Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
para
Equaes Diferenciais
Lista de Figuras v
i
ii Contedo
1.3.2.3 Estabilidade . . . . . . . . . . . . . . . . . . . 30
3 Equaes de Balano 59
3.1 Equao da Continuidade . . . . . . . . . . . . . . . . . . . . 59
3.2 Equaes do Momentum . . . . . . . . . . . . . . . . . . . . . 60
3.3 Equao de Energia . . . . . . . . . . . . . . . . . . . . . . . . 62
4 Discretizao 67
4.1 Discretizao Espacial . . . . . . . . . . . . . . . . . . . . . . 68
4.2 Discretizao no Tempo . . . . . . . . . . . . . . . . . . . . . 69
4.3 Expanses em Sries de Taylor . . . . . . . . . . . . . . . . . . 69
4.4 Tcnica Geral . . . . . . . . . . . . . . . . . . . . . . . . . . . 70
4.5 Acurcia do Processo de Discretizao . . . . . . . . . . . . . 73
4.6 Representao do Tipo Onda . . . . . . . . . . . . . . . . . . 76
5.3 Estabilidade . . . . . . . . . . . . . . . . . . . . . . . . . . . 86
5.3.1 Mtodo da Matriz . . . . . . . . . . . . . . . . . . . . . 87
5.3.2 Mtodo da Matriz: Condies de Contorno . . . . . . . 89
5.3.3 Mtodo de Von Neumann . . . . . . . . . . . . . . . . 90
5.3.4 Mtodo de Von Neumann: Esquema Geral . . . . . . . 91
5.4 Acurcia da Soluo . . . . . . . . . . . . . . . . . . . . . . . 93
5.4.1 Extrapolao de Richardson . . . . . . . . . . . . . . . 94
Bibliografia 157
ndice 159
iv Contedo
Lista de Figuras
v
vi Lista de Figuras
Lista de Tabelas
vii
viii Lista de Tabelas
Captulo 1
d2 x dx
m 2
+c +kx = 0
dt dt
1
2 Captulo 1. Equaes Diferenciais Ordinrias
dv F
Segunda lei de Newton = velocidade (v), fora (F )
dt m
e massa (m)
dT
Lei de Fourier ~q = k condutividade trmica
dx
(k) e temperatura (T )
y
y i+1
erro
yi verdadeiro
xi x i+1 x
yi+1 = yi + f (xi , yi ) x
onde esta frmula conhecida como o mtodo de Euler ou de EulerCauchy.
Nela, o novo valor de y determinado a partir de uma extrapolao linear
empregandose o valor da derivada em xi (Figura 1.1).
y (n+1) ()
Rn = xn+1
(n + 1)!
onde est contido no intervalo de xi a xi+1 . Esta expanso ainda pode ser
escrita numa forma alternativa, se considerarmos que estamos tratando da
equao diferencial ordinria y = f (x, y)
f (xi , yi ) f (n1) (xi , yi )
yi+1 = yi + f (xi , yi ) x + x2 + . . . + xn
2 n!
n+1
+O x
Comparando esta expanso com o mtodo de Euler, vemos que este ltimo
pode ser escrito como
yi+1 = yi + f (xi , yi ) x + Et
onde Et o verdadeiro erro local devido ao truncamento, sendo dado por
f (xi , yi )
Et = x2 + . . . + O xn+1
2
Para valores suficientemente pequenos do incremento x, os diferentes ter-
mos do erro decrescem medida que a sua ordem aumenta. Portanto, usu-
almente representamos o erro como
f (xi , yi )
Ea = x2
2
ou
Ea = O x2
onde Ea representa o erro local de truncamento aproximado.
Conforme pudemos ver, a expanso em srie de Taylor nos fornece um
meio para quantificarmos o erro no mtodo de Euler. Entretanto, existem
algumas limitaes associadas ao seu uso:
6 Captulo 1. Equaes Diferenciais Ordinrias
y = y0 e x
1.1. Mtodos OneStep 7
y 0
y i+1
yi
xi x i+1 x
pode ser usada repetidamente a fim de prover uma melhor estimativa de yi+1 .
Na introduo do mtodo de Heun, consideramos que a derivada era uma
funo tanto da varivel dependente quanto da independente. Entretanto,
para casos como os dos polinmios, onde a equao diferencial ordinria
funo unicamente da varivel independente, no necessitamos empregar
a equao preditora e basta utilizarmos uma nica vez a cada iterao a
equao corretora
f (xi ) + f (xi+1 )
yi+1 = yi + x
2
onde podemos notar uma similaridade entre o lado direito do sinal de igual-
dade e a regra do trapzio para a integrao. De fato, partamos da equao
diferencial ordinria
dy
= f (x)
dx
Esta equao pode ser resolvida por integrao na forma:
Z yi+1 Z xi+1
dy = f (x) dx
yi xi
onde assumimos que este valor uma aproximao da inclinao mdia para
todo o intervalo. Este valor da inclinao ento usado na extrapolao
linear entre xi e xi+1 empregando o mtodo de Euler
= a1 k1 + a2 k2 + + an kn
12 Captulo 1. Equaes Diferenciais Ordinrias
k1 = f (xi , yi )
k2 = f (xi + p1 x, yi + q11 k1 x)
k3 = f (xi + p2 x, yi + q21 k1 x + q22 k2 x)
..
.
kn = f (xi + pn1 x, yi + qn1,1 k1 x + qn1,2 k2 x + + qn1,n1 kn1 x)
Devemos notar que nestas expresses as funes ki so relaes de recorrncia.
Isto quer dizer que k1 aparece na equao para k2 , que aparece na equao
para k3 e assim por diante. Tal fato torna os mtodos de RungeKutta
eficientes ferramentas do clculo numrico.
Vrios tipos de mtodos de RungeKutta podem ser imaginados a partir
do emprego de diferentes nmeros de termos da funo incremento. Devese
notar que o mtodo de RungeKutta de primeira ordem com n = 1 cor-
responde, de fato, ao mtodo de Euler. Uma vez escolhido o nmero n de
termos, os valores de a, p e q so avaliados igualandose a equao genera-
lizada do mtodo de RungeKutta aos termos de uma expanso em srie de
Taylor. Deste modo, ao menos para as verses de baixa ordem, o nmero de
termos n normalmente representa o ordem do mtodo.
yi+1 = yi + (a1 k1 + a2 k2 )x
onde
k1 = f (xi , yi )
k2 = f (xi + p1 x, yi + q11 k1 x)
A fim de determinarmos os valores de a1 , a2 , p1 e q11 ns iremos expandir em
srie de Taylor yi+1 e empregaremos f (xi , yi ) como sendo a derivada dy/dx
x2
yi+1 = yi + f (xi , yi )x + f (xi , yi ) + O x3
2
onde f (xi , yi ) deve ser determinada a partir do emprego de:
f f
df (xi , yi ) = dx + dy
x i y i
1.1. Mtodos OneStep 13
ou ainda
df f f dy
f (xi , yi ) = = +
dx x i y i dx
Substituindo este resultado na expanso em srie de Taylor
f f dy x2
yi+1 = yi + f (xi , yi )x + + + O x3
x y dx i 2
Em seguida, ns vamos expandir a equao geral para o mtodo de se-
gunda ordem, lembrando que
g g
g(x + r, y + s) = g(x, y) + r +s
x y
2
1 g 2 2g 2g 2
+ r + 2 r s + s +
2! x2 xy y 2
Portanto,
f f
k2 = f (xi , yi ) + p1 x + q11 k1 x + O x2
x y
Substituindo, agora, k1 e k2 na expresso geral ns obtemos
a 1 = 1 a2
1
p1 = q11 =
2a2
Devido ao fato de podermos escolher uma infinidade de valores para a2 , exis-
tiro uma infinidade de mtodos de RungeKutta de segunda ordem, que
fornecero o mesmo resultado para a soluo da equao diferencial ordin-
ria em se tratando de uma funo f (x, y) constante, linear ou quadrtica.
Entretanto, obteremos solues diferentes quando esta funo for mais com-
plicada. Em seguida, apresentaremos trs dos mtodos de segunda ordem
mais comumente utilizados:
yi+1 = yi + k2 x
onde
k1 = f (xi , yi )
1 1
k2 = f xi + x, yi + x k1
2 2
o que corresponde ao mtodo do polgono melhorado.
1.1. Mtodos OneStep 15
onde Z b
x
I= [f (x0 ) + 4f (x1 ) + f (x2 )]
f (x) dx
a 6
onde x0 e x2 representam os pontos inicial e final do intervalo x.
Os mtodos de Runge-Kutta de terceira ordem apresentam um erro local
de O (x4 ) e um erro global de O (x3 ) e os seus resultados so exatos
quando a soluo for cbica.
16 Captulo 1. Equaes Diferenciais Ordinrias
futuro da varivel dependente yi+1 pode ser determinado a partir do seu valor
precedente yi e da resoluo da integral de f (x, y).
Uma primeira possibilidade de avaliarmos esta integral pode ser dada
pela aplicao de uma integrao numrica como, por exemplo, a regra do
trapzio, ou seja:
Z xi+1
f (xi , yi ) + f (xi+1 , yi+1 )
f (x, y) dx = x
xi 2
Aps substituio deste resultado ns obtemos:
f (xi , yi ) + f (xi+1 , yi+1 )
yi+1 = yi + x
2
que corresponde equao corretora para o mtodo de Heun. Do Clculo Nu-
mrico [1] sabemos que o erro de truncamento associado regra do trapzio
dado por:
1 1
Ec = x3 f (c ) = x3 y (c )
12 12
onde o subscrito c indica o erro do corretor e c encontrase no intervalo
determinado por xi e xi+1 .
Um procedimento similar pode ser empregado na obteno do preditor,
a partir de uma integrao entre os limites i 1 e i + 1:
Z yi+1 Z xi+1
dy = f (x, y) dx
yi1 xi1
Preditor
0 m
yi+1 = yi1 + 2xf (xi , yim )
Corretor
j1
j f (xi , yim ) + f (xi+1 , yi+1 )
yi+1 = yim + x
2
onde o sobrescrito j denota que a equao corretora aplicada iterativamente
de j = 1 at j = m para que possamos obter solues refinadas. Portanto,
os valores yim e yi1
m
correspondem aos valores finais do processo corretivo.
Conforme podemos observar a equao preditora depende do conheci-
mento prvio do valor da varivel dependente yi1 a fim de que ela possa
ser empregada. Esta informao no est normalmente disponvel em um
tpico problema de valor inicial. Por este motivo este mtodo chamado de
nonselfstarting Heun [1].
Caso os passos preditor e corretor de um mtodo multistep apresentem
a mesma ordem do erro de truncamento, uma estimativa do erro local de
truncamento pode ser obtida durante o processo computacional de obteno
da soluo numrica. Esta informao pode, ento, ser empregada como um
critrio de ajuste do incremento.
Devido existncia do erro de truncamento sabemos que a soluo nu-
mrica uma aproximao da soluo exata (yex = yi+1 + Et ) da equao
diferencial ordinria, ou seja:
0 1
yex = yi+1 + x3 y (p )
3
e
m 1
yex = yi+1 x3 y (c )
12
20 Captulo 1. Equaes Diferenciais Ordinrias
m 0 5
0 = yi+1 yi+1 x3 y ()
12
onde encontra-se agora no intervalo compreendido entre xi1 e xi+1 . Esta
equao pode ainda ser reescrita na forma:
0 m
yi+1 yi+1 1
= x3 y ()
5 12
Deste resultado podemos notar que ele idntico expresso do erro de
truncamento do corretor, Ec , a menos do argumento da derivada terceira.
Assumindo que a derivada terceira de y no varie de forma aprecivel sobre
o intervalo entre xi1 e xi+1 , podemos considerar como sendo vlida a seguinte
igualdade:
m 0
yi+1 yi+1
Ec =
5
e a partir desta relao ns podemos estimar o erro de truncamento com base
em duas quantidades que j so calculadas pelo mtodo numrico. Assim
sendo, esta estimativa pode ser empregada como um critrio para ajustarmos
o incremento x de modo que o erro fique dentro de uma faixa de valores
aceitveis.
As derivaes dos erros Ep e Ec podem ser generalizadas uma vez co-
nhecidos os erros de truncamento das frmulas de integrao empregadas na
avaliao das integrais do passo preditor:
0 p
yex = yi+1 + xn+1 y (n+1) (p )
p
e do passo corretor:
m c
yex = yi+1 xn+1 y (n+1) (c )
c
A partir do conhecimento destes valores os erros de truncamento do passo
preditor pode ser estimado como sendo dado por [1]:
p c m
Ep = yi yi0
c p + p c
enquanto que no caso do passo corretor:
c p m
Ec
= 0
yi+1 yi+1
c p + p c
1.2. Mtodos Multistep 21
2
x fi fi1 x 2 x
yi+1 = yi + x fi + + fi + O x + fi + ...
2 x 2 6
ou ainda,
3 1 5
yi+1 = yi + x fi fi1 + x3 fi + O x4
2 2 12
Outras expresses de mais alta ordem podem ser obtidas se empregarmos
aproximaes de mais alta ordem para fi . A frmula aberta geral de Adams
enquanto que uma frmula fechada com dois segmentos (trs pontos) de
NewtonCotes (regra de Simpson 1/3), n=2, empregada para o passo cor-
retor:
j m 1 m j1
yi+1 = yi1 + fi1 + 4fim + fi+1 x
3
Para este mtodo temos que os erros de truncamento preditor e corretor so
de O(x5 ) e p = 14, p = 45, c = 1 e c = 90 e, a partir das frmulas
gerais, os erros de truncamento associados a estes dois passos podem ser
determinados por:
28 m
Ep = yi yi0
29
1 m
Ec = 0
yi+1 yi+1
29
0 m 4 m m m
14
yi+1 = yi3 + 2fi fi1 + 2fi2 x + x5 y (5)
3 45
enquanto que o passo corretor do mtodo de Milne substitudo por uma
verso estvel que apresenta um erro de truncamento de mesma ordem de
grandeza que a do mtodo de Milne [1]:
j 1 m m
j1 1
yi+1 = 9yi yi2 + 3 fi+1 + 2fim fi1
m
x x5 y (5)
8 40
Destes valores dos erros de truncamento e das frmulas gerais chegamos aos
seguintes resultados para as estimativas do erro de truncamento:
112 m
Ep = yi yi0
121
9 m
Ec
= 0
yi+1 yi+1
121
para uma condio inicial dada por y(x0 ) = y0 e vamos assumir que a funo
f (x, y) satisfaz a condio de Lipschitz em y. Uma funo dita satisfazer a
condio de Lipschitz na varivel y em um conjunto D R2 se
1.3.1.1 Convergncia
Um mtodo numrico dito convergir se [3]
lim |y(x) yi | = 0
i
1.3.1.2 Consistncia
Um mtodo numrico dito ser consistente se
Et
lim =0
x0 x
x2
yi + f (xi , yi )x + f (xi , yi ) + . . . = yi + (xi , yi , x)x
2
26 Captulo 1. Equaes Diferenciais Ordinrias
1.3.1.3 Estabilidade
Um mtodo numrico do tipo diferenas dito ser estvel para um pro-
blema de valor inicial, do tipo apresentado no incio desta seo, se existir um
x0 > 0 tal que uma variao na condio inicial, por uma quantidade fixa,
produz uma variao limitada na soluo numrica para todo 0 < x x0 .
Antes de prosseguirmos com o nosso estudo da estabilidade, vamos enun-
ciar o seguinte teorema que ser fundamental para que possamos garantir
que um mtodo numrico do tipo diferenas seja convergente: Um mtodo
do tipo diferenas consistente convergente se e somente se ele for est-
vel. Portanto, a convergncia estar assegurada se o mtodo numrico for
consistente e estvel.
Uma outra maneira de enunciarmos a estabilidade de um mtodo num-
rico do tipo one-step fornecida se para duas solues numricas diferentes
yi e zi , correspondentes aproximao numrica de y(xi ), ns verificarmos a
seguinte desigualdade
|yi zi | K |y0 z0 |
para uma constante K > 0 e para todo x tal que 0 < x x0 para
algum x0 > 0, e para todo x0 xi X. Nesta desigualdade y0 e z0
correspondem aos valores iniciais.
1.3. Convergncia, Consistncia e Estabilidade 27
ou ainda
|yi+1 zi+1 | (1 + xM)|yi zi |
x2 x3
ex = 1 + x + + + ...
2! 3!
28 Captulo 1. Equaes Diferenciais Ordinrias
1.3.2.1 Convergncia
A mesma definio de convergncia, aplicada aos mtodos one-step, tam-
bm se aplica ao caso dos mtodos multistep. Assim como no caso anterior, a
fim de mostrarmos que um mtodo numrico do tipo diferenas convergente,
devemos estabelecer que ele consistente e estvel [3].
1.3.2.2 Consistncia
Os mtodos multistep, a exemplo dos mtodos one-step, tambm podem
ser postos numa forma geral. A forma mais geral de um mtodo (k + 1)
multistep dada por [3]
k
X k
X
yi+1 = j yij + x j fij para i k
j=0 j=1
m
" k k
#
X X
r
X
r1 xr (r)
+ 1 j (j) r j (j) y
r=2 j=0 j=1
r! ex
Et
lim =0
x0 x
vemos claramente que as seguintes igualdades devem ser verificadas para que
um mtodo multistep seja consistente:
k
X
j = 1
j=0
k
X k
X
jj + j = 1
j=0 j=1
30 Captulo 1. Equaes Diferenciais Ordinrias
1.3.2.3 Estabilidade
dy
=0
dx
tendo por condio inicial y(0) = c e evidente, para este problema, que
f (x, y) = 0. Caso a condio inicial seja introduzida sem nenhum erro de
arredondamento, qualquer mtodo multistep forneceria a soluo exata deste
problema para todo i k. Por outro lado, se a condio inicial estiver
contaminada pelos erros de arredondamento, podero ocorrer desvios nas
solues numricas. So estes desvios que ns queremos estudar aqui. Da
equao geral dos mtodos multistep aplicada a este problema especfico ns
obtemos:
Xk
yi+1 = j yij para i k
j=0
k
X
yr+(k+1) = j yr+(kj) para r 0
j=0
|j | 1, j = 1, 2, . . . , k
dp(j )
|j | = 1 6= 0
d
A primeira condio requer que todas as razes do polinmio caracterstico
estejam contidas no crculo { | || 1} no plano complexo. A segunda
condio estabelece que todas as razes que se encontram na fronteira do
crculo unitrio devem ser simples.
Um mtodo multistep dito ser fortemente estvel se ele verifica a
condio da raz e = 1 a nica raz caracterstica de mdulo igual a um.
Ele dito ser fracamente estvel se satisfaz a condio da raz e tem mais
de uma raz caracterstica distinta com magnitude igual a um. Por outro
lado, ele ser dito instvel se ele no satisfizer a condio da raz.
O ltimo teorema a ser enunciado estabelece as condies para que te-
nhamos um mtodo multistep convergente [3]: Um mtodo multistep con-
vergente se e somente se ele for consistente e satisfizer as condio da raz.
32 Captulo 1. Equaes Diferenciais Ordinrias
Captulo 2
+c =0
t x
governa a propagao de uma onda movendose da esquerda para a
direita com uma velocidade constante c.
33
34 Captulo 2. Equaes Diferenciais Parciais
+ =0
t x
3. A equao de Burger
2
+ = 2
t x x
4. A equao de Poisson
2 2
+ 2 = f (x, y)
x2 y
5. A equao de convecodifuso
2
+u = 2
t x x
3
+ + 3 =0
t x x
7. A equao de Helmholtz
2 2
+ 2 + k2 = 0
x2 y
8. A equao biharmnica
4 4
+ 4 =0
x4 y
9. Equao do telgrafo
2 2
2
+ a + b = c
t2 t x2
que governa a transmisso de impulsos eltricos num fio longo com uma
certa distribuio de capacitncia, indutncia e resitncia. As aplica-
es desta equao tambm incluem o movimento de uma corda com
uma fora de amortecimento proporcional velocidade e a conduo
de calor com uma velocidade de propagao trmica finita.
2.2 Classificao
Uma simples classificao das equaes diferenciais parciais possvel no
caso das equaes lineares de segunda ordem,
2u 2u 2u u u
A 2
+ B + C 2
+D +E + Fu + G = 0
x xy y x y
x p
p
t t
p
u u
A +B =C
t x
na qual A, B e C podem ser funes de t, x e u, mas no podem ser funes
das derivadas da varivel dependente u, pois elas podem ser descontnuas
nas caractersticas. Suponhamos, agora, que u seja especificado ao longo de
uma curva L no plano t x, Figura 2.1. Vamos tambm introduzir, neste
plano, uma curva caracterstica C que intercepta a curva L no ponto p de
coordenadas (xp ,tp ), conforme representado na Figura 2.1. Ao longo da curva
caracterstica C temos que [5]
u u
du = dt + dx
t x
para dt e dx infinitesimais.
Combinandose estas duas equaes de modo a eliminarmos o termo
u/t
dx B u du C
=
dt A x dt A
Para que u/x possa ser indeterminado ao longo da curva C, devemos fazer
dx B
=
dt A
38 Captulo 2. Equaes Diferenciais Parciais
du C
=
dt A
ao longo da caracterstica. A resoluo numrica desta equao fornece o
valor de u.
Da integrao da equao que define a curva caracterstica vemos que
existe uma infinidade de curvas caractersticas no plano t x. Em particu-
lar, para B/A =constante, temos que as caractersticas so retas e as suas
equaes so dadas por:
B
x(t) x0 = (t t0 )
A
onde as constantes x0 e t0 representam as coordenadas de um ponto qualquer
sobre a caracterstica.
Finalizando, o conhecimento do valor de u no ponto p sobre a curva L,
que intercepta a curva caracterstica C, permite que determinemos a varivel
dependente u mediante a resoluo de dois problemas de valor inicial (PVI):
dx B
=
dt A
x(tp ) = xp
du C
=
dt A
u(tp ) = up
AR + BS + CT + H = 0
se ns introduzirmos as variveis:
u u 2u 2u 2u
P = ; Q= ; R= ; S= ; T = 2
x y x2 xy y
Utilizando os resultados anteriores das diferenciais totais dP e dQ, pode-
mos eliminar R e T desta equao:
dP dy dQ dx
A S + BS + C S +H =0
dx dx dy dy
u u u
= +
x x x
u u u
= +
y y y
2u
= + + u
x2 x x x x
2u
= + + u
y 2 y y y y
2u
= + + u
xy x x y y
Assim, podemos reescrever a EDP na forma,
2u 2
u
2
u
A 2
+ B + C 2
+ H = 0
onde, 2 2
A =A +B +C
x x y y
B = 2A +B + + 2C
x x x y y x y y
2 2
C = A +B +C
x x y y
Destes resultados vemos que o discriminante B 2 4A C pode ser obtido
a partir da relao:
2
B 4A C = J 2 B 2 4AC
ou seja:
~s R
~n
i) condio de Dirichlet, u = f em R;
Nas condies auxiliares ii) e iii), /~n denota a derivada normal direcio-
nada de dentro para fora do domnio de resoluo e /~s indica a derivada
tangencial, Figura 2.2.
Existem trs tipos de problemas associados s condies auxiliares: o
problema de valor de contorno (PVC), onde as condies so impostas na
fronteira do domnio; o problema de valor inicial (PVI), onde as condies so
fornecidas para um tempo inicial fixado; e o problema misto, onde impomos
uma condio inicial e condies de contorno. Normalmente, os problemas
de contorno esto associados aos problemas elpticos, o problema de valor
inicial s equaes hiperblicas e o problema misto s equaes parablicas.
Entretanto, as equaes hiperblicas tambm podem admitir condies do
48 Captulo 2. Equaes Diferenciais Parciais
2u 2
2 u
c =0
t2 x2
onde nesta equao c representa a magnitude da velocidade de propagao
da onda. A falta de atenuao uma caracterstica das equaes lineares
hiperblicas.
Aplicando-se os resultados apreendidos anteriormente, para A = 1, B = 0
e C = c2 , ns obtemos as duas direes caractersticas:
dx
= c
dt
que representam duas caractersticas reais. Em alguns casos, as caractersti-
cas podem depender da soluo local e, em geral, so curvas. No resultado
acima, as caractersticas so linhas retas se c for constante e curvas caso c
seja funo de u, x ou t.
t C D
Domnio
de
Dependncia
Domnio
de
Influncia
A B
x - ct x + ct x
i i i i
= x + ct
= x ct
Aps substituio na equao da onda,
2v
4c2 =0
ou ainda,
v
=0
Esta equao admite como soluo:
v(, ) = f () + g()
50 Captulo 2. Equaes Diferenciais Parciais
u(x, 0) = s(x)
u(x, 0) = r(x)
t
para determinarmos as funes f e g, supondo que s(x) de classe C 2 e r(x)
de classe C 1 em < x < +. Aplicando-se estas condies, obtemos:
u(x, 0) = f (x) + g(x) = s(x)
Equao da Onda
1
0.8
0.6
0.4
0.2
u(x,t)
0.2
0.4
0.6
0.8
1
1
0.5
x 6 8 10
2 4
0 0
t
P
P B
A B
A
B
A
C
11
00
00
11
00
11
00
11
00
11
00
11 P
00
11
00
11
00
11
00
11
00
11
00
11
00
11
00
11
A11
000000000000000000000
1111111111111111111
x=0 B x
11
00 00
11
D F
00
11
00
11
Domnio de Dependncia
00
11
00
11
t=t
i 00
11
00
11 00
11
00
11
00
11
00
11
A B 11
00
00
11
00
11
00
11 00
11
00
11
u(0,t)=f(t)
00
11
00
11 00
11
00
11
u(1,t)=g(t)
00
11
00
11 00
11
00
11
00
11
00
11 00
11
00
11
10 00
11 00
11
1010 00
11 00
11
t
0000
1111 00
11
00000000000000000000
11111111111111111111
00
11 00
11
00
11
10 00000000000000000000
11111111111111111111
x C
00000000000000000000 E
11111111111111111111
x=0 u(x,0)=u (x) x=1
0
u 2u
= 2
t x
Dos resultados apresentados em 2.2.1, para A = 1, B = C = 0, vemos
que a nica direo caracterstica definida por:
dt
=0
dx
ou ainda,
dx
=
dt
Diferentemente da situao das equaes hiperblicas, as derivadas de u
so sempre contnuas cruzando a linha t = ti da Figura 2.7.
Para as condies inicial u = sen (x) e de contorno u(0, t) = u(1, t) = 0,
a equao de conduo de calor possui a seguinte soluo exata:
u(x, t) = sen (x) exp 2 t
Equao de Difuso
1
0.8
0.6
0.4
0.2
u(x,t)
0.2
0.4
0.6
0.8
1
2
1.5
1
x 0.5 8 10
4 6
0 0 2
t
no domnio 0 x 1, 0 y 1.
Para EDPs elpticas de segunda ordem do tipo
2 2 2
A 2 +B +C 2 +D +E + Fu + G = 0
x xy y x y
Equaes de Balano
59
60 Captulo 3. Equaes de Balano
onde ~t o vetor tenso tal que ~tdS fornece a fora dF~ exercida sobre um
elemento de rea dS e f~ o vetor fora externa. A primeira integral, do
lado direito do sinal de igualdade, representa a contribuio devida s foras
de superfcie e a segunda contribuio das foras externas agindo sobre o
corpo.
Pode-se mostrar [9] que o vetor tenso pode ser expresso em termos do
tensor de tenses T na forma ~t = T ~n, com as componentes do tensor sendo
representadas pela matriz:
xx xy xz
[Tij ] = yx yy yz
zx zy zz
onde representa as tenses normais e as tenses de cisalhamento.
Substituindo-se o vetor tenso ~t na equao integral,
Z Z Z
d
~v dV = T ~n dS + f~ dV
dt V S V
1
onde P a presso termodinmica, D = ~v + ~v T o tensor taxa de
2
deformao e fi (i = 0, 1, 2) so funes dos invariantes principais do tensor
taxa de deformao.
Um fluido dito ser stokesiano se ele satisfaz as seguintes hipteses [11]:
T = P I + ( ~v ) I + 2D
62 Captulo 3. Equaes de Balano
P = p + ~v
D~v
= P + ( ~v ) + ~v + ~v T + f~
Dt
No caso dos coeficientes e no dependerem da posio,
~v + ~v T = (~v ) + ( ~v )
De
= ~q + tr T ~v + Q
Dt
De
= ~q P ~v + tr S~v + Q
Dt
~q = kT
Discretizao
67
68 Captulo 4. Discretizao
x
t
N
t
N-1
n=0
j=0 1 2 3 4 M-1 M x
j
= La j
t
n+1
j = nj + (La j )n t
n n
x2 2
nj1 = nj x + + O x3
x j 2 x2 j
4.4. Tcnica Geral 71
n n
x2 2 x3 3
+(a + c) + (a + c) + ...
2 x2 j 6 x3 j
1
Fazendo a + b + c = 0 e (a + c)x = 1, resulta em a = c e b =
x
1
2c + para qualquer valor de c. Escolhendo-se c de maneira que o
x
termo em x2 desaparea (c = a), obtemos a aproximao com o menor
erro de truncamento possvel para uma formulao a trs pontos, ou seja,
1
c = a = e b = 0. Substituindo-se estes valores na expresso geral:
2x
n
nj+1 nj1 x2 3 n
= + ...
x j 2x 6 x3 j
n n n
(2x)2 2 (2x)3 3
nj+2 = nj + 2x + + + O x4
x j 2 x2 j 6 x3 j
72 Captulo 4. Discretizao
" # n n
bx2 c (2x)2 2 x3 3
+ + + (b + 8c) + ...
2 2 x2 j 6 x3 j
a+b+c=0
bx + 2cx = 1
bx2 c (2x)2
+ =0
2 2
Deste sistema obtemos os seguintes valores para a, b e c:
1, 5 2 0, 5
a= ; b= ; c=
x x x
e, finalmente,
n
1, 5nj + 2nj+1 0, 5nj+2 x2 3 n
= + + ...
x j x 3 x3 j
Avanada
n n
nj+1 nj x 2
= + ...
x j x 2 x2 j
74 Captulo 4. Discretizao
Recuada
n n
nj nj1 x 2
= + + ...
x j x 2 x2 j
n n
nj+1 nj1 x2 3
= + ...
x j 2x 6 x3 j
n n
1, 5nj + 2nj+1 0, 5nj+2 x2 3
= + + ...
x j x 3 x3 j
n n
nj2 8nj1 + 8nj+1 nj+2 x4 5
= + + ...
x j 12x 30 x5 j
E = A (x)k
Et = B (x)k
exata 2,7183
= im eim(xj utn )
x n,j
e
2 2
= (im) eim(xj utn )
x2 n,j
Substituindo-se a soluo nas representaes por diferenas finitas a 3
pontos das derivadas primeira e segunda
n
nj+1 nj1
x j 2x
n
2 nj1 2nj + nj+1
x2 j x2
obtemos respectivamente:
n
eim(xj utn ) eimx eimx
=
x j 2x
n
2 eim(xj utn ) eimx 2 + eimx
=
x2 j x2
Assim, as relaes de amplitude entre as representaes exata e numrica
so dadas por:
n
x j eim(xj utn ) eimx eimx sen (mx)
= =
2imx e im(x j ut n ) mx
x n,j
78 Captulo 4. Discretizao
n
2
2
x2 j eim(xj utn ) eimx 2 + eimx sen (0, 5mx)
= =
2 m2 x2 eim(xj utn ) 0, 5mx
2
x n,j
Seguindo o mesmo tipo de desenvolvimento, podemos obter a relao de
amplitudes no caso de um esquema de diferenas finitas a 5 pontos sim-
trico [7]: n
x j 4 1 sen (mx)
= cos(mx)
3 3 mx
x n,j
2 n
2
x2 j 4 2 sen (0, 5mx)
= 1 0, 25 [cos(0, 5mx)]
2 3 0, 5mx
2
x n,j
Na Tabela 4.2 so mostrados os resultados para a representao de peque-
nos ( = 4x) e grandes ( = 20x) comprimentos de onda. Os resultados
mostram que todos os esquemas so mais acurados para longos comprimentos
de onda, sendo que o esquema a cinco pontos o mais acurado. Estes resul-
tados so consistentes com os comentrios feitos na seo anterior, sobre as
desvantagens de empregarmos esquemas de alta ordem em malhas grosseiras.
Para um determinado comprimento de onda, o fato de refinarmos a malha
(permitindo que haja mais pontos para a representao de cada comprimento
de onda) transforma o problema de representao de pequenos comprimen-
tos de onda em um problema de representao de grandes comprimentos de
onda na malha refinada. Como exemplo, representemos o mesmo compri-
mento de onda, = 0, 1, em duas malhas diferentes, tal que x1 = 4x2 .
Escolheremos a primeira malha de forma que = 4x1 e como conseqncia
teremos que = 16x2 para a segunda malha. Calculando-se a relao de
amplitude para a derivada primeira na representao a trs pontos, obtemos
para a primeira malha (m = 2/)
sen (mx1 ) sen
= 2 = 0, 6366
mx1
2
e no caso da segunda malha
sen (mx2 ) sen
= 8 = 0, 9745
mx2
8
4.6. Representao do Tipo Onda 79
Convergncia, Consistncia e
Estabilidade
81
82 Captulo 5. Convergncia, Consistncia e Estabilidade
5.1 Convergncia
A soluo aproximada, proveniente da resoluo do sistema algbrico re-
sultante do processo de discretizao, dita convergir caso ela tenda para a
soluo exata da equao diferencial parcial medida que t e x tendam
a zero.
A diferena entre a soluo exata da EDP e a soluo exata do sistema
de equaes algbricas chamada de erro de resoluo:
enj = (xj , tn ) nj
Por soluo exata do sistema algbrico, queremos dizer que aquela ob-
tida sem que nenhum erro numrico seja introduzido, tais como erros de
arredondamento. A magnitude do erro da soluo depende tipicamente dos
incrementos t e x e do valor das derivadas de mais alta ordem, obtidas
no processo de aproximao por diferenas finitas.
Provar que a soluo de um sistema algbrico de equaes converge para
a soluo de uma equao diferencial parcial , em geral, muito difcil mesmo
para os casos mais fceis [7].
5.2 Consistncia
O sistema de equaes algbricas dito ser consistente com a equao
diferencial parcial, do qual ele originrio, se no limite para os incrementos
de tempo e espao tendendo a zero, o sistema algbrico equivalente EDP
em cada ponto da malha.
Obviamente que a consistncia necessria para que a soluo aproxi-
mada (numrica) convirja para a soluo exata da equao diferencial par-
cial considerada. Contudo, esta condio no suficiente, pois o fato de
termos um sistema de equaes algbricas consistente com a EDP para t e
x 0, no implica necessariamente que a soluo do sistema convirja para
a soluo da equao diferencial parcial. Conforme indicado pelo teorema de
Lax, consistncia e estabilidade so ambas necessrias para que tenhamos a
convergncia.
O mecanismo de teste da consistncia requer a substituio da soluo
exata nas equaes algbricas resultantes da discretizao e a posterior ex-
panso dos valores nodais em srie de Taylor em torno de um determinado
ponto. Para que haja consistncia, a expresso resultante deve ser posta na
forma da equao diferencial parcial original acrescida de termos adicionais.
A natureza destes termos deve ser tal que eles fiquem reduzidos a zero
medida que a malha refinada.
n+1
j = snj1 + (1 2s)nj + snj+1
ou ainda n n
2
+ Ejn = 0
t j x2 j
onde n n
t 2 x2 4
Ejn = + O t2 , x4
2 t2 j 12 x4 j
sn+1 n+1
j1 + (1 + 2s)j sn+1 n
j+1 = j
n " n #2
1
n+1
j1 = nj + t x + t x
t x j 2! t x j
" n #3
1
+ t x +
3! t x j
n " n # 2
1
n+1
j+1
n
= j + t + x + t + x
t x j 2! t x j
" n # 3
1
+ t + x +
3! t x j
Aps substituio destes resultados
n n n
2 t 2
sn+1
j1 + (1 + 2s)n+1
j sn+1
j+1 nj = +
t j x2 j 2 t2 j
n n n n
t2 3 2 x2 4 t2 2 2
+ t
6 t3 j t x2 j 12 x4 j 2 t2 x2 j
86 Captulo 5. Convergncia, Consistncia e Estabilidade
n n n
t3 3 2 tx2 4 x4 6
6 t3 x2 j 12 t x4 j 360 x6 j
n n
tx2 4 2 t2 x2 2 4
+ = 0
24 t4 x2 j 48 t2 x4 j
Como a soluo deve satisfazer equao de difuso,
2 2 4
2 3 6
3
= 2; = ; =
t x t2 x4 t3 x6
podemos escrever o erro de truncamento somente em termos das derivadas
com relao ao tempo
n 2 n
+ Ejn = 0
t j x2 j
onde,
2 n 3 n
t 1 t2 1 1
Ejn = 1+ 2
1+ + 2
+
2 6s t j 3 4s 120s t3 j
Da expresso do erro de truncamento, vemos claramente que Ejn tender a
zero conforme t 0 e a equao coincidir com a equao de difuso.
5.3 Estabilidade
O conceito de estabilidade est relacionado com o crescimento, ou decai-
mento, dos erros introduzidos em qualquer estgio da computao. Neste
contexto, os erros aqui referidos no so aqueles devidos a uma lgica in-
correta, mas sim aqueles devidos ao fato do computador trabalhar com um
nmero finito de casas decimais. Na prtica, cada operao realizada pelo
computador resulta num valor com um nmero finito de algarismos signi-
ficativos, o que introduz um erro de arredondamento. Portanto, a soluo
numrica no na realidade nj , mas sim ( )nj , que a soluo numrica do
sistema algbrico.
Um determinado mtodo dito ser estvel se o efeito acumulativo pro-
duzido por todos os erros de arredondamento, devido implementao do
algoritmo, desprezvel.
Podemos mostrar que para equaes algbricas lineares, provenientes do
processo de discretizao, o erro correspondente satisfaz s mesmas equaes
algbricas homogneas. Como exemplo, consideraremos o esquema FTCS
aplicado equao de difuso:
n+1
j = snj1 + (1 2s)nj + snj+1
5.3. Estabilidade 87
+ [1 2s (1 )] jn + s(1 )j+1
n
sendo que esta equao apropriada para os pontos internos da malha. Caso
tenhamos condies de contorno do tipo de Dirichlet, no so necessrias
equaes extras para os pontos externos. Quando ela for aplicada a todos os
pontos j = 2, 3, . . . , J 1, podemos escrev-la na forma matricial
A n+1 = B n
ou ainda
n+1 = A1 B n
onde as duas matrizes so dadas por:
1 + 2s s
s 1 + 2s s
A=
.
.. .. .. .. ..
. . . .
s 1 + 2s s
s 1 + 2s
e
1 2s(1 ) s(1 )
s(1 ) 1 2s(1 ) s(1 )
B= .. .. .. .. ..
. . . . .
s(1 ) 1 2s(1 ) s(1 )
s(1 ) 1 2s(1 )
A n+1 = B n + C
onde,
1 + 2s 2s
s 1 + 2s s
A= .. .. .. .. ..
. . . . .
s 1 + 2s s
s 1 + 2s
1 2s(1 ) 2s(1 )
s(1 ) 1 2s(1 ) s(1 )
B=
.
.. .. .. .. ..
. . . .
s(1 ) 1 2s(1 ) s(1 )
s(1 ) 1 2s(1 )
2sx
0
C=
.
.
.
0
0
Como no caso anterior, a condio de estabilidade requer que A1 B 1, 0.
No caso geral, para os quais no existam formas explcitas para o clculo
dos autovalores de A1 B, ser conveniente escrevermos
1
n+1 = D n + A C
jn+1 jn
Lxx jn+1 (1 )Lxx jn = 0
t
onde,
j1 2j + j+1
Lxx j =
x2
sendo a difusividade trmica e o parmetro que indica o grau de impli-
cidade do esquema no tempo.
A anlise de Von Neumann feita introduzindo o erro , expandido em
srie de Fourier, na equao acima. Como a equao em questo linear,
consideraremos somente um nico componente da srie [7], ou seja,
jn = (G)n eij
jn+1 = Gjn
1 4s(1 ) 1 4s
5.4. Acurcia da Soluo 93
G.
Nesta seo, ns supomos que o problema fsico considerado era estvel.
Entretanto, pode acontecer que queiramos estudar escoamentos que sejam
fisicamente instveis, como por exemplo a transio entre o escoamento la-
minar e turbulento. Para tais escoamentos, uma soluo crescente no tempo
pode ser esperada. Este comportamento pode ser obtido, requerendo que a
magnitude dos autovalores, no mtodo da matriz, e o fator de amplificao
no mtodo de Von Neumann, sejam menores do que 1 + O(t) [7].
onde, n
a 1 4 a
Ejn = 0, 5x2a s + O x4a
6 x4 j
4b
n
b 1
Ejn = 0, 5x2b s + O x4b
6 x4 j
n1
e [Lx ( u x Lx ) + Ly ( v y Ly )] jk =0
onde [Lx ( u x Lx ) + Ly ( v y Ly )] corresponde discretizao dos
seguintes termos espaciais:
( u ) + ( v ) x y
x y x x y y
Os parmetros a, b, c, d e e devem ser determinados expandindo em srie
de Taylor, em torno do ponto (j, k, n), e requerendo que a equao resultante
97
98 Captulo 6. Equao de Transporte Linear
)
t2 2 h in
+ Lx ( u x Lx ) + Ly ( v y Ly ) + =0
2 t2 jk
ou ainda
() n t2 2 () n
(a + b + c)()njk + (a c)t + (a + c) +
t jk 2 t2 jk
n
(d + e) u x + v y + Ex + Ey + Exx + Eyy
x x y y jk
n
+et
u x v y +Ex + Ey + Exx + Eyy
t x x y y
| {z }
()
= t jk
+ = 0
Para que esta equao seja consistente com a equao de transporte, os pa-
rmetros a, b, c, d e e devem satisfazer:
a+b+c = 0
(a c)t = 1
d+e = 1
()n+1 n
jk ()jk
n1
()njk ()jk
(1 + )
t t
h i
+(1 ) Lx (u x Lx ) + Ly ( v y Ly ) njk
h i
n1
+ Lx (u x Lx ) + Ly ( v y Ly ) jk =0
()n+1 n
jk ()jk
n1
()njk ()jk
(1 + )
t t
h i
+(1 ) Lx (u x Lx ) + Ly ( v y Ly ) njk
h i
+ Lx (u x Lx ) + Ly ( v y Ly ) n+1
jk = 0
100 Captulo 6. Equao de Transporte Linear
2
x 2 = 0
t x
Para que possamos obter uma soluo aproximada desta equao, ela
deve ser discretizada e da equao algbrica resultante obtemos o algoritmo
numrico de resoluo.
Dos resultados j obtidos neste captulo, podemos escrever a equao
geral discretizada da equao de difuso empregando um esquema explcito
a trs nveis de tempo:
n+1
j nj nj jn1 h i
(1 + ) (1 )Lxx nj + Lxx jn1 = 0
t t
Podemos mostrar que esta equao consistente com a equao de difuso e
apresenta um erro de truncamento dado por:
n 2 2 n
(1 + ) nj + t + n
+ . . . j
t j 2 t2 j
2 n
n 2 2 n n
nj nj
+ t 2
+ . . . t (1 ) 2
+ Exx
t j 2 t j x j j
2 n n
n 2 n
t + Exx t + Exx + . . . = 0
x2 j j t x2 j j
ou ainda,
n 2 n 1 + 2 2 t2 2 n n
Exx n
2 + + Exx + t + = 0
t j x j t t 2 t2 j j t j
6.3. Equao de Difuso 101
Para que este algoritmo seja estvel, devemos verificar a condio de que
|G| 1 para todos os valores de . Para = 0, esta condio impe como
restrio s 0, 34. Entretanto, para valores muito grandes de , a condio
de estabilidade exige que s 0, 5 [7].
Tomando neste algoritmo = 0 e = 0, recuperamos o esquema FTCS:
n+1
j = (1 2s)nj + s nj1 + nj+1
102 Captulo 6. Equao de Transporte Linear
n+1 1 2s n1 2s n
j = j + j1 + nj+1
1 + 2s 1 + 2s
Este esquema conhecido como DuFortFrankel. Aplicando, novamente, a
anlise de estabilidade de Von Neumann [7]:
2s cos 1 4s2 sen 2
G=
1 + 2s
Como |G| 1 para qualquer valor de caso s seja maior do que zero,
o esquema de DuFortFrankel estvel para qualquer valor de t. Este
esquema consistente com a equao
pde difuso, mas no ser acurado para
grandes valores de s t. Para s = 1/12 este esquema apresenta um erro
de truncamento da ordem de x4 [7].
6.3. Equao de Difuso 103
n+1
j nj nj jn1
(1 + ) (1 )Lxx nj + Lxx n+1
j =0
t t
Da anlise de consistncia podemos mostrar que este esquema consistente
com a equao de difuso:
n 2 n 1 + 2 2 t2 2 n n
Exx n
2 + Exx t +. . . = 0
t j x j t t 2 t2 j j t j
ou ainda
1 1 4 n 2
Ejn = s x 2
+ + O t , x 4
2 12s x4 j
jn1 + s(1 ) nj1 + nj+1
Procedendo a uma anlise de estabilidade deste algoritmo, aplicando o m-
todo de Von Neumann, obtemos uma equao quadrtica em G:
[1 2s (cos 1)] G2 G = 0
ou seja,
1
G=
[1 2s (cos 1)]
que verifica a condio de estabilidade para qualquer valor de e s > 0. Isto
quer dizer que este esquema incondicionalmente estvel, o que representa
uma grande vantagem com relao ao esquema explcito FTCS.
Contudo, para que possamos obter uma soluo numrica, para a equao
de difuso, devemos considerar todos os ns da malha e as suas respectivas
equaes. Assim, o sistema de equaes pode ser escrito em termos da va-
rivel n+1
j na seguinte forma matricial:
n+1
1 + 2s s 2 d2
s 1 + 2s s 3 d3
onde
d2 = n2 + sn+1
1 ; dj = nj ; dJ1 = nJ1 + sn+1
J
sendo n+1
1 e n+1
J conhecidos das condies de contorno do tipo Dirichlet.
Fica claro que a matriz dos coeficientes tridiagonal e conseqentemente
podemos empregar o algoritmo de Thomas (ou TDMA) na sua resoluo.
Uma introduo do que vem a ser o algoritmo de Thomas pode ser encontrada
no Apndice B.
Uma alternativa ao esquema totalmente implcito o esquema de Crank
Nicolson ( = 0 e = 0, 5):
0, 5sn+1 n+1
j1 + (1 + s)j 0, 5sn+1 n n n
j+1 = 0, 5sj1 + (1 s)j + 0, 5sj+1
6.3. Equao de Difuso 105
t2 3 n+1/2
+ + ...
24 t3 j
e um fator de amplificao, determinado a partir do emprego do mtodo de
Von Neumann, dado por:
n2 n1
= cn n1 = n2 cn x
x
O maior inconveniente do emprego desta discretizao que ela apresenta
um erro de truncamento de primeira ordem em x. Caso empreguemos um
esquema de diferenas finitas centradas, aos ns interiores, teremos um erro
de truncamento da ordem de x2 . Por exemplo, caso o nosso problema seja
governado para uma equao diferencial parcial parablica, a baixa acurcia
da soluo na fronteira ir afetar a acurcia da soluo no interior do domnio
de resoluo para todos os instantes posteriores.
Portanto, desejvel que representemos a condio de contorno do tipo
Neumann por uma formulao que tenha um erro de truncamento da mesma
ordem do que o obtido para os pontos interiores. Isto pode ser feito, por
exemplo, introduzindo um ponto fictcio que se encontraria fora do domno
de resoluo. Empregandose desta vez um formulao do tipo diferenas
centradas:
n2 n0
= cn n0 = n2 2cn x
2x
Uma expresso para n+1
1 pode ento ser obtida se ns estendermos o domnio
computacional e aplicandose a expresso utilizada para os pontos internos.
No caso do esquema FTCS, aplicamos a seguinte equao para j = 1:
n+1
1 = 2scn x + (1 2s)n1 + 2sn2
(1 + 2s)n+1
1 2sn+1
2 = n1 2scn+1 x
6.3. Equao de Difuso 107
d2
+q =0
dx2
Na discretizao desta equao ns vamos empregar uma aproximao da
derivada segunda do tipo diferena centrada, de modo que a forma discreti-
zada desta equao dada por:
j1 2j + j+1
+ qj = 0
x2
108 Captulo 6. Equao de Transporte Linear
ou ainda,
x2 qj
j1 2j + j+1 =
x
Este sistema de equaes algbricas admite uma representao matricial
do tipo:
A~ = d~
~ e d~ so dados, para condies de contorno
sendo que a matriz A e os vetores
do tipo Dirichlet, por:
2 +1 2 d2
+1 2 +1 3 d3
... ... ...
.. ..
. .
+1 2 +1 j = dj
... ... ... . .
.. ..
+1 2 +1 J2 dJ2
+1 2 J1 dJ1
com
x2 q2 x2 qj x2 qJ1
d2 = 1 ; dj = ; dJ1 = J
x x x
n+1 n n n n n
jk = sx j1k + (1 2sx 2sy )jk + sx j+1k + sy jk1 + sy jk+1
n t 2 n x2 4 n y 2 4 n
Ejk = 2
x 4
y 4
+ O t2 , x4 , y 4
2 t jk 12 x jk 12 y jk
Aplicando o mtodo de Von Neumann podemos mostrar que este algo-
ritmo estvel se
2 x 2 y
|G| = 1 4sx sen
4sy sen 1
2 2
donde
2 x 2 y
1 1 4sx sen 4sy sen 1
2 2
110 Captulo 6. Equao de Transporte Linear
ou seja, 0 (sx + sy ) 0, 5.
Seguindo o mesmo procedimento que o adotado no caso da equao de
transporte, podemos escrever a equao geral a trs nveis de tempo para o
esquema implcito:
n+1 n
jk jk
n1
njk jk
(1 + ) (1 ) (x Lxx + y Lyy ) njk
t t
(x Lxx + y Lyy ) n+1
jk = 0
n+1 n
jk jk n+1 n+1 n+1
j1k 2jk + j+1k n+1 n+1 n+1
jk1 2jk + jk+1
x y =0
t x2 y 2
cujo algoritmo correspondente :
n t 2 n x2 4 n y 2 4 n 2 4 4
Ejk = x y + O t , x , y
2 t2 jk 12 x4 jk 12 y 4 jk
Podemos tambm mostrar, mediante a aplicao da anlise de estabili-
dade de Von Neumann, que o fator de amplificao para o esquema total-
mente implcito dado por:
ou ainda,
2 x 2 y
1 + 4sx sen + 4sy sen G=1
2 2
e a condio de estabilidade verificada para qualquer um dos valores de x
e y se (sx + sy ) > 0.
A dificuldade que encontramos no caso do esquema implcito bidimensi-
onal, reside na fato de que para este algoritmo possvel renumerarmos os
ns de maneira que tenhamos trs termos na diagonal principal, mas os ou-
tros dois termos estaro deslocados da diagonal principal de uma quantidade
igual ao nmero de ns internos do domnio. Na Figura 6.1 ns mostramos
uma representao matricial do sistema algbrico oriundo da discretizao
6.4. Mtodos Multidimensionais de Fracionamento 111
0 0 Sy 0 0 0 Sx C Sx 0 0 0 Sy 0 0 0 0 0 31
32
41
0 0 0 Sy 0 0 0 Sx C Sx 0 0 0 Sy 0 0 0 0 51
12 42
52
33
0 0 0 0 0 0 Sy 0 0 0 Sx C Sx 0 0 0 Sy 0
13
23 43
33
C=1+2Sx+2Sy
43
53
14
24
34
44
6.4. Mtodos Multidimensionais de Fracionamento 113
Desta expresso, constatamos que |G| 1 para qualquer valor de sx > 0, sy >
0, x e y . Contudo, considerando em separado os fatores de amplificao dos
114 Captulo 6. Equao de Transporte Linear
n+1 n
jk jk
= x Lxx jk + 0, 5y Lyy n+1 n
jk + jk
t
n+1
jk 2jk + jk
n
= 0, 5y Lyy n+1
jk n
jk
t
Explicitando jk nesta ltima equao, obtemos:
n+1
jk = 0, 5 n+1 n
jk + jk 0, 25ty Lyy jk jk
n
n+1 n
jk jk
0, 5 (x Lxx + y Lyy ) njk 0, 5 (x Lxx + y Lyy ) n+1
jk =
t
n+1 !
n
jk jk
0, 25t2 x y Lxx Lyy
t
Os primeiros termos do lado esquerdo do sinal de igualdade representam o
esquema implcito de CrankNicolson, que sabemos ter uma acurcia da or-
dem de (t2 , x2 , y 2 ). Como o termo do lado direito do sinal de igualdade
aproximadamente igual a:
t2 2 2 t2 3
x y = + ...
4 x2 y 2 t 4 t3
Trabalharemos
n+1 estanequao
de forma a obtermos um algoritmo implcito em
jk = jk jk . Inicialmente vamos expandir n+1
n+1
jk em srie de Taylor
em torno do ponto (j, k, n)
n
n+1 n
jk = jk + t + O t2
t jk
Empregando um esquema de diferenas avanadas na aproximao do termo
de derivada de primeira ordem
n+1 !
jk
n+1 n
jk = jk + t + O t2
t
(1 + )n+1 n n
jk jk t (x Lxx + y Lyy ) jk
ou ainda,
t t
1 (x Lxx + y Lyy ) n+1
jk = (x Lxx + y Lyy ) njk + njk
1+ 1+ 1+
n1
onde njk = njk jk .
A fim de que possamos usar o algoritmo de Thomas, esta equao deve
ser substituda pela seguinte fatorizao aproximada
t t t
1 x Lxx 1 y Lyy n+1
jk = (x Lxx + y Lyy ) njk
1+ 1+ 1+
| {z }
=jk
116 Captulo 6. Equao de Transporte Linear
+ njk
1+
onde nesta equao vemos aparecer um termo extra no lado esquerdo do
sinal de igualdade
2
t
= x y Lxx Lyy n+1
jk
1+
n+1 n+1 n
j+1k = j+1k j+1k
n+1
= n+1 n
j1k j1k + 2 x gk gkn
= n+1 n+1
j1k + 2 x gk
e de modo anlogo
(x, t) = f (x u t)
n+1
j nj nj+1 nj1
+u =0
t 2x
Esta equao pode ainda ser escrita na forma de um algoritmo
n+1
j = nj 0, 5C nj+1 nj1
Uma anlise de consistncia deste esquema nos mostra que ele consis-
tente com a equao de conveco e apresenta um erro de truncamento dado
por:
n t 2 n t2 3 n x2 3 n
Ej = + +u + ...
2 t2 j 6 t3 j 6 x3 j
apresentando uma acurcia de O (t, x2 ).
Das relaes entre as derivadas no tempo e no espao, oriundas da equao
de conveco, temos que
2 2
2 3 3
3
= u ; = u
t2 x2 t3 x3
Destas relaes podemos reescrever o erro de truncamento em funo unica-
mente das derivadas espaciais
2
n x 2 n x 3 n
2
Ej = u C + u 1 C + ...
2 x2 j 6 x3 j
Da anlise de estabilidade de Von Neumann aplicada ao esquema FTCS,
chegamos a expresso do fator de amplificao:
G = 1 i C sen
cujo mdulo q
|G| = 12 + (C sen )2
Portanto, |G| 1 para qualquer valor de e o algoritmo incondicionalmente
instvel.
Uma alternativa ao emprego do esquema de diferenas finitas centradas
na discretizao do termo espacial, pode ser a frmula de diferenas recuadas.
Assumindo que a velocidade u seja positiva
n+1
j nj nj nj1
+u =0
t x
ou ainda, na forma de um algoritmo
n+1
j = (1 C) nj + C nj1
n+1
j = (1 |C|) nj + |C| nj+1
n n t 2 n x 2 n t2 3 n
+u + u +
t j x j 2 t2 j 2 x2 j 6 t3 j
x2 3 n 3 3
+u + O t , x =0
6 x3 j
Caso esta equao seja interpretada como tendo um erro de truncamento de
O (t2 , x2 ) ela parece ser consistente com a equao
2
+u 2 = 0
t x x
ao invs da equao de adveco. Portanto, o uso da formulao do tipo
upwind para o termo espacial e do tipo diferenas avanadas para o termo
transiente introduziu uma difusividade artificial (numrica) = 0, 5 u x(1
C). Fica claro que para C = 1 esta difusividade numrica vale zero, o que
no surpreendente visto que para este valor o algoritmo fornece a soluo
exata do problema [7].
Determinemos agora a expresso do fator de amplificao proveniente da
anlise de estabilidade de Von Neumann,
G = 1 + C ei 1
= 1 + C (cos isen 1)
= 1 + C (cos 1) iCsen
n+1
j jn1 nj+1 nj1
+u =0
2t 2x
6.5. Equao de Adveco 121
G = 1 + C 2 (cos 1) i C sen
2 2
= 1 i C sen 2 C sen
2
n+1
j nj
+ u 0, 5Lx nj + 0, 5Lx n+1
j =0
t
onde adotaremos para o operador Lx um esquema de discretizao do tipo
diferenas centradas, de modo que obtemos o seguinte algoritmo:
0, 25Cn+1 n+1
j1 + j + 0, 25Cn+1 n n n
j+1 = 0, 25Cj1 + j 0, 25Cj+1
x 3 n+1/2 x2 3 n+1/2
+t + u + ... = 0
4 2 tx j 12 x3 j
ou ainda
n+1/2 n+1/2 t t 2 n+1/2 t2 3 n+1/2
+u + +
t j x j 2 2 t2 j 6 t3 j
6.6. Dissipao e Disperso Numricas 123
x2 3 n+1/2
+u(1 + 3C) + ... = 0
12 x3 j
donde
n+1/2 x2 3 n+1/2
Ej = u 1 + 3C 2C 2 + ...
12 x3 j
A anlise de estabilidade de Von Neumann, aplicada a este esquema,
produz como fator de amplificao:
1 0, 5 i C sen
G=
1 + 0, 5 i C sen
Fica claro que |G| 1 e que o esquema de CrankNicolson incondicional-
mente estvel.
Tipicamente os esquemas implcitos aplicados equao de adveco pro-
duzem algoritmos que so incondicionalmente estveis. Entretanto, o uso de
esquemas implcitos para equaes hiperblicas no necessariamente vanta-
joso. O emprego destes esquemas nos leva a um sistema de equaes acopla-
das no nvel de tempo n+1. Portanto, uma perturbao, devida por exemplo
a um erro de arredondamento, introduzida em um determinado n (n, j), afe-
tar a soluo em todos os outros ns (j, n + 1) no prximo nvel de tempo.
Fisicamente, este um comportamento tpico de uma equao diferencial
parablica e no de uma equao hiperblica. O uso de esquemas implcitos
em EDPs hiperblicas produzem solues que no so acuradas se t (ou C)
for grande. Caso t seja pequeno, C 1 para a equao de adveco, no
existe vantagem no que diz respeito estabilidade, embora possa haver um
ganho na acurcia como no caso do esquema de CrankNicolson [7].
(m) = m2 e V (m) = u
Isto quer dizer que a onda ser atenuada pelo termo difusivo mas a velo-
cidade de propagao no ser alterada. Como m = 2/, os pequenos
comprimentos de onda sero atenuados mais rapidamente do que os grandes
comprimentos de onda. Por outro lado, para ondas planas governadas pela
equao de Korteweg de Vries:
+ i m u m2 V = 0
(m) = 0 e V (m) = u m2
X
= m exp [(m)t ] exp {i m [x V (m)t ]}
m=
passo de tempo
m exp [(m) (t + t)] exp {i m [x V (m) (t + t)]}
Gm =
m exp [(m)t ] exp {i m [x V (m)t ]}
p
= 1 4C(1 C)sen 2 (0, 5 m x)
Im
|Gm |
b
a Re
L() = La () Ejn () = 0
e, portanto,
2 2
2 3 3
= u + u t + ...
t2 x2 x3
Substituindose estes resultados na expresso do erro
t 2 2 3
3 t
2 3
3 t x2 3
+u + u2 + u u + u + ... = 0
t x | 2 x2 2 x3 {z 6 x
3 6 x3 }
=E()
x 2 x2 3
2
E() = u C + u 1 + 2C + ...
2 x2 6 x3
Esta equao consistente com a equao de adveco e apresenta uma
acurcia de O (t, x2 ). O erro de truncamento apresenta um termo de
dissipao numrica de primeira ordem e um termo de disperso numrica
de segunda ordem.
A tcnica da equao modificada pode ser estendida ao caso das equa-
es no lineares, enquanto que a anlise de Fourier s pode ser aplicada s
equaes lineares.
2
+u 2 =0
t x x
onde um campo escalar passivo que est sendo advectado com uma
velocidade conhecida u e sendo dissipado. A fim de examinarmos o compor-
tamento das solues computacionais desta equao, vamos considerar que
u e so constantes. Como no caso da equao de difuso, a equao de
transporte parablica e requer o mesmo tipo de condies de contorno e
inicial. Entretanto, para valores elevados de u/, podemos esperar que os
dois primeiros termos desta equao predominem. A equao de transporte
apresentar, ento, um comportamento similar ao da equao de adveco.
Lembremonos que as solues exatas da equao de adveco so, tipica-
mente, ondas que se propagam sem amortecimento. Portanto, para grandes
valores de u/, podemos esperar que as solues da equao de transporte
se comportem como ondas que se propagam com pequenos amortecimentos.
130 Captulo 6. Equao de Transporte Linear
(0) = 0 e (1) = 1, 0
eux/ 1
(x) =
eu/ 1
(1 + 0, 5P ec ) j1 + 2j (1 0, 5P ec ) j+1 = 0
d d2 x2 d3
u 2 +u + ... = 0
dx dx 6 dx3
de equaes:
b c 2 a1
a b c 3 0
... ... ...
.. ..
. .
a b c j = 0
... ... ... . ..
.. .
a b c J2 0
a b J1 cJ
a c = (1 + 0, 5P ec ) (1 0, 5P ec ) 0
(1 + P ec ) j1 + 2 (1 + 0, 5P ec ) j j+1 = 0
a c = (1 + P ec ) (1) = 1 + P ec > 0
d d2
u (1 + 0, 5P ec ) 2 = 0
dx dx
ou seja, o uso do esquema upwind de primeira ordem, para o termo advec-
tivo, introduziu uma difusividade artificial = 0, 5P ec . Portanto, para
que tenhamos solues que sejam acuradas, deveramos ter
= 0, 5 P ec 1
d d x2 d2
= (a + b + c + d)j + (d 2a b)x + (4a + b + d)
dx j dx j 2 dx2 j
134 Captulo 6. Equao de Transporte Linear
x3 d3
+(d 8a b) + ...
6 dx3 j
Para que a igualdade seja verificada, temos que determinar os coeficientes
mediante a resoluo do sistema abaixo
a+b+c+d = 0
(d 2a b)x = 1
4a + b + d = 0
Fazendo a = /3x
d j+1 j1 j2 3j1 + 3j j+1
+
dx 2x 3x
x4 d5
+u(1 10) + = 0
120 dx5
Vemos que esta equao consistente com a equao de advecodifuso e
para o valor particular = 0, 5 apresenta uma acurcia de terceira ordem
em x. Alm do mais, para = 0, 5 e P ec = 1 temos um esquema de quarta
ordem em x. Em se tratando de problemas advectivos no lineares, o valor
de P ec depender da soluo local. Nestes casos, no ser possvel obtermos
um esquema de quarta ordem para todo o domnio computacional.
Visto alguns casos aplicados equao de advecodifuso em regime
permanente, abordaremos agora a equao de transporte unidimensional em
regime transiente. Iniciaremos com o estudo de alguns esquemas explcitos
e, em seguida, veremos os esquemas implcitos.
O esquema FTCS aplicado equao de transporte unidimensional pro-
duz:
n+1
j nj nj+1 nj1 nj+1 2nj + nj1
+u =0
t 2x x2
donde obtemos o algoritmo
n+1
j = (s + 0, 5C)nj1 + (1 2s)nj + (s 0, 5C)nj+1
0 C 2 2s 1
n+1
j nj nj nj1 nj1 2nj + nj+1
+u =0
t x x2
cujo algoritmo associado :
n+1
j = (s + C)nj1 + (1 2s C)nj + snj+1
= 0, 5 u x(1 C)
Para que este esquema gere solues acuradas, devemos exigir que ,
ou ainda,
2
P ec
1C
Do clculo do fator de amplificao, via o mtodo de Von Neumann, temos
que
G = 1 (2s + C)(1 cos ) i C sen
e para que a condio de estabilidade seja verificada
q
|G| = [1 (2s + C)(1 cos )]2 + C 2 sen 2 1
(s + 0, 5C)n+1 n+1
j1 + 2(1 + s)j (s 0, 5C)n+1 n
j+1 = (s + 0, 5C)j1
G= h i
2 + C (e i2 3ei ei ) + C ei ei s (ei 2 + ei )
3 2
ou ainda,
C
C
1 s+ 3
(1 cos ) (1 cos ) iCsen 0, 5 + 3
(1 cos )
G= C
C
1+ s+ 3
(1 cos ) (1 cos ) + iCsen 0, 5 + 3
(1 cos )
Portanto, a condio de estabilidade assegurada caso 3s, ou seja,
3/P ec [7].
6.8. Equao de Transporte Bidimensional 141
n+1
j = (sx + 0, 5Cx ) nj1k + (1 2sx 2sy ) njk + (sx 0, 5Cx ) nj+1k
(Cx + Cy )2
(sx + sy ) 0, 5 e 2
(sx + sy )
n+1
jk njk h i
(1 + ) = (1 ) (uLx xLxx ) + (vLy y Lyy ) njk
t t
h i
+ (uLx xLxx ) + (vLy y Lyy ) n+1
jk
onde
n+1 n+1 n
jk = jk jk e n1
njk = njk jk
6.8. Equao de Transporte Bidimensional 143
O Mtodo de Separao de
Variveis
145
146 Apndice A. O Mtodo de Separao de Variveis
(t) = e t = e( )t
2 2 + 2 + 2
Z B
N (m ) = [Y (m , y)]2 dy
0
Z C
N (m ) = [Z(m , z)]2 dz
0
1
Cmnp =
N (m )N (n )N (p )
Z A Z B Z C
X(m , x )Y (n , y )Z(p , z )F (x , y , z )dx dy dz
0 0 0
1
X(m , x)Y (n , y)Z(p , z)
N (m )N (n )N (n )
Z AZ BZ C
X(m , x )Y (n , y )Z(p , z )F (x , y , z )dx dy dz
0 0 0
1 1
= 2 + g(x, y, z)
t k
onde = (x, y, z, t) e com condies de contorno no-homogneas e inicial
dadas por:
no contorno Si e para t > 0 : ki + hi = fi (x, y, z)
ni
s
X
(x, y, z, t) = h (x, y, z, t) + 0j (x, y, z)
j=0
0j
ki + hi 0j = ij fi (x, y, z)
ni
1 h
= 2 h
t
150 Apndice A. O Mtodo de Separao de Variveis
h
no contorno Si : ki + hi h = 0
ni
s
X
para t = 0 : h (x, y, z, t) = F 0j
j=0
Algoritmo de Thomas
151
152 Apndice B. Algoritmo de Thomas
cj n+1 n+1
j1 + aj j bj n+1
j+1 = dj
n+1
j = Pj n+1
j+1 + Qj
aj n+1
j = bj n+1 n+1
j+1 + cj j1 + dj
B.2. O Mtodo TDMA Linha a Linha 153
e da relao
n+1 n+1
j1 = Pj1 j + Qj1
Aps substituio da expresso de n+1
j1 na equao geral discretizada ns
obtemos, mediante um pouco de algebrismo,
n+1 bj n+1 dj + cj Qj1
j = j+1 +
aj cj Pj1 a c P
| {z } | j {zj j1 }
=Pj =Qj
b1
P1 =
a1
d1
Q1 =
a1
Para j = 1, conforme j mencionado, podemos tomar a1 = 1, b1 = 0 e
d1 = n+1
1 .
A segunda etapa, do algoritmo, resume-se na resoluo do sistema de
equaes algbricas de maneira recursiva para j = J at j = 1. Como
bJ = 0, temos que
PJ = 0 e QJ = n+1
J
4. Fazer QJ = n+1
J ;
y
norte
x
i sul
aP P = aW W + aE E + aS S + aN N + b
aS S + aP P aN N = aW W + aE E + b
B.3 Relaxao
Na resoluo iterativa do sistema algbrico de equaes ou no tratamento
de no-linearidades, com frequncia devemos empregar um processo de sub-
relaxao ou de sobre-relaxao. Este procedimento visa a evitarmos que o
algoritmo de resoluo empregado seja instvel. A sobre-relaxao empre-
gada normalmente em conjuno com o mtodo de Gauss-Seidel, resultando
num esquema conhecido como SOR (Sucessive Over-Relaxation). A sub-
relaxao empregada normalmente no caso de problemas no-lineares, a
fim de evitarmos a divergncia do processo iterativo de resoluo do sistema
de equaes.
Existem muitas maneiras de introduzirmos a relaxao e ns vamos apre-
sentar aqui uma delas. Partindo-se da equao de transporte discretizada
X
aP P = avi vi + b
ou ainda
aP X aP
P = avi vi + b + (1 ) P
para compreendido entre 0 e 1, ns temos uma sub-relaxao enquanto que
para superior a 1 trata-se de uma sobre-relaxao.
Primeiramente, ns devemos observar que, uma vez alcanada a conver-
gncia, ou seja, P torna-se igual a P , da equao acima podemos verificar
que ns recuperamos a equao discretizada original. Qualquer esquema de
relaxao deve apresentar esta propriedade.
No existe uma regra geral para a melhor escolha do valor de . O
valor timo depende de vrios fatores, tais como a natureza do problema
em questo, o nmero de pontos da malha, o espaamento da malha e do
procedimento iterativo utilizado [14]. O valor de no precisa ser o mesmo
durante todo o processo de clculo, com o seu valor podendo variar para cada
iterao.
Bibliografia
[11] Aris Rutheford. Vectors, Tensors and Basic Equations of Fluid Mecha-
nics. Prentice-Hall, 1962.
157
158 Bibliografia
[12] M. Necati zisik. Heat Conduction. John Wiley & Sons, 1980.
159
160 ndice
de convecodifuso, 34 laminar, 93
de difuso, 8486 no-linear, 82
de difuso de calor, 54 supersnico no-viscoso, 76
de difuso unidimensional, 83 turbulento, 93
de energia, 65 viscoso, 76
de Helmholtz, 35 esquema
de Kortewegde Vries, 34 a cinco pontos, 74, 78
de Laplace, 46, 56, 57 a dois nveis de tempo, 87, 91
de Navier-Stokes, 62 a dois pontos, 74
de Poisson, 34, 57 a trs nveis de tempo, 93
de Stokes, 35 a trs pontos, 74, 77
diferencial ordinria de primeira explcito, 84, 87
ordem, 1 FTCS, 83, 86
diferencial ordinria de segunda implcito, 85, 87
ordem, 1 estabilidade, 6, 26, 30, 72, 8183,
diferencial parcial, 33, 81, 83 86, 91, 93
diferencial parcial de segunda existncia, 46
ordem, 39
discretizada, 84, 87 frmula
do balano de energia, 64 a cinco pontos, 74
do telgrafo, 35 a dois pontos, 74
linear da onda, 33, 48 a trs pontos, 71
preditora, 9, 18 aberta, 18
equaes de balano, 59 de AdamsBashforth, 21
erro de AdamsMoulton, 22
computado, 74 de alta ordem, 75
da soluo, 93 de baixa ordem, 75
de arredondamento, 4, 82, 86, de dAlembert, 51
87 de integrao de Adams, 21
de resoluo, 82 de integrao de NewtonCotes,
de truncamento, 4, 69, 7174, 21
84, 86, 93 fechada, 18
do passo corretor, 18, 20 fator de amplificao, 92
do passo preditor, 19, 20 fluido
global de truncamento, 5 incompressvel, 64, 65
local de truncamento, 4 newtoniano, 61
local de truncamento aproximado, stokesiano, 61
5 funo incremento, 11
numrico, 67, 87
escoamento Hadamard, 46
incompressvel, 60 harmnico, 87
ndice 161
incremento, 5 malha, 67
de espao, 6, 67, 83 grosseira, 75, 78
de tempo, 67, 83 no-uniforme, 71
instabilidade, 91 refinada, 73, 75, 78
integrao de Euler, 69 uniforme, 68
matriz
Jacobiano, 41 de amplificao, 93
lei de Fourier, 65 simtrica, 88
tridiagonal, 88
mtodo momentum linear, 60
da matriz, 87, 89, 93 movimento peridico, 77
das potncias, 90
de Adams de quarta ordem, 23 ns, 67
de diferenas finitas, 67 nmero
de elementos finitos, 67 de onda, 76
de Euler, 4 de Reynolds, 76
de Euler modificado, 10 no-unicidade, 46
de Hamming, 24 onda
de Heun, 8, 14 amplitude, 76
de mais alta ordem, 7, 21 dispersiva, 34
de Milne, 22 grande comprimento, 76, 78
de primeira ordem, 6 harmnica, 35
de Ralston, 15 pequeno comprimento, 76, 78
de RungeKutta de primeira or- plana, 76
dem, 12 propagao, 33
de Runge-Kutta, 11 propagao no-linear, 34
de Runge-Kutta de quarta or- senoidal, 51
dem, 16 simples, 34
de Runge-Kutta de segunda or- velocidade de propagao, 48,
dem, 12 76
de Runge-Kutta de terceira or- operador
dem, 15 algbrico, 68
de segunda ordem, 10 diferencial, 68
de volumes finitos, 67
de Von Neumann, 87, 90, 91 perodo, 77
do polgono, 14 polinmio
do ponto mdio, 18 caracterstico, 44
espectral, 67 interpolador de Lagrange, 15
multistep, 17 ponto mdio, 11
nonselfstarting Heun, 19 pontos nodais, 68
one-step, 3 potncia de tenso, 65
162 ndice