Calculo Variacional

Monograa do Curso GA-015
M etodos Variacionais
Ra ul A. Feij oo(1), Edgardo Taroco(1) e Claudio Padra(2)
(1) Laborat orio
Nacional de Computa c ao Cient ca
Av. Get ulio Vargas, 333, Quitandinha, Petr opolis, RJ, Brasil
(2)
Centro At omico Bariloche, 8400, Bariloche, Argentina
Programa de P os-Gradua ca o em Modelagem Computacional LNCCLaborat orio Nacional de Computa ca o Cient ca
Fevereiro, 2004
Indice
1 Motiva c ao 1
Introdu c ao ao C alculo Variacional

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
15
17 17 19 21 24 25 27 28 29 33 33 36 45 46 51 52 54 55 61 62 71 75 79 82 84 86
2 Introdu c ao 2.1 O problema da Braquist ocrona . . 2.2 Geod esicas em Rd , d3 . . . . . . 2.2.1 Geod esica sobre esferas . . 2.3 Problema de Controle de Dire ca o 2.4 Problemas Isoperim etricos . . . . 2.4.1 Problema da caten aria . . 2.5 M nima Superf cie de Revolu ca o . 2.6 Coment arios . . . . . . . . . . . .
3 Formaliza c ao do C alculo Variacional 3.1 Diferencial G ateaux de um Operador . 3.2 Diferencial G ateaux de um Funcional . 3.3 Nota ca o Variacional . . . . . . . . . . . 3.4 Lemas de du Bois-Raymond e Lagrange
4 Equa co es de Euler 4.1 Extremos, Extremos locais . . . . . . . . . . . . . . . . . . . . . . . . . . 4.2 Equa ca o de Euler . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.3 Casos Especiais da Equa ca o de Euler . . . . . . . . . . . . . . . . . . . . 4.4 Segunda Forma da Equa c ao de Euler . . . . . . . . . . . . . . . . . . . . 4.5 Gradiente de um funcional . . . . . . . . . . . . . . . . . . . . . . . . . . 4.6 Problemas Variacionais com Condi co es Subsidi arias. Multiplicadores de Lagrange . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.7 Condi co es subsidi arias nitas . . . . . . . . . . . . . . . . . . . . . . . . 4.8 Funcionais Dependendo de V arias Vari aveis Independentes . . . . . . . . 4.9 Funcionais Dependendo de Derivadas de Ordem Superior a Primeira . . . 4.10 Funcionais dependendo de v arias fun co es . . . . . . . . . . . . . . . . . . 4.11 Condi co es Naturais de Contorno . . . . . . . . . . . . . . . . . . . . . . . i
4.12 Varia c ao Geral de um Funcional . . . . . . . . . . . . . . . . . . . . . . . . 90 4.13 Extremos com Pontos Angulosos. Condi co es de Weierstrass-Erdmann . . . 100 4.14 Problema Inverso no C alculo Variacional. Operadores Potenciais . . . . . . 108
II
Os M etodos Diretos no C alculo Variacional

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
111
113 . 113 . 114 . 116 . 119 . 137 . 141 . 141 . 146 . 147 . 158 . 165 . 168
5 M etodos Variacionais 5.1 Introdu ca o . . . . . . . . . . . . . . . . . . . . . 5.2 M etodo dos Res duos Ponderados . . . . . . . . 5.2.1 M etodo de Coloca ca o . . . . . . . . . . . 5.2.2 M etodo de Galerkin . . . . . . . . . . . . 5.2.3 Condi co es de Contorno N ao-homog eneas 5.3 M etodo de Ritz . . . . . . . . . . . . . . . . . . 5.3.1 M nimo de um Funcional . . . . . . . . . 5.3.2 Sequ encias Minimizantes . . . . . . . . . 5.3.3 M etodo de Ritz . . . . . . . . . . . . . . 5.3.4 Condi co es de Contorno Homog eneas . . 5.4 M etodo de M nimos Quadrados . . . . . . . . . 5.5 Conclus oes . . . . . . . . . . . . . . . . . . . .
III
O C alculo Variacional na Mec anica

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
171
173 . 173 . 174 . 174 . 178 . 183 . 186 . 187 . 190 . 191 . 192 . 195 . 196 . 197 . 198 . 201
6 A Formula c ao Variacional 6.1 Introdu ca o . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6.2 Cinem atica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6.2.1 Deforma co es . . . . . . . . . . . . . . . . . . . . . . . . . . 6.2.2 Movimento. Taxa de Deforma ca o . . . . . . . . . . . . . . 6.2.3 A co es de Movimento. Restri co es Cinem aticas . . . . . . . 6.3 Dualidade entre For cas e A c oes de Movimento. . . . . . . . . . . . 6.4 Dualidade entre Esfor cos Internos e Taxas de Deforma c ao . . . . . 6.5 Equil brio e Compatibilidade em Corpos Livres . . . . . . . . . . 6.5.1 Princ pio da Pot encia Virtual . . . . . . . . . . . . . . . . 6.5.2 O Teorema da Representa c ao . . . . . . . . . . . . . . . . 6.5.3 Princ pio da Pot encia Virtual Complementar . . . . . . . . 6.6 Equil brio e Compatibilidade em Corpos com Restri co es Bilaterais 6.6.1 Princ pio da Pot encia Virtual . . . . . . . . . . . . . . . . 6.6.2 O Teorema da Representa c ao . . . . . . . . . . . . . . . . 6.6.3 Princ pio da Pot encia Virtual Complementar . . . . . . . . ii
7 Princ pios Variacionais em Elasticidade. Pequenas Deforma c oes 203 7.1 Introdu ca o . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 203 7.2 Material El astico. Comportamento Uniaxial . . . . . . . . . . . . . . . . . 203 7.3 Extens ao a Estados M ultiplos . . . . . . . . . . . . . . . . . . . . . . . . . 207 7.4 Princ pios Variacionais (Corpos Livres) . . . . . . . . . . . . . . . . . . . . 210 7.4.1 Princ pio do Trabalho Virtual (Corpos Livres) . . . . . . . . . . . . 212 7.4.2 Princ pio de M nima Energia Potencial Total (Corpos Livres) . . . . 213 7.4.3 Equa co es Locais e Condi co es de Contorno (Corpos Livres) . . . . . 213 7.4.4 Compatibilidade. Princ pio do Trabalho Virtual Complementar. Princ pio de M nima Energia Complementar (Corpos Livres) . . . . 215 7.4.5 Princ pio de M nima Energia Complementar P.M.E.C. (Corpos Livres)217 7.5 Princ pios Variacionais. Restri co es Bilaterais. . . . . . . . . . . . . . . . . 218 7.5.1 Princ pio do Trabalho Virtual (Restri c oes Bilaterais): . . . . . . . . 220 7.5.2 Princ pio de M nima Energia Potencial Total P.M.E.P.T. (Restri co es Bilaterais) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 221 7.5.3 Princ pio do Trabalho Virtual Complementar P.T.V.C. (Restri c oes Bilaterais) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 222 7.5.4 Princ pio de M nima Energia Complementar P.M.E.C. (Restri co es Bilaterais) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 223 7.6 Pr ncipios Variacionais. Restri co es Unilaterais Perfeitas (Sem Atrito) . . . 223 7.6.1 Princ pio de M nima Energia Potencial Total (Restri co es Unilaterais)224 7.6.2 Princ pio de M nima Energia Complementar (Restri co es Unilaterais) 226 7.7 Princ pio de Min-Max. Funcional de Hellinger-Reissner . . . . . . . . . . . 226 7.7.1 Princ pio de Hellinger-Reissner . . . . . . . . . . . . . . . . . . . . 228 7.8 Funcional Generalizado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 230 7.8.1 Princ pio Variacional Generalizado . . . . . . . . . . . . . . . . . . 230 7.9 Teorema de Castigliano . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 231 7.10 Cotas para Deslocamentos e Cargas Generalizadas . . . . . . . . . . . . . . 234 7.11 Problema da Elastodin amica (Restri co es Bilaterais) . . . . . . . . . . . . . 239 7.12 Solu ca o Aproximada dos Problemas Variacionais . . . . . . . . . . . . . . . 242 7.13 Problema da Elastost atica. Restri c oes Bilaterais . . . . . . . . . . . . . . . 242 7.14 Solu ca o Aproximada do Problema Variacional de Hellinger-Reissner . . . . 248 7.15 Solu ca o Aproximada do Princ pio Variacional Generalizado . . . . . . . . . 251 7.16 Algoritmos Num ericos para Problemas de Contato em Elastost atica . . . . 254
IV
Ap endices
. . . . . . . . . . . . . . . . Transla ca o de . . . . . . . . iii . . . . . . . . . . . . . . . . . . um Subespa co . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
259
261 . 261 . 262 . 262 . 263
A Deni co es e Nota c oes A.1 Espa co Vetorial Real . . A.1.1 Subespa co . . . . A.1.2 Variedade Linear. A.2 Transforma co es Lineares.
A.3 A.4 A.5 A.6
O Espa co L (U, V ) . . . . . . . . Funcionais . . . . . . . . . . . . . O Espa co Dual Alg ebrico . . . . . Alguns Elementos de An alise Real A.6.1 Sequ encias . . . . . . . . . A.7 Limite e Continuidade de Fun co es A.8 Espa cos M etricos . . . . . . . . . A.9 Espa cos Normados . . . . . . . . A.10 Espa cos com Produto Interno . .
. . . . . . . . .
. . . . . . . . .
. . . . . . . . .
. . . . . . . . .
. . . . . . . . .
. . . . . . . . .
. . . . . . . . .
. . . . . . . . .
. . . . . . . . .
. . . . . . . . .
. . . . . . . . .
. . . . . . . . .
. . . . . . . . .
. . . . . . . . .
. . . . . . . . .
. . . . . . . . .
. . . . . . . . .
. . . . . . . . .
. . . . . . . . .
. . . . . . . . .
. . . . . . . . .
. . . . . . . . .
. . . . . . . . .
263 264 264 265 267 269 270 273 279
B A Convexidade no C alculo Variacional B.1 Introdu ca o . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . B.2 Fun c oes Convexas . . . . . . . . . . . . . . . . . . . . . . . . . . . B.3 Semicontinuidade . . . . . . . . . . . . . . . . . . . . . . . . . . . B.4 Diferencial no Sentido de Gateaux . . . . . . . . . . . . . . . . . . B.5 Minimiza ca o de Funcionais Convexos. Caracteriza c ao do Ponto de
281 . . . . . 281 . . . . . 283 . . . . . 283 . . . . . 284 M nimo 284
C Exerc cios 287 C.1 Introdu ca o . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 287
iv
Lista de Figuras
1.1 1.2 1.3 1.4 1.5 1.6 2.1 2.2 2.3 2.4 2.5 2.6 2.7 2.8 2.9 2.10 2.11 4.1 4.2 4.3 4.4 4.5 4.6 4.7 4.8 4.9 4.10 5.1 5.2 5.3 5.4 Viga . . . . . . . . . . . . . . . . . . . . . . . . . . . Ponto de cela . . . . . . . . . . . . . . . . . . . . . . M aximos, m nimos e pontos estacion arios . . . . . . . Viga apoiada em ambas extremidades . . . . . . . . . Viga engastada em x=0 . . . . . . . . . . . . . . . . Viga engastada em x=0 com descontinuidade em x=a . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2 . 5 . 5 . 11 . 11 . 11 . . . . . . . . . . . . . . . . . . . . . . . . . 17 20 22 24 25 26 26 27 28 28 29 52 57 57 71 91 94 95 100 101 105 122 122 128 129
Problema da Brachistochrone . . . . . . . . . . . . . . . . . . Geod esica em 3 . . . . . . . . . . . . . . . . . . . . . . . . . Geod esica numa esfera . . . . . . . . . . . . . . . . . . . . . . Problema de control da dire ca o . . . . . . . . . . . . . . . . . Problema de Dido . . . . . . . . . . . . . . . . . . . . . . . . . Analogia f sica para o problema isoperim etrico de Dido . . . . Problema isoperim etrico . . . . . . . . . . . . . . . . . . . . . Problema da caten aria . . . . . . . . . . . . . . . . . . . . . . Superf cie m nima de revolu ca o . . . . . . . . . . . . . . . . . M nima superf cie de revolu ca o para L muito maior que r1 e r2 M nima superf cie de revolu ca o para L sucientemente grande
Diferentes conci co es de contorno . . . . . . . . . . . . . . . . . . . Fun co es convexas . . . . . . . . . . . . . . . . . . . . . . . . . . . Convexidade para fun co es f C 1 [I ] . . . . . . . . . . . . . . . . Problema de Dido . . . . . . . . . . . . . . . . . . . . . . . . . . . Variao geral de um funcional . . . . . . . . . . . . . . . . . . . . . Curva Braquist ocrona com extremo livre . . . . . . . . . . . . . . Extremos livres via An alise de Sensibilidade . . . . . . . . . . . . Fun co es extremos com pontos angulosos . . . . . . . . . . . . . . . Extremos com pontos angulosos . . . . . . . . . . . . . . . . . . . Viga el astica com propriedades geom etricas/material descont nuas
Matriz (a) banda e (b) skyline . . . . . . . . . . . . . . . . . . . . . . . . Barra el astica homogenea de se ca o transversal e carregamento constante Fun ca o i linear por parte. . . . . . . . . . . . . . . . . . . . . . . . . . . Parti c ao de [0, L] em 4 intervalos. . . . . . . . . . . . . . . . . . . . . . . v
5.5 5.6 5.7 5.8 5.9 5.10 5.11 5.12 5.13 5.14 5.15 5.16 5.17 5.18 5.19 5.20 5.21 6.1 6.2 6.3 6.4 6.5 7.1 7.2 7.3 7.4 7.5
Restri ca o de un em e = 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . Restri ca o de 1 e 2 em e = 2 . . . . . . . . . . . . . . . . . . . . . . . . Montagem da matriz global. . . . . . . . . . . . . . . . . . . . . . . . . . . Viga sob funda c ao felx vel. . . . . . . . . . . . . . . . . . . . . . . . . . . . Fun co es c ubicas de suporte compacto. . . . . . . . . . . . . . . . . . . . . . Exerc cio 5.4. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Exerc cio 5.7, tor c ao numa barra retangular . . . . . . . . . . . . . . . . . Fun c ao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Exemplo 5.9, Viga simplesmente apoiada com carga uniforme . . . . . . . . Exemplo 5.10. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Fun c oes de interpola c ao de suporte compacto. . . . . . . . . . . . . . . . . Contribui ca o da regi ao e nas fun co es de interpola ca o de suporte compacto. Exerc cio 5.10 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Exerc cio 5.11. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Exerc cio 5.12. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Exerc cio 5.13. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Exemplo 5.12. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Deforma ca o. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Congura co es admiss veis. . . . . . . . . . . . . . . . . . . . . . . . . . . Espa cos vetoriais e demais elementos introduzidos pela cinem atica. . . . Formula ca o Variacional: principais elementos. . . . . . . . . . . . . . . . Corpo com restri c oes cinem aticas bilaterais. Exemplo de carga externa compat vel com o equil brio. . . . . . . . . . . . . . . . . . . . . . . . . Propriedade das fun c oes e . . . . . . . . . . . . . . . . . . . . . . . Princ pio do Trabalho Virtual para corpos de Material Hiperel astico . . . Principios Variacionais na teoria da elasticidade em pequenas deforma co es e deslocamentos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Viga engastada em um extremo do exemplo 7.1 . . . . . . . . . . . . . . Viga engastada do exemplo 7.2 . . . . . . . . . . . . . . . . . . . . . . . . . . .
132 132 133 137 139 140 140 143 151 153 157 158 163 164 164 165 167 175 184 186 190
. 197 . 206 . 215 . 232 . 235 . 238
A.1 O espa co C (0, 1) com a norma denida em (A.6) n ao e completo. . . . . . 275 A.2 O espa co C (0, 1) com a norma denida em (A.7) n ao e completo. . . . . . 275 C.1 C.2 C.3 C.4 C.5 Problema da Braquist ocrona . . . Problema da Geod esica: Cone . . Problema da Geod esica: Cilindro Problema do bote . . . . . . . . . Barra el astica submetida a tors ao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 288 289 290 290 293
vi
Prefacio
Os m etodos e princ pios variacionais t em um papel importante na Modelagem e Simula ca o Computacional. Como veremos nesta monograa, a forma variacional das leis que governam o comportamento dos meios cont nuos, e a maneira mais natural e rigorosa de institu-las. O emprego da formula ca o variacional permite reduzir em uma u nica express ao integral todos os elementos que participam na modelagem do problema que se est a analisando, tais como: equa co es de equil brio, equa co es constitutivas (comportamento do material), condi c oes de contorno, condi co es iniciais, de descontinuidade, etc. Por exemplo, as formas locais das equa co es que regem o movimento de um corpo, podem ser obtidas diretamente a partir da pr opria formula c ao variacional. Por sua vez, e isto e importante desde o ponto de vista das aplica co es, a formula ca o variacional proporciona, de maneira natural, os m etodos de resolu ca o para a obten ca o de solu c oes aproximadas. Estes m etodos, chamados M etodos Variacionais, permitem determinar solu co es aproximadas muitas vezes de f acil implementa c ao computacional independentemente da complexidade da geometria do dom nio onde o problema est a denido. Outro aspecto importante dos M etodos Variacionais na Modelagem e Simula ca o Computacional quando comparada com a formula c ao cl assica (local), e a de permitir reunir dentro de um mesmo formalismo diferentes problemas aparentemente n ao relacionados entre si. Este poder de s ntese, permite distinguir as hip oteses e aspectos fundamentais dos modelos que estejam sendo analisados. Finalmente, os M etodos Variacionais proporcionam, atrav es das ferramentas da An alise Funcional, os elementos necess arios ao estudo da exist encia e unicidade da solu ca o e das estimativas a priori e a posteriori do erro de aproxima c ao. Iniciado por Arist oteles a mais de 300 anos antes de Cristo, formulado pela primeira vez nos celebres trabalhos de J. Bernoulli e denitivamente estabelecido a partir dos trabalhos de DAlambert, podemos concluir (ver [Lan70]) que os M etodos Variacionais t em um signicado muito mais que acidental. De fato, os M etodos Variacionais t em uma import ancia fundamental na elabora ca o dos modelos constituindo-se na formula c ao natural para os mesmos. Com o intuito de facilitar o aprendizado deste tema, fornecendo uma introdu c ao do C alculo Variacional, dos M etodos Variacionais e de suas aplica co es em Mec anica, esta monograa foi elaborada para o curso GA-015 M etodos Variacionais da P os-Gradua ca o em Modelagem Computacional do LNCC/MCT. Como a idioma materno dos autores n ao e o portugu es, agradecemos todo tipo de vii
corre c oes, sugest oes e criticas que nos sejam enviadas (feij@lncc.br). Da mesma maneira, as corre co es, sugest oes e criticas referente ao conte udo destas notas ser ao tamb em muito apreciadas pelos autores j a que, tanto estas como as anteriores, permitir ao melhorar em muito esta monograa. Recomendamos ainda a leitura dos seguintes livros: Calculus of Variations, de Gelfand & Fomin, PrenticeHall, 1963, ([GF63]); Variational Methods in Mathematical Physics, Pergamon Press, 1969, ([Mik64]); The Problem of the Minimum of Quadratic Functionals, Holden Day, 1965, ([Mik65]); Mathematical Physics and Advanced Course, North Holland, 1970, ([Mik70]); The Numerical Performance of Variational Methods, Nordho Pub., 1971, ([Mik71]); An Approximation on Rectangular Grid, Sijtho-Noordho, 1979, ([Mik79]), todos de S. G. Mikhlin; Approximate Methods of Solution for Dierential and Integral Equations, Elsevier, 1967, de S. G. Mikhlin & K. L. Smolitskiy ([MS67]); Variational Methods in Theoretical Mechanics, de J. T. Oden, Springer Verlag, 1983, ([OR76b]); Direct Methods in the Calculus of Variations, de B. Dacorogna, Springer Verlag, (1989); Ecuaciones Diferenciales y C alculo Variacional, de L. Elsgoltz, Editorial MIR, 1969, ([Els69]). Finalmente, para os interessados em adquirir maiores conhecimentos nestes temas, tamb em recomendamos a leitura dos cap tulos 3 e 4 de C. Lanczos ([Lan70]), os livros de Duvaut e Lions ([DL72]), de Ekeland y Temam ([ET74]), de P. Germain ([Ger80]), de Y. C. Fung ([Fun65]), de M. Fremond ([Fre80]), de Oden e colaboradores ([Ode79], [OCB81], [OC83a], [OC83b], [OR76b]), de P. D. Panagiotopoulos ([Pan90]), de Rektorys ([Rek75]), os trabajos de P. Germain ([Ger72], [Ger73a], [Ger73b], [Ger82]) , de M. A. Maugin ([Mau80]), de Romano e colaboradores ([Rom75], [Rom79], [Rom82], [Rom84], [RA], [RR79], [RRMdSB93], [RRMdS93a], [RRMdS93c], [RRMdS93b]) , e os trabalhos [FT83], [FT80], [FT82], [TF83], citados na bibliograa.
R. A. Feij oo, E. Taroco e C. Padra LNCC/MCT - Laborat oio Nacional de Compurta c ao Cient ca. Petr opolis, Rio de Janeiro, Brasil Fevereiro, 2004
viii
Cap tulo 1 Motiva c ao

Neste cat tulo pretendemos fornecer uma vis ao panor amica do papel que jogam os M etodos Variacionais no contexto da Modelagem Computacional. De fato, durante a etapa de estudo e deni ca o do modelo (matem atico) que governa (ou que aproxima) um determinado problema f sico podemos distinguir dois caminhos. O primeiro, que chamaremos cl assico, consistira em modelar o problema f sico atrav es de um problema de valor de contorno. O segundo, que chamaremos variacional, consistir a em formular o problema atrav es de uma express ao integral que poderemos requerer i) alcance um valor extremal (m aximo ou m nimo), neste caso a express ao integral recebe o nome de funcional; ii) que seja nula, neste caso a express ao integral recebe o nome de equa c ao variacional; iii) que seja menor ou igual a zero, neste caso a express ao integral recebe o nome de inequa c ao variacional; Como veremos mais adiante, esta u ltima forma de modelar um determinado problema f sico ainda proporciona de maneira natural procedimentos (M etodos Variacionais) para obter uma solu c ao aproximada quando a solu c ao exata e dif cil ou, muitas vezes, imposs vel de ser calculada. Para entendermos melhor o anterior, suponha que estamos estudando o problema de uma viga de material el astico submetida a um carregamento transversal q como indicado na Figura 1.1. Empregando o primeiro caminho, o problema consistira em determinar a fun c ao u = u(x) tal que satisfa ca a seguinte equa c ao d2 u d2 E ( x ) I ( x ) = q (x) dx2 dx2 onde E = E (x) e o Modulo de Elasticidade de Young que satisfaz a propriedade E E0 > 0, x [0, L] 1 (1.2) (1.1)
Cap tulo 1. Motiva ca o
Figura 1.1: Viga I = I ( x) e o Momento de In ercia da se c ao transversal que tamb em satisfaz a condi c ao I I0 > 0, x [0, L] (1.3)
Da equa ca o (1.1) podemos observar que, se existe uma solu c ao u, existir ao innitas j a que v = u + f (x), onde f (x) e uma fun ca o arbitraria tal que sua derivada segunda seja identicamente nula, tamb em e uma solu c ao. Vemos assim que o problema ainda n ao esta totalmente denido sendo necess ario incluir outras informa co es. Estas informa co es adicionais est ao associadas ao valor que a poss vel solu c ao u = u(x) e suas derivadas at e um certo ordem (no presente problema at e a terceira ordem) assumem nos extremos do intervalo [0, L] isto e, em x = 0 e x = L. Estas condi co es s ao chamadas condi c oes de contorno que, para o exemplo da Figura 1.1, correspondem ` a condi c ao de viga engastada u(0) = du du (0) = u(L) = (L) = 0 dx dx (1.4)
Para completar a deni c ao do problema, falta ainda denir o grau de regularidade da fun c ao u. Desde o ponto de vista cl assico, a equa c ao (1.1) ter a sentido somente se admitirmos como m nimo que o carregamento transversal q seja uma fun c ao continua (q C (0, L)), o dado f sico (comportamento do material - Modulo de Elasticidade de Young) e o dado geom etrico (momento de in ercia) sejam fun c oes de classe C 2 (E, I 2 C (0, L)). Com estas restri c oes, o modelo ca denido pelo seguinte problema de valor de contorno-P.V.C.: Determinar u C 4 (0, L) tal que d2 u d2 E ( x ) I ( x ) = q (x), x (0, L) dx2 dx2 du du u(0) = (0) = u(L) = (L) = 0 dx dx q C [0, L], E, I, C 2 (0, L)
(1.5)
Como o leitor pode observar, este tipo de abordagem para formular (modelar) um determinado problema apresenta s erias desvantagens. Por exemplo, no problema f sico
3 que desejamos modelar dicilmente encontraremos tanta regularidade. O carregamento q geralmente e caracterizado por uma fun c ao descontinua e, muitas vezes pode ser representado por uma fun ca o tipo delta-Dirac (que corresponde a um carregamento pontual). Algo similar pode acontecer com as propriedades do material e/ou geometria da viga que poder ao tamb em ser caracterizadas por fun co es descontinuas. Neste caso o P.V.C. (1.5) n ao poder a ser visto da maneira cl assica sendo necess ario estender (ou generalizar) o conceito de derivada (derivada generalizada). Outra desvantagem da formula ca o cl assica surge no momento de tratar de calcular a solu c ao do P.V.C. Em geral, os m etodos dispon veis exigem um grau de conhecimento matem atico muitas vezes fora do alcance dos prossionais em engenharia, biologia, etc. Em outros casos, os m etodos existentes n ao s ao sucientes para determinar uma solu c ao seja pela complexidade do P.V.C. (por exemplo n ao linearidade), seja pela complexidade do dom nio onde esta denido o P.V.C. Como mencionamos no inicio desta se ca o, outra forma de modelar o problema f sico e empregando a formula c ao variacional. Neste caso, o problema e formulado, por exemplo, atrav es da algumas das seguintes formas Determinar u U tal que u = arg min F (v ) =
v U def
f (v )d
(1.6)
Determinar u U tal que F (u, v ) =
f (u, v )d = 0 v V
(1.7)
Determinar u U tal que F (u, v ) =
f (u, v )d 0 v V
(1.8)
onde U e o conjunto de fun c oes admiss veis ou fun c oes testes e V e a variedade linear associada. Como veremos no decorrer deste curso, esta abordagem pode ser considerada natural tendo em vista sua rela ca o intr nseca com o homem. Em particular, os problemas variaicionais despertaram o interesse do homem desde sua origem. Por exemplo, o caminhar em linha reta para alcan car um ponto vis vel de destino e uma solu c ao instintiva do homem para encontrar o extremal do problema: dados dois pontos em um plano, A de partida e B de destino, determinar o caminho que tenha o menor comprimento poss vel. Outro exemplo surge quando desejamos realizar uma tarefa f sica. Neste caso o ser humano tratara de realiz a-la seguindo o caminho do menor esfor co poss vel. Mais formalmente, empregaremos a express ao problema extremal toda vez que se deseje determinar o maior ou o menor valor poss vel de uma certa quantidade. Por exemplo, desejamos determinar o ponto mais alto de uma montanha (ou o ponto mais baixo num
vale) ou o caminho de menor comprimento unindo dois pontos de uma superf cie. A formula c ao e solu c ao destes e outros problemas similares, e uma area da matem atica conhecida como C alculo Variacional e M etodos Variacionais respectivamente. Desde um ponto de vista formal, o problema de minimizar (ou maximizar) uma dada express ao integral e considerada como o dom nio pr oprio do C alculo Variacional. Por outro lado, o problema de minimizar (ou maximizar) uma fun c ao pertence ao C alculo (de fun c oes). Historicamente ambos problemas surgiram simultaneamente n ao existindo uma clara distin c ao entre ambos at e que Euler, em 1732 (tinha somente 25 anos!), deu os primeiros passos no desenvolvimento de um m etodo geral para a solu c ao de problemas variacionais quando apresentou a solu ca o geral do problema isoperim etrico: encontrar entre as curvas planas de comprimento dado aquela que limite a maior area poss vel. Outro grande passo no desenvolvimento do C alculo Variacional teve origem nas contribui c oes de Lagrange quando, aos 19 anos!, manteve ativa correspond encia com Euler. Euler trabalhou intensamente no desenvolvimento do m etodo proposto por Lagrange, publicando seus resultados somente apos os trabalhos de Lagrange serem publicados em 1760 e 1761. Estes trabalhos conjuntamente com o trabalho de Lagrange (M echanique Analytique, 1788) estabeleceram as bases para a solu ca o geral dos problemas variacionais. Antes de proceder ao desenvolvimento formal das ferramentas do C alculo Variacional (e m etodos associados) vamos a considerar um conjunto de exemplos simples que permitira fornecer uma vis ao geral dos elementos que integram o C alculo Variacional. Suponha que desejamos encontrar o ponto mais alto em uma montanha onde a altura esta dada pela fun ca o h = f (x, y ) (1.9) onde, para simplicar, suporemos que f (x, y ) e uma fun c ao cont nua e sucientemente regular nas vari aveis x e y . O problema do ponto m aximo (ou m nimo) esta associado intimamente com o conceito natural de compara c ao e distancia. De fato, se a gente se encontra no topo da montanha todos os pontos da mesma dever ao ter altura menor. Encontramos aqui uma caracter stica dos problemas de extremo: a compara c ao entre pontos que poder ao estar pr oximos ou distantes do ponto onde estamos parados. Logo, na deni c ao do conceito de ponto mais alto (baixo) devemos primeiro denir o conjunto dos pontos com os quais faremos a compara c ao. Se neste conjunto todos os pontos que o integram est ao pr oximos ao ponto onde estamos parados teremos que o conceito de extremal e um conceito local. Neste caso diremos que estamos procurando um m aximo (ou m nimo) local. Se o conjunto engloba todos os pontos da montanha teremos um m aximo (ou m nimo) global. Na procura do extremal local, podemos restringir a compara c ao a pontos arbitrariamente pr oximos (innitesimal) a nossa posi ca o. Neste caso, todos os pontos ter ao, dentro de uma aproxima ca o de primeira ordem, a mesma altura. Em outras palavras a taxa de varia ca o da altura deve ser nula em qualquer dire c ao adotada (estamos supondo que o ponto onde estamos parados e um ponto interior do conjunto e esta e uma condi ca o fundamental em nossa an alise). Certamente, se a taxa de varia ca o para uma dada dire ca o for positiva isto diz que existem, nessa dire c ao, pontos mais altos pr oximos a nos. Por outro
Figura 1.2: Ponto de cela
Figura 1.3: M aximos, m nimos e pontos estacion arios lado, se a taxa for negativa a gente poder a mover-se em dire c ao oposta dando lugar a uma mudan ca positiva indicando, mais uma vez, pontos mais altos. Assim, vemos que valores negativos ou positivos da taxa de varia ca o da altura s ao exclu dos se um m aximo (ou m nimo) local e requerido no ponto onde estamos parados. Chegamos assim formalmente ao principio de que a fun ca o alcan ca um ponto extremal m aximo se f (x, y ) dx 0 dx admiss vel e um ponto extremal m nimo se f (x, y ) dx 0 dx admiss vel onde f (x, y ) = [ f f , ], dx = [dx, dy ] x y (1.11) (1.10)
(1.12)
Se o ponto (x, y ) e interior, vericamos que se dx e admiss vel ent ao dx tamb em e admiss vel, logo da express ao (1.10) ou da express ao (1.11) obtemos f (x, y ) dx 0 dx f (x, y ) = 0 (1.13)
Entretanto, devemos observar que satisfazer este principio n ao e suciente para garantir um ponto extremal. Como mostrado na Figura 1.2, para certa dire ca o temos um m aximo e para outra um m nimo. De maneira mais simples, a Figura 1.3 nos apresenta todos os casos discutidos. O estudo de pontos onde a taxa de varia c ao em toda dire c ao e nula e importante. Pontos onde isto acontece, s ao pontos excepcionais que recebem o nome de pontos estacion arios. Em particular o equil brio de certos sistemas f sicos requer valores estacion arios
para uma certa express ao integral (ver a express ao (1.6) onde estamos procurando a fun ca o u U de maneira a minimizar (ou maximizar) o valor que toma a express ao integral F (u)), ou requer que o valor que toma uma certa express ao integral seja nula ou satisfa ca uma desigualdade para toda dire ca o admiss vel (ver express oes (1.7) e (1.8) onde v V corresponde a uma dire ca o admiss vel). Retornando ao problema da viga, cuja modelagem cl assica foi caracterizada pelo problema de valor de contorno (1.5), veremos agora como este problema ca caracterizado atrav es da formula c ao variacional. Para isto, denamos primeiro o conjunto de fun co es admiss veis ou fun co es testes U= u sucientemente regular, u(0) = du du (0) = u(L) = (L) = 0 dx dx (1.14)
Com a express ao sucientemente regular desejamos enfatizar que a fun c ao u deve ter a regularidade necess aria para que as opera co es matem aticas a serem realizadas tenham sentido. Fora deste requisito, a caracteriza ca o de U somente requer a imposi ca o de restri c oes f sicas evidentes (condi c oes principais de contorno). Como as restri co es s ao homog eneas, este conjunto e um espa co vetorial onde as opera co es de adi ca o e multiplica c ao por escalar est ao denidas. Seja u = u(x) solu ca o do P.V.C. dado pelo conjunto de express oes (1.5). Neste caso e evidente que uU (1.15) Por sua vez, para toda v U se verica que
L 0
d2 d2 u E (x)I (x) 2 q (x) v (x)dx = 0, v U dx2 dx
(1.16)
Com este resultado, podemos pensar em caracterizar a solu c ao do problema da viga pela express ao anterior (compare isto com a equa c ao variacional (1.7)). Para que isto seja correto, temos que vericar que, satisfazer a express ao (1.16) seja equivalente a satisfazer o P.V.C. (1.5). De fato, do grau de regularidade existente em U e admitindo a regularidade necess aria nos dados geom etricos (I = I (x)), nos dados associados ao material da viga (E = E (x)) e de carregamento (q = q (x)), temos (x) = d2 d2 u E (x)I (x) 2 q (x) dx2 dx C (0, L) (1.17)
Admitindo a exist encia de um ponto xo (0, L) tal que (x) = d2 u d2 E (x)I (x) 2 q (x) |x=xo = 0 dx2 dx (1.18)
pela continuidade de , existe um intervalo Ixo = (xo , xo + ) para sucientemente pequeno dentro do qual a fun ca o conserva seu sinal. Por outro lado, sempre poderemos
7 escolher a fun ca o v U que tenha o mesmo sinal de no intervalo Ixo e seja nula fora do mesmo. Do anterior obtemos d2 d2 u E ( x ) I ( x ) q (x) v (x)dx = dx2 dx2 0 xo + d2 d2 u = E ( x ) I ( x ) q (x) v (x)dx > 0. dx2 dx2 xo
L
(1.19)
Chegamos assim a uma contradi ca o resultante de supor que (xo ) = 0. Por tanto (xo ) = 0 e, como xo e um ponto arbitr ario do intervalo (0, L), temos (x) = d2 d2 u E ( x ) I ( x ) q (x) dx2 dx2 0, x (0, L) (1.21) (1.20)
Chegamos assim a dois resultados. O primeiro e chamado Lema Fundamental do C alculo das Varia c oes: seja C (a, b) tal que
b
(x)v (x)dx = 0 v C [a, b] 0 [a, b]

a
(1.22)
O segundo resultado esta associado ` a equival encia entre o problema de valor de contorno (1.5) e o Problama Variacional: Determinar u U tal que
L
F (u, v ) =
0
d2 u d2 E ( x ) I ( x ) q (x) v (x)dx = 0, v U dx2 dx2
(1.23)
compare este resultado com a express ao (1.7). Podemos avan car ainda mais. Integrando por partes a express ao(1.23) temos
L 0
d2 d2 u E (x)I (x) 2 q (x) v (x)dx = dx2 dx E (x)I (x)

=0 j a
d dx
d2 u dx2
v (x)
0
+
0
d dx
E (x)I (x)
d2 u dx2
dv q (x)v (x) dx = dx
que vU
L L
d2 u dv = E (x)I (x) 2 dx dx
=0 j a L
+
0 0
d2 u d2 v E (x)I (x) 2 2 q (x)v (x) dx = dx dx
que vU d2 u d2 v q (x)v (x)}dx = 0, v U dx2 dx2 (1.24)
=
0
{E (x)I (x)
Cap tulo 1. Motiva ca o Desta maneira, o Problema Variacional (1.23) e equivalente a: Determinar u U tal que
L
G (u, v ) =
0
d2 u d2 v E (x)I (x) 2 2 dx dx dx
q (x)v (x)dx = 0, v U
0
(1.25)
Introduzindo a nota c ao mais compacta

L
a(u, v ) =
0 L
E (x)I (x)
d2 u d2 v dx dx2 dx2
(1.26) (1.27)
l(v ) =
0
q (x)v (x)dx
o problema variacional (1.25) toma a forma nal: Determinar u U tal que a(u, v ) = l(v ), v U Da deni ca o da forma a(u, v ) temos a(u, v ) = a(v, u) u, v U simetria a(u, u) 0, u U positiva semidenida e das propriedades impostas aos dados f sico e geom etrico ((1.2) e (1.3)) temos
L
(1.28)
(1.29) (1.30)
a(u, u) = 0
0
E (x)I (x)
d2 u dx2
dx = 0
d2 u 0 x [0, L] dx2
du du cte. x [0, L] 0 x [0, L] condi c oes de contorno! dx dx u cte. x [0, L] u 0 condi c oes de contorno! (1.31) Deste u ltimo resultado obtemos mais uma propriedade da forma a(u, v ) a(u, u) 0, e = 0 se e s o se u = 0 U positiva denida Das propriedades da forma a(u, v ) podemos obter o seguinte resultado. Proposi c ao 1.1 (Unicidade) Se existe solu c ao do Problema Variacional (1.28) esta solu c ao eu nica. Prova. Sejam duas solu co es diferentes u1 e u2 U , isto e u1 u2 = 0 Sendo solu co es de (1.28) satisfazem respectivamente a(u1 , v ) = l(v ); a(u2 , v ) = l(v ) v U (1.34) (1.33) (1.32)
9 subtraindo ambas express oes obtemos a(u1 u2 , v ) = 0 v U Por sua vez como v e arbitr ario, podemos adotar v = u1 u2 U obtendo a(u1 u2 , u1 u2 ) = 0 e da propriedade (1.32), temos nalmente u 1 = u2 = u (1.37) (1.36) (1.35)
Isto e, se a solu c ao existe ela eu nica. Outro resultado importante que podemos obter das propriedades da forma a(u, v ) eo seguinte. Denamos a seguinte express ao integral (funcional) 1 F (v ) = a(v, v ) l(v ); v U 2 Da deni ca o anterior e para todo v U temos F (v ) F (u) = (1.38)
1 1 a(v, v ) l(v ) a(u, u) + l(u) 2 2 1 1 a(v, v ) a(u, u) l(v u) = 2 2 1 1 = a(v, v ) a(u, u) a(u, v u) 2 2 1 1 = a(v, v ) + a(u, u) a(u, v ) 2 2 1 a(v u, v u) 0 e = 0 se e s o se v = u (1.39) = 2 Do resultado anterior obtemos uma outra forma de caracterizar a solu ca o do problema da viga que estamos estudando: Determinar u U tal que u = arg min F (v )
v U def
(1.40)
Compare este resultado com a express ao (1.6). importante ressaltar aqui que as formula E co es variacionais (1.28) e (1.40) embora tenham sido obtidas atrav es da formula c ao cl assica podem ser obtidas diretamente dos Princ pios Variacionais da Mec anica chamados, respectivamente, Princ pio da Potencia Virtual e Princ pio da M nima Energia Potencial Total. Neste momento podemos j a observar algumas vantagens da formula c ao variacional a caracteriza c ao do conjunto U e simples e o termo sucientemente regular pode agora ser denido com precis ao U = {v ; v, dv d2 v e quadrado integr aveis em [0, L] e dx dx2 dv dv v (0) = (0) = v (L) = (L) = 0}; dx dx
(1.41)
10 permite o estudo da unicidade da solu ca o.
Outra vantagem adicional na formula ca o variacional esta relacionada com o estabelecimento das condi c oes de contorno. Quando tratamos de formular o problema da viga de maneira cl assica a equa ca o diferencial n ao foi suciente, sendo necess ario incluir condi co es de contorno. Estas condi co es de contorno foram inferidas pelas caracter sticas f sicas do problema (viga engastada). Isto j a n ao seria t ao simples se, em lugar de solucionar o problema da Figura 1.1, for necess ario solucionar problemas como os indicados nas Figuras 1.4 - 1.6. Assim, quais seriam as condi co es de contorno apropriadas para resolver estes problemas ?. Para o problema da Figura 1.4 somente podemos dizer que u(0) = u(L) = 0 e que du/dx esta livre nos extremos. De maneira similar, para o problema da Figura 1.5-1.6 temos que u(0) = du (0) = 0. Qual e a condi c ao de salto no ponto x = a?. Assim, dx n ao temos informa co es sucientes para podermos integrar a equa ca o diferencial. Logo, como obter as condi c oes de contorno faltantes?. O anterior n ao acontece com as formula c oes variacionais (1.28) e (1.40). As condi co es de contorno anteriores s ao sucientes para denir os diferentes problemas de viga com precis ao Problema da viga da Figura 1.1. u(0) = u(L) =
du (0) dx
du (L) dx
=0
Problema da viga da Figura 1.4. u(0) = u(L) = 0 Problema da viga da Figura 1.5-1.6. u(0) =
du (0) dx
=0
Como j a mencionado, estas condi co es s ao sucientes para formular corretamente todos estes problemas. Por esta raz ao s ao chamadas condi c oes de contorno principais. Como veremos, as outras condi co es de contorno, necess arias para resolver os problemas de valor de contorno (forma cl assica), s ao automaticamente satisfeitas pela solu c ao do problema variacional. Em outras palavras, estas condi co es de contorno est ao naturalmente incorporadas na propria formula ca o variacional. Por esta raz ao estas condi co es recebem o nome condi c oes de contorno naturais. Para obte-las basta integrar por parte. Para isto, tomemos a formula ca o variacional denida em (1.28) e integremos por parte
L
v U 0 = a(u, v ) l(v ) =
0
E (x)I (x)
L 0
a a+
q (x)v (x)dx
0
d2 u dv E (x)I (x) 2 dx dx
L
d2 u dv + E (x)I (x) 2 dx dx
2 L 0
d u dv d dx E (x)I (x) 2 dx dx dx d2 u E (x)I (x) 2 dx 1

L
q (x)v (x)dx d2 u E (x)I (x) 2 dx 2

a
d = dx
v (x)
0
d dx
v (x)
a+
11
Figura 1.4: Viga apoiada em ambas extremidades
Figura 1.5: Viga engastada em x=0 d2 u dv + E (x)I (x) 2 dx dx 3

L 2 2 L 0
d2 u dv + E (x)I (x) 2 dx dx 4
L
a a+
+
0
d du E (x)I (x) 2 v (x)dx 2 dx dx 5
q (x)v (x)dx
0
(1.42)
Da express ao (1.42) obtemos todas as equa c oes e restri co es que a solu c ao do problema de viga deve satisfazer Equa ca o de equilibrio d2 d2 u E ( x ) I ( x ) q (x) = 0 x [0, a ) e (a+ , L] 2 2 dx dx Condi co es de contorno principais Para a viga de Figura 1.1 u(0) = Para a viga de Figura 1.4 u(0) = u(L) = 0 (1.45) du du (0) = u(L) = (L) = 0 dx dx (1.44) (1.43)
Figura 1.6: Viga engastada em x=0 com descontinuidade em x=a
12 Para as vigas das Figuras 1.5-1.6 u(0) = Condi co es de contorno naturais Para a viga de Figura 1.4 d2 u d2 u (0) = (L) = 0 dx2 dx2 Para as vigas das Figuras 1.5-1.6 d dx E (x)I (x) EI Condi co es de salto Para todas as vigas d dx d2 u E (x)I (x) 2 dx d2 u E (x)I (x) 2 dx
a a
du (0) = 0 dx
(1.46)
(1.47)
d2 u dx2
(L) = 0
(1.48) (1.49)
d2 u dx2
(L) = 0
=0
a+
(1.50) (1.51)
=0
a+
Finalmente, outra vantagem da formula ca o variacional quando comparada com a formula c ao cl assica, esta relacionada com os m etodos para a obten c ao da solu c ao do problema. Como veremos em detalhe neste curso, a formula ca o variacional tamb em proporciona de maneira natural os m etodos de solu ca o. M etodos estes que exigem um conhecimento diferente do necess ario para determinar a solu ca o do problema de valor de contorno. Por exemplo, se o problema variacional consiste em determinar u U tal que u = arg min F (v )
v U def
(1.52)
podemos apreciar que o espa co U (denido em (1.41)) e um espa co de dimens ao innita. Uma maneira natural para obtermos uma solu ca o aproximada un deste problema consistira em denir o problema em um subespa co de dimens ao nita Un de U , onde n representa a dimens ao deste espa co e ainda que para n un u na norma do espa co U . Assim, o problema variacional toma a forma: determinar un Un tal que un = arg min F (v )
v Un def
(1.53)
13 Como Un e de dimens ao nita, sera poss vel escolher uma base para este espa co, por exemplo {i }i=1,n , isto e Un = span {i }i=1,n (1.54) Do anterior, temos ainda
n
vn Un vn =
i=1
bi i , bi R
(1.55)
Substituindo este resultado em (1.53) obtemos o seguinte m etodo num erico: Determinar bi R, i = 1, n tal que
n n
F (vn ) =
i=1
bi
j =1
1 bj a(i , j ) l(i ) 2
= F (b1 , ..., bn )
(1.56)
alcance um valor m nimo em Un . A express ao anterior e uma fun c ao regular de n vari aveis bi , i = 1, n e, como j a visto, a condi c ao necess aria de m nimo (em este caso tamb em suciente) consiste em: F (b1 , ..., bn ) = bi
n
a(i , j )bj l(i ) = 0, i = 1, n

j =1
(1.57)
A solu c ao {b1 , b2 , ..., bn } do sistema de equa c oes alg ebricas (lineares) anterior proporciona a solu ca o aproximada que estamos procurando
n
un =
i=1
bi i
(1.58)
Vemos assim, que a formula ca o variacional proporcionou de maneira natural o m etodo num erico para a obten c ao da solu ca o aproximada e que a mesma e obtida atrav es da solu c ao de um sistema de equa co es alg ebricas. Tendo em vista os computadores, este problema resulta muito f acil de ser resolvido. O emprego de t ecnicas similares ` a presente e largamente utilizado nos problemas de C alculo das Varia c oes. Resumindo, neste cap tulo foi apresentado de maneira supercial diversos aspectos presentes na Formula c ao Variacional. A mesma se apresenta como a ferramenta mais adequada (natural) para modelar (formular) e resolver problemas da f sica e de outras areas do conhecimento. Esta formula c ao proporciona de maneira natural as condi c oes de contorno (principais e naturais) e ainda fornece de maneira direta os m etodos num ericos que podem ser empregados para a obten c ao de uma solu ca o aproximada (por esta raz ao estes m etodos recebem o nome de m etodos diretos).
14
Parte I Introdu c ao ao C alculo Variacional
15
Cap tulo 2 Introdu c ao

Tradicionalmente o c alculo das varia c oes est a relacionado com o problema de determinar o m aximo (ou o m nimo) de express oes que envolvem fun co es. Neste cap tulo vamos apresentar alguns destes problemas, que s ao cl assicos na literatura, e que inuenciaram o desenvolvimento dos fundamentos te oricos do c alculo das varia co es e dos m et odos associados para obter suas solu co es. A an alise destes problemas nos permitir a detectar elementos comuns que, posteriormente, ser ao detalhados com o objetivo de formalizar nossa apresenta ca o.
2.1
O problema da Braquist ocrona
Todos sabemos que, ao cair, um objeto se acelera rapidamente sob a a ca o da gravidade. Esta constata c ao levou Galileo a perguntar, em 1637, por que uma part cula deslizando sem atrito sob a c ao da gravidade sobre um arco de c rculo requeria um tempo para varrer dois pontos A e B deste arco n ao maior do que empregaria movendo-se sobre a reta que os une. Podemos dizer que o c alculo das varia co es inicia com Johann Bernoulli, quem em 1696 desaa os matem aticos da epoca a encontrar a braquist ocrona (do grego o o menor, oo tempo), ou seja, a curva plana que, unindo os pontos A e B , proporcione o menor tempo de percurso para uma part cula deslizando sem atrito sob a ca o
Figura 2.1: Problema da Brachistochrone 17
18
Cap tulo 2. Introdu ca o
da gravidade. A solu ca o encontrada por Bernoulli, baseada em uma analogia otica que empregava o princ pio de Fermat da otica, assim como as solu co es encontradas por seu irm ao Jacob, por Newton, Euler e Leibnizt, mostraram que tal curva era uma cicl oide. De um ponto de vista mais formal este problema pode ser formulado da seguinte maneira. Para um certo instante de tempo t a velocidade da part cula ser a: ds v ( x) = = dt dx2 + dy 2 = dt 1+ dy dx
2
dx dt
(2.1)
Por outro lado, se designamos com g a acelera ca o da gravidade e com o angulo entre a tangente ` a curva y = y (x) e o eixo vertical no ponto x, temos: dv = g cos dt dy y = = v cos dt v = De onde: (2.2) (2.3)
dv dy d 2 dy v=g v = 2g v 2 = 2gy + cte (2.4) dt dt dt dt Em particular, supondo que em A v = y = 0 (A tem coordenadas x = 0, y = 0), resulta: v = 2gy (2.5) Substituindo este resultado em (2.1) obtemos: 1 dt = 2g 1 + (y )2 dx y (2.6)
dy onde y = dx . Logo, o tempo T = T (y ) necess ario para que a part cula, partindo de A com velocidade nula, alcance o ponto B , de coordenadas x = a e y = b, deslizando-se sem atrito sobre a curva y = y (x) ser a: 1 a 1 1 + (y )2 2 T = T (y ) dx (2.7) y 2g 0
De (2.7) vemos que o problema pode ser formalmente formulado da seguinte maneira: Problema da Braquist ocrona: determinar u D(T ) tal que: u = arg min T (v )
v D(T ) def
(2.8)
onde: D(T ) = y C 1 [0, a] , y (0) = 0, y (a) = b e que a integral (2.7) esteja denida Neste ponto surgem v arias perguntas: (2.9)
2.2. Geod esicas em Rd , d3 1. O problema tem solu c ao? (exist encia) 2. Se existe solu ca o, ela eu nica? (unicidade)
19
3. Que outras propriedades satisfaz esta solu ca o no interior do dom nio e no contorno? 4. Como calcul a-la? 5. No caso de n ao se poder calcular uma solu ca o exata e poss vel determinar uma boa aproxima ca o desta solu ca o? (solu c ao aproximada) 6. De todas as solu c oes aproximadas e poss vel determinar a melhor? Ao longo deste curso trataremos de responder estas perguntas para diferentes problemas variacionais. Por outro lado, e n ao obstante n ao se tenha uma resposta simples para este problema, podemos vericar que a suposi ca o de Galileo da superioridade do arco de c rculo sobre a reta estava correta. Como vericar isto?
2.2
Geod esicas em Rd, d3
Outro problema cl assico do c alculo das varia co es consiste em determinar a curva em Rd que, estando sobre uma hipersuperf cie caracterizada, por exemplo, por: g (x) = 0, x Rd (2.10)
una os pontos A e B desta superf cie com o menor comprimento poss vel. A curva solu ca o deste problema recebe o nome de Geod esica. Podemos observar que, se as curvas s ao percorridas com uma velocidade constante, o problema da geod esica corresponde ao problema da braquist ocrona. Quando a velocidade n ao e constante, ou depende do caminho, os dois problemas s ao totalmente diferentes e devem ser tratados separadamente. A formula ca o da geod esica em superf cies arbitr arias do R3 foi iniciada por Johann Bernoulli em 1698; posteriormente continuada por seu aluno Euler (1728), seguido por Lagrange (1760) e tratada de maneira decisiva por Gauss (1827) dando lugar a uma area importante da geometria diferencial. Para analisar este problema consideremos o caso mais simples, que consiste em n ao restringir a curva a uma dada superf cie, e consideraremos d = 3 Uma curva poder a ser parametrizada em fun c ao de um par ametro t tal que, para t = 0 estejamos no ponto A, para t = 1 estejamos no ponto B e para t (0, 1) arbitr ario, em um ponto desta curva dada por: u(t) = (u1 (t) , u2 (t) , u3 (t)) , t [0, 1] Em particular, a reta que une os pontos A e B estar a denida por: u0 (t) = (1 t) A + tB, t [0, 1]
def def
(2.11)
(2.12)
20
Figura 2.2: Geod esica em
Admitindo que cada componente ui (t) e continuamente diferenci avel em [0, 1], o prob3 1 lema consiste em determinar u(t) [C [0, 1]] tal que minimize o comprimento da curva:
1
L(u) =
0
du1 dt
du2 dt
du3 dt
dt
(2.13)
com a condi c ao adicional u(0) = A, e u(1) = B Em forma compacta o problema pode ser formulado da seguinte maneira u = arg min L(v ) =
v D(L) 0 def 1
(2.14)
dt
(2.15)
onde: v v = dv1 dv2 dv3 , , dt dt dt

1
(2.16) (2.17)
3
= (v .v ) 2 v C 1 [0, 1] , v (0) = A, v (1) = B
D(L) =
(2.18)
Como u0 (t) D(L), temos que se existe a curva u que minimiza L(v ) seu comprimento Lmin ter a que satisfazer:
1
Lmin L(u0 ) =
0
BA
dt = B A
(2.19)
Quer dizer, ter a que ser menor ou igual ` a dist ancia euclideana entre os pontos A e B. Para conrmar a suposi ca o natural de que Lmin = B A temos que mostrar que: B A L(v ) v D(L) (2.20)
2.2. Geod esicas em Rd , d3 Para isto fa camos uso do Teorema Fundamental do C alculo:
1
21
f (1) f (0) =
0
df dt dt
1
(2.21)
logo B A = v (1) v (0) =

0
v dt
(2.22)
Multiplicando escalarmente ambos membros da express ao anterior por (B A), temos (B A) (B A) =

0
BA
1
= (B A)
0
v dt =
0 1
(B A) v dt v dt (2.23)
BA
v dt = B A
0
Donde se conclui, para A = B (que e o caso, sen ao o problema seria trivial)

1
B A L(v ) =
0
v dt v D(L)
(2.24)
Aplica co es pr aticas do problema da geod esica, n ao t ao simples como o anterior, surgem ao procurarmos encontrar a solu ca o para o seguinte tipo de proposi ca o.
2.2.1
Geod esica sobre esferas
Se considerarmos que a Terra e esf erica temos i) Qual e a trajet oria mais curta que um avi ao, voando a uma velocidade constante, deve percorrer para unir duas cidades; ii) Se o custo de perfura c ao de um t unel e constante, qual e a trajet oria mais curta do t unel que une dois pontos dados; Para caracterizar este problema consideremos que o ponto A se encontra no p olo norte da esfera e B = A ser a um outro ponto na esfera, conforme a Figura 2.3. Empregando coordenadas esf ericas, (R, , ), temos que um ponto arbitr ario x sobre a esfera tem as seguintes coordenadas cartesianas x = R (sen cos ; sensen; cos ) onde (0, ) e [0, 2 ). Por sua vez, as coordenadas esf ericas de A e B s ao A = (R, 0, 0) , B = (R, B , 0) , B > 0 Uma curva, u, sobre esta esfera pode ser caracterizada pela parametriza ca o (t) , (t) , t [0, 1] (2.27) (2.26) (2.25)
22
Figura 2.3: Geod esica numa esfera e se esta curva passa por A e B temos (0) = (0) = 0, (1) = 0 e (1) = B > 0 desta maneira a curva ca caracterizada por u(t) = (Rsen(t) cos (t); Rsen(t)sen(t); R cos (t)) (2.29) (2.28)
Tamb em, supondo que cada uma destas fun co es, (t) e (t), s ao continuamente diferenci aveis em [0, 1], de (2.29) temos u (t) = R (cos cos sensen , sen cos + sen cos , sen ) (t) e o comprimento da curva e dado por
1 1
(2.30)
L(u) =
0
u dt = R
0 1
sen2 (t) 2 (t) + 2 (t)dt

0
R
0
dt = R(t)|1 0 = R(1) = RB
(2.31)
e a igualdade s o ocorre se e somente se sen2 (t) 2 (t) = 0, t [0, 1] donde (t) 0 (t) = cte (2.33) e como (1) = 0 cte = 0, a curva que minimiza (geod esica sobre a esfera) e a dada pelo menor arco de c rculo unindo A e B . Com isto conrmamos uma suposi ca o que se conhecia desde a antiguidade. Para uma superf cie arbitr aria dada por g = g (u, v ) = 0 (2.34) (2.32)
2.2. Geod esicas em Rd , d3 uma curva, r, em esta superf cie pode ser parametrizada da seguinte forma r(t) = r(u(t), v (t)) tal que A = r(u(0), v (0)), B = r(u(1), v (1)) Um elemento diferencial sob esta curva est a dado por dr = ( r du r dv r r + )dt = (u +v )dt u dt v dt u v
23
(2.35) (2.36)
(2.37)
O comprimento deste elemento ser a dr = (dr dr) 2 = {

1
r r u u
(u )2 +
r r v v
(v ) + 2
1 r r u v }2 u v
(2.38)
Assim, o comprimento desta curva entre estes dois pontos e dada por:
1
L(r(u, v )) =
0
Eu 2 + 2F u v + Gv 2 dt
(2.39)
onde E , F e G s ao os coecientes da Primeira Forma Fundamental (forma quadr atica) da superf cie. Em particular: E= r r r r r r , F = , G= u u u v v v (2.40)
Logo, o problema da geod esica sobre uma superf cie arbitr aria e da forma Determinar r(u, v ) D(L) tal que: r(u, v ) = arg onde: L(q (u, v )) est a denido por (2.39) e (2.40) com q (u, v ) dado por (2.35) D(L) denido por D(L) = {q (u(t), v (t)); u(t), v (t) C 1 [0, 1], q (u(0), v (0)) = A, q (u(1), v (1)) = B, g (q (u(t), v (t))) 0, t [0, 1]} (2.42) Surge assim um novo tipo de restri c ao, conhecida como Lagrangiana, que deve ser satisfeita pelas curvas admiss veis q (u(t), v (t)) e que corresponde ` a exig encia de que todo ponto da curva seja ponto da superf cie g (u, v ) = 0 isto e g (q (u(t), v (t))) = 0 t [0, 1] (2.43)
def q (u,v )D(L)
min
L(q (u, v ))
(2.41)
24
Figura 2.4: Problema de control da dire c ao
2.3
Problema de Controle de Dire c ao
Este tipo de problema surgiu pela primeira vez no s eculo XX. Se prop oe, por exemplo, controlar a dire c ao quando se est a navegando em uma corrente vari avel de maneira a obter o menor percurso. Por exemplo, dados dois pontos A e B em margens opostas de um rio com corrente vari avel se procura conhecer qual e o caminho que um barco deve percorrer para que, viajando a velocidade constante com rela c ao ` a agua, una os pontos A e B no menor tempo poss vel. A Figura 2.4 representa o problema anterior. Para uma velocidade constante do barco (w = 1) e chamando com v = v (x) a velocidade da corrente no rio, o tempo empregado pelo barco para unir os pontos A = (0, 0) e B = (h, yB ) seguindo um percurso dado pela curva y = y (x) est a dado pela express ao
h
T (y ) =
0
[(x) 1 + (y )2 (x) (2 vy )(x)]dx
(2.44)
onde = (1 v 2 (x))1/2 . Assim o problema variacional consiste em u = arg min T (y )

y D(T ) def
(2.45)
onde D(T ) = {y = y (x) C 1 (0, h); y (0) = 0, y (h) = yB } Neste exemplo, temos simplicado ao m aximo: as margens do rio s ao paralelas (podemos generalizar para curvas dadas); a velocidade do barco e constante (poderia ser vari avel); a velocidade da corrente v se sup oe v = v (x), mas nada impediria que v = v (x, y ). (2.46)
2.4. Problemas Isoperim etricos
25
Figura 2.5: Problema de Dido De fato, em 1931, Zarmelo investigou este problema mais geral, de interesse de um comandante de submarino ou de uma embarca c ao, ou de um piloto de avi ao. Se perguntamos agora como operar estas embarca c oes de maneira a obter o caminho otimo, entramos no que chamamos de problema de controle otimo considerado pela primeira vez por Minorsky em 1920.
2.4
Problemas Isoperim etricos
Um dos problemas mais antigo da otimiza c ao corresponde a encontrar a m axima area que pode ser fechada por uma curva de comprimento determinado. De acordo com Virg lio, a rainha Dido de Cartago, quando disse que sua prov ncia teria toda a superf cie que poderia ser fechada pelo couro de um touro, cortou este couro em nas tiras que unidas formaram uma corda de longitude L cujos extremos ancorou-os na costa (reta) do Meditarr aneo (ver gura 2.5). Esta corda foi colocada formando um semi-c rculo que, nessa epoca (850 a.c.) acredit ava-se que conduzia a maior superf cie e, desta forma, nascia na mitologia a prov ncia de Cartago. O ge ometra grego Zenodoros aparentemente conhecia que o c rculo proporcionava a maior area entre pol gonos com o mesmo per metro. Posteriormente, Pappus (390 d.c.) concluiu que o c rculo era o que realmente maximizava a area entre todas as curvas fechadas de igual per metro (por isto o nome dado a estes problemas: problema isoperim etrico). Uma forma intuitiva de ver que o c rculo e a resposta correta a este problema e a seguinte. Suponha para isto um cilindro de paredes inextens veis mas completamente ex vel que se deforma se colocarmos agua (ver gura 2.6). Devido a a ca o da gravidade, a agua tende a adquirir a menor altura poss vel. Por outro lado, como a press ao depende somente da altura, o estado de esfor co a que a parede do cilindro est a submetido e o mesmo em todo ponto de sua se c ao transversal. Logo, a congura c ao de equil brio tender a a ter uma curvatura constante. Em outras palavras, a congura ca o de equil brio e a de um cilindro com se c ao transversal circular. Por sua vez, como a agua tende a adquirir a menor altura poss vel, a area da se c ao transversal ter a que ser m axima. Logo, dasta an alise teremos que a solu c ao imaginada pela rainha Dido estava correta. Do ponto de vista matem atico, o problema pode ser formulado da seguinte maneira (gura 2.7). Vamos supor que a curva e suave (sucientemente regular), de longitude L
26
Figura 2.6: Analogia f sica para o problema isoperim etrico de Dido
Figura 2.7: Problema isoperim etrico e que podemos representa-la parametricamente da seguinte maneira: u(t) = (x(t), y (t)), t [0, 1] tal que u(0) = u(1) por ser uma curva fechada. A area fechada por esta curva est a dada por
1 1
(2.47) (2.48)
A(u) =
0
x(t)dy (t) =
0
x(t)
dy (t) dt dt
(2.49)
e o problema isoperim etrico consistir a em: Determinar u(t) D(A) tal que u(t) = arg max A(v )
v D(A) def
(2.50)
1
onde D(A) = v sucientemente regular, tal que L(v ) =

0
dv dt = L dt
(2.51)
Uma vers ao moderna que combina aspectos do problema isoperim etrico com o problema de controle da trajet oria otima discutida na se c ao anterior, se deve a Chaplygin (1938). Consiste, por exemplo, ao problema de um avi ao de reconhecimento que voando a velocidade constante com rela ca o ao vento deve realizar em um tempo predeterminado e conhecido um caminho fechado varrendo a maior area poss vel. Zenodoros considerou uma generaliza c ao do problema isoperim etrico ao procurar o maior volume limitado por uma superf cie de area prexada.
2.4. Problemas Isoperim etricos
27
Figura 2.8: Problema da caten aria
2.4.1
Problema da caten aria
Um outro problema similar ao isoperim etrico, atraibuido a Euler, mas segundo Goldstine originalmente proposto por Galileo que inclusive acreditava que a forma otima era parab olica e que foi analisado por Bernoulli em 1701, consiste em encontrar a forma que um cabo inextens vel, de peso por unidade de comprimento dado por W e de comprimento L, assume devido a seu peso pr oprio quando suportado em seus extremos separados de uma dist ancia H (gura 2.8) Para formular este problema, adotamos a seguinte parametriza ca o y (s), s [0, L] e H < L (2.52) A forma que toma a corda dever a ser tal que minimize a energia potencial total ou, por ser o cavo inextens vel, maximize o trabalho realizado pelo peso pr oprio
L L
F (y ) =
0
W y (s)ds = W
0
y (s)ds
(2.53)
com a restri c ao adicional (restri c ao subsidi aria) que a proje ca o sobre o eixo x da corda seja o valor H . Para isto tenhamos em mente que dx + dy = ds de onde dx(s) = logo
L 2 2 2
dx ds
+
2
dy ds
=1
(2.54)
dy ds dy ds
2
ds
(2.55)
G(y ) =
0
ds = H
(2.56)
e o problema se formula como: Determinar y (s) D(F ) tal que y (s) = arg max F (v )
v D(F ) def
(2.57)
onde D(F ) = v = v (s), s [0, L] , v C 1 [0, L] , v (0) = v (L) = 0; G(v ) = H (2.58)
28
Figura 2.9: Superf cie m nima de revolu c ao
Figura 2.10: M nima superf cie de revolu ca o para L muito maior que r1 e r2
2.5
M nima Superf cie de Revolu c ao
Considere os aros circulares indicados na Figura 2.9. Queremos encontrar a superf cie que apoiada sobre estes dois c rculos tenha a menor superf cie de revolu ca o. Este problema foi analisado por Euler em 1744. Para formular este problema teremos que calcular a superf cie de revolu ca o associada a uma curva y = y (x) sucientemente regular
L 2 L
S (y ) =
0 0
(y (x)d) ds(x) = 2
0
y (x) 1 +
dy dx
dx
(2.59)
e onde y (0) = r1 e y (L) = r2 (2.60) com r1 e r2 os raios dos respectivos c rculos. O problema pode assim ser formulado: Determinar y D(S ) tal que def y = arg min S (v ) (2.61)
v D(F )
onde D(S ) = v ; v (0) = r1 , v (L) = r2 , v C 1 [0, L] (2.62) f E acil ver neste problema que se vamos aumentando a dist ancia entre ambos os c rculos, a solu ca o ter a que ser do tipo indicado na Figura 2.10. Espera-se, portanto, que para L sucientemente grande em rela ca o a r1 e r2 , a solu c ao se degenere da forma como indicado na Figura 2.11. Ou seja, a solu ca o e agora uma fun c ao y / D(S )!. A superf cie se obtem atrav es da rota c` ao da fun c ao indicada na Figura 2.11. Temos assim duas alternativas. A primeira simplesmente e dizer que a solu c ao n ao existe no espa co D(S ). A segunda alternativa consiste em estender este espa co de maneira a incluir fun co es com pontos angulosos.
2.6. Coment arios
29
Figura 2.11: M nima superf cie de revolu ca o para L sucientemente grande
2.6
Coment arios
Em todos os problemas que temos apresentado podemos distinguir aspectos comuns. Em primeiro lugar, teremos que minimizar (ou maximizar) uma certa fun ca o F de valor real denida em um certo dom nio D de fun co es y e dada por express oes do tipo
b
F (y ) =
a
x, y (x),
dy dx
dx
(2.63)
para uma fun c ao de valor real f conhecida. As fun c oes y s ao de valor real (vetorial) sucientemente regulares. D e o conjunto destas fun c oes que devem satisfazer condi co es de contorno de deni c ao do problema, em nosso caso, nos extremos x = a e x = b. Ainda mais, em alguns problemas vimos que estas fun c oes deveriam satisfazer restri co es adicionais do tipo isoperim etrico, ou seja, dadas por uma express ao do tipo L (y ) igual a um valor prescrito. Outras vezes, a restri c ao adicional e do tipo Lagrangiana, ou seja, e uma restri ca o que deve ser satisfeita em todo ponto do dom nio de integra c ao g x, y (x), dy dx = 0, x (a, b) (2.64)
como ocorre com o problema da geod esica. Finalmente, e como vimos com o problema da superf cie de revolu c ao, em alguns casos a solu ca o n ao existe em D, mas sim em um conjunto maior. Nos pr oximos cap tulos trataremos de formalizar estas id eias. Antes de nalizar com este cap tulo, vamos observar mais um detalhe. Todos os problemas apresentados d ao lugar ao que e conhecido na literatura com o nome de C alculo das Varia co es. Com este nome se distingue fundamentalmente o problema de determinar uma fun ca o que minimiza (maximiza) um certo funcional. Atualmente, esta terminologia e mais abrangente. De fato, se observamos todos os casos estudados, o valor que estes funcionais tomam depende: da fun c ao (ou fun c oes) u; das condi c oes de contorno e/ou condi co es isoperim etricas ou lagrangianas; do dom nio de integra c ao.
30
Logo, uma pergunta que n os podemos fazer e: Qual e a sensibilidade do funcional a varia co es em alguns desses par ametros?. Em outras palavras, em quanto varia o valor do funcional, quando algum dos par ametros anteriores e modicado em uma determinada dire c ao?. A resposta a esta pergunta e conhecida na literatura atual com o nome de An alise de Sensibilidade. Dentro deste enfoque mais moderno, o C alculo Variacional corresponde ` a An alise de Sensibilidade a mudan cas (ou varia co es) na fun c ao u. Assim, recomenda-se que todo o que veremos dentro do C alculo Variacional seja visto apartir deste ponto de vista mais geral. Em particular, mais adiante veremos com algum detalhe este aspecto. Finalmente, e como j a mencionamos no cap tulo de motiva c ao do curso, para entender os aspectos b asicos dos problemas e m etodos do C alculo Variacional, e importante ver como est ao relacionadas com a an alise de fun co es de n vari aveis. De fato, os funcionais que temos visto neste cap tulo tomam, por exemplo, a seguinte forma: F (u) = du dx, dx a u(a) = A e u(b) = B f x, u,
b
(2.65)
Logo, podemos particionar o intervalo [a, b] em n + 1 partes iguais (ou n ao) dado pelos pontos x0 = a, x1 , , xn , xn+1 = b (2.66) Fazendo uso de (2.66) e (2.65) obteremos:
x1 xn+1 n+1 xi
F ( u) =
x0
f (x, u, u ) dx + +
xn
f (x, u, u ) dx =
i=1 xi1
f (x, u, u ) dx (2.67)
Por outro lado, podemos substituir (aproximar) a fun ca o u, que temos admitido sucientemente regular, pela fun c ao linear por partes ua denida pela poligonal de v ertices: (x0 , u0 = u(x0 ) = A) , (x1 , u1 = u(x1 )) , , (xn , un = u(xn )) , (xn+1 , un+1 = u(xn+1 ) = B ) (2.68) O valor do funcional para esta aproxima c ao ser a:
n+1 xi
F (ua ) = F (u1 , , un ) =
i=1 xi1
x, ua ,
ui ui1 h
dx
(2.69)
onde h = xi xi1 , i [1, , n + 1] (parti ca o uniforme). Por sua vez, as integrais em (2.69) podem ser aproximadas empregando algum m etodo de integra ca o. Como resultado temos mais uma aproxima ca o (integra c ao num erica) que resulta, por exemplo, em
n+1
F (ua ) = F (u1 , , un )
i=1
xi , u i ,
ui ui1 h
(2.70)
2.6. Coment arios ou, se deseja-se algo mais exato (regra do trap ezio)
31
h 2 i=1 (2.71) De (2.70) e (2.71) vemos que com estas aproxima c oes o funcional F (u) passa agora a ser aproximado pela fun c ao F (ua ) = F (u1 , , un ) de n vari aveis u1 , , un . Devido ` as hip oteses de regularidade que temos imposto a u segue-se que ua converge (em algum sentido) a u para n . Novamente, devido ` as hip oteses de regularidade sobre f tamb em podemos esperar que F (ua ) F (u) para n . Logo, o problema exato do min F (u) podemos aproxim a-lo pelo problema: F (ua ) = F (u1 , , un ) f xi1 , ui1 , ui ui1 h +f xi , u i , ui ui1 h
ui ,i=1,,n
n+1
min
F (u1 , , un )
(2.72)
Ou seja, o problema original foi substituido pelo problema de m nimo (sem restri c oes!) de uma fun ca o de n vari aveis e que, da teoria do c alculo de fun co es, est a caracterizado pelo sistema de equa co es (geralmente n ao linear) dado por: F = 0, ui i = 1, 2, , n (2.73)
Aqui e importante mencionar que Euler (e seus contempor aneos) empregaram este tipo de aproxima c ao para resolver seus problemas de c alculo das varia c oes. Como j a mencionamos, esta e outra das vantagens do C alculo Variacional j a que em forma natural conduz ao emprego de m etodos aproximados que em u ltima inst ancia equivalem a resolver um sistema de equa c oes. Algo mais trat avel pela maioria dos mortais.
32
Cap tulo 3 Formaliza c ao do C alculo Variacional

3.1 Diferencial G ateaux de um Operador
Nesta se c ao vamos estender os conceitos de diferencial de uma fun ca o para poder denir o conceito de diferencial de um operador. Para isto, sejam U e V dois espa cos normados e P um operador de U em V P : U V u P (u) V (3.1) (3.2)
Seja S um subconjunto aberto de U e u um elemento arbitr ario do conjunto S . Seja I = (, ) R logo, dado U , n ao nulo, sempre ser a poss vel escolher de maneira que: u + S U I (3.3) Com estes elementos assim denidos temos que a diferencial G ateaux (ou no sentido de G ateaux) do operador P no ponto u e na dire ca o esta dada, quando existe, pelo limite 1 [P (u + ) P (u)] 0 no qual a nota c ao anterior deve ser entendida no sentido da norma no espa co V dP (u, ) = lim
0
(3.4)
lim
1 [P (u + ) P (u)] dP (u, )
=0
V
(3.5)
Da deni ca o se segue que dP (u; ) e homog eneo em mas n ao aditivo. Portanto, em geral dP (u; ) e um operador n ao linear em . De fato, temos: dado c R, c = 0 e arbitr ario, resulta: 1 (3.6) dP (u, c ) = lim [P (u + c ) P (u)] 0 Dado que c e n ao nulo, sempre podemos escolher sucientemente pequeno, tal que: = c e 0 0 33 (3.7)
34 logo:
Cap tulo 3. Formaliza c ao do C alculo Variacional
dP (u, c ) = lim
1 P (u + c ) P (u) 0 /c c 1 = c lim [P (u + ) P (u)]

0
= c dP (u, ) com o que provamos que e homog eneo, mas n ao podemos provar a propriedade aditiva. Outro detalhe impl cito na deni ca o (3.4) e que tanto u como est ao xos, por em o limite e tomado para 0. A exist encia do limite pressup oe: 1. P (u) est a denido 2. P (u+ ) est a denido para todo sucientemente pequeno, logo, neste caso teremos que P (u + ) e uma fun ca o em e a deni ca o (3.4) implica em: dP (u, ) = P (u + ) (3.8)
=0
se esta derivada cl assica em rela c ao a existe em = 0. Vemos, assim, que o diferencial G ateaux em u depende do comportamento local de P na vizinhan ca de u. N ao obstante, este diferencial pode n ao existir para qualquer dire ca o n ao nula ou pode existir para algumas dire co es e n ao existir para outras. De qualquer maneira, se existe para uma dire ca o , P (u, ) tem uma continuidade direcional, j a que da deni c ao (3.4) temos:
0
lim P (u + ) P (u)
=0
(3.9)
Exemplo 3.1 Seja U = R2 e V = R, para u = (u1 , u2 ) e P denido por: P (u) = u2 1 1+ 0

1 u2
u2 = 0 se u2 = 0
Para calcular dP (0, ), tomemos = (1 , 2 ) , 2 = 0 logo: P (0 + ) P (0) = P (0 + ) = ( 1 )2 1 + donde 1 2
dP (0, ) = lim
1 1 ( 1 )2 1 + 0 2
2 1 2
de onde vemos que n ao e cont nuo em u = 0 e e n ao linear em .
3.1. Diferencial G ateaux de um Operador Exemplo 3.2 Seja U = C [a, b] e V = R, tomemos:

b
35
P (u) =
a
sin3 x + u2 (x) dx
podemos ver que P (u) est a denido para todo u U . Por sua vez, para um u xo e v U temos u + v U e
b
P (u + v ) =
a
sin3 x + (u + v )2 dx
est a tamb em denido. Apliquemos a deni c ao (3.4), logo: 1 1 [P (u + v ) P (u)] = 1 = 1 = = 2

a b a b a b
(u + v )2 u2 dx u2 + 2u v + 2 v 2 u2 dx 2u v dx + 1
b a b a
2 v 2 dx
a b
uv dx +
v 2 dx
Cada uma destas integrais est a denida e s ao constantes independentes de . Logo, o limite (3.4) existe e est a dado por:
b
dP (u, v ) = 2
a
uv dx
u, v U
Observa c ao 3.1 Podemos notar que neste exemplo se verica que: P (u + v ) P (u) = P (u, v ) + h (u, v ) (3.10)
onde P (u, v ) e homog eneo em v e neste exemplo aditivo (logo e linear!) e h (u, v ) e tal que: lim h (u, v ) = 0
0
usemos agora a deni c ao (3.8)

b
P (u + v ) =
a b
sin3 x + (u + v )2 dx sin3 x + u2 dx + 2
a b
=
a
uv dx + 2
a
v 2 dx
Logo para u e v xos a derivada com rela c ao a ser a P (u + v ) = 2

b b
uv dx + 2
a a
v 2 dx
36 de onde

b
P (u + v )
=2
=0 a
uv dx
Podemos ver que usar a deni c ao (3.8) nos resulta mais simples quando comparada com a (3.4). N ao obstante, o uso de (3.8) requer que a derivada exista para todo = 0 sucientemente pequeno e que seja cont nuo em = 0. Em contraposi c ao, a deni c ao (3.4) requer somente a exist encia desta derivada em = 0. Exemplo 3.3 Seja C [a, b] logo
b
P (u) =
a
(x)
1 + u (x)2 dx,
du =u dx
est a denido u C 1 [a, b]. Logo

b
P (u + ) =
a
(x)
1 + [(u + ) ]2 dx
Aplicando a deni ca o (3.8) teremos: dP (u, ) = P (u + v )

b
=
=0 a
(x) u dx 1+u2
3.2
Diferencial G ateaux de um Funcional
A seguir, vamos limitar nossa apresenta ca o para o caso do operador P ser um funcional (neste caso V = R) onde imporemos retri co es adicionais de maneira a satisfazer (3.10). Logo, seja F : D (F ) U R um funcional denido em um subconjunto D (F ) , dom nio de deni ca o de F , do espa co Banach U . Em particular vamos admitir a seguinte restri c ao: Restri c ao 1: O dom nio de deni ca o do funcional e uma variedade linear densa em U . Se D (F ) e uma variedade linear em U , isso signica que existe u D (F ) tal que todo elemento v D (F ) pode ser expresso por: v =u+ (3.11)
onde M e M e um subespa co de U . Vamos mostrar que se D (F ) e denso em U, M tamb em e denso em U . Demonstra c ao Seja u U um elemento arbitr ario de U , logo u+uU
3.2. Diferencial G ateaux de um Funcional
37
Como D (F ) e denso em U , isso signica que existe um elemento v desta variedade, tal que u+uv U < u U mas como v D (F ) isso signica que pode expressar-se da forma (3.11) para algum M, logo u + u (u + ) U = u < u U O anterior nos diz que qualquer elemento do espa co Banach U pode ser aproximado com a precis ao que desejarmos por um elemento de M. Em outras palavras, M e denso em U . Reciprocamente e da mesma maneira anterior podemos mostrar que se M e denso em U e se u e um elemento xo de U ent ao a variedade linear de elementos da forma u + , M, e denso em U. Exemplo 3.4 Consideremos, por exemplo, o Problema 2.5 da M nima Superf cie de Revolu c ao. Neste caso, o funcional estava dado por
L
S (u) = 2
0
u (x) 1 + u 2 dx
e onde u D (S ) = {v ; v C 1 [0, L] , v (0) = r1 , v (L) = r2 }. Para este problema, podemos tomar como U o espa co L2 [0, L] de fun c oes quadraticamente integr aveis em [0, L] . Por sua vez, D (S ) e uma variedade linear de L2 [0, L]. De fato, podemos tomar u como u (x) = r1 + x (r2 r1 ) L
que vemos e uma fun ca o de D (S ). Logo, para M = , (0) = (L) = 0, C 1 [0, L] temos que u = u + D (S ) Por sua vez M cont em o conjunto de todas as fun c oes nitas1 no intervalo [0, L] . Mas o espa co de todas as fun c oes nitas em [0, L] e denso em L2 [0, L] , logo D (S ) e uma variedade linear densa em L2 [0, L] . Vamos supor mais uma restri ca o. Suponhamos que U e de dimens ao innita (caso contr ario o problema variacional se reduz a minimizar uma fun ca o que depende de um n umero nito de vari aveis). Por sua vez, vamos supor que o subespa co M, denso em U, e tamb em de dimens ao innita. Restri c ao 2: Se varia sobre um subespa co de dimens ao nita de M, logo neste subespa co vamos admitir que o funcional F (u) = F (u + ) e continuamente diferenci avel o n umero de vezes necess ario.
Diz-se que a fun c ao e nita no dom nio limitado se tem innitas derivadas em e se e diferente de zero em algum subdom nio interior de .
1
38
Vejamos com mais detalhes o que queremos dizer com a restri ca o anterior. Se varia em um subespa co n-dimensional Mn , podemos introduzir uma base {i , i = 1, 2, ..., n} , logo se Mn , podemos express a-lo como
n
=
i=1
ai i
ai R
e para u resulta: F (u + ) = F (a1 , a2 , ..., an ) Desta maneira, o funcional resulta uma fun ca o de n-vari aveis que pela Restri ca o 2 estamos admitindo que e continuamente diferenci avel com rela ca o a estas vari aveis ` as vezes necess arias. A partir de agora, consideremos o funcional F sujeito ` as Restri co es 1 e 2. Logo, seja u D (F ) arbitr ario o mesmo que M e seja R tamb em arbitr ario. N ao resulta dif cil provar que o elemento: u + D (F ) Para isto, sabemos que dado u D (F ) existe um 0 M tal que u = u + 0 Logo: u + = u + 0 + = u + (0 + ) Ent ao, cada termo no par enteses pertence a M (e, portanto, sua soma tamb em!): 0 + M de onde u + (0 + ) D (F ) u + D (F ) Vejamos agora o funcional F (u + ) = F (u + (0 + )) . O elemento 0 + pertence ao subespa co 2-dimensional. Da Restri c ao 2 F (u + ) e continuamente diferenci avel em . Logo podemos calcular a diferencial G ateaux no ponto u segundo a dire c ao dF (u, ) = F (u, ) dF (u, ) = d =0 que chamaremos primeira varia c ao de F em u na dire c ao . Proposi c ao 3.1 Se as Restri c oes 1 e 2 s ao satisfeitas, logo F (u, ) e um funcional linear em . Demonstra ca o Teremos que provar que: F (u, a1 1 + a2 2 ) = a1 F (u, 1 ) + a2 F (u, 2 )
3.2. Diferencial G ateaux de um Funcional para 1 , 2 M arbitr arios e a1 , a2 R arbitr arios. De fato, dados 1 , 2 resulta: 1 1 + 2 2 Span {1 , 2 } 1 , 2 R
39
da Restri c ao 2 a express ao F (u + 1 1 + 2 2 ) e uma fun c ao continuamente diferenci avel em 1 , 2 . Suponha 1 = a1 e 2 = a2 onde e uma vari avel real independente e a1 , a2 s ao n umeros arbitr arios, no entanto xos, logo F (u, a1 1 + a2 2 ) = F (u + 1 1 + 2 2 ) F (u + a1 1 + a2 2 ) = 1 =0 1 2 F (u + 1 1 + 2 2 )| = =0 + 1 2 2 = 1 F (u, 1 ) + 2 F (u, 2 )
1 =2 =0
Como pudemos ver, a varia c ao G ateaux em um espa co normado e an aloga ao conn ceito de derivada direcional em R . N ao podemos esperar que esta varia ca o nos d e uma boa aproxima ca o do funcional correspondente (exceto para as Restri co es anteriores). Estas Restri co es est ao, de certa maneira, associadas a um conceito mais forte que e o de diferencial no sentido Fr echet. Diferencial Fr echet O funcional F : U R se diz diferenci avel no sentido Fr echet em u S U , S um subconjunto aberto de U, se existe um funcional linear e cont nuo DF (u) : U R tal que F (u + ) F (u) = DF (u) + w (u, ) onde |w (u, ) |R =0 0 U lim
O valor que o funcional linear cont nuo DF (u) toma em e chamado diferencial Fr echet de F em u na dire c ao . Em particular, DF (u) recebe o nome de derivada Fr echet de F em u. Observa c ao 3.2 Por deni c ao DF (u) e um funcional linear e cont nuo em . Proposi c ao 3.2 Se F e diferenci avel no sentido Fr echet em u S logo, F tem o diferencial G ateaux F (u, ) = DF (u) para cada dire c ao . Demonstra c ao Seja U e = 0 sucientemente pequeno de maneira a ter v =u+ S Como F e Fr echet diferenci avel, teremos: F (u + ) F (u) = DF (u) ( ) + w (u, )
40 de onde: F (u + ) F (u)
= DF (u)
( )
1 + w (u, )
U
= DF (u) + = DF (u) + e tomando o limite para
w (u, ) U w (u, ) U
0 (e, portanto, 0) resulta F (u, ) = DF (u)
Proposi c ao 3.3 Se F e diferenci avel no sentido Fr echet em u0 S U, logo F e cont nuo em u0 . Demonstra c ao Como F e diferenci avel no sentido Fr echet temos: |F (u) F (u0 )| |DF (u0 ) (u u0 )| + |w (u0 , u u0 )| logo: |F (u) F (u0 )| 0, com u u0 Teorema 3.1 Se o funcional F : U R tem em uma vizinhan ca aberta Sr (u0 ) U a varia c ao G ateaux F (u0 , ) para todo U e: (i) F (u0 , ) e linear e cont nuo em (ii) para u u0 | F (u, ) F (u0 , )| 0 uniformemente B = { U, logo F e diferenci avel no sentido Fr echet em u0 e ambas coincidem. Vejamos alguns exemplos que p oem em evid encia os aspectos anteriores. Exemplo 3.5 Consideremos o seguinte funcional
b U
= 1}
F (u) =
a
sin3 x + u (x)2 dx
O dom nio de deni ca o deste funcional e D (F ) = C [a, b] A este espa co vetorial real vamos incorporar a norma do m aximo u Observa c ao:
C [a,b]
= u
= max |u (x)|
x[a,b]
(3.12)
3.2. Diferencial G ateaux de um Funcional (i) dado u C [a, b] |u| C [a, b] (ii) [a, b] e compacto
41
(iii) uma fun c ao cont nua |u| em um intervalo compacto [a, b] tem um valor m aximo |u| . Logo, (3.12) est a denida. nos falta provar que e uma norma: (iv) Positiva denida: 0 |u (x)| |u| logo |u| = 0 u (x) = 0 (v) Homog enea: seja R arbitr ario |u| = max |u (x)| = || max |u (x)| = || |u|
x[a,b] x[a,b]
x [a, b]
x [a, b] u = 0 em C [a, b]
(vi) Desigualdade do tri angulo |(u1 + u2 ) (x)| = |u1 (x) + u2 (x)| |u1 (x)| + |u2 (x)| |u1 | + |u2 | Com este resultado teremos: |u1 + u1 | = max |(u1 + u2 ) (x)| |u1 | + |u2 |
x[a,b]
Vamos mostrar que F (u) e cont nuo em u0 C [a, b] para isto devemos estimar:
b
|F (u) F (u0 )| =
a b
u (x)2 u0 (x)2 dx u (x)2 u0 (x)2 dx
a b
=
a b
|[u (x) u0 (x)] [u (x) + u0 (x)]| dx |u (x) u0 (x)| |u (x) + u0 (x)| dx

a b
=
a
|u u0 | |u + u0 | dx = (b a) |u u0 | |u + u0 |
ent ao se |u u0 | < 1. Logo |u| < 1 + |u0 | . Com efeito: |(u u0 ) + u0 | |u u0 | + |u0 | |u| |u u0 | + |u0 | onde: |u| < 1 + |u0 | se |u u0 | < 1
42 Com este resultado em m aos temos:
|u + u0 | |u| + |u0 | < (1 + |u0 | ) + |u0 | = 1 + 2 |u0 | Logo |F (u) F (u0 )| < (b a) (1 + 2 |u0 | ) |u u0 | = A0 |u u0 | toda vez que |u u0 | < 1 e onde A0 = (b a) (1 + 2 |u0 | ) . Este resultado mostra que para todo > 0 podemos fazer: |F (u) F (u0 )| < desde que tomemos: |u u0 | < = min 1,
def
A0
Logo F (u) e cont nuo em u0 C [a, b] e como u0 foi eleito arbitrariamente, resulta cont nuo em todo C [a, b] . Por outro lado, j a vimos nesta se c ao que (Exemplo 3.2)
b
dF (u0 , ) = F (u0 , ) = 2
a
u0 (x) (x) dx
e linear em . Logo, para estabelecer a continuidade de F (u0 , ) e suciente provar a continuidade na origem, ou seja, em = 0. Assim, e tendo presente que F (u0 , 0) = 0, temos: | F (u0 , ) F (u0 , 0)| = | F (u0 , )|
b b
= 2
a b
u0 (x) (x) dx 2
a
|u0 (x)| | (x)| dx
2
a
|u0 | | | dx 2 (b a) |u0 | | | 0, com | | 0
Com isto temos que F (u0 , ) e linear e cont nuo em u0 . Com isto provamos a condi c ao (i) do Teorema 3.1. Vejamos a condi c ao (ii): para isto suponhamos | | = 1, logo
b
| F (u, ) F (u0 , )| = 2
a
(u (x) u0 (x)) (x) dx
2 (b a) |u u0 | | | = 2 (b a) |u u0 | que tende a zero para u u0 independentemente da dire c ao . Logo, do Teorema teremos que o funcional e diferenci avel no sentido Fr echet para todo u0 C [a, b] j a que u0 foi tomado de forma arbitr aria. Exemplo 3.6 Consideremos o funcional
b
F (u) =
a
(x)
1 + u (x)2 dx
3.2. Diferencial G ateaux de um Funcional
43
que, para C [a, b] dado, est a denido para todo u C 1 [a, b] . Vamos adotar neste espa co a seguinte norma: u
1
= u
def C 1 [a,b]
= max |u (x)| + max |u (x)|

x[a,b] x[a,b]
(3.13)
Vamos mostrar que (3.13) e uma norma, nesta norma o funcional e cont nuo em todo espa co, a diferencial G ateaux e um funcional linear e cont nuo em e que para | |C 1 [a,b] = 1, | F (u, ) F (u0 , )| 0 uniformemente para u u0 . (i) Vamos provar que (3.13) e uma norma Positiva denida: da deni c ao (3.13) vemos: 0 | u0 | u
1
logo
= 0 | u| = 0 u = 0
Desigualdade do tri angulo: |(u1 + u2 ) (x)| + (u1 + u2 ) (x) |u1 (x)| + |u2 (x)| + |u1 (x)| + |u2 (x)| = (|u1 (x)| + |u1 (x)|) + (|u2 (x)| + |u2 (x)|) max {(|u1 (x)| + |u1 (x)|) + (|u2 (x)| + |u2 (x)|)}
x[a,b]
x[a,b]
max |u1 (x)| + max |u1 (x)|

x[a,b] x[a,b] 1
+ = Do resultado anterior obtemos: u1 + u2

def 1
max |u2 (x)| + max |u2 (x)|

x[a,b]
u1
+ u2
= max |(u1 + u2 ) (x)| + max (u1 + u2 ) (x)

[a,b] [a,b]
u1
+ u2
(ii) Vamos mostrar que o funcional e cont nuo em (C 1 [a, b] , 1 ) . Para isso, observemos que: f (z ) = 1 + z 2 est a denida para todo z R. Por sua vez: f (z ) = |z | z |f (z )| = 1 1 + z2 1 + z2 z R
44 recordando que

z
f (z ) f (z0 ) =
z0
f (t) dt
z
logo |f (z ) f (z0 )| =
f (t) dt
z0 z0
|f (t)| dt < |(z z0 )|
Com este resultado em m aos temos:

b
|F (u) F (u0 )| =
a b
(x)
1 + u (x)2
1 + u0 (x)2 dx
=
a b
(x) [f (u (x)) f (u0 (x))] dx | (x)| |f (u (x)) f (u0 (x))| dx
a b
| (x)| |u (x) u0 (x)| dx

b
| (x)| u u0
a
dx
=
a
| (x)| dx
u u0
de onde resulta evidente que F (u) e (uniformemente) cont nuo em C1 [a, b] . No exemplo 3.3, vimos que o diferencial G ateaux deste funcional em u0 C1 [a, b] est a dado por: b u (x) (x) dx F (u0 , ) = (x) 0 1 + u0 (x)2 a Novamente, a linearidade e evidente (por este motivo adotamos a nota ca o F (u0 , )). Vamos mostrar sua continuidade com rela ca o a , pelo que ser a suciente mostrar a continuidade em = 0. Temos, assim:
b
| F (u0 , )| =
a b
( x)
u0 (x) (x) 1 + u0 (x)2
dx
a b
(x)
u0 (x) (x) 1 + u0 (x)2

1 1
dx
| (x)| | (x)| dx
a
| (x)| dx
=A
Agora nos falta mostrar a parte (ii) do Teorema 3.1. Para

b
= 1, temos:
| F (u, ) F (u0 , )|
a
| (x)| |f (u (x)) f (u0 (x))| | (x)| dx

b 1 b
| (x)| |u (x) u0 (x)| dx

b
| (x)| dx
a a 1
|u (x) u0 (x)| dx
1
A u u0
para
=1
3.3. Nota ca o Variacional Logo, para todo > 0 existe <

A
45 tal que
| F (u, ) F (u0 , )| < toda vez que u u0

1
< e como
pode ser t ao pequeno como se queira, temos que
| F (u, ) F (u0 , )| 0 uniformemente para u u0 em

1
= 1.
3.3
Nota c ao Variacional
F (u + )
Na se ca o 3.2 introduzimos a nota c ao: F (u, ) =
=0
que corresponde ao diferencial G ateaux do funcional F no ponto u segundo a dire c ao . Na literatura e comum encontrar a seguinte nota ca o: F (u, ) primeira varia ca o do funcional varia ca o admiss vel N ao resulta dif cil mostrar que (exerc cio): (i) Se F1 (u, ) e F2 (u, ) existem para u e U resulta: (F1 F2 ) (u, ) = F1 (u, ) F2 (u) + F1 (u) F2 (u, ) (ii) Se F1 (u) = 0 logo: F2 F1 (u, ) = F2 (u, ) F1 (u) F2 (u) F1 (u, ) F1 (u)2
(iii) Se h C 1 (R) logo: (h (F )) (u, ) = dh (F (u)) F (u, ) dx
Vemos, assim, que o operador varia c ao que usamos no C alculo Variacional tem um comportamento id entico que o operador diferencial empregado no c alculo diferencial de fun c oes. Podemos observar que o diferencial de uma fun c ao e a aproxima c ao de primeira ordem da mudan ca que a fun c ao experimenta ao passar de um ponto para outro. De maneira similar, pode-se dizer que a varia c ao do funcional e a aproxima c ao de primeira ordem da mudan ca que um funcional experimenta ao passar de uma fun c ao para outra.
46
Tendo sempre presente esta diferen ca, mas levando em conta esta semelhan ca formal de ambos os conceitos, podemos introduzir uma nota ca o (formal) para o c alculo das varia co es. Para isso, observamos que dada a fun c ao u, denida em um certo dom nio do espa co Euclidiano, e dado a varia c ao admiss vel em u temos: u + e sua varia ca o ser a u = por sua vez de onde mas tamb em de (3.14) resulta (u)(m) = ( )(m) de onde u(m) = (u)(m) = ( )(m) (u + )
=
=0
(3.14)
(u + )(m) = u(m) + (m) (u + )(m) = (m)
Com isto em mente, consideremos o funcional F (x, y, u, ux , uy , v, vx , vy ) logo, com esta analogia temos: F ((u, v ) , (, )) = F F F F F F u+ v + ux + uy + vx + vy u v ux uy vx vy F F F F F F = u + v + (u)x + (u)y + (v )x + (v )y u v ux uy vx vy F F F F F F + + + + + = u v ux x uy y vx x vy y
3.4
b
Lemas de du Bois-Raymond e Lagrange
Lema 1 (du Bois-Raymond) Se h C [a, b] tal que h (x) v (x) dx = 0

a 1 v C0 [a, b] = v C 1 [a, b] , v (a) = v (b) = 0
h = cte em [a, b] Demonstra c ao Seja c uma constante a ser denida convenientemente, a fun c ao: v (x) =
def 0 x
(3.15)
(h (t) c) dt C 1 [a, b]
3.4. Lemas de du Bois-Raymond e Lagrange
47
e tal que v (x) = h (x) c C [a, b] . Por sua vez, da deni ca o resulta v (0) = 0. Para que 1 v C0 [a, b] temos que determinar c de maneira que v (b) = 0. Para isso:
b
(h (x) c) dx = 0 c =
a
1 ba
h (x) dx
a
logo para esta fun c ao h e esta constante c assim calculados temos:

b
0
a b
(h (x) c)2 dx =
a
(h (x) c) (h (x) c) dx
b b
=
a b
(h (x) c) v (x) dx =
a
h (x) v (x) dx c
a
v dx
=
a
h(x)v (x)dx
cv |b a
1 [a,b] =0,(C0 )
= 0 h (x) c 0 h (x) = cte em [a, b]
Proposi c ao 3.4 Se g, h C [a, b] s ao tais que

b
[g (x) v (x) + h (x) v (x)] dx = 0

a
1 v C0 [a, b]
onde
1 C0 [a, b] = v | v C 1 [a, b] , v (a) = v (b) = 0
logo h C 1 [a, b] e h (x) = g (x) Demonstra c ao Denamos a fun c ao G (x) dada por: G ( x) = logo G C 1 [a, b] e G (x) = g (x) por sua vez
a b b def a x
x [a, b]
g (t) dt para x [a, b]
g (x) v (x) dx =
a
G (x) v (x) dx
1 [a, b] podemos integrar por parte, de onde e como v C0 b a
g (x) v (x) dx = G (x) v (x)|b a

b
G (x) v (x) dx
a
=
a
G (x) v (x) dx
48
1 j a que v C0 [a, b] . Logo: b
[g (x) v (x) + h (x) v (x)] dx =

a a
[h (x) G (x)] v (x) dx = 0
1 v C 0 [a, b]
por hip oteses. Mas do Lema de du Bois-Raymond, a condi ca o anterior implica em: h (x) G (x) = c, c R, x [a, b] logo h (x) = G (x) + c C 1 [a, b] j a que G (x) C 1 [a, b] por constru c ao. De onde: h C 1 [a, b] e h (x) = g (x) em [a, b] Adotando h = 0 nesta Proposi c ao obtemos o seguinte Corol ario: Corol ario 3.1 Se g C [a, b] e tal que:
b
(observe que h resulta mais regular!!!)
g (x) v (x) dx = 0
a
1 v C0 [a, b]
logo g 0 em [a, b] Este resultado admite generaliza c ao dada pelo seguinte Lema conhecido como de Lagrange. Lema 2 (Lagrange) Se g C [a, b] e para algum m = 0, 1, 2, resulta
b
g (x) v (x) dx = 0
a
v D 0 g 0
em [a, b]
(3.16)
onde D0 = v | v C m [a, b] , v (k) (a) = v (k) (b) = 0, dk v dxk k = 0, 1, ..., m
C 0 [a, b] = C [a, b] e v (k) (x) =
Demonstra c ao Suponhamos que existe c (a, b) tal que g (c) > 0. Logo, da continuidade de g , temos um intervalo [, ] (a, b) no qual: g (x) > 0 x [, ]
3.4. Lemas de du Bois-Raymond e Lagrange Por outro lado, podemos construir a fun ca o: v (x) =
def
49
[(x )( x)]m+1 x [, ] 0 x / [, ]
Da deni ca o vemos que v D0 e n ao negativa, logo

b
g (x) v (x) dx =
a
g (x) v (x) dx > 0
o que contradiz a hip otese do Lema. De maneira similar, se g (c) < 0 podemos tomar w (x) = v (x) , resultando novamente a mesma contradi ca o. Como c foi escolhido arbitrariamente em (a, b) temos nalmente, que g ( x) = 0 x (a, b)
mas como por hip otese g C [a, b] , por continuidade for cosamente g dever a anular-se nos extremos do intervalo. Logo g (x) 0 em [a, b] Proposi c ao 3.5 O Lema de du Bois-Raymond pode tamb em ser generalizado. Com efeito, se h C [a, b] e para algum m = 1, 2, ... resulta:
b a
h (x) v m (x) dx = 0
v D m
onde Dm = v | v C m [a, b] , v (k) (a) = v (k) (b) = 0, logo em [a, b] h e um polin omio de grau < m. Demonstra c ao Para m = 1 temos exatamente o Lema de du Bois-Raymond e a Proposi ca o 3.4: h (x) C [a, b]
b
k = 0, 1, ..., m 1
h (x) v dx = 0
a
v D1 = {v | v C 1 [a, b] , v (a) = v (b) = 0}
ent ao h C 1 [a, b] h = cte em [a, b] para sua demonstra ca o temos constru do fun co es v (x) a partir de h (x) de maneira a estar em D1 . Logo, para m = 2 podemos repetir o racioc nio:
x t
v (x) =
a a
[h( ) c0 c1 ]d dt
50 Se observa que v (a) = 0 e que
v (x) =
a
(h (t) c0 c1 t) dt
e e tal que v (a) = 0 e v (x) = h (x) c0 c1 x as constantes c0 e c1 ser ao escolhidas de maneira a ter v (b) = v (b) = 0 com o que obtemos v (x) assim constru da pertence a D2 . Logo estas constantes est ao dadas por:
b
v (b) = 0 =
a b
(h (x) c0 c1 x) dx = 0
x
(3.17) (3.18)
v (b) = 0 =
a
dx
a
(h (t) c0 c1 t) dt = 0
Por sua vez:

b
0
a b
(h (x) c0 c1 x)2 dx =
a
(h (x) c0 c1 x) (h (x) c0 c1 x) dx
=
a
(h (x) c0 c1 x) v (x) dx = 0
pelo que: h (x) = c0 + c1 x e assim sucessivamente.
Cap tulo 4 Equa c oes de Euler

A solu ca o de Jacob Bernoulli (em 1696) do problema proposto por seu irm ao Johann (Brachistochrone problem ) marca o aparecimento do c alculo variacional. Entretanto, foi somente com os trabalhos de Euler (1742) e de Lagrange (1755) que surgiu uma teoria sistem atica do c alculo variacional. Inicialmente estes dois autores se limitaram a estabelecer as condi co es que eram necess arias para que a integral (funcional):
b
F (u) =
a
f (x, u (x) , u (x)) dx
(4.1)
tenha um extremo (m aximo ou m nimo) local no conjunto: D (F ) = u | u C 1 [a, b] ; u (a) = a1 , u (b) = b1 (4.2)
Para valores especicados de a1 e b1 este problema pertence ` aqueles conhecidos como problemas com extremos xos para p or em evid encia que os extremos da poss vel fun c ao solu c ao est ao pr e-xados. Isto e, a curva deve passar pelos pontos (a, u (a) = a1 ), (b, u (b) = b1 ). Posteriormente, Jacob Bernoulli se interessou pelo mesmo problema da Brachistochrone, mas agora denido em um conjunto mais amplo Db (F ) = u C 1 [a, b] ; u (a) = a1 (4.3)
Este novo problema procura a curva que, cobrindo uma dist ancia horizontal b a pr exada, seja percorrida por uma part cula no menor tempo poss vel, n ao importando quanto esta curva descende no ponto x = b. Este problema pertence aos problemas com um extremo livre. Existem, tamb em, problemas com os dois extremos livres. O problema correspondente da Brachistochrone e o de determinar a curva que seja percorrida no menor tempo poss vel e cujos extremos est ao apoiados sobre duas curvas conhecidas. O anterior se conhece como condi c oes transversais. Neste caso, o funcional toma a forma
x2
F (u) =
x1
f (x, u (x) , u (x)) dx 51
(4.4)
52
Cap tulo 4. Equa co es de Euler
Figura 4.1: Diferentes conci c oes de contorno e sua deni c ao de dom nio e Dt (F ) = u C 1 [x1 , x2 ] ; gi (xi , u (xi )) = 0, i = 1, 2 (4.5)
onde [x1 , x2 ] e gi (x, y ) = 0, (i = 1, 2), s ao fun co es conhecidas. A Figura 4.1 representa estes distintos problemas. Neste cap tulo estudaremos as condi co es necess arias que deve satisfazer um dado funcional para alcan car um m nimo (ou m aximo) local.
4.1
Extremos, Extremos locais
Seja (U, U ) um espa co normado e F um funcional denido em D U . Dizemos que u0 D e um extremo de F em D se F (u0 ) alcan ca o valor m aximo (ou m nimo) de todos os valores que F pode tomar em D. Equivale a dizer que: 1. u0 D e um extremo (m aximo) se F (u0 ) F (u) u D 2. u0 D e um extremo (m nimo) se F (u0 ) F (u) u D Como vemos, esta deni c ao n ao requer nenhuma considera ca o sobre a norma em U . N ao obstante, a presen ca da norma U nos permite uma descri ca o local do comportamento F na proximidade de um ponto u0 D. Surge assim a seguinte deni ca o:
4.1. Extremos, Extremos locais
53
Deni c ao 4.1 (Extremos locais) Seja (U, U ) um espa co vetorial real normado e F um funcional denido em D U . Logo, u0 D e um ponto extremo local de F em D se para algum r > 0, u0 e um ponto extremo para F em Br (u0 ) = {u D; u u0 U < r}. Em outras palavras, se: 1. F (u0 ) F (u) u Br (u0 ) m aximo local, ou 2. F (u0 ) F (u) u Br (u0 ) m nimo local. Das deni co es se segue que todo ponto extremo e um ponto extremo local, qualquer que seja a norma implicada. N ao obstante, um extremo local relativo a uma norma pode n ao ser um extremo local pertinente a outra norma. Assim, a varia c ao de G ateaux de um funcional (denida no Cap tulo 3) pode ser calculada sem levar em considera ca o a norma em U e se seu valor e n ao nulo em u0 , ent ao, elimina toda possibilidade de extremo local com rela c ao a qualquer norma. Com efeito, suponha-se que, para uma certa dire ca o admiss vel resulte: F (u0 , ) > 0 logo, existir a um > 0 sucientemente pequeno, para o qual: F (u0 + ) F (u0 ) ou seja, F (u0 + ) F (u0 ) tem o sinal de , logo F (u0 , ) > 0 F (u0 ) < F (u0 ) < F (u0 + ) > 0 sucientemente pequeno. Vemos, assim, que em u0 e na dire ca o , F e estritamente crescente (ou decrescente na dire ca o ). Por outro lado, se ao inv es de ser positivo, resultar negativo, isto e: F (u0 , ) < 0 recordando que a varia c ao de G ateaux e homog enea em v resulta: F (u0 , ) < 0 F (u0 , ) > 0 com o que podemos repetir o racioc nio anterior, conduzindo ao resultado de que em u0 , F e estritamente decrescente na dire ca o (ou crescente na dire c ao ). Em qualquer dos dois casos, dado que para 0, (u0 ) u0 U = U 0, os pontos u0 est ao em uma vizinhan ca de u0 . Logo, um comportamento de extremo local em u0 n ao e poss vel. Temos, assim, o seguinte teorema: Teorema 4.1 No espa co normado (U, para o funcional F denido em D, logo F (u0 , ) = 0
U ),
>0
se u0 D U e um ponto extremo local (4.6)
admiss vel em u0
54
Observa c ao 4.1 Quando o funcional em estudo satisfaz as restri c oes impostas no Cap tulo 3, ou seja, quando o diferencial G ateaux F (u0 , ) e linear e cont nuo em , o incremento do funcional em u0 na dire c ao admiss vel est a dado pela express ao (3.10) F (u0 , ) F (u0 ) = F (u0 , ) + h (u0 , ) onde h (u0; ) e um funcional de ordem superior em . Desta maneira, e para sucientemente pequeno, o sinal de F (u0 , ) F (u0 ) est a dado pelo sinal de F (u0 , ). importante observar que E e mais correto empregar a designa ca o ponto estacion ario em lugar de ponto extremo. Assim, e como no c alculo de fun co es, a condi ca o F (u0 , ) = 0 D (F ) admiss vel
s o garante que o ponto e estacion ario, j a que n ao elimina a possibilidade de um ponto de inex ao (ponto de sela). Para vericar em que caso estamos (m nimo ou m aximo local, ou ponto de sela) temos que estudar o sinal de h (u, ). Em outras palavras, temos que estudar a segunda varia c ao G ateaux do funcional. Entretanto, muitas vezes nos contentamos com o c alculo destes pontos estacion arios, j a que desde o ponto de vista f sico eles s ao importantes por si mesmos, j a que representam o equil brio do sistema f sico. Por sua vez, da an alise desse problema f sico pode-se obter as informa c oes adicionais que nos permitem garantir se estamos em um ponto de m nimo/m aximo local ou ponto de sela.
4.2
Equa c ao de Euler
Por simplicidade, vamos supor que a fun ca o f (x, u (x) , u (x)) em (4.1) e uma fun ca o cont nua com rela c ao a x, u (x) e u (x) bem como suas derivadas fu = f , u fu = f u
em [a, b] 2 . Logo, para cada u (x) C 1 [a, b] o funcional (4.1) est a denido. Por sua vez, a varia ca o G ateaux do funcional no ponto u e na dire c ao (admiss vel), esta dada por: dF (u + ) d
b
F (u; ) =
=
=0 a
[fu (x, u (x) , u (x)) (x) + fu (x, u (x) , u (x)) (x)] dx (4.7)
Proposi c ao 4.1 Se u C 1 [a, b] e tal que que F (u; ) = 0 para todo D (F ) admiss vel, ou seja, para todo , tal que D0 = v ; C 1 [a, b] , (a) = (b) = 0
4.3. Casos Especiais da Equa c ao de Euler logo fu (x, u (x) , u (x)) C 1 [a, b] d fu (x, u (x) , u (x)) = fu (x, u (x) , u (x)) dx F (u; ) = f
u
55
(4.8) x [a, b]
b
(4.9) (4.10)
(x, u (x) , u (x)) (x)|a
Prova. As express oes (4.8) e (4.9) s ao obtidas da Proposi c ao 3.4, onde: g (x) = fu (x, u (x) , u (x)) ; h (x) = fu (x, u (x) , u (x))
Por sua vez, o resultado (4.9) permite escrever o integrando de (4.7) como: d (fu (x) (x)) dx logo: F (u; ) =
a b
d (fu (x) (x)) dx = fu (x) (x)|b a dx
como o que obtemos (4.10). Observa c ao 4.2 A express ao (4.9) fu (x, u (x) , u (x)) d fu (x, u (x) , u (x)) = 0 dx x (a, b)
e conhecida como equa c ao de Euler (primeira forma), j a que foi Euler quem a obteve, pela primeira vez em 1736. Ele deduziu-a de maneira heur stica, variando os v ertices de uma solu c ao poligonal imagin aria. Posteriormente, em 1755 Lagrange a obteve integrando por parte o segundo termo do segundo membro de (4.7) (esta forma de deduzir a equa c ao de Euler est a incorreta, por que isto n ao pode ser poss vel?). A forma correta de obter a equa c ao de Euler foi deduzida por du Bois-Raymond em 1879. Observa c ao 4.3 A Proposi c ao 4.1 e v alida para toda u C 1 [a, b] que anula a varia c ao de G ateaux. Logo, vemos que a equa c ao de Euler tamb em ter a que ser satisfeita pela solu c ao com extremos livres. Deni c ao 4.2 Cada uma das fun c oes u C 1 [a, b] que satisfaz a equa c ao de Euler e chamada fun ca o estacion aria de f (u, u (x) , u (x))
4.3
Casos Especiais da Equa c ao de Euler

f (u, u (x) , u (x)) = u (x)
Embora u = u (x) C 1 [a, b] e a fun c ao estacion aria de
56 ou de
f (u, u (x) , u (x)) = u (x) u (x) em geral n ao e simples encontrar alguma solu c ao para a equa c ao de Euler. Por em, quando uma ou mais vari aveis da fun c ao f (u, u (x) , u (x)) n ao est a presente explicitamente, podemos obter alguns resultados. Nesta se ca o veremos alguns desses casos. a) f (x, u (x) , u (x)) = f (u (x)). Para este caso, a equa c ao Euler toma a forma: fu d d fu = fu = 0 fu (u (x)) = cte dx dx (4.11)
Exemplo 4.1 Vejamos o problema da geod esica em um cilindro de raio unit ario: x = (x, y, z ) = (cos , sin , z ()) ds () = dx d
2
dy d
1
dz d
d =
(1 + z 2 )d
L () =
0
1 + z ()2 d 1 + z ()2 = f (z ())
logo f (, z () , z ()) = D (L) = z = z () ; z C 1 [0, 1 ] , z (0) = zA , z (1 ) = zB Com isto, temos: z 1 2z = 2 1+z2 1+z2 onde a condi ca o necess aria para que z () D (L) minimize L (z ) em D (L) e: fz = z = cte z = cte 1+z2 (4.12)
Logo, vemos que a solu c ao dever a ser a fun c ao linear em : z () = C1 + C2 (4.13)
que corresponde a uma h elice circular no cilindro. As constantes C1 e C2 s ao determinadas atrav es das condi c oes de contorno z (0) = zA , z (1 ) = zB . De qualquer maneira, n ao podemos dizer que (4.12) proporciona um m nimo. N ao obstante, existe uma caracter stica intr nseca neste funcional, que nos permitir a assegurar que (4.13) e a solu c ao que estamos buscando. Al em do mais, esta solu c ao e u nica. Esta propriedade e a convexidade estrita deste funcional. Vejamos isto com algum detalhe e depois fa camos uso disto neste exemplo.
4.3. Casos Especiais da Equa c ao de Euler
57
Figura 4.2: Fun co es convexas
Figura 4.3: Convexidade para fun c oes f C 1 [I ] Para isso, recordemos primeiro o conceito de convexidade para fun co es em R. Deni c ao 4.3 Seja f : I R R se diz convexa em I se: f (x + (1 ) y ) f (x) + (1 ) f (y ) x, y I 0<<1 (4.14)
Deni c ao 4.4 Se diz estritamente convexa se somente a desigualdade em (4.14) e satisfeita. Exemplo 4.2 A fun c ao linear em x e convexa, mas n ao estrita. A Figura 4.2 nos mostra o sentido geom etrico deste conceito para f : I = [x0 , x1 ] 1 R. Entretanto, se a fun c ao f C [I ], o conceito anterior podemos reformul a-lo da seguinte forma (ver Figura 4.3.
58 Deni c ao 4.5 Se f C 1 [I ] e se f (x) f (x0 ) f (x0 ) (x x0 )
x 0 , x I
(4.15)
se diz que f e convexa. Se a igualdade e satisfeita, se e somente se x = x0 , dizemos que e estritamente convexa. Estes conceitos globais (v alidos para todo o intervalo), podem ser restringidos de maneira a denir convexidade e convexidade estrita local. Basta, para isso, limitar as deni c oes em um ponto x0 do intervalo de deni c ao de f e em uma vizinhan ca sucientemente pequena de x0 . Se a fun c ao e sucientemente regular em x0 , a convexidade pode ser deduzida do sinal de sua derivada segunda. Com efeito, suponhamos existir essa regularidade, logo, a expans ao em s erie de Taylor nos conduz a: 1 f (x) = f (x0 ) + f (x0 ) (x x0 ) + f (x0 ) (x x0 )2 + .... 2 Em particular, para (0, 1) temos: 1 f (x) f (x0 ) = f (x0 ) (x x0 ) + f (x0 + (x x0 )) (x x0 )2 2 Se f (x0 + (x x0 )) > 0 se satisfaz a desigualdade (4.15). Por outro lado, se a fun ca o alcan ca um m nimo em x0 resulta que a condi c ao necess aria era f ( x0 ) = 0 logo: 1 f (x) f (x0 ) = f (x0 + (x x0 )) (x x0 )2 > 0 2 ou seja, se f e convexa, a condi c ao e tamb em suciente de m nimo! Algo absolutamente similar ocorre com os funcionais. Desta forma, para u0 D (F ) xo e D (F ) admiss vel, o funcional F (u0 + ) e uma fun ca o na vari avel ( sucientemente pequeno). Admitindo a regularidade necess aria, podemos expandir esta fun c ao em s erie de Taylor e, adotando-se = 1, resulta: 1 d2 d + F (u0 + ) = F (u0 ) + F (u0 + ) F (u0 + ) d 2 d 2 =0 = 1 d2 = F (u0 ) + F (u0 ; ) + F (u0 + ) , (0, 1)(4.18) 2 d 2 = Em particular, a express ao: 2 F (u0 ; ) = 1 d2 F (u0 + ) 2 d 2 (4.19)
=
(4.16)
(4.17)
4.3. Casos Especiais da Equa c ao de Euler
59
e chamada segunda varia c ao G ateaux do funcional F no ponto u0 , segundo a dire ca o . Por sua vez, a deni c ao (4.19) resulta, tamb em: 1 d2 F (u0 + ) 2 d 2 =
=
1 d2 F (u0 + + ) 2 d 2
= 2 F (u0 + ; )
=0
Vemos, assim, que se para = 0 a segunda varia ca o G ateaux e n ao negativa para todo u0 D (F ), logo (4.18) conduz a: F (u0 + ) F (u0 ) F (u0 ; ) D (F ) admiss vel
e onde a igualdade se verica se e somente se = 0. Neste caso, o funcional e estritamente convexo e a condi ca o necess aria de m nimo F (u0 ; ) = 0 e tamb em suciente. Voltemos ao nosso exemplo da Geod esica em um cilindro de raio unit ario. A primeira varia ca o G ateaux em z = z (x) est a dada por: F (z, ) = =
0
d F (z + ) d
1
=
=0
d d
1 0
1 + (z + )2 d
=0
z d 1+z2
A condi c ao necess aria de m nimo resulta: F (z, ) = 0 D (F ) admiss vel
D (F ) admiss vel = , C 1 [0, 1 ] , (0) = (1 ) = 0 Logo, do Lema de du Bois-Raymond teremos: Por sua vez, 2 F (z, ) = d F (z + , ) d
1 2 2 2
z = cte z = cte z = c1 + c2 1+z2
=
=0 2 2
d d
1 0 1 0
(z + ) 1 + (z + )
2 2
d
=0
=
0
+ z z d = (1 + z 2 ) 1 + z 2
d > 0! (1 + z 2 ) 1 + z 2
Observe que 2 F (z, ) = 0 = 0 = 0. Logo, F e estritamente convexo. Assim, a solu ca o obtida e a solu c ao que mini 2 miza o funcional (que podemos dizer sobre a fun ca o f = 1 + z ?).
60 b) f (x, u (x) , u (x)) = f (x, u (x)) Recordando a equa ca o de Euler, fu (x, u (x) , u (x)) = teremos:
d fu (x, u (x) , u (x)) dx
fu (x, u (x) , u (x)) = fu (x, u (x)) = 0 para este caso (b). Logo, teremos novamente: d fu (x, u (x)) = 0 fu (x, u (x)) = cte dx Exemplo 4.3 Vejamos o problema da Geod esica na esfera de raio R. O funcional para a parametriza c ao = u () est a dado por L (, u ()) = R
0 B
1 + (sin u ())2 d
onde u D (L) = u, u() C 1 [0, B ] , u (0) = u (B ) = 0 Para este funcional teremos: f (, u ()) = R logo, fu (, u ()) = R 1 + (sin u ())2 sin2 u () 1 + (sin u ())2
Logo, se u D (L) faz estacion ario o funcional, teremos da equa c ao de Euler que: R sin2 u () 1 + (sin u ())2 = cte para [0, B ]
Em = 0 esta constante e nula (sin = 0), logo R sin2 u () 1 + (sin u ()) Por tanto u () = 0 u () = cte = u () = cte = 0 j a que u D (L). Logo, a solu c ao (estacion aria) corresponde ao c rculo que une os pontos A e B . Nada mais podemos dizer sobre esta solu c ao. Pode-se dizer algo mais sobre o funcional L(, u()). Este funcional e estritamente convexo na vari avel u()?.
2
=0
[0, B ]
4.4. Segunda Forma da Equa c ao de Euler c) f (x, u (x) , u (x)) = f (u (x) , u (x)) Se vemos f como uma fun ca o (impl cita) em x temos que: d du du f (u(x), u (x)) = fu + fu = fu u + fu u dx dx dx desde que u C 2 [a, b] . Levando isto em conta, temos d [f (u(x), u (x)) u (x)fu (u(x), u (x))] = dx d d = fu u + fu u u fu u fu = u fu fu dx dx
61
(4.20)
Logo, se u = u(x) e um extremo do funcional, a equa ca o de Euler dever a ser satisfeita por esta fun ca o e o segundo membro de (4.20) se anula. Logo: d [f (u(x), u (x)) u (x) fu (u(x), u (x))] = 0 dx de onde f u fu = cte (4.21) Reciprocamente, se (4.21) e satisfeita e se u (x) n ao se anula no intervalo [a, b] teremos que u = u(x) ser a um extremo do funcional
b
F (u) =
a
f (u (x) , u (x)) dx
Exemplo 4.4 O problema da Brachistochrone (ver express ao 2.7) 1 T = 2g

a 0
1+y2 y
1 2
dx
Como vemos, o integrando est a dado por uma fun c ao do tipo f (y (x), y (x)).
4.4
Segunda Forma da Equa c ao de Euler

d fu (x, u (x) , u (x)) = fu (x, u (x) , u (x)) dx
A primeira forma da equa ca o de Euler est a dada por: (4.22)
que, integrada, conduz a

x
fu (x, u (x) , u (x)) =

a
fu (t, u (t) , u (t)) dt + cte
(4.23)
62 Por outro lado, se u C 2 [a, b] , resulta
d f (x, u (x) , u (x)) = fx + fu u + fu u dx al em do mais, se e um extremo, podemos utilizar (4.22) em (4.24), obtendo d d d f = fx + fu u + fu u = fx + ( u fu ) dx dx dx Logo, d [f u fu ] = fx dx
x
(4.24)
que, integrando, conduz a f (x, u(x), u (x)) u (x) fu (x, u(x), u (x)) =
a
ft (t, u (t) , u (t)) dt + cte
(4.25)
Observe que (4.25) se parece com (4.23) que e a forma integral da primeira equa ca o de Euler. Por outro lado, (4.25) n ao exibe explicitamente a exig encia de que u C 2 [a, b] poss usada para sua obten c ao. E vel mostrar que (4.25) pode obter-se diretamente sem esta exig encia. Lamentavelmente, sua demonstra ca o est a al em dos objetivos deste curso. Assim, nos limitaremos a apresentar o seguinte teorema: Teorema 4.2 Se f (x, u(x), u (x)) C 1 ([a, b] R2 ) e se u0 D e um extremo local do funcional F denido em D, u0 satisfaz a segunda forma da equa c ao de Euler
x
f u fu =
a
ft dt + c0
(4.26)
para alguma constante c0 Temos visto assim que a forma da equa ca o de Euler depende do espa co em que estamos trabalhando, mas as solu co es desta equa ca o n ao. Esta propriedade e conhecida na literatura como invari ancia da euqua c ao de Euler. De fato, as solu c oes s ao os elementos u D(F ) para os quais F (u, ) = 0 e onde a varia ca o do funcional depende de D(F ), u e mas n ao do espa co U no qual temos introduzido D(F ). Na pr oxima se c ao veremos com mais detalhes este aspecto, uma vez que vamos introduzir o conceito de gradiente de um funcional.
4.5
Gradiente de um funcional
Dado o funcional F denido na variedade linear D(F ) do espa co de Banach U , se este funcional satiszer as restri co es 1 e 2, teremos que a primeira varia c ao G ateaux do funcional no ponto u na dire ca o estava dada por um funcional linear e cont nuo F (u, ) = d F (u + ) d em
=0
D (F ) admiss vel = M
4.5. Gradiente de um funcional
63
Em geral, para u D(F ), o funcional F (u, ) n ao e um funcional limitado em . Consideramos o conjunto N D(F ) cujos elementos u fazem com que este funcional seja limitado. Dado que F (u, ) R, este diferencial G ateaux dene para cada u0 N um funcional linear, cont nuo e limitado gu0 tal que F (u0 , ) = gu0 , , gu0 U
donde U e um espa co dual (topol ogico) de U . H a correspond encia u0 N gu0 dene um operador P, que, em geral, e n ao linear, P : N U u0 P (u0 ) = gu0 tal que F (u0 , ) = P (u0 ) , = d F (u0 + ) d (4.27)
=0
e onde , representa o par de dualidade U U . O operador P denido desta maneira (express ao 4.27) e chamado gradiente do funcional F no ponto u0 , o qual ser a representado da seguinte maneira P (u0 ) = gradF (u0 ) (4.28) O ponto u0 U e um ponto extremo do funcional se F (u0 , ) = P (u0 ) , = 0 M e como M e denso em U , (4.29) implica em P (u0 ) = 0 (4.30) (4.29)
onde 0 e o elemento (funcional linear) nulo (e, portanto, limitado) de U . A equa c ao (4.30) tem sido chamada por n os de equa c ao de Euler (ou, simplesmente, equa ca o de Euler) para o funcional F (u). De (4.30) e (4.29) vemos que encontrar as solu c oes da equa ca o de Euler e equivalente a encontrar os extremos do funcional. Por sua vez, (4.29) p oe em evid encia o sentido em que deve-se interpretar (4.30). Por esta raz ao, u0 e tamb em chamada solu c ao fraca da equa c ao de Euler. Vamos mostrar agora que o dom nio de deni ca o do graditene de um funcional e, portanto, sua express ao, dependem essencialmetne do espa co U onde D(F ) tem sido colocado. Para mostrar isto, consideramos nosso exemplo
b
F (u) =
a
f (x, u(x), u (x))dx
64 onde
u D(F ) = u | u C 1 [a, b] , u(a) = u, u(b) = u e onde f C 1 ([a, b] R2 ) . Tomemos, primeiro, U = L2 (a, b) . Resulta obvio que D(F ) U . Por outro lado, podemos contruir a fun ca o xa u(x) = u + (u u) ba que pertence a D(F ). Logo dado u D(F ) podemos denir as fun c oes =uu que satisfazem C 1 [a, b] (a) = (b) = 0 Logo, o conjunto destas fun c oes assim denidadas dene o subespa co M que, como temos visto, e denso em L2 (a, b) e, potanto, D(F ) tamb em e denso em L2 (a, b). Vemos assim que a Restri ca o 1 e satisfeita. Vimos tamb em que a Restri ca o 2 e tamb em satisfeita. Logo, o diferencial G ateaux do funcional F est a dado por F (u, ) = =
a
d F (u + ) d
b
=0
[fu (x, u(x), u (x)) + fu (x, u(x), u (x)) ] dx
(4.31)
que e um funcional linear em . Dado que este funcional e linear podemos agora ver qual e a forma do gradiente do funcional. Para isto, vamos ver quais s ao as restri c oes sobre u D(F ) para que F (u, ) seja um funcional limitado em . Para tal, recordamos que L2 (a, b) e um espa co de Hilbert onde o produto interno est a devinido por
b
(u, v )L2 (a,b) = que induz a norma em L2 (a, b)
u(x)v (x)dx
a
L2 (a,b)
=
a
u2 (x)dx
1 2
Dessa forma, dado um espa co de Hilbert H com seu produto interno denido por (, )H , podemos construir funcionais lineares e cont nuos fazendo uso deste produto interno. De fato, se u0 H e um elemento xo, podemos denir o funcional lu0 H da seguinte maneira def lu0 , = (u0 , )H H Este funcional, por deni c ao, depende linear e continuamente do elemento u0 . Esta correspond encia podemos formalisar introduzindo um operador linear K : HH u0 Ku0 = lu0
4.5. Gradiente de um funcional Logo, teremos lu0 , = Ku0 , = (u0 , )H H
65
(4.32)
Nos perguntamos agora se existem funcionais lineares em H que n ao podem ser representados por interm edio do produto interno. De fato, se representamos por HK todos os funcionais lineares e limitados que podem ser representados como em (4.32) teremos que HK H importante ressaltar que, ao inv E es da inclus ao (4.33), se verica que HK = H (4.34) (4.33)
Isto foi demonstrado pelo matem atico h ungaro Riesz dando assim lugar ao seguinte Teorema. Teorema 4.3 (Teorema da Representa c ao de Riesz) Todo funcional linear e limitado l em um espca co de Hilbert H pode ser expresso da seguinte forma: l, = (u, ) H
onde u e um elemento de H determinado de maneira u nica por l, tal que l

H
= u
Com isto em mente, retornamos a express ao (4.31). Neste express ao o segundo membro est a formado por dois termos. O primeiro
b
fu dx
a
e um funcional linear e limitado em dada as hip oteses assumidas para f (fu e cont nua e quadraticamente integr avel em (a, b)). O mesmo n ao podemos dizer do segundo termo
b
fu dx
a
(4.35)
Para estudar este funcional recordamos a deni c ao de fun c oes absolutamente cont nuas. Deni c ao 4.6 A fun c ao u = u(x) e absolutamente cont nua no intervalo [a, b] se existe a fun c ao v = v (x) integr avel no mesmo intervalo, tal que
x
u( x ) =
a
v (t)dt + cte
x [a, b]
(4.36)
Por sua vez, a fun c ao u(x) tem derivada no sentido cl assico que e igual a v = v (x) em quase todo lugar do intervado [a, b] .
66
Agora introduzimos o espa co M(k) [a, b] de fun c oes cont nuas e continuamente diferenci aveis at e ordem k e tais que a fun ca o e suas derivadas at e ordem (k 1) e nula nos extremos do intervalo. Sejam agora duas fun co es u = u(x) e v = v (x) integr aveis em [a, b] (k) e suponha que para M a seguinte igualdade se verica
b
u
a
dk dx = (1)k dxk
vdx
a
(4.37)
logo, v e chamada derivada generalizada de ordem k da fun c ao u. Pode-se mostrar (k) que esta derivada eu nica (recorde que M cont em o espa co [a, b] formado pelas fun co es C tais que a fun ca o e todas as suas derivadas se anulam nos extremos de algum subintervalo [, ] de [a, b] . Este espa co e denso em L2 [a, b]). Com estes elementos pode-se demonstrar o seguinte Teorema: Teorema 4.4 Seja u = u(x) uma fun c ao denida em quase toda parte do intervalo [a, b] , quadraticamente integr avel neste intervalo e com derivada generalizada de ordem k , u(k) (x) = v (x) com v tamb em quadraticamente integr avel. Logo a fun c` ao u e equivalente a uma fun c ao que e k 1 vezes continuamente diferenci avel em [a, b] e que tem derivada de ordem k no sentido cl assico igual em quase toda parte a v. Por sua vez, a derivada u(k1) e absolutamente cont nua no segmento [a, b] . Com estes conceitos em mente, voltemos ` a express ao (4.35). Suponhamos que a fun c ao u = u(x) e tal que fu (x, u(x), u (x)) e absolutamente cont nua em x com derivada quadraticamente integr avel em (a, b). Logo, existe uma fun c ao w L2 [a, b] tal que:
x
fu (x, u(x), u (x)) =

a
w(t)dt + c
(4.38)
e que em quase toda parte de (a, b) resulta d fu (x, u(x), u (x)) = w(x) dx Neste caso a integral
a b
fu dx pode integrar-se por parte, obtendo-se

b a
fu dx = fu |b a
b
=0 a
d fu dx dx
b
=
a
d fu dx = dx
wdx
a
67
O Teorema de Riesz nos diz que esta u ltima integral e um funcional linear limitado em . Vemos, assim, que os dois termos que comp oem F (u, ) s ao limitados, logo, F (u, ) e um funcional linear limitado em . Teremos assim:
b
F (u, ) =
a
fu
d fu dx M dx
Por outro lado, da deni ca o de gradiente de um funcional F

b
F (u, ) =
a
gradF (u)dx M
Desses dois u ltimos resultados teremos:

b
gradF (u) fu
a
d fu dx
dx = 0 M
e da densidade de M em L2 [a, b], resulta gradF (u) = fu Temos obtido assim, o seguinte resultado: O gradiente do funcional F est a denido em u D (F ) se fu e uma fun c ao absolutamente cont nua em x com derivada quadraticamente integr avel. Vamos mostrar agora que a proposi ca o inversa e tamb em verdadeira. Isto e, vamos d fu provar que se u D (gradF ) ent ao fu e e absolutamente cont nua e sua derivada dx quadraticamente integr avel em (a, b) e gradF (u) = fu d fu dx d fu dx (4.39)
De fato, se, u D (gradF ), logo F (u, ) e um funcional linear e limitado em . Neste caso, cada um dos termos da integral (4.31) e um funcional limitado. Em particular
b
fu dx
a
(4.40)
e limitado. Logo, do Teorema de Riesz existe uma fun ca o g L2 (a, b), tal que
b b
fu dx =
a a
gdx
(4.41)
Podemos construir a fun ca o absolutamente cont nua

x
G(x) =
a
g (t)dt + c
(4.42)
68
cuja derivada (no sentido cl assico) e igual em quase todo lugar de (a, b) a g . Logo:
b b
gdx =
a a
dG dx dx
(4.43)
Integrando por parte o segundo membro de (4.43) teremos:

b a
gdx = G |b a
+
=0 a
G dx =
a
G dx
(4.44)
Logo, (4.41) e (4.44) obtemos:

b
(fu G) dx = 0 M
a
(4.45)
que nos diz que: fu G = cte logo: fu = G + cte =

a x
g (t)dt + c
(4.46)
Esta u ltima express ao nos diz que fu e absolutamente cont nua. Por sua vez: d fu (x) = g (x) L2 (a, b) dx com o que nalizamos a demonstra c ao. Este resultado assim alcan cado pode ser formulado no seguinte Teorema. Teorema 4.5 Seja o funcional F (u) denido em D(F ) = u | u C 1 [a, b] , u(a) = u, u(b) = u e consideremos D (F ) como uma variedade linear de L2 [a, b]. Logo, o dom nio de deni c ao do gradF consiste somente daquelas fun c oes que t em as seguintes propriedades (i) u D (F ) (ii) substitu da em fu (x, u(x), u (x)) a converte em fun c ao absolutamente cont nua em d fu e quadraticamente integr avel neste intervalo. [a, b] e cuja derivada dx Vamos ver a forma do gradiente do mesmo funcional, mas agora adotando outro espa co U . No que segue, para simplicar nossa apresenta ca o, suponhamos que: u(a) = u = 0 u(b) = u = 0
69
Observa c ao 4.4 Observe que o caso geral de condi c oes de contorno n ao homog eneas pode-se reduzir a este caso mediante a seguinte substitui c ao: u(x) = v (x) + u + xa (u u) ba v (a) = v (b) = 0
Vamos supor que o espa co que cont em a variedade linear (agora um subespa co) D (F ) est a dado pelo espa co de Hilbert
1 [a, b] =W 2 (a, b) H0 0 (1)
formado por todas as fun co es absolutamente cont nuas em [a, b], iguais a zero nos extremos deste intervalo e com derivadas de primeira ordem, quadraticamente integr aveis em [a, b] . O produto escalar e a norma induzida por ele ser ao representados por
b
(u, v )H 1 (a,b) =
0
du dv dx, dx dx
2 1 (a,b) H0
=
a
du dx
dx
1 Como D (F ) = M = H0 (a, b) , as Restri co es 1 e 2 est ao satisfeitas, portanto, o diferencial G ateaux est a dado por b
F (u, ) =
a
(fu + fu ) dx
(4.47)
Vamos mostrar agora que para todo u D (F ) (4.47) e um funcional limitado em 1 H0 (a, b) (com isto teremos D (gradF ) = D (F )). De fato, da desigualdade de CauchySchwarz
b b b
| F (u, )| =
a
(fu + fu ) dx
a b
fu dx +
a b
1 2
fu dx
2 b a
(fu ) dx
a
2 dx
+
a
(fu ) dx
2 dx
1 2
(4.48)
As fun co es fu e fu s ao cont nuas e, portanto, limitadas em [a, b], logo

b
| F (u, )| c0
a
2 dx
1 2
+ c1
a
2 dx
1 2
(4.49)
onde c0 e c1 s ao constantes. Por sua vez

x x
(x) = (a) +
a
(t)dt =
a
(t)dt
(4.50)
logo, aplicando novamente a desigualdade de Cauchy-Schwarz

x x
| (x)| =
a
(t)dt =
a
1 (t)dt (x a)
1 2
x a
dt
1 2
70 de onde (x a)
a 2 x

b a b a
dt (b a)
2 dx
e, consequentemente
a
dx (b a) Substituindo (4.51) em (4.49) obtemos
2 dx
(4.51)
| F (u, )| (c0 (b a) + c1 )
a
2 dx
1 2
=c
1 (a,b) H0
Vemos assim que o funcional F (u, ) e limitado em . Vamos ver a express ao de gradF . Tomemos, para isto
x
g (x) =
a
fu (t, u(t), u (t))dt + c
onde c e uma constante a ser denida. Logo d g (x) = fu (x, u(x), u (x)) dx de onde
a b b
fu dx =
a
dg dx = g |b a dx =0
b
g dx =
a a
g dx
logo: F (u, ) =
a
(fu g ) dx
Podemos agora construir a fun c ao

x
G(x) =
a
(fu g ) dt
e adotar c de maneira tal que G (b) = 0. Temos assim

b t
G(b) =
a
(fu
a
fu d )dt + c(b a) = 0
e a constante c resulta denida por c= 1 ba

b t
(fu
a a
fu d )dt
1 (a, b) e por sua vez resulta: Logo G H0
dG = fu g dx
4.6. Problemas Variacionais com Condi c oes Subsidi arias. Multiplicadores de Lagrange71
Figura 4.4: Problema de Dido logo F (u, ) =

a 1 e deste se segue que no espa co H0 (a, b) x t
G dx = (G, )H 1 (a,b)
0
gradF = G =
a
fu (t, u(t), u (t))

a
fu (, u( ), u ( ))d dt
(4.52)
1 Vemos assim que em L2 (a, b) e em H0 (a, b) o gradF est a dado, respectivamente, por
gradF = fu (x, u(x), u (x))

x
d fu (x, u(x), u (x)) dx

t
(4.53) (4.54)
gradF =
a
fu (t, u(t), u (t))

a
fu (, u( ), u ( ))d dt
e as equa c oes de Euler s ao obtidas anulando-se ambas as express oes (gradF = 0): fu (x, u(x), u (x))
x
d fu (x, u(x), u (x)) = 0 dx

t
(4.55) (4.56)
fu (t, u(t), u (t))

a a
fu (, u( ), u ( ))d dt = 0
N ao resulta dif cil ver que as equa c oes (4.55) e (4.56) s ao equivalentes: (4.55) se obt em de (4.56) diferenciando duas vezes, reciprocamente, integrando duas vezes (4.55) obtemos (4.56).
4.6
Problemas Variacionais com Condi c oes Subsidi arias. Multiplicadores de Lagrange
Antes de analisar este problema, recordemos, primeiramente, o problema da rainha Dido de Cartago. Para simplicar, vamos supor o indicado na Figura 4.4. A area entre a curva u = u(x) e o eixo x esta dada por
b
F (u) =
a
u(x)dx,
u(a) = u(b) = 0
72 Por sua vez, t nhamos a restri ca o

b
L(u) =
a
1 + u (x)2 dx = l
Logo, o problema isoperim etrico consistia em encontrar em D (F ) a fun c ao u = u(x) tal que L (u) = l e fa ca tomar o maior valor poss vel de F (u). Claramente este problema requer que D = D (F ) D (L) = , (conjunto vazio) Em particular, para o problema formulado podemos adotar: D(F ) = {u | u C [a, b] , u(a) = u(b) = 0} e para D (L) podemos adotar: D(L) = {u | u C 1 [a, b] , u(a) = u(b) = 0, L(u) = l} Claramente, D (L) D (F ) e D (L) D (F ) = D (L) = D, que resulta n ao vazio. Seja agora u D0 , onde D0 = u | u C 1 [a, b] , u(a) = u(b) = 0 isto signica que para R inf (L(u) l) =
0 se L(u) l = 0 caso contr ario
Logo, o problema original de encontrar u D (F ) D(L), tal que u = arg

v {D(F )D(L)}
max
F (v )
e equivalente ao de determinar (problema onde a restri ca o isoperim etrica foi eliminada!): u = arg maxJ (v )
v D0
onde: J (v ) = F (v ) + inf (L(v ) l) =
F (v ) se L(v ) = l caso contr ario
Assim, podemos considerar o seguinte funcional: J (u, ) = F (u) + (L(u) l) onde D (J ) = D0 R (4.57)
4.6. Problemas Variacionais com Condi c oes Subsidi arias. Multiplicadores de Lagrange73 Supondo que as Restri c oes 1 e 2 estejam satisfeitas, a condi ca o de ponto estacion ario requer J (u, ; , ) = [ F (u, ) + L(u, )] + [L(u) l] = 0 D0 e R De onde obteremos L(u) = l F (u, ) + L(u, ) = 0 D 0 (4.59) (4.60) (4.58)
que, conjuntamente com as condi co es u(a) = u(b) = 0 nos permitem calcular u e . Em particular, se existe w D0 , tal que: L(u, w) = 0 de (4.60) teremos = F (u, w) L(u, w)
Com esta constante, temos que a equa ca o de Euler de (4.60) toma a forma grad[F + L](u) = 0 (4.61)
Como regra, esta t ecnica conhecida como de multiplicadores de Lagrange consiste em: 1. Calcular o funcional estendido J (u) = F (u) + L(u) 2. Calcular as fun c oes u que fazem estacion ario este funcional, sem levar em conta a restri ca o L(u) = l 3. De J (u; ) = 0 e L(u) = l calcular u e . Vamos aplicar esta t ecnica ao problema de Dido.
b
J (u) = F (u) + L(u) =

a
u + 1 + u 2 dx
onde D0 = u | u C 1 [a, b] , u(a) = u(b) = 0 J (u, ) = =

a b
d J (u + ) d
b
=
=0 a
u 1+u2
b a
dx
d u 1 dx 1 + u 2 d u 1 dx 1 + u 2
u dx + 1+u2 dx = 0
=
a
D 0
74
de onde tem-se d u xc u = 1 = dx 1 + u 2 1+u2 (x c)2 u2 = 2 (x c)2 u 2 = (x c)2 2 2 1+u xc u = , integrando, u = 2 (x c)2 + c1 2 2 (x c) logo (u c1 )2 + (x c)2 = 2
portanto, se a solu c ao existe ela deve ser um c rculo de raio e centro (c, c1 ) . Estas tr es constantes s ao calculadas de b u(a) = 0, u(b) = 0, e 1 + u 2 dx = l
a
Se tomarmos a origem de coordenadas no ponto m edio do intervalo [a, b], teremos neste caso que a = b, logo, as restri c oes anteriores tomam a forma:
2 2 c2 1 + (b + c) = b 2 2 c2 1 + (b c) = b a
1+
a
(x c) 2 (x c)2
1 2
dx =
dx = l
(x c) b
De onde obtemos: c=0 c1 = 2 b2 2 arcsin =l
Em particular, tomando l = b, teremos = b, e a solu ca o e o semi-c rculo. Os conceitos anteriores podem ser estendidos a problemas isoperim etricos mais gerais. Neste caso, suponhamos dados os funcionais F , G1 , G2 , ..., Gn e as constantes l1 , l2 , ..., ln (n 1) e de todas as fun co es em D (F ) que satisfazem Gi (u) = li i = 1, 2, ...n
pretende-se determinar aquela que fa ca m nimo o funcional F . Suponhamos, tamb em, que F , Gi , i = 1, ..., n, satisfazem as Restri co es 1 e 2. Como a interse ca o de variedades co M tal que lineares e uma variedade linear, existe u D0 e o espa u=u+ M e u D0
Finalmente, assumimos que M e denso no espa co que estamos considerando. Uma an alise inteiramente similar a realizada conduz a
n
J (u, 1 , 2 , ..., n ) = F (u) +

i=1
i (Gi (u) li )
(4.62)
4.7. Condi co es subsidi arias nitas

n
75 F (u; ) +
i=1
J (u, {i } ; , i ) =
n
i Gi (u; ) (4.63)
+
i=1
i (Gi (u) l) = 0
, i M Rn
de onde obtemos Gi (u) l = 0

n
i = 1, 2, ..., n M
(4.64) (4.65)
F (u, ) +
i=1
i Gi (u; ) = 0
Se existem dire c oes 1 , 2 ,..., n M, para as quais o G1 (u; 1 ) G2 (u; 1 ) ... Gn (u; 1 ) G1 (u; 2 ) G2 (u; 2 ) ... Gn (u; 2 ) det ... ... ... G1 (u; n ) G2 (u; n ) ... Gn (u; n ) ser a poss vel encontrar constantes 1 , 2 ,..., n solu c ao de F (u, 1 ) + F (u, 2 ) + F (u, n ) +
n i=1 n i=1
=0
(4.66)
i Gi (u; 1 ) = 0 i Gi (u; 1 ) = 0 ... n i=1 i Gi (u; 1 ) = 0
(4.67)
Com estes valores de i assim calculados, teremos que a equa ca o de Euler toma a forma
i=n
grad[F +
i=1
i Gi ](u) = 0
(4.68)
4.7
Condi c oes subsidi arias nitas
No problema isoperim etrico, as condi c oes subsidi arias que deviam satisfazer as fun c oes u estavam dadas por funcionais. Vamos considerar, agora, um outro tipo de problema (problema da Geod esica), que pode ser formulado da seguinte maneira: Encontre a fun ca o u = u(x) para a qual o funcional F (x, ui (x) , ui (x) , i = 1, ..., n) alcan ca um extremo e onde o conjunto de fun c oes admiss veis do funcional devem satisfazer as condi co es subsidi arias nitas gj (x, ui , i = 1, 2, ..., n) = 0, j = 1, 2, ..., k, k < n x [a, b] (4.69)
76
Em outras palavras, o funcional n ao e analisado para todas as curvas que satisfazem as condi c oes de contorno. Somente interv em aquelas que satisfazem as equa c oes (4.69), ou seja, encontram-se na n k variedade linear denida pelo sistema (4.69). Por simplicidade, vamos limitar-nos ao caso de n = 2 e k = 1, isto e, seja o funcional
b
F (x, u1 (x), u2 (x), u1 (x), u2 (x)) = denido em
f (x, u1 (x), u2 (x), u1 (x), u2 (x))dx

2
(4.70)
D = u | u C 1 [a, b]
, u(a) = u, u(b) = u
(4.71)
onde com u queremos indicar o par de fun c oes (u1 , u2 ). Ent ao, de todas as fun c oes u D vamos buscar aquela que, satisfazendo a equa c ao (condi ca o subsidi aria) g (x, u) = g (x, u1 (x), u2 (x)) = 0 sejam extremos (estacion arios) do funcional F . A seguir, vamos supor que u g (x) = gu1 gu2 (x) = 0 x [a, b] x [a, b] (4.72)
g (x, u1 (x) , u2 (x)) e gu2 (x) = u g (x, u1 (x) , u2 (x)) n ao s ao simulou seja, gu1 (x) = u 1 2 taneamente nulos em qualquer ponto x [a, b]. Vamos estudar este problema por dois caminhos:
Primeiro Caminho - Cl assico Como sempre, D e uma variedade linear associada ao espa co das varia co es admiss veis 2 M = | C 1 [a, b] , (a) = (b) = 0 Se u = (u1 , u2 ) e um extremo, teremos que dever a satisfazer (4.72), ou seja, g (x, u) = 0 x [a, b]
Por sua vez, a fun c ao admiss vel u+ = (u1 + 1 , u2 + 2 ) dever a satisfazer g (x, u + ) = 0 x [a, b]
que nos diz que as varia c oes 1 (x) e 2 (x) n ao podem ser arbitr arias. De fato, a restri c ao subsidi aria nos diz que podemos construir o funcional
b
G (x, u) =
a
g (x, u)dx = 0
D (G) = {u suf. regular | g (x, u) = 0 x [a, b]}
4.7. Condi co es subsidi arias nitas logo G (u, ) = =

a
77
d G (x, u+ ) d
b
=0
(gu1 1 + gu2 2 ) dx = 0 1 , 2 D (G) admiss vel
e, como por hip otese gu1 e gu2 n ao s ao simultaneamente nulas, a express ao anterior conduz a (por exemplo para gu1 = 0): 1 = gu2 2 gu1 (4.73)
e como devem pertencer a M teremos tamb em (a) = (b) = 0. Por sua vez, se u e um extremo, teremos:
b
F (u, ) =
a
fu1 1 + fu1 1 + fu2 2 + fu2 2 dx
integrando por partes

b
F (u, ) =
a
fu1
d d fu1 1 + fu2 fu2 2 dx dx dx
e fazendo uso de (4.73) teremos

b
F (u, ) =
a
gu2 gu1
fu1
d fu dx 1
+ fu2
d fu dx 2
2 dx = 0 2 M
De onde obtemos
d d fu1 dx fu1 fu2 dx fu2 = gu1 gu2
(4.74)
que nos diz que o quociente comum (4.74) determina a exist encia de uma fun ca o (x). Isto e fu1 + gu1 fu2 + gu2 d fu = 0 dx 1 d fu2 = 0 dx (4.75) (4.76)
As equa c oes (4.75) e (4.76) s ao as equa c oes de Euler do funcional

b
J ( u) =
a
[f (x, u) + g (x, u)] dx
(4.77)
78 Segundo Caminho
Aqui vamos ver o problema desde um ponto de vista similar ao apresentado na primeira parte desta se c ao. De fato, seja = (x) quadraticamente integr avel, logo
b
G(u) =
sup
L2 [a,b] a
(x) g (x, u) dx =
0 se u D (G) + caso contr ario
Portanto, o funcional J (u) = F (u) + G(u) = F (u) se u D (G) + se u D / (G)
Desta maneira, o problema original de encontrar os extremos de F (u) tais que satisfazem g (x, u) = 0 em todo x [a, b] e equivalente ao problema de determinar os extremos de J (u) mas agora sem a restri c ao subsidi aria g (x, u) = 0. Logo, as fun co es que fazem estacion ario o funcional
b
L (u,) = F (u) +
a
(x) g (x, u) dx
(4.78)
em D (F ) L2 [a, b] ser ao tais que

b b
L u,; , , De onde
= F (u, ) +
a
(x) g dx +
a
(x) g (x, u) dx = 0 (4.79)
M L2 [a, b]
F (u, ) +
a b
(x) g dx =
a
fu1
d fu + gu1 1 dx (4.80) dx 1
+
a
fu2
d fu + gu2 2 dx = 0 dx 2
b
(1 , 2 ) M
g (x, u) dx = 0
a
L2 [a, b]
(4.81)
que conduz ` as equa co es de Euler fu1 fu2 + gu1 = 0 + gu2 = 0 g (x, u) = 0

d f dx u1 d f dx u2
(4.82)
4.8. Funcionais Dependendo de V arias Vari aveis Independentes
79
4.8
Funcionais Dependendo de V arias Vari aveis Independentes
Nos problemas estudados nos limitamos ` aqueles funcionais onde x [a, b]. Vamos ver, agora, funcionais onde x , e e um dom nio aberto e limitado do espa co Euclidiano m-dimensional. Vamos supor, tamb em, que o contorno do dom nio est a formado por um conjunto nito de superf cies suaves (m 1)-dimensionais. Com isto, estamos permitindo realizar integra c oes por partes em : Se P = P (x) C 1 logo P dx = xk P cos (n, xk ) d
(4.83)
Se P, Q C 1 logo P
Q dx = xk
(P Q) dx xk
P dx xk
(4.84)
fazendo uso de (4.83): P
Q dx = xk
P dx + xk
(P Q) cos (n, xk ) d
(4.85)
Como sempre, seja a fun c ao f (x, u, z1 , ..., zm ) (4.86)
denida em x = e u, z1 , ..., zm vari aveis num ericas que podem assumir valores reais arbitr arios, no entanto nitos. Vamos supor tamb em que f e cont nua, bem como suas derivadas de primeira e segunda ordem, com respeito ` as vari aveis independentes x1 , x2 , ..., xm , u, z1 , ..., zm . Com estes elementos assim denidos consideremos o funcional F (u) =
x, u,
u u , ..., x1 xm
(4.87)
Vamos denir este funcional no conjunto D (F ) de fun co es u C 1 que satisfazem as condi co es de contorno: (4.88) u| = g (x) com g (x) denida e continua em . Vamos supor, tamb em, que existe ao menos uma co es fun c ao u = u (x) que satisfaz ambas as restri u C 1 , u (x) = g (x) x (4.89)
80
importante ressaltar esta u Observa c ao 4.5 E ltima suposi c ao. Em contraste com os problemas de uma u nica vari avel, onde sempre e poss vel encontrar a fun c ao u satisfazendo restri c oes equivalentes a (4.89), nos problemas com v arias vari aveis e poss vel 1 escolher g (x) continua de tal maneira que n ao exista nenhuma fun c ao u C () satisfazendo (4.89). Logo, se u existe, ent ao D (F ) e uma variedade linear onde todos os elementos u D (F ) podem ser representados como u=u + , onde M () e um espa co vetorial. Vamos supor, ainda, que D (F ) e visto como uma parte de L2 () e que M () e denso em L2 () . Com todas estas hip oteses, as Restri c oes 1 e 2 s ao satisfeitas, sendo assim, a varia ca o G ateaux de F est a dada por um funcional linear em . A seguir, vamos estudar o problema de minimizar este funcional e obter as condi c oes necess arias para tal. Se u0 e um extremo de F vimos que necessariamente: F (u0 , ) = 0 e que u0 D (gradF ) gradF (u0 ) = 0 Sendo assim: F (u, ) = d F (u + ) d =
=0
(4.90) (4.91) (4.92)

m
f f + k u u k k=1 xk
(4.93)
onde temos introduzido a nota ca o uk = u , xk k =
e onde temos omitido os argumentos de f para simplicar a nota ca o. A fun ca o u D (F ) pertence ao dom nio D (gradF ) se e somente se a integral do segundo membro de (4.93) e um funcional limitado em L2 (). Em particular, (4.90) pode ser reescrita como F (u, ) = f , u
m
+
L2 () k=1
f , k uk
(4.94)
L2 ()
f As fun c oes f e u , k = 1, ..., m, s ao cont nuas em e, o que e mais importante, u k pertencem a L2 () . Logo, o primeiro produto escalar de (4.94) e um funcional limitado em L2 (). Novamente, nada podemos dizer a respeito dos outros produtos escalares. Suponhamos agora que u D (F ) seja tal que existam as derivadas generalizadas:
f , xk uk
k = 1, 2, ..., m
(4.95)
4.8. Funcionais Dependendo de V arias Vari aveis Independentes Logo, da deni c ao de derivada generalizada f k d = uk f d = uk xk f d xk uk
81
(4.96)
que substitu da em (4.94) obtemos F (u, ) = Se supormos agora que f , u

m
L2 () k=1
f , xk uk
(4.97)
L2 ()
k=1
f L2 () xk uk f f , u k=1 xk uk
m
(4.98)
resulta F (u, ) =
(4.99)
L2 ()
um funcional em limitado em L2 (). Com isto teremos que u D (gradF ) e este gradiente tem a forma m f f gradF (u) = (4.100) u k=1 xk uk e como u D (F ), u| = g (x). Teremos assim que o dom nio de deni c ao do gradiente do funcional F cont em fun co es com as seguintes propriedades: 1. u C 1 , de modo que u| = g (x) 2. s ao tais que as derivadas generalizadas 3.
m f k=1 xk uk f xk uk
existem
L2 () . Em geral os termos da soma podem n ao ter sentido se tomados separadamente.
4. Em particular D (gradF ) cont em fun co es de C 2 que satisfazem u| = g (x) Logo, a equa c ao de Euler do problema variacional ser a: gradF (u) = 0 ou em forma estendida f f =0 u k=1 xk uk
m
u | = g ( x )
(4.101)
u| = g (x)
(4.102)
82 Exemplo 4.5
m
F (u) =
k=1
u xk
u| = g (x)
Se designamos u = u u u , , ..., x1 x2 xm
a express ao anterior pode ser colocada em forma mais compacta F (u) =
u u d
u| = g (x)
de (4.102) a equa c ao de Euler ser a

m
k=1
u2 =0 x2 k
u| = g (x)
(4.103)
ou, em forma compacta Exemplo 4.6
u = 0.
F (u) =
(u u 2f u) d
u| = 0 ( x )
Observe que, neste caso, a exist encia de u e obvia, j a que e suciente tomar u 0. A equa c ao de Euler ser a u=f u| = g (x) (4.104)
4.9
Funcionais Dependendo de Derivadas de Ordem Superior a Primeira

b
Consideremos o funcional da forma F (u) =

a
f x, u, u(1) , u(2) , ..., u(k) dx
(4.105)
onde
dj u j = 1, 2, ..., k dxj Por simplicidade vamos supor que a fun ca o u( j ) = f (x, z0 , z1 , ..., zk )
(4.106)
(4.107) (4.108)
est a denida em C k [a, b] Rk
4.9. Funcionais Dependendo de Derivadas de Ordem Superior a Primeira O funcional F est a denido em D (F ) = u | u C k [a, b] ; u(a) = A0 , u(1) (a) = A1 , ..., u(k1) (a) = Ak1 , u(b) = B0 , u(1) (b) = B1 , ..., u(k1) (b) = Bk1
83
(4.109)
onde Ai e Bi s ao constantes conhecidas. No papel de u podemos tomar o polin omio de grau 2k 1 que satisfa ca as condi co es de contorno ( e bem conhecido que este polin omio pode ser construido). Logo D (F ) e uma variedade linear de fun co es da forma u = u + donde M(k) = C k (a, b) , (a) = (1) (a) = ... = (k1) (b) = 0 Se vemos D (F ) como parte de L2 (a, b) n ao resulta dif cil mostrar que as Restri co es 1 e 2 s ao satisfeitas. Logo, a varia ca o G ateaux do funcional ser a um funcional linear em , sendo dado por F (u, ) = = =
a
d F (u + ) d
b b a
=0
f x, u + , u(1) + (1) , ..., u(k) + (k) dx

k
f + u
j =1
f (j ) dx u(j )
(4.110)
Vamos adicionar mais uma restri ca o: a fun c ao u = u(x) e tal que: f x, u(x), u(1) (x), u(2) (x), ..., u(k) (x) , u(j ) tem derivada generalizada at e ordem j (1 ), logo:
k
j = 1, 2, ..., k
(4.111)
(1)j
j =1
dj f L2 (a, b) dxj u(j )
(4.112)
Por sua vez podemos realizar a integra c ao por partes:

b a
f (j ) dx = (1)j u(j )
b a
dj f dxj u(j )
dx
(4.113)
e consequentemente:
b
F (u, ) =
a
1
f + u
(1)j
j =1
dj f dx dxj u(j )
(4.114)
f Isto quer dizer que a fun c ao u e cont nua em [a, b] conjuntamente com todas suas derivadas at ea (j ) ordem (j 1) e que a derivada de ordem (j 1) e absolutamente cont nua neste segmento.
84
A integral (4.114) e um funcional em limitado em L2 (a, b) , logo a fun ca o u D (F ) que satisfaz as propriedades anteriormente mencionadas e tal que tamb em pertence ao dom nio D (gradF ) e para estas fun co es f gradF (u) = + u e se e um extremo, resultar a: gradF (u) = 0 (4.116) Finalmente, com os resultados desta se ca o e da anterior, n ao resulta dif cil estender ao caso de v arias vari aveis independentes e derivadas parciais de ordem superior.
k
(1)j
j =1
dj f dxj u(j )
(4.115)
4.10
Funcionais dependendo de v arias fun c oes
Alguns resultados que vamos mostrar nesta se c ao j a foram mostrados de alguma maneira quando vimos os multiplicadores de Lagrange, onde trabalhamos com duas fun co es u e . Nesta se c ao vamos analisar este caso com mais detalhes, limitando a apresenta ca o ao caso de: (i) uma vari avel independente, ou seja, x [a, b] (ii) duas fun c oes u e v (iii) o funcional depende de x, u, v e u , v A extens ao para problemas do tipo, no entanto mais gerais, n ao apresenta diculdades adicionais. Assim, consideremos o funcional
b
F (u) =
a
f (x, u(x), v (x), u (x), v (x)) dx

2
(4.117) (4.118)
D (F ) = {u, v } C 1 [a, b]
, u(a) = A1 , v (a) = B1 , u(b) = A2 , v (b) = B2
Podemos construir a fun ca o {u, v } dada por: u (x) = A1 + A2 A1 B2 B1 (x a) , v (x) = B1 + (x a) ba ba
logo, todo vetor {u, v } de D (F ) pode ser expresso como {u, v } = {u + , v + } onde o vetor de varia co es admiss veis {, } s ao fun co es de (C 1 [a, b]) satisfazendo as condi c oes de contorno homog eneas, ou seja {, } M = {w, q } C 1 [a, b]
2 2
; w(a) = w(b) = q (a) = q (b) = 0
4.10. Funcionais dependendo de v arias fun c oes
85
Logo, D (F ) e uma variedade linear e M o subspa co a ela associado. Podemos agora ver D (F ) como parte de L = [L2 (a, b)]2 , isto e, de fun co es vetoriais quadraticamente integr aveis no intervalo [a, b] e onde o produto escalar e a norma por ele induzida est ao dados por: Produto escalar ({u1 , v1 } , {u2 , v2 })L = Norma
b a
1 2
(u1 u2 + v1 v2 ) dx
(4.119)
{u, v }
=
a
u +v
dx
(4.120)
Com estas restri co es, o funcional (4.117) satisfaz as Restri co es 1 e 2. Assim, temos que F ({u1 , u2 } , {1 , 2 }) e um funcional linear em e est a dado por F ({u1 , u2 } , {1 , 2 }) = que conduz a
b
F ({u1 + 1 , u2 + 2 })
(4.121)
=0
F ({u1 , u2 } , {1 , 2 }) =
a
f f f f 1 + 1 + 2 + dx u1 u1 u2 u2 2
Repetindo os argumento usados para analisar o problema F (x, u(x), u (x)) (ver Se ca o 4.5 Gradiente de um Funcional), temos 1. O dom nio de deni ca o do gradiente do funcional F , D (gradF ) , est a constituido somente pelas fun co es {u, v } que satisfazem (i) {u, v } D (F )
f f e v sejam fun c oes absolutamente cont nuas em [a, b] e, por(ii) sejam tais que u tanto, suas derivadas em rela ca o a x s ao fun c oes quadraticamente integr aveis em [a, b] .
2. O gradF e um vetor denido por (gradF ) {u, v } = f d f f d f , u dx u v dx v
3. A equa c ao de Euler do funcional F se reduz ao sistema de equa co es diferenciais d f f = 0; u dx u com as condi co es de contorno f d f =0 v dx v
u(a) = A1 , u(b) = A2 , v (a) = B1 , v (b) = B2 .
86
De fato, se {u, v } s ao tais que fu e fv s ao absolutamente cont nuas resulta que existem fun c oes w L2 (a, b) e L2 (a, b) tais que:
x x
fu =
a
w(t)dt,
fv =
a
(t)dt,
onde e
b a b
d fu = w(t), dx fu dx = fu |b a
=0 b a b
d fv = (t) dx d fu dx = dx d fv dx = dx
b
wdx
a b
fv dx =
a
f v |b a
=0
dx
a
funcionais limitados. Logo:

b
F ({u, v } , {, }) =
a
fu fu
d fu dx
+ fv
d fv dx
b dx + fu |b a + f v |a =0 =0
= de onde
d d fu , fv fv dx dx
, {, }
L
gradF ({u, v }) =
fu
d d fu , f v fv dx dx
4.11
Condi c oes Naturais de Contorno
Em todos os exemplos at e agora analisados vimos que as fun co es admiss veis deveriam satisfazer restri c oes nos contornos do dom nio onde estavam denidas. Vamos analisar agora aqueles casos em que as fun co es n ao est ao obrigadas a satisfazer alguma restri c ao, ou seja, est ao livres. Recordando os problemas vistos no in cio do cap tulo estamos estudando funcionais onde os extremos de integra c ao est ao xos, mas as fun c oes nestes extremos est ao livres ou, em outras palavras, n ao est ao obrigadas a tomar valores pr e-estabelecidos. Assim, vamos estudar a caracteriza c ao da fun ca o extrema correspondente ao funcional
b
F (u) =
a
f (x, u (x) , u (x)) dx
(4.122)
cujo dom nio de deni ca o (conjunto de fun c oes admiss veis) est a dado por: D (F ) = u | u C 1 [a, b] (4.123)
4.11. Condi co es Naturais de Contorno
87
que como vemos e em si mesmo um espa co vetorial, o qual podemos considerar como parte do espa co L2 [a, b] . Resulta obvio tamb em dizer que o espa co das varia co es admiss veis M coincide com o pr oprio D (F ) (basta observar que podemos tomar u = 0). Com essas hip oteses as Restri co es 1 e 2 est ao satisfeitas. Vamos, primeiro, estudar o problema de maneira operacional, para, posteriormente, formalizar os resultados. O diferencial G ateaux est a dado por
b
F (u, ) =
a
(fu + fu ) dx
(4.124)
supondo que u satisfa ca as propriedades necess arias de maneira que as opera c oes que se seguem sejam v alidas, teremos:
b
F (u, ) =
a
fu
d fu dx
dx + fu |b a
(4.125)
Se u e um extremo, resulta:
b
F (u, ) =
a
fu
d fu dx
dx + fu |b a = 0 D (F )
(4.126)
Se (4.126) vale para todo D (F ) deve vericar-se para aqueles tais que (a) = (b) = 0, logo: b d (4.127) fu fu dx = 0 M0 dx a onde M0 = { D (F ) , (a) = (b) = 0} Obtendo-se, assim, a equa ca o de Euler fu Com este resultado, obtemos F (u, ) = fu (b) fu (a) = 0 de onde fu |x=a = 0 e fu |x=b = 0 (4.130) As express oes (4.130) s ao chamadas condi co es naturais, que s ao satisfeitas (automaticamente) pelas fun c oes extremais. As fun c oes de D (F ) - fun c oes admiss veis - n ao est ao obrigadas a satisfaz e-las. Teremos, assim, as seguintes deni co es: (i) Condi c oes principais: s ao as condi c oes que devem ser satisfeitas por todas as fun co es admiss veis. (4.129) d fu = 0 x (a, b) dx (4.128)
88
(ii) Condi c oes naturais: s ao as condi co es que s ao satisfeitas pelas fun c oes extremais (como veremos mais adiante, s ao as condi co es que s ao satisfeitas pelas fun co es u D (gradF )). Vamos agora apresentar de maneira mais formal. Para isso, vamos provar o seguinte Teorema. Teorema 4.6 Para que u D (gradF ) F dado por (4.122), e necess ario e suciente que satisfa ca as seguintes condi c oes: 1. u C 1 [a, b]
f (x, u (x) , u (x)) e absolutamente cont nua com derivada quadrati2. A fun c ao fu = u camente integr avel no intervalo [a, b]
3. u satisfaz as seguintes condi c oes de contorno f u f u Prova. i - Condi c ao necess aria: u D (gradF ) logo e necess ario que: (a) como D (gradF ) D (F ) u C 1 [a, b], condi ca o 1 (b) a varia ca o G ateaux
b
= fu (a, u(a), u (a)) = 0

x=a
= fu (b, u(b), u (b)) = 0

x=b
F (u, ) =
a
(fu + fu ) dx
ser a um funcional limitado se

b
fu dx
a
e limitado. Como u D (gradF ) F (u, ) e limitado, logo, limitado. Logo, pelo Teorema de Riesz existe g L2 (a, b) tal que
b b
b a
fu dx e
fu dx =
a a
gdx C 1 [a, b]
(4.131)
Introduzindo a fun c ao
x
G(x) =
a
g (t)dt + c,
c = cte
(4.132)
4.11. Condi co es Naturais de Contorno Teremos d G(x) = g (x) dx

b b
89
logo, gdx =
a a
dG dx = G |b a+ dx
G dx
a
fazendo uso deste resultado, de (4.131) tem-se:

b a 1 (fu G) dx = G |b a = 0 C [a, b]
e do Lema de du Bois-Raymond teremos

x
fu = G + c =
a
g (t)dt + c
e absolutamente cont nua. Com isto temos provado a que nos diz que fu necessidade da condi c ao 2. (c) Para provar a necessidade da condi ca o 3 basta integrar por partes a express ao da diferencial G ateaux (j a que fu e absolutamente cont nua):
b
F (u, ) =
a
fu
d fu dx
dx + fu |b a
(4.133)
Recordemos que F (u, ) e um funcional limitado em . Das propriedades de fu e fu teremos que o primeiro termo do segundo membro de (4.133) e um funcional limitado em . Como (a) ou (b) e um funcional n ao limitado em L2 (a, b) se conclui que para que F (u, ) seja limitado a express ao fu |x=b fu |x=a ser a um funcional limitado somente se fu |x=b fu |x=a = 0 C 1 [a, b] que conduz a fu |x=b = 0 fu |x=a = 0 (4.134) Portanto, temos demonstrado a condi ca o necess aria 3. Finalmente, de (4.133) e (4.134) segue-se que o gradiente de F est a dado por gradF (u) = fu d fu dx (4.135)
90
ii - Condi c ao suciente: vamos mostrar que estas condi c oes s ao sucientes. Ou seja, se u satisfaz as propriedades 1-3 ent ao u D (gradF ) . De fato, da integra c ao por partes e das condi c oes naturais resulta:
b
F (u, ) =
a
fu
d fu dx
dx
que e um funcional limitado, logo u D (gradF ). Com isto vemos que as fun co es u D (gradF ) necessariamente satisfazem as condi co es de contorno (4.134) que as fun co es u D (F ) n ao est ao obrigadas a satisfazer. Condi co es deste tipo s ao ditas Naturais. As condi c oes satisfeitas por todas as fun co es u D (F ) se chamam Principais. Finalmente, as fun c oes extremais se caracterizam pela equa ca o de Euler fu d fu dx x (a, b)
que deve ser integrada levando em conta as condi c oes de contorno (4.134). Por u ltimo, se o funcional est a denido em D (F ) = {u | u C 1 (a, b) , u (a) = u}, a condi c ao natural de contorno ser a fu |x=b = 0 reciprocamente se D (F ) = {u | u C 1 (a, b) , u (b) = u} a condi ca o natural ser a fu |x=a = 0
4.12
Varia c ao Geral de um Funcional
At e agora temos estudado a varia c ao de funcionais onde as fun co es admiss veis e suas derivadas estavam prescritas nos extremos, ou ent ao eram livres para tomar qualquer valor nos mesmos. Em outras palavras, o dom nio de integra c ao n ao sofria nenhuma varia ca o. Em numerosos problemas, o dom nio de integra c ao varia, uma vez que as fun c oes admiss veis est ao livres para mover-se sobre superf cies conhecidas nos contornos desses dom nios. Um exemplo deste tipo de problema foi apresentado na introdu c ao deste cap tulo. Para estudar este tipo de problema, nos limitaremos a analisar este caso simples. A extens ao a dom nios em espa cos Euclidianos m-dimensional e/ou funcionais dependentes de v arias fun c oes e derivadas de ordem superior pode realizar-se seguindo um racioc nio similar ao que ser a a seguir apresentado. Assim, consideremos o funcional
t
F (x, u (x) , u (x)) =

a
f (x, u (x) , u (x)) dx
4.12. Varia c ao Geral de um Funcional
91
Figura 4.5: Variao geral de um funcional onde as fun c oes admiss veis pertencem ao conjunto D = u | u C 1 [a, t] ; u (a) = u, (t, u(t)) = 0 Nosso problema consiste em caracterizar as fun co es u0 C 1 [a, t] extremos do funcional F tais que em x = a tomam o valor prescrito u e no extremo t (n ao conhecido) se ap oiam na curva (x, u) = 0 (Figura 4.5). Para isto, vamos supor que f e s ao fun co es C 1 [a, b] onde b e sucientemente grande de modo a admitir todas as fun co es de interesse e que = , x u =0
O mesmo vamos supor com respeito ` as fun c oes u, as quais ser ao denidas em um dom nio maior, [a, b], por um prolongamento convenientemente escolhido. Como podemos observar, teremos que adotar varia co es mais gerais do que as estudadas at e aqui. De fato, agora n ao s o varia a fun c ao u, mas tamb em varia o extremo t, de integra c ao. Logo, estamos, na realidade, trabalhando com pares [u, t] , portanto o espa co mais adequado para formular nosso problema e o espa co U = C 1 [a, b] R onde a norma ser a {u, t} e u
C 1 [a,b] U
= u
C 1 [a,b]
+ |t |
= max |u| + max |u |

x[a,b] x[a,b]
Suponhamos que [u0 , t] e um extremo do funcional. Neste caso, estamos supondo que u0 e tal que (t, u0 (t)) = 0
92 e que faz com que o funcional

t
F (u0 ) =
a
f (x, u0 (x) , u0 (x)) dx
alcance um valor estacion ario. Logo: d F ({u0 , t} , {, }) = d (a) = 0

a
t+
f (x, u + , u + ) dx
=0
Onde estamos supondo que as varia co es admiss veis s ao tais que (t + , (u + ) (t + )) = 0
Como vemos agora, o extremo de integra ca o tamb em e fun ca o de e isto deve ser levado em conta ao calcular o diferencial G ateaux do funcional. Para isso, apliquemos a regra de Leibnizt (ver express ao (A.5) no ap endice):
t
F ({u0 , t} , {, }) = f (t, u0 (t), u0 (t)) +
(fu + fu ) dx
a
Supondo que u0 e tal que fu seja absolutamente cont nua, podemos integrar por parte o termo em fu , com o que obteremos: F ({u0 , t} , {, }) = f (t, u0 (t), u0 (t)) + fu |t a+
t
fu
a
d fu dx
dx
t
= f (t, u0 (t), u0 (t)) + fu (t, u0 (t), u0 (t)) (t) +
fu
a
d fu dx
dx
por ser (a) = 0. Por outra parte, a varia ca o admiss vel no extremo t deve satisfazer a restri c ao (u, t) = (t + , (u + ) (t + )) = 0 Logo ({u0 , t} , {, }) = d (t + , (u0 + ) (t + )) d =0 = x (t, u0 (t)) + u (t, u0 (t)) (u0 (t) + (t))
Recordando a se c ao 4.6 de Multiplicadores de Lagrange, teremos R tal que ( F + ) ({u0 , t} , {, }) = 0 como condi ca o necess aria de extremo. Logo (f + [x + u u0 ]) (t) = 0 (fu + u ) (t) (t) = 0 t d fu fu dx = 0 dx a R admiss vel ( (a) = 0!) admiss vel C 1 [a, b] , (a) = 0 {, } varia c oes admiss veis
93
Como vemos, a equa c ao de Euler sempre deve ser satisfeita pela fun c ao extremal independentemente do problema variacional ser um problema de pontos xos ou n ao. Das primeiras express oes teremos: f fu = = x + u u0 u de onde obteremos a condi ca o subsidi aria tamb em conhecida neste caso como condi c ao de transversalidade f (t, u0 (t), u0 (t)) u (t, u0 (t)) = fu (t, u0 (t), u0 (t)) [x (t, u0 (t)) + u (t, u0 (t)) u0 (t)] Esta condi ca o natural de contorno no extremo t conjuntamente com a condi c ao de contorno u0 (a) = u s ao as condi c oes de contorno necess arias para integrar a equa c ao de Euler. Como esperado, esta varia c ao geral engloba as outras como caso particular. De fato, o caso de extremos de integra ca o xo, mas com o valor da fun ca o livre, resulta: (x, u) = b x de onde x = 1, u = 0 e a condi c ao de tranversalidade se reduz a: fu (b, u0 (a), u0 (b)) = 0 como j a hav amos obtido. Similarmente, se (x, y ) = u b1 que corresponde ao caso do extremo de integra c ao estar livre e o valor da fun c ao estar xo em y (t) = b1 , onde b1 = cte prexada, teremos x = 0 e u = 1 logo, a condi c ao de transversalidade resulta f u0 f u = 0 que em Economia e conhecido como problema de horizonte livre. Finalmente, consideremos o caso particular de funcionais dados por fun co es f do tipo f (x, u(x), u (x)) = h (x, u(x)) Para estes problemas, resulta fu = h (x, u(x)) u u f (x, u(x), u (x)) = 1+u2 1+u2 1 + u (x)2
94
Figura 4.6: Curva Braquist ocrona com extremo livre logo a condi c ao de transversalidade resulta f u de onde obtemos u f ( + u ) = (u x u ) = 0 x u 1+u2 1+u2 u =
u x ou seja, a condi ca o de transversalidade se reduz ` a de ortogonalidade. Assim, o problema da Brachistochrone com extremo vari avel e fun c ao apoiada sobre uma curva estar a dada por uma cicl oide, tal que em seu extremo seja ortogonal ` a curva (Figura 4.6). Este resultado generaliza o alcan cado por Jacob Bernoulli que encontrou que a solu ca `o de seu problema de um extremo xo correspondia a uma cicl oide com tangente horizontal no ponto x = b. y (b) = 0 At e aqui temos analisado o problema de extremos livres desde um ponto de vista cl assico. Vamos analis a-lo novamente a partir de um ponto de vista mais moderno, que corresponde ao que hoje e chamado An alise de Sensibilidade. Para isso, consideremos o funcional para uma fun ca o admiss vel denida no dom nio [a, x ] (Figura 4.7)
x
F (u ) =
a
f (x , u (x ) , u (x )) dx ,
x =t+
Em lugar de proceder ` a derivada com rela c ao ao par ametro , primeiro realizaremos uma troca de vari aveis que nos permita escrever esta integral, mas agora denida em um dom nio xo. Esta transforma c ao de dom nio pode ser realizada, por exemplo, empregando a seguinte transforma c ao: : [a, t] [a, x ] x x = (x) onde ser a uma deforma c ao do dom nio [a, t] ; ou seja, e uma transforma c ao um-a-um, = 0 em [ a, t ]. Para isso, consideremos uma fun ca o v tal sucientemente regular com dx dx que: v C 1 [a, b] , v (a) = 0 e v (t) =
95
Figura 4.7: Extremos livres via An alise de Sensibilidade logo esta transforma c ao para sucientemente pequeno pode ser escrita como x = x + v (x) Desta express ao obteremos: dx = (1 + v ) dx Das hip oteses existe a seguinte transforma c ao inversa: 1 : [a, x ] [a, t] Com esta transforma ca o vemos que uma fun ca o u denida no dom nio atual [a, x ] (a literatura se expressa dizendo que se conhece a descri c ao espacial de u) podemos determinar sua descri ca o com rela ca o ao dom nio de refer encia [a, t] (chamada, na literatura, descri c ao material ou referencial). Se designamos ambas as descri co es com ue e um respectivamente teremos: um (x) = ue (x ) = ue (x + v (x)) Desta deni ca o se segue que: du = Obtemos assim
e dxe due = du dx = dxe dx dum dum = dx dx
due (1 dxe
+ v )dx
due dum 1 = dx dx 1+ v Com estes elementos podemos encontrar a descri c ao material do funcional F (u ). Com efeito,
t
F (u ) =
a
x + v (x) , um (x) , um (x)
1 1+ v
(1 + v ) dx = F (um )
Da mesma maneira, a restri c` ao no extremo dada pela descri ca o espacial: (x , u (x )) = 0
96 pode ser escrita em forma material por:
m (x + v (x) , um (x))|x=t = 0 m (t + , um (t)) = 0 Finalmente, e recordando a t ecnica dos multiplicadores de Lagrange para relaxar esta restri c ao, teremos que o funcional em estudo estar a dado por:
t
L um + m , +
=
a
x + v (x) , um + m ,
um + m 1 + v (x)
(1 + v (x)) dx
+ + m (t + v (t) , (um + m )(t)) onde R e m C 1 [a, t] e tal que (a) = 0 e mais as outras restri co es que asseguram que as opera c oes a serem realizadas tenham sentido. Logo: L {u0 , } , , d = d
t
f (...) (1 + v ) dx + + m (...)
a x=t =0
Aqui o leitor dever a observar que 1. lim 0 ue = lim 0 um = u(x); lim 0 um 1+1 v = u0 2. O operador derivada com rela ca o a pode ser introduzido dentro do sinal de integral. Assim, com esta t ecnica de transformar o dom nio atual (espacial) no dom nio xo (material ou referencial) temos reduzido o problema do c alculo do diferencial G ateaux de um funcional denido em um dom nio vari avel, ao c alculo do diferencial G ateaux da correspondete descri ca o material do funcional denido em um dom nio xo (material). Ou seja, estamos no caso estudado at e agora! Teremos assim:
t t
L {u0 , } , ,
=
a
[fx v + fu + fu ( u v )] dx +
a t
f v dx
+ (x + u )|t +
t
=
a
fx v + ( f fu u ) v + fu + (x + u )|t +
t t
d fu dx
dx + fu |t
=
a
fx
d d (f fu u ) v + fu fu dx dx
t
dx + fu |t
+ (f fu u ) |t + (x + u )|t +
t
=
a
fx
d d (f fu u ) v + fu fu dx dx
dx
t
+ (fu + u ) |t + (f fu u + x ) |t + Se {u0 , } s ao extremos de L resulta:
97
(i) o termo entre colchetes e identicamente nulo, j a que corresponde ` a segunda forma da equa c ao de Euler: fx (ii)
t
d (f fu u ) 0 x [a, t] dx
fu
a
d fu dx
dx = 0
que conduz ` a equa c ao de Euler. (iii) (iv) (fu + u ) |t = 0 |t R (v) (f fu u + x ) |t = 0 = 0 R De (iv) e (v) obtemos f (t, u0 (t), u0 (t)) u (t, u0 (t)) = fu (t, u0 (t), u0 (t)) [x (t, u0 (t)) + u (t, u0 (t)) u0 (t)] Em outras palavras, temos recuperado todos os elementos que permitem caracterizar u0 j a deduzidos por um caminho mais cl assico. Esta nova forma de abordar o problema nos permitiu: (i) n ao utilizar a f ormula de Leibnitz para derivar integrais com extremos de integra c ao vari aveis. Isto facilita a extens ao a dom nios vari aveis m-dimensionais. (ii) concluir que a diferencial de G ateaux mede a sensibilidade do funcional devido a varia co es do par ametro que estamos permitindo que varie. Isto nos permite colocar o C alculo Variacional dentro de um enfoque mais amplo que e o de An alise de Sensibilidade. f fu u = x fu u =
t
= 0 R |t = (t, u0 (t)) = 0
98
Este u ltimo ponto e muito importante, j a que no processo de modelar o problema e necess ario conhecer a sensibilidade do mesmo devido a varia c oes dos par ametros que o governam. Assim, por exemplo, o funcional 1 F ( u) = 2
b
E (x)A(x)
a
du dx
dx
que corresponde ` a energia interna de deforma ca o de uma barra denida no intervalo [a, b] e onde E e o M odulo de Elasticidade de Young, A ea area da sec ca o transversal e u eo deslocamento transversal da barra, que dever a satisfazer a equa c ao de equil brio d dx E (x)A(x) du dx = q (x) x [a, b]
e as condi c oes de contorno u (a) = u (b) = 0 por exemplo. Vemos, assim, que o funcional depende de u = u (x), de E = E (x), de A = A (x) e do dom nio atrav es da pr opria integral e e ainda atrav es de u = u (x), j a que a solu ca o depende do dom nio e das propriedades mec anicas (E=E(x)) e geom etricas (A=A(x)). Assim, a sensibilidade do funcional a uma varia ca o (conhecida) da area transversal dada por A = A (x) estar a dada por DF , A DA = d {F (A + A )} =0 d
e onde u = u (x) deve satisfazer a equa c ao de equil brio e, portanto depende implicitamente de A = A (x). Logo, para poder realizar esta sensibilidade, devemos primeiro relaxar a restri ca o introduzida por esta equa c ao. Como vimos, uma maneira de faz e-lo e introduzindo um multiplicador de Lagrange = (x) que suporemos: D = { | C 1 [a, b], (a) = (b) = 0} Logo, se u e a solu c ao da equa c ao de equil brio, segue-se que
b a
d dx
du EA dx
+ q (x) dx =
a
EA
du d q dx = 0 dx dx
de onde L (A, u, ) = 1 2
b
EA
a
du dx
dx +
a
EA
du d dx dx dx
qdx
a
onde com (A, u, ) queremos ressaltar que L depende da area transversal A = A (x) do deslocamento (livre de satisfazer a equa c ao de equil brio) e de vari avel dual associada ao relaxamento desta equa ca o. Como e arbitr ario (s o requer que C 1 [a, b], (a) =
99
(b) = 0) este ser a escolhido de maneira a simplicar os c alculos que realizaremos a seguir. A varia c ao total de L estar a dada por dL = onde L , A A L , u u = d L (A + A , u, ) d
b
L , A A
L , u u
L , du dx
2
=
=0 a b
1 EA 2 EA
+ EA
du d dx dx
dx dx
d = L (A, u + A , ) d
=
=0 a
du du d du + EA dx dx dx dx EA du d q dx dx dx
L d , = L (A, u, , + ) d Em particular, se temos L , =0
=
=0 a
C 1 [a, b] , (a) = (b) = 0
obtemos a equa c ao de equil brio. Logo, designemos por u0 = u0 (x) esta solu c ao. Por sua vez, como e arbitr ario podemos escolh e-lo de maneira a anular L , u u que conduz a
b a
=0
u C 1 [a, b] ,u (a) = u (b) = 0
d du EA dx = dx dx
EA
a
du0 du dx, dx dx
u C 1 [a, b] , u (a) = u (b) = 0
Como vemos, neste caso e solu ca o de uma equa ca o (chamada equa ca o adjunta) que, para este exemplo e id entica ` a equa c ao de equil brio da barra, mas agora com outro sistema de carga: du0 , u0 solu c ao da Eq. de Equil brio dx Designemos por 0 = 0 (x) esta solu ca o. Com estes elementos, a sensibilidade a uma varia ca o em A estar a dada por q = EA DF , A DA = L , A A
b
=
a
1 E 2
du0 dx
+E
du0 d0 dx dx
dx
Logo, os passos para calcular a sesibilidade s ao: 1. calcula-se u0 (equa ca o de equil brio) 2. calcula-se 0 (equa ca o adjunta) 3. substituindo u0 e 0 na express ao
L , A A
obtemos a sensibilidade.
100
Figura 4.8: Fun co es extremos com pontos angulosos
4.13
Extremos com Pontos Angulosos. Condi co es de Weierstrass-Erdmann
Em todos os problemas estudados at e agora temos considerado fun c oes sucientemente regulares. No obstante, quando apresentamos o problema de encontrar a curva u = u (x) C 1 [a, b] passando pelos pontos (a, u) e (b, u) gere, ao girar em torno do eixo x, uma superf cie de revolu ca o de area m nima, vimos que se u e u s ao sucientemente pequenos frente ao valor b a, a curva extrema era cont nua por partes, apresentando pontos angulosos (Figura 4.8). Vemos, assim, a necessidade de estender nosso espa co de fun co es. Assim, nesta se c ao vamos analisar o seguinte problema variacional: Encontrar a fun c ao u0 D (F ) tal que seja um extremo do funcional F (x, u (x) , u (x)) denido em
1 D (F ) = u Ccp [a, b] , u (a) = u, u (b) = u 1 Ccp
(4.136) (4.137)
onde com [a, b] denimos o espa co de fun co es cont nuas com derivadas de primeira ordem cont nuas, exceto em um n umero nito de pontos c (a, b). Vemos, assim, que 1 em cada subintervalo a fun ca o u Ccp [a, b] e cont nua com derivada cont nua e, em particular, para um ponto c (a, b) onde existe uma descontinuidade em sua derivada tem-se u c = u c+ = u (c) (4.138) u c = u c+ N ao obstante, observamos que a integral
x
(4.139)
u (t) dt
a
(4.140)
est a bem denida x [a, b] e, al em do mais, dene uma fun c ao cont nua. Teremos, assim, o seguinte Lema.
1 [a, b] logo Lema 4.1 Se u Ccp x r 1 ck+1 x
u (x) = u (a) +
a
u (t) dt = u (a) +
k=0 ck
u (t) dt +
cr
u (t) dt
4.13. Extremos com Pontos Angulosos. Condi co es de Weierstrass-Erdmann
101
Figura 4.9: Extremos com pontos angulosos onde r < N e c0 = a < c1 ... < cN = b e cj , j = 1, 2, ..., N 1, s ao os pontos angulosos de u x [cr , cr+1 ] Prova. Suponha que x [cr , cr+1 ] , r < N
r 1
u (x) u (a) = u (x) u (cr ) +

x
(u (ck+1 ) u (ck ))
x
k=0 r1 ck+1
=
cr
u (t) dt +
k=0 ck
u (t) dt =
a
u (t) dt
1 Do anterior, se segue que: se h Ccp [a, b] , logo,
u(x) =
def a
1 h (t) dt Ccp [a, b]
(4.141)
Por outro lado, e poss vel mostrar que: Proposi c ao 4.2 Se 1.

b a
(u (x))2 dx = 0 u (x) = 0 em todo x [a, b] onde est a denida
2. u (x) = 0 x [a, b] onde est a denida u = cte x [a, b] Prova. (u )2 Ccp [a, b] e e tal que (u )2 (x) 0 logo
b a N 1
u dx =
k=0 ck
ck+1
u 2 dx 0
e esta norma s o ser a nula se e somente se cada um de seus termos forem nulos. Por sua vez se ck+1 u 2 dx = 0 u = 0 em [ck , ck+1 ]
ck
onde u = 0 em [a, b] A Proposi c ao (ii) e um resulatado obvio do Lema 4.1
102
1 1 N ao resulta dif cil ver que C 1 [a, b] Ccp [a, b] e que, dada uma fun ca o u Ccp [a, b] 1 sempre ser a poss vel encontrar uma fun c ao u C [a, b] sucientemente pr oxima a u na norma de C 1 [a, b], por exemplo em:
C 1 [a,b]
= max |u| + max |u |
1 Em outras palavras, C 1 [a, b] e denso em Ccp [a, b] e se C 1 [a, b] e denso em U (D (F ) U ) 1 teremos que Ccp [a, b] o ser a. Vemos assim que o funcional estar a ampliando as Restri c oes 1 e 2. Ou seja, d F (u, ) = F (u + ) (4.142) d =0 1 ser a um funcional linear em D (F ) admiss vel M = Ccp [a, b] , (a) = (a) = 0 . 1 Vamos estudar agora as condi c oes que a fun c ao u0 Ccp [a, b] deve satisfazer para ser um extremo do funcional denido em (4.136 e 4.137). Para simplicar, vamos supor que u0 tem um u nico ponto anguloso no ponto x = c (a, b) que pode mover-se livremente. Com estes elementos, o funcional em u0 toma a forma b c b
F (u0 ) =
a
f (x, u0 (x) , u0 (x)) dx =
f dx +
a c
f dx
1 e para uma varia c ao admiss vel Ccp [a, b] resulta: c+ b
F (u0 + ) =
a
f dx +
c+
f dx, f = f (x, u0 + , u0 + )
(4.143)
e onde e u0 s ao tais que (u0 (c + ) + ) = (u0 (c + ) + )+ Relaxando esta condi c ao via Multiplicadores de Lagrange, teremos: L {u0 , 0 } , , onde
+ G (u0 ) = u u0 c + 0 u0 = u0 c c a
(4.144)
= F (u0 , ) + G (u0 , ) + G (u0 )
(4.145)
(4.146)
F (u0 ; ) = f (c , u0 (c ), u0 (c )) +
[fu (x, u0 (x), u0 (x))
d fu (x, u0 (x), u0 (x))]dx dx

+ + + b c
f (c , u0 (c ), u0 (c )) + + fu |c fu |c+
[fu (x, u0 (x), u0 (x))
d fu (x, u0 (x), u0 (x))]dx dx (4.147)
4.13. Extremos com Pontos Angulosos. Condi co es de Weierstrass-Erdmann j a que das condi co es principais resulta: (a) = (b) = 0 Por sua vez G (u0 ; ) = + u0 + + u0+ Da condi ca o necess aria de ponto estacion ario e de (4.145 - 4.149) obtemos: (i)
c a d d fu dx + c fu dx fu dx M fu dx d fu dx fu = 0 x (a, c) e x (c, b) b
103
(4.148) (4.149)
(4.150)
Como sempre, se u0 e um extremo, ent ao a equa ca o de Euler e satisfeita. (ii)

+ + (u 0 u0 ) = 0 R u0 (c ) = u0 (c ) = u0 (c)
(4.151)
Com o que a continuidade e recuperada no ponto x = c. (iii) (f + u0 ) (f + u0 )

+
=0
(4.152) (4.153) (4.154)
fu + = 0 + fu + + = 0 +
De (4.153 e 4.154) obtemos

fu = , + fu =
(4.155) (4.156)
+ fu = fu
Conhecida como Primeira Condi ca o (Natural!) de Weierstrass-Erdmann. De (4.155, 4.156 e 4.152) obtemos (f u0 fu ) = (f u0 fu )+ (4.157)
que e a Segunda Condi ca o (Natural!) de Weierstrass-Erdmann de ponto anguloso. Observa c ao 4.6 A condi c ao natural (4.157) surge porque admitimos varia c ao no ponto anguloso x = c. Por sua vez, de (4.156 e 4.157) obtemos [|f |] = fu [|u |] no ponto anguloso. Observa c ao 4.7 As condi c oes de Weierstrass-Erdmann s ao condi c oes naturais. Em outras palavras, se a fun c ao extremal apresenta um ponto anguloso em x = c ent ao estas 1 1 condi c oes s ao satisfeitas. Dado que C [a, b] Ccp [a, b] o anterior nos diz que, se estamos buscando um extremo (ponto estacion ario) do funcional F (x, u (x) , u (x)) n ao devemos impor, na deni c ao do problema, maior regularidade que a m nima exigida para ter o problema bem denido. Isto tem um papel fundamental quando empregamos m etodos
104
num ericos para resolver o c alculo dos extremos. Assim, por exemplo, se desenvolvemos um programa para calcular um extremo de
b
F (u) =
a
f (x, u (x) , u (x)) dx
com u0 C 1 [a, b] mais as condi c oes principais, este programa n ao permitir a o c alculo de poss veis extremos com pontos angulosos. Em outras palavras, com esta solu c ao regular n ao ser a poss vel capturar o salto da derivada no ponto anguloso (em outros casos nem sequer ser a poss vel calcular uma solu c ao!). Os coment arios anteriores nos permitem formular o seguinte problema. Seja o funcional
b
F (u) =
a
f (x, u (x) , u (x)) dx
onde u = u (x) deve satisfazer condi c oes de contorno principais, tais como u (a) = u e veis extremos na variedade linear u (b) =u. Parece natural buscar os poss
1 D = u | u Ccp [a, b] , u (a) = u, u (b) = u 1 Seja agora Cdp [a, b] o espa co das fun c oes cujos elementos s ao fun co es que, em um n umero nito de pontos interiores a fun ca o e sua derivada s ao descont nuas, ou seja, se c (a, b) 1 e u Cdp [a, b] resulta u c = u c+ , u c = u c+
nos perguntamos: poss (i) E vel trabalhar com o mesmo funcional, mas agora denido em
1 D = u | u Cdp [a, b] , u (a) = u, u (b) = u ,
recuperando os mesmos extremos de F (u) e D (F )? (ii) Se a resposta n ao e armativa, e poss vel construir um novo funcional F denido em D tal que se u0 e um extremo de F ent ao u0 u0 onde u0 e um extremo de F (u) denido em D (F )? Como se pode esperar, a resposta ` a pergunta (i) e negativa. Em outras palavras, se violamos as exig encias m nimas para o conjunto D (F ) estaremos cometendo o que foi chamado, na literatura, crime variacional. Em outras palavras, se existe um extremo ao e igual ao extremo do problema original. Por sua vez, o de F (u) para u D este u n pr oprio modelo f sico n ao nos permite trabalhar com fun co es descont nuas! O mesmo n ao ocorre com a pergunta (ii). A resposta, neste caso, e armativa e um do a partir de F e das condi co es naturais de Weierstrassfuncional F pode ser constru Erdmann para pontos angulosos. Desde o ponto de vista computacional, isto abre um horizonte enorme ao permitir, por exemplo, particionar o dom nio em subdom nios e
4.13. Extremos com Pontos Angulosos. Condi co es de Weierstrass-Erdmann
105
Figura 4.10: Viga el astica com propriedades geom etricas/material descont nuas calcular, convenientemente, em cada um deles, o correspondente extremo. A resposta ` a pergunta (ii) est a intimamente relacionada com o que se conhece na literatura como: elementos nitos n ao conformes, parti c ao de dom nio, computa c ao paralela, entre outras. Vejamos um exemplo simples para analisar com mais detalhes os coment arios anteriores. Seja 2 se 0 x < 1 2 , q (x) = g (x) = 1x [0, 1] (4.158) 1 se 1 < x 1 2 e F (u) = 1 2 q (x) (u (x)) g (x)u(x) dx 2 0 u(0) = u(1) = 0
1
Este funcional corresponde ao funcional de energia potencial total da barra el astica em tra c ao da Figura 4.10, onde E e o m odulo de elasticidade de Young e A a area da sec c ao transversal. O problema f sico nos diz que u = u (x) e como m nimo uma fun ca o cont nua e dado que q = q (x) e descont nuo em x = 1/2 podemos esperar descontinuidade da primeira derivada de u no ponto x = 1/2 (ponto anguloso). Logo, a variedade linear (neste caso um espa co) com a m nima regularidade para este funcional ser a
1 D (F ) = u | u Ccp [a, b] , u(0) = u(1) = 0
Dado que as condi c oes principais s ao homog eneas, podemos adotar u 0 de onde o espa co das varia co es admiss veis e o pr oprio D (F ) . Logo: d F (u0 , ) = F (u0 + ) d de onde F (u0 , ) =
0
1 2
=0
d = d
1 2
(...) dx +
1 2
(...) dx
=0
(qu ) dx +
1 2
(qu ) dx
1
=
0
1 2
d (qu ) 1 dx + dx
1 2
d (qu ) 1 dx + (qu )|( 1 ) (qu )|( 1 )+ 2 2 dx
106 Da condi ca o necess aria
F ( u0 , ) = 0 D ( F ) obtemos: (i) 2u 1 = 0 x (ii) u 1 = 0 x (iii) 2u | 1 = u | 1 +

2 2
0,
1 2
1 1 1 u = u = x + c1 u = x2 + c1 x + c2 2 2 4
1 ,1 2
1 u = 1 u = x + c3 u = x2 + c3 x + c4 2
que e a primeira condi ca o de Weierstrass-Erdmann Observa c ao 4.8 A Segunda Condi c ao de Weierstrass-Erdmann n ao foi posta em evid encia porque o ponto anguloso est a xo. De (i)-(iii) e as condi c oes principais obtemos c1 = logo 7 7 1 , c2 = 0 , c 3 = , c 4 = 24 12 12
1 x 0, 2 1 x 2, 1
7 x2 + 24 x, u0 (x) = 1 4 1 2 7 u0 (x) = 2 x + 12 x
1 , 12
(4.159)
Sendo assim, a primeira pergunta que faz amos era: podemos trabalhar com o mesmo funcional, mas agora com fun c oes descont nuas em x = 1/2? A resposta e negativa. Primeiro, porque o modelo f sico n ao permite segundo, porque: F (u, ) =
0
1 2
d (qu ) 1 dx + dx
1 2
d (qu ) 1 dx + (qu )| 1 (qu )| 1 + 2 2 dx (4.160)
como u e descont nua, teremos: (i) 2u 1 = 0 x 0, 1 2 (ii) u 1 = 0 x

1 ,1 2
(iii) (qu ) = 0 u | 1 = 0!
2
4.13. Extremos com Pontos Angulosos. Condi co es de Weierstrass-Erdmann (iv) (qu )+ + = 0 + u | 1 + = 0!

2
107
logo, u = u0 ! A resposta ` a segunda pergunta e armativa. De fato, consideremos o funcional F (u) = F (u) + D= 1 + u u 2 2u + u + 1 2 =u 1+ 2
1 u Cdp [0, 1] , u(0) = u(1) = 0, u
Calculemos o diferencial G ateaux F = F (u, ) + 1 1 2u + u + + 2u + u + 2 2 1 + 1 + + u u 2 + u u 2 + 2 2
(4.161)
De (4.160) e (4.161) obtemos: (i) 2u 1 = 0 x (ii) u 1 = 0 x (iii) 1 1 u u + = 0 u = u + 2 2 (iv) 1 1 u u + + = 0 + u = u + 2 2 (v) u+ u = 0 u+ = u (vi) 1 + u u + = 0 + u+ = u 2 logo, u u0 que e o que quer amos mostrar. 1 ,1 2 0, 1 2
108
4.14
Problema Inverso no C alculo Variacional. Operadores Potenciais
Se temos um funcional F (u) diferenci avel no sentido G ateaux temos visto que calcular o gradF consistia em realizar a opera c ao gradF (u), = d F (u + ) d
=0
N ao obstante, se invertermos o problema, ou seja, se dada uma equa c ao (ou sistema de equa c oes, caso u seja um campo vetorial) existe um funcional cujos pontos extremos s ao solu c oes desta equa ca o? Se a resposta e armativa, diremos que o operador que caracteriza a equa c ao e potencial. Teremos, assim, a seguinte deni ca o: Deni c ao 4.7 Seja P : S U U onde U e um espa co de Banach e U seu dual topol ogico, diremos que P e potencial se e somente se existe um funcional F (u) em S diferenci avel no sentido G ateaux tal que P (u) = gradF (u) Neste caso, solu co es de P (u) = 0 s ao extremos de F (u) . As condi c oes que um operador P deve satisfazer para ser potencial est ao estabelecidas no seguinte Teorema. Teorema 4.7 Se P : S U U e operador cont nuo em U que tem um diferencial no sentido G ateaux linear P (u, ) para todo ponto u S U onde S e um subconjunto convexo de U (observa c ao: as varia c oes lineares s ao convexas!) e se o funcional bilinear P (u, ) , e cont nuo em u S , logo, a condi c ao necess aria e suciente para que P seja um operador potencial em S e que: P (u, ) , = P (u, ) , (4.162)
para todo , S admiss vel. Em outras palavras, o funcional bilinear P (u, ) , deve ser sim etrico em , para cada u S . Logo, com esse Teorema em m aos, podemos saber quando um operador e potencial ou n ao. Agora nos perguntamos: dado um operador potencial, qual e o funcional associado (problema inverso)? A resposta est a dada pelo seguinte Teorema: Teorema 4.8 Seja P : U U um operador potencial, logo, existe um funcional F (u) cujo gradiente e o operador P , ou seja P (u) = gradF (u) e que est a dado por
1
(4.163)
F (u) =
0
P (u0 + (u u0 )) , (u u0 ) d + F (u0 )
(4.164)
onde
R.
4.14. Problema Inverso no C alculo Variacional. Operadores Potenciais Prova. Se P e potencial por deni c ao sabemos que existe F (u) tal que F (u, ) = d F (u + ) d = P (u),
=0
109
Seja [0, 1] , u = u0 e = u u0 (se u, u0 S u u0 e uma varia ca o admiss vel), logo a express ao anterior toma a forma F (u0 , u u0 ) = = e da continuidade de P teremos d F (u0 + (u u0 )) = P (u0 + (u u0 )), u u0 d integrando esta express ao de = 0 at e = 1 obteremos (4.164). d F (u0 + (u u0 )) d =0 gradF (u0 ), u u0 = P (u0 ), u u0
Exemplo 4.7 Consideremos um problema de valor no contorno linear caracterizado por Au = f uSU
onde A : S U U , onde U e um espa co de Hilbert. Suponhamos que S e uma variedade linear densa em U e M e um subespa co associado. Dizemos que A e sim etrico em M se: A, = A, logo o operador P : S U U denido por P (u) = Au f e tal que P (u, ) , = A, = A, = P (u, ) , ou seja, P e potencial e de (4.164) obtemos
1
F (u) =
0
A (u0 + (u u0 )) f, (u u0 ) d + F (u0 ) A u0 +
1 (u u0 ) f, (u u0 ) + F (u0 ) 2 1 1 = A u0 + u f, (u u0 ) + F (u0 ) 2 2 1 1 1 1 = Au0 , u Au0 , u0 + Au, u Au, u0 f, u + f, u0 + F (u0 ) 2 2 2 2 1 1 = Au, u f, u Au0 , u0 f, u0 + F (u0 ) 2 2
110
lembrando que Au0 , u = Au, u0 . Teremos assim que o funcional (quadr atico) F (u) = e o funcional que estamos procurando. Exemplo 4.8 Considere o funcional: F ( u) =
2 u u2 x + uy + uf d
1 Au, u f, u 2
u | = 0
Sua varia c ao G ateaux ser a F (u, ) =

2 u2 x + uy + f + 2uux x + 2uuy y d 2 u2 x + uy + f 2
(uux ) 2 (uuy ) d + x y
u (...) d
=0
2 2u u u2 x uy + f d
onde
2 gradF (u) = 2u u u2 x uy + f
logo o operador P associado a equa c ao n ao-linear anterior deve ser um operador potencial.
Parte II Os M etodos Diretos no C alculo Variacional
111
Cap tulo 5 M etodos Variacionais

5.1 Introdu c ao
Neste cap tulo, apresenta-se uma s erie de m etodos variacionais, chamados tamb em M etodos Diretos, que permitem obter solu co es aproximadas de problemas de valor de contorno e problemas variacionais associados. No que se segue e com o intuito de n ao complicar a apresenta c ao, sup oe-se que as fun c oes consideradas s ao sucientemente regulares , no sentido que as opera co es de integra c ao ou de deriva ca o tenham sentido. Por outro lado, limita-se exclusivamente ao caso de operadores lineares. Problemas de valor de contorno n ao lineares escapam dos objetivos deste curso. Tamb em, durante a primeira parte deste cap tulo, limita-se ao caso de condi co es de contorno homog eneas. Dado um problema de valor de contorno cuja solu ca o ser a designada por u0 , os m etodos variacioanais a serem apresentados s ao m etodos num ericos que, dadas as fun co es i (chamadas de fun c oes coordenadas, de base, ou de interpola ca o, e que satisfazem certas restri co es) permitem determinar as constantes 1 , 2 , ..., n , n nito, de maneira tal que a fun c ao:
n
un =
i=1
i i
se aproxime de u0 , para n , em algum sentido, quer dizer converg encia com respeito a alguma norma (converg encia forte) ou converg encia d ebil. Os m etodos considerados s ao: 1. M etodo dos Res duos Ponderados M etodo de Coloca c ao; M etodo de Galerkin; 2. M etodo de Ritz; 3. M etodo dos M nimos Quadrados. 113
114
Cap tulo 5. M etodos Variacionais
Como ser a visto mais adiante, o M etodo dos Elementos Finitos permite determinar unicamente as fun co es i de uma maneira simples e de f acil implementa c ao computacional. Uma vez dadas as i , deve-se aplicar alguns dos m etodos anteriores para determinar uma solu c ao aproximada. Quer dizer, quando se fala em utilizar o M etodo dos Elementos Finitos, na realidade est a se falando simultaneamente de dois aspectos: 1. constru ca o das fun c oes i pela t ecnica proporcionada pelo M etodo dos Elementos Finitos; 2. utiliza ca o de um determinado m etodo variacional (por exemplo algum dos acima menicionados) para calcular uma solu ca o aproximada.
5.2
M etodo dos Res duos Ponderados
O m etodo dos res duos, do qual o M etodo de Coloca c ao e de Galerkin s ao casos particulares, baseai-se na seguinte id eia. Considere os espa cos U e V normados e completos. Como apresentado anteriormente, recorde que em cada espa co foi denido uma norma, ou seja, uma maneira de medir a dist ancia entre os elementos deste espa co; o fato de ser completo signica que toda sequ encia {un }n=1, de elementos un U , por exemplo, tal que un um 0; n, m (sequ encia de Cauchy) sempre converge a um elemento u do mesmo espa co. Dene-se, agora, a seguinte transforma ca o: S :U V R quer dizer, dado um par ordenado (u, v ), onde u U e v V , a transforma c ao S proporciona um n umero real. Em particular esta transforma c ao satisfaz: S (u1 + u2 , v ) = S (u1 , v ) + S (u2 , v ) S (u, v1 + v2 ) = S (u, v1 ) + S (u, v2 ) S (u, v ) = 0 para v V xo e u U v = 0 S (u , v ) = 0 para u U xo e v V u = 0 onde , R. Considere, agora, um operador linear A denido no conjunto linear DA denso no espa co U . Para um elemento f U procura-se a solu c ao de: Au = f Diz-se que u0 e a solu ca o do problema caso se verique: S (Au0 f, v ) = 0 para todo v V etodo dos Res duos PonPara a obten ca o de uma solu c ao aproximada un 0 de u0 , o M derados prop oe o seguinte algoritmo:
5.2. M etodo dos Res duos Ponderados
115
1. Considere em DA uma sequ encia completa {n }n=1,, de fun c oes. Recorde que, por pertencer a DA , s ao sucientemente regulares e satisfazem todas as condi co es de contorno. 2. Para todo n nito, o conjunto {k }k=1,,n e linearmente independente. 3. Tome como aproximante de u0 a combina ca o linear
n
un 0
=
i=1
ai i
onde os coecientes ai , i = 1, , n ser ao posteriormente determinados. 4. Considere em V um conjunto denso {wi }i=1,, . 5. Calcule, para n nito, os coecientes ai de maneira que o res duo :
n
r = satisfa ca:
Aun 0
f =
j =1
aj Aj f
S (rn , wi ) =
rn wi = 0, i = 1, 2, , n
Em virtude de que {i } e {wi } s ao densos em seus respectivos espa cos, o M etodo dos Res duos Ponderados conduz, quando n , a, r n , wn n r, w = 0 w V
quer dizer rn converge debilmente a r = 0 (res duo nulo) ou, em outras palavras, un 0 converge debilmente para a solu c ao de u0 do problema de valor de contorno. A express ao anterior pode ser escrita em forma estendida conduzindo a: wi Aj d aj =

f wi d, i = 1, 2, , n
ou em forma matricial: Ka = f onde: K = (Kij ) =
wi Aj d
a = (ai ) f = ( fi ) =
f wi d
116
Como pode-se ver, o M etodo dos Res duos Ponderados conduz a um sistema de equa c oes alg ebricas cuja solu c ao proporciona os coecientes ai da combina ca o linear n denindo u0 . Do ponto de vista computacional, o M etodo dos Res duos Ponderados e um algoritmo relativamente simples que n ao requer grande conhecimento matem atico por parte do usu ario. Neste m etodo j a distingue-se algumas das caracter sticas b asicas de todo m etodo variacional para o c alculo de solu c oes aproximadas. S ao elas: Conhecer as fun co es wi e i . Aqui reside um dos inconvenientes. As fun co es i devem ser sucientemente regulares de maneira que Ai tenha sentido. Al em disso, devem satisfazer todas as condi co es de contorno. Construir a matriz do sistema K e o t ermino independente f calculando, anal tica ou numericamente, cada coeciente Kij , fi . Resolver o sistema de equa co es. Dependendo do operador A e da forma das fun c oes i e wi , a matriz do sistema K poder a ser uma matriz banda ou cheia, sim etrica ou n ao-sim etrica, bem-condicionada ou mal-condicionada. Cada uma destas caracter sticas facilitam ou complicam a resolu c ao do sistema de equa c oes.
5.2.1
M etodo de Coloca c ao
Como j a foi dito, o M etodo de Coloca c ao e um caso particular do M etodo dos Res duos Ponderados. Para o M etodo de Coloca c ao, as fun co es wi s ao as fun c oes generalizadas Dirac associadas aos pontos xi , i = 1, 2, . . . , n, de . Designam-se estas fun co es como i e s ao tais que: f (x) i d = f (xi )
Tendo presente a propriedade anterior, o m etodo corresponde a: rn i = (Aun 0 f )|xi = 0; i = 1, 2, . . . , n

n i=1
Logo, o M etodo de Coloca c ao calcula a solu ca o aproximada un 0 =
ai i exigindo que
o res duo Aun 0 f seja nulo em n pontos xi de . A seguir apresentam-se alguns exemplos de aplica ca o do M etodo de Coloca c ao. Exemplo 5.1 Seja o seguinte problema de valor de contorno: Au (x) = u (x) u (x) = 1, em = (0, 1) com as condi co es de contorno: u (0) = u (1) = 0
5.2. M etodo dos Res duos Ponderados Pode-se ver que: DA = u; u C 2 [0, 1] , u (0) = u (1) = 0
117
Recordando o teorema de Weierstrass, tem-se que toda fun c ao cont nua pode ser aproximada por um polin omio. Logo, tome para {i }i=1,n a seguinte sequ encia: 1 = x (1 x) 2 = 1 x 3 = 2 x etc Como pode-se ver, estas fun c oes satisfazem as condi c oes de contorno (homog eneas). Logo, toda combina c ao linear tamb em satisfaz e, pelo teorema de Weierstrass, {i }i=1, e denso em DA . Tome n = 2, ou seja os dois primeiros termos 1 e 2 . Os coecientes da matriz K e do termo independente f , para o caso em que se adota como pontos xi = 0 e x2 = 1, est ao dados por: K11 = (A1 )|x1 =0 = [2 x (1 x)]|x1 =0 = 2 K21 = (A1 )|x2 =1 = [2 x (1 x)]|x2 =1 = 2 K12 = (A2 )|x1 =0 = 6x + 2 x2 (1 x) K22 = (A2 )|x2 =1 = 6x + 2 x2 (1 x) f1 = f (x1 ) = 1 f2 = f (x2 ) = 1 Logo, o sistema est a dado por: 2 2 2 4 a1 a2 = 1 1
x1 =0 x2 =1
=2
= 4
A solu c ao deste sistema conduz aos seguintes valores dos coecientes a1 e a2 : a1 =

1 2
a2 = 0
dando, assim, a seguinte solu c ao aproximada: 1 u2 0 = x (x 1) 2 Como a2 = 0, a solu c ao aproximada e equivalente a tomar uma u nica fun c ao 1 e o ponto x1 = 0 . A solu c ao exata do proplema proposto e: 1 u0 = ex + e1x 1 (e + 1) A Tabela 5.1 apresenta, para efeito de compara c ao, os valores de u0 e ua 0 em diferentes pontos do intervalo. Como pode-se ver, a solu c ao u0 e sim etrica com respeito a x = 0.5.
118 x 0.0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1.0 u0 (x) 0.0000 0000 -0.0412 8461 -0.0729 7407 -0.0953 8554 -0.1087 4333 -0.1131 8112 -0.1087 4333 -0.0953 8554 -0.0729 7407 -0.0412 8461 -0.0000 0000
Cap tulo 5. M etodos Variacionais ua 0 (x) 0.0000 0000 -0.0450 0000 -0.0800 0000 -0.1050 0000 -0.1200 0000 -0.1250 0000 -0.1200 0000 -0.1050 0000 -0.0800 0000 -0.0450 0000 0.0000 0000
Tabela 5.1: Exemplo 5.1, compara ca o entre as solu c oes. A primeira pergunta a ser feita e se e poss vel melhorar a aproxima c ao mantendo as mesmas fun co es, mas tomando outros pontos de coloca ca o? A resposta e armativa e o estudo da coloca ca o otima destes pontos formam um cap tulo de an alise num erica do M etodo de Coloca ca o. Exemplo 5.2 Considere somente a fun c ao 1 e adote, como ponto de onde anula-se o res duo, o ponto x1 = 0.5. Tem-se, assim: 2.25a1 = 1 a1 = Logo, a solu c ao aproximada ser a: u1 0 = 0.44444444...x(x 1) Na Tabela 5.2, compara-se esta solu c ao aproximada com a exata. Como pode-se notar, o resultado alcan cado e de extraordin aria exatid ao, mesmo utilizando apenas uma fun c ao coordenada. Do ponto de vista computacional, o M etodo de Coloca ca o se mostra de f acil implementa c ao. Em todos os casos, as fun co es coordenadas devem satisfazer as condi c oes de contorno e devem ser sucientemente regulares para que a aplica c ao do operador A tenha sentido. Estes s ao, provavelmente, os maiores inconvinientes deste m etodo. Exerc cio 5.1 Considere o problema de valor de contorno denido anteriormente. Aplique o M etodo de Coloca ca o tomando as seguintes fun c oes coordenadas: 1 = x (1 x) 3 = x3 (1 x) e os pontos: x1 = 0.25 e x2 = 0.75 Compare com a solu c ao e comente os resultados obtidos. 1 = 0.44444444.... 2.25
5.2. M etodo dos Res duos Ponderados x 0.0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1.0 u0 (x) 0.0000 0000 -0.0412 8461 -0.0729 7407 -0.0953 8554 -0.1087 4333 -0.1131 8112 -0.1087 4333 -0.0953 8554 -0.0729 7407 -0.0412 8461 -0.0000 0000 ua 0 (x) 0.0000 0000 -0.0400 0000 -0.0711 1111 -0.0933 3333 -0.1066 6667 -0.1111 1111 -0.1066 6667 -0.0933 3333 -0.0711 1111 -0.0400 0000 0.0000 0000
119
Tabela 5.2: Exemplo 5.2, compara ca o entre as solu c oes. Exerc cio 5.2 Considere o seguinte problema de valor de contorno: d2 u + u = x em (0, 1) dx2 com as condi co es de contorno: u (0) = u (1) = 0 Aplique o M etodo de Coloca c ao adotando: 1 = x (1 x) 2 = x2 (1 x) x1 = 0.25 x2 = 0.5 e compare com a solu c ao exata: u0 = sin x x sin 1
5.2.2
M etodo de Galerkin
O M etodo de Galerkin e um caso particular do M etodo dos Res duos Ponderados. Neste m etodo, os espa cos U e V s ao coincidentes e o conjunto {wj } se torna id entico a {i }. De uma maneira mais formal, o M etodo de Galerkin pode ser colocado da seguinte maneira. Suponha o problema de valor de contorno Au = f em com as condi c oes de contorno Bu = 0 em e suponha ainda que DA (dom nio de deni ca o do operador A quer dizer, o conjunto de todas as fun c oes u sucientemente regulares e tal que Bu = 0 em ) seja denso no espa co Hilbert H.
120
Introduz-se agora a sequ encia de espa cos de dimens ao nita Hk H e designa-se com {i }i=1,k as fun co es bases dos espa cos. Pelo que foi exposto anteriormente, deseja-se dizer que um elemento (fun c ao) arbitr ario de Hk est a denido atrav es da seguinte combina ca o linear: uk =
k
ai i ai R, i = 1, 2, . . . , k
i=1
Logo, o M etodo de Galerkin para a determina c ao de uma solu ca o aproximada do problema de valor de contorno consiste em determinar a fun ca o uk Hk , tal que o res duo Au k f seja ortogonal a toda fun ca o de Hk . Em outras palavras:
(Au k f ) vk d = 0 vk Hk
Observa-se que o M etodo de Galerkin corresponde ao Princ pio do Trabalho Virtual em Mec anica. Agora, a express ao anterior e equivalente a exigir que o res duo seja ortogonal a cada uma das fun co es i que denem a base Hk , ou seja,
(Au k f ) i d = 0 i = 1, 2, . . . , k
Substituindo u k =
k i=1
a ao anterior, tem-se, i i na express A

k j =1
a j j
i d = 0 i = 1, 2, . . . , k
e em virtude de se considerar problemas lineares (o operador A e linear), a equa ca o anterior conduz a,

k i=1
[i Aj d] a j
f i d = 0 i = 1, 2, . . . , k
Novamente chegou-se a um sistema de equa co es alg ebricas que em forma matricial pode ser escrita como, Ka = f onde, Kij =
i Aj d f i d
fi =
Pode-se notar que se A e um operador sim etrico, a matriz do sistema resulta sim etrica. Isto implica em diversas vantagens computacionais: Utiliza ca o de t ecnicas de triangula c ao da matriz do sistema, espec cas para matrizes sim etricas.
121
Diminui ca o do espa co de mem oria necess ario para armazenar os coecientes da matriz do sistema. Para uma matriz de ordem N n ao-sim etrica, e preciso conhecer seus N N coecientes. Se a matriz for sim etrica, s o e preciso conhecer a matriz triangular superior ou inferior. Por outro lado, dependendo do tipo de problema, da forma da regi ao e das caracter sticas das fun c oes i , o c alculo dos coecientes da matriz K e do termo independente podem ser realizados analitica ou numericamente. Este u ltimo procedimento e o mais utilizado, atualmente, em virtude dos computadores tornarem-se cada vez mais velozes e precisos. Agora observe um detalhe importante. O coeciente Kij est a dado por Kij =
i Aj d
Duas fun co es u, v denidas em , se dizem ortogonais atrav es do operador sim etrico A se, uAvd = 0
Se as fun co es i e j est ao denidas em todo e n ao s ao ortogonais atrav es do operador A, tem-se que este coeciente n ao ser a nulo. Isto implica que a matriz seja cheia e isto, em geral, pode induzir um mal condicionamento num erico da matriz K . Suponha, agora, que i e j est ao denidas, respectivamente, em i e j , partes de . O anterior implica em dizer que as fun co es i e j s ao de suporte compacto. Neste caso, o coeciente resulta, Kij =
i Aj d = Kij =
i j
i Aj d
onde i j e a intersec c ao dos suportes de ambas fun c oes. Observa-se assim que, se a intersec c ao e de medida nula, o coeciente Kij resulta automaticamente nulo. Na medida que os suportes das fun co es bases se interseccionam pouco, a matriz K resulta numa matriz com poucos elementos n ao nulos (comparado 2 com os N coecientes de uma matriz cheia N N ). Se o ordenamento das fun co es e convenientemente escolhido, o anterior d a lugar ao que se chama de matriz banda, matriz sky-line e, caso contrario, matriz esparsa. A Figura5.1 representa gracamente a id eia anterior para o caso de matriz banda e sky-line. Como ser a visto mais adiante, o M etodo de Elementos Finitos se caracteriza, fundamentalmente, pelo fato que as fun c oes i constru das atrav es deste m etodo s ao de suporte compacto. A seguir, tem-se uma s erie de exemplos para explicar melhor as id eias apresentadas. Exemplo 5.3 Considere o problema indicado na Figura 5.2. O problema de valor de contorno consiste em:
122
Figura 5.1: Matriz (a) banda e (b) skyline
Figura 5.2: Barra el astica homogenea de se ca o transversal e carregamento constante
AE
d2 u = q, x (0, L) dx2 u (0) = u (L) = 0
Logo, as fun c oes i devem, em princ pio, ser de classe C 2 (0, L) e satisfazer as condi c oes de contorno. Considere polin omios. Logo, as fun c oes bases ser ao, 1 2 3 = x ( L x) = x2 (L x) = x3 (L x) etc.
e os espa cos de aproxima c ao ser ao: H1 = Span {1 } , H2 = Span {i }2 i=1 , etc. Determinando a solu c ao em H1 , quer dizer tomando a primeira fun c ao coordenada, a solu c ao tomar a a forma: u1 = a1 1 e o coeciente a1 ser a determinado exigindo que o res duo seja ortogonal a todo elemento de H1 . Logo:
L
a1
0
x (L x) AE
d2 {x (L x)} dx dx2
qx (L x) dx = 0
0
5.2. M etodo dos Res duos Ponderados de onde, 2AE

0
123
x (L x) dxa1 q
0
x (L x) dx = 0
cuja solu c ao e,
q 2AE Assim, a solu ca o aproximada obtida com o M etodo de Galerkin e: a1 = u1 = q x ( L x) 2AE
que e, neste caso, a pr opria solu c ao exata. Exemplo 5.4 Considere o mesmo problema anterior, mas utilizando uma distribui c ao triangular de carga q dada por: x q = q0 L A solu c ao exata e, q0 L2 x x 3 u= 6AE L L Calculando a solu ca o de Galerkin com a primeira fun c ao 1 , vem que,
L
2AE
0
x (L x) dxa1
q0 L
L 0
x2 (L x) dx = 0
Integrando, obtem-se, a1 = e a solu ca o aproximada resulta, u1 =
q0 4AE
2
q0 q0 L2 x x x( L x) = 4AE 4AE L L
Seja agora a solu c ao aproximada com dois termos, ou seja, considera-se as duas primeiras fun c oes coordenadas: 1 = x (L x) , 2 = x2 (L x) Os coecientes da matriz s ao:
L L
K11 =
0 L
1 AE1 dx =
L
1 2AEx (L x) dx = AEL3 3
K12 =
0
1 AE2 dx =
L
1 x (L x) AE (2L 6x) dx = AEL4 6

L 0
K21 =
0
2 AE1 dx =
1 2x2 (L x) AEdx = AEL4 6
124
Como pode-se notar, K12 = K21 , dizendo que o operador e sim etrico.
L L
K22 =
0
2 AE2 dx =
x2 (L x) AE (2L 6x) dx =
2 AEL5 15
Por sua vez, os coecientes dos termos independentes resultam x q0 1 dx L 0 L x f2 = q0 2 dx L 0 f1 = Logo, o sistema a resolver consiste em: AEL3 6 2 L L 12 2 L 15 . a1 a2 = q0 L3 12 1
3 L 5 L
x2 (L x) dx = L 0 L x3 q0 (L x) dx = L 0 q0
1 q0 L3 12 1 q0 L4 20
A solu c ao do sistema conduz a: a1 = e a solu ca o aproximada ser a: u2 = q0 q0 q0 L2 x x x(L x) + x2 (L x) = [ ( )3 ] que e a pr opia solu c ao exata!. 6AE 6AEL 6AE L L
q0 6AE
a2 =
q0 6AEL
Na Tabela 5.3, comparam-se as solu c oes aproximadas u1 e u2 com a exata. x/L uAE/q0 L2 0.0 0.0000 0.1 0.0165 0.2 0.0320 0.3 0.0455 0.4 0.0560 0.5 0.0625 0.6 0.0640 0.7 0.0595 0.8 0.0480 0.9 0.0285 1.0 0.0000 u1 AE/q0 L2 0.0000 0.0225 0.0400 0.0525 0.0600 0.0625 0.0600 0.0525 0.0400 0.0225 0.0000 u2 AE/q0 L2 0.0000 0.0165 0.0320 0.0455 0.0560 0.0625 0.0640 0.0595 0.0480 0.0285 0.0000
Tabela 5.3: Exemplo 5.4, compara ca o entre as solu c oes. Exerc cio 5.3 Determine a solu c ao aproximada u3 do problema anterior e compare com a solu c ao exata.
125
Exemplo 5.5 Nos exemplos anteriores, foram tomadas fun c oes de bases polinominais. Considere, agora, fun co es trigonom etricas: n = sin nx , n = 1, 2, 3, ... L
que, como se v e, satisfazem as condi c oes de contorno. A aproxima c ao mais simples consistir a em adotar n = 1, logo:
L L
1 AE1 dxa1 =
q0 x 1 dx L
x onde 1 = sin . L Substituindo, tem-se, 2 AE L2

L 0
sin2
x q0 dxa1 = L L 2 q0 AE L a = 1 L2 2 L
x dx L 0 L x x sin dx L 0 x sin
L
de onde: a1 =
2
2q0 2 AE
x sin
0 L
x dx L
2q0 L x xL x a1 = 2 sin cos 2 AE L L A solu c ao aproximada resulta: u1 = 2q0 L2 x sin 3 AE L
=
0
2q0 L2 3 AE
Calculando, agora, a solu c ao tomando o conjunto de todas as fun c oes coordenadas, 1 = sin Recordando que:
0
x 2x nx , 2 = sin , . . . n = sin , etc L L L

L
sin
mx nx sin = L L
0 n=m L n=m 2
tem-se que os coecientes da matriz K s ao todos nulos exceto os da diagonal principal: Kii = 2 i2 AE 2 i2 AE L = L2 2 2L
Por sua vez, o termo independente i- esimo resulta: fi = q0 L

L
x sin
0
ix q L dx = 0 cos i L i
126
e o sistema de equa c oes que o M etodo de Galerkin proporciona se reduz a: 2 i2 AE q0 L2 ai = cos i, i = 1, 2, . . . , n, . . . 2L i de onde: ai = 2q0 L2 (1)i+1 2q0 L2 cos i = , i = 1, 2, . . . , n i3 3 AE i3 3 AE
A solu c ao aproximada obtida atrav es do M etodo de Galerkin resulta em:
u =
i=1
(1)i+1
2q0 L2 ix sin 3 3 i AE L
Na Tabela 5.4, comparam-se os resultados para i = 1 e i = 2 com a solu c ao exata. x/L uAE/q0 L2 0.0 0.0000 0.1 0.0165 0.2 0.0320 0.3 0.0455 0.4 0.0560 0.5 0.0625 0.6 0.0640 0.7 0.0595 0.8 0.0480 0.9 0.0285 1.0 0.0000 u1 AE/q0 L2 0.0000 0.0199 0.0379 0.0522 0.0613 0.0645 0.0613 0.0522 0.0379 0.0199 0.0000 u2 AE/q0 L2 0.0000 0.0152 0.0302 0.0445 0.0566 0.0645 0.0661 0.0599 0.0455 0.0247 0.0000
Tabela 5.4: Exemplo 5.5, compara ca o entre as solu c oes.
At e aqui, tem-se aplicado o M etodo de Galerkin sem levar em considera ca o as caracter sticas que o operador A pode ter. Isto implica na necessidade de se trabalhar com fun c oes coordenadas que, al em de satisfazer, em princ pio, todas as condi co es de contorno, devem ser sucientemente regulares para que a aplica ca o do operador diferencial A` as fun c oes coordenadas i tenha sentido. Em numerosos problemas da F sica Matem atica, o operador A apresenta caracter sticas tais como simetria, positividade e de ser limitado inferiormente. Atrav es destas caracter sticas e poss vel trabalhar, aplicando o M etodo de Galerkin, com fun co es coordenadas que n ao precisam ser t ao regulares como as anteriores, nem tampouco precisam satisfazer todas as condi c oes de contorno. Para xar as id eias aqui expostas, tomam-se alguns exemplos e posteriormente passase a formalizar sua apresenta ca o.
5.2. M etodo dos Res duos Ponderados Considere o problema do valor de contorno que vem sendo estudado, d2 u AE 2 = q , x (0, L) dx u (0) = u (L) = 0 d2 () Segundo foi visto, o dom nio do operador A = AE 2 est a dado por, dx DA = v ; v C 2 (0, L) , v (0) = v (L) = 0
127
Dado o conjunto {i } etodo de Galerkin consistia em determinar a i=1 DA , o M d2 un solu c ao aproximada un Span {i }i=1,n com a propriedade de que o res duo AE 2 dx q = rn seja ortogonal a todo elemento de Span {i }i=1,n . Em outras palavras, determinar un Span {i }i=1,n tal que:
L
(Aun f, vn ) =
0
AE
d2 u q vn dx = 0, vn Span {i }n i=1 2 dx
Dado que un e vn tamb em pertencem a DA , tem-se que a express ao anterior integrada por parte nos conduz a :
L
AE
0
d2 u q vn dx = dx2
AE
0
dun dvn dun n qvn dxAE v n |L 0 = 0, vn Span {i }i=1 dx dx dx
Na express ao anterior, o termo no contorno e nulo por ser vn (0) = vn (L) = 0. Logo, o problema de Galerkin se reduz a:
L
AE
0
dun dvn = dx dx
L 0
qvn dx, vn Span {i }n i=1
que e id entico a:
n 0 L
AE
j =1
dj di dx aj = dx dx
qi dx, i = 1, 2, . . . , n
0
Na express ao anterior, as fun c oes un e vn n ao precisam ser t ao regulares. De fato, e su1 c oes cont nuas com derivadas cientemente que sejam elementos de Ccp (0, L), quer dizer, fun cont nuas por parte, continuando nulas no contorno. A observa ca o anterior e de enorme import ancia j a que traz conjuntamente dois aspectos j a discutidos: As fun c oes coordenadas s ao menos regulares. Isto facilita a sua constru ca o. Ao serem menos regulares, e mais f acil construir fun c oes coordenadas de suporte compacto.
128
Como ser a visito mais adiante, estes aspectos s ao fundamentais no M etodo dos Elementos Finitos. 1 Como um exemplo, as fun c oes coordenadas mais simples em Ccp (0, L) e nulas no contorno podem ser constru das da seguinte forma. Dado um intervalo (0, L), divide-se o mesmo em N subintervalos que, por simplicidade, sup oe-se serem iguais. Ao realizar esta parti ca o, tem-se denidos N 1 pontos no interior do intervalo [0, L], sendo o ponto L gen erico i de coordenada xi = ih, h = . A cada n o i, pode-se associar a fun c ao i N que satisfaz a propriedade de ser nula para todo x / (xi1 , xi ), vale 1 em xi variando linearmente em (xi1 , xi ) e (xi , xi+1 ). Esta fun ca o pode ser expressar da seguinte forma (Figura 5.3), 0 se x / [xi1 , xi+1 ] x xi1 se x [xi1 , xi ] i (x) = h x xi+1 se x [x , x ] i i+1 h
Figura 5.3: Fun ca o i linear por parte.

1 Os elementos do espa co Span {i }N ao denidos por: i=1 est N 1
vn =
i=1
ai i
e pela deni c ao das fun c oes i resulta: vn (xi ) = ai Observa-se que os coecientes ai passam a ter um signicado mais preciso: ai e o valor de vn no ponto xi da parti ca o (Figura 5.4). Ao aplicar o M etodo de Galerkin, a equa ca o i- esima, ou seja, a equa ca o associada ` a fun c ao i est a dada para o exemplo em considera c ao por:
N 1 0 L
AE
j =1
dj di dx aj = dx dx
qi dx, i = 1, 2, . . . , N 1
0
129
Figura 5.4: Parti c ao de [0, L] em 4 intervalos. Por serem as fun c oes i de suporte compacto, os u nicos coecientes n ao-nulos na somat oria do primeiro membro est ao associados ao ndices j = i 1, i, i + 1. Por outro lado,
L xi+1
qi dx =
0 xi1
qi dx
di O c alculo destes coecientes resulta ainda mais simples em virtude de que est a dado dx por: 0 se x / [xi1 , xi+1 ] 1 di se x [xi1 , xi ] = h dx 1 se x [xi , xi+1 ] h Como se v e, as derivadas resultam constantes por partes, facilitando o c alculo dos coecientes. Se consideramos uma parti ca o como na Figura 5.4, os coecientes da matriz e o termo independente do sistema de equa co es resultam iguais a:
2h
K11 =
0
AE
2h
1 2AE dx = = K22 = K33 2 h h AE
! ! !
K12 = K21 =
h h
1 AE dx = = K23 = K32 2 h h
2h x (x 2h) f1 = q dx q dx = qh = f2 = f3 h h 0 h Matricialmente, o sistema consiste em 2 1 0 a1 qh2 1 1 2 1 . a2 1 = AE a3 0 1 2 1
cuja solu ca o consiste em a1 qh2 1 3 2 1 1 qh2 1 6 2 4 2 1 a2 8 = = AE 4 AE 4 a3 1 2 3 1 6
130 Desta forma, a solu c ao aproximada resulta,
qL2 1 u = (61 + 82 + 63 ) AE 43
a
Em particular para x = L/2, a solu c ao exata conduzia ao resultado (ver Exemplo 5.1) u|x = L =
2
ua |x = L
2
q qL2 x(L x) L = 2AE AE 8 x= 2 2 2 qL 8 qL = a2 = = 3 AE 4 AE 8
ou seja, obt em-se o valor exato. No ponto x = L/4, tem-se, q 3 qL2 x(L x) L = 2AE 32 AE x= 4 2 2 6 qL 3 qL = a2 = 3 = 4 AE 32 AE
u|x = L =
4
ua |x = L
4
Como pode-se observar, novamente alcan cou-se o valor exato. N ao resulta dicil mostrar que a solu ca o via M etodo de Galerkin para este tipo de problemas e sempre nodalmente exata!. Entretanto, entre dois pontos da parti ca o, a solu ca o aproximada e linear, enquanto a solu c ao exata e quadr atica. A diferen ca entre a solu c ao aproximada e a exata faz-se sentir quando se tomam as derivadas. Em efeito, a derivada de ua e constante em cada subregi ao denida pela parti ca o sendo descont nua no ponto comum de duas subregi oes. O mesmo n ao ocorre com a solu c ao exata cuja derivada e linear em (0, L). No exemplo em considera ca o, tem-se: Solu ca o exata: du q = (L 2x) , x (0, L) dx 2AE dua 1 qL2 = 3 61 + 82 + 63 , x (0, L) dx 4 AE Recordando a deni c ao das i resulta: 6 qL2 1 3 qL dua = 3 = ,x dx 4 AE h 8 AE 1 qL2 dua = 3 61 + 82 = dx 4 AE 1 qL 2 qL2 = ,x = 3 4 AEh 8 AE L 4 1 qL2 43 AE L L , 4 2 0,
Solu ca o aproximada:
6 8 + h h
131
e dada a simetria, nas outras subregi oes as derivadas s ao iguais mas de sinais contr arios. Observa-se outro detalhe importante. Por exemplo, no primeiro intervalo, o valor da derivada da solu ca o exata varia linearmente entre os valores: du dx Logo o valor m edio ser a: du dx =
me dio qL 2AE
=
x=0
qL du e 2AE dx
=
x= L 4
qL 4AE
+ 2
qL 4AE
3 qL 8 AE
Como pode-se ver, o valor m edio no intervalo 0, L da derivada da solu ca o exata coincide 4 com o valor da derivada (constante) da solu c ao aproximada no correspondente intervalo. De uma maneira intuitiva, o exposto anteriormente diz que, aumentando o n umero a de subregi oes (N isto e h 0), tem-se que u se aproximar a da solu ca o exata. Matematicamente se pode demonstrar que: ua u, uniformemente e se q e sucientemente regular (caso do exemplo), dua du , uniformemente dx dx Se q n ao e t ao regular, a converg encia da derivada primeira e no sentido da m edia ou L2 , ou seja, 2 dua du L dx 0 0 dx dx h0 Agora bem, empregando fun co es coordenadas como as que se tem utilizando, para cada L parti c ao (quer dizer, para cada N e, portanto, para cada h = N ) ser a necess ario construir toda a matriz do sistema e seu vetor termo independente. Entretanto, a constru ca o desta matriz resulta extremamente facilitada atrav es da deni ca o de uma matriz de base ou elementar. De fato, recorde que o M etodo de Galerkin consist a em:
L 0
dun dvn dx = AE dx dx
L 0
qvn dx, vn Span {i }n i=1
onde n est a associado ao n umero de fun co es bases adotada que, para o problema em estudo, esta associado ` a divis ao realizada no intervalo (0, L). Em particular, se N e o n umero de subintervalos, n = N 1. Para esta divis ao, a express ao anterior pode ser reescrita como:
N
AE
e=1 e
e due n di dx dx dx
qe i dx
= 0, i = 1, 2, . . . , N 1
132

L , N
e onde ue ao as restri c oes de un e i sobre a regi ao e = {(e 1) h, eh} , h = n e i s
e:
ue n =
0 e ae1 e e1 + ae e
se x / e se x e
0 se x / [xe1 , xe ] x xe para todo x [xe1 , xe ] se i = e 1 e i = h x xe1 para todo x [x , x ] se i = e e1 e h As Figuras 5.5 e 5.6 representam geom etricamente o que foi exposto;
Figura 5.5: Restri ca o de un em e = 2 .
Figura 5.6: Restri ca o de 1 e 2 em e = 2 . Do anterior, segue-se que cada subregi ao e colabora com o sistema global de equa c oes atrav es do seguinte sistema de equa c oes associada ` a subregi ao e- esima:
e e K11 K12 e e K21 K22
ae1 ae de e1 dx de e dx
2
=
2
e f1 e f2
onde:
e K11
=
e
AE AE
e
dx = dx =
AE h
e K22 =
AE h
e e K12 = K21 =
AE
e
e de AE e1 de dx = dx dx h

e f1 = e e qe e1 dx , f2 = e
133 qe e dx
Substituindo estas express oes no sistema de equa c oes anterior resulta: AE h 1 1 1 1 ae1 ae = qh 2
e f1 e f2
e para o exemplo em considera c ao (q = cte), o sistema anterior resulta, AE h 1 1 1 1 ae1 ae = qh 2 1 1
Desta maneira, uma vez calculado o sistema de equa c oes associado a cada subregi ao e (como ser a visto mais adiante o M etodo de Elementos Finitos chama esta subregi ao de elemento e), o sistema global e estabelecido atrav es da montagem adequada de cada um dos subsistemas. A Figura 5.7 representa geometricamente a id eia anterior para o caso particular do elemento e = 4 e N = 7.
Figura 5.7: Montagem da matriz global. Como pode-se observar na Figura 5.7, cada coeciente global e obtido somando cada uma das contribu c oes locais que est ao associadas ao mesmo. Um outro aspecto importante do M etodo de Galerkin deve ser discutido. At e aqui, tem-se exigido que as fun c oes coordenadas satisfa cam todas as condi co es de contorno at e agora supostas homog eneas. Deseja-se mostrar que quando o operador e sim etrico positivo-denido, as condi c oes de contorno denominadas naturais (ver cap tulos anteriores) n ao precisam ser satisfeitas pelas fun c oes coordenadas. Em outras palavras, quando o operador e sim etrico positivo-denido, as condi c oes de contorno principais s ao as u nicas que precisam ser satisfeitas pelas fun co es coordenadas. Para discutir isto, considera-se um exemplo t pico. Tome o problema de uma barra tracionada com um extremo livre. O problema de valor de contorno consiste em determinar u tal que:
134
d2 u = q, x (0, L) dx2 u (0) = 0 du AE = 0 dx x=L AE Segundo foi visto, o dom nio do operador e o espa co vetorial: DA = u, u C 2 (0, L) , u|x=0 , du dx =0
x=L
Considere o espa co Admu DA : Admu = u, u C 2 (0, L) , u|x=0 = 0 O M etodo de Galerkin consiste em determinar u Admu tal que o res duo associado seja ortogonal a todo elemento de Admu , ou seja,
L 0
d2 u du AE 2 q vdx + AE v dx dx
= 0, v Admu
x=L
Integrando por partes a express ao anterior, tem-se

L 0
du dv qv dx AE dx dx
du AE v dx
+ AE
0
du v dx
=0
x=L
para todo v Admu . Da express ao anterior e da deni ca o de Admu se segue que:

L
AE
0
du dv qv dx = 0, v Admu dx dx
express ao id entica ` a que hav amos chegado considerando o problema denido em DA . Novamente, e como j a havia sido notado, a integra c ao por parte permite reduzir o grau de regularidade sobre as fun co es admiss veis. O problema pode assim ser considerado como: determinar u V tal que:
L
AE
0
du dv qv dx = 0, v Admu dx dx
onde :
1 V u; u Ccp (0, L) , u (0) = 0
5.2. M etodo dos Res duos Ponderados Exemplo 5.6 Considere o problema de valor de contorno: d2 u + u + x = 0, x (0, 1) dx2 com as condi co es de contorno: u (0) = 0 du =0 dx x=1
135
Aplica-se Galerkin supondo, primeiro, que as fun c oes coordenadas satisfazem todas as condi c oes de contorno. Para este exemplo, as fun c oes coordenadas podem ser: 1 = x 1 x 2 3 , 2 = x2 1 x , 3 = x3 1 x , etc 2 3 4
Se tomamos a primeira fun c ao, a solu c ao aproximada ser a tal que:

L 0
a1 1 + a1 1 + x 1 dx = 0 2 5 a1 =0 10 24 a1 = 25 24
que integrando conduz a: de onde: Logo, a solu ca o aproximada ser a:
ua =
25 x x 1 24 2
Considere, agora, o problema denido em um espa co V onde somente a condi c ao u (0) = 0 e satisfeita por todo elemento desse espa co. Aplicando Galerkin para este caso, tem-se: 1 d2 u du + u + x vdx + = 0 , v V v| 2 dx dx x=1 0 Integrando por partes:
1
du dv + uv + xv dx = 0, v V dx dx
As fun c oes coordenadas s ao agora mais f aceis de serem escolhidas e, por exemplo, podem ser: 1 = x, 2 = x2 , etc
136
que, como pode ser visto, satisfazem unicamente a condi c ao i (0) = 0. Considerando as duas primeiras fun co es coordenadas tem-se:
1
a1
0 1
1 +
2 1
dx + a2
0
2 1 + 2 1 dx =
1
x1 dx x2 dx
a1
0
1 2 + 1 2 dx + a2
2 2 + 2 2 dx =
de onde:
2 a 3 a = 1 3 1 4 2 3 3 17 4 a1 15 a2 = 1 4
2 3 3 4 3 4 17 15
Em forma matricial, a express ao anterior pode ser reescrita como: a1 a2 =

1 3 1 4
cuja solu c ao conduz a: a1 = Logo, a solu ca o aproximada e:
137 60 ; a2 = 139 139 137 60 2 x x 139 139
u a =
Na Tabela 5.5, compara-se a solu c ao exata: u= com as solu co es aproximadas ua eu a . x 0.0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1.0 u 0.000000 0.095092 0.157700 0.245953 0.320742 0.397329 0.445049 0.492329 0.527594 0.549794 0.557409 ua 0.000000 0.099958 0.197500 0.255525 0.333333 0.390625 0.437500 0.473958 0.500000 0.515625 0.520933 u a 0.000000 0.094245 0.179856 0.284029 0.325180 0.384892 0.435971 0.478417 0.512230 0.537410 0.553957 sin x x cos 1
Tabela 5.5: Exemplo 5.6, compara ca o entre as solu c oes.
5.2. M etodo dos Res duos Ponderados A derivada de u a em x = 1 resulta: du a 137 120 17 = = = 0.122302 dx 139 139 139
137
que, como pode-se notar, resulta aproximadamente nula. Em particular, ` a medida que aumenta-se o n umero de fun c oes coordenadas que ir ao intervir na solu c ao aproximada, a derivada em x = 1 tende a zero.
5.2.3
Condi c oes de Contorno N ao-homog eneas
Na sec ca o anterior, foi apresentado o M etodo de Galerkin analisando o caso de condi c oes de contorno homog eneas. Nesta sec c ao, apresenta-se como trabalhar com o m etodo quando as condi co es de contorno s ao n ao-homog eneas. Para isso considera-se inicialmente um exemplo e, posteriormente, generalizam-se os resultados. Considere uma viga da sec ca o transversal retangular submetida ` a uma carga q e apoiada sobre uma base de funda c ao el astica (Figura 5.8)
Figura 5.8: Viga sob funda ca o felx vel. O problema de valor de contorno est a dado por: determinar u C 4 (0, L) tal que satisfa ca d4 u EI 4 + ku = q, em todo x (0, L) dx com as condi c oes de contorno
2u i ; i = 0, L =M EI d dx2 d3 u i ; i = 0, L EI dx3 = Q
i e Q i s onde M ao os momentos e as for cas cortantes aplicadas nas extremidades da viga e k o coeciente de elasticidade da funda c ao. 2 (0, L). Logo, o problema do valor de contorno anterior e equivalente Considere v Ccp 2 2 ao de determinar a fun ca o u Ccp tal que para todo v Ccp (0, L),
L
EI
0
d2 u dx2
d2 v dx2
dx +
0
kuvdx
0
L v (L) Q 0 v (0) M 0 v (0) qvdx + QL v (L)+ M
(5.1) Para provar o anterior, integra-se por partes o primeiro membro da equa ca o anterior. Tem-se assim:
138
EI
0
d2 u dx2
d2 v dx2
dx +
0
kuvdx =
0 L
(EI
d4 u d2 u dv + ku ) vdx + EI dx4 dx2 dx

L 0
EI
0
d3 u L v| dx3 0
=
0
i v i v |L + M qvdx + Q 0
Agrupando, convinientemente, tem-se:

L 0
d4 u d2 u i EI 4 + k q vdx + EI 2 M dx dx
dv dx
+ EI
0
d3 u i Q dx3
v |L 0 = 0
2 para todo v Ccp (0, L). O anterior diz que cada termo deve ser nulo. Logo, o primeiro termo conduz ` a pr opria equa c ao que governa o problema. O segundo termo diz que se as derivadas das fun co es coordenadas n ao satisfazem nenhuma restri c ao no contorno, a solu c ao do problema variacional satisfaz na forma natural a condi ca o:
EI
d2 u i , i = 0, L =M dx2
O mesmo ocorre com o terceiro termo que garantir a que a solu ca o ir a satisfazer: EI d3 u i = 0 , i = 0, L Q dx3
Em outras palavras, a solu c ao u do problema de valor de contorno e tal que o res duo e 2 ortogonal a toda fun ca o v Ccp (0, L). Agora bem, o M etodo de Galerkin permite determinar uma solu ca o aproximada do problema. Segundo foi visto, basta denir o problema variacional desenvolvido anteriormente num espa co de dimens ao nita. A condi c ao de ortogonalidade do res duo neste espa co de dimens ao nita equivale a dizer que o res duo e ortogonal a cada uma das fun c oes bases desse espa co. Em outras palavras, dadas as fun c oes coordenadas {i }i=1, denso 2 em Ccp (0, L), o M etodo de Galerkin consistir a em determinar un Vn = Span {i }i=1,n tal que:
L
EI
0
d2 un d2 i dx + dx2 dx2
kun i dx =
0 0
i+M i qi dx + Q
L 0
, i = 1, 2, . . . , n
Como pode ser visto, o problema consiste agora em determinar as fun c oes bases i . Estas fun c oes devem ser fun co es cont nuas com derivadas cont nuas e com derivadas segundas quadrado integr aveis. Por exemplo, poderia se trabalhar com fun c oes coordenadas do tipo senos e/ou cosenos ou ainda com polin omios. Estas fun co es est ao denidas em todo intervalo (0, L) e s ao mais regulares do que realmente necess ario. Como j a foi notado anteriormente, no caso de estarem denidas em todo o intervalo (0, L) traz junto alguns inconvinientes:
139
Matriz do sistema cheia e, portanto, geralmente com tend encia a mal-concicionamento num erico ` a medida que aumenta-se n. Diculdade em satisfazer as condi co es de contorno principais. No caso de serem mais regulares do que o necess ario, impossibilita de colocar em evid encia alguma descontinuidade que o problema pode admitir. Por exemplo, se os momentos de in ercia ou os m odulos de elasticidade s ao descont nuos em x0 , nesse ponto existe uma descontinuidade na derivada segunda. Se a carga aplicada na viga e do tipo concentrada, tem-se descontinuidade na derivada terceira. Novamente, percebe-se que e vantajoso trabalhar com fun co es coordenadas de suporte compacto. O leitor poder a notar que as fun co es polinominais c ubicas denidas por: 0 se x / (xi1 , xi+1 ) 1 x = xi fi (x) = 0 x = xi1 e x = xi+1 df y tal que = 0 em x = xi1 , x = xi , x = xi+1 dx 0 para x / (xi1 , xi+1 ) 0 x = x i1 e x = xi+1 dg gi (x) = = 0 em x = xi1 , xi+1 dx dg = 1 em x = xi dx podem ser consideradas como fun co es bases e tem a caracter stica de serem de suporte compacto (Figura 5.9).
Figura 5.9: Fun co es c ubicas de suporte compacto. Exerc cio 5.4 Aplique o M etodo de Galerkin no problema da viga em ex ao da Figura 5.10. 1. Dena a equa c ao diferencial que governa o problema. 2. Condi c oes de contorno. Quais s ao as condi c oes principais e quais as naturais? 3. Dena o M etodo de Galerkin para este problema.
140
Figura 5.10: Exerc cio 5.4. 4. Determine as fun c oes coordenadas tipo seno ou co-seno correspondentes. 5. Determine a solu c ao aproximada tomando n = 1, n = 2, n = 3 e compare com a solu c ao exata. Exerc cio 5.5 Idem ao problema anterior mas com polin omios. Exerc cio 5.6 Idem ao primeiro problema mas com fun co es de suporte compacto como as apresentadas. Qual e a fun c ao coordenada associada ao n o x = L? Trabalhe com um s o ponto x1=L e com dois pontos x1 = 0.5L, x2 = L. Compare com a solu c ao exata. Comente os resultados. Exerc cio 5.7 Considere o problema de tor c ao de uma barra de sec c ao retangular (Figura 5.11). O problema de valor de contorno consiste em determinar tal que: 2 2 + = 2G, em = (0, a) x (0, b) , = 0 em 2x 2x
Figura 5.11: Exerc cio 5.7, tor ca o numa barra retangular Aplique o M etodo de Galerkin tomando como fun c ao coordenada: 1 = x (x a) y (y b) e compare com a solu c ao exata. Dena as outras fun c oes bases 2 , 3 , etc. Exerc cio 5.8 Aplique o M etodo de Galerkin ao problema anterior, mas com fun c oes coordenadas do tipo seno. Dena estas fun c oes e calcule a solu c ao aproximada para o caso de n = 1. Compare com a solu c ao polinominal anterior. Pode-se denir a solu c ao para n = ? Comente sua resposta e em caso armativo, d e esta solu c ao.
5.3. M etodo de Ritz
141
5.3
5.3.1
M etodo de Ritz
M nimo de um Funcional
O problema b asico que deseja-se resolver consiste em determinar a solu ca o de uma certa equa c ao diferencial associada a determinadas condi co es homog eneas de contorno. Chamando como DA o conjunto de fun co es u sucientemente regulares (no sentido do operador diferencial A) tal que satisfa cam as condi co es de contorno do problema, tem-se que o anterior e equivalente a determinar u DA tal que: Au = f em (5.2)
e como u DA signica explicitamente que as condi co es de contorno est ao todas satisfeitas. No que segue, sup oe-se, tamb em, que o operador A e positivo-denido(p.d.). Em virtude da limita ca o anterior (o operador A e p.d.) pode-se colocar o seguinte teorema. Teorema 5.1 Se o operador A e positivo-denido, o problema de valor de contorno denido anteriormente e tal que se existe solu c ao, a mesma e u nica. Demonstra ca o: Suponha que existam duas solu c oes u1 = u2 , logo: A u1 = f , A u2 = f subtraindo membro a membro e da linearidade do operador A resulta: A (u1 u2 ) = 0 em multiplicando ambos os membros da equa c ao anterior por (u1 u2 ) e integrando em tem-se: (u1 u2 ) A (u1 u2 ) d = 0
Agora, por ser A p.d. tem-se (v, Av ) 0 e = 0 se e somente se v = 0
disto e da express ao anterior se segue que: u1 = u2 com isso, demonstra-se o teorema. Pode-se colocar agora um segundo teorema que e a base do ponto de partida do M etodo de Ritz.
142
Teorema 5.2 Teorema do M nimo de um Funcional. Seja A positivo denido e suponha que o problema de valor de contorno tenha solu c ao. Logo, de todos os valores alcan cados pelo funcional, F (u) = (Au, u) 2 (f, u) =
uAud 2
f ud
(5.3)
para cada uma das fun c oes u DA , o menor e o valor dado a este funcional pela solu c ao do problema (5.2). Reciprocamente, se existe em DA uma fun c ao que minimiza F (u) , esta fun c ao ser a solu c ao de (5.2). Demonstra ca o: Seja u0 DA solu c ao de Au = f , que eu nica pelo Teorema 1. Logo: Au0 = f que substitu da em (5.3) conduz a: F (u) = (Au, u) 2 (Au0 , u) = (Au, u) 2 (Au0 , u) + (Au0 , u0 ) (Au0 , u0 ) = = (A (u u0 ) , u) + (Au0 , u0 u) (Au0 , u0 ) = = (A (u u0 ) , u u0 ) (Au0 , u0 ) Os dois termos do segundo membro s ao estritamente positivos. Logo, o menor valor que alcan car a o funcional F (u) corresponde ao campo u que anula o primeiro termo do segundo membro, ou seja, u = u0 Em particular, para u = u0 , o valor m nimo F (u0 ) ser a:
uDA
min F (u) = F (u0 ) = (Au0 , u0 )
A primeira parte do teorema est a assim demonstrada. Para demonstrar a segunda parte, suponha que existe u DA fazendo com que o funcional F (u) alcance seu valor m nimo. Logo, para todo v DA e R tem-se: F (u + v ) F (u ) 0 para todo v DA , R Desenvolvendo a express ao anterior, tem-se: (A (u + v ) , (u + v )) 2 (f, u + v ) (Au , u ) + 2 (f, u ) = = 2 (Au , v ) + 2 (Av, v ) 2 (f, v ) = = 2 (Au f, v ) + 2 (Av, v ) 0 para todo v DA e R. A desigualdade anterior e n ao-negativa e quadr atica em . Logo, seu descriminante deve ser n ao-positivo: (Au f, v )2 0 v D A
5.3. M etodo de Ritz portanto: (Au f, v ) = 0 v D A
143
Mostra-se agora que a equa c ao anterior implica que Au f = 0. Dada a regularidade assumida sobre DA , a fun c ao = (x) = A u (x) f (x) para x e cont nua. Suponha que n ao seja identicamente nula. Logo existe um x = P onde, por exemplo, (P ) > 0. Pela continuidade de existe uma esfera de centro em P contida em na qual e estritamente positiva ( (x) > 0 , x ). Como v DA e arbitr ario, adota-se a seguinte fun c ao: v = v (x) = (R2 r2 ) 0
K +1
se x se x /
onde R indica o raio da esfera e r a dist ancia entre o ponto x e o centro P da mesma. Por sua vez, k e a ordem da maior derivada contida no operador A (Figura 5.12).
Figura 5.12: Fun ca o . Para esta fun c ao v tem-se: (Au f, v ) =
(Au f ) vd =
(Au f ) R2 r2
k+1
d = 0
o anterior e imposs vel j a que: R2 r 2 > 0 em (Au f ) > 0 em Chegou-se a esta incongru encia em virtude de supor que existia um ponto P para o qual Au f n ao era nulo, logo: Au f = 0 e da unicidade (Teorema 5.1) tem-se u u0 demonstrando a segunda parte do teorema. Como ser a visto nos exemplos apresentados ao longo deste texto, o funcional (5.3) resulta proporcional ` a energia do sistema em considera c ao. Nestes casos, o Teorema 5.2 e equivalente ao Pr ncipio da M nima Energia Potencial.
k+1
144
Como tamb em pode-se notar, o Teorema 5.2 permite substituir o problema de integrar a equa ca o diferencial sob certas condi c oes de contorno pelo problema de determinar a fun ca o que minimize a funcional F (u). Em particular, o M etodo de Ritz permite determinar solu co es aproximadas deste problema m nimo. Apresentam-se agora alguns exemplos que mostrar ao alguns aspectos interessantes, Exemplo 5.7 Seja o seguinte problema de valor de contorno: d2 u = 2 x (0, 1) dx2 com as condi co es de contorno: u (0) = u (1) = 0 A solu c ao deste problema e u0 = x (1 x). O operador A do p.v.c. e positivo-denido (na realidade tamb em e positivo limitado inferiormente). De fato:
1
(Au, u) =
0
u udx = u u|1 0+
1 0
(u ) dx =
0
(u ) dx 0
e se (Au, u) = 0 u = 0 u = cte em (0, 1) e das condi c oes de contorno u = 0 logo, A e positivo denido. De acordo com o Teorema 5.2, a solu c ao u0 minimiza F (u) em DA , donde:
1
F ( u) =
0
u u 4u dx
Para este problema, a condi c ao de minimizar F (u) em DA e essencial. De fato, considere u1 = x (2 x). Logo, u1 / DA (a condi c ao de contorno em x = 1 n ao est a satisfeita). Logo:
1 1
F (u1 ) =
0 1
[2x (2 x) 4x (2 x)] dx =
0 1
2x (2 x) dx =
4 3 1 3
F (u0 ) =
0
[2x (1 x) 4x (1 x)] dx =
0
2x (1 x) dx =
Logo F (u0 ) > F (u1 ). Exemplo 5.8 Seja o problema: d2 u = 2 x (0, 1) dx2 com as condi co es de contorno: u (0) = 0 , u (1) + u (1) = 0 (5.5) (5.4)
145
O problema de valor de contorno tem como solu c ao a fun c ao u0 = 3 x2 e o operador com estas condi co es de contorno segue sendo positivo-denido. De fato:
2 (Au, u) = 0 u udx = u u|1 0 + 0 (u ) dx 1 1 = u (1) u (1) + 0 (u )2 dx = (u (1))2 + 0 (u )2 dx 0 1 1
Se (Au, u) = 0 u = 0 e u (1) = 0, logo u 0. De acordo com o Teorema 5.2, a fun c ao u0 faz com que o funcional:
1
F (u) =
0
(u )2 4u dx + (u(1))2
tome o menor valor de todos os valores que pode alcan car para cada u DA . Mostra-se que para este caso a fun c ao u0 faz com que F (u) tome o menor valor comparado com os que alcan caria com qualquer fun c ao que em 0 x 1 e cont nua com derivada primeira tamb em cont nua independentemente de serem satisfeitas as condi c oes de contorno. Para mostrar isto, seja u = u (x) uma fun c ao continuamente diferenci avel em x [0, 1]. Podese denir v como: v = u u0 Tem-se, assim: F (u) = F (u0 + v ) = = = =
1 0 1 0 1 0 1 0
(u0 + v ) (u0 + v ) 4 (u0 + v ) dx =

1 0 2
(u0 + v ) (u0 + v ) 4 (u0 + v ) u0 + v (u0 + v )

1 0
u0 + v
2
4 (u0 + v ) dx + [u0 (1) + v (1)]

1 0
u0 2 + 2 u0 v + v
2 4u0 4v dx + u2 0 (1) + v (1) + 2u0 (1) v (1)
u0 2 4u0 dx + u2 0 (1) + 2
u0 v 2v dx + 2u0 (1) v (1) +
1 0
dx + v 2 (1)
Observa-se que o primeiro termo do segundo membro e F (u0 ), e o segundo, ser a mostrado, e nulo. De fato: 2
1 0
u0 v 2v dx + 2u0 (1) v (1) = 2 0 u0 + 2 vdx + 2u0 v |1 0 + 2u0 (1) v (1) = 2u0 (1) v (1) + 2u0 (1) v (1) = 2 u0 (1) + u0 (1) v (1) = 0
1
Logo, F (u) toma a forma: F (u) = F (u0 ) +

0
dx + v 2 (1)
F (u0 )
e igual se e somente se v 0 quer dizer se u u0 . Como resultado deste exemplo, v e-se que o problema do m nimo da fun c ao associado ao problema de valor de contorno (5.4) e (5.5) pode colocar-se em um conjunto de fun c oes V mais amplo que DA sem modicar o resultado. A fun c ao u0 segue minimizando F (u) em V , nas condi c oes de contorno cujas fun c oes n ao necessariamente satisfazem as condi c oes de contorno. Como j a mencionado, este tipo de condi c ao de contorno e chamado condi c ao de contorno natural tendo em vista que a mesma e satisfeita pelas fun c oes que minimizam o funcional.
146
Proposi c ao 5.1 (Observa c ao) Deve-se ressaltar que para estabelecer o Teorema 5.2, partiu-se da hip otese que a solu c ao do problema de valor de contorno existia e de que existia a fun c ao que minimiza F (u) em DA . Este problema da exist encia n ao ser a discutido neste texto. O leitor interessado poder a consultar, por exemplo, as obras de Mikhlin citadas na Bibliograa (veja tamb em o Ap endice, Se c ao B.5).
5.3.2
Sequ encias Minimizantes
Seja um certo funcional (u) cujos valores est ao limitados inferiormente. Neste caso, pode-se demonstrar que existe um limite exato d para (u): d = inf (u)
uD
(5.6)
onde D e o dom nio de deni ca o de . Tomando por base o exposto anteriormente, pode-se introduzir a seguinte deni ca o. Deni c ao 5.1 Sequ encias Minimizantes. Seja cujos valores est ao limitados inferiormente em D . A sequ encia un , n = 1, 2, . . . de fun c oes pertencentes a D e chamada de sequ encia minimizante para (u) se:
n
lim (un ) = d
(5.7)
Seja agora A um operador positivo-denido. Logo seu funcional de energia ser a dado por: F (u) = (Au, u) 2 (f, u) (5.8) Se existe solu ca o u0 do p.v.c. Au = f , foi visto na sec ca o anterior que este funcional pode ser reescrito como: F (u) = (A (u u0 ) , (u u0 )) (Au0 , u0 ) = u u0
2 A
u0
2 A
onde A e a norma energia. Como pode-se notar da express ao anterior, o funcional F (u) est a limitado inferiormente e seu nmo d est a dado por: d = inf F (u) = u0
uDA 2 A
Tendo presente a Deni c ao 5.1 e a express ao anterior, conclu -se que uma sequ encia minimizante para a fun c ao F (u) est a caracterizada por:
n
lim F (un ) = u0
2 A
u0 Au0 d
Pode-se, assim, denir o seguinte teorema. Teorema 5.3 Se o problema de valor de contorno Au = f, u DA tem solu c ao , logo toda sequ encia minimizante para o funcional energia F (u) = (Au, u) 2 (f, u) converge na energia para esta solu c ao.
147
Observa c ao 5.1 (Demonstra c ao) Se un e uma sequ encia minimizante para F (u), temse que: 2 F (un ) = un u0 2 u0 2 A A u0 A n que implica em: un u0
2 A
0 n
ou seja, un converge na energia a u0 . Se o operador A e limitado inferiormente, tem-se: uAud = u

2 A
2 u
= 2
u2 d, > 0
logo, neste caso, a converg encia na energia implicar a tamb em converg encia na m edia. Deve-se notar que o pr oprio Teorema 5.3 sugere um m etodo de c alculo para determinar a solu ca o aproximada de u0 . Para isso, e suciente construir uma sequ encia minimizante para a fun ca o energia associado ao problema de valor de contorno. Como ser a visto na sec c ao a seguir, o M etodo de Ritz e justamente um m etodo para a constru c ao de sequ encias minimizantes.
5.3.3
M etodo de Ritz
Segundo foi visto, o p.v.c.: Au = f + c.c. homog eneas (5.9)
quando A e positivo denido se reduz a determinar a fun ca o u DA que minimiza a fun c ao energia: F (u) = (Au, u) 2 (f, u) , u DA De acordo com o que foi visto em alguns exemplos pode-se, de acordo com as condi co es de contorno, estender o problema do m nimo de F (u) sobre um conjunto mais amplo. Para fazer este u ltimo, observa-se, primeiro, que DA tem a estrutura alg ebrica de um espa co vetorial, em outras palavras combina co es lineares de fun c oes de DA s ao tamb em fun co es de DA . Em virtude das propriedades exigidas das fun c oes de DA e dado que o operador e sim etrico positivo-denido, pode-se introduzir em DA um produto interno u, v
A
uAvd =
v Aud
para todo u, v DA . Como j a foi visto, este produto interno induz uma m etrica chamada norma energia: u0
A
uAud
1 2
, u DA
148
Tem-se, assim, que o espa co DA com o produto interno na energia, passa a ser um espa co vetorial com produto interno. Este espa co n ao e necessariamente completo, quer dizer, nem toda sequ encia fundamental de Cauchy converge para elementos deste espa co. Completando este espa co, ou seja, agregando ao espa co vetorial com o produto interno, todas as fun co es para as quais convergem todas as sequ encias de Cauchy, tem-se, ent ao, o que comumente denomina-se de Espa co Energia, designado por HA , e em virtude da forma como foi constru do e um espa co completo chamado espa co de Hilbert. Como e f acil perceber, o espa co de Hilbert HA est a formado por todas as fun co es em DA (quer dizer fun co es bem regulares e cujas derivadas s ao calculadas no sentido cl assico), mais outras fun co es u que se caracterizam porque sempre existe em DA uma sequ encia {un }n=1, tal que: un u 2 0 A n Estas fun co es s ao mais gerais que as de DA j a que s ao menos regulares, implicando que o conceito de derivada deve ser generalizado dando lugar ao que se denomina derivada generalizada de u. N ao ser ao abordados mais detalhes j a que s o interessa o aspecto computacional do m etodo. Portanto, e interessante ressaltar que HA e um espa co mais amplo que DA e menos regular, logo se apresenta como um espa co adequado para procurar a solu ca o. Surgem a as perguntas e poss vel estender o problema de m nimo do funcional energia F (u), colocado originalmente em DA , para o espa co energia HA ?; o m nimo de F (u) e o mesmo em ambos os espa cos?; Existindo o m nimo de F (u) em HA , a fun ca o que o minimiza satisfaz o problema de valor de contorno?. No que segue, limita-se a explica c ao ao caso de operadores A positivos limitados inferiormente. Para este caso, a resposta para todas as perguntas anteriores s ao armativas. De fato, dado A positivo limitado inferiormente, foi visto que o p.v.c. era equivalente a minimizar F (u) em DA , quer dizer:
uDA
min {F (u) = (u, Au) 2 (f, u)}
Agora bem, (u, Au) = u, u

A
de onde, do ponto de vista computacional, para passar ` a forma do segundo membro, integrou-se por partes quantas vezes necess ario e usou-se as condi co es de contorno. Logo, o problema anterior em HA corresponde a:
uDA
min F (u) = u
2 A
2 (f, u)
149
Para o caso em quest ao (A positivo limitado inferiormente) n ao e dif cil mostrar que F (u) est a limitado inferiormente em HA logo existe o m nimo de F (u) em HA e, por sua vez, este m nimo corresponde ` a solu c ao (ao menos no sentido generalizado) do problema de valor de contorno. O sentido de uma solu c ao generalizada quer dizer o seguinte: suponha u0 HA minimiza F (u), logo: u0 ,
A
(f, ) = 0, HA
e se u0 e sucientemente regular, a equa ca o anterior equivale a: (Au0 f, ) = 0, n HA Como pode-se notar, a condi ca o do m nimo da fun ca o e equivalente ` a condi ca o de ortogonalidade do res duo, ponto de partida do M etodo de Galerkin. Em outras palavras, j a esta se vendo que o M etodo de Galerkin e o M etodo de Ritz s ao coincidentes quando o operador e positivo denido limitado inferiormente. Do ponto de vista mec anico, o anterior equivale a dizer que o princ pio do Trabalho Virtual e equivalente ao Princ pio da M nima Energia quando este u ltimo existe. Com os elementos at e aqui apresentados, pode-se utilizar o M etodo de Ritz. Dado o problema de valor de contorno: Au = f em + c.c homog eneas Com A positivo limitado inferiormente, considere o problema do m nimo de F (u) em HA :
uHA
min {F (u) = u, u
2 (f, u)}
Para obter uma solu c ao aproximada do problema anterior, o M etodo de Ritz procede a: 1. Considere o conjunto {n } c oes coordenadas, completo em HA . n=1 , chamado de fun Do ponto de vista computacional, isto e equivalente a dizer que deve-se considerar um conjunto de fun c oes satisfazendo, pelo menos, todas as condi c oes principais e m1 devem ser de classe C (), onde m e a ordem da maior derivada presente no funcional.
n n 2. Para cada n nito, dena o espa co HA = Span {n } HA , ou seja se u HA logo: n
u=
k=1
a k k
3. Para cada n nito, substitua o problema do m nimo em HA pelo problema do m nimo n em HA de dimens ao nita. Quer dizer:
n un HA
min F (u) = un , un
2 (f, un )
150 que pode ser reescrito da seguinte forma:

n n
min F (ai ) =
ai
ai aj i , j
i,j =1
2
i=1
ai (f, i ) , i = 1, 2, . . . , n
Como se v e, trata-se de uma fun c ao real de n vari aveis reais ai (i = 1, 2, . . . , n). A condi ca o de m nimo implica que, F = ai
n
i , j
j =1
aj (f, i ) = 0
i = 1, 2, . . . , n
Chega-se, assim, a um sistema de equa co es alg ebricas com n inc ognitas cuja matriz K: K = [Kij ] = i , j A n ao e outra coisa que o Gramiano das fun co es coordenadas (linearmente independentes), logo o seu determinante n ao e nulo. Quer dizer, o sistema tem sempre solu ca o (e inclusive eu nica). Se designa-se com a c ao do sistema de equa c oes, a sequ encia: i , i = 1, 2, . . . , n a solu {un } n=1 onde: un =
i=1 n
a i i
chamada de solu c ao de Ritz de ordem n, e uma sequ encia minimizante para o funcional energia. Como consequ encia de ser uma sequ encia minimizante e por ser A positivo limitado inferiormente resulta: un u0 na energia un u0 na media onde u0 e a solu c ao do p.v.c. Como pode-se notar e igual aos m etodos j a estudados, o M etodo de Ritz requer uma deni c ao das fun co es coordenadas. Estas podem estar denidas em toda a regi ao dando lugar, em geral, ` a uma matriz cheia, ou podem ser de suporte compacto dando lugar ` a matrizes do tipo banda, sky-line ou esparsa. Por outro lado, os coecientes da matriz do sistema e do termo independente podem ser calculados de forma exata, quando poss vel, ou numericamente. Mostra-se, agora, alguns exemplos. Exemplo 5.9 Considere uma viga simplesmente apoiada com carga uniformemente distribu da (ver Figura 5.13).
151
Figura 5.13: Exemplo 5.9, Viga simplesmente apoiada com carga uniforme O problema de valor de contorno consiste em: EIu(4) = q x (0, L) u=0 para x = 0 e x = L (condi c ao de contorno principal) u =0 para x = 0 e x = L (condi ca o de contorno natural) Primeiramente, deve-se estudar a simetria do operador. Logo, dado u, v tais que satisfa cam as condi c oes de contorno resulta:
L
v, EIu(4) =
0 2
EI
L
d4 u d3 u L vdx = EI v| dx4 dx3 0

L
EI
0 L
d3 u dv dx dx3 dx
= EI
d u dv dx2 dx
+
0 0
EI
d ud v dx = dx2 dx2
EI
0
A express ao anterior e sim etrica em u e v , isto e, com as condi c oes de contorno estabelecidas o operador da viga resulta sim etrico. Tamb em, da express ao surge que e positivo denido. De fato: u, EIu
(4) L
=
0
EI
d2 u dx2
dx 0
d2 u Se u, EIu(4) = 0 2 = 0 u = cte. Da condi c ao de contorno em u, u = 0 em dx x = 0 e x = L resulta u 0. Do anterior o operador e positivo-denido. Pode-se demonstrar-se que o operador tamb em e limitado inferiormente. Do que foi apresentado, segue-se que o p.v.c. e equivalente a minimizar a fun c ao:
L
F (u) =
0
d4 u uEI 4 dx 2 dx
qudx =
0 0
EI
d2 u dx2
dx 2
0
qudx
O quarto passo consiste em determinar as fun c oes coordenadas de maneira a satisfazer somente as condi co es de contorno principais. Estas fun c oes podem ser: 1 = sin 3x nx x , 3 = sin , . . . n = sin L L L
152
de onde sup oe-se n mpar (como se ver a mais adiante os coecientes associados ` as fun c oes com n par resultar ao nulos). Tome un =
n L n
ai n. Tem-se, neste caso:

n L
i=1
F (ai ) =
i,j =1
ai aj EI
0
d2 i d2 j dx 2 dx2 dx2
ai
i=1 0
qi dx
Logo, da condi ca o do m nimo tem-se, F (aj ) =0= EI ai j =1,3,...

n L 0
d2 i d2 j dxaj q dx2 dx2
i dx = 0
0
para i = 1, 3, . . . , n. A express ao anterior pode ser reescrita como:

n
EI
j =1,3,...
i2 j 2 4 L4
sin
0
ix jx sin dx aj q L L
sin
0
ix dx = 0 para i = 1, 3, . . . L
Recordando que:
L
sin
0
ix L
sin
jx L
dx =
0
L 2
se i = j se i = j
a matriz do sistema resulta em uma matriz diagonal!. Por sua vez

L
sin(
0
ix )dx = L
0
2L i
i = 2, 4, .... i = 1, 3, ...
e cada equa ca o i- esima (i = 1, 3, 5 etc.) est a dada por: equa c ao i: de onde: EIi4 4 2L ai q =0 3 2L i
qL4 4 , i = 1, 3, . . . EI i5 5 Desta maneira a solu ca o de Ritz est a dada por: ai = u= Para o centro da viga qL4 4 EI 5 x= sin x 1 3x 1 5x + 5 sin + 5 sin ,... L 3 L 5 L
L , tem-se: 2 qL4 4 EI 5 1 1 1 + + ... 35 55
u|x = L =
2
5.3. M etodo de Ritz que e uma s erie convergente e cuja soma para n resulta: qL 5 = sol.exacta EI 384 qL4 = 0.013021 EI = Em particular, tomando um s o termo: u1 |x= L =
2
153
qL4 qL4 4 5 qL4 = = 0 , 013071 EI 5 EI 382, 5246 EI
para dois e tr es termos: u2 |x = L =

2
qL4 5 qL4 = 0, 013017 EI 384, 1053 EI qL4 5 qL4 = 0, 013021 EI 383, 9819 EI
u3 |x = L =
3
Observa c ao: Deve-se notar que nas fun c oes coordenadas n ao foram considerados ix os termos sin , i = 2, 4, . . . Porqu e? A resposta e obvia. Se tivessemos aplicando o L M etodo de Ritz, o termo independente associado ` a equa ca o i = 2, 4, . . . seria:
L L
q
0
i dx = q
0
ix L ix sin dx = q cos L i L
= 0, i = 2, 4, . . .
0
Logo o coeciente de Ritz associado seria ai = 0, i = 2, 4, . . .. Exemplo 5.10 Considere o problema da viga da Figura 5.14.
Figura 5.14: Exemplo 5.10. O problema de valor de contorno consiste em: EIu(4) = q em x (0, L) u (0) = u (0) = 0 (condi c oes de contorno principal) u (L) = u (L) = 0 (condi co es de contorno natural) Para aplicar Ritz, tem-se que conhecer o funcional energia. Por isso, estuda-se a simetria e positividade. Logo, dados u, v DA :
154
=
0
EI
2
d3 u L d4 u vdx = EI v| dx4 dx3 0

L L 2 2
EI
0
d3 u dv dx dx3 dx
L
= EI
d u dv dx2 dx
+
0 0
EI
d ud v dx = dx2 dx2
EI
0
observando-se, assim, a simetria em DA . Introduzindo o produto interno:

L
u, v v e-se que:
=
0
EI
d2 u = 0 u = cte A dx2 pela condi c ao de contorno u (0) se segue que u = 0 em (0, L) u = cte e novamente, da condi c ao u (0) = 0 u = 0, ou seja,: u, u 0 e = 0 se e somente se u, u
A
= (u, Au) 0
e igual a zero se e somente se u 0. Observe que dada a forma sim etrica u, v A sua positividade foi dependente somente das condi c oes de contorno u (0) e u (0) e da o nome de principais. Logo, a fun c ao energia ser a:
L
F (u) =
0
EI
d2 u dx2
dx 2
0
qudx
denido no campo de fun c oes cont nuas com derivadas primeiras cont nuas quadrado integr aveis e com derivadas segunda ao menos quadrado integr aveis e que satisfazem as condi c oes de contorno u (0) = u (0) = 0. Este espa co foi chamado de HA . O m etodo de Ritz consistir a em denir um conjunto de fun c oes coordenadas completo em HA , que devem ser ao menos de classe C 1 e satisfazer as condi c oes de contorno principais. Fun c oes coordenadas denidas em todo (0, L): considere-se fun c oes polinominais. Tem-se, assim:
u = a0 +
i=1
a i xi
devendo satisfazer:
u (0) = 0
a0 = 0, logo u =
i=1
ai xi ai xi
i=2
u (0) = 0 a1 = 0
logo u =
5.3. M etodo de Ritz Logo, as fun c oes coordenadas s ao: 1 = x2 , 2 = x3 , . . . ,etc

1 Tomando HA = Span {x2 } e aplicando o M etodo de Ritz temos: L
155
F (a1 ) =
L 0
EI 4a2 1 dx
a1 x2
dx 2q
0
a1 x2 dx
= EI
0
L3 L3 2qa1 2 qa = 4EILa2 1 1 3 3
A condi c ao de m nimo conduz a: dF 2 = 8EILa1 qL3 = 0 da1 3 logo: a1 = A primeira solu ca o aproximada ser a: u1 (x) = a1 x2 = de onde, 1 qL2 2 x 12 EI 1 qL2 12 EI
1 qL2 12 EI Tomando as fun co es coordenadas 1 e 2 e em forma matricial temos u1 (L) =

L
K11 = EI
0 L
(1 ) dx = 4EIL (2 ) dx = 12EIL3 1 2 dx = 6EIL2

2
K22 = EI
0 L
K12 = EI
0 L
f1 = q f1 O sistema resulta assim,
1 1 dx = qL3 3 0 L 1 = q 2 dx = qL4 4 0 1 3 = 3 L qL 4
EIL
4 6L sim. 12L
a1 a2
156 A solu c ao do sistema conduz a: a1 = e a solu ca o aproximada ser a: u2 (x) = e o deslocamento em x = L resulta: u2 (L) = A solu c ao exata e: u(x) = que, para x = L corresponde a: q 2EI 1 qL4 8 EI
5 qL2 1 qL 3 a2 = x 24 EI 12 EI
1 qL 3 5 qL2 2 x x 24 EI 12 EI
L2 x2 Lx3 x4 + 2 3 12
1 qL4 8 EI Observa-se que somente apenas dois termos j a permite obter uma boa aproxima c ao da solu c ao. Entretanto, quando deriva-se a solu c ao aproximada na procura dos momentos, por exemplo, a ordem de aproxima c ao cai. De fato: u (L) = M2 |x=0 = EI d2 u 10 |x=0 = qL2 = 0.4167qL2 2 dx 24
sendo que a solu ca o exata corresponde a: M |x=0 = 0.5qL2 Deve-se observar que toda deriva ca o induzir a` a uma perda de aproxima ca o. Da a necessidade de trabalhar com formula co es duais, isto e, formula c oes que permitem trabalhar com esfor cos (em lugar de deslocamentos) como inc ognitas do problema. Fun c oes de Suporte Compacto: Estuda-se o mesmo problema, por em com fun co es de suporte compacto. o funcional est a denido no espa co de Hilbert de onde as fun co es s ao cont nuas conjuntamente com sua derivada primeira sendo as derivadas segundas quadrado integr aveis. Logo, as fun co es coordenadas dever ao ser de suporte compacto e tais que assegurem a continuidade da fun c ao e de sua derivada primeira. Para deni-las, procede-se, primeiramente, em dividir o intervalo (0, L). A parti ca o i coloca em evid encia uma s erie de pontos. A cada ponto i corresponder a as fun c oes 0 (x) i e 1 denidas da seguinte maneira: / (xi1 , xi+1 ) 0 em x i 0 em x = xi1 , x = xi+1 0 = 1 em x = xi
5.3. M etodo de Ritz i 0 = dx i 1 = 0 em x / (xi1 , xi+1 ) 0 em x = xi1 , xi , xi+1 em x / (xi1 , xi+1 ) em x = xi1 , xi , xi+1 em x / (xi1 , xi+1 ) em x = xi1 , xi+1 em x = xi
157
0 0 0 i 1 0 = dx 1
A Figura 5.15 representa estas fun c oes que n ao s ao outra coisa que os polin omios c ubicos de Hermit. Recorde o leitor que os polin omios de Hermit permitem interpolar fun c oes garantindo, para o exemplo que nos ocupa, a continuidade da fun ca o e de sua primeira derivada. Temos, assim, que uma fun c ao arbitr aria do espa co obtido pelas combina c oes lineares destas fun co es toma a forma
N
u =
i=1
i i i ai 0 0 (x) + a1 1 (x)
(5.10)
Figura 5.15: Fun co es de interpola ca o de suporte compacto. Entretanto, as fun c oes de interpola c ao associadas a cada n o i podem ser vistas como a uni ao de fun co es de interpola ca o denidas em cada subregi ao colocada em evid encia a quando da parti ca o (Figura 5.16). Neste caso, a fun ca o u pode ser re-escrita da seguinte maneira
N N
ua =
e=1
u(e) =
e=1
b0 0 (x) + b1 1 (x) + b0 0 (x) + b1 1 (x)
1(e) 1(e)
1(e) 1(e)
2(e) 2(e)
2(e) 2(e)
(5.11)
onde com o super- ndice 1 ou 2 desejamos indicar, respectivamente, o primeiro n o e o segundo n o da regi ao (elemento nito) e. As express oes (5.10) e (5.11) s ao equivalentes se ai 0 ai 0 i a1 ai 1 = = = = b1 0 b2 0 1 b1 b2 1 se se se se o o o o n o n o n o n o 1 2 1 2 da da da da regi ao regi ao regi ao regi ao e e e e coincide coincide coincide coincide com com com com o o o o n o n o n o n o xi xi xi xi
158
Figura 5.16: Contribui ca o da regi ao e nas fun co es de interpola ca o de suporte compacto.
5.3.4
Condi c oes de Contorno Homog eneas
At e aqui foi apresentado como denir o funcional a minimizar quando as condi co es de contorno eram do tipo homog eneas. Dene-se, agora, o funcional associado quando as condi c oes de contorno s ao n ao-homog eneas. Para isso, considere a equa ca o: Au = f em (5.12)
onde A e, por exemplo, um operador linear diferencial que cont em derivadas at e a ordem k . Como campo de deni ca o deste operador, toma-se o conjunto de todas as fun co es com derivadas cont nuas de ordem 1, 2, . . . , k 1 com derivada cont nua por parte de ordem k = S. no dom nio fechado Suponha agora que a equa c ao (5.12) deve ser integrada sob as condi co es de contorno G1 u|S = g1 , G2 u|S = g2 , Gr u|S = gr , (5.13)
onde G1 , G2 , . . . , Gr s ao operadores lineares, g1 , g2 , . . . , gr s ao fun c oes conhecidas denidas em S . Observa-se que o n umero de condi co es de contorno e determinado pela ordem da equa c ao (5.12) e tamb em depende se o campo u e escalar vetorial, etc. Com estes elementos assim denidos temos que DA est a dado pelo conjunto de fun co es com as propriedades anteriormente mencionadas e ainda que satisfazem as condi co es de contorno anteriores. A determina ca o do funcional energia equivalente ao problema anterior, (5.12)-(5.13), ser a realizada dentro da seguinte hip otese. Hip otese: Existe uma fun ca o que conjuntamente com suas derivadas at e a ordem e cujas derivadas de ordem k s k 1 inclusive e cont nua em ao cont nuas por parte em e que satisfazem as condi c oes de contorno do problema: G1 |S = g1 , G2 |S = g2 , Gr |S = gr , (5.14)
Admitindo a hip otese anterior, tem-se DA e para toda u DA pode-se denir uma outra fun c ao v dada pela transforama ca o: u =v
5.3. M etodo de Ritz Observa-se facilmente que: u = + v, v MDA
159
onde MDA e o e.v. associado ` a variedade linear DA . Em particular, se u e a solu c ao do problema de valor de contorno (5.12)-(5.13), seu correspondente v satisfaz: Av = f em , f = f A com as condi c oes de contorno homog eneas: G1 v |S = 0, G2 v |S = 0, Gr v |S = 0, (5.16) (5.15)
Agora, se nosso operador A e positivo-denido para o conjunto de fun co es que satisfazem as condi c oes de contorno (5.16), tem-se, de acordo com o que j a foi visto (teorema do m nimo da fun ca o energia), que o problema (5.15)-(5.16) e equivalente a determinar a fun ca o v que dentro do conjunto de fun co es satisfazem (5.16), minimizam o funcional: F (v ) = (v, Av ) 2 (f , v ) , v MDA (5.17)
Para-se, aqui, um momento a m de direcionar ao leitor para onde deseja-se caminhar. O problema (5.12)-(5.13) corresponde ` as condi co es de contorno n ao-homog eneas. Logo, n ao e poss vel estabelecer o funcional energia associado. Observe que tem sido deduzido esta fun ca o somente para o caso de condi co es homog eneas. Admitindo, justamente, a exist encia da fun ca o foi introduzido uma troca de vari aveis, u = v , a qual introduzida em (5.12)-(5.13) permite reescrever este problema em outro (5.15)-(5.16) associado ` as condi c oes de contorno homog eneas. Logo, pode-se denir o funcional energia, express ao (5.17). Para denir (5.17) em termos de u ser a suciente substituir em (5.17) v = u . Logo: F (v ) = F (u ) = (Au A, u ) 2 (u , f A ) = = (Au, u) 2 (u, f ) + (u, A ) (, Au) + 2 (, f ) (, A) Agora , o termo (u, A ) (, Au) atrav es de integra c oes por parte pode escrever-se com uma integral de superf cie, quer dizer: (u, A ) (, Au) =
S
R (u, ) dS
A express ao R (u, ) depende da forma do operador A. Fazendo uso das condi co es de contorno (5.13)-(5.14), comumente e poss ovel reescrever R (u, ) na forma: R (u, ) = N (u, g1 , . . . , gr ) + M ( )
160
onde N depende somente de u e das fun co es (conhecidas) g1 , g2 , . . . , gr . M n ao depende de u e s o depende de . Logo, o funcional F (v ) pode reescrever-se como: F (v ) = (Au, u) 2 (f, u) +
S
N (u, gi ) dS + 2 (, f ) (, A) +
S
M ( ) dS
A express ao entre colchetes e uma constante j a que n ao depende de u. Logo, o m nimo de F (v ) e equivalente a minimizar o funcional: (u) = (Au, u) 2 (f, u) +
S
N (u, gi ) dS
(5.18)
dentro do conjunto de fun co es DA . Este e o funcional que foi proposto determinar quando come cou-se esta sec ca o. Observa c ao: Deve-se notar que o funcional (5.18) pode construir-se sem a necessidade de conhecer a fun c ao . No entanto, para que o m nimo de (5.18) tenha sentido e necess ario que a fun ca o exista. Por u ltimo, observa-se que para a minimiza c ao do funcional (5.18), algumas das condi c oes de contorno (5.13) podem ser naturais. Tendo isto presente, o m nimo de (5.18), pode-se procurar num espa co mais amplo onde a forma sim etrica (u, Au) e substitu da por u, u A e onde s o e preciso satisfazer as condi co es de contorno principais. Na continua ca o, alguns exemplos ser ao apresentados. Exemplo 5.11 Considere o problema de integrar a equa c ao de Laplace: 2 u = 0 com a condi ca o de contorno n ao-homog enea: u|S = g (5.20) em (5.19)
Para determinar o funcional associado a (5.19)-(5.20), procede-se como indicado nesta sec c ao. Admite-se a exist encia da fun c ao cont nua com derivadas primeiras in tegr aveis em tal que: |S = g (5.21) Da troca de vari avel: u=v+ resulta: 2 v = 2 , em com a condi ca o homog enea de contorno: v |S = 0 (5.23) (5.22)
161
Mostra-se agora que o operador 2 e positivo-denido no conjunto de fun c oes sucientemente regulares satisfazendo (5.23). De fato: v, 2 v =
2v 2v + x2 y 2
Integrando por parte e usando a condi c ao (5.23), tem-se: v, v =

2
2v x2
2v y 2
d 0, e = 0 se e somente se v 0
Desta maneira, o funcional associado a (5.22)-(5.23) resulta: F (v ) = v, 2 v 2 v, 2 Substituindo v = u em (5.24) obt em-se: F (u) = u, 2 u + , 2 u u, 2 + , 2 (5.25) (5.24)
O segundo e o terceiro termo do segundo membro resultam (integrando por parte e usando (5.20) e 5.21)): , 2 u u, 2 =
S
u u n n
dS =
S
u dS n
g
S
dS n
O integrando do segundo membro corresponde a R (u, ). Em particular: N (u, gi ) = g Substituindo em (5.25) tem-se: F (u) = u, 2 u +
S
u , n
M ( ) = g
u dS + n
, 2
S
dS n
Como j a foi dito, o termo entre as chaves e somente fun c ao de . Logo, o problema do m nimo de F (u) e equivalente ao problema do m nimo de (u): (u) = u, 2 u +
S
u dS n
(5.26)
Integrando por parte o primeiro termo do segundo membro e utilizando a equa c ao (5.20) obt em-se: 2 2 u u + d (u) = (5.27) x y Deve-se notar que ao passar da equa c ao (5.26) para (5.27), ampliou-se o dom nio da fun c ao (u). Em (5.27), as fun c oes que satisfazem (5.20) s ao cont nuas com derivadas primeira quadrado integr aveis.
162
Exerc cio 5.9 Determine o funcional cujo m nimo seja equivalente a integrar o seguinte problema de valor de contorno: 2 u em u = h em S n S conhecido como problema de Neumann. Qual e o conjunto onde o m nimo desta funcional est a denido?. A condi c ao de contorno n ao-homog enea e uma condi c ao natural ou principal? At e aqui tem-se resolvido o problema de determinar o funcional a minimizar equivalente ao problema de valor de contorno (linear) n ao-homog eneo. Para determinar uma solu c ao aproximada do m nimo deste funcional, pode-se recorrer ao M etodo de Ritz. Sem d uvidas, o problema de determinar as fun co es coordenadas se complica em virtude de que o conjunto onde o funcional est a denido n ao e um espa co vetorial. Na realidade, o que o M etodo de Ritz prop oe e trabalhar com fun c oes coordenadas densas no espa co das fun c oes v da transforma c ao u = v + . Em outras palavras, o m etodo consiste em: Considere {i } co energia associado ` as fun c oes v da transforma ca o i=1 denso no espa u = v + . Quer dizer que i satisfazem as condi c oes de contorno homog eneas. Para cada n nito {i }n ao linearmente independentes. i=1 s Para cada n nito, tome como aproximante de u a combina c ao: un = ai i +
O m nimo de F (un ) e equivalente ao m nimo da fun c ao F (a1 , a2 , . . . , an ) logo, os coecientes a , que satisfazem ao sistema de equa c o es: i F = 0, i = 1, 2, . . . , n ai s ao, segundo j a visto, os coecientes de Ritz que determinam a solu ca o aproximada:
n
u n
=
i=1
a i i +
que e a melhor aproxima c ao da solu ca o u, no sentido da norma energia, de todas as combina co es un . Aparentemente, o problema segue sendo equivalente ao caso de condi co es homog eneas. Sem d uvidas, agora, o problema est a em determinar ou, em outras palavras, fazer que un satisfa ca as condi co es de contorno.
163
Este problema e dif cil de resolver e, ` a medida que a dimens ao do espa co onde est a imerso aumenta, o problema se faz cada vez mais dif cil. Outro aspecto que complica enormemente satisfazer as condi c oes de contorno e a forma do contorno. Para solucionar esta diculdade distintas t ecnicas t em sido desenvolvidas. Uma das mais conhecidas e a de trabalhar com funcionais extendidos. Basicamente o que se procura com estes funcionais e que as condi co es de contorno principais n ao homog eneas do primitivo funcional passem a ser condi c oes naturais do novo funcional (ver R. A. Feij oo, Aplica c ao do M etodo de Ritz a Funcionais Relajados em Mec anica dos S olidos , M.Sc. Tese, COPPE, 1973). Por u ltimo, deve-se ressaltar que as condi co es de contorno s ao mais facil de satisfazer quando se trabalha com fun co es localmente suportadas. Exerc cio 5.10 Considere o problema de distribui c ao de temperatura na placa da Figura 5.17.
Figura 5.17: Exerc cio 5.10 O problema de valor de contorno associado e: x T = kx T x + y ky T y = 0 em
0 100
em y = 0, x = 0 e y = b em x = a
Determine o funcional F (T ) cujo m nimo corresponde a um um campo T solu c ao do problema anterior. kx e ky s ao os coecientes de condutividade t ermica segundo x e y . Exerc cio 5.11 Considere o problema de condu c ao de calor no tubo circular innito da Figura 5.18. Denotam-se as temperaturas interna e externa como T1 e T2 , respectivamente. Em coordenadas cil ndricas, o problema est a governado pelo seguinte problema de valor de contorno: 1 dT d2 T + = 0, em r (Ri , Re ) dr2 r dr T |r=Ri = T1 , T |r=R2 = T2 donde Ri e o raio interno e Re o raio externo. Determine:
164
Figura 5.18: Exerc cio 5.11. 1. o funcional associado. Comente o espa co no qual est a denido. 2. determine uma solu c ao aproximada via Ritz, supondo T1 = 0 C , T2 = 100 C , Ri = 9, Re = 12. Tome como fun c ao de aproxima c ao: ua = onde 1 = (r Ri ) (r Re ). 3. compare com a solu c ao exata: T = T1 + T2 T1 r ln Re Ri ln Ri r Ri T2 + a1 1 = + a1 1 Re Ri
4. dena quais s ao as fun c oes 2 , 3 ,. . .. Exerc cio 5.12 Considere o mesmo problema anterior, por em adote as fun c oes coordenadas localmente suportadas indicadas na Figura 5.19.
Figura 5.19: Exerc cio 5.12. A fun c ao de aproxima c ao est a dada por: un = a1 1 + a2 2 + 1003 Compare com a solu c ao aproximada.
5.4. M etodo de M nimos Quadrados Exerc cio 5.13 Considere a equa c ao de Poisson no ret angulo da Figura 5.20. 2u 2u + =2 x2 y 2 com as condi co es de contorno u = 0 em S
165
Figura 5.20: Exerc cio 5.13. Determine: 1. O funcional associado a este problema. 2. Calcule a solu c ao de Ritz para a aproxima c ao: u(1) = a1 a2 x2 3. Calcule a solu c ao de Ritz para: u(2) = a1 + a2 x2 + a3 y 2 4. Compare e comente os resultados. a 2 x2 b2 y 2 b2 y 2
5.4
M etodo de M nimos Quadrados
Como pode-se notar, para aplicar o M etodo de Ritz a um determinado problema de valor de contorno foi necess ario admitir que o operador diferencial A era sim etrico positivodenido. Se o operador n ao satisfaz estas restri c oes, n ao se pode aplicar o m etodo. Existe, entretanto, outra formula c ao variacional, conhecida com o nome de M nimos Quadrados que permite atender este tipo de problema.
166
Para isso, dene-se em DA o seguinte produto interno: u, v gerando a norma: u, v

A,A A,A
AuAud
1 2
= u
A,A
Denida a norma anterior, pode-se colocar o problema de determinar a melhor aproxima c ao para a solu c ao u0 do p.v.c., com respeito ` a norma A,A . Em outras palavras, u0 minimiza o funcional F (u) = u u0 A,A O problema anterior pode ser reescrito como: F (u) = u u0 , u u0
A,A
= Au f, Au f = r, r =
r2 d
onde r e o res duo. O funcional anterior pode ser reescrito como F (u) = u, u
A,A
2 u, u0
A,A
+ u0 , u 0
A,A
Novamente, para obter uma solu ca o aproximada, considera-se as fun co es coordenadas de maneira tal que:
n
un =
i=1
ai i
onde i deve ser sucientemente regular como para garantir que Aun tenha sentido. Por outro lado, un deve satisfazer as condi c oes de contorno. Substituindo esta aproxima ca o no problema do m nimo tem-se:
n n
F (ai ) =
j,k=1
j , k
A,A
aj ak 2
j =1
j , f
aj
A condi ca o do m nimo leva a: F = ai

n
j , k
j =1
A,A
aj = (Aj , f ) , i = 1, 2, . . . , n
A express ao anterior pode ser reescrita como, F = ai de onde : (Aun f, Ai ) = 0, i = 1, 2, . . . , n

n
A
j =1
aj j Ai
(Aj , f ) = 0, i = 1, 2, . . . , n
5.4. M etodo de M nimos Quadrados
167
dizendo que o res duo e ortogonal ao conjunto de fun c oes coordenadas Ai , i = 1, 2, . . . , n. Tem-se, assim, que o M etodo de M nimos Quadrados e equivalente ao M etodo de Galerkin. Por outro lado, a matriz do sistema resulta sim etrica positiva-denida. Agora bem, ganha-se no que se refere a positividade e simetria, mas perde-se em outro aspecto importante. O leitor poder a notar que as fun c oes i devem ser mais regulares de maneira que o produto: Ai Aj d
tenha sentido. Exemplo 5.12 Considere o problema da viga em balan co j a estudado anteriormente. A Figura 5.21 nos indica as caracter sticas geom etricas e de carga.
Figura 5.21: Exemplo 5.12. O problema de valor de contorno consiste em: d4 u q = em x (0, L) 4 dx EI com as condi co es de contorno: u (0) = u (0) = 0, u (L) = u (L) = 0 Para aplicar o M etodo dos Quadrados M nimos, denem-se as fun c oes coordenadas i . Estas fun c oes devem satisfazer todas as condi c oes de contorno e, por outro lado, devem ser de tal grau de continuidade que assegure que: j d Ai A
tenha sentido, quer dizer, seja limitado. Neste exemplo, limita-se ao caso de polin omios denidos em todo (0, L). Tome, por exemplo, a seguinte aproxima c ao: ua = a1 1 = a1 6 A fun c ao 1 e tal que: 1 (0) = 1 (0) = 0; 1 (L) = 1 (L) = 0 x3 x4 x2 4 + L2 L3 L4
168
satisfazendo as condi c oes de contorno e, portanto, e uma fun c ao admiss vel para o problema. Tem-se, assim:
L
F (a1 ) =
0
(A1 )2 dxa2 12
(A1 )
0 2
q dxa1 = EI 24 L4
2
24 L4
La2 12
24 L4
q a1 EI
onde:
dF = da1
24 L4
2La1 2
q =0 EI
portanto:
1 qL4 24 EI O M etodo dos M nimos Quadrados conduz ` a solu c ao aproximada:. a1 = ua = 1 qL4 24 EI 6 x2

2
x3 x4 + L3 L4
1 q 2 EI
L2 x2 Lx3 x4 + 2 3 12
que n ao e outra coisa que a pr opria solu c ao exata.
5.5
Conclus oes
Ao longo deste cap tulo, apresentou-se uma s erie de m etodos que permitem determinar uma solu ca o aproximada de um dado problema de valor de contorno. Foi poss vel apreciar que o M etodo de Ritz recai no M etodo de Galerkin. Este u ltimo m etodo e mais geral que o de Ritz j a que n ao requer a exist encia do funcional a minimizar. Por sua vez, n ao e dif cil estender o m etodo a problemas n ao lineares. Tamb em foi visto que o M etodo dos M nimos Quadrados e um caso particular do M etodo dos Res duos Ponderados, fazendo que o res duo seja ortogonal ` as fun co es bases Ai , i = 1, 2, . . . , etc. Agora bem, em todos estes m etodos a caracter stica geral e a deni ca o das fun co es coordenadas que, em geral, foram denotadas por {i } . Para cada m e todo, estas fun c oes i=1 dever ao satisfazer adequadas condi c oes de regularidade e, por sua vez, dever ao satisfazer parte ou todas as condi co es de contorno. A constru c ao destas fun c oes e uma das tarefas mais dif ceis destes m etodos e na escolha das mesmas est a concentrada grande parte do sucesso do m etodo. Em todos os casos (Coloca c ao, Galerkin, Ritz, M nimos Quadrados) uma vez introduzidas estas fun c oes coordenadas, chegou-se a um sistema de equa c oes alg ebricas cuja solu c ao determina o valor dos coecientes da combina ca o de fun co es i que melhor se aproxima da solu ca o exata. Como se sabe, o comportamento num erico da solu ca o do sistema depende do chamado n umero P da matriz do sistema. Em geral, quando as fun co es bases est ao denidas em toda a regi ao, a matriz do sistema e cheia e o condicionamento num erico tende a deteriorarse a medida que o n umero de equa co es aumenta.
5.5. Conclus oes
169
Esta tend encia pode diminuir e muitas vezes eliminar-se por completo quando trabalhase com fun co es coordenadas localmente suportadas. Em particular, o M etodo de Elemento Finitos se constitui em um m etodo sistem atico, e simples, para a constru ca o dessas fun co es coordenadas. Em outras palavras, o M etodo de Elemento Finitos fornecer a unicamente as fun c oes bases ou coordenadas e posteriromente, para a obten c ao da solu c ao aproximada, aplica-se alguns dos m etodos estudados.
170
Parte III O C alculo Variacional na Mec anica
171
Cap tulo 6 A Formula c ao Variacional

6.1 Introdu c ao
Veremos, neste cap tulo, a import ancia que a Formula ca o Variacional assume na modelagem dos problemas de Mec anica, mais ainda, poder-se-` a concluir ser esta uma formula c ao de car ater natural para os problemas que iremos tratar. O uso da Formula c ao Variacional permite-nos colocar numa u nica express ao todos os elementos relevantes ao problema que se est a analisando, tais como: as equa co es de equil brio, as condi c oes de contorno, as equa co es constitutivas, as condi c oes de discontinuidade. Mais ainda, ela e capaz de fornecer, de maneira natural, o tipo de condi ca o de contorno compat vel com o modelo estudado. Outra grande vantagem no seu uso est a no fato de nos sugerir o m etodo de resolu c ao que devemos empregar. Estes m etodos, conhecidos com o nome de M etodos Variacionais s ao, muitas vezes, de f acil implementa ca o computacional, alguns deles prestando-se para a resolu ca o de problemas com as mais variadas e complexas geometrias. Neste cap tulo iremos analizar a cinem atica dos meios cont nuos como ponto de partida para o estabelecimento do nosso modelo, o conceito de esfor cos, externos e internos, ao qual um corpo poder a estar submetido, os conceitos de equil brio e compatibilidade dentro do enfoque variacional, mostrando que as leis de Newton s ao uma consequ encia do Princ pio das Pot encias Virtuais se o admitirmos como um Princ pio Fundamental. Ou ltimo ir a caracterizar perfeitamente as duas formas de tratamento dos problemas em Mec anica: a que denominamos cl assica e a variacional. A primeira e caracterizada pelo conhecimento de um ente abstrato denominado for ca pertencente a um campo vetorial e sendo a Lei de Newton o princ pio fundamental no qual iremos basear toda a teoria mec anica constru da ` a partir da . No segundo enfoque, estaremos nos baseando no estudo de um funcional linear nos campos de deslocamento, ou seja, de uma fun c ao de vetores em n umeros reais correspondente a uma medida da Pot encia associada com o deslocamento do nosso corpo. O anterior n ao passa de uma formaliza ca o daquilo que somos obrigados a fazer sempre que desejamos saber o quanto alguma coisa se op oe ao movimento que lhe desejamos efetuar. Assim e que, para sabermos o quanto pesa uma mala, realizamos uma s erie de experi encias: primeiro a levantamos e notamos que existe uma pot encia 173
174
Cap tulo 6. A Formula c ao Variacional
dispendida nesse movimento (isto pode ser visto pelo quanto suamos!), depois a movimentamos no sentido horizontal e notamos que n ao foi dispendido nenhum esfor co nessa a c ao de movimento (suposto eliminado o atrito) assim, por simples averigua ca o de como se comporta essa fun ca o somos capazes de dizer que existe um vetor, denominado peso do corpo com dire c ao normal ao plano do ch ao e intensidade medida atrav es da pot encia dispendida numa a c ao de movimento virtual. Por tudo isto, vemos que a u ltima maneira de denir os esfor cos e mais natural que a primeira, j a que vem a expressar uma realidade mec anica que vivemos no diaadia.
6.2
6.2.1
Cinem atica
Deforma c oes
Todo corpo tem como caracter stica f sica o fato de ocupar regi oes do espa co euclidiano E . Apesar de um corpo poder ocupar diferentes regi oes do espa co em instantes diferentes, nenhuma delas dene o corpo, se bem que podemos selecionar uma qualquer destas regi oes, a qual designaremos por B , e estabelecer uma correspond encia biun voca entre os pontos x ocupados pelas part culas do corpo em qualquer instante e os pontos X ocupados na regi ao de refer encia B . Assim estaremos identicando uma part cula do corpo com o lugar ocupado por ela em B . Portanto um corpo passa a ser formalmente uma regi ao (inclusive pode ser n ao limitada) B de E . Esta regi ao B recebe a denomina ca o de congura c ao de refer encia e, por deni c ao, para um mesmo corpo podemos adotar diferentes congura c oes de refer encia. E claro que esta ser a adotada de forma a facilitar a an alise do problema a que nos propomos resolver. Denimos tamb em os pontos X E chamados pontos materiais e as subregi oes de B como as partes de B . Como um corpo pode ocupar diferentes regi oes, torna-se necess aria a introdu c ao de um par ametro, aqui designado por t [t0 , tf ] que ir a nos associar ` a uma congura c ao Bt do corpo. Vale aqui ressaltar que t n ao e necessariamente o tempo em todos os problemas. Das deni co es anteriores, pode-se partir agora no sentido de estudar a deforma c ao de um corpo. Dizemos que um corpo se deforma, se ele parte de uma congura c ao B para uma congura ca o Bt , sendo portanto caracterizada uma aplica ca o Xt : B B t X x = Xt (X ). (6.1)
Entretanto, esta aplica ca o deve possuir algumas propriedades para caracterizar o que denominamos deforma c ao. Assim, torna-se necess ario impor que n ao haja interpenetra c ao de material, o que matematicamente signica que Xt e biun voca. Tamb em devemos evitar que um corpo de volume n ao-nulo possa, atrav es de uma aplica ca o cont nua, passar a um volume nulo depois da deforma ca o, o que signica termos det Xt > 0 t, (6.2)
6.2. Cinem atica
175
Figura 6.1: Deforma ca o. j a que det Xt est a associado ` a mudan ca de volume (ver [Gur81, Gur72]). Temos assim que por deforma c ao de um corpo ao passar da congura c ao B para Bt ser a entendida a aplica ca o 6.1 que e biun voca e satisfaz det Xt (X ) > 0 X B , Xt (B ) = Bt , X t ( B ) = Bt , onde o s mbolo de derivada parcial designa a fronteira de uma regi ao. Esta deforma ca o pode ser materializada atrav es de um campo vetorial denido ` a partir das posi c oes que ocupa uma part cula antes e depois da deforma c ao, sendo este campo denido sobre todos os pontos do corpo B , como mostrado na Figura 6.1. Temos assim que x = Xt (X ) (6.4) ut = ut (X ) = x X, por tanto x = X + ut (X ). (6.5) Este campo ut e denominado campo de deslocamentos relativo a congura c ao B . E claro que o campo ut dever a satisfazer certas restri c oes que garantam que 6.3 seja verdadeira. Denimos agora o tensor Ft , o gradiente da deforma ca o, dado por Ft = Xt = X + ut = I + ut (6.6) (6.3)
onde I denota o tensor identidade. Diremos que uma deforma ca o X e homog enea se seu gradiente e constante. Assim, toda deforma ca o homog enea admite a seguinte representa c ao ([Gur81, p ags. 3536]) X (X ) = X (Xo ) + F (X Xo ) X, Xo B (6.7)
176 onde F = X .
Iremos agora classicar dois tipos de deforma c oes homog eneas que nos ser ao u teis mais adiante. Dizemos que X e uma transla c ao se X (X ) = X + u (6.8)
onde u e um vetor constante que mede a transla ca o. Dizemos que X e uma rota c ao ao redor do ponto xo Xo se X (X ) = Xo + R(X Xo ) (6.9) onde R e um tensor de rota c ao constante (isto e, R Skw+ ). Suponhamos agora que X n ao seja homog enea e seja dada uma vizinhan ca sucientemente pequena de Xo B arbitr aria, assim X (X ) = X (Xo ) + X (Xo )(X Xo ) + o(X Xo ) = X (Xo ) + F (Xo )(X Xo ) + o(X Xo ).
(6.10)
Do anterior podemos concluir que na vizinhan ca de um ponto Xo toda deforma c ao e, com um erro de ordem o(X Xo ), uma deforma c ao homog enea. Procuremos agora determinar uma medida da deforma ca o, para tanto, seja X = Xo + dX o que em 6.10 nos dar a (ver Figura 6.1) dx = X (Xo )dX = F dX e, portanto, dx dx = F dX F dX = F T F dX dX. (6.12) Logo, uma medida da deforma ca o da bra dX ao passar para a congura ca o deformada dx ser a dada por dx dx dX dX = (F T F I )dX dX = 2EdX dX onde (6.13) (6.11)
1 1 E = (F T F I ) = (u + uT + uT u) (6.14) 2 2 e denominado tensor de deforma c ao de Green. At e aqui foi adotada uma descri ca o da deforma c ao conhecida como descri c ao Lagrangeana onde nos preocupamos em acompanhar o ponto material X na sua trajet oria. 1 Dadas as propriedades da deforma c ao 6.1, se segue que existe X , sucientemente regular, logo podemos distinguir o ponto x j a que ` a medida que t varia x passa a ser o lugar ocupado por distintos pontos materiais X . A este tipo de descri c ao denominamos euleriana ou espacial e, procedendo da mesma forma que na descri c ao Lagrangeana, teremos que (6.15) X = x ut (x),
6.2. Cinem atica dX = F 1 dx, F

1
177 (6.16) (6.17)
= grad X
(x) = grad X (x) = I grad u(x)
onde grad e o gradiente com respeito ` a vari avel espacial x. Teremos, nalmente que dx dx dX dX = (I F T F 1 )dx dx dx = 2Edx (6.18)
onde E e conhecido como tensor de deforma c ao de Almansi e, em fun ca o do campo de deslocamentos ut 1 , estar a dado por = 1 (grad uT + grad u grad uT grad u). E 2 (6.19)
Se agora supormos que os deslocamentos e seus gradientes s ao sucientemente pequenos, ou seja (6.20) ut , ut e grad ut < onde > 0 e sucientemente pequeno teremos que ser a poss vel desprezar os termos de T T maior ordem dados por u u ou grad u grad u frente aos termos lineares u e grad u e, mais ainda, se igualarmos os termos ` a direita de 6.13 e de 6.18 encontraremos dx = (EF dX ) (F dX ) EdX dX = Edx dX dX = F T EF = (I + uT )E ( I + u) E = F T EF + uT E +E u + uT E u = E + o(E ) = E mostrando que, sob tais hip oteses, os tensores de Green e de Almansi diferem por termos de ordem superior.Se agora desprezarmos tais termos chegaremos ` a conclus ao de que = grad, ou seja, os gradientes espacial e material coincidem e portanto = 1 (u + uT ), E=E 2 (6.21)
conhecido como tensor de deforma c ao innitesimal. No que segue, limitaremos nossa an alise a problemas em que consideramos apenas deforma co es innitesimais. Dizemos que uma deforma c ao X e r gida se a medida de deforma ca o, dada pelo tensor T E , for nula. O u ltimo implica que u = u , ou seja, o gradiente do campo de deslocamentos correspondente a uma deforma ca o r gida e um campo tensorial antisim etrico. O anterior nos permite introduzir a seguinte deni c ao: um campo de deslocamento innitesimal se diz r gido se seu gradiente e constante e antisim etrico, o que nos conduz a u(X ) = u(Xo ) + W (X Xo ) X, Xo B ,
1
(6.22)
Aqui cabe ressaltar que estamos considerando a descri c ao espacial do campo de deslocamentos, por isso temos ut = ut (x).
178
onde W e um tensor constante e antisim etrico. Se agora zermos uso do vetor axial de W , representado aqui por w, o anterior equivale a (ver [Fei78, p ag. 18]) u(X ) = u(Xo ) + w (X Xo ) X, Xo B . Notamos que [u(X ) u(Xo )] (X Xo ) = W (X Xo ) (X Xo ) = W (X Xo ) (X Xo ) = 0 (6.24) pois W e antisim etrico, logo u(X ) u(Xo ) X Xo . (6.25) (6.23)
Em outras palavras, o deslocamento de X relativo ao de Xo e ortogonal ao vetor X Xo para toda deforma c ao r gida.
6.2.2
Movimento. Taxa de Deforma c ao

X : B [t0 , tf ] E X (X, t) x
Deniremos o movimento de um corpo B , como a fam lia uniparam etrica de aplica c oes (6.26)
onde X e uma deforma ca o. Logo, o ponto x = X (X, t) (6.27)
e o lugar ocupado pela part cula X no instante de tempo t. Por sua vez, a regi ao ocupada pelo corpo no instante t ser a dada por Bt = X (B , t). Como j a foi observado, ` as vezes e conveniente trabalhar com as vari aveis x, t no lugar de X, t. Para tanto iremos introduzir o conceito de trajet oria T = {(x, t); x Bt , t [t0 , tf ]}. (6.28)
Para cada t, X (, t) : B Bt e uma aplica ca o biun voca, existindo portanto a inversa Xt1 Xt1 : Bt B X 1 (x, t) = X e, por sua vez teremos X (X 1 (x, t), t) = x, X 1 (X (X, t), t) = X. (6.30) (6.29)
6.2. Cinem atica
179
Fazendo uso destas aplica co es podemos descrever um determinado campo, seja em fun c ao de (X, t) (neste caso dizemos que temos a descri c ao material deste campo) ou em fun c ao de (x, t) (e neste caso teremos a descri c ao espacial do campo). Seja, por exemplo, o campo material : B [t0 , tf ] (X, t) (6.31) logo, sua descri c ao espacial ser a dada por e (x, t) = (X 1 (x, t), t). Igualmente, a descri ca o material de = (x, t) ser a dada por m (X, t) = (X (X, t), t) e, como resulta obvio, (e )m = , (m )e = . (6.34) (6.33) (6.32)
Torna-se portanto necess ario distinguir as derivadas com respeito ` as vari aveis materiais das derivadas espaciais. Assim, teremos para o campo material (X, t) = (X, t) t (6.35) (6.36)
X xo
(X, t) = X (X, t)
t xo
s ao as derivadas com respeito a t mantendo o ponto material X xo e o gradiente com respeito a X mantendo t xo. Estas derivadas s ao conhecidas com o nome de taxa material (taxa material com respeito ao tempo) e gradiente material de respectivamente. para o campo espacial teremos (x, t) = (x, t) t (6.37) (6.38)
x xo
grad (x, t) = x (x, t)
t xo
que s ao chamadas, respectivamente, de taxa espacial (derivada espacial com respeito ao tempo) e gradiente espacial de . Vejamos alguns exemplos que nos ser ao u teis mais adiante. Seja a descri c ao material 6.27, logo x = X (X, t) t (6.39)
X xo
180 e a descri c ao material da velocidade e x = 2X (X, t) t2
X xo
(6.40)
representa a descri ca o material da acelera c ao. 1 Usando X podemos obter a descri ca o espacial da velocidade que a designaremos por v (x, t). Assim teremos X 1 v (x, t) = (X (x, t), t). (6.41) t Observe que v (x, t) e a velocidade do ponto material X que no instante t ocupa a posi ca o x do espa co euclidiano. ` vezes resulta necess As ario calcular a taxa material (derivada material com respeito ao tempo) de um campo espacial = (x, t). Como o nome indica queremos a taxa de varia ca o de mantendo X xo. Para isto, passamos ` a descri c ao material, calculamos a taxa material e retornamos ` a descri ca o espacial, ou seja = ((m ) )e ou, em forma extendida x, t) = (X (X, t), t) ( t . (6.43) (6.42)
X =X 1 (x,t)
Pode-se demonstrar (ver [Gur81, p ag. 62]) que a taxa material comuta com as transforma c oes materiais e espaciais, isto e )e = (e ) = e, ( m = (m ) = m. () (6.44) (6.45)
Em particular, se zermos = v teremos, como consequ encia do resultado anterior, que (v )m = (vm ) = (x ) = x , (6.46) ou seja, v e a descri ca o espacial da acelera c ao. Se zermos uso da regra da cadeia teremos que, se e u s ao campos espaciais escalar e vetorial sucientemente regulares se vericam as seguintes rela c oes = + grad v, u = u + (grad u)v e, no caso particular de u = v v = v + (grad v )v. As express oes anteriores nos permitem relacionar as taxas materiais e espaciais. (6.49) (6.47) (6.48)
6.2. Cinem atica
181
Uma rela ca o similar pode estabelecer-se entre o gradiente espacial e o material. Para tanto, seja u um campo vetorial espacial sucientemente regular, logo um = (grad u)m F (6.50)
onde F e o tensor gradiente de deforma ca o. O anterior e facilmente demonstrado bastando, para tanto, aplicar a regra da cadeia em um (X, t) = (u(x, t))m = u(X (X, t), t) e, portanto, um = (grad u)m X = (grad u)m F. Um dos movimentos que nos ser ao u teis mais adiante e o movimento r gido. Dizemos que um movimento e r gido se, para todo instante de tempo t, resulta X (X, t) X (Xo , t) = 0 X, Xo B . t Seja X um movimento e v seu correspondente campo de velocidades, ou seja x = X (X, t), v (x, t) = X B, t , (6.51)
X (X, t) t
X =X 1 (x,t)
logo, as seguintes proposi c oes s ao equivalentes X e r gido, para cada t, v (, t) tem a forma de um campo de deslocamentos innitesimal r gido em Bt . Em outras palavras, v admite a representa ca o v (x, t) = v (y, t) + W (t)(x y ) para todo x, y Bt e onde W (t) e um tensor antisim etrico e independente de x, o campo espacial L = grad v e antisim etrico em todo (x, t) T . A demonstra ca o da proposi c ao acima pode ser encontrada em [Gur81, p ag. 70]. Se o campo de velocidades n ao e r gido teremos que, para x sucientemente pr oximo de y (6.52) v (x, t) = v (y, t) + grad v (y, t)(x y ) + o(x y ). Designando com L = grad v (y, t) e recordando que sempre podemos decompor qualquer tensor na sua parte sim etrica e na sua antisim etrica dadas por 1 1 D = (L + LT ) = (grad v + grad v T ) = (grad v )s 2 2 (6.53)
182
Cap tulo 6. A Formula c ao Variacional 1 1 W = (L LT ) = (grad v grad v T ) = (grad v )a 2 2 (6.54) (6.55)
teremos que L = D + W. Logo, a express ao 6.52 pode ser reescrita como v (x, t) = v (y, t) + W (y, t)(x y ) + D(y, t)(x y ) + o(x y ). (6.56)
Logo, na vizinhan ca do ponto y e com um erro de ordem o(x y ), o campo de velocidades v e a soma de um campo de velocidades r gido com um campo da forma D(y, t)(x y ). (6.57)
N ao e dif cil mostrar que o tensor D est a associado ao quadrado da taxa de varia c ao do tamanho de uma bra innitesimal, na congura c ao atual Bt , ` a partir do ponto y no instante t. Por esta raz ao, o campo tensorial espacial D e conhecido como campo taxa de deforma c ao. De fato dx = F dX, dX )e . (dx dx) = 2dx (dx) = 2dx (F Por sua vez, temos que = X = X (X, t) = x F t t = vm = (grad v )m F = Lm F, ou seja, = Lm F F (6.59) (6.58)
o que, substitu da na express ao 6.58, conduz a (dx dx) = 2dx (Lm F dX )e = 2dx Ldx = 2dx (D + W )dx = 2dx Ddx, como quer amos demonstrar. Outro movimento que nos interessar a posteriormente e o do movimento isoc orico, ou seja, o movimento a volume constante. Seja X o movimento relativo a congura ca o de refer encia B . Dada a parte P de B teremos que Pt = X (P , t) (6.60)
ser a a regi ao ocupada pela parte P do corpo no instante t. Seu volume est a dado por vol(Pt ) =
Pt
dV.
(6.61)
6.2. Cinem atica
183
Do signicado do det F = det X , podemos realizar este c alculo diretamente na congura c ao de refer encia 2 vol (Pt ) =
P
det F dV.
(6.62)
Por deni c ao, um movimento se diz isoc orico se, para toda parte Pt de Bt e todo t, permanece constante seu volume, ou seja (vol Pt ) = 0 para todo Pt de Bt e todo t. Assim (vol Pt ) =
P
(6.63)
det F dV =
P
(det F ) dV.
(6.64)
Falta-nos agora saber qual e a derivada do determinante. De [Gur81, p ag. 23], temos que F 1 ) = (det F ) tr Lm (det F ) = (det F ) tr(F = (det F )(tr(grad v ))m = (det F )(div v )m logo, (vol Pt ) =
P
(div v )m det F dV =
Pt
div v dVt .
(6.65)
Como, para um movimento isoc orico, a express ao anterior deve ser nula para todo Pt se tem localmente que div v = tr L = tr D = 0. (6.66)
6.2.3
A c oes de Movimento. Restri c oes Cinem aticas
Nas se c oes anteriores foram denidos uma s erie de conceitos relacionados ` a cinem atica dos corpos deform aveis. Vimos assim, que todas as congura co es poss veis que um corpo pode tomar em E podem colocar-se em correspond encia biun voca com os campos de deslocamento associados a uma certa congura c ao de refer encia B . Em outras palavras, t nhamos que dada a congura c ao Bt , a mesma podia ser obtida mediante o campo ut denido em B . Portanto, ser a equivalente tratarmos da congura ca o Bt ou da congura ca o ut , sempre e quando tornarmos conhecida a congura ca o de refer encia B . O conjunto de todas as congura c oes poss veis que nosso corpo pode tomar, constitui o espa co vetorial U .
Ver [Gur81, p ag. 51]. Para uma demonstra c ao rigorosa da primeira das equa c oes (14) que aparecem na refer encia anterior veja [CH53, p ag. 247254].
2
184
Figura 6.2: Congura c oes admiss veis. Consideremos o corpo numa congura c ao ut U . Logo, um movimento arbitr ario ` a partir da congura c ao ut ser a caracterizado por uma fam lia uniparam etrica de congura c oes poss veis ut (X, ), [t, tf ] tal que ut (X, ) em = t seja coincidente com a congura c ao u t . A cada movimento ` a partir de ut lhe corresponder a, no instante = t um campo de velocidades v (descri ca o espacial) que ser a chamado de ato ou a c ao de movimento ` a partir de ut . Esta a ca o de movimento ser a dada por v = v (x, t) = ut (X, )
1 =t; X =Xt (x,t)
O conjunto de todas as a co es de movimento poss veis ` a partir da congura c ao ut U nos dene o espa co vetorial V constitu do por todos os campos de velocidades que podemos imprimir no corpo em ut . Como e facil notar, o campo de velocidade real (atual) do corpo no instante t e um elemento de V , os demais s ao campos virtuais de velocidade. De maneira geral, o movimento de um corpo dever a satisfazer certas restri c oes cinem aticas (ver Figura 6.2). As congura co es poss veis que satisfazem estas restri co es s ao chamadas congura c oes admiss veis. O subconjunto de U formado por todas as congura c oes admiss veis ser a designado por Kinu = {u; u U , u e uma congura ca o cinematicamente admiss vel}. (6.67)
Todo movimento ` a partir da congura c ao admiss vel ut Kinu , ou seja, toda fam lia uniparam etrica ut (X, ), [t, tf ] tal que para todo [t, tf ] resulte ut (X, ) Kinu , ser a chamada movimento admiss vel. Em outras palavras, um movimento ` a partir de uma
6.2. Cinem atica
185
congura c ao admiss vel ser a admiss vel se cada uma das congura c oes desse movimento e tamb em admiss vel. A cada movimento admiss vel ` a partir de ut Kinu lhe corresponder a uma a ca o de movimento v V chamada a c ao de movimento cinematicamente admiss vel e o conjunto de todas as a co es de movimento cinematicamente admiss veis constitui o subconjunto Kinv V Kinv = {v ; v V , v cinematicamente admiss vel}. (6.68) Em particular, diremos que ut Kinu e uma congura ca o com restri co es cinem aticas se Kinv V . Assim, na Figura 6.2, dada uma congura ca o admiss vel, as a c oes de movimento admiss veis devem ser tais que no apoio xo a velocidade e nula e no m ovel deve ser paralela ao plano inclinado. Neste exemplo, toda congura c ao admiss vel e uma congura c ao com restri c oes cinem aticas. Assim, dada uma restri ca o cinem atica, sempre podemos fazer Kinv = v + Varv , onde v Kinv e uma a ca o de movimento arbitr aria compat vel com as restri co es cinem aticas e Varv = {v ; v V , v = 0 nos pontos onde est ao prescritas as a c oes de movimento}.
(6.69)
Dependendo do tipo de restri ca o cinem atica, Varv pode ser um subespa co vetorial de V ou um cone convexo de v ertice na origem 3 . Prosseguindo nossa an alise, vimos que ` a partir do conhecimento do campo de velocidades v podemos denir o campo das taxas de deforma c ao 1 D = (grad v + grad v T ) = (grad v )s . 2 Podemos assim introduzir o espa co vetorial W , cujos elementos s ao todos os campos tensoriais sim etricos que podem ser denidos na congura ca o atual. Da pr opria deni ca o, vemos que nem todo D W est a associado a algum campo a ca o de movimento v V tal que D = (grad v )s = Dv onde introduzimos o operador D para simplicar a nota c ao. Em particular, se dado D W existe v Kinv tal que o anterior se verique, diremos que D e uma taxa de deforma ca o compat vel cinematicamente admiss vel. Por sua vez, o conjunto de todas as a co es de movimento poss veis r gidas v V constitui o subespa co vetorial N (D) de V chamado espa co nulo do operador taxa de deforma c ao N (D) = {v ; v V , Dv = 0 x Bt }. Vemos assim, que o estudo da cinem atica dos corpos deform aveis, nos h a permitido introduzir os seguintes elementos (ver Figura 6.3) o espa co vetorial V de a co es de movimento poss veis,
Para uma descri c ao mais detalhada de alguns tipos de restri c ao cinem atica bastante comuns na Mec anica dos S olidos, recomenda-se a leitura de [FT82, FT83].
3
186
Figura 6.3: Espa cos vetoriais e demais elementos introduzidos pela cinem atica. o operador (linear) taxa de deforma c ao D() = (grad )s , o espa co vetorial W das taxas de deforma ca o, o subespa co vetorial N (D) de a co es de movimento r gidas, o subconjunto Kinv de V de a co es de movimento cinematicamente admiss veis, ou seja, compat veis com os v nculos.
6.3
Dualidade entre For cas e A c oes de Movimento.
Um conceito de vital import ancia em Mec anica e o de a c ao que um corpo realiza sobre outro B em sua congura ca o Bt . A forma cl assica de visualiza ca o desta a ca o acaba denindo um vetor ou campo vetorial for ca que surge ent ao, como um ente a priori totalmente independente da cinem atica adotada para modelar o problema. Existe entretanto, outra forma de traduzir a experi encia que nos deparamos no dia adia. Dentro deste conceito, a a ca o (que denominaremos for ca) que um sistema exerce sobre outro surge como um elemento em dualidade a uma determinada a c ao de movimento sendo esta dualidade denida atrav es do conceito a priori de pot encia ou trabalho virtual. Esta forma de esquematizar as a c oes entre corpos e mais natural que a primeira, j a que vem a traduzir uma experi encia f sica muito comum. Quando queremos conhecer o peso de um objeto qualquer que se encontra apoiado no ch ao, o que fazemos e lavant a-lo ligeiramente e evaluamos este peso pela pot encia dispendida por n os para executar esta a c ao de movimento. En outras palavras, o que zemos foi introduzir um movimento virtual que apartou o objeto do movimento natural em que se encontrava. De maneira similar, se queremos conhecer o quanto est a tensionada uma correia, procuramos com nossos dedos retir a-la da congura ca o em que se encontrava. Se esta a ca o e
6.4. Dualidade entre Esfor cos Internos e Taxas de Deforma c ao
187
r gida, n ao podemos estabelecer esta tens ao, mas se provoca uma deforma ca o, a medida da pot encia dispendida neste processo nos dir a o valor da tens ao na correia. Assim, conclu mos que a introdu ca o de a co es de movimento para evaluar as for cas externas e internas que atuam sobre um corpo numa congura c ao dada assume um signicado f sico incontest avel. A m de formalizar a id eia anterior, consideremos o corpo numa congura c ao Bt livre de restri co es, logo Kinu U e o conjunto de todas as a co es de movimento cinematicamente admiss veis Kinv V . O sistema de for cas externas f que no instante t atua sobre o corpo B est a caracterizado pelo funcional linear e cont nuo em V , cujo valor em para cada v V, e a pot encia virtual do sistema de for cas f para esta a ca o de movimento v , Pe = f, v . O conjunto de todos os sistemas de for cas f , isto e, de todos os funcionais lineares e cont nuos de V , dene o espa co vetorial V chamado espa co vetorial de for cas externas. Notamos ent ao, que nesta apresenta ca o dos fundamentos da mec anica, dois aspectos surgem como fundamentais Dado o problema mec anico, a primeira atitude a tomar e denir o espa co de a c oes de movimento V e seu correspondente conceito de a co es r gidas. O segundo conceito fundamental e o da dualidade entre o espa co V e o espa co de for cas V . Em outras palavras, dado o modelo cinem atico, o sistema de for cas que s ao compat veis com este modelo ca totalmente denido por dualidade atrav es da forma bilinear , : V V f, v Pe = f, v
O anterior tamb em nos mostra que, quanto mais rico for nosso espa co V , isto e, quanto mais ampla for a deni ca o de a c ao de movimento, mais renada ser a nossa deni ca o de for cas.
6.4
Dualidade entre Esfor cos Internos e Taxas de Deforma c ao
Outro conceito introduzido na Mec anica do Cont nuo e o de esfor cos internos. Para den -lo, recorremos ao exemplo da correia. Ali vimos que era necess ario introduzir uma a c ao de movimento e esta a ca o de movimento devia implicar em uma a c ao de deforma c ao n ao r gida, para podermos evaluar sua tens ao. O anterior nos leva a estabelecer como hip otese para a Mec anica do Cont nuo que os esfor cos interiores est ao dados por um funcional linear e cont nuo sobre as a c oes de movimento e seu gradiente. Seu valor e chamado pot encia virtual interna Pi . Das hip oteses
188
de continuidade estabelecidas na Mec anica do Cont nuo, Pi pode expressar-se atrav es do produto escalar Pi =
Bt
pi dV =
Bt
( v + T grad v ) dV,
(6.70)
onde o sinal negativo resultar a evidente mais adiante. Por sua vez, da observa ca o de que toda a ca o r gida n ao nos permite avaliar o esfor co interior teremos que Pi = 0 v N (D). Seja ent ao v uma transla ca o, logo v = conste. x Bt . Temos que grad v = 0 D = W = 0. Temos assim que Pi =
Bt
(6.71)
v dV = 0
(6.72)
para toda transla ca o v , o que implica em v =0 Portanto teremos =0 em todo x Bt . (6.74) v uma a c ao r gida, logo v = vo + W (x o) onde vo e W s ao constantes. Temos assim que grad v = W (6.75) onde W e constante e antisim etrico e portanto Pi =
Bt
v V e x B t .
(6.73)
T W dV = 0
(6.76)
para todo W antisim etrico e constante. Isto nos leva a concluir que T Sym em todo x Bt . Os resultados anteriores nos levam a concluir que Pi =
Bt
(6.77)
pi dV =
Bt
T D dV,
(6.78)
co interno est isto e, o esfor a caracterizado por um funcional linear e cont nuo sobre o espa co de a co es de deforma c ao W . O conjunto de todos estes funcionais lineares constitui o espa co de esfor cos interiores W , dual de W e cujos elementos est ao dados por campos tensoriais sim etricos T chamados campos de tens oes de Cauchy. Resumindo temos que, para estabelecer um determinado modelo mec anico, procedemos segundo o esquema abaixo
6.4. Dualidade entre Esfor cos Internos e Taxas de Deforma c ao
189
1. Consideramos nosso corpo B ocupando no instante t a congura c ao Bt (ou ut ) de E . Suporemos tamb em nossa fronteira bem denida e regular 4 . 2. Em cada congura c ao Bt , hemos denido o espa co vetorial V cujos elementos hemos designado por a co es de movimento. Para sua constru c ao ser a necess ario levar em considera ca o as hip oteses cinem aticas do modelo. 3. Denido V , construimos o espa co de taxas de deforma ca o W . 4. Atrav es do operador taxa de deforma c ao D, que para o caso de corpos tridimensonais est a dado (grad )s , denimos as a c oes r gidas, isto e o espa co N (D). 5. Conhecidas as restri c oes cinem aticas ao movimento estabelecemos tamb em Kinv e Varv . 6. Com estes elementos e deni c oes introduzimos as hip oteses O esfor co externo f que atua sobre nosso corpo na congura ca o Bt e um funcional linear e cont nuo sobre V , isto e, f V , V dual de V e seu valor em vV e a pot encia externa virtual Pe = f, v (6.79)
onde , : V V e uma forma bilinear, por enquanto n ao especicada, que p oe em dualidade os espa cos V e V . O esfor co interno T e tamb em um funcional linear e cont nuo sobre W , isto e, T W , W dual de W e seu valor em D W e a pot encia interna virtual Pi = (T, D) =
Bt
T D dV =
Bt
pi dV.
(6.80)
Pi = 0 para toda a c ao de movimento r gida. As express oes 6.79 e 6.80 surgem como consequ encia da continuidade admitida no nosso modelo. Matematicamente, s ao consequ encias do teorema de Riesz (ver [Rek75, p ag. 111]) que nos diz que todo funcional linear e limitado pode ser expresso atrav es de um produto interno. importante ressaltar que, a partir de express E ao da Pot encia Interna Pi e do Princ pio das Pot encias Virtuais, que veremos ` a seguir, ser a poss vel estabelecer uma representa ca o para f . Isto ser a feito nos exemplos que nos prestaremos a resolver, mais especicamente: tor c ao, e condu c ao. Os conceitos anteriores est ao representados gracamente na Figura 6.4. Os espa cos V e W s ao os espa cos duais (topol ogicos) de V e W e , , (, ) representam os pares em dualidade em V V e W W logo, podemos denir um novo
4
Por regular queremos dizer que se trata de um contorno de Lipschitz (ver [Rek75, p ag. 323]).
190
Figura 6.4: Formula ca o Variacional: principais elementos. operador D : W V , chamado operador adjunto por uns ou operador transposto por outros, aqui iremos cham a-lo de adjunto ou de equil brio (j a que este ser a seu signicado mec anico, como veremos mais adiante) e satisfar a (T, Dv ) = D T, v v V . (6.81) a partir desta deni E ca o, conjuntamente com o Princ pio das Pot encias Virtuais, que iremos encontrar as chamadas Equa c oes de Euler, ou seja, as equa co es de equil brio escritas na forma local.
6.5
Equil brio e Compatibilidade em Corpos Livres
Outro princ pio sobre o qual vamos a construir toda a nossa mec anica e o Princ pio das Pot encias Virtuais (daqui em diante iremos sempre refer -lo como PPV). Este princ pio nos estabelece sob quais restri c oes existe o equil brio global e suas consequ encias desde o ponto de vista pontual ou local. E tamb em ` a partir dele que se poder a determinar uma representa c ao para f , isto e, estabelecer quais s ao as cargas externas compat veis com o modelo. Iremos apresentar o princ pio segundo uma ordem crescente de complexidade. Assim, primeiro analisaremos o caso de corpos livres e posteriormente o de corpos com restri c oes bilaterais.
6.5. Equil brio e Compatibilidade em Corpos Livres
191
Suporemos ent ao, de in cio, que no instante t nosso corpo B se encontra na congura ca o n ao restringida Bt . Dessa forma, Kinu = U e Kinv = V , isto e, o espa co vetorial das congura c oes poss veis coincide com o das admiss veis e o espa co vetorial das a c oes de movimento poss veis coincide com o das admiss veis. Como podemos apreciar, estas a c oes as realizamos sobre ut 5 e tendem a tirar o corpo do estado natural em que se encontra. O importante e que s ao a c oes que o movimento real n ao necessariamente experimenta em t por isto e que as chamamos de a c oes de movimento virtuais ou varia c oes das a co es de movimento real e as designamos por Varv . Assim, teremos o PPV para o caso de corpos livres que descrevemos ` a seguir.
6.5.1
Princ pio da Pot encia Virtual
Para todo referencial Galileano 6 e para cada instante de tempo t, o corpo B se encontra em equil brio (est atico) na congura ca o livre de restri co es cinem aticas Bt sob a a c ao da carga aplicada f V se Pe = f, v = 0 v Varv N (D) = N (D). (6.82) Isto e, se a pot encia virtual das for cas externas que atuam sobre o corpo na congura ca o Bt e nula para toda a c ao de movimento virtual r gida. Pi + Pe = (T, Dv ) + f, v = 0 v Varv . (6.83) Isto e, se a soma da pot encia interna e da externa e nula para toda a ca o de movimento virtual. Se extendermos este princ pio para incluir o conceito de equil brio din amico, devemos agregar ` as pot encias anteriores a pot encia correspondente ` as for cas de in ercia, isto e, ` as for cas externas f que atuam sobre o nosso corpo, devemos agregar a for ca v . Teremos assim Pe = f , v , f = f v. (6.84) Notamos que, no caso din amico, o PPV n ao e outra coisa que o princ pio de DAlembert (ver [Lan70]). Retornando ao PPV notamos que a primeira parte nos permite caracterizar as for cas f V compat veis com a nossa deni c ao de equil brio. De fato, para o caso em quest ao N (D) = {v ; v V , Dv = 0 v (x) = vo + w (x o)} (6.85)
onde o e arbitr ario e vo V e w V s ao tamb em arbitr arios, logo dim N (D) = 6 e para todo v N (D) teremos Pe =
5 6
f, v = f, vo + w (x o)
N ao se esque ca que tanto faz pensar na congura c ao Bt como em ut . Por referencial Galileano, entenda-se tamb em referencial absoluto.
192 = = = =
Cap tulo 6. A Formula c ao Variacional f, vo + f, w (x o) Rf vo + Rf w (x o) Rf vo + ( x o ) Rf w Rf vo + mo w = 0 vo , w V Rf = 0 e mo = 0.
(6.86)
O resultado anterior nos diz que as for cas externas compat veis com o nosso conceito de equil brio devem ser tais que sua resultante seja nula e a resultante de momentos com respeito ao ponto arbitr ario o deve ser igualmente nula. Em geral, as for cas externas f s ao conhecidas. Este dado ser a compat vel com o problema se a restri c ao anterior for satisfeita. Observe tamb em que o conjunto das f V que satisfaz o PPV e n ao vazio, j a que f = 0 e um elemento deste conjunto. Mecanicamente, o anterior nos diz que o sistema de for ca nulo e compat vel com o equil brio de B na congura c ao Bt . A segunda parte do PPV nos permite extender a deni ca o de equil brio para a c oes de movimento n ao necessariamente r gidas. Pode-se observar que a segunda parte do PPV cont em a primeira como caso particular j a que, por hip otese, admitimos que Pi = 0 para todo v r gido. Entretanto, a aplica ca o da segunda parte do PPV apresenta uma diculdade, j a que estabelece uma rela c ao, a rela c ao de equil brio, entre os esfor cos interno T W e externo f V compat veis com o equil brio (isto e, Pe = 0 v N (D)). Tornase portanto necess ario encontrar um representante para f , o que faremos a seguir.
6.5.2
O Teorema da Representa c ao
Teorema 6.1 Seja ut Kinu uma congura c ao em equil brio sob a a c ao do sistema de for cas externas f V logo, o representante para f compat vel com o modelo cinem atico adotado, est a dado por f = D T. (6.87) Demonstra c ao. Por hip otese, f V e tal que f, v = 0 v N (D) f N (D) (isto e, f e ortogonal a N (D)) f N (D) (isto e, pertence ao complemento ortogonal de N (D)). Mas sabemos que v N (D) Dv = 0 v N (D) (T, Dv ) = D T, v = 0 T W v R(D ) . Conclu mos portanto N (D) = R(D ) de onde teremos que N (D) = R(D ). Do anterior conclu mos que, se f est a em equil brio em ut Kinu , resulta f N (D) = R(D ) T W tal que D T = f . Assim, para todo v Varv teremos f, v = D T, v = (T, Dv ). (6.90) (6.89) (6.88)
6.5. Equil brio e Compatibilidade em Corpos Livres
193
Esta express ao nos fornece a representa c ao para f ou, de forma equivalente, a express ao da opera ca o de dualidade , entre V e V . Do ponto de vista pr atico, o anterior corresponde a determinar o operador D atrav es da integra c ao por partes da express ao da Pot encia Interna Pi = (T, Dv ) v Varv . (6.91) Do PPV podemos introduzir os seguintes conjuntos EstT = {T ; T W ; (T, Dv ) + f, v = 0 v Varv } e o conjunto de todos os esfor cos internos equilibrados com o sistema de cargas f . Do teorema da representa ca o vimos que EstT e n ao vazio. VarT = {T ; T W ; (T , Dv ) = 0 v Varv } e o subespa co vetorial de W integrado por todos os esfor cos internos T em equil brio com f = 0, da o nome dado a T : esfor co interno autoequilibrado. Da pr opria deni ca o se segue que se T VarT D T = 0 T N (D ) VarT = N (D ) seja R(D) = {D; D W ; v V tal que Dv = D} logo, T VarT (T , Dv ) = 0 v Varv T D(Varv ) = R(D) VarT = R(D) logo VarT = N (D ) = R(D) e portanto
Var T = N (D ) = R(D ),
(6.92) (6.93)
o que nos ser au til mais adiante. Tamb em podemos observar que EstT = To + VarT (6.94)
onde To EstT e arbitr ario, isto e, EstT e a transla c ao do subespa co vetorial VarT cujos elementos s ao todos os esfor cos internos autoequilibrados. Outros dois aspectos fundamentais do PPV e do teorema da representa c ao e o de proporcionarmos: 1) uma representa c ao para a carga f at e agora n ao especicada e 2) proporcionarmos a forma local das equa co es de equil brio. De fato, temos que 1. Se f V est a em equil brio vimos que (T, Dv ) + f, v = 0 v Varv f, v = (T, Dv ) = D T, v v Varv = V o que nos proporciona uma representa c ao para f . Vejamos isto mais detalhadamente para o caso de um corpo tridimensional. Supondo que todos os campos possuem
194
Cap tulo 6. A Formula c ao Variacional adequada regularidade de forma ` as opera co es que a seguir realizaremos tenham sentido, teremos f, v = (T, Dv ) =
Bt
T (grad v )s dV
=
Bt
T grad v dV {div(T v ) div T v } dV

Bt
= = = Temos portanto que
div T v dV +
Bt Bt
T n v dS
D T, v div() em Bt ()n em Bt
D () =
(6.95)
e, por sua vez, que a carga f V compat vel com o modelo cinem atico adotado, est a dada por uma densidade de for ca de corpo b = div T denida por unidade de volume em Bt e por uma densidade de for ca de superf cie a = T n denida por unidade de superf cie em Bt . Como se pode ent ao observar, do PPV e da hip otese de que Pi = (T, D) = Bt T D dV , obtivemos uma representa ca o para f V f, v =
Bt
b v dV +
Bt
a v dS.
(6.96)
2. Do resultado anterior o PPV toma, para o modelo que nos prestamos a resolver, a forma extendida T Dv dV
Bt Bt
b v dV
Bt
a v dS = 0 v Varv
(6.97)
que, suposta suciente regularidade, vimos que nos conduzia a b v dV

Bt
+
Bt
a v dS =
Bt
T (grad v )s dV
=
Bt

Bt
= =
Bt
div T v dV +
Bt
T n v dS
v Varv .
Do anterior chegamos nalmente a div T + b = 0 em Bt ,
6.5. Equil brio e Compatibilidade em Corpos Livres T n = a em Bt ,
195 (6.98)
conhecidas como Equa c oes Locais de equil brio ou Equa c oes de Euler. Observe que estas equa co es puderam ser alcan cadas somente devido ao fato de que sup unhamos inicialmente que todos os campos eram sucientemente regulares. Quando tal regularidade n ao estiver presente, as opera co es realizadas anteriormente n ao possuem nenhum sentido e as Equa c oes de Euler devem ser entendidas num sentido generalizado (sentido das distribui c oes) sendo que em todos os casos o PPV mantem-se v alido. E este tipo de falta de regularidade que acaba gerando as equa co es de salto, que podem ser facilmente encontradas atrav es da metodologia anterior, bastando apenas vericar a regularidade do campo T ao fazermos a integra ca o por partes para encontrar a express ao correta para os esfor cos externos. Observe tamb em que toda vez que se verica o equil brio, as for cas de superf cie a est ao relacionadas com o estado de tens oes T atrav es de T n = a em Bt . (6.99)
O resultado anterior n ao e outra coisa que o Teorema de Cauchy, que pode portanto ser obtido como consequ encia do PPV. O PPV nos dene o equil brio e nos permite determinar os campos T EstT que equilibram uma carga f dada (onde f deve estar em equil brio pela primeira parte do PPV) ou, de forma inversa, qual e a carga f que equilibra um campo de tens oes T dado. Vejamos ` a seguir que condi co es devem ser satisfeitas para que uma taxa de deforma ca o D W seja compat vel, isto e, v V tal que Dv = D.
6.5.3
Princ pio da Pot encia Virtual Complementar
O campo taxa de deforma ca o D, denido na congura ca o ut Kinu em equil brio, e compat vel se e somente se (T , D) = 0 T VarT = N (D ). Demonstra c ao. Se D e compat vel teremos que v V tal que D = Dv logo, para todo T VarT = N (D ) resulta (T , D) = (T , Dv ) = D T , v = 0, v = 0. Suponha agora que (T , D) = 0 T VarT = N (D ) logo D N (D ) . (6.104) (6.103) (6.102) (6.101) (6.100)
196 Da rela ca o 6.93 teremos
D N (D ) D R(D) v V tal que D = Dv
(6.105)
cando portanto demonstrado o princ pio anterior. Temos assim que o Princ pio das Pot encias Virtuais Complementares (daqui em diante iremos mencion a-lo apenas como PPVC) nos permite determinar quando D e compat vel. A exist encia de v ca portanto assegurada pelo princ pio e n ao sua unicidade. De fato, se v e solu ca o, o campo v1 = v + w, w N (D) (6.106) tamb em e solu ca o. Assim, teremos que a solu c ao ca determinada a menos de um movimento r gido.
6.6
Equil brio e Compatibilidade em Corpos com Restri co es Bilaterais
Iremos aqui considerar o caso de corpos onde, em lugar de supor que na congura ca o Bt (ut Kinu ) o corpo est a submetido ` a a c ao de uma carga de superf cie a prescrita em todo Bt , vamos supor que prescrevemos a a c ao de movimento em toda esta regi ao. Se designarmos por v o campo de velocidades prescritas em Bt teremos Kinv = {v V ; v
Bt
=v }.
(6.107)
Designemos por Varv ao subespa co vetorial de V Varv = {v V ; v

Bt
= 0}.
(6.108)
Como e f acil notar, dado w Kinv arbitr ario, resulta Kinv = w + Varv , (6.109)
isto e, Kinv e a transla c ao do subespa co vetorial Varv de V . Cabe agora fazer a seguinte observa ca o. Quando come camos o presente cap tulo, colocamos a for ca como um elemento em dualidade com a a c ao de movimento. Em particular, dissemos que a for ca e um funcional linear e cont nuo sobre V . Para um corpo que possua restri co es cinem aticas, as u nicas a co es de movimento que podemos realizar sobre ele ser ao aquelas contidas em Kinv , ou seja, as cinematicamente admiss veis. Isto nos diz que nem todas as for cas que atuam num corpo podem ser avaliadas unicamente atrav es de a co es de movimentos admiss veis, j a que, pelo fato de existirem v nculos cinem aticos, o funcional, dado por um produto escalar, torna-se nulo nos subespa cos ortogonais a Varv , o que n ao nos permite calcular a priori o valor desta for ca ou rea c ao de v nculo. No que segue, mostraremos que isto n ao representa problema de forma alguma para n os, j a que o equil brio ir a se encarregar de fornecer-nos o seu valor.
6.6. Equil brio e Compatibilidade em Corpos com Restri co es Bilaterais
197
Figura 6.5: Corpo com restri co es cinem aticas bilaterais. Exemplo de carga externa compat vel com o equil brio.
6.6.1
Princ pio da Pot encia Virtual
Para todo referencial Galileano e para cada instante de tempo t, o corpo B se encontra em equil brio (est atico) na congura c ao com restri co es cinem aticas bilaterais Bt , sob a a c ao da carga aplicada l V se Pe = , v = 0 v Varv N (D),
Pi + Pe = (T, Dv ) +
, v = 0 v Varv .
Assim como no caso de corpos livres, a primeira parte do princ pio nos permite caracterizar quais s ao as cargas que s ao compat veis com o equil brio do nosso corpo. Em particular, se temos que Varv N (D) = {0}, ou seja, se as restri c oes cinem aticas s ao tais que eliminam o movimento r gido, teremos que toda l V poder a ser aplicada ao nosso corpo mantendo o equil brio. Suponhamos agora que as restri c oes cinem aticas s ao tais que Varv N (D) = V , onde V e o subespa co vetorial bidimensional de vetores paralelos ao plano (veja Figura 6.5). Logo Pe = , v = F v = 0 v V o que nos mostra que a resultante F das cargas aplicadas deve ser ortogonal ao plano . O exemplo anterior nos motrou que, dada a cinem atica, determinamos o conjunto Varv N (D) e, deste conjunto e do PPV podemos caracterizar totalmente as cargas compat veis com o equil brio.
198
Novamente, assim como no caso de corpos livres, a segunda parte do princ pio nos permite determinar os campos de tens oes T W que equilibram a carga V . Tornase portanto necess ario obter um representante para . Somos ent ao compelidos a mostrar o teorema que segue.
6.6.2
O Teorema da Representa c ao
Teorema 6.2 Seja ut Kinu uma congura c ao com restri c oes cinem aticas bilaterais em equil brio sob a a c ao das cargas V , o representante para compat vel com o modelo cinematico adotado, est a dado por = D T r, r, v = 0 v Varv r Var v, onde r e a rea c ao de v nculo. Demonstra c ao. Por hip otese, temos que (Varv
N (D)) Var v + N (D )
(6.110)
o que, usando a rela ca o 6.89, nos leva a

Var v + R(D ).
(6.111)
O anterior nos mostra que existem r Var v e T W tais que = D T r ou, de forma equivalente, D T = + r. Por sua vez, por ser r Var v resulta que r, v = 0 r, v = 0 v Varv . Como consequ encia do teorema anterior, teremos 1. Se ut Kinu com restri c oes bilaterais, est a em equil brio sob a a c ao das cargas V teremos , v = D T r, v = D T, v = (T, D v ) v Varv . (6.114) (6.113) (6.112)
(6.115)
2. As rea co es de v nculo r n ao podem ser evaluadas atrav es de sua pot encia para campos virtuais v Varv porque s ao ortogonais a estes campos. A m de calcul a-las recorremos ao pr oprio conceito de equil brio local j a que, dados e T em equil brio,
199
segundo o PPV para corpos com restri co es bilaterais, a rea ca o de v nculo est a dada por r = D T . (6.116) Tamb em podemos encontr a-la fazendo uso do PPV para corpos livres. Assim r, v = D T , v = (T, Dv ) , v v V . Do ponto de vista mec anico, o que zemos foi simplesmente substituir a restri ca o cinem atica por sua correspondente dual, a for ca de v nculo, resultando assim o corpo livre de restri c oes. Portanto, uma vez tendo achado T em fun ca o de atrav es do PPV, liberamos o corpo da restri ca o cinem atica imposta o que permite-nos, desta forma, calcular r. De maneira inteiramente similar ` a sec ca o anterior, dada a carga l V compat vel com o equil brio, podemos denir o conjunto EstT = {T W ; (T, Dv ) + , v = 0 v Varv } que cont em todos os campos de tens oes T em equil brio com a carga . Do teorema da representa c ao vemos que este conjunto e n ao-vazio. Podemos tamb em denir VarT = {T W ; (T , Dv ) = 0 v Varv } = (D(Varv )) como o subespa co vetorial formado por todos os campos de tens oes auto-equilibrados (equilibrados com = 0). As deni co es anteriores nos levam a EstT = To + VarT , To EstT arbitr ario. Temos portanto novamente que EstT e a transla c ao de um subespa co vetorial de W . Vamos, agora, reescrever alguns dos resultados anteriores de forma extendida. Como vimos, dado l V compat vel com o equil brio, a distribui ca o de tens oes T era tal que (T, Dv ) = , v v Varv (6.117) para o corpo tridimensional que estudamos. Por sua vez, supondo T sucientemente regular, teremos T (grad v )s dV
Bt
=
Bt

Bt
= =
T n v dV
Bt Bt
div T v dV (6.118)
=
Bt
div T v dV
em virtude de que v = 0 em todo Bt . Substituindo 6.118 em 6.117 obtemos
200 1. Uma representa c ao para V l, v =

Bt
div T v dV,
(6.119)
isto e, a carga compat vel com as restri c oes cinem aticas impostas em toda a fronteira dada por Bt somente poder a estar representada por um campo vetorial b que ter a unidades de for ca por unidade de volume, portanto ,v =
Bt
b v dV
(6.120)
isto e, n ao podemos prescrever cargas na fronteira Bt . 2. A express ao do PPV toma a seguinte forma nal T (grad v )s dV =
Bt Bt
b v dV
v Varv .
(6.121)
3. A forma local do equil brio, dada em forma abstrata por D T = + r, pode ser encontrada na forma extendida atrav es de integra c ao por partes, no que resulta b v dV =
Bt Bt
div T v dV
v Varv
de onde encontramos nalmente div T + b = 0 em Bt . (6.122)
Encontremos agora a rea ca o de v nculo a partir do PPV para corpos livres como anteriormente mencionado r, v =
Bt
T (grad v ) dV
Bt
b v dS
v V
(6.123)
de onde teremos que r, v =

Bt
T n v dS
Bt
(div T + b) v dV
=
Bt
T n v dS
v V .
portanto chegamos a (r T n) v dS = 0 v V
Bt
(6.124)
o que, na forma local, corresponde a r = T n em Bt . (6.125)
Vamos agora analizar o problema dual ao do equil brio, isto e, o problema de compatibilidade, quando estamos na presen ca de restri c oes bilaterais.
201
6.6.3
Princ pio da Pot encia Virtual Complementar
O campo taxa de deforma ca o D, denido na congura c ao ut Kinu , em equil brio, e compat vel se e somente se (T , D) = (T , Dw) T VarT (6.126)
e w Kinv arbitr ario. Antes de prosseguirmos na demonstra ca o da rela c ao acima, iremos primeiramente transformar a express ao abstrata 6.126 na forma extendida abaixo T D dV
Bt
=
Bt
T (grad w)s dV {div(T w) div T w} dV

Bt
= =
T n w dS =
Bt Bt
Tn v dS
isto porque div T = 0 T VarT e w e prescrito em Bt sendo igual v . Assim, o PPVC toma a forma T D dV = Tn v dS T VarT . (6.127)
Bt Bt
Demonstra c ao. Se D e compat vel, existe v Kinv tal que Dv = D. Recordando que Kinv e uma variedade linear de Varv , isto e Kinv = w + Varv , w Kinv arbitr ario
teremos que v w Varv logo, para todo T VarT , resulta (T , D(v w)) = 0, pela pr opria deni ca o de VarT , o que nos mostra que a condi c ao necess aria e verdadeira. Para demonstrar a condi ca o suciente suponha que (T , D) = (T , Dw) onde w Kinv logo, (T , D Dw) = 0 pelo que concluimos que D Dw Var T = D (Varv ) assim D Dw + D(Varv ) = D(w + Varv ) = D(Kinv ), isto e, v Kinv tal que Dv = D, cando assim demonstrada a suci encia e, portanto, o PPVC. T VarT T VarT
202
Como p ode ser observado at e agora, sempre estivemos preocupados na an alise de casos extremos, isto e, ou sup unhamos que as cargas eram prescritas em toda a fronteira (corpos livres) ou ent ao t nhamos a cinem atica prescrita. Consideremos agora o caso em que na fronteira Bt do corpo possamos distinguir duas regi oes: Btv onde a cinem atica (ou a co es de movimento) est a prescrita e Btf onde as cargas estejam prescritas. Mais especicamente seja v=v em Btv . Neste caso, teremos ent ao que Kinv = {v V ; v = v em Btv }, Varv = {v V ; v = 0 em Btv }. Uma an alise inteiramente similar as anteriormente realizadas nos mostra que a carga aplicada ao corpo e da forma Pe = l, v =
Bt
b v dV +
Btf
a v dS
v Varv ,
isto e, estar a caracterizada por uma densidade de for ca de corpo denida em Bt e aqui representada por b e por uma densidade de for ca de superf cie, denida em Btf e dada por a. importante aqui ressaltar que, quando nos referimos a Btv como a regi E ao onde temos a cinem atica prescrita, devemos nos lembrar que, num mesmo ponto, podemos ter algumas componentes livres e outras n ao. Assim, para este caso mais geral, o PPV estabelece em forma abstrata que , v = 0 v Varv N (D), , v = 0 v Varv .
(T, Dv ) +
ou, em forma expandida b v dV +

Bt Btf
a v dS = 0 v Varv N (D),
(6.128)
T (grad v )s dV =
Bt Bt
b v dV +
Btf
a v dS v Varv . (6.129)
Por u ltimo, teremos que a forma local do equil brio estar a dada por D T = + r, ou seja, div T + b = 0 em Bt , T n = a em Btf , Tn = r em Btv . (6.130)
Cap tulo 7 Princ pios Variacionais em Elasticidade. Pequenas Deforma c oes

7.1 Introdu c ao
Na se ca o anterior apresentamos os princ pios gerais da mec anica e como pudemos apreciar, tais princ pios s ao comuns aos diferentes corpos e independente do material com que est ao constru dos. Nesta se c ao, apresentaremos a aplica ca o dos princ pios da mec anica ao caso de corpos de material hiperel astico em deforma c oes innitesimais. Trataremos de seguir a linha de apresenta c ao seguinte: equa co es constitutivas, obten ca o de formula co es variacionais, solu c oes aproximadas, algoritmos num ericos, exemplos.
7.2
Material El astico. Comportamento Uniaxial
Um material el astico linear se caracteriza porque ao realizar um ensayo uniaxial obtemos uma rela ca o: = E, E > 0 onde e a tens ao, a deforma ca o e E o m odulo de elasticidade. Em continua ca o, vamos ressaltar algumas caracter sticas que, embora obvias, nos resultar ao u teis em nossa apresenta ca o. Temos assim: Se =0 = 0, em outras palavras, estamos admitindo que a congura c ao em que o corpo se encontra n ao tem nem deforma c ao e nem tens ao inicial. Por ser E = 0, temos a rela ca o inversa = E1 Podemos denir a fun c ao densidade de energia de deforma c ao = () dada por:

() =
0
() d =
0
1 E d = E 0 2
203
204
Cap tulo 7. Princ pios Variacionais em Elasticidade. Pequenas Deforma c oes e igual a zero se e somente se = 0.
da deni c ao anterior obtemos: =
em outras palavras, a tens ao associada ` a equa c ao constitutiva el astica (linear no exemplo) com a deforma c ao se obt em calculando a derivada da densidade de energia de deforma ca o no ponto . A fun ca o densidade de energia de deforma ca o e, no exemplo, uma par abola com a boca voltada para cima (E > 0) e, portanto, e uma fun c ao estritamente convexa. Colocaremos esta propriedade em evid encia de uma maneira mais geral. De fato: d () = (0 ) + d 1 d2 ( 0 ) + ( 0 ) ( 0 ) 2 d2 0 0 1 = (0 ) + E0 ( 0 ) + E ( 0 ) ( 0 ) 2 (0 ) + (0 ) ( 0 )
e onde a igualdade se verica se e somente se = 0 . Da mesma maneira que denimos a fun ca o de densidade de energia de deforma ca o , podemos denir a fun ca o = ( ) chamada de fun ca o densidade de energia complementar dada por: ( ) =
0
( ) d =
0
1 1 d = 0 E 2 E
e igual a zero se e somente se = 0. De a deni ca o anterior podemos observar que: = d d
ou seja a deforma ca o associada pela equa ca o constitutiva el astica com a tens ao pode ser obtida por interm edio do c alculo da derivada da fun c ao densidade de energia complementar calculada no ponto . Tamb em observamos que: 1 d2 d ( 0 ) + ( ) = (0 ) + d 0 2 d 2 (0 ) + (0 ) ( 0 )

( 0 ) ( 0 )
0
e igual se e somente se = 0 . Em outras palavras, a fun c ao de densidade de energia complementar e tamb em estritamente convexa.
7.2. Material El astico. Comportamento Uniaxial
205
Os resultados anteriores s ao totalmente v alidos para elasticidade n ao linear desde que a rela c ao constitutiva = () (ou sua inversa = ( )) seja uma fun ca o mon otona, ou seja se: B A B A 0 A , B
e igual a zero se e somente se A = B onde B = B e A = A Em particular para B = A + d e empregando a nota c ao = (B ) temos: A d 0 e integrando entre A e :
A
A d 0
de onde:
A
d A A 0 () A A A
onde a igualdade se verica se e somente se = A . De forma similar, se a equa ca o = ( ) e mon otona, ou seja se: B A B A 0 e igual a zero se e somente se B = A . Novamente, para B = = A + d teremos: A d 0 e integrando entre A e :
A
A , B
A d 0
de onde:
A
d A A 0 ( ) A A A
e onde a igualdade se verica se e somente = A . Na continua ca o, vamos colocar em evid encia outra propriedade impl cita das fun c oes B A e . Sejam e uma tens ao e deforma c ao n ao associadas pela equa ca o constitutiva el astica, logo: A + B B A e igual a zero se e somente se A e B est ao relacionadas pela equa ca o constitutiva. A Figura 7.1 representa gracamente o resultado anterior: Novamente, o resultado anterior e independente da linearidade da equa ca o constitutiva, dependendo unicamente da monotonicidade da mesma.
206
Cap tulo 7. Princ pios Variacionais em Elasticidade. Pequenas Deforma c oes
Figura 7.1: Propriedade das fun c oes e O resultado anterior nos proporciona uma t ecnica para construir a partir do conhecimento de e vice-versa. Este procedimento e chamado transforma c ao de Legendre e na atualidade tamb em e conhecido como determina ca o da fun c ao dual ( e a fun ca o dual de ). De fato, suponhamos conhecidos = (), logo podemos denir a fun c ao dual = ( ) de , tal que seu valor em = est a dado por: ( ) = max ( ())
No caso da equa c ao constitutiva el astica linear ter amos: 1 () = E 2 logo o m aximo de () se verica para o ponto tal que: d ( ()) = 0 d ou seja: E = 0 = substituindo este resultado em ( ) obtemos: ( ) = ( ) = 1 1 E = E 2 E2 2 E E
resultado ao qual hav amos chegado atrav es da deni ca o da fun ca o densidade de energia complementar. De forma similar podemos denir como a fun ca o dual de . ( ) = max ( ( ))
7.3. Extens ao a Estados M ultiplos
207
e um racioc cio inteiramente similar ao realizado para conduzir a para o caso linear, a: 1 ( ) = 2 Resumindo, a equa ca o constitutiva pode expressar-se de tr es maneiras equivalentes: dizemos que est a associado com a deforma ca o atrav es da equa c ao constitutiva se: (i) = () Reciprocamente est a associado com pela equa ca o constitutiva se: = ( ) (ii) = Reciprocamente = (iii) () + ( ) = e () + ( ) e igual se e somente se , est ao associados pela equa c ao constitutiva. d d d d
7.3
Extens ao a Estados M ultiplos
A generaliza ca o a estados m ultiplos consistir a em substituir a id eia unidimensional por outra capaz de inclu -la como caso particular. Para isto vimos que no caso linear = E, ou seja, t nhamos uma aplica c ao linear do espa co de deforma c oes sobre o de ten co es. Com base nisto, sua generaliza ca o imediata consistir a em uma aplica ca o linear de W em W . Para o caso de corpos tridimensionais teremos: T =DE onde D e o tensor de elasticidade de 4a ordem. A seguir, limitaremos nossa apresenta ca o ao caso em que este tensor satisfaz as seguintes propriedades: D = DT DE E 0
208
e igual a zero se e somente se E = 0. Se o tensor D n ao depende do ponto material diremos que o corpo e homog eneo. Em geral para a caracteriza ca o de D ser ao necess arias 21 constantes el asticas, temos assim um material anisotr opico. No caso de um material el astico linear isotr opico o tensor D e caracterizado por duas constantes el asticas: e , chamadas constantes de Lam e: D = 2II + (I I ) onde II e I s ao respectivamente os tensores identidade de 4a e 2a ordem, representa o produto tensorial (neste caso de tensores de 2a ordem). Seguindo um an alise similar ` a j a realizada na se ca o anterior, e poss vel denir a fun ca o de densidade de energia de deforma c ao = (E ):
E E
E =
0
T (E ) dE =
0
1 DE dE = DE E 2
e da propriedade de D segue-se que: (E ) 0 e igual a zero se e somente se E = 0. O estado de ten co es T associado com E atrav es da equa c ao constitutiva el astica e tal que: = DE T = E E =E Por sua vez: (E ) = (E0 ) + E 1 2 (E E0 ) + (E E0 ) (E E0 ) 2 E 2 E0 E0 1 = (E0 ) + DE0 (E E0 ) + D (E E0 ) (E E0 ) 2 (E ) (E0 ) DE0 (E E0 ) = T0 (E E0 ) e onde a igualdade se verica se e somente se E = E0 . Desta maneira conclu mos que e uma fun ca o estritamente convexa no espa co de deforma c oes. O resultado anterior pode ser estendido sem diculdades ao caso de elasticidade n ao linear, para o qual suporemos satisfeita a seguinte restri c ao (monotonicidade) T B T A E B E A 0 E A , E B W e igual a zero se e somente se E A = E B , e onde T B = T E B , T A = T E A . Como a express ao anterior e v alida para todo ponto do espa co de deforma c oes em particular o ser a para: E = E A + dE
de onde:
7.3. Extens ao a Estados M ultiplos
209
e chamando de T o estado de tens oes associado a E via equa ca o constitutiva, teremos T A T dE 0 Logo, o incremento da densidade de energia de deforma c ao que se produz no processo que nos leva do estado E A ao E B ser a:
EB EA
T A T dE 0
de onde: EB EA T A EB EA e igual a zero se e somente se E A = E B , obtemos assim novamente a propriedade de convexidade da fun c ao , mas desta vez a partir da monotonicidade da equa c ao constitutiva. 1 Dado que D e positivo denido existe D tamb em sim etrico positivo denido. O anterior nos permite determinar E em fun ca o de T : E = E (T ) = D1 T e a partir dela obtemos: T =
0 T T
E (T ) dT =
0
1 D1 T dT = D1 T T 0 2
e igual a zero se e somente se T = 0, por sua vez: E= e (T ) (T0 ) E0 (T T0 ) onde E0 = E (T0 ) e onde a igualdade se verica se e somente se T = T0 . Em outras palavras, a fun c ao de densidade de energia complementar e uma fun c ao estritamente convexa no espa co de tens oes. Novamente, o resultado anterior pode ser obtido a partir da monotonicidade da fun c ao constitutiva inversa. Por u ltimo da propriedade de e tem-se que T e E est ao associados atrav es da equa c ao constitutiva se: (E ) + (T ) = E T e de forma equivalente: (E ) + (T ) E T e igual se e somente se T e E est ao relacionados atrav es da equa ca o constitutiva. Resumindo, a caracteriza ca o de um material como o at e aqui apresentado pode realizarse de tr es maneiras equivalentes: T
T =T
210
1. A equa c ao constitutiva propriamente dita: T = T (E ) (ou sua inversa E = E (T ) ) 2. A exist encia da fun ca o de densidade de energia de deforma c ao, estritamente convexa tal que: T = E E ou sua dual tal que E =
T T
3. Dados E W e T W tem-se (E ) + (T ) E T e onde a igualdade se verica se e somente se E e T est ao associados atrav es da equa ca o constitutiva do material. Para o caso do material el astico isotr opico o anterior corresponde a: T = DE = 2E + (trE ) I 1 E = D1 T = T (trT ) I 2 2 (2 + 3) 1 1 (E ) = DE E = 2E E + (trE )2 2 2 1 (T ) = max [T E (E )] = D1 T T E W 2 1 1 T T (trT )2 = 2 2 2 (2 + 3)
7.4
Princ pios Variacionais (Corpos Livres)
O problema da elastost atica, dentro das hip oteses de deforma c oes innitesimais, consiste em: determinar os campos u0 Kinu , E0 W e T0 W tais que: T0 EstT , ou seja, T0 est a em equilibrio com a carga aplicada f . E0 , T0 associados pela equa c ao constitutiva, por exemplo: T0 = DE0 , ou no caso mais geral: , T0 = E0 = T T0 E E0 E0 = Du0 ou seja, a deforma c ao deve ser compat vel.
7.4. Princ pios Variacionais (Corpos Livres)
211
Segundo vimos no cap tulo anterior, o P.T.V. nos permite caracterizar T0 que, para o caso de corpos livres, corresponde a: (T0 , Du) = f, u sendo que as cargas f U devem satisfazer: f, u = 0 u Varu N (D) = N (D) A exist encia de, pelo menos, um campo de tens oes T0 em equil brio com f est a garan1 tido pelo Teorema da representa ca o de Riesz. Ent ao, se existe T0 existe E0 = D T0 (deforma c ao associada a T0 via equa c ao constitutiva). Nos perguntamos portanto se existe u0 Kinu tal que E = Du0 ? A resposta a esta pergunta e armativa e a formalizaremos atrav es do seguinte Teorema: Teorema 7.1 (Corpo Livre) Dado f U em equil brio existe u0 Kinu (como o corpo e livre Kinu U ) tal que: Ku0 = f, K = D DD u Varu = U
ou em forma equivalente f R (K ) . O operador K : U U e conhecido como operador de rigidez. Prova. Da hip otese do Teorema, f U e uma carga equilibrada, logo do P.T.V. teremos: f, u = 0 u Varu N (D) = N (D) ou seja, f N (D)
Ent ao, do Lema 3 (Ap endice A3) teremos: f N (D) = R (K ) expresis ao esta que nos diz que existe u0 U N (D) (ou seja u0 est a denido, exceto em um movimento de corpo r igido) tal que: Ku0 = f Do resultado deste Teorema de exist encia conclu mos que: f, u = Ku0 , u = D DDu0 , u = (DDu0 , Du) u Varu = U
Logo, o problema da elastost atica no caso de corpos sem restri c oes ao movimento (corpos livres) e equivalente ao seguinte problema variacional:
212
7.4.1
Princ pio do Trabalho Virtual (Corpos Livres)

Determinar u0 Kinu = U N (D) ,tal que: (DDu0 , Du) = f, u u Varu = U
Recordemos que Kinu = u0 + Varu teremos que Varu = Kinu u0 portanto o problema variacional anterior pode ser reescrito da seguinte forma: (DDu0 , D (u u0 )) = f, u u0 u Kinu
O leitor poder a notar que no caso de material hiperel astico n ao linear o P.T.V. tomar a a forma mais geral: E , D (u u0 )
E =Du0
= f, u u0
u Kinu
Das propriedades assumidas para nosso material, o P.T.V. corresponde ` a condi ca o de m nimo de um certo funcional. De fato, da convexidade de : (E ) (E0 ) DE0 (E E0 ) e igual a zero se e somente se E = E0 , ou no caso n ao linear: (E ) (E0 ) E (E E0 )
E0
e igual a zero se e somente se E = E0 , que para deforma co es cinematicamente admiss veis corresponde a: (Du) (Du0 ) DDu0 D (u u0 ) ou no caso n ao linear: (Du) (Du0 ) E D (u u0 )
Du0
e onde a igualdade se satisfaz agora para todo u u0 U N (D) . Integrando no dom nio B (regi ao ocupada pelo corpo) obtemos: [ (Du) (Du0 )] dB (DDu0 , D (u u0 ))
B
u Kinu
ou no caso n ao linear: [ (Du) (Du0 )] dB

B B
D (u u0 ) dB
D u0
7.4. Princ pios Variacionais (Corpos Livres) Substituindo este resultado no P.T.V. teremos: [ (Du) (Du0 )] dB f, u u0
B
213
u Kinu
e agrupando termos: ( u) =
B
(Du) dB f, u
B
(Du0 ) dB f, u0 = (u0 )
u Kinu
e onde a igualdade se verica se e somente se u e u0 diferem de um deslocamento de corpo r gido. Temos chegado assim ao seguinte princ pio de m nimo, v alido inclusive para materiais hiperel asticos n ao lineares.
7.4.2
Princ pio de M nima Energia Potencial Total (Corpos Livres)
O problema da elastost atica e equivalente ao problema de determinar u0 Kinu tal que minimize o funcional de energia potencial total ( u) =
B
(Du) dB f, u
denido para todo u0 Kinu .
7.4.3
Equa c oes Locais e Condi c oes de Contorno (Corpos Livres)
Nas se c oes anteriores apresentamos uma formula ca o abstrata, em fun ca o de operadores, v alida portanto para toda estrutura dentro das hip oteses de pequenos deslocamentos e deforma c oes e dentro do material el astico assumido. Nesta se c ao vamos reescrever estes resultados para o caso particular de um corpo tridimensional. Logo, o problema da elastost atica vimos que correspondia a: min (Du) dB f, u
B
uKinu
para o exemplo do corpo tridimensional em estudo teremos: f, u =

B
b u dB +
B
a u dB
onde b e a s ao as densidades de for cas de corpo e de superf cie denidas em B e B respectivamente. Por sua vez, para o caso de material hiperel astico linear: 1 1 (Du) = DDu Du = D (u)s (u)s 2 2
214
pelo que nalmente o problema de m nimo corresponde a: min ( u) =

B
uKinu
1 D (u)s (u)s dB 2
b u dB +
B B
a u dB
A condi ca o necess aria (e suciente) de m nimo em u0 corresponde a: (u0 , u) = 0 u Varu = U onde (u0 , u) representa o diferencial Gateaux em u0 segundo a dire ca o u, ou seja: ( u0 , u) = =
B
d ( u0 + u) d
=0
D (u0 )s (u)s dB
B
b u dB
B
a u dB = 0
u Varu = U que n ao e outra coisa que a express ao do P.T.V. para o exemplo em estudo. Admitindo regularidade e recordando que: D (u0 )s (u)s = div [D (u0 )s u] div [D (u0 )s ] u obtemos: ( u0 , u) =
B
{div [D (u0 )s ] + b}u dB +

B
[D (u0 )s n a]u dB = 0 u Varu = U
com o que chegamos nalmente ` a forma local de equil brio correspondente ` a Teoria da elasticidade innitesimal: div [D (u0 )s ] + b = 0 em B s D (u0 ) n = a sobre B Se nosso corpo e isotr opico, as equa co es anteriores correspondem a: div [2 (u0 )s + tr (u0 )s I ] + b = 0 em B 2 (u0 )s n + tr (u0 )s n = a sobre B Recordando que: tr (u)s = tr (u) = div u div u + uT = u + div u div (S ) = div S + S obtemos para o caso de corpos homog eneos as equa c oes de Navier: (u0 + div u0 ) + div u0 + b = 0 em B
7.4. Princ pios Variacionais (Corpos Livres)
215
Figura 7.2: Princ pio do Trabalho Virtual para corpos de Material Hiperel astico ou agrupando: u0 + ( + ) div u0 + b = 0 em B associadas ` as condi co es de contorno de car ater mec anico (for cas prescritas): (2 (u0 )s + div u0 ) n = a sobre B interessante ressaltar que a condi E c ao de contorno anterior n ao e exigida no P.M.E.P.T. j a que o funcional est a denido em Kinu , em outras palavras, as u nicas condi co es de contorno exigidas sobre u s ao de car ater cinem atico (u Kinu ). Por esta raz ao, as condi c oes de contorno que estabelecem que u Kinu s ao chamadas condi c oes de contorno principais. O leitor poder a notar ent ao que o processo de minimiza ca o e o respons avel pela sele ca o do campo u0 que satisfaz inclusive a condi ca o de contorno mec anica. Por esta raz ao esta condi ca o e chamada condi c ao de contorno natural (surge de forma natural no processo de minimiza ca o). A Figura 7.2 mostra gracamente o apresentado at e aqui.
7.4.4
Compatibilidade. Princ pio do Trabalho Virtual Complementar. Princ pio de M nima Energia Complementar (Corpos Livres)
Segundo hav amos visto na Se ca o A Formulacao Variacional, para o caso de corpos livres dada a carga f U em equil brio: f, u = 0 u Varu N (D) = N (D) a variedade linear no espa co vetorial W formada por todos os campos de tens oes T W em equil brio com f est a dada por: EstT = {T W ; (T, Du) + f, u = 0 u Varu }
216
e o s.e.v. formado pelas tens oes auto-equilibradas consiste em: VarT = T W ; T , Du = 0 u Varu e onde: EstT = T0 + VarT , T0 EstT arbitr ario Ent ao, a compatibilidade da deforma c ao E0 W correspondia ao problema variacional denido pelo P.T.V.C.: T , E0 = 0 T VarT Se consideramos a compatibilidade dentro do contexto de materiais hiperel asticos denidos nas se co es anteriores, a deforma ca o E0 estar a associada ao estado de tens oes T0 W atrav es de E0 = T T0 que no caso de material el astico linear se reduz a: E0 = D1 T0 Logo o problema da elastost atica ser a equivalente a determinar o campo T0 EstT tal que: T, = 0 T VarT T T0 Recordando que EstT = T0 + VarT teremos: VarT = EstT T0 com o que a express ao anterior pode ser reescrita como: Determinar T0 EstT tal que: T T0 , T = 0 T EstT
T0
A equa c ao variacional anterior corresponde ao P.T.V.C. para o caso do material hiperel astico em estudo, que no caso linear corresponde a: T T0 , D1 T0 = 0 T EstT Se recordamos a convexidade de a fun ca o de densidade de energia complementar : (T ) (T0 ) T (T T0 )
T0
7.4. Princ pios Variacionais (Corpos Livres) e onde a igualdade se verica se e somente se T = T0 , teremos que: [ (T ) (T0 )] dB
B
217
T T0 ,
= 0 T W
T0
Substituindo este resultado no P.T.V.C. obtemos: (T ) =

B
(T ) dB
B
(T0 ) dB = (T0 )
T EstT
e onde a igualdade se verica se e somente se T = T0 . Com base nisto vemos que o P.T.V.C. e equivalente ao seguinte problema de m nimo.
7.4.5
Princ pio de M nima Energia Complementar P.M.E.C. (Corpos Livres)
O problema da elastost atica e equivalente ao problema de determinar o campo T0 EstT tal que minimize o funcional: (T ) =
B
(T ) dB
T EstT
Aqui o leitor poder a observar que a exist encia e unicidade do campo T0 EstT est a garantida em virtude de que e um funcional estritamente convexo semi-cont nuo inferiormente e coercivo ( (T ) para T ) na variedade linear EstT (Ap endice A3). As equa c oes de Euler associadas ao problema de m nimo do funcional n ao s ao outra coisa que as equa c oes de compatibilidade. De fato, a condi ca o necess aria, e neste caso, suciente de m nimo corresponde a: T0 , T = = ou seja:
d T0 + T d =0 d T0 + T dB = 0 T VarT B d =0
T0 , T
=
B
dT
T dB =
T0
T, dT
= 0 T VarT
T0
que n ao e outra que o P.T.V.C. Temos chegado assim ao seguinte resultado: os campos u0 Kinu , E0 e T0 EstT solu c ao do problema da elastost atica (recorde que E0 = Du0 e T0 est ao associados via equa c ao constitutiva) s ao solu ca o dos problemas:
218 P.1)
uKinu
min (u) = (u0 )
P.2)
T EstT
min (T ) = (T0 )
Em particular e facil mostrar que (u0 ) = (T0 ) com o que que ca mais uma vez caracterizada a dualidade entre o problema P.l) e P.2). De fato, para demonstrar isto recordemos que: (E0 ) + (T0 ) = E0 T0 logo: ( u) ( u0 ) =
B
(Du0 ) dB f, u0 =
B
(T0 ) dB +
B
T0 Du0 dB f, u0
e como T0 EstT e u0 Kinu = Varu , o termo entre colchetes e nulo (P.T.V.) logo: (u) (u0 ) = (T0 ) (T ) u Kinu , T EstT
A express ao anterior nos proporciona uma maneira de obter um limite superior e inferior de nossa solu c ao, fazendo uso para ele respectivamente de campos de deslocamentos cinematicamente admiss veis e de tens oes estaticamente equilibradas com a carga f. Por u ltimo, para o exemplo em estudo (corpo tridimensional, material el astico linear) o P.M.E.C. toma a forma:
T EstT
min
(T ) =
B
1 1 D T T dB 2
7.5
Princ pios Variacionais. Restri c oes Bilaterais.
Nas se c oes anteriores discutimos os princ pios variacionais supondo o corpo livre de restri c oes cinem aticas. Agora passaremos a apresentar o caso de restri co es bilaterais. Logo: Kinu = {u U ; u = u sobre Bu } Varu = {u U ; u = 0 sobre Bu } onde Varu e um s.e.v. de U , Kinu uma variedade linear (transla ca o de Varu ), e Bu ea parte da fronteira B de B onde est ao prescritos os deslocamentos. Recordando o P.T.V. t nhamos que: l est a em equil brio se: Te = l, u = 0 u Varu N (D)
7.5. Princ pios Variacionais. Restri c oes Bilaterais.
219
Se l est a em equil brio existe ao menos um estado de tens oes T W que a equilibra, denido por: (T, Du) + f, u = 0 u Varu Nos perguntamos agora se dado l em equil brio existe u0 Kinu tal que a tens ao associada T0 : T0 = E E0 =Du0 equilibra l? Ou seja, tal que: E , Du
E0 =Du0
+ l, u = 0 u Varu
A resposta a esta pergunta e armativa e a formalizamos atrav es do seguinte Teorema. Teorema 7.2 (Corpo com restri c oes bilaterais) Dado l em equil brio existe r Var u e u0 Kinu tal que: Ku0 = l + r Por sua vez, se o movimento de corpo r gido e eliminado, novamente u0 eu nico. Prova. Por hip otese l [Varu N (D)]
Dos Lemas 1, 4 e 5 Ap endice A3, temos: [Varu N (D)] = [Varu N (K )] = Varu [K (Varu )]
= Var u K (Varu )
Por sua vez do Ap endice A2, Se ca o A2.10 e Lema 3, Ap endice A3, temos:
[Varu N (D)] = Var u + [N (D )] = Varu + R (K )
Destes resultados temos nalmente que

l Var u + R (K ) = Varu K (Varu )
Seja w Kinu arbitr ario, logo: Kw R (K ) e da express ao anterior se segue que: l Kw Var u K (Varu ) de onde:
l Var u + Kw + K (Varu ) = Varu + K (w + Varu )
e recordando que Kinu e uma trasla c ao de Varu Kinu = w + Varu , w Kinu arbitr ario
220 obtemos:
l Var u + K (Kinu ) A express ao anterior nos diz nalmente que existe r Var u e u0 Kinu tal que: l + r = Ku0 Demonstrada a exist encia, demostraremos a unicidade. Para isto, seja u Varu arbitr ario, logo: l, u = r + Ku0 , u = Ku0 , u = (DDu0 , Du) u Varu Recordando novamente que Kinu e uma trasla c ao de Varu e tomando u0 como essa trasla c ao teremos: Kinu = u0 + Varu Varu = Kinu u0 de onde a express ao anterior pode ser reescrita como: l, u u0 = (DDu0 , D (u u0 )) Se existe um outro campo u1 = u0 teremos que: l, u u1 = (DDu1 , D (u u1 )) u Kinu u Kinu
Fazendo, respectivamente, u = u1 e u = u0 nas duas u ltimas express oes e somando membro a membro teremos que: (DD (u0 u1 ) , D (u0 u1 )) = 0 e das propriedades do tensor de elasticidade D teremos: D (u0 u1 ) = 0 u0 u1 N (D) ou seja u0 e u1 diferem em um movimento de corpo r gido, portanto se este tipo de movimento est a impedido pelas restri c oes cinem aticas impostas em Bu tem-se a unicidade do campo u0 . Do Teorema anterior, conclu mos nalmente que o problema da elastost atica com restri c oes bilaterais corresponde ao problema variacional:
7.5.1
Princ pio do Trabalho Virtual (Restri c oes Bilaterais):

Determinar u0 Kinu tal que: (DDu0 , D (u u0 )) = l, u u0 u Kinu
Se recordamos a propriedade da fun ca o densidade de energia de deforma ca o: (Du) (Du0 ) DDu0 D (u u0 )
7.5. Princ pios Variacionais. Restri c oes Bilaterais. e igual se e somente se u u0 N (D). Logo: [ (Du) (Du0 )] dB (DDu0 , D (u u0 ))
B
221
u Kinu
Substituindo no P.T.V. obtemos: [ (Du) (Du0 )] dB l, u u0

B
u Kinu
e agrupando: ( u) =
B
(Du) dB l, u
B
(Du0 ) dB l, u0 = (u0 )
u Kinu
onde a igualdade se verica se e somente se u u0 N (D). Obtemos assim o seguinte princ pio de m nimo:
7.5.2
Princ pio de M nima Energia Potencial Total P.M.E.P.T. (Restri co es Bilaterais)
O problema de elastost atica e equivalente ao problema de determinar u0 Kinu tal que minimize o funcional (u) em Kinu . Novamente, desde este ponto de vista (minimiza ca o do funcional ) vemos que Kinu e uma variedade linear e convexo, coercivo ( (u) para u ), e semicont nuo inferiormente logo, a exist encia de um ponto m nimo u0 est a garantida e se Kinu N (D) = {0}, ou seja o movimento r gido foi eliminado, teremos que u0 eu nico j a que resulta agora estritamente convexo (Ap endice A3). Finalmente para o exemplo do corpo tridimensional em estudo, o funcional toma a forma: 1 ( u) = D (u)s (u)s dB b u dB a u dB B 2 B B Bu onde b e a s ao, respectivamente, a densidade de for cas de corpo (denida portanto em B ) e a densidade de for ca de superf cie prescrita no contorno B Bu . Vejamos agora o problema da compatibilidade das deforma c oes. Recordando o P.T.V.C. a deforma ca o E0 e compat vel se e somente se: T , E0 = T , D w T VarT
e onde w Kinu . Se aplicamos este princ pio ao caso do material apresentado, teremos que o problema da elastost atica ser a equivalente a determinar T0 EstT tal que a deforma c ao E0 associada 1 pela equa ca o constitutiva el astica (no caso linear E0 = D T0 e no caso mais geral E0 = ) seja compat vel, ou seja: T T0
222
7.5.3
Princ pio do Trabalho Virtual Complementar P.T.V.C. (Restri co es Bilaterais)

Determinar T0 EstT tal que T, T = T , D u0
T0
T VarT
E recordando que EstT e a transla ca o de VarT VarT = EstT T0 com o que o P.T.V.C. pode ser reescrito como: T T0 , T = ( T T 0 , D u0 )
T0
T EstT
Ent ao, da propriedade da fun c ao potencial de energia complementar: (T ) (T0 ) T (T T0 )

T0
e onde a igualdade e satisfeita se e somente se T = T0 , se segue que: [ (T ) (T0 )] dB

B
T T0 ,
T0
que substitu da no P.T.V.C. conduz a: [ (T ) (T0 )] dB (T T0 , Du0 )

B
T EstT
Ent ao, dado que T T0 VarT e u0 Kinu , a forma bilinear (T T0 , Du0 ) se reduz a uma forma linear em T T0 sobre a parte da fronteira Bu onde os deslocamentos est ao prescritos. De fato, para o caso tridimensional em estudo temos: ( T T 0 , D u0 ) =
B
(T T0 ) (u0 )s dB =
B
(T T0 ) u0 dB dB
=0
=
B
div [(T T0 ) u0 ] div (T T0 ) u0 (T T0 ) n u0 dB =

B Bu
(T T0 ) n u dB
Logo, para por em evid encia esta caracter stica geral introduzimos a seguinte nota ca o: (T T0 , Du0 ) = ((T T0 , u))
7.6. Pr ncipios Variacionais. Restri c oes Unilaterais Perfeitas (Sem Atrito) Feita esta observa c ao, o P.T.V.C. toma nalmente a forma [ (T ) (T0 )] dB ((T T0 , u))
B
223
T EstT
que agrupando termos conduz a: (T ) =

B
(T ) dB ((T, u))
B
(T0 ) dB ((T0 , u)) = (T0 )
T EstT
e onde a igualdade se verica se e somente se T = T0 . Teremos assim que o P.T.V.C. e equivalente ao problema de m nimo do funcional de energia complementar.
7.5.4
Princ pio de M nima Energia Complementar P.M.E.C. (Restri co es Bilaterais)
O problema de elastost atica (linear e n ao linear) e equivalente ao problema de determinar T0 EstT tal que minimize o funcional (T ) =
B
(T ) dB ((T, u))
na variedade linear EstT . Por sua vez temos visto que se existe solu c ao deste problema ela eu nica. A exist encia esta garantida em virtude de que e estritamente convexo, semi-cont nuo inferiormente e coercivo ( (T ) para T ) denido na variedade linear n ao vazia EstT (ver Ap endice A3). Finalmente e de uma forma similar ` a apresentada para o caso de corpos livres, e possi vel mostrar que: (u) (u0 ) = (T0 ) (T ) u Kinu , T EstT
e onde u0 , T0 s ao as solu c oes dos problemas de m nima energia potencial total e complementar respectivamente.
7.6
Pr ncipios Variacionais. Perfeitas (Sem Atrito)
Restri c oes Unilaterais
Na Se c ao A Formulacao Variacional limitamos nossa apresenta ca o ao caso de Varu ser um cone convexo de v ertice na origem. Como sempre Kinu ser a uma trasla ca o de Varu . Restri co es cinem aticas mais gerais, foram analisadas por FICHERA e por BREZIS, onde em geral Kinu e um conjunto fechado convexo.
224
Dentro dessa limita c ao, Varu cone convexo, dada a carga equilibrada l U , vimos que existia T W tal que: (T, Du) + l, u 0 u Varu Novamente o problema da elastost atica consistir a em determinar u0 Kinu tal que o estado de tens oes T0 associado a este campo pela equa ca o constitutiva estudada: T0 = E
Du0
equilibre l, teremos assim que o Princ pio dos Trabalhos Virtuais (P.T.V.) toma a forma: , Du + l, u 0 u (Varu (u0 )) E Du0 Novamente, dado que Kinu e a trasla c ao de Varu , a express ao anterior pode ser colocada em termos somente de campos cinematicamente admiss veis, ou seja: E , D (u u0 )
Du0
l, u u0 0 u Kinu
Ent ao, o primeiro termo n ao e outra coisa que o diferencial em u0 segundo a dire ca o u u0 do funcional de energia potencial total: ( u) =
B
(Du) dB l, u
De fato: ( u0 , u u0 ) = d (u0 + (u u0 )) d =
=0 B
D (u u0 ) dB l, u u0
D u0
e das propriedades do funcional , diferenci avel, estritamente convexo, semi-cont nuo inferiormente e coercivo se segue (ver Ap endice A3) que o problema anterior e equivalente ao seguinte problema de m nimo:
7.6.1
Princ pio de M nima Energia Potencial Total (Restri c oes Unilaterais)
O problema da elastost atica e equivalente a determinar u0 Kinu tal que minimize: ( u) = (Du) dB l, u
B
denido no convexo n ao vazio Kinu .
7.6. Pr ncipios Variacionais. Restri c oes Unilaterais Perfeitas (Sem Atrito)
225
Novamente, das propriedades da fun ca o de densidade de energia , da hip otese que l s ao funcionais lineares e cont nuos e das caracter sticas de Kinu e poss vel demonstrar exist encia e unicidade da solu c ao. Por outro lado, a deforma ca o E era compat vel se e somente se: T , E T , Dw T VarT
Logo, o problema da elastost atica consistir a em determinar T0 EstT tal que (Princ pio do Trabalho Virtual Complementar): T, Ent ao, recordando que: VarT = T W ; T , Du 0 u Varu (u0 ) T T , D u0
T0
T VarT
EstT = {T W ; (T, Du) + l, u 0 u Varu (u0 )} Por sua vez, EstT = T + VarT T EstT . De fato, seja T EstT e T VarT arbitr ario logo: T , Du (T, Du) + l, u 0 u Varu (u0 ) 0 u Varu (u0 )
somando membro a membro estas desigualdades teremos: T + T , Du + l, u 0 u Varu (u0 ) de onde se conclui que T + T EstT e como T e T s ao elementos arbitr arios de EstT e VarT se conclui que EstT = T + VarT para todo T EstT . Este resultado nos permite reescrever o princ pio do Trabalho Virtual complementar da seguinte forma: Determinar T0 EstT tal que: T T0 , T (T T0 , Du0 )
T0
T EstT
Recordando as propriedadees de : (T ) (T0 ) T (T T0 )

T0
onde a igualdade se verica se e somente se T = T0 , e integrando, obtemos: [ (T ) (T0 )] dB

B
T T0 ,
T0
226
e substituindo na express ao do P.T.V.C. obtemos: [ (T ) (T0 )] dB (T T0 , Du0 )

B
T EstT
Novamente por ser T e T0 campos equilibrados com a carga aplicada l, a forma bilinear (T T0 , Du0 ) se reduz a uma forma linear em T T0 sobre a parte Bu da fronteira B onde os deslocamentos est ao prescritos. O anterior ser a representado da seguinte forma: (T T0 , Du0 ) = ((T T0 , u)) Substituindo este u ltimo resultado no P.T.V.C. e agrupando, chegamos nalmente a (T ) =
B
(T ) dB ((T, u))
B
(T0 ) dB ((T0 , u)) = (T0 )
e onde a igualdade se verica se e somente se T = T0 . Teremos assim que o problema da elastost atica formulado em fun ca o das tens oes e equivalente ao seguinte princ pio de m nimo:
7.6.2
Princ pio de M nima Energia Complementar (Restri co es Unilaterais)
O problema da elastost atica em fun c ao das tens oes consiste em determinar ou nico campo T0 EstT que minimiza o funcional . A unicidade deste campo j a foi estabelecida. A exist encia do campo T0 surge da propriedade de , o qual e estritamente convexo, semi-cont nuo inferiormente e coercivo, e do fato de que EstT e um convexo fechado n ao vazio. Para o corpo el astico tridimensional em estudo, toma a forma: (T ) =
B
1 1 D T T dB 2
T n u dB
Bu
7.7
Princ pio de Min-Max. Funcional de HellingerReissner
Como vimos nas se co es anteriores, para materiais hiperel asticos denidos por fun co es convexas de densidade de energia de deforma ca o, , e de energia complementar, , dentro das hip oteses de pequenas deforma co es e deslocamentos, o problema de determinar os campos u0 , E0 e T0 tais que satisfa cam: admisibilidade cinem atica compatibilidade
7.7. Princ pio de Min-Max. Funcional de Hellinger-Reissner equa ca o constitutiva equil brio e equivalente aos seguintes problemas de m nimo: (P1) min ( u) =
B
227
uKinu
(u) dB l, u
(P2) min (T ) =
B
T EstT
(T ) dB ((T, u))
O problema (P1) e o P.M.E.P.T. e o (P2) e o P.M.E.C. A solu ca o u0 de (P1) e T0 de (P2) s ao tais que: (u0 ) = (T0 ) ou seja: min (u) = min (T ) de onde: min (u) = max [ (T )] Em virtude desta rela ca o o problema (P1) tamb em e chamado na literatura como Problema Primal e o problema (P2) e chamado de Problema Dual. Tamb em, podemos observar que para os diferentes tipos de restri c oes cinem aticas (corpo livre, restri co es bilaterais, restri c oes unilaterais) os funcionais e permanecem inalterados variando unicamente a caracteriza ca o dos conjuntos Kinu e EstT . No caso mais geral (restri co es unilaterais), estes conjuntos s ao fechados e convexos e, para o caso de restri c oes bilaterais ou corpo livre, estes conjuntos s ao variedades lineares ou subespa cos. A caracteriza ca o do m nimo est a dada no primeiro caso por inequa c oes variacionais (P.T.V. e P.T.V.C. para (P1) e (P2) respectivamente) que nos mostra para esta classe de restri co es a natureza n ao linear do problema (inclusive para materiais el asticos lineares). Para restri c oes cinem aticas bilaterais ou corpo livre, a caracteriza c ao do m nimo est a dada por equa c oes variacionais (P.T.V. e P.T.V.C.). Ent ao, a constru c ao de Kinu em geral, n ao resulta dif cil, n ao ocorre o mesmo com EstT . Movidos por esta diculdade, nos perguntamos se ser a poss vel caracterizar a solu c ao da elastost atica de tal maneira que a constru c ao dos conjuntos n ao seja t ao dif cil. A resposta a esta quest ao e armativa e ser a apresentada nesta se c ao. Recordemos a dualidade entre as fun c oes e . Em particular: (Du) = max [T Du (T )]
T W
228
onde o campo T est a simplesmente limitado a pertencer a W . Substituindo isto no funcional temos: ( u) =
B
(Du) dB l, u (T ) dB +
B B
= max
T W
T Du dB l, u
chamando: FH R =
B
(T ) dB +
B
T Du dB l, u
conhecido como funcional de Hellinger-Reissner (em virtude de ser estes dois autores quem o propuseram pela primeira vez em 1914 e 1950, respectivamente), a express ao anterior pode ser escrita como: (u) = max FH R (u, T )
T W
e o problema (P1) resulta equivalente a:

uKinu
min (u) = min max FH R (u, T )

uKinu T W
de onde: FH R (u0 , T ) (u0 ) = FH R (u0 , T0 ) por sua vez como: (u0 ) = (T0 ) = min ( (T )) = max ( (T )) se segue que:
T W uKinu
max min FH R (u, T ) = min max FH R (u, T )

uKinu T W
logo: FH R (u0 , T ) (u0 ) = FH R (u0 , T0 ) FH R (u, T0 ) Em outras palavras os campos u0 , T0 solu co es de (P1) e (P2), respectivamente s ao o ponto de sela do funcional de Hellinger-Reissner. Temos chegado ao seguinte problema variacional.
7.7.1
Princ pio de Hellinger-Reissner
O problema da elastost atica e equivalente ao problema variacional de determinar os campos u0 Kinu e T0 W solu ca o do seguinte problema de min-max
uKinu T W
min max FH R (u, T )
Do ponto de vista mais mec anico, para formular o princ pio de min-max temos raciocinado da seguinte maneira:
7.7. Princ pio de Min-Max. Funcional de Hellinger-Reissner No P.M.E.P.T.

uKinu
229
min (u)
est ao impl citas as seguintes equa c oes: equa ca o de compatibilidade: dado u0 E0 = Du0 equa ca o constitutiva: E0 = Du0 e T0 est ao associados pela equa c ao constitutiva do material hiperel astico em estudo. Ou seja: E0 = T ,
T0
T0 =
E0
Logo, para formular o funcional FH R o que temos feito e incorporar explicitamente esta u ltima equa c ao no funcional . Isto o zemos ao estabelecer que o campo T associado ` a deforma c ao Du pela equa ca o constitutiva e a solu c ao do problema: max [T Du (T )] = (Du)
T W
Por u ltimo, atrav es do m nimo com rela ca o ` a vari avel u Kinu estamos procurando aquele T que, al em de estar associado a Du pela equa c ao constitutiva, satisfa ca o equil brio. Do anterior vemos claramente que as equa c oes associadas ao problema de min-max dever ao ser: Equil brio Equa ca o Constitutiva De fato, a condi ca o de max em T W e por ser W um e.v. est a dada por: FH R u0 , T0 ; T = =
B
d F H R u0 , T 0 + T d T
=0
D u0
T0
T dB
T W
de onde se conclui que: E0 = Du0 = T x B

T0
230
Por sua vez, a condi ca o de m nimo com rela ca o a u Kinu e por ser Kinu um convexo fechado n ao vazio est a dada pela inequa c ao variacional F H R ( u0 , T 0 ; u) = =
B
d FH R (u0 + u, T0 ) d T Du dB l, u
=0
= (T, Du) l, u 0 u Varu (u0 ) que n ao e outra coisa que o pr oprio P.T.V. que como j a sabemos estabelece o equil brio entre o campo T e a carga l. Por u ltimo e interessante ressaltar que ao resolver o problema de min-max obtemos u0 e T0 simultaneamente. Isto tem sua import ancia quando utilizamos m etodos aproximados.
7.8
Funcional Generalizado
Nesta se ca o vamos deduzir um novo funcional, F (u, E, T ), chamado funcional generalizado ou funcional de tr es campos. Para isso recordemos novamente o P.M.E.P.T.: min (u ) =
B
uKinu
(u) dB l, u
O problema anterior pode ser reescrito da seguinte forma: min ( u) =

B
uKinu
(E ) dB l, u
com a condi c ao subsidi aria: E = Du Fazendo uso da teoria dos multiplicadores de Lagrange podemos construir um outro funcional, F (u, E, T ), dado por: F (u, E, T ) =
B
(E ) dB l, u
B
T (E Du) dB
Temos assim o seguinte problema variacional.
7.8.1
Princ pio Variacional Generalizado
O problema da elastost atica e equivalente ao problema variacional de determinar u0 Kinu , E0 W e T0 W tais que fa cam estacion ario o funcional F (u, E, T ) . De fato,
7.9. Teorema de Castigliano
231
como o problema est a denido em Kinu , W e W a condi ca o de ponto estacion ario conduz a: F (u0 , E0 , T0 ; u) 0 u Varu (u0 ) F u0 , E 0 , T 0 ; E F u0 , E 0 , T 0 ; T ou de forma estendida: F (u0 , E0 , T0 ; u) = d F (u0 + u, E0 , T0 ) d =0 = (T0 , Du) l, u 0 u Varu (u0 ) = 0 E W = 0 T W
que corresponde ` a express ao do P.T.V., ou seja T0 EstT , F u0 , E 0 , T 0 ; E = =

B
d F u0 , E0 + E, T0 d E E T0
E0
=0
E dB = 0 E W
de onde: T0 =
x B
E0
ou seja E0 , T0 est ao relacionados pela equa ca o constitutiva, F u0 , E 0 , T 0 ; T = =

B
d F u0 , E 0 , T 0 + T d
=0
T (E0 Du0 ) dB = 0 T W
de onde: E 0 = D u0 x B que nos diz que o campo de deforma c ao E0 e compat vel. Com isto vemos que o ponto que faz estacion ario o funcional generalizado e solu c ao do problema da elastost atica e vice-versa, a solu ca o do problema da elastost atica faz estacion ario o funcional generalizado, da a equival encia entre ambos os problemas. A Figura 7.3 nos mostra esquematicamente os resultados at e aqui alcan cados.
7.9
Teorema de Castigliano
Nesta se ca o, limitaremos nossa apresenta c ao ao caso de restri co es cinem aticas bilaterais. Neste caso Kinu e uma variedade linear.
232
Figura 7.3: Principios Variacionais na teoria da elasticidade em pequenas deforma co es e deslocamentos Dizemos que o sistema de carga l aplicada ao corpo na congura ca o B e um sistema de for ca a n par ametros se:
n
l=
i=1
Qi l i
onde li U e o i- esimo modo de for ca e Qi R e o par ametro de carga associada ao i- esimo modo tamb em chamado par ametro de carga generalizada. Neste caso, o funcional toma a forma: ( u) =
B n
(u) dB l, u (u) dB
B i=1 n
= =
B
Qi l i , u Qi qi
i=1
(u) dB
onde: qi = l i , u e chamado par ametro de deslocamento generalizado e est a associado a u atrav es da express ao anterior.
7.9. Teorema de Castigliano
233
Em virtude desta rela ca o e poss vel expressar u em fun ca o dos par ametros qi , ou seja: u = u (qi ) logo, o P.M.E.P.T. resulta:
n uKinu
min (u) =
qi ,i=1,...,n
min
( qi ) =
B
(u (qi )) dB
i=1
Qi qi
Da condi ca o de m nimo obtemos: qi (u (qi )) dB = Qi ,

B
i = 1, 2, ..., n
express ao esta correspondente ao Primeiro Teorema de Castigliano estendido a elasticidade n ao linear. Consideremos agora o P.M.E.P.C.: min (T ) =
B
T EstT
(T ) dB ((T, u))
Suponhamos agora que u pode ser expresso como:

n
u=
i=1
q i ei
onde q i R e ei e o modo de deslocamento prescrito. Substituindo isto em temos:

n n
(T ) =
B
(T ) dB
i=1
((T, ei )) q i =
(T ) dB
B i=1
Qi q i
onde: Qi = ((T, ei )) ou seja Qi = Qi (T ). Em virtude deste resultado, em geral, poderemos expressar os campos T EstT em fun ca o dos par ametros Qi . Neste caso teremos:
n T EstT
min (T ) =
Qi ,i=1,...,n
min
(Qi ) =
B
(T (Qi )) dB
i=1
Qi qi
Novamente, da condi ca o de m nimo obtemos: Qi (T (Qi )) dB = qi ,

B
i = 1, 2, ..., n
Este resultado corresponde ao Segundo Teorema de Castigliano estendido a elasticidade n ao linear.
234
7.10
Cotas para Deslocamentos e Cargas Generalizadas
Nas se co es anteriores t nhamos estabelecido que: ( u) =

B
(Du) dB l, u (u0 ) =
B
(Du0 ) dB l, u0 = (T0 ) (T ) dB + ((T, u))

B
=
B
(T0 ) dB + ((T0 , u)) u Kinu ,
= (T )
T EstT
Suponhamos agora que as restri co es cinem aticas em Bu s ao homog enas, ou seja, u = 0, e que a carga aplicada l e uma carga de um par ametro, ou seja, l = Ql1 . Para este caso a express ao anterior resulta: (Du) dB Qq
B B
(Du0 ) dB Qq0 =
B
(T0 ) dB
B
(T ) dB
para todo u Kinu e T EstT e onde: q = l1 , u , q 0 = l1 , u 0
Logo, dada uma dire c ao u Kinu (arbitr aria) podemos obter a melhor cota inferior para B (T0 ) dB resolvendo o problema: max Qq
(Du ) dB
B
Qq0
B
(Du0 ) dB =
B
(T0 ) dB
B
(T ) dB
No caso de um material el astico linear, o m aximo pode ser calculado explicitamente. De fato para este material se verica que: (E ) = 2 (E ) Substituindo este resultado no problema proposto obtemos: max Qq 2
(Du ) dB
B
Qq0
B
(Du0 ) dB =
B
(T0 ) dB
B
(T ) dB
O m aximo em corresponde ` a condi c ao: Qq 2

B
(Du ) dB = 0 Qq 2 B (Du ) dB
de onde: max =
7.10. Cotas para Deslocamentos e Cargas Generalizadas
235
Figura 7.4: Viga engastada em um extremo do exemplo 7.1 Substituindo este resultado obtemos: max Qq Qq 2 B (Du ) dB (Du ) dB
B
Qq0
B
(Du0 ) dB (T ) dB
B
=
B
(T0 ) dB
de onde: max Qq Qq0 2 (Du0 ) dB =

B B
(T0 ) dB
B
(T ) dB
para todo u Kinu e T EstT , onde EstT = {T W ; (T, u) = Q l1 , u u Varu }
Se em particular aplicamos este resultado para a dire ca o u0 teremos: max = com o que obtemos: Qq0 =1 2 B (Du0 ) dB (T ) dB
B
1 Qq0 = 2 q0 2 Q
(T0 ) dB
B
de onde:
(T ) dB
B
T EstT
Obtemos assim uma cota superior para o deslocamento generalizado real da estrutura, q0 , associada ` a carga generalizada Q em fun ca o simplesmente de campos de tens oes com ela equilibradas. Exemplo 7.1 Seja a estrutura da Figura 7.4. Para este exemplo temos: EstT = {M ; M = Qx} 1 M2 1 Q2 x2 (T ) = = 2 EI 2 EI
236 logo
2 L 1 Q 2 x2 QL3 dx = Q 0 2 EI 3EI com o que obtemos a cota superior coincidente com o deslocamento exato. q0 Recordemos novamente a desigualdade: (u) (u0 ) = (T0 ) (T ) Desta express ao e supondo que l = 0 temos: (T ) = ((T, u))
B
u Kinu ,
T EstT
(T ) dB ((T0 , u))
B
(T0 ) dB T EstT
=
B
(Du0 ) dB
B
(Du) dB
u Kinu ,
Novamente, escolhida a dire c ao T EstT arbitr aria podemos escolher o ponto T que nos proporcione a melhor cota inferior para B (Du0 ) dB. Em outras palavras: max ((T , u))
(T ) dB
B
((T0 , u))
B
(T0 ) dB (Du) dB
B
=
B
(Du0 ) dB
para todo T EstT e todo u Kinu . Para o material el astico linear teremos, com um racioc nio similar ao j a realizado, que: max = ((T , u)) 2 B (T ) dB
que substitu da na desigualdade anterior resulta: max ((T , u)) max

B
(T ) dB
((T0 , u))
B
(T0 ) dB (Du) dB
B
=
B
(Du0 ) dB
de onde:
1 max ((T , u)) (Du) dB 2 B Em particular para a dire ca o T0 resultar a max = 1 logo: 1 ((T0 , u)) 2 Se admitirmos agora que: u = qe (Du) dB
B
7.10. Cotas para Deslocamentos e Cargas Generalizadas ou seja, depende de um u nico par ametro de deslocamento generalizado, teremos: 1 1 ((T0 , e)) q = Q0 q 2 2 de onde: Q0 2 q (Du) dB
B
237
(Du) dB
B
Logo fazendo uso de campos cinematicamente admiss veis obtemos uma cota superior para a carga generalizada real que seja necess aria aplicar ` a estrutura para produzir o deslocamento generalizado q . At e aqui, temos obtido cotas de cargas e deslocamentos em pontos onde a carga est a aplicada ou o deslocamento est a prescrito. Vamos mostrar uma t ecnica para obter uma cota do deslocamento em qualquer ponto da estrutura. Consideremos o corpo B submetido ` a a ca o da carga l U e as restri c oes cinem aticas em Bu do tipo u = 0, e chamemos de u0 o campo de deslocamento solu ca o do problema elastost atico correspondente. Seja agora T W um estado de tens oes equilibrado com a carga l por agora arbitr aria. Da propriedade das fun c oes potenciais e temos: (Du0 ) + (T ) T Du0 de onde: (T ) T Du0 (Du0 ) Integrando no dom nio B e recordando que T e um campo estaticamente equilibrado com l resulta: (T ) dB
B B
T Du0 dB
B
(Du0 ) dB
l , u0
B
(Du0 ) dB
Ent ao, para o caso de um material el astico linear temos: 1 (Du0 ) = T0 Du0 , 2 T0 = DDu0
onde T0 e um campo equilibrado com a carga l, logo: (T ) dB l , u0

B
1 l, u0 = 2
1 l l, u0 2
Em particular, se queremos cotar u0 em um ponto arbitr ario x B segundo a dire ca o e, tamb em arbitr aria, bastar a para isso adotar como carga l a seguinte: 1 l = l + x Q e 2
238
Figura 7.5: Viga engastada do exemplo 7.2 onde x e a fun c ao delta de Dirac, e Q um escalar arbitr ario. De fato,.substituindo l na u ltima desigualdade obtemos: (T ) dB x Q e, u0 = Q (u0 e)x 1 Q
de onde: (u0 e)x
(T ) dB
B
onde recorde que T e um campo equilibrado com a carga l adotada. Como T depender a de Q poderemos modicar Q de maneira a minimizar o segundo termo da desigualdade. Temos assim que a cota superior otima corresponde a: (u0 e)x min
Q
1 Q
(T ) dB
B
Exemplo 7.2 Seja a estrutura da Figura 7.5, logo: l p carga uniformemente distribuida 1 l p + Q , onde Q e uma carga concentrada em x = 0 2 O estado T = M dever a estar equilibrado com l logo: 1 1 x2 M = p + Q x = px2 + Q x 2 2 4
L px2 + Q x 1 M 2 1 1 4 (T ) dB = dx = dx EI B 0 2 EI 0 2 1 1 2 5 1 4 1 2 3 p L + pQ L + Q L = 2EI 80 8 3 L 2
7.11. Problema da Elastodin amica (Restri co es Bilaterais) de onde: q0 min

Q
239
1 2EI
1 p2 L5 1 4 1 3 + pL + Q L 80 Q 8 3
A condi c ao de m nimo corresponde a: d dQ de onde: Q = que conduz ` a seguinte cota otima: q0 1 1 + 240 16 pL4 pL4 0.127 EI EI 3 pL 8 1 p2 L5 1 4 1 3 + pL + Q L 80 Q 8 3 =0
O deslocamento exato corresponde a q0 = 0.125qL4 / (EI ). Ou seja, o deslocamento foi cotado por um erro de 1.6%.
7.11
Problema da Elastodin amica (Restri co es Bilaterais)
Nas se co es anteriores concentramos nossa aten c ao ao problema da elastost atica. Entretanto, na Se c ao 6.5.1 vimos que o Princ pio da Pot encia Virtual nos dene o conceito de equil brio inclusive para o caso din amico. Neste caso era necess ario incluir no termo correspondente ` a pot encia externa, Pe , a pot encia das for cas de in ercia, v , onde v ea descri c ao espacial da acelera ca o real do movimento. Para simplicar nossa apresenta c ao vamos a supor que o conjunto Kinu est a denido da seguinte maneira Kinu = {u = u(x, t)|u sucientemente regular em B [0, tf ], u = u(t, x)x Bu [0, tf ]}
(7.1)
e contorno Bu de B , onde os deslocamentos est ao prescritos, tamb em estamos supondo n ao varia com o tempo. Dentro das hip oteses de pequenas deforma co es e deslocamentos, o problema da elastodin amica consistir a em: Para cada instante de tempo t [0, tf ] , determinar os campos u0 Kinu , E0 W e T0 W , tais que: o campo T0 est a em equil brio (din amico) com a carga lt W , onde lt representa a carga no instante t.
240
Cap tulo 7. Princ pios Variacionais em Elasticidade. Pequenas Deforma c oes os campos E0 e T0 est ao associados pela equa ca o constitutiva do material hiperel astico estudado. o campo E0 W e um campo compat vel de deforma c ao, ou seja: E0 =Du0 . o campo u0 satisfaz as condi c oes iniciais: u0 (x, 0) = u0 (x) x B u 0 (x, 0) = u 0 (x) = v0 (x) x B
Como no caso est atico, podemos formular o problema da elastodin amica em fun c ao unicamente do campo de deslocamentos (Problema Primal) ou em fun ca o do campo de tens oes em equil brio din amico com a carga lt (Problema Dual) ou formula c oes mistas, em fun ca o de campos de deslocamentos e de tens oes, ou formula c oes generalizadas, ou seja em fun c ao dos tr es campos: deslocamentos, deforma co es e tens oes. Limitando nossa apresenta c ao ` a formula c ao em termos do campo de deslocamentos, o problema da elastodin amica consistir a em determinar, para cada instante de tempo t [0, tf ], o campo u0 Kinu tal que Satisfa ca o equil brio: ( E , D u) l t u 0 , u
Du0
u Varu (u0 (, t))
(7.2)
Satisfa ca a condi ca o inicial: u0 (x, 0) = u0 (x) u 0 (x, 0) = u 0 (x) = v0 (x) x B (7.3)
Como consideramos restri co es cinem aticas do tipo bilateral (recordar a deni c ao de Kinu dada em (7.1)), o conjunto Varu resulta um s.e.v. de U pelo que a inequa ca o anterior (7.2) se transforma em uma equa c ao variacional: Varu = {u|u suf. regular, u(x, 0) = u(x, tf ) = 0x B } (7.4)
Para este u ltimo caso e suposta a exist encia de uma solu c ao, n ao resulta dif cil demonstrar unicidade. Para isso, recorde que Varu e o conjunto de todas as a co es de movimento (campos de velocidades) virtuais, cinematicamente admiss veis. Com base nisto a equa ca o de equil brio pode ser reescrita da seguinte forma: E , D (u u 0)
Du0
+ u 0 , u u 0 = lt , u u 0 u Varu
(7.5)
Se existe outra solu c ao u1 , u0 = u1 , a equa c ao variacional anterior (7.5) tamb em se verica para u1 : E , D (u u 1)
Du1
+ u 1 , u u 1 = lt , u u 1 u Varu
(7.6)
7.11. Problema da Elastodin amica (Restri co es Bilaterais)
241
Fazendo u =u 1 e u =u 0 nas duas u ltimas equa c oes e somando membro a membro obtemos: E
D u1
, D (u 1 u 0)
D u0
+ ( u1 u 0 ) , u 1 u 0 = 0
Para o caso de um material hiperel astico linear a express ao anterior corresponde a: (DD (u1 u0 ) , D (u 1 u 0 )) + ( u1 u 0 ) , u 1 u 0 = 0 de onde: 1d [(DD (u1 u0 ) , D (u1 u0 )) + (u 1 u 0) , u 1 u 0 ] = 0 2 dt Integrando a express ao anterior entre 0 e o tempo gen erico t, dado que u0 e u1 satisfazem a mesma condi c ao inicial e da positividade de D e de se segue que: D (u1 u0 ) = 0 u 1 u 0 = 0 t [0, tf ] e x B t [0, tf ] e x B
Tendo presente que em t = 0 as condi c oes iniciais para u0 e u1 s ao id enticas se conclui nalmente que: u1 = u0 x B, t [0, tf ] com o que obtemos a unicidade de tal solu c ao do problema da elastodin amica. Para o caso de um material hiperel astico n ao linear tamb em se verica o resultado anterior em virtude de que a rela c ao constitutiva e mon otona e da positividade de . Seja agora o seguinte funcional:
tf
L(u) =
0
1 u, u (u) + lt , u }dt 2
(7.7)
onde os dois primeiros termos do integrando s ao, respectivamente, a energia cin etica e a energia interna do sistema e o terceiro termo corresponde ao trabalho das for cas aplicadas. Logo, das considera c oes anteriores e da express ao (7.5) temos que: u0 = arg min L(u)
uKinu def
(7.8)
A express ao anterior e o pr oprio princ pio de Hamilton: de todas as congura c oes cinematicamente admiss veis aquela que minimiza o funcional e a solu c ao da elastodin amica. O anterior e conhecido como Princ pio de Hamilton. De fato: d L(u0 + u)| =0 = d =
=0 tf tf
{ u 0, u (
0
u 0 , u |0f por ser

u bVaru
|Du , Du) + lt , u }dt = E 0 tf + { u 0 , u ( |Du , Du) + lt , u }dt = E 0 0 |Du , Du) + lt , u }dt = 0 u Varu E 0 (7.9)
=
0
{ u 0 , u (
242
Logo, para cada instante t temos ( |Du , Du) lt u 0 , u = 0 u Varu E 0 (7.10)
Isto e, recuperamos a express ao (7.2).
7.12
Solu c ao Aproximada dos Problemas Variacionais
Nesta se ca o vamos mostrar como os Princ pios Variacionais estudados nas se c oes anteriores nos proporcionam de uma maneira natural os algoritmos num ericos adequados para a obten c ao de solu c oes aproximadas.
7.13
Problema da Elastost atica. Restri c oes Bilaterais
Segundo temos visto em se co es anteriores este problema e equivalente aos seguintes problemas variacionais:
uKinu T EstT
min (u) P.M.E.P.T. min (T ) P.M.E.C.
(7.11) (7.12)
Como podemos apreciar estes dois problemas est ao denidos nos conjuntos Kinu e EstT que para restri co es cinem aticas do tipo bilateral s ao trasla co es dos s.e. Varu e VarT de dimens ao innita, ou seja: Kinu = u + Varu EstT = T + VarT Para obter solu c oes aproximadas destes dois problemas procedemos a deni ca o dos mesmos em espa cos de dimens ao nita. Para isso designemos por {i } o conjunto i=1 completo de fun co es coordenadas ou fun co es bases no s.e. Varu (no caso do corpo tridimensional i e um campo vetorial). Recorde que o anterior equivale a dizer que dado > 0 arbitrariamente pequeno, sempre ser a poss vel estabelecer um n umero inteiro N = N ( ) tal que para todo n > N resulta poss vel denir a1 , a2 ,..., an , ai R, tais que:
n
u
i=1
ai i < , : norma adotada em Varu
Com base no anterior e para n nito podemos denir o espa co de dimens ao nita:
n Varn u = Span {i }i=1
7.13. Problema da Elastost atica. Restri c oes Bilaterais
243
vericando-se,por sua vez que Varn e uma trasla ca o u u Varu . Recordando que Kinu (u Kinu arbitr ario) de Varu , podemos estabelecer em Kinu o subconjunto Kinn Kin u u dado por: n n Kinn u = u + Varu = u + Span {i }i=1 O anterior pode ser estendido de uma maneira similar ao espa co VarT e ao conjunto EstT . Logo, designando por {i } ao conjunto completo de fun c oes coordenadas (no i=1 caso de corpo tridimensional i e um campo tensorial) no espa co VarT . Logo, para cada r nito temos:
r Varr T = Span {i }i=1 VarT r r Estr T = T + VarT = T + Span {i }i=1 EstT
Com estes novos conjuntos, passamos a reformular os problemas variacionais mas r desta vez denindo-os nos conjuntos Kinn u e EstT , respectivamente. Como veremos mais adiante, isto conduzir a ao problema de minimizar uma fun c ao em Rn e Rr respectivamente. Os algoritmos num ericos para a resolu ca o destes problemas em dimens ao nita basicamente podem agrupar-se em duas grandes categorias: uma chamada m etodos diretos integrada por algoritmos que em geral procuram minimizar em cada passo a fun c ao objetivo, a outra categoria (m etodos indiretos).corresponde aos algoritmos que procuram a resolu ca o das equa co es que caracterizam o m nimo. O P.M.E.P.T. e o P.M.E.C. resultam agora denidos da seguinte maneira:
uKinn u T EstT
min (u)
minr (T )
n r r Dado que Kinn u = u + Varu e EstT = T + VarT temos que: n
u Kinn u u = u+
i=1 r
ai i b i i
i=1
T Estr T T = T +
r onde variando ai , bi R, i = 1, 2, ...,obtemos todos os elementos de Kinn u e EstT . Com base nisto o funcional (u) em Kinn u toma a forma: n n n
u+
i=1
ai i
=
B
u+
i=1
ai i
dB
i=1
ai l, i = (a1 , a2 , ..., an ) = (a)
onde e uma fun c ao denida em Rn , ou seja: (P1)

uKinn u
min (u) min (a ) n

a
(7.13)
244
em outras palavras ao trabalhar em dimens ao nita temos transformado o problema original (P.M.E.P.T.) de minimizar um funcional em um espa co de dimens ao innita em um n problema de minimizar uma fun ca o e em R . De forma similar o P.M.E.C. se transforma em: (P2) onde: (b) =
B T Estr T
min (T ) min (b) r

b
(7.14)
T+
i=1
bi i
dB
T+
i=1
bi i , u
Por outro lado, se o material e el astico linear temos: 1 (a) = 2

n n n
DD u +
B i=1
ai i
D u+
j =1
aj j
dB l, u
i=1
ai l, i
e dada a simetria e positividade de D se segue-se que a condi ca o necess aria e suciente para o m nimo de est a dada por: = 0, para i = 1, 2, ..., n ai ou em forma expl cita:
n
DDi Dj dB aj = l, i
j =1 B B
DDu Di dB, para i = 1, 2, ..., n
Logo, o problema (P1) (7.13) e equivalente ao problema de resolver o sistema linear de equa co es alg ebricas: (P1.a) Ka = f (7.15) onde: K matriz do sistema, sim etrica positiva denida (em virtude das propriedades de D e em virtude de supor que o movimento de corpo r gido foi eliminado). Seu coeciente gen erico Kij est a dado por: Kij =
B
DDi Dj dB
f Rn vetor termo independente fun ca o da carga aplicada l e das condi co es de contorno em Bu .
245
Por sua vez, das propriedades de K se segue-se que existe sua inversa K 1 pelo que os coecientes da solu c ao aproximada est ao dados por a = K 1 f . Aqui se v e perfeitamente que se as fun c oes coordenadas i . s ao escolhidas de maneira a serem ortogonais no sentido: Kij = 0 se i = j = 0 se i = j
teremos que o sistema de equa co es (P1.a) (7.15) e diagonal. A constru c ao de tal tipo de fun c oes e em numerosos casos pr aticos imposs vel de ser realizada. N ao obstante, uma maneira de obter matrizes K com a maior quantidade poss vel de coecientes nulos, consiste em trabalhar com fun c oes coordenadas i de suporte compacto, ou seja i n ao e identicamente nula em uma parte de B e e identicamente nula em sua parte complementar. Assim o suporte de i o designamos por Bi , teremos que: Kij =
B
DDi Dj dB
= 0 se Bi Bj = = 0 se caso contr ario
Este aspecto, conjuntamente com a necessidade de facilitar a constru c ao da fun c ao u, tem feito do M etodo dos Elementos Finitos (MEF) um dos m etodos mais atrativos na atualidade para a constru ca o das fun co es coordenadas ([BH82], [ZT89], [OCB81, OC83a, OC83b, Ode72b, Ode72a, Ode79, OR76b, OR76a], [Joh87], [Tho89], [FT80, FT82, FT83]). Por u ltimo, no caso de um material hiperel astico n ao linear, a condi c ao necess aria e suciente de m nimo est a caracterizado por: (P1.b)
B
P D(u+ n j =1 aj j )
Di dB = l, i para i = 1, 2, ..., n
(7.16)
que corresponde agora a um sistema n ao linear de equa c oes alg ebricas. Resumindo, o P.M.E.P.T. corresponde em dimens ao nita ao seguinte problema cl assico de programa ca o matem atica (7.13): minimiza ca o sem restri ca o de uma fun c ao quadr atica em Rn , caso o material seja hiperesl astico linear. minimiza ca o sem restri ca o da fun c ao estritamente convexa (a) (recorde a convexidade de e suponha eliminado os movimentos de corpo r gido). a caracteriza ca o do m nimo estar a dada pelo sistema de equa co es alg ebricas lineares (P1.a) (7.15) ou n ao lineares (P1.b) (7.16) respectivamente. Um racioc nio inteiramente similar ao j a realizado nos permite concluir que o P.M.E.C. corresponde em dimens ao nita ao problema cl assico de programa c ao matem atica (P2) (7.14): minimiza ca o em Rr sem restri ca o da fun c ao convexa (b) (recorde que e estritamente convexo) caso o material seja hiperel astico n ao linear.
246
minimiza ca o em Rr , sem restri c ao, da fun c ao quadr atica (b) caso o material seja linear: 1 (b) = 2
r r r
D
B
T+
i=1
bi i
T+
j =1
bj j
dB
T+
i=1
bi i , u
A caracteriza ca o do m nimo estar a dado pelo sistema n ao linear de equa c oes alg ebricas: (P2.a) ou explicitamente: T i dB = ((i , u)) para i = 1, 2, ..., r = 0, para i = 1, 2, ..., r bi (7.17)
P T+ r j =1 bj j
caso o material seja hiperel astico n ao linear, e no caso linear pelo sistema linear (P2.b) (7.18) de equa co es alg ebricas:
r
(P2.b)
j =1 B
D1 j i dB bj = ((i , u))
B
D1 T i dB, para i = 1, 2, ..., r (7.18)
e onde a matriz do sistema novamente e sim etrica positiva denida. Como podemos apreciar, a determina ca o de solu co es aproximadas dos Princ pios Variacionais: P.M.E.P.T. e P.M.E.C. recaem, no caso de um material el astico linear, na resolu c ao de um sistema linear de equa c oes alg ebricas. Para a determina c ao deste sistema requer-se: Construir as fun c oes coordenadas (i ou i ) cujas combina co es lineares denem as fun co es aproximantes admiss veis. Em termos do MEF o anterior corresponde a denir o tipo de elemento a ser empregado. Para determinar os coecientes da matriz do sistema se requer integrar uma forma bilinear sim etrica positiva denida: DD (j ) D (i ) dB
B
D1 j i dB
B
Esta integra ca o pode fazer-se analiticamente quando poss vel ou numericamente, caso contr ario.
247
A determina c ao dos coecientes do termo independente requer a integra ca o de formas lineares do tipo: l, i ,
B
DDu D (i ) dB D1 T i dB
B
((i , u)) ,
que tamb em pode realizar-se analiticamente ou numericamente. interessante ressaltar aqui, que a determina E ca o das fun co es u e T (associadas ` as condi co es de contorno cinem aticas em Bu e mec anicas em BT respectivamente) pode constituir-se em uma grande diculdade. No caso particular do MEF a determina ca o destas fun co es, ou melhor dizendo, de suas aproximantes, resulta em geral simples. Como podemos apreciar, a determina c ao da solu c ao aproximada dos problemas de m nimo formulados reside fundamentalmente na deterrnina ca o das fun c oes coordenadas {i }i=1 e {i }i=1 , e uma maneira sistem atica de construir estas fun co es e atrav es do MEF. Ent ao que caracter stica gerais t em estas fun c oes coordenadas? A resposta a esta pergunta est a impl cita na pr opria formula c ao variacional. Para mostrar esto u ltimo consideremos o P.M.E.P. e suponhamos por simplicidade que u = 0 em Bu . Neste caso Kinu Varu e um s.e. e das propriedades de D t em-se que a forma bilinear a (u, v ) = DDu DvdB, u, v Kinu
B
e um produto interno neste espa co que nos induz uma norma, chamada norma energia : u
E
a (u, u) u Kinu
Completar Kinu com rela c ao a esta norma energia d a lugar ao espa co de Hilbert H , chamado espa co energia, formado por todas as fun c oes (classes de fun co es) que, conjuntamente com suas derivadas at e a ordem contida no operador de deforma ca o D, s ao quadraticamente integr aveis em B e tais que em Bu s ao nulas. Desta maneira as fun co es coordenadas i s ao fun c oes que em Bu s ao nulas, e que conjuntamente com suas derivadas at e uma ordem menor que a prevista em D s ao cont nuas. Assim, por exemplo, no caso de um corpo B tridimensional vimos que: D = ()s logo, as fun co es i devem ser cont nuas em B com derivadas primeiras cont nuas por parte em B . Se o problema for ex ao de vigas e placas, por exemplo, as fun c oes i devem ser cont nuas com derivadas primeiras tamb em cont nuas e derivadas segundas cont nuas por parte j a que D cont em derivadas at e a segunda ordem.
248
No caso do P.M.E.C., a forma bilinear resulta: a (T, S ) =

B
T D1 SdB
T, S EstT
de onde: T = a (T, T ) T EstT logo, as fun c oes coordenadas i devem ser somente cont nuas por parte em B . Entretanto, existe uma diferen ca fundamental entre um e outro tipo de formula ca o que, desde o ponto de vista num erico, faz mais atrativa uma destas formula co es. De fato, no P.M.E.P.T. (modelo em deslocamentos) as fun c oes i devem ser sucientemente regulares no sentido j a estabelecido e nulas na fronteira Bu . Usando o MEF a constru ca o de tais fun c oes n ao apresenta em geral nenhuma diculdade. No P.M.E.C. (modelo em tens oes ou tamb em chamado modelo de for cas) as fun co es i VarT devem aqui onde reside a diculdade desta ser campos autoequilibrados de esfor cos internos. E formula c ao, a constru ca o destas fun c oes agora n ao e simples e esta diculdade tem feito com que o modelo em deslocamentos (P.M.E.P.T.) seja mais popular que o modelo em tens oes (P.M.E.C.).
7.14
Solu c ao Aproximada do Problema Variacional de Hellinger-Reissner
Seguindo um racioc nio similar ao j a realizado teremos que, para determinar uma solu ca o aproximada do problema variacional de Hellinger-Reissner (limitamos a apresenta c ao para restri c oes bilaterais) devemos redeni-lo sobre espa cos de dimens ao nita. Chamando: {i } co es coordenadas em Varu i=1 : ao conjunto completo de fun {i }i=1 : ao conjunto completo de fun co es coordenadas em W teremos novamente:
n
u Kinn u u = u+
i=1 r
ario ai i , para u Kinu arbitr
T WrT =
i=1
c i i
Logo, o problema variacional de Hellinger-Reissner toma a forma: r tais que sejam solu c ao do problema: Determinar u Kinn u e T W
uKinn u T W
min maxr FH R (u, T ) =
(T ) dB +
B B
T Du dB l, u
7.14. Solu ca o Aproximada do Problema Variacional de Hellinger-Reissner
249
O anterior e equivalente a: Determinar os n umeros reais ai , i = 1, 2, ..., n e cj , j = 1, 2, ..., r tais que fa cam estacion aria a fun c ao:
r r n
FH R (a, c) =
B
j =1
cj j
n
dB +
B j =1
c j j
D u+
i=1
ai i dB
l, u +
i=1
ai i
onde aT = (a1 , a2 , ..., an ) Rn e cT = (c1 , c2 , ..., cn ) Rr Se o material e linear a express ao anterior toma a forma: 1 cj cs FH R (a, c) = 2 j,s=1
r r r n
D j s dB +
B n j =1 i=1
cj ai
B
j Di dB
+
j =1
cj
B
j Du dB
i=1
ai l, i l, u
Novamente, podemos distinguir dois tipos de algoritmos num ericos para resolver este problema: algoritmos que procuram diretamente a solu c ao do problema de min-max, chamados por esta raz ao de algoritmos de ponto de sela. algoritmos que procuram a solu c ao do problema de min-max encontrando a solu c ao do sistema de equa c oes (lineares ou n ao, dependendo o caso) que a caracterizam. Neste u ltimo caso, a condi c ao de min-max est a caracterizada pelo seguinte sistema de equa c oes alg ebricas: FH R (a, c) = 0, ai FH R (a, c) = 0, cj ou em forma expl cita:
r
i = 1, 2, ..., n j = 1, 2, ..., r
cj
j =1 B
j Di dB l, i = 0,
n
i = 1, 2, ..., n
Pr
j dB +
i=1
ai
B
j Di dB +
B
j DudB = 0 j = 1, 2, ..., r
s=1 cs s
250
que no caso de material el astico linear se reduz ao seguinte sistema linear de equa co es alg ebricas:
r
cj
j =1 r B
j Di dB l, i = 0,
n
i = 1, 2, ..., n
s=1
cs
B
j D s dB +
i=1
ai
B
j Di dB +
B
j DudB = 0 j = 1, 2, ..., r
que em forma matricial pode ser reescrito como K = f onde: K = = 0 AT A C aT , cT

T T
, matriz (r + n) (r + n)
f = (f11 , f12 , ..., f1n , f21 , f22 , ..., f2r )T = f1 T , f2 T f1i = l, i f2j =
B
j DudB j D1 s dB = Csj
B
Cjs = Aji =
B
j Di dB
Se bem K e sim etrica, a seguir utilizaremos a propriedade de que C e sim etrica positiva denida. Para isso, o sistema anterior pode ser reescrito matricialmente como: A T c = f1 Aa + Cc = f2 da u ltima equa ca o obtemos: Cc = f2 Aa que substituindo na primeira obtemos: AT C 1 Aa = f1 AT C 1 f2 Logo, a solu ca o (a, c) do problema de min-max est a caracterizada, no caso de material el astico linear, pela resolu c ao dos sistemas de equa co es alg ebricas anteriores. T 1 Como C e sim etrica positiva denida, a matriz A C A ter a inversa se o posto da matriz A e r e r n. r O anterior nos mostra que a constru c ao dos espa cos Varn deve realizar-se de u e W maneira a satisfazer tamb em esta restri c ao.
7.15. Solu ca o Aproximada do Princ pio Variacional Generalizado
251
7.15
Solu c ao Aproximada do Princ pio Variacional Generalizado
Na formula ca o variacional generalizada para restri co es bilaterais a solu c ao (u0 , E0 , T0 ) Kinu W W . Logo, a solu c ao aproximada e calculada redenindo o problema em espa cos de dimens ao nita. Assim, se designamos: {i } co es coordenadas em Varu i=1 : conjunto completo de fun {i }i=1 : ao conjunto completo de fun co es coordenadas em W {i }i=1 : ao conjunto completo de fun co es coordenadas em W logo:
n
Kinn u
Kinu u = u +
i=1 m
ai i ,
E Wm W E =
i=1 r
bi i ci i
i=1
T WrW T =
Desta maneira, o princ pio variacional generalizado em espa cos de dimens ao nita toma a forma: m Determinar u Kinn e T W r tais que fa cam estacion ario o funcional u, E W F (u, E, T ) =
B
(E ) dB l, u
B
T (E Du) dB
O anterior equivale a dizer que estamos procurando os n umeros reais (ai , i = 1, 2, ..., n) , (bk , k = 1, 2, ..., m) e (cj , j = 1, 2, ..., r) que faz estacion aria a fun c ao :
m n
F (a, b, c) =
B
k=1 r
bk k c j j
dB
m
l, u +
i=1
ai i
n
B j =1
k=1
bk k
D u+
i=1
ai i
dB
onde aT = (a1 , a2 , ..., an ) , bT = (b1 , b2 , ..., bn ) e cT = (c1 , c2 , ..., cn ) . Novamente os algoritmos num ericos podem ser t ecnicas que determinam a solu c ao atrav es de uma busca direta do ponto que faz estacion aria a fun ca o, ou ent ao algoritmos num ericos que determinam a solu ca o atrav es da resolu ca o do sistema de equa co es que a caracteriza.
252
Neste u ltimo caso, as equa co es est ao dadas por F (a, b, c) = 0, ai F (a, b, c) = 0, bk F (a, b, c) = 0, cj ou de forma expl cita:
r
i = 1, 2, ..., n k = 1, 2, ..., m j = 1, 2, ..., r
cj
j =1 B
j Di dB l, i = 0,
r
i = 1, 2, ..., n
B m
Pm
k dB
j =1
cj
B n
j k dB = 0,
k = 1, 2, ..., m
t=1 bt t
k=1
bk
B
j k dB +
B
j DudB +
i=1
ai
B
j Di dB = 0 j = 1, 2, ..., r
Para o caso de um material el astico linear o sistema de equa co es anteriores se reduz ao seguinte sistema linear:
r
cj
j =1 m B
j Di dB l, i = 0,
r
i = 1, 2, ..., n
bt
t=1 m B
Dt k dB
j =1
cj
B
j k dB = 0,
n
k = 1, 2, ..., m
k=1
bk
B
j k dB +
B
j DudB +
i=1
ai
B
j Di dB = 0 j = 1, 2, ..., r
Introduzindo as seguintes matrizes e vetores: Matriz A Rr Rn de coecientes Aji =

B
j Di dB = 0,
j = 1, 2, ..., r;
i = 1, 2, ..., n
Matriz B Rm Rm de coecientes Bkt =

B
Dt k dB,
t, k = 1, 2, ..., m
sim etrica positiva denida.
7.15. Solu ca o Aproximada do Princ pio Variacional Generalizado Matriz H Rm Rr de coecientes Hkj =
B
253
j k dB,
k = 1, 2, ..., m;
j = 1, 2, ..., r
Vetor f1 Rn de coecientes f1i = l, i , Vetor f2 Rr de coecientes f2j =

B
i = 1, 2, ..., n
j DudB,
j = 1, 2, ..., r
Vetores a Rn , b Rm , c Rr de coecientes ai , bk e cj , respectivamente, o sistema de equa c oes lineares pode ser reescrito como: AT c = f1 Bb Hc = 0 H T b + Aa = f2 Como B e sim etrica positiva denida segue-se que: b = B 1 Hc de onde: H T B 1 H c + Aa = f2 e se o posto da matriz H e r e r m teremos que a inversa da matriz H T B 1 H existe, portanto: c = H T B 1 H
1
(7.19)
(f2 Aa)
(7.20)
que substitu da na primeira das equa co es conduz nalmente a: AT H T B 1 H

1
A a = AT H T B 1 H
f2 + f1
(7.21)
Novamente, se o posto da matriz A e n e n r, as express oes (7.19)-(7.21) nos proporciona a solu c ao (a, b, c) que estamos procurando.
254
7.16
Algoritmos Num ericos para Problemas de Contato em Elastost atica
Segundo temos visto nas se c oes anteriores, o problema da elastost atica incluindo restri c oes do tipo unilateral sem atrito (perfeitas) consiste no seguinte problema variacional: Determinar u0 Kinu tal que minimize o funcional de energia potencial total, (u) , no conjunto convexo n ao vazio de todos os deslocamentos cinematicamente admiss veis Kinu . Logo, nosso problema consiste em: (P1)
uKinn u
min
( u) =
B
(Du) l, u
(7.22)
Para obter uma solu ca o aproximada de (P1) (7.22) novamente procedemos a redenilo em um espa co de dimens ao nita. Designando por {i }i=1 o conjunto completo de fun co es coordenadas no espa co U de n deslocamentos poss veis, o conjunto Kinu pode ser denido como
n
Kinn u
u; u =
i=1
ai i , a = (a1 , ..., an )T K Rn
onde K e um conjunto convexo em Rn . Desta maneira o P.M.E.P.T., incluindo restri c oes unilaterais de contorno, se reduz ao seguinte problema de programa c ao matem atica:
n n
min (a) =
aK B
D
i=1
ai i
db
l,
i=1
ai i
Em geral, para fazer o problema anterior trat avel numericamente, o convexo K e novamente aproximado obtendo-se assim um novo convexo Ka . Quando usamos o MEF, uma maneira de construir Ka e estabelecer que as restri c oes que denem Kinu sejam somente satisfeitas em determinados pontos por exemplos: pontos nodais, pontos de integra c ao, etc. ([FZ83], [FB83], [BF84]). Como resultado desta aproxima c ao numerosos problemas recaem em um conjunto convexo Ka que pode ser descrito atrav es do sistema de m inequa co es: Aa c onde A e uma matriz de ordem m n e posto m. N ao obstante, para o caso de apoios discretos unilaterais - muito comuns em tubula co es - pode-se chegar a restri co es do tipo ([FB83]): dab Logo, o P.M.E.P.T., incluindo restri co es unilaterais, toma a forma:
n n
min (a) =
B
D
i=1
ai i
db
l,
i=1
ai i
; Aa c
7.16. Algoritmos Num ericos para Problemas de Contato em Elastost atica
255
No caso particular de material hiperel astico linear o anterior se reduz ao problema cl assico da programa c ao quadr atica: (PP) 1 min (a) = a Ka f a; Aa c 2 (7.23)
chamado problema primal. Onde K e uma matriz n n sim etrica positiva denida de componentes: Kij =
B
DDi Dj dB
e f Rn de componentes: fi = l, i A restri ca o sobre a no problema (PP) (7.23) pode ser eliminada atrav es do multiplicador de Lagrange Rm e tal que 0. De fato, observando que: max (Aa c) =
0
+ para todo a tal que Aa c > 0 0 para todo a tal que Aa c 0
o problema (PP) (7.23) e equivalente ao seguinte problema de min-max (problema do ponto de sela): SP min max m n
0,
1 a Ka f a + (Aa c) 2
(7.24)
Como agora no problema (SP) (7.24) a minimiza ca o sobre a n ao est a restringida, a n m mesma e alcan cada por todo vector a R associado a R dado por: Ka f + AT = 0 a = K 1 f AT que substitu da no problema (SP) (7.24) conduz a um novo problema denido sobre o multiplicador de Lagrange chamado problema dual do problema (PP) (7.23): DP min
0
1 P e 2
(7.25)
onde P e uma matriz m m sim etrica e e Rm est ao dados por: P = AK 1 AT , e = AK 1 f c O problema dual novamente e um problema de programa ca o quadr atica mas desta vez denido sobre um convexo K muito mais simples que no problema (PP) (7.23). Tanto no problema do ponto de sela (SP) (7.24) como no problema dual (DP) (7.25) este tipo de restri c ao mais simples, 0, n ao e outra coisa que um cone convexo de v ertice na origem. Isto permite que a caracteriza ca o da solu c ao de (SP) (7.24) e (DP) (7.25) seja um problema de complementariedade linear.
256
De fato, vejamos o problema de min-max (SP) (7.24). A solu ca o a , de (SP) (7.24) est a caracterizada por: Ka f + AT (a a ) = 0 (Aa c) ( ) 0 a Rn 0 , R m
A primeira corresponde ` a condi c ao de m nimo sobre a vari avel n ao restringida a. A segunda corresponde ` a condi ca o de m aximo sobre restringida a pertencer ao cone convexo 0. Da primeira express ao se conclui rapidamente que: Ka f + AT = 0 Da segunda express ao temos que para: = 0 (Aa c) 0 (Aa c) = 0 = 2 (Aa c) 0 logo: (Aa c) 0 de onde obtemos que: Aa c 0 Vemos assim que a solu c ao a , do problema (SP) (7.24) e solu c ao do problema de complementariedade linear: (CL.a) Ka + AT = f (7.26) 0
Aa c + z = 0 z = 0 z 0 0 onde o vetor z Rm , e chamado vari avel de ajuste. Um racioc nio an alogo ao que acabamos de realizar nos mostra que a solu ca o do problema (DP) (7.25) est a caracterizada por: (P e) ( ) 0 de onde: (P e) = 0 (P e) 0 0
7.16. Algoritmos Num ericos para Problemas de Contato em Elastost atica
257
com o que conclu mos que a solu c ao do problema (DP) (7.25) e solu ca o do seguinte problema de complementariedade linear: CL.b P e z = 0 z = 0 z 0 0 Logo, para resolver o problema dual (DP) (7.25) podemos recorrer, por exemplo, a dois algoritmos. O primeiro deles e o M etodo de Gauss-Seidell com Relaxa c ao e Proje c ao, MGSRP, o segundo e o M etodo de Lemke que e um algoritmo num erico que em um n umero nito de passos permite determinar a solu ca o do problema de complementariedade linear associado ([BS79]). Em particular o m etodo MGSRP resulta de f acil programa ca o e consiste em: 1. Adote 0 admiss vel, ou seja, 0 0. 2. Adote w (0, 2) 3. Para k = 0, 1, 2, ..., n umero m aximo de itera co es. Calcule para i = 1, 2, ..., m : i = ei
i1 j =1 +1 Pij k j Pii n j =i+1
(7.27)
Pij k j
+1 k = (1 w) k i + wi i
at e que
k+1 k k
onde e o operador proje ca o em [0, +] dado por: (u) = max (0, u) , uR
onde e um n umero positivo sucientemente pequeno denindo a toler ancia e onde e a norma adotada.
258
Parte IV Ap endices
259
Ap endice A Deni c oes e Nota c oes

Como vimos nos Cap tulos anteriores, teremos que denir os conceitos de funcional e dom nio de deni c ao do funcional. Para isso, vamos introduzir de maneira resumida alguns conceitos que nos ser ao u teis.
A.1
Espa co Vetorial Real
Seja U = {u, v, w...} um conjunto arbitr ario de elementos para o qual se tenha denido duas opera co es: de adi c ao + de multiplica c ao por um real R tais que dados u, v, w U e , R arbitr arios se satisfaz i) u + v U (o conjunto U e fechado com rela ca o ` a adi c ao) ii) (u + v ) + w = u + (v + w) (lei associativa) iii) u + v = v + u (lei comutativa) iv) Elemento identidade (ou elemento nulo). Existe o elemento 0 U tal que u + 0 U u U v) Elemento inverso. Para todo u U existe u tal que u + (u) = 0 vi) u U (o conjunto U e fechado com rela ca o ` a multiplica c ao por n umeros reais) vii) ( ) u = ( u) (lei associativa com rela c ao ao m.p. real) viii) ( + ) u = u + u (lei distributiva com rela ca o ao m.p. real) (u + v ) = u + v
ix) 1 u = u (que implica 0 u = 0) 261
262
Ap endice A. Deni co es e Nota co es
Exemplo A.1 O plano real E 2 . Seja U = E 2 o conjunto de todos os pares ordenados x = (x1 , x2 ) , onde xi R, i = 1, 2, s ao chamados coordenadas do ponto x. Se a adi c ao e multiplica c ao por n umeros reais s ao denidas da maneira usual: x + y = (x1 + y1 , x2 + y2 ) x = (x1 , x2 ) o conjunto U e um espa co vetorial real onde 0 = (0, 0) e x = (x1 , x2 ) . Exemplo A.2 Seja U o conjunto de todas as fun c oes de valor real denidas no intervalo x [0, 1] e onde denimos as opera c oes de adi c ao e multiplica c ao por um n umero real da seguinte forma: (f + g ) (x) = f (x) + g (x) (f ) (x) = f (x) pode-se vericar que satisfaz todas as propriedades i)-ix). Logo, U e um e.v.r. Exemplo A.3 Seja Pk [0, 1] o conjunto de polin omios p de grau k denidos no intervalo [0, 1] . Claramente a soma do polin omio e sua multiplica c ao por um n umero real conduz a um elemento de Pk . Logo, Pk e um espa co vetorial real.
A.1.1
Subespa co
Em geral, nossos problemas n ao est ao denidos em todo um espa co, mas em certos conjuntos chamados Subespa cos. Um subespa co S do espa co vetorial real U e um conjunto n ao vazio que e fechado com rela c ao ` as opera co es de adi c ao e multiplica ca o denidas em U. Desta deni ca o se segue que S e em si mesmo um espa co vetorial real. Exemplo A.4 P2 [0, 1] e um subespa co de P5 [0, 1] . Exemplo A.5 Uma reta ou plano que cont em a origem s ao exemplos de subespa cos de E 3 (espa co Euclidiano tridimensional).
A.1.2
Variedade Linear. Transla c ao de um Subespa co
Seja S um subespa co do e.v.r. U e seja u0 U um determinado elemento deste espa co. O conjunto de todos os elementos u U onde cada um pode ser expresso como: u = u0 + , S
se chama variedade linear de U. Observe que se u0 S (por exemplo u0 = 0) teremos que a variedade linear e, em si mesma, um subespa co e coincide com S.
A.2. Transforma c oes Lineares.
263
A.2
Transforma co es Lineares.
Sejam U e V dois e.v.r. A transforma c ao linear T de U em V e uma aplica c ao de U em V tal que para u, v U e R arbitr arios se verica: i) T (u + v ) = T (u) + T (v ) ii) T (u) = T (u) A express ao transforma c ao est a sendo usada como sin onimo de operador, mapeamento, fun c ao, aplica c ao. Se as propriedades anteriores n ao se vericam, ent ao diz-se que T e uma transforma ca o n ao linear. Toda vez que a transforma c ao T satisfaz a propriedade (i) se diz que e aditiva. Se satisfaz (ii) se diz que e homog enea. Do anterior se segue que uma transforma c ao linear e uma transforma c ao que e, por sua vez, aditiva e homog enea. Logo, podemos combinar ambas as propriedades e estabelecer a seguinte deni ca o: Transforma c ao Linear A transforma ca o T : U V e uma transforma ca o linear de U em V se e somente se (A.1) T (u + v ) = T (u) + T (v ) Exemplo A.6 Seja PK [0, L] o e.v.r. de polin omios reais denidos no intervalo [0, L] . Considere a transforma ca o: T (f (x)) = como (f (x) + g (x)) = f (x) + g (x) (f (x)) = f (x) T e uma transforma c ao linear e como a derivada de um polin omio e um polin omio se tem T : PK [0, L] PK [0, L] mais precisamente em PK 1 [0, L] . d f (x) = f (x) dx
A.3
O Espa co L (U, V )
O conjunto de todas as trnasforma co es lineares de U em V onde se dene a adi ca o e multiplica c ao por real da maneira usual: (T1 + T2 ) (u) = T1 (u) + T2 (u) (T ) (u) = T (u) constitui um e.v.r. que chamaremos L (U, V ) .
264
A.4
Funcionais
F : U R u F (u) R
Dado um e.v.r. U e o espa co R de n umeros reais, a transforma c ao F de U em R
recebe o nome de funcional (real). Este funcional ser a linear se a transforma ca o e linear, o mesmo para aditivo, homog eneo e n ao linear. Exemplo A.7 No curso vimos numerosos exemplos de funcionais (em particular lineares). De fato, seja U o e.v.r. de fun c oes de valor real f (x) , x [a, b] , integr aveis. Se T e a transforma c ao denida por:
b
T (f (x)) =
a
f (x) dx
claramente T e um funcional linear em U.
A.5
O Espa co Dual Alg ebrico
Seja o e.v.r. de todas as transforma co es lineares de U em V , L (U, V ). Considere o caso particular de V = R, ou seja, L (U, V ) = L (U, R) , ou seja, e o e.v.r. de todos os funcionais lineares sobre U. Este espa co ser a designado por: U = L (U, R) e e chamado o espa co alg ebrico dual de U (alg ebrico porque usamos at e agora as propriedades alg ebricas de U ). Na literatura e comum usar o simbolismo par de dualidade para descrever os funcionias lineares sobre U : se f U escrevemos: f (u) f, u onde com o simbolismo , descrevemos a transforma ca o bilinear de U U em R. Com esta nota ca o, colocamos em evid encia que o valor real f (u) depende linearmente tanto de u para f xo como de f para u xo. Este novo funcional , tem as propriedades: 1) f1 + f2 , u f, u1 + u2 = f1 , u + f2 , u = f, u1 + f, u2
A.6. Alguns Elementos de An alise Real 2) f, u f, u = 0 = 0 u U f = 0 de U f U u = 0 de U
265
Observa c ao. Seja U m e V n e.v.r. de dimens ao nita m e n respectivamente. Logo: dim L (U m , V n ) = m n Tendo isto presente, se U n e um e.v.r. de dimens ao nita se segue que: dim U = dim L (U n , R) = n 1 = n Ou seja, tem a mesma dimens ao que U n . Logo, podemos estabelecer uma correspond encia n n um-a-um de U sobre U , ou seja, U e U s ao isomorfos. Desta maneira, cada fun cional linear l U pode identicar-se com um u nico elemento ul U n . Quando esta n identica c ao e realizada dizemos que U e auto-dual.
A.6
Alguns Elementos de An alise Real
Vimos nos Cap tulos anteriores que existia uma ntima semelhan ca entre o problema do m nimo de um funcional com o de uma fun c ao. Neste u ltimo caso o conceito de derivada ocupava um importante papel. Para isso, recordemos alguns conceitos de An alise Real tais como proximidade, sequ encias, limites e continuidades. Assim, veremos resumidamente alguns conceitos do sistema de n umeros reais onde introduzimos de maneira usual a opera c ao de adi ca o, multiplica ca o e ordenamento (se x y logo x + z z + y z R; se x 0 e y 0 logo x y 0, e um ordenamento completo!). Valor absoluto. Se x R o valor absoluto de x, designado por |x| , est a denido por: |x| = x se x 0 |x| = x se x 0 A desigualdade do tri angulo. |x + y | | x | + |y | (Exerc cio: demonstre esta propriedade). Observe que o valor absoluto satisfaz: |x y | 0 x, y R (A.2)
|x y | = 0 x = y |x y | = |y x | x, y R
266 Diferen ca de valores abolutos.
||x| |y || |x y | (Exerc cio: demonstre esta propriedade). Desigualdade de Cauchy-Schwarz. Sejam a1 , a2 , ..., an e b1 , b2 , ..., bn R logo:
n 2 n n
(A.3)
ai bi
i=1
i=1
a2 i
i=1
b2 i
(A.4)
(Exerc cio: demonstre esta propriedade). Limite Superior de um Subconjunto. Seja A R um subconjunto de R tal que para todo x A se verica que x a logo a se diz que e um limite superior do subconjunto A e A se diz limitado superiormente. Menor Limite Superior. Seja A R limitado superiormente, suponhamos que existe a R tal que: a e um limite superior de A, a b para todo limite superior de A, logo, a e chamado menor limite superior ou Supremo de A. Da mesma maneira pode-se denir subconjuntos limitados inferiormente, limite inferior e nmo de um subconjunto. Observa c ao O ordenamento completo simplesmente estabelece que todo subconjunto limitado superiormente (inferiormente) tem um supremo ( nmo). Por sua vez, n ao resulta dif cil provar que o supremo ( nmo) eu nico. Veremos agora algumas propriedades dos conjuntos de pontos que podem ser estendidos a outros sistemas matem aticos mais gerais. A topologia do sistema de n umeros reais se refere aos conceitos de conjuntos abertos, vizinhan ca e certa classica c ao de pontos nos conjuntos. Vizinhan ca em R. Seja a R, a vizinhan ca N (a) e o conjunto de pontos x R tais que |x a| < onde e um n umero positivo dado. Pontos Interiores. Seja A R n ao vazio. O ponto a R e um ponto interior se existe > 0 tal que N (a) A, ou seja, todos os pontos x N (a) A. Conjunto Aberto. Diz-se aberto o conjunto A R se todo x A e um ponto interior. Exemplos a < b (a, b) = {x | a < x < b, x R} [a, b) = {x | a x < b, x R} (a, b] = {x | a < x b, x R} (a, ) , (, a) , (, ) = R e um conjunto aberto.
A.6. Alguns Elementos de An alise Real
267
Pontos de Acumula c ao. Seja A R. O ponto a n ao necessariamente em A, e um ponto de acumula ca o de A se e somente se toda vizinhan ca N (a) cont em ao menos um ponto de A distinto de a. Logo, N (a) cont em innitos pontos (veja Teorema A.1). Fechamento de um Conjunto. Seja A R, seu fechamento e o conjunto contendo todos os pontos de A e todos os seus pontos de acumula ca o. Logo, se A e o conjunto de pontos de acumula ca o, A= AA e o fechamento de A. Conjunto Fechado. A e fechado se e somente se A =A. Tamb em o anterior e equivalente a dizer que A e fechado se seu complemento, R A, e aberto. Exemplo A.8 R e fechado j a que seu complemento e o conjunto que e aberto. Teorema A.1 Se a e um ponto de acumula c ao de A R, logo, toda vizinhan ca de a cont em innitos pontos de A (demonstra c ao via contradi c ao!). PODE TER PONTOS Este Teorema nos diz que todo conjunto nito de pontos NAO O que ocorre com os conjuntos innitos? DE ACUMULAC AO. Teorema de Bolzano-Weierstrass. Seja A R um conjunto innito mas limitado, logo, existe ao menos um ponto em R que e um ponto de acumula ca o. 1 1 Exemplo. A = 1; 1 , , ..., , ... e um conjunto innito tal que todo elemento a A e 2 3 n tal que: 0<a1 logo o n umero 0 e um ponto de acumula ca o. Conjuntos Densos em R. O conjunto A R e um conjunto denso em B R se B A. Se B =A, A diz-se que e denso em toda parte em B . Conjuntos compactos (Teorema de Heine-Borel). O conjunto A R e compacto se e somente se A e fechado e limitado. Observa c ao. Se A R e compacto, todo subconjunto innito de A tem um ponto de acumula c ao em A.
A.6.1
Sequ encias
Se para cada n umero inteiro positivo n lhe corresponde um ponto an R o conjunto a, a2 , ...an , ... forma uma sequ encia que representamos por {an } . Exemplos de sequ encias an = 1 , n an = 1 , 2n an = n+2 n+1
n
descrevem as seguintes sequ encias em R : 1 1 1, , , ... 2 3 1 1 1, , , ... 4 8
268 3 , 2 4 3
2
Ap endice A. Deni co es e Nota co es , 5 4

3
, ...
Limite de uma Sequ encia. Diz-se que a sequ encia {an } R tem um limite a R se para todo > 0 existe um n umero inteiro N tal que |an a | < para todo n > N. Se uma sequ encia tem limite, dizemos que converge e isto representamos da seguinte maneira: lim an = a
n
caso contr ario, dizemos que diverge. Dizemos que uma sequ encia e mon otona crescente se an+1 > an para todo n (decrescente an+1 < an ). Dizemos que e limitada superiormente se existe um n umero b tal que an < b n. Igualmente, e limitada inferiormente se existe b tal que b < an para todo n. Teorema A.2 Toda sequ encia mon otona (crescente ou decrescente) limitada converge. Observa c ao Sequ encias limitadas n ao mon otonas podem convergir ou n ao convergir. Por exemplo, a sequ encia 1, 1, 1, 1, ... (1)n+1 , ... e limitada mas n ao e convergente! Subsequ encias. Dada uma sequ encia {u1 , u2 , ..., un , ...} as sequ encias {u1 , u4 , u7 , ...} ou {u2 , u4 , u6 , ...}, etc. se chamam subsequ encias de {un }. Vejamos um IMPORTANTE TEOREMA. Teorema A.3 (Teorema de Bolzano-Weierstrass para Sequ encias) Toda sequ encia limitada tem uma subsequ encia convergente. Observa c ao O conjunto A R e compacto se e somente se toda sequ encia innita de pontos de A tem uma subsequ encia convergente. Sequ encias de Cauchy. Diz-se que a sequ encia {an } e uma sequ encia de Cauchy se para todo > 0 existe um n umero inteiro N tal que: |an am | < n, m > N
Se observa que se a sequ encia e convergente logo e uma sequ encia Cauchy. De fato, seja a seu limite, logo: |an am | = |an a (am a )| |an a | + |am a | como {an } e convergente sempre podemos escolher N tal que para n, m > N resulte: |an a | <
1,
|am a | <
A.7. Limite e Continuidade de Fun c oes logo: |an am | < para n, m > N
269
Conjunto Completo. O conjunto A R e completo se e somente se toda sequ encia Cauchy de pontos de A converge para algum ponto em A. Exemplos O conjunto dos n umeros racionais n ao e completo j a que, por exemplo, a sequ encia {1, 1.4, 1.41, 1.412, ...} tem por limite o n umero irracional 2. R e completo.
A.7
Seja
Limite e Continuidade de Fun c oes

f : RR x f (x)
dizemos que esta fun ca o tem o limite a no ponto x0 se para todo > 0, existe um n umero > 0 tal que toda vez que: 0 < |x x 0 | < resulta |f (x0 ) a| < . Isto representamos assim:
xx0
lim f (x) = a
Continuidade (Deni ca o via deni ca o de limite). A fun ca o f no conjunto A R e cont nua no ponto de acumula ca o x0 A se e somente se (1) f (x0 ) existe (2) limxx0 f (x) = f (x0 ) Continuidade (Deni ca o ). A fun ca o f : A R e cont nua em x0 A se para todo > 0 existe > 0 tal que |f (x) f (x0 )| < toda vez que |x x0 | < Observa c ao. A ess encia da no c ao de continuidade est a mais pr oxima do conceito de conjuntos abertos que o de limite ou da deni c ao . De fato, a deni c ao |f (x) f (x0 )| < dene uma vizinhan ca N (f (x0 )) em R (f ). Em particular, {f (x) ; |f (x) f (x0 )| < } dene uma vizinhan ca aberta de raio em f (x0 ) . Se f e cont nua em x0 , logo, os pontos x levados por f a esta vizinhan ca se encontram em outra vizinhan ca aberta de raio em x0 . Em outras palavras, para cada > 0 existe > 0 tal que a imagem inversa de toda vizinhan ca aberta em f (x0 ) est a inclu da em uma vizinhan ca aberta em x0 .
270
A observa ca o anterior conduz ` a seguinte deni ca o de continuidade. Continuidade (Deni c ao via vizinhan ca aberta). A fun c ao f : A B , A , B R e cont nua em x0 A se e somente se a imagem inversa de toda vizinhan ca aberta de f (x0 ) em B est a contida em uma vizinhan ca aberta de x0 em A. Se a continuidade se verica para todo x0 A dizemos que f e cont nua em A. Temos agora um Teorema que usamos durante a apresenta ca o do Lema Fundamental do C alculo das Varia c oes. Teorema A.4 (de Weierstrass do Valor Intermedi ario de uma Fun c ao Cont nua) Seja f : R R tal que e cont nua no intervalo fechado [a, b] . Logo f (x) assume todos os valores intermedi arios entre f (a) e f (b) . Finalmente, recordemos alguns conceitos que usamos nos Cap tulos anteriores. Derivada de uma Fun c ao. Seja f : A R R e seja x0 um ponto de acumula ca o de A. Dizemos que f (x0 ) e a derivada de f em x0 se existe o limite
xx0
lim
f (x) f (x0 ) = f (x0 ) x x0
Se f (x0 ) existe, dizemos tamb em que f e diferenci avel em x0 . Se f e diferenci avel para todo x0 A dizemos que f e diferenci avel em A. Diferencia c ao de uma Integral. Regra de Leibnizt. Seja
x2 ( )
J =J( )=
x1 ( )
f (x, ) dx
logo:
dJ dx2 dx1 = f (x2 , ) f (x1 , ) + d d d

x2
x2 x1
f dx
(A.5)
Integra c ao por Partes. Vamos usar repetidamente a regra de integra c ao por partes: g
x1
df 2 dx = gf |x x1 dx
x2 x1
dg f dx dx
A.8
Espa cos M etricos
Vamos generalizar primeiro o conceito de valor absoluto de n umeros reais. Para isso, introduzimos o conceito de M etrica. M etrica: Seja X um conjunto vazio, a fun c ao d : X X R, e chamada m etrica se e somente se as seguintes propriedades s ao satisfeitas: 1) d (x, y ) 0 para todo x, y X (estritamente positiva)
A.8. Espa cos M etricos 2) d (x, y ) = 0 se e somente se x = y (estritamente positiva) 3) d (x, y ) = d (y, x) para todo x, y X (simetria) 4) d (x, z ) d (x, y ) + d (y, z ) x, y, z X (desigualdade do tri angulo)
271
Geralmente, na literatura vemos que quando em um conjunto se dene uma m etrica, os elementos do conjunto s ao chamados pontos e d (x, y ) dist ancia entre esses pontos. Observe que as propriedades (1)-(4) s ao uma generaliza ca o das propriedades do valor absoluto e do conceito geom etrico que temos de dist ancia entre pontos do espa co Euclidiano. Espa co M etrico: Como sempre estamos limitando nossa apresenta c ao a espa cos vetorais reais. Seja o e.v.r. X e denamos uma m etrica d, logo (X, d) e chamado espa co m etrico. Exemplo. O espa co m etrico cl assico e o e.v.r. R onde a m etrica est a dada por: d (x, y ) = |x y | Exemplo. Seja X = R R e dados x = (x1 , x2 ) e y = (y1 , y2 ) R arbitr arios e a m etrica denida por: d (x, y ) = |x1 y1 |2 + |x2 y2 |2 que corresponde ao espa co Euclidiano bidimensional. Exemplo. Seja X = R R e d (x, y ) dado por: d1 (x, y ) = |x1 y1 | + |x2 y2 | que se pode vericar satisfaz todas as propriedades de uma m etrica. Vemos, assim, que para um mesmo conjunto podemos eleger diferentes m etricas dando lugar a espa cos m etricos diferentes. Fazendo uso da Desigualdade de H older:
n n
1 p 1 2
1 q
|x i y i |
i=1 i=1
|x i |p
i=1
|y i |q
, 1<p<,
1 1 + =1 p q
que permite demonstrar a Desigualdade de Minkowski: Seja 1 p < , logo:

n
1 p
1 p
1 p
|xi yi |p
i=1
i=1
|x i |p
+
i=1
|y i |p
se pode demonstrar que (X, dp ) e um espa co m etrico onde X = R R ... R e a m etrica dp : X R est a dada por
n
1 p
dp (x, y ) =
i=1
|x i y i |p
272
Com este resultado temos as seguintes m etricas em R R : d1 (x, y ) = |x1 y1 | + |x2 y2 | d2 (x, y ) = d3 (x, y ) = |x1 y1 |2 + |x2 y2 |2 |x1 y1 |3 + |x2 y2 |3
1 2 1 3
. . . 1 dp (x, y ) = (|x1 y1 |p + |x2 y2 |p ) p d (x, y ) = max {|x1 y1 | + |x2 y2 |} Exemplo. O espa co C (a, b) de fun c oes de valor real cont nuas no intervalo (a, b) podemos denir a m etrica de Chebyshev: d (f, g ) = max {|f (x) g (x)| ; x (a, b)} Exemplo. Os espa cos Lp (a, b) , 1 p < isto e, onde as fun c oes (classes de equival encia) s ao tais que:
b a
|f (x)|p dx < (a medida no Sentido de Lebesgue)
Podemos denir a m etrica:

b
dp (f, g ) =
a
|f g |p dx
1 p
onde a desigualdade do tri angulo se obt em da desigualdade de Minkowski para integrais:

b a
|f (x) g (x)| dx
1 p
|f (x)| dx
1 p
+
a
|g (x)| dx
1 p
Continuidade e Converg encia: Fazendo uso da m etrica podemos estender os conceitos de continuidade e converg encia que vimos anteriormente para fun co es em espa cos m etricos e sequ encias. Conjuntos Densos em Espa cos M etricos: Seja A X e (X, d) um espa co m etrico, logo A e denso em toda parte de X se e somente se para todo > 0 e todo x X existe um elemento xA A tal que: d (x, xA ) < Espa co M etrico Separ avel: O espa co (X, d) e separ avel se existe um conjunto enumer avel de elemento de X denso em toda parte de X. Em outras palavras, se existe {x1 , x2 , ..., xn , ...} , xi X i, tal que para cada > 0 e cada x X existe um elemento xn deste conjunto tal que: d (x, xn ) <
A.9. Espa cos Normados Sequ encias Cauchy em Espa cos M etricos: Seja (X, d) um espa co m etrico. sequ encia {xn } e uma sequ encia Cauchy se: d (xn , xm ) 0 para n, m
273 A
Converg encia em Espa cos M etricos: Uma sequ encia {xn } de (X, d) e convergente se existe x X tal que: d (xn , x) 0 n Podemos observar desta deni ca o que toda sequ encia convergente e uma sequ encia Cauchy. Mas as sequ encias Cauchy n ao s ao necessariamente convergentes. 1 Exemplo. Seja a sequ encia n em (X, d) , onde X = {x R tal que 0 < x 1} , d (x, y ) = |x y | Claramente 1 =0 /X n n 1 Se agregamos o elemento zero ao conjunto X (completamos o conjunto), a sequ encia n resulta convergente. Espa co M etrico Completo: (X, d) e completo se toda sequ encia Cauchy em (X, d) e uma sequ encia convergente em (X, d). Exemplos lim (C [a, b] , d ) e completo. (Lp [a, b] , dp ) e completo.
A.9
Espa cos Normados
Seja V um e.v.r. A fun ca o N : V R e uma norma em V se e somente se: (1) N (u) 0 e = 0 se e somente se u = 0 (2) N (u) = || N (u) u V, R
(3) N (u + v ) N (u) + N (v ) E a nota c ao tradicional para N e: N (u) = u Por sua vez, (V, ) dene um e.v. normado. Exemplos (1) (C [a, b] , f = maxx[a,b] |f (x)|)
274 (2) (C [a, b] , f = (3) (C [a, b] , f =

b a b a
Ap endice A. Deni co es e Nota co es |f (x)|2 dx

1 2
|f (x)| dx)
Observa c ao 1. N ao obstante o e.v.r. V e o mesmo em todos os exemplos (C [a, b]) , os espa cos normados s ao diferentes. Em particular, (2) e (3) n ao s ao completos com rela c ao ` a m etrica (topologia) induzida pela norma. Por outro lado, (1) e completo. Observa c ao 2. Dada uma norma, em V podemos induzir uma m etrica d(f, g ) = f g isto e, todo espa co normado e um espa co m etrico. Sequ encias Cauchy em Espa cos Normados: A sequ encia {xn } e uma sequ encia Cauchy em (V, ) se para todo > 0 existe N tal que un um < , ou o que e equivalente: un um 0 n, m O espa co (V, ) e completo se toda sequ encia Cauchy e convergente a um elemento do espa co. Espa co Banach: O e.v.r. normado completo se chama Espa co Banach. Vejamos alguns exemplos. Exemplo. O espa co Euclidiano n-dimensional Rn . Seja {xi } uma sequ encia Cauchy, logo para todo > 0 existe N tal que:
n
n, m > N
xm xn
=
i=1
i) (i) x( m xn
<
n, m > N xm
(i) (i)
Para cada componente i se verica que |xm xn | < , m, n > N , ou seja,
(i)
(i)
uma sequ encia de Cauchy de n umeros reais, logo converge por exemplo para x = (i) limm xm . Podemos construir x = x(i) , ..., x(n) logo resulta xm x 0 m pelo que Rn e completo. Exemplo. Todo espa co normado de dimens ao nita e completo. A demonstra ca `o e por indu c ao. Exemplo. V arios espa cos normados de dimens ao innita n ao s ao completos. Seja, por exemplo, o espa co C (0, 1) com a norma
1
f =
0
|f (x)| dx
1 2
(A.6)
n ao e completo. De fato, a sequ encia de fun c oes cont nuas un (x) = 2n xn+1 para 0 x 1 2 1 1 2n (1 x)n+1 para 2 x1
A.9. Espa cos Normados
275
Figura A.1: O espa co C (0, 1) com a norma denida em (A.6) n ao e completo.
Figura A.2: O espa co C (0, 1) com a norma denida em (A.7) n ao e completo. e uma sequ encia Cauchy com respeito ` a norma denida anteriormente. Entretanto, a sequ encia converge para a fun ca o u / C [0, 1] ( un u 0 para n ) dada por (Figura A.1), 0 para 0 x < 1 2 1 1 para x = u (x) = 2 2 1 para 1 <x1 2 Exemplo. O espa co C (0, 1) com a norma:
1
f =
0
|f (x)| dx
(A.7)
n ao e completo. De fato, a sequ encia Cauchy de fun c oes cont nuas: 1 1 para x 2 n 0 1 nx n +1 1 n x 1 fn (x) = 2 2 2 1 x < 1 1 2 Converge para a fun c ao discont nua indicada na Figura A.2. Exemplo. C (0, 1) e completo com rela c ao ` a norma: f = sup |f (x)|
x(0,1)
(A.8)
276
De fato, para x0 (0, 1) arbitr ario, a sequ encia Cauchy {fn (x)} conduz ` a sequ encia Cauchy de n umero reais |fn (x0 ) fm (x0 )| < sup |fn (x) fm (x)| 0
x(0,1)
Logo, existe um n umero, f (x0 ), para o qual fn (x0 ) converge para cada x0 (0, 1). Logo, a sequ encia Cauchy {fn (x)} converge uniformemente em (0, 1) para f (x) . Falta provar que f (x) C (0, 1) . Para isso, seja {xm } uma sequ encia que converge para x em (0, 1) . Logo: |f (x) f (xm )| |f (x) fn (xm )| + |fn (xm ) f (xm )| Como fn e cont nua fn (xm ) fn (x) para m . Por sua vez, fn (x) f (x). Da mesma maneira, fn (xm ) f (xm ) para n . Logo, o segundo membro pode ser feito t ao pequeno quanto se queira. Ou seja: |f (x) f (xm )| 0 m 0 Em outras palavras: f (xm ) m f (x) f e cont nua Logo: (C (0, 1), = sup |f (x)|) e um espa co completo (Banach)
x(0,1)
Exemplo. Retornemos ao exemplo onde C (0, 1) era incompleto com rela ca o ` a norma:
1
f =
0
|f (x)|
1 2
N ao obstante isto, podemos completar este espa co nesta norma. Este espa co e precisamente o espa co L2 (0, 1) de de fun co es (classes de equival encias) integr aveis no sentido de Lebesgue. Em outras palavras, neste espa co n ao distinguimos a diferen ca entre fun co es que diferem somente em um conjunto de medida nula. Neste caso, se diz que f e g s ao iguais em quase toda parte e:
1 0
(f g )2 dx = 0
Operadores n ao lineares. Sejam (U, U ) e (V, V ) dois espa cos Banach e seja P um operador (fun ca o, aplica c ao) que leva elementos de U em V : P : U V u P (u) V Se V = R j a vimos que P recebe o nome de funcional. Recordemos que P e homog eneo se: P (u) = P (u) , R u U
A.9. Espa cos Normados e aditivo se: P (u + v ) = P (u) + P (v ) , u, v U
277
e que P e linear se e somente se e homog eneo e aditivo. Caso contr ario, e n ao linear. Como U e V s ao espa cos Banach (isto e, t em estrutura topol ogica induzida pelas normas respectivas) podemos denir o conceito de continuidade do operador. Logo, dizemos que P e cont nuo em u0 U se para todo > 0 existe > 0 tal que: P (u) P (u0 )
V
< toda vez que u u0
<
(A.9)
Ou, de forma equivalente, P e cont nuo em u0 U se para toda sequ encia {un } que converge a u0 (ou seja, limn un u0 U = 0), a sequ encia {P (un )} converge a P (u0 ) em V. Em outras palavras, P e cont nuo se:
n
lim un u0
= 0 lim P (un ) P (u0 )

n
=0
(A.10)
Se (A.9) se verica para todo par (u, u0 ) S U dizemos que P e uniformemente cont nuo. Operadores lineares s ao limitados se existe M < , constante positiva, tal que: Pu Se P e n ao linear e P (u) P (v )
V V
<M u
u U
M uv
u, v S U
se diz satisfeita a condi c ao de Lipschitz em S (observe que se P satisfaz esta condi ca o logo e cont nuo). De acordo com esta deni ca o, dado um operador linear limitado de toda a cole c ao de n umeros M para os quais Pu < M u podemos escolher o menor valor poss vel Mmin e desta forma podemos estabelecer uma correspond encia entre o operador e este n umero: N (P ) = Mmin Pode-se vericar que esta correspond encia satisfaz todas as propriedades da fun c ao norma. Logo, se introduz a nota ca o: N (P ) = P a qual chamamos de norma do operador P P = inf {M | P u
V
M u
, u U }
278 Claramente o anterior e equivalente a: P = sup

uU
Pu V , u U
u=0
Exemplo. Consideremos o operador Du = du dx
denido no conjunto de fun co es diferenci aveis com norma dada por: u = sup |u (x)|
x[0,1]
Claramente D : C 1 [0, 1] C [0, 1] e linear, mas n ao limitado na norma anterior. De fato, seja: un (x) = sin (nx) logo: un = sup |sin (nx)| = 1
x[0,1]
por outro lado: Dun = n cos (nx) Dun = n dado que un = 1 e Dun cresce indenidamente para n , n ao existe uma constante M tal que: D un < M un u C 1 [0, 1] Se introduzimos a norma: u = max( sup |u(x)|, sup |Du|)
x[0,1] x[x,1]
teremos que D e um operador linear limitado. Espa co Dual Topol ogico: Consideremos o espa co normado U. O espa co de todos os funcionais lineares cont nuos (e portanto limitados!) e designado por U e se chama dual topol ogico de U : U = L (U, R) Observa c ao Como existem mais funcionais lineares que n ao s ao cont nuos, se segue que U U . A norma neste espa co est a dada por: f
U
= sup
uU
f ( u) R ,u = 0 u U
= sup
uU
| f, u | ,u = 0 u U
do anterior se segue tamb em que: | f, u | f

U
f U , u U
A.10. Espa cos com Produto Interno
279
Converg encia. Seja U um espa co Banach e U seu dual (topol ogico). Logo, dada a sequ encia {un } em U, dizemos que converge fortemente para u0 se para > 0 existe N > 0 tal que: un u U < n > N lim un u0 U = 0
n
Dizemos que converge fracamente para u0 se para todo l U se verica |l (un u0 )| < toda vez que n > N o que e similar a
n
lim |l (un u0 )| = 0
Na literatura se observa tamb em a seguinte nota ca o un u para converg encia forte un u para converg encia fraca Por sua vez, se
n
lim ln l
= 0 ln converge fortemente para l em U ln converge fracamente para l em U
se
n
lim ln l, u = 0 u U
A.10
Espa cos com Produto Interno
Nas Se co es anteriores pudemos generalizar os conceitos de dist ancia (continuidade, etc.) empregando o conceito de norma. Nos falta generalizar o conceito de produto escalar de vetores (produto interno) que nos denia o conceito de ortogonalidade e proje c ao. Para isso, vamos introduzir a seguinte deni ca o. Produto interno. Seja U um e.v.r. o funcional p : U U R u, v p (u, v ) comumente designado simplesmente por (u, v ) e um produto interno se satisfaz as seguintes propriedades: (1) (u, v ) = (v, u) (simetria) (2) (u1 + u2 , v ) = (u1 , v ) + (u2 , v ) (aditivo e homog eneo) (u, v1 + v2 ) = (u, v1 ) + (u, v2 ) (3) (u, u) 0 e = 0 se e somente se u = 0
280
Espa co com Produto interno. O e.v.r. U no qual se tem denido um produto interno e chamado espa co (real) produto interno. Neste caso, os elementos de U s ao comumente chamados vetores na literatura. Desigualdade de Cauchy-Schwarz. Sejam u, v U vetores do e.p.i. U logo: |(u, v )| (u, u) (v, v )
Demonstra c ao Suponhamos v, u = 0 (caso contr ario, a desigualdade e satisfeita trivialmente). Logo: 0 (u + v, u + v ) = (u, u) + 2 (u, v ) + 2 (v, v ) R
A express ao anterior e uma express ao quadr atica em (observe que u, v est ao xos e que (u, u) , (u, v ) e (v, v ) s ao n umeros reais denidos). Esta forma e n ao negativa para todo valor de , mas isto somente e poss vel se sua discriminante satisfaz: 4 (u, v )2 4 (u, u) (v, v ) 0 de onde: (u, v )2 (u, u) (v, v )
Ortogonalidade. Vimos assim que a deni c ao de produto interno e uma generaliza c ao de nosso conceito geom etrico de produto escalar (interno) de vetores. Por este motivo dizemos que u e v s ao ortogonais se: (u, v ) = 0 Das propriedades do produto interno podemos induzir uma norma: u = (u, u) 2
1
para tal somente nos restaria demonstrar que a desigualdade do tri angulo e satisfeita. De fato, temos: u+v
2
= (u + v, u + v ) = (u, u) + 2 (u, v ) + (v, v ) (u, u) + 2 |(u, v )| + (v, v )
e aplicando a desigualdade de Cauchy-Schwarz: u+v

2
(u, u) + 2 (u, u) 2 (v, v ) 2 + (v, v ) = ( u + v )2
Do resultado anterior temos que todo espa co produto interno e um espa co normado (com a norma induzida pelo produto interno). Espa co Hilbert. O espa co produto interno completo (no sentido da norma induzida) se chama espa co Hilbert. Vemos que todo espa co Hilbert e um espa co Banach. A inversa n ao e verdadeira j a que nem toda norma prov em de um produto interno.
Ap endice B A Convexidade no C alculo Variacional

B.1 Introdu c ao
Neste Ap endice vamos apresentar alguns resultados que utilizamos na Parte III desta monograa. Seja D o operador taxa de deforma ca o satisfazendo as propriedades j a estabelecidas no Cap tulo 6 e seja K = D DD o operador rigidez correspondente ao material hiperel astico estudado (recorde que D e sim etrico positivo denido no espa co de deforma co es). A seguir, vamos demonstrar os seguintes Lemas. Lema B.1 N (D) = N (K ) A demostra c ao ser a feita em duas etapas: u N (D) Du = 0 u N (D) DDu = 0 u N (D) (Recorde que D e positivo denido) D DD = 0 u N (D) Ku = 0 u N (D) N (D) N (K ) . u N (K ) Ku = 0 u N (K ) Ku, u = 0 u N (K ) Ku, u = (DDu, Du) = 0 u N (K ) recordando que D e positivo denido, Du = 0 u N (K ) N (K ) N (D) . Dos dois resultados anteriores se segue que: N (D) N (K ) N (D) N (D) = N (K ) com o que demostramos o Lema. Lema B.2 N (K ) = R (K ) 281
282
Ap endice B. A Convexidade no C alculo Variacional
u N (K ) Ku = 0 u N (K ) Ku, w = 0 w U D DDu, w = (DDu, Dw) = (Du, DDw) = D DDw, u = Kw, u = 0 w U u R (K ) N (K ) R (K ) . u R (K ) Kw, u = 0 w U para w = u que Ku, u = 0 Ku, u = D DDu, u = (DDu, Du) = 0 Du = 0 u N (D) R (K ) N (D) recordando o Lema B.1, R (K ) N (D) = N (K ) . Logo: N (K ) R (K ) N (K ) N (K ) = R (K )
Ent ao, para certas hip oteses sobre o e.v. U (por exemplo para o corpo tridimensional em estudo e suciente pensar que U = H 1 (B ) e o espa co de Sobolev cujos elementos u s ao campos de fun co es - classe de fun co es - tais que, conjuntamente com suas derivadas primeiras s ao quadraticamente integr aveis no sentido de Lebesgue na regi ao B do espa co Euclidiano puntual), supondo que eliminamos os movimentos de corpo r gido (ou seja estamos trabalhando no espa co quociente U/N (D)) e para hip oteses de regularidade da regi ao B , e poss vel mostrar que o operador K : U U e limitado inferiormente, pelo que R (K ) e um s.e.v. fechado de U . Com isto, temos que ao tomar o complemento ortogonal da express ao do Lema B.2 obtemos o seguinte resultado: Corol ario B.1 (Corol ario do Lema B.2) N (K ) = R (K ) Lema B.3 Com os resultados dos Lemas B.1 e B.2 e do Corol ario do Lema B.2 obtemos: N (D) = N (K ) = R (K ) N (D) = N (K ) = R (K ) Lema B.4 V aru N (K ) = V aru K (V aru ) De fato: se u V aru N (K ) u V aru e u N (K ) u V aru e Ku, w = 0 w V aru (por simetria do operador de rigidez K ) u V aru e Kw, u = 0 w V aru u V aru R e u K (V aru ) u V aru K (V aru ) . Lema B.5 V aru K (V aru ) onde indica soma direta. De fato:
K (V aru ) = V aru
B.2. Fun c oes Convexas Segundo vimos no Cap tulo 6 resulta: V aru K (V aru ) e das propriedades de K : V aru K (V aru )
= V aru K (V aru ) = V aru + K (V aru ) = V aru + K (V aru )
283
Nos falta demonstrar que a adi c ao pode ser substitu da pela soma direta. Para isso vamos demonstrar que V aru K (V aru ) = {} onde e o elemento nulo de U . De fato, seja: f V aru K (V aru ) f V aru e f K (V aru ) f V aru e u V aru tal que Ku = f f, w = 0 w V aru com f = Ku para w = u Ku, u = 0 u N (K ) Ku = 0 = f, ou seja, o u nico elemento da interse c ao e um elemento nulo. Logo: V aru K (V aru )
= V aru K (V aru )
B.2
Fun co es Convexas
x + (1 ) y e C x, y C e (0, 1)
Seja X um e.v. (real). Dizemos que o conjunto C X e convexo se:
O funcional f : C R e convexo se: f (x + (1 ) y ) f (x) + (1 ) f (y ) x, y C, (0, 1)
O funcional f se diz estritamente convexo se a desigualdade estrita e satisfeita na express ao anterior. Dado um funcional f denido no convexo C de X , sempre podemos denir o funcional f denido em X dado por: f : X R tal que f (x) = f (x) se x C + se x /C
Do anterior se conclui que f e convexa se e somente se f e convexa.
B.3
Semicontinuidade
Seja V um espa co Banach, o funcional f : V R = R {, +} e semicont nuo inferiormente se se vericam as duas condi c oes equivalentes: R o conjunto {x V | f (x) } e fechado. R o conjunto {x V | f (x) > } e aberto.
284
B.4
Diferencial no Sentido de Gateaux

f (x0 + x) f (x0 ) x V
Se diz que f : V R e Gateaux - diferenci avel no ponto x0 se:
possui um limite quando 0 por valores positivos e se existe y V tal que este limite seja igual a y, x . Este funcional linear e cont nuo y e chamado derivada Gateaux de f em x. A seguinte nota c ao ser a introduzida: y = f (x0 ) f (x0 ; x) = y, x = f (x0 ) , x Teorema B.1 Seja f : V R Gateaux - diferenci avel. Logo, o funcional f e convexo se e somente se a aplica c ao de V em V que a cada x V lhe faz corresponder f (x) e mon otona, ou seja se: f (x2 ) f (x1 ) , x2 x1 0 x1, x2 V
B.5
Minimiza c ao de Funcionais Convexos. Caracteriza c ao do Ponto de M nimo
Consideremos um funcional J : V R e seja C V um subconjunto de V , onde V e um espa co Banach. Dizemos que J (u) e um m nimo relativo de J em C se u C e se existe uma vizinhan ca de N (u) tal que: J (u) J (u) u C N ( u )
Por sua vez, dizemos que J (u) e um m nimo absoluto de J em C se u C e se: J (u) J (u) u C
Teorema B.2 Se V e um espa co Banach reexivo, se J e semicont nuo inferiormente e se C e um subconjunto limitado e fechado de V , existe ao menos um m nimo absoluto em C. Observa c ao B.1 No caso de V ser um espa co vetorial de dimens ao nita o Teorema anterior nos diz que toda fun c ao cont nua sobre um conjunto fechado e limitado alcan ca ao menos uma vez seu m nimo. Teorema B.3 Se V e um espa co Banach reexivo, J semicont nuo inferiormente e coercivo: lim J (u) = +
u
logo existe ao menos um m nimo absoluto.
B.5. Minimiza ca o de Funcionais Convexos. Caracteriza c ao do Ponto de M nimo Teorema B.4 Seja C um aberto de V , logo:
285
i) Se u C e um m nimo relativo de J em C e se J e Gateaux-diferenci avel, logo: J (u; ) = 0 ii) Se J e convexo e Gateaux-diferenci avel, logo: todo m nimo local e um m nimo global as duas express oes seguintes s ao equivalentes: J (u) J (u) J (u; ) = 0 u C ; u C V ; u C V
Se J e estritamente convexo as duas expres oes anteriores admitem uma u nica solu c ao u. Teorema B.5 i) Se J e Gateaux-diferenci avel em C e C e um subconjunto convexo do espa co Banach reexivo V e se u C e tal que: J (u) J (u) logo: J (u; v u) 0 v C ii) Se J e convexo as duas express oes anteriores s ao equivalentes. u C
286
Ap endice C Exerc cios

C.1 Introdu c ao
Neste ap endice apresentamos um conjunto de exerc cios. Procuramos com isto auxiliar os alunos no aprendizado de diversos temas introduzidos na presente monograa. Exerc cio C.1 . Um funcional e a aplica c ao F : U R u F (u) R logo a) Seja U = C [0, 1] e F (u) = i) u(x) = x2 ; ii) u(x) = 1 + x2 ; iii) u(x) = ex ; b) Seja U = C 1 [a, b] e F (u) = calcule F (u) para i) u(x) = 1; ii) u(x) = ex ; iii) u(x) = senx; c) Seja U = C [1, 1]. Considere o funcional F (u) = x(1 + u2 (x)). Calcule F (u) para i) u(x) = x; ii) u(x) = 1 + x; 287
1 1 du | , dx x0 1 0
u(x)dx, calcule F (u) para
x0 [a, b]. Adotando a = 1, b = 3, e x0 = 2
(x, u(x))dx onde (x, u(x)) =
288
Ap endice C. Exerc cios
Figura C.1: Problema da Braquist ocrona Exerc cio C.2 (O Problema da Braquist ocrona) A seguinte analogia com a otica foi empregada por Johann Bernoulli em 1696 para resolver o problema da curva braquist ocrona. Num meio n ao homog eneo, a velocidade da luz n ao e constante variando inversamente com o ndice de refra c ao. O Princ pio de Fermat em otica estabelece que o raio de luz em um meio deste tipo, segue a trajet oria mais r apida para unir dois pontos. Fazendo uso deste princ pio, Bernoulli concluiu que determinar a braquist ocrona era equivalente a determinar a trajet oria do raio de luz num meio plano onde o ndice de refra c ao era inversamente proporcional a y (x). Por outro lado, o problema otico pode ser resolvido empregando a lei de Snell que estabelece que em cada ponto da trajet oria do raio luminoso o angulo entre o eixo y e a dire c ao do raio (tangente ` a trajet oria no ponto considerado forma um angulo cujo seno (sin ) e inversamente proporcional ao ndice de refra c ao (e portanto proporcional a sua velocidade) (Figura C.1). Com esta analogia a braquist ocrona deve satisfazer c sin = y (x) (C.1) onde c e uma constante a determinar. i) justique a equa c ao (C.1); ii) suponha que a braquist ocrona est a dada pela fun c ao y = y (x), empregue a equa c ao (C.1) para obter dy c2 = y (x)[1 + ( )2 (x)], x (0, a) (C.2) dx iii) mostre que a cicl oide dada parametricamente por c2 ( sin ) x( ) = 2 c2 y ( ) = (1 cos ), [0, B ] 2 satisfaz a equa c ao diferencial (C.2), que (0, 0) e um ponto da curva e que c e podem ser escolhidos de maneira a que um outro ponto da cicl oide seja o ponto (a, b) Observa c ao: Este problema ilustra o paralelismo existente entre a otica e a mec anica das part culas, trabalho este desenvolvido por Hamilton.
C.1. Introdu ca o
289
Figura C.2: Problema da Geod esica: Cone Exerc cio C.3 Considere novamente o problema da braquist ocrona onde a = 1 e b = 1 e calcule o tempo gasto pela part cula seguindo as trajet orias i) y (x) = x; ii) y (x) = 1 (x 1)2 empregando o funcional 1 T (y ) = 2g
1 0 dy 2 1 + ( dx ) (x) y (x) 1/2
dx
(C.3)
iii) empregando a rela c ao trigonom etrica 1 x = cos (justique), mostre que para o caso ii) (c rculo) o tempo gasto est a dado por 1 T (y ) = 2g
1 0
d (sin )1/2
(C.4)
iv) empregue a equa c ao (C.4) para mostrar que Tcirculo < Treta v) empregue a desigualdade sin < , > 0 para obter uma cota inferior do tempo correspondente ao c rculo; vi) trate de obter uma cota superior de maneira a obter o mesmo resultado de (iv) embora sem realizar nenhum c alculo do valor da integral (C.3). Exerc cio C.4 (Problema da Geod esica) Formular o problema da geod esica para as seguintes superf cies: i) Para o cone da Figura C.2, comente ainda os casos particulares onde A e B est ao no mesmo meridiano e no mesmo paralelo; ii) Para o cilindro da Figura C.3, comente ainda os casos particulares onde A e B est ao no mesmo meridiano e no mesmo paralelo.
290
Figura C.3: Problema da Geod esica: Cilindro
Figura C.4: Problema do bote Exerc cio C.5 (Problema do bote) Considere o problema do bote indicado na Figura C.4. Suponha que o mesmo tem uma velocidade relativa ` a corrente do rio dada pela constante w = 1 e seja r = r(x) a velocidade da corrente do rio na dire c ao y. N ao existem correntes transversais. O tempo empregado pelo bote para ir de A (de coordenadas (0, 0)) a B (de coordenadas (xB , yB )) na trajet oria denida pela curva y = y (x) est a dado por
xB
T (y ) =
0
[(x) 1 + (y )2 (x) (2 ry )(x)]dx, onde = (1 r2 (x))
1/2
(C.5)
justique esta express ao. Para isto i) trate de obter as componentes da velocidade do bote nas dire c oes xe y; ii) mostre que o tempo de travessia est a dado por
xB
T =
0
sec dx, x 0
iii) mostre que
dy = r(x) sec + sec2 1 dx
iv) com estes resultados obtenha o funcional (C.5).
C.1. Introdu ca o
291
Exerc cio C.6 Seja o operador P : U V , recordando a deni c ao do Diferencial de Gateaux do operador P no ponto u U na dire c ao dada por dP (u, ) = lim P (u + ) P (u) (C.6)
vericar que para P linear resulta dP (u; ) = P . Exerc cio C.7 Amitindo que os funcionais Fi (i = 1, 2) est ao denidos em U e satisfazem as restri co es (1) e (2) das notas de aula e empregando a deni c ao dFi (u, ) = Fi (u, ) = mostrar que i) Se F1 (u, ) e F2 (u, ) existem para u e U resulta (F1 F2 ) (u, ) = F1 (u, ) F2 (u) + F1 (u) F2 (u, ) ii) Se F1 (u) = 0 logo: F2 F1 (u, ) = F2 (u, ) F1 (u) F2 (u) F1 (u, ) F1 (u)2 d Fi (u + ) d (C.7)
=0
iii) Se h C 1 (R) logo: (h (F )) (u, ) = dh (F (u)) F (u, ) dx
Vemos, assim, que o operador varia c ao que usamos no C alculo Variacional tem um comportamento id entico ao operador diferencial empregado no c alculo diferencial de fun c oes. Exerc cio C.8 Calcular F (u; ) para os seguintes funcionais i) F (u) = (u (0))2 (u (0))3 . ii) F (u) = iii) F (u) = iv) F (u) = v) F (u) = vi) F (u) =
1 2 1 0
cos u(x)dx. + ex u(x))dx.
1 3 (u (x) 0 2 ([xu 0 1 0
(x) eu (x) ]dx.
x(t)y (t)dt, u = (x, y ).
u ud =
1 2
[( u )2 + ( u )2 ]d. x y
292 vii) F (u) =

1 2
1 + u ud.
Exerc cio C.9 O estado de equil brio de uma viga el astica dentro das hip oteses de pequenas deforma c oes (e deslocamentos) submetida a seu peso pr oprio esta caracterizado pelo deslocamento transversal u = u(x), cinematicamente admiss vel (isto e que satisfaz as condi c oes de contorno), que minimiza o funcional de energia potencial total dado por
L
F (u) =
0
1 d2 u E (x)I (x)( 2 )2 q (x)u(x) dx 2 dx
(C.8)
Empregando a condi ca o necess aria de m nimo justique i) O espa co U . ii) Os conjuntos D(F ) para os quais o problema esta denido; iii) Para cada um destes conjuntos determinar o espa co M de varia c oes admiss veis, a equa c ao de Euler e as correspondentes condi c oes de contorno principais e naturais. Exerc cio C.10 No problema anterior admita que no ponto xo (0, L) o material, caracterizado pelo m odulo de elasticidade de Young E = E (x), ou a geometria, caracterizada pelo momento de inercia I = I (x) ou o carregamento q = q (x) admitem algum grau de descontinuidade. Empregando a condi c ao necess aria de m nimo justique i) O espa co U . ii) Os conjuntos D(F ) para os quais o problema esta denido; iii) Para cada um destes conjuntos determinar o espa co M de varia c oes admiss veis, a equa c ao de Euler, as correspondentes condi c oes de contorno principais e naturais e as condi c oes de salto no ponto xo . Exerc cio C.11 A condi c ao necess aria de m nimo nos problemas anteriores e uma condi c ao suciente?. Justique matematicamente a resposta. Exerc cio C.12 Seja o funcional (energia complementar de barra submetida a tors ao em elasticidade linear Figura C.5) F (u) =
c (u)d 2
ud
(C.9)
onde D(F ) = {u; u suf. regular, u| = 0}; c (u) =

1 uu; 2
u = u(x), x = (x, y ) , fun c ao de tens ao;
C.1. Introdu ca o
293
Figura C.5: Barra el astica submetida a tors ao

(.)(operador gradiente) = [ x ; y ];
= cte., representa a rota c ao da se c ao z = L; = (x) M odulo de elasticidade transversal. i) Calcular F (u, ). ii) Calcular a condi c ao necess aria de m nimo. iii) A condi c ao anterior e suciente? Justique a resposta. iv) Calcular a equa c ao de Euler e determine o problema de valor de contorno equivalente ao problema de m nimo. v) Suponha que a se c ao transversal da barra () est a constituida por dois materiais diferentes ( descontinuo) e seja S a curva contida em que os separa. Calcular as equa c oes de Euler para cada dominio e a condi c ao que satisfaz u0 em S . Esta condi c ao e satisfeita autom aticamente pelo extremo u0 ?. Justique a resposta.
Seja o funcional F (uo ) dado por

L
F (uo ) =
0
uo dx
(C.10)
onde a fun ca o u0 e a solu ca o do seguinte problema variacional: Determinar uo D(F ) = {u; suf.reg.em(0, L); u(0) = 0; u(L) = qL2 /2; q R} tal que a(uo , ) = ( ) M = {v ; suf.reg.em(0, L); v (0) = v (L) = 0} (C.11)
294 e onde as formas a(, ) e () est ao dadas respectivamente por

L
a(u, v ) =
0
du dv dx u D(F ), v M dx dx
L
(C.12) (C.13)
(v ) =
0
qvdx v M
Com o intuito de simplicar o problema variacional anterior admita o par ametro k R. Com estes elemenos assim denidos resolver os seguintes exerc cios. Exerc cio C.13 Determinar i) A equa c ao de Euler associada ao problema variacional (C.11); ii) Empregando esta equa c ao calcular a solu c ao uo do problema variacional (C.11). Exerc cio C.14 Empregando o resultado anterior e adotando uma perturba c ao k R determinar i) F (k ) = F (uo ); ii) F (k, k ) =
d F (k d
+ k )| =0
Observar que o c alculo anterior foi poss vel por conhecermos a express ao uo = uo (k ). Exerc cio C.15 O c alculo anterior pode ser realizado empregando o Lagrangeano L(k, u, ) = F (u) + a(u, ) () denido para todo k R, u D(F ) e M. Determinar i) + )| =0 . A express ao variacional obtida se igualada a zero para todo M corresponde a que problema variacional?. A solu c ao deste probleam variacional fornece uo ?. Justique a resposta. cional!). Logo:
d L(k, u + u , )| =0 d d L(k, u, d
(C.14)
ii)
= 0u M fornece a equa c ao adjunta (em sua forma varia-
ii.1) determinar a equa c ao de Euler associada a este novo problema variacional; ii.2) determinar o M solu c ao da equa c ao adjunta. iii) Para k R realizar o seguinte c alculo d L(k + k , u, )| =0 d (C.15)
iv) Evaluar a express ao anterior em u = uo e = o . Compare este resultado com o resultado j a obtido F (k, k ). Justique a resposta.
C.1. Introdu ca o Seja o funcional F (u) dado por F ( u) = onde i) u D(F ) = {u; suf. reg. em ; u| = 0}; ii) = {(x, y ); 0 x 2a, 0 y 2b} 1 ( u u 2u)d 2
295
(C.16)
Exerc cio C.16 Empregando o M etodo de Ritz determine uma solu c ao aproximada da fun c ao que minimiza o funcional tomando como fun c oes bases (observar a simetria do problema!): a) fun c oes polinomiais em convenientemente escolhidas: a.i) dena esta base e justique sua escolha; a.ii) calcular a solu c ao aproximada adotando somente o primeiro elemento da base; b) fun c oes trigonom etricas em convenientemente escolhidas: b.i) dena esta base e justique sua escolha; b.ii) calcular a solu c ao aproximada adotando somente o primeiro elemento da base; c) compare os resultados. Exerc cio C.17 Seja o funcional
L
F (u) =
0
1 dv A(x)E (x)( )2 dx P v (L) 2 dx
(C.17)
denido para toda fun c ao v D(F ) dado por D(F ) = {u; u continua em (0, L), du quadrado integr avel e tais que u(0) = 0} (C.18) dx
i) Caracterizar o espa co M de varia c oes admiss veis; ii) Determine a condi c ao necess aria de m nimo que a fun c ao uo D(F ) deve satisfazer para minimizar o funcional; iii) Esta condi c ao e suciente?. Justique a resposta; iv) Empregue o M etodo de Ritz para determinar uma solu c ao aproximada de uo iv.1) Dena uma base polinomial;
296
Ap endice C. Exerc cios iv.2) Calcule uma solu c ao aproximada com o primeiro elemento desta base considerando A(x)E (x) = AE constante em (0, L); iv.3) Esta solu c ao aproximada coincide com a solu c ao exata uo ?. Justique a resposta.
Exerc cio C.18 Seja o seguinte funcional (observar que e id entico ao funcional do exerc cio anterior ao qual foi incorporado mais um termo (funcional linear))
L
F (u) =
0
dv 1 A(x)E (x)( )2 dx 2 dx
q vdx P v (L)
0
(C.19)
onde D(F ) e id entico ao do problema anterior. i) Caracterizar o espa co M de varia c oes admiss veis; ii) Determine a condi c ao necess aria de m nimo; iii) Determine a Equa c ao de Euler, as condi c oes principais e naturais que a solu c ao minimizante uo deve satisfazer. Considere A, E e q constantes em (0, L); iv) Seja a base polinomial do problema anterior. Quantos elementos desta base devem ser adotados para obter a solu c ao exata do problema?. Justique a resposta; v) Aplique o M etodo de Ritz e verique que a resposta anterior est a correta; vi) Se q (x) = sen( x ), a base polinomial poderia fornecer a solu c ao exata?. Justique L a resposta. Exerc cio C.19 Considere o seguinte funcional
L
F (u) =
0
1 d2 u du E (x)I (x)( 2 )2 q (x)u(x) dx P u(xo ) M (xo ) 2 dx dx
(C.20)
onde D(F ) = {u; u continua em (0, L), du d2 u continua em(0, L) e quadrado integr avel dx dx2 e tais que u(0) = 0 e u(L) = 1} (C.21)
i) Caracterizar o espa co M de varia c oes admiss veis; ii) Determine a condi c ao necess aria de m nimo; iii) Esta condi c ao e suciente?. Justique a resposta. iv) Determine a Equa c ao de Euler, as condi c oes principais e naturais que a solu c ao minimizante uo deve satisfazer assim como as equa c oes de salto associadas a este funcional no ponto xo .
Bibliograa
[BF84] H. J. C. Barbosa and R. A. Feij oo. Numerical algorithms for contact problems in linear elastostatic. In Conference on Stress Analysis in Nuclear Power Plants, Porto Alegre, Brasil, 1984. A. N. Brooks and T. J. R. Hughes. Streamline upwind/petrovgalerkin formulations for convection dominated ows with particular emphasis on the incompressible navierstokes equations. Computer Methods in Applied Mechanics and Engineering, pages 199259, 1982. M. S. Bazaraa and C. M. Shetty. Nonlinear Programming: Theory and Algorithms. John Wiley, 1979. B. Courant and D. Hilbert. Methods of Mathematical Physics, volume 1-2. Interscience Publishers, 1953. G. Duvaut and J. L. Lions. Les In equations en M echanique et en Physiques. Dunod, 1972. L. Elsgoltz. Ecuaciones Diferenciales y C alculo Variacional. Editora Mir, Mosc u, 1969. I. Ekeland and R. Temam. Analyse Convex et Probl` emes Variationneles. Dunod, 1974. R. A. Feij oo and H. J. C. Barbosa. Static analysis of piping systems with unilateral supports. In VII COBEM-Congresso Brasileiro de Engenharia Mec anica, pages D:635638, Brasil, 1983. R. A. Feij oo. Introducci on a Mec anica del Cont nuo. I Escola de Matem atica Aplicada. Laborat orio Nacional de Computa ca o Cient ca, Brasil, 1978. M. Fremond. Methodes Variationnelles en Calcule des Structures. Ecole Nationale des Ponts et Chauss es, 1980. R. A. Feij oo and E. Taroco. M etodos Variacionais em Mec anica dos S olidos, volume 2 of II Escola de Matem atica Aplicada. Laborat orio de C alculo CBPF, 1980. 297
[BH82]
[BS79] [CH53] [DL72] [Els69] [ET74] [FB83]
[Fei78] [Fre80] [FT80]
298 [FT82]
BIBLIOGRAFIA R. A. Feij oo and E. Taroco. I Curso de Mec anica Te orica e Aplicada, M odulo 1, chapter Principios y M etodos Variacionales en Mec anica, pages 117195. Laborat orio de C alculo - LCC-CBPF/CNPq, 1982. R. A. Feij oo and E. Taroco. I Curso de Mec anica Te orica e Aplicada, M odulo 2, chapter Principios Variacionales y el M etodo de los Elementos Finitos en la Teoria de Placas y C ascaras, pages 1116. Laborat orio de C alculo - LCC/CNPq, 1983. Y. C. Fung. Foundaions of Solid Mechanics. Prentice Hall, 1965. R. A. Feij oo and N. Zouain. An alisis elastopl astica via optimizaci on. Publica ca o T ecnico Cient ca 004/83, Laborat orio de Computa c ao Cien ca -LCC/CNPq, 1983. P. Germain. Sur lapplication de la m ethode des puissances virtuelles en m ecanique des milieux continus. C. R. Acad. Sci., S erie A, 274:10511055, 1972. P. Germain. La m ethode des poissances virtuelles en m echanique des milieux continus. premi` ere partie: Th eorie du second gradiant. Journal de M echanique, 12(2):235274, 1973. P. Germain. The method of virtual power in continuum mechanics. part 2: Microstructure. SIAM J. Appl. Math., 25(3):556575, 1973. P. Germain. Course de Mechanique, volume 1, 2. Ecole Polytechnique, 1980. P. Germain. I Curso de Mec anica Te orica e Aplicada, M odulo 1, chapter Four Lectures on the Foundation of Shell Theory. Laborat orio de Computa ca o Cient ca, LCC-CNPq, 1982. I. M. Gelfand and S. V. Fomin. Calculus of Variations. Prentice Hall, 1963. M. E. Gurtin. The Linear Theory of Elasticity. Handbuch der Physik. Springer Verlag, 6th edition, 1972. M. E. Gurtin. An Introduction to Continuum Mechanics. Academic Press, 1981. C. Johnson. Numerical Solution of Partial Dierential Equations by the Finite Element Method. Cambridge University Press, 1987. C. Lanczos. The Variational Principles of Mechanics. University Toronto Press, 4th. edition, 1970.
[FT83]
[Fun65] [FZ83]
[Ger72]
[Ger73a]
[Ger73b] [Ger80] [Ger82]
[GF63] [Gur72] [Gur81] [Joh87] [Lan70]
BIBLIOGRAFIA [Mau80] [Mik64] [Mik65] [Mik70] [Mik71] [Mik79] [MS67] [OC83a] [OC83b] [OCB81] [Ode72a]
299
G. A. Maugin. The method of virtual power in continuum mechanics: Application to coupled elds. Acta Mechanica, 35:170, 1980. S. G. Mikhlin. Variational Methods in Mathematical Physics. Pergamon Press, 1964. S. G. Mikhlin. The Problem of the Minimum of Quadratic Functionals. Holden Day, 1965. S. G. Mikhlin. Mathematical Physics and Advanced Course. North Holland, 1970. S. G. Mikhlin. The Numerical Performance of Variational Methods. Nordho Pub., 1971. S. G. Mikhlin. An Approximation on Rectangular Grid. Sijtho-Noordho, 1979. S. G. Mikhlin and K. L. Smolitskiy. Approximate Methods of Solution for Dierential and Integral Equations. Elsevier, 1967. J. T. Oden and G. F. Carey. Finite Elements: A Second Course, volume 2 of The Texas Finite Element Series. PrenticeHall, 1983. J. T. Oden and G. F. Carey. Finite Elements: Mathematical Aspects, volume 4 of The Texas Finite Element Series. PrenticeHall, 1983. J. T. Oden, G. F. Carey, and E. B. Becker. Finite Elements: An Introduction, volume 1 of The Texas Finite Element Series. PrenticeHall, 1981. J. T. Oden. Finite element applications in mathematical physics. In Whiteman, editor, The Mathematics of Finite Elements and Applications, pages 239282. England, April 1972. J. T. Oden. Finite Elements of Nonlinear Continua. McGraw Hill, 1972. J. T. Oden. Applied Functional Analysis. Prentice Hall, 1979. J. T. Oden and J. N. Reddy. An Introduction to the Mathematical Theory of Finite Elements. John Wiley, 1976. J. T. Oden and J. N. Reddy. Variational Methods in Theoretical Mechanics. Springer Verlag, 1976. P. D. Panagiotopoulos. Inequality Problems in Mechanics and Applications. Birkhauser, 1990. G. Romano and G. Alfano. Variational principles and discrete formulations in plasticity. personal communication.
[Ode72b] [Ode79] [OR76a] [OR76b] [Pan90] [RA]
300 [Rek75] [Rom75]
BIBLIOGRAFIA K. Rektorys. Variational Methods in Mathematical Sciences and Engineering. D. Reidel Publishing Company, 1975. G. Romano. Variational inequalities and extremum principles in incremental elastoplasticity, parte i and ii. Technical Report 307, Univ. Calabria, Cosenza, Italy, 1975. G. Romano. A general variational theory of incremental elastic-plastic boundary value problems. Technical Report 306, Univ. Napoli, Ist. di Scienza delle Costruzion, Italy, 1979. G. Romano. Duality and variational principles in structural mechanics under bilateral and unilateral constrainsts. Technical Report 13, Laborat orio de Computa ca o Cient ca, LCC-CNPq, Rio de Janeiro, Brasil, 1982. G. Romano. Principi e metodi variazionali nella meccanica delle struture e dei solidi, parte i: Principi. Technical report, Facolt` a di Ingegneria dellUniversit` a di Napoli, Italy, 1984. G. Romano and M. Romano. On the foundation of variational principles in linear structural mechanics. Technical Report 307, Univ. di Napoli, Ist. Scienza delle Costruzioni, Italia, 1979.
[Rom79]
[Rom82]
[Rom84]
[RR79]
[RRMdS93a] G. Romano, L. Rosati, and F. Marotti de Sciarra. Variational formulations of non-linear and non-smooth structural problems. Int. J. Non-Linear Mechanics, 28(2):195208, 1993. [RRMdS93b] G. Romano, L. Rosati, and F. Marotti de Sciarra. Variational principles for a class of nite-step elasto-plastic problems with non-linear mixed hardening. Comp. Meth. Appli. Mech Engng., 109:293314, 1993. [RRMdS93c] G. Romano, L. Rosati, and F. Marotti de Sciarra. A variational thory for nite-step elasto-plastic problems. Int. J. Solids Struct., 30(17):23172334, 1993. [RRMdSB93] G. Romano, L. Rosati, F. Marotti de Sciarra, and P. Bisegna. A potential theory for monotone multivalued operators. Quarterly of Applied Mathematics, LI(4):613631, 1993. [TF83] E. Taroco and R. A. Feij oo. I Curso de Mec anica Te orica e Aplicada, M odulo 2, chapter Teoria de Placas y C ascaras, pages 117176. Laborat orio de Computa ca o Cient ca, LCC-CNPq, Rio de Janeiro, Brasil, Enero 1983. F. Thomasset. Implementation of Finite Element Methods for Navier Stokes Equations. Springer Series in Computational Physics. Springer Verlag, 1989.
[Tho89]
BIBLIOGRAFIA [ZT89]
301
O. C. Zienkiewicz and R. L. Taylor. The Finite Element Method, volume 1. McGraw Hill, fourth edition, 1989.

Calculo Variacional

Caricato da

Informazioni sul documento

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Formati disponibili

Calculo Variacional

Caricato da

Copyright:

Formati disponibili

Monograa do Curso GA-015

Nacional de Computa c ao Cient ca

Centro At omico Bariloche, 8400, Bariloche, Argentina

Programa de P os-Gradua ca o em Modelagem Computacional LNCCLaborat orio Nacional de Computa ca o Cient ca

Introdu c ao ao C alculo Variacional

Os M etodos Diretos no C alculo Variacional

O C alculo Variacional na Mec anica

A.3 A.4 A.5 A.6

263 264 264 265 267 269 270 273 279

281 . . . . . 281 . . . . . 283 . . . . . 283 . . . . . 284 M nimo 284

C Exerc cios 287 C.1 Introdu ca o . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 287

. 197 . 206 . 215 . 232 . 235 . 238

Cap tulo 1 Motiva c ao

Cap tulo 1. Motiva ca o

Determinar u U tal que F (u, v ) =

Determinar u U tal que F (u, v ) =

Cap tulo 1. Motiva ca o

Figura 1.2: Ponto de cela

Cap tulo 1. Motiva ca o

d2 d2 u E (x)I (x) 2 q (x) v (x)dx = 0, v U dx2 dx

(x)v (x)dx = 0 v C [a, b] 0 [a, b]

d2 u d2 E ( x ) I ( x ) q (x) v (x)dx = 0, v U dx2 dx2

d2 d2 u E (x)I (x) 2 q (x) v (x)dx = dx2 dx E (x)I (x)

d2 u d2 v E (x)I (x) 2 2 q (x)v (x) dx = dx dx

que vU d2 u d2 v q (x)v (x)}dx = 0, v U dx2 dx2 (1.24)

Introduzindo a nota c ao mais compacta

10 permite o estudo da unicidade da solu ca o.

Cap tulo 1. Motiva ca o

d u dv d dx E (x)I (x) 2 dx dx dx d2 u E (x)I (x) 2 dx 1

q (x)v (x)dx d2 u E (x)I (x) 2 dx 2

Figura 1.4: Viga apoiada em ambas extremidades

Figura 1.5: Viga engastada em x=0 d2 u dv + E (x)I (x) 2 dx dx 3

d du E (x)I (x) 2 v (x)dx 2 dx dx 5

Figura 1.6: Viga engastada em x=0 com descontinuidade em x=a

Cap tulo 1. Motiva ca o

a(i , j )bj l(i ) = 0, i = 1, n

Cap tulo 1. Motiva ca o

Parte I Introdu c ao ao C alculo Variacional

Cap tulo 2 Introdu c ao

O problema da Braquist ocrona

Figura 2.1: Problema da Brachistochrone 17

Cap tulo 2. Introdu ca o

Geod esicas em Rd, d3

Cap tulo 2. Introdu ca o

Figura 2.2: Geod esica em

onde: v v = dv1 dv2 dv3 , , dt dt dt

= (v .v ) 2 v C 1 [0, 1] , v (0) = A, v (1) = B

logo B A = v (1) v (0) =

Multiplicando escalarmente ambos membros da express ao anterior por (B A), temos (B A) (B A) =

Donde se conclui, para A = B (que e o caso, sen ao o problema seria trivial)

Geod esica sobre esferas

Cap tulo 2. Introdu ca o

sen2 (t) 2 (t) + 2 (t)dt

O comprimento deste elemento ser a dr = (dr dr) 2 = {

Cap tulo 2. Introdu ca o

Figura 2.4: Problema de control da dire c ao

Problema de Controle de Dire c ao

[(x) 1 + (y )2 (x) (2 vy )(x)]dx

onde = (1 v 2 (x))1/2 . Assim o problema variacional consiste em u = arg min T (y )

2.4. Problemas Isoperim etricos

Problemas Isoperim etricos

Cap tulo 2. Introdu ca o

Figura 2.6: Analogia f sica para o problema isoperim etrico de Dido

onde D(A) = v sucientemente regular, tal que L(v ) =