Apostila de Métodos Numéricos

UNIVERSIDADE FEDERAL DO PAR INSTITUTO DE TECNOLOGIA
Profs. Claudio Blaco e Emanuel N. Macdo
CAPTULO I
ERROS
I.1 Introduo
Nos captulos seguintes estudaremos mtodos numricos adequados soluo de diversos tipos
de problemas que surgem nas mais diversas reas da Engenharia e da Fsica. A resoluo de tais
problemas envolve vrias fases que podem ser assim estruturadas:
PROBLEMA LEVANTAMENTO
REAL DE DADOS
REAL
DESENVOLVIMENTO ESCOLHA DO MTODO

DO MODELO NUMRICO
MATEMTICO ADEQUADO
IMPLEMENTAO
COMPUTACIONAL DO
MTODO
ANLISE DE
RESULTADOS
Figura I.1 Etapas do desenvolvimento do modele e soluo
No entanto, no raro se chegar a resultados finais no esperados ou at mesmo a outros que no

tm relao alguma com a fsica do problema. Desta forma, cabe as seguintes questes: a) Como
justificar tais erros?; b) O que se pode fazer para evit-los ou minimiz-los?
1
Neste captulo daremos noes bsicas de erros que ocorrem em mtodos numricos. O objetivo
mostrar as principais fontes de erros possveis e como contorn-los.
I.2 Erro absoluto
Definimos erro absoluto a diferena entre o valor exato do nmero x e de seu valor aproximado
,
Ea x (I.1)
Em geral, apenas o valor de conhecido, e neste caso, impossvel obter o valor exato do erro
absoluto.
I.3 Erro relativo
Definimos erro relativo como o erro absoluto dividido pelo valor aproximado.
x
Er (I.2)

Neste caso, tambm impossvel obter o valor exato do erro absoluto.
I.4 Erro de arredondamento
O erro de arredondamento introduzido em um dado clculo depende do sistema usado pela

mquina. Se um nmero x no tm representao finita na base numrica deste sistema, ou se o tamanho
da palavra da mquina no comporta x, teremos uma aproximao por arredondamento.
I.5 Erro de truncamento
2
O erro de truncamento uma funo das aproximaes usadas no esquema numrico e

independente do sistema de computador. A natureza de tais aproximaes e os seus efeitos sero
discutidos nos captulos seguintes, como no case de uma expanso em srie de Taylor de uma funo.
I.5 Acurcia de resultados numricos
Os erros de arredondamento e truncamento so as duas maiores fontes de inacurcia em solues

numricas. Entretanto, vrios outros erros podem estar presentes. Dentre estes, um importante o erro
devido a incompleta convergncia de uma soluo iterativa.
Em problemas onde o domnio de uma varivel independente discretizado (X) uma
diminuio de X leva a um aumento no nmero de clculos e, logo, um aumento no erro de
arredondamento. Por outro lado, o erro de truncamento reduzido quando X diminui. O erro global,
resultante da soma destes dois erros apresenta um ponto de mnimo, como pode ser visto na Figura I.2
abaixo.
Erro de
Erro total truncamento
Erros
Figura I.2 Variaes dos erros com o tamanho de X
Erro de
arredondamento
I.6 Estabilidade numrica
Uma outra considerao importante, relacionada com os erros e a acurcia de uma soluo
Tamanho da malha, X
numrica, a estabilidade numrica. Este fato est relacionado diretamente na soluo de equaes
diferenciais parciais. A instabilidade em esquemas numricos est relacionada com a amplificao de
pequenos erros introduzidos pelo prprio esquema.
3
CAPTULO II
SRIES DE TAYLOR E DIFERENCIAO NUMRICA
II.1 Introduo
Em muitos problemas de interesse em engenharia, o mtodo numrico baseia-se em valores

discretos de uma dada funo e suas derivadas num nmero finito de pontos no domnio computacional.
Nestes casos, um dos interesses a necessidade de se estimar as derivadas a partir de valores numricos
discretos da funo.
Diferenciao numrica est relacionada com o procedimento computacional para a avaliao
das derivadas de uma funo, a partir de uma expresso analtica ou de valores discretos num nmero
finito de pontos no domnio computacional.
Neste captulo, veremos os procedimentos adotados obteno de uma aproximao de
diferenas finitas de uma funes. Estes procedimentos incluem o mtodo direto, baseado na definio
de derivada, o mtodo baseado em sries de Taylor e o mtodo de representao polinomial de uma
funo. Estes trs mtodos sero discutidos, com nfase particular para o mtodo baseado em sries de
Taylor.
II.2 Mtodo Direto
A idia de representao de diferenas finitas de uma derivada pode ser introduzida invocando-se
a definio da derivada de uma funo F(x,y), em torno de um ponto (xi, yj), da seguinte forma
F F( x i x , y j ) F( x i , y j )
im (II.1.a)
x x 0 x
4
F F( x i , y j y) F( x i , y j )
im (II.1.b)
y y 0 y
Claramente, se a funo F(x, y) continua, o lado direito das equaes (II.1) podem ter uma
aproximaes razoveis das derivadas F / x e F / y , respectivamente, para x e y
suficientemente pequenos, logo
F F( x i x , y j ) F( x i , y j )
(II.2.a)
x x
F F( x i , y j y) F( x i , y j )
(II.2.b)
y y
No entanto, a base formal para o desenvolvimento de aproximaes de diferenas finitas para derivadas
atravs do uso das expanses em sries de Taylor.
II.3 Sries de Taylor
Considere uma funo f(x) cuja o valor em um ponto dado x = x i denotada por f(xi). A srie de
Taylor uma srie de potncia infinita que expressa o valor da funo numa regio suficientemente
prxima de x = xi,
(x x i )2 ( x x i )3
f ( x ) f ( x i ) ( x x i )f ( x i ) f ( x i ) f ( x i ) ... (II.3.a)
2! 3!
ou
x 2 x 3
f ( x i x ) f ( x i ) x f ( x i ) f ( x i ) f ( x i ) ... (II.3.b)
2! 3!
onde x = x - xi um incremento na varivel independente x e os primos denotam as derivadas em

relao a x. Todas as derivadas so avaliadas em x = xi. De forma similar, pode-se escrever
5
x 2 x 3
f ( x i x ) f ( x i ) x f ( x i ) f ( x i ) f ( x i ) ... (II.4)
2! 3!
Das expanses (II.3.b) e (II.4) podemos formar a base para o desenvolvimento das aproximaes
de diferenas para df/dx em torno de x i. Arranjando as eqs. (II.3.b) e (II.4), as aproximaes de
diferenas avanada e atrasada em torno de xi, so dadas, respectivamente, por:
f ( x i x ) f ( x i )
f ( x i ) Err x (II.5.a)
x
f ( x i ) f ( x i x )
f ( x i ) Err x (II.5.b)
x
onde Err(x) a notao que caracteriza a ordem de magnitude do erro da aproximao de diferenas e
est associado ao truncamento da srie.
Subtraindo (II.3.b) de (II.4), a aproximao de diferenas central determinada como
f ( xi )
f ( xi x ) f ( xi x )
2 x
Err x 2 (II.5.c)
Observe que a frmula de diferena central fornece uma aproximao com o erro da ordem de
x2 enquanto que nas aproximaes avanada e atrasada o erro da ordem de x. Considerando a
notao i para o ponto da malha em x i e i+1, i-1 para os pontos xi+x e xi-x, respectivamente, outras
aproximaes com erro da ordem de x2 podem ser obtidas a partir da manipulao da expanso em
sries de Taylor:
f ( x i )
f i 2 4f i 1 3f i
2x

Err x 2 (II.6.a)
f ( x i )
3f i 4f i 1 f i 2
2x

Err x 2 (II.6.b)
6
As expanses em srie de Taylor dadas pelas eqs. (II.3) e (II.4) podem ser usadas para o
desenvolvimento das aproximaes de diferenas para a Segunda derivada. Para obter a aproximao de
diferenas central para a segunda derivada as eqs. (II.3) e (II.4) so adicionadas, e a expresso resultante
resolvida para d2f/dx2 em torno de xi e o resultado
f 2 f i f i 1
f ( x i ) i 1
x 2
Err x 2 (II.7)
Para desenvolver as aproximaes de diferenas avanada e atrasada para a segunda derivada, as

funes f(xi+2x) e f(xi-2x) so expandidas em srie de Taylor. Desta forma as aproximaes avanada
e atrasada para a derivada segunda so determinadas, respectivamente, como:
f 2f i 1 f i 2
f ( x i ) i Err x (II.8.a)
x 2
f 2f i 1 f i
f ( x i ) i 2 Err x (II.8.b)
x 2
Em muitas aplicaes de engenharia, onde nos deparamos com regies do domnio em que os
gradientes variam rapidamente se faz necessrio o uso de malhas refinadas sobre esta regio particular.
Para ilustrar esta idia vamos considerar uma situao envolvendo uma mudana no espaamento da
malha somente em uma direo. A Figura 2.1 mostra a mudana no tamanho da malha de x1 para x2
em torno do n i. Uma expanso em sries de Taylor em torno de i pode ser usada para desenvolver a
aproximao de diferenas. Fazendo a expanso em torno de i avanada e atrasada temos,
respectivamente:
x1 x2
i-1 i i+1
Figura 2.1 - Malha de espaamento varivel
df x 22 d 2 f x 32 d 3f
f i 1 f i x 2 ... (II.9.a)
dx i 2! dx 2 3! dx 3
i i
7
df x12 d 2 f x13 d 3f
f i 1 f i x1 ... (II.9.b)
dx i 2! dx 2 3! dx 3
i i
Para a derivada primeira a eq. (II.9.b) subtrada de (II.9.a) e a expresso resultante resolvida
para df/dx
df f
i 1
f i 1 1 x 22 x12 d 2 f

dx i x 2 x1 2 x 2 x1 dx 2
Err x 2 (II.10)
i

onde Err(x2) o maior entre Err x12 e Err x 22 . Ento a derivada primeira da funo pode ser
aproximada como
df f f
i 1 i 1 (II.11)
dx i x 2 x1
e a eq. (II.10) implica que a expresso de diferenas eq. (II.11) tem acurcia de segunda ordem somente
se x 2 x1 . Desta forma, temos
x 2 x 2
Err 2 1
x 2 x1

i

Err x 2
1 (II.12)

Se nota que, se x1 varia largamente em relao a x 2 a acurcia da aproximao tende para uma de
primeira ordem.
Para se obter a aproximao de diferenas da derivada Segunda de f no n i, a eq. (II.9.b)
multiplicada por x 2 / x1 2 e a expresso resultante adicionada a eq. (II.9.a) para dar
d 2f f (1 2 )f i 2 f i 1 1 df
i 1 Err x 2 x1 (II.13)
dx 2 i x 22 x 2 dx i
8
onde x 2 / x1 . Esta expresso tem acurcia de primeira ordem em i se 1 Err (x12 ) e possui
acurcia de Segunda ordem se x 2 x1 .
II.4 Diferenciao via Interpolao Polinomial
Expresses de diferenas podem ser desenvolvidas pela representao de uma funo f na forma
polinomial avaliando os coeficientes em termos dos valores da funo nos ns. Por exemplo a
representao de f por uma interpolao parablica na forma
f (x) a x 2 bx c (II.14)
onde a derivada primeira dada por
f ( x ) 2a x b (II.15)
Interpolando f(x) nos pontos x = 0, x e 2x se obtm
f (0) c, f(x) ax 2 bx c, f(2x) 4ax 2 2bx c (II.16)
Fazendo-se xi = 0, xi+1 = x e , xi+2 = 2x e resolvendo-se as eqs. (II.16) para f(xi) = f(0) = b se obtm,
f i 2 4f i 1 3f i
f ( x i ) (II.15)
2 x
onde a eq. (II.15) idntica a eq. (II.6.a). Esta metodologia particularmente usada no desenvolvimento
de aproximaes de diferenas para valores de x no uniformes.
9
CAPTULO III
INTEGRAO NUMRICA
III.1 - Introduo
Sabemos do Clculo Diferencial e Integral, que se f(x) funo contnua em [a, b], ento, esta
funo tem uma primitiva neste intervalo, ou seja, existe F(x) tal que F'(x) = f(x); assim
b
a f ( x )dx F(b) F(a ) . Neste captulo apresentaremos algumas tcnicas numricas destinadas ao
clculo aproximado de integral de f(x) conhecidos os extremos a e b e a funo f(x). Seja ainda o caso
em que f(x) conhecida apenas na forma tabelar, num intervalo [a, b]. Como no conhecemos f(x), no
b
temos condio de calcular analiticamente a f ( x )dx .
A idia bsica da integrao numrica a substituio da funo f(x) por um polinmio que se
aproxime razoavelmente no intervalo [a, b]. Assim o problema seria resolvido pela integrao trivial de
b
polinmios. Com este raciocnio queremos uma frmula, para aproximar a f ( x )dx do tipo:
b n
a f ( x )dx w 0f ( x 0 ) w1f ( x1) ... w n f ( x n ) w if ( x i ) (III.1)
i 0
onde xi [a, b] e i = 0, 1, ..., n.
III.2 - Frmulas de Newton-Cotes
As frmulas de Newton-Cotes para a integrao numrica usam pontos de integrao que so

igualmente espaados de forma que o polinmio interpole f(x) nestes pontos. Consideremos a partio
do intervalo [a,b] em subintervalos de comprimento
10
h = (b-a)/n, as frmulas fechadas de Newton-Cotes so frmulas de integrao do tipo mostrada pela eq.
(III.1), sendo os coeficientes wi determinados de acordo com o grau do polinmio aproximador. Para
desenvolvermos uma formulao geral vamos aproximar a funo f(x) por um polinmio usando a
frmula de Lagrange,
n
( x x 0 )..(x x i 1)( x x i 1 )..(x x n )
f ( x ) Pn ( x ) f (xi ) (x En (x) (III.2.a)
i 0 i x 0 )..( x i x i 1)( x i x i 1)..( x i x n )
onde En(x) o erro do polinmio interpolador dado por:
f ( n 1) ( )
En (x) ( x 0 x )...( x n x ) (III.2.b)
( n 1)!
onde um ponto do intervalo (a, b). Integrando-se a expresso (III.2.a) no intervalo (a, b) obtemos
n
b b ( x x 0 )..(x x i 1 )( x x i 1 )..(x x n )
a f ( x )dx f ( x i ) a ( x i x 0 )..(x i x i 1 )( x i x i 1 )..(x i x n )
dx (III.3)
i 0
comparando (III.3) com (III.1) podemos escrever a frmula para o clculo dos pesos da frmula de
integrao:
b ( x x 0 )..( x x i 1)( x x i 1)..( x x n )

wi dx (III.4)
a ( x x )..( x x )( x x )..( x x )
i 0 i i 1 i i 1 i n
A seguir podemos mostrar algumas frmulas de integrao muito populares que, dentro de certas
condies, oferecem bons resultados.
III.3 - Regra dos Trapzios (n = 1)
Se usarmos a frmula de Lagrange (III.2), com n =1, para expressar o polinmio P 1(x) que
interpola f(x) em x0 e x1 temos:
11
b b x1 x ( x x1) (x x0 )
a f ( x )dx P1( x )dx 1 f (x0 ) f ( x1)dx IT (III.5)
a x0 x0 h h
Assim, IT = h/2 {f(x0) + f(x1)}, que a rea do trapzio de altura h = x 1 - x0 e bases f(x0) e f(x1).
Aplicando a regra dos trapzio, cometemos um erro. Este erro pode ser determinado pela integrao da
expresso (III.2.b) que fornecer:
1 x1 h3
ET f ()(x x 0 )( x x1)dx f () (III.6)
2 x0 12
III.4 - Regra dos Trapzios Repetida
Como podemos ver pela expresso do erro, se o intervalo de integrao grande, a frmula dos
Trapzios nos fornece resultados que tem pouco a ver com o valor da integral exata. O que podemos
fazer neste caso uma subdiviso do intervalo de integrao e aplicar a regra dos trapzios repetidas
vezes. Chamando xi os pontos de subdiviso de
[a, b], tais que xi+1 - xi = h, i = 0,1,...,m - 1 teremos
m 1 x m 1
b h
a f ( x )dx xi
i 1
f ( x )dx 2 f (xi ) f (xi1) (III.7)
i 0 i 0
III.5 - Regra de Simpson
Recorreremos novamente a frmula de Lagrange para estabelecer a frmula de integrao

resultante da aproximao de f(x) por um polinmio de grau 2. Seja P 2(x) o polinmio que interpola f(x)
nos pontos x0 = a, x1 = x0 + h e x2 = x0 + 2h = b. Da frmula de Lagrange temos
( x x1)(x x 2 ) ( x x 0 )(x x 2 ) ( x x 0 )(x x1)

P2 ( x ) f (x 0 ) f ( x1) f (x 2 ) (III.8)
(h )(2h ) (h )(h ) (2h )(h )
12
Assim,
b x2 x2 f (x0 ) x 2
IS a f ( x )dx x 0 f ( x )dx x 0 p 2 ( x )dx
h2
x 0 (x x1)(x x 2 )dx
(III.9)
f ( x1) x 2 f (x 2 ) x 2

h2
x 0 ( x x 0 )(x x 2 )dx h2
x 0 ( x x 0 )(x x1)dx
As integrais acima podem ser facilmente resolvidas e, dessa forma, teremos a regra de Simpson:
x2 h
IS
x0
f ( x )dx f ( x 0 ) 4f ( x1) f ( x 2 ) (III.10)
3
O erro determinado pela integrao da expresso (III.2.b) e dado por:
h 5 (iv)
ES f ( ), (x 0 , x 2 ) (III.11)
90
III.6 - Regra de Simpson Repetida
Como podemos ver pela eq. (III.11) quanto menor o intervalo de integrao menor ser o erro
cometido e para isto podemos aplicar a regra de Simpson repetidas vezes no intervalo [a, b] = [x 0, xm].
Vamos supor que x0, x1,...,xm so pontos igualmente espaados, h = x i+1 - xi , e m par (isto condio
necessria pois cada parbola utilizar trs pontos consecutivos). Em cada par de subintervalos, temos:
x 2k h h iv 5
x 2k 2 f ( x )dx 3 f ( x 2k 2 ) 4f ( x 2k 1) f ( x 2k ) 90 f ( k ) (III.11)

onde k (x2k-2, x2k) e k = 1,...,m/2
Ento, a regra de Simpson composta pode ser escrita como:
13
xm m/2 x
x 0 f ( x )dx 2k
x 2k 2
f ( x )dx
k 1
h
f ( x 0 ) 4f ( x1) f ( x 2 ) f ( x 2 ) 4f ( x 3 ) f ( x 4 ) ... (III.12)
3
m/2
h 5 iv
f ( x m 2 ) 4f ( x m 1) f ( x m ) ( f (ck ))
k 1 90
simplificando,
h
ISR f ( x 0 ) f ( x m ) 4 f (x1) f ( x3 ) ... f (x m 1)
3 (III.13)
2 f ( x 2 ) f ( x 4 ) ... f ( x m 2 )
m/2 5
h iv
ESR 90
f ( k ) (III.14)
k 1
III.7 - Quadratura Gaussiana
De maneira geral, uma frmula de Newton-Cotes que aproxima f(x) por um polinmio que
interpola f(x) em x0, x1,...,xn (pontos igualmente espaados) exata para polinmios de grau n. A regra
x1 h 5 iv
de Simpson uma exceo, pois para ela n = 2 e, no entanto x 0 P3 ( x )dx Is , pois ES
90
P3 ( ) 0
. Nesta seo estabeleceremos frmulas de integrao do tipo dado pela eq. (III.1), nas quais os pontos
de integrao x0, x1,...,xn no so igualmente espaados. A idia agora determinar convenientemente os
pontos de integrao de modo a se ter a mxima acurcia.
O problema continua sendo determinar
b n 1
a f (x )dx w 0f ( x 0 ) w1f (x1) ... w n f (x n ) w if ( x i ) (III.15)
i 0
onde x0, x1,...,xn so n pontos distintos, as quais so exatas para polinmios de

grau 2n1. Faremos, a seguir, a deduo do mtodo de Gauss para dois pontos de quadratura pois para
14
mais pontos o procedimento anlogo. Inicialmente, o intervalo de integrao deve ser mudado de (a, b)
para (1, 1) atravs da seguinte mudana de varivel:
1 1
x (b a ) t (b a ) (III.16)
2 2
logo a funo se torna
1 1
f ( x ) f (b a ) t (b a ) (III.17)
2 2
e a integral pode ser escrita novamente por
b 1 1 1 1
I a f ( x )dx 1 F( t )dt, F( t )
2
(b a )f (b a ) t (b a ) (III.18.a, b)
2 2
Para dois pontos de quadratura, a frmula de Gauss :
1
1 F( t )dt w 0F( t 0 ) w1F( t1) (III.19)
onde w0, w1, t0, e t1 so incgnitas a se determinar e so independentes da funo F(t) escolhida. Para
determinar estas quatro incgnitas so necessrias quatro equaes que podem ser facilmente obtidas ao
se considerar F(t) = tk, k = 0, 1, 2, 3, j que, como foi dito, w0, w1, t0, e t1 independem de F. Ento
1
1 t
k
dt w 0 F( t 0k ) w1F( t1k ) (III.20)
Para k = 0, 1, 2, e 3 temos:
15
1
1 t
0
k 0 dt w 0 t 00 w1t10 2 w 0 w1
1
1 t dt w 0 t 0 w1t1 0 w 0 t 0 w1t1
1 1 1
k 1
1
(III.21)
k 2 1 t 2dt w 0 t 02 w1t12 2 / 3 w 0 t 02 w1t12
1
1 t
3
k 3 dt w 0 t 30 w1t13 0 w 0 t 30 w1t13
Resolvendo o sistema (II.21), obtm-se:
w 0 w1 1 e t 0 t1 1 / 3 (III.22)
Substituindo os valores encontrados na eq. (III.19)
1
I 1 F(t )dt F(1 / 3 ) F(1 / 3) (III.23)
bom lembrar que est frmula exata para polinmios de at terceiro grau. Para polinmios de graus
superiores e para outras funes o erro de integrao de:
FIV ()
E , -1 1 (III.24)
135
A frmula geral para a quadratura Gaussiana, que pode ser determinada por um processo
semelhante ao anterior, baseada em propriedades de polinmios de Legendre e e:
b 1 n 1
I a f ( x )dx 1 F( t )dt w i F( t i ) (III.25)
i 0
onde, n o nmero de pontos, wi so os coeficientes, ti so as razes e a funo F(t) dada por:
1 1 1
F( t ) ( b a )f ( b a ) t ( b a ) (III.26)
2 2 2
16
O erro pode ser avaliado pela seguinte frmula, que conseqncia da utilizao dos polinmios
de Legendre:
22 n 1 (n!) 4
E F( 2 n ) (), - 1 1 (III.27)
(2n 1) ((2n )!)3
17
CAPTULO IV
RAZES DE EQUAES NO LINEARES
IV.1 - Introduo
Nas mais diversas reas das cincias exatas ocorrem, freqentemente, situaes que envolvem a
resoluo de uma equao do tipo f(x) = 0, e um nmero real "a" um zero da funo f(x) ou uma raiz
da equao f(x) = 0 se f(a) = 0. Em alguns casos por exemplo de equaes polinomiais, os valores de x
que anulam f(x) podem ser reais ou complexos. Neste captulo, estaremos interessados somente nos
zeros reais de f(x), os quais denotaremos por .
Sabemos que para algumas equaes, como por exemplo as equaes polinomiais de segundo
grau, existem frmulas que do as razes em funo dos coeficientes. No entanto, no caso de polinmios
de grau mais alto e, pior ainda, no caso de funes mais complicadas, praticamente impossvel se achar
os zeros exatamente. Por isso temos de nos contentar em encontrar apenas aproximaes para esses
zeros; mais isto no uma limitao muito sria, pois com os mtodos que apresentaremos,
conseguimos, a menos de limitaes de mquinas, encontrar os zeros de uma funo com qualquer
preciso prefixada.
A idia central destes mtodos partir de uma aproximao inicial para a raiz e em seguida
refinar essa aproximao atravs de um processo iterativo. Por isto os mtodos constam de duas fases:
FASE I: Localizao ou isolamento das razes, que consiste em obter um intervalo que contm a raz
;
FASE II: Refinamento, que consiste em, escolhidas aproximaes iniciais no intervalo encontrado na
Fase I, melhor-las sucessivamente at se obter uma aproximao para a raiz dentro de uma preciso
prefixada.
IV.2 - Isolamento Das Razes
Nesta Fase feita uma anlise grfica e terica da funo f(x).
18
Na anlise terica usamos frequentemente o teorema:
Teorema I: Seja f(x) uma funo contnua num intervalo [a, b]. Se f(a).f(b) < 0 ento existe pelo
menos um ponto x = entre a e b que zero de f(x). Sob as hipteses anteriores, se f'(x) existir e
preservar sinal em (a, b), ento este intervalo contm um nico zero de f(x).
IV.3 - Refinamento
Estudaremos neste item vrios mtodos numricos de refinamento da raiz. A forma como se
efetua o refinamento que diferencia os mtodos. Todos eles pertencem classe dos mtodos iterativos.
Um mtodo iterativo consiste de uma seqncia de instrues que so executadas "passo a passo",
algumas das quais so repetidas em ciclos. A execuo de um ciclo recebe o nome de iterao. Cada
iterao utiliza resultados das iteraes anteriores e efetua determinados testes que permitem verificar se
foi atingido um resultado prximo o suficiente do resultado esperado. Observamos que os mtodos
iterativos fornecem apenas uma aproximao para a soluo, enquanto os mtodos diretos, teoricamente,
obtm a soluo exata da equao.
IV.3.2 - Mtodos Iterativos para se Obter Zeros de Funes Reais
a) Mtodo da Bisseo
Seja a funo f(x) contnua no intervalo [a, b] e tal que f(a).f(b) < 0. Vamos supor, para
simplificar, que o intervalo [a, b] contm uma nica raiz da equao f(x) = 0. O objetivo do mtodo
reduzir o tamanho do intervalo que contm a raiz at se atingir a preciso requerida: (b-a) < , usando
para isto a sucessiva diviso de [a, b] ao meio.
Algoritmo
Seja f(x) contnua em [a, b] e tal que f(a).f(b) < 0.
1) Dados iniciais
a) intervalo inicial [a, b]
b) preciso
19
2) Se (b-a) < , ento escolha para x qualquer x [a, b]. FIM.

3) k = 1
4) M = f(a)
5) x = (a + b)/2
6) Se M.f(x) > 0, faa a = x. V para o passo 8.
7) b = x
8) Se (b - a) < , escolha para x qualquer x [a, b]. FIM.
9) k = k + 1. Volte para o passo 4.
Terminando o processo, teremos um intervalo [a, b] que contm a raiz (e tal que (b-a) < ) e uma
aproximao x para a raiz exata.
b) Mtodo da Falsa Posio

Seja f(x) contnua no intervalo [a, b] e tal que f(a).f(b) < 0. Supondo que o intervalo [a, b]contm
uma nica raiz da equao f(x) = 0, podemos conseguir a raiz aproximada x usando as informaes
sobre os valores de f(x) disponveis a cada iterao. Assim em vez de tomar a mdia aritmtica, como no
mtodo da bisseo, o mtodo da Falsa Posio toma a mdia aritmtica ponderada entre a e b com
pesos f ( b ) e f (a ) , respectivamente:
a f ( b ) b f (a ) af (b) bf (a )
x visto que f(a) e f(b) tem sinais opostos.
f ( b ) f (a ) f ( b ) f (a )
E este valor x o ponto de interseo entre o eixo ox e a reta r(x) que passa por (a, f(a)) e (b,
f(b)) conforme podemos ver graficamente na Figura IV.1 a seguir.
20
r(x )
f(b )
f(x )
a
o b x
x (a p r o x im a o d a r a iz )
f(a )
Figura IV.1 - Esquema grfico do mtodo da falsa posio.
Algoritmo
1) Dados iniciais
b) preciso
2) Se (b a) < , ento escolha para x qualquer x [a, b]. FIM.
se f (a )

ou , ento escolha a ou b como x .FIM
se f ( b)
3) k=1
4) M = f(a)
a.f ( b) bf (a )
5) x f ( b) f (a )
6) Se f (x) , ento escolha x = x. FIM.

7) Se M. f(x) > 0, faa a = x. V para o passo 9.
8) b = x
9) Se b a < ento escolha para x qualquer x (a, b). FIM.
10) k = k + 1. Volte ao passo 4.
c) Mtodo da Falsa Posio Modificado
21
No mtodo da Falsa Posio Falsa obtm um ponto x no qual f (x ) pequeno, mas falha
completamente com relao ao comprimento do intervalo final que contm a raiz. Em vista disto vrias
modificaes podem ser feitas para se contornar este problema. Uma delas consiste em cada iterao
verificar se f(xk-1).f(xk) > 0 e em seguida trocar a reta secante que passa por (a, f(a)) e (b, f(b)) por uma
reta de inclinao menor. Com isto conseguimos evitar que um dos extremos do intervalo inicial fique
fixo at o final do processo iterativo.
Algoritmo
1) Dados iniciais
b) preciso
2) FA = f(a) e FB = f(b)
Se FA

ou
Se FB
3) , ento escolha a ou b como x .FIM.
ou

Se ( b a )
4) x0 = a
5) k=1
a.FB b.FA
6) x1
FB FA
Se f ( x1 )

7) ou , ento x1 a raiz aproximada e processo encerrado.
Se ( b a )
8) Se FA.f(x1) > 0 v para o passo 10.

9) b = x1 e FB = f(x1)
Se f(x1).f(x0) > 0, faa FA = FA/2
V para o passo 11
10) a = x1 e FA = f(x1)
Se f(x1).f(x0) > 0, faa FB = FB/2
11) f(x0) = f(x1)
k=k+1
22
Volte ao passo 6.
d) Mtodo Iterativo Linear (MIL)

A importncia deste mtodo est mais nos conceitos que so introduzidos em seu estudo que em
sua eficincia computacional. Seja f(x) uma funo contnua em [a, b], intervalo que contm uma raiz da
equao f(x) = 0. O MIL consiste em transformar esta equao em uma equao equivalente x = (x) e a
partir de uma aproximao inicial x0 gerar a sequncia {xk} de aproximaes para a raiz () pela relao
xk+1 = (xk), pois a funo (x) tal que f() = 0se e somente se = (). Uma funo (x) que satisfaz
a condio acima chamada de funo de iterao para a equao f(x) = 0.
Algoritmo
Sejam a equao f(x) = 0 e a equao equivalente x = (x).
Supor que as hipteses de convergncia para o MIL sejam satisfeitas.
1) Dados iniciais
a) x0: aproximao inicial
b) : preciso
2) Se f ( x 0 ) ento faa x = x1.FIM.
3) k = 1
4) x1 = (x0)
Se f ( x1 )

5) ou ento faa x = x.FIM.
Se x1 x 0
6) x0 = x1
7) k = k + 1, Volte ao passo 4
e) Mtodo de Newton-Rapson (N-R)
No estudo do mtodo iterativo linear, pode se demonstrar que uma das condies de
convergncia que ( x ) M 1, x I , onde I um intervalo centrado na raiz e que a
convergncia do mtodo ser mais rpida quanto menor for () . O que o mtodo de Newton-
Rapson faz, na tentativa de garantir e acelerar a convergncia do MIL, escolher para a funo de
23
iterao a funo (x) tal que () = 0. Ento, dada a equao f(x) = 0 vamos expandir f(x) em srie de
Taylor em torno de xi
(x x i ) 2 (x x i )3
f ( x ) f ( x i ) ( x x i )f ( x i )
f (x i ) f ( x i ) ... 0 (IV.1)
2! 3!
truncando-se no termo de derivada primeira e resolvendo-se para x teremos:
f (x i )
x xi (IV.2)
f ( x i )
f (x)
Ento, dada f(x), a funo de iterao para o mtodo de Newton-Rapson ( x ) x .
f (x)
Assim, escolhido x0, a sequncia (xk) ser determinada por:
f (x k )
x k 1 x k , k 0,1,2,... . (IV.3)
f ( x k )
Na anlise de convergncia do mtodo de Newton-Rapson o seguinte teorema torna-se

necessrio. Sejam f(x), f(x) e f(x) contnuas num intervalo I que contm a raiz x = de f(x) = 0. Supor
que f() 0, ento, existe um intervalo I I , contendo a raiz , tal que, se x0 I, a seqncia {xk}
gerada pela frmula recursiva (IV.3) convergir para a raiz .
Algoritmo
Seja a equao f(x) = 0.
Supor que so satisfeitas as hipteses da anlise de convergncia
1) Dados iniciais
a) x0: aproximao inicial
b) : preciso
2) Se f ( x 0 ) ento faa x = x0.FIM.
3) k = 1
24
f (x0 )
4) x1 x 0
f ( x 0 )
Se f ( x1 )

5) ou ento faa x = x1.FIM.
Se x1 x 0
6) x0 = x1
7) k = k + 1, Volte ao passo 4
f) Mtodo da Secante
Uma grande desvantagem do mtodo de Newton-Rapson a necessidade de se obter e calcular o
valor numrico de f(x) a cada iterao. Uma forma de se contornar este problema substituir a derivada
f(xk) pelo quociente das diferenas:
f ( x k ) f ( x k 1 )
f ( x k ) (IV.4)
x k x k 1
onde xk e xk-1 so duas aproximaes para a raiz. Neste caso a funo de iterao fica
x k 1f ( x k ) x k f ( x k 1 )
( x k ) (IV.5)
f ( x k ) f ( x k 1 )
importante salientar que so necessrias duas aproximaes para se inicializar o mtodo.
Algoritmo
Seja a equao f(x) = 0
1) Dados iniciais
a) x0 e x1: aproximaes iniciais
b) : preciso
2) Se f ( x 0 ) ento faa x = x0. FIM.
Se f ( x1 )

3) ou ento faa x = x1.FIM.
Se x1 x 0
25
4) k = 1
f ( x1 )
5) x 2 x1 ( x1 x 0 )
f ( x1 ) f ( x 0 )
Se f ( x 2 )

6) ou ento faa x = x2. FIM.
Se x 2 x1
7) x0 = x1, x1 = x2
8) k = k + 1, volte ao passo 5
IV.4 - O Mtodo de Newton para Sistemas de Equaes No Lineares
Passaremos agora para um problema um pouco mais complicado que resolver um conjunto de
equaes no lineares que so acopladas entre si. Na formulao do problema so dadas n funes f 1,
f2,..., fn, onde cada uma delas uma funo no-linear das n variveis x 1, x2,..., xn. Queremos encontrar
os valores x1*, x2*,..., xn*, tais que:
f1( x1* , x*2 , , x*n ) 0

f 2 ( x1* , x*2 , , x*n ) 0
(IV.6)

* * *
f n ( x1 , x 2 , , x n ) 0
Por exemplo no sistema no linear mostrado a seguir
x1(x1 1) 2x 2 18
(IV.7)
(x1 1)2 (x 2 6)2 25
procuramos x1*, x2* que satisfaam as eqs. (7) dentro de uma tolerncia de erro pr-estabelecida.
Na tentativa de simplificar um pouco usaremos a notao vetorial: x um vetor com n
componentes e f(x) uma funo vetorial da varivel vetorial, isto ,
26
x = (x1, x2,..., xn) (IV.8)
f(x) = (f1(x), f2(x),..., fn(x)) (IV.9)
nesta notao o sistema anterior ser representado por uma nica equao vetorial dada a seguir como:
f(x) = 0 (IV.10)
A idia da linearizao ser usada tambm para o caso de sistemas. De forma semelhante a usada
no mtodo de Newton-Rapson a funo vetorial f(x) ser expandida em uma srie de Taylor. No caso
dos sistemas so necessrias algumas adaptaes porque as entidades do problema matemtico so
diferentes: no caso anterior tnhamos funes escalares de variveis escalares, ao passo que, agora temos
funes vetoriais com variveis vetoriais. Sem maiores detalhes, a srie de Taylor truncada no caso de
sistemas ser:
f(x) = f(xk)+f(x)(x xk) + E (IV.11)
onde xk = vetor aproximao na k-sima iterao e E um vetor que representa o erro da aproximao
2
linear. Analogamente srie de Taylor de funes de uma varivel E 0 ( x xk ), isto ,
2
E k x xk para alguma constante k, quando xk x .
Observe que mudamos um pouco a notao, xk um vetor obtido na k-sima iterao; isso se
deve ao fato de termos usado os sub-ndices para denotar as componentes do vetor. Na expresso (IV.11)
f(x), a derivada de uma funo vetorial com variveis vetoriais representa uma matriz que contm todas
as derivadas parciais de todas as componentes da funo f(x); esta matriz conhecida como matriz
Jacobiana de f(x). Assim,
f ( x )

J(x) f' (x) J ij i (IV.12)
x j
27
Para estabelecer o mtodo iterativo, ainda seguindo o caminho do mtodo iterativo linear, na
iterao k + 1 a aproximao ser definida pelo vetor que anula a aproximao linear da equao, ou
seja, o vetor xk+1 tal que:
f(xk) + f(xk)(xk+1- xk) = 0 (IV.13)
Para explicitar xk+1 , multiplicamos esta equao pela inversa da matriz Jacobiana e teremos:
xk+1 = xk [f(xk)]-1f(xk) (IV.14)
que a adaptao da frmula de Newton-Rapson para iteraes ao caso de sistemas

no-lineares. Como a inverso de matrizes uma operao muito cara, podemos evita-la trabalhando na
expresso (IV.13). Se fizermos o v = (xk+1- xk) a aproximao da iterao k+1 pode ser encontrada
resolvendo o seguinte sistema linear
J(xk) v = - f(xk) (IV.15)
e atualizando o novo valor do vetor x por:
xk+1 = v + xk (IV.16)
Algoritmo
x 0 , f1 , f 2 ,..., f n
f1 / x1 ,..., f1 / x n
f 2 / x1 ,..., f 2 / x n
Dados

f n / x1 ,..., f n / x n

28
P ara k 1, 2,.. . faa

P ara i 1, 2,.. ., n faa
F1 f1 ( x k 1
)
P ara j 1, 2,.. ., n faa
k 1
J ij f 1 / x j ( x )
R e s ol va o si st ema J v F
x k x k1
v
Se max 1i n f 1 (x k ) , ento x*
ou
1
Se max 1i n x k
i x k
i , ento
Observando mais detalhadamente este algoritmo vemos que ele envolve algumas etapas
delicadas:
i. Escolha da aproximao inicial;

ii. Clculo do vetor f(xk);
iii. Clculo da matriz Jacobiana J(xk);
iv. Soluo do sistema linear J(xk)v = -f(xk).
Para que a implementao computacional resultante seja eficiente, torna-se necessrio um certo
cuidado em cada uma dessas etapas; nesse sentido abordaremos alguns pontos que nos parecem
importantes. Infelizmente pouco progresso tem sido obtido no caminho de escolha de boas aproximaes
iniciais: se no dispomos de alguma informao a priori, duas idias podem ser aplicadas, com sucesso
relativo. Na tcnica de continuao tenta-se construir uma funo que dependa de um s parmetro, cuja
raiz ser uma aproximao inicial. No mtodo de Newton amortecido no se permite que a nova
aproximao fornea resultados piores que os anteriores: se esse for o caso procura-se i tal que xk+1 = xk
+ v/2i com f ( x k 1 ) f ( x k ) .
Na etapa ii no existem alternativas: h que calcular os fi(xk) de qualquer maneira.
Em iii pode-se evitar o trabalho, muitas vezes enfadonho, de calcular todas as derivadas parciais
optando pelo clculo da matriz Jacobiana por via de diferenas finitas, por exemplo. Nesse caso as
aproximaes usuais so:
f i

f i ( x 1 ,..., x j h ,..., x n ) f i ( x 1 ,..., x j h ,..., x n )
(IV.17)
x j 2h
29
Ainda no sentido de simplificao do clculo da matriz Jacobiana pode-se tentar imitar o mtodo
das secantes, apresentando na seo anterior. L usamos a aproximao
f ( x k 1 ) f ( x k )
f ( x k 1 ) (IV.18)
( x k 1 x k )
No caso de sistemas pode-se mostrar que possvel encontrar aproximaes da matriz Jacobiana em xk+1
a partir de atualizaes adequadas de Jk = J(xk). O mtodo de Broyden fornece expresses para esta
atualizao: se xk+1 e xk so duas aproximaes conhecidas, chamando os vetores coluna
sk = xk+1 xk e yk = f(xk+1) f(xk) (IV.19.a, b)
podemos tomar
y k J k sk T
J k 1 J k sk (IV.20)
s kT s k
como uma aproximao para o Jacobiano no vetor xk+1. Os mtodos que usam aproximaes deste tipo
para o Jacobiano so chamados mtodos quase-Newton, um dos quais mtodo de Broyden; estes so
usados com sucesso a partir de 1970.
No caso de escolha de mtodos iterativos, pode-se adotar um nmero fixo de iteraes, para cada
k, em vez de esperar a convergncia completa. Este procedimento, conhecido como Newton inexato,
pode ser econmico e eficiente.
30
CAPTULO V
SOLUO NUMRICA DE SISTEMAS DE EQUAES LINEARES
V.1 - Introduo
A necessidade de resolver sistemas de equaes lineares aparece numa grande quantidade de

problemas de engenharia, fsica, etc.; existem estimativas que apontam que a cada quatro problemas de
simulao em matemtica, trs convertem-se em solues de sistemas de equaes. A ttulo de exemplo,
uma fonte substancial de sistemas de equaes, lineares ou no lineares conforma o caso, a soluo de
equaes diferenciais por via de mtodos de discretizao, como diferenas finitas, volumes finitos ou
elementos finitos; em geral estes sistemas so muito grandes e tem caractersticas de esparsidade (muitos
31
elementos nulos na matriz associada) que auxiliam em sua soluo numrica. Outras fontes freqentes
so problemas de aproximao de funes, de minimizao de funes, problemas inversos etc.
Este captulo tem como objetivo apresentar algumas tcnicas destinadas soluo numrica de
sistemas de equaes. Respeitando a distino dos mtodos, comum catalog-los em dois grupos:
Mtodos Diretos so aqueles que conduzem soluo exata a menos de erros de arredondamento
introduzido pela mquina, aps um numero finito de passos; Mtodos iterativos so aqueles que se
baseiam na construo de seqncias de aproximaes: em cada passo valores calculados anteriormente
so usados para melhorar a aproximao; claro que o mtodo iterativo ser til se a seqncia
convergir para a soluo do sistema.
A escolha do mtodo a ser utilizado depende de cada caso. Se os mtodos diretos tem a vantagem
de fornecer soluo aps um nmero finito de passos e no dependem de condies de convergncia,
eles podem ser inviveis quando o sistema muito grande ou mal condicionado. De fato, como veremos
neste captulo, o nmero de operaes realizadas nos mtodos cresce com o cubo da dimenso da matriz
dos coeficientes e isto pode ser desastroso quando a propagao de erros contamina os clculos.
Antes de descrever qualquer mtodo vamos considerar um sistema com n equaes lineares nas n
incgnitas que ser representado por:
a11x1 a12 x 2 a1n x n b1

a x a x a x b
21 1 22 2 2n n 2
(V.1)

a n1x1 a n 2 x 2 a nn x n b n
Os coeficientes das incgnitas compem uma matriz quadrada com n linhas e n colunas, A = (aij):
a11 a12a1n
a a a
A 21 22 2n (V.2)

an1 an2 ann
32
Assim, definindo os vetores colunas x ( x1x 2 ...x n )T e b (b1b 2 ...b n )T pode representar o sistema
mostrado anteriormente na seguinte forma matricial:
Ax=b (V.3)
Se admitimos que A uma matriz inversvel (isto , det (A) 0), ento o sistema tem uma nica soluo
x = A-1b, onde A-1 representa a inversa da matriz A.
V.2 Mtodos Diretos
Mtodos diretos so aqueles que, a menos de erros de arredondamento, fornecem a soluo exata
do sistema linear, caso ela exista, aps um nmero finitos de operaes aritmticas.
a) Mtodo de Eliminao de Gauss

Entre os mtodos diretos, destacam-se os mtodos de Eliminao que evitam o clculo direto da
matriz inversa de A e alm disto no apresentam problemas com tempo de execuo. O mtodo da
Eliminao de Gauss consiste em transformar o sistema linear original num sistema equivalente com
matriz dos coeficientes triangular superior, pois estes so de resoluo imediata.
Seja o sistema linear: A x = b, onde A a matriz dos coeficientes de dimenso n x n, triangular
superior, com elementos da diagonal diferentes de zero. Escrevendo as equaes deste sistema, temos:
a11x1 a12 x 2 a13x 3 a1n x n b1

a 22 x 2 a 23x 3 a 2 n x n b 2
a 33x 3 a 3n x n b3 (V.4)

a nn x n b n

Da ltima equao, temos
bn
xn (V.5)
a nn
xn-1 pode ento ser obtido da penltima equao:
33
b n 1 a n 1, n x n
x n 1 (V.6)
a n 1, n 1
e assim sucessivamente obtm-se xn-2,...,x2 e finalmente x1:
b1 a12 x 2 a13x 3 ... a1n x n

x1 (V.7)
a11
A generalizao desta soluo dada a seguir. Dado um sistema triangular superior n x n com
elementos da diagonal da matriz A no nulos, as variveis xn, xn-1, xn-2,...,x2, x1 so assim obtidas:
Algoritmo
x n b n a nn e,
para k n 1,..., 2, 1,

n
x k

bk
a
kj.x j a kk

j k 1
O mtodo de Eliminao de Gauss consiste em transformar convenientemente o sistema linear

original para obter um sistema linear equivalente com matriz dos coeficientes triangular superior. Dois
~ ~
sistemas lineares, A x = b e A .x b , so equivalentes se qualquer soluo de um tambm soluo do
outro. Para modificar convenientemente o sistema linear dado de forma a obter um sistema equivalente,
faremos uso do seguinte procedimento.
Seja A x = b um sistema linear. Aplicando sobre as equaes deste sistema uma seqncia de
operaes, escolhidas entre:
I) trocar duas equaes;
II) multiplicar uma equao por uma constante no nula;
III) adicionar um mltiplo de uma equao a uma outra equao;
~ ~ ~ ~
obtemos um novo sistema A .x b e os sistemas A x = b e A.x b so equivalentes.
Descreveremos a seguir como o mtodo de Eliminao de Gauss usa este procedimento para
triangularizar a matriz A, supondo-se que det A 0.
A eliminao efetuada por colunas e chamaremos de estgio k do processo fase em que se
elimina a varivel xk das equaes k + 1, k + 2,..., n.
34
(k )
Usaremos a notao a ij para denotar o coeficiente de linha i e coluna j no final do k-simo
estgio, bem como bi( k ) ser o i-simo elemento do vetor constante no final do estgio k.
Considerando que det A 0 sempre possvel rescrever o sistema linear de forma que o
elemento da posio a11 seja diferente de zero. Seja:
a ( 0) a ( 0 ) a ( 0 ) b ( 0 )
11 12 1n 1
a ( 0)
a ( 0)
a ( 0)
b ( 0)
A (0) b (0) A b 21 22 2n 2 (V.8)

a ( 0) a ( 0 ) a ( 0 ) b ( 0 )
n1 n2 nn n
( 0)
onde, a ij a ij , bi(0) bi (0)
e a11 0 . Para sistematizar o processo dividiremos em etapas vistas a seguir
Etapa 1: k = 1
( 0)
O elemento a11 chamado Piv deste estgio e sero calculados os elementos
a i(10)
mi1 ( 0) , para i = 2,..., n, que so os multiplicadores do primeiro estgio. A eliminao da varivel x 1
a11
das equaes 2,...,n feita da seguinte forma: a i-sima equao substituda por ela mesma, menos a
primeira por mi1, e ao final do estgio teremos a seguinte matriz
a11
(1) (1)
a12 a1(1n) b1(1)

0 a (22
1)
a (21n) b(21)
A (1) b (1) (V.9)

0 a (n12) a (nn
1)
b(n1)

onde, a1(1j) a1( 0j ) para j = 1,...,n, b1(1) b1(0) e (1)

a ij ( 0)
a ij mi1.a1( 0j ) para i = 2,..., n e
j = 1,..., n, bi(1) bi(0) mi1.b1(0) i = 2,..., n.

Etapa 2: k = 2
O piv seria o elemento da posio a 22 sendo preciso que ele seja diferente de zero. Deve-se ter
pelo menos um elemento a i(12) 0 , para i = 2,..., n, caso contrrio,

35
det A(1) = 0 o que implica que det A = 0, mas det A 0 por hiptese. Ento, sempre possvel rescrever
a matriz A(1), sem alterar a posio da linha 1, de forma que o piv, a (22
2)
, seja no nulo. Os
a i(12)
multiplicadores deste estgio sero os elementos mi 2 para i = 3,..., n. Ento, a varivel x 2
a (22
1)
eliminada das equaes 3,..., n substituindo a i-sima equao por ela mesma menos a segunda equao
multiplicada por mi2 e ao final teremos a matriz A ( 2) b ( 2) :
a ( 2) a ( 2) ( 2)
a13 a1(n2) b1( 2)
11 12
0 a ( 2) a (232) a (22n) b(22)
22
A ( 2) b ( 2) 0 0 ( 2)
a 33 a 3( 2n) b3( 2) (V.10)

0 0 a (n23) a (nn2) b(n2)

onde a ij( 2) a ij(1) para i = 1,2 e j = 1, 2,..., n, bi( 2) bi(1) para i = 1, 2 e a ij( 2) a ij(1) mi 2 .a (21j) para i = 3,..., n
e j = 2,..., n e bi( 2) a i(1) mi 2 .b(22) para i = 3,..., n

Seguindo raciocnio anlogo procede-se at o estgio k 1 e a matriz, ao final deste estgio, ser:
a (k 1) a (k 1) a (k 1) a1(nk 1) b1(k 1)
11 12 13
0 ( k 1)
a 22 a (23k 1) a (2kn1) b(2k 1)

A ( k 1) b ( k 1) 0 0 ( k 1)
a 33 a 3( kn1) b3(k 1) (V.11)

0 0 0 a (nnk 1)
b(nk 1)

e o sistema linear A(k 1).x = b(k 1)
Finalmente a sistemtica do mtodo de Eliminao de Gauss fica descrito pelo algoritmo

mostrado em seguida.
Algoritmo para a Eliminao Gaussiana

Seja o sistema linear A x = b, onde A: n x n, x: n x 1, b: n x 1.
Supor que a (kkk 1) 0 , k = 1, 2,...., n - 1
36
Para k 1,...., n 1

Para i k 1,...., n
a ik
m
a kk

a ik 0

Para j k 1,..., n

a a ij m.a kj
ij

b i b i m.b k

xn b n / a nn
Para n 1,...., 2,1
n
x
(b a j.x j) / a
j l 1
Foi observado que o algoritmo para o mtodo de Eliminao de Gauss requer clculo dos
( k 1)
a ik
multiplicadores mik i = k + 1,..., n em cada estgio k do processo. No entanto, se o piv for
a (kkk 1)
nulo ou prximo de zero se faz necessrio uma estratgia capaz de contornar estes problemas. Estes dois
casos merecem ateno especial, pois impossvel trabalhar com um piv nulo. E, trabalhar com um
piv prximo de zero pode conduzir a resultados imprecisos. Isto porque em qualquer calculadora ou
computador os clculos so efetuados com aritmtica de preciso finita e, pivs prximos de zero do
origem a multiplicadores bem maiores que a unidade que, por sua vez, origina uma ampliao dos erros
de arredondamento. Uma forma de contornar estes problemas deve-se tomar uma estratgia de
Pivoteamento, ou seja, adotar um processo de escolha de linha e/ou coluna pivotal. Chamamos estratgia
de pivoteamento a sistemtica de troca de linhas de modo que o piv seja o maior elemento.
a) Decomposio L U
O mtodo de Eliminao Gaussiana pode ser usado economicamente quando precisamos resolver
vrios sistemas com a mesma matriz dos coeficientes. Em algumas situaes prticas os termos
independentes, b, no esto disponveis simultaneamente ou podem depender da prpria soluo do
sistema associada a outro b. Uma opo seria guardar os coeficientes m ij calculados no processo de
eliminao e us-los na atualizao de novos termos independentes, b. Outra alternativa
computacionalmente equivalente o que chamamos decomposio LU da matriz A. A idia do mtodo
ainda est apoiada na simplicidade de resoluo de sistemas triangulares.
Suponhamos que seja possvel decompor a matriz A num produto de uma matriz triangular
inferior, (com os elementos da diagonal principal iguais a 1), e uma matriz triangular superior, U, isto ,
37
A=LU (V.12)
Nas condies o sistema Ax = b pode ser reescrito na forma LU x = b, o que permite o desmembramento
em dois sistemas triangulares
L y = b, U x = y (V.13)
Resolvendo o primeiro sistema calculamos y que, usado no segundo sistema, fornecer o vetor
procurado x.
Dessa maneira, conhecidas L e U, o sistema ser resolvido com n(n 1) operaes (dois sistemas
triangulares) o que representa um ganho substancial comparado com o mtodo da eliminao.
Pode-se encontrar diretamente os elementos de L e U a partir da definio de produtos de
matrizes, montando-se um sistema com n2 equaes e n2 incgnitas, que ser resolvido progressivamente
a partir de valores anteriormente calculados. Dessa maneira, se chamamos de mij os elementos de L e uij
os elementos de U obtemos expresses que viabilizam uma implementao eficiente do mtodo em
questo.
i 1
u ij a ij m
k 1
ik u kj para i j (V.14)
j1
m ij a ij

k 1
mik u kj / u jj

para i j (V.15)
Pode-se tambm mostrar que os coeficientes mij calculados no processo de eliminao formam a
matriz L (desde que no seja necessria nenhuma troca de linha), e a matriz triangular superior do
mtodo de eliminao a prpria U. No caso da troca de linhas (pivoteamento) na eliminao tambm
teremos uma fatorao triangular, mas L U = A onde A obtida da troca de linhas de A.
V.3 Mtodos Iterativos
Sistemas lineares de grande porte so em geral esparsos. Dizemos que um sistema linear
esparso quando a matriz A dos coeficientes possui uma grande percentagem de elementos nulos. Para
38
tais sistemas, a resoluo atravs do mtodo de Eliminao de Gauss no aconselhvel porque este
mtodo no preserva esparsidade, ou seja, durante o processo de eliminao muitos elementos nulos
podero se tornar no nulos.
Existem alguns mtodos que fazem uso apenas dos elementos da matriz A original. Estes
mtodos consistem de algoritmos simples para converter qualquer vetor x(k) em outro, x(k+1), que depende
de x(k), A e b, e preservam a esparsidade de A, pois os elementos desta matriz no sero alterados. Eles
pertencem classe dos mtodos iterativos para resolver um sistema linear.
a) Mtodo Iterativo de Gauss-Jacobi

A forma como o mtodo de Gauss-Jacobi transforma o sistema linear A x = b em x = C x + g a
seguinte:
Tomamos o sistema linear original
a11x1 a12 x 2 a1n x n b1

a x a x a x b
21 1 22 2 2n n 2
(V.16)

a n1x1 a n 2 x 2 a nn x n b n
e supondo aii 0, i = 1,...., n, isolamos o vetor x mediante a separao pela diagonal, assim:
1
x1 a ( b1 a12 x 2 a13 x 3 a1n x n )
11
1
x 2 a (b 2 a 21x1 a 23 x 3 a 2 n x n )
22 (V.17)

x 1 (b a x a x a
n , n 1x n 1
n a nn n n1 1 n2 2
Desta forma temos x = C x + g.
a) Mtodo Iterativo de Gauss-Seidel

Da mesma forma que no mtodo de Gauss-Jacobi, no mtodo de Gauss-Seidel o sistema linear A
x = b escrito na forma equivalente x = C x + g por separao de diagonal.
39
O processo iterativo consiste em, sendo x(0) uma aproximao inicial, calcular x(1), x(2),...,x(k),...,
por:
( k 1) 1
x1 (b1 a12 x (2k ) a13x 3( k ) a1n x (nk ) )
a11

( k 1) 1
x 2 (b 2 a 21x1( k 1) a 23x 3k a 2 n x (nk ) )
a 22
( k 1) 1
x 3 (b3 a 31x1( k 1) a 32 x (2k 1) a 34 x (4k ) a 3n x (nk ) ) (V.18)
a 33

x ( k 1) 1
(b n a n1x1( k 1) a n 2 x (2k 1) a n , n 1x (nk11) )
n a nn

Portanto, no processo iterativo de Gauss-Seidel, no momento de se calcular x (jk 1) usamos todos
os valores de x1( k 1) ,..., x (jk

1
1)
que j foram calculados e os valores x (jk ) (k)
1 ,..., x n restantes.
40
CAPULO VI
SOLUO NUMRICA DE EQUAES DIFERENCIAIS ORDINRIAS
VI.1 - Introduo
Equaes Diferenciais aparecem com grande freqncia em modelos que descrevem
quantitativamente fenmenos em diversas reas, como por exemplo mecnica dos fluidos, transferencia
de calor e massa, reaes qumicas e nucleares, economia e biologia etc.
Equaes envolvendo derivadas so chamadas diferenciais. Se uma equao diferencial tem
apenas uma varivel independente, ento ela uma equao diferencial ordinria, que o assunto de
estudo neste captulo. Se uma equao diferencial envolve mais que uma varivel independente ento ela
uma equao diferencial parcial. No que diz respeito a ordem da equao, podemos dizer que a ordem
de uma equao diferencial a mais alta ordem de derivao que aparece na equao.
Uma equao diferencial ordinria dita linear se a funo e suas derivadas que aparecem
linearmente na equao. Assim, xy = x y linear e y + (1 y 2)y + y = 0 e u + e-u eu = f(x) so no
lineares.
Neste captulo apresentaremos alguns mtodos numricos que conduzam soluo aproximada
de uma varivel dependente que satisfaa a equao do tipo
41
y = f(x, y) (problema de valor inicial - PVI) ou y = f(x, y, y) (problema de valor de contorno - PVC),
onde f(x, y) e f(x, y, y) so conhecidas.
VI.2 Mtodos de Diferenas Finitas
A base dos mtodos numricos de soluo de equaes diferenciais esta na discretizao do

domnio fsico. Neste sentido importante introduzir o conceito de malha. Seja x 0 um ponto qualquer do
domnio e h um nmero representando uma frao do domnio; dessa forma, a malha de passo h
associada a x0 o conjunto de pontos
xn = x0 h para n = 1, 2, ..., M. Nos pontos desta malha sero calculadas as aproximaes para y(x). De
fato, a base que norteia o mtodo de diferenas finitas so as aproximaes das derivadas de y(x), em
pontos discretos do domnio, que aparecem na equao diferencial.
A ferramenta matemtica bsica na definio das aproximaes para as derivadas a
representao em srie de Taylor, mostrada com detalhes no captulo II. Escreveremos, agora, as
aproximaes de derivadas mais usadas no mtodo de diferenas finitas.
y( x n h ) y( x n )
y( x n ) O( h ) (VI.1.a)
h
y( x n ) y( x n h )
y ( x n ) O( h ) (VI.1.b)
h
y( x n h ) y( x n h )
y ( x n ) O( h 2 ) (VI.1.c)
2h
y ( x n h ) 2 y ( x n ) y( x n h )
y( x n ) O( h 2 ) (VI.1.d)
2
h
Para melhor manuseio das equaes vamos adotar a seguinte notao: y n = y(xn);
yn+1 = y(xn+h) e yn-1 = y(xn-h). Usando o mtodo de diferenas finitas podemos encontrar solues
aproximadas de equaes diferenciais ordinrias. Para ilustrar isto, vamos considerar o seguinte
problema,
y p( x ) y q ( x ) y r ( x ), axb (VI.2.a)
42
y(a ) ; y ( b) (VI.2.b,c)
Se discretizarmos o intervalo (a, b) em k partes iguais de tamanho h, introduzimos a malha a = x 0

< x1 < ... < xk = b, se a cada ponto interior xn usarmos as aproximaes: (VI.1.c) para y' (pois o erro desta
aproximao da ordem de h2) e (VI.1.d) para y'' obtemos a discretizao da eq. (VI.2.a):
y n 1 2 y n y n 1 y y n 1
p ( x n ) n 1 q( x n ) y n r ( x n ) (VI.3.a)
h2 2h
ou ainda,
A n y n 1 B n y n C n y n 1 D n ; n 1,2,..., k - 1 (VI.3.b)
onde
h h
An 1 p n , B n h 2 q n 2, C n 1 p n , D n h 2 rn (VI.4)
2 2
importante incorporar na primeira equao e na ltima as informaes das condies de contorno.

Ento, fazendo-se n = 1 (y0 = ) e n = k-1 (yk = ) em (VI.3.a) teremos:
B1 y1 C1 y 2 D1 - A1 (VI.5.a)
A k y k 2 B k 1y k 1 D k 1 C k 1 (VI.5.b)
As equaes (VI.3, 4, 5) formam um sistema tridiagonal de equaes lineares, e a metodologia de

soluo foi vista no captulo V. O algoritmo para resolver o sistema acima dado por:
Algoritmo
Dados a, b, p(x), q(x) 0, r(x), , e k
h = (b-a)/k
43
Para i 1,..., k 1
x a ih

A i 1 hp( x ) / 2

Bi h 2 q(x ) 2

C i 1 hp( x ) / 2
D h 2 r(x)
i
D1 D1 A1
D k 1 D k 1 C k 1
Aps montado os termos da matriz dos coeficientes usar o algoritmo de Thomas solucion-lo.
VI.3 Mtodo da Srie de Taylor
Este um dos mtodos mais antigos de aproximao para a soluo de um problema de valor
inicial. Com o objetivo de simplificar a anlise usaremos uma equao de primeira ordem como
problema padro. Seja o seguinte problema diferencial ordinrio de primeira ordem
y ( x ) f ( x , y), xa (VI.6.a)
y (a ) y 0 (VI.6.b)
Entretanto, as mesmas idias podem ser generalizadas para equaes diferenciais de ordem maior que
um, desde que transformemos a EDO original em um sistema de equaes diferenciais ordinrio de
primeira ordem. Tomemos, com exemplo, o problema de valor inicial de segunda ordem:
y ( x ) f ( x , y, y ), xa (VI.7.a)
y(a ) y 0 ; y (a ) 0 (VI.7.b, c)
Definindo uma nova varivel y1 ( x ) y ( x ) , onde y1 ( x ) y( x ) , o problema (VI.7) pode ser

escrito na forma de sistema
y ( x ) y1 ( x ) (VI.8.a)
44
y1 ( x ) f ( x, y, y1 ) (VI.8.b)
onde as condies iniciais so y(a) = y 0 e y1(a) = 0. Escrevendo (VI.8) em notao vetorial, onde Y = (y,
y1)T, temos:
y1
Y F(x, y, y1) (VI.9.a)
f (x, y, y1)
Y(a ) y(a ), y1 (a ) T (VI.9.b)
Assim, a metodologia que ser descrita a seguir pode ser estendida para sistemas de equaes
diferenciais. Focalizando nossa ateno para o problema (VI.6), podemos usar a regra da cadeia para
obter as derivadas de y(x) partindo-se de (VI.6.a):
y ( x ) f ( x , y) f
y (x) f x f y f
(VI.10)
2
y (x) f xx 2f xy f f yy f f y f x f y2 f
onde fx, fxx, fxy, fyy e fy representam as derivadas parciais de f.

Expandindo y em srie de Taylor para calcular o yi+1 a partir das informaes em xi:
h2 h3
y i 1 y i hy ( xi ) y ( xi ) y ( xi ) O( h 4 )
2! 3!

2
h
y i hf ( xi , y i ) f x ( xi , y i ) f y ( xi , y i ) f ( x i , y i )
2! (VI.11)

h3
3!

f xx ( xi , y i ) 2 f xy ( xi , y i ) f ( xi , y i ) f yy ( xi , y i ) f 2 ( xi , y i )

f y ( xi , y i ) f x ( xi , y i ) f y2 ( xi , y i ) f ( xi , y i ) O( h 4 )
45
Em resumo, o mtodo de soluo do problema de valor inicial consiste em: Dados y 0, f(x, y), h
calcula-se yi+1 pela eq. (VI.11) para i = 0, 1,.... Pode-se usar equaes para a aproximao y i+1 com erro
da ordem de h5, h6 e assim por diante.
VI.4 Mtodos de Runge-Kutta
Os mtodos de Runge-Kutta so os mais populares e os mais apropriados para problemas de

valor inicial. A Idia bsica destes mtodos aproveitar as qualidades dos mtodos de srie de Taylor e
ao mesmo tempo eliminar seu maior defeito que o clculo de derivadas de f(x, y) que, conforme
vimos, torna os mtodos de srie de Taylor computacionalmente inviveis. Os mtodos de Runge-Kutta
de ordem p se caracterizam basicamente por: so mtodos de passo um; concordam com a srie de
Taylor at os termos de ordem hp; e no exigem o clculo de qualquer derivada de
f(x ,y), no entanto, necessitam calcular f(x, y) em vrios pontos.
a) Mtodos de Runge-Kutta de 1 ordem-mtodo de Euler

Consideremos o problema de valor inicial dado pelas eqs. (VI.6) e expandindo em srie de
Taylor, em torno de xn, e truncando no termo de primeira ordem temos:
y n 1 y n hy( x n ) O( h ) y n hf ( x n , y n ) , n = 0, 1, 2,... (VI.12)
ento, partindo-se da condio inicial pode-se calcular y n+1 pela eq. (VI.12), e esta equao define o
mtodo de Euler ou Runge-Kutta de ordem p = 1.
b) Mtodos de Runge-Kutta de 2 ordem

Como est mostrado na eq. (VI.12) ela introduz um erro da ordem de h a cada passo. Ento, com
o objetivo de melhorar a acurcia deste esquema vamos considerar a seguinte generalizao da eq.
(V.12)
y n 1 y n hf ( x n , y n ) hf x n h, y n hyn (VI.13)
46
onde os parmetros , , e so convenientemente calculados de modo que o mtodo satisfaa a srie

de Taylor at o termo de segunda ordem. O ltimo termo do lado direito da eq. (VI.13) pode ser
desenvolvido em srie de Taylor para funes de duas variveis, isto
F x x , y y F( x , y) xFx ( x , y) yFy ( x , y) yyFxy ( x , y)

(VI.14)
O( x 2 ) O( y 2 ) O( xx )
logo
f x n h, y n hy n f ( x n , y n ) hf x ( x n , y n )
hf ( x n , y n )f y ( x n , y n )
(VI.15)
h 2 f ( x n , y n )f xy ( x n , y n ) O(h 2 )
desprezando-se os termos de ordem h2, substituindo em (VI.13) e agrupando os termos de mesma

potncia em h, teremos
y n 1 y n h( ) f ( x n , y n ) h 2 f x ( x n , y n )

f ( x n , y n ) f y ( x n , y n ) O h 3
(VI.16)
comparando-se a eq. (VI.16) com a eq.(VI.11) de modo que haja concordncia at os termos de ordem h 2
preciso que
1 1
1, , (VI.17)
2 2
observa-se das eqs. (VI.17) que existem trs equaes e quatro incgnitas. Assim escolhendo-se um dos
parmetros arbitrariamente, = 0 temos:
1
1 , (VI.18)
2
logo, a forma geral dos mtodos de Runge-Kutta de 2a ordem dada por
47
h h
y n 1 y n h (1 )f ( x n , y n ) hf x n , yn f (x n , y n ) (VI.19)
2 2
c) Mtodos de Runge-Kutta de 3a ordem

De maneira semelhante podemos construir o mtodo de Runge-Kutta de 3 a ordem, dado de forma
compacta a seguir
2 1 4
y n 1 y n k1 k 2 k 3
9 3 9
k1 hf ( x n , y n )
h k (VI.20)
k 2 hf ( x n , y n 1 )
2 2
3 3
k 3 hf ( x n h, y n k 2
4 4
d) Mtodos de Runge-Kutta de 4a ordem
E o mtodo de Runge-Kutta de 4a ordem pode ser escrito como
1
y n 1 y n (k 1 2k 2 2k 3 k 4 )
6
k1 hf ( x n , y n )
k 2 hf ( x n h / 2, y n k 1 / 2) (VI.21)
k 3 hf ( x n h / 2, y n k 2 / 2)
k 4 hf ( x n h , y n k 3 )
Chamamos a ateno para o fato dos mtodos de Runge-Kutta, apesar de serem auto-iniciveis
(pois so de passo um) e no trabalharem com derivadas de f(x, y), apresentam a desvantagem de no
haver para eles uma estimativa simples para o erro, que inclusive poderia ajudar na escolha do passo h.
VI.5 Mtodos de Mltiplos Passo
Como vimos, os mtodos de passo simples precisam de informao sobre a soluo apenas em x
= xn para achar uma aproximao para y(xn + h); no entanto, eles exigem os clculos da derivada de f(x,
48
y) em vrios outros pontos. A caracterstica dos mtodos de passo mltiplo que eles usam informaes
sobre a soluo em mais de um ponto. Inicialmente vamos supor que conhecemos aproximaes para
y(x) em x0, x1,...,xk e que xn+1 - xn = h, n = 0, 1,...,k. Elucidaremos aqui uma classe de mtodos de passo
mltiplo que baseada no princpio de integrao numrica conhecidos como mtodos de Adams-
Bashforth; a idia integrar a equao diferencial y = f(x, y) de xn at xn+1:
x n 1
y( x n 1 ) y( x n ) f ( x , y( x ))dx (VI.22)
xn
x n 1
e aproximar a integral x n f ( x , y( x ))dx por uma frmula de quadratura numrica por ns escolhida.
a) Mtodos explcitos:
Os mtodos explcitos desta classe de mtodos so obtidos quando trabalhamos com x n, xn-1,...,xn-
m para aproximar a integral acima. Aproximamos f(x, y(x)) pelo polinmio de grau m, P m(x) que
interpola f(x, y) em xn, xn-1,...,xn-m e ento
x n 1
y ( x n 1 ) y ( x n ) Pm ( x )dx (VI.23)
xn
Se por exemplo, escolhemos m = 3, ento vamos usar (x n, yn), (xn-1, yn-1), (xn-2, yn-2), (xn-3, yn-3)
aproximando f(x, y(x)) pelo polinmio de grau 3, P3(x), que interpola f(x, y(x)) nos pontos acima.
Teremos:
h
y n 1 y n 55f n 59f n 1 37f n 2 9f n 3 (VI.24)
24
b) Mtodos implcitos:
Os mtodos implcitos, desta classe de mtodos, so obtidos quando trabalhamos com xn+1,
xn,...,xn-m. O mtodo anlogo ao que vimos anteriormente, se trabalhamos com quatro pontos; portanto,
m = 3 e vamos usar (xn+1, yn+1), (xn, yn), (xn-1, yn-1), (xn-2, yn-2) da mesma forma como fizemos
anteriormente; logo:
49
h
y n 1 y n 9f n 1 19f n 5f n 1 f n 2 (VI.25)
24
que um mtodo de passo mltiplo implcito pois, no clculo de y n+1 aparece

fn+1(xn+1, yn+1). Est a grande dificuldade de mtodos implcitos.
VI.6 Mtodos de Previso-Correo
Anteriormente falamos sobre mtodos deduzidos por integrao numrica. Tratamos de mtodos
explcitos de passo mltiplo. Em geral, frmulas deduzidas por interpolao de f(x, y(x)) em x n e pontos
anteriores so conhecidos como frmulas do tipo abertas.
Deduzimos tambm um mtodo implcito; mtodos desse tipo, onde usamos tambm x n+1 para
construir o polinmio de interpolao de f(x, y(x)) so conhecidos como frmulas fechadas.
A frmula implcita que deduzimos eq. (VI.24) e, a menos que f(x, y) seja uma funo linear, em
geral no seremos capazes de resolver a expresso acima para yn+1.O que fazemos ento tentar obter
yn+1 as seguinte forma iterativa:
i) Por meio de um mtodo explcito (corretamente escolhido) encontramos uma primeira
aproximao y (n0)1 para yn+1;

ii) Calculamos ento, para fn+1, o valor f(xn+1, yn+1);
iii) Com o valor de fn+1 encontramos uma prxima aproximao para yn+1, y(n1) 1 , usando agora o
mtodo implcito que escolhemos;
iv) Voltamos para ii, onde agora calculamos, para fn+1, f(xn+1, y (n1) 1 ) e assim vamos repetindo o
processo at que duas aproximaes sucessivas satisfaam os critrios, como por exemplo
y (nk)1 y (nk11) / y (nk)1 onde a preciso desejada.
Observamos que ao escolher temos de considerar o erro da frmula usada para calcular y(n0)1
bem como o tamanho do passo h. Suponhamos que para achar y (n0)1 para a frmula implcita que
deduzimos, desejamos usar o mtodo de Adams-Bashforth.
50
h
y n 1 y n 55f n 59f n 1 37f n 2 9f n 3 (VI.26)
24
Quando usamos um par de frmulas como o par acima, a frmula explcita tipo aberta,
chamada um previsor e a frmula implcita, tipo fechada, chamada corretor. A frmula implcita que
descrevemos conhecida como a frmula de Adams-Mouton de 4 ordem. O par previsor-corretor, dado
por Adams-Bashforth e Adams-Moulton, pode ser sintetizado no algoritmo seguinte:
Algoritmo:
y f (x, y)
Seja o P.V.I.:
y(x0 ) y0 , x n x0 nh, n 0,1,...
Dado > 0, e, determinados, de alguma forma, y1, y2 e y3,
Para n = 3, 4, 5,...,N, faa:
h
a) calcule y(n0)1 , por y n 1 y n 55f n 59f n 1 37f n 2 9f n 3
24
b) calcule f n(0)1 f ( x n 1, y(n0)1 )

c) para k = 1, 2,..., calcule
y(nk)1 y n
h
24

9f ( x n 1, y(nk11) ) 19f n 5f n 1 f n 2
d) continue as iteraes at atingir um nmero mximo de iteraes ou at que o mximo erro
relativo satisfaa y (nk)1 y (nk11) / y (nk)1
Observamos que N o nmero de ns que precisamos; por exemplo, se num P.V.I. temos y(0) e
queremos y(1), com h = 0.1, ento N = 10.
51
CAPTULO VII
EQUAES DIFERNCIAIS PARCIAIS
VII.1 Introduo
Muitos processos fsicos importantes, na natureza, so governados pelas Equaes Diferenciais

Parciais (PDE). Por esta razo importante o entendimento do comportamento fsico do modelo
representado pela PDE. Em funo disto, necessrio conhecer as caractersticas matemticas,
propriedades e a soluo das equaes governantes. Mtodos Numricos so usados para solucionar
problemas de transferncia de calor e massa e mecnica dos fluidos por estes no possurem solues
exatas devido no-linearidades, geometrias complexas e complicaes no contorno. O desenvolvimento
52
rpido dos computadores digitais tem incentivado o uso de Mtodos Numricos em vrios ramos da
engenharia. No fluxograma abaixo so mostradas as etapas bsicas na soluo de um problema fsico
Figura VII.1 - Etapas de soluo de um problema fsico
VII.2 Classificao Fsica
a) Problema de Equilbrio (PVC)

So problemas na qual a soluo de uma dada PDE desejada num domnio fechado sujeito a
condies de contorno prescritas (ver Fig. VII.2). Problemas de equilbrio so problemas de valor de
contorno.
PDE satisfeita em D
D Condies de contorno
so satisfeitas em B
B 53
Figura VII.2 - Domnio para um problema de equilbrio
Um problema de equilbrio caracteriza-se por: PVC Entra = Sai
b) Problemas com Evoluo Temporal (PVI)

So problemas marchantes ou de propagao. So problemas transientes onde a soluo da PDE
requer um domnio aberto sujeito a condies iniciais e de contorno. De forma geral, conhecidos o valor
de uma grandeza fsica num determinado instante e a lei que rege sua variao, possvel prever sua
soluo atravs de um PVI.
Um problema de valor inicial caracteriza-se por: PVI Acmulo = Entra Sai
VII.3 Algumas Equaes Importantes
1 2u
a) 2 u Equao da onda (PVI) (VII.1.a)
c 2 t 2
1 u
b) 2 u Equao de difuso (PVI) (VII.1.b)
k t
c) 2 u 0 Equao de Laplace (PVC) (VII.1.c)
d) 2 u u 0 Equao de Helmholtz (PVC) (VII.1.d)
e) 2 u f ( x , y, z) Equao de Poisson (PVC) (VII.1.e)
1 2u
f) ( u )
2 2
Equao bi-harmnica da onda (PVI) (VII.1.d)
p 2 t 2
g) 2 ( 2 u ) 0 Equao bi-harmnica (PVC) (VII.1.e)
54
h) 2 u [E V( x , y, z )]u 0 Equao de Schdinger (PVC) (VII.1.f)
i) u 2 u 0 Equao de Kleire-Gordon (PVI) (VII.1.g)
onde os operadore de Laplace, DAlembert e da Difuso so dados, respectivamente, por:

2 (VII.2.a)
x 2 y 2 z 2
1 2
2 (VII.2.b)
c 2 t 2

D 2 (VII.2.c)
t
Em geral os problemas de valor de contorno (PVC) so equaes elpticas e problemas de valor

inicial (PVI) so equaes parablicas e hiperblicas.
VII.4 Classificao Matemtica das PDEs
Na soluo de uma PDE com diferenas finitas, a escolha de um esquema de soluo depende do
tipo de PDE considerado. Geralmente, as PDEs so classificadas em trs categorias, chamadas Elptica,
Parablica e Hiperblica. Para ilustrar isto considere a seguinte PDE de segunda ordem em duas
variveis independentes x e y,
2 2 2
a b c 2 d e f g ( x , y) (VII.3)
x 2
xy y x y
onde a, b, c, d, e e f so funes de x e y, porm no dependentes de .

Certas formas cannicas padres de PDEs sero abordadas agora. As terminologias usadas na
classificao das PDEs so pela analogia com a equao geral de segunda ordem da geometria analtica.
A classificao feita com base nos coeficientes a, b, e c das derivadas de maior ordem, de acordo com
determinante
55
ab 2
b 4ac (VII.4)
bc
b 2 4ac 0 Equao hiperblica (VII.5.a)
b 2 4ac 0 Equao parablica (VII.5.b)
b 2 4ac 0 Equao elptica (VII.5.c)
a) PDE's Hiperblicas
Alguns problemas podem se enquadrar em Sistemas Hiperblicos tais como. Problema de
conduo de calor transiente com pulsos de laser de pequena durao, problemas onde altas taxas de
mudana de temperatura ou fluxo de calor ou temperaturas extremamente baixas (aproximando-se do
zero absoluto)
Ex.1: Equao da onda de primeira ordem
1 u u
0, c0 (VII.6)
c t x
Ex.2: Equao da onda de segunda ordem
1 2u 2u
2 , c0 (VII.7)
c 2 t 2 x
Ex.3: Conduo de calor hiperblica
2 T T 2T
, c2 (VII.8)
t 2 t x 2
Ex.4: Equao de Euler (Escoamento inviscido)
56
u u u 1 p
u v Fx (VII.9.a)
t x y x
v v v 1 p
u v Fy (VII.9.b)
t x y y
Em muitas aplicaes, os processos fsicos so governados por um sistema de equaes que so

obtidas de uma simples equao. Para que estas equaes possam ser resolvidas numericamente, elas so
freqentemente escritas em uma forma compacta vetorial. Nestas situaes, a EDP de ordem maior pode
ser convertida num sistema de primeira ordem. Um exemplo disto pode ser visto pela equao da onda
2u 2 u
2
c 0 (VII.10)
t 2 x 2
fazendo-se uma mudana de varivel da forma abaixo teremos,
u u
u1 e u2 (VII.11.a, b)
t x
u1 u 2
c 0 ~ ~
t x u u
[ A] 0 (VII.12)
u 2 u1 t x
c 0
t x
onde,
~u u1 0 c
u e A (VII.13)
2 c 0
57
Desta forma, se os autovalores da matriz dos coeficientes A so reais e distintos o sistema

hiperblico. Ento
det{[A] -[I]} 0 2 c 2 0 (VII.14)
1 c e 2 c (VII.15)
b) PDEs Parablicas
Problemas de conduo de calor em regime transiente e conduo-conveca so casos tpicos
onde as equaes so parablicas.
Ex.1: - Conduo de calor transiente
T T
C p k (VII.16)
t x x
Ex.2: - Conduo-Conveco transiente
T T T
C p u (g ) k (VII.17)
t x y y
c) PDEs Elpticas
O caso elptico ocorre quando b 2 4ac 0 . Em geral problemas de difuso em estado
estacionrio, difuso conveco e muitos problemas de escoamento de fluidos so governados por PDEs
elpticas.
Ex.1: - Exemplo de problemas elpticos

S 0 (VII.18.a)
x x y y

u v S (VII.18.b)
x y x x y y
58
VII.5 Classificao Matemtica de Sistemas de Equaes
Seja o seguinte sistema de equaes dado
a1u x b1v x a 2 u y b 2 v y f1 (VII.19.a)
a1u x b1v x a 2 u y b 2 v y f 2 (VII.19.b)
este sistema pode ser escrito em uma forma mais compacta dada a seguir,
~ ~
~ W W ~
A C F (VII.20)
x y
onde
~ a1 b1 ~ a2 b2 ~ u ~ f1
A , C W F
, , (VII.21)
a1 b1 a2 b2 v f2
este sistema pode ser classificado matematicamente da seguinte forma, seja
a1b2 a b2
B (a1b2a1b2)(ab1a2b1) (VII.22)
a1b2 a b1
59
~ ~
D B 2 4 | A || C | (VII.23)
ento podemos ter a seguinte classificao para o sistema dado pelas eqs. (VII.19)
D 0 Sistema elptico (VII.24)
D 0 Sistema parablico (VII.25)
D 0 Sistema hiperblico (VII.26)
CAPTULO VIII
DIFERENAS FINITAS
VIII.1 Introduo
Vimos os conceitos bsicos e as tcnicas necessrias na formao de diferenas finitas de uma

determinada derivada. De maneira geral dois enfoques so bastante utilizados para discretizar as
derivadas parciais em uma PDE, so eles.
i) O uso de expanses em sries de Taylor, visto no captulo II;
ii) O uso de volume de controle.
Um dos primeiros passos para o estabelecimento de um esquema de diferenas finitas para
solucionar uma PDE substituir o domnio continuo do problema por uma malha de diferenas finitas.
Aqui para estabelecer as representaes de diferenas derivadas se utilizou basicamente o uso de
expanses em sries de Taylor.
VIII.2 Representao de Diferenas de Derivadas Parciais
Estabelecendo-se uma malha no domnio, da forma e adotando a seguinte notao:
u i 1, j u ( x 0 x , y0 ) (VIII.1.a)
60
u i , j1 u ( x 0 , y 0 y) (VIII.1.b)
u i 1, j u ( x 0 x , y0 ) (VIII.1.c)
u i 1, j1 u ( x 0 x , y0 y) (VIII.1.d)
e usando expanses em sries de Taylor temos as seguintes aproximaes de diferenas para derivadas
parciais:
u u i 1, j u i,1
O( x ) (VIII.2.a)
x i, j x
u u i, j u i 1,1
O( x ) (VIII.2.b)
x i, j x
3u u i 2, j 2u i 1, j 2u i 1, j u i 2, j
3
O( x 2 ) (VIII.2.c)
x i, j 2x 3
4 u u i 2, j 4u i 1, j 6u i, j 4u i 1, j u i 2, j
O(x 2 ) (VIII.2.d)
x 4 i , j x 4
2 u u i 3, j 2u i 2, j 5u i 1, j 2u i, j
2
O ( x 2 ) (VIII.2.e)
x i , j x 2
3u

3u i 4, j 14u i 3, j 24u i 2, j 18u i 1, j 5u i, j
3
O ( x 2 ) (VIII.2.f)
x i , j 2 x 3
2u

2u i , j 5u i 1, j 4u i 2, j u i 3, j
2
O ( x 2 ) (VIII.2.g)
x i, j x 2
3u

5u i , j 18u i 1, j 24u i 2, j 14u i 3, j 3u i 4, j
3
O(x 2 ) (VIII.2.h)
x i, j 2x 3
u u i 2, j 8u i 1, j 8u i 1, j u i 2, j
i, j
O ( x 4 ) (VIII.2.i)
x i , j 12x
2u

u i 2, j 16u i 1, j 30u i , j 16u i 1, j u i 2, j
2
O(x 4 ) (VIII.2.j)
x i , j 12x 2
61
2u 1 u i 1, j u i 1, j1 u i , j u i , j1
O(x , y) (VIII.2.k)
xy x y y
i, j
2u 1 u i , j1 u i, j u i 1, j1 u i 1, j
O( x , y) (VIII.2.l)
xy x y y
i, j
2u
1 u i , j u i, j1 u i 1, j u i 1, j1

O( x, y) (VIII.2.m)
xy x
y y
i, j
2u 1 u i 1, j1 u i 1, j u i, j1 u i, j
O(x , y) (VIII.2.n)
xy x y y
i, j
2 u
xy

1 u i 1, j1 u i 1, j1 u i, j1 u i , j1

x 2y

2y

O x , ( y) 2 (VIII.2.o)
i, j
2 u
xy

1 u i , j1 u i , j1 u i 1, j1 u i 1, j1

x 2 y

2 y

O x , (y) 2 (VIII.2.p)
i, j
2 u
xy

1 u i 1, j1 u i 1, j1 u i 1, j1 u i 1, j1

2x 2y

2 y

O ( x ) 2 , ( y) 2 (VIII.2.q)
i, j
2u
xy

1 u i 1, j1 u i 1, j u i 1, j1 u i 1, j

2x y

y

O ( x ) 2 , y (VIII.2.r)
i, j
2 u
xy

1 u i 1, j u i 1, j

2x y

u i 1, j u i 1, j1
y

O ( x ) 2 , y (VIII.2.s)
i, j
VIII.3 Representao de Diferenas de PDE
Para exemplificar, vamos tomar a equao de conduo de calor unidimensional transiente
u 2u
(VIII.3)
t x 2
vamos aproximar a derivada temporal pela frmula de diferenas avanada e derivada espacial pela
frmula de diferenas central,
62
u u in 1 u in 2u u in1 2u in u in1
, (VIII.4)
t t x 2 x 2
assim a eq. (VIII.3) pode ser expressa por

4 u x 2
u in11 u in

2
u 2u n n n u t
u 2 u u
t 2 x 4 n , j 12
i 1 i i 1
t x 2 t (x ) 2 2
n, j
(VIII.5)
Este esquema chamado de simples explicito, e o erro de truncamento (TE) da ordem de:
TE PDE FDE O(t ) O[(x ) ] 2 (VIII.6)
onde PDE a equao diferencial parcial e FDE a equao de diferenas finitas
VIII. 4 Propriedades dos Esquemas de Diferenas Finitas
Um determinado esquema de diferenas para no levar a uma soluo aproximada confivel deve
obedecer trs propriedades bsicas: Consistncia; Estabilidade e Convergncia.
a) Consistncia:
Para um esquema de diferenas ser consistente a representao de diferenas (a FDE) da PDE
deve tender para a PDE quando se refina a malha, i. e.
Lim( PDE FDE) Lim TE 0 (VIII.7)

# 0 #0
em outras palavras o erro de truncamento deve tender para zero.
b) Estabilidade:
63
A estabilidade est associado a problemas de valor inicial (Hiperblicos. e Parablicos). Em

solues numricas por diferenas finitas, erros so acumulados durante os clculos. Ento, a soluo
estvel se os erros no so amplificados durante os clculos numricos de passo para outro.
c) Convergncia:
Um mtodo convergente se sua soluo numrica tende para a soluo analtica, (i.e.,
convergncia: Soluo Numrica Soluo Analtica). De maneira geral para problemas lineares todo
esquema de diferenas Consistente e Estvel convergente, este o teorema da equivalncia de Lax
(Andersson et. al., 1989).
VIII. 4 Erros Envolvidos em Solues Numricas de PDE's
Basicamente os errors envolvidos na soluo numrica de uma PDE so: Erro de

Arredondamento (Round-off-error); de Discretizao e de Truncamento.
O erro de arredondamento se devem ao fato de os clculos raramente serem feitos com aritmtica
exata (acurcia finita). O erro de discretizao o erro na soluo de uma PDE causada pela mudana de
um problema contnuo por um discreto Se chamarmos de D a soluo exata de PDE (isto seria possvel
em um computador com acurcia infinita), N a soluo numrica com acurcia finita e A a sua respectiva
soluo analtica. Ento, podemos definir os erros de arredondamento (EA) e de discretizao (ED) como:
EA = N D (VIII.8)
ED = A D (VIII.9)
O erro de truncamento se deve ao truncamento da srie e sua ordem de grandeza depende do

tamanho da malha, de maneira geral quanto menor o tamanho da malha menor o erro de truncamento
(TE).
VIII.5 Anlise da Estabilidade de Fourier ou Von Newmann
64
Uma determinada aproximao de uma PDE por diferenas finitas pode ser consistente porm a
soluo no necessariamente convergir para a soluo da PDE. Pelo teorema da equivalncia de Lax
temos que um esquema numrico estvel pode ser usado. Para estudar o problema da estabilidade vamos
considere a equao de difuso
u 2u
(VIII.10)
t x 2
Aplicando um esquema simples explcito na PDE acima resulta
u in 1 u in
(u in1 2u in u in1 ) (VIII.11)
t (x ) 2
Se admitirmos que o erro na soluo numrica devido a arredondamentos (EA = ). A soluo numrica
pode ser dada por:
N = D + , uN = uD + (VIII.12)
Se a equao (VIII.12) satisfaz o esquema (VIII.11) logo:
Din 1 Din in 1 in
2
(Din1 2Din Din1 ) (in1 2in in1 ) (VIII.13)
t t (x ) (x ) 2
Visto que D deve satisfazer a equao de diferenas, da mesma forma verdade par o errro, i. e.,
in 1 in
( n 2in in1 )
2 i 1 (VIII.14.a)
t ( x )
ou
in 1 in (in1 2in in1 ) (VIII.14.b)
t
onde o nmero de Fourier de malha.
(x ) 2
Assumindo-se que o erro (x, t) possa ser escrito na forma de uma srie,
65
( x , t ) b m ( t )eik m x (VIII.15)
m
onde k m m o nmero de onda para m = 0, 1, 2, ..., M e M o nmero de intervalos x em L.

L
Para examinar a propagao dos erros com o aumento do tempo basta considerarmos um simples
termo na srie, devidos as equao de diferenas ser linear. Com estas consideraes para examinar a
propagao do erro temos:
m ( x , t ) e ant e ik m x e at e ik m x (VIII.16)
Substituindo (VII.16) em (VIII.14.b) teremos:
e at 1 (e ik m x ) 2 e ik m x ) (VIII.17)
utilizando as relaes em (VIII.17)
e i e i
Cos ; k m x (VIII.18)
2
resulta
e at 1 (2Cos 2) (VIII.19)
e com
1
Sen 2 (1 Cos) (VIII.20)
2 2
teremos:
e at 1 4Sen 2 (VIII.21)
2
Definindo o fator de amplificao do erro (G) da forma

66
in 1 e a ( t t ) e ik m x
G e at (VIII.22)
in e at e ik m x
e para que o esquema seja estvel o fator de amplificao deve ser menor que a unidade, logo utilizando
a eq. (VIII.21) teremos:
G 1 1 4Sen 2 ( 2) 1 (Estvel) (VIII.23.a)
G 1 1 4Sen 2 ( 2) 1 (Instvel) (VIII.23.b)
Usando a eq. (VIII.23.a) possvel determinar para que faixa do parmetro o esquema simples
explcito da equao da difuso estvel, i. e.,
1 Condio de Estabilidade (VIII.24)

2
Anlise de estabilidade para a equao da onda
u u
c (VIII.25)
t x
usando o esquema de Lax, mostrado a baixo,
u in1 u in1 n
u in 1 (u i 1 u in1 ) (VIII.26)
2 2
t
onde c o nmero de Courant de Malha.
x
Procedendo de maneira semelhante a anterior temos que o esquema de Lax estvel se:
| | 1 (VIII.27)
67
CAPTULO IX
ESQUEMAS DE DIFERENAS FINITAS SOLUO DE PDE's
IX.1 Introduo
Ao longos das trs ltimas dcadas muitos esquemas numricos, para a busca de solues de
diversos problemas de engenharia modelados por PDE's, foram desenvolvidos. No entanto, o usurio
deve ter o bom senso de escolher um determinado esquema. Para que o leitor tenha uma viso geral dos
mtodos pioneiros e eficazes na soluo de PDE's mostrado uma compilao dos principais mtodos
para PDE's hiperblicas, parablicas e elpticas.
IX.2 Eques hiperblicas
IX.2.1 Equao da Onda
1 1
ui(1)1 2 (uin1 uin ) (uin1 uin ) , C0 (IX.1.a)
2 3
u ( x ,0) F( x ) x (IX.1.b)
onde a soluo exata de (IX.1) dada por
u ( x , t ) F( x Ct ) (IX.2)
a) Mtodos Explcito de Euler
68
u in 1 u in u n u in
C i 1 0, O( t , x ) (IX.3.a)
t x
u in 1 u in u in1 u in1
C 0, O( t , x 2 ) (IX.3.b)
t 2 x
Aplicando a anlise da estabilidade de Fourier (Von Neumann) conclui-se que esses esquemas
so incondicionalmente instveis. Logo estes esquemas no servem para a soluo da equao da onda.
b) Mtodo de Diferenas Finitas Upstream (Windward)

u
O esquema (IX.3.a) vem ser estvel se trocarmos a diferena avanada de por uma
x
diferena atrasada, logo
u in 1 u iu u in u in1 O( t , x )
C 0, (IX.4)
t x
este esquema estvel para 0 1 Ct / x
c) O Mtodo de Lax
A equao (IX.3.b) de mtodo de Euler pode ser estvel se trocarmos u in por uma mdia
u in (u in1 u in1 ) 2 . Ento, teremos:
u in 1 ( u in1 uin1 ) 2 u n uin1

C i 0, O( t , x 2 t ) (IX.5)
t 2x
este esquema estvel para | | 1 .
d) O Mtodo Implcito de Euler
u in 1 u in C
(u in11 u in11 ) 0 , O( t , x 2 ) (IX.6.a)
t 2x
69
Este esquema incondicionalmente estvel ara qualquer passo de tempo, e pode ser escrito em
uma forma mais compacta
n 1
u i 1 (1)u in 1 u in11 u in (IX.6.b)
2 2
ou
d1 a1 0 0 u1n 1 C1
b
2 d2 a2
0 b3 d3 a3 0
(IX.6.b)

0 b M 1 d M 1 a M 1
0 0 bM d M u M C M
n 1
e) O mtodo de Lax-Wendroff
Este mtodo pode ser derivado atravs de uma expanso em srie de Taylor da seguinte forma,
1
u in 1 u in tu (t )2 u O(t 3 ) (IX.7)
2
usando-se as equaes da onda
u Cu xx e u tt C 2 u xx (IX.8.a, b)
teremos
1 2
u in1 u in Ctu x C ( t ) 2 u xx O( t 3 ) (IX.9)
2
usando-se as seguintes aproximao de diferenas para as derivadas no espao,
u in1 u in1 ( u in1 2u in u in1 )

ux , u xx (IX.10.a, b)
2 x x 2
resulta o seguinte esquema
70
C t n C 2 t 2 n
u in 1 u in ( u i 1 u in1 ) ( u i 1 2u in u in1 ) (IX.11)
2 x 2 x 2
Este mtodo explcito possui acurcia de 2a ordem e TE O( x 2 , (t ) 2 ) e estvel sempre que

| | 1.
f) O Mtodo de Lax-Wendroff em Dois Passos
u in1122 ( u in1 u in ) 2 u in1 u in

1o Passo: C 0 (IX.12.a)
t / 2 x
n 1 n u n 1 2 u in1122
2o Passo: u i u i C i 1 2 0 (IX.12.b)
t x
Este esquema possui acurcia de 2a ordem e TE O[ x 2 , t 2 ] e estvel sempre que | | 1 .

Quando aplicado a equao da onda (linear), este mtodo equivalente ao esquema original de Lax-
Wendroff.
g) O Mtodo de MacCormack
Este mtodo uma variao do mtodo de Lax-Wendroff em dois passos, ele remove a
necessidade de clculo nos pontos i + e i . Este mtodo muito til para resolver PDEs no-
lineares. Quando aplicado equao da onda linear, temos o mtodo explcito preditor corretor.
n 1 n Ct n
Preditor: u pi ui ( ui 1 uin ) (IX.13.a)
2x
1 Ct
n 1 n n 1
Corretor: ui ui u pi ( u p n 1 u pi 1 n 1 ) (IX.13.b)
2 2 x i
Este esquema similar ao de Lax-Wendroff para a equao da onda linear
h) O Mtodo de Upwind (de Bean-Warming)

Este esquema uma variao do esquema de MacCormack onde usa a frmula de diferenas
atrasada no preditor - corretor.
71
Ct n
Preditor: u npi1 u in (u i u in1 ) (IX.14.a)
2x
n 1 1 n Ct n 1 Ct n
Corretor: u i u i u npi1 (u pi u npi11 ) (u i 2u in1 u in 2 ) (IX.14.b)
2 2x 2x
Este esquema de 2a ordem com TE O[ x 2 , tx , x 2 ] . Se (IX.14.a) substitudo em

(IX.14.b) temos:
1
u in 1 u in (u in u in1 ) ( 1)( u in 2u in1 u in 2 ) (IX.14.c)
2
Este mtodo estvel para 0 2 .
i) Mtodo Implcito Centrado no Tempo

Este mtodo obtido por duas expanses em srie de Taylor
t 2 t 3
u in 1 u in t (u t )in (u tt )in ( u ttt )in (IX.15.a)
2 6
t 2 t 3
u in u in 1 t ( u t )in 1 (u tt )in 1 (u ttt )in 1 (IX.15.b)
2 6
Subtraindo estas equaes, e usando
( u tt )in 1 (u tt )in t (u ttt )in (IX.15.c)
resulta
u in 1 u in
t
2

( u t )n ( u t )n 1 i O( t 3 ) (IX.16)
u i 1 u i 1
mas da equao da onda, u t Cu x e da frmula de diferenas central, u x , teremos o
2x
seguinte esquema:
Ct n 1
u in 1 u in (u i 1 u in1 u in11 u in1 ) (IX.17)
2x
72
Este mtodo de 2a ordem e possui TE O[ x 2 , t 2 ] e incondicionalmente estvel para

qualquer t .
j) O Mtodo de Rusanov (Burstein-Mirin)
(1) 1 n 1
1o Passo: u i 1 2 (u i 1 u in ) (u in1 u in ) (IX.18.a)
2 3
( 2) n (1) 2
(1)
2o Passo: u i u i (u i 1 2 u i 1 2 ) (IX.18.b)
3
1 3
3o Passo : u in 1 u in (2u in 2 7u in1 7 u in1 2u in 2 ) (u i(21) u i(21) )
24 8

(u1n 2 4u in1 6u in 4u in1 u in 2 ) (IX.18.c)
24
o critrio de estabilidade deste esquema dado por: | | 1 e 4 2 4 3
IX.3 Eques Parablicas
IX.3.1 Equao da Conduo de Calor
Seja o seguinte problema de transferncia de calor, dado pelas equaes abaixo
T 2T
2 0 x 1
t x
T( x,0) f (x ) 0 x 1 (IX.19)
T(0, t ) T(1, t ) 0

onde a soluo exata deste problema dada por:
22t
T(x, t ) A i sen(nx )e n (IX.20.a)
i 1
73
1
A i 2 f ( x ) sen(nx )dx (IX.20.a)
0
a) Mtodo Simples Explcito
Tin 1 Tin T n 2Tin Tin1

i 1 ; O[ t , x 2 ] (IX.21)
t (x ) 2
1 t
Este mtodo estvel para 0 , com 2 .
2 x
b) O Mtodo de Richardson
Tin 1 Tin 1 T n 2Tin Tin1

i 1 ; O[ t 2 , x 2 ] (IX.22)
2t x 2
Este mtodo incondicionalmente instvel, logo no serve para resolver a equao de conduo de
calor.
c) O Mtodo Simples Implcito (Laasonen)
Tin 1 Tin T n 1 2Tin 1 Tin11

i1 , O[ t , x 2 ] (IX.23)
t ( x ) 2
fazendo-se 2x u in u in1 2u in u in1 , a eq. (IX.23) pode ser escrita como:
Tin 1 Tin
2 Tin 1 (IX.24)
t x
este mtodo estvel para 0 1 2.
d) O Mtodo de Crank-Nicolson
74
Tin 1 Tin x Tin x Tin 1

; O[ t 2 , x 2 ] (IX.25)
t 2 x 2
este mtodo incondicionalmente instvel.

e) O Mtodo Combinado A
Tin 1 Tin f 2 T n 1 (1 f ) 2x Tin

x i (IX.26)
t x 2
onde f uma constante 0 f 1
e.1) f 0 Mtodo Simples Explcito

e.2) f 1 Mtodo Simples Implcito
e.3) f 1 2 Mtodo de Crank-Nicolson
1 x 2
e.4) f TE O[ t 2 , x 4 ]
2 12t
1 x 2 x 2
e.5) f e 20 TE O[t 2 , x 6 ]
2 12t t
O presente mtodo incondicionalmente estvel se 1 2 f 1. No entanto, quando 0 f 1 2
1
o mtodo estvel somente se 0 .
2 4f
f) O Mtodo Combinado B
n 1
Ti n T n Ti n1 2 T n 1
1 f Ti f i x i 2 (IX.27)
t t ( x )
f.1) f 0 Mtodo Simples Implcito

f.2) f 1 2 TE O[ t 2 , x 2 ]
1 x 2
f.3) f TE O[ t 2 , x 4 ]
2 12t
g) O Mtodo de Dufort-Frankel
75
O Mtodo instvel de Richardson pode se tornar estvel se u in (u in 1 u in 1 ) 2 , logo teremos:
Tin 1 Tin 1 T n Tin 1 Tin 1 Tin1

i 1 (IX.28.a)
2t ( x ) 2
ou
Tin 1 (1 2 ) Tin 1 2(Tin1 Tin 1 Tin1 ) (IX.28.b)
h) Mtodos Para Equao da Conduo de Calor em Duas Dimenses
T 2T 2T
2 (IX.29)
t x y 2

h.1) O mtodo simples explcito

Aplicando o mtodo simples explcito temos:
u in, j 1 u in, j u in1, j 2u in, j u in1, j u in, j1 2u in, j u in, j1

(IX.30)
t x 2 ( y ) 2
onde a condio de estabilidade
1 1 1
t 2 (IX.31)
x y 2 2
1
e se x y . Podemos observar que o critrio de estabilidade se restringiu pela metade para um
4
problema em duas dimenses.
h.2) O mtodo de Crank-Nicolson

Quando se aplica o mtodo de Crank-Nicolson se obtm:
u in, j 1 u in, j 2 2
( x y )(u in, j 1 u in, j ) (IX.32.a)
t 2
76
onde
u in1, j 2u in, j u in1, j u in, j1 2u in, j u in, j1

2x u nx , 2y u ny (IX.32.b, c)
(x ) 2 (y) 2
este sistema incondicionalmente estvel. Rescrevendo o sistema temos:
au in, j11 bu in11, j cu in, j 1 bu in11, j au in, j11 d in, j (IX.33)
1 1
onde, a t 2(y) 2 y , b t 2(x ) 2 x , c 1 x y ; e
2 2
t 2 2 n
d in, j u in, j ( x y ) u i , j
2
Uma observao importante que o sistema deixa de ser tridiagonal.
h.3) O mtodo ADI (Direo Implcita Alternada)

Alternando-se as direes onde se aplica o esquema implcito podemos escrever,
u in, j 1 2 u in, j
h.3.1) ( 2x u in, j 1 2 2y u in, j ) (IX.34.a)
t 2
u in, j 1 u in, j 1 2
h.3.2) ( 2x u in, j 1 2 2y u in, j 1 ) (IX.34.a)
t 2
Este esquema incondicionalmente estvel com acurcia O[(t ) 2 , ( x ) 2 , ( y) 2 ]
IX.4 Eques Elpticas
Os processos fsicos tais como difuso de calor ou massa, em estado estacionrio, com ou sem
fontes no meio, escoamento irrotacional de um fluido compressvel e muito outros so modelados com
equaes elpticas. Por exemplo a equao de Laplace, a equao de Burguers etc..
77
IX.4.1 Equo de Laplace
2u 2u
0 (IX.35)
x 2 y 2
a) Frmula de Cinco Pontos
u i 1, j 2u i , j u i 1, j u i , j1 2u i, j u i, j1
0 (IX.36)
x 2 y 2
b) Frmula de Nove Pontos
h 2 5k 2
u i 1, j1 u i 1, j1 u i 1, j1 u i 1, j1 2 (u i 1, j u i 1, j )
h2 k2
5h 2 k 2
2 (u i, j1 u i, j1 ) 20u i, j 0 (IV.37)
h2 k2
IX.5 Equo de Burguers
Partindo-se da equao de Burgers para um escoamento viscoso
u u 2u
u , (Parablico) (IX.38)
t x y 2
desprezando-se o termo difusivo resulta uma equao hiperblica
u u
u 0 (IX.39)
t x
escrevendo (IX.39) da seguinte forma
~
u F
0 (IX.40)
t x
78
se u e F(u) so vetores podemos escrever (IX.40) como
u u
A 0 (IX.41)
t x
onde a matriz jacobiana dada por:
Fi
A (IX.42)
u j
a) O Mtodo de Lax
u
u ( x , t t ) u ( x; t ) t (IX.43.a)
t x , t
F
u ( x , t t ) u ( x , t ) t (IX.43.b)
t x , t
u ( x, t ) u ( x x , t ) u ( x x , t ) 2 x (IX.43.c)
F
( Fin1 Fin1 ) 2x (IX.43.d)
x
u in1 u in1 t Fin1 Fin1

u in 1 (IX.43.e)
2 x 2
este esquema apresenta um carter dissipativo (pouco usada).

t
Na equao de Burguers F u 2 2 e u max 1 o critrio de estabilidade.
x
Figura IX. 1 - Carter dissipativo da soluo

79
b) O Mtodo de Lax-Wendroff
u F 2u F F
A ; A (IX.44)
t x t 2 x x u

2
t Fin1 Fin1 1 t
u in 1 u in n n n n n n
A i 1 2 ( Fi 1 Fi ) A i 1 2 ( Fi Fi 1 ) (IX.45)
x 2 2 x
este mtodo apresenta tambm um carter dissipativo da soluo
c) O Mtodo de MacCormak
uma verso do mtodo de Lax-Wendroff.
t n
u in 1 u in (Fi 1 Fin ) (IX.46)
x
1 n t n 1
u in 1 n 1
u i u i (Fi Fin11 ) (IX.47)
2 x
d) O Mtodo de Rusanov
1 n 1 t n
u i(1)1 2 (u i 1 u in ) (Fi 1 Fin ) (IX.48.a)
2 3 x
2 t (1)
u i( 2) u in (Fi 1 2 Fi(11) 2 ) (IX.48.b)
3 x
ou
1 t 3 t ( 2)
u in 1 u in (2Fin1 2 7 Fin1 7 Fin1 2Fin 2 ) (F Fi(21) )
24 x 8 x i 1
80
t n
(u i 2 4u in1 6u in 4u in1 u in 2 ) (IX.48.c)
24 x
t
onde o critrio de estabilidade dado por x u max 1 e 4 2 4 3
IX.6 Equao de Burgers (Esc. Viscoso)
A equao de burgers
u u 2u
u 2 (IX.49)
t x x
uma PDE parablica, e pode ser escrita de forma geral como
u u 2u
(c bu ) 2 (IX.50)
t x x
a) O mtodo FTCS (Forward-Time Centered-Space)

Para a equao de Burgers linearizada
u in 1 u in u n u in1 u n 2u in u in1
c i 1 i 1 (IX.51)
t x ( x ) 2
este esquema possui erro de truncamento da ordem de O[ t , ( x ) 2 ] e a condio de estabilidade

dada por 2 2r , onde ct x e r t x 2
Em termos do nmero de Reynolds de malha, as restries de estabilidade so:
2 Re x 2 (IX.52)
onde
81
Re x cx (IX.53)
Este esquema produz oscilaes na soluo para 2 Re x 2 . As oscilaes deste mtodo podem ser
eliminadas se a diferena central no termo convectivo (cux) for substituda:
Para c 0
u in 1 u in u in u in1 u in1 2u in u in1

c (IX.54)
t x x 2
Este esquema elimina as oscilaes adicionando dissipao na soluo. No entanto, a dissipao causa
que a soluo seja inacurada.
Para c 0
u in 1 u in u in1 u in1 u in 2 3u in1 3u in u in1

u in1 2u in u in1

c (IX.55)
t 2x 6x ( x ) 2

82

Apostila de Métodos Numéricos

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

Apostila de Métodos Numéricos

Transféré par

Droits d'auteur :

Formats disponibles

UNIVERSIDADE FEDERAL DO PAR INSTITUTO DE TECNOLOGIA

Profs. Claudio Blaco e Emanuel N. Macdo

DESENVOLVIMENTO ESCOLHA DO MTODO

Figura I.1 Etapas do desenvolvimento do modele e soluo

No entanto, no raro se chegar a resultados finais no esperados ou at mesmo a outros que no

Profs. Claudio Blaco e Emanuel N. Macdo

I.3 Erro relativo

Neste caso, tambm impossvel obter o valor exato do erro absoluto.

I.4 Erro de arredondamento

O erro de arredondamento introduzido em um dado clculo depende do sistema usado pela

I.5 Erro de truncamento

Profs. Claudio Blaco e Emanuel N. Macdo

O erro de truncamento uma funo das aproximaes usadas no esquema numrico e

Os erros de arredondamento e truncamento so as duas maiores fontes de inacurcia em solues

Profs. Claudio Blaco e Emanuel N. Macdo

Em muitos problemas de interesse em engenharia, o mtodo numrico baseia-se em valores

II.2 Mtodo Direto

Profs. Claudio Blaco e Emanuel N. Macdo

II.3 Sries de Taylor

onde x = x - xi um incremento na varivel independente x e os primos denotam as derivadas em

Profs. Claudio Blaco e Emanuel N. Macdo

Subtraindo (II.3.b) de (II.4), a aproximao de diferenas central determinada como

Profs. Claudio Blaco e Emanuel N. Macdo

Para desenvolver as aproximaes de diferenas avanada e atrasada para a segunda derivada, as

Figura 2.1 - Malha de espaamento varivel

Profs. Claudio Blaco e Emanuel N. Macdo

Para se obter a aproximao de diferenas da derivada Segunda de f no n i, a eq. (II.9.b)

multiplicada por x 2 / x1 2 e a expresso resultante adicionada a eq. (II.9.a) para dar

Profs. Claudio Blaco e Emanuel N. Macdo

acurcia de Segunda ordem se x 2 x1 .

II.4 Diferenciao via Interpolao Polinomial

onde a derivada primeira dada por

Interpolando f(x) nos pontos x = 0, x e 2x se obtm

f (0) c, f(x) ax 2 bx c, f(2x) 4ax 2 2bx c (II.16)

Profs. Claudio Blaco e Emanuel N. Macdo

onde xi [a, b] e i = 0, 1, ..., n.

III.2 - Frmulas de Newton-Cotes

As frmulas de Newton-Cotes para a integrao numrica usam pontos de integrao que so

Profs. Claudio Blaco e Emanuel N. Macdo

onde En(x) o erro do polinmio interpolador dado por:

b ( x x 0 )..( x x i 1)( x x i 1)..( x x n )

III.3 - Regra dos Trapzios (n = 1)

Profs. Claudio Blaco e Emanuel N. Macdo

III.4 - Regra dos Trapzios Repetida

III.5 - Regra de Simpson

Recorreremos novamente a frmula de Lagrange para estabelecer a frmula de integrao

( x x1)(x x 2 ) ( x x 0 )(x x 2 ) ( x x 0 )(x x1)

Profs. Claudio Blaco e Emanuel N. Macdo

O erro determinado pela integrao da expresso (III.2.b) e dado por:

III.6 - Regra de Simpson Repetida

onde k (x2k-2, x2k) e k = 1,...,m/2

Ento, a regra de Simpson composta pode ser escrita como:

Profs. Claudio Blaco e Emanuel N. Macdo

III.7 - Quadratura Gaussiana

onde x0, x1,...,xn so n pontos distintos, as quais so exatas para polinmios de

Profs. Claudio Blaco e Emanuel N. Macdo

logo a funo se torna

e a integral pode ser escrita novamente por

Para dois pontos de quadratura, a frmula de Gauss :

Profs. Claudio Blaco e Emanuel N. Macdo

Resolvendo o sistema (II.21), obtm-se:

Substituindo os valores encontrados na eq. (III.19)

onde, n o nmero de pontos, wi so os coeficientes, ti so as razes e a funo F(t) dada por:

Profs. Claudio Blaco e Emanuel N. Macdo

f1( x1* , x2 , , xn ) 0