Análise de Erros de Métodos Discretos para Problemas de Contorno em Malhas Arbitrarias

UNIVERSIDADE FEDERAL DO RIO GRANDE DO SUL
INSTITUTO DE MATEMÁTICA
PROGRAMA DE PÓS-GRADUAÇÃO EM MATEMÁTICA APLICADA
Análise de Erros de Métodos Discretos

para Problemas de Contorno em Malhas
Arbitrárias
por
Greice da Silva Lorenzzetti
Dissertação submetida como requisito parcial

para a obtenção do grau de
Mestre em Matemática Aplicada
Prof. Dr. Paulo Ricardo de Ávila Zingano

Orientador
Profa. Dra. Janaı́na Pires Zingano

Co-orientadora
Porto Alegre, 9 de junho de 2008.

ii
CIP - CATALOGAÇÃO NA PUBLICAÇÃO
Lorenzzetti, Greice da Silva
Análise de Erros de Métodos Discretos para Proble-

mas de Contorno em Malhas Arbitrárias / Greice da Silva
Lorenzzetti.—Porto Alegre: PPGMAp da UFRGS, 2008.
117 p.: il.
Dissertação (mestrado) —Universidade Federal do Rio

Grande do Sul, Programa de Pós-Graduação em Matemática
Aplicada, Porto Alegre, 2008.
Orientador: Zingano, Paulo Ricardo de Ávila; Co-
orientadora: Zingano, Janaı́na Pires
Dissertação: Matemática Aplicada

malhas arbitrárias, análise de erros, métodos discretos
iii
Análise de Erros de Métodos Discretos

para Problemas de Contorno em Malhas
Arbitrárias
por
Greice da Silva Lorenzzetti
Dissertação submetida ao Programa de Pós-Graduação em

Matemática Aplicada do Instituto de Matemática da Universidade
Federal do Rio Grande do Sul, como requisito parcial para a
obtenção do grau de
Mestre em Matemática Aplicada

Linha de Pesquisa: Análise Numérica
Orientador: Prof. Dr. Paulo Ricardo de Ávila Zingano
Co-orientadora: Profa. Dra. Janaı́na Pires Zingano
Banca examinadora:
Prof. Dr. Álvaro Luiz de Bortoli

PPGMAp/IM/UFRGS-RS
Prof. Dr. Leonardo Prange Bonorino
PPGMAT/IM/UFRGS-RS
Prof. Dr. Oclide José Dotto

DEME/CCET/UCS-RS
Dissertação apresentada e aprovada em

9 de junho de 2008.
Profa. Dra. Maria Cristina Varriale

Coordenadora
iv
AGRADECIMENTOS
Agradeço a todas as pessoas que estiveram presentes comigo e fizeram parte

tão construtivamente desta etapa, acompanhando, direta ou indiretamente, todo o
processo de obtenção do grau de Mestre em Matemática Aplicada.
A Deus por ter posto em meu caminho professores maravilhosos, desde minha
infância e adolescência, com os quais despertei o gosto pela Matemática e aprendi,
principalmente, a ser persistente, dedicada e a acreditar em meus sonhos.
No Curso de Licenciatura Plena em Matemática da UCS, convivi com pro-

fessores exemplares, com os quais descobri um novo mundo. A Matemática que
naquela ocasião conheci, tornou meus dias mais coloridos e mais cheios de vida. Foi
onde deliciei-me com os diferentes sabores da Matemática e da Fı́sica. Estes profes-
sores estarão sempre guardados em meu coração por me terem propiciado momentos
inesquecı́veis, não só de aprendizados cientı́ficos, mas também de companheirismo,
incentivo e, principalmente, amizade.
Agradeço em especial aos sábios e respeitados conselhos do professor Dr. Oclide

José Dotto da UCS que, além de meu grande professor e orientador de iniciação
cientı́fica na graduação, foi, e sempre será, um grande amigo que incentivou e torceu
pelo meu desenvolvimento durante o Curso de Mestrado em Matemática Aplicada
do PPGMAp da UFRGS.
Aos excelentes professores da UFRGS que me acompanharam nesta etapa de

preenchimento de lacunas, de crescimento intelectual e, principalmente, crescimento
pessoal. Aos professores Doutores Jacques Aveline Loureiro da Silva, Leandro Farina
v
e Manuela Longoni de Castro, que sempre demonstraram-se dispostos a colaborar

em minha caminhada. Aos professores Doutores Paulo Ricardo de Ávila Zingano
e Janaı́na Pires Zingano que estiveram efetivamente presentes na realização deste
trabalho, com suas contribuições sábias e indispensáveis.
Por fim, aos pilares da minha vida, a famı́lia maravilhosa que, apesar da
distância nestes dois anos de curso, esteve constantemente presente em meus pen-
samentos e em meu coração. Tenho apenas motivos para agradecer pela forma
com que meus pais, Valdivino Pedro Lorenzzetti e Maria Leda da Silva Lorenzzetti,
cuidaram, criaram e amaram minha irmã Priscila da Silva Lorenzzetti e eu. Estes
são três exemplos de vida que sempre lutaram pelos seus sonhos, pensando na feli-
cidade de nossa famı́lia.
Deus presenteou-me com uma famı́lia linda, professores magnı́ficos e compe-

tentes, amigos e colegas com quem estudei incontáveis horas diárias e, para com-
pletar tamanha felicidade, colocou-me ao encontro do meu amor, André Augusto
Andreis, que sempre foi amoroso, compreensı́vel com meus estudos e incentivador
em minha caminhada.
Obrigada a todas estas pessoas que me acompanharam até aqui.
Obrigada de coração.
vi
Conteúdo
AGRADECIMENTOS . . . . . . . . . . . . . . . . . . . . . . . . . . . . iv
LISTA DE FIGURAS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . viii
LISTA DE SIGLAS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . xi
RESUMO . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . xii
ABSTRACT . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . xiii
1 INTRODUÇÃO . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
2 MÉTODO MIMÉTICO DE SEGUNDA ORDEM - MIM02 . . . 6
2.1 Introdução . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
2.2 Análise dos Erros de Solução e de Derivada de Primeira Ordem

para q(x) = 0 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14

para q(x) ≥ 0 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
2.4 Análise do Erro da Derivada de Segunda Ordem . . . . . . . . 32
2.5 Resultados Numéricos . . . . . . . . . . . . . . . . . . . . . . . . . 40
3 MÉTODO DE ELEMENTOS FINITOS DE SEGUNDA ORDEM

- FEM02 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
3.1 Introdução . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57

para q(x) = 0 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72

para q(x) ≥ 0 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80
3.4 Análise do Erro da Derivada de Segunda Ordem . . . . . . . . 81
3.5 Resultados Numéricos . . . . . . . . . . . . . . . . . . . . . . . . . 86
4 CONSIDERAÇÕES FINAIS . . . . . . . . . . . . . . . . . . . . . . 97
vii
BIBLIOGRAFIA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 115
viii
Lista de Figuras
Figura 1 - Malha com os nodos xi , centro das células xi− 1 e comprimentos

2
Li− 1 e hi .
2
Figura 2a - Representação gráfica do erro de solução decorrente do MIM02 para

o problema de Sturm-Liouville com condições de contorno de Dirichlet-Dirichlet.
Figura 2b - Representação gráfica dos erros de solução e derivada de primeira

ordem decorrentes do MIM02 para o problema de Sturm-Liouville com condições de
contorno de Dirichlet-Dirichlet.
Figura 2c - Representação gráfica dos erros de derivada de primeira e segunda

ordens decorrentes do MIM02 para o problema de Sturm-Liouville com condições
de contorno de Dirichlet-Dirichlet.
Figura 3a - Representação gráfica do erro de solução decorrente do MIM02 para

o problema de Sturm-Liouville com condições de contorno de Dirichlet-Neumann.
Figura 3b - Representação gráfica dos erros de derivada de primeira e segunda

de contorno de Dirichlet-Neumann.
Figura 4a - Representação gráfica do erro de solução decorrente do MIM02

para o problema de Sturm-Liouville com condições de contorno de Dirichlet-Robin.

de contorno de Dirichlet-Robin.
Figura 5a - Representação gráfica do erro de solução decorrente do MIM02

para o problema de Sturm-Liouville com condições de contorno de Neumann-Robin.

de contorno de Neumann-Robin.
Figura 6a - Representação gráfica dos erros de solução e de derivada de primeira

e segunda ordens decorrentes do MIM02 para o problema de Sturm-Liouville com
condições de contorno de Robin-Robin.

de contorno de Robin-Robin.
Figura 7 - Funções de base ϕ0 , ..., ϕi , ..., ϕN .

ix
Figura 8a - Representação gráfica do erro de solução decorrente do FEM02 para

o problema de Sturm-Liouville com condições de contorno de Dirichlet-Dirichlet.

e segunda ordens decorrentes do FEM02 para o problema de Sturm-Liouville com
condições de contorno de Dirichlet-Dirichlet.
Figura 9a - Representação gráfica do erro de solução decorrente do FEM02 para

o problema de Sturm-Liouville com condições de contorno de Dirichlet-Neumann.
Figura 9b - Representação gráfica dos erros de solução e de derivada de primeira

condições de contorno de Dirichlet-Neumann.
Figura 10a - Representação gráfica do erro de solução decorrente do FEM02

para o problema de Sturm-Liouville com condições de contorno de Dirichlet-Robin.
Figura 10b - Representação gráfica dos erros de solução e de derivada de

primeira e segunda ordens decorrentes do FEM02 para o problema de Sturm-Liouville
com condições de contorno de Dirichlet-Robin.

para o problema de Sturm-Liouville com condições de contorno de Neumann-Robin.

com condições de contorno de Neumann-Robin.

para o problema de Sturm-Liouville com condições de contorno de Robin-Robin.

com condições de contorno de Robin-Robin.
Figura 13a - Erro de solução do MIM02 para malhas uniforme e não-uniforme.
Figura 13b - Componente global do erro de solução do MIM02 para malha

não-uniforme.
Figura 14 - Erro de solução do FEM02 para malhas uniforme e não-uniforme.
Figura 15a - Erro de solução: MIM02 × FEM02.
Figura 15b - Erro de solução: MIM02 × FEM02.
Figura 16a - MIM02: Erro da derivada de 1a ordem.

x
Figura 16b - FEM02: Erro da derivada de 1a ordem.
Figura 17 - Erro da derivada de 1a ordem: MIM02 × FEM02.
Figura 19a - Erro da derivada de 2a ordem: MIM02 × FEM02.
Figura 19b - Erro da derivada de 2a ordem: MIM02 × FEM02.

xi
LISTA DE SIGLAS
CCET Centro de Ciências Exatas e Tecnologia
DEME Departamento de Matemática e Estatı́stica
EDO Equação Diferencial Ordinária
FEM02 Método de Elementos Finitos de Segunda Ordem
(Finite Element Methods)
MIM02 Método Mimético de Segunda Ordem (Mimetic Methods)
PPGMAp Programa de Pós-Graduação em Matemática Aplicada
PPGMAT Programa de Pós-Graduação em Matemática
UCS Universidade de Caxias do Sul
UFRGS Universidade Federal do Rio Grande do Sul

xii
RESUMO
Neste trabalho, examinamos detalhadamente um procedimento de análise, in-

troduzido em [21] e desenvolvido em [11] e [18], para a investigação dos erros em
malhas arbitrárias, decorrentes de métodos discretos (diferenças finitas e elemen-
tos finitos) de segunda ordem para problemas de Sturm-Liouville regulares, com
condições de contorno tipo Dirichlet, Neumann ou Robin (ou combinações destas).
Esta análise nos permite obter estimativas finas sobre erros de solução e deriva-
das de primeira e segunda ordens. Aplicamos o procedimento em detalhe para o
exame do método mimético discutido em [21] e do método de elementos finitos
considerado em [18] e [11] (método de Galerkin com elementos seccionalmente li-
neares). Em particular, fenômenos de supraconvergência em ambos os métodos são
observados e explicados facilmente a partir das estimativas desenvolvidas.
xiii
ABSTRACT
In the present work, we give a detailed discussion of the error analysis in-
troduced in [21], and further developed in [11] and [18], of 2nd-order discrete me-
thods (both finite-difference and finite element methods are considered here) for
one-dimensional Sturm-Liouville problems with separated boundary conditions of
Dirichlet, Neumann, or Robin type (or combinations of these).
Such an analysis yields very precise estimates for both solution and derivative
errors in the approximations. Application is given to the analysis of the mimetic
method discussed in [21], and the standard 2nd-order Galerkin method [18], [11]
with piecewise linear elements. In particular, supraconvergence effects are clearly
explained based on the estimates obtained by the theory.
1
1 INTRODUÇÃO
Neste trabalho, apresentamos detalhadamente um procedimento recentemente

desenvolvido em [11], [18], [21], de análise de erros para aproximações discretas do
problema de Sturm-Liouville
µ ¶
d du
− k(x) + q(x) u(x) = f (x), a < x < b, (1.1)
dx dx
α0 u(a) − α1 u0 (a) = γa , (1.2)
β0 u(b) + β1 u0 (b) = γb , (1.3)
onde k(x), q(x) e f (x) são funções dadas suaves, com k(x) > 0, q(x) ≥ 0 em [a, b],
e α0 , α1 , β0 e β1 são constantes não negativas satisfazendo α0 + α1 > 0, β0 + β1 > 0
e α0 + β0 > 0, sendo γa e γb constantes arbitrárias. Sob tais condições, é bem sabido
que o problema acima tem uma única solução u(x), que em geral não pode ser obtida
na forma explı́cita.
Para obter os valores u(x), recorre-se tipicamente a aproximações v h obtidas

por métodos discretos como diferenças finitas ou elementos finitos, associados a ma-
lhas de pontos a = x0 < x1 < ... < xN −1 < xN = b em [a, b]. A questão fundamental
nestas aproximações é estimar corretamente o erro cometido, eh = v h − uh , onde
uh denota os valores exatos nos pontos da malha. Além disso, computada a apro-
ximação v h , pode-se obter a partir dela aproximações naturais para as derivadas de
u(x) se desejado (por exemplo, u0 (x) e u00 (x)), sendo de interesse estimar os erros
destas aproximações. A qualidade e comportamento dos inúmeros métodos discre-
tos disponı́veis pode variar grandemente, e pequenas (aparentemente) diferenças no
planejamento destes métodos pode acarretar grandes diferenças no desempenho re-
sultante.
2
De modo geral, no caso do problema (1.1), (1.2), (1.3) os métodos de elementos

finitos são referidos como aqueles produzindo os melhores resultados (comparados a
procedimentos alternativos de complexidade equivalente) [4], [19]. Ocasionalmente,
referências podem ser encontradas na literatura contestando tal afirmação [7], [8],
[14], [16], [17]. No caso dos métodos examinados no presente trabalho (MIM02 e
FEM02), pôde-se verificar a superioridade do uso de elementos finitos com relação
aos erros de solução eh , com a situação se invertendo para os erros de derivadas
(particularmente derivadas de segunda ordem) em malhas não uniformes. Esta clara
distinção torna-se possı́vel graças às estimativas obtidas para os diversos erros, sufi-
cientemente finas para descrever o comportamento dos métodos MIM02 e FEM02.
Para a análise dos erros, diversas técnicas podem ser utilizadas, com grau de
sucesso variável. Para métodos de diferenças finitas, os procedimentos tradicionais
consistem em examinar as equações discretas correspondentes,
Lh v h = f h , (1.4)
onde Lh é um operador discreto (linear) representando o problema (1.1), (1.2), (1.3)

acima, em termos do ”erro de truncamento”, dado por
L h uh = f h + τ h , (1.5)
onde uh representa a solução exata u(x) em determinados pontos da malha. Segue

então, por linearidade, que eh = v h − uh satisfaz o problema discreto
Lh eh = − τ h , (1.6)
de onde, em princı́pio, eh pode ser investigado. A equação (1.6) corresponde a um

sistema de equações algébricas lineares, com solução dada por
e h = − Gh τ h , Gh = L−1
h , (1.7)
onde Gh é o chamado operador de Green correspondente ao método discreto consi-

derado. Claramente, a investigação detalhada de Gh permite estimar eh adequada-
mente em muitos casos [15]. O exame mais simples da equação (1.7) pode ser
3
discutida do seguinte modo: introduzindo uma norma | · |h para medir eh , τ h , e

sendo k · kh a norma de operador associada, isto é,
k G kh = sup|v|h =1 | Gv |h , (1.8)
obtém-se de (1.7) que

| eh |h ≤ k Gh kh · | τ h |h , (1.9)
de modo que | τ h |h → 0 (isto é, (1.4) é consistente) ao h → 0 (isto é, ao se refinar

a malha) acarreta | eh |h → 0 (isto é, (1.4) é convergente) se k Gh kh se mantiver
limitada (isto é, (1.4) é estável ). Além disso, segue que eh tem pelo menos a ordem
de τ h . Em malhas uniformes, é comum ocorrer que eh e τ h tenham exatamente a
mesma ordem, e assim (1.9) descreve adequadamente o comportamento do erro eh .
Em malhas gerais, contudo, é comum eh ter ordem mais alta que τ h (isto é, (1.4) é
supraconvergente [12], [17], [20]), e (1.9) é pouco adequada neste caso. Mais ainda,
pode mesmo ocorrer | τ h |h 9 0 ao h → 0 e (1.4) ser convergente, a ponto de ser
competitivo com os métodos mais populares. Esta é a situação do método mimético
MIM02, cuja análise é apresentada no Capı́tulo 2.
No Capı́tulo 2, descrevemos o método mimético MIM02 para (1.1), (1.2), (1.3)

discutido em [8], [11], [18], [21] e analisamos detalhadamente suas propriedades de
convergência. Este método é dito mimético por ser escrito na forma
− D(k h · Gv h ) + q h · v h = f h , (1.10)
para projeções apropriadas k h , q h , f h de k(x), q(x), f (x) sobre a malha, e onde D

e G são operadores de diferenças satisfazendo
N
X N
X
wi (Gv)i hi = wN vN − w0 v0 − (Dw)i− 1 vi− 1 Li− 1 , (1.11)
2 2 2
i=0 i=1
para funções de malha wh = {wi , 0 ≤ i ≤ N } e v h = {vi− 1 , 0 ≤ i ≤ N + 1}

2
quaisquer, com Li− 1 = xi − xi−1 , hi = xi+ 1 − xi− 1 , a = x0 < x1 < ... < xN = b os
2 2 2
4
xi−1 +xi
pontos da malha, xi− 1 = 2
, x− 1 ≡ x0 e xN + 1 ≡ xN , imitando (e daı́ o termo
2 2 2
mimético) na forma discreta a propriedade fundamental (integração por partes)

Z b Z b
0
w(x) v (x) dx = w(b) v(b) − w(a) v(a) − w0 (x) v(x) dx, (1.12)
a a
válida para w(x), v(x) ∈ C 1 ([a, b]) quaisquer. Esta estrutura mimética é utilizada
em [8], [21] para estabelecer a convergência de MIM02 em malhas arbitrárias, sendo
mostrado que
| eh |2 = O(~), (1.13)
onde ~ é a medida de espaçamento da malha dado por

v
u N
uX
~ = t L3i− 1 , (1.14)
2
i=1
e | · |2 denota a norma euclidiana. Em [18], a análise foi modificada de modo a obter

o resultado de segunda ordem
1 00
ei− 1 = − u (xi− 1 ) L2i− 1 + O(~2 ), 1 ≤ i ≤ N, (1.15)
2 8 2 2
com e0 = O(~2 ) e eN = O(~2 ), que corresponde ao comportamento exato

observado nos experimentos, em qualquer malha. A derivação de (1.15) é feita no
Capı́tulo 2 considerando primeiramente o caso q(x) = 0 (Seção 2.2 ), posteriormente
estendido a q(x) ≥ 0 na Seção 2.3. Antes de obter (1.15), é necessário estimar os
erros de derivada E = Gv − u0 , que satisfazem
Ei = O(~2 ), 0 ≤ i ≤ N. (1.16)
No Capı́tulo 3, o mesmo tipo de análise é desenvolvida em detalhe para o estudo

dos erros de aproximação no caso do método de Galerkin com elementos triangulares,
FEM02 [19]. Na Seção 3.1, revisamos a construção do FEM02 seguindo [19], e a
seguir iniciamos a análise de erros seguindo a mesma marcha do capı́tulo precedente,
examinando os erros eh (erro de solução) e E h (erro da derivada de primeira ordem)
inicialmente no caso mais fácil q(x) = 0 (Seção 3.2 ), e utilizando estes resultados
5
para investigar o caso q ≥ 0 (Seção 3.3 ). Na Seção 3.4, mostramos que os erros da
derivada de segunda ordem satisfazem estimativas de primeira ordem apenas (em
malhas não suaves),
µ ¶
1 ki0 00 1 000 ³ ´
Ei = ui + ui Li+ 1 − Li− 1
6 ki 3 2 2
(1.17)
+ O(L2i− 1 ) + O(L2i+ 1 ) 2
+ O(~ ), 1 ≤ i ≤ N − 1,
2 2
em contraste com MIM02. Vários experimentos numéricos são apresentados na

Seção 3.5, confirmando os resultados teóricos integralmente.
Finalmente, no Capı́tulo 4, fazemos considerações finais a respeito dos dois

métodos, comparando seu desempenho a partir dos resultados teóricos e ilustrando
com experimentos numéricos.
6
2 MÉTODO MIMÉTICO DE SEGUNDA

ORDEM - MIM02
2.1 Introdução
Consideremos o problema regular de Sturm-Liouville com condições de con-

torno separáveis,
µ ¶
d du
− k(x) + q(x) u(x) = f (x), a < x < b, (2.1)
dx dx
α0 u(a) − α1 k(a) u0 (a) = γa , (2.2)
β0 u(b) + β1 k(b) u0 (b) = γb , (2.3)
com γa e γb constantes quaisquer, α0 , α1 , β0 e β1 constantes dadas satisfazendo α0 ,

α1 , β0 , β1 ≥ 0, α0 + α1 > 0, β0 + β1 > 0 e α0 + β0 > 0, e onde k(x), q(x) e f (x) são
funções suaves dadas, com k(x) > 0 e q(x) ≥ 0 para todo x no intervalo [a, b].
Para a discretização de (2.1), (2.2), (2.3), criemos uma malha arbitrária no

intervalo [a, b], com N + 1 pontos a = x0 < x1 < ... < xN −1 < xN = b, chamados
nodos, que dividem [a, b] em N subintervalos [xi−1 , xi ], ou células, com comprimento
Li− 1 = xi − xi−1 , cujo centro é denotado por xi− 1 , 1 ≤ i ≤ N 1 . Convenientemente,
2 2
assumamos que x− 1 ≡ 0, L− 1 ≡ 0, xN + 1 ≡ xN , LN + 1 ≡ 0, e associemos cada

2 2 2 2
comprimento local entre os centros, com hi := xi+ 1 − xi− 1 , isto é,

2 2
Li− 1 + Li+ 1
hi := 2 2
, 0 ≤ i ≤ N. (2.4)
2
Esta notação para os diversos pontos de malha e comprimentos é ilustrada na

Fig. 1.
1
Esta notação provém de [7] e [16].
7
Figura 1 - Malha com os nodos xi , centro das células xi− 1

2
e comprimentos Li− 1 e hi .
2
Finalmente, construamos o conjunto dos centros das células C = {xi− 1 : 1 ≤

2
¯ S
i ≤ N }, o conjunto estendido C = C {x0 , xN }, o conjunto dos nodos da malha
N = {xi : 0 ≤ i ≤ N }, e os espaços correspondentes das funções de malha
HC = {w : C → R}, HC¯ = {w : C¯ → R}, HN = {w : N → R}, (2.5)
e projeções PC : C 0 ([a, b]) → HC , PC¯ : C 0 ([a, b]) → HC¯, PN : C 0 ([a, b]) → HN , que
podem ser dadas por valores pontuais, médias nas células, etc. Como nossas funções
são suaves, será irrelevante se usarmos valores pontuais ou valores médios, e vamos
tomar PC (w)i− 1 = PC¯(w)i− 1 = w(xi− 1 ), 1 ≤ i ≤ N , PC¯(w)0 = w(x0 ), PC¯(w)N =
2 2 2
w(xN ), e PN (w)i = w(xi ), 0 ≤ i ≤ N , usando também wi , wi− 1 , para denotar os

2
valores pontuais w(xi ), w(xi− 1 ), e similarmente wi0 0 00

= w (xi ), wi− 00
1 = w (xi− 1 ), e
2 2 2
assim por diante, desde que w seja suficientemente suave.
Dados os pontos sobre a malha xi , xi− 1 , definamos dois operadores naturais

2
de diferenças finitas: a derivada primeira discreta D : HN → HC (“divergente

discreto”) dada por
wi − wi−1
(Dw)i− 1 = , 1 ≤ i ≤ N, (2.6)
2 Li− 1
2
aplicada a uma função nodal arbitrária w ∈ HN , e derivada segunda discreta

G : HC¯ → HN (“gradiente discreto”) dada por
zi+ 1 − zi− 1
(Gz)i = 2 2
, 0 ≤ i ≤ N, (2.7)
hi
8
agindo nas funções z ∈ HC¯. Nosso esquema de diferenças para (2.1) consiste em
encontrarmos a função de malha v h (aproximação obtida para a solução u, ou seja,
projeção uh de u sobre a malha), que satisfaz o problema discreto análogo,
−D(k · Gv h ) + q · v h = f, (2.8)
onde k = PN (k), q = PC (q) e f = PC (f ) são as projeções de k, q, f em (2.1) para os

espaços de funções discretas HN e HC , respectivamente, e · indica a multiplicação
ponto a ponto. Aqui, v0 e vN denotam os valores de v h para os nodos x0 = a e xN = b.
Usando (2.6) e (2.7) na equação (2.8), chegamos ao método numérico MIM02

(método mimético de segunda ordem),
µ ¶
ki−1 ki−1 ki ki
− v 3 + + + qi− 1 Li− 1 vi− 1 − v 1 = Li− 1 fi− 1 ,
hi−1 i− 2 hi−1 hi 2 2 2 hi i+ 2 2 2
(2.9)
onde vi− 1 , com 1 ≤ i ≤ N , são os valores de v h , e ki , qi− 1 , fi− 1 são os valores
2 2 2
pontuais ki = k(xi ), qi− 1 = q(xi− 1 ) e fi− 1 = f (xi− 1 ).

2 2 2 2
Matematicamente, (2.8) é nada mais que um sistema de equações lineares

algébricas, trivialmente resolvı́vel em comparação com o problema original. De
interesse fundamental aqui são os erros cometidos, eh ∈ HC¯ (”erro de solução”),
E h ∈ HN (”erro de gradiente”), e Eh ∈ HC¯ (”erro da derivada de segunda ordem”),
¡ ¢ h ³ 2 ´
definidos por eh = v h − PC¯(u), E h = Gv h − PN dudx
, E = D(Gv h
) − P d u
C¯ dx2 ,
isto é,
ei− 1 = vi− 1 − u(xi− 1 ), 0 ≤ i ≤ N + 1, (2.10)
2 2 2
vi+ 1 − vi− 1
Ei = (Gv h )i − u0 (xi ) = 2 2
− u0 (xi ), 0 ≤ i ≤ N, (2.11)
hi
9
Ei = D(Gv h )i− 1 − u00 (xi− 1 )

µ 2 1 2
¶
1 v i+ 2 − v 1
i− 2 vi− 1 − vi− 3
= − 2 2
− u00 (xi− 1 ), 1 ≤ i ≤ N.
Li− 1 hi hi−1 2
2
(2.12)
Existe uma importante quantidade que está intimamente ligada aos erros de
solução, eh , e de derivada, E h , que é o chamado erro de truncamento, ou de dis-
cretização, τ (u) ∈ HC . Substituindo v h por uh em (2.8), obtemos
−D(k · Guh ) + q · uh = f + τ (u), (2.13)
onde uh = PC (u). Subtraindo (2.13) de (2.8), obtemos a seguinte expressão
−D(k · Geh ) + q · eh = − τ (u). (2.14)
Pelo esquema numérico (2.9), podemos reescrever a equação (2.13) como

µ ¶
ki−1 ki−1 ki
τ (u)i− 1 Li− 1 = − u 3 + + + qi− 1 Li− 1 ui− 1
2 2 hi−1 i− 2 hi−1 hi 2 2 2
ki
− u 1 − Li− 1 fi− 1 , (2.15)
hi i+ 2 2 2
que implica
µ ¶
Li− 1
k xi− 1 − 2 Ã !
2 2 Li− 1 + Li− 3
τ (u)i− 1 Li− 1 = − u xi− 1 − 2 2
2 2 hi−1 2 2
 µ Li− 1
¶ µ
Li− 1
¶ 
 k xi− 2 − 2 k xi− 1 +
2 2
1
2 2 ³ ´  ³ ´

+  + + q xi− 1 Li− 1  u x
hi−1 hi  2
i− 1
2 2
µ ¶
Li− 1
k xi− 1 + 2 Ã !
2 2 Li− 1 + Li+ 1 ³ ´
− u xi− 1 + 2 2
− Li− 1 f xi− 1 .
hi 2 2 2 2
(2.16)
10
Li− 1 +Li− 3 Li− 1 +Li+ 1

Lembrando que hi−1 = 2
2
2
e hi = 2
2
2
, e utilizando as seguintes
expansões de Taylor no ponto xi− 1 ,
2
Ã !
Li− 1 1 0 1 00 2
k xi− 1 − 2
= ki− 1 − ki− 1 Li− 1 + ki− 1 L
i− 12
+ O(L3i− 1 ), (2.17)
2 2 2 2 2 2 8 2 2
Ã !
Li− 1 1 0 1 00 2
k xi− 1 + 2
= ki− 1 + ki− 1 Li− 1 + ki− 1 L
i− 12
+ O(L3i− 1 ), (2.18)
2 2 2 2 2 2 8 2 2
Ã !
Li− 1 + Li− 3 1 00
u xi− 1 − 2 2
= ui− 1 − u0i− 1 hi−1 + u 1 h2
2 2 2 2 2 i− 2 i−1 (2.19)
1 000
− ui− 1 h3i−1 + O(L4i− 1 ) + O(L4i− 3 ),
6 2 2 2
Ã !
Li− 1 + Li+ 1 1 00
u xi− 1 + 2 2
= ui− 1 + u0i− 1 hi + ui− 1 h2i
2 2 2 2 2 2
(2.20)
1
+ u000 1 h
3
+ O(L4i− 1 ) + O(L4i+ 1 ),
6 i− 2 i 2 2
obtemos,
µ ¶
hi−1 + hi
τ (u)i− 1 Li− 1 = − ki− 1 u00i− 1
2 2 2 2 2
1
− K 1 u000 1 (h2 − h2i−1 )
6 i− 2 i− 2 i
1 0 00 (2.21)
− Ki− 1 u
i− 12
(Li− 1 hi − Li− 1 hi−1 )
4 2 2 2
0 0
− Ki− 1 u
i− 1
Li− 1 + qi− 1 ui− 1 Li− 1 − Li− 1 fi− 1
2 2 2 2 2 2 2 2
+ O(L3i− 3 ) + O(L2i− 1 ) + O(L3i+ 1 ).

2 2 2
Como −k(x)u00 (x) − k0 (x)u0 (x) + q(x)u(x) − f (x) = 0, temos que o erro de trunca-
mento para o método mimético é dado por
Ã !
hi + hi−1
τ (u)i− 1 = ki− 1 u00i− 1 1 −
2 2 2 2Li− 1
2
1 − h2i h2i−1
− Ki− 1 u000
i− 12
6 2 Li− 1 (2.22)
2
1 0
− Ki− 1 u00i− 1 (hi − hi−1 )
4 2 2
+ O(L2i− 3 ) + O(L2i− 1 ) + O(L2i+ 1 ), 1 ≤ i ≤ N,

2 2 2
11
desde que k ∈ C 3 ([a, b]) e u ∈ C 4 ([a, b]).
Como visto anteriormente, subtraindo (2.13) de (2.8), obtemos
−D(k · Geh ) + q · eh = − τ (u), (2.23)
onde eh é determinado por τ (u) através da equação linear Lh eh = −τ (u). Disto,

eh = −Gh τ (u), onde Gh = L−1
h é o operador de Green discreto associado a (2.8).
Tratemos agora do problema algébrico. Já vimos que o erro eh = v h − uh

satisfaz a equação algébrica Lh eh = −τ (u), onde Lh é dado por (2.14), isto é,
Lh = L−1
h Ah , com Lh = diag{L 1 , L 3 , ..., LN − 1 } e Ah = Ah (q), dada por
2 2 2
 
[q]
a1 −c1 0 · · · 0 0
 2 
 [q] 
 −c1 a3 −c2 · · · 0 0 
 
 2

 0 −c2
[q]
a5 · · · 0 0 
 
 2 
 · · · · · · 
 
Ah (q) =  , (2.24)
 · · · · · · 
 
 
 · · · · · · 
 
 
 0 0 0 · · ·
[q]
aN − 3 −cN −1 
 
 2 
[q]
0 0 0 · · · −cN −1 aN − 1
2
onde
ki
ci = , 0 ≤ i ≤ N, (2.25)
hi
[q]
ai− 1 = ci−1 + ci + qi− 1 Li− 1 , 1 ≤ i ≤ N. (2.26)
2 2 2
Em particular, eh resolve a equação Ah (q)eh = ~b(u), com ~b(u) = −Lh τ (u),

isto é,
b(u)i− 1 = − Li− 1 τ (u)i− 1 , 1 ≤ i ≤ N. (2.27)
2 2 2
12
Reduzindo Ah (q)eh = ~b(u) à forma triangular superior pela eliminação Gaus-

~
siana, obtemos Âh (q)eh = b̂(u), onde Âh (q) é a matriz triangular
 
[q]
â 1 −c1 0 · · · 0 0
 2 
 [q] 
 0 â 3 −c2 · · · 0 0 
 
 2

 0 0 â
[q]
· · · 0 0 
 5 
 2 
 · · · · · · 
 
Âh (q) =  , (2.28)
 · · · · · · 
 
 
 · · · · · · 
 
 
 0 0 0 · · · âN − 3 −cN −1 
[q]
 
 2 
[q]
0 0 0 · · · 0 âN − 1
2
com
[q] [q]
âi− 1 = θi−1 ci−1 + ci + qi− 1 Li− 1 , 1 ≤ i ≤ N, (2.29)
2 2 2
[q] [q] [q]

onde θ0 = 1 e θ1 , θ2 ,... são quantidades positivas computadas recursivamente
pela fórmula
[q]
[q]
ci−1 θi−1 + qi− 1 Li− 1
θi = [q]
2 2
, 1 ≤ i ≤ N − 1. (2.30)
ci−1 θi−1 + ci + qi− 1 Li− 1
2 2
1 1 1
Quando q(x) = 0, temos que [0] = ci
+ [0] para cada i ≥ 1, o que resulta
ci θi ci−1 θi−1
em
i−1
X Xi
1 1 1 hl
[0]
= + = , (2.31)
ci θi ci l=0
cl l=0
kl
enquanto que, para q(x) ≥ 0,
Xi
1 hl
[q]
≤ . (2.32)
ci θi l=0
k l
[q]
Os coeficientes θi são também usados para computar o vetor b̂(u) ∈ HC , dado
por
i
X [q]
θi−1 ci−1 [q]
b̂(u)i− 1 = [q]
νij b(u)j− 1 , 1 ≤ i ≤ N, (2.33)
j=1 θj−1 cj−1
2 2
13
[q]
com νii = 1 para 1 ≤ i ≤ N e
i−1
Y [q]
[q] θl−1 cl−1
νij = [q]
, 1 ≤ j ≤ i − 1, 2 ≤ i ≤ N. (2.34)
l=j θl−1 cl−1 + ql− 1 Ll− 1
2 2
Daı́ obtemos, em particular, o bem conhecido resultado que, para q(x) ≥ 0,

todos os N 2 elementos de A−1
h , e os operadores de Green Gh , são positivos. Além
disso, esse resultado permanece válido para qualquer q(x) limitada em [a, b], desde
que a malha seja suficientemente fina. Temos também o seguinte lema,
³ ´
[q]
Lema 2.1. Se b̂ = b̂ 1 , b̂ 3 , ..., b̂N − 1 ∈ HC é tal que | b̂i− 1 |≤ θi−1 ci−1 Γ para
2 2 2 ³ 2 ´
algum Γ > 0 e todo 1 ≤ i ≤ N , então a solução v = v 1 , ..., vN − 1 ∈ HC de
2 2
Âh (q)v = b̂ satisfaz a estimativa | vi− 1 |≤ Γ para todo 1 ≤ i ≤ N , desde que

2
q(x) ≥ 0 em [a, b], ou, para q(x) qualquer, que a malha seja suficientemente fina.
Demonstração. Para i = N , temos

b̂N − 1 b̂N − 1
vN − 1 = [q]
2
= [q]
2
, (2.35)
2
âN − 1 θN −1 cN −1 + cN
2
|b̂N − 1 |
tal que | vN − 1 |≤ [q]
2
≤ Γ por hipótese. Do mesmo modo,
2 θN −1 cN −1
b̂N − 3 cN −1
vN − 3 = [q]
2
+ [q]
vN − 1 , (2.36)
2
âN − 3 âN − 3 2
2 2
de maneira que
[q]
θN −2 cN −2 | b̂N − 3 | cN −1
| vN − 3 | ≤ [q] [q]
2
+ [q]
| vN − 1 |≤ Γ,
2
θN −2 cN −2 + cN −1 θN −2 cN −2 θN −2 cN −2 + cN −1 2
(2.37)
e assim sucessivamente com i = N − 2, N − 3, ..., 1.
Notemos de passagem que, quando q(x) ≥ 0, do Lemma 2.1 e de (2.31), (2.32),

(2.33) e (2.34), obtemos
| Gh v |sup (b − a)2
k Gh k∞ = supv∈HC , v6=0 ≤ (2.38)
| v |sup m0 (k)
em qualquer malha, onde m0 (k) é o valor mı́nimo m0 (k) = min{k(x) : a ≤ x ≤ b}.
14
2.2 Análise dos Erros de Solução e de Derivada de

Primeira Ordem para q(x) = 0
Consideremos o problema de Sturm-Liouville com condições de contorno de

Dirichlet em x = a e x = b,
µ ¶
d du
− k(x) + q(x) u(x) = f (x), a < x < b, (2.39)
dx dx
α0 u(a) = γa , β0 u(b) = γb , (2.40)
onde γa e γb são constantes dadas, α0 > 0, β0 > 0, k(x) ∈ C 3 ([a, b]), q(x) ∈
C 2 ([a, b]), f (x) ∈ C 2 ([a, b]), k(x) > 0 em [a, b], q(x) ≥ 0 em [a, b] e u(x) ∈ C 4 ([a, b]).
Na verdade, de acordo com [21], podemos supor que
1
q(x) > − Rb , x ∈ [a, b]. (2.41)
1
(b − a) a k(t)
dt
A discretização desse problema pelo método mimético de diferenças finitas é

dada por,
µ ¶
ki−1 ki−1 ki ki
− v 3 + + vi− 1 − v 1 = Li− 1 fi− 1 , (2.42)
hi−1 i− 2 hi−1 hi 2 hi i+ 2 2 2
γa γb
v− 1 ≡ v0 = , v N + 1 ≡ vN = . (2.43)
2 α0 2 β0
Em primeiro lugar, estimemos a quantidade Geh . Como Lj− 1 (D(k ·Geh ))j− 1 =
2 2
h h
kj (Ge )j − kj−1 (Ge )j−1 , podemos escrever
N
X
h h
ki (Ge )i = kN (Ge )N − Lj− 1 (D(k · Geh ))j− 1 , (2.44)
2 2
j=i+1
para 0 ≤ i ≤ N , de onde obtemos, usando (2.14) e admitindo q(x) = 0,

N
X
h h
ki (Ge )i = kN (Ge )N − Lj− 1 τ (u)j− 1 , 0 ≤ i ≤ N, (2.45)
2 2
j=i+1
onde o erro de truncamento τ (u) é dado por (2.22), o que nos leva a
N
X
Lj− 1 τ (u)j− 1 = J1 (h) + J2 (h) + J3 (h) + O(~2 ), (2.46)
2 2
j=i+1
15
onde
N
X µ ¶
hj−1 + hj
J1 (h) = kj− 1 u00j− 1 Lj− 1 − , (2.47)
j=i+1
2 2 2 2
N
1 X ¡ 2 ¢
J2 (h) = − kj− 1 u000
j− 21 h j − h 2
j−1 , (2.48)
6 j=i+1 2
N
1 X 0
J3 (h) = − k 1 u00 1 L 1 (hj − hj−1 ) , (2.49)
4 j=i+1 j− 2 j− 2 j− 2
qP
N
com ~ sendo a medida de espaçamento de malha definida por ~ = j=1 L3j− 1 .
2
Li− 1 +Li+ 1
Agora, como hi = 2
2
2
,
1 X
N ³³ ´ ³ ´´
J1 (h) = − w 1 Lj+ 1 − Lj− 1 − Lj− 1 − Lj− 3 , (2.50)
4 j=i+1 j− 2 2 2 2 2
onde w(x) := k(x) u00 (x). Esta equação pode ser reescrita na forma
1 X ³ ³ ´ ³ ´´
N
J1 (h) = − wj Lj+ 1 − Lj− 1 − wj−1 Lj− 1 − Lj− 3
4 j=i+1 2 2 2 2
1 X ³ ´ ³ ´
N
+ wj − wj− 1 Lj+ 1 − Lj− 1 (2.51)
4 j=i+1 2 2 2
1 X ³ ´ ³ ´
N
+ wj− 1 − wj−1 Lj− 1 − Lj− 3 .
4 j=i+1 2 2 2
³ ´ Lj− 1 ³ ´
0
Observemos que wj − wj− 1 = wj− 1 2
2
+ O(L2j− 1 ), wj− 1 − wj−1 =
2 2 2 2
Lj− 1
0
wj− 1 2
2
+ O(L2j− 1 ), LN + 1 ≡ 0, L− 1 ≡ 0, xN + 1 ≡ xN = b e x− 1 ≡ x0 = a. Além
2 2 2 2 2 2
16
disso, temos séries telescópicas, o que nos leva ao seguinte resultado,

1 ³ ³ ´ ³ ´´
J1 (h) = − wN 0 − LN − 1 − wi Li+ 1 − Li− 1
4 2 2 2
1 X 0 ³ ´
N
+ wj− 1 Lj+ 1 Lj− 1 − L2j− 1
8 j=i+1 2 2 2 2
1 X 0 ³ 2 ´
N
+ wj− 1 Lj− 1 − Lj− 1 Lj− 3 + O(~2 ) (2.52)
8 j=i+1 2 2 2 2
1 1 ³ ´
= wN LN − 1 + wi Li+ 1 − Li− 1
4 2 4 2 2
1 X ³ 0 ´
N
0
+ wj− 1 Lj+ 1 Lj− 1 − wj− 1 Lj− 1 Lj− 3 + O(~2 ).
8 j=i+1 2 2 2 2 2 2
0 0 0 0
Como wj− 1 = wj + O(Lj− 1 ), e também w
j− 1
= wj−1 + O(Lj− 1 ), temos
2 2 2 2
1 1 ³ ´
J1 (h) = wN LN − 1 + wi Li+ 1 − Li− 1
4 2 4 2 2
1 X ³ 0 ´
N
0
+ wj Lj+ 1 Lj− 1 − wj−1 Lj− 1 Lj− 3 + O(~2 )
8 j=i+1 2 2 2 2
(2.53)
1 1 ³ ´
= wN LN − 1 + wi Li+ 1 − Li− 1
4 2 4 2 2
1 0 1 0
+ wN LN + 1 LN − 1 − wi Li+ 1 Li− 1 + O(~2 ).
8 2 2 8 2 2
Como w(x) = k(x)u00 (x), e portanto w0 (x) = k(x)u000 (x) + k0 (x)u00 (x), segue
que
1 1 ³ ´
00 00
J1 (h) = kN uN LN − 1 + ki ui Li+ 1 − Li− 1
4 2 4 2 2
(2.54)
1 0 000
− (k u + ki0 u00i ) Li+ 1 Li− 1 + O(~2 ).
8 i i 2 2
17
Similarmente, considerando w̃(x) := k(x)u000 (x), w̃j− 1 = w̃j + O(Lj− 1 ) e

2 2
w̃j− 1 = w̃j−1 + O(Lj− 1 ), obtemos

2 2
N
1 X ¡ 2 ¢
J2 (h) = − kj− 1 u000
j− 1 hj − h2j−1
6 j=i+1 2 2
1 X ³ ´
N
= − w̃j− 1 h2j − w̃j− 1 h2j−1
6 j=i+1 2 2
N
1 X ¡ ¢ (2.55)
= − w̃j h2j − w̃j−1 h2j−1 + O(~2 )
6 j=i+1
1 ¡ ¢
= − w̃N h2N − w̃i h2i + O(~2 )
6
³ ´2
2
1 LN − 1 1 Li− 1 + Li+ 1
+ O(~2 ).
2 2
= − w̃N 2
+ w̃i
6 4 6 4
Logo,
1 1 ³ ´2
J2 (h) = − kN u000
N L2
1
N− 2
+ k i u 000
i L 1 + L
i− 2 1
i+ 2 + O(~2 ). (2.56)
24 24
Finalmente, para ŵ(x) = k0 (x)u00 (x), temos

N
1 X 0
J3 (h) = − k 1 u00 1 L 1 (hj − hj−1 )
4 j=i+1 j− 2 j− 2 j− 2
N
Ã !
1 X 0 Lj+ 1 − L
j− 3
= − k 1 u00 1 L 1 2 2
(2.57)
4 j=i+1 j− 2 j− 2 j− 2 2
1 X ³ ´
N
= − ŵj− 1 Lj+ 1 Lj− 1 − Lj− 1 Lj− 3 ŵj− 1 .
8 j=i+1 2 2 2 2 2 2
Usando expansões de Taylor para ŵ(x) temos que ŵj− 1 = ŵj + O(Lj− 1 ), ou
2 2
também, ŵj− 1 = ŵj−1 + O(Lj− 1 ), o que nos leva a

2 2
1 X ³ ´
N
J3 (h) = − ŵj Lj+ 1 Lj− 1 − ŵj−1 Lj− 1 Lj− 3 + O(~2 )
8 j=i+1 2 2 2 2
(2.58)
1 ³ ´
= − ŵN LN + 1 LN − 1 − ŵi Li+ 1 Li− 1 + O(~2 ).
8 2 2 2 2
18
Lembrando que LN + 1 = 0, segue que

2
1
J3 (h) = ŵi Li+ 1 Li− 1 + O(~2 ), (2.59)
8 2 2
ou seja,
1 0 00
J3 (h) = k u L 1 L 1 + O(~2 ). (2.60)
8 i i i+ 2 i− 2
Portanto, de (2.46) e (2.54), (2.56), (2.60), obtemos

N
X 1 1
Lj− 1 τ (u)j− 1 = kN u00N LN − 1 − kN u000 2
N LN − 1
j=i+1
2 2 4 2 24 2
1 ³ ´ (2.61)
00
+ ki ui Li+ − Li− 1 1
4 2 2
1 ³ ´
+ ki u000
i L2
i− 12
+ L 2
i+ 12
− L 1
i− 2 L 1
i+ 2 + O(~2 ).
24
Computemos eN − 1 por eliminação Gaussiana em (2.14). Resolvendo Ah (0)eh =

2
[q]
−Lh τ (u) para eN − 1 , obtemos, a partir de Ah (q) com q(x) = 0, b(u)i− 1 , Âh (q), âi− 1 ,
2 2 2
[q]
b̂(u)i− 1 , νij apresentados anteriormente, que
2
N
X [0]
b̂N − 1 1 θN −1 cN −1 [0]
eN − 1 = [0]
2
= [0] [0]
νN j b(u)j− 1 , (2.62)
2
âN − 1 θN −1 cN −1 + cN j=1 θj−1 cj−1 2
[0] QN −1 [0]
θl−1 cl−1
com νN j = l=j [0] , 1 ≤ j ≤ N − 1, o que resulta em
θl−1 cl−1
[0] N
X
θN −1 cN −1 1
eN − 1 = − [0] [0]
Lj− 1 τ (u)j− 1 , (2.63)
2
cN + θN −1 cN −1 j=1 θj−1 cj−1 2 2
ki 1
Pj hl
onde ci = hi
e [0] = l=0 kl , com 0 ≤ j ≤ N . É conveniente introduzirmos Ij ,
cj θj
0 ≤ j ≤ N,
j
X hl
Ij := . (2.64)
l=0
k l
19
PN hl Rb 1
Em particular, IN = l=0 kl é dado pela aproximação trapezoidal a k(x)
dx,
Rb 1 2
tal que IN = a k(x) dx + O(~ ). Agora,
[0] 1
θN −1 cN −1 1 cN
[0]
= cN = 1 1
cN + θN −1 cN −1 1 + [0] cN
+ [0]
θN −1 cN −1 θN −1 cN −1
(2.65)
hN hN hN
kN k kN
= PN −1 = PN N hl = ,
hN
kN
+ l=0
hl
kl l=0 kl
IN
isto é,
[0]
θN −1 cN −1 hN
[0]
= . (2.66)
cN + θN −1 cN −1 kN IN
Por outro lado, da fórmula (2.22) para o erro de truncamento e q(x) = 0,

temos
N
X 1
[0]
Lj− 1 τ (u)j− 1 = Jˆ1 (h) + Jˆ2 (h) + Jˆ3 (h) + O(~2 ), (2.67)
j=1 θj−1 cj−1 2 2
onde
N
X µ ¶
hj + hj−1
Jˆ1 (h) = Ij−1 Kj− 1 u00j− 1 Lj− 1 − , (2.68)
j=1
2 2 2 2
N
ˆ 1 X ¡ 2 ¢
J2 (h) = − Ij−1 Kj− 1 u000
j− 12
hj − h2j−1 , (2.69)
6 j=1 2
N
1 X
Jˆ3 (h) = − 0
Ij−1 Kj− 1 u
00
j− 12
(hj − hj−1 ) Lj− 1 . (2.70)
4 j=1 2 2
20
Consideremos agora w(x) := k(x)u00 (x). Assim,

N
X µ ¶
hj + hj−1
Jˆ1 (h) = Ij−1 Kj− 1 u00j− 1 Lj− 1 −
j=1
2 2 2 2
1 X
N ³³ ´ ³ ´´
= − Ij−1 wj− 1 Lj+ 1 − Lj− 1 − Lj− 1 − Lj− 3
4 j=1 2 2 2 2 2
1 X ³ ³ ´ ³ ´´
N
= − Ij wj Lj+ 1 − Lj− 1 − Ij−1 wj−1 Lj− 1 − Lj− 3
4 j=1 2 2 2 2
1 X ³ ´ ³ ´
N
+ Ij wj − Ij−1 wj− 1 Lj+ 1 − Lj− 1
4 j=1 2 2 2
1 X
N ³ ´ ³ ´
+ Ij−1 wj− 1 − wj−1 Lj− 1 − Lj− 3
4 j=1 2 2 2
1 ³ ³ ´ ³ ´´
= − IN wN LN + − LN −
1 1 − I0 w0 L − L−
1 1
4 2 2 2 2
1 X
N ³ ´
+ (Ij − Ij−1 ) wj Lj+ 1 − Lj− 1
4 j=1 2 2
1 X
N ³ ´ ³ ´
+ Ij−1 wj − wj− 1 Lj+ 1 − Lj− 1
4 j=1 2 2 2
1 X
N ³ ´ ³ ´
+ Ij−1 wj− 1 − wj−1 Lj− 1 − Lj− 3 .
4 j=1 2 2 2
(2.71)
21
hj
Como LN + 1 = 0, L− 1 = 0, Ij − Ij−1 = kj
, wj − wj− 1 = 12 wj−
0
1 Lj− 1 + O(L
2
j− 1
)
2 2 2 2 2 2
1 0
e wj− 1 − wj−1 = w L 1
2 j− 12 j− 2
+ O(L2j− 1 ), segue que
2 2
1 1
N
1 X 00 ³ ´
ˆ
J1 (h) = IN wN LN − 1 + I0 w0 L 1 + u hj Lj+ 1 − Lj− 1
4 2 4 2 4 j=1 j 2 2
1 X
N ³ ´
0
+ Ij−1 wj− 1 Lj+ 1 Lj− 1 − L2j− 1
8 j=1 2 2 2 2
³ ´
0
+ Ij−1 wj− 1 L2j− 1 − Lj− 1 Lj− 3 + O(~2 )
2 2 2 2
1 X 00 ³ 2 ´
N
1 1
= IN wN LN − 1 + u000 h0 L 1 + uj Lj+ 1 − L2j− 1
4 2 4 2 8 j=1 2 2
1 X ³ ´
N
0 0
+ Ij−1 wj− 1 Lj+ 1 Lj− 1 − Ij−1 w 1 Lj− 1 Lj− 3
j− 2
+ O(~2 ),
8 j=1 2 2 2 2 2
(2.72)
³ ´ L1
h0 1
visto que I0 = k0
e hj = 2
Lj+ 1 + Lj− 1 . Como h0 = 2
2
,
2 2
0 0 0 0
Ij−1 wj− 1 = Ij w
j+ 1
− (Ij wj+ 1 − Ij−1 w
j− 1
)e
2 2 2 2
0 0 0 0 0
(Ij wj+ 1 − Ij−1 wj− 1) = (Ij − Ij−1 ) wj+ 1 + Ij−1 (wj+ 1 − w
j− 1
) = O(hj ), segue que
2 2 2 2 2
1 X ³ 00 2 ´
N
ˆ 1 1 00 2
J1 (h) = I N wN L N − 1 + u 0 L 1 + uj Lj+ 1 − u00j L2j− 1
4 2 8 2 8 j=1 2 2
(2.73)
1 X ³ ´
N
0 0
+ Ij wj+ 1 L 1
j+ 2 L 1
j− 2 − Ij−1 wj− 12
L 1
j− 2 L 3
j− 2 + O(~2 ).
8 j=1 2
Fazendo u00j = u00j−1 + O(Lj− 1 ), temos

2
1 1 1 ³ 00 2 ´
Jˆ1 (h) = IN wN LN − 1 + u000 L21 + uN LN + 1 − u000 L21
4 2 8 2 8 2 2
(2.74)
1 ³ ´
0
+ IN wN + 12
LN + 1 LN − 1 − I0 w01 L 1 L− 1 + O(~2 ).
8 2 2 2 2 2
Como LN + 1 = 0 e L− 1 = 0, obtemos
2 2
1
Jˆ1 (h) = IN wN LN − 1 + O(~2 ), (2.75)
4 2
isto é,
1
Jˆ1 (h) = IN kN u00N LN − 1 + O(~2 ). (2.76)
4 2
22
Similarmente, para w̃(x) := k(x)u000 (x), chegamos a

N
ˆ 1 X ¡ 2 ¢
J2 (h) = − Ij−1 Kj− 1 u000
j− 1 hj − h2j−1
6 j=1 2 2
(2.77)
1 X ³ ´
N
2 2
= − Ij−1 w̃j− 1 hj − Ij−1 w̃j− 1 hj−1 .
6 j=1 2 2
De maneira análoga,
³ ´
Ij−1 w̃j− 1 = Ij w̃j − Ij w̃j − Ij−1 w̃j− 1 ,
2 2
³ ´ ³ ´
Ij w̃j − Ij−1 w̃j− 1 = (Ij − Ij−1 ) w̃j + Ij−1 w̃j − w̃j− 1 ,
2 2
(Ij − Ij−1 ) = O(hj ), (2.78)

³ ´
w̃j − w̃j− 1 = O(Lj− 1 ),
2 2
w̃j− 1 = w̃j−1 + (w̃j− 1 − w̃j−1 ) = w̃j−1 + O(Lj− 1 ),

2 2 2
o que resulta em
N
ˆ 1 X ¡ ¢
J2 (h) = − Ij w̃j h2j − Ij−1 w̃j−1 h2j−1 + O(~2 )
6 j=1
(2.79)
1 ¡ ¢
= − IN w̃N h2N − I0 w̃0 h20 + O(~2 ).
6
h0
Como LN + 1 = 0 e I0 = k0
, temos
2
1 L2N − 1
ˆ
J2 (h) = − IN w̃N 2
+ O(~2 ), (2.80)
6 4
ou seja,
1
Jˆ2 (h) = − IN kN u000 2 2
N LN − 1 + O(~ ). (2.81)
24 2
Finalmente, considerando ŵ(x) := k0 (x)u00 (x) e escrevendo (hj − hj−1 ) =

³ ´
1
2
Lj+ − Lj− , obtemos
1 3
2 2
N
ˆ 1 X 0 00
J3 (h) = − Ij−1 Kj− 1 u
j− 12
Lj− 1 (hj − hj−1 )
4 j=1 2 2
(2.82)
1 X ³ ´
N
= − Ij−1 ŵj− Lj+ Lj− − Ij−1 ŵj− Lj− Lj− .
1 1 1 1 1 3
8 j=1 2 2 2 2 2 2
23
Da mesma forma que no caso anterior,

³ ´
Ij−1 ŵj− 1 = Ij ŵj − Ij ŵj − Ij−1 ŵj− 1 ,
2 2
³ ´ ³ ´
Ij ŵj − Ij−1 ŵj− 1 = (Ij − Ij−1 ) ŵj + Ij−1 ŵj − ŵj− 1 ,
2 2
(Ij − Ij−1 ) = O(hj ), (2.83)

³ ´
ŵj − ŵj− 1 = O(Lj− 1 ),
2 2
ŵj− 1 = ŵj−1 + (ŵj− 1 − ŵj−1 ) = ŵj−1 + O(Lj− 1 ),

2 2 2
o que resulta em
1 X ³ ´
N
Jˆ3 (h) = − Ij ŵj Lj+ 1 Lj− 1 − Ij−1 ŵj−1 Lj− 1 Lj− 3 + O(~2 )
8 j=1 2 2 2 2
(2.84)
1 ³ ´
= − IN ŵN LN + 1 LN − 1 − I0 ŵ0 L 1 L− 1 + O(~2 ).
8 2 2 2 2
Como L− 1 = 0 e LN + 1 = 0, segue que

2 2
Jˆ3 (h) = O(~2 ). (2.85)
Conseqüentemente, de (2.67) e (2.76), (2.81), (2.85), temos

N
X 1
[0]
Lj− 1 τ (u)j− 1 = Jˆ1 (h) + Jˆ2 (h) + Jˆ3 (h) + O(~2 )
j=1 θj−1 cj−1 2 2
1 1
= IN kN u00N LN − 1 − IN kN u000 2 2
N LN − 1 + O(~ ),
4 2 24 2
(2.86)
isto é,
N
X 1 1 1
[0]
Lj− 1 τ (u)j− 1 = IN kN u00N LN − 1 − IN kN u000 2 2
N LN − 1 + O(~ ).
j=1 θj−1 cj−1 2 2 4 2 24 2
(2.87)
Com (2.66) e (2.87), a equação (2.63) pode ser reescrita na forma

[0] N
X
θN −1 cN −1 1
eN − 1 = − [0] [0]
Lj− 1 τ (u)j− 1
2
cN + θN −1 cN −1 j=1 θj−1 cj−1 2 2
µ ¶
hN 1 00 1 000 2 2
= − IN kN uN LN − 1 − IN kN uN LN − 1 + O(~ ) ,
kN IN 4 2 24 2
(2.88)
24
isto é, µ ¶
1 00 1 000 2 2
eN − 1 = − hN u L 1 − u L 1 + O(~ ) , (2.89)
2 4 N N− 2 24 N N − 2
ou de forma equivalente,
1 00 2 1 000 3
eN − 1 = − uN LN − 1 + u L 1 + hN O(~2 ). (2.90)
2 8 2 48 N N − 2
Em particular,
eN − eN − 1 eN − 1
(Geh )N = 2
= − 2
hN hN (2.91)
1 00 1 000 2
= uN L N − 1 − u L 1 + O(~2 ),
4 2 24 N N − 2
isto é,
1 00 1 000 2
(Geh )N = uN L N − 1 − u L 1 + O(~2 ). (2.92)
4 2 24 N N − 2
Com (2.45), (2.61) e (2.92), chegamos a

N
X
h h
ki (Ge )i = kN (Ge )N − Lj− 1 τ (u)j− 1
2 2
j=i+1
1 1
= kN u00N LN − 1 − kN u000 2
N LN − 1 + O(~ )
2
4 2 24 2
£1 1
− kN u00N LN − 1 − kN u000 2
N LN − 1
4 2 24 2
1 ³ ´ (2.93)
+ ki u00i Li+ 1 − Li− 1
4 2 2
1 ³ ´ ¤
+ ki u000
i L2
i− 2 1 + L 2
1
i+ 2
− Li− 21 L 1
i+ 2 + O(~2 )
24
1 ³ ´
= − ki u00i Li+ 1 − Li− 1
4 2 2
1 ³ ´
− ki u000
i L 2
i− 2 1 + L 2
1
i+ 2
− L 1 L
i− 2 1
i+ 2 + O(~2 ),
24
ou seja,
1 00 ³ ´
(Geh )i = − ui Li+ 1 − Li− 1
4 2 2
(2.94)
1 000 ³ 2 ´
− ui Li− 1 + L2i+ 1 − Li− 1 Li+ 1 + O(~2 ), 0 ≤ i ≤ N.
24 2 2 2 2
25
De (2.11), temos que

vi+ 1 − vi− 1
Ei = 2 2
− u0 (xi ) = (Gv h )i − u0 (xi )
hi (2.95)
h h h 0 h
= (G(v − u ))i + (Gu )i − u (xi ) = (Ge )i + τG (u)i ,
onde τG (u)i = (Guh )i − u0 (xi ). Por expansões de Taylor para u(x) em torno de xi ,
chegamos a
u(xi+ 1 ) − u(xi− 1 ) 1 00 ³
0
´
τG (u)i = 2
− u (xi ) =
2
u Li+ 1 − Li− 1
hi 4 i 2 2
(2.96)
1 000 ³ 2 2
´
3 3
+ u Li+ 1 + Li− 1 − Li− 1 Li+ 1 + O(Li− 1 ) + O(Li+ 1 ),
24 i 2 2 2 2 2 2
onde u(x) ∈ C 4 ([a, b]).

Conseqüentemente,
Ei = O(~2 ), 0 ≤ i ≤ N. (2.97)
No caso Dirichlet, conhecemos e0 (e eN ), isto é, e0 = 0 (e eN = 0). Como

vi− 1 − vi− 3
Ei−1 = (Gv h )i−1 − u0 (xi−1 ) = 2 2
− u0i−1 , (2.98)
hi−1
vi− 1 = vi− 3 + hi−1 u0i−1 + hi−1 Ei−1

2 2
i−1
X i−1
X
= ... = v 1 + hj u0j + hj Ej
2
j=1 j=1
(2.99)
i−1
X i−1
X
= v0 + hj u0j + hj Ej ,
j=0 j=0
ou seja,
i−1
X i−1
X
vi− 1 = v0 + hj u0j + hj Ej , 1 ≤ i ≤ N + 1. (2.100)
2
j=0 j=0
Similarmente, como
vi+ 1 − vi− 1
Ei = (Gv h )i − u0 (xi ) = 2 2
− u0i , (2.101)
hi
vi− 1 = vi+ 1 − hi u0i − hi Ei , (2.102)
2 2
26
ou seja,
N
X N
X
vi− 1 = vN − hj u0j − hj Ej , 0 ≤ i ≤ N. (2.103)
2
j=i j=i
De (2.100) obtemos,
i−1
X i−1
X
vi− 1 = v0 + hj u0j + hj Ej
2
j=0 j=0
Ã i−1 ! i−1
(2.104)
X Li− 1 Li− 1 X
= v0 + hj u0j − 2
u0i−1 + 2
u0i−1 + hj Ej .
j=0
2 2 j=0
Os termos entre parênteses nesta última equação representam a aproximação

Rx
trapezoidal para x0i−1 u0 (x)dx, e, como já sabemos que Ej = O(~2 ), temos
µZ xi−1 ¶
1
vi− 1 = v0 + u (x) dx + O(~ ) + Li− 1 u0i−1 + O(~2 )
0 2
2
x0 2 2
£ ¤ 1
= v0 + ui−1 − u0 + O(~2 ) + Li− 1 u0i−1 + O(~2 ) (2.105)
2 2
1
= ui−1 + L 1 u0 + O(~2 ).
2 i− 2 i−1
Como ui− 1 = ui−1 + 12 Li− 1 u0i−1 + 18 L2i− 1 u00i−1 + O(L3i− 1 ), segue que
2 2 2 2
1 2
vi− 1 = ui− 1 − Li− 1 u00i−1 + O(L3i− 1 ) + O(~2 ), (2.106)
2 2 8 2 2
e portanto,
1 00
ei− 1 = − u 1 L2 1 + O(~2 ), 1 ≤ i ≤ N, (2.107)
2 8 i− 2 i− 2
com e0 = 0 e eN = 0.
Os demais casos correspondentes às outras condições de contorno são tratados

de modo inteiramente análogo, ver [10] para uma discussão detalhada.
27

Primeira Ordem para q(x) ≥ 0
Consideremos agora o problema de estimar os erros
[q] [q]
ei− 1 = vi− 1 − u[q] (xi− 1 ), 0 ≤ i ≤ N + 1, (2.108)
2 2 2
e
[q] [q]
vi+ 1 − vi− 1 du[q]
[q]
Ei = 2 2
− (xi ), 0 ≤ i ≤ N, (2.109)
hi dx
[q] [q] [q] [q] [q] [q]
onde v− 1 ≡ v0 , v 1 ,..., vN − 1 , vN + 1 ≡ vN denotam as aproximações obtidas para
2 2 2 2
os valores da solução do problema (2.1)-(2.3), representada por u[q] (x), nos pontos
xi− 1 , 0 ≤ i ≤ N + 1, para dada função q(x) ∈ C 0 ([a, b]) não negativa. O propósito
2
desta seção é demonstrar o seguinte resultado.
Teorema 2.1. Na notação acima, tem-se
[q] [0]
ei− 1 = ei− 1 + O(~2 ), 0 ≤ i ≤ N + 1, (2.110)
2 2
e
[q] [0]
Ei = Ei + O(~2 ), 0 ≤ i ≤ N, (2.111)
uniformemente em i, onde e[0] , E [0] denotam respectivamente os erros de solução e

de derivada correspondentes ao caso q(x) = 0.
Demonstração. Apresentaremos aqui a análise dos erros eh e E h , com q(x) ≥ 0,

para o caso de condições de contorno de Dirichlet em x = a e x = b. Para os demais
casos, o procedimento é análogo. Do tratamento algébrico realizado na Seção 2.1,
e[q] ∈ HC é solução para o sistema linear algébrico
Ah (q) e[q] = − Lh τ (u), (2.112)
Ah (q) = Ah (0) + Qh (q), (2.113)

28
onde Lh = diag(L 1 , ..., LN − 1 ), Qh (q) = diag(q 1 L 1 , ..., qN − 1 LN − 1 ), Ah (q) é

2 2 2 2 2 2
dada em (2.24), (2.25) e (2.26), e τ (u) ∈ HC é o erro de truncamento dado por

(2.13). Inicialmente, consideremos o caso q(x) ≥ 0. Fixando e[0] ,
Ah (0) e[0] = − Lh τ (u), (2.114)
obtemos, para a diferença e[q] − e[0] , a equação
Ah (q) (e[q] − e[0] ) = − Qh e[0] . (2.115)
Reduzindo (2.115) à forma triangular, obtemos, por (2.28), (2.29), (2.30),

(2.33) e (2.34),
Âh (q) (e[q] − e[0] ) = ζ̂, (2.116)
com ζ̂ ∈ HC , dado por

i
X [q]
θi−1 ci−1 [q] [0]
ζ̂i− 1 = − [q]
νij Lj− 1 qj− 1 ej− 1 , 1 ≤ i ≤ N. (2.117)
j=1 θj−1 cj−1
2 2 2 2
[q]
Para q(x) ≥ 0, temos (2.32), e de (2.34) segue que | νij |≤ 1 para todo i, j.
Assim,
i
X
[q] 1 [0]
| ζ̂
i− 21 | ≤ θi−1 ci−1 [q]
Lj− 1 k q ksup | ej− 1 |
j=1 θj−1 cj−1 2 2
i i
(2.118)
[q]
X hl X [0]
≤ θi−1 ci−1 k q ksup Lj− 1 | ej− 1 |, 1 ≤ i ≤ N,
l=1
kl j=1 2 2
isto é,
N
X
[q] [0]
| ζ̂i− 1 | ≤ θi−1 ci−1 IN k q ksup Lj− 1 | ej− 1 |, 1 ≤ i ≤ N, (2.119)
2 2 2
j=1
onde k q ksup = supx∈[a,b] q(x). Então, do Lema 2.1,
N
X
[q] [0] [0]
ke − e ksup ≤ IN k q ksup Lj− 1 | ej− 1 |, 1 ≤ i ≤ N, (2.120)
2 2
j=1
29
[0]
quando q(x) ≥ 0, e como ej− 1 = O(L2j− 1 ) + O(~2 ) da Seção 2.2, obtemos
2 2
[q] [0]
k e[q] − e[0] ksup = O(~2 ). Devido a ei− 1 = ei− 1 + O(k e[q] − e[0] ksup ), temos
2 2
[q] 1 00
ei− 1 = − u (xi− 1 ) L2i− 1 + O(~2 ), 1 ≤ i ≤ N, (2.121)
2 8 2 2
1
onde o tamanho da constante no termo O(~2 ) depende dos valores de q(x), k(x), k(x)
e das derivadas k(x)l , u(x)(1+l) , com 0 ≤ l ≤ 3, em [a, b].
Estendamos (2.121) para funções q(·) satisfazendo (2.41), procedendo da seguinte

forma. Busquemos 0 < λ < 1 tal que
Z b
λ 1
q(x) ≥ − , a ≤ x ≤ b, I = ds, (2.122)
(b − a) I a k(s)
e suponhamos que a malha seja suficientemente fina, de forma que tenhamos
XN Z b
hl λ + 1 1
IN = ≤ ds. (2.123)
l=0
kl 2λ a k(s)
Como antes, o erro e[q] = v h − uh da aproximação v h dado em (2.8), com

v0 = γa e vN = γb , é determinado pela equação Ah (q)e[q] = −Lh τ (u), onde
τ (u) ∈ HC é o erro de truncamento dado por (2.13). Definindo q∗ = sup{0, q},
∗ ∗]
seja e[q ] ∈ HC definido por Ah (q∗ )e[q = −Lh τ (u), o que produz
∗ ∗ ∗
Ah (q∗ ) (e[q] − e[q ] ) = − Qh (q − q∗ ) e[q ] − Qh (q − q∗ ) (e[q] − e[q ] ), (2.124)
onde Qh (q −q∗ ) = diag{(q 1 −q ∗1 )L 1 , ..., (qN − 1 −qN

∗
−1
)LN − 1 }. Esta equação pode
2 2 2 2 2 2
[q] [q∗ ]
ser resolvida iterativamente fazendo e −e = limp→∞ w , com wh0i = (0, ..., 0)
hpi
e wh1i , wh2i , ..., dados por

∗]
Ah (q∗ ) whpi = − Qh (q − q∗ ) e[q − Qh (q − q∗ ) whp−1i , p ≥ 1. (2.125)
∗
Assim, Ah (q∗ ) wh1i = − Qh (q − q∗ ) e[q ] , ou Âh (q∗ )wh1i = ζ̂ h1i na forma
triangular com
i
X [q ]
θi−1 ci−1
∗
³ ´
h1i [q∗ ] ∗ [q∗ ]
ζ̂i− 1 = − [q∗ ]
νij L j− 12 q j− 12 − qj− 1 ej− 1 , 1 ≤ i ≤ N. (2.126)
2
j=1 θj−1 cj−1 2 2
30
h1i [q∗ ] PN [q∗ ]

Como q∗ ≥ 0, obtemos | ζ̂i− 1 | ≤ θi−1 ci−1 IN k q − q∗ ksup j=1 Lj− 1 | ej− 1 |,
2 2 2
isto é,
XN
h1i [q∗ ] λ + 1 1 [q∗ ]
| ζ̂i− 1 |= θi−1 ci−1 Lj− 1 | ej− 1 |, 1 ≤ i ≤ N, (2.127)
2 2 b − a j=1 2 2
usando (2.122) e (2.123). De forma semelhante, obtemos, para quaisquer p ≥ 1 e

1 ≤ i ≤ N,
µ ¶p XN
hpi hp−1i [q∗ ] λ + 1 1 [q∗ ]
| ζ̂i− 1 − ζ̂i− 1 |≤ θi−1 ci−1 Lj− 1 | ej− 1 |, (2.128)
2 2 2 b − a j=1 2 2
¡ λ + 1 ¢p 1
PN [q∗ ]
que produz, pelo Lema 2.1, k whpi −whp−1i ksup ≤ 2 b−a j=1 Lj− 1 | ej− 1 |
2 2
para todo p ≥ 1. Portanto,

∞
X XN
[q] q∗ hpi hp−1i 1 + λ 1 [q∗ ]
ke − e ksup ≤ kw − w ksup ≤ Lj− 1 | ej− 1 |
p=1
1 − λ b − a j=1 2 2
(2.129)
[q∗ ] ∗
e então, como | ej− 1 | = O(L2j− 1 ) + O(~2 ) de (2.121), temos que k e[q] − e[q ] ksup =
2 2
O(~2 ). Isto resulta em
[q] [q∗ ] ∗
ei− 1 = ei− 1 + O(k e[q] − eq ksup )
2 2
(2.130)
1
= − u00 (xi− 1 ) L2i− 1 + O(~2 ), 1 ≤ i ≤ N.
8 2 2
Continuemos estimando E [q] , Ge[q] , e agora que (2.130) foi obtido, procedamos
como na Seção 2.2. A partir de (2.44), temos, para 0 ≤ i ≤ N ,
N
X N
X
[q]
ki (Ge[q] )i = kN (Ge[q] )N − Lj− 1 qj− 1 ej− 1 − Lj− 1 τ (u)j− 1 , (2.131)
2 2 2 2 2
j=i+1 j=i+1
onde a primeira soma tem tamanho O(~2 ), por (2.130), e a última já foi computada
[q]
em (2.61). Quanto a kN (Ge[q] )N , procedemos como antes, computando eN − 1 com
2
terceira ordem de precisão usando os métodos utilizados no tratamento algébrico

apresentado na Seção 2.1. De (2.112) e (2.113), temos Ah (0)e[q] = b(u)−Qh (q)e[q] ,
onde b(u) = −Lh τ (u). Após a eliminação, isso torna-se Âh (0)e[q] = b̂(u) − ζ̂, com
31
ζ̂ = (ζ̂ 1 , ..., ζ̂N − 1 ) ∈ HC dado por

2 2
i
X [0]
θi−1 ci−1 [q]
ζ̂i− 1 = − [0]
Lj− 1 qj− 1 ej− 1 , 1 ≤ i ≤ N, (2.132)
j=1 θj−1 cj−1
2 2 2 2
[0]
conforme (2.28), (2.29), (2.30), (2.33) e (2.34). Como, | ζ̂i− 1 | ≤ θi−1 ci−1 IN k q ksup
2
Pi [q]
j=1 Lj− 1 | ej− 1 | por (2.31) e (2.64) para j = N , de (2.28) e (2.66), obtemos
2 2
[0] N
X
θN −1 cN −1 [q]
| (Âh (0)−1 ζ̂)N − 1 | ≤ [0]
IN k q ksup Lj− 1 | ej− 1 |
2
cN + θN −1 cN −1 j=1
2 2
N
(2.133)
hN X [q]
= k q ksup Lj− 1 | ej− 1 | .
kN j=1
2 2
[q] [0]
Para e[0] = Ah (0)−1 b(u) = Âh (0)−1 b̂(u), temos eN − 1 = eN − 1 −(Âh (0)−1 ζ̂)N − 1 ,
2 2 2
de maneira que, por (2.63), (2.89), (2.130), (2.133),

µ ¶
[q] 1 00 1 000 2 2
eN − 1 = hN − uN LN − 1 + u L 1 + O(~ ) , (2.134)
2 4 2 24 N N − 2
dando
1 00 1 000 2
(Ge[q] )N = uN LN − 1 − uN LN − 1 + O(~2 ). (2.135)
4 2 24 2
Conseqüentemente, de (2.61), (2.130), (2.131), (2.135), obtemos
1 00 ³ ´
(Ge[q] )i = − ui Li+ 1 − Li− 1
4 2 2
1 000 ³ 2 ´
− ui Li− 1 − Li− 1 Li+ 1 + L2i+ 1 + O(~2 ) (2.136)
24 2 2 2 2
para todo 0 ≤ i ≤ N tal que E [q] = Ge[q] + τG (u) = O(~2 ), como afirmado.
32
2.4 Análise do Erro da Derivada de Segunda Ordem
Analisemos inicialmente D(E)i− 1 , com 1 ≤ i ≤ N . Sabemos que o erro da

2
derivada de primeira ordem é dado por
E = Geh + τG (u). (2.137)
Multiplicando (2.137) por k, obtemos
k · E = k · Geh + k · τG (u), (2.138)
que, por sua vez, implica
D(k · E) = D(k · Geh ) + D(k · τG (u)). (2.139)
Pela equação (2.14), como −D(k · Geh ) + q · eh = −τ (u), segue que
D(k · E)i− 1 = qi− 1 · ei− 1 + τ (u)i− 1 + D(k · τG (u))i− 1 , 1 ≤ i ≤ N. (2.140)

2 2 2 2 2
Além disso,
wi zi − wi−1 zi−1 wi − wi−1 zi − zi−1

D(w · z)i− 1 = = zi + wi−1 , (2.141)
2 Li− 1 Li− 1 Li− 1
2 2 2
isto é,
D(w · z)i− 1 = (Dw)i− 1 zi + wi−1 (Dz)i− 1 , (2.142)
2 2 2
o que implica
D(k · E)i− 1 = ki · (DE)i− 1 + Ei−1 · D(k)i− 1 , (2.143)
2 2 2
onde
ki − ki−1 0 2
D(k)i− 1 = = ki− 1 + O(L
i− 12
), (2.144)
2 Li− 1 2
2
3
visto que k(x) ∈ C ([a, b]).
Similarmente, de (2.142), chegamos a
D(k · τG (u))i− 1 = ki−1 · D(τG (u))i− 1 + (Dk)i− 1 · τG (u)i . (2.145)

2 2 2
33
Substituindo (2.143) e (2.145) em (2.140), obtemos
ki · (DE)i− 1 = − Ei−1 · (Dk)i− 1 + qi− 1 ei− 1 + τ (u)i− 1

2 2 2 2 2
(2.146)
+ (Dk)i− 1 τG (u)i + ki−1 D(τG (u))i− 1 ,
2 2
onde
Ei−1 = O(~2 ), (2.147)
(Dk)i− 1 = O(1), (2.148)

2
qi− 1 = O(1), (2.149)

2
ei− 1 = O(L2i− 1 ) + O(~2 ), (2.150)

2 2
µ ¶
00 hi + hi−1
τ (u)i−1/2 = ki−1/2 ui−1/2 1 −
2Li−1/2
1 h2i − h2i−1 1 0
− Ki−1/2 u000i−1/2 − Ki−1/2 u00i−1/2 (hi − hi−1 ) (2.151)
6 Li−1/2 4
+ O(L2i−3/2 ) + O(L2i−1/2 ) + O(L2i+1/2 ),
e,
0 2
D(k)i− 1 = ki− 1 + O(L
i− 1
). (2.152)
2 2 2
Fazendo
1
u0 (xi ) = u0 (xi− 1 + L 1)
2 2 i− 2 (2.153)
1 00 1
= u0i− 1 + ui− 1 Li− 1 + u000 1 L
2
1 + O(L
3
i− 12
),
2 2 2 2 8 i− 2 i− 2
segue que,
u(xi− 1 + hi ) − u(xi− 1 )
τG (u)i = (Guh )i − u0 (xi ) = 2 2
− u0 (xi )
hi
µ ¶
1 00 1 000 (2.154)
= ui− 1 + ui− 1 hi + ui− 1 hi + O(hi ) − u0i
0 2 3
2 2 2 6 2
1 00 ³ ´ 1 1 000
= ui− 1 Li+ 1 − Li− 1 + u000 i−
2
1 hi − u 1 L2 1 + O(h3i ),
4 2 2 2 6 2 8 i− 2 i− 2
ou seja,
1 00 ³ ´
τG (u)i = ui− 1 Li+ 1 − Li− 1 + O(h2i ). (2.155)
4 2 2 2
Além disso,
1
D(τG (u))i− 1 = (τG (u)i − τG (u)i−1 ) , (2.156)
2 Li− 1
2
34
onde
u(xi− 1 + hi ) − u(xi− 1 )
τG (u)i = 2 2
− u0 (xi )
hi (2.157)
1 1
= u0i− 1 + u00i− 1 hi + u000 h2 + O(h3i ) − u0i ,
i− 12 i
2 2 2 6
e
u(xi− 1 ) − u(xi− 1 − hi−1 )
τG (u)i−1 = 2 2
− u0 (xi−1 )
hi−1
u(xi− 1 ) − (ui− 1 − hi−1 u0i− 1 + 12 h2i−1 u00i− 1 − 1
6
h3i−1 u000
i− 1
+ O(h4i−1 ))
2 2
= 2 2 2
hi−1
− u0 (xi−1 )
1 00 1
= u0i− 1 − ui− 1 hi−1 + u000 h2 + O(h3i−1 ) − u0i−1 .
i− 12 i−1
2 2 2 6
(2.158)
Dessa forma,
hi + hi−1 1 ¡ 2 ¢
τG (u)i − τG (u)i−1 = u00i− 1 + u000
i− 1 hi − h2i−1
2 2 6 2
(2.159)
¡ 0 ¢
− ui − u0i−1 + O(h3i ) + O(h3i−1 ).
¡ ¢
Como u0i − u0i−1 = u00i− 1 Li− 1 + O(L3i− 1 ), segue que
2 2 2
1 hi + hi−1 1 000 h2i − h2i−1

(τG (u)i − τG (u)i−1 ) = u00i− 1 + ui− 1
Li− 1 2 2 Li− 1 6 2 Li− 1
2 2 2
− u00i− 1 + O(L2i− 1 ) (2.160)

2 2
Li− 3 Li+ 1
+ O(L2i− 3 ) 2
+ O(L2i+ 1 ) 2
.
2 L i− 12 2 Li− 1
2
Portanto,
Ã !
hi + hi−1 1 h2i − h2i−1
D(τG (u))i− 1 = u00i− 1 − 1 + u000 1
2 2 2 Li− 1 6 i− 2 Li− 1
2 2
(2.161)
Li− 3 Li+ 1
+ O(L2i− 1 ) + O(L2i− 3 ) 2
+ O(L2i+ 1 ) 2
.
2 2 Li− 1 2 Li− 1
2 2
35
Usando as equações (2.151) e (2.161) em (2.146), obtemos

1 0 ³ ´
2 2 00
ki · (DE)i− 1 = O(~ ) + O(Li− 1 ) + ki− 1 ui− 1 Li+ 1 − Li− 1
2 2 4 2 2 2 2
+ τ (u)i− 1 + ki−1 · D(τG (u))i− 1

2 2
1 0 ³ ´
= O(~2 ) + O(L2i− 1 ) + ki− 1 u
00
1
i− 2
L 1 − L
i+ 2 1
i− 2
· µ2 4 2
¶
hi + hi−1
+ ki−1/2 u00i−1/2 1 −
2Li−1/2
1 h2i − h2i−1 1 0
− Ki−1/2 u000i−1/2 − Ki−1/2 u00i−1/2 (hi − hi−1 )
6 Li−1/2 4
¸
2 2 2
+ O(Li−3/2 ) + O(Li−1/2 ) + O(Li+1/2 )
Ã !
hi + h i−1 1 h2i − h2i−1
+ ki−1 u00i− 1 − 1 + ki−1 u000 i− 12
2 2 Li− 1 6 Li− 1
2 2
Li− 3 Li+ 1
+ O(L2i− 1 ) + O(L2i− 3 ) 2
+ O(L2i+ 1 ) 2
2 2 Li− 1 2 Li− 1
Ã 2
! 2
hi + hi−1
= (ki− 1 − ki−1 ) u00i− 1 1−
2 2 2 Li− 1
2
1 ³ ´ h2i − h2i−1
− ki− 1 − ki−1 u000 i− 21
6 2 Li− 1
Ã 2
!
1 0 00
Li+ 1 Li− 3
+ ki− 1 ui− 1 2
− Li− 1 + 2
+ O(~2 ) + O(L2i− 1 )
4 2 2 2 2 2 2
Ã ! Ã !
Li− 3 Li+ 1
+ 1 + 2
O(L2i− 3 ) + 1 + 2
O(L2i+ 1 ).
Li− 1 2 Li− 1 2
2 2
(2.162)
Como (ki− 1 − ki−1 ) = 21 ki−

0
1 Li− 1 + O(L
2
i− 1
), temos
2 2 2 2
Ã !
1 0 Li+ 1 Li− 3
ki · (DE)i− 1 = k 1 u00 1 2 Li− 1 − (hi + hi−1 ) + 2
− Li− 1 + 2
2 4 i− 2 i− 2 2 2 2 2
+ O(L2i− 1 ) + O(L2i− 3 ) + O(L2i+ 1 ) + O(~2 )

2 2 2
Li− 3 Li+ 1
+ 2
O(L2i− 3 ) 2
O(L2i+ 1 ),
L i− 12 2 Li− 12 2
(2.163)
36
isto é,
ki · (DE)i− 1 = O(L2i− 3 ) + O(L2i− 1 ) + O(L2i+ 1 ) + O(~2 )

2 2 2 2
Li− 3 Li+ 1 (2.164)

+ 2
O(L2i− 3 ) + 2
O(L2i+ 1 ), 1 ≤ i ≤ N.
Li− 1 2 Li− 1 2
2 2
Portanto,
D(E)i− 1 = O(L2i− 3 ) + O(L2i− 1 ) + O(L2i+ 1 ) + O(~2 )

2 2 2 2
Li− 3 Li+ 1 (2.165)

+ 2
O(L2i− 3 ) + 2
O(L2i+ 1 ), 1 ≤ i ≤ N.
Li− 1 2 Li− 1 2
2 2
Analisemos agora o erro da derivada de segunda ordem, denotado por Ei− 1 .

2
h h h
Lembrando que e = v − u , segue que
Ei− 1 := D(Gv h )i− 1 − u00 (xi− 1 )

2 2 2
(2.166)
h
= D(Ge )i− 1 + D(Gu )i− 1 − u00i− 1 , h
1 ≤ i ≤ N.
2 2 2
Multiplicando a equação anterior por ki−1 , e usando o fato de que

D(k ·Geh )i− 1 = ki−1 ·D(Geh )i− 1 + (Geh )i ·D(k)i− 1 , e −D(k ·Geh )+q ·eh = −τ (u),
2 2 2
chegamos a
³ ´
h h
ki−1 · Ei− 1 = ki−1 · D(Ge )i− 1 + ki−1 · D(Gu )i− 1 − u00i− 1
2 2 2 2
³ ´
h h h
= D(k · Ge ) i− 12 − D(k) i− 12 · (Ge )i + ki−1 · D(Gu ) i− 12 − u00i− 1
2
= qi− 1 · ei− 1 + τ (u)i− 1 − D(k)i− 1 · (Geh )i

2
³ 2 2
´ 2
h 00
+ ki−1 · D(Gu )i− 1 − ui− 1 ,
2 2
(2.167)
isto é,
ki−1 · Ei− 1 = qi− 1 · ei− 1 + τ (u)i− 1 − D(k)i− 1 · (Geh )i

2 2
³ 2 2
´ 2
(2.168)
h 00
+ ki−1 · D(Gu )i− 1 − ui− 1 , 1 ≤ i ≤ N,
2 2
onde
qi− 1 = O(1), (2.169)

2
ei− 1 = O(L2i− 1 ) + O(~2 ), (2.170)

2 2
37
µ ¶
hi + hi−1 1 h2i − h2i−1
τ (u)i−1/2 = ki−1/2 u00i−1/2 1 − 000
− Ki−1/2 ui−1/2
2Li−1/2 6 Li−1/2
1 0
− Ki−1/2 u00i−1/2 (hi − hi−1 ) + O(L2i−3/2 ) + O(L2i−1/2 ) + O(L2i+1/2 ),
4
(2.171)
e
0 2
D(k)i− 1 = ki− 1 + O(L
i− 1
). (2.172)
2 2 2
Fazendo
ui+ 1 = u(xi− 1 + hi )
2 2
1 00 1 (2.173)
= ui− 1 + u0i− 1 hi + ui− 1 h2i + u000 1 h
3
+ O(h4i ),
2 2 2 2 6 i− 2 i
ui− 3 = u(xi− 1 − hi−1 )

2 2
1 1 (2.174)
= ui− 1 − u0i− 1 hi−1 + u00i− 1 h2i−1 − u000
i−
3 4
1 hi−1 + O(hi−1 ),
2 2 2 2 6 2
e usando o fato de que

µ ¶
h 1 ui+ 1 − ui− 1 ui− 1 − ui− 3
D(Gu )i− 1 = 2 2
− 2 2
, (2.175)
2 Li− 1 hi hi−1
2
chegamos a
Ã !
hi+1 + hi 1 h2i − h2i−1
D(Guh )i− 1 − u00i− 1 = u00i− 1 − 1 + u000 1
2 2 2 2 Li− 1 6 i− 2 Li− 1
2 2 (2.176)
1 1
+ O(h3i ) + O(h3i−1 ), 1 ≤ i ≤ N.
Li− 1 Li− 1
2 2
Além disso, da equação (2.94), temos que

1 00 ³ ´
(Geh )i = − ui Li+ 1 − Li− 1
4 2 2
1 000 ³ 2 ´
− ui Li− 1 + L2i+ 1 − Li− 1 Li+ 1 + O(~2 ), 1 ≤ i ≤ N.
24 2 2 2 2
(2.177)
38
Dessa forma, (2.168) pode ser reescrita como

Ã !
hi + hi−1
ki−1 · Ei− 1 = O(L2i− 1 ) + O(~2 ) + ki− 1 u00i− 1 1 −
2 2 2 2 2 Li− 1
2
1 h2i
1 0 − h2i−1
− k 1 u000 1 k 1 u00 1 (hi − hi−1 ) + O(L2i− 3 )
−
6 i− 2 i− 2 4 i− 2 i− 2
Li− 1 2
2
1 0 ³ ´
+ O(L2i− 1 ) + O(L2i+ 1 ) + ki− 00
1 ui Li+ 1 − Li− 1
2 2 4 2 2 2
1 0 ³ ´
+ ki− 1 u000
i L2i− 1 + L2i+ 1 − Li− 1 Li+ 1
24 2 2 2 2 2
+ O(~2 ) + O(L2i− 1 ) + O(L2i+ 1 )

Ã 2
!2
hi−1 + hi 1 h2i − h2i−1
+ ki−1 u00i− 1 − 1 + ki−1 u000
i− 12
2 2 Li− 1 6 Li− 1
2 2
1 1
+ O(h3i ) + O(h3i−1 ).
Li− 1 Li− 1
2 2
(2.178)
Como u00i = u00i− 1 + O(Li− 1 ),

2 2
Ã !
hi + hi−1
ki−1 · Ei− 1 = (ki− 1 − ki−1 ) u00i− 1 1 −
2 2 2 2 Li− 1
2
1 − h2i h2i−1
− (ki− 1 − ki−1 ) u000
i− 21
6 2 Li− 1
2
1 0 ³ ´
(2.179)
+ ki− 1 u00i− 1 Li+ 1 − Li− 1 − hi + hi−1
4 2 2 2 2
+ O(L2i− 3 ) + O(L2i− 1 ) + O(L2i+ 1 )

2 2 2
Li+ 1 Li− 3
+ O(~2 ) + 2
O(L2i+ 1 ) + 2
O(L2i− 3 ).
Li− 1 2 Li− 1 2
2 2
Escrevendo (ki− 1 − ki−1 ) = 21 ki−

0
1 Li− 1 + O(L
2
i− 1
), chegamos a
2 2 2 2
1 0 ³ ´
ki−1 · Ei− 1 = k 1 u00 1 2 Li− 1 − hi−1 − hi + Li+ 1 − Li− 1 − hi + hi−1
2 4 i− 2 i− 2 2 2 2
+ O(L2i− 1 ) + O(L2i+ 1 ) + O(L2i− 3 ) + O(~2 )

2 2 2
Li+ 1 Li− 3
+ 2
O(L2i+ 1 ) + 2
O(L2i− 3 ),
L i− 12 2 L i− 12 2
(2.180)
39
isto é,
ki−1 · Ei− 1 = O(L2i− 3 ) + O(L2i− 1 ) + O(L2i+ 1 ) + O(~2 )

2 2 2 2
Li+ 1 Li− 3 (2.181)

+ 2
O(L2i+ 1 ) + 2
O(L2i− 3 ) 1 ≤ i ≤ N.
Li− 1 2 Li− 1 2
2 2
Dessa forma obtemos,
Ei− 1 = O(L2i− 3 ) + O(L2i− 1 ) + O(L2i+ 1 ) + O(~2 )

2 2 2 2
Li+ 1 Li− 3 (2.182)

+ 2
O(L2i+ 1 ) + 2
O(L2i− 3 ) 1 ≤ i ≤ N,
Li− 1 2 Li− 1 2
2 2
onde
Ei− 1 = D(Gv h )i− 1 − u00 (xi− 1 )

2
µ 2 1 2
¶ (2.183)
1 vi+ − vi− 1 vi− 1 − vi− 3
= 2 2
− 2 2
− u00i− 1
Li− 1 hi hi−1 2
2
é o erro da derivada de segunda ordem.

40
2.5 Resultados Numéricos
Neste capı́tulo vimos que, utilizando a discretização pelo método mimético

de segunda ordem para o problema de Sturm-Liouville com condições de contorno
separáveis,
µ ¶
d du
− k(x) + q(x) u(x) = f (x), a < x < b, (2.184)
dx dx
α0 u(a) − α1 k(a) u0 (a) = γa , (2.185)
β0 u(b) + β1 k(b) u0 (b) = γb , (2.186)
onde γa e γb são constantes quaisquer, α0 , α1 , β0 e β1 são constantes dadas satis-

fazendo α0 , α1 , β0 , β1 ≥ 0, α0 + α1 > 0, β0 + β1 > 0 e α0 + β0 > 0, e onde k(x),
q(x) e f (x) são funções suaves dadas, com k(x) > 0 e q(x) ≥ 0 para todo x no
intervalo [a, b], chegamos aos seguintes resultados para os erros de solução, derivada
de primeira ordem e derivada de segunda ordem, respectivamente,
e0 = O(~2 ), eN = O(~2 ), (2.187)

1 00
ei− 1 = − ui− 1 L2i− 1 + O(~2 ), 1 ≤ i ≤ N, (2.188)
2 8 2 2
Ei = O(~2 ), 0 ≤ i ≤ N, (2.189)
Ei− 1 = O(L2i− 3 ) + O(L2i− 1 ) + O(L2i+ 1 ) + O(~2 )

2 2 2 2
Li+ 1 Li− 3 (2.190)

+ 2
O(L2i+ 1 ) + 2
O(L2i− 3 ) 1 ≤ i ≤ N.
Li− 1 2 Li− 1 2
2 2
Assim, as aproximações v(xi− 1 ) para os valores de solução u(xi− 1 ) são afe-

2 2
1
tadas por erros locais eloc
i− 21
= − 8
u00i− 1 L2i− 1 , determinados pelos comprimentos
2 2
glob
locais Li− 1 , sobrepostos nos erros ei− 1 = ei− 1 − eloc
i− 1
= O(~2 ), que estão
2 2 2 2
globalmente relacionados com a distribuição dos pontos da malha. Nos pontos a e

b, os erros de solução são globalmente comportados. O erro da derivada de primeira
ordem também possui um comportamento global, diferente do erro de segunda or-
dem, que além de um termo global, possui termos que dependem dos comprimentos
41
Li+ 1 Li− 3
locais Li− 3 , Li− 1 e Li+ 1 , assim como das razões 2
Li− 1
e 2
Li− 1
.
2 2 2
2 2
Vejamos alguns exemplos que ilustram estes resultados, utilizando malhas não-
uniformes2 .
Exemplo 2.1. Caso Dirichlet-Dirichlet
Nas figuras (2a), (2b), (2c) e (2d ) apresentamos os erros de solução e de

derivada de primeira e segunda ordens para o problema de Sturm-Liouville (2.184),
(2.185), (2.186), com α0 = 1, α1 = 0, β0 = 1, β1 = 0, k(x) = 1 + x2 , q(x) = −5x2
e u(x) = 1 + cos(x) no intervalo [0, 1]. Utilizamos uma malha não-uniforme, cujas
H H H H H H
células têm espaçamento 0.5 , 0.5 , ..., 20.5 , H, H, 20.5 , ..., 0.5 , 0.5 ,
( N2 ) ( N2 −1) ( N2 −1) ( N2 )
1
onde H = N
e N é o número de células. Para os gráficos da coluna à esquerda,
N = 100, enquanto que nos gráficos da coluna à direita, N = 155. Para a malha de
100 células, os nodos são dados por




 0 se i = 0,


xi = xi−1 + 1
se 1 ≤ i ≤ 50, (2.191)

 100(51−i)0.5



xi−1 + 1
100(i−50)0.5
se 51 ≤ i ≤ 100.
Nesta malha, ~2 = 2.8099e − 004. Para a malha de 155 células, os nodos são
dados por 



0 se i = 0,


xi = xi−1 + 1
se 1 ≤ i ≤ 78, (2.192)

 155(79−i)0.5



xi−1 + 1
155(i−78)0.5
se 79 ≤ i ≤ 155.
Neste caso, ~2 = 1.4022e − 004, ou seja, aproximadamente a metade do valor

de ~2 para a malha anterior. Observemos que o termo global do erro de solução e o
2
Simulações realizadas com o software MATLAB R2007a, versão 7.4.0287, em um processador
Intel Celeron M 350, 1.3 Ghz e 256 Mb de memória RAM.
42
erro da derivada de primeira ordem caem pela metade quando ~2 também tem seu
valor reduzido pela metade.
x 10
−3 Quadrado do comprimento das células x 10
−3 Quadrado do comprimento das células
1.6 1.6
L² L²
1.4 hslash² 1.4 hslash²
1.2 1.2
1 1
L²
L²
0.8 0.8
0.6 0.6
0.4 0.4
0.2 0.2
0 0
0 0.2 0.4 0.6 0.8 1 0 0.2 0.4 0.6 0.8 1
x x
Solução computada x Solução exata Solução computada x Solução exata

2 2
computada computada
1.95 exata 1.95 exata
1.9 1.9
1.85 1.85
1.8 1.8
u, v
u, v
1.75 1.75
1.7 1.7
1.65 1.65
1.6 1.6
1.55 1.55
1.5 1.5
0 0.2 0.4 0.6 0.8 1 0 0.2 0.4 0.6 0.8 1
x x
x 10
−4
Erro de solução: soma das componentes global e local x 10
−4 Erro de solução: soma das componentes global e local
2 2
e
1 1
0 0
0 0.2 0.4 0.6 0.8 1 0 0.2 0.4 0.6 0.8 1
x x
Figura 2a - Representação gráfica do erro de solução decorrente do MIM02 para o

problema de Sturm-Liouville com condições de contorno de Dirichlet-Dirichlet.
43
x 10
−4 Erro de solução: componentes local e global x 10
−4 Erro de solução: componentes local e global
4 4
termo local termo local
termo global termo global
3 3
Componentes do erro de solução

2 2
1 1
0 0
−1 −1
−2 −2
0 0.2 0.4 0.6 0.8 1 0 0.2 0.4 0.6 0.8 1
x x
x 10
−6 Erro de solução: componente global em detalhe x 10
−6 Erro de solução: componente global em detalhe
3 3
Componente global do erro de solução

2 2
1 1
0 0
−1 −1
−2 −2
−3 −3
−4 −4
0 0.2 0.4 0.6 0.8 1 0 0.2 0.4 0.6 0.8 1
x x
x 10
−4 Erro da derivada de 1ª ordem x 10
−4 Erro da derivada de 1ª ordem
3.5 3.5
3 3
2.5 2.5
2 2
1.5 1.5
E1
E1
1 1
0.5 0.5
0 0
−0.5 −0.5
−1 −1
0 0.2 0.4 0.6 0.8 1 0 0.2 0.4 0.6 0.8 1
x x

ordem decorrentes do MIM02 para o problema de Sturm-Liouville com condições
44
x 10
−5 Erro da derivada de 1ª ordem em detalhe x 10
−5 Erro da derivada de 1ª ordem em detalhe
0 0
−0.2 −0.2
−0.4 −0.4
−0.6 −0.6
−0.8 −0.8
E1
E1
−1 −1
−1.2 −1.2
−1.4 −1.4
−1.6 −1.6
−1.8 −1.8
0 0.2 0.4 0.6 0.8 1 0 0.2 0.4 0.6 0.8 1
x x
x 10
−4 Erro da derivada de 2ª ordem
3.5 3.5
3 3
2.5 2.5
2 2
1.5 1.5
E2
E2
1 1
0.5 0.5
0 0
−0.5 −0.5
−1 −1
0 0.2 0.4 0.6 0.8 1 0 0.2 0.4 0.6 0.8 1
x x
x 10
−5 Erro da derivada de 2ª ordem em detalhe x 10
6 6
5 5
4 4
3 3
E2
E2
2 2
1 1
0 0
−1 −1
−2 −2
0 0.2 0.4 0.6 0.8 1 0 0.2 0.4 0.6 0.8 1
x x
Figura 2c - Representação gráfica dos erros de derivada de primeira e segunda

Para a malha de 100 células, o algoritmo mim02 dd.m foi executado em 0.006063
segundos, enquanto que para a malha de 155 células, levou 0.006095 segundos.
45
Exemplo 2.2. Caso Dirichlet-Neumann
Nas figuras (3a) e (3b) apresentamos os erros de solução e de derivada de

primeira e segunda ordens para o problema de Sturm-Liouville (2.184), (2.185),
(2.186), com α0 = 1, α1 = 0, β0 = 0, β1 = 1, k(x) = 2 + sin(x), q(x) = −exp(x)
e u(x) = x + sin(x) no intervalo [0, 1]. Utilizamos uma malha não-uniforme, cujas
H H H H H H
( N2 ) ( N2 −1) ( N2 −1) ( N2 )
1
onde H = N
e N é o número de células. Neste exemplo tomamos N = 100 e os
nodos são dados por




0 se i = 0,


xi = xi−1 + 1
se 1 ≤ i ≤ 50, (2.193)

 100(51−i)0.9



xi−1 + 1
100(i−50)0.9
se 51 ≤ i ≤ 100.
Nesta malha, ~2 = 0.0021.

46
x 10
−3 Quadrado do comprimento das células Solução computada x Solução exata
9 2
L² computada
8 hslash² 1.8
exata
1.6
7
1.4
6
1.2
5
u, v
L²
1
4
0.8
3
0.6
2
0.4
1 0.2
0 0
0 0.2 0.4 0.6 0.8 1 0 0.2 0.4 0.6 0.8 1
x x
x 10
−3 Erro de solução: soma das componentes global e local x 10
2.5 2.5
2
2
termo local
termo global
1.5
1.5
1
1
e
0.5
0.5
0
0
−0.5
−0.5 −1
0 0.2 0.4 0.6 0.8 1 0 0.2 0.4 0.6 0.8 1
x x
x 10
0
−0.5
−1
−1.5
−2
−2.5
−3
0 0.2 0.4 0.6 0.8 1
x

problema de Sturm-Liouville com condições de contorno de Dirichlet-Neumann.
47
x 10
2.5 2
0
2
−2
1.5
−4
E1
E1
1
−6
0.5
−8
0
−10
−0.5 −12
0 0.2 0.4 0.6 0.8 1 0 0.2 0.4 0.6 0.8 1
x x
x 10
2.5 3.5
3
2
2.5
1.5
E2
E2
1
1.5
0.5
1
0 0.5
0 0.2 0.4 0.6 0.8 1 0 0.2 0.4 0.6 0.8 1
x x

de contorno de Dirichlet-Neumann.
Para esta malha de 100 células, o algoritmo mim02 dr.m foi executado em 0.006327
segundos.
48
Exemplo 2.3. Caso Dirichlet-Robin

(2.186), com α0 = 1, α1 = 0, β0 = 1, β1 = 1, k(x) = 3+cos(x), q(x) = −x2 e u(x) =
1 + cos(x) no intervalo [0, 1]. Utilizamos uma malha não-uniforme, cujas células têm
H H H H H H
espaçamento 0.5 ,
0.5 , ..., H, H,..., 0.5 , 0.5 , 0.5 , 0.5 ,...,
( N4 )
( N4 −1) ( N4 −1) ( N4 ) ( N4 ) ( N4 −1)
H, H,..., N H 0.5 , NH 0.5 , onde H = N1 e N é o número de células. Aqui N = 100
( 4 −1) (4)
e os nodos são dados por




 0 se i = 0,





 xi−1 + 100(26−i) 1
se 1 ≤ i ≤ 25,

 0.5

xi = xi−1 + 1
se 26 ≤ i ≤ 50, (2.194)

 100(i−25)0.5



 1

 xi−1 + 100(76−i) 0.5 se 51 ≤ i ≤ 75,




xi−1 + 1
se 76 ≤ i ≤ 100.
100(i−75)0.5
Nesta malha, ~2 = 2.1482e − 004.

49
x 10
1 2.2
L² computada
0.9 hslash² exata
2.1
0.8
0.7 2
0.6
1.9
u, v
L²
0.5
1.8
0.4
0.3 1.7
0.2
1.6
0.1
0 1.5
0 0.2 0.4 0.6 0.8 1 0 0.2 0.4 0.6 0.8 1
x x
x 10
2.5
2
termo local
termo global
1.5
2
1
0.5
e
0
1
−0.5
−1
0 −1.5
0 0.2 0.4 0.6 0.8 1 0 0.2 0.4 0.6 0.8 1
x x
x 10
1.2
0.8
0.6
0.4
0.2
0
0 0.2 0.4 0.6 0.8 1
x

problema de Sturm-Liouville com condições de contorno de Dirichlet-Robin.
50
x 10
3 10
2.5 8
2 6
1.5 4
E1
E1
1 2
0.5 0
0 −2
−0.5 −4
0 0.2 0.4 0.6 0.8 1 0 0.2 0.4 0.6 0.8 1
x x
x 10
3 0
2.5
−0.5
−1
1.5
E2
E2
1
−1.5
0.5
−2
0
−0.5 −2.5
0 0.2 0.4 0.6 0.8 1 0 0.2 0.4 0.6 0.8 1
x x

de contorno de Dirichlet-Robin.
Para esta malha de 100 células, o algoritmo mim02 dr.m foi executado em 0.006302
segundos.
51
Exemplo 2.4. Caso Neumann-Robin

(2.186), com α0 = 0, α1 = 1, β0 = 1, β1 = 1, k(x) = 1 + x2 , q(x) = −5x2 e
u(x) = 3x + cos(x) no intervalo [0, 1]. Utilizamos uma malha não-uniforme, cujas
H H H H H H 1
células têm espaçamento 2
, 2, 2H, 2
, 2, 2H, ..., 2
, 2, 2H, onde H = N
e N é
o número de células. A malha utilizada aqui é de 100 células e os nodos são dados
por 



0 se i = 0,


xi = xi−1 + 2H se i = 3j, com 1 ≤ j ≤ 33, (2.195)





xi−1 + H
2
caso contrário, com 1 ≤ i ≤ 100,
1
onde H = 100
. Nesta malha, ~2 = 2.7650e − 004.
52
x 10
4.5 4
L² computada
4 hslash² exata
3.5
3.5
3
3
2.5 2.5
u, v
L²
2 2
1.5
1.5
1
1
0.5
0 0.5
0 0.2 0.4 0.6 0.8 1 0 0.2 0.4 0.6 0.8 1
x x
x 10
3 3
2.5 2.5 termo local

termo global
2
2
1.5
1.5
1
e
1
0.5
0.5
0
0 −0.5
−0.5 −1
0 0.2 0.4 0.6 0.8 1 0 0.2 0.4 0.6 0.8 1
x x
x 10
−0.5
−1
−1.5
−2
−2.5
−3
−3.5
0 0.2 0.4 0.6 0.8 1
x

problema de Sturm-Liouville com condições de contorno de Neumann-Robin.
53
x 10
3 20
2.5
15
10
1.5
E1
E1
1
5
0.5
0
0
−0.5 −5
0 0.2 0.4 0.6 0.8 1 0 0.2 0.4 0.6 0.8 1
x x
x 10
3 12
10
2.5
8
2
6
1.5
4
E2
E2
1 2
0
0.5
−2
0
−4
−0.5
−6
−1 −8
0 0.2 0.4 0.6 0.8 1 0 0.2 0.4 0.6 0.8 1
x x

de contorno de Neumann-Robin.
Para esta malha de 100 células, o algoritmo mim02 rr.m foi executado em 0.006855
segundos.
54
Exemplo 2.5. Caso Robin-Robin

(2.186), com α0 = 1, α1 = 1, β0 = 1, β1 = 1, k(x) = 1 + x2 , q(x) = −x3 e u(x) =
x + cos(x) no intervalo [0, 1]. Utilizamos uma malha não-uniforme, cujas células têm
espaçamento H, H 2 , H 2 , H 2 , H 2 , H 2 , H 2 , H 2 , H 2 , H, H 2 , H 2 , H 2 , H 2 , H 2 ,
1
H 2 , H 2 , H 2 , ..., H, H 2 , H 2 , H 2 , H 2 , H 2 , H 2 , H 2 , H 2 , onde H = N
e N é o
número de células. A malha utilizada aqui é de 500 células e os nodos são dados por


 0 se i = 0,






H se i = 1,
xi = (2.196)



 xi−1 + H se i = 10j, com 1 ≤ j ≤ 50,




x 2
i−1 + H caso contrário, com 2 ≤ i < 500,
1
onde H = 500
. Nesta malha, ~2 = 3.0418e − 004.
55
x 10
3.5 1.6
L² computada
hslash² exata
3 1.5
2.5 1.4
2 1.3
u, v
L²
1.5 1.2
1 1.1
0.5 1
0 0.9
0 0.2 0.4 0.6 0.8 1 0 0.2 0.4 0.6 0.8 1
x x
x 10
3.5 3.5
3 3

termo local
2.5 2.5 termo global
2 2
1.5 1.5
e
1 1
0.5 0.5
0 0
−0.5 −0.5
0 0.2 0.4 0.6 0.8 1 0 0.2 0.4 0.6 0.8 1
x x
x 10
−0.4
−0.6
−0.8
−1
−1.2
−1.4
−1.6
−1.8
−2
−2.2
0 0.2 0.4 0.6 0.8 1
x
Figura 6a - Representação gráfica dos erros de solução e de derivada de primeira e

segunda ordens decorrentes do MIM02 para o problema de Sturm-Liouville com
56
x 10
3.5 1
3
0.5
2.5
0
2
E1
E1
1.5 −0.5
1
−1
0.5
−1.5
0
−0.5 −2
0 0.2 0.4 0.6 0.8 1 0 0.2 0.4 0.6 0.8 1
x x
x 10
3.5 8
3
6
2.5
4
2
E2
E2
1.5 2
1
0
0.5
−2
0
−0.5 −4
0 0.2 0.4 0.6 0.8 1 0 0.2 0.4 0.6 0.8 1
x x

de contorno de Robin-Robin.
Para esta malha de 500 células, o algoritmo mim02 rr.m foi executado em 0.008050
segundos.
57
3 MÉTODO DE ELEMENTOS FINITOS DE

SEGUNDA ORDEM - FEM02
3.1 Introdução
Consideremos o problema regular de Sturm-Liouville com condições de con-

torno separáveis,
µ ¶
d du
− k(x) + q(x) u(x) = f (x), a < x < b, (3.1)
dx dx
α0 u(a) − α1 k(a) u0 (a) = γa , (3.2)
β0 u(b) + β1 k(b) u0 (b) = γb , (3.3)
com γa e γb constantes quaisquer, α0 , α1 , β0 e β1 constantes dadas satisfazendo α0 ,

α1 , β0 , β1 ≥ 0, α0 + α1 > 0, β0 + β1 > 0 e α0 + β0 > 0, e onde k(x), q(x) e f (x) são
funções suaves dadas, com k(x) > 0 e q(x) ≥ 0 para todo x no intervalo [a, b].
Sejam ϕi , com 0 ≤ i ≤ N , funções seccionalmente lineares definidas por



 x − xi−1
se xi−1 ≤ x ≤ xi ,

 Li− 1

 2
ϕi (x) := xi+1 − x se xi < x ≤ xi+1 , (3.4)


 Li+ 1

 2

0 caso contrário,
tais que
N
X
v(x) := vj ϕj (x) (3.5)
j=0
é uma aproximação para u(x) pelo método de elementos finitos, vj = v(xj ) e ϕi (a) =
ϕi (b) = 0, exceto para ϕ0 e ϕN , valores que não serão usados para a resolução do
sistema.
58
Figura 7 - Funções de base ϕ0 , ..., ϕi , ..., ϕN .
Multiplicando a EDO (3.1) por ϕi , 1 ≤ i ≤ N − 1, integrando por partes o

resultado em [a, b] e utilizando o fato de que ϕi (a) = 0 e ϕi (b) = 0, obtemos
Z b Z b Z b
0 0
k(x) u (x) ϕi (x) dx + q(x) u(x) ϕi (x) dx = f (x) ϕi (x) dx. (3.6)
a a a
Substituindo u(x) pela aproximação v(x), temos que
N
X Z b N
X Z b
vj k(x) ϕ0j (x) ϕ0i (x) dx + vj q(x) ϕj (x) ϕi (x) dx
j=0 a j=0 a
Z b
= f (x) ϕi (x) dx, 1 ≤ i ≤ N − 1. (3.7)
a
Pela definição (3.4), temos

N
X Z b Z xi
vj k(x) ϕ0j (x) ϕ0i (x) dx = vi−1 k(x) ϕ0i−1 (x) ϕ0i (x) dx
j=0 a xi−1
Z xi+1
+ vi k(x) ϕ0i (x) ϕ0i (x) dx (3.8)
xi−1
Z xi+1
+ vi+1 k(x) ϕ0i+1 (x) ϕ0i (x) dx,
xi
59
que pode ser reescrita como,

N Z Ã Z !
X b
1 1 xi
vj k(x) ϕ0j (x) ϕ0i (x) dx = − k(x) dx vi−1
j=0 a Li− 1 Li− 1 xi−1
2 2
Ã Z xi !
1 1
+ k(x) dx vi
Li− 1 Li− 1 xi−1
2
Ã 2
Z xi+1 ! (3.9)
1 1
+ k(x) dx vi
Li+ 1 Li+ 1 xi
2 2
Ã Z xi+1 !
1 1
− k(x) dx vi+1 ,
Li+ 1 Li+ 1 xi
2 2
ou seja,
N Z Ã ! Ã !
X b
vi − vi−1 vi+1 − vi
vj k(x) ϕ0j (x) ϕ0i (x) dx = k̄i− 1 − k̄i+ 1 ,
j=0 a
2 Li− 1 2 Li+ 1
2 2
(3.10)
onde Z xi
1
k̄i− 1 := k(x) dx, 1 ≤ i ≤ N. (3.11)
2 Li− 1 xi−1
2
Também temos,
N
X Z b Z xi
vj q(x) ϕj (x) ϕi (x) dx = vi−1 q(x) ϕi−1 (x) ϕi (x) dx
j=0 a xi−1
Z xi+1
+ vi q(x) ϕi (x) ϕi (x) dx (3.12)
xi−1
Z xi+1
+ vi+1 q(x) ϕi+1 (x) ϕi (x) dx,
xi
60
que pode ser reescrita como,

N Z Z Ã ! Ã !
X b xi
xi − x x − xi−1
vj q(x) ϕj (x) ϕi (x) dx = vi−1 q(x) dx
j=0 a xi−1 Li− 1 Li− 1
2 2
Z xi Ã !2
x − xi−1
+ vi q(x) dx
xi−1 Li− 1
2
Z xi+1 Ã !2
xi+1 − x
+ vi q(x) dx
xi Li+ 1
2
Z xi+1 Ã ! Ã !
xi+1 − x x − xi
+ vi+1 q(x) dx
xi Li+ 1 Li+ 1
2 2
(3.13)
ou seja,
N
X Z b
vj q(x) ϕj (x) ϕi (x) dx = hi (q ∗ v)i , (3.14)
j=0 a
onde
Z xi Ã ! Ã !
1 xi − x x − xi−1
(q ∗ v)i := vi−1 q(x) dx
hi xi−1 Li− 1 Li− 1
2 2
Z xi Ã !2
1 x − xi−1
+ vi q(x) dx
hi xi−1 Li− 1
2
Z xi+1 Ã !2
1 xi+1 − x
+ vi q(x) dx
hi xi Li+ 1
2
Z xi+1 Ã ! Ã !
1 xi+1 − x x − xi
+ vi+1 q(x) dx, 1 ≤ i ≤ N − 1.
hi xi Li+ 1 Li+ 1
2 2
(3.15)
Além disso,
Z Z Ã ! Z Ã !
b xi xi+1
x − xi−1 xi+1 − x
f (x) ϕi (x) dx = f (x) dx + f (x) dx,
a xi−1 Li− 1 xi Li+ 1
2 2
(3.16)
ou seja, Z b
f (x) ϕi (x) dx = hi f¯i , (3.17)
a
61
onde
Z xi Z xi+1
1 x − xi−1 1 xi+1 − x
f¯i := f (x) dx + f (x) dx, 0 ≤ i ≤ N.
hi xi−1 Li− 1 hi xi Li+ 1
2 2
(3.18)
Assim, com as equações (3.10), (3.14) e (3.17) reescrevemos (3.7) obtendo,

portanto, o método de elementos finitos de segunda ordem (FEM02) dado por
Ã !
1 vi+1 − vi vi − vi−1
− k̄i+ 1 − k̄i− 1 + (q ∗ v)i = f¯i , 1 ≤ i ≤ N − 1,
hi 2 Li+ 1 2 Li− 1
2 2
(3.19)
onde k̄i− 1 , (q ∗ v)i e f¯i são dados, respectivamente por (3.11), (3.15) e (3.18).
2
O método também pode ser escrito como
− D(k̄ · Gv)i + (q ∗ v)i = f¯i , (3.20)
onde
vi − vi−1
(Gv)i− 1 := , 1 ≤ i ≤ N, (3.21)
2 Li− 1
2
wi+ 1 − wi− 1
(Dw)i := 2 2
, 0 ≤ i ≤ N, (3.22)
hi
wN + 1 ≡ wN , w− 1 ≡ w0 , e k̄, (q ∗ v) e f¯ são dadas respectivamente por (3.11),
2 2
(3.15) e (3.18).
A condição de contorno (3.2), α0 u(a) − α1 k(a) u0 (a) = γa , com α1 > 0, se

fosse aproximada por
α0 v(a) − α1 k(a) v0 (a) = γa , (3.23)
isto é,
v1 − v0
α0 v0 − α1 k0 = γa , (3.24)
L1
2
produziria um método de primeira ordem apenas, aumentando significativamente os

erros de aproximação. Por esta razão, no método de elementos finitos, (3.2) não é
62
discretizada desta forma. Para discretizar a condição de contorno (3.2) com α1 > 0,
multipliquemos a EDO (3.1) por ϕ0 (x) e integremos no intervalo [a, b],
Z b µ ¶ Z b Z b
d du
− k(x) ϕ0 (x) dx + q(x) u(x) ϕ0 (x) dx = f (x) ϕ0 (x) dx.
a dx dx a a
(3.25)
Pela definição (3.4), segue que

Z x1 Z x1
0 0
k(a) u (a) + k(x) u (x) ϕ00 (x) dx + q(x) u(x) ϕ0 (x) dx
x0 x0
Z x1
= f (x) ϕ0 (x) dx, (3.26)
x0
e por (3.2),
Z x1 Z x1
α0 γa 0
u(a) − + k(x) u (x) ϕ00 (x) dx + q(x) u(x) ϕ0 (x) dx
α1 α1 x0 x0
Z x1
= f (x) ϕ0 (x) dx. (3.27)
x0
Substituindo u(x) por v(x) dada em (3.5), obtemos portanto a discretização

Z x1
α0
v0 + k(x)[v0 ϕ00 (x) + v1 ϕ01 (x)] ϕ00 (x) dx
α1 x0
Z x1 Z x1
γa
+ q(x) [v0 ϕ0 (x) + v1 ϕ1 (x)] ϕ0 (x) dx = + f (x) ϕ0 (x) dx.
x0 α1 x0
(3.28)
Analogamente, a condição de contorno (3.3), β0 u(b) + β1 u0 (b) = γb , no

caso de se ter β1 > 0, não deve ser discretizada como
β0 v(b) + β1 k(b) v0 (b) = γb , (3.29)
isto é,
vN − vN −1
β0 vN + β1 kN = γb , (3.30)
LN − 1
2
pois, novamente, tornaria o método de primeira ordem apenas. Para discretizar a

condição de contorno (3.3) com β1 > 0, multipliquemos a EDO (3.1) por ϕN (x) e
63
integremos no intervalo [a, b],

Z b µ ¶ Z b Z b
d du
− k(x) ϕN (x) dx + q(x) u(x) ϕN (x) dx = f (x) ϕN (x) dx.
a dx dx a a
(3.31)
Pela definição (3.4), segue que

Z xN Z xN
0 0
− k(b) u (b) + k(x) u (x) ϕ0N (x) dx + q(x) u(x) ϕN (x) dx
xN −1 xN −1
Z xN
= f (x) ϕN (x) dx, (3.32)
xN −1
e por (3.3),
Z xN Z xN
β0 γb 0
u(b) − + k(x) u (x) ϕ0N (x) dx + q(x) u(x) ϕN (x) dx
β1 β1 xN −1 xN −1
Z xN
= f (x) ϕN (x) dx. (3.33)
xN −1
Substituindo u(x) por v(x) dada em (3.5), obtemos portanto a discretização

Z xN
β0
vN + k(x) [vN −1 ϕ0N −1 (x) + vN ϕ0N (x)] ϕ0N (x) dx
β1 xN −1
Z xN Z xN
γb
+ q(x) [vN −1 ϕN −1 (x) + vN ϕN (x)] ϕN (x) dx = + f (x) ϕN (x) dx.
xN −1 β1 xN −1
(3.34)
Vamos agora encontrar o erro de truncamento para o método FEM02, lem-

brando que k(x) ∈ C 3 ([a, b]), q(x) ∈ C 2 ([a, b]), f (x) ∈ C 2 ([a, b]), e conseqüente-
mente, u(x) ∈ C 4 ([a, b]). O erro de truncamento é dado por
− D(k̄ · Gu)i + (q ∗ u)i = f¯i + τ (u)i , 1 ≤ i ≤ N − 1, (3.35)
ou seja,
Ã !
1 ui+1 − ui ui − ui−1
− k̄i+ 1 − k̄i− 1 + (q ∗ u)i
hi 2 Li+ 1 2 Li− 1
2 2
= f¯i + τ (u)i , 1 ≤ i ≤ N − 1. (3.36)

64
Utilizando expansões de Taylor para k(x),
1 00
k(x) = ki + ki0 (x − xi ) + k (x − xi )2 + O((x − xi )3 ), (3.37)
2 i
obtemos,
Z xi
1
k̄i− 1 = k(x) dx
2 Li− 1 xi−1
2 (3.38)
1 1
= ki − ki0 Li− 1 + ki00 L2i− 1 + O(L3i− 1 ),
2 2 6 2 2
e
Z xi+1
1
k̄i+ 1 = k(x) dx
2 Li+ 1 xi
2 (3.39)
1 1
= ki + ki0 Li+ 1 + ki00 L2i+ 1 + O(L3i+ 1 ).
2 2 6 2 2
Além disso, utilizando expansões de Taylor para a função u(x), obtemos que
ui+1 = u(xi + Li+ 1 )

2
1 00 2 1 (3.40)
= ui + u0i Li+ 1 + ui Li+ 1 + u000 L3 1 + O(L4i+ 1 ),
2 2 2 6 i i+ 2 2
ui−1 = u(xi − Li− 1 )

2
1 00 2 1 (3.41)
= ui − u0i Li− 1 + ui Li− 1 − u000 L3 1 + O(L4i− 1 ),
2 2 2 6 i i− 2 2
e para as funções q(x) e f (x),
q(x) = qi + qi0 (x − xi ) + O((x − xi )2 ), (3.42)
e
f (x) = fi + fi0 (x − xi ) + O((x − xi )2 ). (3.43)
65
Por (3.42),
Z Z Ã ! Ã !
xi xi
q(x) ϕi−1 (x) ϕi (x) dx = q(x) dx
xi−1 xi−1 Li− 1 Li− 1
2 2
Z xi Ã ! Ã !
= qi dx
xi−1 Li− 1 Li− 1
2
Z xi Ã !2 Ã !
x i − x x − x i−1
+ qi0 (x − xi ) dx
xi−1 Li− 1 Li− 1
2 2
+ O(L3i− 1 ).
2
(3.44)
Utilizando integração por partes,

Z b µ ¶ µ ¶ Z b µ ¶0
b − x x − a 1 (x − a)2
= 2 (b − x) dx
a L L L a 2
Z b
1 (3.45)
= (x − a)2 dx
2 L2 a
1 L3 L
= 2
= ,
2L 3 6
onde L = b − a.
Da mesma forma,
Z b Z b µ ¶0
1 2 1 (x − b)3
− 2 (x − b) (x − a) dx = − 2 (x − a) dx
L a L a 3
Z b
1 (3.46)
= (x − b)3 dx
3 L2 a
1 4 L2
= (− L ) = − ,
12 L2 12
para L = b − a.
Assim, (3.44) torna-se,

Z xi
1 1 0 2
q(x) ϕi−1 (x) ϕi (x) dx = qi Li− 1 − qi Li− 1 + O(L3i− 1 ). (3.47)
xi−1 6 2 12 2 2
66
Agora,
Z xi Z xi
(x − xi−1 )2
q(x) ϕi (x) ϕi (x) dx = q(x) dx
xi−1 xi−1 L2i− 1
2
Z xi
(x − xi−1 )2
= qi dx
xi−1 L2i− 1
2
Z xi
(x − xi−1 )2
+ qi0 (x − xi ) dx + O(L3i− 1 ).
xi−1 L2i− 1 2
2
(3.48)
Observando que Z b
(x − a)2 L
2
dx = , (3.49)
a L 3
e que Z µ ¶2
b
x − a L2
(x − b) = − , (3.50)
a L 12
segue que
Z xi
1 1 0 2
q(x) ϕi (x) ϕi (x) dx = qi Li− 1 − q L 1 + O(L3i− 1 ). (3.51)
xi−1 3 2 12 i i− 2 2
Temos também que

Z xi+1 Z xi+1
(x − xi+1 )2
q(x) ϕi (x) ϕi (x) dx = q(x) dx
xi xi L2i+ 1
2
Z xi+1
(x − xi+1 )2
= qi dx
xi L2i+ 1
2 (3.52)
Z xi+1 2
(x − xi+1 )
+ qi0 (x − xi ) dx
xi L2i+ 1
2
+ O(L3i+ 1 ).
2
Usando as observações (3.46) e (3.49) temos,

Z xi+1
1 1 0 2
q(x) ϕi (x) ϕi (x) dx = qi Li+ 1 + qi Li+ 1 + O(L3i+ 1 ). (3.53)
xi 3 2 12 2 2
67
Por fim,
Z Z Ã ! Ã !
xi+1 xi+1
x − xi xi+1 − x
q(x) ϕi+1 (x) ϕi (x) dx = q(x) dx
xi xi Li+ 1 Li+ 1
Z xi+1 Ã !2
Ã 2
!
x − xi xi+1 − x
= qi dx
xi Li+ 1 Li+ 1
2
Z xi+1 Ã !2 Ã !
x − x i x i+1 − x
+ qi0 (x − xi ) dx
xi Li+ 1 Li+ 1
2 2
+ O(L3i+ 1 ).
2
(3.54)
Pelas observações (3.45) e (3.50) chegamos a

Z xi+1
1 1 0 2
q(x) ϕi+1 (x) ϕi (x) dx = qi Li+ 1 + qi Li+ 1 + O(L3i+ 1 ). (3.55)
xi 6 2 12 2 2
Usando as equações (3.47), (3.51), (3.53) e (3.55) em (3.15), obtemos

Z xi Z xi+1
hi (q ∗ v)i = vi−1 q(x) ϕi−1 (x) ϕi (x) dx + vi q(x) ϕ2i (x) dx
x xi−1
Z xi−1
i+1
+ vi+1 q(x) ϕi+1 (x) ϕi (x) dx
xi
· ¸
1 1 0 2 3
= vi−1 qi Li− 1 − q L 1 + O(Li− 1 ) (3.56)
6 2 12 i i− 2 2
·
1 1 0 2
+ vi qi (Li− 1 + Li+ 1 ) + q (L 1 − L2i− 1 ) + O(L3i− 1 )
3 2 2 12 i i+ 2 2 2
¸ · ¸
1 1 0 2
+ O(L3i+ 1 ) + vi+1 qi Li+ 1 + qi Li+ 1 + O(L3i+ 1 ) .
2 6 2 12 2 2
Dessa forma,
· ¸
1 1 0 2 3
hi (q ∗ u)i = u(xi − Li− 1 ) qi Li− 1 − q L 1 + O(Li− 1 )
2 6 2 12 i i− 2 2
·
1 1
+ u(xi ) qi Li− 1 + qi Li+ 1
3 2 3 2
¸ (3.57)
1 0 2 2 3 3
+ q (L 1 − Li− 1 ) + O(Li− 1 ) + O(Li+ 1 )
12 i i+ 2 2 2 2
· ¸
1 1 0 2 3
+ u(xi + Li+ 1 ) qi Li+ 1 + q L 1 + O(Li+ 1 ) .
2 6 2 12 i i+ 2 2
68
Por (3.40) e (3.41) temos,

·
1 1 0 2 1 1
hi (q ∗ u)i = ui qi Li− 1 − qi Li− 1 + qi Li− 1 + qi Li+ 1
6 2 12 2 3 2 3 2
¸
1 0 2 1 0 2 1 1 0 2
+ qi Li+ 1 − qi Li− 1 + qi Li+ 1 + q L 1
12 2 12 2 6 2 12 i i+ 2
· ¸
1 1 (3.58)
+ ui − qi Li− 1 + qi Li+ 1 + O(L3i− 1 ) + O(L3i+ 1 )
0 2 2
6 2 6 2 2 2
Li− 1 + Li+ 1 1 ³ ´
= ui q i 2 2
+ ui qi0 L2i+ 1 − L2i− 1
2 6 2 2
1 0 ³ ´
+ ui qi L2i+ 1 − L2i− 1 + O(L3i− 1 ) + O(L3i+ 1 ).
6 2 2 2 2
Assim,
1 ³ ´
(q ∗ u)i = qi ui + (qi u0i + qi0 ui ) Li+ 1 − Li− 1
3 2 2
(3.59)
+ O(L2i− 1 ) + O(L2i+ 1 ).
2 2
Por fim, de (3.43) temos,

Z b Z xi Z xi+1
x − xi−1 xi+1 − x
f (x) ϕi (x) dx = f (x) dx + f (x) dx
a xi−1 Li− 1 x i
Li+ 1
Z xi 2
Z xi 2
x − xi−1 0 x − xi−1
= fi dx + fi (x − xi ) dx
xi−1 Li− 1 xi−1 Li− 1
Z xi+1
2 2
3 xi+1 − x
+ O(Li− 1 ) + fi dx
2
xi Li+ 1
Z xi+1 2
x i+1 − x
+ fi0 (x − xi ) dx + O(L3i+ 1 ),
xi L i+ 1 2
2
(3.60)
com O(L3i− 1 ) e O(L3i+ 1 ) dependendo de f 00 (x) em [xi−1 , xi+1 ]. Observando que

2 2
Z b
x − a L
dx = , (3.61)
a L 2
Z b
x − a L2
(x − b) dx = − , (3.62)
a L 6
Z b
b − x L
dx = , (3.63)
a L 2
e Z b
b − x L2
(x − a) dx = , (3.64)
a L 6
69
segue que,
Z b Li− 1 + Li+ 1 1 0 ³ 2 ´
f (x) ϕi (x) dx = fi 2 2
+ fi Li+ 1 − L2i− 1
a 2 6 2 2
+ O(L3i− 1 ) + O(L3i+ 1 ). (3.65)

2 2
Lembrando da relação (3.17) para f¯, chegamos a

Z xi+1
¯ 1
fi = f (x) ϕi (x) dx
hi xi−1
(3.66)
1 0 ³ ´
= fi + fi Li+ 1 − Li− 1 + O(L2i− 1 ) + O(L2i+ 1 ).
3 2 2 2 2
Utilizando as equações (3.38), (3.39), (3.40), (3.41), (3.59) e (3.66) em (3.36),

Ã !
1 ui+1 − ui ui − ui−1
− k̄i+ 1 − k̄i− 1 + (q ∗ u)i
hi 2 Li+ 1 2 Li− 1
2 2
= f¯i + τ (u)i , 1 ≤ i ≤ N − 1, (3.67)
obtemos,
·µ ¶
1 1 0 1 00 2 3
τ (u)i = − ki + ki Li+ 1 + ki Li+ 1 + O(Li+ 1 )
hi 2 2 6 2 2
µ ¶
1 1
u0i + u00i Li+ 1 + u000 L2 1 + O(L3i+ 1 )
2 2 6 i i+ 2 2
µ ¶
1 0 1 00 2 3
− ki − ki Li− 1 + ki Li− 1 + O(Li− 1 )
2 2 6 2 2
µ ¶¸
1 1
u0i − u00i Li− 1 + u000 L2 1 + O(L3i− 1 )
2 2 6 i i− 2 2
· ³ ´ ¸
1 0 0 2 2
+ qi ui + (qi ui + qi ui ) Li+ 1 − Li− 1 + O(Li− 1 ) + O(Li+ 1 )
3 2 2 2 2
· ³ ´ ¸
1
− fi + fi0 Li+ 1 − Li− 1 + O(L2i− 1 ) + O(L2i+ 1 ) .
3 2 2 2 2
(3.68)
70
Assim,
·
1 Li+ 1 + Li− 1 Li+ 1 + Li− 1
τ (u)i = − ki u00i 2 2
+ ki0 u0i 2 2
hi 2 2
1 ³ ´ 1 0 00 ³ 2 ´
+ ki u000
i L 2
1 − L 2
1 + k u L 1 − L 2
1
6 i+ 2 i− 2
4 i i i+ 2 i− 2
¸
1 00 0 ³ ´
2 2 3 3
+ k u Li+ 1 − Li− 1 + O(Li− 1 ) + O(Li+ 1 )
6 i i 2 2 2 2
· ³ ´ ¸
1 0 0 2 2
+ qi ui + (qi ui + qi ui ) Li+ 1 − Li− 1 + O(Li− 1 ) + O(Li+ 1 )
3 2 2 2 2
· ³ ´ ¸
1
− fi + fi0 Li+ 1 − Li− 1 + O(L2i− 1 ) + O(L2i+ 1 )
3 2 2 2 2
· ¸
= − ki u00i − ki0 u0i
+ q i ui − f i
1 ³ ´ · ¸
000 0 00 00 0 0 0 0
+ Li+ 1 − Li− 1 − ki ui − 2 ki ui − ki ui + qi ui + qi ui − fi
3 2 2
1 ³ ´
+ ki0 u00i Li+ 1 − Li− 1 + O(L2i− 1 ) + O(L2i+ 1 ).
6 2 2 2 2
(3.69)
Por (3.1) temos que −ki u00i − ki0 u0i + qi ui − fi = 0 e (−ki u00i − ki0 u0i + qi ui − fi )0 = 0
e, portanto,
1 0 00 ³ ´
τ (u)i = ki ui Li+ 1 − Li− 1 + O(L2i− 1 ) + O(L2i+ 1 ). (3.70)
6 2 2 2 2
Além disso, o erro da solução eh para FEM02 é dado por
ei = vi − ui , 0 ≤ i ≤ N, (3.71)
e o erro da derivada E h por
Ei− 1 = (Gv)i− 1 − u0 (xi− 1 )

2 2 2
= (G(v − u))i− 1 + (Gu)i− 1 − u0 (xi− 1 ) (3.72)

2 2 2
= (Geh )i− 1 + (Gu)i− 1 − u0 (xi− 1 ), 1 ≤ i ≤ N,

2 2 2
onde
vi − vi−1
(Gv)i− 1 = , 1 ≤ i ≤ N. (3.73)
2 Li− 1
2
71
Assim,
E h = Geh + τG (u), (3.74)
onde
ui − ui−1
τG (u)i− 1 := − u0 (xi− 1 ), 1 ≤ i ≤ N. (3.75)
2 Li− 1 2
2
Por expansão de Taylor temos,
1 000
τG (u)i− 1 = u 1 L2 1 + O(L3i− 1 ), 1 ≤ i ≤ N. (3.76)
2 24 i− 2 i− 2 2
Finalmente,
N
X −1 ³ ´
k̄i− 1 (Geh )i− 1 = k̄N − 1 (Geh )N − 1 − k̄j+ 1 (Geh )j+ 1 − k̄j− 1 (Geh )j− 1
2 2 2 2 2 2 2 2
j=i
h
N
X −1
k̄j+ 1 (Geh )j+ 1 − k̄j− 1 (Geh )j− 1
= k̄N − 1 (Ge )N − 1 − hj 2 2 2 2
,
2 2
j=i
hj
(3.77)
isto é,
N
X −1
k̄i− 1 (Geh )i− 1 = k̄N − 1 (Geh )N − 1 − hj D(k̄ · Geh )j , 1 ≤ i ≤ N. (3.78)
2 2 2 2
j=i
72

Primeira Ordem para q(x) = 0
Consideremos o problema de Sturm-Liouville com condições de contorno de

Dirichlet em x = a e x = b,
µ ¶
d du
− k(x) + q(x) u(x) = f (x), a < x < b, (3.79)
dx dx
α0 u(a) = γa , β0 u(b) = γb . (3.80)
onde γa e γb são constantes dadas, α0 > 0, β0 > 0, k(x) ∈ C 3 ([a, b]), q(x) ∈
C 2 ([a, b]), f (x) ∈ C 2 ([a, b]), k(x) > 0 em [a, b], q(x) ≥ 0 em [a, b] e u(x) ∈ C 4 ([a, b]).
Da seção (3.1), sabemos que o problema discreto correspondente é dado por
Ã !
1 vi+1 − vi vi − vi−1
− k̄i+ 1 − k̄i− 1 + (q ∗ v)i = f¯i , 1 ≤ i ≤ N − 1,
hi 2 Li+ 1 2 Li− 1
2 2
(3.81)
γa γb
v0 = , vN = , (3.82)
α0 β0
onde,
Z xi
1
k̄i− 1 = k(x) dx, 1 ≤ i ≤ N, (3.83)
2 Li− 1 xi−1
Z x2i+1
1
f¯i = f (x) ϕi (x) dx, 1 ≤ i ≤ N − 1, (3.84)
hi xi−1
e
· Z xi Z xi+1
1
(q ∗ v)i = vi−1 q(x) ϕi−1 (x) ϕi (x) dx + vi q(x) ϕi (x)2 dx
hi xi−1 xi−1
Z xi+1 ¸
+ vi+1 q(x) ϕi+1 (x) ϕi (x) dx , 1 ≤ i ≤ N − 1.
xi
(3.85)
73
Notemos que e0 = v0 − u0 = 0 e eN = vN − uN = 0. Poderı́amos escrever as

equações (3.84) e (3.85) para i = 0 e i = N na forma
Z x1
¯ 1
f0 = f (x) ϕ0 (x) dx, (3.86)
h0 x0
Z xN
¯ 1
fN = f (x) ϕN (x) dx, (3.87)
hN xN −1
· Z x1 Z x1 ¸
1 2
(q ∗ v)0 = v0 q(x) ϕ0 (x) dx + v1 q(x) ϕ1 (x) ϕ0 (x) dx , (3.88)
h0 x0 x0
· Z xN Z xN ¸
1 2
(q ∗ v)N = vN −1 q(x) ϕN −1 (x) ϕN (x) dx + vN q(x) ϕN (x) dx ,
hN xN −1 xN −1
(3.89)
mas estes valores não serão utilizados no caso do problema de Sturm-Liouville com
condições de Dirichlet.
O FEM02 dado em (3.81) - (3.85) pode ser escrito como
− D(k̄ · Gv h ) + (q ∗ v h ) = f, (3.90)
onde
zi+ 1 − zi− 1
(Dz)i := 2 2
, 1 ≤ i ≤ N − 1, (3.91)
hi
e
wi − wi−1
(Gw)i− 1 := , 1 ≤ i ≤ N. (3.92)
2 Li− 1
2
Consideremos agora o caso q(x) = 0. Subtraindo −D(k̄ · Guh ) + (q ∗ uh ) =

f + τ (u) da equação (3.90), chegamos a
− D(k̄ · Geh ) + (q ∗ eh ) = − τ (u). (3.93)
Utilizando q(x) = 0 em (3.93), e levando o resultado na equação (3.78) obte-

mos,
N
X −1
h h
k̄ i− 12 (Ge ) i− 12 = k̄ N − 12 (Ge ) N − 12 − hj τ (u)j , 1 ≤ i ≤ N. (3.94)
j=i
74
Usando a equação (3.70) para o erro de truncamento, o fato de que hj =

Lj+ 1 +Lj− 1
2
2
2
e definindo w(x) := k0 (x)u00 (x), temos que
N
X −1
1 X
N −1 ³ ´
hj τ (u)j = wj Lj+ 1 − Lj− 1 + O(~2 )
2 2
j=i
12 j=i 2 2
1 X ³ ´
N −1
= wj+ 1 L2j+ 1 − wj− 1 L2j− 1
12 j=i 2 2 2 2
N −1 N −1
1 X 2 1 X
− (wj+ 1 − wj ) Lj+ 1 − (wj − wj− 1 ) L2j− 1 + O(~2 ).
12 j=i 2 2 12 j=i 2 2
(3.95)
Como (wj+ 1 − wj ) = O(Lj+ 1 ) e (wj − wj− 1 ) = O(Lj− 1 ),

2 2 2 2
1 ³ ´
N
X −1
hj τ (u)j = wN − 1 LN − 1 − wi− 1 Li− 1 + O(~2 ),
2 2
(3.96)
j=i
12 2 2 2 2
isto é,
N
X −1
1 0 1 0
hj τ (u)j = kN − 1 u00N − 1 L2N − 1 − ki− 1 u00i− 1 L2i− 1 + O(~2 )
j=i
12 2 2 2 12 2 2 2
1 ≤ i ≤ N − 1. (3.97)
[0]
eN −eN −1 e
Para computar (Geh )N − 1 = LN − 1
= − LN −11 , precisamos computar eN −1 :
2 N− 2
2
    
[0] [0] [0]
a1 −c̄ 3 0 · · · 0 0 0 e1 b(u)1
 2    
 [0]  [0]   [0] 
 −c̄ 3 a2 −c̄ 5 · · · 0 0 0  e2   b(u)2 
 2 2    
 [0]  [0]   [0] 
 0 −c̄ 5 a3 · · · 0 0 0  e3   b(u)3 
 2    
 · · · · · · ·  ·   · 
    
    
 · · · · · · ·  · = · ,
    
    
 · · · · · · ·  ·   · 
    
 [0]  [0]   [0] 
 0 0 0 · · · aN −3 −c̄N − 5 0  eN −3   b(u)N −3 
 2    
 [0]  [0]   [0] 
 0 0 0 · · · −c̄N − 5 aN −2 −c̄N − 3  eN −2   b(u)N −2 
 2 2 
[0] [0] [0]
0 0 0 · · · 0 −c̄N − 3 aN −1 eN −1 b(u)N −1
2
(3.98)
75
onde
k̄i− 1
c̄i− 1 = 2
, 1 ≤ i ≤ N, (3.99)
2 Li− 1
2
[0]
ai = c̄i− 1 + c̄i+ 1 , 1 ≤ i ≤ N − 1, (3.100)
2 2
b(u)i = − hi τ (u)i , 1 ≤ i ≤ N − 1. (3.101)
Reduzindo à forma triangular superior pela eliminação Gaussiana, obtemos,

    
[0] [0] [0]
â1 −c̄ 3 0 · · · 0 0 0 e1 b̂(u)1
 2    
 [0]   [0]   [0] 
 0 â2 −c̄ 5 · · · 0 0 0   e2   b̂(u)2 
 2    
 [0]   [0]   [0] 
 0 0 â3 · · · 0 0 0   e3   b̂(u)3 
    
    
 · · · · · · ·  ·   · 
    
    
 · · · · · · ·  ·  =  · ,
    
    
 · · · · · · ·  ·   · 
    
 [0]   [0]   [0] 
 0 0 0 · · · âN −3 −c̄N − 5 0   e   b̂(u)N −3 
 2   N −3   
 [0]   [0]   [0] 
 0 0 0 · · · 0 âN −2 −c̄N − 3   eN −2   b̂(u)N −2 
 2    
[0] [0] [0]
0 0 0 · · · 0 0 âN −1 eN −1 b̂(u)N −1
(3.102)
onde
[0] [0]
âj = c̄j+ 1 + θj c̄j− 1 , 1 ≤ j ≤ N − 1, (3.103)
2 2
j [0]
[0]
X c̄j− 1 θj
b̂(u)j = 2
[0]
b(u)l , 1 ≤ j ≤ N − 1, (3.104)
l=1 c̄l− 1 θl
2
[0] [0] [0]

com θ1 , θ2 ,..., θN −1 dados por
[0]
θ1 = 1, (3.105)
[0]
[0]
c̄j− 3 θj−1
θj = 2
[0]
, 2 ≤ j ≤ N. (3.106)
c̄j− 1 + c̄j− 3 θj−1
2 2
De (3.105) e (3.106) temos,

j
1 X Ll− 1
[0]
= 2
. (3.107)
c̄j− 1 θj l=1
k̄l− 1
2 2
76
Definindo
j
X Ll− 1
I¯j := 2
, (3.108)
l=1
k̄l− 1
2
temos,
j [0] j
X c̄j− 1 θj X
I¯l hl τ (u)l .
[0] [0]
b̂(u)j = − 2
[0]
hl τ (u)l = − c̄j− 1 θj (3.109)
l=1 c̄l− 1 θl 2
l=1
2
Em particular,
[0] [0] N −1
b̂(u)N −1 c̄N − 3 θN −1 X
I¯j hj τ (u)j .
[0]
eN −1 = [0]
= − 2
[0]
(3.110)
âN −1 c̄N − 1 + c̄N − 3 θN −1 j=1
2 2
Agora,
[0]
c̄N − 3 θN −1 1 1 1
2
[0]
= c̄N − 1 = 1 1
c̄N − 1 + c̄N − 3 θN −1 1 + 2 c̄N − 1 c̄N − 1
+ [0]
2 2 [0] 2 c̄N − 3 θN −1
c̄N − 3 θN −1 2 2
2
LN − 1 1 LN − 1 1
= 2
LN − 1 PN −1 Lj− 1
= 2
PN Lj− 1
,
k̄N − 1 2
+ 2 k̄N − 1 2
2 j=1 2 j=1 k̄ 1
k̄N − 1 k̄j− 1 j−
2 2 2
(3.111)
isto é,
[0]
c̄N − 3 θN −1 LN − 1
2
= 2
. (3.112)
c̄N − 1 + c̄N − 3 θN −1
[0] k̄ 1 I¯N
N− 2
2 2
Além disso, pela equação (3.70) para o erro de truncamento, pelo fato de que
hj = 12 (Lj+ 1 + Lj− 1 ) e definindo w(x) := k0 (x)u00 (x), temos que
2 2
N
X −1 N −1
1 X ¯ ³ ´
¯
Ij hj τ (u)j = Ij wj L2j+ 1 − L2j− 1 + O(~2 )
j=1
12 j=1 2 2
1 X ³¯ ´
N −1
= Ij+1 wj+ 1 L2j+ 1 − I¯j wj− 1 L2j− 1
12 j=1 2 2 2 2
N −1
(3.113)
1 X ¯
− (Ij+1 wj+ 1 − I¯j wj ) L2j+ 1
12 j=1 2 2
N −1
1 X ¯
− Ij (wj − wj− 1 ) L2j− 1 + O(~2 ).
12 j=1 2 2
77
Como (I¯j+1 wj+ 1 − I¯j wj ) = (I¯j+1 − I¯j )wj+ 1 + I¯j (wj+ 1 − wj ), (I¯j+1 − I¯j ) =
2 2 2
Lj+ 1
2
k̄j+ 1
= O(Lj+ 1 ) e (wj+ 1 − wj ) = O(Lj+ 1 ), segue que
2 2 2
2
1 ³¯ ´
N
X −1
I¯j hj τ (u)j = IN wN − 1 L2N − 1 − I¯1 w 1 L21 + O(~2 ). (3.114)
j=1
12 2 2 2 2
Como I¯1 w 1 L21 = O(L31 ) = O(~2 ), temos

2 2 2
N
X −1
1 ¯ 0
I¯j hj τ (u)j = IN kN − 1 u00N − 1 L2N − 1 + O(~2 ). (3.115)
j=1
12 2 2 2
Usando as equações (3.112) e (3.115) em (3.110), chegamos a

[0] N −1
c̄N − 3 θN −1 X
I¯j hj τ (u)j
[0]
eN −1 = − 2
[0]
c̄N − 1 + c̄N − 3 θN −1 j=1
2 2
µ ¶
LN − 1 1 ¯ 0 00 2 2
= − 2
IN kN − 1 uN − 1 LN − 1 + O(~ ) (3.116)
k̄N − 1 I¯N 12 2 2 2
2
Ã 0 00 !
1 kN − 12 uN − 12 2
= − LN − 1 LN − 1 + O(~2 ) .
2 12 k̄N − 1 2
2
Finalmente,
Ã Ã 0 00 !!
h 1 1 kN − 12 uN − 12 2 2
(Ge )N − 1 = − − LN − 1 LN − 1 + O(~ ) , (3.117)
2 LN − 1 2 12 k̄N − 1 2
2 2
isto é,
1 0
k̄N − 1 · (Geh )N − 1 = kN − 1 u00N − 1 L2N − 1 + O(~2 ). (3.118)
2 2 12 2 2 2
Levando (3.97) e (3.118) na equação (3.94), obtemos

N
X −1
[0] [0]
k̄ i− 12 · (Ge ) i− 12 = k̄ N − 12 · (Ge ) N − 12 − hj τ (u)j
j=i
µ ¶
1 0 00 2 2
= k 1 u 1 L 1 + O(~ )
12 N − 2 N − 2 N − 2
µ ¶
1 0 00 2 1 0 00 2 2
− k 1 u 1 L 1 − k 1 u 1 L 1 + O(~ ) ,
12 N − 2 N − 2 N − 2 12 i− 2 i− 2 i− 2
(3.119)
78
ou seja,
1 0
k̄i− 1 · (Ge[0] )i− 1 = k 1 u00 1 L2 1 + O(~2 ), 1 ≤ i ≤ N. (3.120)
2 2 12 i− 2 i− 2 i− 2
Determinemos agora o erro da derivada de primeira ordem. Das equações

(3.76) e (3.120), segue que
[0]
k̄i− 1 · Ei− 1 = k̄i− 1 · (Geh )i− 1 + k̄i− 1 · τG (u)i− 1
2 2 2 2 2 2
1 0 1
= ki− 1 u00i− 1 L2i− 1 + O(~2 ) + k̄ 1 u000 1 L2 1 + O(L2i− 1 ),
12 2 2 2 24 i− 2 i− 2 i− 2 2
(3.121)
isto é,
0 00
[0] 1 ki− 12 ui− 12 2 1 000
Ei− 1 = Li− 1 + ui− 1 L2i− 1 + O(~2 ), 1 ≤ i ≤ N, (3.122)
2 12 k̄i− 1 2 24 2 2
2
onde Z xi
1
k̄ i− 12 = k(x) dx = ki− 1 + O(L2i− 1 ), (3.123)
Li− 1 xi−1
2 2
2
ou, equivalentemente,
Ã 0 !
1 ki− 1 u00i− 1 1
[0]
Ei− 1 = 2 2
+ u000 1 L2i− 1 + O(~2 ), 1 ≤ i ≤ N. (3.124)
2 12 ki− 1 2 i− 2 2
2
Com esse resultado, estimemos o erro de solução e[0] . Como

vi − vi−1
Ei− 1 = − u0 (xi− 1 ), (3.125)
2 Li− 1 2
2
segue que,
vi = vi−1 + u0i− 1 Li− 1 + Ei− 1 Li− 1

2 2 2
³ 2 ´ ³ ´
0 0
= vi−2 + ui− 3 Li− 3 + ui− 1 Li− 1 + Ei− 3 Li− 3 + Ei− 1 Li− 1
2 2 2 2 2 2 2 2
i
X i
X
= ... = v1 + u0j− 1 Lj− 1 + Ej− 1 Lj− 1 (3.126)
2 2 2 2
j=2 j=2
i
X i
X
= v0 + u0j− 1 Lj− 1 + Ej− 1 Lj− 1 .
2 2 2 2
j=1 j=1
79
Pi R xi
Como j=1 u0j− 1 Lj− 1 é uma aproximação pelo ponto médio de x0
u0 (x) dx,
2 2
cujo erro é O(~2 ), e como Ej− 1 = O(L2j− 1 ) + O(~2 ), obtemos

2 2
i
X i
X
vi = v0 + u0j− 1 Lj− 1 + Ej− 1 Lj− 1
2 2 2 2
j=1 j=1
µZ xi ¶
(3.127)
= v0 + u (x) dx + O(~ ) + O(~2 )
0 2
x0
= v0 − u0 + ui + O(~2 ),
isto é,
ei = e0 + O(~2 ), 1 ≤ i ≤ N. (3.128)
Como e0 = 0, temos que o erro de solução para q(x) = 0 é,
ei = O(~2 ), 1 ≤ i ≤ N − 1. (3.129)
Notemos que, para este caso, e0 = 0, eN = 0, e1 = O(L31 ) e eN −1 = O(L3N − 1 ).

2 2
Os demais casos correspondentes às outras condições de contorno são tratados

de modo inteiramente análogo, ver [10] para uma discussão detalhada.
80

Primeira Ordem para q(x) ≥ 0
Os resultados aqui são inteiramente análogos aos da Seção 2.3 referente ao

método mimético. Sendo u[q] (x) a solução do problema (3.1)-(3.3) para dada função
q(x) ∈ C 0 ([a, b]) não negativa e denotando por v [q] a aproximação de elementos
finitos correspondente, dada por (3.5), (3.19), (3.28) e (3.34), definimos os erros de
solução
[q] [q]
ei = vi − u[q] (xi ), 0 ≤ i ≤ N, (3.130)
e de derivada
[q] [q]
[q] vi − vi−1 du[q]
Ei− 1 = − (xi− 1 ), 1 ≤ i ≤ N, (3.131)
2 Li− 1 dx 2
2
obtendo-se o seguinte resultado cuja prova é análoga à prova do Teorema 2.1.
Teorema 3.1. Na notação acima, tem-se
[q] [0]
ei = ei + O(~2 ), 0 ≤ i ≤ N, (3.132)
e
[q] [0]
Ei− 1 = Ei− 1 + O(~2 ), 1 ≤ i ≤ N, (3.133)
2 2
uniformemente em i, onde e[0] , E [0] denotam respectivamente os erros de solução e

de derivada correspondentes ao caso q(x) = 0.
81
3.4 Análise do Erro da Derivada de Segunda Ordem
Analisemos em primeior lugar D(E)i , com 1 ≤ i ≤ N − 1. Sabemos que o erro

da derivada de primeira ordem é dado por
Ei− 1 = (Ge)i− 1 + τG (u)i− 1 , (3.134)

2 2 2
onde
τG (u)i− 1 = (Gu)i− 1 − u0i− 1

2 2 2
ui − ui−1
= − u0i− 1 (3.135)
Li− 1 2
2
1 000
= u 1 L2 1 + O(L3i− 1 ).
24 i− 2 i− 2 2
Multiplicando (3.134) por k̄i− 1 , obtemos

2
k̄i− 1 Ei− 1 = k̄i− 1 (Ge)i− 1 + k̄i− 1 τG (u)i− 1 , (3.136)

2 2 2 2 2 2
e isto implica
D(k̄ · E)i = D(k̄ · Ge)i + D(k̄ · τG (u))i . (3.137)
Esta última implicação é válida, pois subtraindo (3.136) da equação k̄i+ 1 Ei+ 1 =
2 2
k̄i+ 1 (Ge)i+ 1 + k̄i+ 1 τG (u)i+ 1 , chegamos a

2 2 2 2
k̄i+ 1 Ei+ 1 − k̄i− 1 Ei− 1 k̄i+ 1 (Ge)i+ 1 − k̄i− 1 (Ge)i− 1

2 2 2 2
= 2 2 2 2
hi hi
k̄i+ 1 τG (u)i+ 1 − k̄i− 1 τG (u)i− 1
+ 2 2 2 2
, (3.138)
hi
82
que é o mesmo que (3.137). Agora,
k̄i+ 1 τG (u)i+ 1 − k̄i− 1 τG (u)i− 1

D(k̄ · τG (u))i = 2 2 2 2
hi
k̄i+ 1 − k̄i− 1 τG (u)i+ 1 − τG (u)i− 1
= 2 2
τG (u)i+ 1 + k̄i− 1 2 2
hi 2 2 hi
= D(k̄)i · τG (u)i+ 1 + k̄i− 1 · D(τG (u))i
´ µ1 ¶
2 2
³
0 000 2 3
= ki + O(Li− 1 ) + O(Li+ 1 ) u 1 L 1 + O(Li+ 1 )
2 2 24 i+ 2 i+ 2 2
µ ¶
1
+ ki − ki0 Li− 1 + O(L2i− 1 )
2 2 2
µ ³ ´ ¶
1 000 2 2
u Li+ 1 − Li− 1 + O(Li− 1 ) + O(Li+ 1 ) ,
12 i 2 2 2 2
(3.139)
visto que
k̄i+ 1 − k̄i− 1
D(k̄)i = 2 2
hi
Ã Z Z !
xi+1 xi
1 1 1
= k(x) dx − k(x) dx
hi Li+ 1 xi Li− 1 xi−1
2 2
µ· ¸ · ¸¶
1 1 0 2 1 0 2
= ki + ki Li+ 1 + O(Li+ 1 ) − ki − ki Li− 1 + O(Li− 1 )
hi 2 2 2 2 2 2
= ki0 + O(Li− 1 ) + O(Li+ 1 ),

2 2
(3.140)
Z xi
1 1 0
k̄i− 1 = k(x) dx = ki − k L 1 + O(L2i− 1 ), (3.141)
2 Li− 1 xi−1 2 i i− 2 2
2
Z xi+1
1 1 0
k̄i+ 1 = k(x) dx = ki + k L 1 + O(L2i+ 1 ), (3.142)
2 Li+ 1 xi 2 i i+ 2 2
2
83
e
1 ³ ´
D(τG (u))i = τG (u)i+ − τG (u)i−
1 1
hi 2 2
·µ ¶ µ ¶¸
1 1 000 2 3 1 000 2 3
= u 1 L 1 + O(Li+ 1 ) − u 1 L 1 + O(Li− 1 )
hi 24 i+ 2 i+ 2 2 24 i− 2 i− 2 2
2 2
1 000 Li+ 12 − Li− 12
= ui + O(L2i− 1 ) + O(L2i+ 1 )
24 hi 2 2
1 000 ³ ´
= u Li+ 1 − Li− 1 + O(L2i− 1 ) + O(L2i+ 1 ), 1 ≤ i ≤ N − 1.
12 i 2 2 2 2
(3.143)
Lembremos que −D(k̄ · Ge) + q ∗ e = −τ (u), ou seja, D(k̄ · Ge) = q ∗ e + τ (u),

1 0 00
onde q ∗ e = O(~2 ), uma vez que ei = O(~2 ), e τ (u)i = k u (Li+ 1
6 i i
− Li− 1 ) +
2 2
O(L2i− 1 ) + O(L2i+ 1 ), com 1 ≤ i ≤ N − 1. Dessa forma,

2 2
1 0 00 ³ ´
D(k̄ · Ge)i = k u Li+ 1 − Li− 1
6 i i 2 2
+ O(L2i− 1 ) + O(L2i+ 1 ) + O(~2 ), 1 ≤ i ≤ N − 1, (3.144)

2 2
1 ³ ´
D(k̄ · τG (u))i = ki u000
i L 1 − L
i+ 2 1
i− 2
12
+ O(L2i− 1 ) + O(L2i+ 1 ), 1 ≤ i ≤ N − 1. (3.145)
2 2
Portanto,
D(k̄ · E)i = D(k̄ · Ge)i + D(k̄ · τG (u))i

µ ¶ ³ ´
1 0 00 1 000
= ki ui + ki ui Li+ 1 − Li− 1 + O(L2i− 1 ) + O(L2i+ 1 ) + O(~2 ),
6 2 2 2 2 2
(3.146)
ou seja,
µ ¶ ³ ´
1 1
D(k̄ · E)i = ki0 u00i + ki u000
i Li+ 1 − Li− 1
6 2 2 2
+ O(L2i− 1 ) + O(L2i+ 1 ) + O(~2 ), 1 ≤ i ≤ N − 1. (3.147)

2 2
84
Como D(k̄ · E)i = D(k̄)i Ei+ 1 + k̄i− 1 (DE)i , com D(k̄)i = O(1) e Ei+ 1 =
2 2 2
O(L2i+ 1 ) 2
+ O(~ ), obtemos
2
µ ¶ ³ ´
1 0 00 1 000
k̄i− 1 (DE)i = k i ui + k i ui Li+ 1 − Li− 1
2 6 2 2 2
+ O(L2i− 1 ) + O(L2i+ 1 ) + O(~2 ), 1 ≤ i ≤ N − 1, (3.148)

2 2
e como k̄i− 1 = ki − 12 ki0 Li− 1 + O(L2i− 1 ), segue que

2 2 2
µ ¶ ³ ´
1 ki0 00 1
(DE)i = ui + u000 Li+ 1 − Li− 1
6 ki 2 i 2 2
(3.149)
+ O(L2i− 1 ) + O(L2i+ 1 ) + O(~2 ), 1 ≤ i ≤ N − 1.
2 2
µ k0 ¶
1
i− 2
1 1
(Comparemos com o resultado Ei− 1 = 12 ki− 1
u00i− 1 + 2
u000
i− 12
L2i− 1 +
2 2 2
2
O(~2 ), 1 ≤ i ≤ N ).
Notemos também que D(k̄ · Ge)i = D(k̄)i (Ge)i+ 1 + k̄i− 1 D(Ge)i , com D(k̄ ·
2 2
1 0 00
Ge)i = k u (Li+ 1
6 i i
− Li− 1 ) + O(L2i− 1 ) + O(L2i+ 1 ) + O(~ ), D(k̄)i 2
= O(1),
2 2 2 2
(Ge)i+ 1 = O(L2i+ 1 ) + O(~2 ) e k̄i− 1 = ki + O(Li− 1 ), e portanto,

2 2 2 2
1 ki0 00 ³ ´
D(Ge)i = ui Li+ 1 − Li− 1
6 ki 2 2
+ O(L2i− 1 ) + O(L2i+ 1 ) + O(~2 ), 1 ≤ i ≤ N − 1. (3.150)

2 2
Alternativamente, (3.150) pode ser mostrada da seguinte forma,
Ei− 1 = (Ge)i− 1 + τG (u)i− 1 ⇒

2 2 2
(DE)i = D(Ge)i + D(τG (u))i ⇒ (3.151)
D(Ge)i = (DE)i − D(τG (u))i , 1 ≤ i ≤ N − 1.
Por (3.143) e (3.149), chegamos à (3.150), ou seja,

1 ki0 00 ³ ´
D(Ge)i = ui Li+ 1 − Li− 1
6 ki 2 2
+ O(L2i− 1 ) + O(L2i+ 1 ) + O(~2 ), 1 ≤ i ≤ N − 1. (3.152)

2 2
85
Façamos agora a análise do erro da derivada de segunda ordem, Ei = D(Gv)i −

u00i . Para 1 ≤ i ≤ N − 1 temos,
Ã !
1 vi+1 − vi vi − vi−1
Ei = − − u00i
hi Li+ 1 Li− 1
2 2
1 ³ ´
= (Gv)i+ 1 − (Gv)i− 1 − u00i
hi 2 2
(3.153)
= D(Gv)i − u00i
= D(G(v − u) + Gu)i − u00i
= D(Ge)i + D(Gu)i − u00i ,
onde, por expansão de Taylor,

·µ ¶
00 1 0 1 00 1 000 2 3
D(Gu)i − ui = ui + ui Li+ 1 + ui Li+ 1 + O(Li+ 1 )
hi 2 2 6 2 2
µ ¶¸
1 1
− u0i − u00i Li− 1 + u000 L2 1 + O(L3i− 1 ) − u00i
2 2 6 i i− 2 2
1 000 ³ ´
= ui Li+ 1 − Li− 1 + O(L2i− 1 ) + O(L2i+ 1 ), 1 ≤ i ≤ N − 1.
3 2 2 2 2
(3.154)
Utilizando (3.152) e (3.154), chegamos a
Ei = D(Ge)i + D(Gu)i − u00i

· ¸
1 ki0 00 ³ ´
2 2 2
= u Li+ 1 − Li− 1 + O(Li− 1 ) + O(Li+ 1 ) + O(~ ) (3.155)
6 ki i 2 2 2 2
· ³ ´ ¸
1 000
+ ui Li+ 1 − Li− 1 + O(L2i− 1 ) + O(L2i+ 1 ) ,
3 2 2 2 2
isto é,
µ ¶ ³ ´
1 ki0 00 1
Ei = ui + u000 Li+ 1 − Li− 1
6 ki 3 i 2 2
(3.156)
+ O(L2i− 1 ) + O(L2i+ 1 ) 2
+ O(~ ), 1 ≤ i ≤ N − 1.
2 2
86
3.5 Resultados Numéricos
Neste capı́tulo vimos que, utilizando a discretização pelo método de elementos

finitos de segunda ordem para o problema de Sturm-Liouville com condições de
contorno separáveis,
µ ¶
d du
− k(x) + q(x) u(x) = f (x), a < x < b, (3.157)
dx dx
α0 u(a) − α1 k(a) u0 (a) = γa , (3.158)
β0 u(b) + β1 k(b) u0 (b) = γb , (3.159)
onde α0 , α1 , β0 , β1 , γa e γb são constantes dadas satisfazendo α0 , α1 , β0 , β1 ≥ 0,

α0 + α1 > 0, β0 + β1 > 0 e α0 + β0 > 0, e onde k(x), q(x) e f (x) são funções
suaves dadas, com k(x) > 0 e q(x) ≥ 0 para todo x no intervalo [a, b], chegamos aos
seguintes resultados para os erros de solução, derivada de primeira ordem e derivada
de segunda ordem, respectivamente,
ei = O(~2 ), 0 ≤ i ≤ N, (3.160)
Ã 0 !
1 ki− 12 00 1 000
Ei− 1 = u 1 + ui− 1 L2i− 1 + O(~2 ), 1 ≤ i ≤ N, (3.161)
2 12 ki− 1 i− 2 2 2 2
2
µ ¶
1 ki0 00 1 000 ³ ´
Ei = ui + ui Li+ 1 − Li− 1
6 ki 3 2 2
(3.162)
+ O(L2i− 1 ) + O(L2i+ 1 ) + O(~2 ), 1 ≤ i ≤ N − 1.
2 2
Assim, as aproximações v(xi ) para os valores de solução u(xi ) são afetadas por
erros globalmente relacionados com a distribuição dos pontos da malha. O erro da
derivada de primeira ordem possui um termo local, determinado pelos comprimentos
locais Li− 1 , e um termo global. O erro da derivada de segunda ordem possui ter-
2
mos que dependem dos comprimentos locais Li− 1 e Li+ 1 , além de um termo global.
2 2
Observemos que em malhas gerais o erro passa a ser de primeira ordem.

87
Vejamos alguns exemplos que ilustram estes resultados, utilizando malhas não-
uniformes.
Exemplo 3.1. Caso Dirichlet-Dirichlet

(3.159), com α0 = 1, α1 = 0, β0 = 1, β1 = 0, k(x) = 1 + x2 , q(x) = −5x2 e
u(x) = 1 + cos(x) no intervalo [0, 1]. Utilizamos uma malha não-uniforme, cujas
H H H H H H
( N2 ) ( N2 −1) ( N2 −1) ( N2 )
1
onde H = N
e N é o número de células. Para uma malha de 100 células, os nodos
são dados por 



0 se i = 0,


xi = xi−1 + 1
se 1 ≤ i ≤ 50, (3.163)

 100(51−i)0.5



xi−1 + 1
100(i−50)0.5
se 51 ≤ i ≤ 100.
Nesta malha, ~2 = 2.8099e − 004.
x 10
−3 Quadrado do comprimento das células x 10
−4 Erro de Solução
1.6 3
L²
1.4 hslash²
2.5
1.2
2
1
1.5
L²
0.8
e
1
0.6
0.5
0.4
0.2 0
0 −0.5
0 0.2 0.4 0.6 0.8 1 0 0.2 0.4 0.6 0.8 1
x x
Figura 8a - Representação gráfica do erro de solução decorrente do FEM02 para o

problema de Sturm-Liouville com condições de contorno de Dirichlet-Dirichlet.
88
x 10
−6 Erro de Solução em detalhe x 10
−4 Erro da Derivada de 1ª ordem
3 3
2
2.5
1
0 2
−1
1.5
E1
−2
e
1
−3
−4 0.5
−5
0
−6
−7 −0.5
0 0.2 0.4 0.6 0.8 1 0 0.2 0.4 0.6 0.8 1
x x
x 10 Erro da Derivada de 1ª ordem: componentes local e global x 10 Erro da Derivada de 1ª ordem: componente global em detalhe
−4 −5
3 2.6
Componente global do erro da derivada de 1ª ordem

Componentes do erro da derivada de 1ª ordem
2.5
termo local 2.4
termo global
2.2
2
2
1.5
1.8
1
1.6
0.5
1.4
0
1.2
−0.5 1
−1 0.8
0 0.2 0.4 0.6 0.8 1 0 0.2 0.4 0.6 0.8 1
x x
x 10
6
2
E2
−2
−4
−6
0 0.2 0.4 0.6 0.8 1
x
Figura 8b - Representação gráfica dos erros de solução e derivada de primeira e

segunda ordens decorrentes do FEM02 para o problema de Sturm-Liouville com
condições de contorno de Dirichlet-Dirichlet.
Para esta malha de 100 células, o algoritmo f em02 dd.m foi executado em 1.266681
segundos.
89
Exemplo 3.2. Caso Dirichlet-Neumann

(3.159), com α0 = 1, α1 = 0, β0 = 0, β1 = 1, k(x) = 2 + sin(x), q(x) = −exp(x)
e u(x) = x + sin(x) no intervalo [0, 1]. Utilizamos uma malha não-uniforme, cujas
H H H H H H
( N2 ) ( N2 −1) ( N2 −1) ( N2 )
1
onde H = N
e N é o número de células. Para este exemplo usamos N = 100, e os
nodos são dados por




0 se i = 0,


xi = xi−1 + 1
se 1 ≤ i ≤ 50, (3.164)

 100(51−i)0.9



xi−1 + 1
100(i−50)0.9
se 51 ≤ i ≤ 100.
Nesta malha, ~2 = 0.0021.
x 10
−3 Quadrado do comprimemto das células x 10
9 2.5
L²
8 hslash²
2
7
6 1.5
5
L²
1
e
3 0.5
2
0
1
0 −0.5
0 0.2 0.4 0.6 0.8 1 0 0.2 0.4 0.6 0.8 1
x x

problema de Sturm-Liouville com condições de contorno de Dirichlet-Neumann.
90
x 10
0 2.5
−0.1
2
−0.2
−0.3 1.5
−0.4
1
E1
−0.5
e
0.5
−0.6
−0.7 0
−0.8
−0.5
−0.9
−1 −1
0 0.2 0.4 0.6 0.8 1 0 0.2 0.4 0.6 0.8 1
x x
x 10 Erro da Derivada de 1ª ordem: componentes local e global

−3 −4
x 10 Erro da Derivada de 1ª ordem: componente global em detalhe
2.5 0

−0.2
2
termo local
termo global −0.4
1.5
−0.6
1
−0.8
0.5
−1
0
−1.2
−0.5 −1.4
0 0.2 0.4 0.6 0.8 1 0 0.2 0.4 0.6 0.8 1
x x
Erro da Derivada de 2ª ordem

0.015
0.01
0.005
E2
−0.005
−0.01
−0.015
0 0.2 0.4 0.6 0.8 1
x
Figura 9b - Representação gráfica dos erros de solução e de derivada de primeira e

segunda ordens decorrentes do FEM02 para o problema de Sturm-Liouville com
condições de contorno de Dirichlet-Neumann.
Para esta malha de 100 células, o algoritmo f em02 dr.m foi executado em 1.280455
segundos.
91
Exemplo 3.3. Caso Dirichlet-Robin

(3.159), com α0 = 1, α1 = 0, β0 = 1, β1 = 1, k(x) = 3+cos(x), q(x) = −x2 e u(x) =
1 + cos(x) no intervalo [0, 1]. Utilizamos uma malha não-uniforme, cujas células têm
H H H H H H
espaçamento 0.5 ,
0.5 , ..., H, H,..., 0.5 , 0.5 , 0.5 , 0.5 ,...,
( N4 −1)( N4 ) ( N4 −1) ( N4 ) ( N4 ) ( N4 −1)
H, H,..., N H 0.5 , NH 0.5 , onde H = N1 e N é o número de células. Aqui N = 100
( 4 −1) (4)
e os nodos são dados por




 0 se i = 0,





 xi−1 + 100(26−i) 1
se 1 ≤ i ≤ 25,

 0.5

xi = xi−1 + 1
se 26 ≤ i ≤ 50, (3.165)

 100(i−25)0.5



 1

 xi−1 + 100(76−i) 0.5 se 51 ≤ i ≤ 75,




xi−1 + 1
se 76 ≤ i ≤ 100.
100(i−75)0.5
Nesta malha, ~2 = 2.1482e − 004.
x 10
1 3
L²
0.9 hslash²
2.5
0.8
0.7 2
0.6
1.5
L²
0.5
e
1
0.4
0.3 0.5
0.2
0
0.1
0 −0.5
0 0.2 0.4 0.6 0.8 1 0 0.2 0.4 0.6 0.8 1
x x

problema de Sturm-Liouville com condições de contorno de Dirichlet-Robin.
92
x 10
8 3
7
2.5
6
5 2
4
1.5
E1
3
e
1
2
1 0.5
0
0
−1
−2 −0.5
0 0.2 0.4 0.6 0.8 1 0 0.2 0.4 0.6 0.8 1
x x
x 10
−4 Erro da Derivada de 1ª ordem: componentes local e global −7
3 −2

termo local
termo global
2.5
−4
2
−6
1.5
−8
1
−10
0.5
−12
0
−0.5 −14
0 0.2 0.4 0.6 0.8 1 0 0.2 0.4 0.6 0.8 1
x x
x 10
2.5
1.5
0.5
E2
−0.5
−1
−1.5
−2
−2.5
0 0.2 0.4 0.6 0.8 1
x

condições de contorno de Dirichlet-Robin.
Para esta malha de 100 células, o algoritmo f em02 dr.m foi executado em 1.107904
segundos.
93
Exemplo 3.4. Caso Neumann-Robin

(3.159), com α0 = 0, α1 = 1, β0 = 1, β1 = 1, k(x) = 1 + x2 , q(x) = −5x2 e
u(x) = 3x + cos(x) no intervalo [0, 1]. Utilizamos uma malha não-uniforme, cujas
H H H H H H 1
células têm espaçamento 2
, 2, 2H, 2
, 2, 2H, ..., 2
, 2, 2H, onde H = N
e N é
o número de células. A malha utilizada aqui é de 100 células e os nodos são dados
por 



0 se i = 0,


xi = xi−1 + 2 h se i = 3j, com 1 ≤ j ≤ 33, (3.166)





xi−1 + h
2
caso contrário, com 1 ≤ i ≤ 100,
1
onde h = 100
. Nesta malha, ~2 = 2.7650e − 004.
x 10
4.5
L²
4 hslash²
3.5
3 2
2.5
L²
1.5 1
0.5
0 0
0 0.2 0.4 0.6 0.8 1 0 0.2 0.4 0.6 0.8 1
x x

problema de Sturm-Liouville com condições de contorno de Neumann-Robin.
94
x 10
4.4 3
4.2
2.5
4
2
3.8
3.6 1.5
E1
e
3.4 1
3.2
0.5
3
0
2.8
2.6 −0.5
0 0.2 0.4 0.6 0.8 1 0 0.2 0.4 0.6 0.8 1
x x
x 10 Erro da Derivada de 1ª ordem: componentes local e global

−4 −5
3 0

2.5 termo local −0.2

termo global
2 −0.4
1.5 −0.6
1 −0.8
0.5 −1
0 −1.2
−0.5 −1.4
0 0.2 0.4 0.6 0.8 1 0 0.2 0.4 0.6 0.8 1
x x
x 10
3
1
E2
−1
−2
−3
0 0.2 0.4 0.6 0.8 1
x

condições de contorno de Neumann-Robin.
Para esta malha de 100 células, o algoritmo f em02 rr.m foi executado em 1.271416
segundos.
95
Exemplo 3.5. Caso Robin-Robin

(3.159), com α0 = 1, α1 = 1, β0 = 1, β1 = 1, k(x) = 1 + x2 , q(x) = −x3 e u(x) =
x + cos(x) no intervalo [0, 1]. Utilizamos uma malha não-uniforme, cujas células têm
espaçamento H, H 2 , H 2 , H 2 , H 2 , H 2 , H 2 , H 2 , H 2 , H, H 2 , H 2 , H 2 , H 2 , H 2 ,
1
H 2 , H 2 , H 2 , ..., H, H 2 , H 2 , H 2 , H 2 , H 2 , H 2 , H 2 , H 2 , onde H = N
e N é o
número de células. A malha utilizada aqui é de 500 células e os nodos são dados por


 0 se i = 0,






h se i = 1,
xi = (3.167)



 xi−1 + h se i = 10j, com 1 ≤ j ≤ 50,




x 2
i−1 + h caso contrário, com 2 ≤ i < 500,
1
onde h = 500
. Nesta malha, ~2 = 3.0418e − 004.
x 10
3.5 3.5
L²
hslash² 3
3
2.5
2.5
2
2
L²
1.5
e
1.5
1
1
0.5
0.5 0
0 −0.5
0 0.2 0.4 0.6 0.8 1 0 0.2 0.4 0.6 0.8 1
x x

problema de Sturm-Liouville com condições de contorno de Robin-Robin.
96
x 10
4 3.5
2 3
2.5
0
2
−2
E1
1.5
e
−4
1
−6
0.5
−8 0
−10 −0.5
0 0.2 0.4 0.6 0.8 1 0 0.2 0.4 0.6 0.8 1
x x
x 10
−4 Erro da Derivada de 1ª ordem: componentes local e global x 10 Erro da Derivada de 1ª ordem: componente global em detalhe
−6
3.5 4.5

3
termo local 4
2.5 termo global
2
3.5
1.5
3
1
0.5
2.5
0
−0.5 2
0 0.2 0.4 0.6 0.8 1 0 0.2 0.4 0.6 0.8 1
x x
x 10
4
1
E2
−1
−2
−3
−4
0 0.2 0.4 0.6 0.8 1
x

Para esta malha de 500 células, o algoritmo f em02 rr.m foi executado em 5.866246
segundos.
97
4 CONSIDERAÇÕES FINAIS
Ao longo do texto, consideramos o problema regular de Sturm-Liouville com

condições de contorno separáveis,
µ ¶
d du
− k(x) + q(x) u(x) = f (x), a < x < b, (4.1)
dx dx
α0 u(a) − α1 k(a) u0 (a) = γa , (4.2)
β0 u(b) + β1 k(b) u0 (b) = γb , (4.3)
com α0 , α1 , β0 , β1 , γa e γb constantes dadas satisfazendo α0 , α1 , β0 , β1 ≥ 0,

α0 + α1 > 0, β0 + β1 > 0 e α0 + β0 > 0, e onde k(x), q(x) e f (x) são funções
suaves dadas, com k(x) > 0 e q(x) ≥ 0 para todo x no intervalo [a, b]. Utilizando o
divergente discreto (derivada primeira discreta)
wi − wi−1
(Dw)i− 1 := , 1 ≤ i ≤ N, (4.4)
2 Li− 1
2
e o gradiente discreto (derivada segunda discreta),

zi+ 1 − zi− 1
(Gz)i := 2 2
, 0 ≤ i ≤ N, (4.5)
hi
chegamos ao método mimético de segunda ordem (MIM02),
µ ¶
ki−1 ki−1 ki ki
− vi− 3 + + + qi− 1 Li− 1 vi− 1 − v 1 = Li− 1 fi− 1 , (4.6)
hi−1 2 hi−1 hi 2 2 2 hi i+ 2 2 2
cujo erro de truncamento é dado por

µ ¶
00 hi + hi−1
τ (u)i−1/2 = ki−1/2 ui−1/2 1 −
2Li−1/2
1 000 hi − h2i−1
2
− Ki−1/2 ui−1/2
6 Li−1/2 (4.7)
1 0
− Ki−1/2 u00i−1/2 (hi − hi−1 )
4
+ O(L2i−3/2 ) + O(L2i−1/2 ) + O(L2i+1/2 ), 1 ≤ i ≤ N,
desde que k ∈ C 3 ([a, b]) e u ∈ C 4 ([a, b]).

98
Para este método encontramos que os erros de solução, de derivada de primeira

ordem e de derivada de segunda ordem são dados, respectivamente, por
e0 = O(~2 ), eN = O(~2 ), (4.8)

1 00
ei− 1 = − u 1 L2 1 + O(~2 ), 1 ≤ i ≤ N, (4.9)
2 8 i− 2 i− 2
Ei = O(~2 ), 0 ≤ i ≤ N, (4.10)
Ei− 1 = O(L2i− 3 ) + O(L2i− 1 ) + O(L2i+ 1 ) + O(~2 )

2 2 2 2
Li+ 1 Li− 3 (4.11)

+ 2
O(L2i+ 1 ) + 2
O(L2i− 3 ) 1 ≤ i ≤ N.
Li− 1 2 Li− 1 2
2 2
Por outro lado, para o método de elementos finitos de segunda ordem (FEM02),
Ã !
1 vi+1 − vi vi − vi−1
− k̄i+ 1 − k̄i− 1 + (q ∗ v)i = f¯i , 1 ≤ i ≤ N − 1,
hi 2 Li+ 1 2 Li− 1
2 2
(4.12)
tem-se que seu erro de truncamento é dado por
1 0 00 ³ ´
τ (u)i = ki ui Li+ 1 − Li− 1 + O(L2i− 1 ) + O(L2i+ 1 ). (4.13)
6 2 2 2 2
Para este método, os erros de solução, de derivada de primeira ordem e de

derivada de segunda ordem são dados, respectivamente, por
ei = O(~2 ), 0 ≤ i ≤ N, (4.14)
Ã 0 !
1 k 1
i− 2 1
Ei− 1 = u00i− 1 + u000
i− 1 L2i− 1 + O(~2 ), 1 ≤ i ≤ N, (4.15)
2 12 ki− 1 2 2 2 2
2
µ ¶ ³ ´
1 ki0 00 1
Ei = ui + u000 Li+ 1 − Li− 1
6 ki 3 i 2 2
(4.16)
+ O(L2i− 1 ) + O(L2i+ 1 ) + O(~ ), 2
1 ≤ i ≤ N − 1.
2 2
Em ambos os casos, os termos O(~2 ) tem tamanho limitado por C~2 para
alguma constante positiva C que é dependente da solução u(x), mas é independente
99
de i ou da malha particular considerada, e onde ~ é o parâmetro de espaçamento da

malha dado por v
u N
uX
~ = t L3i− 1 . (4.17)
2
j=1
Nas figuras 13a e 13b usamos k(x) = 1 + x2 , q(x) = −5x2 e u(x) = 1 + cos(x)
no intervalo [a, b], α0 = 1, α1 = 0, β0 = 1 e β1 = 0. No primeiro gráfico utilizamos
uma malha uniforme onde, para N = 100, ~2 = e − 004, para N = 200, ~2 =
2.5e − 005, para N = 400, ~2 = 6.25e − 006 e para N = 800, ~2 = 1.5625e − 006. No
segundo gráfico utilizamos uma malha não-uniforme, cujas células têm espaçamento
H H H H H H 1
0.5 , 0.5 , ..., 20.5 , H, H, 20.5 , ..., 0.5 , 0.5 , onde H = N e N é o
( N2 ) ( N2 −1) ( N2 −1) ( N2 )
número de células. Para N = 100, ~2 = 2.8099e − 004, para N = 241, ~2 =
7.0124e−005, para N = 600, ~2 = 1.7044e−005 e para N = 1490, ~2 = 4.2284e−006.
O número de células foi escolhido de forma que o ~2 de um certo número de células
fosse 4 vezes maior que o ~2 de outro determinado número de células, podendo
observar assim os resultados das equações (4.8) e (4.9). Tanto em malhas uniformes,
quanto em malhas não-uniformes o erro de solução é da ordem de ~2 nos extremos,
e depende do espaçamento Li− 1 nos nodos internos.
2
100
−5 MIM02: Erro de Solução (malha uniforme)

x 10
1.4
1.2 N = 100
0.8
e
0.6
0.4
N = 200
0.2
N = 400
N = 800
0
0 0.2 0.4 0.6 0.8 1
x
−4 MIM02: Erro de Solução (malha não−uniforme)

x 10
1.8
N = 100
1.6
1.4
1.2
1
e
0.8
N = 241
0.6
0.4
N = 600
0.2
N = 1490
0
0 0.2 0.4 0.6 0.8 1
x
Figura 13a - Erro de solução do MIM02 para malhas uniforme e não-uniforme.

101
−6
x 10 MIM02: Componente global do erro de solução (malha não−uniforme)
3
N = 100
2
1 N = 241
N = 600
0
N = 1490
−1
−2
−3
−4
0 0.2 0.4 0.6 0.8 1
x
Figura 13b - Componente global do erro de solução do MIM02 para malha

não-uniforme.
As mesmas funções e as mesmas malhas foram utilizadas na construção dos

gráficos da Fig. 14, onde podemos analisar o resultado (4.14). Verificamos que
tanto em malhas uniformes, quanto em malhas não-uniformes, o erro de solução é
exatamente da ordem de ~2 .
102
−7 FEM02: Erro de Solução (malha uniforme)

x 10
4
N = 100
3
N = 200
1
e
N = 400
0
N = 800
−1
−2
−3
0 0.2 0.4 0.6 0.8 1
x
−6 FEM02: Erro de Solução (malha não−uniforme)

x 10
3
N = 1490
0
N = 600
−1
−2
e
N = 241
−3
−4
−5 N = 100
−6
−7
0 0.2 0.4 0.6 0.8 1
x
Figura 14 - Erro de solução do FEM02 para malhas uniforme e não-uniforme.

103
Nas figuras (15a) e (15b) observamos que as aproximações obtidas pelo FEM02
são melhores que as obtidas pelo MIM02 em malhas uniformes ou não-uniformes.
Observemos que os erros de solução do MIM02 foram divididos por 10 para poderem
aparecer integralmente na figura.
−7
x 10 Erros de solução para FEM02, MIM02 (malha uniforme, N=100)
14
FEM02
12 MIM02/10
10
6
e
−2
−4
0 0.2 0.4 0.6 0.8 1
x
Figura 15a - Erro de solução: MIM02 × FEM02.

104
−5
x 10 Erro de solução para FEM02, MIM02 (malha não−uniforme, N=100)
2
FEM02
MIM02/10
1.5
0.5
e
−0.5
−1
0 0.2 0.4 0.6 0.8 1
x
−7
x 10 Erro de solução para FEM02, MIM02 (malha não−uniforme, N=1000)
16
FEM02
14 MIM02/10
12
10
6
e
−2
−4
0 0.2 0.4 0.6 0.8 1
x
Figura 15b - Erro de solução: MIM02 × FEM02.

105
Vemos claramente nos gráficos das figuras (16a) e (16b) os resultados das equações
(4.10) e (4.15), ou seja, no MIM02 o erro da solução é exatamente da ordem de ~2 ,
enquanto que no FEM02 este erro possui uma parcela que depende do espaçamento
Li− 1 .
2
−6 MIM02: Erro da derivada de 1ª ordem (malha uniforme)

x 10
0
N = 800
N = 400
−1
N = 200
−2
N = 100
−3
−4
E1
−5
−6
−7
−8
−9
0 0.2 0.4 0.6 0.8 1
x
−5 MIM02: Erro da derivada de 1ª ordem (malha não−uniforme)

x 10
0
N = 1490
N = 600
N = 241
−0.5
E1
N = 100
−1
−1.5
0 0.2 0.4 0.6 0.8 1
x

106
−6 FEM02: Erro da derivada de 1ª ordem (malha uniforme)

x 10
6
4
E1
N = 100
1
N = 200
N = 400
N = 800
0
0 0.2 0.4 0.6 0.8 1
x
−5
x 10 FEM02: Erro da derivada de 1ª ordem (malha não−uniforme)
3
0 N = 1490
N = 600
E1
−1
N = 241
−2
−3
−4 N = 100
−5
0 0.2 0.4 0.6 0.8 1
x

107
Neste caso, o MIM02 comporta-se melhor que o FEM02 em malhas não-

uniformes, conforme podemos observar na Fig. 17.
−6
x 10 Erro da derivada de 1ª ordem: FEM02, MIM02 (malha uniforme)
6
FEM02 (N=100)
4 MIM02 (N=100)
0
E1
−2
−4
−6
−8
−10
0 0.2 0.4 0.6 0.8 1
x
−5
x 10 Erro da derivada de 1ª ordem: FEM02, MIM02 (malha não−uniforme)
3
0
E1
−1
−2
−3
−4 FEM02 (N=100)
MIM02 (N=100)
−5
0 0.2 0.4 0.6 0.8 1
x
Figura 17 - Erro da derivada de 1a ordem: MIM02 × FEM02.

108
As equações (4.11) e (4.16) são ilustradas nas figuras (18a) e (18b). Para o
MIM02, em malhas uniformes, o erro da derivada de segunda ordem depende apenas
Li+ 1
dos espaçamentos Li− 3 , Li− 1 e Li+ 1 . Para malhas não-uniformes, as razões 2
Li− 1
e
2 2 2
2
Li− 3
2
Li− 1
também influenciam este erro. Já para o FEM02, em malhas uniformes este
2
erro depende apenas dos termos Li− 1 e Li+ 1 , conforme terceiro gráfico da Fig. 40.
2 2
Para malhas não-uniformes existe a dependência da diferença Li+ 1 − Li− 1 , e o erro

2 2
passa a ser de primeira ordem.

109
−5 MIM02: Erro da derivada de 2ª ordem (malha uniforme)

x 10
3
2.5
N = 100
1.5
1
E2
N = 200
0.5
N = 400
0
N = 800
−0.5
−1
−1.5
0 0.2 0.4 0.6 0.8 1
x
−5 MIM02: Erro da derivada de 2ª ordem (malha não−uniforme)

x 10
6
N = 100
3
E2
N = 241
1
N = 600
0
N = 1490
−1
−2
0 0.2 0.4 0.6 0.8 1
x

110
−5 FEM02: Erro da derivada de 2ª ordem (malha uniforme)

x 10
2
1.5
N = 100
1
E2
0.5 N = 200
N = 400
0
N = 800
−0.5
−1
0 0.2 0.4 0.6 0.8 1
x
−4
x 10 FEM02: Erro da derivada de 2ª ordem (malha não−uniforme)
6
N = 100
4
N = 241
2 N = 600
N = 1490
E2
−2
−4
−6
0 0.2 0.4 0.6 0.8 1
x

111
No erro da derivada de segunda ordem, o MIM02 comporta-se melhor que o FEM02

em malhas não-uniformes, como podemos observas nas figuras (19a) e (19b).
−5 Erro da derivada de 2ª ordem: FEM02, MIM02 (malha uniforme)

x 10
3
FEM02 (N=100)
2.5 MIM02 (N=100)
1.5
1
E2
0.5
−0.5
−1
−1.5
0 0.2 0.4 0.6 0.8 1
x
−4 Erro da derivada de 2ª ordem: FEM02, MIM02 (malha não−uniforme)

x 10
6
FEM02 (N=100)
MIM02 (N=100)
4
2
E2
−2
−4
−6
0 0.2 0.4 0.6 0.8 1
x
Figura 19a - Erro da derivada de 2a ordem: MIM02 × FEM02.

112
−5 Erro da derivada de 2ª ordem: FEM02, MIM02 (malha não−uniforme)

x 10
1.5
FEM02/10 (N=1000)
MIM02 (N=1000)
1
0.5
E2
−0.5
−1
−1.5
0 0.2 0.4 0.6 0.8 1
x
Figura 19b - Erro da derivada de 2a ordem: MIM02 × FEM02.
Como proposto inicialmente, apresentamos um procedimento de análise sim-

ples para a investigação dos erros de aproximação em malhas arbitrárias decorrentes
de métodos de diferenças finitas, e elementos finitos, utilizados na discretização de
problemas de Sturm-Liouville unidimensionais. O interesse fundamenal em expor
este tipo de procedimento foi a análise deficiente existente de métodos de análise
clássicos, como por exemplo, princı́pios de máximo, teoria de M-matrizes, Perron-
Fröbenius, estimativas sobre autovalores e operadores de Green discretos, que pode
ser verificada em [5], [8], [15] e [16].
Quando trabalhamos com operadores de Green discretos, observamos que,

garantindo consistência do método (ou seja, o erro de truncamento converge para
zero ao se refinar a malha) e garantindo também estabilidade (isto é, para uma
certa norma de operador, o operador de Green discreto é limitado, para qualquer
113
malha), chegamos na convergência do método, ou seja, o erro de solução vai a zero,

ao refinarmos a malha. Além disso, para um esquema estável, se o erro de trunca-
mento tem ordem p, então as estimativas obtidas para o erro de solução também
tem ordem p, isto é, o erro de solução possui, no mı́nimo, a ordem do erro de trunca-
mento. Neste resultado residem ao mesmo tempo o poder e deficiência das técnicas
clássicas de análise. Em vários casos, especialmente quando usamos malhas uni-
formes ou suaves, o erro de solução tem a mesma ordem do erro de truncamento e a
análise clássica fornece um procedimento simples capaz de identificar corretamente
o comportamento do erro de solução. Em outros casos, porém, particularmente
quando malhas não-suaves são empregadas, temos eh com ordem superior a τ h ,
fenômeno referido na literatura como supraconvergência 1 . Mais ainda, problemas
de contorno são diferentes de problemas evolutivos em que, para os primeiros, con-
sistência não é condição necessária para convergência, ou sequer para estabilidade.
Por exemplo, os métodos de operadores de suporte (ou miméticos) desenvolvidos
por pesquisadores no LANL (Los Alamos National Laboratory, em Los Alamos,
USA) são notoriamente inconsistentes, mesmo em malhas uniformes, e ainda assim
convergem, mostrando excelente desempenho em problemas pouco regulares, isto é,
coeficientes ou malhas de baixa regularidade, de tipo elı́ptico ou parabólico [7], [8].
Alternativas encontradas na literatura para análise mais fina de convergência nestes
casos examinam em maior detalhe o operador de Green [15], estimando cuidadosa-
mente seus elementos e derivadas discretas. Este é um procedimento laborioso que
facilmente se torna inviável, particularmente em esquemas com mais de uma ordem
de supraconvergência, como por exemplo para métodos miméticos em malhas pouco
regulares, onde pode ocorrer τ h → ∞ ao h → 0.
1
Na literatura de elementos finitos, usamos o termo superconvergência para denotar a ocorrência
de erros de ordem superior em determinados nodos ou regiões da malha, em comparação com os
demais pontos [20].
114
Na análise que apresentamos, com esforço relativamente pequeno foi possı́vel

descrever muito detalhadamente o comportamento dos erros de solução e de primeira
e segunda derivadas para esquemas diversos em malhas arbitrárias. Como vimos, es-
tas técnicas dependem de se conseguir estimar suficientemente bem o erro E h , o que
requer menos conhecimento sobre o operador Gh , se comparado com os métodos
clássicos referidos acima para a análise de eh . A extensão destas técnicas para
problemas multidimensionais, caso se mostre possı́vel, representaria um dos mais
importantes avanços na análise numérica de problemas de contorno.
Como os erros eh , E h e Eh são obtidos pontualmente em suficiente detalhe,

podemos utilizar estes procedimentos para examinar efeitos de supraconvergência de
métodos discretos em malhas não-suaves. Mais ainda, estas técnicas podem ser uti-
lizadas para explorar efeitos de supraconvergência em métodos de ordem superior,
em muitos casos observados apenas experimentalmente na literatura [17] (malhas
não-uniformes).
Além dos problemas considerados acima, é útil observarmos que as técnicas de

análise desenvolvidas no contexto de problemas de contorno em malhas arbitrárias
podem ser modificadas para examinar erros em procedimentos numéricos similares
como por exemplo métodos de ordem superior [17], métodos de diferenciação com-
pacta ou aproximação por splines em malhas gerais, que é um problema de interesse
visto que as estimativas conhecidas presentemente tendem a superestimar a magni-
tude dos erros em tais malhas.
115
Bibliografia
[1] BURKILL, J. C.. The Theory of Ordinary Differential Equations. 2.ed.,

Oliver and Boyd, London, 1962.
[2] CODDINGTON, Earl A.; LEVINSON, Norman. Theory of Ordinary Diffe-

rential Equations. New York: McGraw-Hill, 1955.
[3] FORSYTHE, George E.; WASOW, Wolfgang R.. Finite-Difference Me-

thods for Partial Differential Equations. New York: John Wiley, 1960.
[4] HACKBUSCH, W.. Elliptic Differential Equations: theory and numerical

treatment. Springer, Berlin, 1987.
[5] HEINRICH, B.. Finite difference methods on irregular networks.

Birkhäuser, Berlin, 1987.
[6] HIRSCH, Morris W.; SMALE, Stephen. Differential Equations; Dynamical

Systems and Linear Algebra. New York: Academic Press, 1974.
[7] HYMAN, J. M.; SHASHKOV, M.; STEINBERG, S. L.. The numerical

solution of diffusion problems in strongly heterogeneous non-isotropic ma-
terials. Journal of Computational Physics, 132 (1997), p. 130-148.
[8] HYMAN, J. M.; STEINBERG, S. L.. The convergence of mimetic dis-

cretizations for rough grids. Comput. Math. Appl., 47 (2004), p. 1565-1610.
[9] KELLER, Herbert B.. Numerical Methods for Two-Point Boundary-Value

Problems. Waltham: Blaisdell Publishing Company, 1968.
[10] LORENZZETTI, Greice da Silva. Análise Detalhada de Erros de

Métodos Discretos para Problemas de Contorno em Malhas Ar-
bitrárias. PPGMAp/UFRGS, Porto Alegre, 2008. Disponı́vel em:
<http://citeseerx.ist.psu.edu>.
116
[11] LORENZZETTI, Greice da Silva; ZINGANO, Janaı́na Pires; ZINGANO,

Paulo Ricardo de Ávila. Error analysis on general grids for finite dif-
ference discretizations of Sturm-Liouville problems. To appear, TEMA -
Tendências em Matemática Aplicada e Computacional, Seleta do XXX
CNMAC, v. 8, 2008.
[12] MANTEUFELL, T. A.; WHITE, A. B. Jr.. The numerical solution

of second-order boundary value problems on nonuniform meshes. Math.
Comp., 47 (1986), p. 511-535.
[13] ROBERTS, Sanford M.; SHIPMAN, Jerome S.. Two-Point Boundary

Value Problems: Shooting Methods. Modern Analytic and Computational
Methods in Science and Mathematics, number 31. New York: American
Elsevier Publishing Company, 1972.
[14] ROBIDOUX, N.. Numerical solution of the steady diffusion equation with
discontinuous coefficients. Ph.D. thesis, University of New Mexico, Albu-
querque, NM, 2001.
[15] SAMARSKII, A. A.. The Theory of Difference Schemes. Marcel Dekker,

New York, 2001.
[16] SHASHKOV, M.. Conservative finite-difference methods on general grids.

CRC Press, Boca Raton, 1996.
[17] STEINBERG, S. L.. Applications of high-order discretizations to bondary-

value problems. Comput. Meth. Appl. Math., 4 (2004), p. 228-261.
[18] STEINBERG, S. L.; ZINGANO, J. P.; ZINGANO, P. R.. Error analysis

of discrete methods on general grids. Submitted (SIAM J. Numer. Anal.).
[19] STRANG, Gilbert. An analysis of the finite element method. Englewood

Cliffs: Prentice-Hall, 1973.
117
[20] SWARTZ, B.; KREISS, H. O.; MANTEUFELL, T. A.; WENDROFF,

B.; WHITE, A. B. Jr.. Supraconvergent schemes on irregular grids. Math.
Comp., 47 (1986), p. 537-554.
[21] ZINGANO, Janaı́na Pires. Convergence of mimetic methods for Sturm-

Liouville problems on general grids. 2003. 133 f. Thesis (PhD Mathematics)
- University of New Mexico, Albuquerque, NM, 2003.

Análise de Erros de Métodos Discretos para Problemas de Contorno em Malhas Arbitrarias

Transféré par

Informations du document

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Análise de Erros de Métodos Discretos para Problemas de Contorno em Malhas Arbitrarias

Transféré par

Droits d'auteur :

Formats disponibles

UNIVERSIDADE FEDERAL DO RIO GRANDE DO SUL

Análise de Erros de Métodos Discretos

Greice da Silva Lorenzzetti

Dissertação submetida como requisito parcial

Prof. Dr. Paulo Ricardo de Ávila Zingano

Profa. Dra. Janaı́na Pires Zingano

Porto Alegre, 9 de junho de 2008.

CIP - CATALOGAÇÃO NA PUBLICAÇÃO

Lorenzzetti, Greice da Silva

Análise de Erros de Métodos Discretos para Proble-

117 p.: il.

Dissertação (mestrado) —Universidade Federal do Rio

Dissertação: Matemática Aplicada

Análise de Erros de Métodos Discretos

Greice da Silva Lorenzzetti

Dissertação submetida ao Programa de Pós-Graduação em

Mestre em Matemática Aplicada

Orientador: Prof. Dr. Paulo Ricardo de Ávila Zingano

Co-orientadora: Profa. Dra. Janaı́na Pires Zingano

Prof. Dr. Álvaro Luiz de Bortoli

Prof. Dr. Oclide José Dotto

Dissertação apresentada e aprovada em

Profa. Dra. Maria Cristina Varriale

Agradeço a todas as pessoas que estiveram presentes comigo e fizeram parte

No Curso de Licenciatura Plena em Matemática da UCS, convivi com pro-

Agradeço em especial aos sábios e respeitados conselhos do professor Dr. Oclide

Aos excelentes professores da UFRGS que me acompanharam nesta etapa de

e Manuela Longoni de Castro, que sempre demonstraram-se dispostos a colaborar

Deus presenteou-me com uma famı́lia linda, professores magnı́ficos e compe-

Obrigada a todas estas pessoas que me acompanharam até aqui.

LISTA DE FIGURAS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . viii

2 MÉTODO MIMÉTICO DE SEGUNDA ORDEM - MIM02 . . . 6

2.2 Análise dos Erros de Solução e de Derivada de Primeira Ordem

2.3 Análise dos Erros de Solução e de Derivada de Primeira Ordem

2.4 Análise do Erro da Derivada de Segunda Ordem . . . . . . . . 32

2.5 Resultados Numéricos . . . . . . . . . . . . . . . . . . . . . . . . . 40

3 MÉTODO DE ELEMENTOS FINITOS DE SEGUNDA ORDEM

3.2 Análise dos Erros de Solução e de Derivada de Primeira Ordem

3.3 Análise dos Erros de Solução e de Derivada de Primeira Ordem

3.4 Análise do Erro da Derivada de Segunda Ordem . . . . . . . . 81

3.5 Resultados Numéricos . . . . . . . . . . . . . . . . . . . . . . . . . 86

Figura 1 - Malha com os nodos xi , centro das células xi− 1 e comprimentos

Figura 2a - Representação gráfica do erro de solução decorrente do MIM02 para

Figura 2b - Representação gráfica dos erros de solução e derivada de primeira

Figura 2c - Representação gráfica dos erros de derivada de primeira e segunda

Figura 3a - Representação gráfica do erro de solução decorrente do MIM02 para

Figura 3b - Representação gráfica dos erros de derivada de primeira e segunda

Figura 4a - Representação gráfica do erro de solução decorrente do MIM02

Figura 4b - Representação gráfica dos erros de derivada de primeira e segunda

Figura 5a - Representação gráfica do erro de solução decorrente do MIM02

Figura 5b - Representação gráfica dos erros de derivada de primeira e segunda

Figura 6a - Representação gráfica dos erros de solução e de derivada de primeira

Figura 6b - Representação gráfica dos erros de derivada de primeira e segunda

Figura 7 - Funções de base ϕ0 , ..., ϕi , ..., ϕN .

Figura 8a - Representação gráfica do erro de solução decorrente do FEM02 para

Figura 8b - Representação gráfica dos erros de solução e derivada de primeira

Figura 9a - Representação gráfica do erro de solução decorrente do FEM02 para

Figura 9b - Representação gráfica dos erros de solução e de derivada de primeira

Figura 10a - Representação gráfica do erro de solução decorrente do FEM02

Figura 10b - Representação gráfica dos erros de solução e de derivada de

Figura 11a - Representação gráfica do erro de solução decorrente do FEM02

Figura 11b - Representação gráfica dos erros de solução e de derivada de

Figura 12a - Representação gráfica do erro de solução decorrente do FEM02

Figura 12b - Representação gráfica dos erros de solução e de derivada de