Metodos dos Elementos Finitos

Aspectos Te oricos, Computacionais e Aplica c oes

Petronio Pulino
Metodos dos Elementos Finitos
Aspectos Te oricos, Computacionais e Aplica c oes
Petronio Pulino
Departamento de Matem atica Aplicada
Instituto de Matem atica, Estatstica e Computac ao Cientca
Universidade Estadual de Campinas
Caixa Postal 6065, CEP 13083-859, CampinasSP, Brasil
e-mail: pulino@ime.unicamp.br
Conte udo
1 Interpolacao Polinomial 1
1.1 Introduc ao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.2 O Problema de Interpola c ao Polinomial . . . . . . . . . . . . . . . . . . . . 1
1.2.1 Base de Lagrange . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.2.2 Metodo da Matriz . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.3 Interpola c ao Polinomial de Lagrange . . . . . . . . . . . . . . . . . . . . . 5
1.4 Analise de Erro da Interpola c ao Polinomial . . . . . . . . . . . . . . . . . . 5
1.5 Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
2 Espa cos de Elementos Finitos 9
2.1 Espacos de Lagrange Polinomial por Partes . . . . . . . . . . . . . . . . . . 9
2.1.1 Espaco das Func oes de Lagrange Lineares . . . . . . . . . . . . . . 12
2.1.2 Espaco das Func oes de Lagrange Quadraticas . . . . . . . . . . . . 15
2.2 Espaco das Func oes C ubicas de Hermite . . . . . . . . . . . . . . . . . . . 18
2.3 Interpola c ao Polinomial por Partes . . . . . . . . . . . . . . . . . . . . . . 23
2.3.1 Erro da Interpola c ao Polinomial por Partes . . . . . . . . . . . . . . 24
2.4 Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
3 Problema Variacional Simetrico 29
3.1 Formas Bilineares. Continuidade e Coercividade . . . . . . . . . . . . . . . 29
3.1.1 Exemplo de Forma Bilinear Contnua e Coerciva . . . . . . . . . . . 30
3.2 Formas Lineares. Continuidade . . . . . . . . . . . . . . . . . . . . . . . . 31
3.2.1 Exemplo de Forma Linear Contnua . . . . . . . . . . . . . . . . . . 32
3.3 Problema Variacional . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
3.4 Problema de Minimiza c ao . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
3.5 Metodo de Galerkin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
3.5.1 Exemplos de Problemas Variacionais Simetricos . . . . . . . . . . . 35
3.6 Teorema de LaxMilgram . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
i
ii CONTE

UDO
3.6.1 Interpreta c ao Geometrica para Solu c ao de Galerkin . . . . . . . . . 38
3.6.2 Uma Estimativa de Erro para Solu c ao de Galerkin . . . . . . . . . . 39
3.7 Problema Variacional de Valores de Contorno . . . . . . . . . . . . . . . . 40
Bibliograa 43
Captulo 1
Interpolacao Polinomial
1.1 Introducao
Neste captulo vamos fazer uma breve introduc ao ao problema de interpola c ao polino-
mial, apresentando dois metodos de construc ao do polinomio interpolador e a analise de
erro da interpola c ao polinomial. Os conceitos e os resultados das pr oximas sec oes serao
fundamentais para o estudo dos Metodos de Elementos Finitos que iremos estudar nos
captulos que seguem. Podemos indicar as referencias (Conte, 1980) e (Rappaz, 1998)
para um estudo mais detalhado sobre interpola c ao polinomial.
1.2 O Problema de Interpolacao Polinomial
Seja f : [a, b] IR uma func ao contnua e uma partic ao qualquer de [a, b] , isto
e, : a = x
0
< x
1
< < x
n
= b . Queremos construir um polinomio de grau n
que satisfaca as condi c oes de interpola c ao pura, isto e,
p(x
i
) = f(x
i
) ; i = 0, 1, , n . (1.1)
O polinomio p construdo com as condi c oes acima e denominado de polinomio interpo-
lador da func ao f nos pontos da partic ao . A seguir mostraremos a Unicidade do
Polin omio Interpolador
Vamos considerar que existam dois polinomios de grau n , p e q, que sao polinomios
interpoladores da func ao f nos pontos da partic ao , isto e,
p(x
i
) = f(x
i
) ; i = 0, 1, , n , (1.2)
q(x
i
) = f(x
i
) ; i = 0, 1, , n . (1.3)
1
2 Metodos dos Elementos Finitos
Desse modo, temos que o polinomio r = p q que e de grau n possui n + 1
razes distintas, que sao os pontos de interpola c ao x
0
, , x
n
. De fato
r(x
i
) = p(x
i
) q(x
i
) = 0 ; i = 0, 1, , n . (1.4)
Portanto, temos que o polinomio r e identicamente nulo, e podemos concluir que p = q .
Provamos desse maneira a unicidade do polinomio interpolador.
Podemos observar que o Problema de Interpola c ao Polinomial consiste em encontrar um
polinomio p T
n
([a, b]) satisfazendo as condi c oes (1.1), onde T
n
([a, b]) e o espaco
vetorial real dos polinomios de grau n denidos em [a, b] .
A seguir, vamos apresentar alguns metodos para a construcao do polin omio interpo-
lador que sao baseados simplesmente na escolha da base para o espaco vetorial T
n
([a, b]) .
Sabemos que dada uma partic ao de [a, b] o polinomio interpolador e unico, indepen-
dendo do metodo pelo qual foi construdo.
1.2.1 Base de Lagrange
Dada uma partic ao qualquer de [a, b] , isto e, : a = x
0
< x
1
< < x
n
= b ,
queremos construir polinomios /
i
para i = 0, 1, , n , de grau n que satisfazem
as seguintes condi c oes
/
i
(x
j
) =
_
1 se i = j
0 se i ,= j .
Como /
i
e um polinomio de grau n com n razes distintas nos pontos
x
0
, x
1
, , x
i1
, x
i+1
, , x
n
, podemos escreve-lo da seguinte forma:
/
i
(x) = c
i
(x x
0
)(x x
1
) (x x
i1
)(x x
i+1
) (x x
n
)
e impondo a condi c ao de que /
i
(x
i
) = 1 obtemos o valor para a constante c
i
:
c
i
=
1
(x
i
x
0
)(x
i
x
1
) (x
i
x
i1
)(x
i
x
i+1
) (x
i
x
n
)
.
Podemos mostrar que o conjunto = /
0
, , /
n
e linearmente independente no
espaco vetorial T
n
([a, b]) que tem dimens ao n + 1 , portanto pode ser considerado
como uma base para T
n
([a, b]) . Neste caso, dizemos que os polinomios /
0
, , /
n
formam a base de Lagrange para T
n
([a, b]) associada aos pontos x
0
, x
1
, , x
n
.
Captulo 1. Interpola cao Polinomial 3
Desse modo, temos que p T
n
([a, b]) e escrito da seguinte forma:
p(x) =
0
/
0
(x) +
1
/
1
(x) + +
n
/
n
(x) , (1.5)
onde
=
_

1
.
.
.

n
_

_
IR
n+1
e o vetor de coordenadas de p com relac ao `a base .
1.2.2 Metodo da Matriz
Consideremos o espaco vetorial T
n
([a, b]) com a base can onica, isto e,
= 1, x, x
2
, , x
n
,
desse modo temos que p T
n
([a, b]) e escrito da seguinte forma:
p(x) = c
0
+ c
1
x + + c
n
x
n
, (1.6)
onde
c =
_

_
c
0
c
1
.
.
.
c
n
_

_
IR
n+1
e o vetor de coordenadas de p com relac ao `a base can onica .
Queremos encontrar um polinomio p T
n
([a, b]) satisfazendo as condi c oes de inter-
pola c ao pura (1.1). Considerando que o polinomio p esta escrito na forma (1.6), temos
as seguintes equa c oes dadas pelas condi c oes (1.1)
p(x
i
) = c
0
+ c
1
x
i
+ + c
n
x
n
i
= f(x
i
) , i = 0, 1, , n . (1.7)
Desse modo, para cada ponto x
i
para i = 0, 1, , n as equa c oes (1.7)
formam um sistema linear com n + 1 equa c oes a n + 1 inc ognitas c
0
, , c
n
.
4 Metodos dos Elementos Finitos
Vamos escrever as equa c oes (1.7) na forma matricial. Assim a matriz do sistema linear
ca dada por:
A =
_

_
1 x
0
x
n
0
1 x
1
x
n
1
.
.
.
.
.
.
.
.
.
1 x
i
x
n
i
.
.
.
.
.
.
.
.
.
1 x
n
x
n
n
_

_
(1.8)
que e denominada Matriz de Vandermonde associada aos pontos x
0
, x
1
, , x
n
.
O vetor do lado direito do sistema linear ca dado por

b =
_

_
f(x
0
)
f(x
1
)
.
.
.
f(x
n
)
_

_
IR
n+1
Assim o sistema linear denido em (1.7) pode ser reescrito da seguinte forma
Ac =

b . (1.9)
Portanto, o problema de Interpola c ao Polinomial se resume na resolu c ao de um sistema
linear de ordem n + 1 , cuja soluc ao e o vetor de coordenadas do polinomio interpolador,
da func ao f nos pontos da partic ao , com relac ao `a base canonica para T
n
([a, b]) .
Como o polinomio interpolador e unico, e ca bem determinado pelo vetor de coorde-
nadas, podemos concluir que o sistema linear dado pela matriz de Vandermonde possui
soluc ao unica.
Sabemos que o custo computacional para obtermos a soluc ao numerica do sistema linear
(1.9) pelo Metodo de Decomposic ao LU , ou pelo Metodo de Eliminac ao Gaussiana, e da
ordem de ( n + 1 )
3
/3 . Podemos dizer que todo custo computacional para a obten c ao do
polinomio interpolador pelo Metodo da Matriz esta na resolu c ao do sistema linear, pois
a avaliac ao do polinomio pode ser feita de maneira eciente e barata pela regra de Horner.
Sabemos que a estabilidade do sistema linear denido pela matriz de Vandermonde esta
relacionada com a escolha dos pontos de interpola c ao, bem como com a ordem da matriz.
A seguir vamos apresentar um metodo mais elegante de construc ao do polinomio inter-
polador que nao necessita da resolu c ao de um sistema linear. Portanto, nao temos que
Captulo 1. Interpola cao Polinomial 5
nos preocupar com a estabilidade da soluc ao numerica e nem com o fato de termos que
armazenar uma matriz cheia, como e o caso da matriz de Vandermonde.
1.3 Interpolacao Polinomial de Lagrange
Seja f : [a, b] IR uma func ao contnua e uma partic ao qualquer de [a, b] , isto e,
: a = x
0
< x
1
< < x
n
= b. Queremos construir um polinomio p T
n
([a, b]) ,
considerando o espaco vetorial T
n
([a, b]) com a base de Lagrange associada aos pontos
de interpola c ao e que satisfaca as condi c oes de interpola c ao pura (1.1), isto e,
p(x
i
) = f(x
i
) ; i = 0, 1, , n .
O polinomio p construdo com as condi c oes acima e denominado polinomio interpolador
de Lagrange da func ao f nos pontos da partic ao . Considerando que o polinomio p
e representado como em (1.5) e impondo as condi c oes de interpola c ao pura, tem-se que
n

j=0

j
/
j
(x
i
) = f(x
i
) ; i = 0, 1, , n . (1.10)
Como /
j
(x
i
) =
ij
temos que as coordenadas do polinomio interpolador de Lagrange
sao dadas por

i
= f(x
i
) ; i = 0, 1, , n .
Desse modo, o polinomio interpolador ca escrito da seguinte forma:
p(x) =
n

j=0
f(x
j
) /
j
(x) ; x [a, b] . (1.11)
Podemos observar que as coordenadas do polinomio interpolador de Lagrange sao obtidas
sem nenhum custo computacional. Entretanto todo custo operacional esta na construc ao
dos polinomios de Lagrange, /
i
para i = 0, 1, , n , associados aos pontos de
interpola c ao. Neste caso, como nao temos que resolver um sistema linear evitamos a
instabilidade numerica na construc ao do polinomio interpolador.
1.4 Analise de Erro da Interpolacao Polinomial
Teorema 1.1 Seja f (
(n+1)
([a, b]) e p
n
T
n
([a, b]) o polin omio interpolador da
fun cao f nos pontos da particao : a = x
0
< x
1
< . . . < x
n
= b. Entao, para todo
6 Metodos dos Elementos Finitos
x [a, b] , existe pelo menos um ponto = (x) (a, b) tal que
e(x) = f(x) p
n
(x) =
W(x)
(n + 1)!
f
(n+1)
() , (1.12)
onde W(x) = (x x
0
)(x x
1
) (x x
n
) .
Considerando uma partic ao regular de [a, b] , isto e, h = x
k+1
x
k
para todo
k = 0, 1, , (n 1) , podemos mostrar que a func ao W satisfaz a desigualdade
[ W(x) [
h
n+1
4
n! ; x [a, b] . (1.13)
Assim, temos a seguinte Estimativa para o Erro da Interpolacao Polinomial
[ e(x) [
h
n+1
4(n + 1)
max

f
(n+1)
(x)

; a x b . (1.14)
A estimativa dada por (1.14) tem uma utilizac ao pr atica maior do que a expressao para
o erro (2.12), como veremos mais adiante. Para a demonstra c ao do Teorema 1.1 vamos
precisar dos seguintes teoremas.
Teorema 1.2 ( Teorema de Rolle ) Seja : [a, b] IR uma fun cao contnua e
diferenci avel em (a, b) . Se (a) = (b) , ent ao existe pelo menos um ponto (a, b)
tal que

() = 0 .
Teorema 1.3 ( Extensao do Teorema de Rolle ) Seja : [a, b] IR uma
fun cao de classe (
(n+1)
([a, b]) . Se a fun cao possui (n + 2) zeros em [a, b] , ent ao
existe pelo menos um ponto (a, b) tal que
(n+1)
() = 0 .
Demonstra cao do Teorema 1.1 Considere um ponto x (a, b) ; x / , xo porem
arbitr ario. Vamos construir uma func ao auxiliar da seguinte forma
(x) = [ f(x) p
n
(x) ]
W(x)
W(x)
[ f(x) p
n
(x) ] ; x [a, b] . (1.15)
Agora, basta vericar que a func ao satisfaz as hip oteses da Extensao do Teorema
de Rolle. Do mesmo, modo podemos vericar que a func ao e uma func ao de classe
(
(n+1)
([a, b]) e que possui (n+2) zeros em [a, b] . Em seguida, aplicamos sucessivamente
o Teorema de Rolle `as func oes ,

, ,
(n+1)
.
Captulo 1. Interpola cao Polinomial 7
1.5 Exerccios
Exerccio 1.1 Mostre que os polinomios de Lagrange /
0
, , /
n
, associados aos
pontos de interpola c ao x
0
, x
1
, , x
n
, formam um conjunto linearmente independente
no espaco vetorial T
n
([a, b]) .
Exerccio 1.2 Construa a base de Lagrange para o espaco vetorial T
2
([1, 1]) asso-
ciada aos pontos x
0
= 1 , x
1
= 0 e x
2
= 1 . Faca o esboco do gr aco de cada
uma das func oes da base de Lagrange.
Exerccio 1.3 Encontre o polinomio p T
2
([1, 1]) tal que p(1) = 8 ,
p(0) = 3 e p(1) = 6 , utilizando a base de Lagrange obtida no exerccio anterior.
Exerccio 1.4 Idem o exerccio 1.3 utilizando o Metodo da Matriz.
Exerccio 1.5 Considere a seguinte func ao f(x) = sin(x/2) ; x [1, 1] .
Construir o polinomio interpolador de f nos pontos x
0
= 1 , x
1
= 0 e x
2
= 1 .
Faca uma estimativa do erro da interpola c ao polinomial utilizando (1.14)
Exerccio 1.6 Seja f uma func ao contnua denida no intervalo [1, 1] e
p T
2
([1, 1]) o polinomio que interpola f nos pontos x
0
= 1 , x
1
= 0 e
x
2
= 1 . Calcule
_
1
1
p(x)dx em func ao dos valores f(1) , f(0) e f(1) . Verique
que a formula obtida coincide com a regra de Simpson.
Exerccio 1.7 Termine de escrever os detalhes da demonstra c ao do Teorema 1.1.
Exerccio 1.8 Mostre a desigualdade (2.13).
8 Metodos dos Elementos Finitos
Captulo 2
Espa cos de Elementos Finitos
Neste captulo vamos abordar o problema da interpola c ao polinomial por partes. Cons-
truiremos as bases de Lagrange para os espaco das Func oes de Lagrange Polinomiais por
Partes e para as Func oes C ubicas de Hermite, bem como faremos uma analise de erro
para cada uma das interpola c oes. Esses espaco sao utilizados no Metodo de Galerkin que
iremos estudar nos captulos 5 e 6. Para um estudo mais profundo sobre interpola c ao
polinomial por partes e suas aplicac oes nos Metodos de Elementos nitos podemos citar
(Axelsson, 1984) e (Rappaz, 1998).
2.1 Espa cos de Lagrange Polinomial por Partes
Podemos observar que a estimativa do erro da Interpola c ao Polinomial, dada por (1.14),
depende fortemente do comportamento de f
n+1
. Assim, quando estamos interpolando
uma func ao, em pontos eq uidistantes, por um polinomio de grau muito elevado o erro
vai depender se as derivadas de ordem (n + 1) da func ao f cam limitadas ou nao .
Temos um exemplo muito interessante de um problema de interpola c ao polinomial onde
a func ao e innitamente continuamente diferenci avel, mas suas derivadas crescem muito
rapidamente fazendo com que o polinomio interpolador que cada vez mais afastado da
func ao conforme vamos aumentando o seu grau.
Exemplo 2.1 Considere a fun cao f(t) = 1 / ( 1 + 25t
2
) para t [1, 1] . A
fun cao f possui derivada contnua de qualquer ordem no intervalo [1, 1] , entretanto
tem-se que

f
(n+1)
(0)

cresce muito rapido quando n cresce. A Figura 2.1 mostra este

fen omeno, que e denominado de fen omeno de Runge, para polin omios interpoladores
p
n
T
n
([1, 1]) , em pontos eq uidistantes, nos casos em que n = 5 e n = 10.
9
10 Metodos dos Elementos Finitos
1 0.5 0 0.5 1
0.5
0
0.5
1
1.5
2
1 0.5 0 0.5 1
0.5
0
0.5
1
1.5
2
Figura 2.1: Fen omeno de Runge: Interpolantes de grau 5 e 10
Temos duas maneiras muito ecientes para evitar o fenomeno de Runge. A primeira
e na escolha dos pontos de interpola c ao. A escolha e feita observando que o erro da
Interpola c ao Polinomial, dado por (2.13), depende dos pontos de interpola c ao atraves da
func ao W . Assim, vamos escolher os pontos de interpola c ao de modo que tenhamos
min max [ W(x) [ ; x [a, b] ; . (2.1)
A escolha adequada dos pontos de interpola c ao para o problema apresentado no exemplo
2.1 sao os zeros do polinomio de Chebyshev T
n+1
, denominados Pontos de Inter-
polacao de Chebyshev, que sao dados por:
t
j
= cos(
2j + 1
2n + 2
) ; j = 0, 1, , n . (2.2)
No caso em que estamos trabalhando no intervalo [a, b] , basta fazer uma mudanca de
variavel para obtermos os pontos de interpola c ao adequados:
x
j
=
(b + a)
2
+
(b a)
2
t
j
; j = 0, 1, , n . (2.3)
Vamos deixar como exerccio para o leitor refazer o exemplo 2.1 utilizando os zeros de
T
n+1
como pontos de interpola c ao para obter o polinomio interpolador p
n
da func ao f.
A segunda maneira para evitar o fenomeno de Runge esta na escolha do espaco de
func oes no qual vamos buscar a func ao interpolante. Vamos fazer a interpola c ao nao
em T
n
([a, b]) , mas em determinados espacos de func oes onde seus elementos sao po-
linomios por partes, denidos em uma partic ao qualquer de [a, b] . Esses espacos de
func oes sao denominados Espacos de Elementos Finitos, que passaremos a denir a
seguir. Os espacos de Elementos Finitos sao muito utilizados nao somente em problemas
Captulo 2. Espacos de Elementos Finitos 11
de interpola c ao, mas tambem em problemas de quadrados mnimos e na obten c ao de uma
soluc ao aproximada para problemas de valores de contorno por metodos variacionais. Os
metodos variacionais serao abordados em um captulo especial.
Digamos que o fenomeno de Runge seria uma motivac ao para o estudo dos espacos de
elementos nitos, bem como dos metodos variacionais, dentre os quais podemos menci-
onar o metodo dos quadrados mnimos e o metodo de Galerkin. Entretanto, uma outra
motivac ao esta baseada no fato que, em geral, os metodos de aproxima c ao de func oes
requerem a resolu c ao de um sistema linear. Quando utilizamos os espacos de elementos
nitos, a matriz do sistema linear resultante do metodo de aproxima c ao tem sempre uma
estrutura especial de esparsidade , o que facilita o seu armazenamento no que se refere `a
economia de memoria. A combina c ao de espacos de elementos nitos e metodos variacio-
nais resulta em sistemas lineares com boas propriedades de estabilidade numerica, o que
e uma nova motivac ao para o estudos desses t opicos.
Deniremos a seguir os Espacos de Fun coes de Lagrange Polinomial por Partes.
Dada uma partic ao qualquer de [a, b] , isto e, : a = x
0
< x
1
< < x
n
= b ,
seja L
d
() o conjunto das func oes denidas no intervalo [a, b] com as propriedades:
s L
d
() , tem-se que
s(x) = p(x) T
d
(K) ; x K = [x
k1
, x
k
] (2.4)
s (([a, b]) , (2.5)
isto e, s e um polinomio de grau menor ou igual a d em cada subintervalo K =
[x
k1
, x
k
] e uma func ao contnua no intervalo [a, b]. Podemos mostrar que L
d
() e um
subespaco vetorial de (([a, b]) com dim( L
d
() ) = nd + 1 . e importante observar que
nos espacos L
d
() o grau do polinomio em cada subintervalo K e sempre o mesmo,
independendo do n umero de subintervalos da partic ao . Assim, evitamos o fenomeno
de Runge nos problemas de interpola c ao.
12 Metodos dos Elementos Finitos
2.1.1 Espaco das Funcoes de Lagrange Lineares
De acordo com a deni c ao do espaco L
d
() temos as propriedades das func oes no
espaco L
1
() que e denominado de Espaco das Fun coes de Lagrange Lineares
por Partes.
Assim temos que, s L
1
()
s(x) = p(x) T
1
(K) ; x K = [x
k1
, x
k
] (2.6)
s (([a, b]) . (2.7)
A seguir, vamos construir as func oes em L
1
() e mostrar que este e um subespaco
vetorial de (([a, b]) com dim( L
1
() ) = n + 1 . Neste caso, temos que a restric ao
de uma func ao que pertence a L
1
() e sempre um polinomio de grau menor ou igual
a 1 em cada subintervalo, isto e , s[
K
= p T
1
(K) . O espaco L
1
() tambem e
denominado Espa co das Fun coes Splines Lineares.
Vamos considerar a base de Lagrange para o espaco vetorial T
1
(K) associada aos
pontos x
k1
e x
k
, com o objetivo de utiliza-la na representa c ao da restric ao da func ao
s aos subintervalos K = [x
k1
, x
k
].
Denotando por
(k)
1
e
(k)
2
as func oes da base de Lagrange para T
1
(K) , tem-se que:

(k)
1
(x) = ( x
k
x ) / h
k
(2.8)

(k)
2
(x) = ( x x
k1
) / h
k
, (2.9)
onde h
k
= x
k
x
k1
e o comprimento do k-esimo subintervalo. Desse modo, temos
que s L
1
() pode ser escrita da seguinte forma:
s(x) =
k
1

(k)
1
(x) +
k
2

(k)
2
(x) ; x K . (2.10)
As func oes
(k)
1
e
(k)
2
sao chamadas de Fun coes de Base Local, no k-esimo subin-
tervalo, do espaco L
1
() .
`
A partir da deni c ao de base local, vamos construir as func oes que sao denominadas
Fun coes de Base Global do espaco L
1
() associadas aos pontos x
j
da partic ao .
Denotando por
0
,
1
, ,
j
, ,
n
as func oes da base global e considerando as
equa c oes (2.8) (2.10) , temos que:
Captulo 2. Espacos de Elementos Finitos 13

0
(x) =
_

_
( x
1
x ) / h
1
; se x [x
0
, x
1
]
0 ; caso contr ario.
(2.11)

j
(x) =
_

_
( x x
j1
) / h
j
; se x [x
j1
, x
j
]
( x
j+1
x ) / h
j+1
; se x [x
j
, x
j+1
]
0 ; caso contr ario.
(2.12)

n
(x) =
_

_
( x x
n1
) / h
n
; se x [x
n1
, x
n
]
0 ; caso contr ario.
(2.13)
-
6
0

A
A
A
A
A
A
A
A
A

A
A
A
A
A
A
A
A
A
r r r r r r r
x
0
x
1
x
j1
x
j
x
j+1
x
n1
x
n

0
(x)
j
(x)
n
(x)
1
Figura 2.2: Func oes de base para o subespaco L
1
()
14 Metodos dos Elementos Finitos
Podemos mostrar que as func oes
0
,
1
, ,
j
, ,
n
, ilustradas na Figura 2.2,
sao linearmente independentes e formam uma base para o espaco L
1
() . Observamos
tambem que as func oes
j
possuem a seguinte propriedade

j
(x
i
) =
ij
; 0 i , j n , (2.14)
fazendo com que essas func oes sejam denominadas func oes de base nodais. O espaco
L
1
() sera muito utilizado nos Metodos de Elementos Finitos que vamos estudar nos
pr oximos captulos. Portanto, temos que toda func ao s L
1
() pode ser escrita de
modo unico da seguinte forma:
s(x) =
n

j=0

j

j
(x) . (2.15)
Captulo 2. Espacos de Elementos Finitos 15
2.1.2 Espaco das Funcoes de Lagrange Quadraticas
Os elementos do espaco L
2
() , que e denominado Espaco das Fun coes de Lagrange
Quadraticas por Partes, tem as seguintes propriedades : para toda s L
2
()
s(x) = p(x) T
2
(K) ; x K = [x
k1
, x
k
] (2.16)
s (([a, b]) . (2.17)
A seguir, vamos construir as func oes em L
2
() e mostrar que L
2
() e um subespaco
vetorial de (([a, b]) com dim( L
2
() ) = 2n + 1 . Neste caso, temos que a restric ao
de uma func ao que pertence a L
2
() e sempre um polinomio de grau menor ou igual
`a 2 em cada subintervalo, isto e , s[
K
= p T
2
(K) .
Vamos considerar a base de Lagrange para o espaco vetorial T
2
(K) associada aos pon-
tos x
k1
, x
k
e x
k
, onde x
k
e o ponto medio do k-esimo subintervalo K = [x
k1
, x
k
].
Denotamos por
(k)
1
,
(k)
2
e
(k)
3
as func oes da base de Lagrange para T
2
(K) , que
podem ser construdas em func ao da base de Lagrange para T
1
(K) da seguinte forma

(k)
1
(x) =
(k)
1
(x) ( 2
(k)
1
(x) 1 ) (2.18)

(k)
2
(x) = 4
(k)
1
(x)
(k)
2
(x) (2.19)

(k)
3
(x) =
(k)
2
(x) ( 2
(k)
2
(x) 1 ). (2.20)
Desse modo, temos que toda func ao s L
2
() pode ser escrita da seguinte forma:
s(x) =
k
1

(k)
1
(x) +
k
2

(k)
2
(x) +
k
3

(k)
3
(x) ; x K = [x
k1
, x
k
] . (2.21)
As func oes
(k)
1
,
k
2
e
(k)
3
sao chamadas Fun coes de Base Local, no k-esimo
subintervalo, do espaco L
2
() .
`
A partir da deni c ao de base local, vamos construir as
func oes que sao denominadas Fun coes de Base Global do espaco L
2
() associadas
aos pontos x
0
, x
1
, , x
j
, , x
n
da partic ao e tambem aos pontos medios de
cada subintervalo x
1
[x
0
, x
1
], , x
k
[x
k1
, x
k
], , x
n
[x
n1
, x
n
] . Desse modo,
teremos 2n + 1 func oes de base nodais para o espaco L
2
() .
16 Metodos dos Elementos Finitos
Denotamos por
0
,
1
, ,
2k1
,
2k
, ,
2n1
,
2n
as func oes da base
global. Por convenc ao, as func oes com enumerac ao par estao associadas aos pontos da
partic ao e as func oes com enumerac ao mpar estao associadas aos pontos medios dos
subintervalos. Considerando as equa c oes (2.18)(2.20), temos que:
a func ao
0
associada ao ponto x
0
e dada por

0
(x) =
_

(1)
1
(x) ; se x [x
0
, x
1
]
0 ; caso contr ario.
(2.22)
As func oes
2k
associadas aos pontos x
k
para k = 1, , (n 1) , sao dadas por

2k
(x) =
_

(k)
3
; se x [x
k1
, x
k
]

(k+1)
1
; se x [x
k
, x
k+1
]
0 ; caso contr ario.
(2.23)
As func oes
2k1
associadas aos pontos medios x
k
K para k = 1, , n , sao dadas
por

2k1
(x) =
_

(k)
2
; se x [x
k1
, x
k
]
0 ; caso contr ario.
(2.24)
A func ao
2n
associada ao ponto x
n
e dada por

2n
(x) =
_

(n)
3
(x) ; se x [x
n1
, x
n
]
0 ; caso contr ario.
(2.25)
Portanto, temos que s L
2
() pode ser escrita de modo unico da seguinte forma:
s(x) =
2n

j=0

j

j
(x) . (2.26)
Captulo 2. Espacos de Elementos Finitos 17
1 0.5 0 0.5 1
0.2
0
0.2
0.4
0.6
0.8
1
1.2

1
(
x
)
1 0.5 0 0.5 1
0
0.2
0.4
0.6
0.8
1
x

2
(
x
)
1 0.5 0 0.5 1
0.2
0
0.2
0.4
0.6
0.8
1
1.2
x

3
(
x
)
Figura 2.3: Func oes da Base local para o espaco L
2
()
18 Metodos dos Elementos Finitos
2.2 Espa co das Func oes C ubicas de Hermite
Os espacos L
1
() e L
2
() sao subespacos vetoriais de (([a, b]) , cujas func oes sao
contnuas em [a, b] mas com derivada descontnua nos pontos da partic ao . Vamos
agora estudar um espaco de func oes polinomiais por partes, denidas sobre uma partic ao
: a = x
0
< x
1
< < x
n
= b , cujas func oes sao contnuas com derivada tambem
contnua no intervalo [a, b] .
Vamos denir o espaco H
3
() denominado Espaco das Fun coes C ubicas de
Hermite, no qual seus elementos tem as seguintes propriedades : s H
3
()
s(x) = p(x) T
3
(K) ; x K = [x
k1
, x
k
] (2.27)
s (
(1)
([a, b]) . (2.28)
A seguir, vamos construir as func oes em H
3
() e mostrar que este e um subespaco de
(
(1)
([a, b]) com dim( H
3
() ) = 2n + 2 . Neste caso, temos que a restric ao de uma
func ao que pertence a H
3
() e sempre um polinomio de grau menor ou igual a 3 em
cada subintervalo, isto e, s[
K
= p T
3
(K) .
Inicialmente denimos a Base de Hermite para o espaco vetorial T
3
(K) associada
aos pontos x
k1
e x
k
, com o objetivo de utiliza-la na representa c ao da restric ao da
func ao s aos subintervalos K = [x
k1
, x
k
].
Denotando por
(k)
1
,
(k)
2
,
(k)
3
e
(k)
4
as func oes da base de Hermite para T
3
(K)
que possuem as seguinte propriedades
_

(k)
1
(x
k1
) = 1 ,
(k)
1
(x
k
) = 0
(
(k)
1
)

(x
k1
) = 0 , (
(k)
1
)

(x
k
) = 0
(2.29)
_

(k)
3
(x
k1
) = 0 ,
(k)
3
(x
k
) = 1
(
(k)
3
)

(x
k1
) = 0 , (
(k)
3
)

(x
k
) = 0
(2.30)
Captulo 2. Espacos de Elementos Finitos 19
_

_
(
(k)
2
)

(x
k1
) = 1 , (
(k)
2
)

(x
k
) = 0

(k)
2
(x
k1
) = 0 ,
(k)
2
(x
k
) = 0
(2.31)
_

_
(
(k)
4
)

(x
k1
) = 0 , (
(k)
4
)

(x
k
) = 1

(k)
4
(x
k1
) = 0 ,
(k)
4
(x
k
) = 0 .
(2.32)
Como as func oes da base de Hermite sao polinomios de grau 3, podemos escreve-las da
seguinte forma:

(k)
j
(x) = a
k
0
+ a
k
1
x + a
k
2
x
2
+ a
k
3
x
3
; k = 1, , n e j = 1, 2, 3, 4 .
Impondo as condi c oes (2.29) temos que resolver um sistema linear com 4 equa c oes a 4
inc ognitas a
k
0
, a
k
1
, a
k
2
, a
k
3
e a
k
4
para obtermos a primeira func ao da base:

(k)
1
(x) = ( x x
k
)
2
( 2x + x
k
3x
k1
) /h
3
k
. (2.33)
Impondo as condi c oes (2.30) temos que resolver um sistema linear com 4 equa c oes a 4
inc ognitas a
k
0
, a
k
1
, a
k
2
, a
k
3
e a
k
4
para obtermos a terceira func ao da base:

(k)
3
(x) = ( x x
k1
)
2
( 2x + x
k1
3x
k
) /h
3
k
. (2.34)
Impondo as condi c oes (2.31) temos que resolver um sistema linear com 4 equa c oes a 4
inc ognitas a
k
0
, a
k
1
, a
k
2
, a
k
3
e a
k
4
para obtermos a segunda func ao da base:

(k)
2
(x) = ( x x
k
)
2
( x x
k1
) /h
2
k
. (2.35)
Impondo as condi c oes (2.32) temos que resolver um sistema linear com 4 equa c oes a 4
inc ognitas a
k
0
, a
k
1
, a
k
2
, a
k
3
e a
k
4
para obtermos a quarta func ao da base:

(k)
4
(x) = ( x x
k1
)
2
( x x
k
) /h
2
k
. (2.36)
20 Metodos dos Elementos Finitos
Podemos mostrar que as func oes
(k)
1
,
(k)
2
,
(k)
3
e
(k)
4
sao linearmente indepen-
dentes em T
3
(K) , portanto, formam uma base para este espaco.
Desse modo, temos que s H
3
() pode ser escrita da seguinte forma:
s(x) =
k
1

(k)
1
(x) +
k
2

(k)
2
(x) +
k
3

(k)
3
(x) +
k
4

(k)
4
(x) ; x K . (2.37)
As func oes
(k)
1
,
k
2
,
k
3
e
(k)
4
sao chamadas de Fun coes de Base Local, no
k-esimo subintervalo, do espaco H
3
() .
Denotaremos por
0
,
1
, ,
2k
,
2k+1
, ,
2n
,
2n+1
as func oes da base glo-
bal para o espaco H
3
() . As func oes com enumerac ao par estao associadas aos pontos
da partic ao com informac oes sobre a interpola c ao do valor da func ao e as func oes com
enumerac ao mpar estao associadas aos pontos da partic ao com informac oes sobre a
interpola c ao do valor da derivada.
As func oes
0
e
1
associadas ao ponto x
0
sao dadas por

0
(x) =
_

(1)
1
(x) ; se x [x
0
, x
1
]
0 ; caso contr ario
(2.38)

1
(x) =
_

(1)
2
(x) ; se x [x
0
, x
1
]
0 ; caso contr ario.
(2.39)
As func oes
2k
associadas aos pontos x
k
para k = 1, , (n 1) , sao dadas por

2k
(x) =
_

(k)
3
; se x [x
k1
, x
k
]

(k+1)
1
; se x [x
k
, x
k+1
]
0 ; caso contr ario.
(2.40)
As func oes
2k+1
associadas aos pontos x
k
para k = 1, , (n 1) , sao dadas
Captulo 2. Espacos de Elementos Finitos 21
por

2k+1
(x) =
_

(k)
4
; se x [x
k1
, x
k
]

(k+1)
2
; se x [x
k
, x
k+1
]
0 ; caso contr ario.
(2.41)
As func oes
2n
e
2n+1
associadas ao ponto x
n
, sao dadas por

2n
(x) =
_

(n)
3
(x) ; se x [x
n1
, x
n
]
0 ; caso contr ario
(2.42)

2n+1
(x) =
_

(n)
4
(x) ; se x [x
n1
, x
n
]
0 ; caso contr ario.
(2.43)
Podemos mostrar que as func oes
0
,
1
, ,
2k
,
2k+1
, ,
2n
,
2n+1
sao
linearmente independentes e formam uma base para o espaco H
3
() . Observamos
tambem que as func oes da base global possuem as seguintes propriedades
_

2j
(x
i
) =
ij
; 0 i , j n

2j
(x
i
) = 0 ; 0 i , j n
(2.44)
_

2j+1
(x
i
) =
ij
; 0 i , j n

2j+1
(x
i
) = 0 ; 0 i , j n .
(2.45)
Portanto, temos que s H
3
() pode ser escrita de modo unico da seguinte forma:
s(x) =
2n+1

j=0

j

j
(x) . (2.46)
22 Metodos dos Elementos Finitos
1 0.5 0 0.5 1
0
0.2
0.4
0.6
0.8
1

1
(
x
)
1 0.5 0 0.5 1
0
0.2
0.4
0.6
0.8
1

3
(
x
)
1 0.5 0 0.5 1
0
0.2
0.4
0.6
0.8
1
1.2
1.4
x

2
(
x
)
1 0.5 0 0.5 1
1.2
1
0.8
0.6
0.4
0.2
0
x

4
(
x
)
Figura 2.4: Func oes da Base local para o espaco H
3
()
Captulo 2. Espacos de Elementos Finitos 23
2.3 Interpolacao Polinomial por Partes
Seja f : [a, b] IR uma func ao contnua e uma partic ao qualquer de [a, b] , isto
e, : a = x
0
< x
1
< < x
n
= b . Queremos encontrar uma func ao s
1
L
1
()
satisfazendo as condi c oes de interpola c ao pura, isto e,
s
1
(x
i
) = f(x
i
) ; i = 0, 1, , n . (2.47)
A func ao s
1
construda com as condi c oes acima e denominada func ao spline linear
interpolante da func ao f nos pontos da partic ao . Utilizando as func oes de base do
espaco L
1
() temos que
s
1
(x
i
) =
n

j=0

j

j
(x
i
) = f(x
i
) ; 0 i n . (2.48)
Como
j
(x
i
) =
ij
obtemos que
i
= f(x
i
) para i = 0, 1, , n . Podemos
observar que na interpola c ao por partes em L
1
() , como as func oes de base sao nodais,
os coecientes da func ao interpolante sao obtidos sem a necessidade da resolu c ao de um
sistema linear.
De modo analogo, podemos encontrar uma func ao s
2
L
2
() satisfazendo as condi c oes
de interpola c ao pura, isto e,
s
2
(x
i
) = f(x
i
) ; i = 0, 1, , n (2.49)
s
2
(x
i
) = f(x
i
) ; i = 1, 2, , n . (2.50)
A func ao s
2
construda com as condi c oes acima e denominada func ao de Lagrange
Quadratica interpolante da func ao f nos pontos da partic ao e nos pontos medios de
cada subintervalo. Utilizando as func oes de base do espaco L
2
() temos que
s
2
(x
i
) =
n

j=0

j

j
(x
i
) = f(x
i
) ; 0 i n (2.51)
s
2
(x
i
) =
n

j=0

j

j
(x
i
) = f(x
i
) ; 1 i n . (2.52)
Como as func oes de base do espaco L
2
() sao nodais, obtemos que
2i
= f(x
i
) para
i = 0, 1, , n e obtemos
2i1
= f(x
i
) para i = 1, 2, , n , sem a necessidade
da resolu c ao de um sistema linear.
24 Metodos dos Elementos Finitos
Finalmente veremos como usar as func oes c ubicas de Hermite em problemas de inter-
pola c ao. Seja f : [a, b] IR uma func ao de classe (
(1)
([a, b]) e uma partic ao
qualquer de [a, b] , isto e, : a = x
0
< x
1
< < x
n
= b . Queremos encontrar uma
func ao s H
3
() satisfazendo as condi c oes mistas de interpola c ao e suavidade, isto e,
s(x
i
) = f(x
i
) ; i = 0, 1, , n (2.53)
s

(x
i
) = f

(x
i
) ; i = 0, 1, , n . (2.54)
A func ao s construda com as condi c oes acima e denominada func ao c ubica de Hermite
interpolante das func oes f e f

nos pontos da partic ao . Utilizando as func oes de

base do espaco H
3
() temos que
s(x
i
) =
2n+1

j=0

j

j
(x
i
) = f(x
i
) ; 0 i n . (2.55)
Como as func oes de base do espaco H
3
() possuem as propriedades (2.44) (2.45) ,
obtemos que
2i
= f(x
i
) para i = 0, 1, , n e obtemos
2i+1
= f

(x
i
) para
i = 0, 1, , n , sem a necessidade da resolu c ao de um sistema linear.
2.3.1 Erro da Interpolacao Polinomial por Partes
`
A partir do Teorema 1.1 e das desigualdades (2.13) e (1.14) obtemos os seguinte resultados
para o erro da interpola c ao polinomial por partes.
Teorema 2.1 Seja f (
(2)
([a, b]) e s
1
L
1
() a fun cao spline linear que interpola
a fun cao f nos pontos da particao : a = x
0
< x
1
< . . . < x
n
= b. Entao, para
todo x [x
k1
, x
k
] , existe pelo menos um ponto
k
= (x) (x
k1
, x
k
) tal que
e
(k)
(x) = f(x) s
1
(x) =
W
(k)
(x)
2!
f
(2)
(
k
) , (2.56)
onde W
(k)
(x) = ( x x
k1
)( x x
k
).
e facil mostrar que a func ao W
(k)
satisfaz

W
(k)
(x
k
)

= max

W
(k)
(x)

; x
k1
x x
k
=
h
2
k
4
. (2.57)
Captulo 2. Espacos de Elementos Finitos 25
Assim, temos uma Estimativa para o Erro da Interpolacao em L
1
() :

e
(k)
(x)

h
2
k
8
max

f
(2)
(x)

; x
k1
x x
k
. (2.58)
Teorema 2.2 Seja f (
(3)
([a, b]) e s
2
L
2
() a fun cao de Lagrange Quadratica
que interpola a fun cao f nos pontos da particao : a = x
0
< x
1
< . . . < x
n
= b.
Entao, para todo x [x
k1
, x
k
] , existe pelo menos um ponto
k
= (x) (x
k1
, x
k
)
tal que
e
(k)
(x) = f(x) s
2
(x) =
W
(k)
(x)
3!
f
(3)
(
k
) , (2.59)
onde W
(k)
(x) = ( x x
k1
)( x x
k
)( x x
k
).
Utilizando a desigualdade (2.13) podemos mostrar que a func ao W
(k)
satisfaz
[ W(x) [
h
3
k
16
; x [x
k1
, x
k
] . (2.60)
Assim, temos uma Estimativa para o Erro da Interpolacao em L
2
() :

e
(k)
(x)

h
3
k
96
max

f
(3)
(x)

; x
k1
x x
k
. (2.61)
Teorema 2.3 Seja f (
(4)
([a, b]) e s H
3
() a fun cao c ubica de Hermite que
interpola as fun coes f e f

nos pontos da particao : a = x

0
< x
1
< . . . < x
n
= b.
Entao, para todo x [x
k1
, x
k
] , existe pelo menos um ponto
k
= (x) (x
k1
, x
k
)
tal que
e
(k)
(x) = f(x) s(x) =
W
(k)
(x)
4!
f
(4)
(
k
) , (2.62)
onde W
(k)
(x) = ( x x
k1
)
2
( x x
k
)
2
.
Utilizando a relac ao (2.57) temos a seguinte Estimativa para o Erro da Interpolacao
em H
3
() :

e
(k)
(x)

h
4
k
384
max

f
(4)
(x)

; x
k1
x x
k
. (2.63)
26 Metodos dos Elementos Finitos
Demonstra cao do Teorema 2.3 Considere um ponto x (x
k1
, x
k
) , xo porem
arbitr ario. Vamos construir uma func ao auxiliar da seguinte forma
(x) = [ f(x) s(x) ]
W
(k)
(x)
W
(k)
(x)
[ f(x) s(x) ] ; x [x
k1
, x
k
] . (2.64)
De modo analogo `a demonstra c ao do Teorema 1.1, basta vericar que a func ao e uma
func ao de classe (
(4)
([x
k1
, x
k
]) e que se anula nos pontos x
k1
, x
k
, x . Observe
a multiplicidade dos zeros, em seguida aplique sucessivamente o Teorema de Rolle `as
func oes ,

, ,
(4)
.
2.4 Exerccios
Exerccio 2.1 Considere a func ao f(t) = 1 / ( 1 + 25t
2
) para t [1, 1] . Encontre
os polinomios p
5
T
5
([1, 1]) e p
10
T
10
([1, 1]) que interpolam a func ao f nos
pontos de Chebyshev. Fazer os gr acos dos polinomios interpolantes e comparar com a
Figura 2.1.
Exerccio 2.2 Mostre que o conjunto L
1
() e um subespaco vetorial de (([a, b]) .
Exerccio 2.3 Esbocar os gr acos das func oes
0
,
1
, ,
n
denidas em (2.11)
(2.13). Mostrar que sao linearmente independentes e formam uma base para o espaco
L
1
() .
Exerccio 2.4 Esbocar os gr acos das func oes
(k)
1
,
(k)
2
e
(k)
3
denidas em
(2.18)(2.20). Mostrar que sao linearmente independentes e formam uma base para o
espaco T
2
(K) .
Exerccio 2.5 Mostre que o conjunto L
2
() e um subespaco vetorial de (([a, b]) .
Exerccio 2.6 Esbocar os gr acos das func oes
0
,
1
, ,
2k1
,
2k
, ,

2n1
,
2n
denidas em (2.22)(2.25). Mostrar que sao linearmente independentes e
formam uma base para o espaco L
2
() .
Exerccio 2.7 Construir as func oes da base para o espaco T
3
(K) ,
(k)
1
,
(k)
2
,
(k)
3
e
(k)
4
, impondo as condi c oes (2.29)(2.32). Esbocar os gr acos das func oes e mostrar
que sao linearmente independentes em T
3
(K) .
Captulo 2. Espacos de Elementos Finitos 27
Exerccio 2.8 Esbocar os gr acos das func oes
0
,
1
, ,
2k
,
2k+1
, ,

2n
,
2n+1
denidas em (2.38)(2.43). Mostrar que sao linearmente independentes e
formam uma base para o espco H
3
() .
Exerccio 2.9 Utilizando o Teorema 1.1, demonstre o Teorema 2.1 e o Teorema 2.2.
Exerccio 2.10 Obter a estimativa para o erro da interpola c ao em H
3
() dada por
(2.63).
Exerccio 2.11 Mostre o resultado dado em (2.57).
Exerccio 2.12 Termine de escrever os detalhes da demonstra c ao do Teorema 2.3.
28 Metodos dos Elementos Finitos
Captulo 3
Problema Variacional Simetrico
3.1 Formas Bilineares. Continuidade e Coercividade
Deni cao 3.1 Seja (E, +, ) um espaco vetorial real de dimens ao innita munido do
produto interno ,
E
e | |
E
a norma proveniente do produto interno. Dizemos
que uma forma bilinear a(, ) sobre E e uma Forma Bilinear Contnua se existe
uma constante > 0 tal que
[ a(u, v) [ | u |
E
| v |
E
para todo u, v E , (3.1)
a constante e denominada constante de continuidade da forma bilinear.
Deni cao 3.2 Seja (E, +, ) um espaco vetorial real de dimens ao innita munido do
produto interno ,
E
e | |
E
a norma proveniente do produto interno. Dizemos
que uma forma bilinear a(, ) sobre E e uma Forma Bilinear Coerciva se existe
uma constante > 0 tal que
a(u, u) | u |
2
E
para todo u E . (3.2)
a constante e denominada constante de coercividade da forma bilinear. Note
que a condi cao de coercividade implica na positividade da forma bilinear.
Desse modo, se uma forma bilinear a(, ) sobre E for simetrica e coerciva, ent ao ela
dene um produto interno sobre E , isto e, a aplicac ao ,
a
: EE IR denida
da forma u , v
a
= a(u, v) para todo u, v E , dene um produto interno sobre
E, denominado produto interno energia. Este fato e de extrema import ancia para os
nosso objetivos. Vamos denotar por | |
a
a norma proveniente desse produto interno,
denominada norma energia.
29
30 Metodos dos Elementos Finitos
Teorema 3.1 Seja (E, +, ) um espaco vetorial real de dimens ao innita munido do
produto interno ,
E
e | |
E
a norma proveniente do produto interno. Seja
a(, ) uma forma bilinear simetrica, contnua e coerciva sobre E . Seja | |
a
a norma
proveniente do produto interno ,
a
associado `a forma bilinear a(, ) . Entao, as
normas | |
E
e | |
a
s ao equivalentes, isto e,

| u |
E
| u |
a

_
| u |
E
para todo u E ,
1

| u |
a
| u |
E

1

| u |
a
para todo u E .
O resultado acima e de extrema import ancia para a demonstra c ao do Teorema de Lax
Milgram, que iremos ver mais adiante.
3.1.1 Exemplo de Forma Bilinear Contnua e Coerciva
Vamos considerar o seguinte conjunto de func oes reais
/([a, b]) = f : [a, b] IR / f contnua, f

contnua por partes e limitada .

(3.3)
Podemos observar que o conjunto de func oes reais /([a, b]) munido das opera c oes usuais
de soma de func oes e multiplicac ao de uma func ao por um escalar, (/([a, b]), +, ) , e um
subespaco vetorial do espaco vetorial real ((([a, b]), +, ) munido do produto interno
usual ,
L
2
denido da seguinte forma
f , g
L
2
=
_
b
a
f(x) g(x) dx para toda f, g (([a, b]) .
Considerando o espaco vetorial real E = (/([a, b]), +, ) vamos denir um produto
interno ,
E
sobre E da seguinte maneira
u , v
E
=
_
b
a
u

(x) v

(x) dx +
_
b
a
u(x) v(x) dx . (3.4)
Considerando o espaco vetorial real E = (/([a, b]), +, ) vamos denir uma forma
bilinear a(, ) sobre E da seguinte maneira
a(u, v) =
_
b
a
(x) u

(x) v

(x) dx +
_
b
a
(x) u(x) v(x) dx , (3.5)
onde as func oes e sao contnuas e estritamente positivas no intervalo [a, b] .
Podemos observar facilmente que a forma bilinear a(, ) denida em (3.5) e uma forma
bilinear simetrica e positiva. Podemos tambem mostrar que essa forma bilinear e contnua
Captulo 3. Problema Variacional Simetrico 31
e coerciva com relac ao a norma | |
E
proveniente do produto interno ,
E
denido em (3.4).
Vamos tambem utilizar os seguintes subespacos de /([a, b])
/
0
([a, b]) = f /([a, b]) / f(a) = f(b) = 0
/
0+
([a, b]) = f /([a, b]) / f(b) = 0
/
0
([a, b]) = f /([a, b]) / f(a) = 0 ,
os quais estabelecem certas condi c oes de contorno para os Problemas Variacionais, que
iremos estudar mais adiante, denidos sobre esses espacos.
3.2 Formas Lineares. Continuidade
Deni cao 3.3 Seja (E, +, ) um espaco vetorial real de dimens ao innita munido do
produto interno ,
E
e | |
E
a norma proveniente do produto interno. Dizemos
que uma forma linear b() sobre E e uma Forma Linear Contnua se existe uma
constante > 0 tal que
[ b(u) [ | u |
E
para todo u E . (3.6)
a constante e denominada constante de continuidade da forma linear.
Teorema 3.2 Seja (E, +, ) um espaco vetorial real de dimens ao innita munido do
produto interno ,
E
e | |
E
a norma proveniente do produto interno. Seja
a(, ) uma forma bilinear simetrica, contnua e coerciva sobre E e b() uma forma
linear contnua. Seja | |
a
a norma proveniente do produto interno ,
a
associado
`a forma bilinear a(, ) . Entao, a forma linear b() e contnua com relacao ` a norma
| |
a
, isto e,
[ b(u) [

| u |
a
para todo u E .
O resultado acima e de extrema import ancia para a demonstra c ao do Teorema de Lax
Milgram, que iremos ver mais adiante.
32 Metodos dos Elementos Finitos
3.2.1 Exemplo de Forma Linear Contnua
Considerando o espaco vetorial real E = (/([a, b]), +, ) vamos denir uma forma
linear b() sobre E da seguinte maneira
b(v) =
_
b
a
f(x) v(x) dx . (3.7)
onde a func ao f e uma func ao contnua no intervalo [a, b]. Podemos mostrar que a
forma linear denida em (3.7) e contnua com relac ao a norma | |
E
proveniente do
produto interno ,
E
denido em (3.4). Assim, a forma linear denida em (3.7)
tambem e contnua em relac ao a norma energia | |
a
.
3.3 Problema Variacional
Deni cao 3.4 Seja (E, +, ) um espaco vetorial real de dimens ao innita munido
do produto interno ,
E
e | |
E
a norma proveniente do produto interno.
Consideremos a(, ) uma forma bilinear sobre E simetrica, contnua e coerciva e b()
uma forma linear sobre E contnua. O problema denido da seguinte maneira
(1) encontrar u

E solucao da equa cao

a(u, v) = b(v) para todo v E , (3.8)
e denominado Problema Variacional Simetrico.
3.4 Problema de Minimizacao
Vamos agora denir o Problema de Minimiza cao associado ao Problema Variacio-
nal denido em (3.8). Isto pode ser feito desde que a forma bilinear seja simetrica. Para
isso, necessitamos do seguinte funcional quadratico
J(u) =
1
2
a( u , u ) b(u) para todo u E , (3.9)
e consideramos o seguinte Problema de Minimiza cao
(/) encontrar u

E tal que
J(u

) = min J(u) ; u E . (3.10)

Captulo 3. Problema Variacional Simetrico 33
Mostraremos a seguir a equivalencia entre os problemas (1) e (/) .
Inicialmente, vamos considerar que u

E e uma soluc ao do problema variacional (1) .

Seja w E denimos v = u

+ w . Desse modo, tem-se que para todo u E

J(v) = J(u

) + [ a(u

, w) b(w) ] +
1
2
a(w, w) J(u

) , (3.11)
desde que, u

e soluc ao do problema variacional (1) e a(w, w) 0 pois temos uma

forma bilinear positiva. Portanto u

e soluc ao do problema de minimiza c ao (/) .

Por outro lado, consideremos u

E soluc ao do problema de minimiza c ao (/) . Dessa

forma, temos que para todo v E e IR
J(u

) J(u

+ v) . (3.12)
Denimos agora uma func ao g : IR IR , que e diferenci avel, da seguinte forma
g() = J(u

+ v) (3.13)
g() = J(u

) + a(u

, v) b(v) +

2
2
a(v, v) . (3.14)
Sabemos que g possui um ponto de mnimo em = 0 , assim temos que g

(0) = 0 .
Desse modo, obtemos
g

() = a(u

, v) b(v) + a(v, v) (3.15)

g

(0) = a(u

, v) b(v) = 0 para todo v E . (3.16)

Portanto mostramos que u

e soluc ao do problema variacional (1) . Assim acabamos

de mostrar a equivalencia entre o problema variacional (1) e o problema de minimiza c ao
(/) .
3.5 Metodo de Galerkin
Temos neste momento a ferramenta necess aria para apresentarmos o Metodo de Ga-
lerkin, que e baseado no Problema Variacional (3.8), ponto de partida para os Metodos
dos Elementos Finitos e para os Metodos Espectrais.
Vamos considerar um subespaco de dimens ao nita E
h
do espaco vetorial E. Vamos
tomar uma base para o subespaco vetorial E
h
, =
1
, ,
n
.
34 Metodos dos Elementos Finitos
Desse modo, toda func ao v E
h
e escrita da seguinte forma
v(x) =
n

j=1

j

j
(x) . (3.17)
Portanto, ca natural uma Discretizacao para o Problema Variacional (3.8), usu-
almente denominada de Metodo de Galerkin, que pode ser formalizado da seguinte
maneira
(1
h
) encontrar uma func ao u

h
E
h
soluc ao da equa c ao
a(u
h
, v) = b(v) para todo v E
h
. (3.18)
Como a func ao u
h
E
h
, podemos escreve-la da seguinte forma
u
h
(x) =
n

j=1

j

j
(x) . (3.19)
Como (3.18) e v alida para toda func ao em E
h
, em particular sera v alida para as func oes
de base. Desse modo, utilizando as func oes de base e substituindo (3.19) em (3.18) tem-se
que
n

j=1

j
a(
j
,
i
) = b(
i
) para todo i = 1, , n . (3.20)
Podemos observar que (3.20) e um sistema linear com n equa c oes e n inc ognitas

1
, ,
n
, que sao as coordenadas de u
h
com relac ao `a base do subespaco E
h
.
Fazendo uma representa c ao matricial do sistema linear acima, C = d , temos que os
elementos da matriz do sistema C = [ c
ij
] sao dados por
c
ij
= a(
j
,
i
) para todo i, j = 1, , n ,
e os elementos do vetor d = [ d
i
] sao dados por
d
i
= b(
i
) para todo i = 1, , n .
Podemos tambem denir uma Aproximacao para o Problema de Minimiza cao
(3.10), usualmente denominado de Metodo de Ritz, da seguinte forma
(/
h
) encontrar uma func ao u

h
E
h
tal que
J(u

h
) = min J(v) ; v E
h
. (3.21)
De maneira analoga ao procedimento anterior, podemos mostrar que os problemas (/
h
)
e (1
h
) sao equivalentes.
Captulo 3. Problema Variacional Simetrico 35
Teorema 3.3 Seja (E
h
, +, ) um espaco vetorial real de dimens ao nita munido do
produto interno ,
a
associado `a forma bilinear a(, ) simetrica, contnua e coerciva
sobre E
h
. Se b() e uma forma linear contnua sobre E
h
. Entao, existe um unico
elemento u

h
E
h
solucao do Problema Variacional Discreto denido em (3.18). Alem
disso, temos a seguinte estimativa de estabilidade
| u

h
|
E

, (3.22)
com a constante de continuidade da forma linear e a constante de coercividade da
forma bilinear.
3.5.1 Exemplos de Problemas Variacionais Simetricos
Considerando a forma bilinear a(, ) denida em (3.5) e E
h
um subespaco de dimens ao
nita do espaco vetorial E = (/([a, b]), +, ) , que pode ser o espaco das Func oes
Splines Lineares associado a uma partic ao qualquer do intervalo [a, b]. Note que no
espaco /([a, b]) nao impomos condi c oes nas fronteira para as func oes. Desse modo,
temos que os elementos da matriz C = [c
ij
] , c
ij
= a(
j
,
i
) , sao da seguinte forma
c
ij
=
_
b
a
(x)

j
(x)

i
(x) dx +
_
b
a
(x)
j
(x)
i
(x) dx ; i, j = 1, , n .
(3.23)
Geralmente, a matriz C e escrita como a soma de duas matrizes; M = [ m
ij
]
denominada de matriz de massa e K = [ k
ij
] denominada matriz de rigidez, que
sao denidas por
m
ij
=
_
b
a
(x)
j
(x)
i
(x) dx para todo i, j = 1, , n , (3.24)
k
ij
=
_
b
a
(x)

j
(x)

i
(x) dx para todo i, j = 1, , n . (3.25)
36 Metodos dos Elementos Finitos
Tendo em vista a simetria e a positividade da forma bilinear a(, ) , temos que a matriz
C e simetrica e positiva-denida. Estas duas propriedades indicam que o Metodo de De-
composic ao de Cholesky, que possui uma boa estabilidade numerica, e o mais apropriado
para resolver o sistema linear proveniente do Metodo de Galerkin. Considerando a forma
linear b() denida em (3.7) os elementos do vetor d , denominado vetor de carga, sao
dados por
d
i
=
_
b
a
f(x)
i
(x) dx para todo i = 1, , n . (3.26)
Portanto, temos que a resolu c ao do Problema Variacional Discreto ca convertido na re-
soluc ao de um sistema linear, cuja soluc ao e um vetor com os coecientes da aproxima c ao
de Galerkin u
h
E
h
com relac ao `a base escolhida. A estrutura da matriz do sistema
linear proveniente do Metodo de Galerkin depende da escolha da base para o subespaco
de aproxima c ao E
h
. Os espacos de aproxima c ao mais adequados sao os Espa cos de
Elementos Finitos. No caso em que E
h
for o espaco das Func oes Splines Lineares
a matriz proveniente do Metodo de Galerkin tem uma estrutura tridiagonal. Assim, o
Metodo de Galerkin e usualmente denominado de Metodo dos Elementos Finitos.

E importante observar que podemos utilizar os espacos (/

0
([a, b]), +, ) , (/
0+
([a, b]), +, )
e (/
0
([a, b]), +, ) , nos quais as func oes satisfazem certas condi c oes de contorno, para
denirmos os Problemas Variacionais. Desse modo, as funcoes do subespaco E
h
con-
tido em cada um dos espacos anteriores, respectivamente, devem satisfazer as mesmas
condi c oes de contorno. Assim, para cada escolha temos um Problema Variacional dife-
rente.
Captulo 3. Problema Variacional Simetrico 37
3.6 Teorema de LaxMilgram
Consideremos o espaco vetorial real (E, +, ) de dimens ao innita munido do produto
interno ,
E
e | |
E
a norma proveniente do produto interno. Vamos apresentar
os resultados de existencia e unicidade, bem como uma estimativa de estabilidade, para
a soluc ao do problema variacional simetrico (1) .
Teorema 3.4 (Teorema de LaxMilgram) Seja a(, ) uma forma bilinear contnua,
simetrica e coerciva sobre E e b() uma forma linear contnua sobre E. Entao, existe
um unico elemento u

E solucao da equa cao

a(u, v) = b(v) para todo v E , (3.27)
valendo a seguinte estimativa de estabilidade
| u

|
E

, (3.28)
com a constante de continuidade da forma linear e a constante de coercividade da
forma bilinear. Alem disso, como a(, ) e uma forma bilinear simetrica temos que u

e a unica solucao do problema de minimizacao (/).

Para a demonstra c ao do Teorema de LaxMilgram vamos necessitar do Teorema de Re-
presenta c ao de Riesz no caso em que o espaco vetorial (E, +, ) seja de dimens ao
innita. Desse modo, precisamos que o espaco vetorial (E, +, ) munido da norma
| |
E
seja um espaco de Hilbert, isto e, todo seq uencia de Cauchy em E converge para
um elemento de E com relac ao `a norma | |
E
.
Teorema 3.5 (Teorema de Representa cao de Riesz) Seja (E, +, ) um espaco
vetorial real de dimens ao innita munido do produto interno ,
E
e | |
E
a
norma proveniente do produto interno, com E um espaco de Hilbert. Se f : E IR
e um funcional linear contnuo. Entao, existe um unico elemento u E de modo que
o funcional f e representado por
f(v) = v , u
E
para todo v E . (3.29)
Teorema 3.6 (Teorema de Cea) Considerando as hip oteses do Teorema de Lax-Milgram,
sejam u

a solucao do Problema Variacional (1) e u

h
a solu cao do Problema Va-
riacional Discreto (1
h
). Entao, temos a seguinte estimativa de erro para a solu cao de
Galerkin
| u

h
|
E

min | u

v |
E
para todo v E
h
, (3.30)
com a constante de continuidade e a constante de coercividade da forma bilinear
a(, ) em (1).
38 Metodos dos Elementos Finitos
3.6.1 Interpreta cao Geometrica para Solu cao de Galerkin
Vamos apresentar uma interpreta c ao geometrica para a soluc ao de Galerkin do Problema
Variacional (1) com relac ao ao produto interno energia ,
a
associado `a
forma bilinear a(, ) sobre E.
Considerando que u

E e a soluc ao do Problema Variacional (1) e que u

h
E
h

E e a soluc ao do Problema Variacional Discreto (1
h
) , temos que
a(u

, v) = b(v) para todo v E

h
(3.31)
a(u

h
, v) = b(v) para todo v E
h
. (3.32)
Desse modo, subtraindo (3.32) de (3.31) e utilizando a deni c ao de ,
a
obtemos
a( (u

h
) , v ) = (u

h
) , v
a
= 0 para todo v E
h
. (3.33)
O que equivale a dizer que o erro da soluc ao de Galerkin e
h
= u

h
e orto-
gonal ao subespaco de aproxima c ao E
h
com relac ao ao produto interno energia, isto e,
a soluc ao de Galerkin u

h
e a projecao ortogonal de u

no espaco de aproxima c ao
E
h
com relac ao ao produto interno energia. Portanto, temos que a soluc ao de Galerkin
u

h
E
h
E e a Melhor Aproximacao de u

E com relac ao `a norma energia.

Desse modo, podemos enunciar o seguinte resultado.
Teorema 3.7 Considerando que u

E seja a solucao do Problema Variacional (1)

e que u

h
E
h
E seja a solucao do Problema Variacional Discreto (3.18), temos que
| u

h
|
a
| u

v |
a
para todo v E
h
(3.34)
O teorema acima e o Teorema de Cea serao muito utilizados para obtermos estimativas
de erro para a soluc ao de Galerkin.
Captulo 3. Problema Variacional Simetrico 39
3.6.2 Uma Estimativa de Erro para Solu cao de Galerkin
Nesta sec ao apresentaremos uma estimativa de erro para a soluc ao de Galerkin do pro-
blema variacional discreto ((1
h
)) utilizando o espaco de aproxima c ao das Func oes de
Lagrange Lineares por Partes. Para isso, vamos considerar o espaco vetorial V munido
do produto interno ,
V
denido em (3.7) e com a norma | |
V
proveniente
deste produto interno.
Seja u

V
0
a soluc ao do problema variacional ((1)) e u
h
L
0
1
() V
0
a soluc ao
de Galerkin. Ent ao, queremos obter uma estimativa para o erro
e
h
= u

u
h
,
com relac ao `a norma | |
V
. Seja u
h
L
0
1
() a func ao spline linear interpolante
de u

nos pontos da partic ao . Utilizando o Lema de Cea e a funcao interpoladora,

temos que
| u

u
h
|
V

c
1
c
2
| u

u
h
|
V
. (3.35)
Podemos obter uma estimativa do erro da interpola c ao em L
1
() com relac ao a norma
| |
V
da seguinte forma:
| u

u
h
|
V
C h
_
_
1
0
_
du

(x)
dx
_
2
dx
_
1/2
, (3.36)
onde C e uma constante independente de h. Substituindo a estimativa (3.52) em
(3.51) obtemos a seguinte estimativa do erro para a soluc ao de Galerkin
| u

u
h
|
V

c
1
c
2
C h
_
_
1
0
_
du

(x)
dx
_
2
dx
_
1/2
. (3.37)
A demonstra c ao da estimativa (3.53) esta fora dos objetivos desse texto. Para encontrar
mais detalhes veja a referencia (Johnson, 1987).
40 Metodos dos Elementos Finitos
3.7 Problema Variacional de Valores de Contorno
Consideremos os seguintes Problemas de Valores de Contorno Unidimensionais:
Exemplo 3.1 Encontrar u

(
2
([a, b]) solucao da equa cao diferencial ordinaria
( (x) u

(x) )

+ (x) u(x) = f(x) ; x (a, b) (3.38)

sujeita `as condi coes de contorno
u(a) = 0 e u(b) = 0 . (3.39)
Exemplo 3.2 Encontrar u

(
2
([a, b]) solucao da equa cao diferencial ordinaria
( (x) u

(x) )

+ (x) u(x) = f(x) ; x (a, b) (3.40)

sujeita `as condi coes de contorno
u

(a) = 0 e u(b) = 0 . (3.41)

Exemplo 3.3 Encontrar u

(
2
([a, b]) solucao da equa cao diferencial ordinaria
( (x) u

(x) )

+ (x) u(x) = f(x) ; x (a, b) (3.42)

sujeita `as condi coes de contorno
u(a) = 0 e u

(b) = 0 . (3.43)
Exemplo 3.4 Encontrar u

(
2
([a, b]) solucao da equa cao diferencial ordinaria
( (x) u

(x) )

+ (x) u(x) = f(x) ; x (a, b) (3.44)

sujeita `as condi coes de contorno
u

(a) = 0 e u

(b) = 0 . (3.45)
Vamos considerar que as func oes e f sejam contnuas em [a, b] e uma
func ao continuamente diferenci avel em [a, b]. Consideremos que as func oes e
sao estritamente positivas, para que possamos dar uma interpreta c ao fsica ao problema.
Geralmente, dizemos que a func ao representa um coeciente de difusao, a func ao
representa um coeciente de absorc ao e a func ao f representa uma fonte externa.
Captulo 3. Problema Variacional Simetrico 41
Vamos agora obter a Formula c ao Variacional de cada um dos Problemas de Valores de
Contorno denidos acima. Inicialmente, multiplicamos a equa c ao diferencial ordinaria
por uma func ao v (
1
([a, b]) , denominada funcao teste, e em seguida integramos
sobre o domnio [a, b]. Assim, obtemos

_
b
a
( (x) u

(x) )

v(x) dx +
_
b
a
(x) u(x) v(x) dx =
_
b
a
f(x) v(x) dx . (3.46)
Fazendo uma integrac ao por partes na primeira integral de (3.46) , tem-se que

_
b
a
( (x) u

(x) )

v(x) dx =
(b) u

(b) v(b) + (a) u

(a) v(a) +
_
b
a
(x) u

(x) v

(x) dx . (3.47)
As condi c oes de contorno do problema sao impostas na expressao
(b) u

(b) v(b) + (a) u

(a) v(a)
que aparece da integrac ao por partes. Assim, a condi c ao de contorno u(a) = 0 e/ou
u(b) = 0 devem ser impostas no espaco das func oes admissveis e no espaco das func oes
testes impondo v(a) = 0 e/ou v(b) = 0 . Esse tipo de condi c ao de contorno e
denominada condi cao essencial. Entretanto, a condi c ao de contorno u

(a) = 0
e/ou u

(b) = 0 aparecem naturalmente na integrac ao por partes, nao sendo necess ario
impor no espaco das func oes admissveis ou no espaco das func oes testes. Esse tipo de
condi c ao de contorno e denominada condi cao natural.
Depois de analisada as condi c oes de contorno, obtemos de (3.46)(3.47) a seguinte igual-
dade
_
b
a
(x) u

(x) v

(x) dx +
_
b
a
(x) u(x) v(x) dx =
_
b
a
f(x) v(x) dx . (3.48)
Finalmente, podemos apresentar a Formulacao Variacional de cada um dos Problemas
de Valores de Contorno dados nos exemplos 3.13.4, da seguinte forma
42 Metodos dos Elementos Finitos
Exemplo 3.5 Encontrar u

/
0
([a, b]) solucao da equa cao
_
b
a
(x) u

(x) v

(x) dx +
_
b
a
(x) u(x) v(x) dx =
_
b
a
f(x) v(x) dx
para toda v /
0
([a, b]).
Exemplo 3.6 Encontrar u

/
0+
([a, b]) solucao da equa cao
_
b
a
(x) u

(x) v

(x) dx +
_
b
a
(x) u(x) v(x) dx =
_
b
a
f(x) v(x) dx
para toda v /
0+
([a, b]).
Exemplo 3.7 Encontrar u

/
0
([a, b]) solucao da equa cao
_
b
a
(x) u

(x) v

(x) dx +
_
b
a
(x) u(x) v(x) dx =
_
b
a
f(x) v(x) dx
para toda v /
0
([a, b]).
Exemplo 3.8 Encontrar u

/([a, b]) solucao da equa cao

_
b
a
(x) u

(x) v

(x) dx +
_
b
a
(x) u(x) v(x) dx =
_
b
a
f(x) v(x) dx
para toda v /([a, b]).
A priori, a soluc ao do problema variacional e menos regular que a soluc ao do problema de
valores de contorno. De fato, no problema variacional as func oes devem ter as propriedades
necess arias para que as integrais estejam bem denidas, enquanto que no problema de
valores de contorno necessitamos de informac ao pontual da segunda derivada da soluc ao.
Podemos mostrar sob certas condi c oes que o problema de valores de contorno e o problema
variacional sao equivalentes.
Bibliograa
[1] Axelsson, O. & Barker, V. A., 1984. Finite element solution of boundary value
problems, Academic Press.
[2] Becher, E. B. , Carey, G. F. & Oden, J. T., 1981. Finite Elements An
Introduction, Volume I, PrenteceHall.
[3] Ciarlet, P. G., 1991. Introduction to Numerical Linear Algebra and Optimisation,
Cambridge University Press.
[4] Conte, S. D. & Carl de Boor, 1980. Elementary Numerical Analysis, MacGraw
Hill.
[5] Johnson, C. , 1987. Numerical solution of partial dierential equations by the nite
element method, Cambridge University Press.
[6] Rappaz, J. & Picasso, M., 1998. Introduction `a lanalyse numerique, Presses
polytechniques et universitaires romandes.
[7] Rektorys, K., 1980. Variational Methods in Mathematics, Science and Enginne-
ring, D. Reidel Publishing Company.
43