Notas de C´ alculo Num´ erico

Resoluc¸ ˜ ao Num´ erica de Equac¸ ˜ oes Diferenciais Parciais
1
Prof. Valent´ın Mendoza
Universidade Federal de Vic¸osa
Dezembro 2013.
1
Coment´ arios, cr´ıticas e sugest ˜ oes podem ser encaminhadas ao email valentin@ufv.br. Seremos gratos
a quem comunicar os erros de qualquer natureza encontrados no texto.
1 Resoluc¸ ˜ ao Num´ erica de Equac¸ ˜ oes Diferenciais Parciais
1.1 Introduc¸ ˜ ao
As Equac¸ ˜ oes Diferenciais Parciais (edp’s) frequentemente aparecem em fenˆ omenos
f´ısicos, como transferencia de calor, vibrac¸ ˜ oes de cordas, dinˆ amica de fluidos, e em
problemas de economia, qu´ımica e biologia. Em geral ´ e dif´ıcil resolver uma edp por
t´ ecnicas anal´ıticas, mas em alguns casos podemos determinar uma soluc¸ ˜ ao envolvendo
s´ eries de potˆ encias. Nesta sec¸ ˜ ao apresentaremos m´ etodos num´ ericos para resolver edp’s
parab´ olicas e el´ıpticas.
1.2 Preliminares
1.2.1 Equac¸ ˜ oes Diferenciais Parciais
Consideraremos uma equac¸ ˜ ao diferencial parcial (edp) de segunda ordem da forma
au
tt
+ bu
tx
+ cu
xx
= f (1)
em que u ´ e uma func¸ ˜ ao desconhecida dependente de x e t, e a, b, c e f s˜ ao func¸ ˜ oes dadas.
Se estas func¸ ˜ oes dependem s´ o de x e t ent˜ ao a edp ´ e chamada linear. Se a, b, c ou f
dependem tamb´ em de u, u
x
e u
t
, ent˜ ao a edp ´ e chamada quase-linear.
Podemos classificar uma equac¸ ˜ ao quase-linear de segunda ordem em trˆ es tipos:
(a) Se b
2
− 4ac > 0, a equac¸ ˜ ao ´ e chamada hiperb´ olica.
(b) Se b
2
− 4ac = 0, a equac¸ ˜ ao ´ e chamada parab´ olica.
(c) Se b
2
− 4ac < 0, a equac¸ ˜ ao ´ e chamada el´ıptica.
Exemplo 1.1. O primeiro exemplo que apresentaremos ´ e a Equac¸ ˜ ao da Onda:
u
tt
= α
2
u
xx
+ F(x, t)
que governa o movimento de uma onda sobre uma corda de comprimento L. α ´ e uma
constante e F(x, t) uma func¸ ˜ ao de duas vari´ aveis. u(x, t) ´ e a altura da onda no ponto x e
no tempo t. Como a = 1, b = 0 e c = −α
2
, obtemos que b
2
− 4ac = 4α
2
> 0 e assim esta
equac¸ ˜ ao ´ e hiperb´ olica.
Exemplo 1.2. A Equac¸ ˜ ao de Difus˜ ao do Calor ´ e
u
t
= αu
xx
´ e uma equac¸ ˜ ao quase-linear parab´ olica de segunda ordem desde que a = b = 0 e c = −α,
e assim b
2
−4ac = 0. A func¸ ˜ ao u(x, t) representa a temperatura de uma barra de metal no
ponto x e no tempo t.
2
Exemplo 1.3. A Equac¸ ˜ ao de Poisson dada por
u
xx
+ u
yy
= F(x, y)
´ e uma equac¸ ˜ ao el´ıptica desde que a = c = 1, b = 0 e b
2
− 4ac = −4 < 0. Se F(x, y) = 0 a
equac¸ ˜ ao de Poisson ´ e chamada equac¸ ˜ ao de Laplace.
1.2.2 Aproximac¸ ˜ oes da primeira e da segunda derivada
Precisaremos de algumas f ´ ormulas para aproximar as derivadas. Suponhamos que
f : I →R ´ e uma func¸ ˜ ao real. Como
f

(x) = lim
x→∞
f (x + h) − f (x)
h
podemos, se h for pequeno, aproximar a derivada pela f ´ ormula, denominada diferenc¸a
progressiva:
f

(x) ≈
f (x + h) − f (x)
h
.
Outra maneira de aproximar a derivada ´ e mediante a diferenc¸a regressiva:
f

(x) ≈
f (x) − f (x − h)
h
Finalmente, pode aproximar a derivada fazendo a m´ edia das diferenc¸as progressivas e
regressivas:
f

(x) ≈
f (x + h) − f (x − h)
2h
chamada aproximac¸ ˜ ao por diferenc¸as centrais. A derivada segunda de f tamb´ em pode
ser aproximada mediante a f ´ ormula:
f

(x) ≈
f

(x + h) − f

(x)
h
Utilizando diferenc¸as regressivas, segue:
f

(x) ≈
f (x+h)−f (x)
h

f (x)−f (x−h)
h
h
=
f (x + h) − 2 f (x) + f (x − h)
h
2
.
Observac¸˜ ao 1.1. As f ´ ormulas anteriores podem ser utilizadas para aproximar as
derivadas de u em relac¸ ˜ ao a t e a x. Estas aproximac¸ ˜ oes s˜ ao:
(i) Diferenc¸as Progressivas:
u
t
(x, t) ≈
u(x, t + h) − u(x, t)
h
. (2)
3
(ii) Diferenc¸as Regressivas:
u
t
(x, t) ≈
u(x, t) − u(x, t − h)
h
. (3)
(iii) Diferenc¸as Centrais:
u
t
(x, t) ≈
u(x, t + h) − u(x, t − h)
2h
. (4)
(iv) Derivadas Segundas:
u
xx
(x, t) ≈
u(x + h, t) − 2u(x, t) + u(x − h, t)
h
2
. (5)
1.3 Equac¸ ˜ oes Parab´ olicas
1.3.1 O modelo de Equac¸ ˜ ao Parab´ olica
O modelo de equac¸ ˜ ao parab´ olica que trabalharemos ´ e a equac¸ ˜ ao da difus˜ ao do calor:
u
t
= αu
xx
que governa a evoluc¸ ˜ ao da temperatura de uma barra de metal de tamanho L. Supondo
que est´ a barra ´ e muito fina, podemos considerar que a temperatura ´ e constante na
sec¸ ˜ ao tranversal situada a uma distˆ ancia x. Dessa forma, a func¸ ˜ ao u(x, t) representa a
temperatura da barra na sec¸ ˜ ao transversal no ponto x, 0 ≤ x ≤ L, e no tempo t.
Figura 1: Barra de metal.
Para resolver est´ a edp precisamos de certas condic¸ ˜ oes. Com o intuito de saber
como evolui a temperatura da barra, devemos conhecer a temperatura inicial, ou seja, a
temperatura no tempo t = 0, isto ´ e u(x, 0). Assim, suponhamos que a temperatura inicial
´ e dada por uma func¸ ˜ ao cont´ınua ψ(x):
u(x, 0) = ψ(x), se 0 ≤ x ≤ L.
A condic¸ ˜ ao anterior ´ e conhecida como Condic¸ ˜ ao Inicial. Alem disso, para resolver a
equac¸ ˜ ao precisamos especificar a temperatura nos extremos da barra em cada tempo t,
4
ou seja, devemos conhecer u(0, t) e u(L, t). Assim, suponhamos que
u(0, t) = f (t) e u(L, t) = g(t),
emque f (t) e g(t) s˜ aofunc¸ ˜ oes cont´ınuas. Estas condic¸ ˜ oes s˜ aoconhecidas comoCondic¸ ˜ oes
de Fronteira. Desejamos conhecer o valor de u(x, t) num certo tempo t = T dado.
Dessa forma, resolver a equac¸ ˜ ao significa encontrar uma func¸ ˜ ao u(x, y) que satisfaz:
u
t
= αu
xx
(6)
sujeita ` a
_
¸
¸
¸
¸
_
¸
¸
¸
¸
_
u(x, 0) = ψ(x), 0 ≤ x ≤ L (Condic¸ ˜ ao Inicial)
u(0, t) = f (t), 0 ≤ t ≤ T (Condic¸ ˜ ao de Fronteira)
u(L, t) = g(t), 0 ≤ t ≤ T (Condic¸ ˜ ao de Fronteira)
(7)
Este problema ´ e chamado Problema de Dirichlet.
1.3.2 Discretizac¸ ˜ ao
Resolver numericamente uma edp significa encontrar aproximac¸ ˜ oes da soluc¸ ˜ ao u(x, t)
num conjunto finito de pontos do dom´ınio R = {(x, t) : 0 ≤ x ≤ L, 0 ≤ t ≤ T}. Para
isso precisamos discretizar R. Escolhemos dois inteiros positivos N e M e dividimos o
intervalo [0, L] em N sub-intervalos, e o intervalo [0, T] em M sub-intervalos.
Figura 2: Discretizac¸ ˜ ao do Dom´ınio.
Definindo
h =
L
N
e k =
T
M
, (8)
o intervalo espacial [0, L] fica dividido em N + 1 pontos
5
x
i
= ih, para todo i = 0, ..., N; (9)
e o intervalo temporal [0, T] fica dividido em M+ 1 pontos
t
j
= jk, para todo j = 0, ..., M. (10)
Na Figura (2) apresentamos a malha no caso N = 4 e M = 3.
1.3.3 M´ etodo Expl´ıcito
Precisamos da seguinte definic¸ ˜ ao.
Seja U
i, j
a aproximac¸ ˜ ao de u no ponto (x
i
, t
j
):
U
i, j
≈ u(x
i
, t
j
). (11)
Pelas condic¸ ˜ oes (7), conhecemos o valor de U
i, j
quando j = 0, i = 0 e i = N, isto ´ e:
(C1) U
i,0
= u(x
i
, t
0
) = u(x
i
, 0) = ψ(x
i
), para todo i = 0, · · · N;
(C2) U
0, j
= u(x
0
, t
j
) = u(0, t
j
) = f (t
j
), para todo j = 0, · · · M;
(C3) U
N, j
= u(x
N
, t
j
) = u(L, t
j
) = g(t
j
), para todo j = 0, · · · M.
Em outras palavras conhecemos os valores de u(x, t) nos pontos que est˜ ao no bordo do
dom´ınio R, ou seja, os pontos em azul na Figura 2.
Nosso objetivo ser´ a determinar os valores da aproximac¸ ˜ ao da temperatura U
i, j
nos
pontos internos da discretizac¸ ˜ ao (os pontos em vermelho na Figura 2).
No M´ etodo expl´ıcito aproximamos a derivada u
t
usando diferenc¸as progressivas e
as f ´ ormulas da observac¸ ˜ ao 1.1. Assim a discretizac¸ ˜ ao da equac¸ ˜ ao
u
t
= αu
xx
no ponto (x
i
, t
j
) ´ e a seguinte:
u(x
i
, t
j
+ k) − u(x
i
, t
j
)
k
≈ α
_
u(x
i
+ h, t
j
) − 2u(x
i
, t
j
) + u(x
i
− h, t
j
)
h
2
_
ou
u(x
i
, t
j+1
) − u(x
i
, t
j
)
k
≈ α
_
u(x
i+1
, t
j
) − 2u(x
i
, t
j
) + u(x
i−1
, t
j
)
h
2
_
6
Introduzindo as aproximac¸ ˜ oes U
i, j
, obtemos:
U
i, j+1
− U
i, j
k
= α
_
U
i+1, j
− 2U
i, j
+ U
i−1, j
h
2
_
Se
σ =

h
2
,
segue ent˜ ao que
Para j = 0, · · · , N − 1 e i = 1, · · · , N − 1
U
i, j+1
= σU
i+1, j
+ (1 − 2σ)U
i, j
+ σU
i−1, j
. (12)
Da f ´ ormula anterior, os valores U
i, j+1
nos pontos da linha j + 1 s˜ ao uma combinac¸ ˜ ao de
trˆ es valores U
i+1, j
, U
i, j
e U
i−1, j
em pontos da linha j. A Figura (3) mostra uma mol´ ecula
computacional do m´ etodo expl´ıcito.
Figura 3: Uma mol´ ecula computacional no m´ etodo expl´ıcito.
Se, por exemplo, j = 0,
U
i,1
= σU
i+1,0
+ (1 − 2σ)U
i,0
+ σU
i−1,0
, em i = 1, · · · N − 1.
Como conhecemos os valores U
i,0
, para i = 0, · · · , N, pelas condic¸ ˜ oes C1, C2 e C3,
podemos determinar diretamente todos os valores dos U
i,1
.
A ideia do m´ etodo expl´ıcito ´ e encontrar os valores da linha j = 1 por c´ alculo direto
usando os valores da linha j = 0. Procedendo otra vez, obtemos os valores da linha
j = 2 usando os valores da linha j = 1. E assim sucessivamente, at´ e chegar a linha
j = M que corresponde ao valor de t = T.
7
Definic¸ ˜ ao 1.1. Um m´ etodo num´ erico ´ e chamado est´ avel quando os erros cometidos na
etapa j n˜ ao se incrementam na etapa j + 1.
O M´ etodo Expl´ıcito ´ e est´ avel s´ o quando
σ ≤
1
2
.
Para garantir a estabilidade deste m´ etodo sempre escolheremos h e k de forma que
2αk < h
2
. (13)
Exemplo 1.4. Resolva numericamente a equac¸ ˜ ao parab´ olica:
u
t
= u
xx
sujeita ` a
_
¸
¸
¸
¸
_
¸
¸
¸
¸
_
u(x, 0) = x +
1
2
sin(2πx), 0 ≤ x ≤ 1 (Condic¸ ˜ ao Inicial)
u(0, t) = 0, 0 ≤ t ≤ T (Condic¸ ˜ ao de Fronteira)
u(1, t) = 1, 0 ≤ t ≤ T (Condic¸ ˜ ao de Fronteira)
Considere N = 5 e k =
1
60
. Determine as duas linhas correspondentes a j = 1 e j = 2.
Soluc¸ ˜ ao:
Observe que α = 1, h =
1
5
e σ =
αk
h
2
=
5
12
e as func¸ ˜ oes
ψ(x) = x +
1
2
sin(2πx), f (t) = 0, g(t) = 1.
Os valores x
i
para i = 0, · · · , 5 s˜ ao:
x
0
= 0, x
1
=
1
5
, x
2
=
2
5
, x
3
=
3
5
, x
4
=
4
5
, x
5
= 1.
Se j = 1, t
1
=
1
60
e se j = 2, t
2
=
2
60
=
1
30
.
Da condic¸ ˜ ao C1 obtemos U
i,0
= u(x
i
, 0) = ψ(x
i
). Assim
U
0,0
= 0, U
1,0
= 0, 67552, U
2,0
= 0, 69389, U
3,0
= 0, 30610, U
4,0
= 0, 32447, U
5,0
= 1.
Al´ em disso, das condic¸ ˜ oes C1 e C2 segue
U
0,1
= f (t
1
) = 0, U
0,2
= f (t
2
) = 0,
8
U
3,1
= g(t
1
) = 1, U
3,2
= g(t
2
) = 1.
Se j = 0, obtemos as aproximac¸ ˜ oes no tempo t
1
=
1
60
. Das equac¸ ˜ oes (12), obtemos
U
1,1
= σU
2,0
+ (1 − 2σ)U
1,0
+ σU
0,0
= (
5
12
)(0, 69389) + (
1
6
)(0, 67552) + (
5
12
)(0) = 0, 40170
U
2,1
= σU
3,0
+(1 −2σ)U
2,0
+σU
1,0
= (
5
12
)(0, 30610) +(
1
6
)(0, 69389) +(
5
12
)(0, 67552) = 0, 52465
U
3,1
= σU
4,0
+(1 −2σ)U
3,0
+σU
2,0
= (
5
12
)(0, 32447) +(
1
6
)(0, 30610) +(
5
12
)(0, 69389) = 0, 47533
U
4,1
= σU
5,0
+ (1 − 2σ)U
4,0
+ σU
3,0
= (
5
12
)(1) + (
1
6
)(0, 32447) + (
5
12
)(0, 30610) = 0, 59828.
Se j = 1 obtemos as aproximac¸ ˜ oes no tempo t
2
=
2
60
. Segue, das equac¸ ˜ oes (12),
que
U
1,2
= σU
2,1
+ (1 − 2σ)U
1,1
+ σU
0,1
= (
5
12
)(0, 52465) + (
1
6
)(0, 40170) + (
5
12
)(0) = 0, 28555
U
2,2
= σU
3,1
+(1 −2σ)U
2,1
+σU
1,1
= (
5
12
)(0, 47533) +(
1
6
)(0, 52465) +(
5
12
)(0, 40170) = 0, 45287
U
3,2
= σU
4,1
+(1 −2σ)U
3,1
+σU
2,1
= (
5
12
)(0, 59828) +(
1
6
)(0, 47533) +(
5
12
)(0, 52465) = 0, 54710
U
4,2
= σU
5,1
+ (1 − 2σ)U
4,1
+ σU
3,1
= (
5
12
)(1) + (
1
6
)(0, 59828) + (
5
12
)(0, 47533) = 0, 71443.
Na Figura (4) mostramos as soluc¸ ˜ oes num´ ericas para u(x, t) nos tempos t
1
e t
2
.
Condição Inicial
Figura 4: Condic¸ ˜ ao inicial e soluc¸ ˜ oes num´ ericas para a equac¸ ˜ ao do Exemplo 1.4.
9
1.3.4 O M´ etodo Impl´ıcito
Consideraremos o mesmo modelo de equac¸ ˜ ao parab´ olica:
u
t
= αu
xx
(14)
sujeita ` a
_
¸
¸
¸
¸
_
¸
¸
¸
¸
_
u(x, 0) = ψ(x), 0 ≤ x ≤ L (Condic¸ ˜ ao Inicial)
u(0, t) = f (t), 0 ≤ t ≤ T (Condic¸ ˜ ao de Fronteira)
u(L, t) = g(t), 0 ≤ t ≤ T (Condic¸ ˜ ao de Fronteira)
(15)
e utilizaremos a mesma discretizac¸ ˜ ao do m´ etodo expl´ıcito da sec¸ ˜ ao (1.3.2).
O M´ etodo Implic´ıto ´ e obtido substituindo as diferenc¸as regressivas, da Observac¸ ˜ ao
1.1, para aproximar u
t
na equac¸ ˜ ao (14). Assim, a discretizac¸ ˜ ao da equac¸ ˜ ao no ponto
(x
i
, t
j
) ´ e:
u(x
i
, t
j
) − u(x
i
, t
j
− k)
k
≈ α
_
u(x
i
+ h, t
j
) − 2u(x
i
, t
j
) + u(x
i
− h, t
j
)
h
2
_
Assim
u(x
i
, t
j
) − u(x
i
, t
j−1
)
k
≈ α
_
u(x
i+1
, t
j
) − 2u(x
i
, t
j
) + u(x
i−1
, t
j
)
h
2
_
Substituindo a aproximac¸ ˜ ao U
i, j
≈ u(x
i
, t
j
) obtemos:
U
i, j
− U
i, j−1
k
≈ α
_
U
i+1, j
− 2U
i, j
+ U
i−1, j
h
2
_
De novo, se σ =
αk
h
2
, obtemos
Para j = 1, · · · , M e i = 1, · · · , N − 1
U
i, j−1
= −σU
i+1, j
+ (1 + 2σ)U
i, j
− σU
i−1, j
. (16)
Neste caso U
i, j−1
´ e uma combinac¸ ˜ ao linear de trˆ es aproximac¸ ˜ oes U
i+1, j
, U
i, j
e U
i−1, j
.
Isto ´ e, a linha j − 1 depende da linha j. A mol´ ecula computacional ´ e:
Figura 5: Uma mol´ ecula computacional no m´ etodo impl´ıcito.
Repare que n˜ aopodemos calcular diretamente os valores U
i, j
da linha j pois a equac¸ ˜ ao
10
(16) envolve dois ou trˆ es valores desconhecidos. Por´ em, fixando j, podemos considerar
as equac¸ ˜ oes para i = 1, · · · , N − 1,
_
¸
¸
¸
¸
¸
¸
¸
¸
_
¸
¸
¸
¸
¸
¸
¸
¸
_
U
1, j−1
= −σU
2, j
+ (1 + 2σ)U
1, j
− σU
0, j
U
2, j−1
= −σU
3, j
+ (1 + 2σ)U
2, j
− σU
1, j
.
.
.
.
U
N−1, j−1
= −σU
N, j
+ (1 + 2σ)U
N−1, j
− σU
N−2, j
.
(17)
que constituem um sistema de equac¸ ˜ oes lineares.
Supondo que conhecemos os valores de U
i, j−1
, para i = 0, · · · , N, podemos substitu´ı-
los no sistema (17) para obter um sistema da forma
_
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
_
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
_
−σU
2, j
+ (1 + 2σ)U
1, j
= U
1, j−1
+ σU
0, j
−σU
3, j
+ (1 + 2σ)U
2, j
− σU
1, j
= U
2, j−1
.
.
.
−σU
N−1, j
+ (1 + 2σ)U
N−2, j
− σU
N−3, j
= U
N−2, j−1
(1 + 2σ)U
N−1, j
− σU
N−2, j
= U
N−1, j−1
+ σU
N, j
(18)
cujas inc´ ognitas s˜ ao justamente os valores de {U
1, j
, U
2, j
, · · · , U
N−1, j
} correspondente ` a
linha j. Isto ´ e, os valores da linha j dependem implicitamente dos valores na linha j −1
pelas equac¸ ˜ oes (17).
Lembrando que U
0, j
= f (t
j
) e U
N, j
= g(t
j
), o sistema linear (18) pode-se escrever em
forma matricial na forma:
_
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
_
1 + 2σ −σ 0 · · · 0
−σ 1 + 2σ −σ · · · 0
0 −σ 1 + 2σ · · · 0
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0 0 · · · 1 + 2σ −σ
0 0 · · · −σ 1 + 2σ
_
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
_
_
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
_
U
1, j
U
2, j
U
3, j
.
.
.
U
N−2, j
U
N−1, j
_
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
_
=
_
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
_
U
1, j−1
+ σf (t
j
)
U
2, j−1
U
3, j−1
.
.
.
U
N−2, j−1
U
N−1, j−1
+ σg(t
j
)
_
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
_
(19)
que ´ e o sistema do M´ etodo Impl´ıcito a ser resolvido em cada est´ agio.
Uma observac¸ ˜ ao importante ´ e a seguinte:
Observac¸˜ ao 1.2. O m´ etodo Impl´ıcito ´ e est´ avel para todo valor de σ, ou seja, ´ e incon-
dicionalmente est´ avel.
11
Exemplo 1.5. Resolva numericamente pelo M´ etodo Impl´ıcito a equac¸ ˜ ao parab´ olica:
u
t
= u
xx
(20)
sujeita ` a
_
¸
¸
¸
¸
_
¸
¸
¸
¸
_
u(x, 0) = x +
1
2
sin(2πx), 0 ≤ x ≤ 1 (Condic¸ ˜ ao Inicial)
u(0, t) = 0, 0 ≤ t ≤ T (Condic¸ ˜ ao de Fronteira)
u(1, t) = 1, 0 ≤ t ≤ T (Condic¸ ˜ ao de Fronteira)
(21)
Considere N = 5 e k =
1
60
. Determine as duas linhas correspondentes a j = 1 e j = 2.
Soluc¸ ˜ ao:
Os dados s˜ ao os mesmos que no Exemplo 1.4. Mudar´ a a forma como calculamos os
valores U
i, j
para j = 1 e j = 2.
Assim α = 1, h =
1
5
, σ =
αk
h
2
=
5
12
e ψ(x) = x + sin(2πx), f (t) = 0, g(t) = 1. Tamb´ em
x
0
= 0, x
1
=
1
5
, x
2
=
2
5
, x
3
=
3
5
, x
4
=
4
5
, x
5
= 1.
e t
1
=
1
60
, t
2
=
2
60
=
1
30
.
Os valores na fronteira s˜ ao
U
0,0
= 0, U
1,0
= 0, 67552, U
2,0
= 0, 69389, U
3,0
= 0, 30610, U
4,0
= 0, 32447, U
5,0
= 1.
U
0,1
= 0, U
0,2
= 0, U
3,1
= 1, U
3,2
= 1.
Substituindo j = 1 no sistema matricial (19), obtemos:
_
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
_
1 + 2(
5
12
) −
5
12
0 0

5
12
1 + 2(
5
12
) −
5
12
0
0 −
5
12
1 + 2(
5
12
) −
5
12
0 0 −
5
12
1 + 2(
5
12
)
_
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
_
_
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
_
U
1,1
U
2,1
U
3,1
U
4,1
_
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
_
=
_
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
_
U
1,0
+
5
12
f (t
1
)
U
2,0
U
3,0
U
4,0
+
5
12
g(t
1
)
_
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
_
Simplificando
_
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
_
11
6

5
12
0 0

5
12
11
6

5
12
0
0 −
5
12
11
6

5
12
0 0 −
5
12
11
6
_
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
_
_
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
_
U
1,1
U
2,1
U
3,1
U
4,1
_
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
_
=
_
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
_
0, 67552
0, 69389
0, 30610
0, 74113
_
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
_
Resolvendo este sistema encontramos que
U
1,1
= 0, 50176, U
2,1
= 0, 58649, U
3,1
= 0, 41349, U
4,1
= 0, 49822.
12
Substituindo j = 2 no sistema matricial (19) obtemos
_
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
_
11
6

5
12
0 0

5
12
11
6

5
12
0
0 −
5
12
11
6

5
12
0 0 −
5
12
11
6
_
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
_
_
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
_
U
1,2
U
2,2
U
3,2
U
4,2
_
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
_
=
_
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
_
U
1,1
+
5
12
f (t
2
)
U
2,1
U
3,1
U
4,1
+
5
12
g(t
2
)
_
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
_
=
_
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
_
0, 50176
0, 58649
0, 41349
0, 91488
_
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
_
Ent˜ ao
U
1,2
= 0, 39149, U
2,2
= 0, 51834, U
3,2
= 0, 48163, U
4,3
= 0, 60848.
Condição Inicial
Figura 6: Condic¸ ˜ ao inicial e soluc¸ ˜ oes num´ ericas para a equac¸ ˜ ao do Exemplo 1.5.
1.3.5 O M´ etodo de Crank-Nicolson
Uma maneira de conseguir melhores resultados na resoluc¸ ˜ ao num´ erica de EDP Pa-
rab´ olicas ´ e utilizar uma combinac¸ ˜ ao do m´ etodo expl´ıcito e o m´ etodo impl´ıcito. O
m´ etodo resultante ´ e chamado M´ etodo de Crank-Nicolson.
Do M´ etodo Expl´ıcito para j = 1, · · · , N e i = 1, · · · , N − 1
U
i, j
= σU
i+1, j−1
+ (1 − 2σ)U
i, j−1
+ σU
i−1, j−1
. (22)
Do M´ etodo Impl´ıcito para j = 1, · · · , M e i = 1, · · · , N − 1
U
i, j−1
= −σU
i+1, j
+ (1 + 2σ)U
i, j
− σU
i−1, j
. (23)
Somando o termo da direita da equac¸ ˜ ao (22) com o termo da esquerda da equac¸ ˜ ao (23),
e o termo da esquerda da equac¸ ˜ ao (22) com o termo da direita da equac¸ ˜ ao (23), obtemos
as equac¸ ˜ oes do M´ etodo de Crank-Nicolson:
13
Para j = 1, · · · , M e i = 1, · · · , N − 1,
− σU
i+1, j
+ (2 + 2σ)U
i, j
− σU
i−1, j
= σU
i+1, j−1
+ (2 − 2σ)U
i, j−1
+ σU
i−1, j−1
(24)
Cada equac¸ ˜ ao deste m´ etodo relaciona trˆ es vari´ aveis desconhecidas U
i+1, j
, U
i, j
e U
i−1, j
com trˆ es vari´ aveis conhecidas U
i+1, j−1
, U
i, j−1
e U
i−1, j−1
. Uma mol´ ecula computacional ´ e
dada na figura abaixo.
Figura 7: Uma mol´ ecula computacional no m´ etodo de Crank-Nicolson.
Fixemos j. Supondo que conhecemos os valores de U
i, j−1
, para i = 0, · · · , N, podemos
determinar ent˜ ao os valores U
i, j
da linha j resolvendo N − 1 equac¸ ˜ oes
_
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
_
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
_
−σU
2, j
+ (2 + 2σ)U
1, j
− σU
0, j
= σU
2, j−1
+ (2 − 2σ)U
1, j−1
+ σU
0, j−1
−σU
3, j
+ (2 + 2σ)U
2, j
− σU
1, j
= σU
3, j−1
+ (2 − 2σ)U
2, j−1
+ σU
1, j−1
.
.
.
−σU
N−1, j
+ (2 + 2σ)U
N−2, j
− σU
N−3, j
= σU
N−1, j−1
+ (2 − 2σ)U
N−2, j−1
+ σU
N−3, j−1
−σU
N, j
+ (2 + 2σ)U
N−1, j
− σU
N−2, j
= σU
N, j−1
+ (2 − 2σ)U
N−1, j−1
+ σU
N−2, j−1
(25)
cujas inc´ ognitas s˜ ao justamente os valores de {U
1, j
, U
2, j
, · · · , U
N−1, j
} correspondentes ` a
linha j. Isto ´ e, os valores da linha j dependem dos valores na linha j − 1 pelas equac¸ ˜ oes
(25).
Lembrando que U
0, j
= f (t
j
) e U
N, j
= g(t
j
), o sistema linear (25) pode-se escrever em
forma matricial na forma:
_
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
_
2 + 2σ −σ 0 · · · 0
−σ 2 + 2σ −σ · · · 0
0 −σ 2 + 2σ · · · 0
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0 0 · · · 2 + 2σ −σ
0 0 · · · −σ 2 + 2σ
_
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
_
_
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
_
U
1, j
U
2, j
U
3, j
.
.
.
U
N−2, j
U
N−1, j
_
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
_
=
14
_
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
_
2 − 2σ σ 0 · · · 0
σ 2 − 2σ σ · · · 0
0 σ 2 − 2σ · · · 0
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0 0 · · · 2 − 2σ σ
0 0 · · · σ 2 − 2σ
_
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
_
_
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
_
U
1, j−1
U
2, j−1
U
3, j−1
.
.
.
U
N−2, j−1
U
N−1, j−1
_
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
_
+
_
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
_
σ(U
0, j−1
+ U
0, j
)
0
0
.
.
.
0
σ(U
N, j−1
+ U
N, j
)
_
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
_
(26)
que ´ e o sistema do M´ etodo de Crank-Nicolson a ser resolvido em cada est´ agio.
No que se refere a estabilidade, o M´ etodo de Crank-Nicolson ´ e est´ avel para todo
σ > 0.
Exemplo 1.6. Resolva numericamente a equac¸ ˜ ao parab´ olica pelo M´ etodo de Crank-
Nicolson :
u
t
= 2u
xx
(27)
sujeita ` a
_
¸
¸
¸
¸
_
¸
¸
¸
¸
_
u(x, 0) = 1 − x
3
+
3x
2
2

2x
3
, 0 ≤ x ≤ 1 (Condic¸ ˜ ao Inicial)
u(0, t) = 1, 0 ≤ t ≤ T (Condic¸ ˜ ao de Fronteira)
u(1, t) =
5
6
+ te
−t
, 0 ≤ t ≤ T (Condic¸ ˜ ao de Fronteira)
(28)
Considere N = 4 e k =
1
40
. Determine as duas linhas correspondentes a j = 1 e j = 2.
Soluc¸ ˜ ao:
Dos dados h =
1
4
= 0, 25 e σ =

h
2
=
4
5
, e as func¸ ˜ oes
ψ(x) = 1 − x
3
+
3x
2
2

2x
3
, f (t) = 1, g(t) =
5
6
+ te
−t
.
Os valores x
i
e t
j
s˜ ao:
x
0
= 0, x
1
= 0, 25, x
2
= 0, 5, x
3
= 0, 75, x
4
= 1, 0,
t
0
= 0, t
1
=
1
40
, t
2
=
2
40
.
Como U
i,0
= u(x
i
, 0) = ψ(x
i
) segue que:
U
0,0
= 1, U
1,0
= 0, 91145, U
2,0
= 0, 91666, U
3,0
= 0, 92187, U
4,0
= 0, 83333
15
Das condic¸ ˜ oes de fronteira
U
0,1
= f (t
1
) = 1, U
0,2
= f (t
2
) = 1
U
4,0
= g(t
1
) = 0, 85771, U
4,1
= g(t
2
) = 0, 88089.
Se j = 1 nas equac¸ ˜ oes (26), segue que
_
¸
¸
¸
¸
¸
¸
¸
¸
¸
_
18
5

4
5
0

4
5
18
5

4
5
0 −
4
5
18
5
_
¸
¸
¸
¸
¸
¸
¸
¸
¸
_
_
¸
¸
¸
¸
¸
¸
¸
¸
¸
_
U
1,1
U
2,1
U
3,1
_
¸
¸
¸
¸
¸
¸
¸
¸
¸
_
=
_
¸
¸
¸
¸
¸
¸
¸
¸
¸
_
2
5
4
5
0
4
5
2
5
4
5
0
4
5
2
5
_
¸
¸
¸
¸
¸
¸
¸
¸
¸
_
_
¸
¸
¸
¸
¸
¸
¸
¸
¸
_
U
1,0
U
2,0
U
3,0
_
¸
¸
¸
¸
¸
¸
¸
¸
¸
_
+
_
¸
¸
¸
¸
¸
¸
¸
¸
¸
_
4
5
(U
0,0
+ U
0,1
)
0
4
5
(U
4,0
+ U
4,1
)
_
¸
¸
¸
¸
¸
¸
¸
¸
¸
_
Substituindo os valores conhecidos, chegamos ao sistema:
_
¸
¸
¸
¸
¸
¸
¸
¸
¸
_
18
5

4
5
0

4
5
18
5

4
5
0 −
4
5
18
5
_
¸
¸
¸
¸
¸
¸
¸
¸
¸
_
_
¸
¸
¸
¸
¸
¸
¸
¸
¸
_
U
1,1
U
2,1
U
3,1
_
¸
¸
¸
¸
¸
¸
¸
¸
¸
_
=
_
¸
¸
¸
¸
¸
¸
¸
¸
¸
_
2, 69790
1, 83332
2, 45490
_
¸
¸
¸
¸
¸
¸
¸
¸
¸
_
Resolvendo este sistema: U
1,1
= 0, 95341, U
2,1
= 0, 91799, U
3,1
= 0, 88591.
Se j = 2 nas equac¸ ˜ oes (26), segue que
_
¸
¸
¸
¸
¸
¸
¸
¸
¸
_
18
5

4
5
0

4
5
18
5

4
5
0 −
4
5
18
5
_
¸
¸
¸
¸
¸
¸
¸
¸
¸
_
_
¸
¸
¸
¸
¸
¸
¸
¸
¸
_
U
1,2
U
2,2
U
3,2
_
¸
¸
¸
¸
¸
¸
¸
¸
¸
_
=
_
¸
¸
¸
¸
¸
¸
¸
¸
¸
_
2
5
4
5
0
4
5
2
5
4
5
0
4
5
2
5
_
¸
¸
¸
¸
¸
¸
¸
¸
¸
_
_
¸
¸
¸
¸
¸
¸
¸
¸
¸
_
U
1,1
U
2,1
U
3,1
_
¸
¸
¸
¸
¸
¸
¸
¸
¸
_
+
_
¸
¸
¸
¸
¸
¸
¸
¸
¸
_
4
5
(U
0,1
+ U
0,2
)
0
4
5
(U
4,1
+ U
4,2
)
_
¸
¸
¸
¸
¸
¸
¸
¸
¸
_
=
_
¸
¸
¸
¸
¸
¸
¸
¸
¸
_
2, 71577
1, 83865
2, 49818
_
¸
¸
¸
¸
¸
¸
¸
¸
¸
_
Resolvendo as equac¸ ˜ oes: U
2,1
= 0, 95967, U
2,2
= 0, 92382, U
2,3
= 0, 89923.
Condição Inicial
Figura 8: Soluc¸ ˜ oes num´ ericas e condic¸ ˜ ao inicial da equac¸ ˜ ao do Exemplo 1.6.
16
1.3.6 Condic¸ ˜ oes de Fronteira de Neumann ou com Derivadas
Em certos problemas envolvendo equac¸ ˜ oes parab´ olicas n˜ ao conhecemos os valores
u(0, t), u(L, t) de u(x, t) nas fronteiras x = 0 e x = L. Para obter uma soluc¸ ˜ ao neste
tipo de problemas devemos especificar o valor da derivada de u(x, t), em relac¸ ˜ ao a x, na
fronteira do intervalo. Ou seja, precisamos das condic¸ ˜ oes:
∂u(0, t)
∂x
= f (t),
∂u(L, t)
∂x
= g(t).
Isto leva a formular o problema con condic¸ ˜ oes de Neumann:
u
t
= αu
xx
(29)
sujeita ` a
_
¸
¸
¸
¸
_
¸
¸
¸
¸
_
u(x, 0) = ψ(x), 0 ≤ x ≤ L (Condic¸ ˜ ao Inicial)
∂u(0,t)
∂x
= f (t), 0 ≤ t ≤ T (Condic¸ ˜ ao de Fronteira de Neumann)
∂u(L,t)
∂x
= g(t), 0 ≤ t ≤ T (Condic¸ ˜ ao de Fronteira de Neumann)
(30)
Pode-se resolver numericamente esta equac¸ ˜ aodiferencial parcial utilizandoa discretizac¸ ˜ ao
apresentada anteriormente e qualquer umdos trˆ es m´ etodos estudados: expl´ıcito, impl´ıcito
e/ou Crank-Nicolson. O ´ unico inconveniente ´ e agora os valores U
0, j
e U
N, j
, com
j = 1, · · · , M, s˜ ao desconhecidos pois somente conhecemos o valor da derivada da
func¸ ˜ ao no bordo, mas n˜ ao o valor da func¸ ˜ ao. Ou seja, devemos incluir os valores dos
U
0, j
e U
N, j
como inc´ ognitas de nosso problema.
Supondo, por exemplo, que desejamos utilizar o m´ etodo expl´ıcito para resolver a
edp acima. Ent˜ ao, para cada i = 0, · · · , N, utilizaremos a f ´ ormula
U
i, j+1
= σU
i+1, j
+ (1 − 2σ)U
i, j
+ σU
i−1, j
. (31)
Quando escrevemos est´ a f ´ ormula para o ponto U
0, j
, ou seja i = 0, resulta
U
0, j+1
= σU
1, j
+ (1 − 2σ)U
0, j
+ σU
−1, j
. (32)
que s˜ ao as equac¸ ˜ oes contendo U
−1, j
= u(x
−1
, t
j
), os valores da func¸ ˜ ao nos pontos (x
−1
, t
j
) =
(−h, kj), para j = 0, · · · , N − 1. Estes pontos est˜ ao fora da malha, e por tanto ser˜ ao
chamados pontos fantasmas. Similarmente, se i = N, o m´ etodo expl´ıcito fornece a
equac¸ ˜ oes
U
N, j+1
= σU
N+1, j
+ (1 − 2σ)U
N, j
+ σU
N−1, j
(33)
as quais cont´ em os pontos fantasmas U
N+1, j
= u(x
N+1
, t
j
), o valor de da func¸ ˜ ao nos
pontos (x
N+1
, t
j
) = ((N+1)h, jk), que n˜ ao est´ a na malha. Na Figura (9) temos apresentado
a malha e os pontos fantasmas no caso que N = 4 e M = 3.
17
Figura 9: Discretizac¸ ˜ ao do Dom´ınio e os pontos fantasmas.
O trabalho com os pontos fantasmas ´ e feito utilizando as condic¸ ˜ oes de Neumann. Se
aproximarmos a derivada u
t
no ponto (x
0
, t
j
) por diferenc¸as centrais segue que:
∂u(x
0
, t
j
)
∂x

u(x
1
, t
j
) − u(x
−1
, t
j
)
2h
Comparando com as condic¸ ˜ oes de fronteira de Neumann dadas nas equac¸ ˜ oes (30)
f (t
j
) ≈
u(x
1
, t
j
) − u(x
−1
, t
j
)
2h
.
Por tanto
f (t
j
) =
U
1, j
− U
−1, j
2h
o equivalentemente
U
−1, j
= U
1, j
− 2hf (t
j
), (34)
que expressa o fato que o valor nos pontos fantasma depende do valor nos pontos
interiores da malha.
Repetindo o mesmo processo no ponto (x
N
, t
j
) obtemos:
∂u(x
N
, t
j
)
∂x

u(x
N+1
, t
j
) − u(x
N−1
, t
j
)
2h
Das condic¸ ˜ oes de Neumann
g(t
j
) =
U
N+1, j
− U
N−1, j
2h
Implicando que
18
U
N+1, j
= U
N−1, j
+ 2hg(t
j
). (35)
Substituindo os valores de U
−1, j
e U
N+1, j
nas equac¸ ˜ oes (32) e (33):
U
0, j+1
= σU
1, j
+ (1 − 2σ)U
0, j
+ σ(U
1, j
− 2hf (t
j
)) = (1 − 2σ)U
0, j
+ 2σU
1, j
− 2hσf (t
j
)
U
N, j+1
= σ(U
N−1, j
+ 2hg(t
j
)) + (1 − 2σ)U
N, j
+ σU
N−1, j
= 2σU
N−1, j
+ (1 − 2σ)U
N, j
+ 2hσg(t
j
)
Ent˜ ao as equac¸ ˜ oes (31) convertem-se no sistema
_
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
_
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
_
U
0, j+1
= (1 − 2σ)U
0, j
+ 2σU
1, j
− 2hσf (t
j
)
U
i, j+1
= σU
i+1, j
+ (1 − 2σ)U
i, j
+ σU
i−1, j
.
.
.
.
U
i, j+1
= σU
i+1, j
+ (1 − 2σ)U
i, j
+ σU
i−1, j
.
U
N, j+1
= 2σU
N−1, j
+ (1 − 2σ)U
N, j
+ 2hσg(t
j
)
(36)
como qual podemos calcular diretamente as inc´ ognitas {U
0, j+1
, U
1, j+1
, · · · , U
N, j+1
} a partir
dos valores {U
0, j
, U
1, j
, · · · , U
N, j
}. Em forma matricial
_
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
_
U
0, j+1
U
1, j+1
U
2, j+1
.
.
.
U
N−1, j+1
U
N, j+1
_
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
_
=
_
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
_
1 − 2σ 2σ 0 · · · 0
σ 1 − 2σ σ · · · 0
0 σ 1 − 2σ · · · 0
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0 0 · · · 1 − 2σ σ
0 0 · · · 2σ 1 − 2σ
_
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
_
_
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
_
U
0, j
U
1, j
U
2, j
.
.
.
U
N−1, j
U
N, j
_
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
_
+
_
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
_
−2hσf (t
j
)
0
0
.
.
.
0
2hσg(t
j
)
_
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
_
(37)
Exemplo 1.7. Resolva numericamente pelo M´ etodo expl´ıcito a equac¸ ˜ ao parab´ olica com
condic¸ ˜ oes de Neumann:
u
t
= 2u
xx
sujeita ` a
_
¸
¸
¸
¸
_
¸
¸
¸
¸
_
u(x, 0) = 1 − x
2
, 0 ≤ x ≤ 1 (Condic¸ ˜ ao Inicial)
∂u(0,t)
∂x
= 0, 0 ≤ t ≤ T (Condic¸ ˜ ao de Neumann)
∂u(L,t)
∂x
= −2e
−t
, 0 ≤ t ≤ T (Condic¸ ˜ ao de Neumann)
Considere N = 2 e k =
1
40
. Determine a linha correspondente a j = 1.
Soluc¸ ˜ ao:
19
Dos dados do problema h =
1
2
= 0, 5, σ =

h
2
=
1
5
.
x
0
= 0, x
1
=
1
2
, x
2
= 1, t
0
= 0, t
1
=
1
40
, t
2
=
2
40
.
ψ(x) = 1 − x
2
, f (t) = 0, g(t) = −2e
−t
E os valores U
0,0
= ψ(x
0
) = 1, U
1,0
= ψ(x
1
) = 0, 75, U
2,0
= ψ(x
2
) = 0, e
f (t
0
) = f (t
1
) = f (t
2
) = 0; g(t
0
) = −2; g(t
1
) = −1, 95061; g(t
3
) = −1, 90245.
Sustituindo j = 0 nas equac¸ ˜ oes (37) obtemos:
_
¸
¸
¸
¸
¸
¸
¸
¸
¸
_
U
0,1
U
1,1
U
2,1
_
¸
¸
¸
¸
¸
¸
¸
¸
¸
_
=
_
¸
¸
¸
¸
¸
¸
¸
¸
¸
_
1 − 2σ 2σ 0
σ 1 − 2σ σ
0 2σ 1 − 2σ
_
¸
¸
¸
¸
¸
¸
¸
¸
¸
_
_
¸
¸
¸
¸
¸
¸
¸
¸
¸
_
U
0,0
U
1,0
U
2,0
_
¸
¸
¸
¸
¸
¸
¸
¸
¸
_
+
_
¸
¸
¸
¸
¸
¸
¸
¸
¸
_
−2hσf (t
0
)
0
2hσg(t
0
)
_
¸
¸
¸
¸
¸
¸
¸
¸
¸
_
Desse modo
_
¸
¸
¸
¸
¸
¸
¸
¸
¸
_
U
0,1
U
1,1
U
2,1
_
¸
¸
¸
¸
¸
¸
¸
¸
¸
_
=
_
¸
¸
¸
¸
¸
¸
¸
¸
¸
_
3
5
2
5
0
1
5
3
5
1
5
0
2
5
3
5
_
¸
¸
¸
¸
¸
¸
¸
¸
¸
_
_
¸
¸
¸
¸
¸
¸
¸
¸
¸
_
1
0, 75
0
_
¸
¸
¸
¸
¸
¸
¸
¸
¸
_
+
_
¸
¸
¸
¸
¸
¸
¸
¸
¸
_
0
0

2
5
_
¸
¸
¸
¸
¸
¸
¸
¸
¸
_
=
_
¸
¸
¸
¸
¸
¸
¸
¸
¸
_
0, 90
0, 65
−0, 1
_
¸
¸
¸
¸
¸
¸
¸
¸
¸
_
Exerc´ıcio 1.1. Escreva as equac¸ ˜ oes do M´ etodo Impl´ıcito e do M´ etodo de Crank-Nicolson
para uma edp parab´ olica com condic¸ ˜ oes de fronteira de Neumann.
1.4 Equac¸ ˜ oes El´ıpticas
1.4.1 O modelo de Equac¸ ˜ ao El´ıptica
O modelo de equac¸ ˜ ao el´ıptica que usaremos ´ e o seguinte:

2
u
∂x
2
+

2
u
∂x
2
= f (x, y) (38)
em que f (x, y) ´ e uma func¸ ˜ ao de duas variav´ eis. Esta edp ´ e chamado Equac¸ ˜ ao de Poisson
e est´ a definida no retˆ angulo
R = {(x, y) : 0 ≤ x ≤ a, 0 ≤ x ≤ b}.
Note-se que as variav´ eis independentes s˜ ao x e y. De novo encontraremos aproximac¸ ˜ oes
de u(x, y) em R. A discretizac¸ ˜ ao de R ´ e a mesma que no caso das equac¸ ˜ oes parab´ olicas,
20
isto ´ e, escolhemos dois inteiros positivos N e Me definimos h =
a
N
e b =
b
M
. Asub-divis˜ ao
no eixo x ´ e
x
0
= 0, x
1
= h, · · · , x
i
= ih, · · · , x
N
= a;
e no eixo y ´ e:
y
0
= 0, y
1
= k, · · · , y
i
= ik, · · · , y
M
= b.
Esta discretizac¸ ˜ ao est´ a mostrada na figura 10 abaixo.
Figura 10: Discretizac¸ ˜ ao do Dom´ınio para uma equac¸ ˜ ao el´ıptica.
Para resolver est´ a equac¸ ˜ ao el´ıptica precisamos do conhecimento do valor de u(x, y)
na fronteira de R. Denotaremos a fronteira de R por ∂R,
∂R = {(0, y) : 0 ≤ y ≤ b} ∪ {(a, y) : 0 ≤ y ≤ b} ∪ {(x, 0) : 0 ≤ x ≤ a} ∪ {(x, b) : 0 ≤ x ≤ a}.
Em outras palavras, precisamos a condic¸ ˜ ao:
u(x, y) = g(x, y), se (x, y) ∈ ∂R, (39)
na qual g(x, y) ´ e uma func¸ ˜ ao cont´ınua em ∂R. Esta ´ ultima condic¸ ˜ ao ´ e conhecida como
condic¸ ˜ ao de Dirichlet.
Discretizando a equac¸ ˜ ao (38) no ponto gen´ erico (x
i
, y
j
) e usando as equac¸ ˜ oes da
Observac¸ ˜ ao 1.1:
u
xx
(x
i
, y
j
) + u
yy
(x
i
, y
j
) = f (x
i
, y
i
)
u(x
i
+ h, y
j
) − 2u(x
i
, y
j
) + u(x
i
− h, y
j
)
h
2
+
u(x
i
, y
j
+ k) − 2u(x
i
, y
j
) + u(x
i
, y
j
− k)
k
2
≈ f (x
i
, y
j
)
ou para i = 1, · · · , N − 1 e j = 1, · · · , M− 1,
u(x
i+1
, y
j
) − 2u(x
i
, y
j
) + u(x
i−1
, y
j
)
h
2
+
u(x
i
, y
j+1
) − 2u(x
i
, y
j
) + u(x
i
, y
j−1
)
k
2
≈ f (x
i
, y
j
)
21
Seguindo a notac¸ ˜ ao j ´ a utilizada, seja U
i, j
a aproximac¸ ˜ ao de u(x
i
, y
i
) e f
i, j
o valor
f (x
i
, y
j
), ent˜ ao:
U
i+1, j
− 2U
i, j
+ U
i−1, j
h
2
+
U
i, j+1
− 2U
i, j
+ U
i, j−1
k
2
= f
i, j
(40)
Da condic¸ ˜ ao de Dirichlet (39) podemos determinar os valores de U
i, j
nos pontos da
fronteira ∂R (pontos em azul na Figura (10)):
U
i, j
= g(x
i
, y
j
), se i = 0 e N, j = 0, · · · M.
U
i, j
= g(x
i
, y
j
), se j = 0 e M, i = 0, · · · N.
Logo, os valores desconhecidos s˜ ao os valores de U
i, j
nos pontos internos da malha
(pontos em vermelho na Figura (10)):
U
i, j
, para i = 1, · · · N − 1, j = 1, · · · , M− 1. (41)
Figura 11: Valores de u(x, y) na fronteira ∂R.
Substituindo os pontos (x
i
, y
j
), para i = 1, · · · , N − 1, j = 1, · · · M− 1 na equac¸ ˜ ao (40),
resultam (N − 1) × (M − 1) equac¸ ˜ oes lineares cujas inc´ ognitas s˜ ao os valores U
i, j
com i = 1, · · · , N − 1, j = 1, · · · M− 1. Resolvendo estas (N − 1) × (M− 1) equac¸ ˜ oes
obteremos os valores de U
i, j
nos pontos internos da malha.
Exemplo 1.8. Considere a equac¸ ˜ ao diferencial
u
xx
+ u
yy
= 6(x + 1)y + 8, com 0 ≤ x ≤ 1, 0 < y < 1
22
sujeita ` as condic¸ ˜ oes de Dirichlet na fronteira:
_
¸
¸
_
¸
¸
_
u(x, 0) = 0, u(x, 1) = (x + 1)
3
+ 4, 0 ≤ x ≤ 1
u(0, y) = y + 4y
2
, u(1, y) = 8y + 4y
2
, 0 < y < 1
Usando h = 1/3 e k = 0.5, encontre os valores aproximados de u(x, y) nos pontos internos
da malha.
Soluc¸ ˜ ao:
Discretizando o dom´ınio: x
0
= 0, x
1
=
1
3
, x
2
=
2
3
, x
3
= 1, t
0
= 0, t
1
= 0, 5, t
2
= 1. Das
condic¸ ˜ oes de Dirichlet, os valores de u(x, y) nos pontos da fronteira s˜ ao:
U
10
= u(1/3, 0) = 0, U
20
= u(2/3, 0) = 0, U
01
= u(0, 1/2) = 1.5
U
12
= u(1/3, 1) = 6.37037, U
22
= u(2/3, 1) = 8.6262, U
31
= u(1, 1/2) = 5.
Os valores desconhecidos s˜ ao U
1,1
e U
2,1
. Discretizando a equac¸ ˜ ao:
U
i+1, j
− 2U
i, j
+ U
i−1, j
h
2
+
U
i, j+1
− 2U
i, j
+ U
i, j−1
k
2
= 6(x
i
+ 1)y
j
+ 8
Subtituindo i = 1, j = 1 obtemos:
9(U
21
− 2U
11
+ U
01
) + 4(U
12
− 2U
11
+ U
10
) = 6(4/3)(0.5) + 8 = 12
Simplificando
9U
21
− 26U
11
= −26.98148. (42)
Substituindo i = 2, j = 1
9(U
31
− 2U
2,1
+ U
11
) + 4(U
22
− 2U
21
+ U
2,0
) = 6(5/3)(0.5) + 8 = 13
Simplificando
− 26U
21
+ 9U
11
= −66.51848 (43)
Resolvendo as equac¸ ˜ oes (42) e (43): U
21
= 3.314813, U
11
= 2.18519.
Exerc´ıcio 1.2. Resolva o Exemplo (1.8) com h =
1
3
e k =
1
3
.
1.5 Equac¸ ˜ oes em geral
Para resolver Equac¸ ˜ oes Diferenciais Parciais em geral, devemos discretizar a equac¸ ˜ ao
pelas f ´ ormulas da Observac¸ ˜ ao 1.1 e logo resolver o sistema de equac¸ ˜ oes (lineares ou n˜ ao)
obtido mediante esta discretizac¸ ˜ ao.
23
Exemplo 1.9. Considere a equac¸ ˜ ao diferencial parcial:
_
¸
¸
_
¸
¸
_
u
t
= u + u
xx
+ 2u
x
, com 0 < x < 1
u(x, 0) = 2x, u(0, t) = t
2
, u(1, t) = 2 − t
2
(a) Deduza uma f ´ ormula para encontrar os pontos internos substituindo diferenc¸as
progressivas para u
t
e diferenc¸as centrais para u
x
.
(b) Fazendo h = 1/3 e k = 1/20, encontre as aproximac¸ ˜ oes obtidas pelo m´ etodo do
item (a) para U
i, j
com j = 1.
Soluc¸ ˜ ao:
Os dados da malha s˜ ao x
0
= 0, x
1
=
1
3
, x
2
=
2
3
, x
3
= 1, t
0
= 0, t
1
=
1
20
. Das condic¸ ˜ oes
iniciais:
U
00
= 0, U
10
= 2(
1
3
) =
2
3
, U
20
= 2(
2
3
) =
4
3
, U
30
= 2,
Discretizando a equac¸ ˜ ao obtemos
U
i, j+1
− U
i, j
k
2
= U
i, j
+
_
U
i+1, j
− 2U
i, j
+ U
i−1, j
h
2
_
+ 2
_
U
i+1, j
− U
i−1, j
2h
_
Se i = 1, j = 0 obtemos
U
1,1
− U
1,0
= (
1
400
)
_
U
1,0
+ 9
_
U
2,0
− 2U
1,0
+ U
0,0
_
+ 3
_
U
0,0
− U
0,0
__
Substituindo os dados segue que U
11
= 0, 67666.
Se i = 2, j = 0 obtemos
U
2,1
− U
2,0
= (
1
400
)
_
U
2,0
+ 9
_
U
3,0
− 2U
2,0
+ U
1,0
_
+ 3
_
U
3,0
− U
1,0
__
Substituindo os dados segue que U
21
= 1, 34666.
Referˆ encias
[1] Arenales, Selma e Darezzo, Arthur: C´ alculo Num´ erico: aprendizagem com apoio de
software. S˜ ao Paulo, Thomson Learning, 2008.
[2] Bertoldi, Neide: C´ alculo Num´ erico. S˜ ao Paulo, Pearson Prentice Hall, 2006.
[3] Ruggeiro, M´ arcia e Lopes, Vera L´ ucia: C´ alculo Num´ erico: Aspectos Te´ oricos e Computa-
cionais . 2a Edic¸ ˜ ao, S˜ ao Paulo, Pearson Makron Books, 1996.
[4] Steward, James: C´ alculo . Vol. 1, Cengage Learning, S˜ ao Paulo, 2013.
24