Métodos Numéricos para Equações Diferenciais II

Métodos Numéricos
para
Equações Diferenciais II
Helio Pedro Amaral Souto

Nova Friburgo, 27 de Janeiro de 2017
Engenharia de Computação
LISTA DE FIGURAS
1.1 Configurações do corpo. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2

1
1.2 Características t = x + (t0 − x0 /ū). . . . . . . . . . . . . . . . . . . . . . . . 6
ū
1.3 Evolução da condição inicial, dada pela Equação (1.5), considerando que a velo-
cidade de advecção é ū = 0, 5 e dois valores do coeficiente de difusão molecular:
D = 10−5 (à esquerda) e D = 10−2 (à direita) . . . . . . . . . . . . . . . . . . . 11
1.4 Evolução da perturbação inicial de pressão e da velocidade de uma onda sonora 19
2.1 Domínio de dependência do ponto (X,T ). . . . . . . . . . . . . . . . . . . . . . 24

2.2 Domínio de influência do ponto x0 . . . . . . . . . . . . . . . . . . . . . . . . . . 25
2.3 Solução do problema de Riemann no ponto (X, T ). . . . . . . . . . . . . . . . . 29
2.4 Solução do problema de Riemann no ponto (X, T ). Primeiro caso. . . . . . . . 30
2.5 Solução do problema de Riemann no ponto (X, T ). Segundo caso. . . . . . . . 31
2.6 Solução do problema de Riemann no ponto (X, T ). Terceiro caso. . . . . . . . . 32
2.7 Solução do problema de Riemann no ponto (X, T ). Quarto caso. . . . . . . . . 33
2.8 Solução do problema de Riemann no plano x − t. . . . . . . . . . . . . . . . . . 35
2.9 Soluçao do problema de Riemann para as equações acopladas de advecção e
acústica. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
2.10 Condições de contorno e iniciais para a resolução da equação de advecção no
intervalo [a, b] . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
2.11 Evolução da perturbação inicial de pressão e da velocidade de uma onda sonora
com condições de contorno impostas . . . . . . . . . . . . . . . . . . . . . . . . 41
3.1 Partição do domínio de resolução. . . . . . . . . . . . . . . . . . . . . . . . . . . 44

3.2 Volume finito bidimensional. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
4.1 Ilustração do algoritmo REA para a propagação de ondas acústicas lineares. . . 68

4.2 Ilustração do algoritmo de Godunov para um sistema linear de três equações. . . 70
i
ii LISTA DE FIGURAS
4.3 Comparação entre as soluções da equação de advecção, para os instantes de

tempo t=1 e 5, fornecidas pelos métodos (a) upwind, (b) Law-Wendroff e (c) Beam-
Warming. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79
4.4 Ilustração do algoritmo REA para a reconstrução linear por partes. . . . . . . . 81
4.5 Função limitadora de fluxo ψ(θ). Região TVD e exemplos das funções limitadoras
de fluxo para os métodos Beam-Warming, Fromm e Lax-Wendroff. . . . . . . . . 89
4.6 Comparação entre as soluções da equação de advecção, para os instantes de
tempo t=1 e 5, fornecidas pelos métodos (a) Minmod, (b) Superbee e (c) MC. . 90
5.1 Curvas caracteristicas para o problema escalar nao-linear. . . . . . . . . . . . . . 97

5.2 Condição inicial Φ(x, 0) = x2 e curvas características associadas considerando
uma função de fluxo dada por f (Φ) = 12 Φ2 . . . . . . . . . . . . . . . . . . . . . . 99
5.3 Movimentação de cada ponto Φ com a sua velocidade característica s(Φ) a partir
da condição inicial para t = 0. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 101
5.4 Condição de Rankine-Hugoniot. . . . . . . . . . . . . . . . . . . . . . . . . . . . 104
5.5 Leque de rarefação centrado separado pelos estados Φl e Φr . . . . . . . . . . . . 107
5.6 Duas ondas de choque. Uma satisfaz à condição de admissibilidade de Lax
(Figura 5.6(a)) e a outra não (Figura 5.6(b)). . . . . . . . . . . . . . . . . . . . 109
5.7 Condiçao de estabilidade para admissibilidade do choque. . . . . . . . . . . . . . 111
5.8 Comparação entre as soluções analíticas da equação de Burgers (5.27), para os
instantes de tempo t=2 (à esquerda) e 4 (à direita), fornecidas para Φl = 1, 5,
Φr = 0, 5 e diferentes valores da viscosidade ν. . . . . . . . . . . . . . . . . . . . 119
5.9 Comparação entre as soluções analíticas da equação de Burgers (5.27), para os
instantes de tempo t=3 (à esquerda) e 5 (à direita), fornecidas para Φl = 0, 5,
Φr = 1, 5 e diferentes valores da viscosidade ν. . . . . . . . . . . . . . . . . . . . 120
5.10 Representação gráfica das curvas características para o problema do congestio-
namento. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 123
5.11 Solução analítica da equação de tráfego para uma condição inicial dada por uma
Guassiana. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 124
6.1 Cinco configurações possíveis para o problema de Riemann. . . . . . . . . . . . . 128

6.2 Solução da equação de Burgers e a correção de entropia. . . . . . . . . . . . . . 134
6.3 Solução da equação de Burgers com uma onda de rarefação transônica. . . . . . 137
6.6 Soluçao da equaçao de Burgers com o método de Godunov conservativo e um
método não-conservativo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 145
LISTA DE TABELAS
2.1 Propriedades fundamentais das equações da onda e da difusão. . . . . . . . . . 27
4.1 Função limitadora de fluxo para métodos lineares. . . . . . . . . . . . . . . . . 84

4.2 Função limitadora de fluxo para métodos de alta-resolução. . . . . . . . . . . . 84
iii
iv LISTA DE TABELAS
CONTEÚDO
Lista de Figuras ii
Lista de Tabelas iii
1 Leis de Conservação 1
1.1 Forma Diferencial das Leis de Conservação . . . . . . . . . . . . . . . . . . . . . 1
1.2 Forma Não-homogênea . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.3 A Equação de Advecção . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.3.1 Coeficientes variáveis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.4 Equação de Advecção-Difusão . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.5 Sistemas Lineares Hiperbólicos . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.6 Sistemas Hiperbólicos com Coeficientes Variáveis . . . . . . . . . . . . . . . . . . 13
1.7 Hiperbolicidade de Sistemas Quaselineares e Não-lineares . . . . . . . . . . . . . 13
1.8 Acústica Linear . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
1.8.1 Ondas Sonoras . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
2 Características e Problemas de Riemann 21

2.1 Solução do Problema de Cauchy . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
2.2 Superposição das Soluções . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
2.3 Domínios de Influência e Dependência . . . . . . . . . . . . . . . . . . . . . . . . 23
2.3.1 Equações da Onda e da Difusão . . . . . . . . . . . . . . . . . . . . . . . 24
2.4 Soluções Descontínuas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
2.4.1 O Problema de Riemann . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
2.5 Acústica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
2.6 Acústica e Advecção . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
2.7 Problemas de Valor Inicial e de Contorno . . . . . . . . . . . . . . . . . . . . . . 37
v
vi CONTEÚDO
3 O Método dos Volumes Finitos 43

3.1 Formulação Geral . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
3.2 Técnica Geral . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
3.3 Convergência, Acurácia e Estabilidade . . . . . . . . . . . . . . . . . . . . . . . 48
3.3.1 Convergência . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
3.3.2 Consistência . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
3.3.3 Estabilidade . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
3.3.4 Estabilidade na Norma-1 . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
3.3.5 Estabilidade na Norma-2 . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
3.3.6 Estabilidade em Termos da Variação Total . . . . . . . . . . . . . . . . . 58
3.3.7 Equação Modificada . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59
4 Métodos de Alta-Resolução: Problemas Lineares 63

4.1 A Equação de Difusão . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64
4.2 O Método de Lax-Friedrichs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
4.3 Os Métodos do Tipo Upwind . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66
4.4 O Método de Godunov para Sistemas Lineares . . . . . . . . . . . . . . . . . . . 67
4.5 O Método de Roe . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74
4.6 Métodos de Alta-Resolução . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 75
4.6.1 O Método de Lax-Wendroff . . . . . . . . . . . . . . . . . . . . . . . . . 75
4.6.2 O Método de Beam-Warming . . . . . . . . . . . . . . . . . . . . . . . . 77
4.6.3 Aplicação Prática . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
4.6.4 O Algoritmo REA com Reconstrução Linear por Partes . . . . . . . . . . 80
4.6.5 Limitadores de Fluxo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82
4.6.6 Limitadores TVD . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85
4.6.7 Aplicação Prática . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89
4.7 Métodos de Alta-Resolução para Sistemas . . . . . . . . . . . . . . . . . . . . . 91
5 Leis de Conservação Não-Lineares 93

5.1 Leis de Conservação Escalares . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93
5.1.1 Forma Quase-linear e Características . . . . . . . . . . . . . . . . . . . . 94
5.1.2 Soluções Fracas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 100
5.1.2.1 Onda de Choque . . . . . . . . . . . . . . . . . . . . . . . . . . 103
5.1.2.2 Onda de Rarefação . . . . . . . . . . . . . . . . . . . . . . . . . 106
5.1.3 Admissibilidade e Condição de Entropia . . . . . . . . . . . . . . . . . . 107
5.1.3.1 Funções de Entropia . . . . . . . . . . . . . . . . . . . . . . . . 112
5.1.4 Equação de Burgers . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 115
5.1.5 Equação de Tráfego . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 121
6 Métodos de Alta-Resolução: Problemas Não-Lineares 127

6.1 Leis de Conservação Escalares . . . . . . . . . . . . . . . . . . . . . . . . . . . . 127
6.1.1 O Método de Godunov . . . . . . . . . . . . . . . . . . . . . . . . . . . . 127
CONTEÚDO vii
6.1.2 Flutuações, Ondas e Velocidades . . . . . . . . . . . . . . . . . . . . . . 130

6.1.3 Rarefação Transônica e Correção de Entropia . . . . . . . . . . . . . . . 132
6.1.4 Viscosidade Numérica . . . . . . . . . . . . . . . . . . . . . . . . . . . . 133
6.1.5 O Método de Lax-Friedrichs . . . . . . . . . . . . . . . . . . . . . . . . . 135
6.1.6 Métodos TVD de Alta-Resolução . . . . . . . . . . . . . . . . . . . . . . 138
6.1.7 A Importância da Forma Conservativa . . . . . . . . . . . . . . . . . . . 143
Bibliografia 149
Índice 151
viii CONTEÚDO
CAPÍTULO 1
LEIS DE CONSERVAÇÃO
Neste capítulo faremos uma introdução geral às leis de conservação e focaremos, inicial-
mente, uma importante classe destas leis que é a das equações hiperbólicas homogêneas e
não-homogêneas.
Sistemas de equações diferenciais parciais hiperbólicas podem ser empregados na descrição
de muitos problemas de interesse prático nas engenharias. Dentre as possíveis aplicações po-
demos citar a propagação de ondas, o transporte de substâncias, a acústica, a dinâmica dos
gases, a propagação de ondas elásticas, o escoamento multifásico em meios porosos etc.
Em geral, os problemas que iremos considerar neste curso envolverão a evolução temporal
das quantidades físicas estudadas (massa específica, pressão, velocidade etc.), de modo que as
soluções das equações diferenciais parciais dependerão do tempo e de uma ou mais variáveis
espaciais.
1.1 Forma Diferencial das Leis de Conservação

Na obtenção de uma forma geral diferencial para as equações de conservação, vamos empre-
gar o Teorema de Transporte. Nosso ponto de partida será a equação que expressa a conservação
temporal de uma certa grandeza física Φ:
Z
d
ΦdΩ = 0 (1.1)
dt Ω
onde o domínio de integração Ω é o volume ocupado pelo corpo na configuração atual. No caso
geral, sabemos que o volume da configuração atual varia no tempo.
Nosso próximo passo será a obtenção de uma relação que exprima a conservação de Φ em
cada ponto material do corpo. Isto só será possível se pudermos trocar a ordem das operações
de diferenciação e integração na equação de conservação global. Para que possamos fazê-lo,
devemos trocar as variáveis de integração e integrarmos no volume da configuração de referência
1
2 1.1. Forma Diferencial das Leis de Conservação
Ω0 Ω(t)
Γ0
Γ(t)
Figura 1.1: Configurações do corpo.
Ω0 que não varia no tempo. Consideremos que Φ possa ser uma função escalar, vetorial ou
tensorial, e façamos a transformação de variáveis necessária [1]:
Z Z
d d
ΦdΩ = Φ JdΩ0
dt Ω dt Ω0
Z
dΦ dJ
= J +Φ dΩ0
Ω0 dt dt
Z
dΦ
= J + ΦJ∇ · v dΩ0
Ω0 dt
Z
dΦ
= + Φ∇ · v dΩ
Ω dt
que representa a primeira forma do Teorema de Transporte. Na obtenção deste resultado
dJ
utilizamos as seguintes igualdades: dΩ0 = JdΩ e = J∇ · v, onde J representa o Jacobiano
dt
da transformação de coordenadas.
Podemos também escrever o teorema na forma
Z Z
d dΦ
Φdv = + Φ∇ · v dΩ
dt Ω Ω dt
Z
∂Φ
= + (∇Φ)v + Φ∇ · v dΩ
Ω ∂t
Z
∂Φ
= + ∇ · (Φv) dΩ
Ω ∂t
dΦ ∂Φ
onde = + (∇Φ)v representa a derivada material.
dt ∂t
Capítulo 1. Leis de Conservação 3
Aplicando o teorema da divergência à segunda integral obtemos

Z Z Z
d ∂Φ
ΦdΩ = dΩ + (Φv) · ndΓ
dt Ω Ω ∂t Γ
que representa a segunda forma do teorema e o último termo representa o balanço do fluxo da
quantidade Φ através da fronteira Γ devido à velocidade v.
Empregando, agora, este resultado na Equação (1.1) chegamos à forma final
Z
∂Φ
+ ∇ · (Φv ) dΩ = 0
Ω ∂t
Como o integrando deve ser nulo para qualquer domínio Ω, segue que o integrando deve ser
identicamente nulo
∂Φ
+ ∇ · (Φv ) = 0
∂t
ou ainda,
∂Φ
+ ∇ · f (Φ) = 0 (1.2)
∂t
onde f representa a função de fluxo da grandeza conservada e esta é a forma diferencial das
leis de conservação. Assim, diferentes leis de conservação podem ser obtidas para diferentes
quantidades conservadas e dos seus respectivos fluxos.
A título de exemplo vamos considerar o caso no qual Φ é uma função escalar e, portanto, a
sua função de fluxo será vetorial e, considerando um problema tridimensional, f = f i + gj + hk
com a forma diferencial da lei de conservação será dada por
∂Φ ∂f ∂g ∂h
+ + + =0
∂t ∂x ∂y ∂z
sendo que Φ = Φ(x, y, z, t).
1.2 Forma Não-homogênea

Em alguns problemas a variação da quantidade conservada pode ocorrer devido a outros
efeitos, que não os oriundos do fluxo da quantidade conservada através das fronteiras do domínio
físico do problema considerado, caso existam fontes ou sumidouros no interior deste domínio.
Denotando por Ψ o termo de fonte (que para valores negativos representa um sumidouro) a
equação do balanço da quantidade Φ deve ser reescrita na seguinte forma:
Z
∂Φ
+ ∇ · (Φv) − Ψ dΩ = 0
Ω ∂t
cuja forma diferencial da lei de conservação não-homogênea correspondente será:
4 1.3. A Equação de Advecção
∂Φ
+ ∇ · (Φv ) = Ψ
∂t
ou ainda,
∂Φ
+ ∇ · f (Φ) = Ψ
∂t
Em se tratando de um problema tridimensional e para Φ escalar
∂Φ ∂f ∂g ∂h
+ + + =Ψ
∂t ∂x ∂y ∂z
onde Ψ = Ψ(Φ, x, y, z, t).
1.3 A Equação de Advecção

Vamos considerar, agora, a equação de conservação que é conhecida como a equação de
advecção. Esta equação descreve o transporte de um traçador, presente em um fluido, que é
carreado devido ao movimento do fluido e cuja concentração c é pequena o suficiente, de modo
que a sua presença não altere a dinâmica do escoamento.
No caso do escoamento tridimensional a equação de advecção, sem termo de fonte, é obtida
fazendo Φ = c e f = (v c) na Equação (1.2):
∂c ∂ ∂ ∂
+ (uc) + (vc) + (wc) = 0
∂t ∂x ∂y ∂z
onde o vetor v = ui + vj + wk representa a velocidade do fluido em movimento.
A versão unidimensional da equação de advecção consiste na forma simplificada da equação
tridimensional:
∂c ∂
+ (uc) = 0
∂t ∂x
que para o caso particular, no qual a velocidade de deslocamento é constante, u(x, t) = ū, temos
que
∂c ∂c
+ ū =0 (1.3)
∂t ∂x
que corresponde a uma equação diferencial parcial hiperbólica, linear, com coeficientes cons-
tantes.
Uma solução analítica desta equação de advecção será encontrada utilizando a técnica conhe-
cida como separação de variáveis [2]. Neste método procuramos soluções da equação diferencial
parcial na forma:
c(x, t) = X(x)T (t)

e vamos considerar que a condição inicial é dada por c(x, 0) = c̃(x) para um meio infinito
−∞ < x < ∞. Substituindo esta solução na Equação (1.3) obtemos
dT dX
X(x) + ū T (t) =0
dt dx
que após divisão por X(x)T (t) resulta em:
1 dT 1 dX
= −ū
T dt X dx
Como o lado esquerdo do sinal de igualdade é uma função somente de t e o lado direito somente
de x, a igualdade é verificada somente se ambos os lados forem iguais a uma constante
dT dX
= −ūλT ; = λX
dt dx
cujas soluções destas equações diferenciais ordinárias são dadas por:
X = X0 exp (λx) ; T = T0 exp (−ūλt)

e a solução da equação de advecção é, finalmente,
c(x, t) = X0 T0 exp (λx − ūλt) = c0 exp [λ(x − ūt)] = c̃(x − ūt)

A solução da equação de advecção também pode ser obtida se considerarmos os trabalhos
de d’Alembert, que notou que para um observador acompanhando a partícula, que é advectada
ao longo da curva X(t), a taxa de variação na concentração seria dada por [3, 4]
dc ∂c ∂c dx
= +
dt ∂t ∂x dt
dx
que para um observador movendo-se com velocidade = ū resultaria em:
dt
dc ∂c ∂c
= + ū
dt ∂t ∂x
dc
Portanto, da Equação (1.3) obtemos que = 0 e a resolução da equação de advecção pode
dt
ser substituída pela resolução de um conjunto de duas equações diferenciais ordinárias
dx
= ū
dt
dc
=0
dt
que podem ser resolvidas facilmente. Da primeira equação resulta
x(t) = x(0) + ū(t − t0 ) (1.4)

6 1.3. A Equação de Advecção
1
Figura 1.2: Características t = x + (t0 − x0 /ū).
ū
enquanto que a segunda prevê que c é constante ao longo da curva dada pela Equação (1.4).
Para o problema em questão verificamos que estas curvas representam uma família de retas
paralelas, chamadas de características.
A fim de obtermos a solução geral da equação unidimensional de advecção sujeita à condição
inicial
c(x(0), 0) = c̃(x(0))
verificamos que c̃(x(0)) deve ser constante ao longo das características. Como x(0) = x(t) −
ū(t − t0 ), a solução geral será dada por
c(x, t) = c̃(x − ū(t − t0 ))
que é a mesma solução obtida pela técnica de separação de variáveis para t0 = 0.

Portanto, vemos que c(x, t) é constante ao longo de qualquer reta para a qual x − ūt for
constante. Os valores de c são simplesmente advectados, ou seja transladados, com uma ve-
locidade constante ū. Em geral as curvas características das equações diferenciais parciais são
curvas ao longo das quais estas equações encontram-se simplificadas de uma maneira particular.
1.3.1 Coeficientes variáveis

Vamos considerar, agora, o caso da equação de advecção na qual a velocidade do fluido varia
em função da posição x. Neste caso, a lei de conservação nos fornece para o caso unidimensional
∂c ∂
+ (u c) = 0
∂t ∂x
ou ainda,
∂c ∂c ∂u dc ∂u
+u +c = +c =0
∂t ∂x ∂x dt ∂x
e as curvas características x(t) são soluções da seguinte equação diferencial ordinária:
dx
= u(x(t))
dt
Para um ponto inicial arbitrário x0 , podemos resolver este problema de valor inicial com
x(0) = x0 e obter as curvas características. Devemos destacar que estas curvas acompanham o
movimento de uma partícula material carregada pelo fluido, uma vez que para qualquer tempo
a velocidade da partícula é a velocidade do fluido. Ao longo das curvas características a equação
de advecção simplifica-se:
dc ∂u
= −c
dt ∂x
Neste caso, as curvas características não são mais linhas retas e a solução não é mais constante
ao longo das características. Entretanto, mais uma vez a resolução da equação diferencial
parcial ficou reduzida à resolução de duas equações diferenciais ordinárias. A derivada material
d ∂ ∂
= +u representa a diferenciação ao longo da curva característica e fornece a taxa de
dt ∂t ∂x
variação observada para uma partícula material movendo-se com o fluido [4].
1.4 Equação de Advecção-Difusão

Vamos apresentar agora uma nova lei de conservação, na sua forma diferencial, que embora
não pertença à classe geral das equações diferenciais parciais hiperbólicas, uma vez que ela é
parabólica, será de grande valia no estudo dos métodos numéricos apresentados neste curso.
Conforme já visto, a equação de advecção é responsável pelo transporte do traçador unica-
mente devido ao movimento do fluido no qual ele encontra-se diluído. Entretanto, devido ao
movimento molecular, as moléculas do traçador se deslocam em todas as direções do espaço e
se chocam entre si, acarretando no espalhamento das mesmas no interior do fluido, mesmo se o
fluido estiver em repouso. A este fenômeno chamamos de difusão molecular e ele é responsável
pela existência de um fluxo de massa das regiões contendo uma maior concentração do traçador
para as regiões de menor concentração. A lei de Fick estipula que este fluxo (j) é proporcional
ao gradiente de concentração do traçador
j = −DD∇c
onde D representa o coeficiente de difusão. No caso unidimensional temos simplesmente que
8 1.4. Equação de Advecção-Difusão
∂c
j = −D i
∂x
Considerando, agora, o transporte do traçador devido ao efeito conjunto do movimento do
fluido e da difusão molecular, o termo de fluxo deve ser reescrito como f = v c − D∇c e a lei
de conservação na sua forma diferencial é dada por:
∂c
+ ∇ · (v c − D∇c) = 0
∂t
ou ainda,
∂c
+ ∇ · (v c) = ∇ · (D∇c)
∂t
que é conhecida como a equação de advecção-difusão. No caso unidimensional, para um coefi-
ciente de difusão molecular independente da posição, obtemos a sua forma simplificada:
∂c ∂ ∂ 2c
+ (u c) = D 2
∂t ∂x ∂x
que para uma velocidade constante u = ū resulta em
∂c ∂c ∂ 2c
+ ū =D 2
∂t ∂x ∂x
Um caso particular desta equação é obtido quando o fluido encontra-se em repouso
∂c ∂ 2c
=D 2
∂t ∂x
e ela é conhecida com a equação de difusão. Estas equações representam exemplos da classe
geral das equações diferenciais parciais parabólicas.
Vamos, agora, obter uma solução analítica da equação de advecção-difusão unidimensional
considerando que a velocidade u é constante. Para tanto vamos utilizar uma transformação de
variável e o uso da técnica da função de Green [2]. O nosso ponto de partida é a equação
∂c ∂ 2c ∂c
= D 2 − ū
∂t ∂x ∂x
considerando um domínio de resolução dado por um meio unidimensional infinito −∞ < x <
+∞ e uma condição inicial do tipo

 c0 se −L < x < +L
c(x, 0) = c̃(x) =
0 caso contrário

Em seguida, definimos uma nova variável dependente W (x, t) dada por

ū2

ū
c(x, t) = W (x, t) exp x− t
2D 4D
e substituímos esta expressão na equação de advecção-difusão, de modo que o problema original
é substituído por
∂W ∂ 2W
=D 2
∂t ∂x
sujeita à seguinte condição inicial
 ū

 c0 exp − 2D x se −L < x < +L
W (x, 0) = W
f (x) =
0 caso contrário

sendo que esta equação é muito mais fácil de ser resolvida do que a equação de advecção difusão.
Como o meio é infinito, esta equação admite uma solução dada por
Z +∞
W (x, t) = G(x − x0 , t)W
f (x0 )dx0
−∞
onde nesta equação G(x − x0 , t) representa a função de Green. Para este problema específico,
similar ao da resolução da equação de condução de calor, podemos mostrar que esta função é
dada por
1 0 2
G(x − x0 , t) = √ e−(x−x ) /4Dt
4πDt
Substituindo a função de Green na integral obtemos
Z +∞
1 f (x0 )e−(x−x0 )2 /4Dt dx0
W (x, t) = √ W
4πDt −∞
e, considerando a condição inicial dada, chegamos finalmente à seguinte solução
Z +L
(x − x0 )2

c0 ū
0
W (x, t) = √ exp − x exp − dx0
4πDt −L 2D 4Dt
Este resultado ainda pode ser reescrito como
Z +L
ū2 [(x − ūt) − x0 ]2

c0 ū
W (x, t) = √ exp − x+ t exp − dx0
4πDt 2D 4D −L 4Dt
Em seguida, uma nova variável é definida como
(x − ūt) − x0 √
η= √ ∴ dx0 = − 4Dt dη
4Dt
de modo que
10 1.5. Sistemas Lineares Hiperbólicos
Z [(x−ūt)−L]/√4Dt
ū2

c0 ū 2
W (x, t) = − √ exp − x+ t √
e−η dη
π 2D 4D [(x−ūt)+L]/ 4Dt
ou ainda
" Z [L+(x−ūt)]/√4Dt Z [L−(x−ūt)]/√4Dt #
c0 2 2 2 2
c(x, t) = √ e−η dη + √ e−η dη
2 π 0 π 0
Após resolução das integrais obtemos [2]:

c0 L + (x − ūt) L − (x − ūt)
c(x, t) = erf √ + erf √ (1.5)
2 4Dt 4Dt
para −∞ < x < +∞. Essa solução é representada graficamente na Figura 1.3, para diferentes
instantes de tempo, considerando que ū = 0, 5 e que o coeficiente de difusão molecular D assume
os seguintes valores: 10−5 , à esquerda, e 10−2 , à direita.
1.5 Sistemas Lineares Hiperbólicos

Até o presente momento consideramos somente os casos envolvendo uma única equação
diferencial parcial linear hiperbólica de primeira ordem. Entretanto, muitos problemas de
interesse prático envolvem a resolução de sistemas de equações diferenciais parciais. Assim
sendo, vamos introduzir a definição de sistemas hiperbólicos de primeira ordem.
Um sistema linear da forma
∂Φ ∂Φ
+A =0 (1.6)
∂t ∂x
é chamado de hiperbólico se a matriz A m × m for diagonalizável com autovalores reais. Nós
denotaremos os m autovalores da matriz na forma
λ1 ≤ λ2 ≤ . . . ≤ λm
e a matriz será diagonalizável se existir um conjunto completo de m autovetores r1 , r2 , . . . , rm ∈
Rm tais que
Arp = λp rp para p = 1, 2, . . . , m
sendo estes vetores linearmente independentes.
A matriz formada coletando as componentes dos autovetores como sendo as suas colunas
 
r11 r12 . . . r1m
 r1 r2 . . . rm 
 2 2 2 
R =  .. .. .. .. 
 . . . . 
1 2 m
rm r3 . . . rm
Figura 1.3: Evolução da condição inicial, dada pela Equação (1.5), considerando que a veloci-
dade de advecção é ū = 0, 5 e dois valores do coeficiente de difusão molecular: D = 10−5 (à
esquerda) e D = 10−2 (à direita)
12 1.5. Sistemas Lineares Hiperbólicos
possui uma matriz inversa R−1 e temos que:
R−1 AR = D e A = RDR−1
onde,
 
λ1
 λ2 
D=
 
.. 
 . 
λm
Assim, podemos diagonalizar a matriz A a partir de transformações de similaridade. Tal fato

é muito importante uma vez que podemos reescrever o sistema linear de equações como
∂Φ ∂Φ
R−1 + R−1 ARR−1 =0
∂t ∂x
ou ainda, introduzindo o vetor ω = R−1 Φ,
∂ω ∂ω
+D =0
∂t ∂x
Como a matriz D é diagonal podemos desacoplar o sistema em m equações de advecção inde-
pendentes para as componentes ω p do vetor ω:
∂ω p ∂ω p
+ λp =0
∂t ∂x
uma vez que cada autovalor é real, estas m equações de advecção possuem um significado físico
e podem ser utilizadas na busca da solução do sistema (1.6), sendo que a solução será dada
pela combinação linear das m “ondas” viajando com as velocidades características λp [4]. Estas
velocidades definem as curvas características X(t) = x0 + λp t ao longo das quais a informação
se propaga.
Para matrizes A simétricas (A = AT ), o Teorema Espectral [5] garante que estas matri-
zes podem ser diagonalizadas e que elas possuem autovalores reais. Neste caso, o sistema de
equações é dito ser hiperbólico simétrico. Por outro lado, caso a matriz A possua autovalores
reais distintos λ1 < λ2 < . . . < λm , então os seus autovetores serão linearmente independen-
tes e o sistema será hiperbólico e chamado de estritamente hiperbólico. Por último, caso A
tenha autovalores reais mas não seja diagonalizável, então diremos que o sistema é fracamente
hiperbólico [4].
Teorema 1 (Teorema Espectral para Matrizes Simétricas) Seja A uma matriz real e
simétrica. Então todos os autovalores de A são reais e existe uma base ortonormal de autove-
tores reais desta matriz.
1.6 Sistemas Hiperbólicos com Coeficientes Variáveis

Um sistema de equações diferenciais parciais hiperbólico, linear e com coeficientes variáveis
pode assumir a seguinte forma
∂Φ ∂Φ
+ A(x) =0 (1.7)
∂t ∂x
Esse sistema será hiperbólico, em cada ponto x, contanto que a matriz dos coeficientes A(x)
satisfaça às condições enunciadas na Seção 1.5.
Em alguns casos podemos nos deparar com um sistema de equações diferenciais parciais da
forma
∂Φ ∂
+ (A(x)Φ) = 0
∂t ∂x
no qual a função de fluxo depende explicitamente de x. Neste caso, podemos reescrever este
sistema como
∂Φ ∂Φ dA
+ A(x) =− Φ
∂t ∂x dx
sendo este sistema do tipo do da Equação (1.7) acrescido de um termo de fonte. Portanto, este
sistema será hiperbólico, em qualquer ponto x, caso a matriz A seja diagonalizável e possua
autovalores reais.
1.7 Hiperbolicidade de Sistemas Quaselineares e Não-lineares

Um sistema quaselinear
∂Φ ∂Φ
+ A(Φ, x, t) =0
∂t ∂x
é dito ser hiperbólico em cada ponto (Φ, x, t) se a matriz A(Φ, x, t) for diagonalizável e possuir
autovalores reais neste ponto.
Em se tratando de um sistema não-linear
∂Φ ∂
+ f (Φ) = 0
∂t ∂x
que para Φ suave pode ser posto na forma
∂Φ ∂f ∂Φ
+ =0 (1.8)
∂t ∂Φ ∂x
ele será dito ser hiperbólico caso a matriz Jacobiana, J = ∂f /∂Φ,
14 1.8. Acústica Linear
 
∂f1 /∂Φ1 ∂f1 /∂Φ2 . . . ∂f1 /∂Φm
 ∂f2 /∂Φ1 ∂f2 /∂Φ2 . . . ∂f2 /∂Φm 
J=
 
.. .. .. .. 
 . . . . 
∂fm /∂Φ1 ∂fm /∂Φ2 . . . ∂fm /∂Φm
satisfizer a condição de hiperbolicidade para cada valor fisicamente relevante de Φ [4].
1.8 Acústica Linear

Da teoria dos fenômenos de transporte sabemos que as equações de Euleur governam o
escoamento unidimensional de um fluido newtoniano inviscito (viscosidade nula) [1]:
∂ρ ∂ρ ∂u
+u +ρ =0
∂t ∂x ∂x
du d dρ ∂p
ρ = (ρu) − u = −
dt dt dt ∂x
ou ainda,
∂ρ ∂ρ ∂u
+u = −ρ
∂t ∂x ∂x

∂ ∂ ∂ρ ∂ρ ∂p
(ρu) + u (ρu) − u +u =−
∂t ∂x ∂t ∂x ∂x
Empregando a equação da continuidade e desenvolvendo a derivada do produto obtemos, para
a equação do balanço da quantidade de movimento,
∂ ∂ρ ∂u ∂p
(ρu) + u2 + 2ρ u + =0
∂t ∂x ∂x ∂x
Por último, escrevendo estas equações como leis de conservação
∂ρ ∂
+ (ρu) = 0 (1.9)
∂t ∂x
∂ ∂
ρu2 + p = 0

(ρu) + (1.10)
∂t ∂x
No caso de escoamento de gases, quando não ocorrem choques, podemos não considerar a
equação de conservação da energia e utilizar uma equação de estado que determina a pressão (p)
em função da massa específica (ρ). Nestes casos, assumimos que a entropia do gás é constante
e o escoamento é chamado de isoentrópico. Esta hipótese é razoável e pode ser empregada na
derivação das equações lineares da acústica [4]. No caso isoentrópico a equação de estado é
dada por:
p = p(ρ) = Cργ
onde C é uma constante e γ igual a 1,4 para o ar. Para que os resultados sejam fisicamente
realistas devemos assumir que
p0 (ρ) > 0 para ρ > 0

que significa que a um acréscimo na massa específica do gás deve corresponder a um acréscimo
na sua pressão. Conforme veremos, a seguir, esta condição também será necessária para que
tenhamos um sistema hiperbólico de equações.
Escrevendo as Equações (1.9) e (1.10) na forma do sistema (1.8) obtemos a seguinte forma
matricial:
∂f1 ∂f1
 
     
Φ1 ∂Φ1 ∂Φ2  Φ1 0
∂  
+  ∂   =  
∂t ∂x
 
 ∂f ∂f2
Φ2 Φ2 0

2
∂Φ1 ∂Φ2
sendo que para o problema considerado Φ = ρ i + (ρu) j e f = (ρu) i + (ρu2 + p(ρ)) j =
Φ2 i + [(Φ2 )2 /Φ1 + p(Φ1 )]j. Portanto, feitas todas as contas,
       
ρ 0 1 ρ 0
∂  +  ∂  =  (1.11)
∂t ∂x
ρu −u2 + p0 (ρ) 2u ρu 0
As equações da acústica linear são obtidas a partir da linearização deste sistema. Para
tanto, vamos introduzir a seguinte decomposição
     
ρ ρ0 ρ̃
 = + 
ρu ρ 0 u0 ρfu
onde (ρ0 , ρ0 u0 ) é o estado do sistema a partir do qual estamos linearizando e (ρ̃, ρfu) a pertur-
bação que desejamos determinar. Substituindo esta decomposição em (1.11) recuperamos um
sistema em termos das perturbações
       
ρ̃ 0 1 ρ̃ 0
∂  +  ∂  =  (1.12)
∂t 2 0 ∂x
ρfu −u0 + p (ρ0 ) 2u0 ρfu 0
sendo que neste caso a matriz Jacobiana possui coeficientes constantes.
Em termos práticos é mais conveniente trabalharmos em termos da velocidade ũ e da pressão
p̃, uma vez que estas são grandezas que podem ser medidas, em geral, diretamente. Empregando
a decomposição da pressão e a equação de estado temos que
p = p0 + p̃ = p(ρ0 + ρ̃) = p(ρ0 ) + p0 (ρ0 )ρ̃ + . . .

e como p0 = p(ρ0 ),
p̃ = p(ρ0 ) −p0 + p0 (ρ0 )ρ̃ + . . . ∼

= p0 (ρ0 )ρ̃
| {z }
=p0
Por outro lado,
ρu = (ρ0 + ρ̃)(u0 + ũ) = ρ0 u0 + ρ̃u0 + ρ0 ũ + ρ̃ũ

e, desprezando o termo envolvendo a potência das perturbações, obtemos
ρu = ρ0 u0 + ρ̃u0 + ρ0 ũ = ρ0 u0 + ρf
u
| {z }
∼ρu
=f
Após substituição destes resultados no sistema (1.12) e alguma manipulação algébrica

       
p̃ u0 K 0 p̃ 0
∂     ∂  = 
+ (1.13)
∂t ∂x
ũ 1/ρ0 u0 ũ 0
onde K0 = ρ0 p0 (ρ0 ) e é conhecido como o módulo de compressibilidade volumétrica do material.
1.8.1 Ondas Sonoras

A propagação de ondas sonoras num gás estacionário (u0 = 0) também é governada pelas
equações da acústica linear obtidas nesta seção. Como estas equações são lineares, as suas
soluções devem ser obtidas a partir da superposição de ondas que se movem em cada sentido
(para a esquerda e para a direita) cada uma propagando-se com uma velocidade constante igual
à velocidade do som e sem mudança de forma [4]. Portanto, como a equação que representa as
equações da acústica linear pode ser escrita na forma de uma equação de advecção vetorial
∂Φ ∂Φ
+A =0 (1.14)
∂t ∂x
vamos procurar soluções para este problema na forma (vide a Seção 1.5)
Φ(x, t) = Φ̄(x − λt)

onde λ representa uma velocidade e Φ̄(ξ) uma função de uma variável. A partir desta suposição
inicial podemos determinar as derivadas com relação ao tempo e espaço,
∂ 0
Φ(x, t) = −λΦ̄ (x − λt)
∂t
e
∂ 0
Φ(x, t) = Φ̄ (x − λt)
∂x
de modo que a Equação (1.14) fica reduzida a
0 0
AΦ̄ = λΦ̄
Como λ é um escalar e a matriz A pode ser diagonalizada, esta igualdade será possível caso λ
0
seja um autovalor da matriz e Φ̄ (ξ) um autovetor para cada valor de ξ.
Para a matriz A em (1.13) podemos facilmente determinar os seus dois autovalores
λ1 = u0 − c0 e λ2 = u0 + c0
p
sendo que c0 = K0 /ρ0 representa a velocidade do som no gás. Estes autovalores indicam que
as ondas sonoras se propagam com a velocidade do som com relação ao fluido que se desloca
1 2
com velocidade u0 e com velocidades
p λ e λ com relação a um observador fixo. Da definição
0
de K0 podemos verificar que c0 = p (ρ0 ) e a velocidade do som é um número real visto que
p0 (ρ) > 0.
Independentemente do valor de u0 os dois autovetores da matriz A são
   
−Z0 Z0
r1 =   e r2 =  
1 1
onde Z0 = ρ0 c0 é um parâmetro importante da acústica chamado de impedância do meio.
Uma solução geral para as equações da acústica linear consiste na superposição das ondas
se propagando para a esquerda e para a direita (estamos considerando que u0 = 0)
Φ(x, t) = w̄1 (x + c0 t)r1 + w̄2 (x − c0 t)r2 (1.15)

para as funções escalares w̄1 (ξ) e w̄2 (ξ), sendo que a determinação destas funções depende das
◦ ◦ ◦
condições iniciais do problema dado. Seja Φ(x, 0) = Φ (x) =p (x)i+ u (x)j os valores dos
distúrbios de pressão e velocidade no instante inicial t = 0, portanto a Equação (1.15) deve
satisfazer a
◦
w̄1 (x)r1 + w̄2 (x)r2 =Φ (x)
◦
no instante inicial, ou ainda, na sua forma matricial Rw̄ =Φ:
  1   ◦ 
−Z0 Z0 w̄ p
  =  

◦
1 1 w̄2 u
sendo R uma matriz não-singular para Z0 > 0. Como na prática ρ0 c0 é um número positivo a
matriz R possui uma inversa
1 1
 
−
 2Z0 2 
R−1 =
 

 1 1 
+
2Z0 2
e a solução deste sistema será dada por
1 h ◦ ◦
i
w̄1 (x) = − p (x) + Z0 u (x)
2Z0
2 1 h ◦ ◦
i
w̄ (x) = p
+ (x) + Z0 u (x)
2Z0
Finalmente, deste resultado obtemos a solução geral para qualquer tempo a partir da Equa-
ção (1.15)
1 h◦ ◦
i Z h◦
0 ◦
i
p(x, t) = p p
(x + c0 t)+ (x − c0 t) − u (x + c0 t)− (x − c0 t)
u
2 2
1 h◦ ◦
i 1 h◦ ◦
i
u(x, t) = − p (x + c0 t)− p (x − c0 t) + u (x + c0 t)+ u (x − c0 t)
2Z0 2
onde, a fim de simplificarmos a notação, retiramos o “∼” das flutuações.
A titulo de exemplo vamos resolver estas equações para as seguintes condições iniciais
1
p(x, 0) = exp(−80x2 ) + s(x)
2
u(x, 0) = 0
onde

0, 5 se -0,3 < x < -0,1
s(x) =
0, 0 caso contrário
sendo que ρ0 =1, K0 =0,25, de modo que c0 = Z0 =1/2. Na Figura 1.4 temos a representação
gráfica da evolução temporal da pressão (à esquerda) e da velocidade (à direita). A perturbação
inicial de pressão se propaga na forma de duas ondas distintas com velocidades −c0 e c0 .
Pr essão n o t em p o t = 0 .0 V el o c i d ad e n o t em p o t = 0 .0
0 .8 0 .8
0 .6 0 .6
0 .4 0 .4
0 .2 0 .2
0 .0 0 .0
-0 .2 -0 .2
-0 .4 -0 .4
-0 .6 -0 .6
-0 .8 -0 .8
-1 .0 -0 .8 -0 .6 -0 .4 -0 .2 0 .0 0 .2 0 .4 0 .6 0 .8 1 .0 -1 .0 -0 .8 -0 .6 -0 .4 -0 .2 0 .0 0 .2 0 .4 0 .6 0 .8 1 .0
0 .8 0 .8
0 .6 0 .6
0 .4 0 .4
0 .2 0 .2
0 .0 0 .0
-0 .2 -0 .2
-0 .4 -0 .4
-0 .6 -0 .6
-0 .8 -0 .8
-1 .0 -0 .8 -0 .6 -0 .4 -0 .2 0 .0 0 .2 0 .4 0 .6 0 .8 1 .0 -1 .0 -0 .8 -0 .6 -0 .4 -0 .2 0 .0 0 .2 0 .4 0 .6 0 .8 1 .0
0 .8 0 .8
0 .6 0 .6
0 .4 0 .4
0 .2 0 .2
0 .0 0 .0
-0 .2 -0 .2
-0 .4 -0 .4
-0 .6 -0 .6
-0 .8 -0 .8
-1 .0 -0 .8 -0 .6 -0 .4 -0 .2 0 .0 0 .2 0 .4 0 .6 0 .8 1 .0 -1 .0 -0 .8 -0 .6 -0 .4 -0 .2 0 .0 0 .2 0 .4 0 .6 0 .8 1 .0
0 .8 0 .8
0 .6 0 .6
0 .4 0 .4
0 .2 0 .2
0 .0 0 .0
-0 .2 -0 .2
-0 .4 -0 .4
-0 .6 -0 .6
-0 .8 -0 .8
-1 .0 -0 .8 -0 .6 -0 .4 -0 .2 0 .0 0 .2 0 .4 0 .6 0 .8 1 .0 -1 .0 -0 .8 -0 .6 -0 .4 -0 .2 0 .0 0 .2 0 .4 0 .6 0 .8 1 .0
Figura 1.4: Evolução da perturbação de pressão e da velocidade, concentrada perto da origem,

em duas ondas distintas se propagando com velocidades −c0 e c0 e para uma velocidade inicial
do gás nula.
CAPÍTULO 2
CARACTERÍSTICAS E PROBLEMAS DE
RIEMANN PARA EQUAÇÕES
HIPERBÓLICAS LINEARES
As principais características dos sistemas lineares de equações hiperbólicas serão explora-

das neste capítulo. Uma atenção especial será dada ao problema de Riemann, que representa
simplesmente um problema de Cauchy com condições iniciais especiais. Esta condição inicial
representa uma função constante por partes com uma condição de salto descontinua. O es-
tudo deste problema apresenta uma importância fundamental na compreensão da estrutura
de soluções mais gerais e também é a base para o método dos volumes finitos que será visto
posteriormente.
2.1 Solução do Problema de Cauchy

No estudo das equações diferenciais um problema de Cauchy, ou problema de valor inicial
(PVI), consiste na resolução destas equações sujeitas a uma condição inicial quando uma va-
riável independente, geralmente o tempo, assume um determinado valor (usualmente t = 0).
Portanto, vamos considerar a resolução do sistema linear de equações hiperbólicas
∂Φ ∂Φ
+A =0 (2.1)
∂t ∂x
onde a matriz A possui coeficientes constantes. A solução deste sistema é obtida considerando
a seguinte condição inicial
◦
Φ(x, 0) =Φ (x) para −∞<x<∞
21
22 2.2. Superposição das Soluções
Como este sistema é hiperbólico, sabemos que a matriz A pode ser diagonalizada e que este
sistema pode ser reduzido a:
∂ω ∂ω
+Λ =0 (2.2)
∂t ∂x
onde
ω = R−1 Φ e A = RΛR−1
sendo que as colunas da matriz R são constituídas pelos autovetores da matriz A.
Destas relações podemos mostrar sem maiores dificuldades que o problema escrito em termos
de ω possui uma condição inicial dada por:
◦ ◦
ω (x) ≡ R−1 Φ (x)
Conforme já visto na Seção 1.5, o sistema (2.2) pode ser decomposto em p equações de
advecção independentes
∂ω p ∂ω p
+ λp =0 (2.3)
∂t ∂x
com λp representando o p-ésimo autovalor da matriz A. Também no primeiro capítulo vimos
como obter a solução da equação de advecção sujeita a uma condição inicial e, portanto,
◦
ω p (x, t) = ω p (x − λp t, 0) =ωp (x − λp t)
Da definição do diferencial total de uma função e da Equação (2.3) podemos mostrar que:
dω p ∂ω p ∂ω p
= + λp =0
dt ∂t ∂x
para λp = dx/dt e, portanto, ω p (x, t) será constante ao longo das curvas cuja tangente é dada
por λp .
Uma vez determinadas todas as soluções ω p , a solução do sistema linear hiperbólico (2.1)
pode ser obtida a partir da combinação linear destas soluções
Φ(x, t) = Rω(x, t)
2.2 Superposição das Soluções

Conforme visto na seção precedente, a solução do sistema linear hiperbólico (2.1) é dada
por Φ(x, t) = Rω(x, t). Esta solução pode ser reescrita como:
m
X
Φ(x, t) = ω p (x, t)rp (2.4)
p=1
Capítulo 2. Características e Problemas de Riemann 23
uma vez que os autovetores direitos da matriz A formam uma base do espaço vetorial (são
linearmente independentes) e a solução pode ser pensada como sendo uma combinação linear
destes autovetores para cada ponto do espaço e do tempo, ou seja, uma superposição de ondas
viajando com diferentes velocidades λp .
A solução (2.4) também pode ser escrita em termos dos autovetores esquerdos da matriz A,
◦
ou seja, os vetores linha da matriz R−1 e da condição inicial Φ:
m h
X ◦ i
Φ(x, t) = lp Φ (x − λp t) rp (2.5)
p=1
visto que ω p (x, t) = lp Φ(x, t).

◦
Resultados anteriores permitem mostrar que os autocoeficientes ω (x) = ω p (x, 0) são sim-
◦
plesmente advectados com velocidade constante λp , isto é, ω p (x, t) ≡ω (x0 ), ao longo das curvas
x(t) = x0 + λp t à medida que o tempo evolui. Estas curvas são chamadas de características
da p-ésima família ou simplesmente p-características. No caso da matriz A possuir coeficientes
constantes estas curvas serão linhas retas e para um sistema estritamente hiperbólico teremos
que m curvas características distintas passarão por cada ponto no plano x − t.
Ao longo de cada p-característica os coeficientes ω p (x, t) dos autovetores rp na expansão (2.4)
são constantes e são chamados de coeficientes característicos.
A solução geral (2.4) admite uma solução particular simplificada caso ω p (x, 0) seja constante
◦
em x para todos os valores de p à exceção de um único, por exemplo ω p (x) ≡ ω̄ p para p 6= i.
Neste caso a solução possui a seguinte forma [4]
◦ X ◦
Φ(x, t) =ωi (x − λi t)ri + ω̄ p rp =Φi (x − λi t)
p6=i
e os dados iniciais são simplesmente propagados com a velocidade λi . Como m − 1 variáveis

características são constantes, o sistema de equações fica reduzido a
∂Φ ∂Φ
+ λi =0
∂t ∂x
que governa o comportamento da i-ésima família e chamamos estas soluções de ondas simples,
para as quais variações ocorrem somente para uma família característica.
2.3 Domínios de Influência e Dependência

Da solução geral escrita na forma da Equação (2.5) podemos ver que a solução Φ(X, T ), em
um ponto fixo (X, T ), depende somente da solução inicial avaliada em m pontos particulares
X − λp T para p = 1, 2, . . . , m. Este conjunto de pontos é chamado de domínio de dependência
do ponto (X, T ), conforme mostrado na Figura 2.1. O valor da solução inicial avaliada em
outros pontos não tem influência sobre o valor de Φ neste ponto específico.
24 2.3. Domínios de Influência e Dependência
(X, T )
X − λ3 T X − λ2 T X − λ1 T
Figura 2.1: Domínio de dependência do ponto (X,T ).
De modo geral as equações hiperbólicas possuem sempre um domínio de influência dado por
um conjunto limitado. Entretanto, no caso de equações não-lineares, a solução pode depender
dos dados existentes em todo um intervalo ao invés de somente um conjunto finito de pontos
distintos. O domínio de dependência limitado para as equações hiperbólicas é uma decorrência
do fato de que a informação se propaga com uma velocidade finita, conforme visto no caso da
equação de advecção. Tal propriedade deve ser levada em consideração quando da proposição
de métodos numéricos para a resolução destas equações e, também, significa que métodos
explícitos podem ser frequentemente utilizados de maneira eficiente.
Agora, ao invés de nos preocuparmos com os dados iniciais que afetam a solução no ponto
(X, T ), vamos focar a nossa atenção em um único ponto x0 no tempo t = 0. Qual é a influên-
◦
cia do dado Φ (x0 ) na solução Φ(x, t)? Evidentemente que os dados fornecidos neste ponto
afetarão somente a solução ao longo das curvas características x0 + λp t para p = 1, 2, . . . , m.
Denominamos este conjunto de pontos de domínio de influência do ponto x0 . O domínio de
influência encontra-se ilustrado na Figura 2.2.
2.3.1 Equações da Onda e da Difusão

A equação da onda também pode ser representada por uma equação diferencial parcial de
segunda ordem [4, 6, 7]
∂ 2Φ 2
2∂ Φ
− c =0
∂t2 ∂x2
Para condições iniciais dadas por
x0 + λ1 t x0 + λ2 t x0 + λ3 t
x0
Figura 2.2: Domínio de influência do ponto x0 .
Φ(x, 0) = f (x)
∂
Φ(x, 0) = g(x)
∂t
esta equação possui uma solução dada pela fórmula de d’Alembert [6, 7]
1 x+ct
Z
1
Φ(x, t) = [f (x + ct) + f (x − ct)] + g(x0 )dx0
2 2c x−ct
Muitas das propriedades da equação da onda podem ser deduzidas a partir desta fórmula, como
por exemplo a velocidade de propagação finita e a propagação de descontinuidades ao longo
das características.
Por outro lado, no caso da equação parabólica de difusão
∂Φ ∂ 2Φ
−D 2 =0
∂t ∂x
que é um caso particular da equação de advecção-difusão para uma velocidade nula, o domínio
de dependência para qualquer ponto (X, T ) é todo o eixo real x. Uma das propriedades, não-
física, da equação de difusão é a de que a velocidade de propagação é infinita. Isto pode ser
visto se considerarmos a sua solução para um domínio unidimensional infinito sujeito à seguinte
condição inicial Φ(x, 0) = f (x):
Z +∞
Φ(x, t) = G(x − x0 , t)f (x0 )dx0
−∞
26 2.3. Domínios de Influência e Dependência
onde G representa a função de Green. Para este problema específico a função de Green é dada
por [2]:
1 2
G(x, t) = √ e−x /4Dt
4πDt
e a solução da equação de difusão é finalmente obtida como
Z +∞
1 0 2
Φ(x, t) = √ e−(x−x ) /4Dt f (x0 )dx0
−∞ 4πDt
Desta equação vemos que para t > 0 a solução da equação de difusão é diferente de zero
para todos os valores de x e o efeito da condição inicial será imediatamente (velocidade de
propagação infinita) sentido ao longo de todo o domínio unidimensional infinito. Isto quer
dizer que uma mudança dos dados em qualquer posição afetaria a solução no ponto (X, T ),
embora esta contribuição decresça exponencialmente de forma rápida. Este efeito, embora
desprezível a grandes distâncias, representa uma clara violação da nossa intuição física e da
teoria da relatividade que postula que nenhuma informação pode propagar com velocidade
superior a da luz. Apesar desta incoerência física, a equação de difusão fornece soluções que
descrevem de maneira realista fenômenos tais como a condução de calor e a difusão de massa.
Em função deste comportamento, métodos numéricos implícitos são frequentemente necessários
na resolução das equações parabólicas.
Uma outra forma de mostrarmos algumas destas propriedades é a partir da determinação
da inclinação das curvas características. Para uma equação diferencial parcial de segunda
ordem [6, 7], cuja forma geral é dada por
∂ 2Φ ∂ 2Φ ∂ 2Φ
A + B + C +D =0
∂x2 ∂x∂y ∂y 2
onde D contém os termos de mais baixa ordem, a inclinação da curva característica é determi-
nada pelas raízes da equação do segundo grau
2
dy dy
A −B +C =0
dx dx
que de acordo com o discriminante ∆ = B 2 − 4AC pode resultar em duas, uma ou nenhuma
raiz real
√
dy −B ± B 2 − 4AC
=
dx 2A
A classificação da equação diferencial parcial é dada em função do discriminante [6, 7]:
• hiperbólica caso ∆ > 0 e duas famílias distintas de curvas características;
• parabólica caso ∆ = 0 e uma única família de curvas características;

Tabela 2.1: Propriedades fundamentais das equações da onda e da difusão.
Propriedade Equação da onda Equação da difusão
Velocidade de propagação Finita Infinita
Singularidades para t > 0 Transportadas ao longo Perdidas imediatamente

das características
Comportamento para t → ∞ Não decai Decai a zero
Informação Transportada Gradualmente perdida
• elíptica caso ∆ < 0 e as famílias de curvas características são complexas.
Aplicando estes resultados à equação da onda, temos que A = 1, B = 0 e C = −c2 .

Portanto, o discriminante ∆ = B 2 − 4AC > 0 e as inclinações das curvas características são
dadas por
dx
= ±c
dt
mostrando que a velocidade de propagação é finita e a existência de duas curvas características.
Considerando, agora, a equação de difusão vemos que A = −D, B = 0 e C = 0, resultando
em ∆ = 0 e em uma única direção característica
dt
=0
dx
que coincide com o eixo x e temos uma velocidade de propagação infinita dx/dt = ∞.
Uma comparação entre algumas das principais propriedades fundamentais das equações da
onda e da difusão encontram-se resumidas na Tabela 2.1.
2.4 Soluções Descontínuas

Enquanto as soluções das equações diferenciais clássicas necessitam serem funções suaves
(suficientemente diferenciáveis), a solução geral (2.4) pode ser empregada mesmo quando os
dados iniciais não forem suaves ou contiverem singularidades em alguns pontos. Caso algum
dado inicial possua uma singularidade, uma descontinuidade em alguma das suas derivadas em
um ponto x0 , então uma ou mais das variáveis características ω p (x, 0) conterão também uma
singularidade naquele ponto. Estas singularidades nos dados iniciais podem ser propagadas
28 2.4. Soluções Descontínuas
à medida que o tempo evolui ao longo das características, acarretando no aparecimento de

singularidades na solução Φ(x, t) em alguns ou em todos os pontos x0 + λp t [4].
Contrariamente, caso os dados iniciais sejam suaves em uma vizinhança de todos os pontos
x̄ − λp t̄, então a solução Φ(x, t) também deve ser suave na vizinhança do ponto (x̄, t̄). Isto
significa que as singularidades só podem ser propagadas ao longo das características para um
sistema linear [4].
2.4.1 O Problema de Riemann

O problema de Riemann consiste na resolução de uma equação diferencial parcial hiperbó-
lica com condições iniciais especiais que são constantes por partes com uma descontinuidade
representada por um simples salto

◦
 Φl se x < 0
Φ=
Φr se x > 0

e do que já foi visto devemos esperar que a descontinuidade inicial será propagada ao longo das
curvas características.
Para a equação de advecção ∂Φ/∂t + ū∂Φ/∂x = 0, o único coeficiente da “matriz” é o
escalar ū. O único autovalor é λ1 = ū e escolhemos o autovetor como sendo r1 = 1. Neste
caso, a solução do problema de Riemann consiste na descontinuidade Φr − Φl propagando com
◦
velocidade ū ao longo da característica e a solução será dada por Φ(x, t) =Φ(x − ūt).
No caso geral de um sistema linear de m equações lineares, uma solução para o problema de
Riemann pode ser obtida a partir das informações fornecidas na Seção 2.2. Na obtenção desta
solução a seguinte decomposição é utilizada
m
X
Φl = ωlp rp
p=1
e
m
X
Φr = ωrp rp
p=1
Deste modo, a p-ésima equação de advecção
∂ω p p ∂ω
p
+λ =0
∂t ∂x
tem como condição inicial
 p
◦p
 ωl se x < 0
ω =
ωrp se x > 0

x = λ1 t x = λ2 t x = λ3 t
(X, T )
Φ∗l Φ∗r
Φl Φr
X − λ3 T X − λ2 T 0 X − λ1 T
Figura 2.3: Solução do problema de Riemann no ponto (X, T ).
e esta descontinuidade irá se propagar com uma velocidade λp , então:

 p
 ωl se x − λp t < 0
p
ω (x, t) =
 p
ωr se x − λp t > 0
Definindo P (x, t) como sendo o máximo valor de p para o qual x − λp t > 0,
P
X m
X
Φ(x, t) = ωrp rp + ωlp rp
p=1 p=P +1
ou ainda,
P
X m
X
Φ(x, t) = ωrp rp + ωlp rp
p:x>λp t p:x<λp t
Como exemplo, vamos determinar a solução em um ponto (X, T ) conforme ilustrado na

Figura 2.3. Neste caso, verificamos que a solução neste ponto é dada por
Φ(x, t) = ωr1 r1 + ωl2 r2 + ωl3 r3

Devemos observar que a solução para qualquer ponto compreendido entre as características
x = λ1 t e x = λ2 t será a mesma, indicada como Φ∗l na figura. Quando cruzamos a p-ésima
característica, o valor de x − λp t passa por zero e o valor de ω p salta de ωlp para ωrp , enquanto
os outros coeficientes ω i6=p permanecem constantes.
30 2.4. Soluções Descontínuas
x = λ1 t x = λ2 t x = λ3 t
(X, T )
Φ∗l Φ∗r
Φl Φr
X − λ3 T X − λ2 T X − λ1 T 0
Figura 2.4: Solução do problema de Riemann no ponto (X, T ). Primeiro caso.
Nas Figuras 2.4 a 2.7 mostramos a construção da solução do problema de Riemann no ponto
(X, T ) para quatro situações distintas. Em cada uma delas a solução é constante para cada
cunha no plano x − t. No primeiro caso, Figura 2.4, o ponto está situado de modo que todos
os valores de x − λp t são menores do que zero. Neste caso a solução é dada por:
Φl = ωl1 r1 + ωl2 r2 + ωl3 r3

No próximo exemplo o ponto (X, T ) está localizado no plano x − t de forma que x − λp t é
menor do que zero para dois valores de p (vide a Figura 2.5). Portanto a solução do problema
de Riemann pode ser escrita como:
Φ∗l = ωr1 r1 + ωl2 r2 + ωl3 r3

Por outro lado, no terceiro caso, mostrado na Figura 2.6, somente x − λ1 t é menor do que
zero e a correspondente solução do problema é:
Φ∗r = ωr1 r1 + ωr2 r2 + ωl3 r3

Finalmente, no último exemplo (Figura 2.7) todos os valores de x − λp t são maiores do que
zero e
Φr = ωr1 r1 + ωr2 r2 + ωr3 r3

Conforme já mencionado, a solução é constante em cada cunha das figuras. Entretanto, à
medida que cruzamos a p-ésima característica a solução muda com o seu salto sendo dado por:
x = λ1 t x = λ2 t x = λ3 t
(X, T )
Φ∗l Φ∗r
Φl Φr
X − λ3 T X − λ2 T 0 X − λ1 T
Figura 2.5: Solução do problema de Riemann no ponto (X, T ). Segundo caso.
(ωrp − ωlp ) rp ≡ αp rp
e devemos observar que este salto na solução é um autovetor da matriz A, sendo um múltiplo
escalar de rp . Este é um fato extremamente importante e graças a sua generalização poderemos
propor uma solução para os problemas de Riemann para sistemas não-lineares de equações.
Esta condição é conhecida como a condição de salto de Rankine-Hugoniot.
Em geral os dados (Φl , Φr ) não devem satisfazer à esta condição e o processo de resolução
deste problema pode ser pensado como a quebra do salto Φr − Φl numa série de outros sal-
tos, cada qual verificando a condição de Rankine-Hugoniot. No caso linear, a resolução do
problema de Riemann consiste em decompor o salto Φr − Φl em autovetores da matriz A:
Φr − Φl = α1 r1 + . . . + αm rm
que implica na resolução do seguinte sistema de equações:
Rα = Φr − Φl
e desta equação vemos que α = R−1 (Φr − Φl ). Como αp rp é um salto de Φ através da p-ésima
onda da solução do problema de Riemann, vamos introduzir a seguinte notação:
Wp = αp rp
para estas ondas e a solução Φ(x, t) pode ser escrita em termos destas ondas de duas maneiras
diferentes:
32 2.5. Acústica
x = λ1 t x = λ2 t x = λ3 t
(X, T )
Φ∗l Φ∗r
Φl Φr
X − λ3 T 0 X − λ2 T X − λ1 T
Figura 2.6: Solução do problema de Riemann no ponto (X, T ). Terceiro caso.
X
Φ(x, t) = Φl + Wp
p:x>λp t
ou
X
Φ(x, t) = Φr − Wp
p:x≤λp t
Esta solução também pode ser escrita em termos da função de Heaviside, H(x),
m
X
Φ(x, t) = Φl + H(x − λp t)Wp
p=1
onde

 0 se x < 0
H(x) =
1 se x > 0

2.5 Acústica
A fim de que possamos aplicar a teoria vista nas seções precedentes, vamos considerar um
exemplo específico da acústica (1.13) para u0 = 0,
x = λ1 t x = λ2 t x = λ3 t
(X, T )
Φ∗l Φ∗r
Φl Φr
0 X − λ3 T X − λ2 T X − λ1 T
Figura 2.7: Solução do problema de Riemann no ponto (X, T ). Quarto caso.
       
p 0 K0 p 0
∂  +  ∂  = 
∂t ∂x
u 1/ρ0 0 u 0
onde
 
0 K0
A= 
1/ρ0 0
e sem maiores dificuldades vemos que os autovalores desta matriz são dados por det(A − λI),
ou seja, as raízes do polinômio
K0
λ2 − =0
ρ0
ou ainda,
λ1 = −c0 e λ2 = +c0
p
sendo que c0 = K0 /ρ0 .
Por outro lado, os autovetores da matriz dos coeficientes são determinados por (A−λI)r = 0.
Para o primeiro autovalor obtemos:
34 2.5. Acústica
    
c0 K0 r11 0
  = 
1/ρ0 c0 r21 0
enquanto que para o segundo autovalor temos:
  2   
−c0 K0 r1 0
  = 
1/ρ0 −c0 r22 0
e, portanto, os autovetores de A são:
   
−Z0 Z0
r1 =  , r2 =  
1 1
onde Z0 = ρ0 c0 .
A partir dos autovetores podemos determinar a matriz R = [r1 |r2 ] cujas colunas são cons-
tituídas pelos autovetores da matriz dos coeficientes A:
 
−Z0 Z0
R= 
1 1
cuja matriz inversa é:
 
−1 Z0
1 
R−1 = 
2Z0
1 Z0
Tendo sido determinada a matriz inversa R−1 podemos resolver o problema de Riemann,
cuja solução é dada por α = R−1 (Φr − Φl ):
 1    
α −1 Z0 pr − pl
 = 1   
2Z0
α2 1 Z0 ur − ul
com as componentes do vetor α sendo dadas por:
−(pr − pl ) + Z0 (ur − ul )
α1 =
2Z0
e
(pr − pl ) + Z0 (ur − ul )
α2 =
2Z0
sendo que as duas ondas são W = α r e W2 = α2 r2 e o estado intermediário (vide a
1 1 1
Figura 2.8) é
x − λ1 t < 0 x − λ2 t > 0
Φm
Φl Φr
Figura 2.8: Solução do problema de Riemann no plano x − t.
 
(pl + pr ) − Z0 (ur − ul )
1
Φm = Φl + α1 r1 = Φr − α2 r2 = 
2
(ul + ur ) − (pr − pl )/Z0
2.6 Acústica e Advecção

Agora vamos considerar o problema acoplado da acústica linear em um fluido que se move
com uma velocidade constante u0 > 0 e no qual existe um traçador passivo sendo transportado
pelo fluido, cuja concentração é dada por C(x, t). Embora estes dois problemas possam ser
tratados separadamente, vamos considerá-los conjuntamente como um sistema de três equações:
       
p u0 K0 0 p 0
       
∂  u  +  1/ρ0 u0 0  ∂  u  =  0 
      
∂t 

 
 
 ∂x 
 
  
  
C 0 0 u0 C 0
Neste caso, a matriz dos coeficientes é dada por
 
u0 K0 0
 
 
A=  1/ρ0 u0 0


 
0 0 u0
e os seus autovalores são as três raízes do polinômio
36 2.6. Acústica e Advecção
K0
(u0 − λ)3 − (u0 − λ) = 0
ρ0
que pode ser reescrito como

2K0
(u0 − λ) − (u0 − λ) = 0
ρ0
de modo que chegamos facilmente aos autovalores
λ1 = u0 − c0 , λ2 = u0 e λ 3 = u 0 + c0
Na determinação do primeiro autovetor devemos resolver o seguinte sistema de equações
  1   
c0 K 0 0 r1 0
    
    
 1/ρ0 c0 0   r21  =  0 
    
    
1
0 0 c0 r3 0
em se tratando do segundo
 
r12
  
0 K0 0 0
    
  2   
 1/ρ0 0 0   r2 
= 0 
   

    
2
0 0 0 r3 0
e, para o último autovetor,
 
r13
  
−c0 K0 0 0
    
  3   
 1/ρ0 −c0 0   r2  =  0 
    
    
3
0 0 −c0 r3 0
e os correspondentes autovetores da matriz dos coeficientes são, respectivamente,
     
−Z0 0 Z0
     
1
  2
  3
 
r =  1 ,
  r =  0 ,
  r = 1 


     
0 1 0
Uma vez determinados os autovetores, a solução do problema de Riemann pode ser determinada
a partir dos valores de α = R−1 (Φr − Φl )

α1
   
−1/2Z0 Z0 /2Z0 0 pr − pl
    
 2    
 α = 0 0 1   ur − ul 
    
    
3
α +1/2Z0 Z0 /2Z0 0 Cr − Cl
de modo que
1
α1 = [− (pr − pl ) + Z0 (ur − ul )]
2Z0
α 2 = Cr − Cl
1
α3 = [+ (pr − pl ) + Z0 (ur − ul )]
2Z0
e, finalmente, a solução do problema de Riemann é dada por:
       
pr − pl −Z0 0 Z0
       
       
 ur − ul  = α 1  1  + α 2  0  + α 3  1 
       
       
Cr − Cl 0 1 0
Caso Cl > Cr , ou seja, para o instante de tempo inicial t = 0 o fluido com uma maior con-
centração do traçador encontra-se à esquerda. Então, à medida que o fluido escoar a interface
que separa os fluidos com diferentes concentrações do traçador irá se deslocar com velocidade
igual a u0 e, através desta interface, correspondente à segunda onda, não existe um salto entre
os valores da pressão e da velocidade, que permanecem constantes. Esta onda é chamada de
uma descontinuidade de contato. Por outro lado, no fluido em cada lado desta descontinuidade
de contato existem duas ondas acústicas se propagando com uma velocidade c0 com relação
ao fluido para a esquerda e para a direita a partir da origem (vide a Figura 2.9). A desconti-
nuidade inicial na pressão e na velocidade, do problema de Riemann inicial, irão originar uma
perturbação inicial que irá se propagar com a velocidade do som c0 . A relação M = |u0 |/c0 é
chamada de número de Mach do escoamento.
2.7 Problemas de Valor Inicial e de Contorno

Vamos considerar, agora, o caso da resolução de um sistema hiperbólico em um intervalo
fechado a ≤ x ≤ b. Como as variáveis dependentes deste problema dependem do tempo e do
espaço e como estamos considerando um domínio limitado, as condições de contorno também
são necessárias para a resolução deste sistema e a este problema chamamos de problema de
38 2.7. Problemas de Valor Inicial e de Contorno
u 0 − c0 u0 u0 + c0
Figura 2.9: Soluçao do problema de Riemann para as equações acopladas de advecção e acústica.
valor inicial e de contorno. Para um sistema com m equações necessitaremos de um total de m

condições de contorno. Estas condições de contorno poderão ser prescritas na fronteira a ou b
do domínio de resolução, Figura 2.10. A determinação das fronteiras nas quais serão impostas
as condições de contorno dependerá do sinal dos autovalores da matriz A m × m.
Em se tratando de um sistema hiperbólico linear
∂Φ ∂Φ
+A =0
∂t ∂x
sabemos que ele pode ser desacoplado em um conjunto de m equações de advecção
∂ω p ∂ω p
+ λp =0
∂t ∂x
e devemos impor condições de contorno para ω p (x, t) em x = a se λp > 0 e em x = b se λp < 0.
Estamos considerando que os autovalores não são nulos. Para um sistema contendo n ≤ m
autovalores negativos
λ1 ≤ λ2 ≤ . . . ≤ λn < 0 < λn+1 ≤ . . . ≤ λm−n

precisamos impor m − n condições de contorno em x = a e n em x = b.
Definamos com ω I a p-ésima componente do vetor ω associada a um autovalor negativo e ω II
a um autovalor positivo. Portanto, na fronteira esquerda precisamos especificar ω II enquanto
que ω I deve ser fornecido na fronteira direita. Podemos especificar ω II em termos de ω I e uma
possibilidade seria uma combinação linear da forma
ω II (a, t) = B1 ω I (a, t) + g1 (t)

t t
a b x a b x
p p
(a) λ > 0 (b) λ < 0
Figura 2.10: Condições de contorno e iniciais para a resolução da equação de advecção no

intervalo [a, b]
Para B1 = 0 temos simplesmente uma condição fornecendo os valores para o fluxo de entrada.
Entretanto, em uma fronteira física com frequência podem ocorrer reflexões das ondas e, neste
caso, B1 não pode ser nulo.
As condições de contorno devem ser especificadas em consonância com a física do problema
e a falta ou o excesso de condições de contorno, bem como uma especificação inapropriada,
leva a um problema que não será matematicamente bem-posto e não existirá uma solução ou
existirão várias.
Como exemplo de aplicação das condições de contorno, vamos retomar o exemplo apresen-
tado na Seção 1.8.1 com u0 = 0. Na continuação deste exemplo vamos supor que temos uma
parede sólida à esquerda e condições de fluxo impostas na fronteira à direita. No primeiro caso
teremos uma reflexão da onda na parede e no segundo uma condição de contorno de fluxo de
saída. Da teoria já apresentada sabemos que as variáveis características são dadas por
1
ω 1 (x, t) = [−p(x, t) + Z0 u(x, t)]
2Z0
1
ω 2 (x, t) = [p(x, t) + Z0 u(x, t)]
2Z0
Sabendo que o gás não pode escoar através da parede sólida, devemos impor a sua velocidade
como sendo nula nesta fronteira, ou seja,
u(a, t) = 0
e como resultado teremos para este problema que
ω 2 (a, t) = −ω 1 (a, t)
que corresponde a B1 = −1 e g1 = 0. Como consequência teremos que a onda será completa-
mente refletida nesta fronteira.
Em se tratando da condição de contorno à direita, condição de fluxo de saída, basta impor-

mos que ω 1 (b, t) = 0 e, portanto, p(b, t) = Z0 u(b, t).
A Figura 2.11 apresenta a continuação do exemplo de um problema de acústica para tempos
superiores a 1, quando as ondas de pressão e velocidade podem atingir as fronteiras do domínio
de resolução [−1, +1]. Neste problema consideramos uma parede sólida na fronteira à esquerda
e uma condição de fluxo de saída para a fronteira direita. As soluções numéricas foram obtidas
com o software CLAWPACK [8].
Outro tipo de condição de contorno que pode apresentar uma utilidade prática é a condição
de contorno do tipo periódica
Φ(a, t) = Φ(b, t)
Este tipo de condição de contorno relaciona as condições de contorno nas duas extremidades do
domínio de resolução, uma vez que as ondas saindo por uma destas fronteiras deve reentrar pela
outra. A resolução de um problema de valor inicial com condições de contorno com condições de
contorno periódicas é equivalente à resolução de um problema de Cauchy com condições iniciais
periódicas, sendo que as condições fornecidas em a ≤ x ≤ b são estendidas periodicamente para
todo o eixo x. Em termos das variáveis características nós teríamos:
ω II (a, t) = ω II (b, t)
ω I (b, t) = ω I (a, t)
isto é, os m − n valores entrando de ω II em x = a são especificados a partir dos valores saindo
conhecidos em x = b. Por outro lado, os n valores entrando de ω I em x = b são impostos
utilizando os valores conhecidos de saída em x = a.
Figura 2.11: Evolução da perturbação de pressão e da velocidade, concentrada perto da origem,

em duas ondas distintas se propagando com velocidades −c0 e +c0 e para uma parede sólida à
esquerda e uma condição de fluxo de saída à direita.
CAPÍTULO 3
O MÉTODO DOS VOLUMES FINITOS
Nos dois primeiros capítulos deste curso nós apresentamos as equações de balanço e a forma
geral das leis de conservação, introduzimos os sistemas hiperbólicos lineares, quase-lineares
e não-lineares e vimos como podiam ser obtidas soluções para o problema linear. Termina-
mos o segundo capítulo estudando os problemas de Riemann, condições iniciais descontinuas,
e obtendo as soluções destes problemas em alguns casos específicos a partir da condição de
Rankine-Hugoniot. Problemas de valor inicial e de contorno também foram abordados.
Neste capítulo vamos introduzir o método dos volumes finitos, que será empregado na resolu-
ção numérica das leis de conservação e dos sistemas hiperbólicos. Este método, diferentemente
do método de diferenças finitas, é derivado a partir da forma integral das leis de conservação,
e esta característica confere algumas vantagens a este método.
3.1 Formulação Geral

O nosso ponto de partida para obtenção da forma discretizada do métodos dos volumes
finitos é a forma bidimensional da lei de conservação
∂Φ ∂f ∂g
+ + =0
∂t ∂x ∂y
No método dos volumes finitos o domínio espacial é subdividido em um conjunto de volumes
finitos (ou volumes de controle) e as variáveis dependentes são determinadas como médias
volumétricas sobres estes volumes, avaliadas no centro destes volumes. A Figura 3.1 representa
esquematicamente um domínio bidimensional Lx × Ly particionado com o uso dos volumes
finitos (ou células C) com dimensão ∆x × ∆y. Aqui vamos admitir que a malha formada pelos
volumes de controle é uniforme, mas esta não é uma condição essencial para o desenvolvimento
do método.
43
44 3.1. Formulação Geral
y ∆x
∆y
Ly
Lx
Figura 3.1: Partição do domínio de resolução.
O próximo passo consiste na integração da lei de conservação no tempo, de tn a tn+1 , e no

espaço sobre um volume de controle, de xi−1/2 a xi+1/2 e de yj−1/2 até yj+1/2 . Os incrementos de
tempo e espaço são definidos como ∆t = tn+1 − tn , ∆x = xi+1/2 − xi−1/2 e ∆y = yj+1/2 − yj−1/2 ,
vide a Figura 3.2. Portanto,
Z xi+1/2 Z yj+1/2 Z tn+1 Z tn+1 Z yj+1/2 Z xi+1/2 !
∂Φ ∂f
dt dxdy + dx dydt
xi−1/2 yj−1/2 tn ∂t tn yj−1/2 xi−1/2 ∂x
!
Z tn+1 Z xi+1/2 Z yj+1/2
∂g
+ dy dxdt = 0
tn xi−1/2 yj−1/2 ∂y
Após integração nós obtemos,

Z xi+1/2 Z yj+1/2
[Φ(x, y, tn+1 ) − Φ(x, y, tn )] dxdy
xi−1/2 yj−1/2
Z tn+1 Z yj+1/2
+ f (xi+1/2 , y, t) − f (xi−1/2 , y, t) dydt
tn yj−1/2
Z tn+1 Z xi+1/2
+ g(x, yj+1/2 , t) − g(x, yj−1/2 , t) dxdt = 0
tn xi−1/2
Capítulo 3. O Método dos Volumes Finitos 45
∆x
yj+1/2
Qij
∆y
yj
yj−1/2
xi−1/2 xi xi+1/2
Figura 3.2: Volume finito bidimensional.
Em seguida, dividimos todos os termos pela área do volume finito ∆x∆y e definimos o valor
médio da variável Φ, no tempo tn , sobre o volume de controle cujo centro possui coordenadas
xi e yj [4]
Z xi+1/2 Z yj+1/2
n 1
Qij ≈ Φ(x, y, tn ) dxdy
∆x∆y xi−1/2 yj−1/2
de modo que
Z tn+1 Z yj+1/2
n+1 1
Qnij

Qij = − f (xi+1/2 , y, t) − f (xi−1/2 , y, t) dydt
∆x∆y tn yj−1/2
Z tn+1 Z xi+1/2
1
− g(x, yj+1/2 , t) − g(x, yj−1/2 , t) dxdt
∆x∆y tn xi−1/2
Finalmente, vamos definir a aproximação dos valores dos fluxos nas faces dos volumes de controle
como sendo dados por [4]
Z tn+1 Z yj+1/2
n 1
Fi±1/2,j ≈ f (xi±1/2 , y, t) dydt
∆t∆y tn yj−1/2
Z tn+1 Z xi+1/2
n 1
Gi,j±1/2 ≈ g(x, yj±1/2 , t) dxdt
∆t∆x tn xi−1/2
46 3.2. Técnica Geral
Com a introdução da definição dos valores médios de Φ e dos fluxos nas faces dos volumes
de controle, podemos obter a forma discretizada da lei de conservação
∆t n ∆t n
Qn+1 = Qnij − n
Gi,j+1/2 − Gni,j−1/2

ij Fi+1/2,j − Fi−1/2,j − (3.1)
∆x ∆y
e esta equação mostra como o valor médio de Φ no volume de controle deve ser atualizado no
próximo passo de tempo. Entretanto, não podemos avaliar exatamente os valores dos fluxos
nas faces dos volumes de controle. A aproximação dos valores destes fluxos pode ser feita de
várias maneiras e este será o objeto do nosso estudo nas próximas seções.
O fato de empregarmos valoresPmédios obtidos para cada volume de controle, forma con-
M PN
servativa, assegura que o valor de i=1 j=1 Qnij irá representar o valor da integral de Φ sobre
todo o domínio e, portanto, este valor só deve mudar em função dos fluxos estabelecidos nas
fronteiras do domínio de resolução.
3.2 Técnica Geral

Vamos recordar, agora, a técnica geral empregada na construção de aproximações das deri-
vadas por diferenças finitas. Para tanto, vamos considerar a expressão:
n
∂Φ
= aΦni−1 + bΦni + cΦni+1 + O (∆xm )
∂x i
onde a, b e c são valores a serem determinados e o termo O (∆xm ) indica o erro introduzido
pela aproximação.
Expandindo Φni−1 e Φni+1 em série de Taylor em torno do ponto (i,n)
n n
∆x2 ∂ 2 Φ

n n ∂Φ 3

Φi+1 = Φi + ∆x + + O ∆x
∂x i 2 ∂x2 i
n n
∆x2 ∂ 2 Φ

n n ∂Φ 3

Φi−1 = Φi − ∆x + + O ∆x
∂x i 2 ∂x2 i
e substituindo estas expressões na equação geral, obtemos:
n
∂Φ
aΦni−1 + bΦni + cΦni+1 = (a + b + c)Φni + (−a + c)∆x
∂x i
2
2
n 3
3
n
∆x ∂ Φ ∆x ∂ Φ
+(a + c) + (−a + c) + ...
2 ∂x2 i 6 ∂x3 i
1 1
Fazendo a + b + c = 0 e (−a + c)∆x = 1, resulta em a = c − e b = −2c + para qualquer
∆x ∆x
2
valor de c. Escolhendo c de maneira que o termo em ∆x desapareça (c = −a), obtemos a
aproximação com o menor erro de truncamento possível para uma formulação a três pontos, ou
1
seja, c = −a = e b = 0. Substituindo estes valores na expressão geral:
2∆x
n n
Φni+1 − Φni−1 ∆x2 ∂ 3Φ

∂Φ
= − + ...
∂x i 2∆x 6 ∂x3 i
Portanto, a representação por diferenças finitas é dada por:
n
∂Φ ∼ φni+1 − φni−1
=
∂x i 2∆x
e possui um erro de truncamento da ordem de ∆x2 e é conhecida como diferença centrada.
Esta mesma técnica pode ser usada no desenvolvimento de aproximações multidimensionais ou
em malhas não-uniformes.
Empreguemos esta técnica geral na obtenção de uma representação algébrica de (∂Φ/∂x)ni
utilizando uma formulação a três pontos:
n
∂Φ
= aΦni + bΦni+1 + cΦni+2 + O (∆xm )
∂x i
Expandindo em série de Taylor Φni+1 e Φni+2 em torno do ponto (i,n)
n n n
∆x2 ∂ 2 Φ ∆x3 ∂ 3 Φ

n n ∂Φ 4

Φi+1 = Φi + ∆x + + + O ∆x
∂x i 2 ∂x2 i 6 ∂x3 i
n n n
(2∆x)2 ∂ 2 Φ (2∆x)3 ∂ 3 Φ

n n ∂Φ
+ O ∆x4

Φi+2 = Φi + 2∆x + 2
+ 3
∂x i 2 ∂x i 6 ∂x i
que após substituição na expressão geral resulta em:
n
∂Φ
aΦni + bΦni+1 + cΦni+2 = (a + b + c)Φni + (b∆x + 2c∆x)
∂x i
" # n n
b∆x2 c (2∆x)2 ∂ 2Φ ∆x3 ∂ 3Φ

+ + + (b + 8c) + ...
2 2 ∂x2 i 6 ∂x3 i
Comparando os dois lados da equação, vemos que as seguintes condições devem ser impostas
para que tenhamos o menor erro:
a+b+c=0
b∆x + 2c∆x = 1
b∆x2 c (2∆x)2
+ =0
2 2
Deste sistema obtemos os seguintes valores para a, b e c:
1, 5 2 0, 5
a=− ; b= ; c=−
∆x ∆x ∆x
e, finalmente,
48 3.3. Convergência, Acurácia e Estabilidade
n n
−1, 5Φni + 2Φni+1 − 0, 5Φni+2 ∆x2 ∂ 3Φ

∂Φ
= + + ...
∂x i ∆x 3 ∂x3 i
Esta fórmula tem um erro de truncamento de ordem igual ao da diferença centrada.
Caso queiramos incluir mais termos na representação, como por exemplo,
n
∂Φ ∼
= aφni + bφni+1 + cφni+2 + dφni+3
∂x i
devemos obter condições extras para a determinação 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 discretização de ordens mais altas apresentam condições de estabilidade mais se-
veras do que os esquemas baseados em discretizações de baixa ordem. Consequentemente, uma
estratégia 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.
3.3 Convergência, Acurácia e Estabilidade

Na Seção 3.1 vimos que exitem varias possibilidades de representação dos fluxos nas faces
dos volumes de controle. Para cada uma destas aproximações teremos uma formulação para o
método dos volumes finitos. Entretanto, antes de podermos aplicar com sucesso este método
na resolução de uma equação diferencial parcial, temos que ter certeza que a solução numérica
será uma boa aproximação da solução desta equação. Para a maior parte dos problemas prá-
ticos, governados por equações diferenciais parciais, nós não conhecemos a verdadeira solução
destas equações e, portanto, as alternativas para verificarmos a qualidade dos nossos resultados
numéricos são:
• A validação dos resultados numéricos a partir da resolução de problemas teste para os

quais conhecemos a solução analítica ou possuímos a solução numérica obtida com grande
acurácia. Resultados experimentais também podem ser empregados a título de compara-
ção.
• O emprego da análise teórica para mostrar a convergência e a acurácia do método nu-

mérico. Em teoria deveríamos provar que a solução numérica converge para a solução da
equação diferencial parcial à medida que refinamos a malha computacional e obtermos
estimativas para o erro numérico.
Neste seção nos concentraremos na análise teórica e iremos considerar somente, com esta
finalidade, problemas de Cauchy em um domínio espacial ilimitado. Também será considerado
que os dados iniciais possuem um suporte compacto, ou seja, que os valores não são nulos
somente para uma região limitada do domínio de resolução. Assim sendo, a solução do problema
hiperbólico, que possui uma velocidade de propagação finita, também terá um suporte compacto
para todos os tempos.
3.3.1 Convergência
Um método numérico é dito ser convergente caso a sua solução numérica convirja para a
verdadeira solução da equação diferencial parcial. Entretanto, antes de falarmos de convergência
e acurácia precisamos de uma maneira para quantificarmos o erro existente entre estas soluções.
No caso do método dos volumes finitos a solução exata, no caso unidimensional, é considerada
como sendo dada por
Z xi+1/2
n 1
Φi = Φ(x, tn ) dx
∆x xi−1/2
de modo que se a solução Φ(x, t) for suficientemente suave, o valor de Φni avaliado no centro do
volume de controle representa o valor pontual de Φ(xi , tn ) a menos de um erro de O(∆x2 ), de
modo que a comparação com o valor pontual pode ser empregada mesmo no caso do método
dos volumes finitos.
A convergência do método para um instante de tempo tn = n∆t será determinada pelo erro
global
E n = Qn − Φn
onde Qn representa a solução numérica obtida com o método dos volumes finitos e Φn a solução
pontual, ambas avaliadas no instante de tempo tn .
Diremos que o método é convergente caso o erro global tenda a zero à medida que os incre-
mentos de tempo (∆t) e espaço (∆x) tenderem a zero. Vamos considerar no desenvolvimento
que segue que relação entre estes incrementos, ∆t/∆x, é fixa.
A fim de quantificarmos o erro global precisamos escolher uma norma para a medida deste
erro para um tempo fixado. As normas comumente usadas são dadas pela versão discreta das
normas
Z +∞ 1/p
p
kEkp = |E(x)| dx
−∞
ou seja,
+∞
!1/p
X
kEkp = ∆x |Ei |p
i=−∞
n
Para um sistema de m equações E ∈ R e o valor absoluto da norma representa um vetor em
Rn .
Dizemos que um método é convergente no tempo tn na norma k · kp se
lim kE n kp = 0
∆t→0
∆x→0
e acurado a ordem s se
kE n kp = O (∆ts )
Em geral a taxa de convergência observada pode depender da escolha da norma que está
sendo usada e é muito importante uma escolha apropriada para efetuarmos esta análise. Nor-
malmente escolhemos normas do tipo p = 1 para as leis de conservação e normas p = 2 para
equações lineares. Estas normas não devem, a menos de alguns casos específicos, fornecer
resultados similares.
Entretanto, é praticamente impossível obtermos uma expressão para o erro global após
transcorridos muitos passos de tempo. Em vez de tentarmos obter o erro diretamente, uma
estratégia utilizada normalmente na determinação da convergência consiste em:
• estudar o erro introduzido em um único passo de tempo e mostrar que o método é con-
sistente, com a equação diferencial parcial, e introduz somente um pequeno erro a cada
passo de tempo.
• mostrar que o método é estável, de modo que o erro não irá crescer ilimitadamente e um
limite para o erro global pode ser pensado em termos dos erros locais.
Caso possamos mostrar que o erro local é limitado, a estabilidade do método pode ser
empregada para converter este limite em um limite para o erro global, que pode ser usado para
provarmos a convergência. Uma das formas de enunciarmos este resultado é através do teorema
fundamental dos métodos numéricos [9]:
Teorema 2 (Teorema da Equivalência de Lax) Para um problema linear de valor inicial

bem-posto e um método de discretização consistente, estabilidade é condição necessária e sufi-
ciente para a convergência.
Como nem sempre estaremos considerando problemas lineares de valor inicial, nos demais
casos vamos considerar que a consistência e a estabilidade são condições necessárias mas nem
sempre suficientes para a convergência.
3.3.2 Consistência
Quando consideramos métodos explícitos, como no caso da Equação (3.1), podemos escre-
ver a solução no futuro como uma função somente dos valores conhecidos no(s) instante(s)
anteriores:
Qn+1 = N (Qn ) (3.2)

onde N representa o operador numérico que mapeia a solução numérica aproximada, obtida
em um instante de tempo, na solução aproximada no próximo instante de tempo.
O one-step error é definido a partir da Eq. (3.2), mediante a aplicação do operador numérico
N à solução exata da equação e comparando o resultado com a solução verdadeira no próximo
instante de tempo:
one-step error = N (Φn ) − Φn+1

A partir desta equação podemos obter o erro de truncamento local, en , dividindo-a pelo incre-
mento de tempo:
1
en = N (Φn ) − Φn+1

∆t
Um método será dito consistente com a equação diferencial parcial se o erro de truncamento
local tender a zero quando fizermos os incrementos de tempo e espaço tenderem a zero, para
funções suaves Φ(x, t) satisfazendo à equação diferencial parcial. Então,
lim en = 0
∆t→0
∆x→0
sendo que para funções suaves podemos empregar expansões em série de Taylor para obtermos
a expressão do erro.
Considere que a equação de advecção unidimensional, para ū > 0,
∂Φ ∂
+ (ūΦ) = 0
∂t ∂x
seja discretizada empregando o método dos volumes finitos e uma aproximação do tipo upwind
de primeira ordem na aproximação dos fluxos (este método será obtido e discutido no próximo
capítulo)
∆t
Qn+1 = Qni − ū Qni − Qni−1

i
∆x
sendo que para este problema o fluxo f é igual a ūΦ e não existe nenhum fluxo na direção y.
Após substituição da solução exata Φ(x, t) e alguma álgebra chegamos à expressão do erro
de truncamento local

n 1 ∆t
ei = Φ(xi , tn ) − ū [Φ(xi , tn ) − Φ(xi−1 , tn )] − Φ(xi , tn+1 )
∆t ∆x
onde os termos Φ(xi−1 , tn ) e Φ(xi , tn+1 ) são expandidos em série de Taylor
∂Φ n ∆x2 ∂ 2 Φ n ∆x3 ∂ 3 Φ n
Φ(xi−1 , tn ) = Φ(xi , tn ) − ∆x + − + ···
∂x i 2! ∂x2 i 3! ∂x3 i
e
∂Φ n ∆t2 ∂ 2 Φ n ∆t3 ∂ 3 Φ n
Φ(xi , tn+1 ) = Φ(xi , tn ) + ∆t + + + ···
∂t i 2! ∂t2 i 3! ∂t3 i
A partir deste desenvolvimento obtemos a expressão do erro
∆x ∂ 2 Φ n ∆t ∂ 2 Φ n

∂Φ n ∂Φ n
eni =− + ū +ū − + ···
∂t i ∂x i 2 ∂x2 i 2 ∂t2 i
| {z }
=0
ou ainda
∆x ∂ 2 Φ n
eni = ū (1 − C) 2 + O(∆t2 )
2 ∂x i
onde C = ū∆t/∆x é o número de Courant, uma vez que
∂Φ ∂Φ
= −ū
∂t ∂x
e
∂ 2Φ 2
2∂ Φ
= ū
∂t2 ∂x2
para uma função suave Φ.

Finalmente, vemos que o método é consistente e que apresenta um erro de truncamento
local de primeira ordem.
3.3.3 Estabilidade
Nesta seção veremos como podemos verificar que o erro global é limitado, a partir do
conhecimento do erro local. Este desenvolvimento é adequado para problemas lineares e pode
não ser aplicado facilmente no caso de problemas não-lineares. O nosso ponto de partida é
a relação que deve existir entre a solução numérica, a solução exata e o erro introduzido pelo
método numérico. Considerando um instante de tempo tn , podemos escrever esta relação como:
Qn = Φn + E n
Da Equação (3.2) podemos obter o valor da solução aproximada para o próximo instante
de tempo
Qn+1 = N (Qn ) = N (Φn + E n )
e uma expressão para o erro global pode ser obtida na forma

E n+1 = Qn+1 − Φn+1
= N (Φn + E n ) − Φn+1
= N (Φn + E n ) − N (Φn ) + N (Φn ) − Φn+1

| {z }
=∆ten
= [N (Φn + E n ) − N (Φn )] + ∆t en (3.3)
Desta forma vemos que o erro global, no próximo instante de tempo, pode ser obtido a
partir da contribuição de dois termos. O primeiro termo considera o efeito do método numérico
no erro global anterior E n enquanto que o segundo responde pela contribuição do erro local
(en ) no instante de tempo atual.
O estudo do erro de truncamento local permite-nos estabelecer um limite para este erro
(segundo termo) e para que o método seja estável precisamos requerer que o outro termo
também seja limitado. Este será o nosso próximo passo e iniciamos o desenvolvimento com a
introdução da propriedade de contratilidade do operador N (·). Este operador é chamado de
contrativo para uma norma k · k caso
kN (P ) − N (Q)k ≤ kP − Qk (3.4)
para duas funções P e Q. Portanto, se o método for contrativo ele será estável para esta norma
e podemos obter um limite para o erro global considerando que P = Φn + E n e Q = Φn
kN (Φn + E n ) − N (Φn ) k ≤ kΦn + E n − Φn k ≤ kE n k

e da Equação (3.3)
kE n+1 k ≤ kN (Φn + E n ) − N (Φn ) k + ∆tken k
≤ kE n k + ∆tken k
Agora, aplicando relações de recorrência podemos escrever

N
X −1
N 0
kE k ≤ kE k + ∆t ken k
n=1
e para um erro local limitado por
kek ≡ max ken k

0≤n≤N
obtemos
kE n k ≤ kE 0 k + n∆tkek
≤ kE 0 k + T kek
onde T = n∆t e kE 0 k representa o erro global inicial introduzido pelo método numérico e
devemos esperar que ele tenda a zero quando os incrementos de espaço e tempo tenderem
a zero, a fim de termos certeza de resolvermos o problema de valor-inicial correto. Caso o
método seja consistente, kek também deve tender a zero para ∆t → 0 e, deste modo, provamos
a convergência do método.
A estabilidade do método numérico também pode ser demonstrada caso [4]
kN (P ) − N (Q)k ≤ (1 + α∆t)kP − Qk (3.5)

que é menos restritiva que a condição imposta pela Equação (3.4). Nesta desigualdade α é uma
constante independente de ∆t para ∆t → 0. Neste caso, um desenvolvimento similar ao feito
anteriormente nos leva à seguinte expressão
kE n+1 k ≤ (1 + α∆t)kN (Φn + E n ) − N (Φn ) k + ∆tken k
≤ (1 + α∆t)kE n k + ∆tken k
de modo que,
N
X −1
N N
kE k ≤ (1 + α∆t) kE k + ∆t 0
(1 + α∆t)N −1−n ken k
i=1
≤ exp(αT ) kE 0 k + T kek

uma vez que
x2 x3
exp(x) = 1 + x + + + ...
2! 3!
3.3.4 Estabilidade na Norma-1

Para as leis de conservação frequentemente usamos a norma-1 para determinarmos a esta-
bilidade do método numérico, principalmente para problemas não-lineares. Como exemplo de
aplicação vamos considerar, novamente, a equação de advecção com ū > 0 e um esquema do
tipo upwind de primeira ordem
Qn+1 = Qnj − C Qnj − Qnj−1 = (1 − C)Qnj + CQnj−1

j
Da definição da norma-1 temos que
X
kQn+1 k1 = ∆x Qn+1
j
j
X
= ∆x (1 − C)Qnj + CQnj−1
j
X
≤ ∆x (1 − C) Qnj + C Qnj−1
j
onde nesta última passagem empregamos a desigualdade do triângulo1 e retiramos 1 − C e C

dos valores absolutos considerando que estes valores são positivos, ou seja,
0≤C≤1 (3.6)
Como a soma na desigualdade pode ser separada em duas somas
X X
kQn+1 k1 ≤ (1 − C)∆x Qnj + C∆x Qnj−1
j j
≤ (1 − C)kQn k1 + CkQn k1
≤ kQn k1
e assim provamos a estabilidade do método na norma-1 contanto que a condição (3.6) seja
verificada. Esta condição é conhecida como a condição de Courant-Friedrichs-Lewy (CFL): Um
método numérico só pode ser convergente se o seu domínio numérico de dependência contém o
verdadeiro domínio de dependência da equação diferencial parcial, pelo menos no limite quando
∆t e ∆x tenderem a zero.
Devemos destacar o fato de que a condição de CFL é somente uma condição necessária para
a estabilidade, e do teorema de Lax, para a convergência do método. Entretanto, nem sempre
ela será suficiente para garantir a estabilidade.
3.3.5 Estabilidade na Norma-2

Em se tratando de equações diferenciais lineares, normalmente a análise de estabilidade é
feita mediante o emprego da norma-2, uma vez que as séries de Fourier podem ser empregadas
1
Chamamos de desigualdade do triângulo, no conjunto dos números reais, à seguinte expressão: |u + v| ≤
|u| + |v|.
a fim de simplificarmos este problema. Este procedimento é chamado de análise de estabilidade

de von Neumann.
Seja Qnj (−∞ < j < ∞) uma função arbitrária para o problema de Cauchy e suponhamos
que ela possua uma norma finita de modo que ela possa ser escrita em termos de uma série de
Fourier [4]
Z +∞
n 1
Qj = √ Q̂(m)eimxj dm
2π −∞
onde Q̂ é a transformada de Fourier de Qnj . De modo análogo podemos obter uma representação
para o próximo instante de tempo
Z +∞
n+1 1
Qj = √ G(m, ∆x, ∆t)Q̂(m)eimxj dm
2π −∞
sendo G identificado como o fator de amplificação para o número de onda m visto que
Q̂n+1 (m) = GQ̂n (m)

Esta representação em termos da norma-2 é conveniente, uma vez que a relação de Parseval
permite-nos escrever [4]
kQn k2 = kQ̂n k2
onde
v
u +∞
n
u X 2
kQ k2 = t∆x Qn
j
j=−∞
e
sZ
+∞ 2
kQ̂n k2 =
n
Q̂
−∞
Portanto, para mostrarmos que a norma-2 de Qn permanece limitada, basta verificarmos se a

norma-2 de Q̂n é limitada. Enquanto todos os elementos Qn estão acoplados via a equação
de diferenças, cada elemento Q̂. encontra-se desacoplado de todos os demais, uma vez que a
transformada de Fourier diagonaliza o operador linear de diferenças [4]. Neste caso, basta
considerarmos um simples número de onda arbitrário e os dados na forma
Qnj = eimxj
Uma outra forma de introduzirmos a análise de estabilidade de Von Neumann será vista
agora [6]. Nas nossas aplicações, considerando o problema discreto, vamos escrever a solução
aproximada em série de Fourier na forma:
+∞
X
Qnj = Qm e−Γ(m)tn eim[xj −V (m)tn ]
m=−∞
onde√m é o número de onda, Γ o coeficiente que controla a variação da amplitude da onda,

i = −1 e V a velocidade de propagação da onda. De modo análogo
+∞
X
Qn+1
j = Qm e−Γ(m)(tn +∆t) eim[xj −V (m)(tn +∆t)]
m=−∞
Para um problema linear, basta considerarmos somente o comportamento de um dos termos

desta série e, portanto, a relação entre a solução numérica transcorrido um intervalo de tempo
∆t será dada por
Qn+1
j
= Gm = e−Γ∆t e−imV ∆t
Qnj
e a condição de estabilidade na norma-2 estará garantida caso |Gm | ≤ 1. Na prática, vamos
escrever a solução aproximada como [6]:
Qnj = (G)n eiθj

onde retiramos o subscrito m do fator de amplificação Gm .
Refazendo a análise de estabilidade do método upwind aplicado à equação de advecção, via
o método de von Neumann,
Qn+1
j = (1 − C)Qnj + CQnj−1
Gn+1 eiθj = (1 − C)Gn eiθj + CGn eiθj e−iθ
G = (1 − C) + Ce−iθ
G = 1 + C(cos θ − 1) − iCsen θ
e o módulo do fator de amplificação pode ser calculado por

s
θ
|G| = 1 − 4C(1 − C)sen 2
2
de modo que a condição de estabilidade |G| ≤ 1 só é verificada caso 0 ≤ C ≤ 1, que

corresponde ao mesmo resultado obtido anteriormente com a norma-1.
3.3.6 Estabilidade em Termos da Variação Total

Para um problema não-linear a condição (3.5) é suficiente para garantirmos a convergência
do método numérico. Entretanto, em geral, esta condição é muito difícil de ser obtida. Portanto,
um procedimento alternativo deve ser utilizado para provarmos a convergência do método. A
variação total de uma função representa um meio efetivo para estudarmos a estabilidade de um
método numérico não-linear.
Definição 1 (Total Variation Bounded (TVB)) Um método numérico é dito ter uma Va-
riação Total Limitada (VTL) se, para qualquer Q0 com T V (Q0 ) < ∞ e tempo T , existir uma
constante R positiva e um ∆t0 > 0 tal que
T V (Qn ) ≤ R
para todo n, ∆t ≤ T sempre que ∆t < ∆t0 .
Isto significa que devemos ter um limite uniforme para a variação total até que o tempo T
seja alcançado em todas as malhas suficientemente refinadas (para ∆x e ∆t → 0).
A Variação Total, Total Variation (TV), de uma função de malha Q é dada por
+∞
X
T V (Q) = |Qj − Qj−1 |
j=−∞
ou ainda, para uma função Φ(x),

N
X
T V (Φ) = sup |Φ(ξj ) − Φ(ξj−1 )|
j=1
onde o supremo é tomado sobre todas as subdivisões reais −∞ = ξ0 < ξ1 < . . . < ξN = +∞
Uma outra possibilidade de definição da Variação Total de uma função é
1 +∞
Z
T V (Φ) = lim sup |Φ(x) − Φ(x − )| dx
→0 −∞
que no caso da função Φ ser diferenciável
Z +∞
T V (Φ) = |Φ0 (x)| dx
−∞
e esta definição também pode ser empregada para funções não-diferenciáveis, distribuições, caso
Φ0 (x) seja interpretada como a derivada da distribuição.
Caso um método numérico introduza oscilações não-físicas na solução numérica, então de-
vemos esperar que a variação total de Qn irá aumentar à medida que o tempo cresce. Estas
oscilações poderão ser prevenidas caso o método não aumente a variação total, ou seja, caso ele
seja Total Variation Diminishing (TVD).
Definição 2 (Total Variation Diminishing (TVD)) Um método numérico a dois níveis

de tempo é dito ser TVD se, para qualquer conjunto de dados Qn , os valores Qn+1 calculados
pelo método satisfazem
T V (Qn+1 ) ≤ T V (Qn )
Caso um método seja TVD, para dados iniciais que são monótonos,
Qnj ≥ Qnj+1 para todo j

eles permanecerão monótonos para todos os tempos futuros. Esta é uma propriedade impor-
tante destes métodos.
Definição 3 Um método é dito preservar a monotonicidade caso
Qnj ≥ Qnj+1 para todo j
implicar em
Qn+1
j ≥ Qn+1
j+1 para todo j
Todo método TVD é um método que preserva a monotonicidade.

Destes resultados vemos que um método que é TVD também será TVB com R = T V (Q0 )
para qualquer T . Portanto, a noção de métodos TVD, muito útil na eliminação das oscilações
espúrias dos métodos numéricos, também é suficiente para provarmos a convergência. Assim
como vimos anteriormente, uma condição mais fraca que a condição TVD também pode ser
empregada para provarmos a convergência
T V (Qn+1 ) ≤ (1 + α∆t)T V (Qn )

para alguma constante α independente de ∆t e para incrementos de tempo suficientemente
pequenos.
3.3.7 Equação Modificada

Podemos mostrar que a dissipação e a dispersão numéricas podem estar associadas com a
ocorrência das derivadas espaciais de segunda e terceira ordem respectivamente [6]. Isto nos
sugere que um exame do erro de truncamento também possa nos permitir uma identificação da
tendência da dissipação e da dispersão numéricas de um algoritmo computacional particular.
Entretanto, para este fim, o erro de truncamento deve ser interpretado de uma forma especial.
Assumiremos que L(Φ) = 0 representa a equação diferencial original e que La (Q) representa
a formulação oriunda da discretização da equação diferencial, ou seja, a equação algébrica. Do
nosso desenvolvimento prévio do erro de truncamento sabemos que:
L(Φ) = La (Φ) − Ejn (Φ) = 0

Na aplicação desta técnica, devemos obter uma expressão do erro de truncamento na seguinte
forma:
La (Q) = L(Q) + E(Q) = 0
onde na equação algébrica a solução aproximada Q foi expandida em série de Taylor. Esta
equação deve ser trabalhada a fim de que E(Q) contenha somente derivadas espaciais. Neste
sentido, devemos diferenciar La (Q) repetidamente no intuito de eliminarmos as derivadas tem-
porais. Este desenvolvimento contrasta com o anterior, no qual empregávamos L(Φ) = 0 na
simplificação do erro de truncamento.
A equação L(Q) + E(Q) = 0 é uma equação diferencial com um número infinito de termos.
Ela é chamada de Equação Modificada e é a equação que de fato devemos resolver, caso seja
fornecido um número suficiente de condições de contorno. A equação modificada também pode
ser empregada para se demonstrar a consistência e a acurácia do algoritmo computacional. Na
equação modificada as derivadas de ordem par estão associadas à dissipação e as de ordem ímpar
à dispersão numéricas. Assim, considerando os termos pares e ímpares de mais baixa ordem,
em ∆x, do erro de truncamento, podemos deduzir as propriedades dissipativas e dispersivas
do esquema algébrico para grandes comprimentos de onda. O comportamento para pequenos
comprimentos de onda não é descrito, uma vez que o desenvolvimento em série de Taylor
pressupõe ∆t e ∆x pequenos.
Empregando a técnica da equação modificada à equação de advecção, discretizada com o
esquema upwind de primeira ordem
∂Q ∂Q ∆t ∂ 2 Q ∆t2 ∂ 3 Q ∆x ∂ 2 Q ∆x2 ∂ 3 Q
+ ū + + − ū + ū + ... = 0
∂t ∂x |2 ∂t2 6 ∂t3 2 ∂x2
{z 6 ∂x3 }
=e(Q)
as derivadas temporais são eliminadas mediante a derivação da equação acima e vamos consi-
derar, somente, os termos até segunda ordem:
∂ 2Q ∆t ∂ 3 Q ∆t2 ∂ 4 Q ∆x ∂ 2 ∂Q

∂ ∂Q
2
= −ū − − + ū
∂t ∂x ∂t 2 ∂t3 6 ∂t4 2 ∂x2 ∂t
∆x2 ∂ 3 ∂Q

−ū + ...
6 ∂x3 ∂t
2
∆t ∂ ∂ 2 Q 3
∆t ∂ 3 Q 3

2∂ Q 2 ∆x ∂ Q 2 ∆x ∂ Q
= ū + ū − ū − − ū + ...
∂x2 2 ∂x ∂t2 2 ∂x3 2 ∂t3 2 ∂x3
∂ 2Q 3
3 ∆t ∂ Q ∆t ∂ 3 Q ∂ 3Q
= ū2 + ū − − ū2
∆x + ...
∂x2 2 ∂x3 2 ∂t3 ∂x3
e de modo análogo
∂ 3Q ∂ 2Q ∆t ∂ 4 Q ∆t2 ∂ 5 Q ∆x ∂ 2 ∂ 2 Q

∂
= −ū − − + ū
∂t3 ∂x ∂t2 2 ∂t4 6 ∂t5 2 ∂x2 ∂t2
∆x2 ∂ 3 ∂ 2 Q

−ū + ...
6 ∂x3 ∂t2
∂ 3Q
= −ū3 + ...
∂x3
Portanto,
∂ 2Q 2
2∂ Q 3 ∂ 3Q 2 ∂ 3Q
= ū + ū ∆t 3 − ū ∆x 3 + . . .
∂t2 ∂x2 ∂x ∂x
Substituindo estes resultados na expressão do erro
∆t ∂ 2 Q 2 3
3 ∆t ∂ Q
3
2 ∆x∆t ∂ Q
2 3
3 ∆t ∂ Q ∆x2 ∂ 3 Q
e(Q) = ū2 + ū − ū − ū + ū + ...
2 ∂x2 2 ∂x3 2 ∂x3 6 ∂x3 6 ∂x3
ou ainda, escrevendo em termos do número de Courant
∆x ∂ 2Q ∆x2 ∂ 3Q
e(Q) = −ū (1 − C) 2 + ū 1 − 3C + 2C 2 + ...
2 ∂x 6 ∂x3
Esta equação é consistente com a equação de advecção e apresenta uma acurácia de O (∆t, ∆x2 ).
O erro de truncamento apresenta um termo de dissipação numérica de primeira ordem e um
termo de dispersão numérica de segunda ordem.
A técnica da equação modificada pode ser estendida ao caso das equações não-lineares,
enquanto que a análise de Fourier só pode ser aplicada às equações lineares.
CAPÍTULO 4
MÉTODOS DE ALTA-RESOLUÇÃO:
PROBLEMAS LINEARES
Os resultados obtidos no Capítulo 3 podem ser reduzidos no caso do problema unidimensi-

onal, de modo que as diferentes formas de aproximação dos fluxos possam ser introduzidas de
forma simplificada. Para diferentes aproximações obteremos diferentes métodos conhecidos na
literatura.
No caso unidimensional a forma discretizada da lei de conservação pode ser obtida como
um caso particular da Equação (3.1):
∆t n
Qn+1 = Qni − n

i Fi+1/2 − Fi−1/2 (4.1)
∆x
sendo que neste caso o fluxo é definido por
Z tn+1
n 1
Fi±1/2 ≈ f (xi±1/2 , t) dt
∆t tn
e o valor médio da variável dependente é definido como

Z xi+1/2
n 1
Qi ≈ Φ(x, tn ) dx
∆x xi−1/2
O nosso próximo passo consiste em procurarmos uma representação para os fluxos nas faces
do volume de controle em termos dos valores conhecidos de Qn . Em função do que já foi visto
anteriormente, sabemos que para problemas hiperbólicos a informação se propaga com uma
velocidade finita. Portanto, parece-nos razoável supormos inicialmente que o valor do fluxo
n
Fi−1/2 seja uma função dos valores conhecidos de Qni−1 e Qni e, de modo análogo, Fi+1/2
n
deve
n n
ser função dos valores Qi e Qi+1 . Neste caso, podemos reescrever a forma discreta da lei de
conservação como sendo dada por
63
64 4.1. A Equação de Difusão
∆t
Qn+1 = Qni − F(Qni , Qni+1 ) − F(Qni−1 , Qni )

i (4.2)
∆x
e percebemos que o valor de Qn+1
i é obtido explicitamente a partir dos valores conhecidos de
n n n
Qi−1 , Qi e Qi+1 e das funções F escolhidas para a representação dos fluxos. Podemos mostrar
que esta é uma forma conservativa se somarmos os valores obtidos em todos os volumes de
controle
J
X J
X
Qn+1 Qni − ∆t FJ+1/2
n n

∆x i = ∆x − FI−1/2
i=I i=I
onde I e J representam, respectivamente, o primeiro e o último nó, uma vez que a soma dos
fluxos irá se cancelar mutuamente a menos dos valores dos fluxos nas fronteiras do domínio.
A forma discretizada (4.2) pode ser vista como equivalente a uma representação explícita do
tipo diferenças finitas empregando uma aproximação avançada no tempo e centrada no espaço
n n
Qn+1
i − Qni Fi+1/2 − Fi−1/2
+ =0
∆t ∆x
4.1 A Equação de Difusão

A equação de difusão, conforme já visto, também pode ser obtida da lei de conservação
escrita na sua forma geral
∂Φ
+ ∇ · f (Φ) = 0
∂t
para um fluxo dado por
f = −D∇Φ
onde α é o coeficiente de difusão. Após substituição na equação de conservação recuperamos a
forma unidimensional da equação de difusão
∂Φ ∂ 2Φ
=D 2
∂t ∂x
Uma aproximação possível para a determinação do fluxo difusivo nas extremidades do vo-
lume de controle é dada por

n n Qi − Qi−1
F(Qi−1 , Qi ) = −Di−1/2
∆x

n n Qi+1 − Qi
F(Qi , Qi+1 ) = −Di+1/2
∆x
Para estes fluxos e da forma geral da equação discretizada (4.2) resulta em
Capítulo 4. Métodos de Alta-Resolução: Problemas Lineares 65
∆t
Qn+1 = Qni + Di+1/2 Qni+1 − Qni − Di−1/2 Qni − Qni−1

i 2
∆x
que para um coeficiente de difusão constante pode ser reescrita como
∆t
Qn+1 = Qni + D Qni−1 − 2Qni + Qni+1

i 2
∆x
ou ainda
Qn+1 − Qni Qni−1 − 2Qni + Qni+1

i
=D
∆t ∆x2
que corresponde a uma implementação do tipo diferenças avançadas no tempo e centrada no
espaço tradicional do método de diferenças finitas. Esta formulação explícita é consistente com
a EDP e somente condicionalmente estável
D∆t 1
2
≤
∆x 2
4.2 O Método de Lax-Friedrichs

O primeiro método que veremos para a forma unidimensional corresponde ao método clássico
de Lax-Friedrichs. Neste método os fluxos nas laterais do volume de controle são determinados
pelos seus valores médios acrescidos de uma correção anti-difusiva
1 ∆x
F(Qni−1 , Qni ) = f (Qni−1 ) + f (Qni ) − Qni − Qni−1

(4.3)
2 2∆t
1 ∆x
F(Qni , Qni+1 ) = f (Qni ) + f (Qni+1 ) − Qni+1 − Qni

(4.4)
2 2∆t
Nestas equações podemos associar os termos extras, conforme mencionado no início desta seção,
como sendo termos difusivos similares aos empregados na discretização da equação de difusão
com D = ∆x2 /2∆t. Este termo anti-difusivo deve desaparecer quando a malha computacional
for refinada para um valor fixo de ∆x/∆t.
Após substituição destas expressões na Equação (4.2) obtemos
1 ∆t
Qn+1 Qni−1 + Qni+1 − f (Qni+1 ) − f (Qni−1 )

i =
2 2∆x
Podemos observar que para este método os valores dos fluxos são calculados por uma simples
média aritmética, Equações (4.3) e (4.4), e que o valor de Qn é aproximado pelo seu valor médio:
1
Qni =Qni−1 + Qni+1

2
e este método é consistente e estável para uma equação hiperbólica linear desde que |C| ≤ 1.
66 4.3. Os Métodos do Tipo Upwind
4.3 Os Métodos do Tipo Upwind

Nos esquemas apresentados até o presente momento consideramos somente aproximações
simétricas, ou centradas, em relação ao ponto que estamos considerando. Entretanto, para
problemas hiperbólicos sabemos que a informação se propaga como ondas movendo-se ao longo
das direções características. Assim sendo, parece-nos razoável explorar esta característica e
propormos métodos que levem em consideração a velocidade e a direção de propagação destas
ondas (informações). Esta metodologia dá origem aos métodos conhecidos como upwind. Para
um sistema de equações hiperbólicas podem existir muitas ondas se propagando em ambas as
direções do espaço e, portanto, devemos usar as informações provenientes de ambos os lados.
Em se tratando da equação de advecção unidimensional sabemos que só existe uma única
onda se propagando, cuja velocidade pode ser positiva ou negativa. Neste caso, o método
upwind determinará o valor de Qn+1i a partir de valores conhecidos somente à esquerda ou à
direita do ponto i em função do valor da velocidade. Portanto, para ū > 0 o fluxo através da
fronteira esquerda do volume de controle, posicionada em xi−1/2 , será determinado em função
do valor de Qni−1 e uma primeira possibilidade seria
n
Fi−1/2 = ūQni−1
n
Fi+1/2 = ūQni
que após substituição nos leva a forma discretizada do método upwind de primeira ordem
ū∆t
Qn+1 = Qni − Qni − Qni−1

i
∆x
Este resultado também pode ser escrito como
Qn+1 − Qni Qni − Qni−1

i
+ ū =0
∆t ∆x
que pode ser interpretado como sendo uma aproximação avançada no tempo e recuada no
espaço para o método de diferenças finitas.
Uma analise de consistência mostraria que este método apresenta aproximações de primeira
ordem no tempo e no espaço e que o método será estável caso |C| ≤ 1.
Podemos também obter uma versão do método upwind para ū < 0 procedendo de modo
similar
ū∆t
Qn+1 = Qni − Qni+1 − Qni

i
∆x
cuja condição de estabilidade também será dada por |C| ≤ 1. Estes dois resultados podem ser
combinados de modo o obtermos uma forma discretizada válida para qualquer que seja o sinal
de ū
ū+ ∆t ū− ∆t
Qn+1 = Qni − Qni − Qni−1 − Qni+1 − Qni

i
∆x ∆x
onde ū+ = max(ū, 0) e ū− = min(ū, 0).
Esta última equação também pode ser escrita numa forma mais apropriada, considerando a
propagação de ondas com diferentes velocidades, de modo que a sua forma generalizada possa
ser utilizada para tratarmos de outros problemas hiperbólicos:
∆t +
Qn+1 = Qni − ū Wi−1/2 + ū− Wi+1/2

i (4.5)
∆x
onde foram definidos os saltos nos valores médios da solução aproximada
Wi−1/2 ≡ Qni − Qni−1
Wi+1/2 ≡ Qni+1 − Qni
4.4 O Método de Godunov para Sistemas Lineares

Os métodos do tipo upwind, vistos na seção anterior, podem ser obtidos como um caso
particular de uma classe mais geral de um método numérico que pode ser aplicado a sistemas
de equações. Esta nova classe é conhecida por utilizar o algoritmo REA (Reconstruct-Evolve-
Average) ou seja, este algoritmo envolve as etapas de reconstrução, evolução e tomada de média:
• Reconstrua uma função polinomial constante por partes Φ̃(x, tn ) a partir do valor médio
Qni . No caso mais simples, esta função simplesmente assume o valor médio da função
aproximada no volume de controle, ou célula i,
Φ̃(x, tn ) = Qni para todo x ∈ Ci .
Uma outra possibilidade seria considerarmos estas funções como sendo lineares por partes
(resultando numa aproximação de segunda ordem), ao invés da aproximação de primeira
ordem empregando funções constantes por partes;
• Evolua exatamente (ou aproximadamente) a equação hiperbólica, a partir dos dados

iniciais, para determinarmos Φ̃(x, tn+1 ) para o próximo instante de tempo tn+1 = tn + ∆t;
• Tome a média volumétrica destes novos valores em cada célula Ci para obtermos os novos
valores médios Z
n+1 1
Qi = Φ̃(x, tn+1 ) dx .
∆x Ci
68 4.4. O Método de Godunov para Sistemas Lineares
Qn+1
i
tn+1
tn
Qni
Figura 4.1: Ilustração do algoritmo REA para a propagação de ondas acústicas lineares.
Este processo é repetido para cada novo passo de tempo. Para que possamos aplicar este algo-
ritmo precisamos resolver a equação hiperbólica. Como estamos considerando que as soluções
numéricas são constantes por parte, isto pode ser feito pela resolução de um problema de Ri-
emann. Quando este algoritmo é aplicado à equação de advecção recuperamos o algoritmo
upwind apresentado anteriormente.
A solução exata no próximo instante de tempo tn+1 poderá ser obtida via a resolução local
de um problema de Riemann, para cada célula, caso o incremento de tempo ∆t seja pequeno o
suficiente de modo que as ondas provenientes dos dois problemas de Riemann adjacentes não
interajam entre si. Na Figura 4.1 vemos um exemplo para ondas acústicas que se propagam
com velocidade do som constante c. Neste caso, para que as ondas adjacentes não interfiram
na solução do problema de Riemann da célula i, devemos esperar que elas não se desloquem
mais do que metade do comprimento do volume finito no intervalo de tempo ∆t
c∆t 1
≤
∆x 2
implicando no fato de que o número de Courant deve ser menor do que 1/2, que representa
uma condição mais restritiva do que a condição de CFL. Entretanto, veremos mais tarde que o
método pode ser aplicado para números de Courant com valores unitários.
A seguir, veremos como podemos implementar de forma prática o algoritmo de Godunov:
Z xi+1/2 Z xi+1/2
1 n 1 ∆t n
Φ̃ (x, tn+1 ) dx = Φ̃n (x, tn ) dx − (F n
− Fi+1/2 )
∆x xi−1/2 ∆x xi−1/2 ∆x i+1/2
ou seja,
∆t n
Qn+1 = Qni − (F n
− Fi+1/2 )
i
∆x i+1/2
Sabemos que a solução exata Φ̃(x, tn+1 ) pode conter descontinuidades e precisamos integrá-
la para obtermos o valor de Qn+1
i . Por outro lado, vamos mostrar que é possível calcularmos
facilmente o valor do fluxo nas extremidades das células no método de Godunov. Recordando
a definição do fluxo no método dos volumes finitos temos que
Z tn+1
n 1
Fi−1/2 = f Φ(xi−1/2 , t) dt
∆t tn
Em geral a função Φ(xi−1/2 , t) irá variar em função do tempo e não poderemos calcular o
seu valor exato. Entretanto, essa integral será avaliada de forma exata se substituirmos esta
função pela função constante por partes Φ̃n (xi−1/2 , t) que é constante no intervalo de tempo
tn ≤ t ≤ tn+1 . Por exemplo, o problema de Riemann centrado em xi−1/2 possui uma solução que
é constante ao longo da direção (x − xi−1/2 )/(t − tn )=cte. Em particular, para uma constante
nula obtemos o valor de Φ̃n (xi−1/2 , t) e o fluxo em xi−1/2 será dado por:
Z tn+1
1
n
f (Φ̃(xi−1/2 , t)) dt = f Φ↓ (Qni−1 , Qni )

Fi−1/2 =
∆t tn
e, de modo análogo,
Z tn+1
1
n
f (Φ̃(xi+1/2 , t)) dt = f Φ↓ (Qni , Qni+1 )

Fi+1/2 =
∆t tn
onde Φ↓ (Qni−1 , Qni ) e Φ↓ (Qni , Qni+1 ) representam a solução dos problemas de Riemann centrados
em xi−1/2 e xi+1/2 , respectivamente.
No caso de um sistema linear com coeficientes constantes, o valor da solução de Riemann
ao longo de x = xi−1/2 é dado por
X p
Q̃i−1/2 = Qi − Wi−1/2
p:λp >0
sabendo que no caso linear f (Q̃i−1/2 ) = AQ̃i−1/2 , de modo que o fluxo na interface do volume
finito será
X p
Fni−1/2 = AQi − AWi−1/2
p:λp >0
m
X p
= AQi − (λp )+ Wi−1/2
p=1
p
uma vez que Wi−1/2 é um autovetor de A com λp como autovalor associado. De modo similar
também podemos obter o fluxo em xi+1/2
X p
Fni+1/2 = AQi + AWi+1/2
p:λp <0
m
X p
= AQi + (λp )− Wi+1/2
p=1
λ3 ∆t
λ2 ∆t λ1 ∆t
tn+1
2
Wi−1/2
1 3 1
Wi−1/2 Wi−1/2 Wi+1/2
tn
xi−1/2 xi xi+1/2
Figura 4.2: Ilustração do algoritmo de Godunov para um sistema linear de três equações.
Finalmente, após substituição destes fluxos na forma geral discretizada (4.1)

" m m
#
∆t X p
X p
Qn+1
i = Qni − (λp )− Wi+1/2 + (λp )+ Wi−1/2 (4.6)
∆x p=1 p=1
A seguir, veremos uma outra maneira de como o método de Godunov pode ser implemen-
tado, para sistemas de equações lineares, numa forma similar à da Equação (4.5) e idêntica à
Equação (4.6), introduzida para o método upwind, considerando a equação de advecção. Esta
formulação é particularmente interessante uma vez que ela pode ser estendida para sistemas
hiperbólicos que não se encontram na forma conservativa.
Esta versão do método será introduzida considerando o caso particular de um sistema hi-
perbólico constituído por três equações. Portanto, conforme já visto, este sistema possui uma
matriz dos coeficientes que pode ser diagonalizada e teremos três autovalores reais. No nosso
exemplo, vamos considerar que λ1 < 0 < λ2 < λ3 , conforme ilustrado na Figura 4.2. Para
este problema a função Φ̃(x, tn+1 ) apresentará três descontinuidades na célula Ci que estarão
localizadas nos pontos xi−1/2 + λ2 ∆t, xi−1/2 + λ3 ∆t e xi−1/2 + λ1 ∆t.
Ao invés de trabalharmos diretamente com a função Φ̃(x, tn+1 ), a fim de calcularmos os novos
valores médios nos volumes finitos, vamos considerar que a solução do problema de Riemann
pode ser expressa, para um problema linear, como
m
X m
X
p p
Qi − Qi−1 = αi−1/2 rp ≡ Wi−1/2
p=1 p=1
Consideramos, agora, o efeito que cada onda W tem sobre o valor médio calculado nesta
célula. De acordo com a equação anterior vemos que a solução sofrerá um salto dado por
p p
Wi−1/2 = αi−1/2 rp
e esta descontinuidade se propaga com uma velocidade λp e modificará a solução Φ sobre uma
fração da célula dada por λp ∆t/∆x. Assim sendo, esta onda modificará o valor médio na célula
de uma quantidade igual a [4]
λp ∆t p
− Wi−1/2
∆x
sendo que o sinal de menos aparece uma vez que o salto é medido da direita para a esquerda.
O resultado final do efeito das três ondas pode ser obtido mediante a soma dos seus efeitos, de
modo que a solução média no tempo posterior será dada por [4]
∆t 2 2
Qn+1 = Qni − λ Wi−1/2 + λ3 Wi−1/2
3
+ λ1 Wi+1/2
1

i
∆x
sendo que consideramos a onda 1 como originária do ponto xi+1/2 em função do sinal do auto-
valor associado.
Este resultado também pode ser generalizado, para um sistema hiperbólico contendo m
equações, ou seja W p ondas que se propagam com velocidades λp que podem ser positivas ou
negativas
" m m
#
∆t X p
X p
Qn+1
i = Qni − (λp )+ Wi−1/2 + (λp )− Wi+1/2 (4.7)
∆x p=1 p=1
onde
λ+ = max(λ, 0) e λ− = min(λ, 0)
sendo que a solução média é afetada por todas as ondas se propagando para a direita a partir
do ponto xi−1/2 e por todas propagando para a esquerda a partir de xi+1/2 . Esta equação
representa uma generalização da Equação (4.5) e é muito importante para a compreensão de
muitos outros algoritmos que serão apresentados neste Curso.
A Equação (4.7) pode ser escrita numa forma mais simples com a introdução dos seguintes
símbolos
m
X
+ p
A ∆Qi−1/2 = (λp )+ Wi−1/2
p=1
(4.8)
m
X p
A− ∆Qi+1/2 = (λp )− Wi+1/2
p=1
de modo a obtermos
∆t +
Qn+1 = Qni − A ∆Qi−1/2 + A− ∆Qi+1/2

i (4.9)
∆x
Esta última forma pode ser entendida melhor se considerarmos o caso dos sistemas lineares
com coeficientes constantes
∂Φ ∂Φ
+A =0
∂t ∂x
Inicialmente, vamos decompor a matriz dos coeficientes na forma
A = RΛR−1 = R(Λ+ + Λ− )R−1 = RΛ+ R−1 + RΛ− R−1 = A+ + A−
sendo que
 
(λ1 )+
 (λ2 )+ 
Λ+ = 
 
.. 
 . 
(λm )+
 
(λ1 )−
−
 (λ2 )− 
Λ =
 
 ... 

(λm )−
com a matriz Λ+ contendo somente os autovalores positivos, com a substituição dos autovalores
negativos por zero. De modo análogo definimos a matriz Λ− .
Em seguida, vamos introduzir ∆Qi−1/2 = Qi − Qi−1 e multiplicar este vetor pela matriz A+
A+ ∆Qi−1/2 = RΛ+ R−1 (Qi − Qi−1 )

= RΛ+ αi−1/2
m
X p
= (λp )+ αi−1/2 rp
p=1
Xm
p
= (λp )+ Wi−1/2
p=1
+
= A ∆Qi−1/2
similarmente temos que

A− ∆Qi+1/2 = RΛ− R−1 (Qi+1 − Qi )

= RΛ− αi+1/2
m
X p
= (λp )− αi+1/2 rp
p=1
Xm
p
= (λp )− Wi+1/2
p=1
−
= A ∆Qi+1/2
Deste desenvolvimento, vemos que para sistemas lineares com coeficientes constantes, basta
multiplicarmos o salto em Q pelas matrizes A+ e A− para obtermos as flutuações A+ ∆Qi−1/2
e A− ∆Qi+1/2 . Estas flutuações medem os efeitos, na variação do valor médio calculado na
célula, das ondas propagando da esquerda a partir do ponto xi−1/2 e da direita a partir do
ponto xi+1/2 . Para coeficientes variáveis e para problemas não-lineares esta operação não é tão
simples e devemos empregar as formas gerais dadas pelas Equações (4.8).
Em se tratando da forma mais geral da lei de conservação
∂Φ ∂
+ f (Φ) = 0
∂t ∂x
os fluxos nas faces dos volumes de controle podem ser calculados de duas formas [4]
m
X p
Fni−1/2 = f (Qi−1 ) + (λp )− Wi−1/2 ≡ f (Qi−1 ) + A− ∆Qi−1/2 (4.10)
p=1
ou
m
X p
Fni−1/2 = f (Qi ) − (λp )+ Wi−1/2 ≡ f (Qi ) − A+ ∆Qi−1/2 (4.11)
p=1
A partir destas expressões para os fluxos podemos determinar os fluxos em xi+1/2

m
X p
Fni+1/2 = f (Qi ) + (λp )− Wi+1/2 ≡ f (Qi ) + A− ∆Qi+1/2
p=1
ou
m
X p
Fni+1/2 = f (Qi+1 ) − (λp )+ Wi+1/2 ≡ f (Qi+1 ) − A+ ∆Qi+1/2
p=1
sendo que as velocidades λ e as ondas Wp são provenientes da solução do problema de Riemann.

p
Destas expressões dos fluxos podemos obter, mediante subtração,

74 4.5. O Método de Roe
f (Qi ) − f (Qi−1 ) = A− ∆Qi−1/2 + A+ ∆Qi−1/2

indicando que a diferença entre os fluxos, calculados com base nos valores médios determinados
em cada célula Qi−1 e Qi , é dividida em uma flutuação propagando para a esquerda, que
atualiza Qi−1 , e outra com propagação para a direita, que atualiza Qi . Os fluxos definidos
desta forma garantem que os métodos sejam conservativos.
Tomando como exemplo o caso linear, temos que f (Qi−1 ) = AQi−1 e A− ∆Qi−1/2 =
−
A ∆Qi−1/2 de modo que
Fni−1/2 = (A+ + A− )Qi−1 + A− (Qi − Qi−1 )
= A+ Qi−1 + A− Qi (4.12)
Como A = A+ + A− vemos que esta representação do fluxo é consistente, uma vez que caso
Qi−1 = Qi = Φ̄ ela fornecerá Fni−1/2 = AΦ̄ = f (Φ). Uma interpretação deste resultado pode
ser a de que como a função de fluxo real é dada por f (Φ) = AΦ̄, existem duas possibilidades
de representação deste fluxo em xi−1/2 : AQi ou AQi−1 . Uma primeira possibilidade de apro-
ximação deste fluxo seria obtida a partir do cálculo da média aritmética destes valores, mas
esta alternativa nos leva a um método instável. Por outro lado, a Equação (4.12) fornece uma
alternativa mais sofisticada para determinarmos este valor médio, que considera a contribuição
de AQi−1 proveniente das ondas propagando para a direita e de AQi das ondas propagando
para a esquerda a fim de obtermos o fluxo.
4.5 O Método de Roe

Para o problema linear a coeficientes constantes existe uma outra maneira de aproximação
n
do fluxo Fi−1/2 que está diretamente relacionada com a tentativa de aproximação do fluxo
empregando simplesmente a média aritmética de AQi−1 e AQi . Calculando o fluxo como
sendo dado pela média aritmética das Equações (4.10) e (4.11)
( m
)
1 X p
Fni−1/2 = (λp )+ − (λp )− Wi−1/2

(AQi−1 + AQi ) −
2 p=1
como λ+ − λ− = |λ|, vamos definir a matriz |A| como sendo dada por |A| = R|Λ|R−1 de modo
que da equação precedente pode ser reescrita como
1 1
Fni−1/2 = (AQi−1 + AQi ) + |A| (Qi − Qi−1 )
2 2
1 1
= [f (Qi−1 ) + f (Qi )] + |A| (Qi − Qi−1 ) (4.13)
2 2
que pode ser vista como a média aritmética mais um termo adicional introduzido a fim de
estabilizarmos o método numérico. De modo análogo teríamos:
1 1
Fni+1/2 = (AQi + AQi+1 ) + |A| (Qi+1 − Qi )
2 2
1 1
= [f (Qi ) + f (Qi+1 )] + |A| (Qi+1 − Qi ) (4.14)
2 2
Utilizando a expressão do fluxo dada pela Equação (4.13) na forma geral discretizada
∆t
Qn+1 = Qni − Fni+1/2 − Fni−1/2

i
∆x
obtemos a forma discretizada do método de Roe que permite-nos atualizarmos a solução nu-
mérica, para um sistema linear, no tempo e no espaço
m
1 ∆t 1 ∆t X p p p

Qn+1
i = Qni − A Qni+1 − Qni−1 − |λ |Wi+1/2 − |λp |Wi−1/2
2 ∆x 2 ∆x p=1
que poderia ter sido obtida diretamente da Equação (4.7) considerando que
1 1
λ+ = (λ + |λ|) e λ− = (λ − |λ|)
2 2
4.6 Métodos de Alta-Resolução

Na seção precedente introduzimos as ideias básicas do método de Godunov, ou seja, um
método de volumes finitos empregando um esquema do tipo upwind de primeira ordem para
equações hiperbólicas com coeficientes constantes. Entretanto, na prática, este método introduz
uma difusão numérica apreciável que acarreta em soluções numéricas que não são acuradas.
Nesta seção veremos como podemos melhorar este método mediante a introdução de um termo
de correção
∆t + ∆t
Qn+1
i = Qni − A ∆Qi−1/2 + A− ∆Qi+1/2 − F̃i+1/2 − F̃i−1/2 (4.15)
∆x ∆x
onde os fluxos F̃ são determinados baseados na solução do problema de Riemann associado.
Esta correção é introduzida tomando como base o método de Lax-Wendroff, que é um método
de segunda ordem.
4.6.1 O Método de Lax-Wendroff

Vamos obter, agora, o método de Lax-Wendroff empregando o método de diferenças finitas.
Inicialmente vamos considerar o seguinte sistema linear com coeficientes constantes
76 4.6. Métodos de Alta-Resolução
∂Φ ∂Φ
+A =0
∂t ∂x
e expandimos em série de Taylor Φ(x, tn + ∆t)
∂ ∆t2 ∂ 2
Φ(x, tn + ∆t) = Φ(x, tn ) + ∆t Φ(x, tn ) + Φ(x, tn ) + . . .
∂t 2 ∂t2
Considerando que possamos inverter a ordem de diferenciação, do sistema de equações diferen-
ciais obtemos que
∂2 ∂ 2Φ

∂ ∂Φ ∂ ∂Φ
Φ = −A = −A = A2
∂t2 ∂t ∂x ∂x ∂t ∂x2
Portanto, após substituição na expansão em série de Taylor
∂ ∆t2 2 ∂ 2
Φ(x, tn + ∆t) = Φ(x, tn ) − ∆tA Φ(x, tn ) + A Φ(x, tn ) + . . .
∂x 2 ∂x2
Mantendo somente os termos até segunda ordem e utilizando uma aproximação por diferenças
finitas do tipo centrada, obtemos o método de Lax-Wendroff
2
1 ∆t 1 ∆t
Qn+1 Qni Qni+1 Qni−1 A2 Qni−1 − 2Qni + Qni+1

i = − A − +
2 ∆x 2 ∆x
Apesar desta derivação ter sido feita com o método de diferenças finitas, podemos reescrever
o método considerando a forma geral do método dos volumes finitos
∆t
Qn+1 = Qni − Fni+1/2 − Fni−1/2

i
∆x
caso os fluxos nas fronteiras do volume finito sejam escritos como
1 1 ∆t 2
Fni−1/2 = A Qni−1 + Qni − A Qni − Qni−1

2 2 ∆x
e
1 1 ∆t 2
Fni+1/2 = A Qni + Qni+1 − A Qni+1 − Qni

2 2 ∆x
Destes fluxos notamos que eles representam o fluxo médio (instável) acrescido de um fluxo
difusivo.
4.6.2 O Método de Beam-Warming

Na obtenção do método de Lax-Wendroff empregamos uma aproximação de diferenças finitas
a três pontos simétrica. Caso todos os autovalores da matriz dos coeficientes A sejam positivos,
podemos utilizar uma aproximação assimétrica (considerando os valores disponíveis em xi , xi−1
e xi−2 ) ao invés da aproximação centrada.
Assim sendo, a Técnica Geral de aproximações por diferenças finitas forneceria os seguintes
resultados
∂ 1
Φ(xi , tn ) = [3Φ(xi , tn ) − 4Φ(xi−1 , tn ) + Φ(xi−2 , tn )] + O(∆x2 )
∂x 2∆x
Em se tratando da derivada segunda
∂2 1
2
Φ(xi , tn ) = [Φ(xi , tn ) − 2Φ(xi−1 , tn ) + Φ(xi−2 , tn )] + O(∆x)
∂x ∆x2
Usando estas aproximações no desenvolvimento em série de Taylor resultaria num método que
também é de segunda ordem

n+1 n 1 ∆t
A 3Qni − 4Qni−1 + Qni−2

Qi = Qi −
2 ∆x
2
1 ∆t
A2 Qni − 2Qni−1 + Qni−2

+
2 ∆x
e ele é conhecido como o método de Beam-Warming, que também pode ser escrito no formalismo
do método dos volumes finitos com os fluxos sendo definidos por

n n 1 ∆t
A Qni−1 − Qni−2

Fi−1/2 = AQi−1 + A 1 −
2 ∆x
e

n n 1 ∆t
A Qni − Qni−1

Fi+1/2 = AQi + A 1 −
2 ∆x
4.6.3 Aplicação Prática

A fim de mostrarmos as limitações dos dois métodos introduzidos nesta seção, juntamente
com o método do tipo upwind de primeira ordem apresentado anteriormente, o software CLAW-
PACK [8] foi utilizado na resolução da equação de advecção
∂Φ ∂Φ
+ ū =0
∂t ∂x
considerando condições de contorno do tipo periódicas e as soluções foram obtidas para os
instantes de tempo t=1 e t=5 e para um número de Courant igual a 0,8.
O domínio unidimensional é limitado por 0 ≤ x ≤ 1 e a condição inicial é dada por:
Φ(x, 0) = exp[−200(x − 0, 3)2 ] + s(x)
ū = 1, 0
onde

 1, 0 se 0,6 ≤ x ≤ 0,8
s(x) =
0, 0 caso contrário

Destes resultados podemos perceber que nenhum dos métodos utilizados na resolução da
equação de advecção foi capaz de reproduzir acuradamente a solução analítica! O método
upwind de primeira ordem apresenta um erro de truncamento cujo primeiro termo é proporcional
à derivada segunda (∂ 2 Φ/∂x2 ), responsável pela introdução da difusão numérica. O seu efeito
pode ser observado na Figura 4.3(a), onde vemos que apesar da solução numérica não apresentar
oscilações ela apresenta uma dissipação numérica excessiva.
Por outro lado, apesar dos métodos de Lax-Wendroff e Beam-Warming serem de segunda
ordem, o termo proporcional à derivada terceira (∂ 3 Φ/∂x3 ) no erro de truncamento é respon-
sável pela dispersão numérica, erro de fase, e pela introdução das oscilações numéricas. Na
Figura 4.3(b) notamos que o método de Lax-Wendroff representa adequadamente no instante
t=1 a parte suave da condição inicial, mas apresenta uma defasagem com relação à posição da
crista da parte suave, principalmente para t=5, e oscilações na parte contendo as descontinuida-
des. Um comportamento similar ocorre no caso do método de Beam-Warming, Figura 4.3(c),
sendo que neste caso também notamos o aparecimento de oscilações espúrias após a parte
descontínua da solução teórica.
No intuito de obtermos classes de métodos de mais alta-ordem, vamos reescrever o método
de Law-Wendroff como

n − n + n
1 ∆t
|A| Qni − Qni−1

Fi−1/2 = A Qi + A Qi−1 + |A| I −
2 ∆x

n − n + n
1 ∆t
|A| Qni+1 − Qni

Fi+1/2 = A Qi+1 + A Qi + |A| I −
2 ∆x
onde empregamos a notação já introduzida para A− , A+ e |A| = A+ −A− . Podemos interpretar
este fluxo como sendo o fluxo do método upwind acrescido de uma correção. Substituindo estes
fluxos na fórmula geral (4.1) resulta em um método cuja forma geral é dada pela Equação (4.15).
Esta correção corresponde a um termo anti-difusivo cuja finalidade é a de compensar a difusão
numérica introduzida na obtenção da solução aproximada.
(a) upwind
(b) Lax-Wendroff
(c) Beam-Warming
Figura 4.3: Comparação entre as soluções da equação de advecção, para os instantes de tempo
t=1 e 5, fornecidas pelos métodos (a) upwind, (b) Law-Wendroff e (c) Beam-Warming.
4.6.4 O Algoritmo REA com Reconstrução Linear por Partes

O método upwind de primeira ordem foi obtido considerando o algoritmo REA e uma
reconstrução que era constante por partes. Entretanto, para obtermos métodos que sejam de
ordem superior à primeira ordem, devemos utilizar uma reconstrução que seja linear constante
por partes da forma
Φ̃n (x, tn ) = Qni + σin (x − xi ) para xi−1/2 ≤ x ≤ xi+1/2

onde xi = xi−1/2 + ∆x/2 é o centro do i-ésimo volume finito e σin a inclinação da reta neste
volume. Uma propriedade muito importante desta função é a de que ela fornece no centro do
volume de controle o valor Qni e, além disso,
xi+1/2 xi+1/2
σn x2
Z
1 n
Φ̃ (x, tn ) dx = Qni + i − xi x
∆x xi−1/2 ∆x 2 xi−1/2
σin
= Qni + (xi ∆x − xi ∆x)
∆x | {z }
=0
Portanto, independentemente do valor da inclinação, o valor médio no volume de controle será

Qni e a reconstrução será conservativa.
Empregando a forma conservativa geral unidimensional
∆t
Qn+1 = Qni − n n

i Fi+1/2 − Fi−1/2
∆x
na resolução da equação de advecção com coeficiente constante, ū > 0,
∂Φ ∂Φ
+ ū =0
∂t ∂x
e considerando a reconstrução linear por partes podemos obter as expressões dos fluxos nas
faces dos volumes de controle
Z tn+1
n 1
Fi−1/2 = ūΦ̃n (xi−1/2 , t) dt
∆t tn
Z tn+1
1
= ūΦ̃n (xi−1/2 − ū(t − tn ), tn ) dt
∆t tn
Z tn+1
1
ū Qni−1 + σi−1n

= (xi−1/2 − ū(t − tn ) − xi−1 ) dt
∆t tn
1
= ūQni−1 + ū(∆x − ū∆t)σi−1 n
2
uma vez que
tn+1
tn
Qni−1 xi−1/2 Qni
Figura 4.4: Ilustração do algoritmo REA para a reconstrução linear por partes.
Φ̃n (xi−1/2 , t) = Φ̃n (xi−1/2 − ū(t − tn ), tn )

conforme podemos constatar da observação da Figura 4.4, onde estão representadas as curvas
características para este problema específico.
O fluxo em xi+1/2 pode ser determinado de maneira similar
Z tn+1
n 1
Fi+1/2 = ūΦ̃n (xi+1/2 , t) dt
∆t tn
Z tn+1
1
= ūΦ̃n (xi+1/2 − ū(t − tn ), tn ) dt
∆t tn
Z tn+1
1
ū Qni + σin (xi+1/2 − ū(t − tn ) − xi ) dt

=
∆t tn
1
= ūQni + ū(∆x − ū∆t)σin
2
que após substituição na equação geral resulta em
ū∆t 1 ū∆t
Qn+1 = Qni − Qni − Qni−1 − (∆x − ū∆t) σin − σi−1
n

i
∆x 2 ∆x
Deste resultado podemos obter o método de upwind de primeira ordem. Neste método
é empregada uma reconstrução constante por partes, ou seja, σin = σi−1
n
= 0, de modo que
obtemos:
ū∆t
Qn+1 = Qni − Qni − Qni−1

i
∆x
Embora estes resultados tenham sido obtidos considerando que ū seja positivo, um desen-
volvimento semelhante nos conduziria aos seguintes valores dos fluxos para ū < 0,
n 1
Fi−1/2 = ūQni − ū(∆x + ū∆t)σin
2
n 1
Fi+1/2 = ūQni+1 − ū(∆x + ū∆t)σi+1
n
2
Para valores da inclinação σin diferentes de zero obtemos os métodos de segunda ordem e a
inclinação é escolhida de modo que ela aproxime o valor da derivada ∂Φ/∂x na i-ésima célula.
Dentre as diversas possibilidades temos, por exemplo,
Qni+1 − Qni−1
diferença centrada : σin = (Fromm)
2∆x
Qni − Qni−1
diferença recuada : σin = (Beam-Warming)
∆x
Qni+1 − Qni
diferença avançada : σin = (Lax-Wendroff)
∆x
Ao invés de trabalharmos com uma limitação para a inclinação σin na célula Ci , vamos
introduzir limitadores para a determinação dos fluxos nas faces dos volumes finitos. Sabemos
que através da face xi−1/2 temos um salto dado por
∆Qni−1/2 = Qni − Qni−1

e este valor do salto dividido por ∆x fornece uma aproximação para ∂Φ/∂x. Portanto, isto
sugere que possamos escrever os fluxos nas faces das células na forma

n − n + n 1 ū∆t n
Fi−1/2 = ū Qi + ū Qi−1 + |ū| 1 − δ (4.16)
2 ∆x i−1/2

n − n + n 1 ū∆t n
Fi+1/2 = ū Qi+1 + ū Qi + |ū| 1 − δ (4.17)
2 ∆x i+1/2
n n
válidos tanto para ū > 0 como para ū < 0. Nestas expressões os valores de δi−1/2 e δi+1/2 repre-
n n
sentam os valores limitados de ∆Qi−1/2 e ∆Qi+1/2 , respectivamente. Caso os valores limitantes
sejam os próprios saltos recuperamos o método de Lax-Wendroff, que pode ser interpretado
como uma modificação do método de upwind de primeira ordem. Para outros valores podemos
obter outros métodos conhecidos de alta-resolução.
4.6.5 Limitadores de Fluxo

Embora possamos obter os métodos de mais alta-resolução a partir dos limitadores de
inclinação, para o parâmetro σ na reconstrução linear por partes, no nosso curso trataremos
somente dos limitadores de fluxo ψ(θ). Isto é feito a partir da proposição [4]
n n
δi−1/2 = ψ(θi−1/2 )∆Qni−1/2 (4.18)
onde
n
∆QnI−1/2
θi−1/2 =
∆Qni−1/2
e o subscrito I é empregado para designar a interface upwind de xi−1/2

 i − 1 se ū > 0
I=
i + 1 se ū < 0

e de modo análogo
n n
δi+1/2 = ψ(θi+1/2 )∆Qni+1/2
com
n
∆QnI+1/2
θi+1/2 =
∆Qni+1/2
Resumindo, vamos fornecer, em seguida, os diferentes valores de θ em função dos valores
positivos ou negativos da velocidade de advecção. Para ū > 0 as possibilidades são:
n Qni−1 − Qni−2
θi−1/2 =
Qni − Qni−1
e,
n Qni − Qni−1
θi+1/2 =
Qni+1 − Qni
enquanto que para ū < 0
n Qni+1 − Qni
θi−1/2 =
Qni − Qni−1
e,
n Qni+2 − Qni+1
θi+1/2 =
Qni+1 − Qni
n
A relação θi−1/2 pode ser pensada como uma medida da suavidade dos dados próxima a
n
xi−1/2 . Quando os dados forem suaves devemos esperar que θi−1/2 ≈ 1, exceto para um extremo.
Por outro lado, próximo de uma descontinuidade devemos esperar que este valor possa estar
longe da unidade.
A função ψ(θ) é conhecida como sendo a função limitadora de fluxo, cujo valor depende
da suavidade da solução aproximada. Na Tabela 4.1 são apresentados os diferentes valores
assumidos pela função limitadora de fluxo e os correspondentes métodos numéricos lineares.
Devemos notar que com estes valores da função limitadora de fluxo recuperamos vários dos
Tabela 4.1: Função limitadora de fluxo para métodos lineares.
Método ψ(θ)
upwind 0
Lax-Wendroff 1
Beam-Warming θ
1
Fromm (1 + θ)
2
Tabela 4.2: Função limitadora de fluxo para métodos de alta-resolução.
Método ψ(θ)
Minmod minmod(1, θ)
Superbee max(0, min(1, 2θ), min(2, θ))
Monotonized-Central-Difference max(0, min((1 + θ)/2, 2, 2θ))

(MC)
θ + |θ|
van Leer
1 + |θ|
métodos numéricos já vistos anteriormente: upwind de primeira ordem, Lax-Wendroff, Beam-

Warming e Fromm.
Uma grande variedade de outras funções limitadoras de fluxo podem ser encontradas na
literatura. Alguns exemplos utilizados em métodos numéricos de alta-resolução podem ser vistos
na Tabela 4.2. Muitos destes limitadores já estão disponíveis no software CLAWPACK [8]. Na
Tabela 4.2 a função minmod de dois argumentos é dada por:


 a se |a| < |b| e ab > 0



minmod(a, b) = b se |b| < |a| e ab > 0




0 se ab ≤ 0

Passamos, agora, ao desenvolvimento final para a escritura da forma geral dos métodos
com os limitadores de fluxo. Vimos que estes métodos apresentam os fluxos dados pelas Equa-
ções (4.16) e (4.17). Portanto, o emprego destes fluxos juntamente com as expressões para
δi−1/2 e δi+1/2 resulta na forma geral para ū > 0
Qn+1 = Qni − C Qni − Qni−1

i
1 n n
) Qni+1 − Qni − ψ(θi−1/2 ) Qni − Qni−1

− C(1 − C) ψ(θi+1/2 (4.19)
2
enquanto que para ū < 0 temos que
Qn+1 = Qni − C Qni+1 − Qni

i
1 n
) Qni+1 − Qni − ψ(θi−1/2
n
) Qni − Qni−1

+ C(1 + C) ψ(θi+1/2 (4.20)
2
tendo sido utilizado o número de Courant C = ū∆t/∆x.
4.6.6 Limitadores TVD

Conforme podemos observar na Figura 4.3, os métodos Lax-Wendroff e Beam-Warming
apresentam soluções numéricas que possuem um comportamento oscilatório quando tentam
aproximar a descontinuidade. Como já mencionado no capítulo anterior, um método numérico
não apresentará soluções oscilatórias caso ele seja TVD. Entretanto, como podemos saber se os
diferentes limitadores de fluxo apresentados neste capítulo resultam em métodos TVD? Esta
questão pode se respondida se considerarmos o seguinte teorema:
Teorema 3 (Teorema de Harten) Considere a forma geral de um método numérico dada

por
Qn+1 = Qni − Ci−1

n
Qni − Qni−1 + Din Qni+1 − Qni

i
n
onde os coeficientes Ci−1 e Din são arbitrários e podem depender dos valores de Qn . Então
T V (Qn+1 ) ≤ T V (Qn )
desde que as seguintes condições sejam satisfeitas:
n
Ci−1 ≥ 0 ∀i
Din ≥ 0 ∀i
Cin + Din ≤ 1 ∀i
Vamos aplicar, agora, este teorema aos métodos com limitadores de fluxo aplicados à equação
de advecção com ū > 0, ou seja, os métodos na forma da Equação (4.19). Existem diferentes
formas de escrevermos este método no forma geral do Teorema de Harten uma vez que os
n
coeficientes Ci−1 e Din podem depender dos valores de Qn .
O Teorema de Harten pode ser demonstrado a partir da igualdade
Qn+1 n+1
= (1 − Cin − Din ) Qni+1 − Qni + Di+1n
Qni+2 − Qni+1

i+1 − Qi
n
Qni − Qni−1

+Ci−1
e da definição da variação total de uma função T V (Qn+1 ) = i |Qn+1 n+1
P
i+1 − Qi |
X X
|Qn+1 n+1
|(1 − Cin − Din ) Qni+1 − Qni + Di+1
n
Qni+2 − Qni+1

i+1 − Qi |=
i i
n
Qni − Qni−1 |

+Ci−1
Para 1 − Cin − Din ≥ 0, Di+1
n n
≥ 0 e Ci−1 ≥ 0 podemos escrever
X X
|Qn+1 n+1
i+1 − Qi | ≤ (1 − Cin − Din )|Qni+1 − Qni |
i i
X
n
+ Di+1 |Qni+2 − Qni+1 |
i
X
n
+ Ci−1 |Qni − Qni−1 |
i
ou ainda, reindexando os somatórios
X X
|Qn+1 n+1
i+1 − Qi | ≤ (1 − Cin − Din )|Qni+1 − Qni |
i i
X
+ Din |Qni+1 − Qni |
i
X
+ Cin |Qni+1 − Qni |
i
X
(1 − Cin − Din + Din + Cin )| Qni+1 − Qni |

≤
i
X
≤ |Qni+1 − Qni |
i
e, finalmente,
X X
T V (Qn+1 ) = |Qn+1 n+1
i+1 − Qi | ≤ T V (Qn ) = |Qni+1 − Qni |
i i
O primeiro exemplo que vamos considerar é o do método upwind de primeira ordem ψ(θ) = 0,
ou seja,
n
Ci−1 = C
Din = 0
e este método será TVD caso
C ≥ 0 ∀i
C ≤ 1 ∀i
que corresponde à condição de estabilidade CFL para este método e, portante, ele será TVD
caso a condição de estabilidade seja verificada.
No segundo caso analisamos as condições para que o método de Lax-Wendroff, ψ(θ) = 1,
seja TVD
n 1
Ci−1 = C − C(1 − C)
2
1
Din = − C(1 − C)
2
e do Teorema de Harten sabemos que
1
C − C(1 − C) ≥ 0 ∀i
2
1
− C(1 − C) ≥ 0 ∀i
2
1 1
C − C(1 − C) − C(1 − C) ≤ 1 ∀i
2 2
Destas condições vemos que elas não serão verificadas para todos os valores de C caso a condição
de estabilidade 0 ≤ C ≤ 1 seja satisfeita!
Entretanto, podemos refazer esta análise levando em consideração que
n Qni − Qni−1
θi+1/2 =
Qni+1 − Qni
de modo que podemos reescrever a Equação (4.19) como

1 ψ(θi+1/2 )
Qn+1 Qni Qni − Qni−1

i = − C + C(1 − C) − ψ(θi−1/2 ) (4.21)
2 θi+1/2
e, portanto,

n 1 ψ(θi+1/2 )
Ci−1 = C + C(1 − C) − ψ(θi−1/2 )
2 θi+1/2
Din = 0
As condições impostas pelo Teorema de Harten serão satisfeitas caso
n
0 ≤ Ci−1 ≤1
e estas desigualdades são verificadas caso a condição de CFL seja válida, 0 ≤ C ≤ 1, em
conjunto com

ψ(θ1 )
−2C ≤ C(1 − C) − ψ(θ2 ) ≤ 2(1 − C)
θ1
ou seja,

ψ(θ1 )
θ1 − ψ(θ2 ) ≤ 2

Como θ1 e θ2 são independentes [4], vemos que esta condição implica em
ψ(θ)
0≤ ≤2 (4.22)
θ
e,
0 ≤ ψ(θ) ≤ 2 (4.23)
Na Figura 4.5 encontra-se representada, para um valor máximo de θ = 5, a região onde
os valores da função ψ(θ) deveriam se encontrar a fim de que o método numérico seja TVD.
Também neste figura constatamos que para determinados valores de θ os valores da função
limitadora de fluxo para os métodos Beam-Warming, Fromm e Lax-Wendroff encontram-se
fora desta região.
Algumas observações finais devem ser feitas a respeito dos métodos TVD. Qualquer método
que apresente uma acurácia de segunda ordem deve verificar à condição ψ(θ) = 1 para θ = 1
(solução suave na região considerada), visto que recuperamos o método de segunda ordem de
Lax-Wendroff. Além disso, pesquisas indicam que a melhor maneira de propomos a função
ψ(θ) é através de uma combinação convexa1 de ψ(θ) = 1 (Lax-Wendroff) e ψ(θ) = θ (Beam-
Warming) [4]. Caso contrário teremos muita compressão e funções suaves do tipo senoides
1
P que o ponto b = α1 x1 + α2 x2 + . . . + αn xn , para αi ≥ 0, é uma combinação convexa de x1 , x2 ,
Dizemos
. . ., xn se αi = 1
5.0
TVD
Beam -War m ing
4.5
Fr om m
L ax-Wendr off
4.0
3.5
3.0
2.5
2.0
1.5
1.0
0.5
0.0
0.0 0.5 1.0 1.5 2.0 2.5 3.0 3.5 4.0 4.5 5.0
Figura 4.5: Função limitadora de fluxo ψ(θ). Região TVD e exemplos das funções limitadoras
de fluxo para os métodos Beam-Warming, Fromm e Lax-Wendroff.
tenderão a se transformar em ondas quadradas à medida que o tempo evoluir. Todos os limita-
dores propostos na Tabela 4.2 verificam as condições impostas pelas Equações (4.22) e (4.23) e
resultam em métodos que são TVD. Estas restrições podem ser escritas concisamente na forma:
0 ≤ ψ(θ) ≤ minmod(2, 2θ)
4.6.7 Aplicação Prática

A título de ilustração, o mesmo exemplo apresentado na Figura 4.3 foi refeito empregando,
agora, a formulação dada pela Equação (4.19) e pelos limitadores do tipo TVD: Mimmod, Super-
bee e Monotonized-Central-Difference (MC), vide a Tabela 4.2. Na obtenção destes resultados
empregamos novamente os programas e as ferramentas do CLAWPACK [8]. Da observação dos
resultados apresentados na Figura 4.6, constatamos que estes métodos apresentam resultados
que são mais acurados que os dos métodos upwind, Lax-Wendroff e Beam-Warming.
Apesar do método upwind ser TVD, por ser somente de primeira ordem ele introduz muita
difusão numérica. Por outro lado, embora os métodos de Lax-Wendroff e Beam-Warming sejam
de segunda ordem, eles não são TVD e introduzem oscilações espúrias não solução numérica.
Os métodos do tipo TVD procuram combinar as características positivas do método upwind
e dos métodos de segunda ordem. Uma acurácia de segunda-ordem será obtida sempre que
possível, mas nas regiões onde o comportamento da solução deve ser monótono empregamos o
método de primeira ordem.
(a) Minmod
(b) Superbee
(c) MC
Figura 4.6: Comparação entre as soluções da equação de advecção, para os instantes de tempo
t=1 e 5, fornecidas pelos métodos (a) Minmod, (b) Superbee e (c) MC.
4.7 Métodos de Alta-Resolução para Sistemas

Os métodos empregando os limitadores de fluxo também podem ser estendidos para o caso
de sistemas de equações. Nosso ponto de partida será o método de Lax-Wendroff cujos fluxos
são dados por:
1 1 ∆t 2
Fi−1/2 = F(Qi−1 , Qi ) = A (Qi−1 + Qi ) − A (Qi − Qi−1 )
2 2 ∆x
Uma vez que já vimos que A = A+ + A− , este fluxo pode ser reescrito como

+ − 1 ∆t
Fi−1/2 = F(Qi−1 , Qi ) = A Qi−1 + A Qi − |A| I − |A| (Qi − Qi−1 ) (4.24)
2 ∆x
com |A| = A+ − A− .
Escrito na forma (4.24) este método pode ser visto como o método upwind acrescido de
um termo de correção, assim como no caso escalar para a equação de advecção. Portanto,
para definirmos um método baseado nos limitadores de fluxo, devemos ser capazes de limitar
a magnitude desta correção em função da variação da solução numérica. Entretanto, para
sistemas temos que ∆Qi−1/2 = Qi − Qi−1 é um vetor e não sabemos ao certo como devemos
comparar este vetor com o seu vizinho ∆Qi−3/2 ou ∆Qi+1/2 a fim de generalizarmos (4.18).
Também não é evidente sabermos que vizinho devemos considerar uma vez que a direção upwind
varia em função dos autovalores da matriz de coeficientes. A saída para este problema consiste
na decomposição desta correção e na limitação de cada componente do vetor de correção do
fluxo separadamente, baseado no que foi feito no caso escalar.
Assim sendo, o termo de correção é reescrito como
Xm
1 ∆t 1 ∆t p
|A| I − |A| (Qi − Qi−1 ) = |A| I − |A| αi−1/2 rp
2 ∆x 2 ∆x p=1
p
e o limitador de fluxo é definido a partir da substituição do coeficiente escalar αi−1/2 pela sua
versão limitada
p p p
α̃i−1/2 = ψ(θi−1/2 )αi−1/2
onde
p
p
αI−1/2
θi−1/2 = p
αi−1/2
com

 i − 1 se λp > 0
I=
i + 1 se λp < 0

92 4.7. Métodos de Alta-Resolução para Sistemas
p
e ψ(θi−1/2 ) é um dos limitadores de fluxo apresentados anteriormente. Neste caso, as funções
de fluxo com limitadores são escritas como
Xm
+ −1 ∆t p
Fi−1/2 = A Qi−1 + A Qi + |A| I − |A| α̃i−1/2 rp (4.25)
2 ∆x p=1
e,
Xm
+ − 1 ∆t p
Fi+1/2 = A Qi + A Qi+1 + |A| I − |A| α̃i+1/2 rp (4.26)
2 ∆x p=1
Como |A|rp = |λp |rp , estes fluxos também podem ser postos na seguinte forma:
m
+ − 1X p ∆t p p
Fi−1/2 = A Qi−1 + A Qi + |λ | 1 − |λ | α̃i−1/2 rp
2 p=1 ∆x
e,
m
+ − 1X p ∆t p p
Fi+1/2 = A Qi + A Qi+1 + |λ | 1 − |λ | α̃i+1/2 rp
2 p=1 ∆x
Em se tratando do caso de uma única equação escalar, como por exemplo a equação de
advecção com ū constante, temos que r1 = 1, A = ū e αi−1/2 1
= ∆Qi−1/2 . Deste modo,
estes fluxos dados pelas Equações (4.25) e (4.26) ficam reduzidos às Equações (4.16) e (4.17)
respectivamente.
Para estes algoritmos de propagação de ondas é talvez mais natural vermos estas funções
limitadoras como sendo um limitador de onda ao invés de um limitador de inclinação ou de
fluxo, uma vez que na verdade são as ondas individuais resultantes da resolução do problema
de Riemann que estão sendo limitadas. Este ponto de vista é o mais adequado quando do
tratamento de problemas não-lineares e, portanto, no contexto mais geral é mais indicado
usarmos a notação W fp p p
i−1/2 = α̃i−1/2 r , de modo que
m
+ − 1X p ∆t p fp
Fi−1/2 = A Qi−1 + A Qi + |λ | 1 − |λ | Wi−1/2
2 p=1 ∆x
e,
m
+ − 1X p ∆t p fp
Fi+1/2 = A Qi + A Qi+1 + |λ | 1 − |λ | Wi+1/2
2 p=1 ∆x
CAPÍTULO 5
LEIS DE CONSERVAÇÃO NÃO-LINEARES
No capítulo anterior consideramos somente a implementação de métodos numéricos des-

tinados à resolução de leis de conservação cujas funções de fluxo eram lineares. Entretanto,
em muitos problemas de interesse os fenômenos físicos são governados por leis de conservação
que são não-lineares. Como exemplos práticos de problemas cujas leis de conservação são não-
lineares temos o controle de tráfego, o escoamento não-viscoso de um fluido, a dinâmica dos
gases, o escoamento de fluidos incompressíveis etc.
Quando a função de fluxo é linear, como por exemplo f (Φ) = ūΦ, da lei de conservação
resulta a equação de advecção e a solução deste problema simplesmente translada a solução
inicial com velocidade ū. Porém, no caso não-linear a solução pode se deformar à medida que o
tempo evolui e, em alguns casos, verificamos a formação de ondas de choque através das quais
a solução é descontinua.
Inicialmente, vamos introduzir alguns conceitos teóricos sobre as equações de conservação
não-lineares, tais como: forma quase-linear, características, ondas de choque e de rarefação,
velocidade de propagação do choque, solução fraca, condições de entropia etc. Posteriormente,
iremos introduzir o método dos volumes finitos na sua formulação apropriada para tratarmos
das leis de conservação não-lineares.
5.1 Leis de Conservação Escalares

Nesta seção vamos considerar as leis de conservação não-lineares
∂Φ ∂
+ f (Φ) = 0 (5.1)
∂t ∂x
com uma condição inicial dada por
◦
Φ(x, 0) =Φ(x)
93
94 5.1. Leis de Conservação Escalares
e iremos assumir que a função de fluxo é uma função convexa
∂ 2f
f 00 = >0
∂Φ2
ou côncava de Φ
∂ 2f
f 00 = <0
∂Φ2
isto é, ela não troca de sinal. Chamamos a este fluxo de fluxo convexo.
5.1.1 Forma Quase-linear e Características

Consideremos que a velocidade de propagação da onda seja definida por
∂f
s(Φ) =
∂Φ
Portanto, a condição de fluxo convexo (côncavo) implica em que a velocidade de propagação
da onda seja uma função monotonicamente crescente (decrescente) da função Φ, ou seja,

∂f ∂f
>0 <0
∂Φ ∂Φ
Assumindo que a função Φ seja suave, a Equação (5.1) pode ser reescrita na sua forma
quase-linear
∂Φ ∂f ∂Φ ∂Φ ∂Φ
+ = + s(Φ) =0 (5.2)
∂t ∂Φ ∂x ∂t ∂x
que é similar à equação de advecção, embora agora a velocidade de propagação não seja mais
constante e dependa da solução Φ. Esta forma é a mais apropriada para determinarmos as
curvas características da lei de conservação não-linear.
Podemos mostrar que a forma quase-linear (5.2) admite uma solução geral do tipo [4, 10]
◦
Φ(x, t) =Φ(ξ) (5.3)
onde ξ é solução da seguinte equação

◦
x = ξ + s(Φ(ξ))t
e observamos que para t = 0 recuperamos a condição inicial.

A fim de verificarmos que a Equação (5.3) é uma solução da forma quase-linear, vamos
adicionar as derivadas
Capítulo 5. Leis de Conservação Não-Lineares 95
◦ ◦
∂Φ ∂ξ ∂Φ ds ∂Φ ∂Φ
= =− s+t
∂t ∂t ∂ξ dΦ ∂t ∂ξ
◦ ◦
∂Φ ∂ξ ∂Φ ds ∂Φ ∂Φ
s = s =s 1−t
∂x ∂x ∂ξ dΦ ∂x ∂ξ
donde,
◦
∂Φ
s
∂Φ ∂ξ
= − ◦ (5.4)
∂t ds ∂Φ
1+t
dΦ ∂ξ
◦
∂Φ
s
∂Φ ∂ξ
s = ◦ (5.5)
∂x ds ∂Φ
1+t
dΦ ∂ξ
e, portanto,
◦ ◦
∂Φ ∂Φ
s −s
∂Φ ∂Φ ∂ξ ∂ξ
+s = ◦ =0
∂t ∂x ds ∂Φ
1+t
dΦ ∂ξ
e mostramos que a Equação (5.3) é uma solução da forma quase-linear da lei de conservação.
Quando comparamos a solução (5.3) com a solução do problema linear, verificamos que
ambas dependem fundamentalmente da velocidade de propagação, embora no caso não-linear
esta velocidade possa variar em função do valor da variável dependente Φ.
Na solução (5.3),
◦
x = ξ + s(Φ(ξ))t (5.6)
é, em geral, uma equação não-linear para ξ, que terá uma única solução desde que 0 ≤ t ≤ T
corresponda a um período de tempo no qual as características não se cruzam.
Calculando o diferencial total da função suave Φ(x, t) obtemos
dΦ ∂Φ dx ∂Φ
= +
dt ∂t dt ∂x
Então, ao longo da curva
d ∂
x(t) = f (Φ(x(t), t)) = s(Φ(x(t), t))
dt ∂Φ
temos que
d ∂Φ ∂ ∂Φ
Φ(x(t), t) = + f (Φ(x(t), t)) =0
dt ∂t ∂Φ ∂x
e, consequentemente, Φ é constante ao longo da curva x(t) e dx/dt também será constante ao
longo desta curva e a curva característica deve ser uma linha reta enquanto a solução permanecer
suave.
As curvas características são as soluções da seguinte equação diferencial ordinária
dx
= s(Φ(x, t))
dt
x(0) = x0
para cada x0 ∈ R e elas são dadas por

◦
x(t) = x0 + s(Φ(x0 , 0))t = x0 + s(Φ(x0 ))t
Na Figura 5.1 vemos a representação gráfica de algumas curvas características para o pro-
blema escalar não-linear. Embora para uma dada curva característica a velocidade da onda seja
constante, ela pode variar de uma curva para outra. Fica evidente desta figura que, em geral,
caso estas curvas sejam estendidas para tempos longos, elas irão eventualmente se cruzar. De
fato, estas curvas não irão se interceptar somente quando a inclinação das curvas características,
◦
s(Φ), for uma função não decrescente de x, ou seja,
◦ ◦
d ◦ ∂s dΦ ◦ dΦ
s(Φ) = ◦ = s0 (Φ) ≥0
dx ∂Φ dx dx
◦ ◦
e isto implicará no fato de que para um fluxo convexo s0 (Φ) = f 00 (Φ) > 0, para qualquer valor
◦
inicial, a desigualdade será verdadeira se e somente se a condição inicial Φ for uma função não
◦
decrescente de x, isto é, Φ0 ≥ 0.
Para tratarmos o caso mais geral, vamos considerar a função y : R × [0, ∞] → R
◦
y(x, t) = x + s(Φ)t (5.7)
que mapeia a posição x(0) = x0 , no espaço, para uma dada característica no instante inicial
◦
t = 0 na posição x(t) = x0 + s(Φ)t no instante de tempo t. Da Equação (5.7) vemos que duas
(ou mais) características irão se cruzar no tempo t sempre que
dx
= s(φ(x, 0))
dt
t1
t0
x
Figura 5.1: Curvas caracteristicas para o problema escalar nao-linear.
◦
∂y ds dΦ
=1+ ◦ t=0 (5.8)
∂x dΦ dx
que após integração entre os pontos x1 e x2
Z x2 Z x2
∂y ds
dx = 1 + t dx
x1 ∂x x1 dx
resulta em
◦ ◦
y(x2 ) − y(x1 ) = x2 − x1 + [s(Φ(x2 )) − s(Φ(x1 ))]t
e como as características se cruzam, y(x2 ) − y(x1 ) = 0, então:
◦ ◦
x2 − x1 + [s(Φ(x2 )) − s(Φ(x1 ))]t = 0
ou ainda,
"◦ ◦ #
s(Φ(x2 )) − s(Φ(x1 ))
1+ t=0
x2 − x1
que representa a forma discreta da Equação (5.8).

Da Equação (5.5) podemos obter uma expressão para ∂Φ/∂x na forma:
◦
∂Φ Φ0(x)
= ◦ ◦ (5.9)
∂x 1 + t s0 (Φ(x))Φ0(x)
◦ ◦
e verificamos que enquanto 1 + t s0 (Φ(x))Φ0(x) for diferente de zero podemos diferenciar Φ com
relação a x. Por outro lado, quando esta quantidade tender a zero teremos que
∂Φ
→ −∞
∂x
◦ ◦
e como estamos considerando que para s0 (Φ(x)) > 0 (s0 (Φ(x)) < 0) e, para t > 0, isto só pode
ocorrer se
◦ ◦ !
dΦ dΦ
<0 >0
dx dx
em algum intervalo (a, b) ⊂ R. Em outras palavras, se em algum intervalo (a, b) a derivada
primeira da condição inicial for uma função decrescente (crescente) de x, então podemos ter
o cruzamento das características e podemos determinar o tempo t∗ no qual este fato ocorrerá.
Isto é feito facilmente se considerarmos a Equação (5.8),
−1
t∗ = ◦ ◦
s0 (Φ(x))Φ0(x)
e o menor tempo (Tc ) no qual este cruzamento pode ocorrer é dado por
−1
Tc = ◦ ◦
min{0, min[s0 (Φ(x))Φ0(x)]}
Na Figura 5.2, vemos a representação das curvas características correspondentes a uma con-
dição inicial Φ(x, 0) = x2 , que não é uma função monotonicamente crescente de x, e para uma
◦
função de fluxo f (Φ) = 21 Φ2 . Neste caso, s0 (Φ) > 0 e vemos que para dΦ /dx < 0 teremos ondas
de compressão e as curvas características podem se cruzar e, como os valores de Φ devem ser
constantes ao longo das curvas características enquanto a solução for suave, no ponto onde esta
interceptação ocorre teremos a formação de um choque, que é um fenômeno associado às equa-
◦
ções hiperbólicas não-lineares. Diferentemente, quando d Φ /dx > 0 as curvas características
estão se espalhando e nunca se encontrarão e, neste caso, as ondas são de rarefação.
Figura 5.2: Condição inicial Φ(x, 0) = x2 e curvas características associadas considerando uma
função de fluxo dada por f (Φ) = 21 Φ2 .
Vamos considerar um novo exemplo para entendermos um pouco mais a formação das ondas
de rarefação e de compressão. A condição inicial agora é dada por
Φ(x, 0) = 0, 25 + 0, 7 exp(−0, 01x2 )

enquanto que a função de fluxo considerada é f (Φ) = Umax (1 − Φ)Φ. Este fluxo resulta numa
velocidade característica s(Φ) = Umax (1 − 2Φ), em s0 (Φ) = f 00 < 0 e vamos estipular que
Umax = 1. Portanto, neste exemplo, diferentemente do anterior, da parte direita da condição
inicial, onde a solução é decrescente para x crescente, resultará em uma onda de rarefação e
as curvas características não irão se cruzar. Na parte esquerda, para Φ crescendo para valores
crescentes de x, veremos surgir uma onda de compressão. No entanto, conforme podemos
verificar na Figura 5.3, para tempos longos vemos uma representação da solução Φ que parece
não ser física! Para determinados valores de x temos três valores correspondentes de Φ! Nestes
pontos existem três características que se encontram em (x, t) partindo da condição inicial e
a equação (5.7) deve ter três soluções. Portanto, o que vai acontecer fisicamente é que estas
ondas de compressão devem se transformar em uma onda de choque para tempos t ≥ Tc .
Da Equação (5.9) fica claro que ao longo da característica originada em x0 , onde a velocidade
de propagação da onda s é localmente uma função decrescente (crescente) de x, a magnitude
da derivada espacial ∂Φ/∂x tende para infinito à medida que t se aproxima de Tc . Entretanto,
sabemos que a solução física deve permanecer limitada [10], o que sugere que apesar da solução
não ser mais diferenciável (suave) ainda assim possamos obter uma solução para este problema.
Esta solução é conhecida como a solução fraca.
5.1.2 Soluções Fracas

Uma particularidade dos sistemas hiperbólicos não-lineares é a possível perda de regula-
ridade, ou seja, soluções que são inicialmente suaves podem se tornar descontínuas em um
intervalo de tempo finito. Portanto, a fim de que possamos obter soluções globais no tempo,
somos forçados a trabalhar com um espaço de funções descontínuas e interpretar as equações
de conservação no sentido das distribuições.
A lei de conservação (5.1) não é mais válida, no sentido clássico, quando a sua solução
contiver choques, embora ela continue sendo válida nas regiões onde as suas soluções são suaves.
Quando da obtenção das leis de conservação, no primeiro capítulo, vimos que a forma original
era integral, que é válida mesmo para Φ(x, t) contendo uma descontinuidade e dizemos que ela
é uma solução da lei de conservação se
d x2
Z
Φ(x, t) dx = F1 (t) − F2 (t)
dt x1
com F representando o fluxo, é válida para todo t e para qualquer valor de x1 e x2 .
1.0
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
-30 -20 -10 0 10 20 30
(a) t=5
1.0
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
-30 -20 -10 0 10 20 30 40
(b) t=25
Figura 5.3: Movimentação de cada ponto Φ com a sua velocidade característica s(Φ) a partir
da condição inicial para t = 0 (curva tracejada). a) Para t = 5 vemos uma onda de compressão
e outra de rarefação. b) Por outro lado, para t = 25 obtemos uma solução que não é física e
que apresenta três valores de Φ para uma única posição x!
Entretanto, esta formulação não é a mais apropriada, do ponto de vista matemático, para
tratarmos deste problema. Portanto, uma forma fraca deste problema será encontrada conside-
rando, inicialmente, que a solução Φ(x, t) seja suave e a forma integral empregada no método
dos volumes finitos
Z t2 Z x2
∂Φ ∂
+ f (Φ) dxdt = 0 (5.10)
t1 x1 ∂t ∂x
Ao invés de consideramos estas integrais para os limites de integração arbitrários t1 , t2 , x1
e x2 , vamos considerar que
Z ∞ Z +∞
∂Φ ∂
+ f (Φ) ϕ(x, t) dxdt = 0 (5.11)
0 −∞ ∂t ∂x
para um determinado conjunto de funções ϕ(x, t). Para uma escolha particular dada por

 1 se (x, t) ∈ [x1 , x2 ] × [t1 , t2 ]
ϕ(x, t) = (5.12)
0 caso contrário

esta integral resultará na integral (5.10). Na busca pelas soluções fracas iremos considerar
que esta função possui um suporte compacto, ou seja, ela é identicamente nula fora de uma
determinada região limitada do plano x − t. Assumindo, agora, que esta função seja suave,
diferentemente de (5.12), podemos integrar por partes (5.11) de modo a obtermos
Z +∞ ∞ Z ∞ Z ∞ +∞ Z +∞
∂ϕ ∂ϕ
(Φϕ) − Φ dt dx + (f (Φ)ϕ) − f (Φ) dx dt = 0

−∞ 0 0 ∂t 0 −∞ −∞ ∂x
e como a função ϕ possui suporte compacto,
Z ∞ Z +∞ Z +∞
∂ϕ ∂ϕ
Φ + f (Φ) dxdt = − Φ(x, 0)ϕ(x, 0) dx (5.13)
0 −∞ ∂t ∂x −∞
Uma propriedade importante desta formulação é a de que as derivadas aparecem, agora, somente
em ϕ(x, t). Assim, esta equação continua sendo válida mesmo se Φ for descontínua.
Definição 4 (Solução Fraca) A função Φ(x, t) é uma solução fraca da lei de conservação (5.1)
com dados iniciais Φ(x, 0) se a igualdade na Equaçao (5.13) é verificada para todas as funções
ϕ em C01 .
O espaço de funções C01 denota o conjunto de todas as funções que são continuamente dife-
renciáveis e que possuem suporte compacto. Também pode ser mostrado que qualquer solução
fraca também satisfaz a forma integral da lei de conservação.
Vamos, em seguida, procurar soluções fracas para o problema de Cauchy definido pelas
equações
∂Φ ∂
+ f (Φ) = 0 (5.14)
∂t ∂x
e,
◦
Φ(x, 0) =Φ(x) (5.15)
A solução fraca mais simples deste problema, que contém uma singularidade, é dada pela
resolução do seguinte problema de Riemann, que consiste em funções constantes por partes,

 Φl se x < 0
Φ(x, 0) = (5.16)
Φr se x > 0

Existem dois tipos de solução fraca para este problema de valor inicial contendo uma des-
continuidade.
5.1.2.1 Onda de Choque

A primeira solução fraca é uma simples descontinuidade propagando-se com uma velocidade
s(Φ). Portanto, a função Φ definida por

 Φl se x < st
Φ(x, t) = (5.17)
Φr se x > st

representa uma solução fraca do problema de Cauchy caso [11]
s(Φl − Φr ) = f (Φl ) − f (Φr )

que corresponde à equação de Rankine-Hugoniot para equações de conservação escalares [10] e
pode ser utilizada na determinação da velocidade de propagação da descontinuidade
f (Φl ) − f (Φr )
s= (5.18)
Φl − Φr
Este resultado é uma consequência do próximo teorema, cuja prova será fornecida a seguir.
Teorema 4 (Equações de Rankine-Hugoniot) Se Φ é uma solução fraca de (5.13) tal que

Φ seja descontínua através da curva x = ξ(t), mas tal que Φ seja suave em cada um dos lados
desta curva, então Φ deve satisfazer à condição
f (Φl ) − f (Φr )
ξ 0 (t) =
Φl − Φr
através da curva de descontinuidade, onde Φl é o limite de Φ aproximando-se pela esquerda e
Φr o limite aproximando-se pela direita.
Ωl
x = st
Φl Φr
nr
suporte de ϕ
nl
Ωr x
Figura 5.4: Condição de Rankine-Hugoniot.
Vamos demonstrar, agora, este teorema [11]. Seja ϕ(x, t) uma função diferenciável com
suporte compacto e Ω um disco aberto contendo o suporte de ϕ e consideremos dois domínios
Ωl ≡ Ω ∩ {x > st} e Ωr ≡ Ω ∩ {x < st} conforme representado na Figura 5.4. Vamos também
introduzir o vetor v ≡ ϕf (Φ)i + ϕΦj de modo que
∂ ∂
∇·v = (f (Φ)ϕ) + (Φϕ)
∂x ∂t

∂ϕ ∂ϕ ∂Φ ∂
= Φ + f (Φ) +ϕ + f (Φ)
∂t ∂x ∂t ∂x
Então, considerando a identidade (5.13) e integrando em Ωl ∪ Ωr
Z ∞ Z +∞ Z +∞
∂ϕ ∂ϕ
0 = Φ + f (Φ) dxdt + Φ(x, 0)ϕ(x, 0) dx
0 −∞ ∂t ∂x −∞
Z ∞Z Z ∞Z
∂ϕ ∂ϕ ∂ϕ ∂ϕ
= Φ + f (Φ) dxdt + Φ + f (Φ) dxdt
0 Ωl ∂t ∂x 0 Ωr ∂t ∂x
uma vez que não temos contribuição da integral contendo a condição inicial [12]
Escrevendo este último resultado em termos do divergente do vetor v
ZZ ∞ Z ∞Z
∂ϕ ∂ϕ ∂ϕ ∂ϕ
0 = Φ + f (Φ) dxdt + Φ + f (Φ) dxdt
0 Ωl ∂t ∂x 0 Ωr ∂t ∂x
Z ∞Z Z ∞Z Z ∞Z
∂Φ ∂f
= ∇ · v dxdt + ∇ · v dxdt − ϕ + dxdt
0 Ωl 0 Ωr 0 Ωl ∪Ωr ∂t ∂x
Para podermos continuar com o nosso desenvolvimento, precisamos do resultado enunciado
no próximo teorema.
Teorema 5 (Solução forte) Se Φ é uma solução forte das Equações (5.14) e (5.15), então
Φ é uma solução fraca de (5.13).
Por suposição, estamos considerando que Φ é uma solução fraca da lei de conservação ∂Φ/∂t +
∂f (Φ)/∂x = 0 e que Φ é suave em ambos os lados da curva x = ξ(t). Portanto, Φ também será
uma solução forte da lei de conservação e
Z ∞Z
∂Φ ∂f
ϕ + dxdt = 0
0 Ωl ∪Ωr ∂t ∂x
Aplicando, em seguida, o teorema da divergência separadamente para as regiões Ωl e Ωr e
considerando que os vetores nl e nr são os vetores unitários normais exteriores a estas regiões
(vide a Figura 5.4),
Z ∞ Z
0 = ∇ · v dxdt
0 Ωl ∪Ωr
Z ∞ Z Z ∞ Z
= ∇ · v dxdt + ∇ · v dxdt
0 Ωl 0 Ωr
Z Z
= v · nl ds + v · nr ds
∂Ωl ∂Ωr
Como a função ϕ é nula na fronteira ∂Ω, a úncia porção das fronteiras ∂Ωl e ∂Ωr onde o vetor
v não é nulo é sobre a linha x = ξ(t),
Z Z
0 = v · nl ds + v · nr ds
∂Ωl ∂Ωr
Z Z
= v · nl ds − v · nl ds
∂Ωl ∂Ωr
Z Z
= ϕ(f (Φl )n1 + Φl n2 ) ds − ϕ(f (Φr )n1 + Φr n2 ) ds
x=ξ(t) x=ξ(t)
uma vez que nr = −nl e nl = (n1 , n2 ). Portanto, como este resultado deve ser válido para
qualquer valor suave da função ϕ
Φl n2 + f (Φl )n1 = Φr n2 + f (Φr )n1

ou ainda
f (Φl ) − f (Φr ) n2
=−
Φl − Φr n1
Por outro lado, a curva x = ξ(t) = st tem a inclinação dada por
dt 1 n1
=− 0 =−
dx ξ (t) n2
e, finalmente,
f (Φl ) − f (Φr )
s=
Φl − Φr
conforme queríamos demonstrar. Devemos chamar atenção para o fato que este resultado foi
obtido sem levarmos em consideração se Φl < Φr ou se Φl > Φr .
5.1.2.2 Onda de Rarefação

Existe uma segunda solução para o problema de Cauchy (5.14)-(5.15) com condições iniciais
dadas por (5.16). Esta será uma solução similar e função unicamente de x/t
Φ(x, t) = Φ̄(x/t) = Φ̄(ξ)

que é constante ao longo de qualquer reta x/t = cte através da origem, assim como no caso
de um sistema hiperbólico linear. Para mostrarmos que esta é uma solução fraca da lei de
conservação basta calcularmos as suas derivadas e substituí-las na forma quase-linear da lei de
conservação
∂Φ x dΦ̄ ∂f 1 ∂f dΦ̄
=− 2 =
∂t t dξ ∂x t ∂ Φ̄ dξ
e, portanto,
∂Φ ∂f ∂Φ x dΦ̄ 1 ∂f dΦ̄
+ =− 2 + =0
∂t ∂Φ ∂x t dξ t ∂ Φ̄ dξ
ou seja,
∂f dΦ̄ x dΦ̄
= (5.19)
∂ Φ̄ dξ t dξ
Para a equação escalar, vemos que esta igualdade é verificada se Φ̄0 (x/t) = 0, ou se
Φl Φr
0 x
Figura 5.5: Leque de rarefação centrado separado pelos estados Φl e Φr .
x
f 0 (Φ̄(x/t)) = s(Φ̄(x/t)) =
t
que permite-nos determinar a solução explicitamente, que representa uma onda de rarefação
centrada,


 Φl se x/t < s(Φl )



Φ(x, t) = s(Φ̄(x/t)) = x/t se s(Φl ) < x/t < s(Φr ) (5.20)




Φr se x/t > s(Φr )

e ela é conhecida como uma onda de rarefação centrada. A Figura 5.5 mostra uma representação
gráfica das curvas características associadas às ondas de rarefação centradas.
5.1.3 Admissibilidade e Condição de Entropia

Até o presente momento vimos que o problema de Riemann (5.16) possui duas soluções
fracas dadas por (5.17) e (5.20). Entretanto, o conceito de solução fraca não é suficiente para
garantir a unicidade da solução, o que deveria ser esperado fisicamente, uma vez que esperamos
que ocorra um único fenômeno para uma determinada condição inicial. Porém, na prática, um
número grande de soluções fracas pode ser determinado para uma única condição inicial. Isto
se deve ao fato de que a equação hiperbólica é um modelo imperfeito da realidade. Um modelo
mais completo deveria conter um termo que incluísse os efeitos viscosos, por menor que eles
fossem,
∂Φ ∂ ∂ 2Φ
+ f (Φ) = 2
∂t ∂x ∂x
e esta equação parabólica, para uma viscosidade > 0, deve ter uma única solução para
uma determinada condição inicial. No caso da formação de uma onda de choque, esperamos
capturar com a equação hiperbólica a solução limite correta desta equação para a viscosidade
tendendo a zero. Portanto, a fim de utilizarmos as soluções fracas, devemos impor algumas
condições adicionais de modo que o problema tenha uma única solução fraca que seja fisicamente
admissível. Uma primeira condição, baseada na vanishing viscosity, é:
Condição 1 (Vanishing Viscosity) Uma solução fraca Φ da lei de conservação Φt + fx (Φ) = 0

é uma solução admissível no sentido da vanishing viscosity se existir uma sequência de soluções
suaves Φ de
∂Φ ∂ ∂ 2 Φ
+ f (Φ ) = 2
∂t ∂x ∂x
que converge para Φ no limite quando → 0+.
Entretanto, esta condição é de difícil aplicação prática, direta, no contexto das equações hiper-
bólicas. Assim sendo, outras condições foram derivadas, que podem ser aplicadas diretamente
às soluções fracas das equações hiperbólicas, para verificarmos se elas são fisicamente admissí-
veis. Algumas destas condições de admissibilidade são conhecidas como condições de entropia.
Este nome deriva do fato de que a segunda lei da termodinâmica diz que a entropia de um sis-
tema deve ser uma função não-decrescente do tempo. Então, através de um choque fisicamente
admissível a entropia deve crescer.
Antes de passarmos para o tratamento da condição de admissibilidade, baseada na desigual-
dade de entropia, vamos ver algumas outras condições baseadas mais diretamente na estrutura
das características. Para as equações escalares, um choque deve possuir características que se
dirigem para o choque à medida que o tempo avança, conforme esquematizado na Figura 5.6.
Uma configuração com as características se afastando do choque não seria estável a uma per-
turbação e, neste caso, o choque não se manteria. Tal fato leva-nos a uma primeira versão de
uma condição de admissibilidade de entropia, conhecida como a Condição de Lax.
Condição 2 (Condição de Entropia de Lax) Para uma equação de conservação escalar

com um fluxo convexo, uma descontinuidade se propagando com velocidade s, dada pela Equa-
ção (5.18), satisfaz à condição de entropia de Lax se
f 0 (Φl ) > s > f 0 (Φr )

x
(a) Admissível
x
(b) Não-admissível
Figura 5.6: Duas ondas de choque. Uma satisfaz à condição de admissibilidade de Lax (Fi-
gura 5.6(a)) e a outra não (Figura 5.6(b)).
Desta condição vemos que a velocidade de propagação deve ser maior que a velocidade
f 0 (Φr ) e menor do que f 0 (Φl ) para uma função de fluxo convexa ou côncava, o que implica em
f 0 (Φl ) > f 0 (Φr ). Devido ao decaimento (crescimento) monotônico desta função, para o caso de
uma função convexa, f 00 (Φ) > 0, necessitamos que Φl > Φr para que a solução fraca seja um
choque admissível, caso contrario, Φl < Φr , a solução admissível será uma onda de rarefação.
Por outro lado, para uma função de fluxo côncava, f 00 (Φ) < 0, a solução admissível será um
choque caso Φl < Φr e uma onda de rarefação quando Φl > Φr . Portanto, a solução fraca do
problema da Equação (5.14) para uma condição inicial dada pelo problema de Riemann (5.16)
será:
• Para uma função de fluxo convexa (f 00 (Φ) > 0)


 uma onda de choque se Φl > Φr
Φ(x, t) =
uma onda de rarefação se Φl < Φr

• Para uma função de fluxo côncava (f 00 (Φ) < 0)


 uma onda de rarefação se Φl > Φr
Φ(x, t) =
uma onda de choque se Φl < Φr

Uma segunda condição de entropia pode ser derivada a partir de considerações de esta-
bilidade [11]. No caso escalar, seja Φ(x, t) uma solução constante por partes do problema
de Riemann (5.17), com estados à esquerda e à direita dados por Φl e Φr respectivamente.
Vamos perturbar ligeiramente os dados iniciais com a inserção de um estado intermediário
Φ∗ ∈ [Φl , Φr ]. Portanto, o choque inicial é dividido em dois choques menores, cujas velocidades
são determinadas pelas equações de Rankine-Hugoniot, vide a Figura 5.7.
Esta solução só será estável se a velocidade do salto anterior for maior ou igual à velocidade
do salto posterior [11], ou seja,
f (Φ∗ ) − f (Φl ) f (Φr ) − f (Φ∗ )

≥
Φ∗ − Φl Φr − Φ∗
que resulta numa segunda condição de entropia:
Condição 3 (Condição de Entropia de Oleinik) A função Φ(x, t) é uma solução fraca e

entrópica da lei de conservação se todas as suas descontinuidades satisfizerem à seguinte desi-
gualdade
f (Φr ) − f (Φ) f (Φ) − f (Φl )
≤s≤
Φr − Φ Φ − Φl
para Φ ∈ [Φl , Φr ].
Φl
Φ∗
Φr
Figura 5.7: Condiçao de estabilidade para admissibilidade do choque.
Desta condição de entropia podemos escrever que
f (Φr ) − f (Φl + δΦ) f (Φl + δΦ) − f (Φl )

≤
Φr − (Φl + δΦ) δΦ
para qualquer Φl + δΦ compreendido entre Φl e Φr . Agora, tomando o limite para δΦ → 0 e
considerando a condição de salto de Rankine-Hugoniot obtemos
s ≤ f 0 (Φl )
e de modo análogo obteríamos
s ≥ f 0 (Φr )
e estes resultados quando combinados fornecem a condição de entropia de Lax.

Existe uma outra forma de escrevermos a condição de entropia de Oleinik [4].
Condição 4 (Condição de Entropia de Oleinik) Uma solução fraca dada pela função Φ(x, t)
é uma solução entrópica da lei de conservação Φt + fx (Φ) = 0 com f 00 (Φ) > 0 se existir uma
constante E > 0 tal que para toda a > 0, t > 0 e x ∈ R
Φ(x + a, t) − Φ(x, t) E
<
a t
5.1.3.1 Funções de Entropia

Baseado em considerações da termodinâmica, podemos chegar a uma outra condição de
admissibilidade para que uma solução fraca satisfaça à lei de conservação. A entropia é uma
função que também deve ser conservada, ou seja, satisfaz alguma lei de conservação, sempre
que a função Φ(x, t) for suave, mas deve possuir uma fonte ou sorvedouro quando a função Φ
contiver descontinuidades. A segunda lei da termodinâmica requer que a entropia total seja
uma função não-decrescente do tempo. A fim de obtermos uma formulação matemática, vamos
introduzir a função de entropia η(Φ) e uma função fluxo de entropia χ(Φ) de modo que sempre
que a função Φ for suave a forma integral da lei de conservação é satisfeita
Z x2 Z x2 Z t2 Z t2
η(Φ(x, t2 )) dx = η(Φ(x, t1 )) dx + χ(Φ(x1 , t)) dt − χ(Φ(x2 , t)) dt (5.21)
x1 x1 t1 t1
Estas funções são escolhidas de forma a que se a função Φ for descontinua em [x1 , x2 ] × [t1 , t2 ] a
igualdade acima não é mais valida e deve ser trocada por uma desigualdade e a entropia total
será menor ou maior que a prevista pelos fluxos em x1 e x2 e, para uma função de entropia
convexa (η 00 (Φ) > 0),
Z x2 Z x2 Z t2 Z t2
η(Φ(x, t2 )) dx ≤ η(Φ(x, t1 )) dx + χ(Φ(x1 , t)) dt − χ(Φ(x2 , t)) dt (5.22)
x1 x1 t1 t1
Entretanto, para o problema físico da dinâmica dos gases teríamos ≥ nesta desigualdade, mas
≤ resulta da escolha de uma função de entropia convexa.
Caso a função de entropia seja suave, podemos obter da Equação (5.21) a forma diferencial
da lei de conservação
∂η ∂χ
+ =0
∂t ∂x
Além do mais, caso η e χ sejam funções suaves de Φ, podemos diferenciá-las e reescrever a
forma diferencial como:
∂η ∂Φ ∂χ ∂Φ ∂Φ ∂Φ
+ = η 0 (Φ) + χ0 (Φ) =0
∂Φ ∂t ∂Φ ∂x ∂t ∂x
e, conforme já vimos para uma função Φ suave, a forma quase-linear da lei de conservação é:
∂Φ ∂f ∂Φ ∂Φ ∂f ∂Φ
+ = η 0 (Φ) + η 0 (Φ) =0
∂t ∂Φ ∂x ∂t ∂Φ ∂x
que após comparação resulta em
χ0 (Φ) = η 0 (Φ)f 0 (Φ) (5.23)

e esta é a relação que deve existir entre a função de entropia e o seu fluxo. Para uma equação
escalar esta equação admite muitas soluções para η(Φ) e χ(Φ). Iremos requerer que a função
η(Φ) seja uma função convexa com η 00 (Φ) > 0 para todo Φ[4].
A fim de mostrarmos que a solução fraca fisicamente admissível deve satisfazer à Equa-
ção (5.22), vamos considerar o que é previsto pela primeira condição de admissibilidade, ou
seja, a Condição de Vanishing Viscosity. Esta condição nos diz que a solução fisicamente
correta será obtida da equação
∂Φ ∂ ∂ 2 Φ
+ f (Φ ) = 2 (5.24)
∂t ∂x ∂x
no limite quando → 0. Vamos, portanto, investigar o comportamento da função de entropia
η(Φ) quando tomamos este limite. Como a solução Φ da equação parabólica (5.24) é sempre
suave, podemos multiplicá-la por η 0 (Φ )
∂η ∂Φ ∂η ∂f ∂Φ ∂η ∂ 2 Φ
+ =
∂Φ ∂t
|∂Φ{z∂Φ} ∂x ∂Φ ∂x2
=∂χ/∂Φ
donde
∂ ∂ ∂η ∂ 2 Φ
η(Φ ) + χ(Φ ) =
∂t ∂x ∂Φ ∂x2
sendo que o lado direito do sinal de igualdade pode ser reescrito como
2
∂η ∂Φ ∂ 2η ∂Φ

∂ ∂ ∂
η(Φ ) + χ(Φ ) = − 2 (5.25)
∂t ∂x ∂x ∂Φ ∂x ∂Φ ∂x
Integrando esta equação sobre o retângulo [x1 , x2 ] × [t1 , t2]
Z x2 Z x2

η(Φ (x, t2 )) dx = η(Φ (x, t1 )) dx
x1 x1
Z t2 Z t2

− χ(Φ (x2 , t)) dt + χ(Φ (x1 , t)) dt
t1 t1
Z t2
+ [η 0 (Φ (x2 , t))Φx (x2 , t)) − η 0 (Φ (x1 , t))Φx (x1 , t))] dt
t1
Z t2 Z x2
− η 00 (Φ )(Φx )2 dxdt
t1 x1
Portanto, a variação total da entropia depende, além da variação dos fluxos, de dois termos
que envolvem o parâmetro . O primeiro destes termos desaparece no limite quando → 0,
enquanto que o segundo, por envolver a integração de (Φx )2 , não irá desaparecer caso a solução
fraca limite seja descontínua ao longo de uma curva no domínio retangular [4]. Entretanto, como
sabemos que > 0, (Φx )2 > 0 e como supomos que η 00 > 0, podemos concluir que este termo
será negativo no limite e a solução para a vanishing viscosity irá satisfazer à desigualdade (5.22).
Assim como no caso da lei de conservação, também podemos obter a forma fraca para a
condição de entropia. Para tanto, basta multiplicarmos a Equação (5.25) por uma função teste
não-negativa com suporte compacto, visto que a condição de entropia envolve uma desigual-
dade [4], de modo que uma solução fraca Φ satisfaz à forma fraca da desigualdade de entropia
se
Z ∞ Z +∞ Z +∞

[η(Φ )ϕt + χ(Φ )ϕx ] dxdt + η(Φ (x, 0))ϕ(x, 0) dx
0 −∞ −∞
Z ∞ Z +∞
≥ − η(Φ )ϕxx dxdt ≥ 0 (5.26)
0 −∞
para toda função de suporte compacto ϕ ∈ C01 (R × R) com ϕ(x, t) ≥ 0 para todo x e t.
As condições de entropia (5.22) e (5.26) podem ser escritas na forma diferencial
∂ ∂
η(Φ) + χ(Φ) ≤ 0
∂t ∂x
e deve estar subentendido que quando a função Φ é suave a igualdade prevalece nesta equação
enquanto que próximo a uma descontinuidade a desigualdade deve ser entendida como a forma
integral (5.22) ou a forma fraca (5.26). Da forma diferencial da desigualdade de entropia
podemos escrever a condição de admissibilidade:
Condição 5 (Desigualdade de Entropia) Uma solução fraca Φ(x, t) é uma solução entró-
pica da lei de conservação se
∂ ∂
η(Φ) + χ(Φ) ≤ 0
∂t ∂x
no sentido das distribuições, para cada par (η, χ), onde η é uma função de entropia convexa e
χ o fluxo de entropia correspondente.
Procedendo de forma simular à utilizada na obtenção da condição de salto de Rankine-

Hugoniot (5.18) e utilizando a desigualdade (5.22)
χ(Φr ) − χ(Φl )
s≥ (5.27)
η(Φr ) − η(Φl )
e vemos que uma descontinuidade se propagando com a velocidade s satisfaz à condição de
entropia se e somente se esta desigualdade for verificada.
5.1.4 Equação de Burgers

Um exemplo bastante conhecido de uma lei de conservação não-linear escalar é o da equação
de Burgers não-viscosa (inviscida)

∂Φ ∂ 1 2
+ Φ =0
∂t ∂x 2
de modo que
1
f (Φ) = Φ2
2
e,
f 00 = 1 > 0
e a velocidade de propagação, da onda de densidade (Φ), é dada por ∂f /∂Φ, ou seja,
s(Φ) = Φ
Na realidade, Burgers estudou a versão viscosa deste equação,
∂ 2Φ

∂Φ ∂ 1 2
+ Φ =ν 2 (5.28)
∂t ∂x 2 ∂x
que admite uma solução analítica se nós empregarmos a transformação de Cole-Hopf [4]. Muita
informação pode ser obtida sobre o comportamento das leis de conservação quase-lineares a
partir do limite da solução desta equação quando a viscosidade ν → 0.
ν ∂α
Introduzindo a mudança de variável Φ = −2 , considerando ν constante, obtemos
α ∂x
∂Φ ν ∂α ∂α ν ∂ 2α
=2 2 −2
∂t α ∂t ∂x α ∂t∂x
2
∂Φ ν ∂α ν ∂ 2α
=2 2 −2
∂x α ∂x α ∂x2
3
∂ 2Φ ν ∂α ν ∂α ∂ 2 α ν ∂ 3α
= −4 + 6 − 2
∂x2 α3 ∂x α2 ∂x ∂x2 α ∂x3
e da equação de Burgers
∂ 2Φ ∂ 2α ∂ 2α

∂Φ ∂Φ 1 ∂α ∂α ∂ ∂α
+Φ −ν 2 =− −ν 2 + −ν 2 =0
∂t ∂x ∂x α ∂x ∂t ∂x ∂x ∂t ∂x
e evidentemente se α é uma solução da equação parabólica αt − ναxx , Φ será uma solução da
equação de Burgers.
Vamos, então, resolver a equação parabólica
∂α ∂ 2α
−ν 20
∂t ∂x
para uma condição inicial dada por α(x, 0) e um meio infinito esta equação admite como
solução [2]
Z +∞
(x − ξ)2

1
α(x, t) = √ α(ξ, 0) exp − dξ
4πνt −∞ 4νt
donde,
Z +∞
(x − ξ)2

∂α −1 (x − ξ)
= √ α(ξ, 0) exp − dξ
∂x 2ν 4πνt −∞ t 4νt
Da mudança de variável podemos escrever α em função de Φ,
Z x
1
α(x, 0) = exp − Φ(ζ, 0) dζ
2ν 0
e, finalmente,
+∞
(x − ξ)2

(x − ξ)
Z
α(ξ, 0) exp − dξ
2ν ∂α −∞ t 4νt
Φ(x, t) = − = Z +∞
(x − ξ)2

α ∂x
α(ξ, 0) exp − dξ
−∞ 4νt
ou ainda,
+∞ Z ξ
(x − ξ)2

(x − ξ)
Z
1
exp − Φ(ζ, 0) dζ − dξ
2ν ∂α −∞ t 2ν 0 4νt
Φ(x, t) = − = Z +∞ Z ξ (5.29)
α ∂x (x − ξ)2

1
exp − Φ(ζ, 0) dζ − dξ
−∞ 2ν 0 4νt
Vamos empregar a solução da equação de Burgers viscosa para vermos o que acontece no
limite quando ν tende a zero [13]. Para tanto, vamos considerar que a condição inicial que
contém uma descontinuidade

 Φl se x < 0
Φ(x, 0) =
Φr se x > 0

com Φl > Φr . Como sabemos da condição de salto de Rankine-Hugoniot que a velocidade de

propagação da descontinuidade é dada por
f (Φr ) − f (Φl ) 1 Φ2r − Φ2l 1 (Φr + Φl )(Φr − Φl ) 1

s= = = = (Φr + Φl )
Φr − Φl 2 Φr − Φl 2 Φr − Φl 2
podemos acompanhar a frente de descontinuidade nos posicionando em X = x − st.

Então, da integral no numerador In da solução (5.29)
Z 0
Φl ξ (x − ξ)2

x−ξ
In = − Φl + Φl exp − − dξ
−∞ t 2ν 4νt
Z +∞
Φr ξ (x − ξ)2

x−ξ
+ − Φr + Φr exp − − dξ
0 t 2ν 4νt
que após integração [13] resulta em
0 +∞
Φl ξ (x − ξ)2 Φr ξ (x − ξ)2

In = 2ν exp − − +2ν exp − −
2ν 4νt −∞ 2ν 4νt 0
| {z } | {z }
=1−0 =0−1
0 Z +∞
Φl ξ (x − ξ)2 Φr ξ (x − ξ)2
Z
+Φl exp − − dξ +Φr exp − − dξ
−∞ 2ν 4νt 0 2ν 4νt
| {z } | {z }
=I1 =I2
Reescrevendo a primeira integral I1 como
0
[ξ − (x − Φl t)]2 −2xΦl + Φ2l t
Z
I1 = exp − + dξ
−∞ 4νt 4ν
(x−Φl t)
− √
−2xΦl + Φ2l t
Z
1 4νt
= √ exp exp(−z 2 ) dz
2 νt 4ν −∞
√
−2xΦl + Φ2l t

1 π x − Φl t
= √ exp erfc √
2 νt 4ν 2 4νt
e, de modo similar,
√
−2xΦr + Φ2r t

1 π x − Φr t
I2 = √ exp erfc − √
2 νt 4ν 2 4νt
O mesmo desenvolvimento utilizado para a obtenção de I1 e I2 pode ser aplicado para a integral
no denominador (Id ) de (5.29), donde Id = I1 + I2 .
Introduzindo as variáveis
√ √
π x − Φl t π x − Φr t
hl = erfc √ ; hr = erfc − √
2 4νt 2 4νt
e,
−2xΦl + Φ2l t −2xΦr + Φ2r t

al = ; ar =
4ν 4ν
podemos escrever (5.29), após substituição das integrais In = Φl I1 + Φr I2 e Id = I1 + I2 , na

forma

hr
Φl + Φr exp(ar − al )
Φl exp(al )hl + Φr exp(ar )hr hl
Φ(x, t) = =
exp(al )hl + exp(ar )hr hr
1+ exp(ar − al )
hl
onde,
Φ2l − Φ2r

Φl − Φr Φl − Φr
exp(ar − al ) = exp x− t = exp (x − st)
2ν 4ν 2ν
Portanto,

hr Φl − Φr
Φr 1+ exp (x − st) + Φl − Φr
hl 2ν
Φ(x, t) = (5.30)
hr Φl − Φr
1+ exp (x − st)
hl 2ν
De acordo com [13], para x − Φr t > 0 e x − Φl t < 0 (Φr t < x < Φl t) e t → ∞
hr ∼
=1
hl
de modo que a Equação (5.30) fica reduzida a
Φl − Φr
Φ(x, t) ∼
= Φr + (5.31)
Φl − Φr
1 + exp (x − st)
2ν
Na Figura 5.8 são apresentadas para dois instantes de tempo, t = 2 e t = 4, a solução Φ(x, t)
da equação viscosa de Burgers (5.28), obtidas com a Equaçao (5.31). Conforme podemos ver
destes resultados, para Φl > Φr , à medida que reduzimos o valor da viscosidade a solução tende
para uma descontinuidade que se move com velocidade s = 1, 0, de acordo com a previsão
teórica. Como a condição de admissibilidade de vanishing viscosity prevê que a solução fraca
da forma quase-linear da lei de conservação deve ser dada pelo limite quando ν → 0, verificamos
que a solução admissível é uma descontinuidade se propagando com velocidade s = 0, 5(Φl +Φr ),
de acordo com a discussão apresentada na condição de entropia de Lax.
Por outro lado, quando Φl < Φr a condição de admissibilidade de Lax prediz que a solução
entrópica será uma onda de rarefação. Neste caso, vimos que a solução deveria ser dada
por (5.20), ou seja, s(Φ̄(x/t)) = Φ̄(x/t) = x/t para s(Φl ) = Φl < x/t < s(Φr ) = Φr . Esta
solução implica no fato de que os estados à esquerda e à direita serão ligados por um seguimento
de reta cuja inclinação é 1/t. Uma vez mais, verificamos que a solução analítica (5.30) para
uma viscosidade tendendo a zero deverá fornecer este comportamento, vide a Figura 5.9.
(a) ν = 0.1
(b) ν = 0.01
(c) ν = 0.001
Figura 5.8: Comparação entre as soluções analíticas da equação de Burgers (5.27), para os
instantes de tempo t=2 (à esquerda) e 4 (à direita), fornecidas para Φl = 1, 5, Φr = 0, 5 e
diferentes valores da viscosidade ν.
(a) ν = 0.25
(b) ν = 0.05
(c) ν = 0.01
Figura 5.9: Comparação entre as soluções analíticas da equação de Burgers (5.27), para os
instantes de tempo t=3 (à esquerda) e 5 (à direita), fornecidas para Φl = 0, 5, Φr = 1, 5 e
diferentes valores da viscosidade ν.
Da equação de Burgers (5.28) para ν = 0, forma inviscida, podemos verificar qual a condição
que a solução fraca deve satisfazer para que a desigualdade de entropia (5.27) seja verificada.
Multiplicando a forma quase-linear desta equação por 2Φ obtemos
∂Φ ∂Φ
2Φ + 2Φ2 =0
∂t ∂x
que pode ser reescrita como:

∂η ∂ 2 3/2
+ η =0
∂t ∂x 3
onde η = Φ2 e a função de fluxo é χ(η) = 32 η 3/2 .
Do que foi visto na Seção 5.1.3, podemos utilizar a função convexa η = Φ2 como sendo a
função de entropia η(Φ) com a função fluxo de entropia dada por χ(Φ) = 32 η 3/2 = 23 Φ3 . Este
fluxo de entropia está de acordo com o previsto pela Equação (5.23)
2 2
χ0 (Φ) = η 0 (Φ)f 0 (Φ) = 2Φ · Φ = 2Φ2 = η 1/2χ(η) = Φ3 = η 3/2
∴
3 3
com a velocidade de propagação da descontinuidade sendo dada por s = (Φl + Φr )/2. Portanto,
da condição (5.27) temos que
1 2
(Φl + Φr )(Φ2r − Φ2l ) ≥ (Φ3r − Φ3l )
2 3
que pode ser reescrito como,
1 3
(Φl − Φ3r + 3Φl Φ2r − 3Φr Φ2l ) ≥ 0
6
ou ainda,
1
(Φl − Φr )3 ≥ 0
6
e a desigualdade será verificada caso Φl ≥ Φr , estando de acordo com a condição de entropia
de Lax, no caso da solução fraca corresponder a uma onda de choque.
5.1.5 Equação de Tráfego

Outro exemplo de uma função de fluxo convexa é encontrado na equação de tráfego
∂Φ ∂
+ [U (Φ)Φ] = 0
∂t ∂x
onde Φ representa uma densidade de tráfego (0 ≤ Φ ≤ 1), veículos por unidade de compri-
mento, e U representa a velocidade limite dos veículos. Um modelo simples considera que esta
velocidade varie linearmente com a densidade de tráfego U (Φ) = Umax (1 − Φ) de modo que
f (Φ) = Umax (1 − Φ)Φ

onde Umax é a velocidade máxima e verificamos facilmente que
f 00 = −2Umax
e para esta função de fluxo a velocidade de propagação do onda de densidade é dada por:
s(Φ) = Umax (1 − 2Φ)

Vamos tratar, em seguida, um exemplo no qual a velocidade máxima foi limitada a Umax =
1, 0 e os veículos encontram-se distribuídos inicialmente de modo que a densidade de tráfego
é representada por uma Gaussiana centrada no ponto x = 0, que representa um congestiona-
mento:
Φ(x, 0) = 0, 25 + 0, 7 exp(−0, 01x2 )

Do que já foi apreendido sabemos que podemos determinar o tempo mínimo para que ocorra
o cruzamento das curvas características através da equação
−1
Tc =
d ◦
min 0, min s(Φ(x))
dx
que para o problema considerado fornece Tc = 8, 33, conforme pode ser verificado na Figura 5.10.
A partir deste resultado, limitamos o emprego da solução analítica para um intervalo de tempo
0 ≤ t ≤ 10.
A Figura 5.11 mostra o resultado analítico fornecido pelas Equações (5.3) e (5.6) quando
aplicadas à equação de tráfego.
Com relação a estes resultados devemos destacar que, diferentemente do caso linear, o
distúrbio de densidade não se move como os veículos individualmente. Percebemos que os carros
se movem através da região de congestionamento, inicialmente desacelerando e posteriormente
acelerando. Também notamos que o perfil de densidade de tráfego muda de forma à medida
que o tempo passa, o que não seria o caso no problema linear. No final da simulação surge
uma onda de choque, através da qual a densidade aumenta e a velocidade dos veículos diminui
muito rapidamente.
Vamos considerar, agora, quais seriam as soluções da equação de tráfego para uma condição
inicial dada pelo seguinte problema de Riemann

 Φl se x < 0
Φ(x, 0) =
Φr se x > 0

Neste caso, sabemos que para este problema f 00 < 0 uma vez que Umax > 0 e, portanto, as
soluções admissíveis serão uma onda de choque caso Φl < Φr e uma onda de rarefação quando
0
-20 -18 -16 -14 -12 -10 -8 -6 -4 -2 -0
Figura 5.10: Representação gráfica das curvas características para o problema do congestiona-
mento.
Φl > Φr . Observamos que estas condições diferem das similares para a equação de Burgers
em função da equação de tráfego possuir uma função de fluxo que resulta numa velocidade de
propagação decrescente com Φ.
No primeiro caso, como Φl > Φr teremos o surgimento de uma onda de rarefação e as
soluções serão similares. As extremidades esquerda e direita deste leque de características se
propagam com velocidades dadas por s(Φl ) e s(Φr ) respectivamente, de modo que

 Φl se x/t ≤ s(Φl )
Φ(x, t) =
Φr se x/t ≥ s(Φr )

Para a região intermediária teremos que s(Φ̄(x/t)) = x/t e, então,

x
Umax [1 − 2Φ̄(x/t)] =
t
donde,

1 x
Φ̄(x/t) = 1− para s(Φl ) ≤ x/t ≤ s(Φr )
2 Umax t
Para o segundo caso, Φl < Φr , veremos o surgimento de uma onda de choque e da equação
de Rankine-Hugoniot podemos determinar a velocidade de propagação desta descontinuidade
1.0 1.0
0.9 0.9
0.8 0.8
0.7 0.7
0.6 0.6
0.5 0.5
0.4 0.4
0.3 0.3
0.2 0.2
-30 -20 -10 0 10 20 30 -30 -20 -10 0 10 20 30
(a) t = 0.0 (b) t = 2, 0
1.0 1.0
0.9 0.9
0.8 0.8
0.7 0.7
0.6 0.6
0.5 0.5
0.4 0.4
0.3 0.3
0.2 0.2
-30 -20 -10 0 10 20 30 -30 -20 -10 0 10 20 30
(c) t = 4, 0 (d) t = 6, 0
1.0 1.0
0.9 0.9
0.8 0.8
0.7 0.7
0.6 0.6
0.5 0.5
0.4 0.4
0.3 0.3
0.2 0.2
-30 -20 -10 0 10 20 30 -30 -20 -10 0 10 20 30
(e) t = 8, 0 (f) t = 10, 0
Figura 5.11: Solução analítica da equação de tráfego para uma condição inicial dada por uma
Guassiana.
f (Φr ) − f (Φl )
s =
Φr − Φl
Umax (Φr − Φ2r ) − Umax (Φr − Φ2r )
=
Φr − Φl
Umax [(Φr − Φl ) − (Φ2r − Φ2l )]
=
Φr − Φl

(Φr − Φl )(Φr + Φl )
= Umax 1 −
Φr − Φl
= Umax [1 − (Φr + Φl )]
e a solução será igual a Φl para x ≤ st e Φr para x ≥ st.

CAPÍTULO 6
MÉTODOS DE ALTA-RESOLUÇÃO:
PROBLEMAS NÃO-LINEARES
Dando continuidade ao estudo do método dos volumes finitos, veremos neste capítulo como
aplicá-lo no caso das leis de conservação não-lineares. Atenção particular será dada na aproxi-
mação eficiente dos problemas de Riemann.
As não-linearidades introduzem dificuldades adicionais em se tratando das questões ligadas
à estabilidade e à convergência do método numérico, principalmente quando consideramos
problemas contendo descontinuidades. Além do mais, conforme já vimos, devemos também
garantir que a solução numérica convirja para a solução fraca correta, visto que ela pode não
ser única. Para tanto, teremos que introduzir as condições de entropia adequadas.
6.1 Leis de Conservação Escalares

No caso das equações escalares e para o problema unidimensional é muito importante que
o método numérico seja escrito na sua forma conservativa
∆t
Qn+1 = Qni − n n

i Fi+1/2 − Fi−1/2
∆x
uma vez que ela é derivada diretamente da forma integral das leis de conservação, que representa
a forma correta quando queremos obter soluções que contenham descontinuidades. Devemos
ressaltar que, embora possível, os métodos numéricos baseados na forma quase-linear podem
falhar completamente na obtenção da solução fraca na presença de ondas de choque.
6.1.1 O Método de Godunov

Neste método sabemos que o fluxo Fi−1/2 é determinado a partir da resolução do Problema
de Riemann entre os estados Qni−1 e Qni
127
(a) Choque à esquerda (b) Rarefação à esquerda (c) Rarefação transônica
(d) Rarefação à direita (e) Choque à direita
Figura 6.1: As cinco configurações possíveis para o problema de Riemann entre os estados Qi−1
e Qi no plano x−t: (a) Choque à esquerda; (b) Rarefação à esquerda; (c) Rarefação transônica;
(d) Rarefação à direita; (e) Choque à direita.

Fi−1/2 = f Q↓i−1/2
Este valor corresponde ao valor obtido ao longo do raio x ≡ xi−1/2 na resolução do problema de
Riemann, sendo este valor constante para t > tn visto que esta é uma solução de similaridade.
No desenvolvimento que segue vamos considerar que o fluxo f (Φ) seja convexo (ou côncavo),
isto é, f 00 (Φ) não troca de sinal na região de interesse considerada. Neste caso, em linha com
o que já foi visto no capítulo anterior, a solução do problema de Riemann será dada por uma
rarefação ou por um choque.
Em se tratando de uma lei de conservação escalar unidimensional e de um fluxo convexo
existem cinco possibilidades para a solução deste problema, conforme ilustrado na Figura 6.1.
As cinco possibilidades são: choque à esquerda com Q↓i−1/2 = Qi , Figura 6.1(a); rarefação à
esquerda com Q↓i−1/2 = Qi , Figura 6.1(b); rarefação transônica com Q↓i−1/2 = Φs , Figura 6.1(c);
rarefação à direita com Q↓i−1/2 = Qi−1 , Figura 6.1(d); e choque à direita com Q↓i−1/2 = Qi−1 ,
Figura 6.1(e).
Portanto, existe somente um caso no qual o valor de Q↓i−1/2 é diferente de Qi−1 ou Qi ,
quando a solução consiste de uma rarefação que se espalha parcialmente para a esquerda e para
a direita, ilustrada na Figura 6.1(c). Por exemplo, caso f 00 (Φ) seja sempre maior do que zero,
temos que f 0 (Φ) será uma função crescente de Φ e uma rarefação aparecerá quando Qi−1 < Qi .
Capítulo 6. Métodos de Alta-Resolução: Problemas Não-Lineares 129
Neste caso, a situação apresentada na Figura 6.1 ocorrerá somente se
Qi−1 < Φs < Qi

onde Φs é o único valor de Φ para o qual f 0 (Φs ) = 0. A este ponto chamamos de ponto
de estagnação, uma vez que o valor de Φs se propaga com velocidade nula e, algumas vezes,
também é chamado de ponto sônico visto que na dinâmica dos gases os autovalores u ± c só
podem assumir um valor nulo quando a velocidade do fluido |u| é igual à velocidade do som.
Esta rarefação é chamada de uma rarefação transônica uma vez que na dinâmica dos gases o
fluido irá acelerar de uma velocidade subsônica para uma supersônica através desta rarefação.
Nesta rarefação o valor ao longo de x/t = xi−1/2 é simplesmente Φs .
Assim sendo, vemos que para o caso no qual f 00 (Φ) > 0 o fluxo do método de Godunov,
para uma lei de conservação convexa, é dado por


 f (Qni−1 ) se Qi−1 > Φs e s > 0



n
Fi−1/2 = f (Qni ) se Qi > Φs e s < 0 (6.1)




f (Φs ) se Qi−1 < Φs < Qi

onde s representa a velocidade de propagação do choque que deve verificar a condição de salto
de Rankine-Hugoniot
f (Qi ) − f (Qi−1 )
s=
Qi − Qi−1
De modo análogo podemos obter os valores do fluxo em xi+1/2


 f (Qni ) se Qi > Φs e s > 0



n
Fi+1/2 = f (Qni+1 ) se Qi+1 > Φs e s < 0 (6.2)




f (Φs ) se Qi < Φs < Qi+1

Um caso particular pode ser obtido quando f 0 (Φ) > 0 para ambos Qi−1 e Qi , de modo que
n
Fi−1/2 = f (Qni−1 ) e o método de Godunov corresponde ao método de upwind de primeira ordem
para uma velocidade de propagação positiva
∆t
Qn+1 = Qni − f (Qni ) − f (Qni−1 )

i
∆x
e, naturalmente, também obtemos o método upwind de primeira ordem para f 0 (Φ) < 0 para
ambos os valores de Q. Somente no caso no qual f 0 (Φ) troca de sinal teremos o caso mais
complicado, uma vez que a direção upwind torna-se ambígua e a informação deve vir de ambas
as direções.
As fórmulas (6.1) e (6.2) podem se reescritas numa forma mais concisa

 min f (Φ) se Qi−1 ≤ Qi

 Qi−1 ≤Φ≤Qi
n
Fi−1/2 = (6.3)
max f (Φ) se Qi ≤ Qi−1



Qi ≤Φ≤Qi−1
e,

 min f (Φ) se Qi ≤ Qi+1

 Qi ≤Φ≤Qi+1
n
Fi+1/2 = (6.4)
max f (Φ) se Qi+1 ≤ Qi



Qi+1 ≤Φ≤Qi
uma vez que Φs é o mínimo ou máximo global da função convexa f . Estas fórmulas também
são válidas para f 00 (Φ) < 0 e mesmo para fluxos não-convexos, para os quais poderão existir
vários pontos de estagnação para cada mínimo ou máximo da função f .
Ainda existe um caso que não foi tratado até o presente momento, que é o choque estacioná-
rio com s = 0. Neste caso os valores de Q↓i−1/2 são ambíguos uma vez que a solução do problema
de Riemann é descontínua em x = xi−1/2 . Entretanto, da condição de Rankine-Hugoniot obte-
mos para s = 0 que f (Qi−1 ) = f (Qi ) e as representações dos fluxos ainda poderão ser definidas
pelas fórmulas apresentadas anteriormente.
6.1.2 Flutuações, Ondas e Velocidades

O método de Godunov pode ser implementado na sua forma padrão
∆t
Qn+1 = Qni − A+ ∆Qi−1/2 + A− ∆Qi+1/2

i
∆x
a partir da introdução das flutuações definidas por
A+ ∆Qi−1/2 = f (Qi ) − f (Q↓i−1/2 )

(6.5)
−
A ∆Qi−1/2 = f (Q↓i−1/2 ) − f (Qi−1 )
e,
A+ ∆Qi+1/2 = f (Qi+1 ) − f (Q↓i+1/2 )

(6.6)
−
A ∆Qi+1/2 = f (Q↓i+1/2 ) − f (Qi )
A fim de que possamos introduzir os termos de correção de mais alta-ordem, precisamos
também determinar as ondas Wi−1/2 e Wi+1/2 , bem como as velocidades si−1/2 e si+1/2 resul-
tantes do problema de Riemann. Em função do que já foi aprendido, a nossa escolha recai
sobre
Wi−1/2 = Qi − Qi−1 (6.7)
Wi+1/2 = Qi+1 − Qi (6.8)
para as ondas e,

 [f (Qi ) − f (Qi−1 )]/(Qi − Qi−1 ) se Qi−1 6= Qi
si−1/2 = (6.9)
f 0 (Qi ) se Qi−1 = Qi


 [f (Qi+1 ) − f (Qi )]/(Qi+1 − Qi ) se Qi 6= Qi+1
si+1/2 = (6.10)
f 0 (Qi+1 ) se Qi = Qi+1

para as velocidades de propagação das ondas, embora quando Qi−1 = Qi e Qi = Qi+1 os va-
lores das velocidades de propagação sejam imateriais. Portanto, as velocidades são escolhidas
a partir da condição de Rankine-Hugoniot, que claramente é o que devemos fazer caso a so-
lução do problema de Riemann seja uma onda de choque. Caso a solução seja uma onda de
rarefação, a onda não representa simplesmente uma descontinuidade se propagando com uma
única velocidade. Entretanto, ainda assim podemos considerar que esta seja uma definição
adequada para a onda e a sua velocidade quando da sua utilização nos termos de correção de
mais alta-ordem, que irão resultar numa correção de segunda ordem em se tratando de uma
solução suave. Quando estivermos considerando a aproximação de uma solução suave, devemos
esperar que Wi−1/2 = O(∆x) o que resultará num espalhamento muito pequeno da onda de
rarefação em qualquer caso. Além do mais, uma onda consistindo-se desta descontinuidade
propagando-se com uma velocidade si−1/2 deve definir uma solução fraca do problema de Ri-
emann, embora ela seja uma expansão de um choque que não deve satisfazer à condição de
entropia. Contudo, a menos que ela seja uma onda de rarefação transônica, o mesmo resul-
tado será obtido pelo método de Godunov se usarmos uma rarefação verificando a condição
de entropia ou uma expansão de um choque como solução do problema de Riemann. Quando
uma onda está contida inteiramente no interior de uma célula, a média na célula é determinada
unicamente pela conservação e não depende da estrutura particular da solução fraca escolhida.
Então, podemos computar as flutuações utilizando
A+ ∆Qi−1/2 = s+
i−1/2 Wi−1/2
(6.11)
−
A ∆Qi−1/2 = s−
i−1/2 Wi−1/2
e,
A+ ∆Qi+1/2 = s+
i+1/2 Wi+1/2
(6.12)
−
A ∆Qi+1/2 = s−
i+1/2 Wi+1/2
no lugar das Eqs. (6.5) e (6.6) desde que Q↓i−1/2 seja igual a Qi−1 ou Qi e Q↓i+1/2 igual a Qi ou
Qi+1 . Somente no caso de uma rarefação transônica será necessário empregar as fórmulas (6.5)–
(6.6) com Q↓i−1/2 e Q↓i+1/2 iguais a Φs .
6.1.3 Rarefação Transônica e Correção de Entropia

A utilização das Eqs. (6.11) e (6.12), mesmo para as ondas transônicas, resultará na apli-
cação do método de Godunov usando a solução exata do problema de Riemann e as condições
de Rankine-Hugoniot serão sempre verificadas pelas condições de salto e as velocidades deter-
minadas pelas Eqs. (6.7)–(6.10). Entretanto, esta abordagem pode levar a uma solução que
poderá não verificar a condição de entropia. Por este motivo, a correção que será introduzida na
determinação de A± ∆Qi−1/2 e A± ∆Qi+1/2 é frequentemente chamada de correção de entropia.
Quando usamos a correção de entropia, primeiramente calculamos as ondas e as velocidades
e determinamos as flutuações através das Eqs. (6.11) e (6.12). Posteriormente, somente no caso
da rarefação transônica, a correção de entropia é aplicada a fim de alterarmos as flutuações.
Portanto, caso f 0 (Qi−1 ) < 0 < f 0 (Qi ) ou f 0 (Qi ) < 0 < f 0 (Qi+1 ), as flutuações são substituídas
por
A+ ∆Qi−1/2 = f (Qi ) − f (Φs )

(6.13)
−
A ∆Qi−1/2 = f (Φs ) − f (Qi−1 )
e,
A+ ∆Qi+1/2 = f (Qi+1 ) − f (Φs )

(6.14)
−
A ∆Qi+1/2 = f (Φs ) − f (Qi )
Esta abordagem também pode ser estendida naturalmente ao caso dos sistemas de equações.
Num primeiro momento, este tratamento pode ser considerado como sendo complicado para
a especificação do verdadeiro fluxo, que é bem simples de ser determinado diretamente em se
tratando de uma equação escalar. Entretanto, no caso de sistemas de equações não-lineares é
muito caro determinarmos exatamente a estrutura das ondas de rarefação e esta abordagem é,
geralmente, necessária.
A fim de mostrarmos a importância da correção de entropia na determinação numérica da

solução de uma lei de conservação não-linear, vamos considerar o caso da solução da equação de
Burgers no instante t = 1, 0, empregando o método de Godunov e considerando que Φl = −1
e Φr = 2. Neste caso, sabemos que a solução deve ser uma rarefação ligando os estados à
esquerda e à direita e que o ponto sônico encontra-se em Φs = 0. Na Figura 6.2 vemos os
resultados numéricos obtidos com o software CLAWPACK [8] e a solução analítica verificando
a condição de entropia e contendo uma onda de rarefação transônica (linha contínua).
Podemos verificar que a solução aproximada obtida sem a correção de entropia, Figura 6.2(a),
converge para uma solução fraca que viola a condição de entropia e que pode ser representada
por:


 −1 se x < 0




 +1 se 0 < x ≤ t


Φ(x, t) =
x/t se t ≤ x ≤ 2t








+2 se x ≥ 2t

que representa uma combinação de um choque em x = 0 e de uma rarefação. Entretanto,

ela não satisfaz à solução física prevista pela equação de Burgers viscosa quando fazemos a
viscosidade tender a zero!
Quando a correção de entropia é usada, o método de Godunov fornece uma solução que se
aproxima bastante da solução teórica, Figura 6.2(b), embora possamos perceber a existência
de uma pequena expansão de um choque, próxima do ponto x=0. Entretanto, a ordem de
magnitude deste choque é O(∆x) e ele deve desaparecer à medida que refinamos a malha
computacional. Esta característica, algumas vezes chamada de falha de entropia, é devida ao
fato de que o método de Godunov não apresenta uma quantidade suficiente de viscosidade
numérica quando a velocidade da onda é muito próxima de zero [4].
6.1.4 Viscosidade Numérica

Vamos dar, agora, uma explicação para o aparecimento da solução fraca apresentada na
Figura 6.2(a), que contém uma parte da onda de rarefação correta mais um choque estacionário
em x = 0. Para tanto, vamos relembrar o método de Roe e reescrevermos, a partir das
Eqs. (6.11) e (6.12), os fluxos nas faces dos volumes finitos como
1 1
Fi−1/2 = [f (Qi−1 ) + f (Qi )] − |si−1/2 | (Qi − Qi−1 )
2 2
1 1
Fi+1/2 = [f (Qi ) + f (Qi+1 )] − |si+1/2 | (Qi+1 − Qi )
2 2
(a) Solução sem a correção de entropia
(b) Solução com a correção de entropia
Figura 6.2: Solução da equação de Burgers e a correção de entropia [8]: na Figura 6.2(a) a
solução numérica da equação de Burgers é obtida com o método de Godunov sem a correção
de entropia. Por outro lado, na Figura 6.2(b) o mesmo resultado é obtido com a correção de
entropia.
que podem ser interpretados como sendo os fluxos médios mais a adição de fluxos viscosos
(difusivos), sendo que a magnitude dos mesmos depende do número de Courant, si±1/2 ∆t/∆x.
Portanto, estes termos viscosos tendem a atuar da mesma forma que a viscosidade física (ν) na
equação de Burgers, consequentemente levando ao aparecimento de uma onda de rarefação que
representa a solução entrópica quando esta viscosidade tende a zero. Acontece que a velocidade
de propagação do choque dada pela condição de Rankine-Hugoniot, para a equação de Burgers,
resulta em
1
si−1/2 =(Qi−1 + Qi )
2
que para Qi−1 = −Qi resulta em uma velocidade do choque nula, um choque estacionário, e
no desaparecimento da viscosidade numérica. No exemplo considerado isto acontece em x = 0,
quando verificamos que a solução à esquerda vale −1 e à direita +1. Este comportamento não
é verificado no caso da equação de Burgers viscosa
∂ 2Φ

∂Φ ∂ 1 2
+ Φ =ν 2
∂t ∂x 2 ∂x
uma vez que a solução é obtida para um valor da viscosidade ν tendendo a zero, mas mantendo
fixo o seu valor por menor que ele seja.
6.1.5 O Método de Lax-Friedrichs

Em função da importância dos termos viscosos na obtenção da solução correta do problema
não-linear, vamos recordar e aperfeiçoar o método de Lax-Fridriechs introduzido anteriormente.
Na forma original deste método os fluxos são calculados por
1 1 ∆x
Fi−1/2 = [f (Qi−1 ) + f (Qi )] − (Qi − Qi−1 )
2 2 ∆t
1 1 ∆x
Fi+1/2 = [f (Qi ) + f (Qi+1 )] − (Qi+1 − Qi )
2 2 ∆t
e notamos que neste caso o termo de viscosidade numérica não desaparecerá no ponto sônico.
Portanto, a solução numérica deste método sempre irá convergir para a solução entrópica à
medida que a malha for refinada [4].
Uma versão melhorada deste método pode ser obtida pela substituição de ∆x/∆t por um
valor ai±1/2 localmente determinado
1 1
Fi−1/2 = [f (Qi−1 ) + f (Qi )] − ai−1/2 (Qi − Qi−1 )
2 2
1 1
Fi+1/2 = [f (Qi ) + f (Qi+1 )] − ai+1/2 (Qi+1 − Qi )
2 2
sendo que para todo Φ no intervalo entre Qi−1 e Qi tomamos
ai−1/2 = max (|f 0 (Φ)|)

e de modo semelhante para o cálculo de ai+1/2 no intervalo [Qi , Qi+1 ].
Para uma lei de conservação cuja função de fluxo seja convexa, estas escolhas ficam reduzidas
a
ai−1/2 = max (|f 0 (Qi−1 )| , |f 0 (Qi )|)

e,
ai+1/2 = max (|f 0 (Qi )| , |f 0 (Qi+1 )|)

O método resultante desta alteração é conhecido como o método de Rusanov ou método de
Lax-Friedrichs local, uma vez que o coeficiente de viscosidade é escolhido localmente para cada
problema de Riemann. A viscosidade numérica introduzida no método de Lax-Friedrichs local
é suficiente para que a solução numérica convirja para a solução fraca entrópica da equação
de Burgers, ou seja, que ela coincida com a solução obtida fazendo-se a viscosidade tendendo
a zero na equação de Burgers viscosa [4]. Portanto, se os métodos de Lax-Friedrichs e de
Lax-Friedrichs local forem utilizados na resolução do mesmo problema de Riemann enunciado
em 6.1.3, vamos obter as soluções apresentadas nas Figs. 6.3(a) e 6.3(b), respectivamente.
Da Figura 6.3 podemos notar que o método de Lax-Friedrichs é mais dissipativo que o
método de Godunov e que os resultados também apresentam um padrão curioso do tipo degrau
de escada. Isto resulta do fato de que neste método a solução Qn+1 i é determinada a partir
somente dos valores conhecidos em Qni−1 e Qni+1 , de modo que existe um desacoplamento entre
os nós pares e ímpares da malha. Então, os valores constantes por parte iniciais evoluem
exatamente da mesma maneira para os nós pares e ímpares e eles aparecem duplicados na
solução numérica [4]. Este problema não existe no método de Lax-Friedrichs local, conforme
podemos atestar mediante uma inspeção desta mesma figura.
Como para estes métodos numéricos sabemos que a estabilidade implica na verificação da
condição de CFL
|f 0 (Φ)| ∆t ∆x
≤ 1 ⇒ |f 0 (Φ)| ≤
∆x ∆t
o que implica no fato de que no método padrão de Lax-Friedrichs é introduzida uma quantidade
uniforme de viscosidade numérica que é suficiente para obtermos a solução correta e verificar-
mos a condição de estabilidade, mas que torna a solução numérica muito dissipativa quando
comparada à versão modificada deste método.
(a) Método de Lax-Friedrichs
(b) Método de Lax-Friedrichs local
Figura 6.3: Solução da equação de Burgers com uma onda de rarefação transônica [8]: na
Figura 6.3(a) a solução numérica da equação de Burgers é obtida com o método de Lax-
Friedrichs e na Figura 6.3(b) com o método de Lax-Friedrichs local.
Um outro método, conhecido como o método de Murman, pode ser obtido caso empreguemos
as seguintes relações

f (Qi ) − f (Qi−1 )
ai−1/2 =
Qi − Qi−1
e,

f (Qi+1 ) − f (Qi )
ai+1/2 =
Qi+1 − Qi
que também pode falhar na presença da expansão de um choque estacionário, visto que os valo-
res de ai±1/2 podem ser nulos. Na realidade, este método corresponde ao método de Godunov,
baseado nas Equações. (6.11) e (6.12), escrito numa forma alternativa.
Todos estes métodos podem ser implementados facilmente se considerarmos a forma geral
∆t
Qn+1 = Qni − A+ ∆Qi−1/2 + A− ∆Qi+1/2

i
∆x
juntamente com as expressões
1
A+ ∆Qi−1/2 =

f (Qi ) − f (Qi−1 ) − ai−1/2 (Qi − Qi−1 )
2
1
A− ∆Qi−1/2 =

f (Qi ) − f (Qi−1 ) + ai−1/2 (Qi − Qi−1 )
2
e,
1
A+ ∆Qi+1/2 =

f (Qi+1 ) − f (Qi ) − ai+1/2 (Qi+1 − Qi )
2
1
A− ∆Qi+1/2 =

f (Qi+1 ) − f (Qi ) + ai+1/2 (Qi+1 − Qi )
2
6.1.6 Métodos TVD de Alta-Resolução

Os métodos apresentados anteriormente podem ser substancialmente melhorados caso uti-
lizemos as correções de alta-resolução apresentadas no Capítulo 4. Naquele capítulo vimos que
a forma geral destes métodos era dada por
∆t −
∆t
Qn+1
i = Qni− +
A ∆Qi−1/2 + A ∆Qi+1/2 − F̃i+1/2 − F̃i−1/2
∆x ∆x
sendo que nesta expressão os fluxos nas faces dos volumes finitos são calculados como

1 ∆t
F̃i−1/2 = si−1/2 1 −
si−1/2 W
fi−1/2
2 ∆x
e,

1 ∆t
F̃i+1/2 = si+1/2 1 −
si+1/2 W
fi+1/2
2 ∆x
onde são introduzidos os limitadores de ondas ψ(θ) apresentados no Capítulo 4
W
fi−1/2 = ψ(θi−1/2 )Wi−1/2
W
fi+1/2 = ψ(θi+1/2 )Wi+1/2
Entretanto, diferentemente do caso linear, onde θi−1/2 podia ser determinado diretamente a
partir da relação entre αI−1/2 e αi−1/2 , no caso não-linear os vetores W I−1/2 e W i−1/2 não são
mais um múltiplo escalar do mesmo vetor rp , visto que os autovetores podem variar em função
da posição. Felizmente, é possível introduzirmos uma definição [4] que reproduz o resultado do
caso linear a partir da projeção do vetor W I−1/2 na direção do vetor W i−1/2 a fim de obtermos
o vetor θi−1/2 W i−1/2 ,
θi−1/2 W i−1/2 = W I−1/2

ou ainda, tomando o produto interno destes vetores pelo vetor W i−1/2
W I−1/2 · W i−1/2
θi−1/2 =
W i−1/2 · W i−1/2
onde

 i − 1 se si−1/2 > 0
I=
i + 1 se si−1/2 < 0

e, seguindo o mesmo desenvolvimento,

W I+1/2 · W i+1/2
θi+1/2 =
W i+1/2 · W i+1/2
onde

 i − 1 se si+1/2 > 0
I=
i + 1 se si+1/2 < 0

Esta maneira de calcular o coeficiente θ produz bons resultados na maioria dos casos, mesmo
para problemas não-lineares. Não obstante, para alguns problemas envolvendo uma variação
muito rápida dos autovetores, outras alternativas devem ser consideradas [4].
Por outro lado, em se tratando das velocidades de propagação das ondas temos que

 [f (Qi ) − f (Qi−1 )]/(Qi − Qi−1 ) se Qi−1 6= Qi
si−1/2 =
f 0 (Qi ) se Qi−1 = Qi

e,

 [f (Qi+1 ) − f (Qi )]/(Qi+1 − Qi ) se Qi 6= Qi+1
si+1/2 =
f 0 (Qi+1 ) se Qi = Qi+1

Uma questão importante que deve ser levantada diz respeito à ordem de acurácia deste
método contendo uma correção de alta-resolução. Este método não pode ser considerado como
sendo de segunda-ordem quando aplicado a uma solução suave, mesmo quando as funções
limitadoras não são utilizadas. Neste caso, empregando a técnica da Equação Modificada para
os métodos de alta-resolução, sem as funções limitadoras, podemos mostrar que resolvemos de
fato uma equação diferencial parcial do tipo
∂Φ ∂Φ 1 ∂Φ
+ u(x) = − [∆x − u(x)∆t]u0 (x)
∂t ∂x 2 ∂x
desconsiderando os termos de mais alta-ordem. Este resultado foi obtido para a equação de
advecção com uma velocidade de propagação que depende da posição espacial. Assim sendo,
vemos que este método só terá uma acurácia de segunda-ordem caso u0 (x) = 0. Contudo, existe
uma diferença importante entre este erro e o apresentado pelo método upwind de primeira ordem
∂ 2Φ
u(x)∆x + O(∆x2 )
∂x2
que leva à introdução de uma difusão numérica apreciável, enquanto que o método de mais alta-
resolução somente introduz um pequeno erro na velocidade de propagação devido à natureza
do seu erro de truncamento, associado a uma derivada ímpar.
Apesar de não termos a intenção de provarmos este resultado, no livro de Randall Leveque [4]
é mencionado o fato de que podemos mostrar, para as leis de conservação escalares, que este
método de alta-resolução é TVD contando que um dos limitadores de fluxo introduzidos no
Capítulo 4 seja empregado. Uma consequência importante deste resultado permite que seja
provada a estabilidade deste método e que o mesmo pode ser empregado mesmo no caso de
problemas não-lineares contendo choques. No trabalho de Morton [14], 2001, podemos encontrar
métodos de alta-resolução similares que empregam uma reconstrução quadrática constante por
partes, assim como métodos desenvolvidos para malhas não-uniformes.
Como uma aplicação pratica do método de alta-resolução vamos resolver novamente o pro-
blema introduzido na Subseção 6.1.3. As soluções numéricas são obtidas, agora, mediante o
uso de funções limitadoras do tipo MC e superbee. Os resultados podem ser vistos nas Figu-
ras 6.4 e 6.5 respectivamente, sendo que mostramos os valores obtidos sem e com a correção de
entropia.
solução numérica da equação de Burgers é obtida com o método de Godunov com correção de
Alta-Resolução (limitador MC) sem a correção de entropia. Por outro lado, na Figura 6.4(b) o
mesmo resultado é obtido com a correção de entropia.
solução numérica da equação de Burgers é obtida com o método de Godunov com correção de
Alta-Resolução (limitador Superbee) sem a correção de entropia. Na Figura 6.5(b) o mesmo
resultado é obtido com a correção de entropia.
Observamos que, a menos de uma pequena variação em x = 0, os dois limitadores foram

capazes de fornecer soluções que reproduzem satisfatoriamente a solução teórica deste problema,
e que as mesmas são superiores às determinadas pelos métodos numéricos introduzidos nas
subseções anteriores.
6.1.7 A Importância da Forma Conservativa

Quando da introdução do método dos volumes finitos empregamos a forma integral da lei
de conservação, de modo que o método numérico resultante fosse conservativo. Além do mais,
quando consideramos soluções que podem ser descontínuas, sabemos que a forma correta de
tratarmos estes problemas é a forma integral das leis de conservação e não a forma diferencial.
Aliás, esta formulação é a base para o desenvolvimento matemático teórico das soluções fracas,
incluindo a derivação das condições de Rankine-Hugoniot que governam a forma e a velocidade
das ondas de choque. Então, parece-nos razoável supor que um método numérico baseado na
forma integral conservativa tenha mais chances de ser bem sucedido do que um método baseado
na equação diferencial. Em alguns casos verenos, na realidade, que a formulação conservativa
é essencial para que possamos calcular a solução fraca da lei de conservação. No intuito de
mostrarmos esta diferença, na prática, vamos resolver a equação de Burguers inviscita

∂Φ ∂ 1 2
+ Φ =0
∂t ∂x 2
Considerando que a função Φ seja positiva em todo o domínio, o método conservativo de
Godunov (upwind) assume a forma

n+1 n ∆t 1 n 2 1 n
2
Qi = Qi − (Q ) − Qi−1 (6.15)
∆x 2 i 2
Entretanto, partindo da forma quase-linear da equação de Burgers
∂Φ ∂Φ
+Φ =0
∂t ∂x
podemos derivar uma forma não-conservativa para o método upwind
∆t n n
Qn+1 = Qni − Qi Qi − Qni−1

i (6.16)
∆x
Quando a solução for suave, ambos os métodos serão de primeira ordem e apresentarão soluções
numéricas comparáveis. Entretanto, quando a solução contiver uma onda de choque, veremos
que o método não-conservativo não convergirá para a solução fraca correta.
Para mostrarmos a diferença dos resultados fornecidos por estes dois métodos, vamos con-
siderar a resolução da equação de Burgers para uma condição inicial dada por um problema
de Riemann do tipo: Φl = 2 e Φl = 1. Da teoria sabemos que para este problema de Rie-
mann a solução correta é representada por uma onda de choque que se propaga com velocidade
s = (Φl + Φr )/2, ou seja, s = 1, 5. Os resultados numéricos foram obtidos com a biblioteca
CLAWPACK [8] e podem ser vistos na Figura 6.6, juntamente com a solução teórica repre-
sentada pela linha contínua. Conforme podemos observar, a solução proveniente do método
conservativo apresenta uma pequena difusão numérica mas a onda de choque se propaga com
a velocidade correta prevista pela condição de Rankine-Hugoniot. Diferentemente, a solução
oriunda do método não-conservativo além de possuir uma pequena difusão numérica converge
para uma solução fraca que não se propaga com a velocidade prevista pela teoria.
Este resultado não é surpreendente se lembrarmos que é possível derivarmos uma variedade
de leis de conservação que são equivalentes para soluções suaves mas que tenham diferentes
soluções fracas. Portanto, quando usamos um método não-conservativo baseado na forma
quase-linear da lei de conservação, não devemos esperar que obtenhamos a solução correta a
menos que a solução seja suave.
Podemos esclarecer melhor este comportamento se o método não-conservativo (6.15) for
reescrito na forma equivalente
Qi − Qni−1 2
n
n+1 n ∆t 1 n 2 1 n
2 1
Qi = Qi − (Q ) − Qi−1 − ∆t∆x
∆x 2 i 2 2 ∆x
Com exceção do último termo esta equação é idêntica à Equação (6.16) que representa o método
conservativo. Este termo corresponde a uma aproximação de
Z 2
1 ∂Φ
∆x dt
2 ∂x
Para soluções suaves, com esta derivada limitada, este termo deve desaparecer à medida que o
incremento ∆x tender a zero. Contudo, para uma onda de choque ele não deve desaparecer.
Assim como na derivação da forma fraca da desigualdade de entropia, este termo pode fornecer
uma contribuição finita neste limite, acarretando numa velocidade de propagação do choque
incorreta.
Devido ao fato do método dos volumes finitos ter sido desenvolvido a partir da forma
integral das leis de conservação, podemos esperar que este método seja adequado para que
possamos obter soluções fracas descontínuas das leis de conservação. Este fato é verdadeiro e
foi demonstrado por Lax e Wendroff [4], sob certas condições, através de um teorema que leva o
nome deles. Entretanto, este teorema não garante a convergência do método numérico. Apesar
deste fato, este resultado ainda é muito importante uma vez que ele diz que podemos confiar
na solução aproximada que estamos calculando. Este teorema, cuja enunciado é dado a seguir,
é válido tanto para equações escalares quanto para sistemas de leis de conservação.
(a) Método de Godunov conservativo
(b) Método não-conservativo
Figura 6.6: Solução da equação de Burgers via o método conservativo de Godunov e um método
não-conservativo [8] para o instante de tempo t = 2: na Figura 6.6(a) a solução numérica da
equação de Burgers é obtida com o método de Godunov. Na Figura 6.6(b) o mesmo resultado
é obtido com o método não-conservativo.
Teorema 6 (Lax-Wendroff ) Considere uma sequência de malhas indexadas por j = 1, 2, . . .,

com os incrementos ∆t(j) , ∆x(j) → 0 à medida que j → ∞. Denote Q(j) (x, t) como sendo a
aproximação numérica computada com um método consistente e conservativo na j-ésima malha.
Suponha que Q(j) converge para uma função Φ à medida que j → ∞ de modo que:
1. Sobre cada conjunto fechado Ω = [a, b] × [0, T ] no espaço x − t,

Z T Z b (j)
Q (x, t) − Φ(x, t) dxdt → 0 quando j → ∞
0 a
Como esta é a norma-1 sobre Ω podemos simplesmente escrever
kQ(j) − Φk1,Ω → 0 quando j → ∞
2. Também assumimos que para cada T existe um R > 0 tal que
T V Q(j) (·, t) < R para todo 0 ≤ t ≤ T , j = 1, 2, . . .

onde TV denota a variação total. Então Φ(x, t) é a solução fraca da lei de conservação.
Uma demonstração deste teorema pode ser encontrada no Capítulo 12 do livro de Randall
J. Leveque [4]. A demonstração tem como ponto de partida a forma fraca da lei de conservação
Z +∞ Z +∞ Z +∞
∂ϕ ∂ϕ
Φ + f (Φ) dxdt = − Φ(, 0)ϕ(x, 0) dx (6.17)
0 −∞ ∂t ∂x −∞
onde ϕ é uma função teste de classe C01 . Na j-ésima malha, vamos definir a versão discreta
(j)n (j) (j) (j) (j)
de φ(j) por φi = ϕ(xi , tn ) sendo que (xi , tn ) representa um ponto nesta malha. Analo-
(j)n
gamente, Qi denota a aproximação numérica nesta malha. No restante do desenvolvimento
vamos eliminar o sobrescrito (j) a fim de não carregarmos a notação. Entretanto, devemos
lembrar que j estará implicitamente presente já que queremos determinar o limite quando
j → ∞.
Multiplicando, agora, a forma geral do método dos volumes finitos por φ obtemos
∆t n n
φni Qn+1 = φni Qni − n

i φi Fi+1/2 − Fi−1/2
∆x
que é válida para todos os valores de i e n em cada malha j. Em seguida, vamos somar todos
estes termos sobre todos os i e para n ≥ 0 de modo que obtemos
+∞
+∞ X +∞ +∞
X ∆t X X n n
φni Qn+1 Qni n

i − =− φi Fi+1/2 − Fi−1/2 (6.18)
n=0 i=−∞
∆x n=0 i=−∞
No próximo passo vamos usar a soma por partes, que equivale apenas a uma recombinação
dos termos de cada somatório, como por exemplo:
m
X m−1
X
ai (bi − bi−1 ) = am bm − a1 b0 − (ai+1 − ai )bi
i=1 i=1
e podemos verificar que a soma original envolvia apenas diferenças em termos dos b, enquanto
que o resultado final envolve somente diferenças em termos dos a. Isto é análogo a uma
integração por partes, onde a derivação passa de uma função para outra e vemos aparecer uma
diferença entre os termos relacionados com as fronteiras, neste caso: am bm − a1 b0 .
Este resultado é aplicado a ambos os lados da Equação (6.18) levando em consideração o
fato de que a função teste ϕ possui suporte compacto, φni = 0 para |i| ou n suficientemente
grandes. Assim sendo, os termos correspondentes a i = ±∞ e n = ∞ são eliminados. O único
termo que permanece é o para n = 0, onde t0 = 0. Então,
+∞ +∞ X
+∞ +∞ +∞
X X ∆t X X n
φ0i Q0i Qni φni φin−1 Fi−1/2 φni+1 − φni

− − − =
i=−∞ n=1 i=−∞
∆x n=0 i=−∞
Neste resultado cada uma destas somas é na realidade uma soma finita devido ao fato da função
teste ter suporte compacto. Multiplicando este último resultado por ∆x e rearrumando esta
equação
" +∞ +∞ +∞ X
+∞ n
# +∞
X X φn − φn−1 X φ i+1 − φ n
i
X
n n
∆x∆t i i
Qi + Fi−1/2 = −∆x φ0i Q0i (6.19)
∆t ∆x
n=1 i=−∞ n=0 i=−∞ i=−∞
Este resultado, obtido com a soma por partes, é análogo ao desenvolvimento feito no Capítulo 5
para a obtenção da Equação (6.14).
Lembrando que todos estes termos devem estar indexados por j, que representa as diferentes
malhas utilizadas na obtenção da solução numérica, vamos determinar a convergência destes
termos no limite quando j → ∞, de modo que ∆t(j) e ∆x(j) → 0. Considerando a convergência
de Q → Φ na norma-1 e a suavidade da função φ, do primeiro termo resultará
" +∞ X +∞ n # Z ∞ Z +∞
X φi − φin−1 ∂ϕ
lim ∆x∆t Qni = Φ(x, t) dx
j→∞
n=1 i=−∞
∆t 0 −∞ ∂t
◦
Por outro lado, se definirmos Q0i a partir da média em célula dos valores Φ, por exemplo,
+∞
! Z +∞
X
0 0
lim −∆x φi Qi = − ϕ(x, 0)Φ(x, 0) dx
j→∞ −∞
i=−∞
n
A convergência do termo restante na Equação (6.19), envolvendo o termo Fi−1/2 , é mais di-
fícil de ser demonstrada e requer suposições adicionais. Vamos considerar um método numérico
do tipo Godunov

n (j)n (j)n (j)n
Fi−1/2 ≡ Fi−1/2 = F Qi−1 , Qi
juntamente com a condição de consistência [4]

(j)n (j)n (j)n (j)n
Fi−1/2 − f (Qi−1/2 ) ≤ L Qi − Qi−1 (6.20)
onde L é a constante Lipschitz para a função de fluxo numérica. Desde que Q(j)n possua uma
variação total limitada (TVB), uniformemente em j, devemos ter que

(j)n (j)n
lim Fi−1/2 − f (Qi−1/2 ) = 0
j→∞
para quase todos os valores de i. Portanto, usando este resultado e o fato de que Q(j)n converge
para Φ, podemos constatar que
" +∞ X +∞ n
# Z Z
∞ +∞
φi+1 − φni

X
n ∂ϕ
lim ∆x∆t Fi−1/2 = f (Φ(x, t)) dxdt
j→∞
n=0 i=−∞
∆x 0 −∞ ∂x
e assim mostramos que (6.19) converge para a forma fraca (6.17). Como isto é verdadeiro para
qualquer função teste ϕ(x, t) ∈ C01 , está provado que Φ é de fato a solução fraca.
n
Embora esta demonstração tenha sido feita para uma função de fluxo numérica Fi−1/2
que depende somente dos dois valores vizinhos Qni−1 e Qni , esta prova pode ser estendida sem
maiores dificuldades [4] para métodos cujas funções e fluxo dependam de mais valores vizinhos,
desde que a condição geral de consistência seja assegurada, ou seja, a função de fluxo deve ser
uniformemente Lipschitz contínua para todos os valores dos quais ela dependa.
BIBLIOGRAFIA
[1] John C. Slattery. Advanced Transport Phenomena. Cambridge University Press, 1999.
[2] M. Necati Özisik. Heat Conduction. John Wiley & Sons, 1980.
[3] Beny Neta. Partial differential equations. Ma 3132 lecture notes, Naval Postgraduate
School, Monterey, California, USA, 1996.
[4] Randall J. Leveque. Finite Volume Methods for Hyperbolic Problems. Cambridge Univer-
sity Press, 2002.
[5] Gregorio Malajovich. Álgebra linear. Versão eletrônica, Universidade Federal do Rio de
Janeiro, Rio de Janeiro, Brasil, 2010.
[6] C. A. J. Fletcher. Computational Techniques for Fluid Dynamics, volume 1. Springer-

Verlag, 1991.
[7] Viktor Grigoryan. Partial differential equations. Math 124A - Fall 2010, Department of
Mathematics, University of California, Santa Barbara, California, USA, 2010.
[8] R. J. LeVeque, M. J. Berger, et al. Clawpack software (version 4.6.2). www.clawpack.org,

junho 2012.
[9] C. Hirsch. Numerical Computation of Internal and External Flows, volume 1. John Wiley
& Sons, 1988.
[10] Phillip Colella. Finite difference methods for fluid dynamics. Engineering 266A - Fall 2012,
Computer Science Division, Lawrence Berkley National Laboratory, Berkeley, California,
USA, 2012.
[11] Alberto Bressan. Hyperbolic conservation laws. An illustrated tutorial, Department of

Mathematics, Penn State University, University Park, Pennsylvania, USA, 2009.
149
150 BIBLIOGRAFIA
[12] L. Quartapelle (Editor). Godunov method and related schemes for nonlinear hyperbo-
lic problems. Technical report, Dipartimento di Ingegneria Aerospaziale, Politecnico di
Milano, Milano, Italy, 2013.
[13] Brian Wetton. Applied partial diferential equations. Math 400 - Fall 2012, Mathematics
Department, The University of British Columbia, Vancouver, British Columbia, Canada,
2012.
[14] K. W. Morton. Discretisation of unsteady hyperbolic conservation laws. SIAM J. Numer.

Anal., 39:1556–1597, 2001.
ÍNDICE
algoritmo REA, 67 derivada material, 2, 7

alta ordem, 48 descontinuidade, 27
análise de estabilidade de von Neumann, 56 descontinuidade de contato, 37
análise de Fourier, 61 diferença centrada, 47, 48
aproximação avançada no tempo, 64 diferença finita, 47
aproximação centrada no espaço, 64 diferenças finitas, 64
autovalores, 10 difusão molecular, 7
autovetores, 10 domínio de dependência, 23
domínio de influência, 24
baixa ordem, 48
balanço da quantidade de movimento, 14 entropia, 14, 108
equação de advecção, 4
características, 6 equação de advecção-difusão, 8
CLAWPACK, 40 equação de Burgers, 115
coeficiente de difusão, 7 equação de difusão, 8
coeficientes característicos, 23 equação de estado, 14
condição CFL, 55 equação de Rankine-Hugoniot, 103
condição de consistência, 148 equação de tráfego, 121
condição de contorno de fluxo de saída, 39 Equação Modificada, 60
condição de contorno periódica, 40 equações de Euler, 14
condição de entropia, 108 equações lineares da acústica, 14
condição de salto de Rankine-Hugoniot, 31 erro de truncamento, 46, 48
condição inicial, 5, 21 erro de truncamento local, 51
condicionalmente estável, 65 erro global, 49
consistência, 50 estabilidade, 48, 50
contrativo, 53 estritamente hiperbólico, 12
convergência, 49
correção anti-difusiva, 65 fórmula a três pontos, 46
correção de entropia, 132 falha de entropia, 133
curvas características, 6 fator de amplificação, 57
151
152 Índice
fluxo, 45 onda de rarefação, 98

fluxo convexo, 94 onda de rarefação centrada, 107
fluxo de entropia, 112 ondas de choque, 93
forma fraca, 102 ondas simples, 23
forma quase-linear, 94 ondas sonoras, 16
formulação explícita, 65
fracamente hiperbólico, 12 p-características, 23
função de Heaviside, 32 ponto de estagnação, 129
função limitadora de fluxo, 83 ponto sônico, 129
problema de Cauchy, 21
hiperbólico simétrico, 12 problema de Riemann, 21, 28
problema de valor inicial, 21
impedância, 17 problema de valor inicial e de contorno, 38
incremento de espaço, 44
incremento de tempo, 44 rarefação transônica, 128
isoentrópico, 14 reconstrução constante por partes, 67
reconstrução linear e constante por partes,
Jacobiano, 2 80
reconstrução quadrática constante por par-
lei de conservação não-homogênea, 3 tes, 140
lei de Fick, 7 reflexão, 39
leis de conservação, 3 relação de Parseval, 56
limitador de onda, 92
série de Taylor, 46, 47
método de alta-resolução, 82 singularidade, 27
método de Godunov, 75 sistema não-linear, 13
método de Law-Wendroff, 77 sistema quaselinear, 13
método de Lax-Friedrichs, 65 sistemas hiperbólicos de primeira ordem, 10
método de Lax-Friedrichs local, 136 solução fraca, 100
método de Murman, 138 solução similar, 106
método de Roe, 75 soma por partes, 146
método de Rusanov, 136 suporte compacto, 102
método dos volumes finitos, 21
método upwind, 66 Técnica de Separação de Variáveis, 4
módulo de compressibilidade volumétrica, 16 técnica geral, 46, 47
malha não-uniforme, 47 Teorema de Harten, 86
matriz dos coeficientes, 13 teorema de Lax-Wendroff, 146
matriz Jacobiana, 13 Teorema de Transporte, 2
Total Variation Diminishing, 59
número de Courant, 52 transformação de Cole-Hopf, 115
número de Mach, 37
Variação Total, 58
o método de Lax-Wendroff, 75 velocidade característica, 12
onda de compressão, 98 velocidade do som, 17
Índice 153
volume de controle, 45
volumes finitos, 43

Métodos Numéricos para Equações Diferenciais II

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

Métodos Numéricos para Equações Diferenciais II

Загружено:

Авторское право:

Доступные форматы

Métodos Numéricos

Helio Pedro Amaral Souto

1.1 Configurações do corpo. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2

2.1 Domínio de dependência do ponto (X,T ). . . . . . . . . . . . . . . . . . . . . . 24

3.1 Partição do domínio de resolução. . . . . . . . . . . . . . . . . . . . . . . . . . . 44

4.1 Ilustração do algoritmo REA para a propagação de ondas acústicas lineares. . . 68

4.3 Comparação entre as soluções da equação de advecção, para os instantes de

5.1 Curvas caracteristicas para o problema escalar nao-linear. . . . . . . . . . . . . . 97

6.1 Cinco configurações possíveis para o problema de Riemann. . . . . . . . . . . . . 128

2.1 Propriedades fundamentais das equações da onda e da difusão. . . . . . . . . . 27

4.1 Função limitadora de fluxo para métodos lineares. . . . . . . . . . . . . . . . . 84

Lista de Tabelas iii

2 Características e Problemas de Riemann 21

3 O Método dos Volumes Finitos 43

4 Métodos de Alta-Resolução: Problemas Lineares 63

5 Leis de Conservação Não-Lineares 93

6 Métodos de Alta-Resolução: Problemas Não-Lineares 127

6.1.2 Flutuações, Ondas e Velocidades . . . . . . . . . . . . . . . . . . . . . . 130

1.1 Forma Diferencial das Leis de Conservação

Figura 1.1: Configurações do corpo.

Aplicando o teorema da divergência à segunda integral obtemos

1.2 Forma Não-homogênea

1.3 A Equação de Advecção

c(x, t) = X(x)T (t)

X = X0 exp (λx) ; T = T0 exp (−ūλt)

c(x, t) = X0 T0 exp (λx − ūλt) = c0 exp [λ(x − ūt)] = c̃(x − ūt)

x(t) = x(0) + ū(t − t0 ) (1.4)

c(x, t) = c̃(x − ū(t − t0 ))

que é a mesma solução obtida pela técnica de separação de variáveis para t0 = 0.

1.3.1 Coeficientes variáveis

1.4 Equação de Advecção-Difusão

Em seguida, definimos uma nova variável dependente W (x, t) dada por

1.5 Sistemas Lineares Hiperbólicos

possui uma matriz inversa R−1 e temos que:

Assim, podemos diagonalizar a matriz A a partir de transformações de similaridade. Tal fato

1.6 Sistemas Hiperbólicos com Coeficientes Variáveis

1.7 Hiperbolicidade de Sistemas Quaselineares e Não-lineares

1.8 Acústica Linear

p0 (ρ) > 0 para ρ > 0

p = p0 + p̃ = p(ρ0 + ρ̃) = p(ρ0 ) + p0 (ρ0 )ρ̃ + . . .

p̃ = p(ρ0 ) −p0 + p0 (ρ0 )ρ̃ + . . . ∼

Por outro lado,

ρu = (ρ0 + ρ̃)(u0 + ũ) = ρ0 u0 + ρ̃u0 + ρ0 ũ + ρ̃ũ

Após substituição destes resultados no sistema (1.12) e alguma manipulação algébrica

1.8.1 Ondas Sonoras

Φ(x, t) = Φ̄(x − λt)

Φ(x, t) = w̄1 (x + c0 t)r1 + w̄2 (x − c0 t)r2 (1.15)

Figura 1.4: Evolução da perturbação de pressão e da velocidade, concentrada perto da origem,

As principais características dos sistemas lineares de equações hiperbólicas serão explora-

2.1 Solução do Problema de Cauchy

2.2 Superposição das Soluções

visto que ω p (x, t) = lp Φ(x, t).

e os dados iniciais são simplesmente propagados com a velocidade λi . Como m − 1 variáveis

2.3 Domínios de Influência e Dependência

Figura 2.1: Domínio de dependência do ponto (X,T ).

2.3.1 Equações da Onda e da Difusão

Figura 2.2: Domínio de influência do ponto x0 .

• hiperbólica caso ∆ > 0 e duas famílias distintas de curvas características;

• parabólica caso ∆ = 0 e uma única família de curvas características;

Tabela 2.1: Propriedades fundamentais das equações da onda e da difusão.

Propriedade Equação da onda Equação da difusão

Velocidade de propagação Finita Infinita

Singularidades para t > 0 Transportadas ao longo Perdidas imediatamente