Matemática numérica II

5 Problema de valor de contorno 5.2 Método de Elementos Finitos 5.4 Problemas não-lineares

Ajude a manter o site livre, gratuito e sem propagandas. Colabore!

5.3 Método de Volumes Finitos

O Método de Volumes Finitos (MVF) é um método de discretização apropriado para problemas conservativos. Consideramos o seguinte problema linear de valor de contorno (PVC)

	$\displaystyle\color[rgb]{0,0,1}\definecolor[named]{pgfstrokecolor}{rgb}{0,0,1}% -u_{xx}=f(x),\leavevmode\nobreak\ a<x<b,$		(5.100)
	$\displaystyle\color[rgb]{0,0,1}\definecolor[named]{pgfstrokecolor}{rgb}{0,0,1}% u(a)=0,$		(5.101)
	$\displaystyle\color[rgb]{0,0,1}\definecolor[named]{pgfstrokecolor}{rgb}{0,0,1}% u(b)=0.$		(5.102)

onde a incógnita é $u=u(x)$ com dada fonte $f=f(x)$ . A Eq. (LABEL:cap_pvc_sec_mvf:eq:pvc) pode ser reescrita na forma conservativa

\operatorname{div}(\bm{F})=f,

(5.103)

onde $\bm{F}=-u_{x}$

1. Discretização Espacial.

Assumimos uma malha do domínio $[a,b]$ da forma

a=x_{\frac{1}{2}}<x_{1}<x_{\frac{3}{2}}<\cdots<x_{i-\frac{1}{2}}<x_{i}<x_{i+% \frac{1}{2}}<\cdots<x_{n}<x_{n+\frac{1}{2}}=b,

(5.104)

onde $h=(b-a)/n$ , $x_{i-\frac{1}{2}}=a+(i-1)h$ , $h^{-}=h^{+}=h/2$ , $i=1,2,\dotsc,n$ . Também denotamos $K_{i}=\left(x_{i-\frac{1}{2}},x_{i+\frac{1}{2}}\right)$ a $i$ -ésima célula da malha.

2. Discretização das Equações.

No MVF, as incógnitas $u_{i}$ , $i=1,2,\dotsc,n$ , são as aproximações para o valor médio de $u$ nas células $K_{i}$ , i.e.

u_{i}=\frac{1}{|K_{i}|}\int_{a}^{b}u(x)\,dx.

(5.105)

O problema discreto para $u_{i}$ é obtido tomando a média da Eq. na célula $K_{i}$ , donde temos

	$\displaystyle-\frac{1}{h}\int_{x_{i-\frac{1}{2}}}^{x_{i+\frac{1}{2}}}u_{xx}\,% dx=\frac{1}{h}\int_{K_{i}}f\,dx,$		(5.106)
	$\displaystyle\color[rgb]{0,0,1}\definecolor[named]{pgfstrokecolor}{rgb}{0,0,1}% \frac{1}{h}\left[-u_{x}\left(x_{i+\frac{1}{2}}\right)+u_{x}\left(x_{i-\frac{1}% {2}}\right)\right]=\frac{1}{h}\int_{K_{i}}f\,dx$		(5.107)

Por fórmula de diferenças finitas central, temos

u_{x}\left(x_{i+\frac{1}{2}}\right)=\frac{u_{i}-u_{i-1}}{h}+O(h)

(5.108)

u_{x}\left(x_{i-\frac{1}{2}}\right)=\frac{u_{i+1}-u_{i}}{h}+O(h)

(5.109)

Com isso, obtemos as equações

\frac{1}{h}\left(-\frac{u_{i+1}-u_{i}}{h}+\frac{u_{i}-u_{i-1}}{h}\right)=\frac% {1}{h}\int_{K_{i}}f\,dx,

(5.110)

Rearranjando os termos e aproximando a integral de $f$ pela regra do ponto médio, obtemos

-\frac{1}{h^{2}}u_{i-1}+\frac{2}{h^{2}}u_{i}-\frac{1}{h^{2}}u_{i+1}=f_{i},

(5.111)

onde $f_{i}:=f(x_{i})$ e $i=2,3,\dotsc,n-1$ .

Na célula $K_{1}$ , tomamos a aproximação

	$\displaystyle u_{x}\left(x_{\frac{1}{2}}\right)=\frac{u_{1}-u_{\frac{1}{2}}}{h% /2}+O\left(h\right),$		(5.112)
	$\displaystyle\text{}\quad=\frac{u_{1}}{h/2}+O\left(h\right).$		(5.113)

Aplicando na Eq. (5.107), obtemos

\color[rgb]{0,0,1}\definecolor[named]{pgfstrokecolor}{rgb}{0,0,1}\frac{1}{h}% \left(-\frac{u_{2}-u_{1}}{h}+\frac{u_{1}}{h/2}\right)=\frac{1}{h}\int_{K_{i}}f% \,dx,

(5.114)

Analogamente, integrando na célula $K_{n}$ de fronteira, obtemos

\color[rgb]{0,0,1}\definecolor[named]{pgfstrokecolor}{rgb}{0,0,1}\frac{1}{h}% \left(\frac{u_{n}}{h/2}+\frac{u_{n}-u_{n-1}}{h}\right)=\frac{1}{h}\int_{K_{i}}% f\,dx.

(5.115)

Por fim, obtemos o problema discreto

	$\displaystyle\color[rgb]{0,0,1}\definecolor[named]{pgfstrokecolor}{rgb}{0,0,1}% \frac{3}{h^{2}}u_{1}-\frac{1}{h^{2}}u_{2}=f_{1},$		(5.116)
	$\displaystyle\color[rgb]{0,0,1}\definecolor[named]{pgfstrokecolor}{rgb}{0,0,1}% -\frac{1}{h^{2}}u_{i-1}+\frac{2}{h^{2}}u_{i}-\frac{1}{h^{2}}u_{i+1}=f_{i},$		(5.117)
	$\displaystyle\color[rgb]{0,0,1}\definecolor[named]{pgfstrokecolor}{rgb}{0,0,1}% -\frac{1}{h^{2}}u_{n-1}+\frac{3}{h^{2}}u_{n}=f_{n},$		(5.118)

para $i=2,3,\dotsc,n-1$ .

3. Resolução do problema discreto.

A resolução do problema discreto se resume a computar a solução do sistema linear (5.116)-(5.118). Sua forma matricial é $A\bm{u}=\bm{b}$ , onde a matriz de coeficientes $A=[a_{i,j}]_{i,j=1}^{n,n}$ tem elementos da diagonal são

	$\displaystyle a_{1,1}=\frac{3}{h^{2}},$		(5.119)
	$\displaystyle a_{i,i}=\frac{2}{h^{2}},\leavevmode\nobreak\ 2\leq i\leq n-1,$		(5.120)
	$\displaystyle a_{n,n}=\frac{3}{h^{2}},$		(5.121)

e os demais $a_{i,j}$ para $i\neq j$

a_{i,j}=\left\{\begin{array}[]{ll}-\frac{1}{h^{2}}&,j=i-1\leavevmode\nobreak\ % \text{ou}\leavevmode\nobreak\ j=i+1,\\ 0&,\text{noutros casos}\end{array}\right.

(5.122)

O vetor dos termos constantes é $\bm{b}=(b_{i}=f_{i})_{i=1}^{n}$ , $f_{i}=f(x_{i})$ e o vetor das incógnitas é $u=(u_{i})_{i=1}^{n}$ , sendo $u_{i}$ a aproximação do valor médio de $u$ na célula $K_{i}$ , $i=1,2,\dotsc,n$ .

Exemplo 5.3.1.

Consideramos o seguinte PVC

	$\displaystyle-u^{\prime\prime}=\pi^{2}\operatorname{sen}(\pi x),\leavevmode% \nobreak\ 0<x<1,$		(5.123)
	$\displaystyle u(0)=0,$		(5.124)
	$\displaystyle u(1)=0.$		(5.125)

A solução analítica deste problema é $u(x)=\operatorname{sen}(\pi x)$ .

Refer to caption — Figura 5.3: Resultado referente ao Exemplo 5.3.1.

Resolvendo este sistema com $h=10^{-1}$ obtemos a solução numérica apresentada na Figura 5.3.

Código 18: pvc_mvf.py

⬇

1import numpy as np

3# fonte

4def f(x):

5 return np.pi**2*np.sin(np.pi*x)

7# malha

8n = 10

9h = 1./n

10xx = np.linspace(h/2, 1.-h/2, n)

12# prob. discreto

13A = np.zeros((n,n))

14b = np.empty(n)

16# c.c. x = 0

17A[0,0] = 3./h**2

18A[0,1] = -1./h**2

19b[0] = f(xx[0])

21# pts internos

22for i in range(1,n-1):

23 A[i,i-1] = -1./h**2

24 A[i,i] = 2./h**2

25 A[i,i+1] = -1./h**2

26 b[i] = f(xx[i])

28# c.c. x = 1

29A[n-1,n-2] = -1./h**2

30A[n-1,n-1] = 3./h**2

31b[n-1] = f(xx[n-1])

33# resol prob disc

34u = npla.solve(A, b)

36xx = np.concatenate(([0.],xx,[1.]))

37u = np.concatenate(([0.],u,[0.]))

5.3.1 Exercícios

E. 5.3.1.

Considere o PVC

	$\displaystyle-u^{\prime\prime}=\pi^{2}\cos(\pi x),\leavevmode\nobreak\ 0<x<1,$		(5.126)
	$\displaystyle u(0)=1,$		(5.127)
	$\displaystyle u(1)=-1.$		(5.128)

A solução analítica deste problema é $u(x)=\cos(\pi x)$ . Use o MVF para computar aproximações numéricas $\tilde{\bm{u}}_{h}$ com tamanhos de malha $h=10^{-1}$ , $10^{-2}$ , $10^{-3}$ , $10^{-4}$ e verifique o erro absoluto $\varepsilon_{h,\text{abs}}:=\|\tilde{\bm{u}}_{h}-\bm{u}\|$ .

E. 5.3.2.

Considere o PVC

	$\displaystyle-u^{\prime\prime}=2,\leavevmode\nobreak\ -1<x<1,$		(5.129)
	$\displaystyle u(-1)=0,$		(5.130)
	$\displaystyle u(1)=0.$		(5.131)

A solução analítica deste problema é $u(x)=1-x^{2}$ . Use o MVF com $n=20$ subintervalos na malha e verifique o erro absoluto $\varepsilon_{\text{abs}}:=\|\tilde{\bm{u}}_{h}-\bm{u}\|$ .

E. 5.3.3.

Considere o seguinte PVC

	$\displaystyle-u^{\prime\prime}+u^{\prime}=f(x),\leavevmode\nobreak\ -1<x<1,$		(5.132)
	$\displaystyle u(-1)=0,$		(5.133)
	$\displaystyle u^{\prime}(1)=0,$		(5.134)

onde

f(x)=\left\{\begin{array}[]{ll}1&,x\leq 0\\ 0&,x>0\end{array}\right.

(5.135)

Use uma aproximação adequada pelo MVF para obter o valor aproximado de $u(0)$ com precisão de $2$ dígitos significativos.

$7,2\mathrm{e}\!-\!1$

E. 5.3.4.

Considere o PVC

	$\displaystyle-u^{\prime\prime}=\pi^{2}\cos(\pi x),\leavevmode\nobreak\ 0<x<1,$		(5.136)
	$\displaystyle u(0)=1,$		(5.137)
	$\displaystyle u^{\prime}(1)=0.$		(5.138)

A solução analítica deste problema é $u(x)=\cos(\pi x)$ . Aplique o MVF para computar uma aproximação numérica com erro absoluto de no máximo $10^{-3}$ na norma $L^{2}$ .

Envie seu comentário

Aproveito para agradecer a todas/os que de forma assídua ou esporádica contribuem enviando correções, sugestões e críticas!

Este texto é disponibilizado nos termos da Licença Creative Commons Atribuição-CompartilhaIgual 4.0 Internacional. Ícones e elementos gráficos podem estar sujeitos a condições adicionais.

Política de uso de dados

Política de uso de dados

Matemática numérica II

5.3 Método de Volumes Finitos

Exemplo 5.3.1.

5.3.1 Exercícios

E. 5.3.1.

E. 5.3.2.

E. 5.3.3.

E. 5.3.4.

Envie seu comentário