ACE 04 02 MRP Método Dos Resíduos Ponderados

Aplicao de Computadores a Engenharia
It is necessary to solve
differential equations
(Isaac Newton)
Prof. Henrique Mariano C. Amaral
Mtodo dos Resduos

Ponderados
Aplicao Soluo de Equaes
Diferenciais
The best world has the greatest

variety of phenomena regulated by the
simplest laws.
(Leibniz)
Mtodos dos Resduos Ponderados

Introduo
So mtodos de aproximao utilizados para

resolver equaes diferenciais. Estes mtodos
tm diversos procedimentos, dentre os quais se
destacam
Mtodo Geral,
Mtodo da Colocao,
Mtodo do Subdomnio,
Mtodo dos Mnimos Quadrados,
Mtodo de Galerkin

Conceitos Bsicos
Seja um operador de um processo

qualquer, que aplicado a uma funo u,
produz outra funo p, em algum domnio
(espao onde o operador est definido):
(u) = p , em

Seja um problema representado por um
conjunto de equaes homogneas
vlidas no interior de :
L (u ) = 0
e seja a definio de produto escalar ou

interno de (u) com outra funo v
definido e dado por:
(L (u), v ) = L (u) vd

Pode-se ver que, integrando-se por partes
a expresso anterior, sucessivamente,
podemos eliminar as derivadas de u.
Da anlise linear, sabe-se que tal
procedimento leva a uma forma transposta
do produto interno - com o operador
adjunto de - associado a termos
contendo informao sobre as condies de
contorno :
*
G(v)S(u) G(u)S*(v) .d
=
+
L
(
u
).
v
.
d
u
.
L
(
v
).
d
(1)

onde a superfcie de contorno de ;
e so operadores diferenciais devido a
integrao por partes e * o operador
adjunto de .
L (u ).v.d = u.L* ( v ).d +
G ( v ) S (u ) G (u ) S * ( v ) .d

Por definio (v) contm os termos
de v resultantes da primeira fase de
integrao por parte e (u) os
correspondentes termos em u.
Se = * ento dito autoadjunto e neste caso * = tambm:
(L u , v ) = (u, L v )

A integrao por partes acima conduz
tambm a duas categorias de
condies de contorno:
- o conjunto (u) prescrito e
denominado de condio de contorno
essencial; e
- o conjunto (u) prescrito e
denominado condio de contorno
natural.
10

As condies de contorno tipo essencial
precisam ser conhecidas em alguns pontos,
a fim de possibilitar a unicidade da soluo.
Sejam 1 e 2 pores complementares da
superfcie total (1 + 2 = ), ento, para
um operador auto-adjunto , tem-se:
(u) prescrito sobre 1
(u) prescrito sobre 2
Lembrar que, todo operador auto-adjunto
positivo-definido se: ( L (u)) ud > 0, u
( L (u)) ud = 0,
u0
11

Para determinar se positivo-definido
podemos integrar o produto interno por
partes at ele conter derivadas de uma
mesma ordem. Essa operao fundamental
na transformao de em *
Deve-se ter sempre em mente que a
propriedade de positividade definida
extremamente importante para o
estabelecimento de esquemas de soluo e
tambm na construo de procedimentos
variacionais.
12
Exemplos
13

1. Propriedades anlogas a auto-adjunto e
positivo-definido em operadores tambm pode

ser definida para as matrizes; estas
propriedades so respectivamente simetria e
positivo-definida.
Lembrando: uma matriz dita simtrica se A
= AT ou ainda (y, Ax)=(x, Ay) e
dita positivo-definida se xTAx > 0 , x e
xTAx=0 x=0.
14

2. Mostre que o operador
= - d2/dx2
auto-adjunto e positivo definido no
intervalo [0,1].
15
Sejam u e duas funes quaisquer, ento

1
1
d 2u
du
du dv
v +
(L (u).v) = 2 vdx =
=
dx
dx 0 0 dx dx
0
1
d 2v
du
dv
= v + u
+ 2 udx =
dx 0
dx 0 0 dx
1
= ( L (v ) u ) +
G ( v ) S (u ) G (u ) S * (v ) .d
que comparando com (1)(pag 7) vemos que autoadjunto. Note que:
(u) = u
(u) = -du/dx
(v) = v
(v) = -dv/dx e = * .
16
A condio de contorno essencial
u prescrito;
e a condio de contorno natural
du/dx prescrito.
Se u = v e condies de contorno homogneas

ver-se- que positivo-definida.
17
3. Investigue as propriedades do operador .

d u
L
u
=
[ 0 , 1qualquer,
(
)
]
Seja v uma funo auxiliar
ento o
dx
produto interno :
4
L (u)vdx=
0
d u
vdx
4
dx
4
integrando por parte a expresso acima, quatro

vezes, tem-se:
1
du
dv d u
d v du
dv
d 4v
+ 2
3 u + 4 udx
L (u)vdx= v 3
2
dx 0 dx dx 0 dx dx 0 dx 0 0 dx
3
18
Colocando a expresso anterior na

forma de (1)(slide 7) v-se que
L(u)vdx= L (v)udx+[G (v)S (u)G (v)S (u)] +[ S (v)G (u)S (v)G (u)]
1
logo, as condies de contorno essenciais

so:
1(u) = u e 2(u) = du/dx
prescritas
e as condies de contorno naturais so:
1(u) = d3u/dx3 e 2(u) = d2u/dx2 prescritas.

19
Admite-se ser o operador
*(.) = d4(.)/dx4 = (.) auto-adjunto.

Agora colocando u = v, e fazendo as
condies de contorno homogneas, obtm2
se:
1
1
2
d u
L
(u)udx=
dx 2 dx 0
0
0
que mostra ser o operador em questo
positivo-definido.
20
Isto , para que

(u) 0
para toda e qualquer funo u, precisa-se
que se restrinja no mnimo
[u(0)=u(1)=0]
ou [u(0)=0 ou [u(1)=du/dx=0] ] .
21
Mtodos dos Resduos

Ponderados
Mtodo Geral
22

Mtodo Geral
Os mtodos dos resduos ponderados so
procedimentos numricos para a soluo de
um conjunto de equaes diferenciveis da
forma:
(u0) = p em
(1)
com as seguintes condies de contorno:
essencial: (u0) = g sobre 1

e
natural: (u0) = q sobre 2 (2)
com 1+ 2= sendo a superfcie externa
do domnio , e u0 a soluo exata.
23

A funo u0 primeiramente
aproximada por funes k(x), tal que
u = k=1,n kk
(3)
onde k so parmetros
indeterminados e k so funes
linearmente independentes, retiradas
de uma seqncia completa de
funes {1,2,...,n}.
24

As funes linearmente independentes
e completas {1,2,...,n} so
usualmente escolhidas de forma que
satisfaam certas condies,
denominadas de condies de
admissibilidade, relacionando as
condies de contorno e o grau de
continuidade.
25

Lembrar que uma seqncia de funes
linearmente independentes dita completa
se um nmero N e um conjunto de
constantes i podem ser achados tal que,
dada uma admissibilidade e uma funo
arbitrria u0, tem-se:
N
(4)
u0 i i
i =1
onde a quantidade uma quantidade to

pequena quanto se queira.
26

As funes para o problema (1) tem
que satisfazer as condies (2) e
devem ter necessariamente um grau
de continuidade suficiente para fazer o
lado esquerdo de (2) diferente de
zero.
27

Substituindo (3) em (1) determina-se
uma funo erro , chamada de
residual, isto :
= (u) - p 0
(5)
Note que igual a zero para a

soluo exata mas no para uma
soluo aproximada.
28

O residual forado a zero, no sentido
mdio, isto , em mdia, por intermdio de
um procedimento de zerar a integral
ponderada do residual:
i dx = 0, para i=1,2,..., n
(6)
onde i um conjunto de funes de

ponderao, as quais so, tambm, parte
de um conjunto completo e linearmente
independente.
29

Assim procedendo, a soluo
converge para a soluo exata, com o
aumento do nmero de termos
adotados.
30

Quando um ZERO realmente um ZERO?
Em nossa teoria = (u) - p 0 , mas
se deseja encontrar uma funo u que

faa com que u 0 N
N
i =1
ou em outras palavras, quando u0

(sol. exata) igual, numericamente, a
u (sol aproximada)?
31

Se sabe que se u0 um mnimo de uma
funcional J e soluo de (u)=p ento u
tambm o ser devido a norma induzida
em L2:
u0 u
Na linguagem da teoria das medidas, elas

s podem diferir de uma funo de medida
de Lebesgue nula, isto , u0 e u devem ser
funes de uma mesma classe de
equivalncia, com u0 u = 0
32
Exemplo
NOTA: bom lembrar que um
conjunto infinito de funes
ortogonais no necessariamente
completo, isto , pode-se ter um
nmero infinito de funes mas a
soluo no converge para a
soluo exata.
33
Seja o seguinte conjunto de funes k

= sen kx/l , para k=1,2,... e seja a
soluo
u = k k
k =1
A soluo escrita como est no

permite que se reproduza a soluo u
= const. Muito embora seja o
conjunto LI, mas o conjunto no
completo.
34
Se a possibilidade de u ser constante

existe, ento h necessidade de se ter na
soluo um termo que permita
reproduzir a soluo desejada. Assim
u = a0 1 + k k
k =1
Este exemplo ilustra a dificuldade que se

tem em estabelecer a completude de um
dado conjunto de funes.
35

A seguir ser apresentado alguns mtodos
baseados na idia de ortogonalizao.
Neles, as funes de ponderao so
escolhidas de modos diferentes.
Considerar-se-, em princpio, apenas
operadores auto-adjuntos e positivodefinidos por questes de simplicidade
de apresentao dos mtodos, mas os
mesmos se aplicam a operadores de tipos
mais gerais, o que ser visto
posteriormente.
36
Mtodo dos Momentos
37
Mtodo dos Momentos

Mtodo dos Momentos
Como j mencionado anteriormente, as
funes de ponderao i podem ser
diferentes das funes de aproximao i
e qualquer conjunto de funes
linearmente independente e completo
pode ser usado.
Uma escolha simples o conjunto LI e
completo:
1, x, x2, x3, ...

para problemas unidimensionais.
38
Mtodo dos Momentos

Dessa forma, sucessivos momentos de ordem
crescente do residual so forados a zero assim:
j dx =((u) - p)j dx = 0
u = ii
j = xj , para j=0,1,2,...
A tcnica acima denominada de Mtodo dos
Momentos, devido ao tipo de escolha feita para
as funes de ponderao. Se qualquer outro
conjunto for escolhido para as funes de
ponderao no ser mais o Mtodo dos
momentos, mas apenas um mtodo de resduo
ponderado.
39
Exemplo
40
Mtodo dos Momentos
Seja = (u) - p = (d2u/dx2) + u + x = 0

em , sendo = (0,1), com as seguintes
condies de contorno: u(0) = u(1) = 0.
Seja a seguinte aproximao para a soluo:
u = x(1-x)(1 + 2x + 3x2 + ....)
que satisfaz as condies de contorno
dadas. Para efeito de clculo considerar-se apenas os dois primeiros termos em ,
isto :
u = x(1-x)(1 + 2x)
41
Mtodo dos Momentos
Logo a funo residual ser:

=(u)-p = x+(-2+-x2)1+(2-6x+x2-x3)2
Fazendo agora a ortogonalizao do residual em
relao s funes de ponderao 1 e x, tem-se
respectivamente:
[0,1] .1 dx = 0
[0,1] .x dx = 0
11
11
1
Ou integrando se tem
1 + 2 =
6
12
2
11
19
1
1 + 2 =
20
3
12
42
Mtodo dos Momentos
O sistema obtido integrando, colocado na forma

11 11
matricial fica:
1
11
12
12
2
1
*
=

2 1
19
20
3
cuja soluo :
1 = 122/649
e 2 = 110/649
Assim a funo soluo aproximada
1
u = x (1 x )
122 + 110 x )
649 (
A soluo exata do problema posto

sin ( x )
uexata ( x ) =
x
sin (1)
43
Mtodo dos Momentos

ue( x) :=
Comparao
entre a
soluo
exata e a
soluo
aproximada
sin( x)
x
sin( 1)
1 ( 122 + 110 x)
649
u( x) := x( 1 x)
0.08
0.07
0.06
0.05
ue ( x)
u ( x)
0.04
0.03
0.02
0.01
0
0
0.2
0.4
0.6
x
0.8
44
Mtodo da Colocao
45
Mtodo da Colocao
Este mtodo consiste em anular a funo
residual em uma srie de pontos escolhidos
dentro do domnio de integrao do problema.
Deve-se notar que esses pontos so usualmente,
mas no necessariamente, distribudos no
domnio.
Seja ento a seguinte funo de aproximao:
u = k k
onde k satisfaz as condies de contorno.

46
Mtodo da Colocao
Seja agora determinar os valores de k,
forando a condio:
= (u) - p = 0
em n pontos do domnio. Note que o
nmero de constantes k tem que ser igual
ao nmero de pontos de colocao
escolhidos.
Seja k a funo delta de Dirac, funo

que igual a zero se xxk, e
x +c
( xk )dx = 1 quando c 0
k
xk c
47
Mtodo da Colocao
Dessa forma, se pode escrever o
mtodo da colocao como uma
tcnica de resduos ponderados:
dx
=
0
k
=
1,
2,
K
,
n
k
48
Exemplo
Mtodo da Colocao
49
Mtodo da Colocao
Problema 1
Seja resolver a equao diferencial
(d2u/dx2) - 4u - 4x = 0, em [0,1].
Considere primeiramente
um ponto de colocao em x=0,5, e

posteriormente dois pontos de colocao em
x=0,25 e x=0,5.
50
Mtodo da Colocao
Soluo
a) Seja u1 = (x-x2) funo admissvel
tirada do conjunto admissvel {(xi-xi+1)},
que so LI. Usando u1 e fazendo x=0,5=0
tem-se:
|x=0,5 = {[-2-4(x-x2)] - 4x}|x=0,5 = 0
resolvendo encontra-se = -2/3, logo
u1 = -(2/3)(x-x2)
51
Mtodo da Colocao
b) Seja agora u2= 1(x-x2)+ 2(x2-x3) .
Fazendo x=0,25=0 e x=0,5=0, tem-se
1= -0,41975
2=-0,49382
logo
u2 = -0,41975(x-x2) - 0,49382(x2-x3)
que mostra que a soluo aproximada, neste

mtodo, depende dos pontos de colocao.
52
Mtodo da Colocao
0
0.05
2
2
u1( x) := x x
3
) 0.49382 ( x
u2( x) := 0.41975 x x
u1( x)
2
u2( x)
0.1
0.15
0.2
0.5
x
53
Mtodo da Colocao
2. Seja resolver a seguinte equao

diferencial de Poisson:
2u/x2 + 2u/y2 = p
u = 0 em x=a e y=b.
b
-a
-b
54
Mtodo da Colocao
Seja a seguinte funo de aproximao:

u = (x2-a2)(y2-b2)[1+ 2(x2+y2)+...]
que geral. Para simplificar o exemplo, seja
considerar apenas o primeiro termo da soma, e
uma regio quadrada a = b. Dessa forma, temse:
u1 = 1(x2-a2)(y2-a2)
logo
= (u1) - p = 2{(y2-a2)+(x2-a2)} 1 - p
55
Mtodo da Colocao
Fazendo |x=0,y=0=0 , obtm-se 1= - p/4a2 e a

funo de aproximao:
u1 = -(p/4a2) (x2-a2)(y2-a2)
Seja agora
u2= (x2-a2)(y2-a2)[1+ 2(x2+y2)] .
Fazendo |x=0,y=0=0 e |x=y=a/2=0
encontra-se: 1 = -(19/60)(p/a2)
e
2 = -(1/15)(p/a4)
logo
19 1 2
p
2
u2 = ( x a )( y b ) 2 2 ( x + y )
15 a 4 a
56
Mtodo da Colocao
A
57
Mtodo das Sub-Regies
58

Este mtodo similar ao mtodo da
colocao descrito anteriormente, mas
aqui em vez de zerar a funo erro em
determinados pontos, procura-se zerar a
funo residual sobre pequenas regies do
domnio, isto , divide-se o domnio em
pequenas regies, anulando a integral do
erro sobre cada regio:
d = 0,
i Ui =
59
Exemplo
60
Seja resolver
d 2u
+ 4u 4 x = 0, [ 0,1]
2
dx
dividindo o domnio em duas regies

{0 x 1/2}
e {1/2 x 1}.
61

Seja u1 = 1 ( x x 2 ) + 2 ( x 2 x 3 )
Zerando a integral do resduo em cada subregio, tem-se:
12
12
(4 x 2 4 x 2) + (4 x 3 4 x 2 6 x + 2) 4 x dx = 0
dx
=
1
2
12
12
(4 x 2 4 x 2) + (4 x 3 4 x 2 6 x + 2) 4 x dx = 0
=
dx
1
2
62
que resolvendo, encontra-se:
1 = 0.44230;
2 = 0.61538
Logo a funo de aproximao :
u1 = 0.44230 ( x x ) 0.61538( x x
2
63
Mtodo dos Mnimos

Quadrados
64
Mtodo dos Mnimos Quadrados

Neste mtodo, as funes de ponderao
so escolhidas como sendo:
i = L (i )
onde { } so funes LI e parte de um

conjunto completo. Seja ento L (u) = p ,
sendo u uma funo aproximao de u ,
com
u1 =
ii
logo o residual ser:

i
= L (u1 ) p
65

Como devemos ter o produto interno entre
o residual e as funes de ponderao,
no domnio zeradas, tem-se:
( , i ) = i d = 0
como as funes i = L (i ) , substituindo na

expresso acima, e resolvendo vem:
( , i ) = (L (u1 ) p, i ) = (L ( ii ) p, L (i )) =
= i (L (i ) , L (i )) ( p, L (i )) = 0
66

Como
(L (i ), L (i )) = L (i ) L (i ) d = L (i )
tem-se:
i L (i ) ( p, L (i )) = 0, i = 1, 2,K , n
2
67
Exemplo
68

Resolver
d2
+ 4 u 4 x = 0, x [ 0, 1]
2
dx
Soluo:
Seja u1 = 1(x-x2) + 2(x2-x3),
onde 1 = 1(x-x2) e 2 = 2(x2-x3), logo
1 L (1 ) ( p, L (1 )) = 0
2
2 L (2 ) ( p, L (2 )) = 0
2
69

cuja soluo :
1 = -110/101
e 2 = -399/449
110
399 2
2
3
u1 =
x
x
x
x
(
)
(
)
101
449
70
Mtodos dos Resduos

Ponderados
Mtodo de Galerkin
71
Mtodo de Galerkin
HMCdA1
O Mtodo de Galerkin um caso particular

do mtodo dos resduos ponderados, no
qual as funes de ponderao i so as
mesmas que as funes de aproximao i
72
Slide 72
HMCdA1
Galerkin nasceu em 1871 na Russia e foi educado em St. Petersburgo.

Seu mtodo foi introduzido em 1915, num paper sobre elasticidade. Ele foi util nos estudos dos metodos variacionais, nos estudos de Rayleigh,
Ritz e Hilbert.
Henrique Mariano Costa do Amaral; 12/2/2005
Mtodo de Galerkin
Este mtodo aproxima a soluo de um
dado conjunto de equaes diferenciais e
de suas condies de contorno pela
substituio nelas de uma ou mais funes
de verificao, as quais, em princpio,
satisfazem s condies de contorno.
73
Mtodo de Galerkin
Como as funes de verificao so, em
geral, diferentes da soluo exata, o
conjunto das equaes produz alguns
resduos. Esses resduos so ento
ponderados pelos modos de soluo
aproximada e feitos iguais a zero, sobre o
domnio. (Ver Teorema de Lax-Milgram
para o critrio de convergncia) .
74
Mtodo de Galerkin
Seja ento, o sistema de equaes:
= L (u1 ) p = 0
com as condies de contorno essenciais e

naturais G (u ) = g ; S (u ) = q sobre *, onde
.L ,
S , G
podem ser operadores
diferenciveis, integrais, integrodiferenciveis, etc.

75
Mtodo de Galerkin
Seja u 1 uma funo de aproximao
que satisfaz as condies de
contorno e formado pela combinao
de funes
pertencentes a um
conjunto linearmente independente e

completo:
u1 = ii
i =1
76
Mtodo de Galerkin
com resduo
= L (u1 ) p = L ii p
i=1
que deve ser ortogonalizado com relao

mesma funo de aproximao k
isto :
( ,k ) = k d = 0, k = 1, 2,K , n
77
Mtodo de Galerkin
Se o operador L linear, a equao acima
produz um sistema de equaes lineares do qual
se pode obter os coeficientes k
(,k ) = (L (i ))kd=
= pkd, i, k =1,2,K , n
ou na forma matricial
A = p
78
Mtodo de Galerkin
claro que a funo de aproximao u1
pertence ao espao H gerado pelas
funes {i } H . Dessa forma, o
Teorema de Lax-Milgram estabelece o
critrio de convergncia do processo.
Antes de enuncia-lo, precisa-se definir o
que um operador diferencial limitado e
um operador diferencial coercivo.
79
Mtodo de Galerkin
Um operador diferencial linear dito ser
limitado:
Se existe um > 0 tal que:
( L ( v ) , w)
v
w
H
@ v + (L (v ) , v )
, v, w H
12
80
v ), v ) v
2
H
, v
Mtodo de Galerkin
Um operador diferencial linear dito ser

coercivo:
Se existe um > 0 tal que:
(L ( v ) , v )
v
, vH
@ v + (L (v ) , v )
12
81
Mtodo de Galerkin
Teorema de Lax-Milgram:
Seja um operador diferencial linear,
limitado e coercivo, e seja um subespao
linear de . Ento existe um nico u1
pertencente a tal que
(L (u1 ) p, v ) = 0,
vV
E mais,
u1 u H inf { v u H : v 0 + V }
Onde 0 H arbitrrio e u uma soluo

fraca de (u)=p com x em ().
82
Mtodo de Galerkin
A inequao que aparece no teorema de LaxMilgram muitas vezes chamada de Lema
de Ca:
u1 u
inf { v u
: v 0 + V }
83
Mtodo de Galerkin
Exemplos
84
Mtodo de Galerkin
Exemplo
1. Resolver a equao
d u
+
u
+
x
=
0
2
dx
2
em [0,1] e com as condies
u (0) = u (1) = 0
85
Mtodo de Galerkin
Soluo
Como a funo de aproximao tem que
satisfazer as condies de contorno, tem-se:
u = x (1 x )(1 + 2 x + 3 x +K )
*
Seja como primeira aproximao
u1 = x (1 x )(1 + 2 x )
86
Mtodo de Galerkin
1
onde
. dx = 0 = L (u) p
k
1 = x (1 x )
com
2
2 = x (1 x )
logo
. dx = . x.(1 x) dx = 0
1
. dx = . x .(1 x) dx = 0
2
0
0
87
Mtodo de Galerkin
Integrando, encontra-se
que gera
71
1 =
;
369
7
2 = ;
41
71
7
u1 = x (1 x )
+ x
369 41
Cuja soluo exata :
sin ( x )
y ( x) =
x
sin (1)
88
Mtodo de Galerkin
0.08
Soluo pelo Mtodo dos

Momentos y2:
1
u = x (1 x )
(122 + 110 x )
649
Soluo pelo Mtodo de

Galerkin yg:
71
7
u1 = x (1 x )
+ x
369 41
0.06
y( x)
y2( x) 0.04
yg( x)
Soluo Exata:
y ( x) =
0.02
sin ( x )
x
sin (1)
0
0.2
0.4
0.6
0.8
89
Mtodo de Galerkin
x=
0
0.05
0.1
0.15
0.2
0.25
0.3
0.35
0.4
0.45
0.5
0.55
0.6
0.65
0.7
0.75
y2( x) =
yg( x) =
y( x) =
9.33210 -3
0.018
0.027
0.036
0.043
0.05
0.056
0.061
0.065
0.068
0.07
0.07
0.068
0.064
0.059
9.54510 -3
0.019
0.028
0.036
0.044
0.051
0.057
0.063
0.067
0.069
0.071
0.071
0.069
0.066
0.06
9.39510 -3
0.019
0.028
0.036
0.044
0.051
0.057
0.063
0.067
0.07
0.071
0.071
0.069
0.066
0.06
90
Mtodo de Galerkin
2. Encontrar uma soluo para a equao de Poisson
u= p
2
u (a ) = u (a ) = u (b) = u (b) = 0
em uma regio retangular
.
[b, b ][a, a ]
Soluo:
Para mostrar o mtodo aplicando diversos conjuntos {i }
apresentar-se- uma soluo polinomial e depois outra
trigonomtrica.
91
Mtodo de Galerkin
u = (x a
)( y b )
u = ( x a )( y b )
2
Seja
ento
e
= u p = 2 ( y b ) + 2 ( x a ) p
2
logo
( ,k ) = .k d = 0, k = 1, 2,K , n
.k d =
. udxdy =
a b
a b
2u p . udxdy = 0
92
Mtodo de Galerkin
substituindo u
na expresso anterior, sabendo-se que 1 = u
a
a b
2 ( y 2 b 2 ) + 2 ( x 2 a 2 ) p .( ( y 2 b 2 )( x 2 a 2 )) dxdy = 0
e integrando, obtm-se
5
p
= 2
2
8 (a + b )
93
Mtodo de Galerkin
logo
5 p 2
2
2
2
u= 2
y
b
x
a
(
)(
)
8 a +b
94
Mtodo de Galerkin
Seja agora
k x j y
u = jk cos
cos
2a b
k
j
funo que satisfaz as condies de
contorno e pertence a um conjunto LI, isto :
a
k x j y
=
co
s
cos
a
2a 2b jk
a
95
Mtodo de Galerkin
Fazendo
k x j y
k = cos
cos
2 a 2b
ento o produto interno
( , ) = 0
ou seja
( u p ) d = 0
96
Mtodo de Galerkin
Substituindo as expresses das funes
dadas, integrando e resolvendo tem-se:
64a b p
kj = 4
2 2
2 2
kj (k b + j a )
2 2
logo, a soluo espectral procurada :
2 2
64a b p
k x j y
u = 4
.cos
cos
2 2
2 2
2
a
2
b
k
.
j
.
k
b
j
b
+
(
)
k
j
97
Mtodo de Galerkin
Importncia e
Surpresa
98
Mtodo de Galerkin
Muitas vezes se tem equaes do tipo
u&(t ) = u (t ) , t (0,1] =
u (0) = u0
Que um problema de valor inicial, e onde
uma constante real e positiva. A soluo
do problema acima :
(t )
u (t ) = u0e
99
Mtodo de Galerkin
Sabe-se que, quase sempre, aproximaes
polinomiais para u so adotadas, como por
exemplo polinmios de Taylor ou
polinmios interpoladores; mas estes
exigem o conhecimento de u ou de suas
derivadas em determinados pontos do
intervalo (0, 1].
100
Mtodo de Galerkin
O que se precisa ento determinar uma
aproximao, podendo ser polinomial, para
u usando apenas as informaes que u
resolve a equao diferencial especificada e
tem um valor especifico num determinado
ponto.
101
Mtodo de Galerkin
Aqui entra o Mtodo de Galerkin. Assim
escolhendo {i}={ti} como base, pode-se
escrever a soluo como:
n
U (t ) = u0 + i t
i =1
Onde a parte desconhecida de U est num

subespao H0(n) de H(n) consistindo de
funes em H(n) que so nulas em t=0, isto
(n )
(n )
,
H = f : f H , f 0 =0
0
( )
102
Mtodo de Galerkin
Ento o residual do problema proposto, de
acordo com o Mtodo de Galerkin :
1
d = (U (t ) U (t )) dt = 0, H
i
(n )
0
Levando o valor da funo U na expresso

acima, lembrando que {j}={j}={tj}, se tem
n
n
j
i
i
1
i t u t t dt = 0, t (0,1]
i
0
i=1 i
i =1
1
103
Mtodo de Galerkin
Realizando as operaes necessrias e
transferindo para o lado direito os termos
envolvendo os dados iniciais, se tem:
n
i =1
i =1
j+i1
j+i
j
i
t
dt
t
dt
=
u
t
dt , j = 1, 2,K , n
i
i
0
Realizando as integrais, se tem:
u0 , j = 1, 2,K , n
i =
i + j + 1
j +1
i=1 i + j
n
104
Mtodo de Galerkin
A expresso anterior um sistema de
equaes n x n que tem soluo nica, se e
somente se, a matriz dos coeficientes A=(aij)
for inversvel e onde
i
aij =
, i, j = 1, 2,K , n
i + j i + j + 1
Para o caso de n=3 e u0 = = 1, se

encontra
U (t ) 1 + 1.03448t + 0.38793t + 0.301724t

2
105
Mtodo de Galerkin
u0 := 1
:= 1
t
u( t) := u0e
U ( t) := 1 + 1.03448 t + 0.38793 t + 0.301793 t
2.5
u ( t)
U ( t)
1.5
0.2
0.4
0.6
0.8
t
106
Mtodo de Galerkin
E( t) := u( t) U( t)
0
Erros pontuais
0.002
E ( t)
0.004
0.006
0.2
0.4
0.6
0.8
t
107
Mtodo de Galerkin
Com o intuito de simular a preciso da
soluo achada para n = 3, seja agora n
variar de 4 at 9, novas solues.
Procedendo com os passos, determina-se um
sistema n x n, como j afirmado
anteriormente, devido a discretizao da
equao diferencial. Esses sistemas,
provenientes de discretizao de ED so
muito grandes (da ordem de milhares) que
nos foram a resolv-los numericamente
utilizando, por exemplo, o mtodo de
eliminao de Gauss.
108
Mtodo de Galerkin
Utilizando uma ferramenta de manipulao

simblica MathCad determinou-se os
coeficientes i , cujos valores achados foram:
109
Mtodo de Galerkin
0.997074
0.516091
X=
0.131071
0.073727
0.166667 0.416667 0.55 0.633333
0.083333
0.3
0.433333 0.52381
A=
0.05 0.233333 0.357143 0.446429
0.033333 0.190476 0.303571 0.388889

A = 3.203773 10
Soluco EXATA x APROXIMADA

3
4 .10
2.5
3 .10
u( )
ue ( )
z( ) . 4
2 10
1 .10
1.5
Erro emtre Soluo EXATA e APROXIMADA
0
0
0.2
0.4
0.6
0.8
0.2
0.4
0.6
0.8
N=4
110
Mtodo de Galerkin
1.000189
0.49844
X = 0.172028
0.033082
0.014556
0.166667
0.083333
A = 0.05
0.033333
0.02381
0.633333 0.690476
0.55
0.416667
0.433333 0.52381 0.589286
0.3
0.233333 0.357143 0.446429 0.513889

0.190476 0.303571 0.388889 0.455556
0.160714 0.263889 0.344444 0.409091
A = 1.022116 10
12
2.5
u( )
ue ( )
5 .10
1 .10
1.5 .10
z( )
1.5
0.2
0.4
0.6
0.8
0.2
0.4
0.6
0.8
N=5
111
Mtodo de Galerkin
0.99999
0.500113
0.166116
X=
0.043
3
6.658083 10
3
2.404308 10
0.166667
0.083333
0.05
A=
0.033333
0.02381
0.017857
A = 0.00000000 10
0.416667
0.55
0.633333 0.690476 0.732143
0.433333 0.52381 0.589286 0.638889

0.233333 0.357143 0.446429 0.513889 0.566667
0.3
0.190476 0.303571 0.388889 0.455556 0.509091

0.160714 0.263889 0.344444 0.409091 0.462121
0.138889 0.233333 0.309091 0.371212 0.423077
= 4.139102 10
17
2.5
u( )
ue ( )
4 .10
2 .10
z( )
1.5
0.2
0.4
0.6
0.8
0.2
0.4
0.6
0.8
N=6
112
Mtodo de Galerkin
0.499994
0.166709
0.041524
X=
3
8.598805 10
3
1.11466 10
3.412225 10 4
0.166667
0.083333
0.05
A = 0.033333
0.02381
0.017857
0.013889
A = 0.00000000 10
0.55
0.416667
0.3
0.633333 0.690476 0.732143 0.763889
0.433333 0.52381 0.589286 0.638889 0.677778
0.190476 0.303571 0.388889 0.455556 0.509091 0.55303
0.160714 0.263889 0.344444 0.409091 0.462121 0.50641

0.138889 0.233333 0.309091 0.371212 0.423077 0.467033
0.122222 0.209091 0.280303 0.339744 0.39011 0.433333
= 2.421678 10

0
2.5
u( )
z( )
1.5
24
ue ( )
0.233333 0.357143 0.446429 0.513889 0.566667 0.609091
0.2
0.4
0.6
0.8
5 .10
1 .10
1.5 .10
2 .10
0.2
0.4
0.6
0.8
N=7
113
Mtodo de Galerkin
0.5
0.166664
0.041678
X = 8.30432 10 3
3
1.432915 10
4
1.597745 10
4.243908 10 5
0.166667
0.083333
0.05
0.033333
A=
0.02381
0.017857
0.013889
0.011111
0.416667
0.55
0.633333 0.690476 0.732143 0.763889 0.788889
0.433333 0.52381 0.589286 0.638889 0.677778 0.709091

0.233333 0.357143 0.446429 0.513889 0.566667 0.609091 0.643939
0.3
0.190476 0.303571 0.388889 0.455556 0.509091 0.55303 0.589744

0.160714 0.263889 0.344444 0.409091 0.462121 0.50641 0.543956
0.138889 0.233333 0.309091 0.371212 0.423077 0.467033 0.504762

0.122222 0.209091 0.280303 0.339744 0.39011 0.433333 0.470833
0.109091 0.189394 0.25641 0.313187 0.361905 0.404167 0.441176
A = 0.00000000 10
32
= 1.995568 10
2.5
u( )
ue ( )
z( )
1.5
0.2
0.4
0.6
0.8
5 .10
10
1 .10
1.5 .10
0.2
0.4
0.6
0.8
N=8
114
0.5
0.166668
0.041665
3
8.334519 10
X=
3
1.387478 10
4
2.01923 10
5
2.094026 10
6
4.566347 10
Mtodo de Galerkin
0.166667
0.083333
0.05
0.033333
0.02381
A=
0.017857
0.013889
0.011111
3
9.090909 10
0.416667
0.55
0.633333 0.690476 0.732143 0.763889 0.788889 0.809091
0.433333 0.52381 0.589286 0.638889 0.677778 0.709091 0.734848

0.233333 0.357143 0.446429 0.513889 0.566667 0.609091 0.643939 0.673077
0.3
0.190476 0.303571 0.388889 0.455556 0.509091 0.55303 0.589744 0.620879

0.160714 0.263889 0.344444 0.409091 0.462121 0.50641 0.543956 0.57619
0.5375
0.122222 0.209091 0.280303 0.339744 0.39011 0.433333 0.470833 0.503676
0.138889 0.233333 0.309091 0.371212 0.423077 0.467033 0.504762
0.109091 0.189394 0.25641 0.313187 0.361905 0.404167 0.441176 0.473856

0.3375
0.098485 0.173077 0.236264 0.290476

1
A = 0.00000000 10
0.378676 0.415033 0.447368

41
= 2.349389 10
3
5 .10
1 .10
1.5 .10
2 .10
2.5 .10
2.5
u( )
ue ( )
z( )
1.5
0.2
0.4
0.6
0.8
0.2
0.4
0.6
0.8
N=9
115
Mtodo de Galerkin
Parece tudo certo, mas pode-se verificar
que a partir de N = 6, o determinante da
matriz de coeficientes praticamente nulo, o
que provoca instabilidade numrica da
soluo, provocando mal-condicionamento
do sistema de equaes.
Esse mal-condicionamento devido a
similaridade entre as ltimas linhas da matriz
de coeficientes, provocadas pelas funes de
base de alta ordem, {x8, x9, ... }
116
Mtodo de Galerkin
Utilizando uma ferramenta de manipulao
numrica Matlab ou Octave a
determinao dos coeficientes i
numericamente, por mtodos que no
garantam a minimizao da norma
euclidiana do vetor de erro residual da
equao,
@ b Ax
pode ser encontrada uma soluo malcondicionada, como a mostrada a seguir:

117
Mtodo de Galerkin
Como se sabe que a soluo exata :
(t )
u (t ) = u0e
Desenvolvendo-a em srie, fazendo u0 = 1

se tem:
( )
1 2 1 3 1 4 1 5 1 6
1
7
1
8
1
9
10
1 + 1t + t + t + t +
t +
t +
t +
t +
t + O t
2
6
24
120
720
5040
40320
362880
Fazendo =1, se tem os seguintes

coeficientes exatos da serie:
118
Mtodo de Galerkin
Soluo Aproximada
152.72 K
3432.6K
32163.2 K
157267.8K
441485.8K
737459.5K
723830.3K
385203.7 K
85733.4 K
Soluo Exata
1.0000000K
0.5000000K
0.1666667 K
0.0426667 K
0.0083333K
0.0013889 K
0.0001984 K
0.0000248K
0.000002756K
119
Mtodo de Galerkin
Esses erros so provenientes tambm do
fato que os computadores armazenam
nmeros reais com uma quantidade finita de
algarismos ou dgitos.
Em geral, os sistemas de equaes lineares
obtidos da discretizao de equaes
diferenciais tendem a ser mal-condicionados,
quando se refina a malha.
120
Mtodo de Galerkin
Isso compreensvel, pelo fato de que o
refinamento da discretizao e o aumento da
preciso da aproximao fazem com que o
clculo do erro residual seja plenamente
influenciado pela preciso finito do
computador em uso.
Alm disso, o mal-condicionamento
bastante influenciado pela prpria equao
diferencial e pela escolha das funes de
ponderao e das funes geradoras do
espao de soluo.
121
Mtodo de Galerkin
As funes geradoras do espao de
soluo na forma de monmios, como
utilizado em nosso caso, levam sempre a um
mal-condicionamento devido a similaridade
dos mesmos quando o grau aumenta.
Isso devido ao fato de que monmios
no so uma base ortogonal.
122
Mtodo de Galerkin
Em geral, para melhorar o resultado e
reduzir os efeitos do mal-condicionamento,
deve-se usar funes ortogonais tanto para
a base do espao de solues quanto para
as funes de ponderao.
Um exemplo so os polinmios de
Legendre, assim definidos:
0 ( x) 1
i
i ( x ) = (1)
2i + 1 d i i
i
x (1 x ) , 1 i n
i
i ! dx
123
Mtodo de Galerkin
Os polinmios de Legendre formam uma
base ortogonal para o espao dos
polinmios em (0 , 1), Pn(0,1), com relao
ao produto interno euclidiano.
Seu uso, apesar de complicar os clculos,
minimizam os efeitos do aumento de
preciso e do refinamento da malha.
Uma outra alternativa usar polinmios
contnuos por partes.
124
Mtodo de Galerkin
Uso de Polinmios
Contnuos por Partes
125
Mtodo de Galerkin
Para estudar o Mtodo de Galerkin com
polinmios contnuos por parte, considerarse- o modelo bsico da conduo de calor
estacionrio, e ento formular-se- o mtodo
dos elementos finitos baseado em
aproximaes lineares por partes.
126
Mtodo de Galerkin
Para o modelo de conduo de calor, seja
um fio ocupando o intervalo [0, 1] que
aquecido por uma fonte de calor com
intensidade f(x).
Assim, se estar interessado na distribuio
estacionria de temperatura T(x) no fio.
127
Mtodo de Galerkin
Seja q(x) o fluxo de calor na direo positiva
do eixo dos x no fio de forma que 0 < x < 1.
A Lei de Conservao de Energia,
Energia no
caso estacionrio, requer que o fluxo de
calor lquido nos extremos de um subintervalo arbitrrio (x1, x2) de (0, 1) seja igual
ao calor produzido em (x1, x2) por unidade de
x2
tempo:
q ( x2 ) q ( x1 ) = f ( x ) dx
x1
128
Mtodo de Galerkin
Do Teorema Fundamental do Clculo se
x2
tem:
q ( x2 ) q ( x1 ) = qx ( x ) dx
x1
Donde se pode concluir que:

x2
x2
q ( x) dx =
x
x1
f ( x ) dx
x1
E como o intervalo (x1, x2) arbitrrio, ento
qx ( x ) = f ( x ) , x (0, 1)
129
Mtodo de Galerkin
A igualdade anterior expressa a equao

diferencial da conservao de energia.
O que se precisa agora algo que relacione o
fluxo de calor q com o gradiente de
temperatura Tx. Esse algo a equao
constitutiva do fluxo de calor, conhecida
como Lei de Fourier:
dT
q ( x ) = k ( x )Tx ( x ) Tx =
dx
Onde k(x) a condutividade trmica.
130
Mtodo de Galerkin
Assim se tem:
qx ( x ) = f ( x ) , x (0, 1)
dT
q ( x ) = k ( x )Tx ( x ) Tx =
dx
Combinando essas duas equaes, se
encontra a eq. Unidimensional da conduo
de calor estacionria:
d
qx ( x ) = (k ( x )Tx ( x )) = f ( x ) , x (0, 1)
dx
131
Mtodo de Galerkin
A equao anterior tem uma soluo nica,
quando a ela est associada condies de
contorno como, por exemplo, as condies
homogneas de Dirichlet:
T (0) = T (1) = 0
que corresponde a temperatura zero nos
pontos extremos do fio. Dessa forma, o
resultado um problema de valor de
contorno de dois pontos:
(k ( x )Tx ( x ))x = f ( x ) , x (0, 1)
T (0) = T (1) = 0
132
Mtodo de Galerkin
Desta forma, o que se quer agora resolver
o problema a seguir, com k(x)=1 :
L (T ) = Txx ( x ) = f ( x ) , x (0, 1)
= Txx ( x ) f ( x )
T (0) = T (1) = 0
de forma numrica com uso do mtodo (dos
elementos finitos) de Galerkin com
polinmios contnuos por parte.
133
Mtodo de Galerkin
Para isso, precisamos discretizar o espao de

definio do problema. Essa discretizao
consiste em construir uma partio de I=(0,1)
em sub-intervalos
I j = ( x j1 , x j ) T h h j = x j x j1
de modo que a partio de (0,1)
T h : 0 = x0 < x1 < L < xM < xM +1 = 1

onde hj o comprimento de cada subintervalo Ij , e T h a partio onde ser
definida as funes contnuas por parte.
134
Mtodo de Galerkin
Sejam os conjuntos de funes lineares

contnuas por parte { i } sobre T h , que so
nulas em x = 0 e x = 1:
(n )
Wh = : I P ( I i ) , i = 1, 2,K , M + 1
i
(n )
(n)
Vh = Wh : contnua sobre I
Observar que a notao I significa que

restrita ao intervalo Ii , isto uma funo
(n )
definida sobre Ii , e que
P ( I i ) o conjunto
n
dos polinmios p ( x ) = ci x i de grau<n sobre I.
i
i =0
135
Mtodo de Galerkin
{ i }
Th
Lembrar que no Mtodo de Galerkin as

funes de ponderao so tiradas do
conjunto das funes de aproximao, por
isso se toma Vh como um subconjunto de
Wh, conforme definido no slide anterior e
reproduzido abaixo:
(n )
Wh = : I P n ( I i ) , i = 1, 2,K , M + 1
(n )
(n)
Vh = Wh : contnua sobre I
}
136
Mtodo de Galerkin
(n )
Uma base para Wh pode ser construda

pela combinao para i = 1, ... , M+1, do
conjunto de funes que so iguais s
(n )
funes base de P ( I i ) para xi1 < x < xi e nulas
no restante. Assim, para constru-la toma-se
como base para P(n) ( I i ) a seguinte:
x xi
i ,0 (0 ) =
xi1 xi
x xi1
i ,1 (0 ) =
xi xi1
137
Mtodo de Galerkin
A partir das funes anteriores, pode-se
(1)
definir que as funes base de Wh so:
x [ xi1 , xi ]
0,
i, j ( x) =
i , j ( x ) , x [ xi1 , xi ]
i = 1, 2,K , M + 1; j = 0,1
138
Mtodo de Galerkin
A construo da base para o espao Vh(n) de
polinmios contnuos por partes um pouco
mais trabalhosa, face as funes local de
base de Lagrange sobre cada sub-intervalo
ter que ser rearranjado de modo que as
funes resultantes sejam contnuas sobre
(0,1). No caso de n = 1 se obtm funes
(1)
V
{
}
tipo chapu ou seja as funes nodais i
h
139
Mtodo de Galerkin
x xi1
i ( x) =
xi xi1
x xi+1
xi xi+1
x xi1 , xi+1
x [ xi1 , xi ]
x xi , xi+1
140
Mtodo de Galerkin
(1)
(1)
Como Vh Wh que por sua vez um

subespao vetorial de dimenso finita M com
base consistindo das funes { } . As
coordenadas de uma funo v Vh na citada
base so os valores v ( x j ) nos pontos
interiores x j , j = 1, 2,K , M e uma funo v Vh
pode ser escrita da seguinte forma:
M
j =1
v ( x ) = v ( x j ) ( x )
j =1
141
Mtodo de Galerkin
Note que devido a que v Vh ser nula em x

= 0 e em x = 1, no foi includo na base de Vh
as funes 0 e M +1
142
Mtodo de Galerkin
Mas de fato, se estar interessado em
solucionar o problema:
L (T ) = Txx ( x ) = f ( x ) , x (0, 1)
T (0) = T (1) = 0
pelo mtodo de Galerkin, donde se tem:
1
vdx = (T
xx
f ) vdx = 0, v
( ) = L (T ( )) f
e v = v ( )
143
Mtodo de Galerkin
Como foram construdas, as funes v em Vh
no tm 2 derivada; assim no podemos
simplesmente coloca-las como funes de
aproximao de T no espao Vh. Essa
dificuldade precisa ser contornada. Para isso,
deve-se usar a integrao por parte para
mover uma derivada de Txx sobre v ,
assumindo que v seja diferencivel e mais
que v(1) = 0 e v(0) = 0:
1
Txx vdx = Tx (1) v (1) + Tx (0) v (0) + Tx v x dx = Tx v x dx

0
0
144
Mtodo de Galerkin
Dessa forma, o problema original:
1
L (T ) = Txx ( x ) = f ( x ) , x (0, 1) vdx = (Txx f ) vdx = 0

0
T (0) = T (1) = 0
Foi transformado no seguinte problema

variacional: determine T com T(0)=T(1)=0,
tal que:
1
T v dx =
x x
f vdx, v Vh v (0) = v (1) = 0
(1)
145
Mtodo de Galerkin
Usando as funes de base
para aproximar T, se tem:
{ j } j=1
M
tipo chapu
T ( x ) = j j
j =1
Levando na expresso (1) anterior se tem:

1
( )
j
j =1
j x
v x dx = f vdx, v Vh
0
146
Mtodo de Galerkin
Como j foi visto, as funes de ponderao
so as mesmas que as funes de
aproximao; como se tem M incgnitas j a
serem determinados pode-se usar o mesmo
conjunto de funes { } para ponderar, e
assim obter M x M equaes lineares:
M
( ) ( )
j
j =1
j x
i x
j =1
dx = f i dx, i = 1, 2,K , M
0
147
Mtodo de Galerkin
A equao anterior pode ser colocada na
forma matricial A = b onde o vetor
das incgnitas ou coeficientes a determinar,
A a matriz de rigidez de dimenso MxM e b
o vetor de cargas, definidos respectivamente
1
por:
aij = ( j ) ( i )x dx
x
0
1
bi = f i dx
0
148
Mtodo de Galerkin
Para se encontrar os coeficientes de T,
primeiro se acha a matriz de rigidez A e o
vetor de carga b.
Notar que na matriz de rigidez A, os
elementos aij so nulos a menos que i = j-1,
i = j ou i = j+1 devido a que ou i ( x ) ou
. j ( x ) ser nulo em cada sub-intervalo onde
ocorre a integrao
149
Mtodo de Galerkin
x
x
(
i1 )
, xi1 x xi
hi
i ( x ) ( xi+1 x )
, xi x xi+1
hi+1
0 fora dos limites acima
150
Mtodo de Galerkin
, xi1 x xi
hi
( i ( x ))x 1 , x x x
i
i+1
h
i+1
0 fora dos limites acima
Assim a integrao dos elementos aij fica:

xi
aij =
xi1
xi +1
ai ,i+1 =
xi
xi
ai1,i =
xi1
2
xi +1
1
1
1
1
dx +
h dx = h + h
h
i
i +1
i
i+1
x
2
1
1 1
dx =
hi+1 hi+1
hi+1
1
1 1
dx =
hi hi
hi
151
Mtodo de Galerkin
O clculo dos coeficientes de b feito de
maneira similar:
xi
bi =
xi1
xi +1
xi+1 x
x xi1
f ( x)
dx + f ( x )
dx, i = 1, 2,K , M
hi
hi+1
x
i
A seguir, usando a teoria desenvolvida,

resolver-se- um problema.
152
Mtodo de Galerkin
EXEMPLO
153
Mtodo de Galerkin
Seja o seguinte problema:
L (T ) = Txx ( x ) = f ( x ) , x (0, 1)
T (0) = T (1) = 0
5( x0.5)
f ( x ) = 10 1 10 ( x 0.5) e
2
cuja soluo exata :

5( x0.5)
T ( x) = e
5 4
154
Mtodo de Galerkin
Soluo Exata
0.8
0.75
0.7
0.65
0.6
0.55
0.5
T ( x)
0.45
0.4
0.35
0.3
0.25
0.2
0.15
0.1
0.05
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
x
155
Mtodo de Galerkin
Neste exemplo, f(x) varia completamente

sobre o intervalo, assim a malha esperada
para se aplicar o mtodo computacional deve
ser eficiente com um nmero mnimo de
pontos nodais. Seja uma malha uniforme
sobre o domnio, com h=0.1, de modo que
u U
L2 (0,1)
h1 = h16 0.2012
h2 = h15 0.0673
h3 = h14 0.0493
h4 = h13 0.0417
h5 = h12 0.0376
h6 = h11 0.0353
h = h 0.0341
h8 = h9 0.0335
10
Prof. Henrique Mariano7 C. Amaral
156
Mtodo de Galerkin
Uma escolha de malha que minimize

com M=16 :
u U
L2 (0,1)
h1 = h16 0.2012
h2 = h15 0.0673
h3 = h14 0.0493
h4 = h13 0.0417
h5 = h12 0.0376
h6 = h11 0.0353
h7 = h10 0.0341
h8 = h9 0.0335
157
Mtodo de Galerkin
158
Mtodo de Galerkin
159
Mtodo de Galerkin
160
Mtodo de Galerkin
161
Mtodo de Galerkin
162
Mtodo de Galerkin
163
Mtodo de Galerkin
164
Mtodo de Galerkin
165
Mtodo de Galerkin
166
Mtodo de Galerkin
167
Mtodo de Galerkin
168
Mtodo de Galerkin
169
Mtodo de Galerkin
170
Mtodo de Galerkin
171
Mtodo de Galerkin
172
Mtodo de Galerkin
173
Mtodo de Galerkin
174
Mtodo de Galerkin
175
Mtodo de Galerkin
176
Mtodo de Galerkin
177
Mtodo de Galerkin
178
Mtodo de Galerkin
179
Mtodo de Galerkin
180
Mtodo de Galerkin
181

ACE 04 02 MRP Método Dos Resíduos Ponderados

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

ACE 04 02 MRP Método Dos Resíduos Ponderados

Uploaded by

Copyright:

Available Formats

Aplicao de Computadores a Engenharia

Prof. Henrique Mariano C. Amaral

Mtodo dos Resduos

Prof. Henrique Mariano C. Amaral

Aplicao de Computadores a Engenharia

The best world has the greatest

Prof. Henrique Mariano C. Amaral

Aplicao de Computadores a Engenharia

Mtodos dos Resduos Ponderados

So mtodos de aproximao utilizados para

Aplicao de Computadores a Engenharia

Mtodos dos Resduos Ponderados

Seja um operador de um processo

Prof. Henrique Mariano C. Amaral

Aplicao de Computadores a Engenharia

Mtodos dos Resduos Ponderados

e seja a definio de produto escalar ou

Prof. Henrique Mariano C. Amaral

Aplicao de Computadores a Engenharia

Mtodos dos Resduos Ponderados

Aplicao de Computadores a Engenharia

Mtodos dos Resduos Ponderados

L (u ).v.d = u.L* ( v ).d +

Prof. Henrique Mariano C. Amaral

Aplicao de Computadores a Engenharia

Mtodos dos Resduos Ponderados

Aplicao de Computadores a Engenharia

Mtodos dos Resduos Ponderados

Aplicao de Computadores a Engenharia

Mtodos dos Resduos Ponderados

Prof. Henrique Mariano C. Amaral

Aplicao de Computadores a Engenharia

Mtodos dos Resduos Ponderados

Prof. Henrique Mariano C. Amaral

Aplicao de Computadores a Engenharia

Mtodos dos Resduos Ponderados

positivo-definido em operadores tambm pode

Aplicao de Computadores a Engenharia

Mtodos dos Resduos Ponderados

Prof. Henrique Mariano C. Amaral

Aplicao de Computadores a Engenharia

Mtodos dos Resduos Ponderados

Sejam u e duas funes quaisquer, ento

que comparando com (1)(pag 7) vemos que autoadjunto. Note que:

Prof. Henrique Mariano C. Amaral

Aplicao de Computadores a Engenharia

Mtodos dos Resduos Ponderados

A condio de contorno essencial

e a condio de contorno natural

Se u = v e condies de contorno homogneas

Prof. Henrique Mariano C. Amaral

Aplicao de Computadores a Engenharia

Mtodos dos Resduos Ponderados

3. Investigue as propriedades do operador .

integrando por parte a expresso acima, quatro

Prof. Henrique Mariano C. Amaral

Aplicao de Computadores a Engenharia

Mtodos dos Resduos Ponderados

Colocando a expresso anterior na

logo, as condies de contorno essenciais

1(u) = u e 2(u) = du/dx

e as condies de contorno naturais so:

1(u) = d3u/dx3 e 2(u) = d2u/dx2 prescritas.

Aplicao de Computadores a Engenharia