Solução Numérica de Modelos Descritos por Equações...
Transcript of Solução Numérica de Modelos Descritos por Equações...
Programa Doutoral EngIQ - Modulo EPSJosé Paulo Mota c⃝ 2010, V. 1.0
Solução Numérica de Modelos Descritos
por Equações Diferenciais
José Paulo Mota
Requimte/CQFB, Departamento de Química
Faculdade de Ciências e Tecnologia, Universidade Nova de Lisboa,
2829-516 Caparica
E-mail: [email protected], Tel. +351 21 2948300 (ext. 10961)
EngIQ - Engenharia de Processos e Sistemas
Conteúdo
1 Classificação dos modelos processuais em Engenharia Química . . . . . . . . . 2
1.1 Relativamente à dependência temporal das variáveis: . . . . . . . . . . 2
1.2 Relativamente ao número de variáveis independentes ou coordenadas: . 2
1.3 Classificação e caracterização das EDP’s . . . . . . . . . . . . . . . . 3
2 Métodos numéricos para resolução de EDP’s . . . . . . . . . . . . . . . . . . 4
2.1 Método das diferenças finitas . . . . . . . . . . . . . . . . . . . . . . . 6
2.2 Método dos volumes finitos . . . . . . . . . . . . . . . . . . . . . . . 12
2.3 Método dos resíduos ponderados . . . . . . . . . . . . . . . . . . . . . 18
3 Solução de sistemas mistos de equações diferenciais ordinárias e algébricas . . 27
1
EngIQ - Engenharia de Processos e Sistemas
1 Classificação dos modelos processuais em Engenharia Química
1.1 Relativamente à dependência temporal das variáveis:
• Modelos estacionários; se nenhuma das variáveis dependentes do modelo varia com o
tempo. Neste caso, modelo é composto por um sistema de equações algébricas, que po-
dem ser lineares, não lineares, ou mistas.
• Modelos instacionários (dinâmicos); se uma ou mais variáveis dependentes do modelo
variam com o tempo. Este tipo de modelo é constituído por um sistema de equações
diferenciais ordinárias (ODE’s)—lineares, não lineares, ou mistas—que pode ser com-
plementado por um conjunto de equações algébricas.
1.2 Relativamente ao número de variáveis independentes ou coordenadas:
• Modelos de parâmetros agregados; se as variáveis do modelo são constantes ou se só
dependem da coordenada temporal. Neste caso, o modelo é descrito por um sistema de
equações algébricas, por um sistema de equações diferenciais ordinárias (ODE’s), ou por
um sistema misto.
• Modelos com parâmetros distribuídos; se as equações envolvem uma ou mais variáveis
independentes ou coordenadas (normalmente espaciais) para além da coordenada tempo-
Variação espacial
no sistema?
Sistema com Parâmetros
Distribuídos (SPD)
Sistema com Parâmetros
Agregados (SPA)
Problema
dinâmico?
Problema
dinâmico?
EDPs hiperbólicas
ou parabólicas
EDPs
elípticas
PVI/PVF
diferential-algébrico
Equações algébricas
não-lineares
S N
S N S N
Figura 1: Caracterização de modelos e respectivos conjuntos de equações (EDPs, equações às
derivadas parciais; PVI, problema de valor inicial; PVF, problema de valor fronteira).
2
EngIQ - Engenharia de Processos e Sistemas
ral. Um modelo deste tipo é regido por um sistema de equações diferenciais às derivadas
parciais (EDP’s).
Na Fig. 1 apresenta-se em esquema um sumário da classificação dos modelos e dos respec-
tivos conjuntos de equações.
1.3 Classificação e caracterização das EDP’s
A forma genérica de uma EDP linear de segunda ordem pode ser escrita da seguinte forma:
P∂2z∂x2 + Q
∂2z∂x∂y
+ R∂2z∂y2 = S . (1)
Na eq. 1, a variável dependente é z = z(x, y); as variáveis independentes (ou coordenadas) são x
e y; os coeficientes P, Q e R só podem depender de x e y, enquanto que S pode depender de x,
y, z, ∂z/∂x e ∂z/∂y.
A EDP pode ser classificada de acordo com o sinal do seu determinante,
∆ = Q2 − 4 PR. (2)
A PDE é elíptica se ∆ < 0; parabólica se ∆ = 0; e hiperbólica se ∆ > 0.
Seguem-se alguns exemplos típicos de diferentes tipos de EDP’s que podem ocorrer em
problemas de Engenharia Química.
Segunda lei de Fick:∂C∂t= D∂2C∂x2 , (3)
em que C(t, x) é a concentração de um soluto (no instante t e posição x) e D é a sua difusividade
molecular; esta EDP é parabólica porque P = D, Q = 0 e R = 0.
Lei de Newton para movimento ondulatório:
∂2u∂t2 = ρ
∂2u∂x2 , (4)
em que u(t, x) é a velocidade do fluído (no instante t e posição x) e ρ é a sua densidade; esta
EDP é hiperbólica porque P = 1, Q = 0 e R = −ρ.
Equação de Laplace para condução de calor:
∂2T∂x2 +
∂2T∂y2 = 0, (5)
em que T (x, y) é um campo bidimensional de temperatura (x e y são duas coordenadas cartesi-
anas); esta EDP é elíptica porque P = 1, Q = 0 e R = 1.
3
EngIQ - Engenharia de Processos e Sistemas
2 Métodos numéricos para resolução de EDP’s
Os métodos apresentados em seguida serão ilustrados com a resolução numérica do problema
estacionário de difusão e reacção química de primeira ordem numa partícula de catalisador com
forma de placa plana; a geometria do sistema está ilustrada na Fig. 2.
O balanço material diferencial ao reagente, em estado estacionário, origina
Ded2Cdr2 − kC = 0, (6)
em que C(r) é a concentração do reagente ao longo da placa de catalisador, De a difusividade
efectiva do reagente na partícula de catalisador, e k a constante cinética (kC é a velocidade de
reacção por unidade de volume do catalisador). O domínio do problema é {r : 0 ≤ r ≤ R}; r = 0
corresponde ao centro da placa e r = R corresponde à superfície externa da placa que está em
contacto com o fluído externo; a concentração do reagente no seio do fluído externo é C0.
A eq. 6 é uma PDE de segunda ordem, estando por isso sujeita a duas condições fronteira,
cada uma delas aplicável num dos extremos do domínio. As duas condições fronteira são as
seguintes:
dCdr= 0 para r = 0; (7)
C = C0 para r = R. (8)
A primeira condição é uma condição de simetria, porque C(−r) = C(r), que impõe a ausência
de fluxo material no centro da placa de catalisador (como o reagente se desloca por difusão, o
Figura 2: Difusão e reacção química numa placa plana de catalisador.
4
EngIQ - Engenharia de Processos e Sistemas
seu fluxo é J = −D∂C/∂r); a segunda condição corresponde a uma situação de fluxo convec-
tivo elevado junto à superfície da partícula de catalisador, o que faz com que a concentração
do reagente nesse ponto seja sempre igual à concentração C0 no seio do fluído em torno da
partícula.
Por uma questão de conveniência, procede-se à adimensionalização da equação. Para isso,
introduzem-se as seguintes variáveis adimensionais:
y = C/C0; x = r/R.
A variável y passa a ser a variável dependente adimensional e x passa a ser a variável indepen-
dente (ou coordenada) adimensional; o domínio do problema passa a ser {x : 0 ≤ x ≤ 1}.
Fazendo estas substituições no balanço diferencial e nas condições fronteira obtém-se
d2ydx2 − ϕ
2y = 0, (9)
dydx= 0 para x = 0; (10)
y = 1 para x = 1. (11)
Na eq. 9, o parâmetro ϕ = (kR2/De)1/2 é denominado módulo de Thiele; este parâmetro mede
a razão entre a velocidade da reacção e o fluxo difusional. Quando ϕ é grande (k ≫ De/R2), a
conversão do reagente é controlada pelo fluxo difusional do reagente junto à parede do catali-
sador; quando ϕ é pequeno (k ≪ De/R2), a conversão do reagente é controlada pela cinética da
reacção química.
A quantidade que nos interessa é a velocidade aparente, ou efectiva, da reacção:
(kC)eff =1V
∫V
kC dV =kR
∫ R
0C(r) dr = kC0
∫ 1
0y(x) dx, (12)
O integral adimensional,
η =
∫ 1
0y(x) dx, (13)
é denominado factor de eficiência; introduzindo este factor na expressão da velocidade aparente
da reacção obtém-se
(kC)eff = kC0 · η ou η =(kC)eff
kC0. (14)
5
EngIQ - Engenharia de Processos e Sistemas
Convém lembrar que existe uma expressão alternativa para o cálculo de η; Da definição
deste parâmetro e da eq. 9 obtém-se
η =
∫ 1
0y(x) dx =
1ϕ2
∫ 1
0ϕ2y(x) dx =
1ϕ2
∫ 1
0
d2ydx2 dx =
1ϕ2
∫ x=1
x=0d(
dydx
)=
1ϕ2
[dydx
]x=1
x=0=
1ϕ2
(dydx
)x=1. (15)
A solução analítica da eq. 9, sujeita às condições fronteira expressas pelas eqs. 10 e 11, é
y(x) =cosh(ϕx)cosh(ϕ)
, (16)
o que permite calcular o factor de eficiência:
η =
∫ 1
0y(x) dx =
1ϕ2
(dydx
)x=1=
tanh(ϕ)ϕ. (17)
2.1 Método das diferenças finitas
Este método consiste na substituição das variáveis dependentes, que são contínuas, por variá-
veis discretas; em vez de se determinar uma solução contínua em todo o domínio do problema,
determina-se uma solução discreta, que consiste nos valores das variáveis dependentes em de-
terminados pontos do domínio.
Fórmulas de discretização. Considere-se a expansão em série de Taylor de uma função y(x)
em torno do ponto x:
y(x + ∆x) = y(x) +dy(x)
dx∆x +
12
d2y(x)dx2 (∆x)2 + O(∆x3). (18)
A notação O(∆x3) significa que a série contínua indefinidamente, mas que a soma dos termos
não explicitados é proporcional a (∆x)3 [para ser mais preciso, e se se lembrarem de AM I, o
termo correcto é (1/6)(∆x)3(d3y/dx3)x=ξ; ξ é desconhecido, mas sabe-se que ξ ∈ (x, x + ∆x)].
Se os termos de ordem 2 e superior forem ignorados, obtém-se
dy(x)dx=
y(x + ∆x) − y(x)∆x
+ O(∆x) ≈ y(x + ∆x) − y(x)∆x
. (19)
De forma semelhante, a expansão da função y(x − ∆x) em torno de x origina
y(x − ∆x) = y(x) − dy(x)dx∆x +
12
d2y(x)dx2 (∆x)2 + O(∆x3). (20)
6
EngIQ - Engenharia de Processos e Sistemas
Desta formula, obtém-se a seguinte aproximação:
dy(x)dx=
y(x) − y(x − ∆x)∆x
+ O(∆x) ≈ y(x) − y(x − ∆x)∆x
. (21)
Subtraindo as eqs. 18 e 20 obtém-se uma aproximação alternativa da primeira derivada:
dy(x)dx=
y(x + ∆x) − y(x − ∆x)2∆x
+ O(∆x2) ≈ y(x + ∆x) − y(x − ∆x)2∆x
. (22)
Esta aproximação é mais precisa do que as aproximações expressas nas eqs. 19 e 21, porque
na eq. 22 o erro da aproximação é proporcional a (∆x)2 enquanto que nas eqs. 19 e 21 ele é
proporcional a ∆x.
Para obter uma aproximação da segunda derivada, adicionam-se as eqs. 19 e 21 e desprezam-
se os termos de ordem superior a 2. A expressão assim obtida é
d2y(x)dx2 =
y(x − ∆x) − 2y(x) + y(x + ∆x)(∆x)2 + O(∆x2). (23)
Implementação do método. Na prática divide-se o domínio do problema, {x : xL ≤ x ≤ xU},
em N intervalos uniformes, sendo o comprimento de cada um deles dado por
∆x =xU − xL
N. (24)
Indexam-se os pontos em função do valor da coordenada x; isto é, define-se o ponto i como
sendo o ponto com coordenada xL + i(∆x) e chama-se a esse ponto xi; o conjunto de pontos
assim obtido é
xi = xL + i(∆x) para i = 0, 1, 2, . . . ,N. (25)
Desta forma, x0 = xL, xN = xU, xi+1 = xL + (i + 1)∆x, xi−1 = xL + (i − 1)∆x, etc.
A variável dependente y correspondente ao ponto xi denota-se yi, isto é, y(xi) = yi. Recor-
rendo às formulas anteriores, pode substituir-se, em cada ponto xi, as derivadas de primeira e
segunda ordem pelas seguintes aproximações:(dydx
)i≈ yi+1 − yi
∆xou≈ yi − yi−1
∆xou≈ yi+1 − yi−1
2∆x; (26)
(d2ydx2
)i≈ yi−1 − 2yi + yi+1
(∆x)2 . (27)
Com estas substituições, transforma-se a equação diferencial original num sistema de N equa-
ções algébricas. Tem que se ter, no entanto, atenção com o tratamento das condições fronteira.
7
EngIQ - Engenharia de Processos e Sistemas
xi -1 xi xi +1
yi -1
yi
yi +1
y (x)
Figura 3: Esquema de uma função suave y(x) que é bem aproximada por um polinómio de
segundo grau no intervalo xi−1 ≤ x ≤ xi+1.
As fórmulas de discretização também podem ser obtidas por interpolação polinomial. Suponha-
se que a função f (x) é bem aproximada por um polinómio de segundo grau no intervalo
xi−1 ≤ x ≤ xi+1, conforme-se ilustra na Fig. 3.
O polinómio que interpola o trio de pontos (xi−1, yi−1), (xi, yi) e (xi+1, yi+1) pode ser escrito
da seguinte forma:
p(x) = yi +yi − yi−1
xi − xi−1(x − xi) +
yi+1 − yi −yi − yi−1
xi − xi−1(xi+1 − xi)
(xi+1 − xi)(xi+1 − xi−1)(x − xi)(x − xi−1). (28)
Derivando p(x) uma vez obtém-se uma aproximação a dy/dx:
dydx≈ dp
dx=
yi − yi−1
xi − xi−1+
yi+1 − yi −yi − yi−1
xi − xi−1(xi+1 − xi)
(xi+1 − xi)(xi+1 − xi−1)(2x − xi−1 − xi). (29)
Para x = xi+1 e xi − xi−1 = xi+1 − xi = ∆x, obtém-se(dydx
)i+1=
yi+1 − yi−1
2∆x, (30)
que é idêntica à Eq. 22. Para x = xi+1 e xi − xi−1 = xi+1 − xi = ∆x, obtém-se(dydx
)i=
3yi+1 − 4yi + yi−1
2∆x, (31)
que é uma aproximação descentrada de segunda ordem. Finalmente, para x = xi−1 e xi − xi−1 =
xi+1 − xi = ∆x, obtém-se (dydx
)i−1=−3yi−1 + 4yi − yi−1
2∆x, (32)
que é novamente uma aproximação descentrada de segunda ordem.
Derivando p(x) duas vezes, obtém-se uma aproximação da segunda derivada:
d2ydx2 ≈
d2 pdx2 = 2
yi+1 − yi −yi − yi−1
xi − xi−1(xi+1 − xi)
(xi+1 − xi)(xi+1 − xi−1). (33)
8
EngIQ - Engenharia de Processos e Sistemas
Para xi − xi−1 = xi+1 − xi = ∆x, esta equação simplifica-se:(d2ydx2
)i=
yi−1 − 2yi + yi+1
(∆x)2 , (34)
que é idêntica à Eq. 23.
Aplicação do método. Exemplifiquemos o método das diferenças finitas aplicando-o à reso-
lução numérica do problema de difusão e reacção química na pellet de catalisador. O domínio
do problema é {x : 0 ≤ x ≤ 1}; portanto xL = 0 e xU = 1. O conjunto de pontos de discretização
é
xi = i(∆x) para i = 0, 1, 2, . . . ,N; ∆x = 1/N. (35)
Desta forma, x0 = 0, x1 = ∆x, x1 = 2∆x, . . . , xN = 1. A variável dependente y(x) correspondente
ao ponto xi é y(xi) = yi. A substituição da segunda derivada na eq. 9 pela diferença finita
correspondente origina a seguinte equação algébrica linear:
yi−1 − 2yi + yi+1
(∆x)2 − ϕ2yi = 0, i = 1, 2, . . . ,N − 1. (36)
Esta equação não é válida para os pontos fronteira. Para o ponto xN = 1 a condição fronteira é
yN = 1. Por outro lado, aplicando a eq. 36 no ponto x0 obtém-se
y−1 − 2y0 + y1
(∆x)2 − ϕ2y0 = 0. (37)
Esta expressão contém y−1 ≡ y(x−1) que não pertence ao domínio do problema. No entanto,
aproximando a condição fronteira no ponto x0 por uma diferença finita de segunda ordem (para
ser consistente com a aproximação à segunda derivada usada na eq. 36) obtém-se
y1 − y−1
2∆x= 0 → y−1 = y1, (38)
o que permite eliminar y−1 da eq. 37 obtendo-se
2(y1 − y0)(∆x)2 − ϕ2y0 = 0. (39)
Resumindo: aproximando as derivadas parciais por diferenças finitas, a PDE e respectivas
condições fronteira são substituídas por um sistema de equações algébricas; no caso presente as
equações são lineares, mas nem sempre é o caso. O sistema de equações está indicado na Fig. 4.
9
EngIQ - Engenharia de Processos e Sistemas
−2(∆x)2 + ϕ
2 2(∆x)2
1(∆x)2
−2(∆x)2 + ϕ
2 1(∆x)2
1(∆x)2
−2(∆x)2 + ϕ
2 1(∆x)2
. . . . . . . . .1
(∆x)2−2
(∆x)2 + ϕ2 1
(∆x)2
1
y0
y1
y2...
yN−1
yN
=
000...01
Figura 4: Discretização do modelo de difusão e reacção química por diferenças finitas centradas
de 2a ordem.
O factor de eficiência pode ser calculado de duas formas. Suponha-se que se calcula através
do integral dado na eq. 13. Este integral tem que necessariamente ser aproximado por uma
fórmula de quadratura. Por exemplo, se se utilizar a regra dos trapézios obtém-se
η =(y0
2+ y1 + . . . + yN−1 +
YN
2
)∆x + O(∆x2). (40)
Em alternativa pode discretizar-se a eq. 15 usando uma diferença finita consistente a solução
numérica de segunda ordem:
η =1ϕ2
yN+1 − yN−1
2∆x+ (∆x2). (41)
Mas esta expressão contém yN+1 que não pertence ao domínio do problema. No entanto, apli-
cando a EDP no ponto xN obtém-se
yN−1 − 2yN + yN+1
(∆x)2 − ϕ2yN = 0 → yN+1 = (∆x)2ϕ2yN + 2yN − yN−1. (42)
Finalmente,
η =1ϕ2
yN − yN−1
∆x+∆x2
yN . (43)
Implementação em AMPL. O método pode ser facilmente implementado em matlab, GAMS,
ampl, ou até em Excel. Eu prefiro a linguagem de programação matemática ampl que é equi-
valente ao GAMS mas que eu considero ser mais intuitiva. O modelo ampl está listado na Fig. 5.
Para correr o programa abre-se uma consola Windows executando sw.exe; este cria uma
consola com um prompt “sw:”; nesta consola arranqua-se o ampl escrevendo ampl; o prompt
anterior é substituído por “ampl:”. Agora inclui-se o modelo em ampl; para isso escreve-se
include eta.ampl; [ENTER]
10
EngIQ - Engenharia de Processos e Sistemas
option substout 1 ;option show_stats 1 ;option solver "lpsolve" ;
param N integer > 1 ;param dx = 1/N ;param phi >= 0 ;
set PTS = 0..N ordered ;param x { i in PTS } = dx * i ;param w { i in PTS } = cosh( phi * x[i] ) / cosh( phi ) ;param eta = tanh( phi ) / phi ;
var y { PTS } ;
s.t. LinSys { i in PTS } :( if i = 0 then
2*(y[1] - y[0])/dx^2 - phi^2 * y[0]else if i < N then(y[i-1] - 2*y[i] + y[i+1])/dx^2 - phi^2 * y[i]
elsey[N] - 1 ) = 0 ;
var eta1 = dx * ( sum { i in PTS } y[i] - (y[0] + y[N])/2 ) ;var eta2 = (y[N] - y[N-1])/dx / phi^2 + dx * y[N] / 2 ;
Figura 5: modelo ampl para a resolução por diferenças finitas do problema de difusão e reacçãoquímica numa pellet de catalisador; supõe-se que o modelo fica gravado num ficheiro chamadoeta.ampl.
No modelo ainda não foram atribuídos valores aos parâmetros phi e N; suponha-se que se
pretende resolver o problema para ϕ = 10 com 10 pontos de discretização; para isso escreve-se
let phi := 10.0; let N := 10; [ENTER]
Para resolver o problema, basta agora escrever
solve; [ENTER]
O ampl responde com a seguinte informação:
Presolve eliminates 1 constraint and 1 variable.Substitution eliminates 2 variables.Adjusted problem:10 variables, all linear10 constraints, all linear; 28 nonzeros0 objectives.
11
EngIQ - Engenharia de Processos e Sistemas
LP_SOLVE 4.0.1.0: optimal, objective 010 simplex iterations
Para comparar a solução numérica com a solução analítica pode escrever-se:
display x, w, y; [ENTER]
o que faz a listagem dos valores de xi, wi (solução analítica) e yi. Para comparar os valor analítico
de η com a solução numérica, escreve-se
display eta, eta1, eta2; [ENTER]
obtendo-se
eta = 0.1eta1 = 0.111803eta2 = 0.111803
Para calcular η para ϕ = 100 com N = 10, pode escrever-se o seguinte:
let phi := 100.0; solve; display eta, eta1, eta2; [ENTER]
(Nota: N já era igual a 10 da simulação anterior.) A nova solução seria: eta = 0.01, eta1 = eta2
= 0.0509902. Neste caso o erro é apreciável. Para melhorar a solução é necessário aumentar o
número de pontos de discretização, e.g.,
let N := 50; solve; display eta, eta1, eta2; [ENTER]
o que origina: eta = 0.01, eta1 = eta2 = 0.0141421; melhorou bastante. Para N = 200:
let N := 200; solve; display eta, eta1, eta2; [ENTER]
obtém-se eta = 0.01, eta1 = eta2 = 0.0103078.
2.2 Método dos volumes finitos
Este método á parecido com o método das diferenças finitas, mas é particularmente aplicável
às equações gerais de conservação (matéria, energia, ou quantidade de movimento), que podem
ser escritas na seguinte forma genérica:
∂
∂t(ρϕ) + ∇ · (ρuϕ) = ∇ · (Γ∇ϕ) + S , (44)
em que ρ é a densidade do fluido, ϕ é a variável dependente a ser conservada (massa total,
quantidade de um componente, energia total, quantidade de movimento), Γ é um coeficiente de
difusão, u = (u, v,w) é o vector velocidade, e S é um termo fonte; S é positivo se gerar ϕ e
negativo se consumir ϕ.
12
EngIQ - Engenharia de Processos e Sistemas
Por exemplo, a equação de conservação aplicada a um reagente A sujeito a uma reacção de
primeira ordem para escoamento unidimensional num tubo é
∂
∂t(ρwA) +
∂
∂x(ρuwA) =
∂
∂x
(ρDA∂wA
∂x
)− kρwA, (45)
em que wA é a fracção mássica de A, u á a velocidade do fluido ao longo do tubo, DA é a
difusividade molecular, e k é a constante cinética da reacção. Em alternativa pode substituir-se
ρwA pela concentração mássica (ou molar), CA.
O método dos volumes finitos consiste em dividir o domínio em N volumes de controlo,
i = 1, 2, . . . ,N (que podem ser todos iguais ou não) e integrar a equação de conservação ao
longo de cada volume de controlo. Na Fig. 6 apresenta-se um diagrama esquemático do volume
finito (ou de controlo) com índice i. Por exemplo, a integração de
∂ϕ
∂t+∂
∂x(uϕ) =
∂
∂x
(Γ∂ϕ
∂x
)+ S (x, ϕ), (46)
origina ∫ xi+1/2
xi−1/2
∂ϕ
∂tdx + Ji+1/2 − Ji−1/2 =
∫ xi+1/2
xi−1/2
S (x, ϕ) dx, (47)
em que J = uϕ − Γ(∂ϕ/∂x) é o fluxo de transporte de ϕ. Supondo que ϕ(x) ≈ ϕi em todo o
volume de controlo, a equação anterior pode ser simplificada originando
dϕi
dt+
Ji+1/2 − Ji−1/2
∆xi= S (xi, ϕi). (48)
Os fluxos de transporte de ϕ nas fronteiras do volume de controlo podem ser discretizados
através de diferenças finitas:
Ji−1/2 =
(uϕ − Γ∂ϕ
∂x
)i−1/2≈ ui−1/2
ϕi−1 + ϕi
2− Γϕi − ϕi−1
xi − xi−1, (49)
Ji+1/2 =
(uϕ − Γ∂ϕ
∂x
)i+1/2≈ ui+1/2
ϕi + ϕi+1
2− Γϕi+1 − ϕi
xi+1 − xi. (50)
(51)
Ji +1/2Ji −1/2
xi −1 xi +1xi
Φi
Δxi
Figura 6: Representação esquemática do volume de controlo com índice i para discretização
unidimensional de equações às derivadas parciais.
13
EngIQ - Engenharia de Processos e Sistemas
Introduzindo estas expressões na eq. 48 origina uma equação diferencial ordinária para cada
volume de controlo. Aparentemente, o método dos volumes finitos é muito parecido com o
método das diferenças finitas.
O método dos volumes de finitos tem a vantagem de conservar globalmente a quantidade ϕ.
Somando as equações para todos os volumes de controlo, obtém-se:
N∑i=1
∆xidϕi
dt+ (JN+1/2 − J1/2) =
N∑i=1
∆xiS (xi, ϕi), (52)
em que J1/2 = JxL é o fluxo na fronteira inferior do domínio e JN+1/2 = JxU é o fluxo na fronteira
superior do domínio. Esta equação é equivalente à discretização da equação de conservação
global:ddt
∫ xU
xL
ϕ dx +(uϕ − Γ∂ϕ
∂x
)xU
−(uϕ − Γ∂ϕ
∂x
)xL
=
∫ xU
xL
S (x, ϕ) dx. (53)
Uma outra vantagem do método é a facilidade com que se aplicam métodos específicos de
discretização dos termos convectivos, (uϕ)i−1/2 e (uϕ)i+1/2, nas faces dos volumes de controlo.
Exemplo 1. Para dar um pequeno exemplo das potencialidades do método, considere-se a re-
solução numérica da equação estacionária de convecção-difusão da concentração de um soluto:
vdcdz− D
d2cdz2 = 0, c|z=0 = C0, c|z=L = C1, (54)
em que c(z) é o perfil de concentração ao longo de uma coordenada espacial z, v é a velocidade
do fluído e D é o coeficiente de difusão. Convém adimensionalizar a equação; para isso introduz-
se as seguintes adimensionalizações:
x = z/L, y = (c −C1)/(C0 −C1). (55)
A modelo adimensional é
dydx− 1
Ped2ydx2 = 0, y|x=0 = 1, y|x=1 = 0, (56)
em que Pe = vL/D é o número de Péclet: quando Pe é grande, o transporte do soluto é essen-
cialmente convectivo, podendo-se desprezar o efeito de dispersão devido à difusão do soluto;
quando Pe é pequeno o transporte do soluto é tem uma componente difusiva não desprezável.
A eq. 56 tem uma solução analítica simples:
y(x) =exp(Pe) − exp(Pe · x)
exp(Pe) − 1. (57)
14
EngIQ - Engenharia de Processos e Sistemas
option substout 1 ;option show_stats 1 ;option solver "lpsolve" ;
param N integer > 0 ;param dx = 1/N ;param Pe >= 0 ;
set PTS = 0..N ordered ;param x { i in PTS } = dx * i ;param ya { i in PTS } = ( exp(Pe) - exp(Pe*x[i]) ) / ( exp(Pe) - 1 ) ;
var y { PTS } ;
s.t. LinSys { i in PTS } :( if i = 0 then
y[0] - 1else if i < N then(y[i+1] - y[i-1])/(2*dx) - (y[i-1] - 2*y[i] + y[i+1])/(Pe*dx^2)
elsey[N] ) = 0 ;
Figura 7: modelo ampl para a resolução do problema de convecção-difusão por diferenças fini-
tas centradas de segunda ordem.
A resolução da eq. 56 por diferenças finitas centradas(dydx
)xi
=yi+1 − yi−1
2∆x,
(d2ydx2
)xi
=yi−1 − 2yi + yi+1
(∆x)2 ,
origina o seguinte sistema de equações lineares:
y0 = 1,yi+1 − yi−1
2∆x− yi−1 − 2yi + yi+1
(∆x)2Pe= 0 (i = 1, . . . ,N − 1), yN = 1. (58)
A Fig. 7 lista o programa ampl para resolver este sistema de equações. Se o problema para
Pe = 100 for resolvido com N = 20 obtêm-se os resultados reproduzidos na Fig. 8. Como se
pode observar, a solução numérica é oscilante na frente de concentração.
O problema reside na discretização do termo convectivo, dy/dx. Uma forma de eliminar a
oscilação na solução numérica é substituir a diferença finita centrada de segunda ordem pela
diferença finita de primeira ordem desviada à esquerda:(dydx
)xi
=yi − yi−1
∆x. (59)
15
EngIQ - Engenharia de Processos e Sistemas
0
0.2
0.4
0.6
0.8
1
1.2
1.4
1.6
0.6 0.65 0.7 0.75 0.8 0.85 0.9 0.95 1
Figura 8: linha = Eq. 57, símbolos a cheio = solução da Eq. 58 para N = 20; símbolos vazios =
solução com diferença finita de primeira ordem e N = 20.
Resolvendo o problema com esta diferença finita de primeira ordem obtém-se a solução repre-
sentada pelos círculos vazios; a solução numérica deixou de ser oscilatória mas é mais dispersiva
do que a solução analítica. Vejamos porquê:(dydx
)i=
yi − yi−1
∆x+ O(∆x) =
yi+1 − yi−1
2∆x− ∆x
2yi−1 − 2yi + yi+1
(∆x)2 . (60)
O primeiro termo na segunda igualdade é discretização de dy/dx com uma diferença finita
centrada de segunda ordem e o segundo termo é a discretização de d2y/dx2 com uma diferença
finita centrada de segunda ordem. Consequentemente, discretizar dy/dx com a diferença finita
da Eq. 60 é equivalente a resolver a EDP
dydx−
(∆x2+
1Pe
)d2ydx2 = 0, y|x=0 = 1, y|x=1 = 0, (61)
com diferenças finitas centradas de segunda ordem, ou seja, a resolver o problema com um
coeficiente de difusão aparente
D′ = D +vL2∆x. (62)
Isto explica porque é que a solução numérica é mais difusiva do que a solução analítica.
16
EngIQ - Engenharia de Processos e Sistemas
Exemplo 2. Consideremos agora a formulação de volumes finitos. A integração num volume
de controlo genérico, e.g., o volume i, origina:
Ji+1/2 − Ji−1/2 = 0, Ji+1/2 =
(y − 1
Pedydx
)i+1/2. (63)
Já vimos que o termo dispersivo é pacífico; portanto podemos discretizá-lo com uma diferença
finita centrada: (1Pe
dydx
)i−1/2=
1Pe
yi − yi−1
∆x,
(1Pe
dydx
)i+1/2=
1Pe
yi+1 − yi
∆x. (64)
Os termos complicados são yi−1/2 e yi+1/2. Já vimos que não podemos usar as aproximações
yi−1/2 = (yi−1 + yi)/2 e yi+1/2 = (yi + yi+1)/2 porque elas dão origem a expressão idênticas às
diferenças finitas centradas de segunda ordem. A utilização de diferenças finitas descentrada de
primeira ordem é equivalente a considerar
yi−1/2 = yi−1 e yi+1/2 = yi. (65)
Isto faz sentido para transporte fortemente convectivo porque nestas condições o valor da va-
riável numa face do volume de controlo é bem aproximado pelo valor da variável no seio do
volume de controlo que se encontra a montante. No entanto, já vimos que esta abordagem in-
troduz dispersão numérica excessiva.
Para resolver o problema temos que utilizar métodos mais complicados. Uma hipótese é
utilizar uma interpolação descentrada de ordem mais elevada. Por exemplo, para determinar
yi+1/2 usa-se o polinómio que interpola yi−1, yi e yi+1. A fórmula assim obtida é
yi+1/2 =3yi+1 + 6yi − yi−1
8=
yi + yi+1
2− yi−1 − 6yi + yi+1
8. (66)
Para determinar yi−1/2 usa-se o polinómio que interpola yi−2, yi−1 e yi. A fórmula é
yi−1/2 =3yi + 6yi−1 − yi−2
8=
yi−1 + yi
2− yi−2 − 6yi−1 + yi
8. (67)
Este esquema de discretização é conhecido como o esquema Quick; o método corresponde a
uma discretização desviada a montante de terceira ordem do termo dy/dx.
Outra alternativa é utilizar-se um método de discretização não linear; estes métodos são
denominados limitadores de fluxo. Por exemplo, o esquema harmónico de van Leer é
yi−1/2 = yi−1 +max{
0,(yi−1 − yi−2)(yi − yi−1)
yi − yi−2
}, (68)
yi+1/2 = yi +max{
0,(yi − yi−1)(yi+1 − yi)
yi+1 − yi−1
}. (69)
17
EngIQ - Engenharia de Processos e Sistemas
2.3 Método dos resíduos ponderados
Considere-se o problema de difusão e reacção química numa pellet de catalisador, regido pelas
eqs. 9–11, re-escrito na seguinte forma compacta:
L(y) ≡ ∂2y∂x2 − ϕ
2y = 0, M(y) ≡ ∂y(0)∂x
y(1) − 1
= 0. (70)
A ideia principal do método de resíduos ponderados é a construção de uma solução aproximada
y que satisfaça a eq. 70 segundo um determinado critério de minimização do erro de aproxi-
mação. Porque a solução y é aproximada, em geral ela não satisfaz a PDE nem as condições
fronteira, isto é,
L(y) = R , 0 e M(y) = Rb , 0. (71)
Nesta equação, R e Rb são os resíduos da aproximação. Se y for construída de forma a que a
equação diferencial seja satisfeita exactamente (isto é, R = 0) então o método chama-se método
de fronteira; se y for construída de forma a que as condições fronteira sejam satisfeitas exac-
tamente, então o método chama-se método interior; finalmente, se nem a equação diferencial
nem as condições fronteira forem satisfeitas exactamente, o método diz-se misto.
O método dos resíduos ponderados requer dois tipos de funções: uma é denominada função
de aproximação; a outra é denominada função de ponderação. A função de aproximação é
usada para construir a solução numérica y; a outra função é utilizada como base de critério
para minimizar o resíduo da solução aproximada (um resíduo pequeno implica que a solução
numérica aproxima a solução real com um erro pequeno).
Para minimizar o resíduo, que normalmente é uma função da variável independente x, é
necessário converter R num escalar para que se possa proceder a uma optimização do valor do
resíduo. Isto faz-se através de uma forma de ponderação média do resíduo em todo o domínio do
problema, o que no caso presente equivale a um produto interno de funções. Este último pode
ser visto como uma medida de distância média entre duas funções num determinado domínio da
variável independente; no caso do método dos resíduos ponderados, a distância média medida
é calculada entre a função residual e as funções de ponderação.
Consideremos o método interior. A aproximação numérica da PDE pode ser escrita como
uma expansão polinomial, por exemplo,
y = y0 +
n∑i=1
aiϕi(x). (72)
18
EngIQ - Engenharia de Processos e Sistemas
em que y0 e as funções de aproximação ϕi(x) têm que ser escolhidas por forma a satisfazerem as
condições fronteira, isto é, M(y) = 0. Os n coeficientes ai são desconhecidos e são determinados
pelo método dos resíduos ponderados forçando a solução y(x; a1, . . . , an) a satisfazer o melhor
possível a PDE.
Substituindo y na PDE obtém-se a equação residual:
R(x) = L(y) = L
n∑i=1
aiϕi(x)
. (73)
Dado que o resíduo é geralmente uma função de x, é necessário minimizá-lo em todo o domínio
de interesse. No método dos resíduos ponderados utiliza-se o seguinte integral como medida
média do resíduo: ∫V
R(x)wk(x) dx, (74)
onde V é o domínio de interesse e wk(x) é uma k-gésima função de ponderação seleccionada de
um conjunto (k = 1, 2, . . . , n) de funções independentes, denominadas funções de ponderação.
Este integral denomina-se produto interno das funções no domínio V e é normalmente escrito
na seguinte forma compacta:
(R,wk)V . (75)
Dado que a solução numérica tem n coeficientes desconhecidos ai, para determinar or seus
valores força-se a que o produto interno do resíduo com as primeiras n funções de ponderação
seja igual a zero. Isto origina n equações algébricas, normalmente não lineares,
(R,wk)V = 0 para k = 1, 2, . . . , n, (76)
que podem ser resolvidas para obter os valores dos n coeficientes ai.
Retomemos o exemplo do problema de difusão e reacção química. É evidente que é mais
fácil escrever uma função de aproximação que satisfaça as condições fronteira do que uma
que satisfaça a PDE em todo o domínio do problema. Por exemplo, suponha-se que se opta
por escrever a função de aproximação como a soma de n polinómios. Dado que a solução é
simétrica, isto é, y(−x) = y(x), os polinómios seleccionados têm que envolver potências pares
de x. Para além disso, a soma dos polinómios tem que ser igual a 1 para x = 1 e a primeira
derivada tem que ser nula para x = 0. É fácil concluir que a função de aproximação será
y(x) = 1 +n∑
i=1
ai(1 − x2i), (77)
19
EngIQ - Engenharia de Processos e Sistemas
porque y(1) = 1 e (dy/dx)x=0 = 0. O resíduo da aproximação é
R(x) = L(y) =d2ydx2 − ϕ
2y. (78)
Conhecendo-se os valores de ai pode calcular-se o factor de eficiência:
η =
∫ 1
0y(x) dx = 1 +
n∑i=1
ai
(1 − 1
2i + 1
)(79)
=1ϕ2
(dydx
)x=1= − 2ϕ2
n∑i=1
aii. (80)
Nos exemplos desenvolvidos em seguida vai-se considerar a aproximação mais simples, isto
é, a aproximação para n = 1:
y(x) = 1 + a1(1 − x2), η = 1 +2a1
3= −2a1
ϕ2 . (81)
O resíduo para esta aproximação é
R(x) = −2a1 − ϕ2[1 + a1(1 − x2)]. (82)
Para efeitos de cálculo, o módulo de Thiele vai ser fixado a ϕ = 1; o factor de eficiência para
estas condições é η = tanh(1)/1 = 0.7616.
A escolha do tipo de funções teste origina diferentes variações do método dos resíduos
ponderados:
1. Método de colocação;
2. Método de sub-domínio;
3. Método de mínimos quadrados;
4. Método de momentos;
5. Método de Galerkin;
6. Método de colocação ortogonal.
20
EngIQ - Engenharia de Processos e Sistemas
Método de colocação. Neste método a função de teste é um delta de Dirac em n pontos
interiores (chamados pontos de colocação) do domínio de interesse:
wk = δ(x − xk). (83)
Uma das propriedades da função delta de Dirac é a seguinte:∫ xk+b
xk−af (x)δ(x − xk) dx = f (xk) (a > 0, b > 0). (84)
Se os n pontos interiores forem raízes de um polinómio ortogonal de Jacobi de ordem n, então
o método de colocação diz-se ser de colocação ortogonal. Aplicando a eq. 84 em 76, obtém-se
R(xk) = 0 para k = 1, 2, . . . , n, (85)
ou seja: força-se o resíduo a ser nulo nos pontos interiores de colocação x1, . . . , xn.
Por exemplo, suponha-se que se escolhe x1 = 0.5 como ponto de colocação para o problema
de difusão-reacção; x1 = 0.5 corresponde ao ponto localizado a meio do domínio. Anulando o
resíduo neste ponto obtém-se
R(x1) = −2a1 − ϕ2[1 + a1(1 − x21)] = 0 → a1 = −
ϕ2
2 + ϕ2(1 − x21)= −0.3636. (86)
A estimativa do factor de eficiência é
η = 1 +2a1
3= 0.7576 (87)
= −2a1
ϕ2 = 0.7273. (88)
Estes valores indicam que a solução obtida pelo método de colocação concorda razoavelmente
bem com a solução analítica.
Método de sub-domínio. Neste caso o domínio é dividido em n sub-domínios Vi e as funções
de ponderação escolhidas são
wk =
{1, no interior do sub-domínio Vk
0, no exterior do sub-domínio Vk. (89)
Ou seja, anula-se o integral do resíduo sobre cada um dos sub-domínios.
Para n = 1 o sub-domínio coincide com o domínio completo do problema. Logo,
(R,w1)V =
∫ 1
0R(x)w1 dx =
∫ 1
0{−2a1 − ϕ2[1 + a1(1 − x2
1)]}(1) dx (90)
21
EngIQ - Engenharia de Processos e Sistemas
Forçando o produto interno a ser nulo obtém-se
(R,w1)V = 0 → a1 = −38, (91)
o que permite o cálculo do factor de eficiência:
η = 1 +2a1
3= 0.75 (92)
= −2a1
ϕ2 = 0.75. (93)
Estes valores indicam que a solução obtida pelo método do sub-domínio também concorda
razoavelmente bem com a solução analítica.
Método de mínimos quadrados. Neste método a função de ponderação é
wk =∂R∂ak. (94)
Com esta definição, o integral que define o resíduo pode ser escrito da seguinte forma:∫V
R∂R∂ak
dx =12∂
∂ak
∫V
R2 dx. (95)
A equação anterior mostra que os coeficientes ak são determinados através da minimização de
(R,R).
No caso do problema em estudo,
(R,w1)V =12∂
∂a1
∫ 1
0{−2a1 − ϕ2[1 + a1(1 − x2
1)]}2 dx = 0. (96)
Integrando esta equação para ϕ = 1 e depois diferenciando em ordem a a1, obtém-se
(R,w1)V =12
(21615
a1 +163
)= 0 → a1 = −
1027. (97)
As estimativas do factor de eficiência são
η = 1 +2a1
3= 0.7531 (98)
= −2a1
ϕ2 = 0.7407. (99)
Novamente, estes valores comparam bem com a solução analítica.
22
EngIQ - Engenharia de Processos e Sistemas
Método dos momentos. Neste método as funções de ponderação são
wk = xk−1 para k = 1, 2, . . . , n. (100)
Portanto, anulam-se os seguintes produtos internos para calcular os coeficientes ai:
(R, 1)V = 0, (R, x)V = 0, , (R, x2)V = 0, . . . , (R, xn−1)V = 0. (101)
Como temos estado a considerar soluções para n = 1, observa-se que para n = 1 o mé-
todo dos momentos é idêntico ao método dosub-domínio, porque o produto interno a anular é
simplesmente
(R, 1)V = 0. (102)
Método de Galerkin. Neste método as funções de ponderação são escolhidas da mesma fa-
mília das funções de aproximação:
wk = ϕk(x). (103)
Portanto, no método de Galerkin anulam-se os seguintes produtos internos:
(R, ϕ1)V = 0, (R, ϕ2)V = 0, , (R, ϕ2)V = 0, . . . , (R, ϕ2)V = 0. (104)
A solução do problema de difusão/reacção pelo Método de Galerkin com n = 1 equivale a
anular o seguinte produto interno:
(R,w1)V = 0, w1(x) = 1 − x2 (105)
(R,w1)V =
∫ 1
0{−2a1 − ϕ2[1 + a1(1 − x2
1)]}(1 − x2) dx = 0 (106)
(R,w1)V = −23
(1 + 2a1) − 815
a1 = 0. (107)
Resolvendo em ordem a a1 obtém-se
a1 = −1028
→
η = 1 +
2a1
3= 0.7619
= −2a1
ϕ2 = 0.7143. (108)
Este resultado parece mostrar que o método de Galerkin é o método mais preciso para o pro-
blema em análise.
23
EngIQ - Engenharia de Processos e Sistemas
Método de colocação ortogonal. Apesar do método de Galerkin ser o mais preciso na reso-
lução do problema de difusão/reacção com n = 1, quando se aumenta o número de funções de
aproximação (n > 1) observa-se que o método de Galerkin apresenta muito mais dificuldades
analíticas do que o método de colocação. De facto, com excepção do método de colocação,
todos os outros métodos de resíduos ponderados requerem uma integração da forma∫V
R(x)w(x) dx, (109)
que pode exigir a integração numérica se a integração analítica for impossível ou difícil de
determinar.
A precisão do método de colocação pode ser melhorada se os pontos de colocação forem
judiciosamente escolhidos. No caso do problema de difusão/reacção, observemos o integral que
define a variável macroscópica que nos interessa:
η =
∫ 1
0y(x) dx,
(dydx
)x=0= 0, y(1) = 1. (110)
Suponha-se que se utiliza uma fórmula de quadratura para calcular este integral numericamente;
uma fórmula de quadratura não é mais do que a média ponderada dos valores da função a inte-
grar em determinados pontos do intervalo de integração. No caso presente, podemos escrever a
quadratura da seguinte forma:
η =
∫ 1
0y(x) dx ≈
m∑k=1
αky(xk) + αm+1y(1); 0 ≤ x1 < x2 < . . . < xm < 1. (111)
Quantos mais pontos foram incluídos na fórmula mais precisa ela será. É por este motivo que
incluí o ponto x = 1 no conjunto de pontos de quadratura; para x = 1 conhece-se o valor
analítico da solução, por isso é um ponto extra que se obtém de borla: seria um desperdício não
o incluir.
O problema que se coloca agora é: quais deverão ser os valores dos coeficientes αk e dos
pontos de quadratura xk para que a fórmula seja o mais precisa possível. Considere-se a fórmula
de quadratura mais simples, com um único ponto interno de quadratura:
η = α1y(x1) + α2y(1). (112)
Esta fórmula de quadratura tem 3 incógnitas: α1, α2 e x1; são, portanto, necessárias três equações
para as determinar. Se a solução fosse constante em todo o domínio, isto é, y(x) = 1, a aplicação
da fórmula de quadratura originaria:
η = (α1)(1) + (α2)(1) = 1 → α1 + α2 = 1. (113)
24
EngIQ - Engenharia de Processos e Sistemas
Já temos a primeira equação. Suponha-se aqora que o perfil de concentração é um polinómio de
segundo grau:
y(x) = 1 + a1(1 − x2). (114)
Se a fórmula de quadratura for válida para y(x) = 1 e y(x) = 1−x2 então ela será necessariamente
válida para y(x) = 1 + a1(1 − x2) por ser uma combinação linear dos polinómios anteriores. Por
uma questão de simplicidade usar-se-á então y(x) = 1 − x2. Aplicando a fórmula de quadratura
ao integral obtém-se ∫ 1
0y(x) dx = 2/3 = (α1)(1 − x2
1) + α2(1 − 12) (115)
2/3 = (α1)(1 − x21) (116)
Já temos a segunda equação.
Para obter a terceira equação considere-se y(x) = 1 − x4; se a fórmula de quadratura for
válida para y(x) = 1, y(x) = 1− x2 e y(x) = 1− x4, então ela será válida para qualquer polinómio
do tipo y(x) = 1 + a1(1 − x2) + a2(1 − x4). Para y(x) = 1 − x4, obtém-se∫ 1
0y(x) dx = 4/5 = (α1)(1 − x4
1) + (α2)(1 − 14) (117)
4/5 = (α1)(1 − x41) (118)
Agora já temos o conjunto de equações necessárias para a determinação de α1, α2 e x1:
α1 + α2 = 1 (119)
(1 − x21)α1 = 2/3 (120)
(1 − x41)α1 = 4/5 (121)
A solução deste sistema de equações é:
x1 = 0.44721, α1 = 0.83333, α2 = 0.16667. (122)
Voltemos, agora, a resolver o problema de difusão/reacção pelo método de colocação com
n = 1 e x1 = 0.44721 em vez de x1 = 0.5. Anulando o resíduo neste ponto obtém-se
R(x1) = −2a1 − ϕ2[1 + a1(1 − x21)] = 0 → a1 = −
ϕ2
2 + ϕ2(1 − x21)= −0.35714. (123)
Magia da magias, −0.35714 = −10/28 que é precisamente o valor obtido pelo método de
Galerkin!!! (Conseguem perceber porquê?) Conseguimos melhorar a precisão do método de
colocação ortogonal através da escolha judiciosa do ponto de colocação.
25
EngIQ - Engenharia de Processos e Sistemas
O ponto x1 = 0.44721 funcionou bem porque ele é um zero de um polinómio de Jacobi
específico que está relacionado com o problema em questão. O polinómio de Jacobi de grau N
tem um seguinte representação em série de potências:
J(α,β)N (x) =
N∑i=0
(−1)N−iγN,ixi, (124)
com γN,0 = 1. Os coeficientes γN,i são constantes e α e β caracterizam o tipo de polinómio.
Os polinómios de Jacobi pertencem a uma classe de polinómios ortogonais porque satisfa-
zem a seguinte condição de ortogonalidade no domínio [0, 1]:∫ 1
0[xβ(1 − x)α]J(α,β)
j (x)J(α,β)N (x) dx = 0 (125)
para j = 0, 1, 2, . . . , (N − 1), isto é, todos os polinómios de Jacobi são ortogonais a todos os
outros exceptuando a eles próprios (isto é, quando j = N).
Pode demonstrar-se que o polinómio J(α,β)N (x) tem exactamente N zeros distintos todos eles
localizados no intervalo [0, 1]. Se o domínio do sistema PDE a resolver, por exemplo x ∈ [a, b],
for convertido no domínio [0, 1] através da mudança de variável
x′ = (x − a)/(b − a), (126)
então pode demonstrar-se que os zeros do polinómio J(α,β)N (x) são excelentes pontos de coloca-
çãoo para resolução da PDE pelo métodos dos resíduos ponderados. Em apêndice lista-se vários
tipos de polinómios ortogonais.
Para ver como surge o ponto x1 = 0.44721, note-se primeiro que os polinómios de Jacobi são
séries de polinómios com potências impares e potências pares de x. No entanto, no problema que
temos usado como exemplo, a função de aproximação é a soma de polinómios com potências
pares de x. Para poder utilizar-se uma função de aproximação envolvendo polinómios com
potências impares e pares de x pode fazer-se a seguinte substituição de variável: z = x2. Obtém-
se:dydx=
dzdx
dydz= 2√
zdydz,
d2ydx2 =
dzdx
ddz
(dydx
)= 4z
d2ydz2 + 2
dydz. (127)
Aplicando estas transformações nas eqs. 9–11, obtém-se
4zd2ydz2 + 2
dydz− ϕ2y = 0, (128)
y = 1 para x = 1. (129)
26
EngIQ - Engenharia de Processos e Sistemas
A condição fronteira (dy/dx)x=0 = 0 é automaticamente satisfeita pela transformação de variá-
vel, z = x2, pelo não necessita de ser incluída. O factor de eficiência é
η =
∫ 1
0y(x) dx = 2
∫ 1
0y(z)z1/2 dz. (130)
Comparando este integral com a condição de ortogonalidade, dada pela eq. 125, conclui-se que
factor de ponderação comum a ambos os integrais é obtido para α = 0 e β = 1/2. Se utilizarmos
um ponto interior de colocação, o integral é dado por uma fórmula de quadratura idêntica à da
eq. 111:
η = 2∫ 1
0y(z)z1/2 dz ≈ 2
m∑k=1
z1/2k αky(zk) + 11/2αm+1y(1); 0 ≤ z1 < z2 < . . . < zm < 1. (131)
Um quadratura que inclui um dos pontos da fronteira do domínio de integração, denomina-
se quadratura de Radau (ver apêndice E.6); os pontos óptimos de quadratura são os zeros do
polinómio de Jacobi J(Nα, β+1)(x) (ver tabela 12.2 no apêndice). No caso presente, estamos inte-
ressados no zero do polinômio J(10, 3/2)(x). Procurando em Tabelas desses polinómios, obtém-
se z1 = 0.2, α1 = 0.83333 e α2 = 0.16667. Como z = x2, o ponto de colocação equivalente
na coordenada x será x1 =√
(z) = 0.44721; este ponto é idêntico ao que tinhamos obtido
anteriormente.
3 Solução de sistemas mistos de equações diferenciais ordinárias ealgébricas
Um sistema misto de equações diferenciais ordinárias e algébricas pode ser escrito na seguinte
forma genérica:
F(x, y, y′, t) = 0 (132)
G(x, y, t) = 0, (133)
em que y = (y1, . . . , yn) é um conjunto de variáveis diferenciais, y′ é uma notação condensada
para dy/dt, e x = (x1, . . . , xm) é um conjunto de m variáveis algébricas. Este sistema diferencial
necessita de n equações iniciais:
H(x0, y0, y′0) = 0 para t = 0. (134)
Em muitos casos o sistema é puramente diferencial, isto é, m = 0, e para além disso
F(y, y′, t) = 0 pode ser reescrita numa forma explicita em ordem a y′:
y′(t) = f(t, y(t)), y(0) = y0. (135)
27
EngIQ - Engenharia de Processos e Sistemas
Certamente devem ter aprendido métodos de Runge-Kutta explícitos para a resolução da
Eq. 135. Por exemplo, o método de Runge-Kutta-Gill corresponde ao seguinte esquema de
integração, em que conhecido o valor de y para o instante tn, isto é yn = y(tn), se pretende
avançar a solução para o instante de tempo tn+1 = tn + h.
yn+1 = yn +16
(k1 + k4) +13
( bk2 + dk3), (136)
em que
k1 = h f(tn, yn) (137)
k2 = h f(tn +
h2, yn +
12
k1
)(138)
k3 = h f(tn +
h2, yn + ak1 + bk2
)(139)
k4 = h f(tn + h, yn + ck2 + dk3) (140)
com
a =
√2 − 12, b =
2 −√
22, c = −
√2
2, d = 1 +
√2
2. (141)
Os métodos explícitos não são frequentemente utilizados na integração de modelos dife-
renciais em Engenharia Química porque os métodos explícitos não são incondicionalmente
estáveis. Por esta razão, vou-me concentrar na resolução do sistema DAE dado na Eq. 132.
O método mais simples é o método implícito de Euler. Este método decorre directamente da
aproximação de dy/dt em série de Taylor dada na Eq. 20 e que se reproduz em seguida:
y(x − ∆x) = y(x) − dy(x)dx∆x + O(∆x2). (142)
Desta expressão decorre imediatamente que
y′n+1 =yn+1 − yn
h+ O(h). (143)
Portanto, para determinar xn+1 e yn+1 em tn+1 = tn + h, conhecidos xn e yn, resolve-se o sistema
algébrico
F(xn+1, yn+1,
yn+1 − yn
h, tn+1
)= 0 (144)
G(xn+1, yn+1, tn+1) = 0. (145)
Este método é incondicionalmente estável, mas exige a resolução de um sistema de equações
algébricas que em muitos casos são não lineares. A desvantagem do método é ser um método
de 1ł ordem.
28
EngIQ - Engenharia de Processos e Sistemas
Um método de 2ł ordem estável, muito utilizado, é o método dos trapézios também conhe-
cido por método de Crank-Nicholson. Das várias diferenças finitas apresentadas anteriormente,
é fácil deduzir a seguinte fórmula:
y′n+1/2 =
(dydt
)tn+1/2
=yn+1 − yn
h+ O(h2). (146)
Esta equação é idêntica à eq. 143 mas há uma diferença fundamental: a eq. 143 aproxima dy/dt
para tn+1 = tn + h; a eq. 146 aproxima dy/dt para tn+1/2 = tn + h/2. Por isso é que a eq. 143 é
uma aproximação de 1ł ordem, enquanto que a eq. 146 é uma aproximação de 2ł ordem. Para
resolver o sistema 132 em tn+1/2 é necessário ter expressões para xn+1/2 e yn+1/2. É fácil deduzir
que as seguintes fórmulas:
xn+1/2 =xn + xn+1
2+ O(h2), yn+1/2 =
yn + yn+1
2+ O(h2). (147)
Estas fórmulas são consistentes com a aproximação de 2ł ordem dada na eq. 146. Resumindo,
para se calcular a solução no instante de tempo tn+1 usando o método de Crank-Nicholson
resolve-se o seguinte sistema de equações algébricas:
F(xn + xn+1
2,
yn + yn+1
2,
yn+1 − yn
h, tn+1/2
)= 0 (148)
G(xn + xn+1
2,
yn + yn+1
2, tn+1/2
)= 0. (149)
Actualmente, os métodos de integração mais usados são os métodos implícitos de ordem
variável e passo variável baseados nas fórmulas BDF de diferenciação de Gear. Sucintamente,
y′n+1 é aproximado pela diferenciação do polinómio que interpola yn+1 e os valores da solução
nos k passos de integração anteriores. Por exemplo, o polinómio que interpola yn+1 e yn é
p1(t) = yn +yn+1 − yn
h(t − tn). (150)
A diferenciação dá directamente a fórmula implícita de Euler:
y′n+1 =yn+1 − yn
h. (151)
Portanto a fórmula BDF de primeira ordem é equivalente ao método implícito de Euler.
Para deduzir uma fórmula de 2ł ordem, determina-se o polinómio que interpola yn+1, yn e
yn−1. O resultado é
p2(t) = yn +yn+1 − yn
h(t − tn) +
yn−1 − 2yn + yn+1
2h2 (t − tn)(t − tn+1) (152)
29
EngIQ - Engenharia de Processos e Sistemas
Diferenciando este polinómio em tn+1 obtém-se
y′n+1 =yn+1 − yn
h+
yn−1 − 2yn + yn+1
2h. (153)
Em qualquer caso, o sistema algébrico que é necessário resolver para calcular a solução no
instante tn+1 é do tipo
F(xn+1, yn+1, αyn+1 + w, tn+1) = 0 (154)
G(xn+1, yn+1, tn+1) = 0, (155)
em que α e w são constantes que variam de passo para passo.
30