Академический Документы
Профессиональный Документы
Культура Документы
ANGICOS – RN
2016
PEDRO THIAGO VILELA DE MENDONÇA
BANCA EXAMINADORA
_________________________________________
Profº. Dr. Matheus da Silva Menezes - UFERSA
Presidente
_________________________________________
Profº. Dr. Ivan Mezzomo - UFERSA
Membro Examinador
_________________________________________
Profº. Dr. Stefeson Bezerra de Melo - UFERSA
Membro Examinador
_________________________________________
Dedico primeiramente a Deus que em todo momento esteve comigo, me
dando força, sustento, conforto e sabedoria.
Agradeço a meus pais, Pedro Segundo de Mendonça, Vera Lúcia Câmara Vilela, e
meu irmão João Victor Vilela de Mendonça, por fazerem parte da base da minha vida,
contribuindo para a minha formação, e sempre me suprindo com o apoio necessário.
Ao restante de minha família, em especial, ao meu tio Paulo Sérgio Câmara Vilela,
que sempre me ajudou e incentivou nos estudos da matemática e lógica, despertando
em mim a curiosidade pela área da engenharia.
Aos professores que compõem a minha banca Ivan Mezzomo e Stefeson Bezerra
Melo. Que também deram uma grande colaboração à minha formação acadêmica
como professores.
Aos irmãos da igreja em Angicos, que durante todo esse período acadêmico, tem sido
minha segunda família e contribuíram grandemente durante todo o período que passei
em Angicos, com suas orações e apoio.
Por fim, a toda comunidade acadêmica da UFERSA Angicos, por ter possibilitado a
conclusão deste trabalho e a todos que acreditaram e me apoiaram nesta luta.
“Não que por nós mesmos, sejamos
capazes de pensar alguma coisa, como se
partisse de nós; pelo contrário, a nossa
suficiência vem de Deus.”
Com o avanço da ciência e da engenharia, cada vez mais nos deparamos com
fenômenos de taxas de variações de grandezas como tempo e espaço. A modelagem
destes fenômenos é feita com Equações Diferenciais (ED), o que torna de grande
importância o estudo destas equações. Os métodos numéricos oferecem um
importante recurso para trabalhar com essas equações diferenciais, que muitas vezes
não podem ser resolvidas analiticamente. O presente trabalho apresenta 3 métodos
numérico, classificados como de passo único, para resolver Problemas de Valor Inicial
de primeira ordem. Estes métodos são, o método de Euler, método de Heun e método
de Runge-Kutta. Foi feita uma análise comparativa entre esses métodos, através de
um experimento computacional, utilizando um software denominado Scilab, em 5
problemas encontrados na literatura, a partir dos quais foi constatado, tanto pela
análise teórica quanto pelo teste computacional, que o método de Runge-Kutta
apresenta maior precisão dentre os métodos analisados. Destaca-se também que o
método de Heun foi analisado na sua forma direta e iterativa, onde foi constatado que
a forma iterativa não garante o aumento da precisão numérica em relação ao mesmo
método na forma direta, mas na maioria dos problemas, se mostrou mais eficiente.
Figura 1:Gráfico de 𝐿(𝑥) e 𝑓(𝑥), onde 𝐿(𝑥) é a reta tangente a 𝑓(𝑥) no ponto
Figura 3: Gráfico mostrando a nova inclinação em 𝑥𝑖, 𝑦𝑖 gerando uma nova reta 𝐿′(𝑥)
.................................................................................................................................. 25
1 INTRODUÇÃO ....................................................................................................... 13
REFERÊNCIAS ......................................................................................................... 54
13
1 INTRODUÇÃO
1.1 OBJETIVOS
Objetivo Geral
Objetivos Específicos
2 FUNDAMENTAÇÃO TEÓRICA
Quanto ao tipo:
Uma ED pode ser classificada quanto ao tipo em: Equação Diferencial Ordinária
(EDO) e Equação Diferencial Parcial (EDP), onde o número de variáveis na função
incógnita irão definir seu tipo.
Bronson e Costa (2006, p. 15), mostra que uma EDO é aquela em que a função
incógnita depende de apenas uma variável independente. Ou seja, a variável
dependente da equação diferencial é derivada em uma só variável independente.
A forma geral de uma EDO, segundo Zill (1993, p. 5), é dada por:
𝑑(𝑛) 𝑦 𝑑𝑦 𝑑 (𝑛−1) 𝑦
= 𝑓 (𝑥, 𝑦, 𝑑𝑥 , … , 𝑑𝑥 (𝑛−1) ) (1)
𝑑𝑥 𝑛
Bronson e Costa (2006, p. 15) ainda, define a EDP como sendo aquela em que
a função incógnita depende de duas ou mais variáveis independentes, portanto é uma
equação que envolve uma função incógnita de mais de uma variável e suas derivadas
parciais. Neste trabalho, entretanto, iremos abordar apenas as equações diferenciais
ordinárias.
Quanto a ordem:
Quanto a linearidade:
onde 𝑎0 (𝑥) é não nulo e 𝑎𝑖 (𝑥), para 𝑖 = 0,1, … , 𝑛, são funções que dependem
exclusivamente das variáveis independentes. Além disso, a variável dependente e
todas as suas derivadas são de primeiro grau. Se a equação não atender a esses
critérios, é classificada como não-linear.
𝑑𝑦
= 𝑓(𝑥, 𝑦) (3)
𝑑𝑥
onde 𝑓(𝑥, 𝑦) é uma função implícita de 𝑦 na variável 𝑥, temos que, a solução desta
equação diferencial é dada por uma função: 𝑦 = 𝑓(𝑥), suficientemente derivável, que
satisfaça a equação (3) em um dado intervalo.
A solução geral de uma equação diferencial é composta por uma família de
soluções que dependem de um parâmetro 𝑐, que por sua vez gera uma família de
curvas, suficientemente deriváveis, que satisfaçam a equação diferencial no dado
intervalo. Quando resolvemos uma equação de 𝑛-ésima ordem, da forma da equação
(1), esperamos uma família a 𝑛-parâmetros de soluções G(x, y, c1 , … cn ) = 0.
Para obter uma solução única são necessários parâmetros ou condições
auxiliares para redefinir essa família de curvas em uma só curva. Segundo Barroso et
al (1987, p. 276), podem existir condições auxiliares cujo número coincide com a
18
𝑑𝑦
= 𝑓(𝑥, 𝑦)
𝑑𝑥
{ (4)
𝑓(𝑥0 ) = 𝑦0
Segundo Chapra (2006, p. 551), métodos de passo único trabalham com base
apenas na informação de um único ponto, e calculam uma predição futura. Tomando
a equação (4) como base, os métodos de passo único calculam um valor para 𝑦𝑖+1
(predição futura), com base no valor inicial 𝑦𝑖 .
A seguir, estudaremos alguns métodos de passo único, que são: o método de
Euler; o método de Heun; e métodos de Runge-Kutta. Segundo Franco (2006, p. 405),
temos que um método geral explícito de passo único, é representado pela seguinte
expressão:
Uma vez resolvida a equação (5), encontra-se um valor aproximado para 𝑦𝑖+1 .
Portanto, os métodos que serão estudados a seguir, fornecerão uma solução
aproximada para a EDO, na forma de pares ordenados do tipo:
(𝑦1 ; 𝑥1 ), (𝑦2 , 𝑥2 ), … , (𝑦𝑛 , 𝑥𝑛 ), onde 𝑥𝑖 = 𝑥𝑖−1 + ℎ.
Para analisar a eficiência dos métodos que serão estudados, é necessário
observar a diferença entre a solução numérica encontrada e a solução analítica. Para
tal análise, a solução real ou analítica será representada pelo conjunto de pontos
(𝑦(𝑥1 ), 𝑦(𝑥2 ), … , 𝑦(𝑥𝑛 )). Portanto o erro relativo local é definido como:
𝑦(𝑥𝑖 )−𝑦𝑖
𝐸𝑖 = | |∙ 100 (6)
𝑦(𝑥𝑖 )
onde 𝑖 = 0,1, … , 𝑛.
∞
𝑓 (𝑛) (𝑎)
𝑓(𝑥) = ∑ ∙ (𝑥 − 𝑎)𝑛
𝑛!
𝑛=0
𝑗 𝑓 (𝑛) (𝑎)
𝑇𝑗 (𝑥) = ∑𝑛=0 ∙ (𝑥 − 𝑎)𝑛 (8)
𝑛!
Os métodos numéricos que serão estudados neste trabalho, como já foi citado,
apresentam a solução em um conjunto de pontos 𝑦𝑖 , 𝑦𝑖+1 , … , 𝑦𝑛 , onde o ponto inicial
(𝑦𝑖 ) é sempre conhecido. Portanto, podemos usar o polinômio de Taylor para
aproximar 𝑦𝑖+1 em torno de 𝑦𝑖 , por 𝑇𝑗 (𝑥𝑖+1 ), como segue na equação:
𝑗 𝑓 (𝑛) (𝑥𝑖 )
𝑇𝑗 (𝑥𝑖+1 ) = ∑𝑛=0 ∙ (𝑥𝑖 − 𝑥𝑖+1 )𝑛 (9)
𝑛!
𝑗 𝑓 (𝑛) (𝑥𝑖 )
𝑇𝑗 (𝑥𝑖+1 ) = ∑𝑛=0 ∙ ℎ𝑛 (10)
𝑛!
21
Chapra (2013, p. 106) mostra que, para fins práticos, a utilização do polinômio
de Taylor resulta na inclusão de apenas poucos termos da série. A avaliação de
quantos termos são necessários para encontrar um polinômio que obtenha uma boa
representação de uma dada função é baseada no resto da série de Taylor.
Esse resto da série de Taylor, que foi truncado, é chamado Erro de
Truncamento Local (𝐸𝑇𝐿𝑖 ), onde o índice 𝑖, indica a ordem a ordem da série de Taylor,
a partir de qual a mesma foi truncada.
Usando esse conceito, pode-se, uma que seja conhecido o valor exato do 𝐸𝑇𝐿𝑖
encontrar a solução precisa de 𝑦𝑖+1 , como segue na equação:
onde, segundo Barroso et al (1987, p. 283), temos que esse erro truncamento local, é
dado pela seguinte equação:
ℎ𝑖+1
𝐸𝑇𝐿𝑖 = (𝑖+1)! ∙ 𝑓 (𝑖+1) (𝜉) (12)
para 𝑖 = 0,1, … , (𝑛 − 1), onde, 𝜉 é algum valor de 𝑥 localizado em algum ponto entre
𝑥𝑖 e 𝑥𝑖+1 . Para mais informações ver Barroso et al (1987, p. 283)
𝜕𝑓 𝜕𝑓 1 𝜕2 𝑓
𝑓(𝑥, 𝑦) = 𝑓(𝑥0 , 𝑦0 ) + 𝜕𝑥 (𝑥0 , 𝑦0 ) ∙ (𝑥 − 𝑥0 ) + 𝜕𝑥 (𝑥0 , 𝑦0 ) ∙ (𝑦 − 𝑦0 ) + 2! ∙ (𝜕𝑥 2 (𝑥0 , 𝑦0 ) ∙ (𝑥 −
𝜕2 𝑓 𝜕2 𝑓 1 𝑛
𝑥0 )2 + 2 ∙ 𝜕𝑥∙𝜕𝑦 (𝑥0 , 𝑦0 ) ∙ (𝑥 − 𝑥0 ) ∙ (𝑦 − 𝑦0 ) + 𝜕𝑦 2 (𝑥0 , 𝑦0 ) ∙ (𝑦 − 𝑦0 )2 ) + ⋯ + 𝑛! ∑𝑛𝑗=0( 𝑗 ) ∙
𝜕(𝑛) 𝑦
(𝜕𝑥 𝑛−𝑗∙𝜕𝑥 𝑗 (𝑥0 , 𝑦0 ) ∙ (𝑥 − 𝑥0 )𝑛−𝑗 ∙ (𝑦 − 𝑦0 )𝑗 ) (14)
Figura 1:Gráfico de L(x) e f(x), onde L(x) é a reta tangente a f(x) no ponto (𝑥0 , 𝑦0 ).
𝑳(𝒙)
𝒚𝟏 = 𝑳(𝒙𝟏 )
𝒚(𝒙𝟏 ) 𝒇(𝒙)
𝒚(𝒙𝟎 ) = 𝒚𝟎
𝒙𝟎 𝒙𝟏
Fonte: Autoria própria (2016)
De acordo com Barroso et al (1987, p. 280), tem-se que, uma vez desconhecido
o valor de 𝑦(𝑥1 ), adota-se 𝑦1 como aproximação para 𝑦(𝑥1 ). Para determinar seu valor,
é utilizada a equação da reta tangente (𝐿(𝑥)), cuja equação é definida por:
𝑦1 = 𝑦0 + 𝑓(𝑥0 , 𝑦0 ) ∙ ℎ (16)
Segundo Chapra (2013, p. 561), uma grande fonte de erro, no método de Euler,
é considerar que a derivada no início do intervalo pode ser usada em todo o intervalo.
O método de Heun, que também é chamado de método de Euler melhorado,
apresenta uma estratégia para melhorar a precisão da solução numérica.
Uma das estratégias abordadas nesse método, consiste em envolver a
determinação de duas derivadas, uma no ponto inicial e outra no ponto final, onde a
nova inclinação será dada pela média das duas derivadas. As figuras 2 e 3 ilustram
essa abordagem:
25
𝒚𝒊+𝟏 = 𝑳(𝒙𝒊+𝟏 )
Inclinação = 𝒇(𝒙𝒊+𝟏 , 𝒚𝒊+𝟏 )
𝒚(𝒙𝒊+𝟏 )
𝒇(𝒙)
Inclinação = 𝒇(𝒙𝒊 , 𝒚𝒊 )
𝒚(𝒙𝒊 ) = 𝒚𝒊
𝒙𝒊 𝒙𝒊+𝟏
Fonte: Autoria própria (2016)
𝑳′ (𝒙)
𝒚(𝒙𝒊+𝟏 )
𝒚𝒊+𝟏 = 𝑳′ (𝒙𝒊+𝟏 ) 𝒇(𝒙)
𝒙𝒊 𝒙𝒊+𝟏
Fonte: Autoria própria (2016)
temos:
ℎ
𝑦𝑖+1 = 𝑦𝑖 + 2 ∙ (𝑓(𝑥𝑖 , 𝑦𝑖 ) + 𝑓(𝑥𝑖+1 , 𝑦𝑖+1 )) (18)
A equação (18) é a forma explícita do método de Heun, que pode ser obtida
𝑓(𝑥𝑖 ,𝑦𝑖 )+𝑓(𝑥𝑖+1 ,𝑦𝑖+1 )
fazendo ∅(𝑥𝑖 , 𝑦𝑖 , ℎ) = 2
na equação (5).
com a equação (6), o erro relativo local também tende a diminuir, aumentando,
portanto, a precisão da solução numérica.
Segundo Chapra (2013, p. 563), há ainda uma possibilidade de abordar de
forma iterativa, o método de Heun, visto que na equação (18), o termo 𝑦𝑖+1 se repete
em ambos os lados do sinal de igualdade.
Essa nova abordagem, consiste em utilizar o valor estimado de 𝑦𝑖+1 , na
equação (18), para fornecer uma estimativa melhorada da solução, de forma
sucessiva, dado um critério de parada. Essa nova abordagem é mostrada na equação
a seguir:
𝑗 ℎ 𝑗−1
𝑦𝑖+1 = 𝑦𝑖 𝑚 + 2 (𝑓(𝑥𝑖 , 𝑦𝑖 𝑚 ) + 𝑓(𝑥𝑖+1 , 𝑦𝑖+1 )) (19)
𝑗
Nesta equação o índice 𝑗 se refere as iterações. Portanto, a medida que 𝑦𝑖+1
𝑗
for calculado, uma nova iteração é feita, onde o valor encontrado de 𝑦𝑖+1 é devolvido
𝑗+1
a equação, para encontrar um novo valor, 𝑦𝑖+1 . Esse processo é repetido até 𝑗 = 𝑚
ou quando um critério de parada seja atingido.
∅(𝑥𝑖 , 𝑦𝑖 , ℎ) = 𝑎1 ∙ 𝑘1 + 𝑎2 ∙ 𝑘2 + ⋯ + 𝑎𝑛 ∙ 𝑘𝑛 (20)
Com 𝑖 = 0,1, … , (𝑛 − 1), onde 𝑎𝑗 são constantes e 𝑘𝑗 são funções dadas por:
𝑘1 = 𝑓(𝑥𝑖 , 𝑦𝑖 ) (21.a)
𝑘2 = 𝑓(𝑥𝑖 + 𝑝1 ℎ, 𝑦𝑖 + 𝑞11 𝑘1 ℎ) (21.b)
𝑘3 = 𝑓(𝑥𝑖 + 𝑝2 ℎ, 𝑦𝑖 + 𝑞21 𝑘1 ℎ + 𝑞22 𝑘2 ℎ) (21.c)
(...)
𝑘𝑛 = 𝑓(𝑥𝑖 + 𝑝𝑛−1 ℎ, 𝑦𝑖 + 𝑞𝑛−1,1 𝑘1 ℎ + 𝑞𝑛−1,2 𝑘2 ℎ + ⋯ + 𝑞𝑛−1,𝑛−1 𝑘𝑛−1 ℎ) (21.d)
𝜕(𝑥𝑖 ,𝑦𝑖 )
𝑦𝑖+1 = 𝑦𝑖 + ℎ ∙ (𝑐1 ∙ 𝑓(𝑥𝑖 , 𝑦𝑖 ) + 𝑐2 ∙ [𝑓(𝑥𝑖 , 𝑦𝑖 ) + 𝑝1 ∙ ℎ ∙ + 𝑞11 ∙ ℎ ∙ 𝑓(𝑥𝑖 , 𝑦𝑖 ) ∙
𝜕𝑥
𝜕(𝑥𝑖 ,𝑦𝑖 )
]) + 𝑂(ℎ3 )
𝜕𝑦
𝜕𝑓(𝑥𝑖 ,𝑦𝑖 )
∴ 𝑦𝑖+1 = 𝑦𝑖 + 𝑓(𝑥𝑖 , 𝑦𝑖 ) ∙ ℎ ∙ (𝑐1 + 𝑐2 ) + 𝑝1 ∙ ℎ2 ∙ 𝑐2 ∙ + 𝑞11 ∙ ℎ2 ∙ 𝑐2 ∙ 𝑓(𝑥𝑖 , 𝑦𝑖 ) ∙
𝜕𝑥
𝜕(𝑥𝑖 ,𝑦𝑖 )
+ 𝑂(ℎ3 ) (25)
𝜕𝑥
𝑐1 + 𝑐2 = 1
1
{ 𝑝1 ∙ 𝑐2 = 2 (27)
1
𝑞11 ∙ 𝑐2 = 2
O sistema (27) tem 4 variáveis para 3 equações. Deste modo, tomamos uma
1
das incógnitas arbitrariamente, com o objetivo de resolver o sistema. Para 𝑐2 = 2,
ℎ
𝑦𝑖+1 = 𝑦𝑖 + 2 ∙ (𝑘1 + 𝑘2 ) (28)
1 1
Já para 𝑐2 = 1, temos, 𝑝1 = 2, 𝑞11 = 2 e 𝑐1 = 0, logo, temos:
𝑦𝑖+1 = 𝑦𝑖 + ℎ ∙ 𝑘2 (29)
𝑘1 = 𝑓(𝑥𝑖 , 𝑦𝑖 ) (29.a)
ℎ
𝑘2 = 𝑓(𝑥𝑖 + 2 , 𝑦𝑖 + ℎ ∙ 𝑘1 ) (29.b)
ℎ
𝑦𝑖+1 = 𝑦𝑖 + 6 ∙ (𝑘1 + 2𝑘2 + 2𝑘3 + 𝑘4 ) (30)
𝑘1 = 𝑓(𝑥𝑖 , 𝑦𝑖 ) (30.a)
ℎ ℎ
𝑘2 = 𝑓(𝑥𝑖 + 2 , 𝑦𝑖 + 2 ∙ 𝑘1 ) (30.b)
ℎ ℎ
𝑘3 = 𝑓(𝑥𝑖 + 2 , 𝑦𝑖 + 2 ∙ 𝑘2 ) (30.c)
𝑘4 = 𝑓(𝑥𝑖 + ℎ, 𝑦𝑖 + ℎ ∙ 𝑘3 ) (30.d)
31
3 MATERIAIS E MÉTODOS
3.1 METODOLOGIA
𝑗 𝑗−1
𝑦𝑖+1 −𝑦𝑖+1
𝑝=| 𝑗 | ∙ 100. (31)
𝑦𝑖+1
A aplicação dos métodos nos problemas selecionados, foram feitos com auxílio
computacional. As configurações do computador utilizado no teste estão indicadas
nos quadros a seguir:
33
CARACTERÍSTICAS GERAIS
Fabricante: Acer
Modelo: Aspire E1-471
Processador: Intel(R) Core(TM) i3-2348M CPU @ 2.30GHz 2.30 GHz
Memória RAM: 2 GB
HD: 249 GB
Fonte: Manual do fabricante 2012.
CARACTERÍSTICAS GERAIS
Fabricante: Microsoft
Modelo: Windows 10 Profissional 64 bits
Fonte: Manual do fabricante 2012.
Para a realização dos testes, o software utilizado foi o Scilab, que é um software
livre para computação numérica. O mesmo é encontrado para download no site do
desenvolvedor em: < http://www.scilab.org/ >, onde encontra-se também, informações
referentes ao software como manuais e características da versão. Para
implementação neste trabalho foi usado a versão 5.5.2, para Windowns 64 bits.
3.2 ALGORÍTIMOS
Declare
Numérico
𝑥 ← 𝑣𝑒𝑡𝑜𝑟[𝑥_𝑖𝑛𝑖𝑐𝑖𝑎𝑙: ℎ: 𝑥_𝑓𝑖𝑛𝑎𝑙]
𝑦_𝑒𝑢𝑙𝑒𝑟 ← 𝑥
𝑦_𝑒𝑢𝑙𝑒𝑟(1) ← 𝑦_𝑖𝑛𝑖𝑐𝑖𝑎𝑙
Fim para
Escreva 𝑦_𝑒𝑢𝑙𝑒𝑟
Declare
Numérico
𝑥 ← 𝑣𝑒𝑡𝑜𝑟[𝑥_𝑖𝑛𝑖𝑐𝑖𝑎𝑙: ℎ: 𝑥_𝑓𝑖𝑛𝑎𝑙]
𝑦_ℎ𝑒𝑢𝑛_𝑑 ← 𝑥
𝑦_ℎ𝑒𝑢𝑛_𝑑(1) ← 𝑦_𝑖𝑛𝑖𝑐𝑖𝑎𝑙
Fim para
Escreva 𝑦_ℎ𝑒𝑢𝑛_𝑑
Declare
Numérico
𝑥 ← 𝑣𝑒𝑡𝑜𝑟[𝑥_𝑖𝑛𝑖𝑐𝑖𝑎𝑙: ℎ: 𝑥_𝑓𝑖𝑛𝑎𝑙]
𝑦_ℎ𝑒𝑢𝑛_𝑖 ← 𝑥
𝑦_ℎ𝑒𝑢𝑛_𝑖(1) ← 𝑦_𝑖𝑛𝑖𝑐𝑖𝑎𝑙
Fim enquanto
𝑝 ← 1000
Fim para
Escreva 𝑦_ℎ𝑒𝑢𝑛_𝑖
Fonte: Autoria própria (2016)
37
Declare
Numérico
𝑥 ← 𝑣𝑒𝑡𝑜𝑟[𝑥_𝑖𝑛𝑖𝑐𝑖𝑎𝑙: ℎ: 𝑥_𝑓𝑖𝑛𝑎𝑙]
𝑦_𝑟𝑘 ← 𝑥
𝑦_𝑟𝑘(1) ← 𝑦_𝑖𝑛𝑖𝑐𝑖𝑎𝑙
𝑘1 ← 𝑑𝑦𝑑𝑥(𝑥(𝑖), 𝑦_𝑟𝑘(𝑖))
𝑘2 ← 𝑑𝑦𝑑𝑥((𝑥(𝑖) + 0.5 ∗ ℎ), (𝑦_𝑟𝑘(𝑖) + 0.5 ∗ 𝑘1 ∗ ℎ))
𝑘3 ← 𝑑𝑦𝑑𝑥((𝑥(𝑖) + 0.5 ∗ ℎ), (𝑦_𝑟𝑘(𝑖) + 0.5 ∗ 𝑘2 ∗ ℎ))
𝑘4 ← 𝑑𝑦𝑑𝑥((𝑥(𝑖) + ℎ), (𝑦_𝑟𝑘(𝑖) + 𝑘3 ∗ ℎ)
𝑦_𝑟𝑘(𝑖 + 1) ← 𝑦_𝑟𝑘(𝑖) + (ℎ/6) ∗ (𝑘1 + 2 ∗ 𝑘2 + 2 ∗ 𝑘3 + 𝑘4)
Fim para
Escreva 𝑦_rk
3.3 PROBLEMAS
Para a análise dos métodos numéricos estudados até então, foram separados
5 problemas, cujo objetivo é determinar em todos, a solução numérica do problema
de valor inicial dado, em um determinado intervalo.
Os dados dos problemas serão dados em um quadro, conforme será visto,
contendo: a equação diferencial ordinária; o intervalo de pontos em 𝑥; o ponto inicial
em 𝑦; o tamanho de passo ℎ; bem como um quadro contendo os pontos da solução
𝑑𝑦
analítica no intervalo analisado. Para todos os problemas será adotado 𝑦 ′ = .
𝑑𝑥
3.3.1 Problema A1
Características Gerais
EDO: 𝑦 ′ = 𝑓(𝑥, 𝑦) 𝑦 ′ = 4 ∙ 𝑒 0,8∙𝑥 − 0,5 ∙ 𝑦
Intervalo: 𝐼 = [𝑥𝑖𝑛𝑖𝑐𝑖𝑎𝑙 ; 𝑥𝑓𝑖𝑛𝑎𝑙 ] 𝐼 = [0; 4]
Ponto inicial: 𝑦(𝑥𝑖𝑛𝑖𝑐𝑖𝑎𝑙 ) = 𝑦𝑖𝑛𝑖𝑐𝑖𝑎𝑙 𝑦(0) = 2
Tamanho de passo: ℎ ℎ=1
Fonte: Chapra (2013)
Para esse problema de valor inicial, temos como solução analítica, a função:
4
𝑦 = 1,3 ∙ (𝑒 0,8∙𝑥 − 𝑒 −0,5∙𝑥 ) + 2 ∙ 𝑒 −0,5∙𝑥 . Aplicando a solução para alguns valores em 𝐼, e
𝒙 0 1 2 3 4
𝒚 2 6,19463 14,84392 33,67717 75,33896
Fonte: Autoria própria (2016)
39
3.3.2 Problema A2
Características Gerais
EDO: 𝑦 ′ = 𝑓(𝑥, 𝑦) 𝑦 ′ = 𝑦 − 𝑥² + 1
Intervalo: 𝐼 = [𝑥𝑖𝑛𝑖𝑐𝑖𝑎𝑙 ; 𝑥𝑓𝑖𝑛𝑎𝑙 ] 𝐼 = [0; 2]
Ponto inicial: 𝑦(𝑥𝑖𝑛𝑖𝑐𝑖𝑎𝑙 ) = 𝑦𝑖𝑛𝑖𝑐𝑖𝑎𝑙 𝑦(0) = 0,5
Tamanho de passo: ℎ ℎ = 0,2
Fonte: Burden (2013)
Para esse problema de valor inicial, temos como solução analítica, a função:
𝑦 = (𝑥 + 1)2 − 0,5 ∙ 𝑒 𝑥 . Aplicando a solução para alguns valores em 𝐼, e adotando 5
casas decimais, obtemos:
3.3.3 Problema A3
Características Gerais
′
EDO: 𝑦 = 𝑓(𝑥, 𝑦) 𝑦′ = 𝑥2 + 𝑦
Intervalo: 𝐼 = [𝑥𝑖𝑛𝑖𝑐𝑖𝑎𝑙 ; 𝑥𝑓𝑖𝑛𝑎𝑙 ] 𝐼 = [0; 2]
Ponto inicial: 𝑦(𝑥𝑖𝑛𝑖𝑐𝑖𝑎𝑙 ) = 𝑦𝑖𝑛𝑖𝑐𝑖𝑎𝑙 𝑦(0) = 1
Tamanho de passo: ℎ ℎ = 0.2
Fonte: Franco (2006)
40
Para esse problema de valor inicial, temos como solução analítica, a função:
2 −1
𝑦 = 𝑒𝑥 . Aplicando a solução para alguns valores em 𝐼, e adotando 5 casas
decimais, obtemos:
3.3.4 Problema A4
Características Gerais
′
EDO: 𝑦 = 𝑓(𝑥, 𝑦) 𝑦′ = 𝑥 + 𝑦
Intervalo: 𝐼 = [𝑥𝑖𝑛𝑖𝑐𝑖𝑎𝑙 ; 𝑥𝑓𝑖𝑛𝑎𝑙 ] 𝐼 = [0; 1]
Ponto inicial: 𝑦(𝑥𝑖𝑛𝑖𝑐𝑖𝑎𝑙 ) = 𝑦𝑖𝑛𝑖𝑐𝑖𝑎𝑙 𝑦(0) = 1
Tamanho de passo: ℎ ℎ = 0,1
Fonte: Stewart (2013)
Para esse problema de valor inicial, temos como solução analítica, a função:
𝑦 = −𝑥 − 1 + 2 ∗ 𝑒 𝑥 . Aplicando a solução para alguns valores em 𝐼, e adotando 5
casas decimais, obtemos:
3.3.5 Problema A5
Características Gerais
′
EDO: 𝑦 = 𝑓(𝑥, 𝑦) 𝑦′ = 1 − 𝑥 + 4 ∙ 𝑦
Intervalo: 𝐼 = [𝑥𝑖𝑛𝑖𝑐𝑖𝑎𝑙 ; 𝑥𝑓𝑖𝑛𝑎𝑙 ] 𝐼 = [0; 0.5]
Ponto inicial: 𝑦(𝑥𝑖𝑛𝑖𝑐𝑖𝑎𝑙 ) = 𝑦𝑖𝑛𝑖𝑐𝑖𝑎𝑙 𝑦(0) = 1
Tamanho de passo: ℎ ℎ = 0,05
Fonte: Boyce e DiPrima (2006)
Para esse problema de valor inicial, temos como solução analítica, a função:
1 3 19
𝑦 = 4 ∙ 𝑥 − 16 + 16 ∙ 𝑒 4∙𝑥 . Aplicando a solução para alguns valores em 𝐼, e adotando 5
4 RESULTADOS E DISCUSSÕES
PROBLEMA A1
Analítico Euler Heun direto Heun iterativo Runge-Kutta
90,0
80,0
70,0
60,0
50,0
EIXO Y
40,0
30,0
20,0
10,0
0,0
0 1 2 3 4
EIXO X
PROBLEMA A2
Analítico Euler Heun direto Heun iterativo Runge-Kutta
6,0
5,0
4,0
3,0
Y
2,0
1,0
0,0
0 0,2 0,4 0,6 0,8 1 1,2 1,4 1,6 1,8 2
X
PROBLEMA A3
14 Analítico Euler Heun direto Heun iterativo Runge-Kutta
12
10
8
Y
0
0 0,2 0,4 0,6 0,8 1 1,2 1,4 1,6 1,8 2
X
PROBLEMA 4
Analítico Euler Heun direto Heun iterativo Runge-Kutta
4,0
3,5
3,0
2,5
2,0
Y
1,5
1,0
0,5
0,0
0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1
X
PROBLEMA A5
Analítico Euler Heun direto Heun iterativo Runge-Kutta
10,0
9,0
8,0
7,0
6,0
5,0
Y
4,0
3,0
2,0
1,0
0,0
0 0,05 0,1 0,15 0,2 0,25 0,3 0,35 0,4 0,45 0,5
X
O problema A5, nos mostra mais uma vez, o método de Runge-Kutta de quarta
ordem clássico, como a melhor aproximação da solução analítica, dentre os métodos
analisados, seguido pelo método de Heun iterativo, método de Heun direto e, por fim,
o método de Euler.
A figura 8 nos mostra o comportamento das soluções numéricas e analítica
dentro do intervalo analisado no problema. Nesta figura vemos que a curva
representando a solução numérica de Euler se distancia cada vez mais da solução
analítica, enquanto os outros métodos possuem um erro menor, confirmando os dados
do quadro 26.
52
5 CONSIDERAÇÕES FINAIS
REFERÊNCIAS
CAPRA, Fritjof. A teia da vida: uma nova compreensão científica dos sistemas vivos.
São Paulo: Cultrix, 2006.
FRANCO, Neide Bertoldi. Cálculo Numérico. São Paulo: Prentice Hall, 2006.
STEWART, James. Cálculo. 7. ed., São Paulo, Cengage Learning, 2013. 2v.