Beruflich Dokumente
Kultur Dokumente
-1-
Contedo
1. Anlise de erros
2. Interpolao
3. Razes de equaes no-lineares
4. Sistemas de equaes lineares
5. Integrao numrica
6. Equaes diferenciais ordinrias
7. Equaes s derivadas parciais
pgina
....3
....23
....34
....49
....61
....72
....79
Bibliografia e fontes
Numerical Methods for Engineers, S. C. Chapra e R. P. Canale, 2a edio, McGraw-Hill,
Singapore (1989).
Numerical Methods for Engineering Applications, J. H. Ferziger, Wiley, New York (1981).
Computational Methods for Fluid Dynamics, J. H. Ferziger e M. Peric, Springer (1996).
Mtodos Numricos, M.R. Valena, INIC, Braga (1990).
Numerical Recipes: The Art of Scientific Computing, Cambridge Univ. Press (1986).
-2-
-3-
conveniente distinguir os dois conceitos seguintes (dados aqui em ingls), relacionados com
impreciso ou erro:
Precision dum resultado ou duma medida: o intervalo de incerteza menor (erro
entre 2 medies pequeno).
Accuracy (preciso; exactido) dum resultado: est perto do resultado exacto (o erro
verdadeiro pequeno).
-4-
(1.1)
- IBB
- I
Iw, tal que: B
(1.2)
Normalmente B no conhecido pelo que o valor exacto do erro absoluto Iw no pode ser
determinado. Assim natural ter de se estimar o valor mximo que esse erro pode tomar (limite
superior de Iw) e muitas vezes, por abuso de linguagem, chama-se erro absoluto ao seu
majorante, I. O erro absoluto pode no ser um bom indicador da preciso dum resultado, no
possibilitando a comparao de resultados diferentes. Por exemplo, se a distncia entre duas
cidades for . $ ! "km, e a distncia entre dois pontos for medida como .AB 3.5 0.5
cm, ficamos sem saber qual destes valores tem melhor preciso. Para resolver esta dificuldade
introduz-se a noo de:
Erro relativo:
%w
w
lBBl
I
lBl lBl
(com B !)
(1.3)
e
Majorante do erro relativo: %
%w.
(1.4)
No exemplo acima temos que para a distncia entre cidades o (majorante do) erro relativo
aproximadamente % " $ ! 3.3 %, e o erro relativo da distncia entre A e B
% 0.53.5 14.3%. Portanto neste caso conclumos que a preciso do primeiro resultado
superior do segundo.
Como para o caso dos erros absolutos, tambm comum denotar por erro relativo o que de
facto o majorante do erro relativo.
Iw
% w lBl
- I B, obtemos a relao
Majorando o numerador Iw I, e minorando o denominador B
pretendida:
% BI
-
(1.5)
Iw % w B
-5-
% -.
I "% B
(1.6)
% BI
B
-
-)
(IB
% - % BI "% B
(1.7)
(% ").
(1.8)
posio
3
9
7
7
4
100
10
1
0.1
0.01
50
5
0.5
0.05
0.005
comparao com I
0.05
0.05
0.05
0.05
0.05
-6-
Concluso
significativo
significativo
significativo
significativo
no signif.
posio
0
1
0
7
8
0.1
0.01
0.001
0.0001
0.00001
0.05
0.005
0.0005
0.00005
0.000005
comparao com I
I
I
I
I
Concluso
no signif.
significativo
significativo
no signif.
no signif.
(1.9)
Aqui 7 a mantissa (com : dgitos), , a base (iremos usar sempre a base 10, nos clculos
manuais) e / o expoente (com ; dgitos, tipicamente 2). Para se definir completamente esta
-7-
representao preciso ainda dizer qual o tipo de arredondamento, simtrico (E) ou por corte
(X , por vezes chamado truncatura). Esta representao costuma denotar-se sinteticamente por
J :, ;,, ,E) ou J (: ,; ,, ,X ). Por exemplo, representar 1 3.14159... em J (5,2,10,E):
1 0.31416 101
Se fosse J (5,2,10,X ), seria
1 0.31115 101 .
Em ambos os casos o nmero est numa representao normalizada , o que quer dizer que o
primeiro algarismo da mantissa diferente de zero. Por ex., 0.001305 10$ escreve-se
0.1305 10& em representao normalizada. Desta forma temos sempre 0.1 7 1 (na
base 10).
No caso mais comum um nmero real no representvel exactamente num sistema de vrgula
flutuante. Para a sua representao aproximada recorre-se ao arredondamento, que pode ser
simtrico (o ultimo algarismo da mantissa arredondado para o valor mais prximo: ou fica
igual, ou vem somado de uma unidade; se estiver a igual distncia, deve ficar par), ou por corte
(desprezam-se os algarismos a mais na mantisssa).
Das operaes aritmticas em vrgula flutuante podem tambm resultar nmeros no
representveis que tero de ser arredondados. Na soma, o nmero com menor expoente deve
ser desnormalizado de forma a ficar com um expoente igual ao da outra parcela.
Por exemplo, considere-se a soma de B1 135.7 e B2 24 num sistema J (4,2,10,X ) (isto
com 4 dgitos na mantissa e arredondamento por corte).
1o - Normalizar as parcelas:
B1 0.1357 103
B# 0.2400 102
(repare-se que neste caso os nmeros poderam ser representados exactamente; no foi
introduzido nenhum erro de arredondamento)
2o - Desnormalizar a mantissa do nmero com menor expoente:
B1 0.1357 103
B# 0.0240 103
3o -Somar as mantissas:
B3 B1 B2 0.1597 103 .
-8-
(1.10)
(1.11)
-9-
Neste caso a mantissa ser dada por 0.xxx.... (x representa um algarsmo no nulo) e um
minorante 0.1; deste modo o majorante do erro relativo vem:
% corte 10": (pois 10>: 0.xxx... 10> 10>: 0.1 10t 10": ) (1.12)
e
% simtrico "# 10":
(1.13)
-10-
algarismos na mantissa). Ou seja, esta subtraco de dois nmeros muito parecidos deu azo a
um erro relativo de 50%!
NOTA 1. Da definio de algarismos significativos, torna-se claro que todos os dgitios duma
mantissa obtida por arredondamento simtrico dum dado nmero exacto so significativos.
NOTA 2. Existem dois teoremas que permitem relacionar os algarismos significativos com os
erros relativos e que so aqui dados sem demonstrao:
- 7: 10> tem 8 algarismos significativos
Teorema-1: Se um nmero aproximado B
(mantissa com : dgitos), ento um majorante do erro relativo % 12 10"8 & " ! 8.
- tem erro % 1 108 ento tem, pelo menos, 8 algarismos significativos
Teorema-2: Se B
2
3"
onde ! ) ". Esta expresso equivalente, para o caso unidimensional, a afirmar que entre
dois pontos + e , , existe um ponto - tal que 0 w -0,0+,+ . A representao
0 wB`0`B
3
3 indica a derivada parcial em relao a Bi. Se considerarmos os acrscimos 2
como erros em B (? B), e o acrscimo de 0 no lado esquerdo da igualdade acima como o
correspondente erro de 0 (? 0 ), temos:
? 0 ! 0 wB3 )2 3 ? B3,
8
3"
3"
3"
-11-
(1.14)
3"
(1.15)
Exemplo: Calcular a preciso com que medida a rea dum crculo com raio V 1.25 m. A
rea ser obtido de:
E 1 V# 3.14 1.25# 4.90625 m# .
Assumindo arredondamento simtrico, temos a seguinte estimativa dos erros envolvidos:
V 1.25 0.005 m
1 3.14 0.002 .
Aplicando a frmula fundamental de propagao de erros, obtemos:
IE #1VQ IV V# I1
2 3.142 1.255 0.005 1.255# 0.002 0.04258215 m# ,
onde se usou uma mquina sem limitaes na aritmtica. Com este erro para o valor da rea E
dado acima, vemos que o algarismo 9 ainda significativo, mas o 0 que se segue j o no .
Deste modo pode escrever-se:
E 4.906 0.042 m# , ou mesmo E 4.91 0.04 m2 .
-12-
A estimativa da propagao do erro tambm se poderia ter feito sem majorao das parcelas
(na prtica essa majorao pode ser difcil de se conseguir). Neste caso obteramos:
$E 21V$V V# $1 0.03925 0.003125 0.042375 0.042 m#
uma estimativa igual aproximao utilizada antes para IE. A frmula de propagao de erros
permite ainda ver quais so os termos responsveis pelo erro final. No presente exemplo o
error na medio do raio contribui em 93% para o erro final.
Aplicao da frmula de propagao de erros s operaes elementares
(a) Soma: C B" B#
Obtemos: IC IB" IB#
e
%C
IC
B"
B#
B
"
C
B" B#
B" B# %B#
Conclui-se que, no caso da soma, o error absoluto a soma dos erros das parcelas e o erro
relativo est afectado por factores de peso que dependem dos valores das parcelas. Fazemos
notar que o erro aqui deduzido inclui o efeito dos erros das parcelas mas no inclui o erro de
arredondamento decorrente da operao propriamente dita. Esta induz um erro relativo de
arredondamento, que deve ser acrescentado ao erro relativo dado acima (ver seco seguinte).
(b) Diferena: C B" B# (assume-se que B" B# )
Obtemos: IC IB" IB# (igual soma)
e
"
#
%C B B
%B" B B
%B#
"
#
"
#
#
"
%C B B
IB" B B
IB# %B" %B#
" #
" #
-13-
B
(d) Quociente: C B"
#
Obtemos:
" l I l B" l I
B"
B## B#
#
IC l B
e
%C %B" %B# .
+1
x/(x+y)
+1
z
y/(x+y)
y
O resultado :
%? " BC %B BC %C %" " %D %# ,
-14-
onde %" o erro introduzido na soma, e %# o erro introduzido na multiplicao. Este erros so
tipicamente iguais unidade de arredondamento do instrumento utilizado no clculo (por
exemplo, para arredondamento simtrico, com : algarismos signicativos, fica
%" %# ! .& " !:" & " ! : ).
Exemplo-b: propagao de erros na soma de 4 nmeros exactos, = B" B# B$ B%
+
(x1 +x2+x3)/(x1+x2 +x3+x4)
x4
x3 /(x1+x2 +x3)
(x1+x2)/(x1+x2+x3 )
x1/(x1+x2)
x4 /(x1 +x2+x3+x4 )
x3
x2/(x1+x2)
x1
x2
"
"#
B"
B"#
+,
(1.16)
(1.17)
+, )
-15-
#B
(para B pequeno)
B B#
(1.19)
0B# 0B"
)
B# B"
`0
(1.20)
O problema inverso saber qual a preciso requerida aos instrumentos (de medida, ou de
clculo), os I3, para garantir determinada preciso ao resultado final, I0 (dado):
I0
!l
8
3"
`0
`B3 lQ I3
Este problema indeterminado porque temos 8 incgnitas (os I3) mas uma s inequao. A
sua resoluo necessita de hipteses adicionais, sendo usual adoptar algum dos seguintes
critrios:
(i) erros iguais: I" I# I8 (por exemplo, se estas quantidades tiverem sido
medidas com o mesmo instrumento).
(ii) contribuies iguais, de cada parcela para o erro total, isto :
`0
I0
l `B lQ I3 8
3
(1.21)
(iii) contribuies ponderadas; como o anterior, mas cada parcela est afectada dum
peso diferente, que depender do problema e da avaliao de quem o resolve.
Estudo estatstico dos erros de arredondamento
Devido s muitas majoraes que se efectuam no estudo de propagao de erros, a estimativa
obtida atravs da lei fundamental tende a ser conservativa. A compensao de erros em
cculos repetidos tende a provocar cancelamento dos mesmos e menor erro total. Uma
abordagem diferente do problema de avaliar o erro dum clculo complexo, atravs de
mtodos estatsticos. Damos de seguida um s resultado, respeitante estimativa dos erros
numa soma de 8 parcelas.
-16-
Se for assumida uma distribuio Gaussiana para os erros de arredondamento, pode ser
demonstrado que o erro provvel na soma de 8 nmeros vem dado por:
!'( 8
I
"#
Ou seja, o erro provvel proporcional raiz quadrada do nmero de parcelas, enquanto que
o mtodo anterior, com majorantes, d uma estimativa do erro proporcional a 8. Para 8
grande, a diferena nestas duas estimativas do erro vai ser substancial.
0B0B
0 w BBB
%0
0B
0B
e como o erro relativo da varivel indepedente (os dados)
%B
BB
B
obtemos
-17-
%0
- 0 w BB
0B
- %B.
(1.22)
- 0 w BB
l 0B
- l
%0 RG0 %B.
(1.23)
B
B
sinB cosB
#
tgB cos B
-18-
mas desta forma instvel, devido ao cancelamento subtractivo. Esta expresso pode ser
escrita como
0B
"
"#
B"
B"#
B0 w B
BB""# B"#
RG l 0B l l
l
#B""# B"#
BB"# B""#
B"#
"
l
l
# para B grande.
"#
"#
"#
#B"# B" B" B"#
#B"
Portanto o nmero de condio at menor do que ", indicando atenuao dos erros, logo
0B bem condicionada para B grande.
1.6 Erros de Truncatura, ou de Mtodo. Sries de Taylor.
Uma vez que o mtodo numrico uma aproximao do processo matemtico exacto iro
aparecer os chamados erros de truncatura. Um exemplo a aproximao duma derivada pela
conhecida frmula de diferenas ascendentes:
d? ?? ?>3" ?>3
d>
?>
>3" >3
Esta aproximao tem um erro de truncatura que pode ser estimado usando o desenvolvimento
em srie de Taylor, como se mostrar no fim desta seco.
O mtodo mais comum para aproximar uma funo num ponto genrico + o desenvolvimento
em srie de Taylor:
0 ww +
0 8 +
8
0B0+ 0 w+B+ #x B+2 ...
8x B+
(1.24)
-19-
B#
B$
/ B " B #x $x ...
B$
B& B( ...
(x
B#
B% B' ...
'x
sin B B $x &x
cos B " #x %x
"
#
$
%
"B " B B B B ...
" B8 " 8B
"B"
88"B#
88"8#B$
B"#
B"$
B"%
ln B B "
... ! B #
#
$
%
B#
B$
B%
5!
0 5+
5
5x B+ V8"
(1.25)
com:
V8"
0 8" 0
8"
onde B - M e 0 0B - +B
, .
8"x B+
O valor de 0 depende de B. A V8" chama-se o resto (ou o erro) de ordem 8 ". Este
teorema permite estimar o erro entre a funo 0 e a sua srie de Taylor truncada. Para que a
srie de Taylor convirja necessrio e suficiente que o resto tenda para zero quando 8 tende
para infinito, 8p_
lim V8 !. usual escrever o desenvolvimento de Taylor usando o passo
2 B +, ou seja:
0B !
8
5!
0 5+ 5
5x 2 V8"
com
(1.26)
-20-
V8"
0 8" 0 8"
8"x 2
S2 8"
0 - BB2.
A ultima igualdade indica que o resto de ordem 8 " tende para zero com a mesma rapidez
que 2 8" , quando 2p!. Mais concretamente, indica que existe uma constante G tal que
V8" G 2 8" , quando 2p!.
Teorema para sries alternadas: uma srie com termos alternadamente positivos e
negativos,
W8 ! " 5" +5 +" +# +$ +% ... (com +5
8
0)
5"
0 ww B3
#
#x B3" B3
-21-
0B3"
1.2
1.2 0.252
0"
1.2
0.95
% [%]
500
375
0.45
125
0.3
50
0.2
?>3" ?>3
V#
>3" >3
>3" >3
como o resto de segunda ordem dado por V# ?ww 0>3" >3# #, temos que o erro de
truncatura na avaliao da derivada fica:
V#
?ww 0
IX > > # >3" >3
3"
3
sendo portanto de primeira ordem no passo no tempo.
-22-
Captulo 2. Interpolao
o processo de obter valores a partir dos dados de uma tabela, ou de ajustar uma curva suave
a um conjunto de pontos dados. Tem interesse por ser prtica usual a interpolao de dados de
tabelas (por exemplo, obter valores de entalpia em tabelas de vapor de gua, para clculos
termodinmicos). Existe tambm algum interesse terico porque muitas frmulas em
diferenciao ou integrao numrica so obtidas directamente da funo interpoladora.
Podemos distinguir dois tipos de problema relacionados com interpolao:
1- Standard: dados vrios pontos, determinar uma curva que passe sobre todos
eles.
2- Mnimos quadrados: os pontos esto afectados dum certo erro e pretende-se
determinar a curva que passa suficientemente perto deles.
Iremos aqui considerar apenas o primeiro tipo de interpolao. Neste tipo existem tantos
parmetros na determinao da curva interpoladora como pontos. No tipo 2, o nmero de
parmetros tipicamente muito menor do que o nmero de pontos. Por exemplo, um conjunto
grande de pontos pode estar distribudo de forma aleatria em torno duma certa linha recta mas
o resultado ser a equao dessa recta, que descrita por somente dois parmetros + e , ,
C +B ,.
Definio do problema
Para um conjunto de 8 " pontos dados (B3, C3)3!8 determinar uma funo interpoladora,
suficientemente suave (smooth), 0B , que coincida com os pontos dados. Os requisitos
devem ser:
1. A funo interpoladora coincide nos pontos dados, 0 B3 C3 , 3!8.
2. A funo 0B deve ser fcil de calcular.
3. Deve tambm ser fcil de integrar e diferenciar.
4. Deve ainda ser linear nos parmetros ajustveis.
(2.1)
4!
Pode-se demonstrar que para 8 " pontos distintos, o polinmio interpolador tem grau 8,
existe e nico. Por exemplo, sendo dados 2 pontos no coincidentes, (B" C" e (B# , C# ),
sabemos que por eles passar uma s recta, que podemos obter de:
-23-
y
y2
y1
x1
x2
CC"
C# C"
BB"
"
C# C"
B# B"
B# B" B B"
ou
C C
C C
y3
y2
y1
x1
x2
x3
A questo que se pe, no caso geral, como determinar de forma fcil e/ou
computacionalmente eficiente os parmetros +4 do polinmio interpolador. A maneira mais
directa de calcular esses parmetros escrever as 8 " equaes que representam o facto do
polinmio coincidir com os pontos dados:
! +4 B4 C3 para 3!8.
3
8
(2.2)
4!
Isto representa um sistema de 8 " equaes lineares para as 8 " incgnitas +4 que poder
ser resolvido por algum mtodo numrico. No entanto esta operao impossvel de ser feita
manualmente quando 8 grande; na prtica para 8 maior que cerca de 4 ou 5 torna-se
necessrio utilizar um computador. Um outro factor que impede esta abordagem que a matriz
deste sistema particularmente mal-condicionada impossibilitando de todo a resoluo correcta
para mais de 7 pontos (os erros de arredondamento sero ampliados de forma catastrfica).
-24-
(2.3)
5!
(2.4)
[B
G4 BB
4
onde [B # B B5
(2.5)
5!
"
G4 B B B B ... B B B B
4
!
4
"
4
4"
4
4" ... B4 B8
Podemos finalmente escrever os polinmios de Lagrange da seguinte forma compacta:
4
P5B # B B
5
4
8
BB
(2.6)
45
BB
P" B B B#
"
#
-25-
BB
P# B B B"
#
"
O polinmio interpolador fica:
BB
BB
0B B B# C" B B" C#
"
#
#
"
Para B B" , obtemos 0B" C" , e para B B# , obtemos 0B# C# , de forma que o
polinmio coincide com os pontos dados. fcil tambm ver que o polinmio pode ser escrito
na forma usual da interpolao linear:
0B
?B
?B
?C
C" ?B B B" .
onde ? B B# B" e ? C C2 C" . Fica assim demonstrado que a interpolao linear usual,
ou os polinmios de Lagrange de primeira ordem, so equivalentes. Trata-se de chegar por
duas vias diferentes ao mesmo resultado final.
-26-
0" B0B!
0B" 0B!
BB!
B" B!
Esta expresso pode ser escrita como:
0" B 0 B!
ou seja,
0B0B!
B" B! B B!
0" B ,! ," B B!
(2.7)
com:
,! 0 B!
e
,"
0B" 0B!
,
B" B!
(2.8)
(2.9)
,#
B# B!
(2.10)
uma expresso semelhante aquela para ," (Eq. 2.8), sendo denominada de diferena dividida
de segunda ordem. De notar que (2.10) pode ser obtido de (2.8) por recorrncia.
Em geral, a expresso do polinmio interpolador de ordem 8 ser dada por:
-27-
08B ,!
,# B B! BB" ... ,8 B B! BB" ... B B8"
," B B!
(2.11)
(2.13)
A grande vantagem destas frmulas sobre os polinmios de Lagrange que, aqui, o polinmio
vai sendo construdo progressivamente, desde a ordem zero at ordem adequada
aproximao pretendida, sendo acrescentados sucessivamente termos de ordem superior. Na
interpolao de Lagrange, a passagem duma aproximao de ordem 8 para uma outra de
ordem 8 " requer a construo completa dos polinmios. Com o mtodo de Newton, basta
acrescentar um termo adicional, ,8" B B! ... B B8 (notando que parte deste estava j
disponvel, de forma que o seu clculo expedito). Isto uma vantagem essencial, pois
partida no se sabe qual a ordem de aproximao a ser utilizada num determinado problema.
Uma vantagem adicional do mtodo de Newton a facilidade de se obter uma estimativa do
erro, que dada por:
V8 0B8" ,B8, ..., B! B B! BB" ... B B8.
(2.14)
-28-
Isto , o polinmio passa nos pontos dados e a sua derivada tambm coincide com os valores
da derivada dada. Para 8 " pontos, 3 !,..., 8, existem # 8 # condies dadas, e o
polinmio de Hermite de grau # 8 ". Os polinmios de Hermite so construdos do seguinte
modo:
8
0B ! Y5B C5 Z5B Cw5
(2.16)
5!
com:
Y5B4 $45 e Y5w B4 !
(2.17)
Z5B4 ! e
Z5wB4
$45
C#8 0 #
CB 0 B #8x J B com B! 0 B8.
(2.19)
NOTA: para obter as relaes (2.18) conveniente introduzir os polinmios de primeiro grau
V5B e W5B, tais que:
Y5B V5B P#5 B
Z5B W5B P#5 B .
Para que as condies (2.17) sejam satisfeitas, preciso (relembrando que P5B4 $45):
Y5B4 $45 V5B4 P#5 B4 $45 V5B5 "
-29-
Exemplo:
Determinar o polinmio de Hermite que passa nos pontos:
C! # Cw! "
C" $ Cw" "
B! "
B" "
Temos % condies, de modo que o polinmio interpolador vai ser de grau $. Chamando
2 B B. Os polinmios de Lagrange, e as suas derivadas, para este caso so:
BB
P! B B B" ,
!
"
BB
P" B B B! ,
"
!
Pw! B B B
"
!
Pw" B B B
"
!
BB
BB
BB
BB
BB
-30-
BB
f(x)
3
1
-2
-1
2.4 Splines
Alguns inconvenientes das interpolaes de Lagrange e Hermite so:
- difceis de programar de forma eficiente;
- do azo a grandes erros quando o nmero de pontos grande;
- as verses segmentadas (piecewise) produzem descontinuidades nos ns de
juno.
Em geral, um spline WB um polinmio de ordem 7, definido entre dois pontos, e
pertencente a G 7" (funes contnuas, com derivadas contnuas at ordem 7 ").
-31-
Deste modo, uma curva spline cbica definida pelos seguintes critrios:
(1) segmentada e em cada segmento (B3 B3" ) uma cbica (ordem $ em B);
(2) passa por todos os pontos dados (B3 C 3 3 " 8);
(3) tanto a "+ como a #+ derivada so contnuas no ns B3.
O critrio (1) implica que a #+ derivada linear entre os ns3 e 3 ", devendo ter a forma:
B3" B
BB3
ww B
3"
B3" B3
3" B3
03wwB 0 wwB
3 B
(2.20)
ww
onde os valores de 0 wwB
3 e 0 B3" no so ainda conhecidos. Integrando esta equao
duas vezes obtemos uma equao cbica com 2 constantes de integrao que so obtidas das
condies:
03B
3
C3
(2.21)
03B3" C3"
O resultado o spline 03B, no intervalo3 entre os ns B3 e B3" :
03B
0 wwB
3
B3" B$
BB3$
ww
0 B3" '?B
'?B3
3
C3" ?B3 ww
C3
?B
?B
' 3 0 wwB
3 B3" B ?B ' 0 B3" B B3
3
3
(2.22)
com ?B3 B3" B3. Os 0 ww B3 podem agora ser obtidos pela continuidade das primeiras
derivadas,
03wB3" 0iw + 1 B3" .
(2.23)
0 wwB
3
C3" C3 ?B3 ww
B3" B#
BB3#
ww B
ww
3"
#?B3
#?B3
?B3 ' 0 B3" 0
B
3
e portanto as primeiras derivadas nos ns vm:
C3" C3 ?B3 ww
?B
03wB3" 0 wwB3" # 3 ?B
' 0 B3" 0 ww B3
3
e
-32-
C3# C3"
?B3"
?B3" ww
w B
ww
ww
03"
3" 0 B3"
#
?B3"
' 0 B3# 0 B3" .
Aplicando a condio (2.23) e re-agrupando termos, obtemos o seguinte sistema tri-diagonal
que pode ser facilmente resolvido com o algoritmo TDMA de forma a se obter os 0 ww B3 :
C3# C3"
C3" C3
?B3?B3" ww
?B3" ww
?B3 ww
0
0
B
0
B
3
3"
3#
'
$
'
?B3"
?B3
(2.24)
Faltam 2 condies que so determinadas por condies fronteira. Em geral, as condies
nos extremos para as segundas derivadas podem ser escritas como:
0 wwB" - 0 wwB#
e
0 wwB8 - 0 wwB8"
Se se escolher - 0, tem-se a condio denominada natural; se - " tem-se a condio
peridica.
Tem interesse observar que para espaamentos uniformes ?B, a equao tridiagonal a (de Eq.
2.24) fica simplesmente:
" 0 ww B
ww
ww
3" % 0 B3 0 B3"
'
C3" #C3C3"
?B#
(2.25)
mostrando que a matriz estritamente diagonal superior (a soma em valor absoluto dos
elementos duma linha menor que o elemento da diagonal).
Para espaamento uniforme o erro dado por:
%
3@
0BCB ?B
*' C7+B
(2.26)
-33-
(3.1)
onde 0 uma funo qualquer da varivel independente B, sendo a raz representada por BV.
3.1 Mtodos que Enquadram a Raz
3.1.1 Bisseco
Arranja-se um intervalo inicial +, que contenha a raz. Esse intervalo vai ser sucessivamente
dividido a metade de forma a que os intervalos cada vez mais pequenos contenham sempre a
raz. Este processo iterativo parado uando o erro (estimado como igual a metade dum
intervalo) for suficientemente pequeno.
f(x)
y
ak
xk
bk
x
Se
Se
Se
+5 ,5
#
0+50B5 ! fazer +5" +5 , ,5" B5 e ir para (ii)
0+50B5 ! fazer +5" B5 , ,5" ,5 e ir para (ii)
0+50B5 ! fazer BV B5 ( a raz est encontrada).
l,5 +5 l
l,+l
#
#5"
-34-
(3.2)
B B
Uma aproximao para o erro relativo : %+ l 5 B 5" l
5
(3.3)
possvel mostrar que o erro relativo verdadeiro menor que o indicado por esta
aproximao, isto % %+, e portanto o uso de %+ como critrio de paragem seguro. O
nmero de iteraes necessrio para satisfazer uma determinada tolerncia I>96 (absoluta)
pode ser obtido de:
lBV B5l I>96
5
,+ I
>96
#5"
log,+log#I>96
log #
(3.4)
0+5
0,5
B5 +5 B5 ,5
Esta equao bvia fazendo a equivalncia de tringulos (ver figura).
y
f(bk)
ak
xk
xR
f(ak)
bk
0, , +
5
5
B5 ,5 0,5 0+
5
5
(3.5)
Na iterao seguinte devem escolher-se novos + / , de forma a enquadrar a raiz, tal como no
mtodo da bisseco. Faz-se notar que a frmula de iterao simtrica em + e , , podendo
escrever-se genericamente como
-35-
0,
B5 ,5 0+ ,5,
5 5
0+
+5 0+ ,5,
5 5
(3.6)
0 w BV
0 w 0 I5
com 0 - BV ,
(3.7)
Em casos particulares a convergncia pode ser mais lenta. Observe-se que o intervalo +5 ,5
pode no diminuir ao longo das iteraes, como acontecia com o mtodo da bisseco. O
tpico este intervalo tender para um valor constante.
Exemplo: 0 B B"! "
y
a1 a2
1
bk
-36-
(iv) Aplica-se a falsa posio a 0B" , 0B$ eU e 0B# eU (em vez de se aplicar a
0B" , 0B# , 0B$ , como no mtodo habitual):
B% B$ B$ B"
sign0B" 0B# 0 B$
0B$ # 0B" 0B#
(3.8)
(3.9)
(0 - lBV B5 l)
(3.10)
-37-
y=x
y=exp(-x)
xR
A equao escreve-se na forma iterativa B1B como B eB, e fcil ver que
w
l1Bl
eB " para B !. Comea-se o processo iterativo com B! ! e prossegue-se
at se terem 6 algarismos significativos. Os resultados so dados na seguinte tabela. Aps 27
iteraes temos um valor para a raiz de 0.567143, com 6 algarismos que j no variam. Sendo
conhecida a raiz exacta (0.56714329...) possvel calcular o erro relativo verdadeiro %>, que
dado na terceira coluna. O erro relativo aproximado dado na quarta coluna (obtido de
w
%+ l1Bl
%+anterior, com 1w eB 0.56714329).
it
0
1
2
3
4
5
6
...
B
%>
0
1
1.
.76
0.367879 .35
0.692201 .22
0.500474 .12
0.606244 .069
0.545396 .038
...
...
10
0.564880
4.0 10$
11
0.568429
2.3 10$
12
...
0.566415
...
1.3 10$
...
26
0.567144
1.3 10'
27
0.567143
4 10(
28
0.567143
10(
-38-
%+
1
0.57
0.32
0.18
0.10
0.06
0.033
...
...
3.2.2 Newton-Raphson
Neste mtodo a funo aproximada pela tangente local curva, e a aproximao da raiz o
ponto de interseco da tangente com o eixo do B. A derivada no ponto B5 igual inclinao
da recta tangente,
0B !
5
0 wB5 B B
,
5
5"
y
f(x)
f(x k)
f'(x)
xR
xk+1
xk
0B5
0 w B5
(3.11)
Esta expresso mostra que o mtodo de Newton-Raphson requere, por iterao, uma
avaliao da funo e uma da sua derivada (portanto aproximadamente 2 avaliaes da funo,
ao contrrio dos mtodos anteriores que requeriam somente 1 avaliao). necessrio ainda
uma expresso analtica para a derivada da funo.
O erro obtido expandindo 0B em srie de Taylor:
0B5" 0 B5 0 w B 5 B5" B5
0 ww 0
#
# B5" B5
-39-
0 wB5BV
0 ww 0
B5" # BV B5 # .
Sendo o erro na iterao 5 definido como I5 BV B5, e tendo em conta que medida que
a iterao converge 0pBV, obtemos a expresso do erro:
I5"
0 ww BV
#
#0 w BV I5
(3.12)
I5" G I5
l0 ww lQ
com: G
#l0 w l7
(3.13)
0 ww BV
G
#0 w BV 0.18095
Os valores obtidos para as iteraes, erro estimado (I G I#5" ) e erro verdadeiro
(I> BV B5) so dados na seguinte tabela:
-40-
B5
0
0.5
0.566311
0.567143
it.
0
1
2
3
I
0.56714
0.0582
0.000816
0.000000..
I>
0.56714
0.0671
0.000832
0.000000..
A rapidez de convergncia notria (comparar com o ponto fixo, no exemplo anterior), assim
como a propriedade de duplicao dos algarismos significativos de iterao para iterao
Exemplo de convergncia lenta: 0 B B"! " !, partindo de B!& .
Neste caso, devido m escolha inicial e forma da funo, a convergncia para a raiz (B ")
vai ser extremamente lenta.
0B5 0B5"
B5 B5"
0B B B
5
5"
B5" B5 0B5 0B
5
5"
(3.14)
y
f(x)
f(xk-1)
f(xk)
xk+1
xk
xk-1
A designao do mtodo tem a ver com o facto da funo ser localmente aproximada pela
recta secante que passa nos pontos 0B5" e 0B5. Na expresso acima o mtodo fornece
o valor da nova iterao como igual ao da iterao anterior mais uma correco. possvel
-41-
escrever a esta expresso da seguinte forma, que pode ser til para evitar algum cancelamento
subtractivo:
B5"
(3.15)
com: Q #7#
"
(3.16)
-42-
sec.
x1
x3
falsa pos.
e sec.
x2
it.
0
1
2
B5
0
1
0.612700
I>
0.57
0.043
0.046
%>
1.0
0.76
0.080
0.572181
0.0050
8.9 10$
0.567102
4.1 10&
7.3 10&
0.567143
0.000000..
5.1 10(
Neste exemplo o mtodo da secante tem um custo de ' avaliaes da funo, enquanto que o
mtodo de Newton-Raphson, para a mesma preciso, tem um custo de ) avaliaes da funo.
Ou seja, neste caso o mtodo da secante mais eficaz.
3.2.4 Razes mltiplas
Nos casos de razes mltiplas os mtodos que enquadram a raz no funcionam bem porque a
funo no muda de sinal. Por exemplo para o polinmio:
0BB$B"B"B3 & B2 ( B $ ! ,
-43-
y
f(x)
x
raiz dupla
a raz B " mltipla de ordem 2 e a raz B $ simples; neste caso a funo tem um
mximo local no ponto da raz B ". Em geral, razes mltiplas pares (como o caso do
exemplo acima), no cruzam o eixo dos B, razes mpares cruzam o eixo dos B. O mtodo de
Newton-Raphson tambm tem problemas pois tanto 0 como 0 w tendem para zero na raz (no
entanto 0p! mais depressa do que 0 w, mas a ordem de convergncia do mtodo decai de #
para "). Existem duas modificaes do mtodo de Newton-Raphson que permitem calcular
razes mltiplas:
(a) Aplicar Newton-Raphson funo ?B0B0 wB. Isto implica:
B5"
0B5 0 w B5
B5 w
0 B5 # 0B5 0 ww B5
(3.17)
0B5
0 w B5
(3.18)
Este mtodo garante convergncia quadrtica mas implica que a multiplicidade da raz tem de
ser conhecida previamente, o que nem sempre possvel.
3.3 Acelerao de mtodos com convergncia linear
Este processo conhecido como acelerao de Aitken. Seja por exemplo um mtodo iterativo
simples
B5" 1B5
w
em que B vai representar a raz e -l1Bl
, com - " para garantir convergncia (ver Eqs.
3.8 - 3.10). Como o erro proporcional ao erro no passo anterior, tem-se:
B B5" -BB5
-44-
e
B B5# -BB5"
Estas duas relaes permitem obter a constante assimpttica do erro,
B5# B5"
- B
5" B5
B5 B5# B#5"
?B5 #
B B
B5
5# #B5" B5
?# B5
com as definies: ? B5 B5" B5 e ? # B5 ? B5" ? B5. Destas definies obtem-se
? B5# B#5" # B5" B5 B5# . Este valor aproximado B deve ser usado em vez de B5# .
Assim, com os 3 termos da iterao normal, B5, B5" e B5# , aplica-se a acelerao de
Aitken atravs de:
Bw5 B5
?B5 #
?# B5
Prova-se que a iterao Bw5 tambm converge linearmente mas com uma constante assimpttica
de erro menor do que na iterao original,
Iw5"
#
w
lim
-# 1B
.
w
I
5p_
5
Exemplo de aplicao: para a funo eB B ! usada acima no mtodo do ponto fixo
(ver Tabela na seco 3.2.1). Faz-se acelerao na iterao 5 "!, obtendo-se:
?B5 0.568429 0.564880 0.003549
? # B5 0.566415 # 0.568429 0.564880 0.005563
Bw5 0.567144,
um valor quase igual ao obtido com a iterao do ponto fixo ao fim de 27 iteraes.
3.4 Sistemas de Equaes No-Lineares
O problema resolver a equao vectorial
-45-
t !
0t B
(3.19)
(3.20)
B3
~ 5
0 3B4
(3.21)
-46-
`1
`0
`1
H `0
`B 5 `C 5 `C 5 `B5
resulta em:
`1
B5"
e
`0
0 `C 1 `C
B5
5
H
(3.22)
C5" C5
`0
`1
`B 1 `B 0
5.
B5"
"!B#5
C5
-47-
~
~
`0
`0
l `B l l `C l "
e
(3.23)
~
~
`1
`1
l `B l l `C l "
semelhantes condio necessria (Eq. 3.10) no mtodo iterativo para equao simples,
embora muito mais restritivas. As condies necessrias e suficientes so menos restritivas mas
mais difceis de aplicar:
~
~ ~
~ ~
~
`0
`1
`0 `1
`0 `1
l `B `C l `B `C `C `B " #
(3.24)
~
~
`0
`1
l `B l l `B l "
~
~
`0
`1
l `C l l `C l "
(3.25)
-48-
(4.1)
onde E a matriz quadrada (8 8) dos coeficientes, +34 , B a matriz coluna das incgnitas,
B4 , e , a matriz coluna dos termos independentes, ,4 . Este sistema pode escrever-se por
extenso como,
+""B" +"#B# ... +"8 B8 ,"
+#"B" +##B# ... +#8 B8 ,#
(4.2)
(4.3)
detE4 ,
detE
(4.4)
onde E4 , representa a matriz E com a coluna 4 substituida por , . Torna-se claro que s
existe soluo se detE !. Este mtodo tambm s vivel para sistemas de pequena
dimenso pois o custo do clculo dos determinantes ainda maior do que o da prpria matriz
inversa.
4.1 Normas de Matrizes, Nmero de Condio e Resduos
-49-
(4.5)
4"
Com : # temos a usual norma Euclideana (a distncia entre os dois pontos que definem o
vector B) que aqui designada norma P# . Outras normais usuais so a norma P" , dada pela
soma dos valores absolutos das componentes do vector, e a norma do mximo, obtida para
:p_ , isto mBmmax max lB4 l.
4
Normas de matrizes:
lElI +34 +34
l$ Bl
l$ El
cond
lBl
lEl
e tambm
l$ Bl
l$ , l
cond
lBl
l, l
Estas relaes mostram que, quando o nmero de condio da matriz grande, imprecises
nos elementos de E ou de , so grandemente magnificadas resultando em erros relativos
elevados na soluo.
O nmero de condio est relacionado com o tamanho dos elementos da matriz inversa E" .
Se a matriz original E for normalizada (scaled) dividindo cada linha pelo seu maior elemento,
de forma que o maior elemento de cada linha dessa matriz equivalente fica igual a ", e se esta
for invertida (um processo difcil de efectuar), ento elementos de E" muito maiores que 1
-50-
indicam mau condicionamento. Isto implica que para uma matriz mal condicionada, o facto do
resduo ser pequeno no indicativo de o erro na soluo ser pequeno, como se mostra de
seguida.
Seja B- uma soluo aproximada do sistema (4.1) que resulta num certo resduo <,
< , EBenquanto a soluo exacta B produz um resduo nulo
! , EB.
A questo saber se um resduo pequeno implica uma soluo mais precisa. Subtraindo estas
duas relaes, obtemos
< EB B-
o que d um erro na soluo de
- E" <.
$B B B
Torna-se bvio agora que < pequeno (i.e. l<l pequeno) s implica $ B pequeno, se o
tamanho de E" for de ordem 1. Quando a matriz mal condicionada, condE
grande, assim como E" , e a relao obtida mostra que resduos pequenos vo ser
amplificados resultando em erros elevados na soluo. Na prtica, se o erro nos elementos da
matriz E (ou , ) for da ordem 10> (isto , tm cerca de > dgitos significativos) e se o valor do
nmero de condio de E for da ordem 10-, ento a soluo aproximada ter cerca de > algarismos significativos (erro 10>- ). Faz-se ainda notar que o nmero de condio
difcil de calcular na prtica, e que as matrizes que aparecem na prtica tm tipicamente
nmeros de condio elevados (da ordem de R= nmero de equaes a resolver).
(4.6)
43"
fim ciclo 3
-51-
(4.7)
-52-
Para evitar o problema de acumulao de erros este algoritmo deve incorporar uma escolha
mais criteriosa do pivot (o elemento multiplicativo 7).
Escolha de pivot (na eliminao 5 ):
- Pivot parcial: l+:5l max
l+35l
(4.8)
538
l+35 .3l
538
-53-
com P (Power) matriz tringular inferior (diagonal unitria) e Y (Y pper) matriz triangular
superior, a de permitir resolver as equaes (4.1) para vrios valores do termo independente,
, . Na eliminao de Gauss tanto os elementos da matriz E como os elementos do segundo
membro , so perdidos, pois so reescritos durante o processo da eliminao. O resultado
final involve elementos de , e assim no possvel voltar a fazer o clculo se , mudar.
Com a factorizao LU o sistema (4.1) fica:
PY B , PY B ,
ou
" -
YBC
#+-
PC , .
O primeiro resolve-se facilmente por substituio inversa e o segundo sistema por substituio
directa. A decomposio de E em P e Y faz-se com os mesmos passos do que aqueles
utilizados na eliminao de Gauss. Os elementos da matriz Y (?34 ) so os que resultam no fim
da aplicao da reduo no mtodo de Gauss, e os elementos da matriz P (634 ) so os factores
multiplicativos 7 usados nesse processo. Temos:
?34 +34 ! 635 ?54
4"
5"
4 "
634 +34 ! 635 ?54 ?44
5"
5"
5"
Se a matriz alm de simtrica E for positiva-definida, ento os seus valores prprios so todos
reais, assim como os ?33 (sem soma).
-54-
com 3 " 8
(4.9)
(4.10)
(4.11)
ou
-55-
T3 + - 3T
3
3 3"
(4.12)
. - U
U3 +3 -3 T 3"
3
3 3"
(4.13)
Estas duas relaes de recorrncia permitem obter T3 e U3, para 3 de " a 8. Como para 3 ",
-" ! temos que T" ," +" e U" ." +" . Para 3 8 temos ,8 ! e assim T8 ! e
B8 U8. A substituio regressiva processa-se seguidamente por meio da realao (4.10),
fazendo variar 3 de 8 " a ".
Este algoritmo necessita de 2 arrays de dimenso 8 (T e U ), e o tempo de clculo tambm
proporcional a 8. Estes valores devem ser comparados com a proporcionalidade em 8$ para
eliminao de Gauss de sistemas cheios, e em 8# para mtodos iterativos.
4.2.5 Exemplo de aplicao
Resoluo da equao de conduo de calor unidimensional com fontes:
d
dX
.
dB 5 dB ; !
Integrando esta equao num volume de controlo unidimensional T , entre / e A, obtemos:
xe
w
e
W
x
E
xP
dX
dX
.
5 dB / 5 dB A ; T $BT !
Usando diferenas cenrais para as derivadas, dX dB/ XI XT $B/, e agrupando
termos, obtemos:
+T XT +IXI +[ X[ ,T
-56-
.
com: +I 5/ $B/ , +[ 5A $BA e +T +I +[ (coeficientes da equao) e , ;T $BT
(termo fonte). Se escrevermos uma equao anloga a esta para cada um dos volumes de
controlo T obtemos um sistema tridiagonal:
+[ X[ +T XT +IXI ,T
ou:
....
+[ +T +I ..... XT ,T .
(4.14)
(4.15)
onde
$B7 B7" B7 o vector das correces
e
< , EB o vector do resduo.
Quando o processo convergir, o resduo anula-se , EB !, e a correco fica tambm nula
B7" B7 . A matriz G deve ser uma inversa aproximada de E, G E" , e demonstrase que deve ser tal que:
m" G Em "
(4.16)
-57-
(4.17)
(4.18)
-58-
(4.19)
Os mtodos iterativos mais comuns so obtidos por escolhas simples para Q . A matriz E
pode ser directamente decomposta na sua parte triangular inferior, na diagonal e parte triangular
superior, como:
E P H Y
(4.20)
(4.21)
ou
B7" B7 H" <7
(4.22)
.
Nota: tem de ser .33 0, a3. Converge muito mais depressa que o mtodo de Jacobi. O
sistema (4.22) triangular inferior e resolve-se facilmente por substituio directa.
-59-
B = B7" " = B7
(4.23)
E$ B $ ,
$, , , .
-60-
(5.1)
onde a funo integranda pode ser dada analiticamente, ou ento dada como uma srie de
pontos discretos (B3 0 B3) resultantes, por exemplo, de medies experimentais. O integral M
pode ser visualizado como a rea sob a curva 0B, num sistema de eixos (B,C) com C0B .
y
f(x)
,+ , para 3!"8 .
8
(5.2)
(5.3)
3!
onde PB
so os polinmios de Lagrange de ordem 8. Deste modo o integral ser
3
aproximado da seguinte forma:
,
, 8
,
8
!
'
M ' 0B.B ' ! PB0B
.B
0B
PB.B
3
3
3
3
+
+ 3!
+
3!
-61-
M , + ! G38 0 B3,
ou
(5.4)
3!
(5.5)
Estes nmeros podem ser calculados fazendo-se a integrao dos polinmios de Lagrange e os
resultados so dados na Tabela 5.1 para ordem at 8 '. A tabela tambm inclui uma
estimativa do erro de truncatura, proporcional a uma potncia de L , + e a um
determinado valor (majorado) duma derivada de 0 .
Tabela 5.1 Nmeros de Coates para ordem 8 de 1 a 6.
RG"8 RG#8 RG$8 RG%8 RG&8 RG'8 Erro
RG!8
8.3 10# L$ 0 33
90
32
12
32
5.2 10( L( 0 @3
288
19
75
50
50
75
19
3.6 10( L( 0 @3
840
41
216
27
272
27
216
41
3!
-62-
(5.6)
y
f(x)
f(b)
f(a)
f(x)
parabola
(a+b)/2
(5.7)
que representa a conhecida regra de Simpson. Neste caso o integrando aproximado por uma
parbola que passa nos 3 pontos +, , e o ponto mdio +,# . Repare-se da Tabela 5.1
que o erro involvido na regra de Simpson substancialmente menor do que na regra
trapezoidal. O mesmo acontece com a frmula para 8 % comparativamente com 8 $.
Podemos concluir que sempre prefervel aplicar uma frmula de Newton-Coates de ordem
par, pois o erro muito menor do que para a regra mpar imediatamente anterior.
Existem duas maneiras de melhorar a preciso do clculo dum integral:
-63-
"
ou seja,
"
"
etc,
......................
at ao intervalo 8,
M8 2 # 0B8" 0 B8.
"
"
-64-
"
M 2 ! 0 B
3 # 0B! 0 B8
8
(5.9)
3!
0B! # ! 0 B3 0 B8
8"
M , +
3"
#8
(5.10)
Repare-se que na expresso para a altura mdia os pontos nos extremos, B! e B8, so
contabilizados com peso 1 enquanto que os pontos do meio tm peso 2.
Como foi referido, o erro dado pela soma dos erros nos subintervalos, sendo (ver Tabela
5.1):
8
8
- ww
- ww
"
"
L
I ! I3 ! "# 2 $ 03ww "# 2 $ 80 "# 2 # 0
3"
3"
(5.11)
- ww
onde um valor mdio da segunda derivada definido como 0 !03ww8. Observa-se
assim que o erro global proporcional ao quadrado do espaamento, mostrando que a regra
trapezoidal compsita de segunda ordem. Quando o nmero de subintervalos dobrado, o
erro dividido por quatro.
Regra de Simpson Compsita
Na regra de Simpson, isto Newton-Coates de ordem 2, passa-se uma parbola por trs
pontos (dois intervalos 2 ). Desta forma, para aplicar a regra de Simpson compsita o intervalo
inicial , + tem de ser dividido num nmero par de subintervalos, sendo a frmula de Simpson
simples aplicada a cada par de intervalos. Por um raciocnio idntico ao aplicado regra
trapezoidal, chega-se seguinte expresso para a regra de Simpson compsita:
M $ 0B! %0B" #0B# %0B$ #0B8# % 0 B8" 0 B8
0B! % ! 0 B3 # ! 0 B3 0 B8
8"
M , +
8#
3"$&
3#%'
$8
-65-
(5.12)
Em termos do espaamento 2 , o erro total desta regra de Simpson compsita dado por:
- 3@
L
I ")! 2 % 0
Exemplo 5.1:
(5.13)
Neste caso a funo integranda particularmente suave, com derivada finita, e as frmulas e
Newton-Coates devem oferecer boa preciso com um nmero de pontos baixo.
(a) Melhorar a preciso aplicando a regra trapezoidal e fazendo aumentar o nmero de
intervalos 8. Os resultados esto sintetizados na seguinte tabela:
8
1
2
3
4
M
1.85914
1.75393
1.73416
1.72722
I
0.141
0.036
0.016
0.0089
I2 #
0.141
0.143
0.143
0.143
7
2
3
4
5
Observa-se que o erro para uma subdiviso com 2 intervalos j se comporta como I 2 # ,
com uma constante assimpttica de 0.143, demonstrando assim a caracterstica de segunda
ordem do mtodo trapezoidal compsito. Desta forma o erro dividido por % quando o
nmero de intervalos dobrado (ver na Tabela o erro para 8 # e %). Na ltima coluna so
dados os nmeros de avaliao do integrando, 7, valor que mede o trabalho computacional.
(b) Agora a preciso melhorada por aplicao das f'rmulas de Newton-Coates
simples de ordem progressivamente superior:
8
1
M
1.85914
I
0.141
7
2
1.71886
5.79 10%
1.71854
2.58 10%
1.71828
8.56 10(
O 8 na Tabela representa agora a ordem das frmulas de Newton-Coates. Assim a linha 8 "
representa a regra trapezoidal (sendo igual primeira linha da Tabela da alnea a), 8 # a
regra de Simpson, e da por diante. Comparando esta tabela com a da alnea a) podemos
-66-
concluir que a aplicao da regra de Simpson, que apresenta um trabalho computacional igual a
aplicar duas vezes a regra trapezoidal, tem um erro substancialmente menor. Esta concluso
pode generalizar-se para muitas outras aplicaes de mtodos numricos:
normalmente mais eficiente utilizar frmulas de ordem superior do que
estar a subdividir os intervalos.
Exemplo 5.2:
Neste caso o erro cai muito mais devagar do que no exemplo anterior porque a funo
integranda apresenta derivadas muito elevadas perto do ponto B " (recorda-se que o erro
sempre proporcional a um majorante duma determinada derivada, ver ltima coluna da Tabela
5.1).
(a) Regra trapezoidal compsita:
8, N9 intervalos
1
2
3
4
5
M
0.50000
0.68301
0.72939
0.74893
0.75926
I
0.2854
0.1024
0.0560
0.0365
0.0261
I2 #
0.285
0.410
0.504
0.584
0.653
7
2
3
4
5
6
O erro s se torna proporcional a 2 # para intervalos muito pequenos; mesmo para 5 intervalos
(2 !#) a constante assimpttica do erro ainda no atingiu um valor constante.
(b) Aplicao sucessiva das frmulas de Newton-Coates
8, ordem
1
2
3
4
5
M
0.5000
0.7440
0.7581
0.7727
0.7754
I
0.2854
0.0414
0.0273
0.0127
0.0100
7
2
3
4
5
6
-67-
(5.14)
"
"
1 # 1 # -"2 % -# 2 # ...
(5.15)
2
1" 2#1 # 12 1 -w# 2 # -$w 2 $ ...
(5.16)
onde 1" 2 representa a nova aproximao de 1. Repare-se que agora o erro de ordem 2 # ,
ou seja, combinaram-se duas expresses de 1+ ordem para se encontrar uma de 2+ ordem
uma melhoria considervel. Este processo pode ser continuado, obtendo-se sucessivamente:
1# 2 $ %1" # 1" 2 1 -ww$ 2 $ -ww% 2% ...
"
(5.17)
.......
#8 18" 2# 18" 2
182
1 S 2 8"
#8 "
-68-
(5.18)
Esta a frmula geral para a extrapolao de Richardson. No caso usual de 1 ser par em 2 ,
isto se for obtida com um mtodo de segunda ordem, ento no processo conducente
frmula (5.18) efectuam-se somente as operaes pares. Por exemplo, se 1 representar um
integral M determinado com a regra trapezoidal compsita (de 2+ ordem), sendo M" o valor de M
numa malha 2 e M# o valor numa malha dupla (2#, um valor extrapolado do integral ser
dado por:
M/B>
%M# M"
$
"'M# M"
"&
sendo de ordem 6.
Faz-se notar que na deduo da extrapolao de Richardson no necessrio que as malhas
sejam dobradas, isto no necessrio que a malha fina seja exactamente 2#. Num caso
genrico teramos, para a extrapolao duma quantidade de segunda ordem:
2" 2 ## M #M "
M/B>
2" 2# # "
2
A expresso (5.18) continua assim a ser vlida com #8 substitudo por 2" 8, onde 2" o
#
%M# M"
%"(&$*$")&*"% 1.71886, com erro 5.78 10%
$
$
Obtem-se desta maneira uma preciso melhor do que com a aplicao da regra trapezoidal em
4 intervalos, com metade do esforo computacional. Esta ideia ser aplicada no mtodo de
integrao de Romberg.
Exemplo 5.4: Calcular o valor de #1 6.2831853 atravs da frmula que d o permetro
de polgonos regulares inscritos num crculo:
-69-
T8 #1 sin 8
8
1
2
4
8
16
...
512
Nota: P"8 %T!8 T!
8"
T8"
T8#
T8$
T8%
5.333333
6.209139
6.278295
6.282875
6.267526
6.2829056
6.2831808
6.2831496
6.2831852
6.2831853
8"
8"
8"
255
M8"
%M8! M8#
!
$
-70-
M8#
"'M8" M8#
"
"&
M85
%5 M85" M8#
5"
%5 "
para uma aproximao de ordem #5 ", na malha 8. A sucesso dos clculos deve ser a
seguinte de forma a optimizar o algoritmo:
Malhas/ Nveis:
I01
I12
I02
I24
I38
I14
I04
I18
I08
-71-
I28
dC
dB 0BC
(6.1)
(6.2)
0 w B3 2
0 ww B3 #
2 ....
#
0B3" 0B
0 ww B3
3
#
2
# 2 S2
0 wB
3
0B3" 0B
3
2
I "# 20 ww 0
2+ ordem
0 wB
3
I "$ 2# 0 www 0
-72-
1+ ordem
0 wB
3
0B0B
3
3"
2
2+ ordem
0 wB
3
$0B%0B
3
3" 0B3#
#2
Frmulas centrais:
2+ ordem
0 wB
3
0B3" 0B3"
#2
I "' 2# 0 www 0
Segunda derivada:
Frmulas progressivas (ascendentes):
1+ ordem
0 wwB
3
0B3# #0B3" 0B
3
2#
I 20 www0 "' 2# 0 w@ (
2+ ordem
0 wwB
3
0 wwB
3
0B#0B
3
3" 0B3#
2#
2+ ordem
0 wwB
3
#0B&0B
3
3" %0B3# 0B3$
2#
Frmulas centrais:
2+ ordem
0 wwB
3
0B3" #0B0B
3
3"
#
2
" 2 # 0 w@ 0
I "#
-73-
C3" C3 9 2
(6.3)
onde 2 o passo, ou intervalo, definido pela diferena entre valores sucessivos dos ns da
malha segundo B,
2 B3" B3
(6.4)
C3" C3
dC
dB
2
de modo que a equao diferencial (6.1) se escreve
C3" C3 0 B3 C3 2
(6.5)
yi+1
y(x i+ 1)
y(x)
yi
h
xi+1
xi
-74-
Existem dois tipos de erro de truncatura: local e global. O erro de truncatura local definido
como a diferena entre o valor numrico C3" e o valor exacto CB3" , assumindo que o valor
inicial do passo, C3, exacto, isto C3 CB
3 . Como os erros locais se vo somando de passa
para passo, medida que a integrao da EDO progride, o erro global definido como
/3 C3 CB
3 ser necessariamente maior que o erro local. O erro que interessa na
caracterizao dos mtodos para EDOs o erro global e a sua ordem de convergncia ,
normalmente, menor em uma unidade que a ordem do erro local. Relembra-se ainda que no
clculo de erros de truncatura se assume aritmtica perfeita, isto , no so considerados os
erros de arredondamento.
Resumindo:
erro truncatura global erro truncatura local propagao erros trunc. em
passos anteriores,
ou
/3 I3 ! I5
53
Na avaliao dos mtodos o erro que interessa obviamente o global. No mtodo de Euler
fcil mostrar que o erro de truncatura local dado aproximadamente por:
0 w B3 C3 #
I3
2 S2 #
#
(6.6)
e portanto a ordem do erro global ser S2, ou seja o mtodo de Euler de primeira ordem.
"
#
* 2
0 B3 C3 0 B3" C3"
-75-
y(x)
inclinao mdia
h
xi+ 1
xi
Na parte (a) calcula-se uma primeira aproximao do valor de C3" usando o mtodo de Euler
(comparar com Eq. 6.5) e na segunda parte (b) corrige-se essa aproximao. assim um
mtodo do tipo previsor-corrector (predictor-corrector), envolvendo iterao. Seria
impossvel aplicar a equao (b) (6.7) uma vez que a inclinao depende do prprio valor da
funo no fim do passo, a incgnita principal. Podem aplicar-se tantos passos (b) quantos se
achar necessrio para garantir uma certa preciso, sendo o erro relativo aproximado entre os
valores de iteraes sucessivas controlado da seguinte forma:
C**
3" C3"
%+
>96
C
3"
Um valor tpico para a tolerncia >96 pode ser "!$ (0.1 %). Demonstra-se que o mtodo de
Heun globalmente de segunda ordem, apresentando assim uma melhoria considervel
relativamente ao mtodo de Euler.
(a) C3"# C3 0 B3 C3 #
(6.8)
(b) C3" C3 0B3"# C3"# 2
-76-
y
y i+1
y'i+1/2
xi
x i+1/2
y' i+1/ 2
xi
xi
y(x i+1)
xi+1
(6.9)
-77-
(6.10)
(6.11)
Euler explcito
Euler implcito
Trapezoidal
Ponto mdio
Observe-se como nos mtodos trapezoidal e do ponto mdio o acrscimo da soluo, dado
pela rea sombreada, aproxima melhor o integral (a rea sob a curva), demonstrando uma
melhor preciso comparativamente aos mtodos de Euler.
-78-
O erro de truncatura pode ser avaliado por meio de anlise tipo srie de Taylor dos diferentes
termos da EDP. O erro que interessa mais o de discretizao, mas o mais difcil de avaliar.
Os erros de truncatura, locais, so transportados pelo operador discretizado e vo afectar de
forma diversa os vrios pontos do domnio - o erro de discretizao vai dar uma medida do
erro global, ao contrrio do carcter local associado ao erro de truncatura. Isto torna-se claro
se escrevermos:
I _ Y J38Y ! J38Y J38/ ? J38/
ou seja:
J38/ I
equao que mostra como o erro de truncatura aparece como fonte do erro de discretizao,
que transportado (por conveco e difuso) pelo operador discretizado.
-79-
Tratamento da Estabilidade:
(i) Mtodo matricial
Designando por / a matriz (coluna) do erro, e E a matriz do operador que representa a
equao discretizada, temos:
/ 8 E8 / !
(o tempo obtido de > 8$>). H estabilidade se / se mantm limitado quando 8p_ . Para
isso os valores prprios de E devem ser menores que ":
3E max l-3l "
3
onde 3 designa o raio espectral da matriz.
(ii) Mtodo de Sries de Fourier (ou de Van Neumann)
Faz-se I:; e3" :20; e substitui-se na equao. Para garantir estabilidade devemos ter:
l0l ".
`? `# ?
`>
`B#
(7.1)
onde > o tempo (a coordenada parablica) e B o espao. Tanto > como B foram
adimensionalizados. A varivel dependente ? pode representar vrias quantidades dependendo
do fenmeno fsico em considerao. De notar que matematicamente tanto > com B podem ter
um significado qualquer e no estar ligados noo de tempo ou espao.
-80-
Por exemplo para a conduo de calor transiente, a equao que representa a conservao de
energia
`X
3- `>w 5
`# X
`Bw #
ou
`X ! `# X
`>w
`Bw #
com a difusividade trmica ! 5 3- (5 : condutibilidade trmica; 3: volume especfico; -: calor
especfico). Para evitar confuses, o tempo e espao dimensionais so denotados com pelica.
Se adimensionalizarmos a temperatura com X! (uma temperatura caracterstica) e o espao
com P (um comprimento caracterstico), obtemos:
" `X ! " P# `# X
X! `>w
X! P# `Bw #
#
`XX!
" ` XX!
!
`>w
P# `Bw # P#
Esta expresso mostra que o tempo caracterstico dado por P# ! (relembrar as unidades de
!, 7# =). Se denotarmos a temperatura adimensional como:
?XX !
a coordenada B adimensional como
B B w P
e o tempo adimensional como
w
# !
> >P
?38" ?38
?3"8 #?38 ?3"8
$>
$ B#
-81-
(7.2)
ou
?38" <?3"8 ?38" # < <?3"8 .
(7.3)
Este mtodo chama-se explcito porque, como se v da Eq. (7.2), permite obter o valor de ?
no novo tempo directamente de valores conhecidos do tempo anterior, atravs duma frmula
explcita (no necessrio resolver um sistema de equaes). Para garantir a estabilidade do
mtodo, isto para que erros no cresam ao longo do tempo medida que o clculo
prossegue, os coeficientes de ? na equao (7.3) devem ser todos positivos. A condio de
estabilidade assim:
!<"#
(7.4)
Esta condio implica que o passo no tempo est limitado por $> $B # # (em termos
dimensionais, para conduo de calor, d: ! $>$ B# 0.5 - ou seja, o nmero de Fourier da
malha tem de ser menor do que "#). A preciso dos resultados no espao controlada pelo
espaamento $B: temos de diminuir $B para melhorar essa preciso. A condio de estabilidade
(7.4) vai implicar uma diminuio muito mais acentuada do $> (uma vez que o $> diminui
quadraticamente com $B), o que torna o mtodo explcito pouco atraente na prtica.
O mtodo generaliza-se facilmente para o caso bidimensional no espao. A PDE de partida
agora:
`? ! `# ? `# ?
`>
`B#
`B#
e a discretizao com os mesmos tipos de diferenas (4 o ndice segundo C) d:
8 ?8
?8"
?834
?83"4 #?834 ?83"4
?834" #?34
34
34"
!
!
#
#
$>
$B
$C
.
!"$B# "$C#
"
-82-
?38" ?38
?3"8" #?38" ?3"8"
?3"8 #?38 ?3"8
!&
$>
$ B#
$ B#
Agrupando termos, tal como foi feito acima para o mtodo explcito, obtemos:
<?3"8" ##<?38" <?3"8" <?3"8 ?38# # < <?3"8 .
(7.5)
Observe-se agora que o valor da varivel ? no ponto 3, no novo tempo, est implicitamente
ligado aos respectivos valores nos pontos volta, 3 " e 3 ". Deste modo a Eq. (7.5)
representa um sistema de R equaes lineares (do tipo tri-diagonal) que tem de ser invertido
para se obter os ?3 (3"R) no novo tempo, por isso o mtodo de Crank-Nicolson um
exemplo dum mtodo implcito. A condio de estabilidade obtem-se novamente forando os
coeficientes a serem positivos:
<"
(7.6)
(Nota: nesta determinao, os termos em ?3" e ?3" , no novo tempo, tm de ser transladados
para o membro direito da Eq. (7.5)). A condio (7.6) menos restritiva que a condio (7.4);
se esta condio for violada, aparecem oscilaes na soluo mas no h uma instabilidade
catastrfica, como no mtodo explcito. A vantagem do mtodo de Crank-Nicolson
relativamente aos mtodos explcito e totalmente implcito (dado de seguida) ter melhor
preciso no tempo, sendo de segunda ordem tanto no espao como no tempo:
erro truncatura, I38 S $> # S$B#
7.2.3 Mtodo implcito (geral)
Em geral, a segunda derivada pode ser calculada fazendo uma mdia ponderada (com factor " )
entre a diferena central no novo tempo (8 ") e no tempo actual (8). Escrevendo de forma
simblica, para simplificar a notao, temos:
$>?38 " < " $#B ?38" " " $#B ?38
#
(7.7)
"
< #"#"
-83-
Para " ", obtemos o mtodo totalmente implcito, que sempre estvel:
<?3"8" "#<?38" <?3"8" ?38
(7.8)
Este mtodo equivalente ao uso de diferenas regressivas no tempo, sendo de primeira ordem
no tempo (S$>).
7.2.4 Mtodo ADI (Alternating Direction Implicit)
Nos casos unidimensionais no espao, os mtodos anteriores conduzem a sistemas de
equaes tridiagonais que podem ser facilmente resolvidos com o mtodo directo do algoritmo
TDMA. J em problemas bidimensionais o sistema resultante pentadiagonal e o TDMA no
pode ser aplicado directamente. O mtodo ADI vai permitir continuar a usar o TDMA em
problemas multidimensionais, tratando implicitamente s os termos ao longo de uma
coordenada, e alternando a coordenada implcita em cada passo no tempo.
Para o caso bidimensional, o primeiro passo tempo trata de forma implcita a direco B:
1o passo:
8 ?8
?8"
?834
?8"
#?8"
?8"
?834" #?34
34
3"4
34
3"4
34"
#
#
!$ >
$B
$C
(7.9)
#
#
!$ >
$B
$C
(7.10)
-84-
(7.11)
"
#
?38"
(7.12)
com erro de truncatura I38 S $B# S$># . Requer mais memria do que os mtodos
dados at agora, uma vez que preciso guardar a varivel ? no tempo anterior 8 ".
Comparativamente com o mtodo de Crank-Nicolson (ambos de segunda ordem no tempo)
mais simples de implementar e superior quando as condies iniciais so descontnuas.
Um mtodo semelhante de quarta ordem no espao, obtido do mtodo de Douglas, dado
pela equao:
" $
"# # ?3"8"
(7.13)
(7.14)
.
Se 5 for constante e no houver fontes de calor (; !), obtemos a equao de Laplace para o
campo de temperatura:
? X ! (com Laplaciano ? f f )
Em coordenadas Cartesianas bidimensionais (por exemplo) estas equaes escrevem-se:
-85-
(7.15)
`
`X
` `X
.
`B 5 `B `C 5 `C ; !
(7.16)
`# X `# X ! .
`B#
`B#
(7.17)
A discretizao destas equaes com diferenas finitas segue as linhas dadas acima, para as
equaes parablicas (note-se que o segundo membro da equao parablica anterior,
elptico).
A equao de Laplace ?? !, e usando diferenas centrais para as segundas derivadas
obtem-se a expresso seguinte, que vem da Eq. (7.9):
!
$ B#
$ C#
Chamando " $C$B (razo de aspecto da malha), esta equao escreve-se:
#" " # ?34 " # ?3"4 " # ?3"4 ?34" ?34"
(7.18)
(7.19)
mostrando que o valor de ? num n da malha (3 4) igual mdia dos valores volta.
Genericamente a Eq. (7.18) representa um sistema de R equaes a R incgnitas, com matriz
pentadiagonal (no caso 2-D; teria 7 diagonais em 3-D), a ser resolvido para se obter os valores
de ?34 nos R ns da malha. A malha usada para calcular as diferenas finitas tem RB ns
segundo B, isto 3"RB, e RC ns segundo C, isto 4"RC , de forma que o
nmero total de ns R RB RC . Assim, o problema da resoluo de PDEs elpticas
reduz-se ao problema da resoluo de sistemas de equaes lineares, E B ,, que foi tratado
no Captulo 4. Como o nmero de equaes a resolver normalmente muito elevado
(tipicamente 10% ) torna-se invivel o uso de mtodos directos, e dos mtodos iterativos
deve usar-se um que aproveite da melhor forma a estrutura da matriz E. Por esta razo foram
desenvolvidos vrios mtodos iterativos para a resoluo de sistemas lineares cuja matriz
pentadiagonal, sendo alguns dos mais utilizados apresentados seguidamente.
7.3.1 ADI (Alternating Direction Implicit)
Segue a ideia dada acima no ADI para equaes parablicas (Seco 7.2.3). No caso da
equao de calor bidimensional (ver Eq. (7.16)):
-86-
` 5 `X ` 5 `X ;.
`B B `B
`C C `C
representada numa malha Cartesiana com diferenas centrais, obtemos a equao
pentadiagonal escrita na seguinte forma:
EW XW E[ X[ ET XT EIXI ERXR WT
(7.20)
onde se usa uma notao de pontos cardeais (ponto central T 3 4; ponto a este
I 3 " 4; ponto a sul W 3 4 "; etc ). fcil ver que os coeficientes so dados por:
EI 5B3 " 4? C4? B3 "
#
etc...
(7.21)
ET EI E[ ER EW
e
WT ; ? B3? C4 .
Faz-se notar que a nomenclatura aqui usada para os coeficientes EI, E[ , etc , tem sinal
contrrio ao da nomenclatura na Seco 4.2.5 (exemplo de TDMA).
Existe uma equao semelhante Eq. (7.20) para cada um dos ns da malha T (3 4) e o
sistema resultante equivalente ao sistema matricial
EB ,
(E matriz R R )
XT8 ) E ?B# XT
T
"
passo 1.
XT
passo 2.
XT8" XT
8 "#
8 "#
) E ?B# XT
T
"
?C# XT8 WT
8 "#
?C# XT8" WT
-87-
(7.22)
(7.23)
(7.24)
?C# XT
ER XR EW XW ETC XT
8"
8
WT EWXW8" E[ X[
EI XI8 ER X R
ET
(7.25)
XT
XT = ET
(7.26)
8"
VT WT ET XT EW XW
8"
E[ X[
EIXI ERXR
(7.27)
O parmetro de sobrerelaxao = deve ser superior a 1 (se = ", temos o mtodo de GaussSeidel) e menor que cerca de 1.7, embora o valor mximo seja dependente do problema. Se =
for superior ao =max o processo diverge rapidamente; se for menor, converge mais devagar. A
paragem das iteraes faz-se controlando o decaimento da norma do resduo, sendo usado um
critrio de paragem do tipo:
mVm m V! m %tol
onde V! o resduo inicial (na iterao 0). Pode usar-se a norma P" :
-88-
mVm ! lVT l
R
T"
ou a norma P# :
mVm ! lVT l#
R
"#
T"
(7.28)
(7.29)
A ideia para se obter uma boa aproximao LU matriz original, quando esta penta-diagonal,
explicada por Stone (SIAM J. Num. Analysis, 5 (1968), p. 530) e, usando a notao da
seco anterior, equivale a:
~
~ ~ ~
matriz P matriz com 3-diag(PW , P[, PT )
(na mesma posio do que as correspondentes diagonais em E
~
~ ~
matriz Y matriz com 3-diag(", Y I, Y R)
(a diagonal principal unitria)
~
~
os valores de P e de Y so obtidos sucessivamente (percorrendo os ns no sentido habitual,
[pI seguido de WpR ) atravs das seguintes equaes:
~
~
PW EW " = Y IW
~
~
P[ E[ " = Y R[
~
~ ~
~ ~
~ ~
~ ~
PT ET =PW YI W P[ Y R[ PW Y R W P[ Y I[
~
~ ~
~
Y I EI = PW YIW PT
-89-
(7.30)
~
~ ~
~
Y R ER =P [Y R[ PT
Faz-se notar que, seguindo a ordenao usual, quando se est num n genrico T , o valor de
YR no n a Sul ou a Oeste (isto , o YRW ou YR[) so j conhecidos; o mesmo
acontece para o PI do n a Oeste (PI[). O parmetro = serve para sobrerelaxar o
processo e deve ser determinado por tentativas, devendo estar entre 0 e 1.
O matriz resduo, na notao de compasso, obtida de:
VT WT EW XW E[ X[ EIXI ERXR ET XT
(7.31)
A Eq. (7.28) a ser resolvida por substituio progressiva (directa) pode ser escrita
explicitamente como:
~
~
~
]T VT PW ]W P[ ][ PT
(7.32)
onde ] um array auxiliar, usado para a resoluo por substituio regressiva (inversa) da Eq.
(7.29), que se escreve:
~ w
~
XTw ]T PRXR
PI XIw .
(7.33)
XT
XT
XTw .
(7.34)
-90-
relativamente a todos os B3. Isto pode ser verificado calculando-se a derivada `J`B3 e
igualando-a a zero.
O mtodo do conjugado gradiente (ver Hestenes e Stieffel, J. Res. Nat. Bur. Standards, 49
(1952), p.409) na sua forma bsica aplicvel a matrizes no estruturadas e resulta no seguinte
algoritmo:
para iterao zero, 5 !, fazer: <! , E B! ; : ! 0; =! 1!$!
avanar o contador de iterao: 5 5 "
Calcular:
= 5 <5" <5"
" 5 = 5 =5"
: 5 <5" " 5 : 5"
!5 = 5 : 5 E: 5
B5 B5" !5 : 5
<5 <5" !5 E: 5
Repetir at convergncia.
-91-
Este algoritmo necessita de % arrays (matrizes coluna de dimenso R): < , :, E: e B. Aplicado
desta forma o algoritmo no muito eficaz, tornando-se necessrio pre-condicionar a matriz E
de forma a diminuir o nmero de condio da matriz resultante. O precondicionamento consiste
em multiplicar a equao original por uma matriz G " que deve ser fcil de inverter. Deste
modo temos o problema modificado:
G " EG " G B G " ,
e o mtodo do gradiente conjugado aplicado matriz G " EG " . O algoritmo modificado
s ligeiramento mais complexo do que o anterior, ficando:
para iterao zero, 5 !, fazer: <! , E B! ; : ! 0; =! 1!$!
avanar o contador de iterao: 5 5 "
resolver o sistema G " D5 <5-1
Calcular:
= 5 <5" D5
" 5 = 5 =5"
: 5 D5 " 5 : 5"
!5 = 5 : 5 E: 5
B5 B5" !5 : 5
<5 <5" !5 E: 5
Repetir at convergncia.
preciso um outro array, D, que de facto pode ser armazenado sobre Ap. A matriz de
precondicionamento G obtida por decomposio LU incompleta (ILU), sendo a sua diagonal
calculada de incio, fora do ciclo iterativo. A parte de resoluo do sistema precondicionado
para se obter D feita de forma expedita, por substituio inversa e directa uma vez que a
decomposio G PHY conhecida.
-92-