitas so
distinguidos pelas diferentes disposies dos nodos indicadas na Tabela A.1.
Deste modo, uma discretizao do tipo descentrado upwind com cinco pontos utilizar
os quatro pontos imediatamente esquerda do nodo de interesse, enquanto que uma
frmula do tipo biased downwind com cinco pontos aplicar o ponto adjacente da
esquerda e os trs pontos vizinhos direita do nodo de interesse.
Dependendo do nmero de pontos usado e do tipo de diferenas finitas aplicado,
tambm necessrio calcular separadamente as frmulas, para os pontos situados na
x x x x
x
2
x
1
x
5
x
4
x
3

ANEXO A

272
vizinhana de uma ou de ambas as extremidades do domnio espacial, de uma forma
anloga apresentada anteriormente.
Tabela A.1 Diferentes tipos de geometria das aproximaes FD.
Diferenas Centradas O conjunto de pontos considerado contm igual
nmero de pontos em ambas as direces a partir do
nodo de interesse.
Diferenas Descentradas O conjunto de pontos considerado situa-se em apenas
uma das direces a partir do nodo de interesse:

Backward ou Upwind Direco negativa da abcissa x.
Forward ou Downwind Direco positiva da abcissa x.
Diferenas Desc. Biased O conjunto de pontos considerado apresenta uma
direco dominante a partir do nodo de interesse, na
qual se utilizam mais pontos:

Backward ou Upwind Direco negativa dominante.
Forward ou Downwind Direco positiva dominante.
Caso particular de fluxo positivo, ou seja, propagado na direco positiva do eixo das abcissas x,
convencionada como apontando da esquerda para a direita.
Generalizao para Malhas No Uniformes Diferenas finitas centradas de
quarta ordem para primeiras derivadas
O mtodo anterior aplica-se de uma forma simples em malhas uniformes porque,
neste caso, possvel pr em evidncia a varivel x (passo espacial) em cada
expanso, j que este se mantm constante ao longo da malha. No entanto, no caso
de malhas no uniformes, nas quais o espaamento entre os pontos no
necessariamente constante na extenso de toda a malha, a manipulao das
expanses de Taylor torna-se necessariamente mais complexa. Deste modo, estas
expresses tomam, para um ponto genrico i situado no interior da malha, a seguinte
forma (considerando a deduo equivalente frmula de diferenas centradas de
quarta ordem anterior):
( ) ( )
( )
( )
( )
( ) + + + =

2
1
2
2
1 2
2
1
i i
i
i i
i
i i
x x
x d
x u d
a x x
x d
x u d
a x au x au
(A.45)
( ) ( )
( )
( )
( )
( ) + + + =
2
2
2
1
2
1
i
i
i
i
i i
x
x d
x u d
b x
x d
x u d
b x bu x bu (A.46)
( ) ( )
( ) ( )
+ + + =
+ + +
2
1
2
2
1 1
2
1
i
i
i
i
i i
x
x d
x u d
c x
x d
x u d
c x cu x cu (C.47)
( ) ( )
( )
( )
( )
( ) + + + + + =
+ + + + +
2
2 1
2
2
2 1 2
2
1
i i
i
i i
i
i i
x x
x d
x u d
d x x
x d
x u d
d x du x du
(A.48)
onde: N i x x x
i i i
, , 2 ,
1
= =

.
Procedendo como anteriormente, verifica-se que para se manter a primeira e anular as
segunda, terceira e quarta derivadas, as constantes a, b, c e d tm obrigatoriamente de
verificar as condies seguintes:
ANEXO A

273
1 = + + + dD cC bB aA (A.49)
0
2 2 2 2
= + + + dD cC bB aA (A.50)
0
3 3 3 3
= + + + dD cC bB aA (A.51)
0
4 4 4 4
= + + + dD cC bB aA (A.52)
em que:
[ ] ( ) [ ]
[ ] [ ] ( )
2 1 2 1 1
1 1 2
;
; ;
+ + + + +

+ = =
= + =
i i i i i
i i i i i
x x x D x x C
x x B x x x A

Cada uma das constantes A, B, C e D est relacionada com um dos pontos da
discretizao (neste caso, x
i-2
, x
i-1
, x
i+1
e x
i+2
, respectivamente).
Seria possvel resolver o sistema anterior e deduzir as funes que relacionam as
constantes [a, b, c, d] com [A, B, C, D] e, consequentemente com [x
i-1
, x
i
, x
i+1
,
x
i+2
]. No entanto, essas relaes so demasiado complexas para que a sua utilizao
possa ser vivel. Assim, resta seguir uma alternativa melhor aplicvel, sem que seja
necessrio recorrer deduo e aplicao de quatro funes bastante complicadas.
Deste modo, opta-se por executar a resoluo do sistema apresentado, em cada
avaliao da estimativa da derivada num ponto discreto da malha (na qual todas as
posies nodais so perfeitamente conhecidas partida), considerando os
espaamentos entre os pontos adjacentes. Portanto, para cada ponto onde se
pretenda estimar a correspondente derivada, substitui-se no sistema os valores dos
espaamentos entre os pontos vizinhos [x
i-1
, x
i
, x
i+1
, x
i+2
]. De seguida, calculam-se
os valores do vector de constantes [a, b, c, d] para esse ponto, por resoluo do
sistema de equaes algbricas assim obtido. Agora, est-se em condies de calcular
o valor da estimativa da derivada de primeira ordem atravs do somatrio das
expresses A.45 a A.48, obtendo-se a respectiva frmula geral:
( )
( ) ( ) ( ) ( ) ( ) ( )
2 1 1 2 + +
+ + + + + + =
i i i i i
i
x du x cu x u d c b a x bu x au
x d
x u d
(A.53)
Por outro lado, esta estratgia obriga resoluo de um sistema de equaes lineares
44, para cada avaliao da derivada, o que constitui a sua maior desvantagem, j que
obriga a um nmero considervel de operaes algbricas.
Como anteriormente, o procedimento para os pontos junto s fronteiras
ligeiramente diferente, j que nesses pontos impossvel utilizar uma disposio dos
nodos equivalente ao caso geral, sem se recorrer introduo de pontos fictcios
adicionais e exteriores malha global. No entanto, neste caso, no necessrio
deduzir uma nova expresso para o sistema a resolver em cada ponto, para a avaliao
dos pesos. A forma geral deste sistema utilizvel em todos os pontos do domnio. O
que difere a definio das constantes [A, B, C, D]. Assim, em cada ponto, estas so
definidas por:
x
1
:
[ ] [ ] ( )
[ ] ( ) [ ] ( )
5 4 3 2 5 4 3 2 4
3 2 3 2 2
;
; ;
x x x x x D x x x x C
x x x B x x A
+ + + = + + =
+ = =

x
2
:
[ ] [ ]
[ ] ( ) [ ] ( )
5 4 3 5 4 3 4
3 3 2 1
;
; ;
x x x x D x x x C
x x B x x A
+ + = + =
= =

ANEXO A

274
x
N-1
:
[ ] ( ) [ ] ( )
[ ] [ ]
N N N N
N N N N N N N
x x D x x C
x x x B x x x x A
= =
+ = + + =

;
; ;
1 2
1 2 3 1 2 3 4

x
N
:
[ ] ( ) [ ] ( )
[ ] ( ) [ ]
N N N N N
N N N N N N N N N
x x D x x x C
x x x x B x x x x x A
= + =
+ + = + + + =

1 1 2
1 2 3 1 2 3 4
;
; ;

Usando as constantes definidas desta forma, procede-se estimativa da primeira
derivada pela aproximao de quarta ordem, nesses pontos pelo procedimento
descrito anteriormente, obtendo-se em cada caso, expresses semelhantes equao
A.53. igualmente possvel a utilizao deste mtodo para avaliar derivadas de ordens
diferentes, com a aplicao de diferenas finitas de tipos variados, em malhas no
uniformes.
Caso Particular Estimativa da segunda derivada, em pontos fronteira
descritos por condies de Neumann, atravs de frmulas de quarta ordem
Nesta seco procede-se descrio da estratgia (baseada no mtodo anterior),
adaptada para a estimativa da segunda derivada nos pontos fronteira (x
1
e/ou x
N
),
atravs da utilizao dos valores da soluo nos pontos adjacentes e da primeira
derivada no prprio ponto fronteira. Este procedimento necessrio no caso do
modelo ser sujeito a condies de Neumann num ou em ambos os pontos fronteira.
Neste caso, utiliza-se um conjunto de cinco pontos, obtendo-se, deste modo,
aproximaes de quarta ordem.
Para x
1
, parte-se das expresses de Taylor referentes aos pontos vizinhos x
2
, x
3
, x
4
e x
5.
.
Para estimar a segunda derivada, multiplica-se cada uma dessas equaes pelas
constantes a, b, c e d, que sero associadas a cada uma dos pontos referidos acima.
Agora, pretende-se encontrar uma combinao entre cada srie em que se retenha o
termo referente s segundas derivadas e se anulem os termos correspondentes s
primeira, terceira, quarta e quinta derivadas. Neste exemplo, necessrio recorrer aos
termos de quinta ordem, j que introduzida uma nova constante e, relacionada com
a primeira derivada em x
1
. Assim, obtm-se o sistema de equaes lineares seguinte:
0 = + + + + e dD cC bB aA (A.54)
2
2 2 2 2
= + + + dD cC bB aA (A.55)
0
3 3 3 3
= + + + dD cC bB aA (A.56)
0
4 4 4 4
= + + + dD cC bB aA (A.57)
0
5 5 5 5
= + + + dD cC bB aA (A.58)
onde A, B, C e D so definidos de forma equivalente apresentada na seco anterior
para o ponto fronteira x
1
.
Desse modo, dependendo das posies relativas entre os pontos, calculam-se os
valores de cada constante, atravs da resoluo do sistema. fcil verificar ento, que
a estimativa da segunda derivada em x
1
pode ser calculada por:
( )
( ) ( ) ( ) ( ) ( ) ( )
( )
x d
x u d
e x du x cu x bu x au x u d c b a
x d
x u d
1
5 4 3 2 1
2
1
2
+ + + + + + + + =
(A.59)
ANEXO A

275
Atravs de um procedimento semelhante, pode-se avaliar a segunda derivada no outro
ponto fronteira x
N
, utilizando, igualmente, a soluo discreta nos pontos adjacentes e
o valor da primeira derivada em x
N
.
REFERNCIAS
Portugal.
2. W.E. Schiesser (1991) The Numerical Method of Lines: Integration of Partial Differential Equations,
Academic Press, San Diego.

276
A A. .2 2 M M T TO OD DO O R RE EC CU UR RS SI IV VO O D DE E F FO OR RN NB BE ER RG G
Na presente seco, procede-se descrio de um mtodo mais simples e expedito
para a gerao de frmulas de diferenas finitas, desenvolvido por Fornberg[1-2]. Este
mtodo utiliza um esquema recursivo que permite o clculo dos pesos para qualquer
ordem de derivada (incluindo a ordem zero, correspondente interpolao),
aproximados a qualquer grau de preciso, numa malha arbitrria unidimensional[3].
Cada avaliao apenas necessita de quatro operaes aritmticas, sendo bastante
adequada a sua aplicao a malhas dinmicas e, consequentemente, no uniformes.
Portanto, sendo M 0, a ordem mais elevada da derivada que se pretende aproximar,
a partir de um conjunto de N+1 pontos da malha (de coordenadas x:
0
, ,
N
; N 0),
o problema consiste em calcular os pesos, de modo que as aproximaes,
( ) N m m n M m f
x
n
m
n
x x
m
m
, , 1 , ; , , 1 , 0 ;
0
,
0
+ = =
=
=

(A.60)
sejam caracterizadas pelo grau de exactido ptimo (geralmente n-m+1, embora possa
ser mais elevado para casos particulares).
Derivao do algoritmo
Por uma questo de simplicidade, considera-se a aproximao das derivadas no ponto
x
0
= 0. Ento, sendo {
0
,
1
, ,
N
} nmeros reais e distintos,
( ) ( )
=
=
n
k
k n
x x
0
(A.61)
e o polinmio:
( )
( )
( )( )

=
x
x
x F
n
n
n,
(A.62)
o de menor grau que assume o valor unitrio para x =
, anulando-se em x =
k
, 0
k n, k 0. Para uma funo arbitrria f(x) e os nodos x =
, a interpolao polinomial
de Lagrange toma a forma:
( ) ( ) ( )
=
=
n
n
f x F x p
0
,

(A.63)
Os pesos desejados exprimem a forma como os valores de
( )
0 =
(
x
m
m
x
x p
variam
com as alteraes em f(
). Como s um dos termos de p(x) depende da variao em

cada f(
), verifica-se ento que:

( )
0
, ,
=
(
=
x
n
m
m
m
n
x F
x d
d

(A.64)
Assim, o polinmio de grau n, F
n,
, pode ser escrito da forma:
ANEXO A

277
( )

=
=
n
m
m
m
n
n
x
m
x F
0
,
,
!
(A.65)
A partir de A.62, e sabendo que:
( ) ( ) ( )
( ) ( ) ( ) ( )
+ =
=

x x x x
x x x
n n n n
n n
1 1
1

, obtm-se,
( ) ( ) x F
x
x F
n
n
n
n
, 1 ,
= (A.66)
e
( )
( )
( )
( )
( )
( ) ( ) x F x
x
x F
n n n
n n
n n
n n
n
n n 1 , 1 1
1
1 2
1
1
,
= =

(n > 1) (A.67)
Substituindo a expresso A.65 em A.66 e A.67, e equacionando as potncias de x,
deduz-se as relaes de recurso entre os pesos:
( )
1
0 , 1 0 , 1 0 ,
1

=
m
n
m
n n
n
m
n
m

(A.68)
e
( )
( )
( )
m
n n n
m
n n
n n
n n m
n n
m
1 , 1 1
1
1 , 1
1
1 2
,

=

(A.69)
A aplicao destas expresses conduz ao desenvolvimento de um algoritmo
relativamente simples para o clculo dos pesos
m
n
,
, correspondentes ao clculo de
aproximaes a derivadas de ordem m, num ponto x
0
, e utilizando n+1 pontos de
abcissas {
0
,
1
, ,
n
} pertencentes a uma malha arbitrariamente espaada.
REFERNCIAS
Comput., 51 (184), pp. 699-706.
Portugal.

278

A
A
N
N
E
E
X
X
O
O
B
B

ALGORITMOS ADAPTATIVOS DE INTEGRAO

280
B B. .1 1 M MA AL LH HA AS S U UN NI ID DI IM ME EN NS SI IO ON NA AI IS S
B.1.1 ESTRUTURA DA APLICAO 1D
O cdigo STAT02 desenvolvido para a aplicao do algoritmo adaptativo de
integrao numrica a sistemas algbrico-diferenciais unidimensionais que podem ser
generalizados da seguinte forma:
( ) , , ,
xx x t
F u u u u = , (B.1)
com as condies fronteira:
( ) 0 , , =
x
L
G u u em
L
x x = (B.2)
( ) 0 , , =
x
R
G u u em
R
x x = (B.3)
e a condio inicial:
( ) ( ) [ ]
R L
x x x x x , ; 0 ,
0
=u u (B.4)
Desse modo foi elaborado um programa em FORTRAN, cuja estrutura geral
esquematizada na Figura B.1. Cada uma das caixas pequenas corresponde a uma
subrotina ou funo, enquanto que as duas caixas maiores dizem respeito ao
programa principal do cdigo (STAT02) e ao conjunto de subrotinas que constituem o
integrador DDASSL (o primeiro D do acrnimo significa que o programa utilizado
corresponde verso de dupla preciso)[1]. As setas do esquema representam as
interligaes entre as subrotinas do cdigo. Assim, uma seta significa que a subrotina
ou o programa donde parte chama a subrotina, a funo ou o conjunto de rotinas para
onde se dirige.
No programa principal STAT02, que constitui o ncleo central do algoritmo, so
efectuadas algumas operaes gerais que podem ser descritas resumidamente da
seguinte forma:
1. Determinao do tempo de computao, atravs da chamada da subrotina
CPUT_TIME no incio e no final da execuo do programa. Considera-se o tempo de
cpu como a diferena entre os dois tempos obtidos nesses dois instantes.
2. Introduo dos dados (leitura do ficheiro DATA) e escrita dos resultados,
efectuados directamente no prprio cdigo sem o recurso a subrotinas externas.
3. Construo da malha bsica construda pela juno de diversas malhas de
diferentes nveis de resoluo. Operao efectuada atravs da definio de malhas
uniformes ou da leitura das posies de malha de nvel mais baixo a partir de um
ficheiro pr-definido (POSITION).
4. Gerao da matriz de activao inicial em que todos os nodos pertencentes
malha base de nvel de resoluo mais reduzido so activados por defeito.
5. Inicializao da integrao efectuada pela chamada da subrotina INIT. Esta rotina
procede a avaliao dos perfis iniciais, pela utilizao das respectivas expresses
analticas.

ANEXO B

281

Figura B.1 Esquema simplificado da estrutura do cdigo STAT02.
6. Gerao da malha adaptativa inicial atravs da chamada da rotina GRIDGEN com a
sequncia de pesquisas previamente definida, executada sequencialmente para
cada perfil de soluo inicial.
7. Implementao do ciclo de integrao temporal deste o tempo inicial TIN at ao
tempo final TOUT = TIME(NTIMES-1).
8. Chamada da rotina CALLDASSL que estabelece as condies de integrao
especficas ao integrador DDASSL. Esta rotina pode ser facilmente adaptada para
outros integradores.
9. Escrita do conjunto de resultados seleccionado para tempos controlados pelo
intervalo de impresso DTPRESS.
10. Redefinio da malha referente ao tempo seguinte pela chamada da subrotina de
gerao de malha GRIDGEN.

INIT
STAT02
DDASSL
JAC
CPU_TIME
GRIDGEN
CALLDASSL
REGRID
ERROR
CUBSPL
SEVAL
RES
MODEL
BOUNDARY
F1
NVSF
DSS001 SELECT
DSS01B DSS01C DSS01D
COEF WEIGHTS GAUJOR
GRIDGEN11
GRIDGEN21
ERROREVAL
FANAL
C
C
C
C
C

C

ANEXO B

282
Tabela B.1 Resumo das variveis de entrada do programa STAT02 fornecidas pelo ficheiro DATA.
Nome da
Varivel
Tipo de
Varivel
Valores que
Assume
Significado Observaes
NEQDIF N de equaes diferenciais
NEQALG
Escalar Inteira
N de equaes algbricas
ZE Posio da fronteira esquerda
ZD Posio da fronteira direita

TIN
Escalar Dupla
Preciso
Instante de tempo inicial Tempo inicial da integrao
NTIMES Escalar Inteira N de subintervalos temporais
TIME(I) Tempo final de cada intervalo
I = 0, , NTIMES-1;
Tempo final da integrao =
TIME(NTIMES-1)
DT(I) Passo de integrao temporal I = 1, , NTIMES
DTPRESS(I)
Vector Dupla
Preciso
Passo temporal de impresso de resultados I = 1, , NTIMES
NVARDIF Escalar Inteira

N de variveis diferenciadas
0 Varivel no diferenciada
IVARDIF(I) Vector Inteiro
1
Localizao das variveis diferenciadas;
I = 1, , NEQDIF+NEQALG Varivel diferenciada
0 Por diferenciao directa da soluo
NDERV Escalar Inteira
1
Parmetro que define a forma como
calculada a 2 derivada
Por diferenciao sucessiva a partir da
derivada de ordem anterior
NDER(I) Vector Inteiro
Se NDERV = 0; nmero de derivadas a calcular
Se NDERV = 1; ordem mxima da derivada
I = 1, , NVARDIF
IDER(I,J) Matriz Inteira
Ordem das derivadas calculadas;
Apenas necessrio se NDERV = 0
I = 1, , NVARDIF
J = 1, , NDER(I)
ND(I) Vector Inteiro

N de pontos de aproximao FD;
I = 1, , NVARDIF
Referente ao tipo de diferenas finitas
escolhido
CENTRAIS Diferenas centradas
NCENTRAL Diferenas descentradas TIPO(I)
NCBIASED
Tipo de diferenas finitas;
I = 1, , NVARDIF
Diferenas descentradas biased
UP Diferenas Upwind
TIPO1(I)
Vector Caracter
DOWN
Orientao predominante das diferenas
finitas;
I = 1, , NVARDIF
Diferenas Downwind
0 Interpolaes lineares
NINTP
1
Parmetro que controla o tipo de
interpolao
Interpolaes de Splines cbicas com
NPINT pontos
NPINT
Escalar Inteira
N de pontos de interpolao Apenas necessrio se NINTP = 1
ATOL Tolerncia absoluta
RTOL
Escalar Dupla
Preciso

Tolerncia relativa
Referente ao integrador seleccionado
NPASS Escalar Inteira 0
N de passagens do procedimento de
colocao nodal

1 Rotina gridgen11
2 Rotina gridgen21 NCRT(I)
4
Parmetro que define a rotina de colocao
escolhida
Rotina gridgen41
KC(I) Ordem da derivada analisada I = 1, , NPASS
1 Critrio do tipo C1
LC(I)
Vector Inteiro
2
Parmetro que define o critrio 1D
seleccionado; I = 1, , NPASS Critrio do tipo C2
GTOL(I)
Vector Dupla
Preciso
0 Tolerncias referentes ao integrador I = 1, 2
1 Malha didica
NI
> 1
Tipo de malha de nvel mnimo
Malha no didica com NI intervalos
M Nvel de resoluo mnimo NI2
M
intervalos; se NI > 1 M = 0
N

Nvel de resoluo mximo NI2
N
intervalos
0 Malha de nvel mnimo uniforme
NREAD
1
Parmetro que controla a forma como
introduzida a malha base
Malha de nvel mnimo introduzida
como dado externo
0 No calculado qualquer erro
NERROR
Escalar Inteira
1
Parmetro que define a avaliao de erros calculado o erro associado a pelo
menos uma varivel
0 Erro no avaliado
IVARERR(I) Vector Inteiro
1
Localizao das variveis cujo erro avaliado;
I = 1, , NEQDIF+NEQALG
Apenas necessrio se NERROR = 1
Erro avaliado
0 Diferenas finitas (FD)
NDISC
1
Parmetro que define o tipo de discretizao
escolhido Esquemas de alta resoluo (NVSF)
1 Limitador MINMOD
2 Limitador SMART
3 Limitador CLAM
4 Limitador WACEB
NSCHEME
Escalar Inteira
5
Parmetro que define o limitador de fluxo
escolhido;
Apenas necessrio se NDISC = 1
Limitador CUBISTA
ANEXO B

283
O ficheiro de dados, denominado por DATA, construdo pelo utilizador e define todos
os parmetros que estabelecem a execuo. Assim, os ditos parmetros possveis de
especificar pelo utilizador no ficheiro DATA so resumidos na Tabela B.1, juntamente
com a sua finalidade na evoluo da execuo.
Por outro lado, no que diz respeito escrita de resultados, o programa imprime os
diversos resultados em ficheiros denominados por fort.n, onde n corresponde a:
n = 10 + i = Perfil de soluo numrica e malha adaptativa gerada,
referente varivel i, nos instantes temporais definidos
pelo parmetro DTPRESS (Programa STAT02);
n = 20 + i = Perfil da soluo numrica reconstruda e malha
adaptativa gerada, referente varivel i em todos os
instantes temporais intermdios disponveis (Subrotina
REGRID);
n = 95 = Perfil da evoluo temporal do nmero de nodos da
malha; tempo de cpu (Programa STAT02).
n = 69 = ltimo perfil disponvel da soluo associada a uma
mensagem de integrao mal sucedida activada pelo
integrador temporal (Subrotina CALLDASSL).
No programa no estabelecido qualquer parmetro que possibilite a definio de
diversos cenrios possveis de disponibilizao do output. Assim, todos os perfis
referidos acima so postos disposio do utilizador, nos ficheiros referidos, para os
instantes temporais correspondentes.
As restantes subrotinas que constituem o cdigo so agrupadas em oito blocos (vd.
Figura B.1), consoante a funo atribuda a cada conjunto de programas,
correspondente a uma operao essencial execuo do algoritmo. Considerando,
assim, cada bloco separadamente, tem-se que:
Bloco C CC C. Subrotinas fornecidas pelo utilizador.
As subrotinas que constituem o bloco C so fornecidas pelo utilizador, possibilitando
uma definio o mais possvel completa das caractersticas do modelo a resolver.
Desse modo, o utilizador necessita de construir trs subrotinas e uma funo, que so
introduzidas no cdigo global e se relacionam com:
Subrotina INIT = Fornece a condio inicial analtica do problema (funo
u
0
), quando esta requerida;
CALL INIT(Z,U,NINT)
Subrotina BOUNDARY = Fornece as condies fronteira (funes G) e as suas
caractersticas em ambas as extremidades do domnio
espacial;
CALL BOUNDARY(KI,T,K,LE,LD,Y,YB)
Subrotina MODEL = Fornece a funes F do modelo diferencial ou algbrico
diferencial;
ANEXO B

284
CALL MODEL(T,U,Z,DUDZ,DUDT)
Funo F1 = Funo que define possveis funes a ser diferenciadas
directamente;
CALL F1(K,U)
As diversas variveis a definir em cada uma dessas subrotinas so resumidas na tabela
B.2.
Tabela B.2 Resumo das variveis presentes nas subrotinas definidas pelo utilizador para a execuo do
programa STAT02.
Subrotina
Nome das
Variveis
Tipo de
Varivel
Valores
que
Assume
Z(I)
Vector Dupla
Preciso
Posies da malha
inicial
I = 0, , NINT
U(I,J)
Matriz Dupla
Preciso
Soluo no instante
inicial
J = 0, , NINT
INIT
NINT Escalar Inteira

Nmero de intervalos
da malha

0 Define-se uma variao temporal da soluo
KI
1
Parmetro que define
a especificao nas
fronteiras
Definem-se as informaes referentes s
condies fronteira
K
Escalar Inteira
Contador de variveis
do modelo
T
Escalar Dupla
Preciso

Tempo de integrao

0 No h restries
LE
1
Tipo de Fronteira
Esquerda Restrio definida em YB
0 No h restries
LD
Escalar Inteira
1
Tipo de Fronteira
Direita Restrio definida em YB
Y(I) Soluo nas fronteiras
I = 1, 2;
I = 1, Fronteira Esquerda; I = 2, Fronteira
Direita
BOUNDARY
YB(I)
Vector Dupla
Preciso

1 derivada em cada
fronteira (Condies
de Neumann)
I = 1, 2;
Direita
T
Escalar Dupla
Preciso
Tempo de integrao
U(I,J)
Matriz Dupla
Preciso
Soluo
J = 1, , NINT+1
Z(I)
Vector Dupla
Preciso
Posies da malha I = 1, , NINT+1
DUDZ(I,J,K)
Tensor Dupla
Preciso
Derivadas espaciais
J = 1, , NDER(I)
K = 1, , NINT+1
DUDT(I,J)
Matriz Dupla
Preciso
Funo F
J = 1, , NINT+1
NINT Escalar Inteira
Nmero de intervalos
da malha
ZE
Posio da fronteira
esquerda
MODEL
ZD
Escalar Dupla
Preciso

Posio da fronteira
direita

K Escalar Inteira
do modelo
F1
U
Escalar Dupla
Preciso

Soluo

Para a ordenao dos componentes da soluo nos respectivos vectores, necessrio
ter em conta que, os primeiros elementos tm que ser associados s variveis
diferenciadas no tempo (I = 1, , NEQDIF). As variveis restantes so consideradas nas
posies seguintes (I = NEQDIF+1, , NEQDIF+NEQALG). Assim, na construo da
subrotina MODELO, atribuem-se aos primeiros NEQDIF ndices I, a funes
ANEXO B

285
relacionadas com as equaes diferenciais, enquanto que os restantes so associados
s expresses algbricas.
Bloco C CC C. Subrotinas referentes integrao temporal.
O ncleo do bloco C, referente integrao temporal, consiste na package DDASSL[1]
que engloba as subrotinas que executam o avano do algoritmo no tempo (vd. Anexo
C). Este integrador implcito necessita da definio de duas subrotinas adicionais: a
subrotina JAC, onde se processa o clculo analtico dos componentes da matriz
jacobiana de cada modelo a integrar (como neste caso, o jacobiano estimado por
diferenas finitas, esta rotina definida como dummy); a subrotina RES que, em cada
instante temporal, fornece os resduos relacionados com as equaes do modelo.
Assim, esta subrotina bastante mais complexa, no se limitando apenas a calcular os
resduos (pela chamada da subrotina MODEL), como a definir as caractersticas
fronteira de cada problema integrado (atravs da chamada da subrotina BOUNDARY) e
a proceder ao clculo das estimativas para as derivadas espaciais (recorrendo s
rotinas DSS001 ou NVSF).
Bloco C CC C. Subrotina referente ao processo de reconstruo de perfis discretos.
Para uma aplicao efectiva dos processos de gerao de malha essencial que as
rotinas de colocao nodal tenham acesso ao perfil discreto de soluo no grau de
refinamento mximo permitido. Assim, em cada tempo intermdio necessrio que o
algoritmo reconstrua o perfil da soluo atravs da estimativa por interpolao da
soluo nas posies no activadas do conjunto de malhas seleccionado, usando como
suporte a soluo disponvel nesse instante, definida sobre a malha adaptativa
efectivamente activa gerada no passo temporal anterior. Este procedimento
realizado pela execuo da rotina REGRID que recorre ao bloco de rotinas C para a
implementao das operaes de interpolao que possibilitam a reconstruo do
perfil, posteriormente utilizado na gerao da nova malha adaptativa atravs da
chamada da subrotina GRIDGEN. Esta malha ento utilizada no passo de integrao
temporal seguinte.
Bloco C CC C. Subrotinas que implementam as operaes de interpolao.
Neste bloco agrupam-se as rotinas referentes avaliao da soluo interpolada nos
perfis espaciais para tempos intermdios, de forma a reconstruir a soluo numrica
discreta a partir do perfil disponvel obtido no passo de integrao precedente. Este
processo gerido pela rotina REGRID referida acima que especifica o procedimento de
interpolao a adoptar consoante o valor do parmetro NINTP escolhido pelo
utilizador. No caso de NINTP = 1, selecciona-se a dimenso do vector de pontos de
interpolao (definida pelo parmetro ND) usado como suporte da interpolao no
linear, e utiliza-se a subrotina CUBSPL para o clculo dos pesos correspondentes a cada
nodo, atravs da utilizao de splines cbicas. Em seguida, recorre-se a esses pesos e
funo SEVAL, para a estimativa da soluo interpolada nas abcissas pretendidas no
activadas. No caso de se fixar NINTP = 0, todas as interpolaes so efectuadas pela
aproximao linear da soluo, entre os pontos da malha disponvel que enquadrem a
posio espacial de interesse.
ANEXO B

286
Bloco C CC C. Subrotinas que implementam a estratgia de gerao de malha.
O bloco C abrange todas as subrotinas relacionadas com a implementao do
algoritmo de gerao de malha. Assim, este processo controlado pela subrotina
GRIDGEN que define as chamadas das rotinas de colocao nodal que implementam os
critrios C1 e C2 (e o critrio adicional baseado numa adaptao da estratgia RBF de
Driscoll e Heryudono, 2007[2] a conjuntos de malhas pr-definidas de nvel de
resoluo crescente; este procedimento implementado pela rotina GRIDGEN41, que
no testada neste trabalho, mas que se adapta perfeitamente estrutura do
algoritmo STAT02). Os critrios de colocao nodal C1 e C2 so executados atravs das
subrotinas GRIDGEN11 e GRIDGEN21 para anlise total ou parcial de malhas,
respectivamente (vd. seco 3.5.1, pgina 135).
Bloco . Subrotinas para a estimativa das derivadas espaciais(FD).
O bloco engloba todas as subrotinas utilizadas na estimativa do valor das derivadas
espaciais atravs de aproximaes de diferenas finitas. Deste modo, a subrotina
DSS001 consiste no programa geral que define a direco espacial em que a
diferenciao realizada. Esta rotina est preparada para lidar com problemas de
qualquer dimenso at um mximo de trs coordenadas espaciais. A seleco do tipo
de diferenas finitas a realizar realizada pela subrotina SELECT, que dependendo do
valor definido para o parmetro TIPO, chama as seguintes subrotinas[3]:
Subrotina DSS01B = TIPO = NCBIASED; Diferenas finitas descentradas biased
de ND pontos, com direco preferencial TIPO1.
Subrotina DSS01C = TIPO = CENTRAIS; Diferenas finitas centradas de ND
pontos.
Subrotina DSS01D = TIPO = NCENTRAL; Diferenas finitas descentradas de ND
pontos, com direco preferencial TIPO1.
Os pesos correspondentes a cada ponto do vector bsico de dimenso ND, so
calculadas atravs do mtodo recursivo de Fornberg[4-5], pela subrotina WEIGHTS.
Apenas num caso especial se utiliza o mtodo de resoluo de sistemas de equaes
lineares (vd. Anexo A), para a avaliao desses coeficientes. Esse caso corresponde
estimativa da segunda derivada em pontos fronteira sujeitos a condies de Neumann,
onde se adiciona a contribuio do valor fixo da primeira derivada no ponto fronteira,
frmula de estimativa geral. O clculo dos coeficientes correspondentes efectuado
pela subrotina COEF, que utiliza a rotina GAUJOR para a resoluo de cada sistema
linear, pelo mtodo de eliminao de Gauss-Jordan.
Bloco C CC C. Subrotinas para a estimativa das derivadas espaciais(HRS).
O recurso estimativa de derivadas atravs de esquemas de alta resoluo (HRS)
realizada pela chamada da subrotina NVSF que implementa a estratgia Normalised
Variable and Space Formulation[6], desenvolvida para malhas no uniformes. Assim,
de modo a ilustrar esta potencialidade, apresenta-se o bloco C de uma forma mais
detalhada na Figura B.2. No caso de recorrer a esta estratgia, o utilizador necessita
fornecer uma subrotina adicional (dFdU) que possibilite o clculo da derivada da
ANEXO B

287
varivel fluxo em relao soluo e, consequentemente, permite a definio do
sentido do fluxo e do sentido upwind em cada nodo.

Figura B.2 Esquema pormenorizado da estrutura da rotina NVSF.
Por outro lado, a subrotina FLUX que deveria explicitar os valores da funo fluxo em
termos da soluo, pode ser considerada como uma rotina dummy, j que a sua
funo substituda pela aco da rotina F1 referida anteriormente. Finalmente, a
rotina NVSF utiliza um conjunto de limitadores de fluxo que proporcionam as
caractersticas de limitao de soluo do prprio procedimento NVSF. A seleco do
limitador escolhido executada pela subrotina FLUXLIM, consoante o valor do
parmetro de controlo NSCHEME, que possibilita a utilizao de cinco limitadores
distintos (vd. Figura B.2).
Bloco . Subrotinas para a avaliao de erros calculados a partir de solues
analticas.
O algoritmo possibilita igualmente a avaliao do erro mdio associado soluo
numrica, na condio de que uma soluo analtica do problema seja fornecida.
Assim, para cada perfil de soluo numrica disponvel, o programa principal STAT02
chama a rotina que gere o processo (denominada por ERROR), que por sua vez activa a
rotina de avaliao dos erros referentes a cada posio nodal (ERROREVAL) e calcula o
erro mdio do perfil numrico de soluo. As avaliaes do erro so realizadas
relativamente a uma soluo analtica obtida atravs da funo FANAL.
A forma como o cdigo , de momento, definido, implica a verificao de algumas
limitaes que podem ser resumidas da forma seguinte:
Nmero mximo de equaes do modelo (NEQDIF+NEQALG) = 5
Nvel mximo de resoluo de uma malha didica (N) = 15
Nmero mximo de subintervalos no domnio temporal (NTIMES) = 5
Nmero mximo de derivadas diferentes para cada varivel (NDER) = 5
NVSF
WACEB
CUBISTA
FLUXLIM
SMART
CLAM
MINMOD
FLUX
dFdU

ANEXO B

288
Nmero mximo de nodos da malha adaptativa gerada (varivel interna) = 1000
Nmero mximo de variveis do problema a integrar (varivel interna) = 10000
Dimenso mxima do vector de nodos de interpolao (NPINT) = 10
Dimenso mxima do vector de nodos de discretizao FD (ND) = 15
Assim, o nmero de intervalos mximo admissvel corresponde aos de uma malha
didica de nvel 15. Deste modo, a escolha de um conjunto de malha no didicas
implica que o nvel mximo (N) seja definido de forma a verificar a relao seguinte:
NI2
N
2
15
(B.5)
Por exemplo, se se pretender uma malha base de nvel base com NI = 27 intervalos, o
valor mximo definido para N ter de ser necessariamente 10. Por outro lado, se NI =
41, o nvel mximo de refinamento ser 9.
Estes valores mximos podem ser alterados por manipulao das dimenses dos
vectores ou matrizes adequados. No entanto, um aumento excessivo do valor desses
parmetros poder originar problemas na execuo do cdigo, conduzindo a
exigncias de memria incomportveis, alm de poder afectar negativamente os
tempos de computao.
B.1.2 DESCRIO DE UM EXEMPLO 1D
Nesta seco procede-se apresentao e anlise dos dados a fornecer pelo utilizador
para uma hipottica execuo de um exemplo estudado neste trabalho. O problema
seleccionado refere-se ao modelo diferencial que simula o comportamento de um
sistema de propagao de chama (vd. seco 6.2; equaes 6.7 e 6.8). As condies da
execuo apresentadas em seguida correspondem s utilizadas no run correspondente
anlise do critrio de colocao 1D C2, e pretendem ilustrar a aplicao de uma vasta
gama de opes postas disposio pelo cdigo. Nem todas as potencialidades deste
foram convenientemente testadas no decurso do presente trabalho.
Assim, considera-se na Figura B.3, o ficheiro DATA, que define um conjunto possvel de
parmetros de execuo do algoritmo de refinamento, para o modelo em questo.
2,0 n. eq diferenciais, n. eq algebricas
0.D0,1.0D0 posicao front esq/front dir
0.D0 tempo inicial
1 n int tempo
6.D-3,1.D-4,1.2D-3 tempo final, passo, passo imp
2,1,1 n. vars diferenciadas, pos vars dif
1 tipo de dif: 0 - directa; 1 - sucessiva
2 n. derivadas, indice(i),i=1,...nder
5,CENTRAIS,UP n. ptos disc, tipo discret
1
2
5,CENTRAIS,UP
1,7 tipo de intpl, n. ptos de intpl
1.D-6,1.D-6 tol abs e rel (DASSL)
1 n. passagens
1,1,2 rotina gridgen; derivada; crit coloc
1.D-1,1.D-1 tol geracao da malha (max,min)
27 n. int malha n diadica; m diad = 1
0,6 malha diad de < e > nivel; mnd < = 0
1 0 - m unif; 1 - m lida
0 0 - n calc erro; 1 - calc erro
0,1 0 - DSS; 1 - NVSF, tipo esq HRS
Figura B.3 Exemplo de um ficheiro DATA referente ao modelo de propagao de chama.
ANEXO B

289
Pela anlise do ficheiro de dados anterior, verifica-se que o problema constitudo por
duas equaes: duas diferenciais e nenhuma algbrica (NEQDIF = 2 e NEQALG = 2). O
domnio espacial corresponde ao intervalo [0,1] (ZE = 0.0 e ZD = 1.0), enquanto que a
integrao temporal se desenrola num nico intervalo (NTIMES = 1) entre os instantes
t = 0 e t = 0.006 (TIN = 0.0 e TIME(0) = 610
-3
). O passo de integrao fixado em
0.0001 (DT(1) = 110
-4
) com um intervalo de impresso de resultados igual a 0.0012
(DTPRESS(1) = 1.210
-3
). Torna-se necessrio especificar a discretizao relativamente
s duas variveis, j que ambas envolvem diferenciaes espaciais. Assim, o nmero
de variveis diferenciada 2 (NVARDIF = 2) e as duas variveis so activadas para
diferenciao (IVARDIF(1) = 1 e IVARDIF(2) =1). O tipo de diferenciao para ambas as
variveis especificado como sucessivo (NDERV = 1) e assim, a gerao de malha (e
possivelmente a discretizao espacial) realizada atravs de frmulas de diferenas
finitas com cinco pontos (ND(1) = ND(2) = 5), do tipo centrado (TIPO(1) = TIPO(2) =
CENTRAIS; as variveis TIPO1 no so relevantes neste caso). As operaes de
interpolao so realizadas por splines cbicas (NINTP = 1), com sete pontos (NPINT =
7). Por outro lado, as tolerncias absoluta e relativa referente ao esquema de
integrao temporal so fixadas em 110
-6
(ATOL = RTOL = 110
-6
). O procedimento de
gerao de malha adaptativa executado com uma passagem (NPASS = 1), recorrendo
rotina GRIDGEN11 (NCRT = 1) com anlise da aproximao FD da primeira derivada
espacial da soluo (KC = 1), e posterior aplicao do critrio de colocao 1D C2 (LC =
2). As tolerncias associadas ao procedimento de gerao de malha so fixadas em 0.1
(GTOL(1) = GTOL(2) = 110
-1
). Opta-se por definir um conjunto de malhas no didicas
(NI 1) em que a malha de nvel de resoluo mais reduzido possui 27 intervalos (NI =
27). Esta malha especificada com o nvel 0 (M = 0; necessrio para o caso de malhas
no didicas), e o nvel mximo de refinamento admissvel fixado em 6 (N = 6). A
malha de nvel 0 lida a partir de um ficheiro pr-construdo (NREAD = 1), designado
por POSITION onde todas as posies espaciais so definidas (vd. Figura B.4).
0
0.05
0.1
0.15
0.2
0.25
0.3
0.35
0.4
0.45
0.5
0.55
0.6
0.65
0.7
0.75
0.8
0.825
0.85
0.875
0.9
0.925
0.95
0.975
0.99
0.995
0.999
1
Figura B.4 Ficheiro POSITION para definio das posies da malha no didica no uniforme de nvel 0
(modelo de propagao de chama).
ANEXO B

290
Neste caso especfico, o estabelecimento de uma malha no gerada internamente pelo
sistema permite a utilizao de um conjunto de malhas no uniforme (vd. Figura 6.9;
pgina 221). No se definem quaisquer operaes de avaliao de erros (NERROR = 0),
j que no se disponibiliza uma soluo analtica do problema. Finalmente, o algoritmo
utiliza avaliaes das derivadas espaciais efectuadas por aproximaes de diferenas
finitas (NDISC = 0). Assim o valor do parmetro NSCHEME referente definio do
limitador de fluxo associado a aproximaes NVSF, torna-se irrelevante. No entanto,
necessrio realizar a respectiva especificao de NSCHEME, assumido como dummy.
Deste modo, todas as informaes referentes s condies pretendidas para a
execuo so introduzidas no cdigo. Falta ainda definir as caractersticas especficas
do modelo em si. Estas so associadas ao programa atravs da construo de trs
subrotinas e uma funo adicionais. As subrotinas correspondentes definio do
modelo de propagao de chama referido acima so apresentadas na Figura B.5.

SUBROUTINE INIT(Z,U,NINT)
IMPLICIT DOUBLE PRECISION (A-H,O-Z)
DOUBLE PRECISION U(5,0:NINT),Z(0:NINT)

DO I=0,NINT
U(1,I)=1.D0
U(2,I)=0.2D0
END DO

RETURN

END

C ***************************************************************

SUBROUTINE BOUNDARY(KI,K,T,LE,LD,Y,YB)
IMPLICIT DOUBLE PRECISION(A-H,O-Z)
DIMENSION Y(2),YB(2)

IF(KI.EQ.0)THEN

IF(K.EQ.2)THEN

LE=0
LD=1

IF(T.LE.2.D-4)THEN
YB(2)=0.2D0+1.D0/2.D-4*T
ELSE
YB(2)=1.2D0
ENDIF

ENDIF

RETURN

ENDIF

IF(K.EQ.1)THEN

LE=1
LD=1

YB(1)=0.D0
YB(2)=0.D0

ELSE

LE=1
LD=0

YB(1)=0.D0
ANEXO B

291

ENDIF

RETURN

END

C ***************************************************************

SUBROUTINE MODEL(T,U,Z,DUDZ,DUDT)
DIMENSION DUDT(5,1000)
DIMENSION DUDZ(5,5,1000),U(5,1000),Z(1000)

COMMON/GSIZE/NINT
COMMON/FRNTR/ZE,ZD

h = 3.52D6
h2 = 4.D0

DO I=1,NINT+1

IF(DABS(Z(I)-ZE).LT.1.D-10)THEN

C ***************************************************************
C FRONTEIRA ESQUERDA
C ***************************************************************

DUDT(1,I)=DUDZ(1,2,I)-h*U(1,I)*DEXP(-h2/U(2,I))
DUDT(2,I)=DUDZ(2,2,I)+h*U(1,I)*DEXP(-h2/U(2,I))

C ***************************************************************
C FRONTEIRA DIREITA
C ***************************************************************
C
ELSEIF(DABS(Z(I)-ZD).LT.1.D-10)THEN

IF(T.LE.2.D-4)THEN
DUDT(2,I)=1.D0/2.D-4
ELSE
DUDT(2,I)=0.D0
ENDIF

ELSE

C ***************************************************************
C PONTO INTERNO
C ***************************************************************

DUDT(2,I)=DUDZ(2,2,I)+h*U(1,I)*DEXP(-h2/U(2,I))

ENDIF

END DO

RETURN

END

C ***************************************************************

DOUBLE PRECISION FUNCTION F1(K,U)
DOUBLE PRECISION U
INTEGER K

F1=U

END

Figura B.5 Exemplo do conjunto de subrotinas fornecidas pelo utilizador (modelo de propagao de
chama).
ANEXO B

292
Na subrotina INIT so introduzidas as expresses analticas para as solues iniciais
referentes a cada varivel. Neste caso, verifica-se que a primeira varivel (U(1,I)) tem
um perfil inicial constante unitrio, enquanto que a segunda varivel (U(2,I)) apresenta
um perfil igualmente constante e igual a 0.2.
Por outro lado, a subrotina BOUNDARY informa o cdigo sobre as caractersticas gerais
definidas para as fronteiras a que o modelo est sujeito. No caso de KI = 0, definem-se
evolues temporais pr-especificadas de qualquer varivel sobre as fronteiras, ou
seja so fornecidas informaes sobre o comportamento temporal da soluo em cada
fronteira. Neste caso, verifica-se que na fronteira da direita (LD = 1), a segunda varivel
(YB(2) para K = 2) definida por uma funo rampa temporal de declive 1/(210
-4
) a
partir de 0.2 at T = 210
-4
, a partir do qual se mantm em 1.2. Esta condio fronteira
pretende simular o efeito da ignio do sistema. Neste caso, a evoluo da varivel 1
no especificada, assim como o comportamento da varivel na fronteira esquerda
(LE = 0). Porm, no caso de KI = 1 introduzem-se possveis condies de primeira
ordem. Assim, para a primeira varivel (K = 1) definem-se duas condies de Neumann
nulas em ambas as fronteiras (LE = LD = 1 com YB(1) = YB(2) = 0), enquanto que para a
varivel 2 especifica-se outra condio de Neumann nula na fronteira esquerda (LE = 1
e YB(1) = 0). Como a evoluo na fronteira da direita j foi definida anteriormente,
torna-se desnecessria qualquer especificao adicional e ento LD = 0). No caso de
alguma das fronteiras ser fixa (condio de Dirichlet), o valor dos parmetros (LE para
a fronteira esquerda e LD para a direita) deve ser nulo.
Na subrotina MODEL so introduzidas as expresses referentes funo F do modelo
(correspondente ao modelo geral vd. equao B.1). O valor dessas funes definido
na varivel DUDT, para cada posio nodal I. essencial referir que, na construo
desta subrotina, obrigatrio considerar inicialmente as funes relacionadas com as
equaes diferenciais e s depois se introduzem as expresses algbricas. No entanto,
este problema especfico no considera equaes algbricas, sendo constitudo
exclusivamente por equaes diferenciais. Deste modo, estabelecem-se as equaes
referentes fronteira esquerda (Z(I) = ZE) que correspondem a uma evoluo normal
especificada pelas funes generalizadas do modelo, j que nesta fronteira so apenas
definidas condies de Neumann. No caso da fronteira direita (Z(I) = ZD) aplica-se uma
atribuio equivalente para a varivel 1, enquanto que a evoluo da varivel 2
especificada como a derivada da condio fronteira em rampa introduzida na rotina
BOUNDARY e j referida anteriormente. Para a aplicao das diversas funes
necessrias implementao do modelo, foroso definir os valores de dois
parmetros, ou seja h = 3.5210
6
e h2 = 4.
Finalmente, na funo F1 so especificadas possveis funes dependentes da soluo
que devem ser diferenciadas directamente. O presente problema no apresenta este
tipo de funes e, deste modo, a funo F1 definida como a prpria soluo.
REFERNCIAS
82-8637.
ANEXO B

293
Portugal.
Comput., 51 (184), pp. 699-706.

294
B B. .2 2 M MA AL LH HA AS S B BI ID DI IM ME EN NS SI IO ON NA AI IS S
B.2.1 ESTRUTURA DA APLICAO 2D
O cdigo INTEGR2D apresenta uma estrutura semelhante do programa STAT02,
analisado na seco anterior, procedendo execuo do algoritmo de malha mvel
adaptativa em problemas diferenciais, explcitos em relao s derivadas temporais,
com a seguinte forma geral:
( ) , , , , , ,
xy yy xx y x t
u u u u u u F u = (B.6)
Condies fronteira:
( ) 0 , , =
y x
L
u u u G
x
em
L
x x = (B.7)
( ) 0 , , =
y x
R
u u u G
x
em
R
x x = (B.8)
( ) 0 , , =
y x
L
u u u G
y
em
L
y y = (B.9)
( ) 0 , , =
y x
R
u u u G
y
em
R
y y = (B.10)
Condio inicial:
( ) ( ) [ ] [ ]
R L R L
y y y x x x y x u y x u , ; , ; , 0 , ,
0
= (B.11)
em que u(z,t) o vector soluo definido da mesma forma como anteriormente.
Para o efeito, foi elaborado um programa em FORTRAN, cuja estrutura geral
resumida na Figura B.6, para uma melhor visualizao das diferentes rotinas que
constituem o cdigo global.
O ncleo principal do cdigo consiste no programa principal INTEGR2D, concebido
como uma extenso do programa STAT02 a problemas bidimensionais, onde se
executam as seguintes operaes gerais:
1. Determinao do tempo de computao, atravs da chamada da subrotina
CPUT_TIME, exactamente da mesma forma como na execuo do programa
anterior.
2. Introduo dos dados efectuada pela chamada da subrotina READER que executa a
leitura dos dados armazenados no ficheiro pr-definido DADOS.
3. Construo da malha bsica construda pela juno de diversas malhas 2D de
diferentes nveis de resoluo. Operao efectuada atravs da definio de malhas
uniformes ou da leitura das posies de malha de nvel mais baixo (em x e y) a
partir de um ficheiro pr-definido (POSITION).
4. Gerao da matriz de activao inicial em que todos os nodos pertencentes
malha base de nvel de resoluo mais reduzido so activados por defeito, atravs
da chamada rotina MATRIX.
5. Inicializao da integrao efectuada pela chamada da subrotina INIT. Esta rotina
procede a avaliao da superfcie inicial da soluo, pela utilizao da respectiva
expresso analtica.
ANEXO B

295

Figura B.6 Esquema simplificado da estrutura do cdigo INTEGR2D.
6. Gerao da malha adaptativa inicial atravs de uma chamada dupla da rotina
GRID2, executada como a sequncia de um critrio do tipo m seguido de um
critrio do tipo i suportado pela malha gerada na chamada inicial.
7. Implementao do ciclo de integrao deste o tempo inicial TIN at ao tempo final
TOUT = TIME(NTIMES-1).
8. Construo do problema 1D legvel pelo integrador a partir do problema 2D
original atravs da chamada da rotina PROBCON1.
9. Chamada da rotina INTEGR que estabelece as condies de integrao e pode ser
facilmente readaptada para diferentes integradores.
INIT INTEGR2D
RKF45
CPU_TIME
CRITERIO1m
INTEGR
GRID2
CUBSPL
SEVAL
SPATIALDERV
MODEL
BOUNDARY
F1
NVSF
DSS001 SELECT
COEF WEIGHTS GAUJOR
CRITERIO4m
CRITERIO5m
C
C
C
C
C

C
CRITERIO3m
CRITERIO4i
CRITERIO5i
CRITERIO3i
PLANE2
MODELINIT
PROBCON1
PROBDCON1
READER
MATRIX
RES
INTERPL

ANEXO B

296
10. Reconstruo do novo problema 2D (no instante temporal seguinte) a partir da
soluo de sada do integrador, atravs da chamada da rotina PROBDCON1.
11. Escrita do conjunto de resultados seleccionado para tempos controlados pelo
intervalo de impresso DTPRESS.
12. Redefinio da malha referente ao tempo seguinte pela chamada da rotina de
gerao de malha GRID2.
Tabela B.3 Resumo das variveis de entrada do programa INTEGR2D fornecidas pelo ficheiro DADOS.
Nome da
Varivel
Tipo de
Varivel
Valores que
Assume
XE Posio da fronteira esquerda em x
XD Posio da fronteira direita em x
YE Posio da fronteira esquerda em y
YD Posio da fronteira direita em y

TIN
Escalar Dupla
Preciso
Instante de tempo inicial Tempo inicial da integrao
NTIMES Escalar Inteira N de subintervalos temporais
TIME(I) Tempo final de cada intervalo
I = 0, , NTIMES-1;
Tempo final da integrao =
TIME(NTIMES-1)
DT(I) Passo de integrao temporal I = 1, , NTIMES
DTPRESS(I)
Vector Dupla
Preciso
Passo temporal de impresso de resultados I = 1, , NTIMES
MX Nvel de resoluo mnimo em x
MY Nvel de resoluo mnimo em y
NX Nvel de resoluo mximo em x
NY Nvel de resoluo mximo em y
NDRV
Escalar Inteira

Nmero de derivadas

1 Diferenciao em x
IDRV(I,J) Matriz Inteira
2
Direco a derivar;
I = 1, , NDRV; J = 1, , 5 Diferenciao em y
NPD Escalar Inteira N de pontos de aproximao FD;
Referente ao tipo de diferenas finitas
escolhido
CENTRAIS Diferenas centradas
NCENTRAL Diferenas descentradas TIPO
NCBIASED
Tipo de diferenas finitas;
Diferenas descentradas biased
UP Diferenas Upwind
TIPO1
Escalar Caracter
DOWN
Orientao predominante das diferenas
finitas; Diferenas Downwind
0 Interpolaes lineares
NINTP
1
Parmetro que controla o tipo de
interpolao
Interpolaes de Splines cbicas com
NPINT pontos
NPINT
Escalar Inteira
N de pontos de interpolao Apenas necessrio se NINTP = 1
ATOL Tolerncia absoluta
RTOL
Escalar Dupla
Preciso

Tolerncia relativa
Referente ao integrador seleccionado
1 Rotina criterio1m
3 Rotina criterio3m
4 Rotina criterio4m
ICRIT0
5
Parmetro que define o critrio de colocao
2D do tipo m
Rotina criterio5m
3 Rotina criterio3i
4 Rotina criterio4i ICRIT1
5
Parmetro que define o critrio de colocao
2D do tipo i
Rotina criterio5i
K Ordem da derivada analisada
1 Critrio do tipo C1
L
Escalar Inteira
2
Parmetro que define o critrio 1D
seleccionado Critrio do tipo C2
GTOL(I)
Vector Dupla
Preciso
0 Tolerncias referentes ao integrador I = 1, 2
0 Malha de nvel mnimo uniforme
NGRID
1
Parmetro que controla a forma como
introduzida a malha base
Malha de nvel mnimo introduzida
como dado externo
0 Diferenas finitas (FD)
NDISC
1
Parmetro que define o tipo de discretizao
escolhido Esquemas de alta resoluo (NVSF)
1 Limitador MINMOD
2 Limitador SMART
3 Limitador CLAM
4 Limitador WACEB
NSCHEME
Escalar Inteira
5
Parmetro que define o limitador de fluxo
escolhido;
Apenas necessrio se NDISC = 1
Limitador CUBISTA
ANEXO B

297
Assim, a subrotina READER procede leitura dos dados a partir de um ficheiro
designado por DADOS, previamente construdo pelo utilizador, e que define parte da
informao necessria para a execuo. Porm, os parmetros possveis de especificar
pelo utilizador no ficheiro DADOS so algo diferentes dos correspondentes ao
programa 1D. Tal seria de esperar, j que o incremento da dimenso do problema e a
sua aplicao a modelos de natureza mais limitada implica a necessidade de um
conjunto de dados de essncia semelhante mas distinta. De qualquer modo, as
estruturas de ambos os ficheiros so muito parecidas, sendo os parmetros a definir
para este caso resumidos na Tabela B.3, juntamente com a sua influncia na evoluo
de cada execuo.
No que diz respeito escrita de resultados, o programa principal imprime resultados
seleccionados em ficheiros especficos, denominados por fort.n, onde n corresponde
a:
n = 12 = Soluo organizada numa matriz para o tempo inicial e
para tempos seleccionados definidos pelo intervalo de
impresso DTPRESS;
n = 13 = Matriz de activao nodal (A, cujos elementos unitrios
correspondem a nodos activados e os elementos nulos
se referem a nodos no activos) para o tempo inicial e
para tempos seleccionados definidos pelo intervalo de
impresso DTPRESS;
n = 15 = Perfil inicial da soluo organizado em stencils
sequenciais de x.
n = 14 = Perfis de soluo organizados em stencils sequenciais de
x, para tempos seleccionados definidos pelo intervalo
de impresso DTPRESS.
n = 20 = Perfil da evoluo temporal do nmero de nodos da
malha; tempo de cpu.
n = 69 = ltimo perfil disponvel da soluo associada a uma
mensagem de integrao mal sucedida activada pelo
integrador temporal (Subrotina INTEGR).
Novamente, no se recorre a qualquer parmetro que controle o tipo de resultados
que so imprimidos em cada execuo. Assim, todos os perfis referidos acima so
postos disposio do utilizador, nos ficheiros correspondentes, para os instantes
temporais especificados.
As restantes subrotinas que constituem o cdigo so igualmente agrupadas em oito
blocos (vd. Figura B.6), que executam funes equivalentes s descritas na seco
anterior, para o algoritmo 1D, verificando-se, mesmo que, alguns dos blocos so
perfeitamente coincidentes. Assim, para cada bloco, tem-se que:
Bloco C CC C. Subrotinas fornecidas pelo utilizador.
As subrotinas que constituem o bloco C so fornecidas pelo utilizador, sendo muito
semelhantes s aplicadas no cdigo unidimensional. Novamente, o utilizador necessita
ANEXO B

298
de construir trs subrotinas e uma funo, que so chamadas pelo cdigo pr-definido
e que representam operaes equivalentes s exigidas pelo programa STAT02. Assim,
tem-se neste caso:
Subrotina MODELINIT = Fornece a condio inicial analtica do problema (funo
u
0
), quando esta requerida;
CALL MODELINIT(Z,U,NINT)
Subrotina BOUNDARY = Fornece as condies fronteira (funes G) e as suas
caractersticas em ambas as extremidades do domnio
espacial;
CALL BOUNDARY(KI,I,J,T,LE,LD,Y,YB)
Subrotina MODEL = Fornece a funes F do modelo diferencial;
CALL MODEL(NP,T,Y,DY,F)
Funo F1 = Funo que define possveis funes a ser diferenciadas
directamente;
CALL F1(K,U)
As diversas variveis a definir em cada uma dessas subrotinas esto resumidas na
tabela B.4.
Bloco C CC C. Subrotinas referentes integrao temporal.
Ao contrrio do cdigo anterior, o ncleo central do bloco C referente integrao,
consiste agora no integrador RKF45[1] (vd. Anexo C) que engloba as subrotinas que
asseguram a integrao temporal do problema original. A subrotina de avaliao de
resduos RES, que processa o clculo das equaes do modelo, bastante mais simples
do que a utilizada no cdigo unidimensional j que delega todas as operaes de
avaliao das derivadas espaciais na rotina SPATIALDERV. Deste modo, esta rotina
define as caractersticas fronteira de cada problema integrado (pela chamada da
subrotina BOUNDARY) e procede ao clculo das estimativas para as derivadas espaciais
de uma forma sucessiva na direco (x ou y) seleccionada (processo controlado pela
definio da matriz IDRV), atravs do recurso s rotinas DSS001 ou NVSF.
Posteriormente, a subrotina RES recorre subrotina MODEL para a estimativa dos
valores da funo F do modelo em todos os nodos do problema. Esta soluo ento
introduzida no procedimento geral do integrador RKF45, que representa a
implementao do algoritmo numrico de integrao de Runge-Kutta-Fehlberg de
quarta e quinta ordem[2].
Bloco C CC C. Rotina que gere o esquema de gerao de malha implementado.
Devido variedade de critrios de gerao de malha disponveis, na implementao do
cdigo INTEGR2D (vd. Figura B.3), optou-se por utilizar uma subrotina especfica para a
gesto do processo de seleco dos critrios a aplicar quer numa perspectiva m como
i. Assim, consoante os valores introduzidos para os parmetros ICRIT0 e ICRIT1 (vd.
Tabela B.3), a rotina GRID2 promove a activao das subrotinas relacionadas com os
critrios 2D correspondentes.
ANEXO B

299
Tabela B.4 Resumo das variveis presentes nas subrotinas definidas pelo utilizador para a execuo do
programa INTEGR2D.
Subrotina
Nome das
Variveis
Tipo de
Varivel
Valores
que
Assume
X Posio em x
Y Posio em x
U Soluo em [x,y]
XE
Posio da fronteira
esquerda em x
XD
Posio da fronteira
direita em x
YE
Posio da fronteira
esquerda em y
INIT
YD
Escalar Dupla
Preciso

Posio da fronteira
direita em x

0 Define-se uma variao temporal da soluo
KI
1
Parmetro que define
a especificao nas
fronteiras
Definem-se as informaes referentes s
condies fronteira
1 Diferenciao em x
I
2
Direco de
diferenciao Diferenciao em y
J
Escalar Inteira
Contador da posio
no domnio
Diferenciao em x domnio y
Diferenciao em y domnio x
T Escalar DP

Tempo de integrao
0 No h restries
LE
1
Tipo de Fronteira
Esquerda Restrio definida em YB
0 No h restries
LD
Escalar Inteira
1
Tipo de Fronteira
Direita Restrio definida em YB
Y(I) Soluo nas fronteiras
I = 1, 2;
Direita
BOUNDARY
YB(I)
Vector Dupla
Preciso

1 derivada em cada
fronteira (Condies
de Neumann)
I = 1, 2;
Direita
T
Escalar Dupla
Preciso
Tempo de integrao
Y(I)
Vector Dupla
Preciso
Soluo J = 1, , NP
DY(I,J)
Matriz Dupla
Preciso
Derivadas espaciais
I = 1, , NP
J = 1, , NDRV
F(I)
Vector Dupla
Preciso
Funo F I = 1, , NP
NP Escalar Inteira
Nmero de nodos da
malha 2D
XE
Posio da fronteira
esquerda em x
XD
Posio da fronteira
direita em x
YE
Posio da fronteira
esquerda em y
YD
Escalar Dupla
Preciso
Posio da fronteira
direita em x

ZX(I)
Posies da malha em
x
I = 1, , NP
MODEL
ZY(I)
Vector Dupla
Preciso

Posies da malha em
y
I = 1, , NP
K Escalar Inteira
do modelo F1
U Escalar DP

Soluo

Bloco C CC C. Subrotinas que implementam as operaes de interpolao.
Como as operaes de interpolao so agora incorporadas nos prprios
procedimentos de gerao de malha, revela-se necessrio o desenvolvimento de uma
subrotina especfica que implemente o processo de preparao e execuo das
ANEXO B

300
operaes de interpolao, quer lineares como no lineares. Esta rotina designada por
INTEGR recebe os stencils de interpolao (vectores de posio e de soluo) e a
posio onde interpolar, selecciona o tipo de operao a realizar (controlada pelo valor
do parmetro NINTP) e executa o prprio processo atravs da chamada das rotinas
adequadas. Da mesma forma do que no caso unidimensional, a interpolao no linear
realizada com splines cbicas, atravs do recurso rotina CUBSPL e funo SEVAL,
j descritas anteriormente. No caso de NINTP = 0, todas as interpolaes so
efectuadas por aproximao linear.

Figura B.7 Esquema do processo de gerao de malha adaptativa includo na estrutura do cdigo
INTEGR2D.
Bloco C CC C. Subrotinas que implementam a estratgia de gerao de malha.
O bloco C constitudo por todas as subrotinas relacionadas com a implementao do
algoritmo de gerao de malha apresentado com maior pormenor na Figura B.7. O
INTEGR2D
CRITERIO12m
GRID2
DSS001 SELECT
COEF WEIGHTS
GAUJOR
CRITERIO42m
CRITERIO52m
CRITERIO32m
CRITERIO32i
CRITERIO42i
CRITERIO52i
PLANE2
MATRIX
CUBSPL
SEVAL
INTERPL
GRIDGEN22
GRIDGEN42
GRIDGEN82
GRIDGEN62
STENCIL
ANEXO B

301
processo gerido pela subrotina GRID2 que possibilita a seleco dos critrios 2D
especficos a implementar. Deste modo, consoante o valor dos parmetros ICRIT0
(para gerao do tipo m) ou ICRIT1 (para execues do tipo i) a rotina GRID2 chama as
subrotinas de gerao de malha correspondentes.
Os critrios do tipo 32 recorrem subrotina PLANE2 para o clculo de declives de
planos definidos no espao tridimensional, avaliados atravs de um mtodo de
eliminao de Gauss-Jordan (rotina GAUJOR). Adicionalmente, todas as outras rotinas
esto associadas a subrotinas externas GRIDGEN*2 que executam as operaes de
pesquisa 1D baseadas nos critrios de colocao C1 e C2 (com a bvia excepo da
subrotina CRITERIO12m que inclui este processo na sua estrutura). Estas rotinas
utilizam aproximaes FD para a avaliao de medidas de erro que controlem o
processo de colocao nodal. Deste modo, recorrem aplicao das rotinas para a
estimativa das derivadas espaciais (bloco ), j descrita com algum pormenor na
seco anterior.
As rotinas do tipo i recorrem a esquemas de interpolao associados ao conjunto de
rotinas do bloco C, j discutidas acima. Por outro lado, alguns critrios aplicam a
subrotina MATRIX para a gerao automtica da malha base estabelecida por defeito.
Finalmente, os critrios C32i e C42i usam uma subrotina designada por STENCIL, que
constri os stencils que suportam as operaes de interpolao.
Bloco . Subrotinas para a estimativa das derivadas espaciais(FD).
O bloco engloba todas as subrotinas utilizadas na estimativa do valor das derivadas
espaciais atravs de aproximaes de diferenas finitas[3] baseadas no mtodo
recursivo de Fornberg[4-5], sendo exactamente igual ao aplicado no cdigo de
refinamento, e j descrito com algum pormenor, na seco anterior.
Bloco C CC C. Subrotinas para a estimativa das derivadas espaciais(HRS).
As rotinas de implementao da estratgia HRS para a estimativa de derivadas
espaciais so coincidentes com as aplicadas no mbito do algoritmo STAT02 e j
descritas e discutidas na seco anterior.
Bloco . Subrotinas de interface 1D-2D.
O programa utiliza duas subrotinas que possibilitam a relao entre o carcter
bidimensional dos modelos integrados e a natureza unidimensional da soluo
introduzida no integrador temporal. Assim, a subrotina PROBCON1 executa a
construo prvia de um problema 1D legvel pelo integrador a partir do problema 2D
original, e a rotina PROBDCON1 promove a reconstruo do problema 2D a partir da
soluo do sistema de ODEs 1D obtido aps cada passo de integrao.
A forma como o cdigo definido, obriga verificao de algumas limitaes,
resumidas da seguinte maneira:
Nmero mximo de equaes do modelo = 1
Nvel mximo de resoluo de uma malha didica (NX ou NY) = 10
ANEXO B

302
Nmero mximo de subintervalos no domnio temporal (NTIMES) = 5
Nmero mximo de derivadas espaciais (NDRV) = 5
Nmero mximo de variveis do problema a integrar (varivel interna) = 100000
Dimenso mxima do vector de nodos de interpolao (NPINT) = 10
Dimenso mxima do vector de nodos de discretizao FD (NPD) = 15
Da mesma forma do caso anterior, estes valores mximos podem ser alterados por
manipulao das dimenses dos vectores ou matrizes adequados. No entanto, h de
ter em conta que estas alteraes podem originar problemas como os j
anteriormente referidos, relacionados principalmente com limitaes de memria.
B.2.2 DESCRIO DE UM EXEMPLO 2D
Na presente seco, procede-se apresentao de todos dados que o utilizador
necessita de fornecer ao cdigo para a execuo de um exemplo estudado neste
trabalho. O problema 2D considerado refere-se a modelo diferencial que descreve o
comportamento de um sistema de combusto bidimensional (vd. seco 6.5; equao
6.27). Assim, este exemplo pretende ilustrar a aplicao do vasto leque de opes
disponveis.
Deste modo, considera-se na Figura B.8 o seguinte ficheiro DATA, que define um
conjunto possvel de parmetros de execuo do algoritmo INTEGR2D, para o modelo
em questo.
0.D0,1.D0,0.D0,1.0D0 XE,XD,YE,YD
0.D0 TIN
2 NTIMES
0.24D0,1.D-2,1.D-2 TIME(I),DT(I),DTPRESS(I)
0.3D0,1.D-4,1.D-2
5,5,7,7 MX,MY,NX,NY
2 NDRV
1,1,0,0,0 IDRV(I,J)
2,2,0,0,0
5,CENTRAIS,UP NPD,TIPO,TIPO1
1.D-5,1.D-5 ATOL,RTOL
5,5,1,1 ICRIT0,ICRIT1,K,L
0.25D0,0.25D0 GTOL(1),GTOL(2)
7,1 NPINT,NINTP
0,1 NDISC,NSCHEME
0 NGRID
Figura B.8 Exemplo de um ficheiro DADOS referente ao modelo de combusto 2D.
Pela anlise do ficheiro de dados anterior, verifica-se que o domnio espacial
corresponde ao intervalo [0,1]
2
(XE = YE = 0.0 e XD = YD = 1.0), enquanto que a
integrao temporal se desenrola em dois subintervalos (NTIMES = 2). O primeiro
subintervalo corresponde integrao entre os instantes t = 0 e t = 0.24 (TIN = 0.0 e
TIME(0) = 0.24), enquanto que o segundo subintervalo se refere aos limites t = 0.24 e t
= 0.30 (TIME(1) = 0.30). Os passos de integrao para cada subintervalo so fixados em
0.01 (DT(1) = 110
-2
) com um intervalo de impresso de resultados de 0.01
(DTPRESS(1) = 110
-2
), e 0.0001 (DT(2) = 110
-4
) e 0.01 (DTPRESS(2) = 110
-2
),
respectivamente. Define-se um conjunto de malhas didicas em que o nvel varia entre
5 e 7 para as direces x e y (MX = MY = 5 e NX = NY = 7). O nmero de derivadas
espaciais presentes no modelo 2 (NDRV = 2), correspondentes a duas variveis de
segunda ordem em x e y, respectivamente (IDRV(1,1) = IDRV(1,2) = 1 e IDRV(2,1) =
ANEXO B

303
IDRV(2,2) = 2). A gerao de malha (e possivelmente a discretizao espacial)
realizada atravs de frmulas de diferenas finitas com cinco pontos (NPD = 5), do tipo
centrado (TIPO = CENTRAIS; a varivel TIPO1 no relevante neste caso). Por outro
lado, as tolerncias absoluta e relativa referentes ao esquema de integrao temporal
so fixadas em 110
-5
(ATOL = RTOL = 110
-5
). O procedimento de gerao de malha
adaptativa executado com uma passagem inicial com o critrio 2D C52m (ICRIT0 = 5),
seguido de avaliaes com o critrio C52i (ICRIT1 = 5), com anlise da aproximao FD
da primeira derivada espacial da soluo (K = 1), e aplicao do critrio de colocao
1D C1 (L = 1). As tolerncias associadas ao procedimento de gerao de malha so
fixadas em 0.25 (GTOL(1) = GTOL(2) = 0.25), enquanto que as operaes de
interpolao so realizadas por splines cbicas (NINTP = 1), com sete pontos (NPINT =
7). O algoritmo utiliza avaliaes das derivadas espaciais efectuadas por aproximaes
de diferenas finitas (NDISC = 0). Assim o valor do parmetro NSCHEME referente
definio do limitador de fluxo associado a aproximaes NVSF, torna-se irrelevante.
No entanto, tal no dispensa a realizao da respectiva especificao de NSCHEME,
assumido como dummy. Finalmente, a malha de nvel de resoluo mais reduzido
gerada internamente (NGRID = 0), como uma malha uniforme com 2
MX
intervalos de
tamanho constante em x, e 2
MY
intervalos do mesmo tipo em y.
Assim, as informaes referentes s condies pretendidas para a execuo so
introduzidas no cdigo. De forma equivalente ao descrito para o caso do programa
unidimensional, a definio das caractersticas especficas do modelo em si realizada
pela associao ao programa de trs subrotinas e uma funo adicionais. As rotinas
correspondentes descrio do modelo em estudo so resumidas na Figura B.9.

SUBROUTINE MODELINIT(U,X,Y)

COMMON/SPACE/XE,XD,YE,YD

U=1.D0

RETURN

END

C ***************************************************************

SUBROUTINE BOUNDARY(KI,I,J,T,LE,LD,Y,YB)
DIMENSION Y(2),YB(2)

LE=0
LD=0

IF(KI.NE.0)THEN
LE=1
LD=0

YB(1)=0.D0
ENDIF

RETURN

END

C ***************************************************************

SUBROUTINE MODEL(NP,T,Y,DY,F)
DIMENSION Y(100000)
ANEXO B

304
DIMENSION F(100000)
DIMENSION DY(100000,5)
DIMENSION ZX(100000),ZY(100000)

COMMON/SPACE/XE,XD,YE,YD
COMMON/PROBC/ZX,ZY

ALFA=1.D0
DELTA=20.D0
R=5.D0
Da=R*DEXP(DELTA)/(ALFA*DELTA)

DO I=1,NP

IF(ZX(I).EQ.XD.OR.ZY(I).EQ.YD)THEN

F(I)=0.D0

ELSE

F(I)=0.01D0*(DY(I,1)+DY(I,2))+Da*(1.D0+ALFA-Y(I))*
$ DEXP(-DELTA/Y(I))

ENDIF

END DO

RETURN

END

C ***************************************************************

DOUBLE PRECISION FUNCTION F1(J,Y)
DOUBLE PRECISION Y
INTEGER J

F1=Y

END

Figura B.9 Exemplo do conjunto de subrotinas fornecidas pelo utilizador (modelo de combusto 2D).
Na subrotina MODELINIT introduzida a condio inicial do problema (U) em todas
posies X e Y que definem a malha seleccionada. Neste caso, verifica-se que a soluo
inicial apresenta um perfil inicial constante unitrio.
A subrotina BOUNDARY informa o cdigo sobre as caractersticas gerais definidas para
as fronteiras a que o modelo est sujeito. No caso de KI = 0, so disponibilizadas
informaes sobre o comportamento temporal da soluo em cada fronteira. Neste
caso, tal no se revela necessrio e definem-se apenas os valores por defeito dos
parmetros LE e LD (LE = LD = 0). Por outro lado, para KI = 1 introduzem-se possveis
condies de primeira ordem estabelecidas pelo problema. Assim, em qualquer stencil
de x ou de y definem-se uma condio de Neumann nula esquerda (LE = 1 com YB(1)
= 0), e uma evoluo no especificada direita (LD = 0). Novamente, se alguma das
fronteiras for estabelecida como fixa (condio de Dirichlet), o valor dos parmetros
(LE para a fronteira esquerda e LD para a direita) deve ser nulo.
Na subrotina MODEL so introduzidas as expresses referentes funo F do modelo
(correspondente ao modelo geral vd. equao B.6). O valor dessas funes definido
na varivel F, para cada nodo I. Assim, estabelecem-se as condies referentes s
fronteiras da direita (ZX(I) = XD ou ZY(I) = YD) que correspondem a variaes temporais
nulas (F(I) = 0), j que nestas fronteiras so definidas condies de Dirichlet. Nos casos
restantes atribui-se a expresso generalizada da funo do modelo. Para a aplicao
ANEXO B

305
desta funo, necessrio definir os valor de quatro parmetros, ou seja ALFA = 1,
DELTA = 20 e R = 5, enquanto Da calculado com base nos anteriores.
Finalmente, na funo F1 so especificadas possveis funes dependentes da soluo,
passveis de ser diferenciadas directamente. O exemplo descrito no apresenta este
tipo de funes e, deste modo, a funo F1 estabelecida como a prpria soluo.
REFERNCIAS
R-315.
Portugal.
Comput., 51 (184), pp. 699-706.

306

A
A
N
N
E
E
X
X
O
O
C
C

INTEGRADORES NUMRICOS DE EQUAES
DIFERENCIAIS

308
C C. .1 1 D DA AS SS SL L D DI IF FF FE ER RE EN NT TI IA AL L- -A AL LG GE EB BR RA AI IC C S SY YS ST TE EM M S SO OL LV VE ER R
O integrador implcito DASSL Differential-Algebraic System SoLver (Petzold, 1982[1],
Brennan et al., 1989[2]) foi desenvolvido para a resoluo de sistemas de equaes
diferenciais ou algbrico-diferenciais de ndice inferior a um, da forma:
( ) [ ] T t t t F , , 0 , ,
0
= u u (C.1)
sendo:
u(t) vector estado, funo da varivel independente t (que geralmente, representa o
tempo ou uma dimenso espacial;
t d
du
u = primeira derivada de u em ordem a t.
A DASSL foi especialmente concebida para lidar com sistemas mistos de equaes
diferenciais e algbricas com caractersticas stiff e aplica uma estratgia preditiva-
correctiva de ordem e passo variveis, desenvolvida por Gear, 1971[3]. O vector de
derivadas u
n+1
(correspondente ao tempo t
n+1
) aproximado, no estgio corrector,
por uma frmula de diferenas finitas backward, sendo o sistema de equaes
algbricas resultante, resolvido para o vector estado u
n+1
, atravs de um mtodo de
Newton modificado. O tamanho do passo e a ordem de integrao so ajustados
automaticamente, de forma a possibilitar uma melhoria na performance do processo,
dentro dos limites determinados pela tolerncia definida por parte do utilizador, para
o erro admissvel em cada passo.
No que concerne aos parmetros directamente relacionados com o integrador (vd.
Anexo B), os cdigos desenvolvidos neste trabalho, apenas requerem por parte do
utilizador, a definio das respectivas tolerncias de integrao, que de uma forma
geral, limitam o erro tolervel mximo na execuo de cada passo, da forma:
u RTOL ATOL Local Erro + (C.2)
em que: ATOL tolerncia absoluta; RTOL tolerncia relativa.
Em cada passo, as chamadas do integrador realizadas a partir do cdigo, so
efectuadas na sua forma standard, ou seja, sem que qualquer das opes adicionais
possveis de utilizar, esteja activada (INFO(i) = 0, i = 1, , 15). Este facto implica que,
entre outras coisas, a matriz jacobiana das derivadas parciais no seja fornecida na sua
forma analtica, tendo obrigatoriamente de ser aproximada pelo integrador atravs de
diferenas finitas, para alm de outros pormenores que, em casos particulares,
poderiam melhorar o desempenho do integrador.
O integrador DASSL est incorporado em numerosas aplicaes de nvel superior (por
exemplo, SCILAB[4] ou OCTAVE[5]), podendo ser acedido de forma directa e
estandardizada a partir dessas plataformas.
Neste trabalho, utiliza-se uma rotina fortran definida em dupla preciso do software
DASSL, ddassl.f. Informaes adicionais acerca do software podem ser facilmente
obtidas atravs da consulta das instrues disponveis na introduo do prprio cdigo
fonte[6] ou nos numerosos stios que possibilitam o download do programa, e.g. [7].
ANEXO C

309
REFERNCIAS
82-8637.
2. K.E. Brennan, S.L. Campbell, L.R. Petzold (1989) Numerical Solution of Initial-Value Problems in
Differential-Algebraic Equations, North-Holland, New York.
3. C.W. Gear (1971) Simultaneous numerical solution of differential-algebraic equations, IEEE Trans.
Circuit Theory, 18 (1), pp. 89-95.
4. http://www.scilab.org/product/man/dassl.html (consulta em 1/02/2010).
5. http://www.gnu.org/software/octave/doc/interpreter/Differential_002dAlgebraic-Equations.html#
Differential_002dAlgebraic-Equations (consulta em 1/02/2010).
6. http://www.netlib.org/ode/ddassl.f (consulta em 1/02/2010).
7. http://pitagora.dm.uniba.it/~testset/solvers/dassl.php (consulta em 1/02/2010).

310
C C. .2 2 R RK KF F4 45 5 R RU UN NG GE E- -K KU UT TT TA A- -F FE EH HL LB BE ER RG G
O integrador RKF45 foi primordialmente desenvolvido por H.A. Watts e L.F.
Shampine[1], para a resoluo de sistemas de equaes diferenciais explcitos,
moderadamente ou no stiff, com o formato genrico:
( )
neq
i
u u u t f
dt
du
, , , ,
2 1
= (C.3)
em que, neq corresponde dimenso do vector soluo u disponvel para um
determinado tempo t.
A rotina RKF45 implementa um mtodo de integrao de sistemas de ODEs do tipo
Runge-Kutta (RK), apresentado por E. Fehlberg[2] em 1969, e desse modo designado
por mtodo de Runge-Kutta-Fehlberg (4,5) ou quarta-quinta ordem. O esquema
baseia-se na comparao entre os resultados obtidos pela implementao de dois
mtodos Runge-Kutta (de quarta e quinta ordem, respectivamente) como forma de
realizar a estimativa de uma medida do erro, que possibilite um controlo do passo de
integrao, ou seja que avalie a adequao do passo utilizado.
Assim, considerem-se os parmetros seguintes definidos a partir da soluo no nvel
de tempo t
i
[3]:
( )
i i
u t hf k ,
1
= , (C.4)
+ + =
1 2
4
1
,
4
1
k u h t hf k
i i
, (C.5)
+ + + =
2 1 3
32
9
32
3
,
8
3
k k u h t hf k
i i
, (C.6)
+ + + =
3 2 1 4
2197
7296
2197
7200
2197
1932
,
13
12
k k k u h t hf k
i i
, (C.7)
+ + + =
4 3 2 1 5
4104
845
513
3680
8
216
439
, k k k k u h t hf k
i i
, (C.8)
+ + + =
5 4 3 2 1 6
40
11
4104
1859
2565
3544
2
27
8
,
2
1
k k k k k u h t hf k
i i
, (C.9)
em que h corresponde ao um passo de integrao arbitrrio. Para o mesmo h, aplicam-
se os parmetros k
i
na avaliao de uma aproximao soluo atravs de um mtodo
RK de quarta ordem[3]:
5 4 3 1
4
1
5
1
4104
2197
2565
1408
216
25
k k k k u u
i i
+ + + =
+
, (C.10)
e de um esquema RK de quinta ordem,
6 5 4 3 1
5
1
55
2
50
9
56430
28561
12825
6656
135
16
k k k k k u u
i i
+ + + + =
+
. (C.11)
ANEXO C

311
Se os dois valores anteriores se compararem num determinado nvel de preciso
pretendida, a soluo obtida aceite. No entanto, se a diferena calculada no
verificar o critrio de convergncia pr-estabelecido, o passo diminudo. Finalmente,
se a concordncia exceder um nmero de dgitos significativos para alm da preciso
requerida, o passo de integrao aumentado.
Assim, um passo ptimo sh determinado a partir do passo actual h, sendo s dado
por[3]:
4 1
4
1
5
1
2

=
+ + i i
u u
h
s

(C.12)
onde corresponde a uma tolerncia especificada para controlo do erro.
A verso do programa utilizada RKF45.f no trabalho presente foi obtida atravs de
download a partir de [4].
REFERNCIAS
1. L. Shampine, H. Watts, S. Davenport (1976) Solving non-stiff ordinary differential equations - The
state of the art, SIAM Rev., 18 (3), pp. 376-411.
R-315.
3. http://math.fullerton.edu/mathews/n2003/RungeKuttaFehlbergMod.html(consulta em 1/02/2010).

PhD00 PDF

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

PhD00 PDF

Hochgeladen von

Copyright:

Verfügbare Formate

P Pa au ul lo o M Mi ig gu ue el l P Pe er re ei ir ra a d de e B Br ri it to o

de uma equao diferencial. Esta equao linear se u = u

tambm for uma soluo. A linearidade uma propriedade desejvel em muitos

designada por nmero de Courant. bvio que a

; | . No entanto, a resoluo deste problema s possvel

, representativo de fenmenos de conveco, implica a utilizao de

[ [[ [152] ]] ],[ [[ [153] ]] ]

+ < < < <

+ < < < <

= . Neste caso, a condio inicial

= , parmetro adimensional referente ao fluido interno.

= , parmetro adimensional referente ao fluido externo.

). Como s um dos termos de p(x) depende da variao em

), verifica-se ento que:

Das könnte Ihnen auch gefallen