Apostila Mned PDF

Mtodos Numricos
para
Equaes Diferenciais
Helio Pedro Amaral Souto
Nova Friburgo, 7 de Abril de 2015
Graduao em Engenharia
CONTEDO
Lista de Figuras
Lista de Tabelas
vii
1 Equaes Diferenciais Ordinrias

1.1 Mtodos OneStep . . . . . . . . . . . . . . . . . . . . . . .
1.1.1 Mtodo de Euler . . . . . . . . . . . . . . . . . . . . .
1.1.1.1 Anlise do Erro do Mtodo de Euler . . . . .
1.1.1.2 Estabilidade do Mtodo de Euler . . . . . . .
1.1.2 Mtodos de Mais Alta Ordem . . . . . . . . . . . . . .
1.1.3 Mtodo de Heun . . . . . . . . . . . . . . . . . . . . .
1.1.4 Mtodo de Euler Modificado . . . . . . . . . . . . . . .
1.1.5 Mtodos de RungeKutta . . . . . . . . . . . . . . . .
1.1.5.1 Mtodos de RungeKutta de Segunda Ordem
1.1.5.2 Mtodos de RungeKutta de Terceira Ordem
1.1.5.3 Mtodos de RungeKutta de Quarta Ordem .
1.1.5.4 Sistema de Equaes . . . . . . . . . . . . . .
1.2 Formulao de Butcher . . . . . . . . . . . . . . . . . . . . . .
1.2.1 Condies de Ordem . . . . . . . . . . . . . . . . . . .
1.2.2 Alguns Mtodos Explcitos . . . . . . . . . . . . . . . .
1.3 Mtodos Multistep . . . . . . . . . . . . . . . . . . . . . . .
1.3.1 Mtodos do Tipo PreditorCorretor . . . . . . . . . . .
1.3.2 Mtodos de Mais Alta Ordem . . . . . . . . . . . . . .
1.3.3 Mtodo de Milne . . . . . . . . . . . . . . . . . . . . .
1.3.4 Mtodo de Adams de Quarta Ordem . . . . . . . . . .
1.3.5 Mtodo de Hamming . . . . . . . . . . . . . . . . . . .
1.4 Convergncia, Consistncia e Estabilidade . . . . . . . . . . .
1
3
3
3
6
7
7
9
10
11
13
14
14
15
16
19
24
24
27
29
29
30
30
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
ii
CONTEDO
1.4.1
.
.
.
.
.
.
.
.
31
31
31
32
34
34
34
35
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
39
39
41
42
45
46
47
49
50
51
53
53
56
58
59
59
60
61
61
3 Equaes de Balano
3.1 Equao da Continuidade . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3.2 Equaes do Momentum . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3.3 Equao de Energia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
63
63
64
66
4 Discretizao
4.1 Discretizao Espacial . . . . . . . . .
4.2 Discretizao no Tempo . . . . . . . .
4.3 Expanses em Sries de Taylor . . . . .
4.4 Tcnica Geral . . . . . . . . . . . . . .
4.5 Acurcia do Processo de Discretizao
4.6 Representao do Tipo Onda . . . . .
69
70
70
71
72
74
77
1.4.2
Mtodos
1.4.1.1
1.4.1.2
1.4.1.3
Mtodos
1.4.2.1
1.4.2.2
1.4.2.3
One-Step . .
Convergncia
Consistncia .
Estabilidade .
Multistep . .
Convergncia
Consistncia .
Estabilidade .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
2 Equaes Diferenciais Parciais

2.1 Algumas Equaes Diferenciais de Interesse . . . .
2.2 Classificao . . . . . . . . . . . . . . . . . . . . .
2.2.1 Classificao pelas Caractersticas . . . . . .
2.2.2 Equaes a N Variveis Independentes . . .
2.2.3 Transformao de Coordenadas . . . . . . .
2.2.4 Sistema de Equaes . . . . . . . . . . . . .
2.2.5 Classificao pela Anlise de Fourier . . . .
2.3 Problema Bem-Posto . . . . . . . . . . . . . . . . .
2.3.1 Condies de Contorno e Inicial . . . . . . .
2.4 Equaes Diferenciais Hiperblicas . . . . . . . . .
2.4.1 Interpretao em Bases Fsicas . . . . . . . .
2.4.2 Condies de Contorno e Inicial Apropriadas
2.5 Equaes Diferenciais Parablicas . . . . . . . . . .
2.5.2 Condies de Contorno e Inicial Apropriadas
2.6 Equaes Diferenciais Elpticas . . . . . . . . . . .
2.6.2 Condies de Contorno Apropriadas . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
iii
CONTEDO
5 Convergncia, Consistncia e Estabilidade
5.1 Convergncia . . . . . . . . . . . . . . . . . . . .
5.1.1 Teorema de Lax . . . . . . . . . . . . . . .
5.2 Consistncia . . . . . . . . . . . . . . . . . . . . .
5.2.1 O Esquema FTCS . . . . . . . . . . . . .
5.2.2 Esquema Totalmente Implcito . . . . . . .
5.3 Estabilidade . . . . . . . . . . . . . . . . . . . .
5.3.1 Mtodo da Matriz . . . . . . . . . . . . . .
5.3.2 Mtodo da Matriz: Condies de Contorno
5.3.3 Mtodo de Von Neumann . . . . . . . . .
5.3.4 Mtodo de Von Neumann: Esquema Geral
5.4 Acurcia da Soluo . . . . . . . . . . . . . . . .
5.4.1 Extrapolao de Richardson . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
81
81
82
82
83
84
85
86
88
89
90
92
92
6 Equao de Transporte Linear

6.1 Mtodos Explcitos . . . . . . . . . . . . . . . . . .
6.2 Mtodos Implcitos . . . . . . . . . . . . . . . . . .
6.3 Equao de Difuso . . . . . . . . . . . . . . . . . .
6.3.1 Equao de Difuso Unidimensional . . . .
6.3.2 Equao de Difuso em Regime Permanente
6.3.3 Equao de Difuso Bidimensional . . . . .
6.4 Mtodos Multidimensionais de Fracionamento . . .
6.5 Equao de Adveco . . . . . . . . . . . . . . . . .
6.6 Dissipao e Disperso Numricas . . . . . . . . . .
6.6.1 Anlise de Fourier . . . . . . . . . . . . . .
6.6.2 Equao Modificada . . . . . . . . . . . . .
6.7 Equao de Transporte Unidimensional . . . . . . .
6.8 Equao de Transporte Bidimensional . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
95
95
97
97
97
103
104
106
113
117
119
121
123
133
A O Mtodo de Separao de Variveis
137
B Algoritmo de Thomas
143
B.1 O Algoritmo de Thomas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 143
B.2 O Mtodo TDMA Linha a Linha . . . . . . . . . . . . . . . . . . . . . . . . . . 145
B.3 Relaxao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 147
Bibliografia
149
ndice
151
iv
CONTEDO
LISTA DE FIGURAS
1.1
1.2
1.3
Mtodo de Euler. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
Mtodo de Heun. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
Exemplo de uma rvore. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
2.1
2.2
2.3
2.4
2.5
2.6
2.7
2.8
2.9
2.10
Curva caractersticas no plano t-x. . . . . . . . . .

Domnio computacional R. . . . . . . . . . . . . .
Caractersticas para a equao da onda. . . . . . .
Propagao de uma onda senoidal. . . . . . . . . .
Condies de contorno para o caso hiperblico. . .
Condies auxiliares para o caso transiente. . . . .
Domnio computacional para uma EDP parablica.
Decaimento exponencial de uma senide. . . . . .
Soluo da equao de Laplace. . . . . . . . . . . .
Domnio computacional para uma EDP elptica. .
4.1
Malha discreta uniforme.
6.1
6.2
Exemplo da representao matricial. . . . . . . . . . . . . . . . . . . . . . . . . 107

ngulo de fase. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 120
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
43
52
54
56
57
57
58
59
60
61
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70
B.1 Mtodo TDMA linha a linha. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 146
vi
LISTA DE FIGURAS
LISTA DE TABELAS
1.1
1.2
1.3
Exemplos de leis fundamentais . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1

Representao da rvore e do operador diferencial elementar . . . . . . . . . . . 17
Funes da rvore na expanso da srie de Taylor . . . . . . . . . . . . . . . . . 19
4.1
4.2
Comparao da acurcia dos diferentes esquemas. . . . . . . . . . . . . . . . . . 76

Relao entre as derivadas. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79
A.1 Separao da equao de Helmohtz. . . . . . . . . . . . . . . . . . . . . . . . . . 140
vii
viii
LISTA DE TABELAS
CAPTULO 1
EQUAES DIFERENCIAIS ORDINRIAS
Vrios problemas prticos de engenharia so descritos em termos de taxas de variao das

propriedades fsicas do sistema que estamos interessados em estudar. Estas variaes so,
normalmente, descritas empregando as leis fundamentais da fsica, mecnica, eletricidade, termodinmica, etc (vide a Tabela 1.1). Quando combinadas com as equaes de balano de
massa, momentum e energia elas resultam nas equaes diferenciais que governam diferentes
fenmenos fsicos. A partir da posterior integrao destas equaes, ns obtemos as funes
matemticas que descrevem o estado do sistema, no tempo e no espao, em termos da sua
massa, energia ou variao da quantidade de movimento.
Tabela 1.1: Exemplos de leis fundamentais que so escritas em termos de taxas de variao.
Lei
Expresso Matemtica
Segunda lei de Newton
dv
F
=
dt
m
Lei de Fourier
Lei de Fick
~q = k
dT
dx
~j = D dc
dx
Variveis e Parmetros
velocidade (v), fora (F )
e massa (m)
condutividade trmica
(k) e temperatura (T )
coeficiente de difuso (D)
e concentrao (c)
Como exemplo de uma equao diferencial ordinria, derivada de uma lei fundamental (lei
de Newton), temos a equao que governa a queda de um paraquedista

dv
c
=g v
dt
m
onde v a velocidade do paraquedista, g a acelerao da gravidade, m a massa e c o
coeficiente de arrasto. Nesta equao a varivel que esta sendo diferenciada, v, chamada de
varivel dependente. A varivel em relao a qual v est sendo diferenciada, t, denominada
de varivel independente.
A equao diferencial ordinria, acima, um exemplo de uma equao de primeira ordem,
porque a sua derivada de mais alta ordem uma derivada primeira. Em contrapartida, a
equao que descreve a posio x de um sistema massamola com amortecimento um exemplo
de uma equao diferencial ordinria de segunda ordem
d2 x
dx
+kx = 0
+c
2
dt
dt
onde m a massa, c o coeficiente de amortecimento e k a constante elstica da mola.
Vale ressaltar que equaes diferenciais ordinrias de alta ordem podem ser reduzidas a um
sistema de equaes diferenciais ordinrias de primeira ordem. No exemplo acima, podemos
introduzir uma nova varivel y definida por
dx
y=
dt
que pode ser derivada com relao ao tempo, de modo que obtemos o sistema
dx
y=
dt
cy + kx
dy
=
dt
m
que equivalente a equao original de segunda ordem. Uma vez que uma equao diferencial
ordinria de ordem n pode, de modo similar, ser reduzido a um sistema de equaes diferenciais
de primeira ordem, ns focaremos nossa ateno na resoluo das equaes de primeira ordem.
Na prtica, muitas destas equaes diferenciais ordinrias, que representam um grande nmero de problemas em engenharia, no podem ser resolvidas empregando os mtodos analticos
do clculo diferencial. Assim, os mtodos numricos de resoluo destas equaes diferenciais
adquirem uma grande importncia em vrios campos da engenharia.
A fim de que possamos especificar completamente a soluo de uma equao diferencial
ordinria, devemos fornecer condies auxiliares. Em se tratando de equaes diferenciais de
primeira ordem, uma condio auxiliar chamada de condio inicial necessria para garantirmos a obteno de uma nica soluo.
Quando estivermos trabalhando com equaes diferenciais de ordem n, n condies sero
requeridas para que possamos obter uma nica soluo. Caso todas as condies sejam especificadas para um mesmo valor de uma varivel independente (por exemplo para t = 0), ento o
problema ser chamado de um problema de valor inical. Por outro lado, um problema de valor
de contorno ser definido quando estas condies forem fornecidas para diferentes valores da
varivel independente.
m
Captulo 1. Equaes Diferenciais Ordinrias
1.1
Mtodos OneStep
No que se segue, estaremos interessados em resolvermos equaes diferenciais ordinrias do

tipo
dy
= f (x, y)
(1.1)
dx
para uma condio inicial dada por y(x0 ) = y0 , que conhecido como um Problema de Valor
Inicial (PVI).
Uma primeira possibilidade, para que possamos resolver esta equao, pode ser obtida a
partir da discretizao do termo da derivada de primeira ordem, empregando um esquema de
diferenas avanadas:

dy
yi+1 yi
=

dx i
x
ou ainda
yi+1

dy
= yi + x
dx i
De acordo com esta equao, a partir da estimativa da derivada (que fornece a inclinao da
tangente curva no ponto xi ) ns determinamos, por extrapolao, um novo valor de y no
ponto xi+1 a partir de um valor conhecido de yi . Esta frmula pode ser aplicada passo a passo
a fim de determinarmos a evoluo futura da soluo.
Todos os mtodos do tipo onestep podem ser expressos nesta mesma forma geral, sendo
que a nica diferena entre eles ser a maneira de avaliar a derivada primeira.
1.1.1
Mtodo de Euler
Uma primeira possibilidade, de estimativa da derivada, fornecida pela prpria expresso da

equao diferencial ordinria e consiste em empregarmos a prpria funo a fim de avaliarmos
a inclinao da tangente no ponto xi , conforme esquematizado na Fig. 1.1. Portanto, neste
mtodo a estimativa dada por
yi+1 = yi + f (xi , yi ) x
(1.2)
onde esta frmula conhecida como o mtodo de Euler ou de EulerCauchy. Nela, o novo valor
de y determinado a partir de uma extrapolao linear empregando o valor da derivada em xi
(Fig. 1.1).
1.1.1.1
Anlise do Erro do Mtodo de Euler
A resoluo numrica da equao diferencial ordinria, de modo semelhante ao caso de uma

equao diferencial parcial, introduz dois tipos de erros:
Um erro de truncamento ou discretizao devido natureza da tcnica empregada na
aproximao de y;
1.1. Mtodos OneStep
i+1
erro
verdadeiro
yi
xi
x i+1
Figura 1.1: Mtodo de Euler.
Um erro de arredondamento devido ao fato do nmero limitado de digitos que so utilizados pelos computadores.
O erro de truncamento composto de duas partes. Uma primeira, chamada de erro local de
truncamento, que resulta da aplicao local do mtodo numrico para um nico incremento. A
segunda a parcela devida propogao do erro de truncamento proveniente das aproximaes
decorrentes dos incrementos anteriores. A soma destes dois erros fornece o erro global de
truncamento.
Expandindo em srie de Taylor a funo y, que possui as suas derivadas contnuas, em torno
do ponto xi ,
(n)
yi
yi00
2
0
x + . . . +
xn + Rn
yi+1 = yi + yi x +
2
n!
onde y 0 = dy/dx e Rn representa o resto da srie e definido por
Rn =
y (n+1) ()
xn+1
(n + 1)!
onde est contido no intervalo de xi a xi+1 . Esta expanso ainda pode ser escrita numa forma
alternativa, se considerarmos que estamos tratando da equao diferencial ordinria y 0 = f (x, y)
yi+1 = yi + f (xi , yi ) x +

f 0 (xi , yi )
f (n1) (xi , yi )
x2 + . . . +
xn + O xn+1
2
n!
(1.3)
Comparando esta expanso com o mtodo de Euler, Eq. (1.2), vemos que este ltimo pode
ser escrito como
yi+1 = yi + f (xi , yi ) x + Et
onde Et o verdadeiro erro local devido ao truncamento, sendo dado por

Et =

f 0 (xi , yi )
x2 + . . . + O xn+1
2
Para valores suficientemente pequenos do incremento x, os diferentes termos do erro decrescem

medida que a sua ordem aumenta. Portanto, usualmente representamos o erro como
f 0 (xi , yi )
Ea =
x2
2
ou
Ea = O x2
onde Ea representa o erro local de truncamento aproximado.

Conforme pudemos ver, a expanso em srie de Taylor nos fornece um meio para quantificarmos o erro no mtodo de Euler. Entretanto, existem algumas limitaes associadas ao seu
uso:
A srie de Taylor nos fornece somente uma estimativa do erro de truncamento local. Ela
no nos fornece o erro propagado, ou seja, o erro global de truncamento;
Na prtica, podemos trabalhar com funes que so mais complexas do que simples
polinmios. Como consequncia, o clculo das derivadas que aparecem na srie de Taylor
podem no ser facilmente obtidas.
Apesar dessas limitaes impedirem uma anlise exata do erro, na maior parte dos problemas
de interesse a srie de Taylor ainda pode nos fornecer informaes valiosas sobre o comportamento do mtodo de Euler. Do desenvolvimento, em srie de Taylor, pudemos verificar que o
erro local proporcional ao quadrado do incremento de espao e derivada primeira da funo
f (x, y). possvel mostrar, tambm, que o erro global de truncamento de O(x) [1], ou seja,
ele proporcional ao incremento de espao. Estas observaes nos levam a algumas concluses
importantes:
O erro pode ser reduzido mediante um decrscimo do incremento;
O mtodo fornecer resultados livres de erro caso o soluo da equao diferencial ordinria seja linear, uma vez que as derivadas de ordem superiores a um sero nulas.
Pelas razes mencionadas, acima, o mtodo de Euler denominado um mtodo de primeira
ordem.
1.1. Mtodos OneStep
1.1.1.2
Estabilidade do Mtodo de Euler
O conceito matemtico de estabilidade do mtodo numrico est associado ao crescimento

ilimitado da soluo numrica ou, conforme veremos mais adiante, do erro introduzido nos
dados iniciais ou no processo de discretizao. Neste caso, a soluo numrica no ir tender
para a soluo da equao diferencial quando o incremento tender a zero e o esquema numrico
ser dito ser instvel [1, 2].
Este conceito pode ser entendido tomando como exemplo o seguinte problema de valor
inicial:
dy
= y
dx
apresentando como condio inicial y(0) = y0 . Do Clculo Diferencial sabemos que esta equao
diferencial ordinria possui a seguinte soluo:
y = y0 e x
Assim, essa soluo tem como valor inicial y0 e aproximase assintoticamente de zero medida
que o valor de x aumenta.
Empregando o mtodo de Euler na resoluo numrica deste problema, temos que:
dy
yi+1 = yi + x = yi + f (xi , yi )x = yi yi x
dx i
ou ainda,
yi+1 = (1 x) yi
Deste resultado vemos claramente que a estabilidade do mtodo numrico depende do incremento x, isto , o valor de |1 x| deve ser menor do que 1. Esta restrio implica no
fato de que o incremento deve verificar a condio x < 2/ a fim de que a soluo numrica
acompanhe a soluo analtica. Neste caso, dizemos que o mtodo condicionalmente estvel.
Uma maneira de contornarmos esta restrio seria a de empregarmos uma abordagem implcita para o mtodo de Euler. Esta representao chamada de implcita devido ao fato de
que a varivel que buscamos determinar, yi+1 , aparece em ambos os lados do sinal de igualdade
dy
yi+1 = yi + x = yi + f (xi+1 , yi+1 )x = yi yi+1 x
dx i+1
ou ainda,
1
yi
1 + x

1
< 1, sempre verificada para > 0.
sendo que agora a condio de estabilidade,
1 + x
Assim, dizemos que o mtodo de Euler implcito incondicionalmente estvel.
Este conceito de estabilidade pode ser estendido a outros mtodos numricos destinados
resoluo de um problema de valor inicial do tipo:
yi+1 =
dy
= f (x, y),
dx
x>a
para uma condio inicial y(a) = y0 . Os leitores interessados devem se reportar s referncias
[2, 3] para maiores detalhes. Este assunto ser retomado ao final deste captulo.
1.1.2
Mtodos de Mais Alta Ordem
Uma maneira fcil de reduzirmos o erro do mtodo de Euler seria a de incluirmos termos de
mais alta ordem da srie de Taylor (1.3) na soluo numrica. Por exemplo, retendo o termo
de segunda ordem
f 0 (xi , yi )
yi+1 = yi + f (xi , yi )x +
x2 + Ea
2
onde o erro de truncamento aproximado seria dado por
Ea =
f 00 (xi , yi )
x3
6
Embora este mtodo seja facilmente implementado no caso de funes polinomiais, a incluso de termos de mais alta ordem pode no ser trivial no caso de estarmos considerando
equaes diferenciais ordinrias mais complicadas. Em particular, este o caso em se tratando
de equaes diferenciais ordinrias que so funes de ambas as variveis dependentes e independentes, sendo necessrio o emprego da regra da cadeia na determinao destas derivadas.
Por exemplo, a derivada primeira de f (x, y) ser
f 0 (x, y) =
f dy
f
+
x y dx
enquanto que a derivada segunda seria dada por

f 00 (x, y) =
f 0 f 0 dy
+
x
y dx
com o grau de complexidade aumentando para as derivadas de mais alta ordem.

Assim sendo, alternativas foram pensadas para que possamos aumentar a performance dos
mtodos onestep, sem que tenhamos que avaliar derivadas superiores a primeira ordem. Conforme veremos a seguir, estes mtodos so comparveis aos mtodos que empregam termos de
mais alta ordem na srie de Taylor.
1.1.3
Mtodo de Heun
O mtodo de Euler apresenta uma fonte de erro fundamental que devida ao fato de
que a derivada, avaliada no incio do intervalo, suposta prevalecer sobre todo o intervalo. Em
seguida, veremos que algumas modificaes simples podem ser introduzidas a fim de superarmos
esta dificuldade.
O mtodo de Heun utiliza a determinao de duas derivadas no intervalo, como medida
para melhorar a estimativa da inclinao da curva no intervalo considerado. As derivadas so
1.1. Mtodos OneStep
i+1
yi
xi
x i+1
Figura 1.2: Mtodo de Heun.
avaliadas uma no ponto inicial e a outra no ponto final. A estimativa da inclinao obtida,
ento, a partir da mdia dos valores das duas derivadas, conforme mostrado esquematicamente
na Fig. 1.2.
No mtodo de Euler, a inclinao avaliada no ponto inicial
yi0 = f (xi , yi )
e empregada na extrapolao linear que determina yi+1
0
yi+1
= yi + f (xi , yi )x
Enquanto que para o mtodo de Euler esta seria a estimativa final, no mtodo de Heun trata-se
de uma estimativa intermediria e ela conhecida como a equao preditora. Ela fornece uma
estimativa de yi+1 com a qual determinamos uma estimativa da inclinao curva no ponto
final do intervalo:
0
0
yi+1
= f (xi+1 , yi+1
)
Assim, as duas expresses para as inclinaes podem ser combinadas a fim de obtermos um
valor mdio para a inclinao no intervalo considerado:
y0 =
0
0
yi0 + yi+1
f (xi , yi ) + f (xi+1 , yi+1
)
=
2
2
Este valor , ento, empregado na extrapolao linear de yi a yi+1 utilizando o mtodo de Euler
yi+1
0
f (xi , yi ) + f (xi+1 , yi+1
)
= yi +
x
2
onde esta a equao corretora.

Portanto, o mtodo de Heun um mtodo do tipo preditorcorretor. Neste mtodo, devemos
observar que yi+1 aparece em ambos os lados do sinal de igualdade e, portanto, esta equao
pode ser empregada de modo iterativo a fim de corrigirmos este valor. Isto quer dizer que a
0
estimativa anterior yi+1
pode ser usada repetidamente a fim de prover uma melhor estimativa
de yi+1 .
Na introduo do mtodo de Heun, consideramos que a derivada era uma funo tanto da
varivel dependente quanto da independente. Entretanto, para casos como os dos polinmios,
onde a equao diferencial ordinria funo unicamente da varivel independente, no necessitamos empregar a equao preditora e basta utilizarmos uma nica vez a cada iterao a
equao corretora
f (xi ) + f (xi+1 )
x
yi+1 = yi +
2
onde podemos notar uma similaridade entre o lado direito do sinal de igualdade e a regra do
trapzio para a integrao. De fato, partamos da equao diferencial ordinria
dy
= f (x)
dx
Esta equao pode ser resolvida por integrao na forma:
Z xi+1
Z yi+1
f (x) dx
dy =
xi
yi
que resulta em
Z
xi+1
yi+1 = yi +
f (x) dx
xi
Agora, aplicando a regra do trapzio no intuito de avaliarmos a integral acima

yi+1 = yi +
f (xi ) + f (xi+1 )
f 00 () 3
x
x
2
12
onde encontrase no intervalo entre xi e xi+1 . Assim, tratase de um mtodo de segunda

ordem, uma vez que a derivada segunda da equao diferencial ordinria zero quando a
soluo for quadrtica. Alm do mais, os erros local e global so de O (x3 ) e de O (x2 )
respectivamente [1].
1.1.4
Mtodo de Euler Modificado
Uma outra modificao simples do mtodo de Euler resulta no mtodo de Euler modificado.
Esta tcnica usa o mtodo de Euler na predio de um valor de y no ponto mdio do intervalo
yi+1/2 = yi + f (xi , yi )
x
2
1.1. Mtodos OneStep
10
Em seguida, este valor empregado na estimativa do valor da inclinao curva no ponto

mdio:
0
= f (xi+1/2 , yi+1/2 )
yi+1/2
onde assumimos que este valor uma aproximao da inclinao mdia para todo o intervalo.
Este valor da inclinao ento usado na extrapolao linear entre xi e xi+1 empregando o
mtodo de Euler
yi+1 = yi + f (xi+1/2 , yi+1/2 )x
Devemos notar que devido ao fato de yi+1 no aparecer em ambos os lados desta equao, esta
equao corretora no pode ser empregada iterativamente a fim de melhorarmos a soluo.
O mtodo de Euler modificado superior ao mtodo de Euler visto que ele avalia a inclinao
curva no ponto mdio do intervalo de predio. Da teoria sobre as tcnicas de discretizao,
sabemos que a tcnica de diferenas finitas conhecida como diferenas centradas aproxima
melhor a derivada do que as tcnicas de diferenas avanadas ou recuadas. No mesmo sentido,
uma aproximao centrada como a utilizada aqui possui um erro de truncamento de O (x2 ) em
comparao com a aproximao avanada do mtodo de Euler que possui um erro de O (x).
Conseqentemente, este mtodo apresenta um erro local e global que so de O (x3 ) e de
O (x2 ) respectivamente [1].
1.1.5
Mtodos de RungeKutta
Os mtodos do tipo RungeKutta podem alcanar a mesma acurcia dos mtodos de mais
alta ordem que empregam o desenvolvimento em srie de Taylor sem, no entanto, requerer a
determinao das derivadas de mais alta ordem. Muitas variaes destes mtodos existem,
mas todos podem ser escritos na seguinte forma generalizada em se tratando dos mtodos
explcitos:
yi+1 = yi + (xi , yi , x)x
(1.4)
onde (xi , yi , x) chamada de funo incremento a qual pode ser interpretada como a inclinao representativa de todo o intervalo. A funo incremento pode ser escrita numa forma
geral como
= b1 k1 + b2 k2 + + bn kn
onde os diferentes coeficientes bi , i = 1, 2, . . . so constantes e as funes ki , i = 1, 2, . . . so
dadas por
k1 = f (xi , yi )
k2 = f (xi + c2 x, yi + a21 k1 x)
k3 = f (xi + c3 x, yi + a31 k1 x + a32 k2 x)
..
.
kn = f (xi + cn x, yi + an1 k1 x + an2 k2 x + + ann1 kn1 x)
11
Devemos notar que nestas expresses as funes ki so relaes de recorrncia. Isto quer dizer
que k1 aparece na equao para k2 , que aparece na equao para k3 e assim por diante. Tal
fato torna os mtodos de RungeKutta eficientes ferramentas do clculo numrico.
Vrios tipos de mtodos de RungeKutta podem ser imaginados a partir do emprego de
diferentes nmeros de termos da funo incremento. Devemos notar que o mtodo de Runge
Kutta de primeira ordem com n = 1 corresponde, de fato, ao mtodo de Euler. Uma vez
escolhido o nmero n de termos, os valores de a, p e q so avaliados igualando a equao
generalizada do mtodo de RungeKutta aos termos de uma expanso em srie de Taylor.
Deste modo, ao menos para as verses de baixa ordem, o nmero de termos n normalmente
representa o ordem do mtodo.
1.1.5.1
Mtodos de RungeKutta de Segunda Ordem
A forma generalizada para um mtodo de segunda ordem dada por

yi+1 = yi + (b1 k1 + b2 k2 )x
onde
k1 = f (xi , yi )
k2 = f (xi + c2 x, yi + a21 k1 x)
A fim de determinarmos os valores de b1 , b2 , c2 e a21 ns iremos expandir em srie de Taylor
yi+1 e empregaremos f (xi , yi ) como sendo a derivada dy/dx
yi+1 = yi + f (xi , yi )x + f 0 (xi , yi )

x2
+ O x3
2
onde f 0 (xi , yi ) deve ser determinada a partir do emprego de:

f
f
df (xi , yi ) =
dx +
dy
x i
y i
ou ainda
df
f
f dy
f (xi , yi ) =
=
+

dx
x i y i dx
0
Substituindo este resultado na expanso em srie de Taylor

f
f dy x2
yi+1 = yi + f (xi , yi )x +
+
+ O x3
x y dx i 2
(1.5)
Em seguida, ns vamos expandir a equao geral (Eq. (1.4)) para o mtodo de segunda
ordem, lembrando que

g
g
1 2g 2
2g
2g 2
g(x + r, y + s) = g(x, y) + r
+s
+
r +2
rs + 2 s +
x
y 2! x2
xy
y
1.1. Mtodos OneStep
12
Portanto,

f
f
+ a21 k1 x
+ O x2
x
y
Substituindo, agora, k1 e k2 na expresso geral (1.4) ns obtemos
k2 = f (xi , yi ) + c2 x
yi+1 = yi + b1 x f (xi , yi ) + b2 x f (xi , yi ) + b2 c2 x2

f
f
+ b2 a21 x2 f (xi , yi )
+ O x3
x
y
ou ainda, agrupando os termos de mesma ordem em x

f
f
+ b2 a21 f (xi , yi )
x2 + O x3
yi+1 = yi + (b1 + b2 )f (xi , yi )x + b2 c2
x
y
(1.6)
Finalmente, comparando termo a termo as expanses (1.5) e (1.6), vemos que as seguintes
condies devem ser verificadas para que tenhamos a equivalncia destas duas equaes
b1 + b2 = 1
1
2
1
b2 a21 =
2
Como existem quatro incgnitas e somente trs equaes, no h uma nica soluo que
satisfaa este sistema de equaes. Necessitamos, portanto, especificar o valor de uma destas
incgnitas a fim de determinarmos as outras trs. Em consequncia, teremos uma famlia de
mtodos de segunda ordem. Admitamos que ns especifiquemos o valor de b2 , das equaes
acima obtemos
b1 = 1 b2
1
c2 = a21 =
2b2
Devido ao fato de podermos escolher uma infinidade de valores para a2 , existiro uma infinidade de mtodos de RungeKutta de segunda ordem, que fornecero o mesmo resultado para
a soluo da equao diferencial ordinria em se tratando de uma funo f (x, y) constante,
linear ou quadrtica. Entretanto, obteremos solues diferentes quando esta funo for mais
complicada. Em seguida, apresentaremos trs dos mtodos de segunda ordem mais comumente
utilizados:
b2 c 2 =
Mtodo de Heun (b2 = 1/2). Para b2 = 1/2 ns podemos resolver o sistema de equaes e
obtemos b1 = 1/2 e c2 = a21 = 1. Substituindo esses resultados na equao geral obtemos:
yi+1 = yi +
1
(k1 + k2 ) x
2
onde
k1 = f (xi , yi )
13
k2 = f (xi + x, yi + k1 x)
Notemos que k1 representa a inclinao curva no ponto inicial do intervalo enquanto que k2
a inclinao no final do intervalo. Portanto, este mtodo de RungeKutta de segunda ordem
corresponde ao mtodo de Heun com uma nica iterao corretora.
Mtodo do Polgono (b2 = 1). Caso assumamos que b2 = 1, ento b1 = 0, c2 = a21 = 1/2
e a equao geral tornase
yi+1 = yi + k2 x
onde
k1 = f (xi , yi )
k2 = f (xi + x/2, yi + k1 x/2)
o que corresponde ao mtodo do polgono melhorado.
Mtodo de Ralston (b2 = 2/3). Ralston (1962) e Ralston e Rabinowitz (1978) determinaram que para b2 = 2/3 obtemos o valor mnimo para o erro de truncamento para os algoritmos
de RungeKutta de segunda ordem. Para esta verso temos que b1 = 1/3 e c2 = a21 = 3/4
yi+1 = yi +
1
(k1 + 2k2 ) x
3
onde
k1 = f (xi , yi )
k2 = f (xi + 3x/4, yi + 3k1 x/4)
1.1.5.2
Mtodos de RungeKutta de Terceira Ordem
Podemos empregar o mesmo desenvolvimento aplicado na obteno do mtodo de segunda

ordem ao caso de n = 3. O resultado desta derivao produzir um sistema de seis equaes
a oito incgnitas. Portanto, devemos fornecer valores para duas destas incgnitas a fim de que
possamos determinar os parmetros restantes. Apresentaremos agora uma verso comumente
empregada
1
yi+1 = yi + (k1 + 4k2 + k3 ) x
6
onde
k1 = f (xi , yi )
k2 = f (xi + x/2, yi + k1 x/2)
k3 = f (xi + x, yi x k1 + 2x k2 )
1.1. Mtodos OneStep
14
Para uma funo f dependente unicamente de x, o mtodo de terceira ordem reduz-se regra de
Simpson (1/3) quando empregamos um polinmio interpolador de Lagrange de segunda ordem
Z
yi+1 = yi +
f (x) dx
a
onde
Z
f (x) dx
I=
a
x
[f (x0 ) + 4f (x1 ) + f (x2 )]
6
onde x0 e x2 representam os pontos inicial e final do intervalo x.

Os mtodos de Runge-Kutta de terceira ordem apresentam um erro local de O (x4 ) e um
erro global de O (x3 ) e os seus resultados so exatos quando a soluo for cbica.
1.1.5.3
Mtodos de RungeKutta de Quarta Ordem
Os mtodos de RungeKutta mais populares so os de quarta ordem. Assim como no caso

dos mtodos de segunda ordem, existe uma infinidade de verses destes mtodos. Apresentaremos, aqui, o mtodo que conhecido como o mtodo clssico de RungeKutta de quarta
ordem:
1
yi+1 = yi + (k1 + 2k2 + 2k3 + k4 ) x
6
onde
k1 = f (xi , yi )
k2 = f (xi + x/2, yi + k1 x/2)
k3 = f (xi + x/2, yi + k2 x/2)
k4 = f (xi + x, yi + k3 x)
De modo anlogo ao caso do mtodo de terceira ordem, em se tratando de uma funo de
x somente (k2 = k3 ), o mtodo de RungeKutta de quarta ordem equivalente regra de
Simpson (1/3) para a integrao conforme mostrado anteriormente.
1.1.5.4
Sistema de Equaes
Muitos problemas de engenharia e das cincias exatas necessitam da soluo de um sistema

de equaes diferenciais simultneas, ao invs da resoluo de uma nica equao. Tais sistemas
podem ser representados como
dy1
= f1 (x, y1 , y2 , . . . , yn )
dx
dy2
= f2 (x, y1 , y2 , . . . , yn )
dx
..
..
.
.
15
dyn
= fn (x, y1 , y2 , . . . , yn )
dx
A fim de que possamos obter a soluo de tal sistema, necessitamos fornecer n condies iniciais
para o valor inicial de x.
Todos os mtodos estudados neste captulo podem ser aplicados na resoluo de sistemas
de equaes. Alguns sistemas de aplicaes em engenharia podem ser composto de centenas
de equaes. Em cada caso, o procedimento adotado na resoluo destes sistemas consiste na
aplicao dos mtodos onestep a todas as equaes a cada passo antes de prosseguirmos para
o passo posterior.
1.2
Formulao de Butcher
A famlia dos mtodos de Runge-Kutta pode ser representada seguindo o princpio descrito
por Butcher, nas quais os coeficientes so estrategicamente colocados em uma tabela para facilitar o clculo de suas propriedades. A forma geral para determinarmos a soluo aproximada
dada por
m
X
yn+1 = yn + x
bi ki
i=1
para 1 i s, sendo que nesta equao ki = f (xn + ci x, Yi ), i = 1, 2, . . . , s para a forma

non-autonomous, ou ki = f (Yi ) para os sistemas autonomous, e Yi dado por
Yi = yn + x
s
X
aij kj
j=1
sendo s o nmero de estgios do mtodo.

Os coeficientes caractersticos (aij , bi e ci ), que vo determinar a acurcia e a estabilidade
desses mtodos, so determinados convenientemente atravs da tabela de Butcher [4]
c1 a11 a12 a1s
c2 a21 a22 a2s
..
..
.. . .
.
. ..
.
.
.
cs as1 as2 . . . ass
c A
bT
b1
b2
bs
Os coeficientes do vetor c esto relacionados com os elementos da matriz A segundo a

seguinte forma
s
X
ci =
aij
i = 1, 2, ..., s.
j=1
e o vetor b deve ser de tal que

s
X
i=1
bi = 1
1.2. Formulao de Butcher
16
As componentes do vetor c so os valores intermedirios dos estgios, ou seja,

ci [xn , xn+1 ]
para i = 1, 2, ..., s
As formulaes para as quais aij = 0 se j i so chamadas de formulaes explcitas ou

ERK (Explicit Runge-Kutta)
c A
bT
c1 0
0
c2 a21 0
..
..
.. . .
.
.
.
.
cs as1 as2 . . .
bs
b1
b2
0
0
..
.
Neste curso iremos considerar somente as formulaes explcitas dos mtodos de Runge-Kutta.
1.2.1
Condies de Ordem
A ordem p dos mtodos multi-passos lineares so construdas usando aproximaes para

y(xn+1 ) em termos de y e x y 0 avaliados nos respectivos pontos xi das solues. Dessa forma,
a aproximao deve satisfazer exatamente a um polinmio para a expanso na srie de Taylor
para um grau menor que p, dado que os erro so estimados em termos de O(xp+1 ). Para o
mtodo de Runge-Kutta torna-se um pouco mais complicado visto que a aproximao descrita
pela Eq. (1.2) baseada na integral
Z
s
X
0
y(xn+1 ) = y(xn ) + x y (xn + x)d y(xn ) + x
bi y 0 (xn + ci x)
i=1
Para lidar com este problema, devemos proceder da seguinte forma: encontrar a expanso
da srie de Taylor da soluo exata, depois encontrar a expanso da srie de Taylor para o
clculo da soluo aproximada utilizando o mtodo de Runge-Kutta e, por fim, comparar as
duas expanses termo a termo de modo a que elas sejam equivalentes at o termo de O(xp+1 ).
Primeiro devemos encontrar a expanso para y que satisfaa o PVI (1.1)
dy
= f (y)
dx
com condio inicial dada por y(xn ) = yn e, ento, uma formulao para as demais derivadas
dessa funo
y 0 (x) = f (y(x)),
y 00 (x) = f 0 (y(x))y 0 (x)
= f 0 (y(x))f (y(x)),
y 000 (x) = f 00 (y(x))f (y(x))y 0 (x) + f 0 (y(x))f 0 (y(x))y 0 (x)
= f 00 (y(x))(f (y(x)), f (y(x))) + f 0 (y(x))f 0 (y(x))f (y(x)).
17
considerando somente os termos at a derivada terceira. Esses termos so, ento, reescritos na
forma
y 0 (x) = f
y 00 (x) = f0 f
y 000 (x) = f00 (f, f) + f0 f0 f
sendo f = f (y(x)), f0 = f 0 (y(x)), f00 = f 00 (y(x)). A partir do resultado destas derivaes, podemos encontrar um padro capaz de ser utilizado em uma estrutura do tipo rvore. Nesta
estrutura relacionamos f (y(x)) a uma folha da rvore, f 0 (y(x)) a um vrtice com uma nica
extremidade exterior e f 00 (y(x)) a um vrtice com duas extremidades externas. Em se tratando de f 0 e f 00 as extremidades externas esto conectadas a sub-rvores, representando estes
operadores linear e bilinear respectivamente.
A Tabela 1.2 mostra a representao da estrutura em rvores e as suas respectivas representaes para o operador elementar diferencial F(), considerando cada rvore , sendo
o conjunto de todas as rvores com razes.
Tabela 1.2: Representao da rvore e do operador diferencial elementar.
Diagrama F()
f
f
f
f0
f @ f
f00
f
f0
f0
Termos
f (y(x))
f0 f
f 0 (y(x))f (y(x))
f00 (f, f)
f 00 (y(x))(f (y(x)), f (y(x)))
f0 f0 f
f 0 (y(x))f 0 (y(x))f (y(x))
A soluo exata do problema de valor inicial y(x0 + x) pode ser expandida em srie de
Taylor em torno de x0 na forma
y(x0 + x) = y0 +
X ()xr()
r()!
F()(y0 )
que pode ser reescrita como

y(x0 + x) = y0 +
X xr()
F()(y0 )
()()
(1.7)
18
Figura 1.3: Exemplo de uma rvore.

@
cj
@
@
@
ci
@
ci
cj
@
@
1
@
aij
@
@
@
@
@
bi
@
@
1
@
() =
s
X
bi c2i aij c2j
() = 18
i,j=1
onde r() representa a ordem da rvore (nmero de vrtices ou ns da rvore), () a simetria

r()!
o
de (a ordem do grupo de automorfismo), () a densidade da rvore , () =
()()
r()!
nmero de combinaes ordenadas em , () =
o nmero de combinaes no ordenadas
()
em , F()(y 0 ) a diferencial elementar. O valor de () para cada rvore pode ser obtido da
seguinte forma, associamos um fator para cada vrtice da rvore, as folhas possuem fator
unitrio e todos os demais a soma dos fatores associados aos vizinhos para onde crescem mais
um, o produto de todos os fatores o valor de (). O polinmio (), peso elementar,
construdo a partir dos coeficientes de cada mtodo, baseado em sua respectiva rvore, onde b
representa a raiz, c as folhas e A os vrtices internos. Em seguida fornecido um exemplo de
uma rvore na Fig. 1.3.
Por outro lado, tambm possvel expandir em srie de Taylor a soluo aproximada
y1 = y0 +
X ()xr()
ou ainda
y1 = y0 +
r()!
X xr()
()
()F()(y 0 )
()F()(y 0 )
(1.8)
Como a obteno das famlias de mtodos de Runge-Kutta baseia-se no fato de que os

termos das sries de Taylor (Eqs. (1.7) e (1.8)) devam coincidir at o termo de ordem xp ,
portanto, necessrio garantir que as condies de ordem [5]
() =
1
,
()
r() p
sejam verificadas.
A Tabela 1.3 apresenta as funes F(), () e os valores de r(), (), (), () e ()
para uma expanso considerando somente os termos at quarta ordem.
19
Tabela 1.3: Funes da rvore na expanso da srie de Taylor.

@

@
1.2.2
F()
f
r() () () () ()
1
1
1
1
1
f00 (f, f)
()
P
bi
P
bi c i
P 2
bi c i
f0 f0 f
f(3) (f, f, f)
f00 (f, f0 f)
f0 f
bi aij cj
bi c3i
bi ci aij cj
24
f0 f00 (f, f)
bi aij c2j
12
12
f0 f0 f0 f
bi aij ajk ck 4
24
24
Alguns Mtodos Explcitos
Na abordagem para a determinao dos coeficientes caractersticos, o usual primeiro determinarmos c para, em seguida, calcularmos b. Feito isto, podemos encontrar os coeficientes
da matriz A mediante a resoluo de um sistema de equaes lineares.
Para um mtodo explcito de segunda ordem, da Tabela 1.3 vemos que as condies que
devem ser verificadas so dadas por
b1 + b2 = 1
b2 c 2
1
2
chegamos soluo arbitrria em termos do parmetro no nulo c2 , uma vez que temos duas
equaes e trs incgnitas,
0
c2
c2
1
Escolhendo c2 =
1
2c2
1
2c2
1
ou c2 = 1, obtemos dois casos especiais que so respectivamente as
2
20
formulaes apresentadas nas regras do ponto mdio e do trapzio desenvolvidas por [6]
0
1
2
0
1 1
1
2
1
2
0 1
1
2
Das expanses (1.7), (1.8) e da Tabela 1.3 podemos verificar que os resultados determinados,
nos exemplos mostrados, correspondem de fato s sries serem coincidentes. Para um mtodo
de segunda ordem teremos que
y(x0 + x) = y0 +
= y0 +
xr(2)
xr(1)
F(1)(y0 ) +
F(2)(y0 )
(1)(1)
(2)(2)
x1
x2 0
f (y0 ) +
f f (y0 )
11
12
e
xr(1)
xr(2)
(1)F(1)(y0 ) +
(2)F(2)(y0 )
(1)
(2)

x1 X
x2 X
= y0 +
bi f (y0 ) +
bi ci f 0 f (y0 )
1
1
verificando a exatido do sistema obtido anteriormente para a determinaes dos coeficientes.
Para um mtodo de terceira ordem, as condies necessrias agora so dadas por
y1 = y0 +
b1 + b2 + b3 = 1
b2 c 2 + b3 c 3
1
2
b2 c22 + b3 c23
1
3
1
6
sendo que alguns casos especiais podem ser recuperados em funo dos resultados das tabelas
=
0
1
2
b3 a32 c2
2
3
2
3
1
2
1 1 2
1
6
2
3
1
6
0
2
3
2
3
2
3
1
4
3
8
2
3
0 1 1
3
8
3
4
1
4
21
bem como a formulao conhecida de Heun

0
1
3
2
3
1
3
2
3
1
4
3
4
De forma anloga ao caso do mtodo anterior, obtemos das expanses (1.7), (1.8) e da
Tabela 1.3 os desenvolvimentos em srie de Taylor da soluo exata e da soluo aproximada,
fornecida por um mtodo de Runge-Kutta de terceira ordem. Em se tratando da soluo exata,
temos que
y(x0 + x) = y0 +
+
xr(3)
xr(4)
F(3)(y0 ) +
F(4)(y0 )
(3)(3)
(4)(4)
= y0 +
+
xr(2)
xr(1)
F(1)(y0 ) +
F(2)(y0 )
(1)(1)
(2)(2)
x1
x2 0
f (y0 ) +
f f (y0 )
11
12
x3 0 0
x3 00
f (f, f )(y0 ) +
f f f (y0 )
23
16
e, para a soluo numrica,
y1 = y0 +
xr(1)
xr(2)
(1)F(1)(y0 ) +
(2)F(2)(y0 )
(1)
(2)
xr(3)
xr(4)
(3)F(3)(y0 ) +
(4)F(4)(y0 )
(3)
(4)

x1 X
x2 X
= y0 +
bi f (y0 ) +
bi ci f 0 f (y0 )
1
1

x3 X
x3 X 2 00
bi ci f (f, f )(y0 ) +
bi aij cj f 0 f 0 f (y0 )
+
2
1
+
e, mais uma vez, recuperamos o sistema de equaes apresentado anteriormente. importante

lembrar-nos de que estes resultados so vlidos para os mtodos explcitos, de modo que aij = 0
para j i.
22
No ltimo exemplo, consideramos um mtodo de quarta ordem
b1 + b2 + b3 + b4
=1
(1.9)
b2 c 2 + b3 c 3 + b4 c 4
1
2
(1.10)
b2 c22 + b3 c23 + b4 c24
1
3
(1.11)
b3 a32 c3 + b4 a42 c2 + b4 a43 c3
1
6
(1.12)
b2 c32 + b3 c33 + b4 c34
1
4
(1.13)
b3 c3 a32 c3 + b4 c4 a42 c2 + b4 c4 a43 c3 =
1
8
(1.14)
b3 a32 c22 + b4 a42 c22 + b4 a43 c23
1
12
(1.15)
b4 a43 a32 c2
1
24
(1.16)
Essas equaes devem ser resolvidas em termos de c como parmetros e no caso de b a partir
das Equaes (1.9), (1.10), (1.11) e (1.13). Posteriormente, devemos determinar os coeficientes
da matriz A a partir das Eqs. (1.12), (1.14) e (1.15). E, finalmente, utilizar a Eq. (1.16)
para obtermos a condio de consistncia em c. Esta condio de consistncia encontrada
para c4 = 1. Escrevendo em termos dos desenvolvimentos em srie de Taylor
y(x0 + x) = y0 +
+
xr(5)
xr(6)
xr(7)
xr(8)
F(5)(y0 ) +
F(6)(y0 ) +
F(7)(y0 ) +
F(8)(y0 )
(5)(5)
(6)(6)
(7)(7)
(8)(8)
= y0 +
+
xr(2)
xr(3)
xr(4)
xr(1)
F(1)(y0 ) +
F(2)(y0 ) +
F(3)(y0 ) +
F(4)(y0 )
(1)(1)
(2)(2)
(3)(3)
(4)(4)
x1
x2 0
x3 00
x3 0 0
f (y0 ) +
f f (y0 ) +
f (f, f )(y0 ) +
f f f (y0 )
11
12
23
16
x4 000
x4 00
x4 0 00
x4 0 0 0
f (f, f, f )(y0 ) +
f (f, f 0 f )(y0 ) +
f f (f, f )(y0 ) +
f f f f (y0 )
64
18
2 12
1 24
23
e, para a soluo numrica,
y1 = y0 +
xr(1)
xr(2)
xr(3)
(1)F(1)(y0 ) +
(2)F(2)(y0 ) +
(3)F(3)(y0 )
(1)
(2)
(3)
xr(4)
xr(5)
(4)F(4)(y0 ) +
(5)F(5)(y0 )
(4)
(5)
xr(6)
xr(7)
(6)F(6)(y0 ) +
(7)F(7)(y0 )
(6)
(7)
xr(8)
(8)F(8)(y0 )
(8)
= y0 +

x1 X
x2 X
x3 X 2 00
bi f (y0 ) +
bi ci f 0 f (y0 ) +
bi ci f (f, f )(y0 )
1
1
2

x3 X
x4 X 3 000
bi aij cj f 0 f 0 f (y0 ) +
bi ci f (f, f, f )(y0 )
1
6

x4 X
x4 X
bi ci aij cj f 00 (f, f 0 f )(y0 ) +
bi aij c2j f 0 f 00 (f, f )(y0 )
1
2

x4 X
bi aij ajk ck f 0 f 0 f 0 f (y0 )
1
Teorema 1 (Butcher [5]) Se um mtodo de Runge-Kutta explcito com s = 4 possui ordem

4, ento
s
X
bi aij = bj (1 cj ),
j = 1, 2, 3, 4
i=j+1
e, em particular, c4 = 1.
Kutta [7] classificou todas as solues possveis para as condies de um mtodo de quarta
ordem e, em particular, o famoso mtodo clssico de quarta ordem j apresentado anteriormente
nesse captulo
0
1
2
1
2
1
2
0 12
1 0 0 1
1
6
1
3
1
3
1
6
1.3. Mtodos Multistep
24
1.3
Mtodos Multistep
Os mtodos onestep vistos na Seo 1.1 utilizam somente informaes do ponto xi a fim de
predizer o valor da varivel dependente yi+1 no ponto futuro xi+1 . Os mtodos multistep, que
veremos a seguir, baseiam-se no fato de que uma vez iniciado o processo numrico ns temos
ao nosso dispor informaes importantes provenientes dos pontos anteriores. A curva obtida
a partir da conexo destes valores prvios nos fornece informaes a respeito da trajetria da
soluo. Tal fato explorado pelos mtodos que sero apresentados nesta seo.
1.3.1
Mtodos do Tipo PreditorCorretor
Iremos mostrar, agora, como as frmulas do tipo PreditorCorretor podem ser derivadas
matematicamente. Esta derivao interessante no sentido de que sero empregados conceitos
como a integrao numrica e a resoluo de equaes diferenciais ordinrias. Alm do mais,
este procedimento pode ser empregado na obteno de mtodos multistep de alta ordem e na
estimativa dos erros associados a estes mtodos.
O nosso ponto de partida est baseado na resoluo da seguinte equao diferencial ordinria
dy
= f (x, y)
dx
Sabemos que a soluo desta equao pode ser obtida mediante a sua integrao entre os pontos
i e i+1
Z
Z
xi+1
yi+1
f (x, y) dx
dy =
yi
xi
onde a primeira integral pode ser facilmente avaliada:

Z xi+1
yi+1 = yi +
f (x, y) dx
(1.17)
xi
Esta equao nos fornece a soluo da equao diferencial ordinria caso a integral, do lado
direito do sinal de igualdade, possa ser avaliada e o valor futuro da varivel dependente yi+1
pode ser determinado a partir do seu valor precedente yi e da resoluo da integral de f (x, y).
Uma primeira possibilidade de avaliarmos a integral em (1.17) pode ser dada pela aplicao
de uma integrao numrica como, por exemplo, a regra do trapzio, ou seja:
Z xi+1
f (xi , yi ) + f (xi+1 , yi+1 )
x
f (x, y) dx =
2
xi
Aps substituio deste resultado em (1.17) obtemos:
yi+1 = yi +
f (xi , yi ) + f (xi+1 , yi+1 )

x
2
25
que corresponde equao corretora para o mtodo de Heun. Do Clculo Numrico [1] sabemos
que o erro de truncamento associado regra do trapzio dado por:
Ec =
1
1
x3 f 00 (c ) = x3 y 000 (c )
12
12
onde o subscrito c indica o erro do corretor e c encontrase no intervalo determinado por xi e

xi+1 .
Um procedimento similar pode ser empregado na obteno do passo preditor, a partir de
uma integrao entre os limites i 1 e i + 1:
Z yi+1
Z xi+1
dy =
f (x, y) dx
yi1
xi1
e como resultado desta integrao ns obtemos a forma da equao preditora:

Z xi+1
f (x, y) dx
yi+1 = yi1 +
(1.18)
xi1
Agora, ao invs de empregarmos uma frmula fechada1 , na avaliao da integral em (1.18),

vamos empregar a primeira frmula aberta de NewtonCotes, que conhecida como o mtodo
do ponto mdio
Z
xi+1
f (x, y) dx = 2xf (xi , yi )

xi1
cujo erro de truncamento [1]:

1
1
Ep = x3 f 00 (p ) = x3 y 000 (p )
3
3
sendo que o subscrito p indica o erro do preditor e p est contido no intervalo xi1 a xi+1 .
Aps substituio da integral na Eq. (1.18) pela sua aproximao chegamos forma final
da equao preditora
yi+1 = yi1 + 2xf (xi , yi )
Vamos resumir, abaixo, as equaes preditora e corretora associadas a este mtodo, cujos
os erros local de truncamento so de O (x3 ):
Preditor
0
m
yi+1
= yi1
+ 2xf (xi , yim )
Uma frmula fechada aquela onde os pontos correspondentes aos limites de integrao so conhecidos, em
oposio ao caso da frmula aberta, onde os limites de integrao vo alm dos pontos conhecidos.
26
Corretor
j1
)
f (xi , yim ) + f (xi+1 , yi+1
x
2
onde o sobrescrito j denota que a equao corretora aplicada iterativamente de j = 1 at
m
correspondem
j = m para que possamos obter solues refinadas. Portanto, os valores yim e yi1
aos valores finais do processo corretivo.
Conforme podemos observar a equao preditora depende do conhecimento prvio do valor
da varivel dependente yi1 a fim de que ela possa ser empregada. Esta informao no est
normalmente disponvel em um tpico problema de valor inicial. Por este motivo este mtodo
chamado de nonselfstarting Heun [1].
Caso os passos preditor e corretor de um mtodo multistep apresentem a mesma ordem do
erro de truncamento, uma estimativa do erro local de truncamento pode ser obtida durante o
processo computacional de obteno da soluo numrica. Esta informao pode, ento, ser
empregada como um critrio de ajuste do incremento.
Devido existncia do erro de truncamento sabemos que a soluo numrica uma aproximao da soluo exata (yex = yi+1 + Et ) da equao diferencial ordinria, ou seja:
j
yi+1
= yim +
1
0
yex = yi+1
+ x3 y 000 (p )
3
(1.19)
1
x3 y 000 (c )
12
Subtraindo a Eq. (1.19) da Eq. (1.20) chegamos ao seguinte resultado
m
yex = yi+1
m
0
0 = yi+1
yi+1
(1.20)
5
x3 y 000 ()
12
onde encontra-se agora no intervalo compreendido entre xi1 e xi+1 . Esta equao pode ainda
ser reescrita na forma:
0
m
yi+1
yi+1
1
= x3 y 000 ()
5
12
Deste resultado podemos notar que ele idntico expresso do erro de truncamento do
corretor, Ec , a menos do argumento da derivada terceira. Assumindo que a derivada terceira
de y no varie de forma aprecivel sobre o intervalo entre xi1 e xi+1 , podemos considerar como
sendo vlida a seguinte igualdade:
m
yi+1 yi+1
Ec
=
5
e a partir desta relao ns podemos estimar o erro de truncamento com base em duas quantidades que j so calculadas pelo mtodo numrico. Assim sendo, esta estimativa pode ser
empregada como um critrio para ajustarmos o incremento x de modo que o erro fique dentro
de uma faixa de valores aceitveis.
27
As derivaes dos erros Ep e Ec podem ser generalizadas uma vez conhecidos os erros
de truncamento das frmulas de integrao empregadas na avaliao das integrais do passo
preditor:
p
0
yex = yi+1
+ xn+1 y (n+1) (p )
p
e do passo corretor:
c
m
yex = yi+1
xn+1 y (n+1) (c )
c
A partir do conhecimento destes valores os erros de truncamento do passo preditor pode ser
estimado como sendo dado por [1]:
Ep =

p c
yim yi0
c p + p c
(1.21)
enquanto que no caso do passo corretor:

Ec
=
1.3.2

c p
m
0
yi+1
yi+1
c p + p c
(1.22)
Mtodos de Mais Alta Ordem
Do desenvolvimento precedente fica claro que uma estratgia bvia para que possamos
desenvolver mtodos multistep de mais alta ordem passa pelo emprego de frmulas de integrao
de mais alta ordem para os passos preditor e corretor. Os mtodos deste tipo so compostos
de um mtodo explcito (preditor) e de outro implcito (corretor). Antes de prosseguirmos com
a apresentao destes mtodos de mais alta ordem, vamos relembrar as frmulas de integrao
de NewtonCotes e de Adams. As frmulas de integrao de NewtonCotes, para n pontos
igualmente espaados (n + 1 segmentos), podem ser do tipo aberta:
Z xi+1
yi+1 = yin +
f (x, y) dx
xin
ou fechada, para n segmentos e n + 1 pontos,

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

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

In (f ) = x
n1
X
k=1
28
para a forma fechada, sendo n o nmero de segmentos empregados e os valores dos coeficientes
wk (k = 1, 0, 1, . . . , n) podem ser encontrados, por exemplo, na referncia [1]. Nestas equaes
temos que p = n + 1 se n for par e p = n caso n seja mpar. Portanto, as frmulas gerais de
Newton-Cotes so dadas por
yi+1 = yin + x
n1
X
(1.23)
k=0
para a forma aberta e

yi+1 = yin+1 + x
n1
X
(1.24)
k=1
para a forma fechada.

O outro tipo de frmula de integrao que com frequncia empregado na obteno de
algoritmos multistep voltados para a resoluo de equaes diferenciais ordinrias a frmula
aberta de AdamsBashforth. Uma forma de derivarmos estas frmulas tem como ponto de
partida um desenvolvimento em srie de Taylor em torno do ponto xi :

3
2
2
00 x
0 x
00 x
0 x
+ fi
+ . . . = yi + x fi + fi
+ fi
+ ...
yi+1 = yi + fi x + fi
2
6
2
6
Empregando uma aproximao do tipo diferena recuada na aproximao de fi0 , este resultado
pode ser reescrito como:

2

x fi fi1
00 x
2
00 x
yi+1 = yi + x fi +
+ fi
+ O x
+ ...
+ fi
2
x
2
6
ou ainda,

3
1
5
fi fi1 + x3 fi00 + O x4
yi+1 = yi + x
2
2
12
Outras expresses de mais alta ordem podem ser obtidas se empregarmos aproximaes de mais
alta ordem para fi0 . A frmula aberta geral de Adams de ordem n pode ser expressa como
yi+1 = yi + x
n1
X
k fik + O xn+1
(1.25)
k=0
Os valores dos coeficientes k podem ser encontrados, para diferentes valores de n, na referncia [1].
Um procedimento similar pode ser feito para obtermos a expresso geral para a frmula
fechada, conhecida como a frmula de AdamsMoulton. Neste caso, nosso ponto de partida
ser um desenvolvimento em srie de Taylor em torno do ponto xi+1
0
yi = yi+1 fi+1 x + fi+1
3
x2
00 x
fi+1
+ ...
2
6
29
0
onde devemos aproximar agora o valor da derivada fi+1
. Deste modo obtemos a frmula fechada
geral de Adams de ordem n
yi+1 = yi + x
n1
X
k fi+1k + O xn+1
(1.26)
k=0
com os valores de k tambm fornecidos em [1].
1.3.3
Mtodo de Milne
Um dos mais comuns mtodos do tipo multistep conhecido como o mtodo de Milne que
emprega frmulas de integrao de NewtonCotes. Neste mtodo uma formulao a trs pontos
(4 segmentos) do tipo aberta de NewtonCotes (1.23), n=3, usada para o passo preditor:
0
m
yi+1
= yi3
+

4
m
m
2fim fi1
+ 2fi2
x
3
enquanto que uma frmula fechada com dois segmentos (trs pontos) de NewtonCotes (1.24)
(regra de Simpson 1/3), n=2, empregada para o passo corretor:
j
m
yi+1
= yi1
+

1 m
j1
fi1 + 4fim + fi+1
x
3
Para este mtodo temos que os erros de truncamento preditor e corretor so de O(x5 ) e
p = 14, p = 45, c = 1 e c = 90 e, a partir das frmulas gerais, os erros de truncamento
associados a estes dois passos podem ser determinados pelas Eqs. (1.21) e (1.22)
Ep =

28 m
yi yi0
29

1 m
0
Ec
yi+1 yi+1
=
29
1.3.4
Mtodo de Adams de Quarta Ordem
Outro mtodo multistep popular pode ser implementado a partir do emprego de frmulas
do tipo AdamsBashforth (1.25) de quarta ordem (n = 4) para o passo preditor

55 m 59 m
37 m
9 m
0
m
yi+1 = yi +
f fi1 + fi2 fi3 x
24 i
24
24
24
e, para o passo corretor, uma frmula de quarta ordem (n=4) do tipo AdamsMoulton (1.26)

9 j1 19 m
5 m
1 m
j
m
yi+1 = yi +
f
+ fi fi1 + fi2 x
24 i+1
24
24
24
1.4. Convergncia, Consistncia e Estabilidade
30
Os erros de truncamento associados a estes dois passos so de O(x5 ) e dados por [1]

251 m
Ep =
yi yi0
270

19 m
0
Ec
yi+1 yi+1
=
270
uma vez que p = 251, p = 720, c = 19 e c = 720 para o mtodo em questo.
primeira vista pode parecer que o mtodo de Milne melhor que o mtodo de quarta ordem
de Adams, visto que o primeiro necessita de menos avaliaes da funo f (x, y) e apresenta um
erro do passo corretor bem inferior ao do mtodo de Adams. Embora essa concluso aplique
se a muitos casos, existem problemas para os quais o mtodo de Milne apresenta resultados
numericamente inaceitveis. Esta fraca performance se deve a uma instabilidade do mtodo de
Milne, sendo oriunda especificamente do passo corretor [1].
1.3.5
Mtodo de Hamming
O mtodo de Hamming vem a ser uma alternativa estvel ao mtodo de Milne. Ele emprega
o mesmo passo preditor que o do mtodo de Milne:

14
4
m
m
0
m
2fim fi1
+ 2fi2
x + x5 y (5)
yi+1
= yi3
+
3
45
enquanto que o passo corretor do mtodo de Milne substitudo por uma verso estvel que
apresenta um erro de truncamento de mesma ordem de grandeza que a do mtodo de Milne [1]:

9
1 m
3 j1
1
j
m
yi+1
= yim yi2
+
fi+1 + 2fim fi1
x x5 y (5)
8
8
8
40
Destes valores dos erros de truncamento e das frmulas gerais (1.21) e (1.22) chegamos aos
seguintes resultados para as estimativas do erro de truncamento

112 m
yi yi0
Ep =
121

9
m
0
Ec
yi+1
yi+1
=
121
1.4
Convergncia, Consistncia e Estabilidade
At o presente momento ns apresentamos alguns mtodos numricos do tipo one-step e

multistep e destacamos o fato de que quanto maior a ordem do erro de truncamento maior ser
a acurcia destes mtodos. Entretanto, conforme ns vimos nas Sees 1.1.1.2 e 1.3.4, estes
mtodos numricos podem apresentar resultados que no so acurados. Nesta seo ns vamos
introduzir trs conceitos que so fundamentais para que possamos entender porqu alguns
destes mtodos podem falhar. Estas propriedades que esto associadas aos diferentes mtodos
do tipo diferenas so a convergncia, a consistncia e a estabilidade e elas sero introduzidas
separadamente para os mtodos do tipo one-step e multistep.
1.4.1
31
Mtodos One-Step
A noo de convergncia ser introduzida para o problema de valor inicial

dy
= f (x, y)
dx
para uma condio inicial dada por y(x0 ) = y0 e vamos assumir que a funo f (x, y) satisfaz a
condio de Lipschitz em y. Uma funo dita satisfazer a condio de Lipschitz na varivel y
em um conjunto D R2 se
|f (x, y) f (x, z)| L |y z|
para alguma constante L > 0 e x, y e z D [3].
1.4.1.1
Convergncia
Um mtodo numrico dito convergir se [3]

lim |y(xi ) yi | = 0
para todo x0 x X, onde xi = x0 + ix e yi a aproximao numrica correspondente

soluo exata y(x).
Entretanto, esta definio no pode ser aplicada diretamente a fim de estabelecermos a
convergncia de um mtodo numrico, uma vez que ns no conhecemos, em geral, a soluo
exata do problema y(x). A convergncia ser comprovada indiretamente mediante a introduo
dos conceitos de consistncia e de estabilidade.
1.4.1.2
Consistncia
Um mtodo numrico dito ser consistente se

lim
x0
Et
=0
x
onde Et representa o erro de truncamento local do mtodo do tipo diferenas que ns queremos
estudar. Esta condio implica no fato de que o erro de truncamento local de um mtodo do
tipo diferenas deve ser pelo menos de O (x2 ) para que ele seja consistente.
Conforme ns j vimos, todos os mtodos one-step podem ser postos na forma geral
yi+1 = yi + (x, y, x)x
onde (x, y, x) conhecida com a funo incremento. A partir do desenvolvimento em srie
de Taylor, em torno do ponto (xi , yi ), do lado esquerdo desta igualdade ns obtemos
0
yi + f (xi , yi )x + f (xi , yi )
x2
+ . . . = yi + (x, y, x)x
2
32
Este resultado pode ainda ser rearrumado de modo a obtermos

(x, y, x) = f (xi , yi ) + O(x)
e um mtodo do tipo one-step ser consistente caso
lim (x, y, x) = f (x, y)
x0
Uma outra maneira de vermos este resultado seria a de reescrevermos o desenvolvimento

em srie de Taylor na forma:
dy
d2 y x2
+ ...
x = (x, y, x)x 2
dx i
dx i 2
ou ainda,
dy
d2 y x
+ ...
= (x, y, x) 2
dx i
dx i 2
e observarmos que para que esta equao seja consistente com a equao diferencial ordinria
modelo, em cada ponto da malha, a seguinte condio deve ser verificada medida que o
incremento x tende a zero:
lim (x, y, x) = f (x, y)
x0
1.4.1.3
Estabilidade
Um mtodo numrico do tipo diferenas dito ser estvel para um problema de valor inicial,
do tipo apresentado no incio desta seo, se existir um x0 > 0 tal que uma variao na
condio inicial, por uma quantidade fixa, produz uma variao limitada na soluo numrica
para todo 0 < x x0 .
Antes de prosseguirmos com o nosso estudo da estabilidade, vamos enunciar o seguinte
teorema que ser fundamental para que possamos garantir que um mtodo numrico do tipo
diferenas seja convergente.
Teorema 2 (Asaithambi [3]) Um mtodo do tipo diferenas consistente convergente se e
somente se ele for estvel.
Portanto, a convergncia estar assegurada se o mtodo numrico for consistente e estvel.
Uma outra maneira de enunciarmos a estabilidade de um mtodo numrico do tipo one-step
fornecida se para duas solues numricas diferentes yi e zi , correspondentes aproximao
numrica de y(xi ), ns verificarmos a seguinte desigualdade
|yi zi | K |y0 z0 |
para uma constante K > 0 e para todo x tal que 0 < x x0 para algum x0 > 0, e para
todo x0 xi X. Nesta desigualdade y0 e z0 correspondem aos valores iniciais.
A noo de estabilidade tambm pode ser relacionada com a regularidade da funo incremento (x, y, x) mediante o teorema
33
Teorema 3 (Asaithambi [3]) Um mtodo numrico do tipo one-step estvel se ele for regular.
Em seguida, veremos em que condies o mtodo numrico pode ser considerado regular.
Da forma geral dos mtodos one-step podemos dizer que ele ser regular se a funo incremento satisfaz a condio de Lipschitz em y no domnio D = {(x, w)| x0 x X, < w <
, 0 < x < x0 } para algum x0 > 0 de modo que a desigualdade abaixo verificada
|(x, y, x) (x, z, x)| M |y z|
para y e z D e M chamada de constante de Lipschitz para a funo incremento (x, y, x).
A prova deste teorema relativamente simples e podemos demonstr-la se ns considerarmos, mais uma vez, duas aproximaes numricas yi e zi geradas a partir da forma geral, de
modo que
|yi+1 zi+1 | |yi zi | + x|(x, y, x) (x, z, x)|
Como estamos considerando que o mtodo numrico regular
|yi+1 zi+1 | |yi zi | + xM|yi zi |
ou ainda
|yi+1 zi+1 | (1 + xM)|yi zi |
Por induo podemos reescrever este resultado como
|yi+1 zi+1 | (1 + xM)i+1 |y0 z0 |
(1 + xM)|yi zi | (1 + xM)i+1 |y0 z0 |
|yi zi | (1 + xM)i |y0 z0 |
Agora, do desenvolvimento em srie de Taylor da funo exponencial ex
x2 x3
+
+ ...
2!
3!
ns podemos substituir o termo entre parnteses na desigualdade acima
i
|yi zi | exM |y0 z0 |
ex = 1 + x +
|yi zi | eM(ix) |y0 z0 |

|yi zi | eM(xi x0 ) |y0 z0 |
|yi zi | eM(Xx0 ) |y0 z0 |
que para K = eM(Xx0 ) representa a condio para que o mtodo numrico seja estvel.
Finalmente, podemos enunciar o seguinte teorema
34
Teorema 4 (Asaithambi [3]) Um mtodo numrico one-step regular convergente se e somente se ele for consistente.
1.4.2
Mtodos Multistep
Visto os conceitos de convergncia, consistncia e estabilidade para os mtodos do tipo

one-step, vamos aplicar estas mesmas propriedades ao caso dos mtodos multistep.
1.4.2.1
Convergncia
A mesma definio de convergncia, aplicada aos mtodos one-step, tambm se aplica ao

caso dos mtodos multistep. Assim como no caso anterior, a fim de mostrarmos que um mtodo
numrico do tipo diferenas convergente, devemos estabelecer que ele consistente e estvel [3].
1.4.2.2
Consistncia
Os mtodos multistep, a exemplo dos mtodos one-step, tambm podem ser postos numa
forma geral. A forma mais geral de um mtodo (k + 1) multistep dada por [3]
yi+1 =
k
X
j yij + x
j=0
k
X
j fij
para i k
j=1
onde para 1 6= 0 ns obtemos um mtodo implcito e para 1 = 0 um mtodo explcito.

Nesta equao os coeficientes e so escolhidos de modo a obtermos um mtodo com a mais
alta ordem de acurcia possvel. Entretanto, a escolha destes coeficientes baseada somente na
ordem de acurcia do mtodo pode nos levar a mtodos que no so estveis.
Como ns sabemos que a soluo exata menos a soluo numrica igual ao erro de truncamento, Et = yex (xi+1 ) yi+1 ,
"
Et = yex (xi+1 )
"
= yex (xi+1 )
k
X
j yij + x
k
X
j=0
j=1
k
X
k
X
j yij + x
j=0
#
j fij
#
0
j yij
j=1
Substituindo a soluo aproximada pela soluo exata e expandindo em srie de Taylor, em

torno do ponto (xi , yi ), o lado direito desta igualdade [3]
Et
=
m
X
r=0
(r)
yex
r!
"
k
X
j=0
m
X
r=0
(r)
yex
k
X
(jx)
j
+ x
r!
j=1
m1
X
r=0
(r+1)
yex
(jx)
r!
ou ainda, agrupando os termos semelhantes:

"
#
"
k
X
Et
j yex + 1
= 1
35
k
X
j=0
m
X
r=2
"
1
jj +
j=0
k
X
j (j)r r
j=0
k
X
k
X
!#
j
j=1
#
j (j)r1
j=1
x 0
y
1! ex
xr (r)
y
r! ex
Deste resultado e da condio para que um mtodo numrico seja consistente,

Et
=0
x0 x
lim
vemos claramente que as seguintes igualdades devem ser verificadas para que um mtodo multistep seja consistente:
k
X
j = 1
j=0
k
X
jj +
j=0
1.4.2.3
k
X
j = 1
j=1
Estabilidade
Finalizando esta seo iremos abordar o problema da estabilidade dos mtodos multistep. As
condies de estabilidade que devem ser verificadas pelos mtodos multistep sero introduzidas
a partir do comportamento da soluo numrica do seguinte problema trivial
dy
=0
dx
tendo por condio inicial y(0) = c e evidente, para este problema, que f (x, y) = 0. Caso
a condio inicial seja introduzida sem nenhum erro de arredondamento, qualquer mtodo
multistep forneceria a soluo exata deste problema para todo i k. Por outro lado, se a
condio inicial estiver contaminada pelos erros de arredondamento, podero ocorrer desvios
nas solues numricas. So estes desvios que ns queremos estudar aqui. Da equao geral
dos mtodos multistep aplicada a este problema especfico ns obtemos:
yi+1 =
k
X
j yij
para i k
j=0
ou ainda, numa forma equivalente (i = r + k),

yr+(k+1) =
k
X
j=0
j yr+(kj)
para r 0
36
Usando o operador deslocamento E [3] a equao acima pode ser reescrita como
E
k+1
yr
k
X
j E kj yr = p(E)yr = 0
j=0
onde o polinmio caracterstico, p(), associado a esta equao de diferenas dado por
"
#
k
X
p()yr = k+1
j kj yr = 0
j=0
e cujas razes (que podem ser complexas) so 1 , 2 , . . . , k+1 . As condies de estabilidade

dos mtodos multistep sero estabelecidas em funo dessas razes do polinmio caracterstico,
de modo que os erros de arredondamento no cresam exponencialmente [3].
Para uma equao linear de diferenas de ordem k do tipo
k yi+k + k1 yi+k1 + . . . + 1 yi+1 + 0 yi = 0
a soluo geral desta equao dada por:
yi =
k
X
pj (i)ij
j=1
onde j uma raiz do polinmio caracterstico e o polinmio pj (.) possui um grau a menos que
a multiplicidade das razes do polinmio caracterstico.
Portanto, caso todas as razes fossem distintas ns poderamos escrever a soluo do problema de valor inicial, para 1
= c, como [3]
yi = c +
k
X
j ij
j=2
onde o somatrio pode ser visto como os erros de arredondamento associados soluo aproximada. Deste resultado vemos que o erro de arredondamento ir crescer exponencialmente a
menos que |j | 1 para j = 2, 3, . . . , k.
O prximo teorema generaliza este resultado e impe as condies que devem ser verificadas
para que o mtodo numrico seja estvel
Teorema 5 (Asaithambi [3]) O mtodo numrico multistep dado pela sua forma geral
estvel se e somente se ele satisfizer a condio da raiz:
|j | 1,
|j | = 1
j = 1, 2, . . . , k
dp(j )
6= 0
d
37
A primeira condio requer que todas as razes do polinmio caracterstico estejam contidas
no crculo { | || 1} no plano complexo. A segunda condio estabelece que todas as razes
que se encontram na fronteira do crculo unitrio devem ser simples.
Um mtodo multistep dito ser fortemente estvel se ele verifica a condio da raiz e
= 1 a nica raiz caracterstica de mdulo igual a um. Ele dito ser fracamente estvel se
satisfaz a condio da raiz e tem mais de uma raiz caracterstica distinta com magnitude igual
a um. Por outro lado, ele ser dito instvel se ele no satisfizer a condio da raiz.
O ltimo teorema a ser enunciado estabelece as condies para que tenhamos um mtodo
multistep convergente
Teorema 6 (Asaithambi [3]) Um mtodo multistep convergente se e somente se ele for
consistente e satisfizer a condio da raiz.
38
CAPTULO 2
EQUAES DIFERENCIAIS PARCIAIS
Como veremos mais adiante, as equaes que governam o escoamento de fluidos e o transporte de massa e energia so equaes diferenciais parciais, contendo termos em derivadas
primeira e segunda nas coordenadas espaciais e, geralmente, em derivada primeira no tempo.
Nestas equaes as derivadas no tempo aparecem como termos lineares, mas frequentemente as
derivadas espaciais esto associadas a termos no-lineares.
Neste captulo, veremos como classificar as equaes diferenciais parciais em elpticas, parablicas e hiperblicas. Em seguida elas sero examinadas segundo as suas caractersticas
matemticas e fsicas.
2.1
Algumas Equaes Diferenciais de Interesse
No nosso curso iremos nos concentrar no estudo da equao de transporte linear. Esta
equao inclui os mecanismos de transporte do tipo convectivo e difusivo e vrios problemas de
interesse nas engenharias so governados por este tipo de equao.
A ttulo de exemplo vamos listar abaixo algumas equaes diferenciais parciais importantes que governam vrios problemas fsicos que aparecem com frequncia. Em alguns casos
especficos podemos obter uma soluo analtica exata para estas equaes [8].
1. A equao linear da onda de primeira ordem
+c
=0
t
x
governa a propagao de uma onda que se movendo da esquerda para a direita com uma
velocidade constante c.
39
2.1. Algumas Equaes Diferenciais de Interesse
40
2. A equao de Burger sem viscosidade
+
=0
t
x
que governa a propagao nolinear de uma onda simples em uma dimenso.
3. A equao de Burger
2
+
= 2
t
x
x
governa a propagao nolinear de uma onda simples em uma dimenso com dissipao
viscosa.
4. A equao de Poisson
2 2
+ 2 = f (x, y)
x2
y
que governa a distribuio de temperatura em um slido com fontes de calor prescritas
pela funo f (x, y). A equao de Poisson tambm determina o campo eltrico em uma
regio contendo uma densidade de carga dada por f (x, y).
5. A equao de advecodifuso
+u
= 2
t
x
x
que representa o transporte, unidimensional, por conveco e difuso da quantidade em
uma regio que encontra-se em movimento com velocidade u. A quantidade representa
o coeficiente de difuso.
6. A equao de Kortewegde Vries
+
+ 3 =0
t
x
x
que governa o movimento nolinear de ondas dispersivas.
7. A equao de Helmholtz
2 2
+ 2 + k2 = 0
x2
y
que governa o movimento de ondas harmnicas, sendo k o parmetro de frequncia. Como
exemplo temos a propagao de ondas acsticas.
Captulo 2. Equaes Diferenciais Parciais
41
8. A equao biharmnica
4 4
+ 4 =0
x4
y
que determina as linhas de corrente para escoamentos com muito baixo nmero de Reynolds, governado pela equao de Stokes.
9. Equao do telgrafo
2
2
2
+
b
=
c
+
a
t2
t
x2
que governa a transmisso de impulsos eltricos num fio longo com uma certa distribuio
de capacitncia, indutncia e resistncia. As aplicaes desta equao tambm incluem
o movimento de uma corda com uma fora de amortecimento proporcional velocidade
e a conduo de calor com uma velocidade de propagao trmica finita.
2.2
Classificao
Uma simples classificao das equaes diferenciais parciais possvel no caso das equaes
lineares de segunda ordem,
A
2u
2u
u
u
2u
+
B
+
C
+D
+E
+ Fu + G = 0
2
2
x
xy
y
x
y
onde A, B, . . ., G so constantes. Trs categorias podem ser distinguidas:

i) elptica:
B 2 4AC < 0
ii) parablica: B 2 4AC = 0

iii) hiperblica: B 2 4AC > 0
Como podemos observar, a classificao depende somente dos coeficientes dos termos de derivadas de maior ordem nas variveis independentes.
Caso os coeficientes A, B, . . ., G sejam funes de x, y, u/x ou u/y, a classificao
pode ser aplicada, contanto que A, B e C tenham uma interpretao local. Isto implica no fato
de que a classificao das equaes pode mudar em diferentes partes do domnio de resoluo.
As diferentes categorias de EDPs (Equaes Diferenciais Parciais) podem ser, grosseiramente, associadas aos diferentes tipos de escoamentos. Em geral, problemas dependentes do
tempo esto associados a EDPs do tipo parablico ou hiperblico. EDPs parablicas governam
escoamentos contendo mecanismos de dissipao, como a dissipao viscosa e trmica. Neste
caso, os gradientes decrescero para valores crescentes do tempo, se as condies de contorno
2.2. Classificao
42
no forem dependentes do tempo. No havendo mecanismos de dissipao, a soluo ter uma

amplitude constante no caso de uma EDP linear e poder aumentar caso ela seja no-linear.
Esta soluo governada por EDPs do tipo hiperblicas. As EDPs elpticas esto normalmente
associadas a problemas em regime permanente e de equilbrio. Entretanto, alguns problemas
em regime permanente so descritos por EDPs parablicas (escoamento do tipo camada limite)
e EDPs hiperblicas (escoamento supersnico no-viscoso).
Em se tratando de sistemas de equaes diferenciais, a classificao no pode ser feita
mediante uma simples inspeo das equaes. Usualmente necessrio examinarmos as caractersticas associadas s equaes, a fim de determinarmos de maneira correta a classificao.
2.2.1
Classificao pelas Caractersticas
A resoluo numrica de uma equao diferencial parcial requer que sejam fornecidas condies auxiliares (inicial e de contorno) adequadas. A especificao destas condies auxiliares
pode ser facilitada com a introduo do conceito das caractersticas. Em se tratando de um
problema bidimensional, caso existam caractersticas reais, elas sero representadas por curvas
no interior do domnio de resoluo. Ao longo destas curvas caractersticas so propagadas,
para o interior do domnio, as informaes provenientes das condies auxiliares. No caso de
problemas hiperblicos e para condies auxiliares contendo descontinuidades, estas condies
acarretam na existncia de solues que sero igualmente descontnuas.
Tomemos como exemplo o caso de uma equao diferencial parcial de primeira ordem na
forma:
u
u
+B
=C
(2.1)
t
x
na qual A, B e C podem ser funes de t, x e u, mas no podem ser funes das derivadas
da varivel dependente u, pois elas podem ser descontnuas nas caractersticas. Suponhamos,
agora, que u seja especificado ao longo de uma curva L no plano t x, Fig. 2.1. Vamos tambm
introduzir, neste plano, uma curva caracterstica C que intercepta a curva L no ponto p de
coordenadas (xp ,tp ), conforme representado na Fig. 2.1. Ao longo da curva caracterstica C
temos que [9]
A
du =
u
u
dt +
dx
t
x
para dt e dx infinitesimais.
Combinando as Eqs. (2.1) e (2.2) de modo a eliminarmos o termo u/t

dx B u
du C
dt
A x
dt
A
Para que u/x possa ser indeterminado ao longo da curva C, devemos fazer
dx
B
=
dt
A
(2.2)
43
x
L
C
xp
tp
Figura 2.1: Curva caractersticas no plano t-x.
de modo que esta equao define a curva caracterstica C e vemos que

du
C
=
dt
A
ao longo da caracterstica. A resoluo numrica desta equao fornece o valor de u.
Da integrao da equao que define a curva caracterstica vemos que existe uma infinidade
de curvas caractersticas no plano t x. Em particular, para B/A =constante, temos que as
caractersticas so retas e as suas equaes so dadas por:

B
(t t0 )
x(t) x0 =
A
onde as constantes x0 e t0 representam as coordenadas de um ponto qualquer sobre a caracterstica.
Finalizando, o conhecimento do valor de u no ponto p sobre a curva L, que intercepta a
curva caracterstica C, permite que determinemos a varivel dependente u mediante a resoluo
de dois problemas de valor inicial (PVI):
dx
B
=
dt
A
x(tp ) = xp
que fornece os valores de x e t de todos os pontos que se encontram sobre a caracterstica C
2.2. Classificao
44
que passa pelo ponto (tp ,xp ) e
du
C
=
dt
A
u(tp ) = up
que prov os valores de u ao longo da caracterstica. Os valores de u que no se encontram

sobre esta caracterstica devem ser determinados pela resoluo dos mesmos problemas de valor
inicial, mas para novas condies iniciais.
Problemas para os quais mais de uma caracterstica passam por um mesmo ponto apresentam a formao de choques nestes pontos. O choque resultante da propagao de informaes
diferentes ou conflitantes do valor da varivel dependente ao longo das caractersticas. Esta
situao comum, por exemplo, em escoamentos compressveis [9].
Vamos, agora, considerar o caso de uma equao diferencial parcial de segunda ordem.
Conforme visto na no incio desta seo, somente os coeficientes dos termos das derivadas de
maior ordem determinam a classificao das EDPs. Portanto, conveniente reescrevermos a
equao diferencial na forma
A
2u
2u
2u
+
B
+
C
+H =0
x2
xy
y 2
(2.3)
onde H contm todos os outros termos da equao e A, B e C podem ser funes de x e

y. Podemos obter, para cada ponto do domnio, duas direes nas quais a integrao desta
equao envolva apenas diferenciais totais. A existncia dessas direes (caractersticas) est
diretamente relacionada com a classificao da EDP.
Uma curva K agora introduzida no interior do domnio de resoluo, de maneira que
u/x, u/y, 2 u/x2 , 2 u/xy, 2 u/y 2 e u satisfaam a equao diferencial. Ao longo da
tangente curva K as diferenciais totais de u/x e u/y satisfazem

u
u
u
=
dx +
dy
(2.4)
d
x
x x
y x

u
u
u
d
=
dx +
dy
(2.5)
y
x y
y y
e a equao diferencial (2.3) pode ser escrita na forma
AR + BS + CT + H = 0
(2.6)
se ns introduzirmos as variveis
P =
u
;
x
Q=
u
;
y
R=
2u
;
x2
S=
2u
;
xy
T =
2u
y 2
Utilizando os resultados anteriores das diferenciais totais dP e dQ, Eqs. (2.4)-(2.5), podemos
eliminar R e T da Eq. (2.6)

dP
dy
dQ
dx
A
S
+ BS + C
S
+H =0
dx
dx
dy
dy
45
ou ainda, multiplicando pelo valor da inclinao da tangente curva K (dy/dx)

"
#

2
dy
dy
dP
dy
dQ
S A
B
+C A
+H
+C
=0
dx
dx
dx
dx
dx
escolhendo dy/dx de maneira que S seja indeterminado ao longo da curva caracterstica
2

dy
dy
A
B
+C =0
dx
dx
As curvas y(x) que satisfazem a esta equao so chamadas de caractersticas da equao diferencial parcial. Ao longo destas curvas, as derivadas segunda no so unicamente determinadas
pelos valores especificados de u e de suas derivadas primeira e descontinuidades nas derivadas de
mais alta ordem podem existir. Neste caso, a equao diferencial parcial anterior fica reduzida
seguinte forma:

dy
dQ
dP
+H
+C
=0
A
dx
dx
dx
Assim sendo, as duas razes da equao quadrtica em dy/dx definem as direes caractersticas para as quais a equao acima vlida.
Dos resultados do primeira seo, vemos que as EDPs tambm podem ser classificadas de
acordo com as caractersticas:
i) elptica, caso as caractersticas sejam complexas;
ii) parablica, caso exista uma caracterstica real;
iii) hiperblica, caso as duas caractersticas sejam reais.
Portanto, a determinao do discriminante, B 2 4AC, determina o tipo da EDP e a natureza
das caractersticas.
2.2.2
Equaes a N Variveis Independentes
Em se tratando de mais de duas variveis independentes, ser conveniente trabalharmos

com a equao diferencial na forma
N
N X
X
j=1 k=1
ajk
2u
+H =0
xj xk
onde N o nmero de variveis independentes e os ajk so os coeficientes da matriz A. A

classificao das EDPs ser obtida, nesta caso, a partir da anlise dos autovalores da matriz A:
i) elptica, se todos os autovalores so diferentes de zero e tm o mesmo sinal;
ii) parablica, se algum dos autovalores for nulo;
iii) hiperblica, se todos os autovalores so diferentes de zero e todos, menos um, tiverem o
mesmo sinal.
2.2. Classificao
46
2.2.3
Transformao de Coordenadas
Vamos nos preocupar agora com o que acontece com a classificao das EDPs, quando
introduzimos uma transformao de coordenadas. As novas variveis independentes (, ) sero
introduzidas no lugar de (x, y) e assumiremos que as transformaes = (x, y) e = (x, y)
so conhecidas. No caso geral, sabemos que para u(, )
u u
u
=
+
x
x x
u
u u
=
+
y
y y

2u
u
=
+
+
x2
x x
x x

2u

=
+
+
u
y 2
y y
y y

2u
=
+
+
u
xy
x x
y y
Assim, podemos reescrever a EDP (2.3) na forma
A0
2
2
2u
0 u
0 u
+
B
+
C
+ H0 = 0
2
2
onde,

A =A
2

+B
+C
x y

+
x y y x

+B
+C
x y

+B
B = 2A
x x
0
C =A
2
2
+ 2C

y y
2
Destes resultados vemos que o discriminante B 0 2 4A0 C 0 pode ser obtido a partir da relao
2
B 0 4A0 C 0 = J 2 B 2 4AC
onde J o Jacobiano da transformao de coordenadas J = x y y x . Este importante

resultado garante que a classificao das EDPs independe do sistema de coordenadas.
2.2.4
47
Sistema de Equaes
Na prtica, como veremos no Captulo 3, as equaes que governam o escoamento de fluidos

formam um sistema ao invs de uma nica equao. Em se tratando de um sistema de duas
EDPs com derivadas de primeira ordem nas duas variveis independentes, podemos representlo como
u
u

~q
~q
A11 A12 x
B11 B12 y
D1
~
A
+B
=
=D
(2.7)
+
=
A21 A22 v
B21 B22 v
D2
x
y
x
y
onde o vetor ~q tem como componentes u(x, y) e v(x, y).
Vamos determinar, em seguida, quais so as condies para que tenhamos somente as diferenciais totais:
u u

x y
du
dx
dv
v v dy
x y
ao longo das direes caractersticas dy/dx. Para o sistema de equaes dado, isto equivalente
a procurarmos multiplicadores L1 e L2 . Para tanto, vamos multiplicar a primeira componente
escalar da equao vetorial (2.7) por L1 , a segunda por L2 e adicionarmos ambas as equaes
resultantes

u
v
v
u
u
v
v
u
+ B11
+ A12
+ B12
+ L2 A21
+ B21
+ A22
+ B22
=
L1 A11
x
y
x
y
x
y
x
y
= L1 D1 + L2 D2
ou ainda,
u
u
+ (L1 B11 + L2 B21 ) +
x
y
v
v
+ (L1 A12 + L2 A22 )
+ (L1 B12 + L2 B22 )
= m1 du + m2 dv
x
y
Das relaes das diferenciais totais, m1 du + m2 dv, vemos que
L1 A11 + L2 A21 = m1 dx
L1 B11 + L2 B21 = m1 dy
L
1 A12 + L2 A22 = m2 dx
L1 B12 + L2 B22 = m2 dy
(L1 A11 + L2 A21 )
Eliminando m1 e m2 nestas equaes e rearrumando

(A11 dy B11 dx) (A21 dy B21 dx)
L1 = 0
L2
(A12 dy B12 dx) (A22 dy B22 dx)
2.2. Classificao
48
e a condio para que tenhamos uma soluo no-trivial deste sistema a de que

dy
det A B = 0
dx
ou ainda,

(A11 A22 A21 A12 )
dy
dx
2
(A11 B22 A21 B12 + B11 A22 B21 A12 )
dy
+
dx
+ (B11 B22 B21 B12 ) = 0

A classificao do sistema de equaes ser dada em funo das razes desta equao do
segundo grau:
i) elptico, se o discriminante for negativo e as duas razes complexas;
ii) parablico, se o discriminante for nulo e uma raiz real;
iii) hiperblico, se o discriminante for positivo e as duas razes reais.
Estes resultados podem ser generalizados para o caso de sistemas com n equaes diferenciais
de primeira ordem com duas variveis independentes. O carter do sistema de equaes ser
determinado pelas n razes da equao

dy
det A B = 0
dx
ou seja:
i) elptico, se no forem obtidas razes reais;
ii) parablico, se obtivermos m razes reais (1 m n 1) e nenhuma raiz complexa for
obtida;
iii) hiperblico, se forem encontradas n razes reais.
Para grandes sistemas de equaes, algumas razes podem ser complexas e outras reais, o
que representa um sistema misto. Na prtica, a diviso mais importante dada entre sistemas elpticos e no-elpticos, uma vez que estes ltimos permitem um comportamento do tipo
evoluo no tempo.
A classificao acima tambm se aplica a sistemas de equaes com derivadas de segunda
ordem, uma vez que podemos introduzir variveis auxiliares a fim de transform-los em sistemas
maiores de primeira ordem. Entretanto, existe o risco de obtermos matrizes A e B singulares
e cuidado deve ser tomado para que evitemos que isto acontea.
Para sistemas de equaes de primeira ordem com mais de duas variveis independentes:
A
~q
~q
~q
~
+B
+C
=D
x
y
z
49
onde ~q o vetor cujas n componentes so as variveis dependentes, podemos classific-lo a

partir das razes do polinmio caracterstico de grau n

det Ax + By + Cz = 0
com x , y e z definindo as direes normais a uma determinada superfcie no ponto (x, y, z).
Esta equao fornece, portanto, as condies para que esta superfcie seja uma superfcie caracterstica.
2.2.5
Classificao pela Anlise de Fourier
A classificao das EDPs pelas caractersticas nos leva a interpretao das razes de um
polinmio caracterstico, onde elas determinam as direes caractersticas ou superfcies caractersticas no caso de mais de duas variveis independentes.
Entretanto, o polinmio caracterstico tambm pode ser obtido a partir da anlise de Fourier
da equao diferencial parcial. Neste caso, a interpretao fsica das razes outra, embora a
classificao com base na natureza das razes permanea a mesma. A anlise de Fourier
vantajosa no caso de sistemas de equaes com derivadas de ordem superior a um, uma vez
que ela evita a construo de sistemas maiores de primeira ordem e a possibilidade de que este
sistema seja singular.
A fim de aplicarmos a anlise de Fourier, na classificao das EDPs, faremos uso dos seguintes resultados [10]: A transformada de Fourier F definida pela expresso
Z +
1
eix f (x) dx
F(f ) =
2
um operador linear, isto ,
F(f + g) = F(f ) + F(g)
para f e g funes do espao L1 e e nmeros complexos quaisquer. O espao L1 aquele
onde f , g, |f | e |g| so integrveis (integral de Riemann).
Caso f : R C seja uma funo de decrescimento rpido, ento,
F (Dn f ) = (i)n F(f )
para todo inteiro n 1. Em geral, se P (x) um polinmio,
F [P (D)f ] = P (i)F(f )
onde Dn indica a derivada de ordem n.
De fato, da propriedade de linearidade podemos escrever

F D + D2 + D3 + . . . f = F(Df ) + F(D2 f ) + F(D3 f ) + . . .
2.3. Problema Bem-Posto
50
Aplicando a transformada de Fourier ao primeiro termo dessa equao obtemos

Z +
1
F(Df ) =
eix f 0 (x) dx
2
que, aps integrao por partes, resulta em
Z +
+
1

ix
F(Df ) = e
f (x) +i
eix f (x) dx
= iF(f )
2 |
{z }
=0
Da mesma forma temos que
1
F(D f ) =
2
2
ix 0 +
e
f (x) +i
|
{z }
2
eix f 0 (x) dx
= (i) F(f )
=0
Assim, por induo podemos demostrar que F [P (D)f ] = P (i)F.

Aplicando, em seguida, a transformada de Fourier equao diferencial parcial de segunda
ordem
2u
2u
2u
A 2 +B
+C 2 =0
x
xy
y
obtemos como resultado

A (ix )2 + B(ix iy ) + C (iy )2 u = 0
ou ainda,

A
x
y

B
x
y

C u = 0
onde u = F(u) a transformada de Fourier de u(x, y) e a natureza desta equao depende das
razes deste polinmio, ou seja, dos coeficientes A, B e C conforme descrito na Seo 2.2.
Este mtodo de obteno do polinmio caracterstico se aplica para A, B e C funes das
variveis independentes. Caso estes coeficientes sejam funes das variveis dependentes, necessrio congelarmos os seus valores locais antes de aplicarmos a transformada de Fourier [11].
2.3
Problema Bem-Posto
Antes de prosseguirmos com a interpretao fsica dos diferentes tipos de EDPs, vamos ver
o que significa um problema bem-posto em termos matemticos. Dizemos que as equaes que
governam um fenmeno fsico e as suas condies inicial e de contorno formam um problema
bem-posto se:
51
i) uma soluo existe;

ii) a soluo nica;
iii) a soluo depende continuamente dos dados iniciais.
Normalmente, a questo da existncia da soluo no criar nenhuma dificuldade, a no
ser no caso da resoluo da equao de Laplace com um termo fonte no interior do domnio de
resoluo [11].
Condies de no-unicidade se devem usualmente ao fato de que as condies de contorno
no so impostas adequadamente de acordo com o tipo de EDP. Em geral, a falta de condies
de contorno acarreta na no-unicidade de soluo e o excesso de condies leva a solues,
prximas da fronteira em questo, que no so fsicas. Existem alguns problemas de escoamento
que podem admitir mltiplas solues fsicas. Estas situaes normalmente aparecem no caso
de escoamentos sofrendo transies entre os regimes laminar e turbulento.
O ltimo critrio requer que pequenas mudanas nas condies inicial e de contorno, acarretem somente pequenas mudanas na soluo. Como na resoluo numrica as condies
auxiliares (inicial e de contorno) so introduzidas com aproximaes, a no observncia deste
critrio far com que os erros se propaguem no domnio de resoluo, causando um crescimento
rpido da soluo numrica, particularmente no caso das EDPs hiperblicas.
Estes critrios so usualmente atribudos a Hadamard [11]. Complementando o que foi dito,
podemos fazer um paralelo e definirmos um problema computacional bem-posto como sendo
aquele onde:
i) uma soluo computacional existe;
ii) a soluo computacional nica;
iii) a soluo computacional depende continuamente dos dados iniciais e das condies de
contorno numricas.
O processo de obteno de uma soluo computacional passa pela especificao aproximada
das condies auxiliares, pela discretizao das EDPs e pela implementao do algoritmo numrico. Portanto, para que um problema computacional seja bem-posto, necessrio que o
problema matemtico seja bem-posto e que o algoritmo seja estvel. Fica entendido aqui que
a soluo aproximada, produzida pelo problema computacional bemposto, ser prxima da
soluo exata do problema matemtico bemposto.
2.3.1
Condies de Contorno e Inicial
Da discusso anterior sobre os problemas bem-postos, ficou claro que as condies auxiliares
so o ponto de partida na obteno da soluo no interior do domnio de resoluo. As condies
iniciais so fornecidas inicialmente em todo o domnio R de resoluo, enquanto que as condies
de contorno so especificadas na fronteira R deste domnio, nas seguintes trs formas:
2.3. Problema Bem-Posto
52
~n
~s
R
R
Figura 2.2: Domnio computacional R.
i) condio de Dirichlet, u = f em R;
ii) condio de Neumann, u/~n = f ou u/~s = g em R;
iii) condio mista ou de Robin, u/~n + ku = f , k > 0, em R.
Nas condies auxiliares ii) e iii), /~n denota a derivada normal direcionada de dentro para
fora do domnio de resoluo e /~s indica a derivada tangencial, Fig. 2.2.
Existem trs tipos de problemas associados s condies auxiliares: o problema de valor
de contorno (PVC), onde as condies so impostas na fronteira do domnio; o problema de
valor inicial (PVI), onde as condies so fornecidas para um tempo inicial fixado; e o problema
misto, onde impomos uma condio inicial e condies de contorno. Normalmente, os problemas
de contorno esto associados aos problemas elpticos, o problema de valor inicial s equaes
hiperblicas e o problema misto s equaes parablicas. Entretanto, as equaes hiperblicas
tambm podem admitir condies do tipo inicial e de contorno. Um problema de valor inicial
s ser bem-posto para sistemas hiperblicos e um problema de contorno s ser bem-posto
para sistemas elpticos.
Na maior parte dos escoamentos, cujas solues so obtidas a partir das equaes de NavierStokes em termos das variveis primitivas (u, v, p, etc.), pelo menos uma componente do vetor
velocidade ou a presso so dadas na fronteira. Este um exemplo de uma condio de Dirichlet
para a velocidade ou a presso. No caso do escoamento potencial no-viscoso de um fluido
compressvel, a condio /~n = 0 na superfcie do slido um exemplo de uma condio
do tipo Neumann. Condies do tipo mista no so comuns em mecnica dos fluidos, mas
ocorrem com frequncia em problemas de transferncia de calor. Condies de Dirichlet podem
ser aplicadas computacionalmente de maneira exata. Entretanto, as condies de Neumann
ou de Robin s podem ser introduzidas de maneira aproximada, acarretando, assim, num erro
numrico.
2.4
53
Equaes Diferenciais Hiperblicas
O desenvolvimento que ser apresentado no estudo das EDPs hiperblicas, tomar por base
a equao unidimensional da onda em regime transiente
2
2u
2 u
c
=0
t2
x2
(2.8)
onde nesta equao c representa a magnitude da velocidade de propagao da onda. A falta de

atenuao uma caracterstica das equaes lineares hiperblicas.
Aplicando os resultados apreendidos anteriormente, para A = 1, B = 0 e C = c2 , ns
obtemos as duas direes caractersticas
dx
= c
dt
que representam duas caractersticas reais. Em alguns casos, as caractersticas podem depender
da soluo local e, em geral, so curvas. No resultado acima, as caractersticas so linhas retas
se c for constante e curvas caso c seja funo de u, x ou t.
2.4.1
Interpretao em Bases Fsicas
Como j foi dito, as EDPs hiperblicas esto associadas aos problemas de propagao sem
dissipao. A presena de caractersticas reais, conforme mostrado na Fig. 2.3, implica no
fato de que um distrbio na soluo u no ponto P s pode influenciar o resto da soluo no
domnio CPD. Reciprocamente, a soluo em P influenciada unicamente pelas perturbaes
no domnio AP B.
Alm do mais, se as condies iniciais so especificadas para t = 0, em AB, elas so
suficientes para se determinar a soluo em P univocamente. Isto pode ser mostrado, no caso
de uma onda, introduzindo novas variveis independentes (, ) [9, 12]
= x + ct
= x ct
de modo que v(, ) = u(x, t). Aps substituio na equao da onda (2.8)
4c2
2v
=0
ou ainda,

=0
Podemos verificar facilmente que a Eq. (2.9) admite como soluo

v(, ) = f () + g()
(2.9)
2.4. Equaes Diferenciais Hiperblicas
54
Domnio
de
Dependncia
Domnio
de
Influncia
B
x - ct
i
i
x + ct
i
i
Figura 2.3: Caractersticas para a equao da onda.
sendo f e g funes de classe C 2 arbitrrias. Ento, a soluo de dAlembert pode ser escrita
como
u(x, t) = f (x + ct) + g(x ct)
Vamos agora utilizar as condies iniciais
u(x, 0) = s(x)
u(x, 0) = r(x)
t
para determinarmos as funes f e g, supondo que s(x) de classe C 2 e r(x) de classe C 1 em
< x < +. Aplicando estas condies, obtemos
uma vez que
u

t t=0
u(x, 0) =
f (x) + g(x) = s(x)
u(x, 0) = cf 0 (x) cg 0 (x) = r(x)

t
f
f
f
g
=
c , ou ainda,
+
=c
t t=0 t t=0
x
x
u(x, 0) =
f (x) + g(x) = s(x)
Z
1 x
r(s)ds + K
f (x) g(x) =
c 0
55
Resolvendo este sistema encontramos

Z
1
1 x
f (x) =
s(x) +
r(s)ds + K
2
c 0

Z
1
1 x
g(x) =
s(x)
r(s)ds K
2
c 0
Portanto,

Z
1 x+ct
1
s(x + ct) +
r(s)ds + K
f (x + ct) =
2
c 0

Z
1
1 0
g(x ct) =
s(x ct) +
r(s)ds K
2
c xct
Substituindo estes resultados na soluo de dAlembert, obtemos a forma final da soluo
da equao da onda (2.9)

Z
1 x+ct
1
r(s)ds
s(x + ct) + s(x ct) +
u(x, t) =
2
c xct
(2.10)
que conhecida como a frmula de dAlembert. Portanto, a soluo no ponto P determinada

univocamente pelas condies introduzidas em AB.
Para as equaes hiperblicas, no existem mecanismos de dissipao presentes. Isto implica
no fato de que caso as condies iniciais (ou de contorno) contenham descontinuidades, elas vo
ser transmitidas para o interior do domnio ao longo das direes caractersticas, sem atenuao
das descontinuidades no caso das equaes lineares. Este resultado consistente com o fato de
que descontinuidades na derivada normal podem ocorrer quando as caractersticas se cruzam.
A ttulo de exemplo, vamos obter a soluo da equao da onda (2.8) para as seguintes
condies iniciais:
u(x, 0) = sen (x)
u(x, 0) = 0
t
Empregando a frmula de dAlembert (2.10) sabemos que a soluo ser dada por
u(x, t) =
1
[sen (x + ct) + sen (x ct)]
2
ou ainda, utilizando a relao trigonomtrica sen (a b) = sen (a) cos(b) cos(a)sen (b),
u(x, t) = sen (x) cos(ct)
que representa a propagao de uma onda senoidal sem atenuao, conforme podemos atestar
da sua representao grfica mostrada na Fig. 2.4.
2.4. Equaes Diferenciais Hiperblicas
56
Equao da Onda
1
0.8
0.6
0.4
u(x,t)
0.2
0
0.2
0.4
0.6
0.8
1
1
0.5
x
0
10
Figura 2.4: Propagao de uma onda senoidal.
2.4.2
Condies de Contorno e Inicial Apropriadas
Vamos considerar agora o sistema de primeira ordem em u e v

A11
u
v
v
u
+ B11
+ A12
+ B12
= D1
x
y
x
y
u
u
v
v
+ B21
+ A22
+ B22
= D2
x
y
x
y
Esta escolha se deve ao fato de que para valores particulares, dos coeficientes das matrizes A e
B, esse sistema se aplica diretamente ao caso de um escoamento supersnico no-viscoso. Este
sistema possui duas direes caractersticas que denominaremos e .
Conforme j foi visto, os sistemas de EDPs hiperblicas s admitem condies iniciais ou
mistas (inicial e de contorno). No caso do regime permanente, podemos distinguir trs casos,
Fig. 2.5. No primeiro, os dados so fornecidos para u e v numa curva que no caracterstica AB
e determinam univocamente a soluo no ponto P . No segundo, os dados so introduzidos em
uma curva que no caracterstica e em uma curva caracterstica AD. Assim, u e v devem ser
especificados em ambas as curvas, de maneira que u e v sero conhecidos no ponto A. O ltimo
caso similar ao anterior, exceto pelo fato de neste caso AB e AD so curvas caractersticas.
Em se tratando do regime transiente e para um domnio computacional definido por x 0
e t 0, vemos que um ponto P prximo fronteira x = 0 parcialmente determinado pelas
condies de contorno em AC e parcialmente pelas condies iniciais em AB. Neste caso, u e
v devem ser especificados em AB e em AC devemos fornecer u ou v, conforme mostrado na
Fig. 2.6.
A21
57
P
P
B
D
B
A
P
D
B
A
Figura 2.5: Condies de contorno para o caso hiperblico.
t
C
0110
1010
1010
1010 P
1010
1010
1010
1010
000000000000000000
111111111111111111
10x=0
000000000000000000B
111111111111111111
Figura 2.6: Condies auxiliares para o caso transiente.
2.5. Equaes Diferenciais Parablicas
58
D
F
111
000
00
11
000
111
00
11
Domnio de Dependncia
000
111
00
11
000
111
00
11
t=t 111
00
11
i 000
000
111
00
11
A
B
000
111
00
11
000
111
00
11
000
111
00
11
000
00
11
u(0,t)=f(t) 111
u(1,t)=g(t)
000
111
00
11
000
111
00
11
000
111
00
11
000
111
00
11
000
111
00
11
000
111
00
11
t1
000
111
00
11
010
000
111
00
11
000
111
00
11
10100000
11111
00000000000000000000
11111111111111111111
000
111
00E
0
0000000000000000000011
C11111111111111111111
x
00000000000000000000
11111111111111111111
x=0
u(x,0)=u (x)
0
x=1
Figura 2.7: Domnio computacional para uma EDP parablica.
2.5
Equaes Diferenciais Parablicas
As EDPs parablicas aparecem quando os problemas de propagao incluem mecanismos

de dissipao, tais como a dissipao viscosa e a conduo de calor. O exemplo clssico de
uma EDP parablica a equao unidimensional de difuso (ou conduo) de calor em regime
transiente
u
2u
= 2
(2.11)
t
x
Dos resultados apresentados na Seo 2.2.1, para A = 1, B = C = 0, vemos que a nica
direo caracterstica definida por
dt
=0
dx
ou ainda,
dx
=
dt
Diferentemente da situao das equaes hiperblicas, as derivadas de u so sempre contnuas cruzando a linha t = ti da Fig. 2.7.
Para as condies inicial u = sen (x) e de contorno u(0, t) = u(1, t) = 0, a equao de
conduo de calor (2.11) possui a seguinte soluo exata1

u(x, t) = sen (x) exp 2 t
Esta soluo, que apresenta um decaimento exponencial, contrasta com a soluo puramente
oscilatria da equao da onda, conforme representado na Fig. 2.8.
1
Obtida, por exemplo, a partir do Mtodo de Separao de Variveis [13].
59
Figura 2.8: Decaimento exponencial de uma senide.
2.5.1
Problemas parablicos so tpicos de solues que evoluem no tempo e que so difusivas

no espao. Assim, uma perturbao da soluo introduzida no ponto P da Fig. 2.7, pode
influenciar qualquer ponto do domnio computacional para t ti . Contudo, a magnitude desta
perturbao ser rapidamente atenuada medida em que ela se afasta do ponto P .
A incorporao de mecanismos de dissipao implica no fato de que, mesmo se as condies
iniciais contenham descontinuidades, a soluo no interior do domnio ser sempre contnua.
As EDPs que em mais de uma varivel espacial so parablicas no tempo, tornam-se elpticas
em regime permanente, caso exista a soluo para o regime permanente.
2.5.2
Condies de Contorno e Inicial Apropriadas
Na fronteira CE, da Fig. 2.7, necessrio especificar condies iniciais do tipo Dirichlet.
Para as fronteiras CD e EF , qualquer combinao de condies do tipo Dirichlet, Neumann ou
de Robin so aceitveis. Entretanto, caso sejam especificadas condies do tipo de Dirichlet,
necessrio assegurarmos a continuidade destas condies com as condies iniciais fornecidas
em C e E. Caso contrrio, teremos solues que apresentaro grandes gradientes prximos C
e E, o que pode criar dificuldades na resoluo numrica. Em se tratando de sistemas de EDPs
parablicas, condies iniciais em CE e condies de contorno em CD e EF so necessrias
para todas as variveis dependentes.
2.6. Equaes Diferenciais Elpticas
60
Figura 2.9: Soluo da equao de Laplace.
2.6
Equaes Diferenciais Elpticas
As EDPs elpticas esto, em geral, associadas aos problemas em regime permanente ou de

equilbrio. Um exemplo simples de uma EDP elptica a equao de Laplace
2 2
+
=0
x2 y 2
(2.12)
que governa o escoamento potencial incompressvel. Para as seguintes condies de contorno

(x, 0) = sen (x)
(x, 1) = sen (x) exp()
(0, y) = (1, y) = 0
a Eq. (2.12) possui a seguinte soluo exata2
(x, y) = sen (x) exp(y)
no domnio 0 x 1, 0 y 1, vide a Fig. 2.9.
Para EDPs elpticas de segunda ordem do tipo
A
2
2
2
2
+
B
+
C
+D
+E
+ Fu + G = 0
2
2
x
xy
y
x
y
Esta soluo tambm pode ser determinada mediante aplicao do Mtodo de Separao de Variveis [13].
61
00000000000000000000
11111111111111111111
D 11111111111111111111
C
00000000000000000000
111
000
00
0000000000000000000011
11111111111111111111
000
111
00
11
000
111
00
11
000
111
00
11
000
111
00
11
000
111
00
11
000
111
00
11
000
111
00
11
P
000
111
00
11
000
111
00
11
000
111
00
11
000
111
00
11
000
111
00
11
000
111
00
11
000
111
00
11
000
111
00
11
y1
000
111
00
11
0
000
111
00
11
0
1
000
111
00
11
0
1
00000000000000000000
11111111111111111111
00000
11111
000
111
00B
11
0
1
00000000000000000000
A11111111111111111111
x
00000000000000000000
11111111111111111111
Figura 2.10: Domnio computacional para uma EDP elptica.
onde 4AC < B 2 , um importante princpio de mximo existe: os valores mximos e mnimos
de devem ocorrer na fronteira R do domnio, exceto no caso trivial onde constante.
Sabemos que as EDPs elpticas apresentam caractersticas que so complexas e no podem
ser representadas no domnio computacional que real. Portanto, na dinmica dos fluidos a
identificao destas direes caractersticas no apresenta nenhuma utilidade prtica.
2.6.1
A mais importante propriedade de uma EDP elptica que um distrbio introduzido num
ponto P do interior do domnio de resoluo (Fig. 2.10), influencia todos os outros pontos no
domnio computacional, embora longe do ponto P a influncia seja pequena. Isto quer dizer que
na determinao numrica da soluo de problemas elpticos, necessrio levarmos em conta
o domnio global. Em contrapartida, as EDPs parablicas e hiperblicas podem ser resolvidas
caso avancemos progressivamente no tempo a partir das condies iniciais. As condies de
contorno descontnuas das EDPs elpticas so atenuadas no interior do domnio de resoluo.
2.6.2
Condies de Contorno Apropriadas
A capacidade de influenciar todos os pontos do domnio, a partir do interior, exige que

as condies de contorno sejam impostas em todas as fronteiras do domnio, conforme est
esquematizado na Fig. 2.10. As condies de contorno podem ser qualquer combinao do tipo
Dirichlet, Neumann ou Robin. Contudo, se condies do tipo Neumann, /~n = f (s), so
aplicadas em todas as fronteiras, devemos tomar cuidado a fim de que os valores especificados
sejam consistentes com a equao diferencial que governa o fenmeno fsico em questo.
2.6. Equaes Diferenciais Elpticas
62
Do teorema de Green sabemos que

I
Z
2
dR =
R
I
~n ds =
f ds
R
o que implica numa restrio para as condies de contorno do tipo Neumann, caso as equaes
sejam as de Laplace ou de Poisson.
CAPTULO 3
EQUAES DE BALANO
Na obteno das equaes de balano, vamos requerer que a massa e a energia sejam conservadas e que a taxa de variao da quantidade de movimento (momentum) seja igual ao
somatrio das foras agindo sobre o corpo. Como resultado teremos 5 equaes de balano: 1
equao da continuidade, 3 equaes de balano de momentum e 1 equao de energia
3.1
Equao da Continuidade
Para um volume de controle arbitrrio V , fixo no espao e no tempo, a conservao da

massa requer que a taxa de variao da massa no interior do volume de controle seja igual ao
fluxo de massa cruzando a sua superfcie
Z
Z
Z
d
dV =
dV + ~v ~n dS = 0
dt V
V t
S
onde ~n a normal unitria superfcie do volume de controle, direcionada de dentro para fora.
Usando o teorema de Gauss, esse resultado pode ser expresso na forma

Z
+ (~v ) dV = 0
t
V
Agora, como o volume de controle V arbitrrio,
+ (~v ) = 0
t
ou ainda,
D
+ ~v + ~v =
+ ~v = 0
Dt
|t {z
}
=D/Dt
63
3.2. Equaes do Momentum
64
onde D/Dt representa a derivada material.

Para escoamentos incompressveis ( constante), temos que
~v = 0
e este resultado vlido tanto para o escoamento em regime permanente como para o escoamento em regime transiente.
3.2
Equaes do Momentum
A segunda lei de Euler diz que a taxa de variao do momentum linear deve ser igual ao
somatrio das foras agindo sobre o corpo. No caso de um pequeno elemento de fluido, tratado
como um sistema aberto,
Z
Z
Z
d
~v dV = ~t dS +
f~ dV
(3.1)
dt V
S
V
onde ~t o vetor tenso tal que ~tdS fornece a fora dF~ exercida sobre um elemento de rea
dS e f~ o vetor fora externa. A primeira integral, do lado direito do sinal de igualdade da
Eq. (3.1), representa a contribuio devida s foras de superfcie e a segunda contribuio
das foras externas agindo sobre o corpo.
Podemos mostrar [14] que o vetor tenso pode ser expresso em termos do tensor de tenses
T na forma ~t = T ~n, com as componentes do tensor sendo representadas pela matriz
xx xy xz
[Tij ] = yx yy yz
zx zy zz
onde representa as tenses normais e as tenses de cisalhamento.
Substituindo o vetor tenso ~t na equao integral (3.1) temos que
Z
Z
Z
d
T ~n dS +
f~ dV
~v dV =
dt V
S
V
e, em seguida, aplicando o teorema da divergncia
Z
Z

d
~v dV =
T + f~ dV
dt V
V
Podemos, ainda, trocar a ordem das operaes de diferenciao e integrao, se o teorema
de transporte [14]

Z
Z
d
dV =
+ (~v ) dV
dt V
t
V
for utilizado no lado direito da Eq. (3.1). Portanto,

Z
(~v )
~
+ (~v ~v ) T f dV = 0
t
V
Captulo 3. Equaes de Balano
65
ou ainda,

Z
~v
+ (~v ) ~v +~v
+ (~v ) T f dV = 0
t
t
V
|
{z
}
|
{z
}
=0
=D~v /Dt
Assim, visto que a integrao vlida para qualquer tamanho do volume de controle,
D~v
= T + f~
Dt
(3.2)
Da teoria das equaes constitutivas, sabemos que a forma mais geral de representao do
tensor de tenses para um fluido stokesiano [15]:

2
T = P I + f D = P I + f0 I + f1 D + f2 D

1
~v + ~v T o tensor taxa de deformao e
2
fi (i = 0, 1, 2) so funes dos invariantes principais do tensor taxa de deformao.
Um fluido dito ser stokesiano se ele satisfaz as seguintes hipteses [16]:
onde P a presso termodinmica, D =
1. O tensor de tenses T uma funo continua do tensor taxa de deformao D e do estado

termodinmico local, mas independente das outras quantidades cinemticas;
2. O fluido homogneo, isto , o tensor de tenses no depende explicitamente da posio;
3. O fluido isotrpico, isto , no existem direes preferenciais;
4. Quando no existir deformao, D = 0, a tenso hidrosttica e T = pI.

No caso de um fluido newtoniano f D linear e a equao constitutiva do tensor tenso
dada por [16]
T = P I + ( ~v ) I + 2D
onde a constante de proporcionalidade relacionando as tenses de cisalhamento e o gradiente
de velocidades, ou seja, a viscosidade dinmica e est relacionada com a viscosidade dinmica
2
pela relao = + , onde a viscosidade de volume ou segundo coeficiente de viscosidade.
3
Nesta expresso, a presso termodinmica P est relacionada com a presso mdia p mediante
a seguinte relao
P = p + ~v
Substituindo a expresso do tensor de tenses, para um fluido newtoniano na Eq. (3.2)

D~v
= P + ( ~v ) + ~v + ~v T + f~
Dt
3.3. Equao de Energia
66
No caso dos coeficientes e no dependerem da posio

~v + ~v T = (~v ) + ( ~v )
e a equao de balano pode ser reescrita na forma
D~v
= P + ( + ) ( ~v ) + ~v + f~
Dt
Em se tratando de um fluido incompressvel, ~v = 0, e essa equao fica reduzida forma
D~v
= P + ~v + f~
Dt
que conhecida como a equao de Navier-Stokes para um fluido newtoniano incompressvel.
3.3
Equao de Energia
A primeira lei da termodinmica diz que a taxa de variao da energia interna mais a energia
cintica de um corpo igual a taxa de trabalho realizado sobre o corpo mais a taxa de energia
fornecida ao corpo:
d
(E + K) =W + Q
dt
Para um volume arbitrrio V , esta lei pode ser reescrita na forma de uma equao integrodiferencial

Z
Z
Z

1
d
e + ~v ~v dV =
~v f~ dV + ~v T ~n dS
dt V
2
V
S
Z
Z
(~q ~n) dS +
Q dV
(3.3)
S
onde e a energia interna especfica, ~q o vetor fluxo de energia e Q representa a taxa de

transmisso de energia por unidade de massa. O primeiro termo do lado direito do sinal
de igualdade em (3.3) representa o trabalho realizado pelas foras externas e o segundo o
trabalho devido s foras de superfcie. Os dois ltimos termos representam o fluxo de energia
transferido atravs da fronteira do volume de controle e a energia externa transferida ao corpo,
respectivamente.
Aplicando o teorema de transporte, o teorema da divergncia e a equao da continuidade
podemos mostrar as seguintes igualdades:
Z
Z

~v T ~n dS =
T~v dV
S
Z
(~q ~n) dS =
~q dV
V
Captulo 3. Equaes de Balano
d
dt
Z
V
67

Z
1
1
1
e + ~v ~v dV =
e + ~v ~v + ~v e + ~v ~v dV
2
t
2
2
V
|
{z
}
D
1
= Dt
e+
~
v
~
v
( 2 )

Z
1
e + ~v ~v
+
+ (~v ) dV
2
t
V
|
{z
}
=0
Portanto, feitas todas as substituies na Eq. (3.3)

Z

1
D
~
e + ~v ~v T~v ~v f + ~q Q dV = 0
Dt
2
V
(3.4)
Sendo o volume V qualquer, conclumos que o integrando deve ser identicamente nulo

D
1
e + ~v ~v = ~q + T~v + ~v f~ + Q
Dt
2
Tomando agora o produto interno da equao de balano de momentum (3.2) por ~v

D~v
D 1
~v
=
~v ~v = T~v tr T ~v + ~v f~
Dt
Dt 2
e substituindo este resultado na Eq. (3.4) resulta em

De
= ~q + tr T ~v + Q
Dt
Esta equao ainda pode ser escrita em termos da presso termodinmica P e do tensor extra
de tenses S T + P I [14], de maneira que

De
= ~q P ~v + tr S~v + Q
Dt
(3.5)
Para um fluido incompressvel obtemos

De
= ~q + tr S~v + Q
Dt
Na prtica, trataremos de problemas que envolvem variaes de temperatura ao invs da

energia interna. Portanto, ser de grande utilidade reescrevermos a equao do balano de energia em termos da temperatura. Das relaes termodinmicas podemos relacionar as derivadas
materiais da energia interna com a derivada material da temperatura na forma [14]:

De
DT
P
DV
= cv
+ T
P
Dt
Dt
T V
Dt
3.3. Equao de Energia
68
onde cv a capacidade trmica do fluido por unidade de massa e a volume constante e da

equao da continuidade
DV
1 D
=
= ~v
Dt
Dt
Portanto,

De
DT
P
= cv
+ T
P ~v
Dt
Dt
T V
que aps substituio na equao do balano de energia (3.5) fornece a forma dessa equao
em termos da temperatura
DT
cv
= ~q T
Dt
P
T
~v + tr S~v
+ Q
Essa equao ainda pode ser simplificada em se tratando de um fluido incompressvel

DT
cv
= ~q + tr S~v + Q
Dt
Entretanto, nada ainda foi dito sobre o comportamento material do vetor fluxo de energia.
Neste caso, a lei de Fourier nos prope uma equao constitutiva simples para o vetor ~q [14]
~q = kT
onde k a condutividade trmica do material.
Obtemos, assim, a forma final da equao de energia em termos da temperatura
DT
= (kT ) T
cv
Dt
P
T

~v + tr S~v + Q
V
ou ainda, no caso de um fluido incompressvel,

cv

DT
= (kT ) + tr S~v + Q
Dt
Nessas equaes, o termo tr( S~v ) chamado de potncia de tenso por unidade de volume
e representa a energia dissipada devido existncia do atrito viscoso.
CAPTULO 4
DISCRETIZAO
O processo de se obter uma soluo computacional, das EDPs que governam os fenmenos
fsicos, consiste de duas etapas. Na primeira devemos converter as equaes diferenciais parciais
e as condies inicial e de contorno num sistema discreto de equaes algbricas. Esta primeira
etapa conhecida como a discretizao das equaes diferenciais. A segunda etapa se resume
no processo de obteno de uma soluo computacional do sistema de equaes algbricas, via
o emprego de uma tcnica de resoluo numrica.
A discretizao dos termos da equao diferencial acarreta na sua substituio por expresses
algbricas que correlacionam os valores nodais numa malha finita. Esta etapa introduz um erro
de truncamento. Na resoluo do sistema algbrico de equaes discretizadas, tambm podemos
introduzir um erro numrico que , em geral, desprezvel em comparao ao erro introduzido
pela discretizao. Entretanto, este erro pode ser considervel se o mtodo empregado na
resoluo do sistema algbrico no for estvel.
A fim de se converter uma(s) EDP(s) em um sistema algbrico de equaes (ou um sistema
de equaes diferenciais ordinrias), podemos dispor de vrias possibilidades de escolha. As
mais conhecidas so o mtodo de diferenas finitas, de elementos finitos, de volumes finitos e o
mtodo espectral.
Na prtica, as derivadas com respeito ao tempo so discretizadas quase que exclusivamente
pelo mtodo de diferenas finitas. Na discretizao das derivadas espaciais, todos os mtodos
citados acima so empregados.
O processo de discretizarmos uma EDP que governa, por exemplo, o escoamento de um
fluido, significa que substitumos o problema de acharmos uma soluo exata e contnua, pelo de
procurarmos uma soluo aproximada discreta, ou seja, determinamos os valores aproximados
nos ns da malha (Fig. 4.1) onde x representa o incremento de espao e t o incremento de
tempo.
A determinao precisa do valor da soluo aproximada entre os pontos nodais no bvia.
Deveramos esperar que a soluo aproximada variasse suavemente entre os pontos da malha.
Em princpio, qualquer valor da soluo aproximada, num ponto entre os ns, pode ser obtido
69
4.1. Discretizao Espacial
70
x
t
N
t
N-1
3
2
1
n=0
j=0
M-1
Figura 4.1: Malha discreta uniforme.
por interpolao a partir dos pontos nodais vizinhos.
4.1
Discretizao Espacial
Representemos a equao diferencial parcial, que queremos discretizar, na forma
= L
t
onde L o operador diferencial que contm as derivadas espaciais. Aps a sua discretizao
espacial, essa equao substituda por
j
= La j
t
onde a soluo aproximada de e La o operador algbrico resultante da discretizao
espacial do operador diferencial.
4.2
Discretizao no Tempo
Feita a discretizao no espao, qualquer tcnica de integrao de equaes diferenciais pode

ser aplicada ao resultado de maneira que obtemos
Z tn+1
n+1
n
j = j +
La j dt0
tn
Captulo 4. Discretizao
71
Empregando, por exemplo, o esquema de integrao de Euler nessa avaliao

n+1
= nj + (La j )n t
j
ou ainda, caso empreguemos a regra do trapzio
n+1
= nj +
j
4.3

1
(La j )n+1 + (La j )n t
2
Expanses em Sries de Taylor
O primeiro passo no desenvolvimento de um algoritmo, para se calcular os valores de

que aparecem na(s) EDP(s), o de expressar as derivadas de no ponto (j,n) em funo dos
valores de nos ns vizinhos. Expanses em srie de Taylor do tipo
nj+1

n
X
xm m
=
m!
xm j
m=0
n+1
j

n
X
tm m
=
m!
tm j
m=0
so empregadas nesse processo.

Essas sries podem ser truncadas para qualquer nmero de termos, sendo o erro de truncamento dominado pelo prximo termo na expanso se x 1 e t 1. Assim, podemos
escrever por exemplo
n

n
x2 2
n
n
+ O x3
j+1 = j + x
+
2
x j
2
x j
sendo o erro de truncamento proporcional a x3 . Obviamente, o erro decrescer rapidamente
de magnitude medida que x diminuir. Uma rpida inspeo dessa equao nos sugere a
seguinte representao
n

n

nj+1 nj
x 2
2
=
+
O
x
x j
x
2
x2 j
Usando a representao por diferenas finitas, temos que
n
nj+1 nj
=
x j
x
e essa representao apresenta um erro de truncamento da ordem de x. Essa aproximao
conhecida como forward difference ou diferena avanada. Expandindo nj1 em srie de Taylor
4.4. Tcnica Geral
72
em torno do ponto (j,n) e reagrupando os termos, ns obtemos a aproximao conhecida como

backward difference ou diferena recuada
n
nj nj1
=
x j
x
O mesmo pode ser feito com relao s derivadas no tempo
n
n+1
nj
=
t j
t
que introduz um erro da ordem de t, assumindo que t 1 e que as derivadas de maior
ordem so limitadas.
4.4
Tcnica Geral
Na seo precedente, vimos como as expresses em diferenas finitas foram obtidas a partir
de uma nica srie de Taylor. Uma tcnica mais geral para construirmos aproximaes das
derivadas, por diferenas finitas, pode ser obtida a partir da expresso geral
n
= anj1 + bnj + cnj+1 + O (xm )

(4.1)
x j
onde a, b e c so valores a serem determinados e o termo O (xm ) indica o erro introduzido
pela aproximao.
Expandindo nj1 e nj+1 em srie de Taylor em torno do ponto (j,n)
nj+1
nj

+ x
nj1 = nj x
n
n
x2
+
2
x2
2
+
j
2
x2
n
2
x2
n
+ O x3
+ O x3
e substituindo essas expresses na equao geral (4.1), obtemos

anj1
bnj
cnj+1
x2
+(a + c)
2
= (a + b +
2
x2
n
j
c)nj

+ (a + c)x
x3
+ (a + c)
6
3
x3
n
j
n
+ ...
j
1
1
e b = 2c +
para qualquer
x
x
2
valor de c. Escolhendo c de maneira que o termo em x desaparea (c = a), obtemos a
Fazendo a + b + c = 0 e (a + c)x = 1, resulta em a = c
73
aproximao com o menor erro de truncamento possvel para uma formulao a trs pontos, ou
1
seja, c = a =
e b = 0. Substituindo estes valores na expresso geral (4.1)
2x
n

nj+1 nj1 x2 3 n
+ ...
x j
2x
6
x3 j
Portanto, a representao por diferenas finitas dada por
n
nj+1 nj1
=
x j
2x
e possui um erro de truncamento da ordem de x2 e conhecida como diferena centrada.
Essa mesma tcnica pode ser usada no desenvolvimento de aproximaes multidimensionais
ou em malhas no-uniformes.
Empreguemos essa tcnica geral na obteno de uma representao algbrica de (/x)nj
utilizando uma formulao a trs pontos assimtrica
n
= anj + bnj+1 + cnj+2 + O (xm )

(4.2)
x j
Primeiramente, vamos expandir em srie de Taylor nj+1 e nj+2 em torno do ponto (j,n)

n

n
n

x2 2
x3 3
4
n
n
+
+
+
O
x
j+1 = j + x
x j
2
x2 j
6
x3 j
nj+2
nj

+ 2x
n
j
(2x)2
+
2
2
x2
n
j
(2x)3
+
6
3
x3
n
+ O x4
e, em seguida, substitu-la na expresso geral (4.2)

anj
"
bnj+1
cnj+2
= (a + b +
bx2 c (2x)2
+
+
2
2
#
2
x2
n
j
c)nj

+ (bx + 2cx)
x3
+ (b + 8c)
6
3
x3
n
j
n
+ ...
j
Comparando os dois lados da equao, vemos que as seguintes condies devem ser impostas
para que tenhamos o menor erro de truncamento
a+b+c=0
bx + 2cx = 1
bx2 c (2x)2
+
=0
2
2
4.5. Acurcia do Processo de Discretizao
74
Da resoluo desse sistema obtemos os seguintes valores para a, b e c

a=
1, 5
;
x
b=
2
;
x
c=
0, 5
x
e, finalmente,

n
j
1, 5nj + 2nj+1 0, 5nj+2 x2

=
+
x
3
3
x3
n
+ ...
j
Essa frmula tem um erro de truncamento de ordem igual ao da aproximao por diferena
centrada.
Caso queiramos incluir mais termos na representao, como por exemplo,
n
= anj + bnj+1 + cnj+2 + dnj+3

x j
devemos obter condies extras para a determinao de a, b, c e d exigindo que os coeficientes
multiplicando os termos de derivadas de mais alta ordem sejam nulos. Contudo, os esquemas baseados na discretizao de ordens mais altas apresentam condies de estabilidade mais
severas do que os esquemas baseados em discretizaes de baixa ordem, conforme veremos
posteriormente. Consequentemente, uma estratgia alternativa seria a de se escolher alguns
dos coeficientes de forma a reduzir o erro de truncamento e outros de maneira a melhorar a
estabilidade.
4.5
Acurcia do Processo de Discretizao
Conforme j foi visto, o processo de discretizao invariavelmente introduz um erro de

truncamento a menos que a soluo exata possua uma forma analtica simples. Os erros podem
ser caracterizados com respeito sua acurcia e sua preciso. Por acurcia entendemos que
uma medida de quo prximo um valor computado est do valor verdadeiro. Preciso referese
ao quo os valores calculados esto prximos entre si. Assim, o mtodo de diferenas centradas
exato para solues que apresentem uma forma analtica quadrtica
= ax2 + bx + c
uma vez que todos os termos contidos na expanso do erro de truncamento so nulos

n
nj+1 nj1
nj+1 nj1 x2 3 n
=
=
+
+
.
.
.
x j
2x
6
x3 j
2x
|
{z
}
=0
De maneira anloga, podemos constatar que os esquemas de diferenas avanadas e recuadas

s so exatos para formas lineares.
75
Em geral, uma avaliao do erro de truncamento fornece uma aproximao do erro numrico
se a malha for suficientemente refinada. Entretanto, uma avaliao completa dos termos da
srie de Taylor do erro de truncamento s possvel a partir do conhecimento da soluo exata.
Uma maneira direta de se avaliar a acurcia das vrias frmulas de discretizao a de
considerarmos uma determinada funo analtica e compararmos o valor da sua derivada com
os valores fornecidos pelos diferentes esquemas de discretizao. Como exemplo, vamos supor
que a soluo analtica seja dada por = exp(x) e vamos aferir a acurcia de 5 esquemas
diferentes de diferenas finitas:
Avanada

n
n
nj+1 nj
x
=
x
2
nj nj1 x
=
+
x
2
2
x2
n
2
x2
n
+ ...
j
Recuada

+ ...
j
Trs Pontos Simtrica (Centrada)

n
j
nj+1 nj1 x2
=
2x
6
3
x3
n
+ ...
j
Trs Pontos Assimtrica

n
j
1, 5nj + 2nj+1 0, 5nj+2 x2

=
+
x
3
3
x3
n
+ ...
j
Cinco Pontos Simtrica

n
j
nj2 8nj1 + 8nj+1 nj+2 x4

=
+
12x
30
5
x5
n
+ ...
j
Avaliando as derivadas no ponto x = 1 e tomando x = 0, 1, podemos comparar as diferentes frmulas de discretizao. Os resultados so mostrados na Tabela 4.1.
Conforme j deveramos esperar, os esquemas a trs pontos (simtrico e assimtrico) so
consideravelmente mais acurados do que os esquemas a dois pontos, mas menos acurados do
que a formulao a cinco pontos. No caso geral, os valores das derivadas de maior ordem podem
4.5. Acurcia do Processo de Discretizao
76
Tabela 4.1: Comparao da acurcia dos diferentes esquemas.

Caso
Derivada
|Erro|
|Erro de truncamento|
exata
2,7183
avanada
2,8588
0, 1406 100
0, 1359 100
recuada
2,5868
0, 1315 100
0, 1359 100
3 pontos simtrica
2,7228
0, 4533 102
0, 4531 102
3 pontos assimtrica
2,7085
0, 9773 102
0, 9061 102
5 pontos simtrica
2,7183
0, 9072 105
0, 9061 105
ser grandes e um incremento x menor do que 0, 1 deve ser empregado a fim de que o erro
possa ser aproximado pelo primeiro termo da expanso.
Grosseiramente, podemos expressar o erro computado diretamente como [11]
E = A (x)k
e o erro de truncamento como
Et = B (x)k
onde k o expoente do incremento x do primeiro termo da expanso aps o truncamento.
Assim, ns podemos inferir que o erro na soluo numrica para um k = 4 (5 pontos) ir decair
muito mais rapidamente, medida que a malha refinada, do que o erro correspondente a um
k = 2 (3 pontos).
Dos resultados apresentados, pode parecer que a formulao de mais alta ordem deveria
ser sempre empregada em malhas refinadas. No entanto, a realidade outra. O emprego de
frmulas de alta ordem envolve mais pontos, sendo portanto menos econmica que a formulao
de baixa ordem. Alm desse fato, a acurcia da formulao de baixa ordem pode ser aumentada
77
refinando a malha computacional.

Na prtica, pode acontecer tambm que o nvel de acurcia exigido, para a soluo do
problema considerado, seja satisfatrio com o emprego de uma malha grosseira, ou que devido
a limitaes de memria e/ou tempo de clculo, sejamos obrigados a empregar uma malha
grosseira. Visto que a superioridade da formulao de alta ordem realmente significativa
quando utilizamos malhas refinadas, o seu emprego pode no ser justificado nas situaes
mencionadas anteriormente.
Outro problema encontrado na prtica so as solues que apresentam descontinuidades,
como as do escoamento supersnico no-viscoso. Nesses casos, no h garantias de que os termos
sucessivos da expanso do erro de truncamento apresentem uma reduo de magnitude. Para
escoamentos viscosos com nmeros de Reynolds elevados, descontinuidades no podem ocorrer, mas podem existir gradientes elevados. Para gradientes severos e malhas suficientemente
grosseiras, esquemas de alta ordem podem no ser vantajosos.
Quando existirem gradientes elevados, a magnitude das derivadas de mais alta ordem so
muito maiores que as de baixa ordem. Consequentemente, para uma dada malha, os termos de
mais alta ordem no diminuem da mesma maneira que quando a soluo suave. Pela mesma
razo, a menos que a malha seja muito refinada, a magnitude da derivada de mais alta ordem,
do erro de truncamento, pode ser to alta que o erro global seja comparvel ao erro de um
esquema de discretizao de baixa ordem.
4.6
Representao do Tipo Onda
Muitos problemas de engenharia apresentam solues do tipo onda. Portanto, conceitualmente podemos represent-las em srie de Fourier. A questo que devemos responder a
seguinte: Quando o processo de discretizao representa acuradamente ondas de pequenos e
grandes comprimentos de onda?
Vamos admitir que a soluo exata possa ser representada na forma
(x, t) =
m em t eim(xum t)
(4.3)
m=
onde i = 1 e m o nmero de onda que est relacionado com o comprimento de onda na

forma = 2/m. Nessa equao m determina o quo rapidamente a amplitude de onda ir
se atenuar e um a velocidade de propagao da onda.
No caso do movimento de uma onda plana, representada por (4.3), no apresente dissipao
e a onda se propague com velocidade constante u, ns teremos ao invs da soluo precedente
(x, t) =
X
m=
Primeiro termo da expanso do erro de truncamento.
m eim(xut)
4.6. Representao do Tipo Onda
78
A acurcia das diferentes aproximaes por diferenas finitas das derivadas de pode ser
determinada, por exemplo, se considerarmos que a soluo dada por
(x, t) = eim(xut)
(4.4)
ou seja, a soluo representa uma onda que se propaga com velocidade constante u na direo x
e para um valor fixo de x o movimento peridico e o perodo dado por P = 2/um. Devemos
ressaltar que comprimentos de onda menores do que = 2x no podem ser representados
numa malha discreta [11].
Para um dado ponto (j,n) da malha, os valores exatos da primeira e segunda derivadas da
soluo (4.4) so dados por

= im eim(xj utn )
x n,j
e
2
2
= (im) eim(xj utn )
x2 n,j
Substituindo a soluo (4.4) nas representaes por diferenas finitas a 3 pontos das derivadas primeira e segunda
n
nj+1 nj1
=
x j
2x
2 n
nj1 2nj + nj+1

=
x2 j
x2
obtemos, respectivamente,

2
x2
n
j
n
j
eim(xj utn ) eimx eimx

=
2x
eim(xj utn ) eimx 2 + eimx

=
x2
Assim, as relaes de amplitude entre as representaes exata e numrica dessas derivadas

so dadas por
n

x j
eim(xj utn ) eimx eimx
sen (mx)
=
=
im(x
ut
)
n
j

mx
2imx e

x n,j
2 n

2
x2 j
eim(xj utn ) eimx 2 + eimx
sen (0, 5mx)
=
=
2
0, 5mx
m2 x2 eim(xj utn )

2
x n,j
79
Tabela 4.2: Relao entre as derivadas.

Derivada Esquema
Relao
Relao
( = 20x) ( = 4x)
3 pontos
0,9836
0,6366
5 pontos
0,9996
0,8488
3 pontos
0,9918
0,4053
5 pontos
0,9999
0,5404

x2
Seguindo o mesmo tipo de desenvolvimento, podemos obter a relao de amplitudes no caso

de um esquema de diferenas finitas a 5 pontos simtrico [11]
n

x j
sen (mx)
4 1
cos(mx)
=

3 3
mx

x n,j
2 n

2
x2 j
4
2 sen (0, 5mx)
1 0, 25 [cos(0, 5mx)]
=
2
3
0, 5mx

2
x n,j
Na Tabela 4.2 so mostrados os resultados para a representao de pequenos ( = 4x)
e grandes ( = 20x) comprimentos de onda. Os resultados mostram que todos os esquemas
so mais acurados para longos comprimentos de onda, sendo que o esquema a cinco pontos
o mais acurado. Esses resultados so consistentes com os comentrios feitos na seo anterior,
sobre as desvantagens de empregarmos esquemas de alta ordem em malhas grosseiras.
Para um determinado comprimento de onda, o fato de refinarmos a malha (permitindo que
haja mais pontos para a representao de cada comprimento de onda) transforma o problema
de representao de pequenos comprimentos de onda em um problema de representao de
grandes comprimentos de onda na malha refinada. Como exemplo, representemos o mesmo
comprimento de onda, = 0, 1, em duas malhas diferentes, tal que x1 = 4x2 . Escolheremos
a primeira malha de forma que = 4x1 e como consequncia teremos que = 16x2 para a
4.6. Representao do Tipo Onda
80
segunda malha. Calculando a relao de amplitude para a derivada primeira na representao

a trs pontos, obtemos para a primeira malha (m = 2/)

sen
sen (mx1 )
2 = 0, 6366
=
mx1
2
e no caso da segunda malha

sen
sen (mx2 )
8
=
mx2
8
= 0, 9745
Consequentemente, a principal concluso que podemos tirar a de que precisamos de uma

malha suficientemente refinada para que possamos representar acuradamente os movimentos
do tipo onda.
CAPTULO 5
CONVERGNCIA, CONSISTNCIA E
ESTABILIDADE
Uma importante questo, que diz respeito s solues computacionais, a de sabermos que
garantia ns temos de que a soluo numrica ser prxima da soluo exata da(s) EDP(s)
e em que condies ela coincide com a soluo exata. A segunda parte desta questo pode
ser respondida superficialmente, exigindo que a soluo numrica aproximada deva convergir
para a soluo exata medida que os incrementos da malha tendam a zero. No entanto,
muito difcil estabelecer diretamente a convergncia. A maneira indireta de se garantir a
convergncia a de requerermos que o sistema algbrico de equaes, obtido a partir do processo
de discretizao, seja consistente com as equaes diferenciais que governam os fenmenos que
estamos interessados em resolver. A consistncia implica no fato de que podemos reverter o
processo de discretizao e obtermos equaes diferenciais parciais que devem representar as
equaes que governam os problemas estudados. Alm disso, para que haja convergncia, o
algoritmo utilizado na obteno da soluo do sistema algbrico de equaes deve ser estvel.
Podemos dizer, ento, que a consistncia mais a estabilidade asseguram a convergncia. As
condies para que este enunciado se verifique so dadas pelo teorema de Lax.
Na prtica, muito difcil obtermos resultados analticos que descrevam o comportamento
terico da soluo numa malha de dimenses finitas. A maioria dos resultados tericos teis so
estritamente aplicados no limite quando os incrementos (de tempo e espao) da malha tendem
a zero.
5.1
Convergncia
A soluo aproximada, proveniente da resoluo do sistema algbrico resultante do processo

de discretizao, dita convergir caso ela tenda para a soluo exata da equao diferencial
parcial medida que t e x tendam a zero.
81
5.2. Consistncia
82
A diferena entre a soluo exata da EDP e a soluo exata do sistema de equaes algbricas
chamada de erro de resoluo:
enj = (xj , tn ) nj
Por soluo exata do sistema algbrico, queremos dizer que aquela obtida sem que nenhum
erro numrico seja introduzido, tais como erros de arredondamento. A magnitude do erro da
soluo depende tipicamente dos incrementos t e x e do valor das derivadas de mais alta
ordem, obtidas no processo de aproximao por diferenas finitas.
Provar que a soluo de um sistema algbrico de equaes converge para a soluo de uma
equao diferencial parcial , em geral, muito difcil mesmo para os casos mais fceis [11].
5.1.1
Teorema de Lax
Para uma classe restrita de problemas, a convergncia pode ser estabelecida via o teorema de
Lax: Dado um problema de valor inicial bem-posto e linear e uma aproximao por diferenas
finitas que satisfaa as condies de consistncia, a estabilidade a condio necessria e
suficiente para a convergncia.
Muito embora o teorema tenha sido enunciado em termos do processo de diferenas finitas,
ele se aplica a qualquer mtodo de discretizao que leve a variveis nodais. Este teorema de
grande importncia, visto que relativamente fcil mostrar a estabilidade de um algoritmo e a
sua consistncia com a equao diferencial parcial original.
Na realidade, a maioria dos problemas de escoamentos de fluidos so no-lineares e do tipo
de valor de contorno ou misto (valor inicial e de contorno), de maneira que o teorema da
equivalncia de Lax no pode ser aplicado rigorosamente. Portanto, nestes casos, o teorema
deve ser interpretado como fornecendo as condies necessrias, mas nem sempre suficientes,
para que tenhamos a convergncia [11].
5.2
Consistncia
O sistema de equaes algbricas dito ser consistente com a equao diferencial parcial,
do qual ele originrio, se no limite para os incrementos de tempo e espao tendendo a zero, o
sistema algbrico equivalente EDP em cada ponto da malha.
Obviamente que a consistncia necessria para que a soluo aproximada (numrica) convirja para a soluo exata da equao diferencial parcial considerada. Contudo, esta condio
no suficiente, pois o fato de termos um sistema de equaes algbricas consistente com a
EDP para t e x 0, no implica necessariamente que a soluo do sistema convirja para
a soluo da equao diferencial parcial. Conforme indicado pelo teorema de Lax, consistncia
e estabilidade so ambas necessrias para que tenhamos a convergncia.
O mecanismo de teste da consistncia requer a substituio da soluo exata nas equaes
algbricas resultantes da discretizao e a posterior expanso dos valores nodais em srie de
Taylor em torno de um determinado ponto. Para que haja consistncia, a expresso resultante
deve ser posta na forma da equao diferencial parcial original acrescida de termos adicionais.
Captulo 5. Convergncia, Consistncia e Estabilidade
83
A natureza destes termos deve ser tal que eles fiquem reduzidos a zero medida que a malha
refinada.
5.2.1
O Esquema FTCS
Vamos considerar, por exemplo, a consistncia do esquema FTCS (forward time, centered
space) na discretizao da equao de difuso unidimensional em regime transiente:
2
2 =0
t
x
onde o coeficiente de difuso.
Para efetuarmos a resoluo numrica desta equao, devemos proceder discretizao das
derivadas de primeira ordem no tempo e de segunda ordem no espao. Uma maneira simples de
discretizarmos esta equao a de utilizarmos um esquema de diferenas avanadas no tempo e
um esquema de diferenas centradas no espao, conforme as tcnicas apresentadas no captulo
anterior. Este processo de discretizao nos leva ao esquema FTCS:
n+1
= snj1 + (1 2s)nj + snj+1
j
onde s = t/x2 e esta equao se aplica a todos os ns internos. Os valores iniciais e
de contorno de devem ser fornecidos. O processo de resoluo repetido avanando-se no
tempo (n = 1, 2, . . .), at que o tempo final seja alcanado. O esquema de discretizao no
tempo empregado dito ser explcito, uma vez que os valores de para o tempo n + 1 so
completamente determinados a partir dos valores de conhecidos no tempo n.
Substituindo na equao discretizada a soluo exata , ns obtemos:
n+1
= snj1 + (1 2s)nj + snj+1
j
Em seguida, ns desejamos determinar o quo aproximadamente esta equao corresponde a
equao de difuso no n (j,n). Expandindo nesta equao em srie de Taylor e substituindo
na equao discretizada

n
n
n
x2 2
n
+ (1 1 2s + 2s)j + (s s)x
2s
t
2
t j
2
x j
x j
t2
+
2
2
t2
n
j
x3
+ (s s)
6
ou ainda
n
2
t2
n
onde
Ejn
t
=
2
3
x3
n
x4
2s
24
2
x2
x2
12
n
4
x4
n

+ O t3 , x6 = 0
+ Ejn = 0
4
x4
n
j
+ O t2 , x4
5.2. Consistncia
84
Deste resultado, fica claro que medida que os incrementos da malha se tornam cada vez
menores, o erro de truncamento tender a zero para um ponto fixo (j,n). No limite, conforme
t e x 0, o esquema FTCS ser equivalente equao de difuso. Esta propriedade
chamada de consistncia.
Como a soluo satisfaz a equao de difuso,

4
2
2
2
2
=
t2
t x2
x2 t
x4
e o erro de truncamento pode ser reescrito como:

4 n

1

x2
n
s
+ O t2 , x4
Ej =
4
2
6
x j
Caso s = 1/6, o primeiro termo do erro de truncamento se anula e teremos um erro de
truncamento da ordem de (t2 ,x4 ). Neste caso, o erro de truncamento vai a zero mais
rapidamente do que para qualquer outro valor de s, medida que a malha refinada.
5.2.2
Esquema Totalmente Implcito
Para esquemas implcitos no tempo, o termo espacial 2 /x2 na equao de difuso

avaliado, parcialmente ou completamente, no nvel de tempo (n + 1). Na prtica, isto nos leva
a um acoplamento das equaes para cada n j no tempo n + 1 e devemos resolver um sistema
de equaes algbricas medida que avanamos no tempo.
Avaliando 2 /x2 completamente no tempo (n + 1)
2 n+1
n+1
n+1
+ n+1

j1 2j
j+1
=
x2 j
x2
Portanto, aps discretizao da equao de difuso
n+1
n
sn+1
sn+1
j1 + (1 + 2s)j
j+1 = j
Para que possamos mostrar a consistncia desta formulao, devemos substituir a soluo
exata nesta equao e expandirmos os diferentes termos em srie de Taylor em torno do ponto
(j,n)
n
n
n

t2 2
t3 3
n+1
n
j = j + t
+
+
+
t j
2
t2 j
6
x3 j
"

n
n #2
n+1
n
j1 = j + t x
+
t x
t
x j
2!
t
x j
"
n #3
1
+
+
t x
3!
t
x j
n+1
j+1
85
"

n
n #2
1
= nj + t + x
t + x
+
t
x j
2!
t
x j
"
n #3
1
t + x
+
+
3!
t
x j
Aps substituio destes resultados

n+1
sj1
t2
+
6
+ (1 +
2s)n+1
j
nj

=
n
2
x2
n
j
t
+
2
2
t2
n
j

n

n

n
2
x2 4
t2 2 2
t
t x2 j
12
x4 j
2 t2 x2 j
j

n

n

n
tx2 4
x4 6
t3 3 2
6 t3 x2 j
12
t x4 j
360 x6 j

n

n
tx2 4 2
t2 x2 2 4
+ = 0
24
t4 x2 j
48
t2 x4 j

3
t3
n
sn+1
j+1
Como a soluo deve satisfazer equao de difuso,
2
= 2;
t
x
4
2
2
=
;
t2
x4
6
3
3
=
t3
x6
podemos escrever o erro de truncamento somente em termos das derivadas com relao ao
tempo
n
2 n
+ Ejn = 0
t j
x2 j
onde,
Ejn
t
=
2
1
1+
6s

2
t2
n
j
t2

3 n
1
1

+
+
1+
2
4s 120s
t3 j
Da expresso do erro de truncamento, vemos claramente que Ejn tender a zero conforme
t 0 e a equao coincidir com a equao de difuso.
5.3
Estabilidade
O conceito de estabilidade est relacionado com o crescimento, ou decaimento, dos erros

introduzidos em qualquer estgio da computao. Neste contexto, os erros aqui referidos no
so aqueles devidos a uma lgica incorreta, mas sim aqueles devidos ao fato do computador
trabalhar com um nmero finito de casas decimais. Na prtica, cada operao realizada pelo
computador resulta num valor com um nmero finito de algarismos significativos, o que introduz
5.3. Estabilidade
86
um erro de arredondamento. Portanto, a soluo numrica no na realidade nj , mas sim ( )nj ,

que a soluo numrica do sistema algbrico.
Um determinado mtodo dito ser estvel se o efeito acumulativo produzido por todos os
erros de arredondamento, devido implementao do algoritmo, desprezvel.
Podemos mostrar que para equaes algbricas lineares, provenientes do processo de discretizao, o erro correspondente satisfaz s mesmas equaes algbricas homogneas. Como
exemplo, consideraremos o esquema FTCS aplicado equao de difuso:
n+1
= snj1 + (1 2s)nj + snj+1
j
Na realidade, sabemos que a soluo numrica satisfaz seguinte equao:
( )n+1
= s( )nj1 + (1 2s)( )nj + s( )nj+1
j
Portanto, subtraindo a segunda equao da primeira
n
n
jn+1 = sj1
+ (1 2s)jn + sj+1
onde o erro introduzido em cada ponto da malha jn = nj nj . Assumindo que inicialmente

sejam fornecidos os valores de contorno e inicial, os erros iniciais j0 (j = 2, 3, . . . , J 1) e os
erros introduzidos nos contornos 1n e Jn (n = 0, 1, 2 . . .) desta equao so nulos. Portanto, a
menos que erros de arredondamento sejam introduzidos, a partir do clculo dos valores de nj
nos ns interiores, os erros resultantes na resoluo permanecero nulos.
Os dois mtodos mais comuns utilizados na anlise de estabilidade so o mtodo da matriz
e o mtodo de Von Neumann. Ambos os mtodos baseiam-se na predio de quando haver
um crescimento do erro existente entre a verdadeira soluo do algoritmo numrico e a soluo
que realmente calculada, isto , incluindo os erros de arredondamento.
Uma maneira alternativa de interpretao da anlise de estabilidade a de supormos que as
condies iniciais podem ser representadas por uma srie de Fourier. Nesta srie, cada harmnico, ou modo, ir crescer ou decrescer de acordo com a equao discretizada. Caso um modo
particular possa crescer ilimitadamente, a soluo discretizada possui uma soluo instvel.
Esta interpretao da estabilidade explorada diretamente pelo mtodo de Von Neumann.
5.3.1
Mtodo da Matriz: Esquema Geral a Dois Nveis de Tempo
O mtodo da matriz ser aplicado ao caso do esquema geral a dois nveis de tempo, aplicado
equao de difuso de calor
n+1
nj
j
Lxx n+1
(1 )Lxx nj = 0
j
t
onde Lxx j = (j1 2j + j+1 ) /x2 , a difusividade trmica e um parmetro que
controla o tipo de esquema de discretizao no tempo. Para = 0 obtemos o esquema explcito
e para = 1 um esquema totalmente implcito.
87
Para este esquema geral de discretizao a dois nveis de tempo, o erro numrico deve
satisfazer a uma equao equivalente equao discretizada:
n+1
n+1
n
sj1
+ (1 + 2s)jn+1 sj+1
= s(1 )j1
n
+ [1 2s (1 )] jn + s(1 )j+1
sendo que esta equao apropriada para os pontos internos da malha. Caso tenhamos condies de contorno do tipo de Dirichlet, no so necessrias equaes extras para os pontos
externos. Quando ela for aplicada a todos os pontos j = 2, 3, . . . , J 1, podemos escrev-la na
forma matricial
A~n+1 = B ~n
ou ainda
~n+1 = A1 B ~n
onde as duas matrizes so dadas por:
1 + 2s
s
s
1
+ 2s s
...
...
...
...
...
A=
s 1 + 2s
s
s
1 + 2s
e
B=
1 2s(1 )
s(1 )
s(1 )
1 2s(1 ) s(1 )
...
...
...
..
.
.
s(1 ) 1 2s(1 )
s(1 )
s(1 )
1 2s(1 )
..
O algoritmo numrico ser estvel se a magnitude dos autovalores de A1 B for limitada a

unidade. Devido estrutura das matrizes A e B, neste exemplo, esta condio equivalente a

(B )

j

1, 0
(A )j
Como estas matrizes so tridiagonais e simtricas, possvel obtermos uma expresso analtica para o clculo dos seus autovalores [11]

j
2
(A )j = 1 + 4ssen
2(J 1)

j
2
(B )j = 1 4s(1 )sen
2(J 1)
5.3. Estabilidade
88
Portanto, da condio de estabilidade

(B ) 1 4s(1 )sen 2 [j/2(J 1)]

j

=
1, 0
2
(A )j 1 + 4ssen [j/2(J 1)]
Analisemos em seguida as condies de estabilidade para os dois valores extremos da funo
seno

(
)
j
B j
=0
sen

= 1, 0
(A )j
2(J 1)

(B ) 1 4s(1 )
j

j
sen
= 1, 0

=
1, 0
(A )j 1 + 4s
2(J 1)
ou seja,
1 4s(1 ) 1 + 4s
1 4s(1 ) 1 4s
Da primeira equao temos que s 0, o que sempre verificado. Da segunda condio obtemos
s 0, 5/(1 2) caso seja menor do que 0,5 e o esquema incondicionalmente estvel para
0, 5.
5.3.2
Mtodo da Matriz: Condies de Contorno do Tipo Neumann
O mtodo da matriz tambm pode ser aplicado quando o problema apresenta condies de
contorno do tipo Neumann. Suponhamos que:
=
x
em x = 0
Esta condio de contorno pode ser implementada a partir da introduo de um ponto

fictcio, tal que:

2 0
=
=
x 1
2x
ou ainda,
0 = 2 2x
Aplicando esta condio, para o ponto j = 1, na equao que governa a distribuio do erro
(1 + 2s)1n+1 2s2n+1 = [1 2s(1 )]1n + 2s(1 )2n 2sx
Consequentemente, quando todas as equaes forem consideradas
A~n+1 = B ~n + C
89
onde,
A=
B=
1 + 2s 2s
s
1 + 2s s
..
..
..
..
..
.
.
.
.
.
s 1 + 2s
s
s
1 + 2s
1 2s(1 )
2s(1 )
s(1 )
1 2s(1 ) s(1 )
..
..
..
..
..
.
.
.
.
.
s(1 ) 1 2s(1 )
s(1 )
s(1 )
1 2s(1 )
C=
2sx
0
..
.
0
0

Como no caso anterior, a condio de estabilidade requer que A1 B 1, 0.
No caso geral, para os quais no existam formas explcitas para o clculo dos autovalores
de A1 B, ser conveniente escrevermos
1
~n+1 = D~n + A C
onde D = A1 B. O valor mximo dos autovalores de D pode ser obtido, por exemplo, pelo
mtodo das potncias [11].
5.3.3
Mtodo de Von Neumann
A anlise de Von Neumann o mtodo mais comumente usado na determinao do critrio de

estabilidade. Infelizmente, ele s pode ser empregado para estabelecer as condies necessrias
e suficientes para problemas de valor inicial, lineares e com coeficientes constantes.
Na prtica, sabemos que os problemas que tratamos envolvem coeficientes variveis, nolinearidades e condies de contorno complicadas. Nestes casos, o mtodo s pode ser aplicado
localmente, congelando temporariamente as no-linearidades. Para estas situaes mais gerais, o mtodo fornece as condies necessrias, mas nem sempre suficientes, para que haja
estabilidade. Estritamente falando, o mtodo s se aplica aos pontos interiores [11].
No mtodo de Von Neumann a distribuio do erro, ao longo das linhas da malha e para um
determinado nvel de tempo, expandida em srie de Fourier. A estabilidade ou instabilidade
do algoritmo computacional determinada considerando, para cada componente da srie de
5.3. Estabilidade
90
Fourier, o comportamento (decaimento ou crescimento) da distribuio do erro medida que

avanamos no tempo. Assim, um vetor inicial do erro 0 expresso por uma srie finita de
Fourier, de modo que para xj o erro seja dado por
0
J2
X
am eim j ;
j = 2, 3, . . . , J 1
m=1
onde i = 1, m = mx e assumimos que os erros so peridicos no intervalo de interesse.

Em se tratando de um algoritmo computacional linear, a propagao do erro pode ser estudada
a partir de um nico termo, exp (im j), da representao em srie de Fourier.
5.3.4
Mtodo de Von Neumann: Esquema Geral a Dois Nveis de

Tempo
O mtodo de Von Neumann ser aplicado agora ao caso do esquema geral a dois nveis de
tempo
jn+1 jn
Lxx jn+1 (1 )Lxx jn = 0
t
onde,
j1 2j + j+1
Lxx j =
x2
sendo a difusividade trmica e o parmetro que indica o grau de implicidade do esquema
no tempo.
A anlise de Von Neumann feita introduzindo o erro , expandido em srie de Fourier,
na equao acima. Como a equao em questo linear, consideraremos somente um nico
componente da srie [11], ou seja,
jn = (G)n eij
onde a dependncia no tempo, deste componente do erro, est contida no coeficiente complexo
(G)n e o expoente n indica que G est elevado potncia de n. O termo G pode ser interpretado
como um fator de amplificao do modo m do erro na srie de Fourier medida que ele se
propaga no tempo
jn+1 = Gjn
Conforme veremos adiante, o fator G uma funo de s e de . Isto quer dizer que
G(s, ) depende do tamanho do espaamento da malha e do modo particular da srie de Fourier
considerado, uma vez que s = t/x2 e m = mx. Os erros sero limitados se o valor
absoluto de G nunca for maior que a unidade, para todos os modos da srie de Fourier.
Portanto, o critrio geral de estabilidade |G| 1, 0 para todo .
Substituindo a expresso do erro na equao que governa a sua distribuio
n+1 i(j1)

G e
2Gn+1 eij + Gn+1 ei(j+1)
Gn+1 eij Gn eij

t
x2
91

Gn ei(j1) 2Gn eij + Gn ei(j+1)
(1 )
=0
x2

Dividindo tudo por Gn eij ,

G1
2(cos 1)
2(cos 1)
G
(1 )
=0
2
t
x
x2
ou ainda,
G[1 2s(cos 1)] = 1 + s(1 )2(cos 1)
Utilizando a igualdade (cos 1) = 2sen 2 (/2), ns obtemos
G=
1 4s(1 )sen 2 (/2)

1 + 4ssen 2 (/2)
Para que o algoritmo seja estvel, para qualquer valor de , devemos verificar a condio
|G| 1, 0. Analisando os casos limites

sen
=0
G=1
2
e

= 1
sen
2
G=
1 4s(1 )
1 + 4s
obtemos como condio de estabilidade s 0, caso G 1, 0. Caso G 1, 0, devemos verificar

a seguinte desigualdade:
1 4s(1 ) 1 4s
ou seja, s 0, 5/(1 2).
Estes resultados esto de acordo com aqueles obtidos pelo mtodo da matriz. Para equaes
mais complicadas pode ser necessrio, na determinao do critrio de estabilidade, que tenhamos
que avaliar G para vrias faixas de , e s.
Para algoritmos que utilizam trs nveis de tempo, uma equao quadrtica em G dever
ser resolvida para que possamos obter condies de estabilidade. Para uma grande parte dos
problemas de escoamento de fluidos, trabalhamos com sistemas de equaes ao invs de uma
nica equao. Nestes casos, a anlise de Von Neumann nos levar a uma matriz de amplificao

G no lugar do coeficiente de amplificao. A condio de estabilidade ser dada por m 1, 0
para todo m, sendo m os autovalores da matriz G.
Nesta seo, ns supomos que o problema fsico considerado era estvel. Entretanto, pode
acontecer que queiramos estudar escoamentos que sejam fisicamente instveis, como por exemplo a transio entre o escoamento laminar e turbulento. Para tais escoamentos, uma soluo
crescente no tempo pode ser esperada. Este comportamento pode ser obtido, requerendo que a
magnitude dos autovalores, no mtodo da matriz, e o fator de amplificao no mtodo de Von
Neumann, sejam menores do que 1 + O(t) [11].
5.4. Acurcia da Soluo
92
5.4
Acurcia da Soluo
Estritamente falando a discusso anterior sobre a convergncia, consistncia e estabilidade

tratou do comportamento da soluo aproximada no limite quando x e t 0. Contudo,
na prtica, as solues so obtidas em malhas finitas e a determinao da acurcia da soluo
torna-se relevante.
Conforme indicado na Seo 5.3, a ordem de magnitude do erro de truncamento ir coincidir
com a ordem de grandeza do erro da soluo, caso o espaamento da malha seja suficientemente
pequeno e se as condies inicial e de contorno forem suficientemente suaves.
Para problemas governados por equaes diferenciais hiperblicas, descontinuidades podem
aparecer no interior do domnio de resoluo, o que limitar a acurcia da soluo numrica, a
menos que elas sejam isoladas do resto do domnio de resoluo e tratadas como uma soluo
local.
Uma maneira de se determinar a acurcia de um algoritmo particular, numa malha finita,
a de aplic-lo a um problema semelhante ao de interesse para o qual conheamos a soluo
exata. Contudo, a acurcia da soluo tambm dependente do tipo de problema considerado.
Um algoritmo pode ser acurado para um problema modelo e no o ser necessariamente para o
problema de interesse (mais complicado).
Uma segunda tcnica para aferirmos a acurcia a de obtermos a soluo numrica utilizandose sucessivas malhas refinadas e constatarmos que medida que refinamos a malha, a soluo
no mudar para uma acurcia pr-determinada. Podemos, ento, assumir que a soluo aproximada ir convergir para a soluo exata no limite para x e t 0. Assim, a soluo
aproximada obtida na malha refinada poder ser utilizada no lugar da soluo exata. Como
este procedimento nem sempre garantido para problemas reais, necessrio compararmos
os resultados numricos com resultados experimentais obtidos para o mesmo problema. Entretanto, nem sempre dispomos de resultados experimentais detalhados o suficiente para que
possamos proceder a uma estimativa do erro global.
Admitindo-se que a acurcia possa ser determinada, a escolha conveniente das variveis
dependentes (por exemplo, vorticidade e funo de corrente ao invs da velocidade e presso)
e das variveis independentes (coordenadas cartesianas, cilndricas, esfricas, etc.) podem produzir solues mais acuradas para determinados tipos de problemas. Especificamente, o uso
de esquemas de mais alta ordem ou de malhas mais refinadas deveria produzir solues mais
acuradas. Contudo, no se deve empregar estes recursos sem que o tempo de execuo e a eficincia computacional sejam considerados. A eficincia computacional pode ser definida como
sendo a acurcia alcanada por unidade de tempo de execuo (tempo de CPU) [11].
5.4.1
Extrapolao de Richardson
Ns j vimos que para malhas suficientemente refinadas, o erro da soluo pode ser reduzido
de acordo com o erro de truncamento. Esta caracterstica utilizada pela extrapolao de
Richardson a fim de aumentarmos a acurcia da soluo numa malha finita refinada. A idia
bsica a de adicionarmos solues ponderadas, obtidas em sucessivas malhas refinadas, de
93
maneira que cancelemos o primeiro termo do erro de truncamento.

Consideremos duas solues da equao de difuso, obtidas empregando-se o esquema FTCS
e dois incrementos de espao xa e xb diferentes, mas para o mesmo valor de s. Uma soluo
composta ento proposta na seguinte forma:
= aa + b b
onde a e b so coeficientes a serem determinados. Substituindo esta soluo na equao algbrica
resultante da discretizao,

a a n+1
s a nj1 (1 2s)a nj s a nj+1
j

+ b b n+1
s b nj1 (1 2s)b nj s b nj+1 = 0
j
Expandindo estes termos em srie de Taylor em torno do ponto (j,n)
"
2 b n #
b n
n
a n

2 a

a n
b n
a
+
b
+b
+a
E
+
b
E
=0
a
j
j
t j
t j
x2 j
x2 j
|
{z
}
|
{z
}
2 n
n
=(
=
t )j
x2
j
onde,
4 a n

1
4
+
O
x
=
s
a
6
x4 j
4 b n

1
4
b n
2
+
O
x
Ej = 0, 5xb s
b
6
x4 j
Ejn
0, 5x2a
Da decomposio da soluo para = a = b (no caso limite quando os incrementos de

tempo e espao tenderem a zero) vemos que a + b = 1 e, no caso de termos xb = xa /2, o
primeiro termo do erro de truncamento pode ser eliminado tomandose a+0, 25b = 0. Portanto,
a=
e
1
3
4
3
sendo que a soluo composta dever ter um erro de truncamento da ordem de x4 para uma
malha suficientemente refinada. O esquema FTCS particular no sentido de que para s = 1/6
ele apresenta um erro da ordem de x4 , sem a necessidade de aplicarmos a extrapolao de
Richardson. Entretanto, este no o caso de outros esquemas gerais para 6= 0, que podem
tambm apresentar um erro O (x4 ) com a aplicao da extrapolao de Richardson.
b=
5.4. Acurcia da Soluo
94
No caso geral, a escolha dos coeficientes a e b ser determinada pela potncia P dos termos
em x do erro de truncamento (aps converso das derivadas temporais nas suas derivadas
espaciais equivalentes) e da relao entre os espaamentos das malhas:
a = "
xa
xb
1
P
#
1
P
xa
xb
#
b = "
P
xa
1
xb

CAPTULO 6
EQUAO DE TRANSPORTE LINEAR
Do ponto de vista computacional a equao de transporte bidimensional

()
+
u x
+
v y
=0
t
x
x
y
y
contm os mesmos mecanismos de adveco e de difuso que os encontrados em problemas
de transferncia de calor e de massa. Consequentemente, as tcnicas computacionais que so
efetivas para essa equao, serviro de guia na escolha apropriada dos algoritmos que sero
aplicados aos diferentes problemas de transporte.
6.1
Mtodos Explcitos
Nos mtodos explcitos uma nica incgnita, n+1

, aparece do lado esquerdo da equao
j
algbrica resultante da discretizao da equao diferencial parcial. Uma discretizao geral, a
trs nveis de tempo, pode ser aplicada equao de transporte bidimensional resultando em
n1
n
n
a()n+1
jk + b()jk + c()jk + d [Lx ( u x Lx ) + Ly ( v y Ly )] jk +
n1
e [Lx ( u x Lx ) + Ly ( v y Ly )] jk
=0
(6.1)
onde [Lx ( u x Lx ) + Ly ( v y Ly )] corresponde discretizao dos seguintes termos espaciais

( u ) +
( v )
x
y
x
y
x
x
y
y
Os parmetros a, b, c, d e e devem ser determinados expandindo na Eq. (6.1) em srie de
Taylor, em torno do ponto (j, k, n), e requerendo que a equao resultante seja consistente com
a equao de transporte. Aps termos realizadas as respectivas expanses chegamos a

t2 2 () n
() n
n
a ()jk + t
+
+ + b()njk
t jk
2
t2 jk
95
6.1. Mtodos Explcitos
96

t2 2 () n
() n
+c
t
+
+
t jk
2
t2 jk
h
i
+(d + e) Lx ( u x Lx ) + Ly ( v y Ly ) njk
(
in
h
+e t
Lx ( u x Lx ) + Ly ( v y Ly )
t
jk
)
in
t2 2 h
Lx ( u x Lx ) + Ly ( v y Ly )
+ = 0
+
2 t2
jk

()njk
ou ainda,
() n
t2 2 () n
+ (a + c)
+
t jk
2
t2 jk

n
(d + e)
u x
+
v y
+ Ex + Ey + Exx + Eyy
x
x
y
y
jk
n
(a + b + c)()njk + (a c)t
+et

u x v y +Ex + Ey + Exx + Eyy
t x
x
y
y
|
{z
}
=
()
t
+ = 0
jk
onde Ex , Ey , Exx e Eyy so os erros de truncamento introduzidos pela discretizao das derivadas
de primeira e segunda no espao, respectivamente. Reagrupando os termos semelhantes dessa
equao

2e t2 2 () n
() n
n
(a + b + c)()jk + (a c)t
+ a+c+

t jk
t
2
t2 jk

n
+(d + e)
u x
+
v y
x
x
y
y jk
in
in
h
h
+(d + e) Ex + Ey + Exx + Eyy
+ et Ex + Ey + Exx + Eyy
+ = 0
jk
Portanto, para que essa equao seja consistente com

a, b, c, d e e devem satisfazer a
a+b+c =
(a c)t =
d+e
=
jk
a equao de transporte, os parmetros

0
1
1
Tomando a = (1 + )/t e e = , podemos obter a equao geral discretizada a trs nveis de

tempo para a equao de transporte linear, em funo somente de duas constantes e
n
h
i
()n+1
()njk ()n1
jk ()jk
jk
(1 + )
+ (1 ) Lx (u x Lx ) + Ly ( v y Ly ) njk
t
t
Captulo 6. Equao de Transporte Linear
97
h
i
+ Lx (u x Lx ) + Ly ( v y Ly ) n1
jk = 0
Fazendo variar os valores dos parmetros e recuperamos diferentes esquemas comumente
encontrados na literatura.
6.2
Mtodos Implcitos
Em se tratando dos esquemas implcitos, os termos espaciais da equao de transporte so

avaliados, pelo menos parcialmente, no nvel de tempo n + 1. Na prtica, isto nos leva a um
acoplamento das equaes algbricas e a necessidade de resolvermos um sistema algbrico de
equaes a fim de que avancemos no tempo.
A partir de um desenvolvimento semelhante ao empregado para os esquemas explcitos,
obtemos a equao generalizada para o esquema implcito a trs nveis de tempo
n
h
i
()njk ()n1
()n+1
jk
jk ()jk
+ (1 ) Lx (u x Lx ) + Ly ( v y Ly ) njk
(1 + )
t
t
h
i
+ Lx (u x Lx ) + Ly ( v y Ly ) n+1
(6.2)
jk = 0
6.3
Equao de Difuso
Nessa seo, a equao de difuso ( = 1 e u = v = 0) ser utilizada na obteno de

diferentes esquemas explcitos e implcitos. Ser dada uma maior ateno ao problema da
estabilidade e da acurcia dos vrios esquemas que sero estudados. Por ltimo, consideraremos
o problema da implementao acurada das condies de contorno.
6.3.1
Equao de Difuso Unidimensional
A equao de transporte unidimensional, na ausncia do termo advectivo, resulta na equao

de difuso unidimensional:
2
2 =0
t
x
Para que possamos obter uma soluo aproximada dessa equao, ela deve ser discretizada
e da equao algbrica resultante obtemos o algoritmo numrico de resoluo.
Dos resultados j obtidos nesse captulo, sabemos escrever a forma geral discretizada da
equao de difuso empregando um esquema explcito a trs nveis de tempo
h
i
n+1
nj
nj jn1
j
(1 + )
(1 )Lxx nj + Lxx n1
=0
j
t
t
Podemos mostrar que essa equao consistente com a equao de difuso e apresenta um erro
de truncamento dado por

n 2 2 n
n
n
(1 + ) j + t +
+ . . . j
t j
2 t2 j
6.3. Equao de Difuso
98

2
n
n 2 2 n
n

n
n
j j + t
+ . . . t (1 )
+ Exx
t j
2 t2 j
x2 j
j
2

n
n
n
2 n

t
+ Exx t
+ Exx + . . . = 0
2
2
x j
t x j
j
j
ou ainda,
2 n
n
2 +
t j
x j
1 + 2 2
+
t
t
n
t2 2 n
Exx n

E
+
t
+ = 0

xx
2 t2 j
t j
j
(6.3)
Caso empreguemos o esquema de diferenas centradas na discretizao do termo espacial

n

j1 2nj + nj+1
2 n
x2 4 n
= 2 +
+
x2
x j
12 x4 j
{z
}
|
=Exx
Portanto, substituindo esse resultado na expresso do erro de truncamento da Eq. (6.3)

1 + 2 2 t2 2 n
x2 4 n
n
2
4
Ej =
+
+
O
t
,
x

t
t
2 t2 j
12 x4 j
ou ainda, escrevendo as derivadas temporais em termos das derivadas espaciais
4

1
n
1
n
2
2
4
++
Ej = sx
+
O
t
,
x

2
12s x4 j
e, obviamente, o erro de truncamento ser de quarta ordem no espao se escolhermos

1
1
=
+
2
12s
Finalmente, o algoritmo geral que se obtm para o esquema explcito a trs nveis de tempo
aplicado equao de difuso

1 + 2
s
n+1
n1
n
j =
j
j + (1 )
nj1 2nj + nj+1
1+
1+
1+

+
s
1+
n1
n1
j1
2jn1 + j+1
(6.4)
Aplicando a anlise de estabilidade de Von Neumann obtemos uma equao quadrtica em

G, que deve ser resolvida a fim de que determinemos as condies para que a condio de
estabilidade seja verificada
(1 + )G2 [1 + 2 + 2s(1 )(cos 1)]G + [ 2s(cos 1)] = 0
(6.5)
99
Assim sendo, esse algoritmo ser estvel caso |G| 1 para todos os valores de . Para = 0,
esta condio impe como restrio s 0, 34. Entretanto, para valores muito grandes de , a
condio de estabilidade exige que s 0, 5 [11].
Tomando no algoritmo (6.4) = 0 e = 0 recuperamos o esquema FTCS j visto anteriormente

n
n
n
n+1
=
(1
2s)
+
s
j
j1
j+1
j
que apresenta como erro de truncamento

t 2 n
x2 4 n
2
4
n
+
O
t
,
x
Ej =

2 t2 j
12 x4 j

4

1
1
n
2
2
4
= sx
+
O
t
,
x

2 12s x4 j
Conforme j vimos, para s = 1/6 obtemos um erro de truncamento de O (t2 , x4 ).
Da equao geral (6.5) escrita em termos de G, para = 0 e = 0, resulta na expresso

2
G = 1 + 2s(cos 1) = 1 4s sen
2
que para qualquer valor de satisfaz a condio de estabilidade, |G| 1, se s 0, 5.
O esquema de Richardson obtido se fizermos = 0, 5 e = 0 na Eq. (6.4)

n+1
= n1
4snj + 2s nj1 + nj+1
j
j
Da anlise de estabilidade obtemos da forma geral (6.5)

2
2
G + 8s sen
G1=0
2
o que implica no fato de que esse esquema incondicionalmente instvel para s > 0. Portanto,
ele no apresenta nenhum interesse prtico.
O esquema de Richardson pode ser modificado a fim de
torn-lo estvel. Para tanto, basta
substituirmos, no seu algoritmo, nj por 0, 5 jn1 + n+1
j

1 2s
2s
n+1
n1
j =
j +
nj1 + nj+1
1 + 2s
1 + 2s
Esse esquema conhecido como DuFort-Frankel. Aplicando, novamente, a anlise de estabilidade de Von Neumann [11] obtemos para o fator de amplificao
2s cos 1 4s2 sen 2

G=
1 + 2s
Como |G| 1 para qualquer valor de caso s seja maior do que zero, o esquema de DuFort
Frankel estvel para qualquer valor de t. Ele tambm consistente com a equao de
100
p
difuso, mas no ser acurado para grandes valores de s t. Para s = 1/12 esse esquema
apresenta um erro de truncamento da ordem de x4 [11].
De modo anlogo ao caso dos mtodos explcitos, podemos escrever uma equao geral a
trs nveis de tempo para os mtodos implcitos

nj jn1
n+1
nj
j
(1 )Lxx nj + Lxx n+1

=0
(1 + )
j
t
t
Da anlise de consistncia podemos mostrar que esse esquema consistente com a equao de
difuso e possui o seguinte erro de truncamento

n
2 t2 2 n
n
2 n
1 + 2
Exx n

t
2 +

+ ... = 0
xx
t j
x j
t
t
2 t2 j
t j
j
Empregando uma discretizao do tipo diferenas centradas para os termos espaciais, podemos
escrever

2 t2 2 n
x2 4 n
1 + 2
n
Ej =

+ O t2 , x4
2
4
t
t
2 t j
12 x j
ou ainda,
Ejn
= s x
1
1
+
2
12s

4 n
2
4
+
O
t
,
x

x4 j
1
1
Um erro de truncamento de O (t2 , x4 ) obtido se tomarmos = +
.
2
12s
Da equao discretizada a trs nveis de tempo para os mtodos implcitos, podemos escrever
o seu algoritmo geral que dado na seguinte forma

n+1
n
(1 + + 2s)n+1
s n+1
j
j1 + j+1 = [1 + 2 2s(1 )]j

+ s(1 ) nj1 + nj+1 jn1
(6.6)
Procedendo com uma anlise de estabilidade do algoritmo (6.6), aplicando o mtodo de Von
Neumann, obtemos uma equao quadrtica em termos de G
[1 + 2s(cos 1)]G2 [1 + 2 + 2s(1 )(cos 1)]G + = 0
(6.7)
e devemos verificar a condio |G| 1, para todo , para que tenhamos um esquema estvel.
O esquema totalmente implcito obtido da equao geral a trs nveis de tempo (6.6)
fazendo = 0 e = 1

n+1
n
(1 + 2s)jn+1 s n+1
+
j1
j+1 = j
Para estes valores de e obtemos para o erro de truncamento

1 4 n
2
4
2 t
n
1+
+
O
t
,
x
Ej =

2
6s x4 j
101
Da anlise de estabilidade de Von Neumann aplicada Eq. (6.7) obtemos o fator de amplificao
para o esquema totalmente implcito ( = 0 e = 1)
[1 2s (cos 1)] G2 G = 0
ou seja,
G=
1
[1 2s (cos 1)]
que verifica a condio de estabilidade para qualquer valor de e s > 0. Isto quer dizer que
este esquema incondicionalmente estvel, o que representa uma grande vantagem com relao
ao esquema explcito FTCS.
Contudo, para que possamos obter uma soluo numrica, para a equao de difuso, devemos considerar todos os ns da malha e as suas respectivas equaes. Assim, o sistema de
equaes pode ser escrito em termos da varivel n+1
na seguinte forma matricial
j
1 + 2s
s
s
1 + 2s s
..
..
..
.
.
.
s 1 + 2s s
...
...
...
s 1 + 2s
s
s
1 + 2s
2
3
..
.
j
.
..
J2
J1
n+1
d2
d3
..
.
= dj
.
..
dJ2
dJ1
onde
d2 = n2 + sn+1
;
1
dj = nj ;
dJ1 = nJ1 + sn+1

J
sendo n+1
e n+1
conhecidos das condies de contorno do tipo Dirichlet. Fica claro que a
1
J
matriz dos coeficientes tridiagonal e consequentemente podemos empregar o algoritmo de
Thomas (ou TDMA) na sua resoluo [11, 17]. Uma introduo do que vem a ser o algoritmo
de Thomas pode ser encontrada no Apndice B.
Uma alternativa ao esquema totalmente implcito seria o esquema de CrankNicolson ( = 0
e = 0, 5)
n+1
n
n
n
0, 5sn+1
0, 5sn+1
j1 + (1 + s)j
j+1 = 0, 5sj1 + (1 s)j + 0, 5sj+1
Esse esquema apresenta um erro de truncamento da ordem de t2 e x2 ,

n+1/2
Ej
= (2s + 1 1 + 2s)
x2 4 n+1/2 t2 3 n+1/2
t 2 n+1/2
+
+ ...

8 t2 j
12 x4 j
24 t3 j
e um fator de amplificao, determinado a partir do emprego do mtodo de Von Neumann,

dado por
1 + s(cos 1)
1 2 s sen 2 (/2)
G=
=
1 s(cos 1)
1 + 2 s sen 2 (/2)
102
Desse ltimo resultado, podemos concluir que este esquema incondicionalmente estvel para
s > 0.
Como o esquema de CrankNicholson apresenta uma acurcia no tempo da ordem de t2 ,
ele muito popular e bastante empregado na resoluo de equaes diferenciais parablicas.
Entretanto, podemos notar que este esquema encontra-se no limite da estabilidade incondicional
e, infelizmente, ele pode apresentar oscilaes em algumas situaes. Nestes casos, o esquema a
trs nveis de tempo pode ser mais eficiente. Um esquema particularmente eficiente o esquema
totalmente implcito a trs nveis de tempo com = 0, 5 e = 1. Esse esquema apresenta um
erro de truncamento da ordem de t2 e x2 e incondicionalmente estvel [11].
Generalizando esses resultados, podemos mostrar que para = 0 e 0 1 a anlise de
Von Neumann prediz como condio para que o algoritmo seja estvel
t
0, 5x2
(1 2)
se
0 < 0, 5
e nenhuma restrio caso 0, 5 1. Dessas relaes podemos obter as condies de estabilidade para os esquemas FTCS ( = 0), CrankNicolson ( = 0, 5) e totalmente implcito
( = 1).
Quando o problema que estamos resolvendo apresenta somente condies de contorno de
Dirichlet e os seus valores exatos so fornecidos, a nica fonte de erro que introduzimos
proveniente da discretizao da equao diferencial que governa o fenmeno fsico considerado.
A seguir, vamos considerar algumas situaes nas quais erros adicionais so introduzidos devido
implementao das condies de contorno e inicial.
O uso de algoritmos como os descritos nas sees anteriores apropriado para os ns internos.
Entretanto, o emprego destas formulaes aos ns localizados nas fronteiras do domnio, para
uma condio de contorno do tipo Neumann, exigem o conhecimento do valor da soluo em
pontos que esto situados fora do domnio de resoluo. Portanto, uma formulao especial
deve ser adotada em se tratando dos pontos da fronteira.
Conforme j vimos, para condies do tipo Dirichlet no existem maiores problemas. Vejamos, agora, como devemos implementar uma condio de Neumann dada por:
(0, t) = c(t)
x
Uma primeira possibilidade seria a de empregarmos uma formulao do tipo diferenas avanadas
n2 n1
= cn
n1 = n2 cn x
x
O maior inconveniente do emprego dessa discretizao que ela apresenta um erro de truncamento de primeira ordem em x. Caso empreguemos um esquema de diferenas finitas
centradas, aos ns interiores, teremos um erro de truncamento da ordem de x2 . Por exemplo,
caso o nosso problema seja governado para uma equao diferencial parcial parablica, a baixa
acurcia da soluo na fronteira ir afetar a acurcia da soluo no interior do domnio de
resoluo para todos os instantes posteriores.
103
Portanto, desejvel que representemos a condio de contorno do tipo Neumann por

uma formulao que tenha um erro de truncamento da mesma ordem do que o obtido para
os pontos interiores. Isto pode ser feito, por exemplo, introduzindo um ponto fictcio que
se encontraria fora do domnio de resoluo. Empregando desta vez um formulao do tipo
diferenas centradas
n2 n0
= cn
n0 = n2 2cn x
2x
Uma expresso para n+1
pode ento ser obtida se ns estendermos o domnio computacio1
nal e aplicando a expresso utilizada para os pontos internos. No caso do esquema FTCS,
empregamos a seguinte equao para j = 1
= 2scn x + (1 2s)n1 + 2sn2
n+1
1
e o erro de truncamento passa a ser de ordem de t e x2 para todos os pontos do domnio (internos e na fronteira). Caso estejamos empregando o esquema totalmente implcito, a condio
de contorno avaliada no tempo n + 1 e obtemos, assim,
(1 + 2s)n+1
2sn+1
= n1 2scn+1 x
1
2
Essa metodologia tambm se aplica caso tenhamos condies de contorno do tipo Neumann
para os pontos j = J, onde J indica os ltimos ns situados na fronteira do domnio.
Pode ser que o uso desta formulao venha a alterar as condies de estabilidade do algoritmo. Como, em princpio, o mtodo de Von Neumann s se aplica aos ns interiores, devemos
empregar o mtodo da Matriz na determinao das condies de estabilidade para o sistema
completo de equaes.
Condies iniciais do tipo (x, 0) = 0 (x), no causam nenhuma dificuldade de implementao para os esquemas a dois nveis de tempo, como o FTCS e o totalmente implcito ( = 0
e = 1). Uma exceo seria o caso onde teramos uma condio de contorno do tipo Dirichlet,
digamos em x = 0, (0, 0) no coincidente com a condio inicial. Nesse caso, uma estratgia
possvel seria a de tomarmos a mdia dos valores de (0, 0) (fronteira e condio inicial) para
o primeiro nvel de tempo (n = 0), mas retornarmos aos valores das condies de contorno
apropriadas para os instantes de tempo subsequentes.
Esquemas a trs nveis de tempo requerem informaes para os dois nveis de tempo iniciais.
Isto deve ser feito mediante o emprego de um esquema a dois nveis de tempo que tenha pelo
menos a mesma acurcia do que o esquema a trs nveis de tempo empregado. O mtodo de
Crank-Nicolson um exemplo de um esquema apropriado a dois nveis de tempo. Alternativamente, um mtodo de primeira ordem no tempo como o esquema FTCS, pode ser utilizado com
o compromisso de que o segundo nvel de tempo seja calculado numa malha refinada a fim de
compensarmos a falta de acurcia. A extrapolao de Richardson tambm pode ser empregada
com este propsito.
6.3.2
Equao de Difuso Unidimensional em Regime Permanente
Antes de considerarmos o caso da equao de difuso bidimensional, vamos tratar do problema elptico da equao de difuso unidimensional, em regime permanente, apresentando um
104
termo de fonte q
d2
+q =0
dx2
Na discretizao dessa equao vamos empregar uma aproximao da derivada segunda do
tipo diferena centrada, de modo que a forma discretizada ser dada por

j1 2j + j+1
+ qj = 0
x2
ou ainda,
x2 qj
x
Esse sistema de equaes algbricas admite uma representao matricial do tipo
j1 2j + j+1 =
~ = d~
A
~ e d~ so dados, para condies de contorno do tipo Dirichlet,
sendo que a matriz A e os vetores
por
2 +1
2
d2
3 d3
+1 2 +1
. .
. .
... ... ...
. .
+1 2 +1
j = dj
.. .. ..
... ...
.
.
.
+1 2 +1 J2 dJ2
+1 2
J1
dJ1
com
x2 q2
x2 qj
x2 qJ1
d2 =
1 ;
dj =
;
dJ1 =
J
onde 1 e J so as condies de contorno impostas para j = 1 e j = J.

Conforme podemos observar a matriz A tridiagonal e, portanto, a soluo deste sistema
algbrico pode ser obtida mediante a aplicao do algoritmo de Thomas, descrito no Apndice B.
6.3.3
Equao de Difuso Bidimensional
Na Seo 6.3.1 conclumos que para problemas apresentando mecanismos de dissipao significativos, os esquemas implcitos so mais apropriados do que os esquemas explcitos. Na
extenso do problema unidimensional ao caso bidimensional, em se tratando do esquema implcito, teremos que adotar alguns procedimentos especiais se quisermos obter algoritmos que
sejam eficientes na resoluo do sistema algbrico de equaes resultante da discretizao da
equao de difuso bidimensional. Este tratamento geralmente consiste na quebra do algoritmo
bidimensional em dois subalgoritmos cujas incgnitas sero funo unicamente de uma das direes dos eixos coordenados x e y. Esta tcnica pode ser aplicada aos mtodos de diferenas
finitas, elementos finitos e volumes finitos.
105
Em duas dimenses, sabemos que o problema do transporte difusivo transiente governado

pela equao
2
2
x 2 y 2 = 0
t
x
y
acrescida das suas respectivas condies de contorno e inicial.
Estenderemos, agora, os resultados obtidos para a equao de difuso unidimensional ao
caso bidimensional. Iniciaremos considerando primeiramente os mtodos explcitos. A equao
geral a trs nveis pode ser estendida sem maiores dificuldades ao caso bibidimensional, levando
em considerao que em se tratando do caso puramente difusivo no temos os termos advectivos
n1
n
njk jk
n+1
jk jk
(1 ) (x Lxx + y Lyy ) njk

(1 + )
t
t
n1
(x Lxx + y Lyy ) jk
=0
(6.8)
Empregando uma discretizao do tipo diferenas centradas para os termos espaciais e

tomando = 0 e = 0 na Eq. (6.8), obtemos o esquema FTCS bidimensional para a equao
de difuso
n

n

n
n+1
j1k 2njk + nj+1k
jk1 2njk + njk+1
jk jk
x
y
=0
t
x2
y 2
cujo algoritmo
n
n
n
n
n
n+1
jk = sx j1k + (1 2sx 2sy )jk + sx j+1k + sy jk1 + sy jk+1
onde sx = x t/x2 e sy = y t/y 2 .

Uma expanso em srie de Taylor em torno do ponto (j, k, n) nos indica que o algoritmo
consistente com a equao de difuso bidimensional e apresenta como erro de truncamento

x2 4 n
y 2 4 n
t 2 n
n
Ejk
=

+ O t2 , x4 , y 4
x
y
2
4
4
2 t jk
12 x jk
12 y jk
Aplicando o mtodo de Von Neumann podemos mostrar que este algoritmo estvel se

y
x
2
2
|G| = 1 4sx sen
4sy sen
1
2
2
donde
1 1 4sx sen
x
2

4sy sen
y
2

1
ou seja, 0 (sx + sy ) 0, 5.
Seguindo o mesmo procedimento que o adotado no caso da equao de transporte, podemos
escrever a equao geral a trs nveis de tempo para o esquema implcito
n1
n
n+1
njk jk
jk jk
(1 + )
(1 ) (x Lxx + y Lyy ) njk

t
t
6.4. Mtodos Multidimensionais de Fracionamento
106
(x Lxx + y Lyy ) n+1

jk = 0
(6.9)
Fazendo = 0 e = 1 em (6.9) e empregando um esquema de discretizao do tipo

diferenas centradas para os termos espaciais, obtemos o esquema totalmente implcito
!
!
n+1
n+1
n+1
n+1
n+1
n+1
n
2
+
2
+
n+1
jk
j1k
jk
j+1k
jk1
jk
jk+1
jk
x
y
=0
t
x2
y 2
cujo algoritmo correspondente
n+1
n+1
n+1
n+1
n
sx n+1
j1k + (1 + 2sx + 2sy )jk sx j+1k sy jk1 sy jk+1 = jk
Esse algoritmo tambm consistente com a equao de difuso e possui o seguinte erro de
truncamento

x2 4 n
y 2 4 n
t 2 n
2
4
4
n
t
,
x
,
y
+
O
Ejk =

x
y
2 t2 jk
12 x4 jk
12 y 4 jk
Podemos tambm mostrar, mediante a aplicao da anlise de estabilidade de Von Neumann,
que o fator de amplificao para o esquema totalmente implcito dado por
[1 2sx (cos x 1) 2sy (cos y 1)] G = 1
ou ainda,
G=

1 + 4sx sen 2
x
2
1

+ 4sy sen 2
y
2

e a condio de estabilidade verificada para qualquer um dos valores de x e y se (sx + sy ) > 0.

A dificuldade que encontramos no caso do esquema implcito bidimensional, reside na fato
de que para este algoritmo possvel renumerarmos os ns de maneira que tenhamos trs termos
na diagonal principal, mas os outros dois termos estaro deslocados da diagonal principal de
uma quantidade igual ao nmero de ns internos do domnio. Na Figura 6.1 ns mostramos uma
representao matricial do sistema algbrico oriundo da discretizao da equao bidimensional
de difuso. Neste exemplo ns empregamos uma malha com 4 X 4 ns e fizemos o ndice i variar
de 2 at 4 e j de 2 at 3. Consequentemente, o algoritmo de Thomas no pode ser utilizado
neste caso. O emprego da eliminao de Gauss convencional tornase proibitivo e mesmo o
mtodo de eliminao de Gauss para matrizes esparsas invivel no caso de malhas refinadas.
6.4
Mtodos Multidimensionais de Fracionamento
O problema da resoluo do sistema algbrico oriundo da discretizao da equao de difuso bidimensional, empregando um esquema implcito, pode ser superado se fracionarmos o
algoritmo de resoluo em dois subnveis de tempo, a fim de que avancemos de um incremento
de tempo t. Para cada subnvel de tempo, somente os termos associados a uma direo
0 0 Sx C Sx 0 0
0 0 0 0 0 0 Sy 0
C=1+2Sx+2Sy
0 Sx C Sx 0 0 0 Sy
0 0 0 0 0 Sy 0 0
0 Sy
0 0 0 0 Sy 0 0 0 Sx C Sx 0 0 0 Sy 0 0
0 0 0
0 0 0 Sy 0 0 0 Sx C Sx 0 0 0 Sy
C Sx 0 0 0 Sy 0 0 0 0
0 0 Sy
0 0 0 Sx
0 Sy 0 0 0 Sx C Sx 0 0 0 Sy 0 0 0 0 0
Figura 6.1: Exemplo da representao matricial.

44
34
24
14
53
43
33
23
13
52
42
32
22
12
51
41
31
21
11
n+1
43
33
23
42
32
22

107
108
particular do espao so tratados implicitamente. Portanto, somente trs termos aparecero

implicitamente no lado esquerdo do sinal de igualdade no algoritmo. Os demais termos podero
ser agrupados de modo a permitir o emprego do algoritmo de Thomas.
Uma das mais conhecidas tcnicas de fracionamento a ADI (Alternating Direction Implicit). Vamos estudla em detalhes e, em seguida, introduziremos uma generalizao aplicada
ao caso dos esquemas a trs nveis de tempo. A aplicao da tcnica ADI ao algoritmo implcito implica na sua substituio por dois outros algoritmos que devem ser solucionados em
subnveis de tempo diferentes. Durante a primeira etapa de resoluo a seguinte discretizao
empregada
jk njk
x Lxx jk y Lyy njk = 0
t/2
e, na segunda etapa,
n+1
jk jk
x Lxx jk y Lyy n+1
jk = 0
t/2
Na primeira etapa a soluo conhecida no nvel de tempo n e desconhecida no nvel de

tempo n + 1/2, que denotado pelo asterisco. Nessa etapa, somente os termos associados
direo do eixo x (valor constante de k) so avaliados em n + 1/2. O algoritmo correspondente
a esta primeira etapa escrito na seguinte forma
0, 5sx j1k + (1 + sx )jk 0, 5sx j+1k = 0, 5sy njk1
+ (1 sy )njk + 0, 5sy njk+1
(6.10)
Assim, a soluo do sistema de equaes determinada para jk e para um valor fixo de k (uma
determinada linha). Na sequncia, outros sistemas so resolvidos para jk e para cada linha k
(k = 2, . . . , K 1) empregando o algoritmo de Thomas.
Na segunda etapa empregamos o algoritmo
n+1
n+1
0, 5sy n+1
jk1 + (1 + sy )jk 0, 5sy jk+1 = 0, 5sx j1k
+ (1 sx )jk + 0, 5sx j+1k
(6.11)
Nesse caso, a soluo desconhecida no nvel de tempo n + 1 e conhecida em n + 1/2. A soluo

ento obtida resolvendo os sistemas de equaes associados a uma coluna j fixada. O processo
global repetido para cada coluna j (j = 2, . . . , J 1).
A estabilidade do esquema ADI pode ser obtida com a aplicao do mtodo de Von Neumann
a cada um dos algoritmos (6.10) e (6.11) em separado. A estabilidade global ser determinada
pelo produto dos fatores de amplificao. Do algoritmo (6.10) resulta

y
2
1 2sy sen
2
n

(6.12)
G =
G
x
2
1 + 2sx sen
2
109
enquanto que do algoritmo (6.11)

x
1 2sx sen
2

=
y
1 + 2sy sen 2
2
Gn+1
(6.13)
Compondo esses dois resultados, Eqs. (6.12) e (6.13), obtemos o valor global do coeficiente de
amplificao

x
y
2
2
1 2sx sen
1 2sy sen
2
2

(6.14)
G=
x
y
2
2
1 + 2sx sen
1 + 2sy sen
2
2
Da expresso (6.14), constatamos que |G| 1 para qualquer valor de sx > 0, sy > 0, x e
y . Contudo, considerando em separado os fatores de amplificao dos dois algoritmos, vemos
que enquanto o algoritmo global incondicionalmente estvel, os algoritmos em separado so
somente condicionalmente estveis.
Adicionando e subtraindo as duas equaes discretizadas correspondentes aos dois subnveis, Eqs. (6.10) e (6.11), obtemos respectivamente:
n

n+1
jk jk
n
= x Lxx jk + 0, 5y Lyy n+1
+
jk
jk
t
Explicitando jk
n

n+1
jk 2jk + jk
n
= 0, 5y Lyy n+1
jk jk
t
na Eq. (6.16) obtemos

n+1
n
n
jk = 0, 5 n+1
jk + jk 0, 25ty Lyy jk jk
(6.15)
(6.16)
Substituindo esse resultado na Eq. (6.15) resulta em

n
n+1
jk jk
0, 5 (x Lxx + y Lyy ) njk 0, 5 (x Lxx + y Lyy ) n+1
jk
t
!
n+1
n
jk
jk
= 0, 25t2 x y Lxx Lyy
t
Os primeiros termos do lado esquerdo do sinal de igualdade representam o esquema implcito de

CrankNicolson, que sabemos ter uma acurcia da ordem de (t2 , x2 , y 2 ). Como o termo
do lado direito do sinal de igualdade aproximadamente igual a

t2 3
t2 2 2
x y
=
+ ...
4 x2 y 2 t
4 t3
110
podemos concluir que o esquema composto acurado de O (t2 , x2 , y 2 ).

Para que tenhamos um erro de truncamento global de O (t2 ), necessrio que introduzamos condies de contorno para as variveis jk que sejam compatveis com a acurcia dos
algoritmos resultantes do fracionamento. Por exemplo, uma condio de Dirichlet do tipo
(1, y, t) = b(y, t) deve ser avaliada na forma

Jk = 0, 5 bn+1
+ bnk 0, 25ty Lyy bn+1
bnk
k
k
Finalmente, podemos concluir que o esquema ADI em duas dimenses incondicionalmente
estvel, possui acurcia de O (t2 , x2 , y 2 ) e apresenta uma resoluo que possibilita o emprego do algoritmo de Thomas. Este mtodo tambm pode ser estendido ao caso tridimensional,
devendo ser fracionado em trs subnveis (n + 1/3). Em trs dimenses o mtodo apresenta
uma acurcia de segunda ordem no espao e apenas condicionalmente estvel. necessrio
que tenhamos sx , sy e sz 1, 5 para que a estabilidade seja assegurada [11].
Passemos, agora, generalizao do mtodo de fracionamento aplicado ao caso do esquema
geral de diferenas finitas a trs nveis de tempo, que no caso bidimensional se escreve na forma
(1 + )
n
njk n1
n+1
jk
jk jk
= (1 ) (x Lxx + y Lyy ) njk

t
t
+ (x Lxx + y Lyy ) n+1

jk
(6.17)
n+1
Trabalharemos essa equao de forma a obtermos um algoritmo implcito em n+1
jk = jk
njk . Inicialmente, vamos expandir n+1
em srie de Taylor em torno do ponto (j, k, n)
jk
n+1
jk
njk

n
+ t
+ O t2
t jk
Empregando um esquema de diferenas avanadas na aproximao do termo de derivada de

primeira ordem
!
n+1
jk
n
n+1
+ O t2
jk = jk + t
t
Substituindo este resultado na equao geral (6.17), temos que
n+1
n
n
(1 + )n+1
jk jk t (x Lxx + y Lyy ) jk t (x Lxx + y Lyy ) jk = 0
ou ainda,

t
t
n+1
(x Lxx + y Lyy ) jk
=
(x Lxx + y Lyy ) njk +
njk
1
1+
1+
1+
onde njk = njk n1
jk .
(6.18)
111
A fim de que possamos usar o algoritmo de Thomas, a Eq. (6.18) deve ser substituda pela
seguinte fatorizao aproximada

t
t
t
1
x Lxx
1
y Lyy n+1
(x Lxx + y Lyy ) njk
jk =
1+
1+
1+
|
{z
}
=jk
njk
(6.19)
1+
onde, na Eq. (6.19), vemos aparecer um termo extra no lado esquerdo do sinal de igualdade

2
t
=
x y Lxx Lyy n+1
jk
1+
+
Portanto, isto quer dizer que a fatorizao aproxima a equao implcita em n+1
com um
jk
erro da ordem de t2 .
A equao resultante da fatorizao pode ento ser implementada com o emprego de um
algoritmo a dois estgios. Durante o primeiro estgio devemos resolver

t
t
x Lxx jk =
(x Lxx + y Lyy ) njk +
njk
1
1+
1+
1+
que d origem a um sistema cuja matriz dos coeficientes tridiagonal de equaes associado
cada linha na direo do eixo x.
Por outro lado, no segundo estgio empregamos

t
1
y Lyy n+1
jk = jk
1+
e associado cada coluna na direo do eixo y temos um sistema de equaes cuja matriz dos
coeficientes tambm tridiagonal.
A estrutura dessas equaes similar quela do esquema ADI. No entanto, a presente implementao requer somente uma avaliao dos termos espaciais por passo de tempo, enquanto
que o ADI requer duas avaliaes.
Para a escolha particular de = 0, 5 e = 0, 5 o algoritmo a dois estgios consistente
com a equao diferencial parcial e possui um erro de truncamento de O (t2 , x2 , y 2 ) e
incondicionalmente estvel. Em se tratando do primeiro passo de tempo (n = 0), um esquema
a dois nveis de tempo deve ser empregado a fim de que possamos avaliar a soluo nos dois
nveis de tempo iniciais.
At aqui, os mtodos de fracionamento foram descritos e implementados para condies de
contorno do tipo Dirichlet. Veremos agora como proceder a fim de combinarmos condies
de contorno do tipo Neumann com as tcnicas de fracionamento. A ttulo de exemplo, vamos
impor para um domnio 0 x 1, 0 y 1 as seguintes condies de contorno
(1, y, t) = g(y, t) ;
x
(x, 1, t) = h(x, t)
y
112
onde g(y, t) e h(x, t) so funes conhecidas.

Nos vrios esquemas empregados anteriormente, os termos espaciais apresentaram uma acurcia de segunda ordem. Portanto, uma maneira acurada de implementarmos as condies de
contorno do tipo Neumann deve empregar uma discretizao de segunda ordem no espao:
jk+1 jk1
= hj (t)
2y
j+1k j1k
= gk (t) ;
2x
Estas condies de contorno devem ser implementadas em conjuno com o esquema generalizado a dois nveis de tempo

j1k 2jk + j + 1k
jk t x
x2

n

n
jk1 2njk + n jk + 1
j1k 2njk + n j + 1k
+ t y
= t x
x2
y 2
e
!
n+1
n+1
n+1
jk + 1
jk1 2jk +
n+1
jk t y
= jk
2
y
Para os pontos que se encontram em x = 1 (j = J) e y = 1 (k = K), j+1k e jk+1 podem ser
avaliados empregando as seguintes igualdades
nJ+1k = nJ1k + 2x gkn ;
njK+1 = njK1 + 2y hnk
Contudo, ainda nos resta avaliarmos os termos j+1k e n+1

jk+1 . Isto pode ser feito atravs
das relaes
n+1
n
n+1
j+1k = j+1k j+1k
n+1
= j1k
nj1k + 2 x gkn+1 gkn
n+1
= n+1
j1k + 2 x gk
e, de modo anlogo,
n+1
n+1
n+1
jk+1 = jk1 + 2 y hj
No primeiro estgio do fracionamento e para j = J devemos empregar

j1k jk
jk 2 t x
x2
n

n

j1k njk + x gkn
jk1 njk + y hnj
gk
= 2t x
+ y
+ x
x2
y 2
x
113
onde
gk = (1 t y Lyy ) gkn+1
Para o segundo estgio e k = K devemos usar
n+1
jk
2 t y
n+1
j1k
n+1
jk
2
y
!
=
jk
hn+1
j
+ 2 y y
y
Caso g e h sejam constantes, os ltimos termos do lado direito destas equaes desaparecero.
6.5
Equao de Adveco
No estudo da equao de difuso ns examinamos previamente o comportamento dos termos

de difuso 2 /x2 e 2 /y 2 . Nesta seo, iremos considerar os termos advectivos u /x
ou v /y e veremos qual a melhor maneira de trat-los computacionalmente.
Iniciaremos o nosso estudo, de problemas que incluem a adveco, considerando a equao
linear de adveco unidimensional
+u
=0
(6.20)
t
x
onde u a velocidade e um campo escalar. Esta uma equao do tipo hiperblica. Da teoria
das equaes diferenciais parciais sabemos que esta equao admite uma soluo do tipo [18]
(x, t) = f (x u t)
para uma condio inicial dada por (x, 0) = f (x).
O algoritmo FTCS aplicado equao de adveco unidimensional (6.20) resulta na seguinte
equao algbrica
n

n+1
nj
j+1 nj1
j
+u
=0
t
2x
Essa equao pode ainda ser escrita na forma de um algoritmo

n
n
n
n+1
=
0,
5C
j
j+1
j1
j
onde C = ut/x o nmero de Courant.
Uma anlise de consistncia desse esquema nos mostra que ele consistente com a equao
de conveco e apresenta um erro de truncamento dado por
x2 3 n
t 2 n t2 3 n
n
Ej =
+
+u
+ ...
2 t2 j
6 t3 j
6 x3 j
apresentando uma acurcia de O (t, x2 ).
Das relaes entre as derivadas no tempo e no espao, oriundas da equao de adveco (6.20), temos que
2
3
2
3
2
3
=
u
;
=
u
t2
x2
t3
x3
6.5. Equao de Adveco
114
Dessas relaes podemos reescrever o erro de truncamento em funo unicamente das derivadas
espaciais
2
3 n
x 2 n
x
n
2
Ej = u C
1C
+u
+ ...
2 x2 j
6
x3 j
Da anlise de estabilidade de Von Neumann, aplicada ao esquema FTCS, chegamos expresso do fator de amplificao:
G = 1 i C sen
cujo mdulo
|G| =
12 + (C sen )2
Portanto, |G| 1 para qualquer valor de e o algoritmo incondicionalmente instvel!

Uma alternativa ao emprego do esquema de diferenas finitas centradas na discretizao do
termo espacial, pode ser a frmula de diferenas recuadas. Assumindo que a velocidade u seja
positiva
n

n+1
nj
j nj1
j
+u
=0
t
x
ou ainda, na forma de um algoritmo,
n+1
= (1 C) nj + C nj1
j
(6.21)
Para uma velocidade u negativa devemos empregar

n+1
= (1 |C|) nj + |C| nj+1
j
No algoritmo (6.21) (u > 0) a soluo n+1
determinada a partir dos valores conhecidos
j
montante do n e por essa razo ele designado por Upwind.
Uma expanso da soluo exata em srie de Taylor, em torno do ponto (j, n), de na
Eq. (6.21) produz como resultado
n t 2 n
x 2 n t2 3 n
n
+u +
u
+

t j
x j
2 t2 j
2 x2 j
6 t3 j

x2 3 n
3
3
+u
+
O
t
,
x
=0

6 x3 j
Caso essa equao seja interpretada como tendo um erro de truncamento de O (t2 , x2 ), ela
parece ser consistente com a equao
2
+u
0 2 = 0
t
x
x
ao invs da equao de adveco. Portanto, o uso da formulao do tipo Upwind para o termo
espacial e do tipo diferenas avanadas para o termo transiente introduziu uma difusividade
artificial (numrica) 0 = 0, 5 u x(1 C). Fica claro que para C = 1 essa difusividade
115
numrica vale zero, o que no surpreendente visto que para este valor o algoritmo fornece a
soluo exata do problema [11].
Determinemos, agora, a expresso do fator de amplificao proveniente da anlise de estabilidade de Von Neumann

G = 1 + C ei 1
= 1 + C (cos isen 1)
= 1 + C (cos 1) iCsen
cujo mdulo dado por
|G| =
p
1 4C(1 C)sen 2 (/2)
e a condio de estabilidade, |G| 1, verificada se C 1. Essa desigualdade conhecida como

a condio de CourantFriedrichs-Lewy (CFL). Ela se aplica, em geral, aos esquemas explcitos
empregados na discretizao de equaes diferenciais hiperblicas. Fisicamente, essa condio
expressa o fato de que uma partcula de fluido no deve viajar mais do que um incremento de
espao x num intervalo de tempo t.
O mtodo Leapfrog emprega uma formulao de diferenas finitas centradas no tempo e no
espao
n

n+1
n1
j+1 nj1
j
j
+u
=0
2t
2x
o que resulta no algoritmo
n+1
= n1
C nj+1 nj1
j
j
Esse algoritmo consistente com a equao de adveco e apresenta como erro de truncamento
2 3

x n
t2 3 n
n
Ej =
+u
+ O t4 , x4
3
3
6 t j
6
x j
2
3 n
5 n
x4
x
2
4
= u
1C
1C
+u
+ ...
6
x3 j
120
x5 j
e um fator de amplificao que dado pelas razes da equao quadrtica
G2 + 2 i C G sen 1 = 0
ou seja,
G = i C sen
1 C 2 sen 2
Podemos mostrar que a condio |G| 1 verificada caso C 1, mas que para C > 1 temos
que |G| > 1 para determinados valores de . Assim, caso a condio de CFL seja verificada, o
esquema Leapfrog possui uma condio de estabilidade neutra [11].
Nesse esquema, podemos notar que na determinao da soluo n+1
o algoritmo salta
j
sobre o valor da soluo nj , tal fato est na origem do nome do esquema. A estrutura deste
6.5. Equao de Adveco
116
algoritmo implica no fato de que a malha tratada como sendo um tabuleiro de xadrez. A
soluo nos quadrados pretos so completamente independentes da soluo nos quadrados
brancos. Essa particularidade pode levar, em alguns casos, obteno de duas solues para
um mesmo problema [11].
Como esse mtodo utiliza um esquema a trs nveis de tempo, ele necessita de um mtodo
alternativo para o primeiro passo de tempo. O mtodo Leapfrog recomendado para problemas
hiperblicos, como por exemplo, aqueles governados pela equao de adveco.
O mtodo de LaxWendroff est baseado na obteno de uma representao de segunda
ordem do termo transiente (/t) da Eq. (6.20), a partir do truncamento do desenvolvimento
em srie de Taylor
n+1
n+1
nj
t 2
t 2 2
j nj
j
u
=
=
t
t
2 t2
t
2
x2
Introduzindo uma formulao por diferenas centradas na discretizao da derivada segunda
do termo espacial ns obtemos
1

1
n+1
= nj C nj+1 nj1 + C 2 nj1 2nj + nj+1
j
2
2
Esse algoritmo consistente com a equao de adveco e apresenta um erro de truncamento
de O (t2 , x2 )
2
3 n
x 2 n
x
2
n
1C
Ej = (u C u C)
+u
+ ...
2 x2 j
6
x3 j
3
2
3 n
4 n
x
x
2
2
1C
1C
= u
uC
+ ...
6
x3 j
24
x4 j
Da anlise de estabilidade obtemos para o fator de amplificao
G = 1 + C 2 (cos 1) i C sen

2
2
= 1 i C sen 2 C sen
2
e o algoritmo ser estvel se a condio de CFL, C 1, for verificada.
At aqui, todos os esquemas considerados enquadramse na categoria dos mtodos explcitos. Veremos, a seguir, um exemplo de um mtodo implcito aplicado equao de adveco.
Conforme j visto, sabemos que o esquema de CrankNicolson recuperado da equao geral
a trs nveis de tempo (6.2) tomando = 0 e = 0, 5

n+1
nj
j
+ u 0, 5Lx nj + 0, 5Lx n+1
=0
j
t
onde adotaremos para o operador Lx um esquema de discretizao do tipo diferenas centradas,
de modo a obtermos o algoritmo
n+1
n
n
n
0, 25Cn+1
+ 0, 25Cn+1
j1 + j
j+1 = 0, 25Cj1 + j 0, 25Cj+1
117
o qual pode ser resolvido efetivamente pelo algoritmo de Thomas.

Esse esquema consistente com a equao de adveco e apresenta um erro de segunda
ordem em t e x
n+1/2
n+1/2 t 2 n+1/2 t2 3 n+1/2
x 2 n+1/2
+u
+
+
+C

t j
x j
2 t2 j
6 t3 j
2 tx j
x2 3 n+1/2
x 3 n+1/2
+u
+ ... = 0
+t

4 2 tx j
12 x3 j
ou ainda,

t t 2 n+1/2 t2 3 n+1/2
+

2
2
t2 j
6 t3 j
x2 3 n+1/2
+u(1 + 3C)
+ ... = 0

12 x3 j
n+1/2
n+1/2
+
u
+

t j
x j
donde
x2 3 n+1/2
= u 1 + 3C 2C
+ ...

12 x3 j
A anlise de estabilidade de Von Neumann, aplicada a esse esquema, produz como fator de
amplificao dado por
1 0, 5 i C sen
G=
1 + 0, 5 i C sen
n+1/2
Ej
Fica claro que |G| 1 para todo e o esquema de CrankNicolson, aplicado equao de
adveco unidimensional, incondicionalmente estvel.
Tipicamente os esquemas implcitos aplicados equao de adveco produzem algoritmos
que so incondicionalmente estveis. Entretanto, o uso de esquemas implcitos para equaes
hiperblicas no necessariamente vantajoso. O emprego destes esquemas nos leva a um
sistema de equaes acopladas no nvel de tempo n + 1. Portanto, uma perturbao, devida
por exemplo a um erro de arredondamento, introduzida em um determinado n (n, j), afetar
a soluo em todos os outros ns no prximo nvel de tempo (j, n + 1). Fisicamente, este um
comportamento tpico de uma equao diferencial parablica e no de uma equao hiperblica.
O uso de esquemas implcitos em EDPs hiperblicas produzem solues que no so acuradas
se t (ou C) for grande. Caso t seja pequeno, C 1 para a equao de adveco, no existe
vantagem no que diz respeito estabilidade, embora possa haver um ganho na acurcia como
no caso do esquema de CrankNicolson [11].
6.6
Dissipao e Disperso Numricas
Na prtica, muitos problemas so governados por sistemas de equaes que so do tipo

hiperblico que possui pouca ou nenhuma dissipao. As solues destas equaes so caracterizadas por um trem de ondas que se propaga com pouca ou nenhuma perda de amplitude.
Portanto, muito importante que os esquemas numricos no introduzam nenhuma dissipao
6.6. Dissipao e Disperso Numricas
118
que no seja a fsica. Devemos tambm esperar que estes esquemas no alterem a velocidade
de propagao destas ondas, ou seja, eles no devem introduzir nenhuma disperso artificial.
De um modo geral, podemos escrever a soluo descrevendo uma onda plana que se propaga
sujeita a uma dissipao e disperso na forma:
=
m exp [(m)t ] exp {i m [x V (m)t ]}
m=
onde m um valor real positivo, m um nmero de onda que est relacionado com o comprimento de onda ( = 2/m), (m) determina o quo rapidamente a onda vai se atenuar
e V (m) a velocidade de propagao da onda. Caso esta equao represente uma soluo da
equao de adveco, temos que (m) = 0 e V (m) = u, ou seja, ondas de qualquer comprimento
de onda propagam-se com a mesma velocidade e sem amortecimento.
Consideremos agora duas equaes que esto estreitamente relacionadas com a equao de
adveco
+u
2 =0
t
x
x
e
3
+u
+ 3 =0
t
x
x
A primeira equao a de transporte unidimensional e a segunda a forma linear da equao
de Kortewey de Vries. Para ondas planas governadas pela equao de transporte, da primeira
equao obtemos:

m2 + i [m(u V )] = 0
e esta igualdade verificada para:
(m) = m2
V (m) = u
Isto quer dizer que a onda ser atenuada pelo termo difusivo mas a velocidade de propagao
no ser alterada. Como m = 2/, os pequenos comprimentos de onda sero atenuados mais
rapidamente do que os grandes comprimentos de onda. Por outro lado, para ondas planas
governadas pela equao de Korteweg de Vries:

+ i m u m2 V = 0
que, por sua vez, verificada fazendo:
(m) = 0
V (m) = u m2
Neste caso, a amplitude da onda fica inalterada e as ondas iro propagar com velocidades
diferentes, dependendo do comprimento de onda de cada uma delas. Caso existam ondas de
mais de um comprimento de onda, elas vo se dispersar uma vez que iro se deslocar com
velocidades diferentes. A mudana na velocidade de propagao ser mais pronunciada para os
119
pequenos comprimentos de onda. Assim, caso seja positivo, ondas de pequeno comprimento
de onda iro se propagar mais lentamente.
Podemos formalmente definir a dissipao como sendo a atenuao da amplitude das ondas
planas e a disperso como sendo a propagao de ondas planas com diferentes comprimentos
de onda e velocidades. Dos dois exemplos anteriores, podemos dizer alguma coisa sobre o papel
das derivadas de mais alta ordem. A dissipao est associada ao aparecimento de termos com
derivadas espaciais de ordem par, enquanto que a disperso est associada aos termos com
derivadas espaciais de ordem mpar.
Da anlise de consistncia das equaes discretizadas, sabemos que estas equaes so equivalentes s equaes diferenciais originais acrescidas de um erro de truncamento. Este erro de
truncamento tipicamente formado por sucessivas derivadas de alta-ordem pares e mpares. A
relao entre estes termos e a dissipao e disperso numricas ser vista mais adiante.
6.6.1
Anlise de Fourier
Informaes quantitativas sobre a dissipao e a disperso numricas podem ser obtidas se

compararmos, para um algoritmo particular, as representaes em srie de Fourier das solues
exata e aproximada. De maneira anloga ao caso da representao da soluo exata, podemos
introduzir uma representao em srie de Fourier para a soluo aproximada
=
m=
Caso a equao algbrica do algoritmo considerado seja linear, podemos considerar separadamente os componentes da srie de Fourier.
Durante um intervalo de tempo t, o componente m da soluo aproximada sofrer um
decrscimo de amplitude dado por exp [(m)t ] e ter avanado de uma distncia igual a
V (m)t. Neste mesmo intervalo de tempo, o componente m da soluo exata da equao de
adveco unidimensional ((m) = 0 e V (m) = u), ter mantido a sua amplitude constante
e ter avanado de uma distncia igual a u t. Um algoritmo numrico que no introduza
dissipao e nem disperso numricas, dever ter (m) igual a zero e V (m) igual a velocidade
u.
Podemos obter expresses para (m) e V (m) se substituirmos a representao em srie
de Fourier da soluo aproximada no algoritmo computacional e construirmos a relao de
amplitude do componente m para um simples passo de tempo
Gm =
m exp [(m) (t + t)] exp {i m [x V (m) (t + t)]}

= exp [(m)t ] exp [i mV (m)t ]

A ttulo de exemplo, vamos aplicar este resultado ao caso do esquema upwind:
Gm = 1 + C [cos(mx) 1] i C sen (mx)
120
Im
|Gm |
m
a
Re
Figura 6.2: ngulo de fase.
que representa exatamente o mesmo resultado que o obtido pela anlise de estabilidade de Von
Neumann para o fator de amplificao. Deste resultado podemos escrever
q
(m)t
{1 + C [cos(mx) 1]}2 + [C sen (mx)]2
|Gm | = e
=
=
1 4C(1 C)sen 2 (0, 5 m x)
Desta representao do fator de amplificao, vemos que o fator decrescer ou permanecer

inalterado caso (m) 0. Assim, podemos dizer que a instabilidade esta associada a uma
dissipao negativa. Notamos tambm que a atenuao ser mxima para m x = , isto
, para pequenos valores do comprimento de onda.
A velocidade de propagao V (m) est associada fase m do fator de amplificao Gm na
forma:

C sen (mx)
1
m = m V (m) t = tg
1 + C [cos(mx) 1]
Observamos que como Gm um nmero imaginrio, Gm = a + i b, o ngulo de fase obtido
atravs da relao: tg m = b/a, conforme esquematizado na Figura 6.2.
No caso da soluo exata, sabemos que ex = m u t = C m x, portanto,

m
V
1
C sen (mx)
1
=
=
tg
ex
u
C m x
1 + C [cos(mx) 1]
Assim, a velocidade de propagao (ou a fase) acurada para valores pequenos de m x e o
erro crescer medida que m x .
121
A introduo da representao em srie de Fourier para as solues exata e numrica e a

conseqente determinao do fator de amplificao, para o componente m, permitem a obteno
de expresses para a dissipao e a disperso para diferentes algoritmos e para qualquer valor
de m x.
Conforme j havamos tido a oportunidade de verificar, o menor comprimento de onda
que pode ser representado numa malha finita = 2x e este valor corresponde a m x =
. Grandes comprimentos de onda correspondem a m x 0. Portanto, dos resultados
mostrados, acima, devemos esperar que os pequenos comprimentos de onda sejam os mais
afetados caso o esquema numrico introduza dissipao e disperso numricas.
6.6.2
Equao Modificada
Vimos nas sees anteriores que a dissipao e a disperso numricas podem estar associadas
com a ocorrncia das derivadas espaciais de segunda e terceira ordem respectivamente. Isto nos
sugere que um exame do erro de truncamento tambm possa nos permitir um identificao da
tendncia da dissipao e da disperso numricas de um algoritmo computacional particular.
Entretanto, para este fim, o erro de truncamento deve ser interpretado de uma forma especial.
Assumiremos que L() = 0 representa a equao diferencial original e que La () = 0
representa a formulao oriunda da discretizao da equao diferencial, ou seja, a equao
algbrica. Do nosso desenvolvimento prvio do erro de truncamento sabemos que:
L() = La () Ejn () = 0
Na aplicao desta tcnica, devemos obter uma expresso do erro de truncamento na seguinte
forma:
La () = L() + E() = 0
onde na equao algbrica a soluo aproximada foi expandida em srie de Taylor. Esta
equao deve ser trabalhada a fim de que E() contenha somente derivadas espaciais. Neste
sentido, devemos diferenciar La () repetidamente no intuito de eliminarmos as derivadas temporais. Este desenvolvimento contrasta com o anterior, no qual empregvamos L() = 0 na
simplificao do erro de truncamento.
A equao L() + E() = 0 uma equao diferencial com um nmero infinito de termos.
Ela chamada de equao modificada e a equao que de fato devemos resolver, caso seja
fornecido um nmero suficiente de condies de contorno. A equao modificada tambm pode
ser empregada para se demonstrar a consistncia e a acurcia do algoritmo computacional. Na
equao modificada as derivadas de ordem par esto associadas dissipao e as de ordem mpar
disperso numricas. Assim, considerando os termos pares e mpares de mais baixa ordem,
em x, do erro de truncamento, podemos deduzir as propriedades dissipativas e dispersivas
do esquema algbrico para grandes comprimentos de onda. O comportamento para pequenos
comprimentos de onda no descrito, uma vez que o desenvolvimento em srie de Taylor
pressupe t e x pequenos.
122
Empregando a tcnica da equao modificada ao esquema FTCS
t 2 t2 3
x2 3
+u
+
+
+u
+ ... = 0
t
x |2 t2
6 t3{z
6 x3
}
=E()
as derivadas temporais so eliminadas mediante a derivao da equao acima e vamos considerar, somente, os termos at segunda ordem:
t 3 t2 4
x2 3
u
2 t3
6 t4
6 x3

2
t 3
t 2
2
= u
+
u
+ ...
x2
2 x t2
2 t3
=
u
t2
x
= u2

+ ...
3
t 3
2
3 t
+
u
+ ...
x2
2 x3
2 t3
= u
3
t
x
= u3
2
t2
x2 3
t 4 t2 5
2 t4
6 t5
6 x3
2
t2

+ ...
3
+ ...
x3
e, portanto,
2
3
2
2
3
=
u
+
u
t
+ ...
t2
x2
x3
Substituindose estes resultados na expresso do erro

2 3
2 3
x2 3
t 2
3 t
3 t
+u
+ u2
+
u
u
+
u
+ ... = 0
3
t
x | 2 x2
2 x3
6 x3
{z 6 x
}
=E()
ou ainda, explicitando-se o erro de truncamento

E() = u C
3
x 2
x2
2
+
u
1
+
2C
+ ...
2 x2
6
x3
Esta equao consistente com a equao de adveco e apresenta uma acurcia de O (t, x2 ).
O erro de truncamento apresenta um termo de dissipao numrica de primeira ordem e um
termo de disperso numrica de segunda ordem.
A tcnica da equao modificada pode ser estendida ao caso das equaes no lineares,
enquanto que a anlise de Fourier s pode ser aplicada s equaes lineares.
6.7
123
Equao de Transporte Unidimensional
A equao de transporte unidimensional escrita na forma
2
+u
2 =0
t
x
x
onde um campo escalar passivo que est sendo advectado com uma velocidade conhecida u
e sendo dissipado. A fim de examinarmos o comportamento das solues computacionais desta
equao, vamos considerar que u e so constantes. Como no caso da equao de difuso, a
equao de transporte parablica e requer o mesmo tipo de condies de contorno e inicial.
Entretanto, para valores elevados de u/, podemos esperar que os dois primeiros termos desta
equao predominem. A equao de transporte apresentar, ento, um comportamento similar
ao da equao de adveco. Lembremonos que as solues exatas da equao de adveco
so, tipicamente, ondas que se propagam sem amortecimento. Portanto, para grandes valores
de u/, podemos esperar que as solues da equao de transporte se comportem como ondas
que se propagam com pequenos amortecimentos.
Em muitos problemas de transporte (mecnica dos fluidos, transferncia de calor, etc),
os mecanismos de dissipao s so importantes numa fina camada adjacente fronteira. A
equao de transporte em regime permanente um modelo til para ilustrarmos este fenmeno.
Em uma dimenso esta equao dada por:
d2
d
2 =0
u
dx
dx
sendo que ela representa o balano, em regime permanente, entre a adveco e a difuso. Caso
tenhamos como condies de contorno para 0 x 1
(0) = 0
(1) = 1, 0
a soluo exata desta equao dada por:

(x) =
eux/ 1
eu/ 1
onde esta soluo caracterizada por uma distribuio uniforme de , combinada com uma
camada limite adjacente a x = 1, 0.
Empregando formulaes do tipo diferenas centradas na discretizao dos termos espaciais
da equao de advecodifuso em regime permanente, obtemos o seguinte algoritmo:
(1 + 0, 5P ec ) j1 + 2j (1 0, 5P ec ) j+1 = 0
onde P ec = ux/ o nmero de Pclet de clula definido em termos de x. Para igual a
viscosidade dinnica temos o nmero de Reynolds de clula Rec .
6.7. Equao de Transporte Unidimensional
124
Uma expanso em srie de Taylor, em torno do ponto j, indica que este algoritmo consistente com a equao de advecodifuso
u
d
d2
x2 d3
2 +u
+ ... = 0
dx
dx
6 dx3
apresentando uma acurcia de segunda ordem em x.

Quando as equaes so escritas para todos os ns da malha, nos deparamos com uma matriz
dos coeficientes que tridiagonal, caso representemos o sistema de equaes na forma A = d.
Por ser uma matriz tridiagonal, podemos empregar o algoritmo de Thomas na obteno da
soluo deste sistema de equaes:
b
c
2
a1
a
3 0
b
c
. .
... ... ...
. .
. .
a
b
c
j = 0
. .
... ... ...
.. ..
a b c J2 0
a b
J1
cJ
onde a = (1 + 0, 5P ec ), b = 2 e c = (1 0, 5P ec ). Neste caso em questo, os autovalores da
matriz tridiagonal podem ser determinados analiticamente:

j
j = b + 2 a c cos
J 1
para j variando de 1 a J 2. Tambm possvel, para este caso relativamente simples, obtermos
uma soluo exata para o sistema de equaes:

j1
1 0, 5P ec
j = K1 + K2
1 + 0, 5P ec
onde K1 e K2 so escolhidos de maneira a satisfazerem as condies de contorno. Deste resultado, vemos claramente que a soluo apresentar oscilaes caso P ec > 2. Portanto, solues
oscilatrias podero ser evitadas se P ec 2. Do clculo dos autovalores da matriz A, vemos
que eles sero reais se a c 0, ou seja:
a c = (1 + 0, 5P ec ) (1 0, 5P ec ) 0
cuja restrio verificada para P ec 2. Assim, as solues oscilatrias coincidem com a
existncia de autovalores complexos da matriz dos coeficientes.
Em geral, os autovalores da matriz dos coeficientes tm muito a nos dizer sobre o comportamento da soluo numrica. Consideremos uma equao diferencial parcial do tipo
= L()
t
125
com as seguintes condies inicial e de contorno:

(~r, 0) = f (~r )
t=0
(~r, t) = g(~r, t)
t>0
Aps termos procedido a uma discretizao do operador diferencial espacial, obtemos o seguinte
sistema de equaes diferenciais ordinrias:
d
= A + s
dt
Considerando que os autovetores ~vj da matriz dos coeficientes formam uma base vetorial completa para o espao de funes avaliadas nos ns da malha, podemos escrever a soluo exata
da equao diferencial ordinria como uma combinao linear destes vetores
=
N
X
j (t)~vj
j=1
Assumindo que s independente do tempo, podemos tambm escrever

s=
N
X
sj ~vj
j=1
Inserindo estes vetores na equao diferencial ordinria

dj
= j j + sj
dt
uma vez que a matriz dos coeficientes diagonalizada pelas matrizes Q cujas colunas so
formadas pelos autovetores da matriz dos coeficientes
1
Q AQ = D
onde D uma matriz diagonal cujos elementos da diagonal principal so os autovalores da
matriz A.
Do Clculo, sabemos que a soluo geral da equao diferencial ordinria ser dada por
=
(t)
N
X
C0j e
j t
j=1
sj

~vj
Da condio inicial para t = 0 podemos determinar a constante C0j

C0j = 0j +
sj
j
126
Assim, chegamos a forma final da soluo

=
(t)
N
X
j=1
0j e
j t

sj j t
e 1 ~vj
j
Desta soluo, podemos concluir que as solues oscilatrias esto associadas existncia de
autovalores complexos da matriz dos coeficientes e que estas oscilaes sero limitadas caso a
parte real dos autovalores seja negativa.
A substituio da representao por diferenas centradas por um esquema do tipo Upwind
na
discretizao
da
equao
de
convecodifuso,
para
u > 0, previnir a existncia de solues oscilatrias. De fato, neste caso temos o seguinte
algoritmo
(1 + P ec ) j1 + 2 (1 + 0, 5P ec ) j j+1 = 0
Do clculo dos autovalores da matriz A
a c = (1 + P ec ) (1) = 1 + P ec > 0
e, portanto, todos os autovalores da matriz sero reais.
Uma expanso em srie de Taylor (em torno do ponto j) indica que este algoritmo consistente com a equao de advecodifuso e possui uma acurcia de, somente, primeira ordem em
x. Caso este esquema seja tratado como sendo de segunda ordem em x, ele ser consistente
com a seguinte equao diferencial ordinria
u
d2
d
(1 + 0, 5P ec ) 2 = 0
dx
dx
ou seja, o uso do esquema Upwind de primeira ordem, para o termo advectivo, introduziu
uma difusividade artificial 0 = 0, 5P ec . Portanto, para que tenhamos solues que sejam
acuradas, deveramos ter
0 = 0, 5 P ec 1
que muita mais restritiva do que a condio P ec 2.
O comportamento oscilatrio da representao empregando diferenas centradas e a natureza muito dissipativa do esquema Upwind, nos sugerem que uma representao do esquema
Upwind empregando quatro pontos deve ser necessria, a fim de que possamos obter resultados que sejam satisfatrios. Para u positivo, a seguinte representao deve ser apropriada:
d
= a j2 + b j1 + c j + d j+1
dx
Expandindo em srie de Taylor em torno do ponto j
d
d
x2 d2
= (a + b + c + d)j + (d 2a b)x + (4a + b + d)

dx j
dx j
2 dx2 j
127
x3 d3
+ ...
6 dx3 j
Para que a igualdade seja verificada, temos que determinar os coeficientes mediante a resoluo
do sistema abaixo
a+b+c+d = 0
(d 2a b)x = 1
4a + b + d = 0
+(d 8a b)
Resolvendo para os coeficientes b, c e d em termos de a

1
1
+ 3a ; c = 3a; d =
a
b=
2x
2x
Fazendo a = /3x
d j+1 j1
+
=
dx
2x
j2 3j1 + 3j j+1
3x
No caso de u ser negativo, esta expresso deve ser substituda por

d j+1 j1
j1 3j + 3j+1 j+2
+
=
dx
2x
3x
Estas representaes foram escritas de propsito como sendo uma modificao da representao
por diferenas centradas. O parmetro controla esta modificao e para = 0 recuperamos
o esquema de diferenas centradas.
Empregando esta representao para o termo advectivo e uma discretizao por diferenas
centradas para o termo difusivo, obtemos o seguinte algoritmo para a equao de adveco
difuso:
P ec j2 [1 + ( + 0, 5)P ec ] j1 + (2 + P ec ) j
3
h

i
1+
0, 5 P ec j+1 = 0
3
Esta estrutura introduz uma complicao adicional que a de se resolver um sistema A = d,
onde a matriz A tetradiagonal.
Aplicando o mtodo da equao modificada, podemos obter a equao que de fato resolvida
por este algoritmo [11]:

d
d2
x2 d3
1
x3 d4
u
2 + u(1 2)
+
u
2
dx
dx
6 dx3
P ec
12 dx4
x4 d5
+ = 0
120 dx5
Vemos que esta equao consistente com a equao de advecodifuso e para o valor particular = 0, 5 apresenta uma acurcia de terceira ordem em x. Alm do mais, para = 0, 5
+u(1 10)
128
e P ec = 1 temos um esquema de quarta ordem em x. Em se tratando de problemas advectivos no lineares, o valor de P ec depender da soluo local. Nestes casos, no ser possvel
obtermos um esquema de quarta ordem para todo o domnio computacional.
Visto alguns casos aplicados equao de advecodifuso em regime permanente, abordaremos agora a equao de transporte unidimensional em regime transiente. Iniciaremos com
o estudo de alguns esquemas explcitos e, em seguida, veremos os esquemas implcitos.
O esquema FTCS aplicado equao de transporte unidimensional produz:
n+1
nj
nj+1 nj1
nj+1 2nj + nj1
j
+u
=0
t
2x
x2
donde obtemos o algoritmo
n+1
= (s + 0, 5C)nj1 + (1 2s)nj + (s 0, 5C)nj+1
j
onde s = t/x2 e C = ut/x.
Uma expanso em srie de Taylor em torno do ponto (j,n), indica que este algoritmo
consistente com a equao de transporte apresentando um erro de truncamento de O (t, x2 ).
Considerando que o erro de truncamento seja de O (t2 , x2 ), esta equao ser consistente
com a seguinte equao diferencial parcial:
2 t 2
+u
2 +
=0
t
x
x
2 t2
Isto quer dizer que um termo adicional, previamente interpretado como o primeiro termo do
erro de truncamento, foi includo na equao diferencial parcial que consistente com o algoritmo FTCS. Seguindo o desenvolvimento apresentado anteriormente, podemos obter a equao
modificada em termos somente das derivadas espaciais

2
2
x2 3
0
3 t
+u
( ) 2 ut + u
u
t
x
x
3
6
x3

4
2
x2

2
2
2
4
3
2 tx
+ 0, 5 t u t + 0, 25u t
+u
+ ... = 0
12
6
x4
onde 0 = u2 t/2. Assim, percebemos que o uso de um esquema de discretizao de primeira
ordem no, tempo, introduziu um termo de dissipao e um termo de disperso, ambos de
primeira ordem em t. Portanto, para que a dissipao numrica no seja comparvel
difuso fsica
2
0 t 2
u
ou ainda,
2
P ec
C
Estas restries so um grande incentivo para que utilizemos esquemas de discretizao de
segunda ordem para o termo transiente da equao de transporte.
129
A anlise de estabilidade de Von Neumann aplicada ao esquema FTCS produz o seguinte

resultado:
G = 1 2s(1 cos ) i Csen
A condio de estabilidade |G| 1 implica nas seguintes restries [11]:
0 C 2 2s 1
Estritamente falando, estas condies permitem solues estveis para P ec = C/s > 2, o que
introduz a possibilidade de obtermos solues oscilatrias. Contudo, para estes valores do
nmero de Pclet de clula devemos obter solues que no so acuradas.
Do esquema de DuFortFrankel aplicado equao de transporte unidimensional ns obtemos:

nj+1 n+1
n+1
n1
+ jn1 + nj1
nj+1 nj1
j
j
j
+u
=0
2t
2x
x2
cujo algoritmo correspondente :

2s + C
1 2s
2s C
n+1
n
n
j+1 +
j1 +
n1
j =
j
1 + 2s
1 + 2s
1 + 2s
Uma expanso em srie de Taylor indica que ao contrrio do caso da equao de difuso,
precisamos assegurar que t x (C 2 1) para que este algoritmo seja consistente com a
equao de transporte. Tal fato representa na prtica uma restrio muito severa.
Da anlise de estabilidade de Von Neumann
p
B B 2 + 4 (1 4s2 )
G=
2(1 + 2s)
onde B = (4 s cos i 2 C sen ). Podemos mostrar que para C 1 o algoritmo estvel e
no existem restries impostas em s [11].
Caso optemos pela utilizao do esquema do tipo Upwind na discretizao do termo advectivo, para u positivo, temos que a equao discretizada dada na seguinte forma:
n+1
nj
nj nj1
nj1 2nj + nj+1
j
+u
=0
t
x
x2
cujo algoritmo associado :
n+1
= (s + C)nj1 + (1 2s C)nj + snj+1
j
Expandindo em srie de Taylor, podemos mostrar que esta equao consistente com a
equao de transporte unidimensional com um erro de O (t, x). Por outro lado, aplicando
a tcnica da equao modificada [11] obtemos:
2
x
2
+u
2 u
(1 C) 2
t
x
x
2
x
130

3
x2
2
Cx u
1 3C + 2C
+ ... = 0
6
x3
Podemos perceber que este esquema de discretizao introduz um termo de dissipao numrica
de primeira ordem em x:
0 = 0, 5 u x(1 C)
Para que este esquema gere solues acuradas, devemos exigir que 0 , ou ainda,
P ec
2
1C
Do clculo do fator de amplificao, via o mtodo de Von Neumann, temos que

G = 1 (2s + C)(1 cos ) i C sen
e para que a condio de estabilidade seja verificada
q
|G| = [1 (2s + C)(1 cos )]2 + C 2 sen 2 1
Esta desigualdade satisfeita se 2s+C 1. Este resultado consideravelmente mais restritivo
do que o correspondente obtido para a equao de difuso.
As maiores restries encontradas no que diz respeito obteno de solues acuradas,
reside no fato de empregarmos aproximaes de primeira ordem das derivadas parciais. Neste
sentido, o esquema de LaxWendroff fornece uma maneira de obtermos um algoritmo que possui
acurcia de segunda ordem no tempo e no espao
n+1
nj
nj+1 nj1
nj1 2nj + nj+1
j
+u
t
2x
x2
x nj1 2nj + nj+1
u C
=0
2
x2
ou ainda, na forma de um algoritmo

n+1
= nj 0, 5 C nj+1 nj1 + 0, 5 C 2 + 2s nj1 2nj + nj+1
j
Da equao modificada, podemos mostrar que este algoritmo consistente com a equao
de transporte unidimensional, no introduz uma difusividade numrica e apresenta um erro de
truncamento de O (t2 , x2 ) [11]

3
2
x2
2
2
+u
2 u s x u
1C
+ ... = 0
t
x
x
6
x3
Aplicando a anlise de estabilidade de Von Neumann, obtemos para o fator de amplificao:

G = 1 + 2 0, 5 C 2 + s (cos 1) i C sen
131
e a condio de estabilidade, |G| 1, nos conduz s seguintes restries [11]:

0 C 2 2 0, 5 C 2 + s 1
No decorrer deste curso, tivemos a oportunidade de verificarmos que os esquemas a dois nveis de tempo so incondicionalmente estveis para 0, 5 1 quando aplicados equao de
difuso. Agora, vamos utilizar o esquema implcito geral a dois nveis de tempo na discretizao
da equao de transporte unidimensional
n+1
nj
j
+ (1 ) (uLx Lxx ) nj + (uLx Lxx ) n+1
=0
j
t
Este esquema conhecido pelo nome de trapezoidal e, para = 0, 5, ele chamado de Crank
Nicolson, embora originariamente ele tenha sido desenvolvido para a equao de difuso [11].
O uso de formulaes do tipo diferenas centradas na discretizao dos operadores espaciais,
resulta na seguinte equao algbrica:
!
n+1
n+1
nj
nj+1 nj1 n+1
j+1 j1
j
+ 0, 5u
+
t
2x
2x
0, 5
n+1
+ n+1
nj1 2nj + nj+1 n+1
j1 2j
j+1
+
x2
x2
!
=0
ou ainda, na forma de um algoritmo

n+1
n
(s + 0, 5C)n+1
(s 0, 5C)n+1
j1 + 2(1 + s)j
j+1 = (s + 0, 5C)j1
+2(1 s)nj + (s 0, 5C)nj+1

Empregando a tcnica da equao modificada, obtemos [11]:

2
4
2
C 2 3
x2
2 x
2
+u
2 +u
1+
1
+
3C
+ ... = 0
t
x
x
6
2 x3
12
x4
Podemos constatar que esta equao consistente com a equao de transporte e apresenta um
erro de truncamento da ordem de t2 e x2 . Assim, evitamos o problema da difuso artificial
que aprecem devido aos termos de primeira ordem no erro de truncamento.
Da determinao do fator de amplificao, via o mtodo de Von Neumann, ns obtemos:
G=
1 s(1 cos ) i 0, 5Csen

1 + s(1 cos ) + i 0, 5Csen
e a condio de estabilidade verificada sem que nenhuma restrio seja imposta sobre os
valores de C e s. Entretanto, para que no tenhamos solues oscilatrias devemos verificar a
seguinte condio de restrio: P ec 2.
132
Da anlise de Fourier podemos tambm determinar o fator de amplificao Gm e o ngulo

de fase m :
|1 s(1 cos ) i 0, 5Csen |
|1 + s(1 cos ) + i 0, 5Csen |
(
)1/2
[1 s(1 cos )]2 + (0, 5Csen )2
=
[1 + s(1 cos )]2 + (0, 5Csen )2
|Gm | =
e
m = tg
C sen m
1 [s (1 cos m )]2 (0, 5Csen m )2
Uma outra alternativa ao emprego de uma formulao por diferenas centradas, na discretizao do termo advectivo, seria o emprego de uma discretizao do tipo Upwind a quatro
pontos. Para um valor de u positivo:
!
n+1
n+1
n
n
n
n+1
j
j+1
j1
j+1
j1
j
+ 0, 5u
+
t
2x
2x
n+1
n+1
n+1
nj2 3nj1 + 3nj nj+1 n+1
j2 3j1 + 3j
j+1
+0, 5u
+
3x
3x
!
n+1
+ n+1
nj1 2nj + nj+1 n+1
j1 2j
j+1
+
=0
0, 5
x2
x2
Escrevendo este resultado na forma de um algoritmo

C n+1
n+1
(s + 0, 5C + C)n+1
j1 + (2 + 2s + C)j
3 j2

C
C n
n+1
s 0, 5C +
j+1
=
j2 + (s + 0, 5C + C)nj1
3
3

C
n
+(2 2s C)j + s 0, 5C +
nj+1
3
Este algoritmo produz um sistema de equaes cuja matriz dos coeficientes tetradiagonal. Este
sistema deve ser resolvido a cada passo de tempo com o emprego, por exemplo, do algoritmo
de Thomas generalizado.
A equao equivalente que efetivamente resolvida numericamente obtida a partir do
emprego da tcnica da equao modificada [11]

1 2 C 2 3
2
2
+u
2 + ux
+
t
x
x
6
12 x3
x3
u
P ec
1 2P ec C 2
+
12
4
133
4
+ ... = 0
x4
Nesta equao, ux3 /P ec = x2 . Para escoamentos nos quais P ec 1, o termo dispersivo

pode ser eliminado com a escolha de = 0, 5 + 0, 25C 2 . Para este valor de e para grandes
valores do nmero de Pclet de clula, o termo dissipativo de mais baixa ordem introduz uma
dissipao positiva.
Da anlise de estabilidade de Von Neumann temos que
i i
h

i
e e
C
i2
i
i
i
i
3e e C
+s e 2+e
2 3 e
2

i
G= h
i2 3ei ei ) + C ei ei s (ei 2 + ei )
(e
2 + C
3
2
ou ainda,

1 s+

G=
1+ s+
C
(1
3
C
(1
3

cos ) (1 cos ) iCsen 0, 5 +

cos ) (1 cos ) + iCsen 0, 5 +
C
(1
3
C
(1
3

cos )

cos )
Portanto, a condio de estabilidade assegurada caso 3s, ou seja, 3/P ec [11].
6.8
Equao de Transporte Bidimensional
As complicaes adicionais que encontraremos, na passagem do caso unidimensional ao

bidimensional, so comparveis s encontradas quando do estudo da equao de difuso. Em
duas dimenses sabemos que a equao de transporte linear se escreve na seguinte forma:
2
2
+u
+v
x 2 y 2 = 0
t
x
y
x
y
Devemos tambm esperar que os mesmos tipos de restries encontradas, no caso unidimensional, existam como condio para que haja estabilidade no problema bidimensional.
Tomaremos como exemplo de aplicao de um mtodo explcito a verso bidimensional do
esquema FTCS, empregado na discretizao da equao de transporte bidimensional:
n

n

n
n+1
j+1k nj1k
jk+1 njk1
jk jk
+u
+v
t
2x
2y
n

n

j1k 2njk + nj+1k
jk1 2njk + njk+1
x
y
=0
x2
y 2
Desta equao resulta o algoritmo
n
n
n
n+1
jk = (sx + 0, 5Cx ) j1k + (1 2sx 2sy ) jk + (sx 0, 5Cx ) j+1k
+ (sy + 0, 5Cy ) njk1 + (sy 0, 5Cy ) njk+1
6.8. Equao de Transporte Bidimensional
134
onde
sx = x
t
;
x2
sy = y
t
;
y 2
Cx = u
t
;
x
Cy = v
t
y
Expandindo em srie de Taylor a soluo aproximada e empregando a tcnica da equao

modificada, ns obtemos:
2
2
+u
+v
(x 0 x ) 2 (y 0 y ) 2
t
x
y
x
y

2
2
x2 3
y 2 3
3 t
3 t
u
v
x ut + u
y vt + v
+ = 0
3
6
x3
3
6
y 3
onde 0 x = 0, 5uCx x e 0 y = 0, 5vCy y.
De modo anlogo ao caso unidimensional, o emprego de formulaes de primeira ordem para
os termos transiente e advectivos introduzem termos de dissipao (e disperso) artificial. Caso
o esquema Upwind seja empregado na discretizao dos termos advectivos, as difusividades
artificiais seriam dadas neste caso por:
0 x = 0, 5ux (Cx 1)
0 y = 0, 5vy (Cy 1)
Os erros introduzidos por estes termos so particularmente severos quando a direo do escoamento principal faz um ngulo de 45o com relao ao eixo ordenado Ox.
Efetuando, mais uma vez, a anlise de estabilidade de Von Neumann chegamos expresso
do fator de amplificao:
G = 1 + 2sx (cos x 1) + 2sy (cos y 1) i Cx sen x i Cy sen y
Para que o esquema seja estvel, devemos verificar a seguinte desigualdade |G| 1, onde o
fator de amplificao dado por
q
|G| = [1 + 2sx (cos x 1) + 2sy (cos y 1)]2 + (Cx sen x Cy sen y )2
o que resulta nas seguintes restries [11]
(sx + sy ) 0, 5
(Cx + Cy )2
2
(sx + sy )
Caso sx = sy = s, ento devemos ter que s 0, 25 e esta condio duas vezes mais severa
que a restrio correspondente ao caso unidimensional.
O uso de mtodos implcitos, na discretizao da equao de transporte bidimensional, faz
com que evitemos grande parte das dificuldades apresentadas pelos mtodos explcitos com
relao s questes de estabilidade. Em contrapartida, eles introduzem maiores dificuldades no
que diz respeito resoluo eficiente do sistema de equaes algbricas oriundo do processo de
discretizao.
135
Escrevendo a formulao geral para uma representao do termo transiente a trs nveis de
tempo
h
i
n+1
njk
jk
= (1 ) (uLx xLxx ) + (vLy y Lyy ) njk

(1 + )
t
t
h
i
+ (uLx xLxx ) + (vLy y Lyy ) n+1
jk
onde
n+1
n
n+1
jk = jk jk
n1
njk = njk jk
A incluso dos termos advectivos u Lx e v Ly no um empecilho para que possamos aplicar

as tcnicas de fracionamento introduzidas anteriormente neste curso. Utilizando a mesma
tcnica de fracionamento que a empregada no esquema geral a trs nveis de tempo, ns obtemos
para a equao de transporte bidimensional:

t (uLx x Lxx ) jk =
njk
1+
1+
1+

h
i
t
+
(uLx x Lxx ) + (vLy y Lyy ) njk
1+
e

1+
t (uLy x Lyy ) n+1
jk = jk
1+
Portanto, mais uma vez, o fracionamento possibilita que a resoluo do sistema de equaes
algbricas seja obtida a partir da resoluo de sub-sistemas tridiagonais de equaes associadas
s linhas e colunas da malha.
Este algoritmo consistente com a equao de transporte bidimensional e apresenta um erro
de truncamento de O (t2 , x2 , y 2 ) para os esquemas a dois nveis de tempo ( = 0, = 0, 5)
e trs nveis de tempo ( = 0, 5, = 1, 0) [11].
A anlise de estabilidade aplicada s equaes oriundas do fracionamento nos leva a uma
equao quadrtica em G. A resoluo desta equao indica que este algoritmo incondicionalmente estvel para 0, 5 [11].
136
6.8. Equao de Transporte Bidimensional
APNDICE A
O MTODO DE SEPARAO DE
VARIVEIS
O mtodo de separao de variveis aplica-se na resoluo de equaes diferenciais parciais
lineares e homogneas, com condies de contorno homogneas. O mtodo ser aplicado ao
caso de um problema tridimensional e em coordenadas retangulares
1
2 2 2
=
+
+ 2
t
x2 y 2
z
(A.1)
onde = (x, y, z, t) e com condies de contorno homogneas e inicial dadas por

no contorno Si e para t > 0 : ki
+ hi = 0
ni
para t = 0 : (x, y, z, 0) = F (x, y, z)

Partiremos do do princpio que este problema admite uma separao de variveis na forma [13]
(x, y, z, t) = (x, y, z)(t)
Substituindo esta decomposio na equao diferencial (A.1), obtemos

1 1 d
1 2 2 2
=
+ 2 + 2
dt
x2
y
z
Nessa equao, o lado esquerdo funo somente da varivel t enquanto que o lado direito
funo unicamente das variveis x, y e z. Portanto, esta igualdade s verificada se ambos
os lados forem iguais a uma constante:

1 1 d
1 2 2 2
=
+ 2 + 2 = 2
dt
x2
y
z
137
138
Temos, ento, que as funes (t) e (x, y, z) satisfazem s seguintes equaes

1 d
+ 2 = 0
dt
e
2 2 2
+ 2 + 2 + 2 = 0
2
x
y
z
onde a segunda equao conhecida como a equao de Helmhotz.
A funo (x, y, z) admite tambm uma separao de variveis na forma
(A.2)
(x, y, z) = X(x)Y (y)Z(z)

Aps substituio na equao de Helmhotz (A.2), obtemos o seguinte resultado
1 d2 Y
1 d2 Z
1 d2 X
+
+
+ 2 = 0
X dx2
Y dy 2
Z dz 2
(A.3)
onde cada termo funo de uma nica varivel independente. A igualdade em (A.3) s
verificada se cada termo for igual a uma constante de separao arbitrria,
d2 X
+ 2X = 0
2
dx
d2 Y
+ 2Y = 0
dy 2
d2 Z
+ 2Z = 0
dz 2
onde
2 + 2 + 2 = 2
Podemos mostrar que estas equaes representam problemas de autovalores [19], onde
X(, x), Y (, t) e Z(, t) so as autofunes associadas ao problema que queremos resolver.
A soluo completa = (x, y, z, t) construda a partir da superposio linear das solues
(t), X(, x), Y (, t) e Z(, t). Quando a regio de resoluo do problema finita, os autovalores assumem valores discretos e a superposio das solues feita atravs do somatrio
de todos os valores permitidos de n , m e p . Por outro lado, caso a regio seja infinita ou
semi-infinita, as constantes de separao assumem todos os valores entre zero e o infinito e a
superposio feita a partir de uma integrao sobre todos os valores.
Vemos, facilmente, que o problema em (t)
d
= 2 dt
possui uma soluo do tipo

(t) = e t = e(
2
2 + 2 + 2
)t
Apndice A. O Mtodo de Separao de Variveis
139
e a soluo completa, no caso de uma regio finita, ser dada por

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

2
(A.4)
m=1 n=1 p=1
Em se tratando de uma regio infinita,

Z Z Z
2
2
2
=
C(, , )e( + + )t X(, x)Y (, y)Z(, z)ddd
0
Essas solues satisfazem a equao diferencial e as condies de contorno, mas no satisfazem necessariamente a condio inicial. Aplicando a condio inicial para t = 0, na superposio
de solues, no caso da regio finita
F (x, y, z) =
X
X
Cmnp X(m , x)Y (n , y)Z(p , z)
(A.5)
m=1 n=1 p=1
Nessa equao, os coeficientes Cmnp podem ser determinados se fizermos uso das propriedades
de ortogonalidade das autofunes,

Z A
0
para m 6= n
X(m , x)X(n , x)dx =
N (m ) para m = n
0
B
0
para m 6= n
N (m ) para m = n
0
para m 6= n
N (m ) para m = n
Y (m , y)X(n , y)dy =
0
Z(m , z)Z(n , z)dz =

0
onde as integrais definem um produto interno e N representa as normas provenientes deste

produto interno, sendo definidas como
Z A
N (m ) =
[X(m , x)]2 dx
0
B
[Y (m , y)]2 dy
N (m ) =
0
C
[Z(m , z)]2 dz
N (m ) =
0
Com a finalidade de determinarmos os coeficientes Cmnp , aplicamos em ambos os lados da

Eq. (A.5) estes operadores integrais e obtemos, ento,
Cmnp =
1
N (m )N (n )N (n )
Z
0
Z
0
Z
0
X(m , x0 )Y (n , y 0 )Z(p , z 0 )F (x0 , y 0 , z 0 )dx0 dy 0 dz 0
140
Substituindo, agora, todos estes resultados na Eq. (A.4)

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

A
Z
0
Z
0
1
X(m , x)Y (n , y)Z(p , z)
N (m )N (n )N (n )
X(m , x0 )Y (n , y 0 )Z(p , z 0 )F (x0 , y 0 , z 0 )dx0 dy 0 dz 0
Estudos sobre a separabilidade da equao de Helmhotz mostraram que a sua separao em

equaes diferenciais ordinrias possvel em 11 sistemas de coordenadas ortogonais, conforme
mostrado na Tabela A.1 [13].
Tabela A.1: Separao da equao de Helmohtz.
Sistema de Coordenadas
1
Retangular
2
Circular-cilndrico
3
Elptico-cilndrico
4
Parablico-cilndrico
5
Esfrico
6
Esferoidal Achatado
7
Esferoidal Oblongo
8
Parablico
9
Cnico
10
Elipsoidal
11
Paraboloidal
Soluo
Exponencial, circular, hiperblica
Bessel, exponencial, circular
Mathie, circular
Weber, circular
Legendre, potncia, circular
Legendre, circular
Legendre, circular
Bessel, circular
Lam, potncia
Lam
Baer
Quando a equao diferencial parcial e/ou as condies de contorno no forem homogneas,

ns ainda podemos obter uma soluo do problema
1
1
= 2 + g(x, y, z)
t
k
onde = (x, y, z, t), com condies de contorno no-homogneas e inicial dadas por
no contorno Si e para t > 0 : ki
+ hi = fi (x, y, z)
ni
para t = 0 : (x, y, z, 0) = F (x, y, z)

atravs da resoluo de uma sequncia de problemas mais simples, sendo a soluo dada por:
(x, y, z, t) = h (x, y, z, t) +
s
X
j=0
0j (x, y, z)
Apndice A. O Mtodo de Separao de Variveis
141
nesta equao 0j (x, y, z) a soluo do problema no-homogneo em regime permanente

1
2 0j + 0j g(x, y, z) = 0
k
com as seguintes condies de contorno em Si
0j
+ hi 0j = ij fi (x, y, z)
ni
onde i = 1, 2, . . . , s; j = 0, 1, 2, . . . , s; sendo s igual ao nmero de fronteiras da regio e ij o
delta de Kronecker.
A funo h (x, y, z, t) ser a soluo do seguinte problema homogneo
ki
1 h
= 2 h
t
h
+ hi h = fi (x, y, z)
ni
P
para t = 0 : h (x, y, z, 0) = F sj=0 0j
no contorno Si :
ki
Podemos notar que a soluo do problema em regime permanente corresponde a um conjunto

de equaes. A funo 0j (x, y, z) para j = 0, corresponde ao problema em regime permanente
com um termo fonte na equao diferencial, mas com condies de contorno homogneas. As
funes 0j (x, y, z) para j = 1, 2, 3, . . ., representam as solues de problemas sem o termo fonte
e com uma nica condio de contorno no-homognea [13].
142
APNDICE B
ALGORITMO DE THOMAS
No decorrer do nosso curso, discutimos sobre algumas das possibilidades de discretizao
da equao de transporte. Da aplicao destas tcnicas resultou na obteno de um sistema
algbrico linear de equaes que necessita ser resolvido. Existem duas famlias de tcnicas de
resoluo de sistemas algbricos lineares, que so os mtodos diretos e os indiretos ou iterativos. Como simples exemplos, de mtodos diretos, temos o mtodo de Cramer de inverso de
matrizes e o mtodo de Gauss. A principal desvantagem destes mtodos o grande nmero de
informaes que devemos armazenar na memria do computador.
Os mtodos iterativos baseiam-se na aplicao repetitiva de algoritmos relativamente simples. A convergncia, nem sempre garantida, obtida aps um grande nmero de iteraes.
Exemplos bem conhecidos destes mtodos so o mtodo de Jacobi e o mtodo de Gauss-Seidel
ponto a ponto. A principal vantagem destes mtodos que somente os coeficientes no nulos
do sistema de equaes precisam ser armazenados.
Os mtodos de Jacobi e Gauss-Seidel so fceis de serem implementados, mas podem apresentar uma convergncia lenta quando os sistemas de equaes forem muito grandes. Por este
motivo, eles no so os mais apropriados para a resoluo destes sistemas. Em 1949, Thomas
desenvolveu uma tcnica para resolver rapidamente sistemas tridiagonais. Este algoritmo
chamado de algoritmo de Thomas ou TDMA (Tri-Diagonal Matrix Algorithm). O algoritmo
TDMA na realidade um mtodo de resoluo direto para problemas unidimensionais, mas
pode ser aplicado iterativamente, linha a linha, na resoluo de problemas bidimensionais e,
por isso, largamente empregado.
B.1
O Algoritmo de Thomas
O algoritmo de Thomas utilizado quando queremos resolver sistemas algbricos do tipo

A~
= d~
143
B.1. O Algoritmo de Thomas
144
onde a matriz A tridiagonal. Este mtodo uma adaptao do mtodo de Gauss.

Nesse curso, vimos que o resultado da discretizao das equaes de transporte pode ser
representada, empregando um esquema implcito e para o caso unidimensional, pela seguinte
equao algbrica
n+1
cj n+1
bj n+1
(B.1)
j1 + aj j
j+1 = dj
com os pontos da malha sendo numerados de 1 a J.
Esse sistema algbrico pode ser representado matricialmente na forma
a1 b1
c2 a2 b2
..
..
..
.
.
.
cj aj
... ...
bj
...
cJ1 aJ1 bJ1
cJ
aJ
1
2
..
.
j
.
..
J1
J
n+1
d1
d2
..
.
= dj
.
..
dJ1
dJ
onde c1 = 0 e bJ = 0. Para j = 1, devemos tomar a1 = 1, b1 = 0 e d1 = n+1

.
1
O mtodo de resoluo pode ser descrito como um processo desenvolvido em duas etapas. Na
primeira, a partir de operaes de eliminao realizadas sobre a matriz A, obtemos o seguinte
sistema
n+1
= Pj n+1
j
j+1 + Qj
caso tenhamos Pj e Qj na forma
Pj =
bj
aj cj Pj1
Qj =
dj + cj Qj1
aj cj Pj1
Podemos obter essas expresses para Pj e Qj partindo da forma geral da equao discretizada
n+1
aj n+1
= bj n+1
j
j+1 + cj j1 + dj
e da relao
n+1
n+1
+ Qj1
j1 = Pj1 j
Aps substituio da expresso de n+1

j1 na equao geral discretizada (B.1) obtemos, mediante
um pouco de algebrismo,

bj
dj + cj Qj1
n+1
n+1
j =
j+1 +
aj cj Pj1
a c P
|
{z
}
| j {zj j1 }
=Pj
=Qj
Apndice B. Algoritmo de Thomas
145
Essas so relaes de recorrncia para P e Q. Lembrando que c1 = 0, podemos determinar

os valores de P1 e Q1
b1
P1 =
a1
d1
Q1 =
a1
Para j = 1, conforme j mencionado, podemos tomar a1 = 1, b1 = 0 e d1 = n+1
.
1
A segunda etapa, do algoritmo, consiste na resoluo do sistema de equaes algbricas de
maneira recursiva para j = J at j = 1. Como bJ = 0, temos que
PJ = 0
QJ = n+1
J
A fim de que o algoritmo seja convergente, a matriz A no deve ser mal-condicionada. Para
tanto, basta ela ser do tipo diagonal dominante [11]

aj > c j + b j
Finalizando, o algoritmo para aplicarmos a tcnica TDMA pode ser resumido por:
1. Estimar o campo de variveis inicial;
2. Calcular P1 e Q1 atravs das suas relaes;
3. Calcular todos os Pj e Qj com j = 2 at j = J;
4. Fazer QJ = n+1
J ;
5. Calcular as variveis para os pontos J 1 at 1;
6. Checar a convergncia (no caso do mtodo iterativo).
B.2
O Mtodo TDMA Linha a Linha
No caso da resoluo de problemas bidimensionais, uma combinao conveniente do mtodo

direto TDMA com o mtodo iterativo de Gauss-Seidel pode ser formada. Consideremos a malha
mostrada na Fig. B.1 e a forma geral bidimensional da equao de transporte discretizada
aP P = aW W + aE E + aS S + aN N + b
Para que possamos resolver este sistema, o mtodo TDMA aplicado ao longo de uma linha
escolhida, digamos por exemplo a linha norte-sul (n s). Com esta finalidade, a equao
discretizada e reescrita na forma
aS S + aP P aN N = aW W + aE E + b
B.2. O Mtodo TDMA Linha a Linha
146
norte
x
i
sul
Pontos calculados nesta iterao
Pontos conhecidos da iterao precedente
Figura B.1: Mtodo TDMA linha a linha.
onde o lado direito desta equao assumido ser temporariamente conhecido, a partir dos
valores determinados na iterao precedente. Esta equao encontra-se na forma da equao
apresentada quando da introduo do algoritmo de Thomas, com cj aS , aj aP , bj aN e
dj aW W +aE E +b. Desta maneira, ns podemos resolver o sistema de equaes ao longo da
direo n s para a linha escolhida e para valores de j = 2, 3, 4, . . . , J 1, conforme mostrado
na Fig. B.1. Este procedimento prosseguir com a sua aplicao s demais linhas na mesma
direo e, caso desejado, o mesmo procedimento poder ser aplicado direo leste-oeste.
A convergncia do mtodo linha a linha rpida, uma vez que as informaes provenientes das condies de contorno so transmitidas para o interior do domnio numa nica vez,
no importando a quantidade de ns existentes ao longo da linha considerada. Entretanto,
a velocidade de transmisso na outra direo do espao ser a mesma do mtodo ponto por
ponto. Para evitarmos este inconveniente, o mtodo aplicado s duas direes do espao de
maneira alternada [17]. Associado a este fato, a direo de varredura (isto , a sequncia na
qual as linhas so escolhidas) pode ser importante em alguns casos [17]. Nas nossas aplicaes,
aplicaremos o mtodo TDMA alternadamente nas duas direes do espao e a varredura ser
feita de cima para baixo e de baixo para cima no caso da direo y e da esquerda para direita
e vice-versa no caso da direo x do espao.
Apndice B. Algoritmo de Thomas
B.3
147
Relaxao
Na resoluo iterativa do sistema algbrico de equaes ou no tratamento de no-linearidades,

com frequncia devemos empregar um processo de sub-relaxao ou de sobre-relaxao. Este
procedimento visa a evitarmos que o algoritmo de resoluo empregado seja instvel. A sobrerelaxao empregada normalmente em conjuno com o mtodo de Gauss-Seidel, resultando
num esquema conhecido como SOR (Sucessive Over-Relaxation). A sub-relaxao empregada
normalmente no caso de problemas no-lineares, a fim de evitarmos a divergncia do processo
iterativo de resoluo do sistema de equaes.
Existem muitas maneiras de introduzirmos a relaxao e ns vamos apresentar aqui uma
delas. Partindo-se da equao de transporte discretizada
X
aP P =
avi vi + b
que pode ainda ser posta na forma
P
P =
avi vi + b
aP
ns introduziremos a varivel P que assumir o valor de P na iterao precedente e o coeficiente de relaxao de forma que esta equao pode ser reescrita como
P

avi vi + b
P = P +
P
aP
ou ainda,
X
aP
aP
P =
avi vi + b + (1 ) P
para compreendido entre 0 e 1, temos uma sub-relaxao enquanto que para superior a 1
teremos uma sobre-relaxao.
Primeiramente, ns devemos observar que, uma vez alcanada a convergncia, ou seja,
P torna-se igual a P , da equao acima podemos verificar que ns recuperamos a equao
discretizada original. Qualquer esquema de relaxao deve apresentar essa propriedade.
No existe uma regra geral para a melhor escolha do valor de . O valor timo depende de
vrios fatores, tais como a natureza do problema em questo, o nmero de pontos da malha,
o espaamento da malha e do procedimento iterativo utilizado [17]. O valor de no precisa
ser o mesmo durante todo o processo de clculo, com o seu valor podendo variar para cada
iterao.
148
B.3. Relaxao
BIBLIOGRAFIA
[1] Steven C. Charpa and Raymond P. Canale. Numerical Methods for Engineers. Applied
Mathematics Series. McGrawHill Book Company, 1990.
[2] M. Cristina C. Cunha. Mtodos Numricos. Editora da UNICAMP, 2003.
[3] N. S. Asaithambi. Numerical Analysis. Saunders College Publishing, 1995.
[4] J. C. Butcher. Numerical Methods for Ordinary Differential Equation. Wiley, 2003.
[5] J. C. Butcher. General linear methods. Acta Numerica, pages 157256, 2006.
[6] C. Runge. Ueber die numerische auflsung von differentialgleichungen. Mathematische
Annalen, 46:167178, 1895.
[7] W. Kutta. Beitrag zur nherungsweisen integration totaler differentialgleichungen. Zeit.
Math. Physik, 46:435453, 1901.
[8] John C. Tannehill, Dale A. Anderson, and Richard H. Pletcher. Computational Fluid
Mechanics and Heat Transfer. Computational and Physical Processes in Mechanical and
Thermal Sciences. Taylor & Francis, 1997.
[9] Armando de Oliveira Fortuna. Tcnicas Computacionais para Dinmica dos Fluidos.
EDUSP, Editora da Universidade de So Paulo, 2000.
[10] Djairo Guedes de Figueiredo. Anlise de Fourier e Equaes Diferenciais Parciais. Projeto
Euclides. IMPA, CNPq, 1987.
[11] C. A. J. Fletcher. Computational Techniques for Fluid Dynamics, volume 1. SpringerVerlag, 1991.
[12] Luiz Adauto Medeiros and Nirzi G. de Andrade. Iniciao s Equaes Diferenciais Parciais. Livros Tcnicos e Cientficos Editora S.A., 1978.
149
150
BIBLIOGRAFIA
[13] M. Necati zisik. Heat Conduction. John Wiley & Sons, 1980.
[14] John C. Slattery. Momentum, Energy, and Mass Transfer in Continua. McGraw-Hill
Kogakusha, 1972.
[15] E. W. Billington and A. Tate. The Physics of Deformation and Flow. McGraw-Hill, 1981.
[16] Aris Rutheford. Vectors, Tensors and Basic Equations of Fluid Mechanics. Prentice-Hall,
1962.
[17] S. V. Patankar. Numerical Heat Transfer and Fluid Flow. Hemisphere Publishing Corporation, 1980.
[18] Randall J. Leveque. Finite Volume Methods for Hyperbolic Problems. Cambridge University Press, 2002.
[19] Valria Irio. EDP Um Curso de Graduao. IMPA, CNPq, 1991.
NDICE
critrio de estabilidade, 8991

curvas caractersticas, 42, 53, 56, 58, 61
momentum linear, 64
acurcia, 74, 77, 92
alta ordem, 74, 77, 79, 82
anlise
de estabilidade, 86
de Fourier, 49
de Von Neumann, 8991
autovalores, 45, 87, 89, 91
dAlembert, 54, 55
derivada material, 64
diferena
avanada, 3, 10, 71, 74, 83
centrada, 10, 73, 74, 83
finita, 10, 7173, 75, 78, 79, 82
recuada, 10, 72, 74
difusividade trmica, 86, 90
discretizao, 69, 81, 84, 86
discriminante, 45, 46
dissipao viscosa, 40
domnio
computacional, 52, 56, 61
de dependncia, 53
de influncia, 53
baixa ordem, 74, 77

capacidade trmica, 68
choque, 44
classificao das EDPs, 41
coeficiente
de difuso, 83
condio
de contorno, 50, 51, 56, 59, 61, 92
de Dirichlet, 52, 59, 61, 87
de estabilidade, 88, 89, 91
de Neumann, 52, 59, 61, 88
de Robin, 52, 59, 61
inicial, 2, 50, 51, 56, 59, 92
condies auxiliares, 2, 51
condicionalmente
estvel, 6
instvel, 6
condutividade trmica, 68
consistncia, 31, 35, 81, 82, 84, 92
convergncia, 31, 34, 81, 82, 92
EDP
elptica, 42, 45, 60
hiperblica, 41, 45, 53
parablica, 41, 45, 58
energia
cintica, 66
interna, 66
equao
a N variveis independentes, 45
algbrica homognea, 86
algbrica linear, 86
151
ndice
152
biharmnica, 41
constitutiva, 65
corretora, 9, 25
da continuidade, 63, 66, 68
de Burger, 40
de convecodifuso, 40
de difuso, 84, 86
de difuso de calor, 58
de difuso unidimensional, 83
de energia, 68
de Helmholtz, 40
de Kortewegde Vries, 40
de Laplace, 51, 60, 62
de Navier-Stokes, 66
de Poisson, 40, 62
de Stokes, 41
diferencial ordinria de primeira ordem,
2
diferencial ordinria de segunda ordem,
2
diferencial parcial, 39, 81, 82
diferencial parcial de segunda ordem, 44
discretizada, 83, 86, 87
do balano de energia, 67
do telgrafo, 41
linear da onda, 39, 53
preditora, 8, 25
equaes de balano, 63
erro
computado, 76
da soluo, 92
de arredondamento, 4, 82, 86
de resoluo, 82
de truncamento, 3, 71, 73, 74, 76, 84, 85,
92
do passo corretor, 25, 27
do passo preditor, 25, 27
global de truncamento, 4
local de truncamento, 4
local de truncamento aproximado, 5
numrico, 69, 87
escoamento
incompressvel, 64
laminar, 91
no-linear, 82
supersnico no-viscoso, 77
turbulento, 91
viscoso, 77
esquema
a cinco pontos, 75, 79
a dois nveis de tempo, 86, 90
a dois pontos, 75
a trs nveis de tempo, 91
a trs pontos, 75, 78
explcito, 83, 86
FTCS, 83, 86
implcito, 84, 86
estabilidade, 6, 32, 35, 74, 81, 82, 85, 89, 92
existncia, 51
frmula
a cinco pontos, 75
a dois pontos, 75
a trs pontos, 73
aberta, 25
de AdamsBashforth, 28
de AdamsMoulton, 28
de alta ordem, 76
de baixa ordem, 76
de dAlembert, 55
de integrao de Adams, 27
de integrao de NewtonCotes, 27
fechada, 25
fator de amplificao, 90
fluido
incompressvel, 67, 68
newtoniano, 65
stokesiano, 65
funo incremento, 10
Hadamard, 51
harmnico, 86
incremento, 4
de espao, 5, 69, 82
ndice
153
de tempo, 69, 82
instabilidade, 89
integrao de Euler, 71
simtrica, 87
tridiagonal, 87
movimento peridico, 78
Jacobiano, 46
ns, 69
nmero
de onda, 77
de Reynolds, 77
no-unicidade, 51
lei de Fourier, 68
mtodo
da matriz, 86, 88, 91
das potncias, 89
de Adams de quarta ordem, 30
de diferenas finitas, 69
de elementos finitos, 69
de Euler, 3
de Euler modificado, 9
de Hamming, 30
de Heun, 7, 13
de mais alta ordem, 7, 27
de Milne, 29
de primeira ordem, 5
de Ralston, 13
de RungeKutta de primeira ordem, 11
de Runge-Kutta, 10
de Runge-Kutta de quarta ordem, 14
de Runge-Kutta de segunda ordem, 11
de Runge-Kutta de terceira ordem, 13
de segunda ordem, 9
de volumes finitos, 69
de Von Neumann, 86, 89, 90
do polgono, 13
do ponto mdio, 25
espectral, 69
multistep, 24
nonselfstarting Heun, 26
one-step, 3
malha, 69
grosseira, 77, 79
no-uniforme, 73
refinada, 75, 76, 79
uniforme, 70
matriz
de amplificao, 91
onda
amplitude, 77
dispersiva, 40
grande comprimento, 77, 79
harmnica, 40
pequeno comprimento, 77, 79
plana, 77
propagao, 39
propagao no-linear, 40
senoidal, 55
simples, 40
velocidade de propagao, 53, 77
operador
algbrico, 70
diferencial, 70
perodo, 78
polinmio
caracterstico, 49
interpolador de Lagrange, 14
ponto mdio, 9
pontos nodais, 70
potncia de tenso, 68
preciso, 74
presso
mdia, 65
termodinmica, 65, 67
primeira
frmula aberta de NewtonCotes, 25
lei da termodinmica, 66
problema
bem-posto, 50
de valor de contorno, 52
ndice
154
de valor inicial, 52
misto, 52
quantidade de movimento, 63
regime
permanente, 42, 56, 59, 60
transiente, 53, 56, 83
regra
da cadeia, 7
de Simpson (1/3), 14
do trapzio, 24, 71
resto da srie, 4
srie
de Fourier, 77, 86, 89, 90
de Taylor, 4, 11, 7173, 75, 8284
sistema
algbrico, 69, 81
de EDPs, 47
de equaes algbricas, 82, 84
de equaes diferenciais, 2, 14
elptico, 48
hiperblico, 48
parablico, 48
soluo
aproximada, 81, 82, 92
do sistema algbrico, 81, 86
exata, 82, 83
instvel, 86
numrica, 81, 86
superfcie caracterstica, 49
tcnica geral, 72, 73
tenses
de cisalhamento, 64
normais, 64
tensor
de tenses, 64
extra de tenses, 67
taxa de deformao, 65
teorema
da divergncia, 64, 66
de Gauss, 63
de Green, 62
de Lax, 82
de transporte, 64, 66
trabalho, 66
transformao de coordenadas, 46
valor
de contorno, 2, 82, 83, 86
inicial, 2, 82, 83, 86
varivel
dependente, 2
independente, 2
vetor fluxo de energia, 68
viscosidade
de volume, 65
dinmica, 65

Apostila Mned PDF

Загружено:

Сведения о документе

Оригинальное название

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

Apostila Mned PDF

Загружено:

Авторское право:

Доступные форматы

Mtodos Numricos

1 Equaes Diferenciais Ordinrias

2 Equaes Diferenciais Parciais

6 Equao de Transporte Linear

A O Mtodo de Separao de Variveis

Curva caractersticas no plano t-x. . . . . . . . . .

Malha discreta uniforme.

Exemplo da representao matricial. . . . . . . . . . . . . . . . . . . . . . . . . 107

B.1 Mtodo TDMA linha a linha. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 146

Exemplos de leis fundamentais . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1

Comparao da acurcia dos diferentes esquemas. . . . . . . . . . . . . . . . . . 76

A.1 Separao da equao de Helmohtz. . . . . . . . . . . . . . . . . . . . . . . . . . 140

Vrios problemas prticos de engenharia so descritos em termos de taxas de variao das

Segunda lei de Newton

de Newton), temos a equao que governa a queda de um paraquedista

Captulo 1. Equaes Diferenciais Ordinrias

No que se segue, estaremos interessados em resolvermos equaes diferenciais ordinrias do

Uma primeira possibilidade, de estimativa da derivada, fornecida pela prpria expresso da

Anlise do Erro do Mtodo de Euler

A resoluo numrica da equao diferencial ordinria, de modo semelhante ao caso de uma

1.1. Mtodos OneStep

Figura 1.1: Mtodo de Euler.

Captulo 1. Equaes Diferenciais Ordinrias

onde Et o verdadeiro erro local devido ao truncamento, sendo dado por

Para valores suficientemente pequenos do incremento x, os diferentes termos do erro decrescem

onde Ea representa o erro local de truncamento aproximado.

1.1. Mtodos OneStep

Estabilidade do Mtodo de Euler

O conceito matemtico de estabilidade do mtodo numrico est associado ao crescimento

Captulo 1. Equaes Diferenciais Ordinrias

Mtodos de Mais Alta Ordem

enquanto que a derivada segunda seria dada por

com o grau de complexidade aumentando para as derivadas de mais alta ordem.

1.1. Mtodos OneStep

Figura 1.2: Mtodo de Heun.

Captulo 1. Equaes Diferenciais Ordinrias

onde esta a equao corretora.

Agora, aplicando a regra do trapzio no intuito de avaliarmos a integral acima

onde encontrase no intervalo entre xi e xi+1 . Assim, tratase de um mtodo de segunda

Mtodo de Euler Modificado

1.1. Mtodos OneStep

Em seguida, este valor empregado na estimativa do valor da inclinao curva no ponto

Captulo 1. Equaes Diferenciais Ordinrias

Mtodos de RungeKutta de Segunda Ordem

A forma generalizada para um mtodo de segunda ordem dada por

onde f 0 (xi , yi ) deve ser determinada a partir do emprego de:

Substituindo este resultado na expanso em srie de Taylor

1.1. Mtodos OneStep

yi+1 = yi + b1 x f (xi , yi ) + b2 x f (xi , yi ) + b2 c2 x2

ou ainda, agrupando os termos de mesma ordem em x

Captulo 1. Equaes Diferenciais Ordinrias

Mtodos de RungeKutta de Terceira Ordem

Podemos empregar o mesmo desenvolvimento aplicado na obteno do mtodo de segunda

1.1. Mtodos OneStep

onde x0 e x2 representam os pontos inicial e final do intervalo x.

Mtodos de RungeKutta de Quarta Ordem

Os mtodos de RungeKutta mais populares so os de quarta ordem. Assim como no caso

Muitos problemas de engenharia e das cincias exatas necessitam da soluo de um sistema

Captulo 1. Equaes Diferenciais Ordinrias

para 1 i s, sendo que nesta equao ki = f (xn + ci x, Yi ), i = 1, 2, . . . , s para a forma

sendo s o nmero de estgios do mtodo.

Os coeficientes do vetor c esto relacionados com os elementos da matriz A segundo a

e o vetor b deve ser de tal que