Dissertacao Gabriel

MINISTRIO DA DEFESA
EXRCITO BRASILEIRO
DEPARTAMENTO DE CINCIA E TECNOLOGIA
INSTITUTO MILITAR DE ENGENHARIA
(Real Academia de Artilharia, Fortificao e Desenho, 1792)
PROGRAMA DE PS-GRADUAO EM ENGENHARIA DE DEFESA
DISSERTAO DE MESTRADO
ESTUDO COMPARATIVO ENTRE MTODOS RUNGE-KUTTA EXPLCITO, IMPLCITO

E IMEX COM PRESERVAO DE ESTABILIDADE NUMRICA NO-LINEAR
Aluno: GABRIEL DE MORAES

Nmero de matrcula: ED 11306
Orientador: Leonardo Santos de Brito Alves Ph. D.
rea de concentrao: Engenharia de Defesa
Linha de pesquisa: Modelagem e Simulao em Sistemas de Defesa
Data da aprovao da dissertao da Seo de Ensino:

Rio de Janeiro - RJ, 03/02/2014.
GABRIEL DE MORAES
ESTUDO COMPARATIVO ENTRE MTODOS RUNGE-KUTTA

EXPLCITO, IMPLCITO E IMEX COM PRESERVAO DE
ESTABILIDADE NUMRICA NO-LINEAR
Dissertao de mestrado apresentada ao curso de Psgraduao em Engenharia de Defesa (PGED) do Instituto

Militar de Engenharia, como requisito parcial para a obteno do ttulo de Mestre em Engenharia de Defesa.
Orientador: Leonardo S. de B. Alves, Ph.D.
Rio de Janeiro
2014
c2014

Praa General Tibrcio, 80-Praia Vermelha
Rio de Janeiro-RJ CEP 22290-270
Este exemplar de propriedade do Instituto militar de Engenharia, que poder inclu-lo em base
de dados, armazenar em computador, microfilmar ou adotar qualquer forma de arquivamento.
permitida a meno, reproduo parcial ou integral e a transmisso entre bibliotecas deste

trabalho, sem modificao de seu texto, em qualquer meio que esteja ou venha a ser fixado,
para peqsquisa acadmica, comentrios e citaes, desde que sem finalidade comercial e que
seja feita a referncia bibliogrfica completa.
Os conceitos expressos neste trabalho so de responsabilidade do autor e do orientador.
620.1
5235a
Moraes, Gabriel de
Estudo Comparativo entre Mtodos Runge-Kutta
Explcito,Implcito e IMEX com preservao de estabilidade
no linear / Gabriel de Moraes; orientado por
Leonardo Santos de Brito Alves. Rio de Janeiro:
Instituto Militar de Engenharia, 2014.
xxp.: il.
Dissertao (mestrado) Instituto Militar de Engenharia.
Rio de Janeiro, 2014.
1. Engenharia de Defesa. 2. Estabilidade Numrica
3. Strong Stability Preserving. 4. Runge Kutta.
I. Alves, Leonardo Santos de Brito. II. Instituto Militar
de Engenharia.
CDD 620.1

Programa de Ps-graduao em Engenharia de Defesa
Dissertao de mestrado apresentada ao curso de Ps-graduao em Engenharia de Defesa

(PGED) do Instituto Militar de Engenharia, como requisito parcial para a obteno do ttulo de
Mestre em Engenharia de Defesa.
Aprovada em 03 de Fevereiro de 2014 pela seguinte Banca Examinadora:
Leonardo S. de B. Alves, Ph.D. - UFF
Itamar Borges Jr., D.Sc. - IME
Paulo Fernando Ferreira Rosa, D.Sc. - IME
Luiz Eduardo Bittencourt Sampaio , D.Sc. - UFF
Rio de Janeiro
2014
AGRADECIMENTOS
Ao orientador Leonardo Alves, pelos ensinamentos que renderam um grande crescimento

pessoal e profissional.
A todos do Laboratrio de Motores e Propulso (LMP), do Instituto Militar de Engenharia,
em especial aos amigos Francisco Eduardo, Kledson Flvio, Ricardo Dias e Renan Teixeira sem
o qual esse trabalho no seria possvel.
A todos do Laboratrio de Mecnica Terica e Aplicada (LMTA), da Universidade Federal
Fluminense. Ao amigo Ricardo Figueiredo, pelos conselhos, apoio e confiana. Ao Instituto
Militar de Engenharia e aos professores Itamar Borges e Paulo Rosa pelo amplo suporte e
exemplar dedicao ao programa de Ps-Graduao em Engenharia de Defesa do IME.
Juliana Pepeu, pelo amor incondicional e por ser uma grande companheira compreensiva e presente em todos os momentos. minha famlia, pela incessante motivao, apoio e
confiana.
Gabriel de Moraes
SUMRIO
LISTA DE ILUSTRAES . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
LISTA DE TABELAS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
LISTA DE SMBOLOS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
1
INTRODUO . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
1.1
Motivao Tecnolgica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
1.2
Motivao Cientfica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
1.3
Objetivo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
FORMULAO NUMRICA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
2.1
Mtodos Strong Stability Preserving . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
2.1.1
Formulao Shu-Osher dos mtodos de Runge-Kutta . . . . . . . . . . . . . . . . . . . . . . . . . 23
2.1.2
Formulao Shu-Osher modificada . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
2.2
Discretizao Espacial: Limitadores de Fluxo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
2.3
Verificao e validao do cdigo computacional . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
2.4
Metodologia para avaliao de eficincia computacional . . . . . . . . . . . . . . . . . . . . . . 28
RESULTADOS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
3.1
Caso teste 01: Equao de Buckley-Leverett . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
3.2
Caso teste 02: Equao de Burgers no viscosa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
3.2.1
Verificao Computacional . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
3.2.2
Estudo de preservao de estabilidade no Linear-Barreira SSP . . . . . . . . . . . . . . . . 38
3.2.3
Estudo comparativo de eficincia computacional . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
3.3
Caso teste 03: Equao de Burgers viscoso . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
3.3.1
Estudo comparativo de eficincia computacional . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
3.4
Caso teste 04: Equao de Buckley-Leverett . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
3.5
Caso teste 05:Equao de Buckley-Leverett viscosa . . . . . . . . . . . . . . . . . . . . . . . . . . 59
3.6
Caso teste 06:Tubo de Choque . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
3.7
Caso teste 07:Propagao de ondas termoacsticas em uma cavidade . . . . . . . . . . . . 65
CONCLUSES E TRABALHOS FUTUROS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
REFERNCIAS BIBLIOGRFICAS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
5
APNDICES . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72
6.1
Apndice 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72
6.2
Apndice 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
6.3
Apndice 3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83
6.4
Apndice 4 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84
LISTA DE ILUSTRAES
FIG.1.1
Bateria
Antiarea
http://goo.gl/w9MlB
composta
por
msseis
Patriot
FONTE:
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
FIG.1.2
Foguete Ariane 5 FONTE: http://goo.gl/Asd1L . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
FIG.2.1
Curvas tpicas na comparao entre eficincia computacional entre mtodos mtodos. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
FIG.3.1
IC_01 : = 0, = 0 Esquerda:Figura 02 JMP 2012, Direita: Soluo

com formulao SSP e semi-analtica MoC. . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
FIG.3.2
IC_02 : = 0, = 0 Esquerda: Figura 06 JMP 2012, Direita: Soluo

com formulao SSP e semi-analtica MoC. . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
FIG.3.3
IC_01 : = 0, = 105 Esquerda: Figura 05 JMP 2012, Direita:

Soluo com formulao SSP. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
FIG.3.4
IC_02 : = 0, = 105 Esquerda:Figura 09 JMP, Direita: Soluo

com formulao SSP . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
FIG.3.5
Perfis de velocidade : burges no viscoso. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
FIG.3.6
Convergncia de malha espacial, burges no viscoso. . . . . . . . . . . . . . . . . . . . . . . 37
FIG.3.7
Verificao de cdigo SSP(2,2) com Superbee. . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
FIG.3.8
Verificao de cdigo SDIRK(1,2) com Superbee. . . . . . . . . . . . . . . . . . . . . . . . . 38
FIG.3.9
Eficincia computacional mtodos explicito x implcito 1,2s burgers no

viscoso. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
FIG.3.10 Eficincia computacional mtodos explicito x implcito 2,4s burgers no

viscoso. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
FIG.3.11 Eficincia computacional mtodos explicito x implcito 4,8s burgers no
viscoso. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
FIG.3.12 Perfis de velocidade : burges viscoso. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
FIG.3.13 Comparativo: Eficincia de CPU Burgers Viscoso 0,1s. . . . . . . . . . . . . . . . . . . . . 50
FIG.3.16 Perfis de velocidade : Buckley-Leverett no viscoso. . . . . . . . . . . . . . . . . . . . . . . 54
FIG.3.17 Comparativo: Eficincia de CPU BL 1,0s. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
FIG.3.20 Soluo Buckley-Leverett viscoso . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59
7
FIG.3.21 Comparativo: Eficincia de CPU . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60

FIG.3.24 Soluo para a massa especfica em t = 0.01s and CF L = 0.1 atravs
da soluo analtica e numrica. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64
FIG.3.25 Soluo numrica para a massa especfica em t = 0.01s and CF L =
0.1 atravs dos mtodos SSP (2,2) e RK2 com discretizao Upwind . . . . . . 64
FIG.3.26 Soluo
numrica
para
massa
especfica
em
[0.25c , 1.0c , 1.5c , 2.0c ] . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66

FIG.3.27 Soluo numrica para a velocidade t = [0.25c , 1.0c , 1.5c , 2.0c ] . . . . . . . . . . 66
FIG.6.1
Reproduo JMP: IC01 : = 0, = 105 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72
FIG.6.2
Reproduo JMP: IC01 : = 0, = 106 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72
FIG.6.3
Reproduo JMP: IC01 : = 0, = 107 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73
FIG.6.4
Reproduo JMP: IC01 : = 0, = 108 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73
FIG.6.5
Reproduo JMP: IC01 : = 0, = 100 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74
FIG.6.6
Reproduo JMP: IC02 : = 0, = 105 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74
FIG.6.7
Reproduo JMP: IC02 : = 0, = 106 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 75
FIG.6.8
Reproduo JMP: IC02 : = 0, = 107 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 75
FIG.6.9
Reproduo JMP: IC02 : = 0, = 108 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 76
FIG.6.10 Reproduo JMP: IC02 : = 0, = 100 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 76

FIG.6.11 Erro obtido no refinamento de malhas espaciais resolvido atravs do
mtodo explcito. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
FIG.6.12 Ordem espacial mtodo explcito. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
FIG.6.13 Erro obtido no refinamento de malhas temporais resolvido atravs do
mtodo explcito. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 78
FIG.6.14 Ordem espacial mtodo explcito. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 78
mtodo implcito. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79
FIG.6.16 Ordem espacial mtodo implcito. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79
mtodo implcito. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80
FIG.6.18 Ordem espacial mtodo implcito. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80
mtodo IMEX. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81
FIG.6.20 Ordem espacial mtodo IMEX. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81

mtodo IMEX. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82
FIG.6.22 Ordem espacial mtodo IMEX. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82
mtodo explcito. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83
mtodo explcito. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83
FIG.6.25 Soluo para a velocidade em t = 0.01s and CF L = 0.1. . . . . . . . . . . . . . . . . . . 84
FIG.6.26 Soluo para a presso em t = 0.01s and CF L = 0.1. . . . . . . . . . . . . . . . . . . . . 84
FIG.6.27 Soluo da presso para os tempos t =[0.25c , 1.0c , 1.5c , 2.0c ] . . . . . . . . . . . . 85
FIG.6.28 Evoluo da presso na parede da direita da cavidade ao longo de 30 s . . . . . . 85
FIG.6.29 Soluo numrica para a temperatura para os tempos caractersticos
t=[0.25,1,1.5,2] . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 86
LISTA DE TABELAS
TAB.3.1
Eficincia computacional no Burgers Viscoso para 1.2 s . . . . . . . . . . . . . . . . . . 46
TAB.3.2
Eficincia computacional Burgers no Viscoso para 2.4 s . . . . . . . . . . . . . . . . . . 46
TAB.3.3
Eficincia computacional Burgers no Viscoso para 4.8 s . . . . . . . . . . . . . . . . . . 47
TAB.3.4
Eficincia computacional em 0.1 s . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
TAB.3.5
TAB.3.6
TAB.3.7
Eficincia computacional Buckley-Leverett no Viscoso para 1.0 s . . . . . . . . . . 56
TAB.3.8
TAB.3.9
TAB.3.10 Eficincia computacional em 1.0 s: Buckley-Leverett viscoso . . . . . . . . . . . . . . 60

10
LISTA DE SMBOLOS
E
Energia interna total por unidade de massa
Coeficiente de transferncia de calor por conveco
Comprimento do meio
Presso
Termo fonte
Temperatura
TL
Temperatura do fluido externo
Condutividade trmica
Nmero de onda modificado
ui
Componentes do vetor velocidade
Viscosidade dinmica
Parmetro de controle dos gradientes, e nmero de pontos na malha espacial
Massa especfica
Cp
Capacidade trmica a presso constante
Coeficiente no linear SSP
11
RESUMO
Diversos problemas complexos em mecnica dos fluidos requerem solues com altas ordens de
preciso. Na tentativa de se aumentar a preciso dos esquemas numricos empregados acabase, geralmente, causando perda de estabilidade tanto linear quando no linear. Nesse contexto,
os mtodos Strong Stability Preserving (SSP) so mtodos capazes de alcanar altas ordens de
preciso temporal enquanto mantm a forte estabilidade do mtodo avanado de Euler que d
origem ao esquema numrico. Essa metodologia desenvolvida basicamente reescrevendo-se
os mtodos multiestgio como uma combinao de passos do mtodo de Euler e limitando-se o
tamanho do passo no tempo empregado. Atualmente, estuda-se o desenvolvimento de mtodos
SSP com maior eficincia, i.e. com maiores coeficientes. Apesar da grande popularidade que
essa classe de mtodos tem conquistado, algumas questes permanecem sem resposta. A forte
estabilidade linear dos mtodos implcitos possibilita o emprego de grandes passos no tempo, o
que representa uma vantagem significante em comparao aos mtodos explcitos. Entretanto,
a limitao no linear do passo no tempo imposta pela metodologia SSP pode tornar os mtodos
implcitos comparativamente ineficientes. Portanto, o presente estudo tem por objetivo principal avaliar comparativamente a eficincia computacional dos mtodos SSP implcitos, explcitos e hbridos implcito-explcito na tentativa de descobrir qual metodologia apresenta maior
eficincia numrica frente a limitao no linear de passo no tempo. Todos os trs esquemas
implementados so de segunda ordem e os termos espaciais foram derivados atravs da tcnica
limitadora de fluxo no linear de segunda ordem e foram testados em sete casos clssicos da
mecnica dos fluidos.
12
ABSTRACT
Several unsteady problems in transport phenomena require highly accurate solutions. Attempts
to increase accuracy order of most numerical schemes, however, often weakens their linear
and/or nonlinear stability. On the other hand, Strong Stability Preserving (SSP) methods are
able to increase their accuracy order in time while still maintaining the overall stability properties of the original forward Euler method from which they were generated. This is achieved
by, among other things, restricting the maximum allowed time step of these schemes. Hence,
most recent studies have focused on developing optimal SSP schemes, i.e., minimally restrictive. Under this context, a significant variety of explicit and implicit formulations for multi-step
and multi-stage marching schemes of different accuracy orders has been created. Despite their
popularity, some open issues still remain. Linear stability of implicit schemes usually allows
very large time steps, making them cost effective for many applications when compared to their
explicit counterparts. Hence, the SSP time step restriction might render these schemes comparatively inefficient. The present study evaluates different explicit, implicit and implicit explicit
SSP time integration schemes for a series of test cases in an attempt to distinguish the most
efficient scheme according to an error / computer time analysis. All three schemes employed a
second order TVD flux limiter discretization for the spatial derivatives and were tested in seven
classic case studies.
13
1 INTRODUO
O desenvolvimento industrial e tecnolgico de um pas comumente associado com a existncia de uma forte indstria de defesa (E.C., 2006). Em mbito nacional, iniciativas como a
publicao da Poltica de Defesa Nacional em 2005 (BRASIL, 2005) e a elaborao do Plano
Estratgico de Defesa Nacional em 2008 (BRASIL, 2008) traaram diretrizes para o desenvolvimento desse setor. A partir de tais resolues, foram implementadas aes estratgicas
com o intuito de reestruturar o setor de defesa e acelerar o crescimento das reas de Cincia,
Tecnologia e Inovao.
Atuando de forma sinrgica com essa nova poltica de Estado, o Exrcito brasileiro (EB),
atravs do Instituto Militar de Engenharia (IME), instituiu o programa de Ps-Graduao em
Engenharia de Defesa (PGED). De forma geral, pode-se definir a Engenharia de Defesa como a
rea da engenharia que trata de todos os ramos relacionados indstria de defesa e aos sistemas
de defesa. um empreendimento multi e interdisciplinar que se desenvolve em um ambiente
transdisciplinar, integra conhecimentos originrios de engenharias, fsica, qumica, biologia e
cincia dos materiais e se configura como uma rea complexa que engloba aspectos de anlise
e sntese relativos ao desenvolvimento, projeto, otimizao, integrao, certificao, avaliao,
operao e logstica de sistemas aplicados defesa (ADES et al., 2010).
Dessa forma, a Engenharia de Defesa abarca conhecimentos de diferentes segmentos da
Engenharia e das Cincias, focando na pesquisa pura e aplicada visando o desenvolvimento de
sistemas de defesa. Os sistemas de defesa, por sua vez, compreendem todos os aparatos tecnolgicos capazes de auxiliar em situaes crticas de conflito ou ameaa soberania nacional.
Fica claro, portanto, que o PGED assume, por princpio bsico, a pesquisa e o desenvolvimento de novas tecnologias, para que essas possam auxiliar tanto as Foras Armadas como
tambm a sociedade. O PGED concentra suas pesquisas e desenvolvimentos na rea de concentrao (AC) de engenharia de defesa, sendo esta composta por trs linhas de pesquisa (LP):
LP1 - Comunicaes e Inteligncia em Sistemas de Defesa
LP2 - Mecatrnica e Sistemas de Armas
LP3 - Modelagem e Simulaes em Sistemas de Defesa
A linha de pesquisa trs (LP3) Modelagem e Simulao em Sistemas de Defesa, na qual
o presente trabalho se enquadra, lida com o emprego de mtodos numricos, modelos matem14
ticos, algoritmos computacionais avanados e computao de alto desempenho para investigar

aspectos dos fenmenos fsicos e qumicos relacionados aos sistemas de defesa (ADES et al.,
2010).
Em consonncia com um dos pr-requisitos bsicos do programa, a multidisciplinaridade,
importante ressaltar que o presente trabalho ser desenvolvido baseando-se em conceitos oriundos das reas de engenharia mecnica atravs do estudo aprofundado de fenmentos relacionados com a mecnica dos fluidos, matemtica aplicada, atravs da utilizao de modelos matemticos e desenvolvimento de mtodos numricos, alm de interesses relacionados defesa
nacional, atravs da aplicao dos mtodos propostos em problemas tpicos aos encontrados
nos sistemas de defesa.
1.1
MOTIVAO TECNOLGICA
Dcadas de pesquisas e investimentos na rea de fluidodinmica computacional (CFD) re-
sultaram no desenvolvimento de inmeras metodologias numricas capazes de solucionar os

mais diversos problemas da engenharia moderna. Atualmente, os pacotes comerciais de CFD
empregados na indstria utilizam, em geral, mtodos de baixa ordem de preciso limitados,
muitas das vezes, a esquemas de segunda ordem (PREMASUTHAN, 2010). Dentre os principais fatores que influenciaram na popularidade dos mtodos de baixa ordem em aplicaes
industriais aponta-se, em especial, a baixa preciso dos resultados requeridos em aplicaes de
engenharia, ou ainda, a necessidade de lidar com problemas complexos, onde a estabilidade numrica passa a ser uma fonte de preocupao. Entretanto, em projetos de engenharia avanada
ou, simplesmente, quando um valor com alta preciso necessrio, os esquemas limitados
segunda ordem de acurcia so inadequados. Esse o caso de estudos relacionados s reas
de receptividade, aeroacstica e turbulncia (ALVES, 2010). Esquemas de baixa ordem no
so capazes de capturar fenmenos com geometrias complexas com preciso e, na tentativa
de utilizar malhas extremamente refinadas para avaliar tais fenmenos, o custo computacional
torna-se proibitivo. Torna-se evidente, portanto, a imperativa necessidade do emprego de mtodos de alta ordem de preciso que sejam capazes de simular escoamentos complexos com
tempos computacionais ao menos equivalentes aos mtodos atuais de baixa ordem.
Nesse contexto, a pesquisa cientfica desenvolvida pelos integrantes da LP3 tem por objetivo criar e aperfeioar mtodos numricos capazes de simular problemas fsicos relacionados
aos sistemas de defesa. Os fenmenos fluido-dinmicos presentes nos sistemas de defesa, apresentam caractersticas fsicas complexas, tais como: a presena de fortes descontinuidades nas
propriedades, pontos de estagnao e elevados gradientes. O estudo de tais fenmenos est dire15
tamente relacionado aos projetos de sistemas de propulso e aerodinmica de msseis, foguetes

e aeronaves (MEDEIROS, 2012).
Em aplicaes industriais, a robustez de um cdigo computacional uma necessidade bsica. Os curtos prazos em que os projetos devem ser desenvolvidos e a limitao oramentria
exigem eficincia das simulaes realizadas, objetivando, com isso, a reduo do retrabalho ou
da necessidade de executar um grande nmero de prottipos para testes.
Outro fator crtico no emprego de cdigos computacionais para simulao de fenmenos
fsicos na indstria a incapacidade tcnica do usurio final de efetuar ajustes nos cdigos
durante eventuais mudanas nas condies fsicas do problema a ser resolvido. A seguir, so
apresentados dois casos de falhas em cdigos computacionais, no robustos, em aplicaes de
defesa, que causaram mortes e enormes prejuzos ao longo das ltimas dcadas.
Em 25 de fevereiro de 1991, durante a guerra do Golfo, um mssil Scud atravessou a bateria
anti-area composta por msseis Patriot em Dharan, Arbia Saudita, provocando a morte de 28
soldados americanos.Aps a investigao do fato, foi concludo que o mal funcionamento do
sistema antimsseis ocorreu devido perda de preciso dos clculos efetuados (SKEEL, 1992).
Tal sistema foi desenvolvido para um cenrio de guerra europeu, concebido para funcionar durante, no mximo, algumas horas antes de ser transportado para uma nova localizao. No
Golfo, esse sistema estava em funcionamento contnuo h mais de 100 horas, provocando perda
de preciso dos clculos efetuados. Tal sistema realizava clculos para a localizao de msseis
com base nos valores de velocidade e de tempo, que eram considerados como nmeros inteiros. A preciso dos clculos estava limitada pelas converses desses inteiros em nmeros reais
computados com 24 bits. A propagao sistemtica de erros durante a operao do sistema
culminou com um atraso de trezentos e quarenta centsimos de segundo, tempo suficiente para
tornar o sistema ineficiente.
FIG. 1.1: Bateria Antiarea composta por msseis Patriot

FONTE: http://goo.gl/w9MlB
16
No evento em questo, foi possvel observar que a modificao das condies de operao
para as quais o sistema foi projetado, colocou em evidncia um modo de avaria crtico que,
anteriormente, no havia sido detectado. Um dos pilares bsicos do desenvolvimento de um
cdigo robusto o controle do acmulo e da propagao de erros numricos.
Outro exemplo da importncia da robustez numrica em sistemas de defesa ocorreu durante
o projeto dos foguetes Ariane 5. Aps uma dcada de pesquisas, desenvolvimentos e investimentos em um projeto de sete bilhes de dlares, a agncia espacial europeia produziu o foguete
Ariane 5, individualmente avaliado em 500 milhes de dlares. Em 4 de junho de 1996, aproximadamente quarenta segundos aps seu lanamento e, acerca de 3700 metros de altitude, o
foguete Ariane 5 explodiu. Investigaes posteriores apontaram que o acidente ocorreu devido
FIG. 1.2: Foguete Ariane 5

FONTE: http://goo.gl/Asd1L
a uma falha na converso de dados da velocidade da plataforma inercial de 64/16 bits causando
um erro de 36,7s no clculo da trajetria do foguete (ROBINSON, 1996).
Ambos os casos apresentados mostram a vital importncia da robustez em um sistema de
defesa. Portanto, em um contexto tecnolgico, um sistema robusto deve ser aquele capaz de
cumprir aos objetivos esperados mesmo que operando em condies adversas.
17
1.2
MOTIVAO CIENTFICA
O mais geral conjunto de leis de governo que descreve o movimento macroscpico de flui-
dos conhecido por equaes de Navier-Stokes. Tais equaes formam um sistema denominado misto hiperblico/parablico, quando os efeitos de compressibilidade so considerados.
Nesse contexto, fica evidente a grande importncia de ser capaz de resolver com eficincia um
conjunto de equaes diferenciais parciais (EDPs) hiperblicas.
Os sistemas de EDPs hiperblicas so empregados rotineiramente para modelar fenmenos
fsicos nos quais o transporte advectivo de substncias importante (RHODES, 2001). Uma
das principais dificuldades observadas durante a soluo numrica de tais equaes a obteno
de perfis descontnuos. Tal comportamento tende a gerar oscilaes esprias e instabilidade
numrica (LEVEQUE, 2005).
A soluo exata da equao hiperblica que modela a adveco de uma substncia se propagando com velocidade mdia sem alterao em seu perfil apresenta a propriedade de variao
total (TV) constante no tempo. A soluo numrica dessa mesma equao, geralmente, no
apresentar variao total constante e, se o mtodo em questo introduz oscilaes soluo,
ento, a variao total dever aumentar com o tempo. Para evitar que tais oscilaes gerem
solues no fsicas, ou ainda, causem instabilidade numrica, mtodos com preservao de estabilidade no-linear que apresentem a propriedade de variao total diminuda (TVD) devem
ser empregados.
Atualmente, vrias abordagens tm sido empregadas no desenvolvimento de tais mtodos,
no-lineares, de ordem superior (PREMASUTHAN, 2010). A maioria dessas abordagens faz
uso de uma tcnica conhecida na literatura por mtodo das linhas que consiste em discretizar,
inicialmente, o sistema de PDEs no espao, para se obter um sistema de ODEs dependentes
somente do tempo. O sistema semi-discreto resultante, por sua vez, temporalmente integrado
utilizando, em geral, o mtodo de Runge-Kutta com forte estabilidade, capaz de preservar propriedades no lineares. Na literatura, essa classe de mtodos recebe o nome de "Strong Stability
Preserving"(SSP).
Strong Stability Preserving methods so mtodos de discretizao temporal capazes de preservar propriedades de estabilidade numrica no-linear como a monotonicidade e variao
total. Essa metodologia tem sido amplamente empregada para resolver escoamentos compressveis[122TK], incompressveis[92TK] e bifsicos. Ao longo dos ltimos anos, essa tcnica foi combinada com uma srie de mtodos de discretizao espacial, como Galerkin descontnuo [23], ENO[13,28,1], WENO[4,19,115,30,77,2,125,91] alm de mtodos espectrais
[114,22,122,123].
18
A primeira metodologia desenvolvida para discretizao temporal com propriedades SSP

foi apresentada em (SHU, 1988) e (SHU e Osher, 1988b), baseados nos conceitos de variao
total diminuda. Os trabalhos em questo foram desenvolvidos atravs do emprego do mtodo
das linhas para tratamento dos termos espaciais e discretizao temporal atravs do mtodo de
Euler. Em (SHU, 1988), alm de um mtodo de Runge-Kutta de primeira ordem foram tambm
analisadas metodologias multipassos. Ainda em (SHU e Osher, 1988b), mtodos Runge-Kutta
SSP de segunda a quinta ordem foram implementados e testes realizados para comprovar a
manuteno de estabilidade numrica no linear.
Atualmente, diversos pesquisadores trabalham no intuito de desenvolver metodologias SSP
mais eficientes, isso tem sido feito, basicamente, atravs da busca por parmetros timos (GOTTLIEB et al., 2009a). Com essa nova classe de mtodos emergindo, um questionando clssico de estabilidade numrica linear sobre a eficincia computacional entre os mtodos implcitos/explcitos voltou a ser pertinente, no entanto, com um vis no-linear.
Em (GOTTLIEB e Shu, 1998), Shu e Gotilieb realizaram um estudo sistemtico de mtodos Runge-Kutta, onde apresentaram parmetros timos para os mtodos de segunda e terceira
ordem de dois e trs estgios respectivamente e, ainda, provaram que no possvel se obter
um mtodo de quatro estgios e quarta ordem com coeficientes no negativos.
O termo "Strong Stability Preserving"(SSP) foi utilizado pela primeira vez em (SHU et al.,
2001). No trabalho em questo, Gotilieb, Shu e Tadmor apresentaram uma reviso de mtodos
multipassos e Runge-Kutta com preservao de estabilidade no linear existentes na literatura.
Todos os artigos at ento, utilizavam, indiscriminadamente, o termo TVD para tcnicas de
integrao espacial e temporal.
Spiteri e Ruuth, em (SPITERI e Ruuth, 2002), desenvolveram uma nova classe de mtodos
Runge-Kutta SSP que empregam um nmero maior de estgios do que a respectiva ordem de
preciso, com isso, conseguiram utilizar maiores coeficientes e, ainda garantiar a propriedade
SSP e, Gotilieb, em (GOTTLIEB e Gottlieb, 2003), obteve parmetros timos para essa nova
metodologia.
Em (SPITERI e Ruuth, 2002), novamente Spiteri e Ruuth provaram que no possvel a
obteno de um mtodo Runge Kutta SSP de quinta ordem com o emprego de coeficientes no
negativos. Nos trabalhos (SPITERI e Ruuth, 2002), (RUUTH. e Spiteri, 2004) e (RUUTH,
2006), os mesmos autores utilizaram a teoria e a otimizao numrica de Shu-Osher para desenvolver metodologias downwind com propriedades SSP.
Kraaijevanger, em (KRAAIJEVANGER, 1991), realizou importantes anlises sobre a limitao de ordem nos mtodos Runge-Kutta SSP otimizados. Em (SPIJKER, 2007), Spijker
apresentou um estudo detalhado sobre a teoria SSP na aplicao de mtodos multiestgios para
19
soluo de equaes no lineares.

A equivalncia entre a teoria de Shu-Osher e da monotonicidade absoluta foram desenvolvidas independentemente por Ferracina e Spijker (FERRACINA e Spijker, 2004), (FERRACINA
e Spijker, 2005) e Higueras (HIGUERAS, 2005). A unificao dessas teorias promoveu a consolidao de um embasamento terico robusto para os estudos sequentes.
Esquemas essencialmente no-oscilatrios (ENO) e essencialmente no-oscilatrio ponderado (WENO) utilizando diferenas finitas e volumes finitos apresentados em (SHU e Osher
(1988a), SHU e Osher (1989) e BALSARA e Shu. (2000)) so exemplos de esquemas espaciais
capazes de preservar propriedades no lineares. Tais metodologias so essenciais para a implementao de um esquema SSP. Em linhas gerais, essa metodologia realiza interpolaes para
obter um estncil numrico capaz de capturar, eficientemente, gradientes severos e descontinuidades. No entanto, o elevado nmero de avaliaes e ponderaes faz com que esses mtodos
requeiram grande demanda computacional, tornando-os pouco eficientes em problemas com
solues suaves.
Da teoria de anlise numrica linear consenso que os mtodos implcitos possuam uma
zona de estabilidade maior que os mtodos explcitos. Tal estabilidade numrica superior possibilita a realizao de simulaes com o emprego de um incremento (passo no tempo) maior,
essa prtica muito vantajosa para a obteno da solues de regime permanente ou quando
se deseja simular problemas transientes rgidos onde o passo no tempo demasiadamente limitado para mtodos condicionalmente estveis. No entanto, o nmero de clculos por iterao
requeridos para resolver a matriz implcita superior ao requerido pelos mtodos explcitos.
Portanto, quando se deseja simular problemas em regime permanente onde o emprego do passo
no tempo pode ser o maior possvel os mtodos implcitos so os mais indicados. Por outro
lado, quando se deseja simular problemas em regime transiente onde a magnitude do erro temporal influenciar na soluo desejada o passo mximo no tempo deve ser limitado e, portanto,
os mtodos explcitos so os mais indicados.
Recentemente, os mtodos hbridos Implcitos-explcitos (IMEX) tm ganhado grande destaque por representar um meio termo entre os mtodos. Atravs do emprego dessa metodologia
possvel resolver parte de uma equao de forma explcita e parte implcita. Isso representa
uma grande vantagem quando deseja-se resolver equaes rgidas contendo termos no lineares.
No entanto, para a simulao de problemas no lineares com a presena de choques e/ou
descontinuidades na soluo, onde o emprego da metodologia SSP necessria, o mesmo entendimento no pode ser replicado. Para manter a estabilidade numrica no linear, uma barreira
SSP deve ser respeitada, com isso, em ( GOTTLIEB et al. (2009b)) questionamentos foram
realizados sobre qual seria a metodologia tima para simular problemas no lineares com o
20
emprego da metodologia SSP. At o presente momento tal questionamento permanece sem resposta.
1.3
OBJETIVO
O presente trabalho tem por objetivo geral realizar um estudo numrico comparativo vi-
sando responder ao questionamento formulado em (GOTTLIEB et al. (2009b)) sobre a eficincia computacional dos mtodos Strong Stability Preserving implcitos, explcitos e implcitosexplcitos (IMEX) sob um contexto no-linear. Para alcanar este objetivo geral, os seguintes
objetivos especficos foram identificados:
Implementao / Avaliao de esquemas SSP timos para a discretizao temporal com
forte preservao de estabilidade numrica.
Implementao / Avaliao de esquemas de discretizao espacial no oscilatrio requeridos para o xito do esquema SSP implementado.
Realizao de casos teste com fortes gradientes e variaes abruptas de propriedades para
avaliao das propriedades SSP.
Anlise comparativa de custo computacional das formulaes explicitas, implcitas e hbridas implcitas-explcitas (IMEX) em cada caso teste estabelecido.
21
2 FORMULAO NUMRICA
2.1
MTODOS STRONG STABILITY PRESERVING

Strong Stability Preserving (SSP) so mtodos de discretizao temporal de alta ordem ca-
pazes de preservar propriedades de estabilidade numrica no-linear. Essa metodologia amplamente empregada para resolver equaes diferenciais parciais hiperblicas, uma vez que os
perfis gerados pela soluo dessas equaes tendem a apresentar variaes abruptas de propriedades e descontinuidades (SHU et al., 2011). Esse conceito pode ser melhor entendido
utilizando o mtodo das linhas, partindo de uma aproximao semi-discreta de uma lei de conversao hiperblica unidimensional
ut + f (u)x = 0
(2.1)
onde u funo de x e t, e a derivada f (u)x , deve ser discretizada atravs de um esquema espacial que ser aqui representada por F (u). Dessa forma, obtm-se uma equao semidiscreta
ut = F (u)
(2.2)
importante perceber que a escolha da tcnica de discretizao espacial aplicada na equao 2.2 determina o tipo de estabilidade que o sistema semidiscreto apresentar. Em seguida,
espera-se discretizar temporalmente esse sistema de forma que as propriedades de estabilidade
no lineares existentes na verso semidiscreta seja mantida. Dessa forma, empregando o mtodo de Euler avanado para discretizao da derivada temporal, obtm-se
un+1 = un + tF (un )
(2.3)
considerando uma metodologia de discretizao espacial capaz de manter alguma propriedade

de estabilidade no linear possvel afirmar que o esquema totalmente discreto obtido em 2.3
tambm apresentar as mesmas propriedades de estabilidade no linear (SHU, 1988). Esse
esquema, no entanto, apresenta somente primeira ordem de preciso temporal. Nesse contexto,
os mtodos SSP so formulaes de altas ordens de preciso capazes de manter a estabilidade
numrica do esquema 2.3. Ou seja, assumindo que um sistema na forma 2.3 discretizado pelo
mtodo de Euler avanado estvel sob alguma norma, semi-norma ou funo convexa
||un+1 || ||un ||
22
(2.4)
ento, um mtodo SSP capaz de manter a mesma estabilidade limitado a uma restrio adicional do passo no tempo alm daquela imposta pela condio de Courant-Friedrichs-Levy (CFL)
t CtF E .
(2.5)
onde C obtido atravs da diviso entre constantes do mtodo empregado.

2.1.1
FORMULAO SHU-OSHER DOS MTODOS DE RUNGE-KUTTA
O primeiro mtodo de Runge-Kutta explicito SSP foi apresentado em (SHU e Osher, 1988a).
No trabalho em questo, Shu e Osher empregaram uma discretizao espacial com variao
total diminuida (TVD) quando empregada em conjunto com o mtodo de Euler avanado. Por
isso, essa metodologia foi inicialmente conhecida como TVD. Entretanto, a grande contribuio
desse trabalho foi a descrio matemtica de como os mtodos de Runge-Kutta podiam ser
reescritos em combinaes de passos do mtodo de Euler. Cada estgio de um mtodo explcito
de Runge-Kutta escrito na forma de Butcher
(i)
= u + t
m
X
aij F (u(j) )
(1 i m)
(2.6)
j=1
(n+1)
= u + t
m
X
bj F (u(j) )
(2.7)
j=1
onde m o nmero de estgios. Essa formulao pode ser reescrita na forma

u(0) = un ,
u(i) =
i1
X
(2.8)
(i,j u(j) + ti,j F (u(j) ))
(1 i m)
(2.9)
j=0
un+1 = u(m)
(2.10)
para mtodos Runge-Kutta, a consistncia exige que
Pi1
k=0
i,k = 1. Dessa forma, se todos os
coeficientes forem no negativos, cada estgio do Runge-Kutta pode ser reescrito como combinaes de um mtodo de Euler avanado, no entanto, com um passo no tempo modificado,
onde, t substitudo por
i,k
t.
i,k
i1
i1

X

X
i,j

(j)
(j)
ku k =
i,j u + ti,j F (u )
i,j u(j) + t
F (u(j) )
i,j
j=0
j=0
(i)
A partir dessa observao, foi possvel elaborar o seguinte teorema (SHU, 1988):
23
(2.11)
Teorema 1: Se um esquema SSP for obtido ao se aplicar o mtodo de Euler avanado

eq.(2.1) sob uma restrio t tF E e ainda se i,j , i,j 0, ento, a soluo obtida por um
mtodo de Runge-Kutta tambm ser SSP sob a restrio:
t C(, )tF E
onde
C(, ) = minij
ij
ij
(2.12)
Essa abordagem pode ser generalizada para todos os mtodos Runge-Kutta. Portanto, existem condies suficientes para desenvolver uma metodologia RKSSP seja ela explcita, implcita ou IMEX desde que a restrio do passo no tempo no seja violada (SHU et al., 2011).
2.1.2
FORMULAO SHU-OSHER MODIFICADA
At o presente momento foram consideradas somente abordagens explcitas, uma vez que
na equao 2.9, cada estgio u(i) funo de u(n) e de estgios anteriores u(1) , u(2) , ..., u(i1) .
Entretanto, pode-se reescrever essa formulao de forma mais geral e, com isso, estender as
futuras anlises tambm para formulaes implcitas. Essa representao foi apresentada na
literatura como formulao de Shu-Osher modificada (FERRACINA e Spijker (2005);HIGUERAS (2005)).
u(i) = i un +
m
X
(i,j u(j) + ti,j F (u(j) ))
(1 i m + 1)
(2.13)
j=0
un+1 = u(m+1)
(2.14)
Reagrupando os termos da expresso anterior na forma

u(i) = i un +
m
X
i,j (u(j) + t
j=0
i,j
F (u(j) ))
i,j
(1 i m + 1)
(2.15)
e considerando que para que o mtodo seja consistente deve respeitar

i u n +
m
X
(1 i m + 1)
i,j = 1
(2.16)
j=0
obtm-se uma combinao convexa de passos de Euler avanado sempre que ij , ij e i forem
positivos. Com isso, possvel generalizar o teorema 1 tambm para esquemas implcitos.
Para melhor ilustrar a formulao de Shu-Osher modificada, reproduzido abaixo um mtodo de Runge-Kutta trapezoidal de dois estgios:
u(1) = un
(2.17)
u(2) = u(1) + tF (u(1) )
(2.18)
24
3
1
1
1
un+1 = u(1) + tF (u(1) ) + u(2) + tF (u(2) )
4
4
4
2
Que pode ser representado na forma

0 0
0 0
1
=
=
=
1 0
1 0
0
1
1
3
1
0
4
4
4
2
2.2
(2.19)
DISCRETIZAO ESPACIAL: LIMITADORES DE FLUXO

Conforme mencionado anteriormente, para que um esquema seja SSP, alm de tcnicas
especficas de discretizao temporal, uma tcnica no oscilatria deve ser empregada para a
discretizao dos termos espaciais. No presente trabalho foram utilizadas as tcnicas limitadoras de fluxo com filtro no linear Superbee (TVD) de segunda ordem para a discretizao
espacial. As tcnicas limitadoras baseiam-se na decomposio dos fluxos de altas ordens na
soma de um fluxo de baixa ordem e um termo de ordem superior. De forma geral, possvel
arbitrar uma funo limitadora de fluxo tal que
hni+1/2 = hnLi+1/2 + ni [hHi+1/2 hLi+1/2 ]
(2.20)
onde hL e hH so funes de fluxo numrico de um esquema conservativo de baixa ordem e de

um esquema de alta ordem respectivamente e a funo ni limitante de fluxo. O objetivo dessa
metodologia desenvolver um esquema onde a funo de fluxo numrico tenha a capacidade
de suavizao do esquema de baixa ordem e a preciso do esquema de alta ordem. O sucesso
dessa metodologia depende, portanto, da definio de um ni adequado de tal modo que esse
termo seja igual a 1 nas regies suaves e aproximadamente 0 nas regies de gradientes elevados
ou descontinuidades. Existem diversas maneiras de se definir a funo limitadora de fluxo, no
presente trabalho foi convencionado ni = (in ) onde in conhecido como um parmetro de
suavidade e pode ser definido como
in =
uni uni1
uni+1 uni
(2.21)
A funo por sua vez dada por uma funo limitadora de fluxo no linear. A seguir podem ser observadas algumas funes limitadoras de fluxo no lineares TVD de segunda ordem:
Minimod : mn () = max[0, min(1, )]
Osher : os () = max[0, min(, )], (1 2); lim os () =
Superbee: sb () = max[0, min(2, 1), min(2, )]
Van Leer: vl () =
+||
1+||
25
2.3
VERIFICAO E VALIDAO DO CDIGO COMPUTACIONAL

Em computao cientfica, a verificao de um cdigo tem por objetivo assegurar que este
represente fielmente o modelo matemtico proposto. A verificao uma etapa fundamental

durante o desenvolvimento de qualquer cdigo computacional. A preciso do resultado numrico obtido durante a simulao de um problema fsico depender de diversos valores arbitrados
durante o desenvolvimento do cdigo, tais como o tipo de discretizao adotado, o grau de
refinamento da malha computacional, as tolerncias adotadas, entre outros. No entanto, independente dos parmetros escolhidos, possvel certificar-se de que o cdigo desenvolvido
est livre de erros de programao, atravs de procedimentos de verificao que utilizam os
resultados obtidos pelo prprio cdigo implementado. Por outro lado, a validao do cdigo
computacional e do modelo matemtico proposto analisa se estes so capazes de reproduzir de
forma aceitvel o comportamento do fenmeno fsico que se deseja simular (OBERKAMPF e
Roy, 2010).
A anlise da ordem de erro do mtodo programado um rigoroso critrio de verificao,
onde possvel analisar no somente a convergncia da soluo numrica, como tambm se o
erro de discretizao reduz, com a mesma taxa da ordem terica do mtodo, quando a malha
espacial e/ou temporal refinada. A ordem terica de um cdigo definida atravs de anlise
da ordem do erro de truncamento que surge durante a discretizao. J a ordem real do cdigo
programado pode ser calculada por um procedimento prtico, onde deve ser avaliado se a taxa
com que o erro de discretizao decresce condizente com a ordem terica do mtodo. Atravs
da anlise de ordem, possvel identificar diversas fontes de erros que possam existir na programao do cdigo implementado. Uma fonte comum de erro durante o desenvolvimento de
um cdigo computacional ocorre nos contornos do domnio, devido imposio de condies
equivocadas. Com a anlise de ordem, possvel verificar se as condies de contorno impostas
esto coerentes com o problema simulado, gerando, com isso, uma soluo de mesma ordem
em todo o domnio (SALARI, 2000).
De forma geral, pode-se dizer que a verificao da ordem de preciso de um cdigo analisa
se as equaes governantes esto sendo resolvidas de forma correta, enquanto que a validao demonstra que as equaes a serem resolvidas representam, com fidelidade, o fenmeno
fsico em questo. Desta forma, fica claro que se deve realizar a verificao do cdigo antes
da validao, uma vez que um cdigo no verificado pode produzir resultados insatisfatrios,
devido a algum erro de programao ou, simplesmente, por terem sido utilizados parmetros
insuficientemente rigorosos durante a soluo numrica.
Segundo SALARI (2000), um mtodo frequentemente empregado para calcular a ordem de
26
preciso da soluo gerada por um cdigo computacional consiste em executar o cdigo em

questo para trs malhas consecutivamente refinadas. Selecionando-se duas solues, calculase o erro entre as mesmas considerando a soluo obtida pela malha mais refinada como uma
soluo exata. Repete-se o procedimento realizado, utilizando uma nova soluo e uma das
duas solues j empregadas. Com isso, possvel calcular o erro de discretizao em funo
de h, sendo este parmetro a distncia entre os pontos na malha para o clculo da ordem espacial
ou o tamanho do passo no tempo para o clculo da ordem temporal.
Portanto, para qualquer mtodo discreto, sabe-se que a ordem do erro da soluo uma
funo de h, ou seja:
E E(h)
(2.22)
Sabendo que o erro de truncamento em uma discretizao da ordem de hp , sendo p a ordem

terica da discretizao empregada, para duas malhas consecutivamente refinadas tem-se:
EM alha1 EM alha2 O(hp )
(2.23)
p
h
(2.24)
EM alha2 EM alha3 O
r
sendo r o refinamento empregado na malha. O produto entre os erros descritos acima dado
por:
EM alha1 EM alha2
= rp
(2.25)
EM alha2 EM alha3
Com isso, a ordem real do cdigo implementado pode ser obtida conforme a equao (2.26).
Entretanto, cabe ressaltar que no existe uma maneira nica para clculo da ordem, podendo
ser usadas outras frmulas.

EM alha1 EM alha2
log
EM alha2 EM alha3
p=
(2.26)
log(r)
Quando a ordem calculada menor que a ordem terica do mtodo, deve-se rever a programao em busca de possveis erros no cdigo. Nos casos em que a ordem real calculada
igual ou aproximadamente igual ordem terica, aps alguns testes com diferentes malhas,
significa que a ordem do cdigo programado foi verificada com sucesso. Um cdigo com ordem real verificada deve ser, por fim, validado para que seja considerado confivel. Os casos
teste simulados no presente trabalho so problemas clssicos do estudo de mecnica dos fluidos e apresentam soluo analtica. Portanto, no ser uma preocupao a obteno de dados
experimentais para validao dos cdigos computacionais desenvolvidos.
27
2.4
METODOLOGIA PARA AVALIAO DE EFICINCIA COMPUTACIONAL

Para avaliar o impacto da limitao no linear do passo no tempo, foram desenvolvidos no
presente trabalho estudos sobre eficincia computacional de cada mtodo implementado. Esse
estudo consiste em realizar sucessivas rodadas de simulaes, sempre com o mesmo tempo fsico final, no entanto, com diferentes valores de passo no tempo. Portanto, partindo do passo
mximo permitido pela barreira no linear, realiza-se sucessivos refinamentos na malha temporal. Para cada valor de passo no tempo, um par ordenado de erro/tempo computacional obtido.
Consequentemente, quanto menor o passo no tempo, maior ser o tempo computacional necessrio para alcanar o tempo final estipulado, no entanto, menor ser o erro agregado a essa
soluo. Abaixo possvel visualizar a essncia da anlise: Na figura 2.1 possvel observar as
10-1
A
B
C
10-2
L Error
10-3
10-4
10
-5
10
-6
10
-7
10
-1
10
CPU Time (s)
10
FIG. 2.1: Curvas tpicas na comparao entre eficincia computacional entre mtodos mtodos.
curvas de custo computacional de dois mtodos hipotticos A, B e C. De forma geral, pode-se
extrair a informao de qual mtodo apresenta melhor eficincia traando uma reta paralela ao
eixo das abscissas partindo de um valor de erro considerado aceitvel para a simulao. A curva
que estiver mais prxima do eixo das ordenadas ser cortada primeiro, ou seja, ser necessrio
um tempo computacional menor para realizar tal simulao. No exemplo dado na figura 2.1 no
ponto onde as curvas dos mtodos A e B se cortam os mtodos apresentam a mesma eficincia
computacional, ou seja, ambos os mtodos necessitam do mesmo tempo computacional para
gerar solues com o mesmo erro. No entanto, importante perceber que a escolha do mtodo
mais eficiente vai depender da tolerncia imposta pelo usurio.
28
3 RESULTADOS
Para alcanar os objetivos estabelecidos no captulo inicial do presente trabalho, foram realizados, basicamente, dois tipos de anlise. Inicialmente, foi realizada a reproduo de um caso
teste apresentado em MENG et al. (2012) visando demonstrar a grande importncia do emprego
de mtodos SSP na simulao de escoamentos com gradientes abruptos ou descontinuidades e,
posteriormente, foram realizados quatro casos-teste com anlises comparativas de eficincia entre os mtodos implcitos, explcitos e IMEX uma vez que o passo no tempo deve ser limitado
pela barreira SSP. Para tal, foram considerados trs mtodos SSP com estabilidade linear L2 de
segunda ordem de preciso temporal.
Explcito de dois estgios (SHU et al., 2001),
0 0
=
0
0
1
0 2
0 0
=
1
0
1
0 2
=
1
0 0
1
=
0
2
0 1
=
1
0
1
2
SDIRK (GOTTLIEB et al., 2009a),
0 0
=
0
0
0 1
Implcito-Explcito (PARESCHI e Russo, 2005),
0 0
1 2
=
=
1
0
1
2
1
2
1
2
29
1
2
=
1
onde = 1
1
2
Para discretizao espacial, foram utilizados esquemas limitatores de fluxo com filtro Superbee no-linear de segunda ordem. Com isso, os fluxos no viscosos de segunda ordem foram
reescritos como uma soma de um fluxo de baixa ordem e um fluxo de ordem superior limitado
pelo filtro superbee. Para fluxos negativos:
+3ui 4ui1 + ui2
2x
(3.1)
1
sb1
sb2
(ui ui1 ) +
(ui ui1 )
(ui1 ui2 )
x
2x
2x
(3.2)
u
x =
=+
para fluxos positivos:

3ui + 4ui+1 ui+2
2x
(3.3)
sb1
sb2
1
(ui+1 ui )
(ui+1 ui ) +
(ui+2 ui+1 )
x
2x
2x
(3.4)
u+
x =
=
onde
sb () = max[0, min(2, 1), min(2, )]
(3.5)
Todos os casos teste foram simulados em um computador pessoal Intel(R) Core(TM) i72670QM CPU @2.20GHz, 8GB de memria RAM compilados em plataforma Linux-Ubuntu
12.05. O primeiro caso teste apresentado a seguir tem por objetivo demonstrar a grande importncia da utilizao de um esquema SSP para simulao de problemas com descontinuidades
e/ou variao abrupta de propriedades. Para tanto, o caso teste selecionado trata da reproduo
dos resultados apresentados em MENG et al. (2012) onde oscilaes numricas foram erroneamente tratadas como um fenmeno fsico. Uma carta de correo foi enviada revista em
questo com uma detalhada explicao dos equvocos cometidos na publicao.
30
3.1
CASO TESTE 01: EQUAO DE BUCKLEY-LEVERETT

A equao de Buckley-Leverett (BL) usualmente empregada na modelagem de escoamen-
tos bifsicos em meios porosos (LEVEQUE (2007)). Em termos numricos, trata-se de uma
equao diferencial parcial hiperblica no linear. Devido sua natureza matemtica, a soluo
dessa equao tende a apresentar choques e descontinuidades, condies ideais para testar as
propriedades SSP.
Em sua forma mais simples, a equao de BL pode ser escrita na seguinte forma:
t u + x (f (u)) = 0,
onde f (u) =
u2
u2 +M (1u)2
(3.6)
M > 0.
Adicionando efeitos viscosos sua formulao, obtm-se

t u + x f (, u) = xx u.
(3.7)
Conforme descrito anteriormente, a equao de Buckley-Leverett usualmente empregada para

modelar escoamentos bifsicos em meios porosos e, em sua forma mais geral possvel considerar tal escoamento com porosidade varivel. Para isso, um termo transiente adicionado
equao (3.7), com isso, chega-se na forma
t u + x f (, u) = xx u + xxt u
onde f (, u) =
u2
,
u2 +M (u)2
(3.8)
0 u , M > 0.
Para avaliar a capacidade do mtodo SSP de resolver o escoamento sem o surgimento de

oscilaes esprias, foram realizadas diversas rodadas de testes com as condies iniciais extradas de MENG et al. (2012):
IC_01 : u(x, 0) = 1 0.4exp(10(x 5)2 ),
0 x 10,
(3.9)
IC_02 : u(x, 0) = 1 0.9exp(10(x 5)2 ),
0 x 10,
(3.10)
sendo M = 1.
Estudos realizados:
IC_01 : = 0,
= 105 , 106 , 107 , 108
IC_01 : = 105 , = 105
(3.11)
(3.12)
(3.13)
31
IC_02 : = 0,
= 105 , 106 , 107 , 108
IC_02 : = 105 , = 105
(3.14)
(3.15)
(3.16)
A seguir so apresentados dois grficos para cada condio inicial descrita acima, no entanto, todos os grficos existentes em MENG et al. (2012) foram reproduzidos e podem ser
encontrados no APNDICE 2. Para cada figura apresentada a seguir pode-se perceber sempre o
grfico original a direita e na esquerda, os grficos desenvolvidos com a finalidade de comparar
as solues obtidas por cada metodologia. Para reproduzir os resultados exatamente como apresentados em MENG et al. (2012), foi implementado o mesmo esquema numrico utilizado pelo
autor em questo, RK4 com uma discretizao centrada de quarta ordem no espao. Alm disso,
uma metodologia SSP explcita de segunda ordem em conjunto com uma tcnica limitadora de
fluxo para as derivadas espaciais foi implementada para demonstrar a grande importncia de se
utilizar a metodologia capaz de previvir oscilaes numricas.
Para ter certeza que o mtodo foi implementado corretamente e o esquema escolhido capaz
de reproduzir o fenmeno com preciso, a soluo semi-analtica da equao de BL foi obtida
atravs do mtodo das caractersticas. Com isso, possvel perceber na figura 3.1 e 3.2 que o
cdigo SSP foi capaz de reproduzir a soluo da equao de BL com preciso sem oscilaes
numricas. A soluo atravs do mtodo RK4 utilizado em MENG et al. (2012) apresentou
severa oscilao numrica causando perda de preciso na soluo para a segunda condio
inicial como pode ser observado na figura 3.2.
FIG. 3.1: IC_01 : = 0, = 0

Esquerda:Figura 02 JMP 2012, Direita: Soluo com formulao SSP e semi-analtica MoC.
32
FIG. 3.2: IC_02 : = 0, = 0

Esquerda: Figura 06 JMP 2012, Direita: Soluo com formulao SSP e semi-analtica MoC.
Nas figuras 3.3 e 3.4 os efeitos viscosos so considerados e, novamente, possvel perceber
que o mtodo SSP foi capaz de reproduzir o fenmeno fisico com preciso enquanto que o
mtodo no SSP utilizado em MENG et al. (2012) obteve perfis com severa oscilao numrica
e m convergncia para a segunda condio inicial como pode ser observado na figura 3.4.
FIG. 3.3: IC_01 : = 0, = 105

Esquerda: Figura 05 JMP 2012, Direita: Soluo com formulao SSP.
Dos resultados apresentados nesse primeiro caso teste possvel perceber a grande importncia de se empregar um esquema SSP para simular problemas com variao abrupta de
propriedades e/ou descontinuidades. Tendo em mente a grande importncia dessa classe de
mtodos, o restante deste captulo dedicado a investigao numrica com fim de comparar a
33
FIG. 3.4: IC_02 : = 0, = 105

Esquerda:Figura 09 JMP, Direita: Soluo com formulao SSP
eficincia computacional entre mtodos implcitos, explcitos e IMEX considerando a restrio
no linear de passo no tempo.
34
3.2
CASO TESTE 02: EQUAO DE BURGERS NO VISCOSA

O segundo caso-teste apresentado consiste na soluo da equao no viscosa de Burges. A
equao de Burgers uma equao diferencial parcial no-linear do tipo conveco-difuso e

considerada como uma forma simplificada das equaes de Navier-Stokes para os casos em
que o gradiente da presso pode ser desprezado. Para o caso no viscoso, escreve-se
ut + f (u)x = 0,
onde f (u) =
u2
.
2
(3.17)
Para o primeiro caso teste realizado foram adotadas condies de contorno
peridicas e, a condio inicial

u(x, 0) =
1 1
sin(x).
2 4
(3.18)
O termo advectivo da equao de Burgers no-linear d origem a uma onda de choque que
se propaga com sentido determinado pelo mdulo da velocidade. Portanto, esse modelo traz
diversas oportunidades para estudo das propriedades SSP. Outra implementao interessante
nesse caso teste foi o uso de condies de contorno peridicas, uma vez que o emprego de tais
condies torna possvel avaliar resultados com longos tempos de simulao sem a necessidade
do emprego de um domnio demasiadamente extenso.
As simulaes foram realizadas em um domnio adimensional [0,1], dividido em N=802
pontos para os tempos finais TF 1 = 1, 2s; TF 2 = 2, 4s; TF 3 = 4, 8s. Para avaliar a soluo
numrica obtida, a soluo exata da equao de Burgers no viscosa foi calculada atravs do
mtodo das caractersticas fazendo:
u(x, t)/u0 = u(x f 0 (u) t, 0)
(3.19)
A partir dos resultados apresentados na figura 3.5 possvel visualizar a formao da onda
de choque e a eficincia da metodologia SSP na captura de tal fenmeno sem a ocorrncia de
oscilaes numricas. Em TF 3 possvel perceber a onda de choque se propagando ao longo
do domnio devido as condies de contorno peridicas.
35
MoC
SSPRK(2,2)
SDIRK(1,2)
u / umax
t = 4.2 s
t = 2.4 s
t = 1.2 s
0.2
0.4
0.6
0.8
x/L
FIG. 3.5: Perfis de velocidade : burges no viscoso.
3.2.1
VERIFICAO COMPUTACIONAL
Uma vez ciente de que as rotinas programadas so capazes de reproduzir o fenmeno fsico
desejado, a prxima etapa do estudo consiste na avaliao da ordem de erro obtida por cada
cdigo. De forma geral, pode-se entender ordem de erro como a taxa com que o erro numrico
reduz mediante refinamentos sucessivos de malha. Todos os mtodos programados apresentam segunda ordem temporal/espacial e, para verificao da ordem de erro real foi realizado o
procedimento de clculo apresentado na seo 2.3.
Para avaliao da ordem de preciso temporal de cada cdigo programado inicialmente
deve-se garantir que o erro dominante o temporal. Para isso, fixou-se o passo no tempo igual
a 102 e sucessivos refinamentos de malha espacial foram realizados. Na figura 3.6 possvel
observar a estagnao do erro espacial a medida que a malha refinada.
Garantindo que o erro dominante o temporal, os cdigos implementados foram verificados
e podem ser visualizadas nas figuras 3.7 , 3.8.
36
9E-05
8.5E-05
Error
8E-05
7.5E-05
7E-05
6.5E-05
6E-05
0.01
0.02
0.03
0.04
dx
FIG. 3.6: Convergncia de malha espacial, burges no viscoso.

6SDWLDO 2UGHU
7HPSRUDO 2UGHU

[/

[/
(a) Ordem Temporal
(b) Ordem Espacial
FIG. 3.7: Verificao de cdigo SSP(2,2) com Superbee.
37

6SDWLDO 2UGHU
7HPSRUDO 2UGHU

[/

[/
(a) Ordem Temporal
(b) Ordem Espacial
FIG. 3.8: Verificao de cdigo SDIRK(1,2) com Superbee.
3.2.2
ESTUDO DE PRESERVAO DE ESTABILIDADE NO LINEAR-BARREIRA SSP
Como descrito no captulo anterior, para que o mtodo SSP seja capaz de preservar propriedades no lineares, a restrio no linear do passo no tempo deve ser respeitada. Com o
intuito de verificar numericamente a barreira SSP de cada mtodo implementado, foram realizadas anlises com diferentes passos no tempo para cada cdigo. Inicialmente, reescrevendo o
mtodo explicito RKSSP(2,2) na forma Shu-Osher, obtm-se:
un+1
k (1) = un + tF (un ),
1
1
1
= un + k (1) + tF (k (1) ).
2
2
2
(3.20)
(3.21)
atravs do Teorema 1 (SHU, 1988) sabe-se que o coeficiente SSP desse mtodo C = 1,
reescrevendo tambm o mtodo implcito na forma Shu-Osher, obtm-se:
1
k (1) = un + tF (k (1) ),
2
(3.22)
1
un+1 = k (1) + tF (k (1) ),
2
(3.23)
38
procedendo de forma anloga, calcula-se o coeficiente SSP, C = 2.

Alm do mtodo escolhido para a marcha temporal, a tcnica empregada na discretizao
espacial outro fator determinante para a definio do passo mximo no tempo. Os termos
espaciais em todos os casos teste desse estudo foram discretizados atravs do esquema limitador
de fluxo com filtro superbee (segunda ordem no-linear). Como descrito no captulo anterior,
quando a soluo torna-se abrupta o limitador de fluxo reduz os valores dos multiplicadores de
ordens superiores at o limite em que a discretizao espacial torna-se um esquema upwind de
primeira ordem. Dessa forma, o termo espacial da equao de burgers no viscoso reduz-se a:
ux =
uj uj1
x
(3.24)
portanto, empregando o mtodo de Euler avanado para discretizao do termo temporal da

equao de Burgers, obtm-se:
un+1
= unj
j
t n
(uj unj1 )
x
(3.25)
atravs da anlise de estabilidade linear (von Neumann), obtm-se que a equao 3.25 estvel
para
t
x
1. Portanto, espera-se que o cdigo explcito seja capaz de realizar simulaes sem
a presena de oscilaes numricas para t = 1t, enquanto que para o mtodo implcito,
espera-se empregar o mtodo SSP com sucesso para um valor mximo de passo no tempo
t = 2t.
Inicialmente, foram realizadas simulaes com tempo fsico final TF = 3s para o mtodo
explcito com o passo no tempo limite, ou seja, na barreira SSP terica dt = dx.
Como pode ser observado nas figuras 3.9(a)-(b), para as simulaes utilizando dt mximo
(barreira SSP) o mtodo numrico preserva ambas ordem de erro e variao total diminuda
mostrando boa consistncia com a teoria SSP. A segunda rodada de testes foi realizada novamente para um tempo final TF = 3s, no entanto, com um passo no tempo acima da barreira
SSP terica (dt = 1.2dx).
39
0.99
2.75
0.98
0.97
0.96
2.25
0.95
TV
Average Order
2.5
0.94
0.93
1.75
0.92
0.91
1.5
0.9
1.25
0.89
0.88
0.25
0.5
0.75
0.5
x/L
1.5
2.5
time(s)
(a) Ordem temporal preservada.
(b) Propriedade TVD preservada.
1.5
0.99
0.98
0.97
0.96
0.95
TV
Average Order
1.25
0.94
0.93
0.92
0.91
0.75
0.9
0.89
0.88
0.25
0.5
0.75
0.5
x/L
1.5
2.5
time(s)
(c) Perda de Ordem temporal
(d) Propriedade TVD preservada.
40
Nas figuras 3.9(c)-(d), percebe-se que ao se ultrapassar a barreira em 20% de seu valor
terico, o mtodo explcito continua fornecendo uma soluo TVD, no entanto, a ordem de erro
da soluo j degradada. Essa perda de ordem evidencia que mesmo antes da percepo das
oscilaes numricas, o erro causado pelo aumento do passo no tempo causa a perda da preciso
original do mtodo. Nesse caso, a perda de ordem tem incio no choque, onde o maior valor de
erro ocorre e, ao longo do processo iterativo, esse erro se propaga para todo o domnio.
-6
13
-7
12
-8
11
-9
10
-10
9
8
-11
TV
Average Order
Por fim, uma terceira rodada de simulaes foi executada com dt = 1.4dx.
-12
7
6
-13
5
-14
-15
-16
-17
2
0.25
0.5
0.75
1.25
1.5
1.75
x/L
0.5
1.5
2.5
time(s)
(e) Perda de preciso temporal
(f) Propriedade TVD violada
Conforme pode-se observar nas figuras 3.9(e)-(f), para um valor de passo no tempo 40%
acima da barreira SSP, o resultado perde a preciso temporal e a propriedade TVD. Com isso,
possvel observar o surgimento de oscilaes numricas (3.9(g)-(h)) que foram amplificadas ao
longo da simulao e causaram divergncia do cdigo em TF = 3, 5s.
Analogamente para o mtodo implcito foram realizados testes para avaliao da barreira
SSP terica. Inicialmente, foram realizados testes no limite da barreira com dt = 2.0dx.
41
dt = 1.4 dx
dt = 1.2 dx
dt = 1.4 dx
dt = 1.2 dx
0.754
0.752
0.754
0.76
0.752
0.75
0.75
0.7
0.75
0.7
0.74
0.748
0.748
0.746
0.746
0.73
0.6
0.744
0.41
0.485
0.6
0.44
0.744
0.41
0.49
0.495
0.42
0.5
0.43
0.5
0.5
0.4
0.4
0.3
0.3
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
0.1
0.2
0.3
x/L
0.4
0.5
0.6
0.7
0.8
0.9
x/L
(g) Soluo de Burger com oscilaes em T = 1,8s.
(h) Soluo de Burger com oscilaes em T = 2,0s.
1.03
1.02
2.75
dt = 2 dx
1.01
2.5
1
0.99
2.25
TV
Average Order
0.505
0.44
u/U 0
0.43
u/U 0
0.42
0.98
0.97
0.96
1.75
0.95
1.5
0.94
0.93
1.25
0.92
0
0.25
0.5
0.75
x/L
Time (s)
(i) Ordem temporal preservada.
(j) Propriedade TVD preservada
42
A partir dos resultados apresentados nas figuras 3.9(i)-(j), possvel perceber que a ordem
de erro foi mantida como tambm a propriedade TVD, observando-se, com isso, boa consistncia com a anlise numrica terica. Em seguida realizou-se uma nova rodada de experimentos numricos acima da barreira SSP terica. Para essa nova rodada de testes utilizou-se
dt = 3.0dx.
3
1.03
2.75
1.02
dt = 3 dx
1.01
1
2.25
0.99
TV
Average Order
2.5
1.75
0.98
0.97
0.96
0.95
1.5
0.94
0.93
1.25
0.92
0.5
1.5
x/L
Time (s)
(k) Ordem temporal preservada
(l) Propriedade TVD violada
Como pode ser observado nas figuras 3.9(k)-(l), a ordem de erro manteve-se de segunda
ordem mesmo com um valor de passo no tempo 50% maior que a barreira SSP, no entanto, a
propriedade TVD foi violada e, portanto, oscilaes numricas se desenvolveram durante esse
experimento como pode ser observado nas figuras 3.9(m) e (n). possvel perceber, portanto,
que mesmo com um valor elevado de erro capaz de originar oscilaes esprias na regio do
choque, o mtodo implcito capaz de preservar a ordem ao longo do domnio, mostrando, com
isso, uma estabilidade superior a apresentada pelo mtodo explcito.
Da breve anlise apresentada possvel concluir que os cdigos programados esto de
acordo com a teoria e que a barreira SSP numrica ligeiramente maior que a terica conforme j mencionado na literatura (GOTTLIEB et al. (2009a)).
43
dt = 3 dx
dt = 2 dx
0.7
0.75
0.750.748
0.74775
0.749
0.7
0.74725
0.747
0.746
0.746
0.74675
0.747
0.4995
0.6
0.5
u/U 0
0.499
0.5
0.4
0.3
0.3
0.5
0.75
0.745
x/L
0.5460.5470.548
0.5490.550.5510.552
0.499
0.4995
0.5
0.5
0.4
0.25
0.7475
0.748
0.747
0.745
0.7485
0.751
0.74825
0.749
0.748
0.6
u/U 0
dt = 3 dx
dt = 2 dx
0.751
0.25
0.5
0.75
x/L
(m) Soluo de Burger com oscilaes em T = 2,0s.
(n) Soluo de Burger com oscilaes em T = 2,2s.
44
3.2.3
ESTUDO COMPARATIVO DE EFICINCIA COMPUTACIONAL
Conforme descrito no captulo anterior, para cada metodologia implementada um estudo de

eficincia computacional foi realizado levando em considerao a restrio no linear do passo
no tempo. Dessa forma, para a equao de Burgers no viscosa, com contornos peridicos,
foram realizadas avaliaes de eficincia computacional em t = 1,2; 2,4 e 4,8 segundos.
Considerando a metodologia de anlise apresentada na seo 2.4, pode-se observar na figura
3.9 um desempenho superior do mtodo explcito para as simulaes com 1,2 segundos. Uma
exceo ocorre para o ponto onde t = 1, 2x com o mtodo explcito e t = 2, 4x com
o mtodo implcito. Nesse ponto, ambos os mtodos apresentam eficincia equivalente. Os
valores de passo no tempo, erro obtido e tempo de CPU podem ser observados na tabela 3.1.
10-1
L Error
10-2
10
-3
10
-4
SDIRK (1,2)
RKSSP (2,2)
10-5
10-6
10
-2
-1
10
CPU Time (s)
10
FIG. 3.9: Eficincia computacional mtodos explicito x implcito 1,2s burgers no viscoso.
Na segunda rodada de simulaes foram realizados testes para avaliar a eficincia computacional em 2,4 s. Como pode ser observado na figura 3.10, o mtodo explcito apresenta
desempenho superior para todos os passos testados. Observa-se tambm que, a superioridade
do mtodo explcito tende a crescer a medida que o passo no tempo diminui.Isso se deve principalmente ao fato do mtodo implcito ter um custo maior por iterao, portanto, quanto maior
o nmero de iteraes, maior ser a diferena entre os custos finais dos mtodos. Os valores de
tamanho de passo no tempo, erro obtido e tempo de CPU podem ser observados na tabela 3.2
45
t
4.8x
2.4x
1.2x
0.6x
0.3x
0.15x
0.075x
Explcito
CPU(s) ERRO L
nan
nan
nan
nan
4.67E-02 5.70E-003
9.36E-02 8.00E-004
0.18E-00 1.98E-004
0.35E-00 4.71E-005
0.71E-00 9.43E-006
Implcito
CPU(s) ERRO L
1.56E-02 1.59E-02
4.67E-02 5.99E-03
9.36E-02 1.95E-03
0.15E-00 6.40E-04
0.32E-00 2.18E-04
0.68E-00 7.57E-05
1.32E-00 2.46E-05
TAB. 3.1: Eficincia computacional no Burgers Viscoso para 1.2 s
10-1
L Error
SDIRK (1,2)
RKSSP (2,2)
10
-2
10
-3
10-4
10
-1
10
CPU Time (s)
10
t
4.8x
2.4x
1.2x
0.6x
0.3x
0.15x
0.075x
Explcito
CPU(s) ERRO L
nan
nan
nan
nan
9.36E-02
2.74-02
0.17E-00 8.12E-03
0.35E-00 1.82E-03
0.73E-00 4.07E-04
1.46E-00 7.81E-05
Implcito
CPU(s) ERRO L
4.68E-02 0.24E-00
9.36E-02 8.50E-02
0.20E-00 2.00E-02
0.34E-00 7.10E-03
0.67E-00 2.80E-03
1.34E-00 1.10E-03
2.62E-00 3.90E-04
TAB. 3.2: Eficincia computacional Burgers no Viscoso para 2.4 s
46
Por fim, simulaes foram realizadas para 4,8 segundos. Como pode ser observado na figura
3.11 o mtodo explcito apresentou-se mais eficiente que o mtodo implcito. Aps uma investigao numrica rigorosa, foi possvel concluir que tal superioridade se deve, principalmente,
por dois motivos: condies de contorno peridicas e devido tcnica de discretizao espacial
empregada.
10-1
SDIRK (1,2)
RKSSP (2,2)
L Error
10-2
10-3
10-4
10
-1
10
CPU Time (s)
10
t
4.8x
2.4x
1.2x
0.6x
0.3x
0.15x
0.075x
Explcito
CPU(s) ERRO L
nan
nan
nan
nan
0.18E-00 1.84E-02
0.37E-00 4.97E-03
0.73E-00 1.16E-03
1.46E-00 2.67E-04
2.90E-00 5.21E-05
Implcito
CPU(s) ERRO L
7.80E-02 0.15E-00
0.17E-00 4.69E-02
0.37E-00 1.39E-02
0.67E-00 5.05E-03
1.32E-00 2.01E-03
2.63E-00 7.91E-04
5.21E-00 2.52E-04
TAB. 3.3: Eficincia computacional Burgers no Viscoso para 4.8 s

Para resolver problemas peridicos atravs de uma metodologia implcita, deve-se inserir
tais condies na matriz implcita a ser resolvida. Com isso, a matriz esparsa que antes era
resolvida com o mtodo de Thomas para soluo de matrizes tridiagonais, agora deve ser resol47
vida por alguma tcnica especfica para sistemas cclicos pentadiagonais que chegam a demandar at quatro vezes mais tempo computacional para serem resolvidas (NAVON (1987), PRESS
(2007)). J o emprego da tcnica de discretizao espacial limitadora de fluxo aumenta consideravelmente o nmero de clculos realizados na matriz implcita causando, dessa forma,um
aumento no erro produzido pela soluo final da metodologia implcita em conjunto com essa
tcnica.
48
3.3
CASO TESTE 03: EQUAO DE BURGERS VISCOSO

O terceiro caso teste trata novamente da equao de Burgers, no entanto, efeitos viscosos
foram includos. Com isso, o termo responsvel por computar os efeitos dissipativos so adicionados equao (3.19).
ut + f (u)x = g(u)xx ,
(3.26)
Na figura 3.12 pode-se observar solues da equao de burgers viscoso em diferentes tempos
considerando uma condio inicial senoidal
u(x, 0) = sin(x).
(3.27)
alm de condies de contorno de primeiro tipo. As simulaes foram realizadas em um domnio adimensional [0,1], dividido em N=801 pontos para os tempos finais TF 1 = 0, 1s; TF 2 =
0, 5s; TF 3 = 1, 0s.
1
0,1s
0,5s
0.8
1,0s
u/U
0.6
0.4
SSP (2,2)
SDIRK (1,2)
IMEX
0.2
0.25
0.5
x/L
0.75
FIG. 3.12: Perfis de velocidade : burges viscoso.

Como pode ser observado na figura 3.12, o fenmeno foi simulado tambm pelo mtodo hbrido IMEX sendo resolvido o termo no linear de forma explcita e o termo difusivo de forma
49
implcita. Com isso, possvel obter alguns benefcios como uma maior estabilidade numrica alm de minimizar erros, uma vez que no necessrio realizar a linearizao do termo
advectivo. Considerando que o termo difusivo foi adicionado em todos os cdigos validados
anteriormente, foram realizadas, novamente, as validaes dos cdigos implcito, explcito e
IMEX. Todos os grficos podem ser observados no APNDICE 2.
3.3.1
ESTUDO COMPARATIVO DE EFICINCIA COMPUTACIONAL
Para a primeira rodada de simulaes em TF = 0, 1s, o choque ainda no est formado e,

como pode-se observar na figura 3.13, todos os mtodos tm um desempenho semelhante. No
entanto, percebe-se que o mtodo implcito perde eficincia perante o explcito e o IMEX, a
medida que o tamanho do passo no tempo reduzido. Novamente, isso se deve ao fato do mtodo implcito realizar um maior nmero de operaes longas e tendo que resolver uma matriz
pentadiagonal a cada iterao. Outra informao relevante observada foi a grande estabilidade
numrica apresentada pelo mtodo hbrido que suportou um passo 64x maior que o mtodo
explcito e 16x maior que o mtodo implcito. Os valores de tamanho de passo no tempo empregado, erro obtido e tempo de CPU podem ser observados na tabela 3.4
10
-4
10
-5
10
-6
IMEX (2,2,2)
SDIRK (1,2)
RKSSP (2,2)
L Error
10-7
10
-8
10
-9
10-10
10-11
10-12
10
-13
10
-2
10
-1
10
CPU Time (s)
10
FIG. 3.13: Comparativo: Eficincia de CPU Burgers Viscoso 0,1s.
50
t
x / 0.25
x / 4.00
x / 8.00
x / 16.0
x / 32.0
x / 64.0
x / 128
x / 256
x / 512
x / 1024
x / 2048
x / 4096
x / 8192
x / 16384
Explcito
CPU(s)
ERRO L
nan
nan
nan
nan
nan
nan
3.12E-02
2.77E-08
6.24E-02
6.94E-09
0.15E-00
1.73E-09
0.32E-00
4.34E-10
0.60E-00
1.08E-10
1.18E-00
2.71E-11
2.37E-00
7.14E-12
4.78E-00
3.21E-12
9.53E-00
1.10E-12
19.20E-00 2.83E-13
38.23E-00 9.41E-14
Implcito
CPU(s)
ERRO L
nan
nan
1.11E-02
1.39E-07
3.12E-02
3.56E-08
4.68E-02 9.287E-09
0.10E-00 2.512E-09
0.24E-00
7.22E-10
0.48E-00
2.27E-10
0.96E-00
8.02E-11
1.93E-00
3.16E-11
3.85E-00
1.35E-11
7.73E-00
6.06E-12
15.41E-00 2.72E-12
30.76E-00 1.14E-12
61.74E-00 3.80E-13
IMEX
CPU(s)
ERRO L
3.89E-03
3.48E-04
6.24E-02
1.29E-06
9.36E-02
5.69E-08
0.20E-00
1.42E-08
0.37E-00
3.61E-09
0.78E-00
9.08E-10
1.57E-00
2.27E-10
3.12E-00
5.70E-11
6.19E-00
1.42E-11
12.38E-00 3.55E-12
25.33E-00 8.79E-13
49.78E-00 2.96E-13
99.67E-00 4.52E-14
TAB. 3.4: Eficincia computacional em 0.1 s

Em 0,5s o choque comea a se formar e, com isso, possvel observar na figura 3.14 a maior
eficincia computacional dos mtodos implcitos para valores de erro entre [107 , 1011 ]. Para
erros menores que 1011 os mtodos explcitos passam a ser mais eficintes que os mtodos
implcitos.Os valores de tamanho de passo no tempo empregado, erro obtido e tempo de CPU
podem ser observados na tabela 3.5.
t
x / 0.25
x / 4.00
x / 8.00
x / 16.0
x / 32.0
x / 64.0
x / 128
x / 256
x / 512
x / 1024
x / 2048
x / 4096
x / 8192
x / 16384
Explcito
CPU(s) ERRO L
nan
nan
nan
nan
nan
nan
0.20
1.24E-07
0.37
3.10E-08
0.76
7.76E-09
1.52
1.94E-09
3.04
4.85E-10
6.11
1.21E-10
12.19
2.92E-11
24.21
1.11E-11
48.53
4.11E-12
95.89
1.02E-12
191.49 2.41E-13
Implcito
CPU(s) ERRO L
nan
nan
0.07
2.01E-08
0.17
6.03E-09
0.29
2.02E-09
0.59
7.29E-10
1.18
2.94E-10
2.41
1.29E-10
4.77
5.99E-11
9.56
2.86E-11
19.14
1.38E-11
38.43
6.65E-12
76.86
3.09E-12
153.83 1.33E-12
307.35 4.67E-13
IMEX
CPU(s) ERRO L
0.01
5.32E-03
0.12
6.66E-05
0.48
4.81E-06
0.95
1.23E-06
1.91
3.13E-07
3.83
7.88E-08
7.65
1.97E-08
15.33
4.95E-09
30.60
1.23E-09
61.19
3.08E-10
122.32 7.63E-11
244.74 1.81E-11
489.26 3.64E-12
51
10-3
IMEX (2,2,2)
SDIRK (1,2)
RKSSP (2,2)
L Error
10-5
10
-7
10-9
10-11
10
-2
10
-1
10
10
CPU Time (s)
10

Em 1,0s, o choque j est completamente formado e como pode-se observar na figura 3.15,
os mtodos implcito e explcito necessitam de um passo no tempo consideravelmente menor
que o IMEX para convergir. Com isso, para erros maiores que 108 os mtodos hbridos so
a nica opo. Para solues com erro entre [108 , 1010 ], os mtodos implcitos so os mais
eficientes. No entanto, devido ao seu custo elevado por iterao, para erros menores que 1010 ,
os mtodos explcitos tornam-se os mais indicados. Os valores de tamanho de passo no tempo
empregado, erro obtido e tempo de CPU podem ser observados na tabela 3.6.
52
10-4
IMEX (2,2,2)
SDIRK (1,2)
RKSSP (2,2)
L Error
10-6
10-8
10-10
10-12
10-14
10
-1
10
10
CPU Time (s)
10
10
t
x / 0.25
x / 4.00
x / 8.00
x / 16.0
x / 32.0
x / 64.0
x / 128
x / 256
x / 512
x / 1024
x / 2048
x / 4096
x / 8192
x / 16384
Explcito
CPU(s) ERRO L
nan
nan
nan
nan
nan
nan
0.37
1.13E-08
0.73
2.83E-09
1.48
7.09E-10
2.97
1.77E-10
6.02
4.42E-11
11.90
1.10E-11
23.79
3.63E-12
47.51
1.50E-12
95.22
4.04E-13
190.08 1.04E-13
380.81 3.26E-14
Implcito
CPU(s) ERRO L
nan
nan
0.15
1.34E-08
0.29
2.50E-09
0.59
1.96E-10
1.18
1.64E-10
2.35
1.48E-10
4.71
9.03E-11
9.453
4.90E-11
18.87
2.53E-11
37.75
1.27E-11
75.53
6.21E-12
151.07 2.90E-12
302.17 1.24E-12
603.81 4.06E-13
IMEX
CPU(s) ERRO L
0.01
1.74E-03
0.23
2.32E-05
0.96
1.68E-06
1.91
4.33E-07
3.85
1.09E-07
7.72
2.76E-08
15.4
6.94E-09
30.88
1.74E-09
61.65
4.35E-10
123.44 1.08E-10
246.69 2.68E-11
493.39 6.38E-12
987.40 1.27E-12
53
3.4
CASO TESTE 04: EQUAO DE BUCKLEY-LEVERETT

O quarto caso teste apresentado consiste na soluo da equao de Buckley-Leverett (BL).
Essa equao usualmente empregada na modelagem de escoamentos bifsicos em meios porosos. Em termos numricos, alguma complexidade adicionada para resolver tal formulao
quando comparada com a equao de Burgers, uma vez que a funo no-linear empregada na
formulao de Burges agora substituda por f (u) =
u2
.
u2 +M (1u)2
Portanto, foi resolvida
ut + f (u)x = 0,
(3.28)
considerando, M = 0.25, condies de contorno prescritas e as condies iniciais

(
1.0
if x 0.1
u(x, 0) =
0
if x > 0.1.
(3.29)
Na figura 3.16, so apresentados os perfis obtidos para trs tempos finais de simulao t =
1,0s ; 3,0s e 5,0s em um domnio adimensional [0,1] dividido em N=801 pontos. Com isso,
pode-se observar novamente a capacidade das metodologias SSP de reproduzir fenmenos com
elevados gradientes com acurcia e sem a ocorrncia de oscilaes numricas. Para verificar se
as solues numricas obtidas so as corretas foram geradas solues semi-analticas, a partir
do mtodo das caractersticas.
1
EXPLICIT
IMPLICIT
MoC
0.8
0.6
u/U
t=
1.0
t=
3.0
t=
s
5.0
0.4
0.2
0
0
0.2
0.4
0.6
0.8
x/L
FIG. 3.16: Perfis de velocidade : Buckley-Leverett no viscoso.
54
Na figura 3.17, so apresentadas as curvas de desempenho de cada mtodo. Para a primeira

rodada de simulaes em 1,0s o mtodo explcito apresenta maior eficincia computacional
para todos os valores de passo no tempo. possvel perceber ainda que, essa superioridade
torna-se mais evidente a medida que o passo no tempo refinado. Novamente, tal condio era
esperada uma vez que quanto menor o passo no tempo, maior deve ser o nmero de iteraes e,
sabendo que o mtodo implcito leva um tempo maior que o explcito, a cada iterao, o tempo
final de simulao do mtodo implcito ser cada vez maior que o explcito, quanto menor for o
tamanho do passo no tempo. Os valores de passo no tempo empregado, erro obtido e tempo de
CPU podem ser observados na tabela 3.8.
10-1
L Error
10-2
10
-3
10
-4
SDIRK (1,2)
RKSSP (2,2)
10-5
10-6
10
-2
-1
10
CPU Time (s)
10
FIG. 3.17: Comparativo: Eficincia de CPU BL 1,0s.

Na figura 3.18, possvel observar o comparativo de eficincia para 3,0s. Para essa rodada
de simulaes, possvel observar uma pequena regio onde as eficincias so equivalentes
para ambos os mtodos. No entanto, para erros menores que 102 , o mtodo explcito apresenta
eficincia computacional superior. Os valores de passo no tempo empregado, erro obtido e
tempo de CPU podem ser observados na tabela 3.8.
55
t
x / 2.00
x / 4.00
x / 8.00
x / 16.0
x / 32.0
x / 64.0
x / 128
x / 256
x / 512
x / 1024
x / 2048
Explcito
CPU(s) ERRO L
nan
nan
1.56E-02 1.08E-002
1.56E-02 1.08E-002
3.12E-02 2.65E-003
6.24E-02 6.84E-004
0.12E-00 1.49E-004
0.26E-00 3.32E-005
0.51E-00 9.05E-006
1.04E-00 2.15E-006
2.09E-00 5.15E-007
4.22E-00 1.17E-007
Implcito
CPU(s) ERRO L
0.75E-02 0.12E-00
1.56E-02 3.06E-02
4.68E-02 3.04E-03
0.10E-00 1.47E-03
0.20E-00 7.99E-04
0.40E-00 4.07E-04
0.81E-00 2.00E-04
1.62E-00 9.45E-05
3.26E-00 4.07E-05
6.48E-00 1.36E-05
TAB. 3.7: Eficincia computacional Buckley-Leverett no Viscoso para 1.0 s
t
x / 2.00
x / 4.00
x / 8.00
x / 16.0
x / 32.0
x / 64.0
x / 128
x / 256
x / 512
x / 1024
x / 2048
Explcito
CPU(s)
ERRO L
nan
nan
3.12E-02
8.49E-02
6.24E-02
2.14E-02
0.10E-00
4.32E-03
0.20E-00
1.08E-03
0.42E-00
2.93E-04
0.82E-00
6.81E-05
1.63E-00
1.53E-05
3.33E-00
3.93E-06
6.63E-00
9.54E-07
13.18E-00 2.13E-07
Implcito
CPU(s)
ERRO L
1.55E-02
0.18E-00
4.67E-02
4.81E-02
0.15E-00
4.20E-03
0.31E-00
1.58E-03
0.63E-00
7.46E-04
1.27E-00
3.86E-04
2.52E-00
1.91E-04
5.07E-00
9.06E-05
10.15E-00 3.90E-05
20.26E-00 1.30E-05
56
10-1
SDIRK (1,2)
RKSSP (2,2)
10-2
L Error
10-3
10-4
10-5
10-6
10
-1
10
CPU Time (s)
10

Por fim, na figura 3.19, pode-se observar o comparativo entre eficincias para 5,0s. O comportamento anlogo aos anteriores, onde o mtodo explcito apresenta maior eficincia que o
mtodo implcito para todos os valores de passo no tempo simulados. Os valores de passo no
tempo empregado, erro obtido e tempo de CPU podem ser observados na tabela 3.9.
t
x / 4.00
x / 4.00
x / 8.00
x / 16.0
x / 32.0
x / 64.0
x / 128
x / 256
x / 512
x / 1024
x / 2048
Explcito
CPU(s) ERRO L
3.11E-02 0.12E-00
9.36E-02 2.39E-02
0.18E-00 5.44E-03
0.35E-00 1.50E-03
0.71E-00 3.32E-04
1.43E-00 9.05E-05
2.85E-00 2.07E-05
5.69E-00 5.15E-06
11.4E-00 1.24E-06
22.8E-00 2.55E-07
Implcito
CPU(s)
ERRO L
3.11E-002
0.23
6.23E-002 5.74E-02
0.26
4.91E-03
0.57
1.84E-03
1.09
7.80E-04
2.21
4.19E-04
4.39
2.116E-04
8.76
1.007E-04
17.56
4.35E-05
35.11
1.46E-05
57
10-1
L Error
10
SDIRK (1,2)
RKSSP (2,2)
-2
10-3
10-4
10-5
10-6
10
-1
10
CPU Time (s)
10

xdasdasdas
58
3.5
CASO TESTE 05:EQUAO DE BUCKLEY-LEVERETT VISCOSA

O quinto caso teste realizado foi a simulao numrica da equao de Buckley-Leverett
viscosa. Ao se considerar os efeitos viscosos, a equao 3.28 toma a forma

ut + f (u)x = g(u)xx
(3.30)
As simulaes foram realizadas em um domnio adimensional [0,1], dividido em N=801

pontos para os tempos finais TF 1 = 1, 0s; TF 2 = 3, 0s; TF 3 = 5, 0s. Considerando, M = 0.25,
condies de contorno prescritas e as condies iniciais
(
1.0
if x 0.1
u(x, 0) =
0
if x > 0.1.
(3.31)
Na figura 3.20, possvel perceber que a soluo da equao de Buckley-Leverett viscosa

apresenta o mesmo comportamento qualitativo que o caso sem viscosidade, no entanto, os efeitos dissipativos causados pelo termo viscoso atenuam os gradientes.
1
EXPLICIT
IMPLICIT
IMEX
0.8
0.6
u/U
t=
1.0
t=
3.0
t=
s
5.0
0.4
0.2
0
0
0.2
0.4
0.6
0.8
x/L
FIG. 3.20: Soluo Buckley-Leverett viscoso

Na figura 3.21, possvel visualizar a eficincia das trs metodologias empregadas. Em geral, os mtodos IMEX apresentaram uma maior estabilidade numrica possibilitando, com isso,
59
realizar simulaes com maiores valores de passo no tempo. No entanto, para obter solues
com erro menor que 1.102 , a metodologia explcita passa a ser mais eficiente.Os valores de
passo no tempo empregado, erro obtido e tempo de CPU podem ser observados na tabela 3.10.
t
x / 0.5
x / 4.00
x / 8.00
x / 16.0
x / 32.0
x / 64.0
x / 128
x / 256
x / 512
x / 1024
x / 2048
Explcito
CPU(s) ERRO L
nan
nan
1.56E-02 3.94E-02
2.55E-02 8.40E-03
4.67E-02 1.91E-03
7.80E-02 4.50E-04
0.17E-00 1.17E-04
0.35E-00 2.51E-05
0.70E-00 6.34E-06
1.43E-00 1.61E-06
2.87E-00 4.09E-07
5.80E-00 8.19E-08
Implcito
CPU(s) ERRO L
nan
nan
0.80E-02 4.91E-02
1.55E-02 1.27E-02
7.80E-02 1.47E-03
0.15E-00 8.16E-04
0.29E-00 4.27E-04
0.56E-00 2.15E-04
1.15E-00 1.05E-04
2.32E-00 4.96E-05
4.61E-00 2.13E-05
9.23E-00 7.12E-06
IMEX
CPU(s)
ERRO L
1.56E-02
0.15E-00
3.12E-02
4.91E-02
0.10E-00
2.51E-03
0.21E-00
5.97E-04
0.43E-00
1.53E-04
0.85E-00
3.47E-05
1.70E-00
8.64E-06
3.38E-00
2.17E-06
6.70E-00
5.43E-07
13.44E-00 1.08E-07
TAB. 3.10: Eficincia computacional em 1.0 s: Buckley-Leverett viscoso
10
-1
10
-2
IMEX (2,2,2)
SDIRK (1,2)
RKSSP (2,2)
L Error
10-3
10-4
10
-5
10-6
10-7
10
-2
10
-1
10
CPU Time (s)
10
FIG. 3.21: Comparativo: Eficincia de CPU

Nas figuras 3.22 e 3.23, o comportamento qualitativo o mesmo da primeira rodada de
testes. Os valores de passo no tempo empregado, erro obtido e tempo de CPU podem ser
60
observados na tabela 3.11 e 3.12.
10-1
IMEX (2,2,2)
SDIRK (1,2)
RKSSP (2,2)
10-2
L Error
10
-3
10-4
10-5
10-6
10-7
10
-1
10
CPU Time (s)
10
t
x / 0.5
x / 4.00
x / 8.00
x / 16.0
x / 32.0
x / 64.0
x / 128
x / 256
x / 512
x / 1024
x / 2048
Explcito
CPU(s) ERRO L
nan
nan
3.12E-02 4.34E-02
6.24E-02 8.93E-03
0.14E-00 2.02E-03
0.26E-00 4.80E-04
0.59E-00 1.26E-04
1.13E-00 2.73E-05
2.21E-00 7.55E-06
4.52E-00 1.75E-06
8.95E-00 4.28E-07
17.5E-00 8.90E-08
Implcito
CPU(s)
ERRO L
nan
nan
3.11E-02
4.92E-02
4.67E-02
1.29E-02
0.21E-00
2.73E-03
0.43E-00
1.31E-03
0.87E-00
6.54E-04
1.74E-00
3.22E-04
3.46E-00
1.55E-04
6.94E-00
7.27E-05
13.85E-00 3.11E-05
27.67E-00 1.03E-05
IMEX
CPU(s)
ERRO L
3.11E-02
0.19E-00
7.80E-02
5.31E-02
0.32E-00
2.58E-03
0.63E-00
6.18E-04
1.27E-00 1.608E-04
2.54E-00
3.61E-05
5.11E-00
9.71E-06
10.21E-00 2.27E-06
20.42E-00 5.535E-07
40.71E-00 1.14E-07
61
10-1
IMEX (2,2,2)
SDIRK (1,2)
RKSSP (2,2)
10-2
L Error
10-3
10-4
10-5
10
-6
10
-7
10
-1
10
CPU Time (s)
10
t
x / 0.5
x / 4.00
x / 8.00
x / 16.0
x / 32.0
x / 64.0
x / 128
x / 256
x / 512
x / 1024
x / 2048
Explcito
CPU(s)
ERRO L
nan
nan
4.67E-02 2.95E-002
0.10E-00 5.96E-003
0.21E-00 1.63E-003
0.43E-00 4.21E-004
0.88E-00 9.44E-005
1.76E-00 2.36E-005
3.55E-00 6.32E-006
7.09E-00 1.33E-006
14.05E-00 3.36E-007
28.56E-00 7.08E-008
Implcito
CPU(s)
ERRO L
nan
nan
3.12E-02
7.27E-02
9.35E-02
1.74E-02
0.35E-00
2.33E-03
0.68E-00
1.05E-03
1.41E-00
5.01E-04
2.79E-00
2.41E-04
5.56E-00
1.15E-04
11.20E-00 5.34E-05
22.52E-00 2.28E-05
44.56E-00 7.60E-06
IMEX
CPU(s)
ERRO L
6.23E-02
0.22
0.12E-00
4.30E-02
0.53E-00
1.90E-03
1.04E-00
4.95E-04
2.07E-00
1.12E-04
4.16E-00
2.84E-05
8.28E-00
7.53E-06
16.58E-00 1.64E-06
33.25E-00 4.08E-07
66.61E-00 8.49E-08
62
3.6
CASO TESTE 06:TUBO DE CHOQUE

O sexto caso teste realizado trata da simulao do tubo de choque. Matematicamente, este
problema regido pelo conjunto de equaes compressveis 1-D de Euler. Fisicamente, o problema composto por um tubo de rea constante e comprimento L dividido por um diafragma
em duas regies com diferentes presses. A partir de um rompimento sbito do diafragma, a
presso no interior do tubo tende a se equalizar e, com isso, ondas de choque so formadas
pelo fluido escoando em altas velocidades da regio de maior presso para a regio de menor
presso.
Para realizar a simulao numrica do tubo de choque, foi empregado o mtodo explcito SSP(2,2) SHU et al. (2011) aliado a tcnica "Flux-difference splitting". Dessa forma, os
mesmos valores apresentadas em LANEY (1998) foram utilizados para o presente caso teste:
{pL ,L ,uL }={1.0.105 ,1.0, 0.0} e {pR , R ,uR }={1.0.105 , 0.125, 0.0}. alm de um domnio L =
[-10,10] dividido em N=1401 pontos para o tempo final TF 1 = 0, 01s.
As equaes 1D de Euler so dadas por:
U F
+
=0
t
x
(3.32)
onde U o vetor das variveis conservadas e F o vetor de fluxos definidos por:
U=
u
2
F=
p + u
(e + p) + u
(3.33)
(3.34)
, u, p representam massa especfica, velocidade e presso respectivamente. A soluo

analtica para o tubo de choque foi utilizada para validar o cdigo desenvolvido e pode ser
encontrada em LANEY (1998).
A figura (3.24) apresenta a evoluo da massa especfica para o tempo 0, 01s alm da respectiva soluo analtica. As solues para a presso e velocidade foram includas no APNCICE
3. Na figura (3.25) possvel observar a forte estabilidade no linear do mtodo SSP frente
ao mtodo upwind de segunda ordem. O esquema Upwind utilizado no capaz de previnir o
surgimento de oscilaes esprias para nenhum valor de passo no tempo.
63
Soluo Analtica
RKSSP(2,2)
0.9
Massa Especfica
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0
-10
-5
10
FIG. 3.24: Soluo para a massa especfica em t = 0.01s and CF L = 0.1 atravs da soluo
analtica e numrica.
0.32
0.3
0.9
0.28
Massa Especfica
0.8
0.26
0.7
0.24
2.5
0.6
3.5
0.5
0.4
0.3
RKSSP(2,2)
Non-SSP
0.2
0.1
0
-10
-5
10
FIG. 3.25: Soluo numrica para a massa especfica em t = 0.01s and CF L = 0.1 atravs
dos mtodos SSP (2,2) e RK2 com discretizao Upwind
64
3.7
CASO TESTE 07:PROPAGAO DE ONDAS TERMOACSTICAS EM UMA CAVIDADE

O ltimo caso teste apresentado consiste da soluo da equao 1D de Navier-Stokes para
simular um problema de propagao de ondas termo-acsticas em uma cavidade. Fisicamente,

esse problema consiste de um fluido confinado em uma cavidade unidimensional limitada por
duas paredes inicialmente em equilbrio trmico. Subitamente, a parede da esquerda aquecida
at uma temperatura de referncia com proporo A. Os testes foram realizados atravs do
mtodo RKSSP(2,2) e validadao atravs dos dados extrados de FAROUK e Aktas (2001)
apresentada no APNCICE 4.
Das equaes 1D de Euler utilizadas no caso teste anterior, so adicionados termos viscoso
na forma:
Fv
U F
+
=+
t
x
x
(3.35)
onde U o vetor das variveis conservadas e F e Fv o vetor de fluxos no viscosos e viscosos

definidos por:
U=
u
2
F=
p + u
(e + p) + u
Fv =
xx
qx
(3.36)
(3.37)
(3.38)
As simulaes foram realizadas em um domnio [0, 0.001], dividido em N=1401 pontos para
os tempos finais t = [0.25c , 1.0c , 1.5c , 2.0c ], sendo o tempo caracterstico c = 2.83.10 6.
Na figura 3.26 possvel verificar como se desenvolvem as ondas termoacsticas ao longo da
cavidade. Nota-se que a propriedade SSP fundamental para simular o fenmeno em questo
uma vez que oscilaes esprias podem facilmente surgir devido aos elevados gradientes desenvolvidos caso uma metodologia no SSP seja empregada. Todos os dados para reproduo
das solues apresentadas foram extrados de (FAROUK e Aktas (2001))
65
105000
104500
<
>
104000
p (Pa)
1.0
2.0
0.25
103500
>
1.5
103000
<
102500
102000
101500
0
0.00025
0.0005
0.00075
0.001
x
pressure.pdf
FIG. 3.26: Soluo numrica para a massa especfica em t = [0.25c , 1.0c , 1.5c , 2.0c ]
6
5
4
>
u (m/s)
3
2
1
0
-1
-2
-3
0
0.00025
0.0005
0.00075
0.001
FIG. 3.27: Soluo numrica para a velocidade t = [0.25c , 1.0c , 1.5c , 2.0c ]
66
4 CONCLUSES E TRABALHOS FUTUROS
Neste trabalho, foi apresentado um estudo comparativo de eficincia computacional entre

trs mtodos numricos com propriedades de estabilidade numrica no linear. Os mtodos
Strong Stability Preserving so mtodos de altas ordens reescritos como combinaes de
esquemas de baixas ordens. Com isso, a forte estabilidade dos mtodos de baixas ordens preservada enquanto a preciso de ordens arbitrarias pode ser atingida. Entretanto, para que a forte
estabilidade seja mantida, deve-se respeitar uma barreira de passo no tempo a ser determinada
pelos coeficientes do mtodo empregado. Diante desse contexto, um clssico questionamento
sobre a eficincia computacional dos mtodos explcitos e implcitos torna-se novamente relevante, no entanto, sob uma tica no linear.
No captulo inicial do presente trabalho, so apresentadas a motivao para o desenvolvimento da metodologia SSP e, como a evoluo da metodologia ocorreu nas ltimas duas
dcadas. No segundo captulo, o embasamento numrico necessrio para o desenvolvimento
dos mtodos Runge-Kuta SSP apresentado e, por fim, no terceiro captulo trs casos teste
apresentado para demonstrar a forte preservao de estabilidade no linear dos mtodos SSP
alm de cinco casos teste para avaliar comparativamente a eficincia computacional dos trs
mtodos implementados.
Os resultados obtidos no presente trabalho sugerem que os mtodos explcitos so os mais
eficientes para simulao de problemas com ondas de choque ou descontinuidades. Quando se
deseja simular problemas com solues suaves e/ou solues em regime permanente, possvel
empregar mtodos implcitos com significativos valores de passo no tempo, conseguindo, dessa
forma, considervel eficincia. No entanto, para problemas com choque o tamanho do passo
no tempo deve ser extremamente reduzido, mesmo para os mtodos implcitos, pois, uma vez
ultrapassado o passo mximo permitido pela anlise numrica no linear, oscilaes esprias
surgem causando grande instabilidade numrica.
O trabalho apresentado foi inicialmente motivado pelo desenvolvimento de um mtodo com
forte preservao de estabilidade no linear para posterior emprego em conjunto com a metodologia Runge-Kutta implcito precondicionado apresentado em (ALVES (2010)). No entanto,
estudos aprofundados na metodologia SSP evidenciaram a necessidade de uma avaliao detalhada do custo computacional em termos no lineares. Portanto, o presente trabalho pode ser
estendido realizando-se:
67
Estudos comparativos em casos-teste mais complexos: Estudos foram iniciados em problemas compressveis, no entanto, no foi possvel gerar todos os resultados necessrios
para avaliao do desempenho computacional;
Estender a pesquisa apresentada para outras metodologias. Assim como outros casosteste, seria de grande valia estender o estudo atravs do emprego de diferentes mtodos
SSP;
Implementao das atuais formulaes SSP apresentadas na formulao do PIRK.
68
5 REFERNCIAS BIBLIOGRFICAS
ADES, R., PELLANDA, P. e BORGES, I. Engenharia de defesa: O mais novo programa de

ps-graduao do instituto militar de engenharia. Revista Militar de Cincia e Tecnologia,
pgs. 94109, 2010.
ALVES, L. S. B. Dual time stepping with multi-stage schemes in physical time for unsteady low
mach number compressible flows. Em VII Escola de Primavera de Transio e Turbulncia,
ABCM, Ilha Solteira, So Paulo, Brasil, September 2010.
BALSARA, D. e SHU., C. Monotonicity preserving weighted essentially non-oscillatory schemes with increasingly high order of accuracy. Journal of Computational Physics, 160:405
452, 2000.
BRASIL. Ministrio da defesa: Poltica de defesa nacional. Decreto n 5.484, 2005.
BRASIL. Ministrio da defesa: Estratgia nacional de defesa. 2 Ed. Decreto n 6.703, 2008.
E.C., A. A postura estratgica dissuasria e os objetivos para a cincia, tecnologia e inovao
de interesse da defesa nacional. PADECEME, 11:7681, 2006.
FAROUK, B. e AKTAS, M. K. Interaction of thermoacoustic waves and buoyancyinduced flows
in an enclosure. 2001.
FERRACINA, L. e SPIJKER, M. Stepsize restrictions for the total-variationdiminishing property in general runge-kutta methods. SIAM Journal of Numerical Analysis, 42:10731093,
2004.
FERRACINA, L. e SPIJKER, M. An extension and analysis of the shu-osher representation of
runge-kutta methods. Mathematics of Computation, 249:201219, 2005.
GOTTLIEB, S. e GOTTLIEB, L. Strong stability preserving properties of runge-kutta time discretization methods for linear constant coefficient operators. Journal of Scientific Computing,
18:83109, 2003.
GOTTLIEB, S., KETCHESON, D. e SHU, C.-W. High order strong stability preserving time
discretizations. J. Sci. Comput, 38:251289, 2009a.
GOTTLIEB, S. e SHU, C.-W. Total variation diminishing runge-kutta schemes. Mathematics
of Computation, 67:73 85, 1998.
GOTTLIEB, S., DAVID, KETCHESON, I. e SHU, C.-W. High order strong stability preserving
time discretizations. Journal of Scientific Computing, 38:251289, 2009b.
HIGUERAS, I. Representations of RungeKutta methods and strong stability preserving
methods. SIAM Journal of Numerical Analysis, 43:924948, 2005.
KRAAIJEVANGER, J. F. B. M. Contractivity of runge-kutta methods. BIT, 31:482528, 1991.
69
LANEY, C. B. Computational Gasdynamics. Cambridge University Press, 1998.

LEVEQUE, R. J. Numerical Methods for Conservation Laws. Birkhuser, 2005.
LEVEQUE, R. J. Finite Difference Methods for Ordinary and Partial Differential Equations.
2007.
MEDEIROS, F. E. L. D.
METODOLOGIA PARA DESENVOLVIMENTO DE
PR-CONDICIONADORES APLICADOS NA SOLUO DE ESCOAMENTOS
COMPRESSVEIS COM BAIXO NMERO DE MACH EM SISTEMAS DE MSSEIS E
FOGUETES. Tese de Doutorado, Instituto Militar deEngenharia, 2012.
MENG, J., HONG, K., WU, J. e YUAN, J.-M. The generalized buckley-leverett and the regularized buckley-leverett equations. Journal of Mathematical Physics, 53, 2012.
NAVON, I. M.
Pent: A periodic pentadiagonal systems solver.
Communications
in Applied Numerical Methods, 3(1):6369, 1987.
ISSN 1555-2047.
URL
http://dx.doi.org/10.1002/cnm.1630030111.
OBERKAMPF, W. L. e ROY, C. J. Verification and Validation in Scientific Computing. 2010.
PARESCHI, L. e RUSSO, G. Implicit-explicit Runge-Kutta schemes and applications to hyperbolic systems with relaxation. Journal of Scientific Computing, 25 (1):129155, 2005.
PREMASUTHAN, S.
TOWARDS AN EFFICIENT AND ROBUST HIGH ORDER
ACCURATE FLOW SOLVER FOR VISCOUS COMPRESSIBLE FLOWS. Tese de Doutorado, STANFORD UNIVERSITY, 2010.
PRESS, W. H. Numerical Recipes: The Art of Scientific Computing (3rd ed.). Cambridge
University Press, 2007.
RHODES, N., editor. Computational Fluid Dynamics in Practice. Wiley, 2001.
ROBINSON, K. Ariane 5 flight 501 failure-a case study of errors. University of New South
Wales, 1996.
RUUTH, S. J. Global optimization of explicit strong-stability-preserving RungeKutta
methods. Mathematics of Computations, 75:183207, 2006.
RUUTH., S. e SPITERI, R. High-order strong-stability-preserving runge-kutta methods with
downwind-biased spatial discretizations. SIAM Journal on Numerical Analysis, 42:974996,
2004.
SALARI, KAMBIZ; KNUPP, P. Code verification by the method of manufactured solutions.
Technical report, Sandia National Labs, 2000.
SHU, C. W. e OSHER, S. Efficient implementation of essentially non-oscillatory shockcapturing schemes. Journal of Computational Physics, 77:439471, 1988a.
SHU, C.-W., GOTTLIEB, S. e KETCHESON, D. Strong Stability Preserving Runge-Kutta and
Multistep time discretizations. World Scientific Publishing Co. Pte. Ltd., 2011.
70
SHU, C. Total-variation-diminishing time discretizations. SIAM Journal on Scientific and

Statistical Computing, 9:10731084, 1988.
SHU, C., GOTTLIEB, S. e TADMOR, E. Strong stability-preserving high-order time discretization methods. SIAM Review, 42:89112, 2001.
SHU, C. e OSHER, S. Efficient implementation of essentially nonoscillatory shock-capturing
schemes. Journal of Computational Physics, 77:439471, 1988b.
SHU, C. e OSHER, S. Efficient implementation of essentially nonoscillatory shock capturing
schemes ii. Journal of Computational Physics, 83:3278, 1989.
SKEEL, R. Roundoff error and the patriot missile.
Mathematics (SIAM), 25, 1992.
Society for Industrial and Applied
SPIJKER, M. Stepsize conditions for general monotonicity in numerical initial value problems.
SIAM Journal on Numerical Analysis, 45:12261245, 2007.
SPITERI, R. J. e RUUTH, S. J. A new class of optimal high-order strongstability-preserving
time discretization methods. SIAM Journal of Numerical Analysis, 40:469491, 2002.
71
6 APNDICES
6.1
APNDICE 1
Os resultados apresentados a seguir foram reproduzidos do artigo MENG et al. (2012).
1.1
0.9
0.8
0.7
RKSSP(2,2)
RK4 - JMP
0.6
0.5
0.4
5.5
FIG. 6.1: Reproduo JMP: IC01 : = 0, = 105
1.1
0.9
0.8
0.7
RKSSP(2,2)
RK4 - JMP
0.6
0.5
0.4
5.5
72
1.1
0.9
0.8
0.7
RKSSP(2,2)
RK4 - JMP
0.6
0.5
0.4
5.5
1.1
0.9
0.8
0.7
RKSSP(2,2)
RK4 - JMP
0.6
0.5
0.4
5.5
73
1.1
1.05
1
0.95
0.9
0.85
0.8
0.75
0.7
0.65
0.6
MoC
RK4 - JMP
RKSSP(2,2)
0.55
0.5
0.45
0.4
5.5
1.1
1
0.9
0.8
0.7
0.6
0.5
RKSSP(2,2)
RK4 - JMP
0.4
0.3
0.2
0.1
0
-0.1
-0.2
4.5
5.5
6.5
74
1.1
1
0.9
0.8
0.7
0.6
0.5
RKSSP(2,2)
RK4 - JMP
0.4
0.3
0.2
0.1
0
-0.1
-0.2
4.5
5.5
6.5
1.1
1
0.9
0.8
0.7
0.6
0.5
RKSSP(2,2)
RK4 - JMP
0.4
0.3
0.2
0.1
0
-0.1
-0.2
4.5
5.5
6.5
75
1.1
1
0.9
0.8
0.7
0.6
0.5
RKSSP(2,2)
RK4 - JMP
0.4
0.3
0.2
0.1
0
-0.1
-0.2
4.5
5.5
6.5
1.1
1
0.9
0.8
0.7
0.6
0.5
0.4
0.3
MoC
RK4 - JMP
RKSSP(2,2)
0.2
0.1
0
-0.1
-0.2
4.5
5.5
6.5
76
6.2
APNDICE 2
Grficos de verificao de ordem espacial do mtodo explcito realizado no problema de
burgers viscoso:
Lf Error
error exp.pdf
10
-5
10
-6
10-7
10-8
10-9
0.25
0.5
0.75
x/L
FIG. 6.11: Erro obtido no refinamento de malhas espaciais resolvido atravs do mtodo
explcito.
Ordem Espacial
0.25
0.5
0.75
x/L
order exp.pdf
FIG. 6.12: Ordem espacial mtodo explcito.

Grficos de verificao de ordem temporal do mtodo explcito realizado no problema de
burgers viscoso:
77
10-8
10-9
L Error
10-10
10-11
10-12
10-13
0
0.25
0.5
0.75
x/L
error exp.pdf
FIG. 6.13: Erro obtido no refinamento de malhas temporais resolvido atravs do mtodo
explcito.
Ordem Temporal
0.25
0.5
0.75
x/L
order exp.pdf
FIG. 6.14: Ordem espacial mtodo explcito.
78
Grficos de verificao de ordem espacial do mtodo implcito realizado no problema de

burgers viscoso:
10-5
L Error
10-6
10-7
10-8
10-9
0.25
0.5
0.75
x/L
spat imp.pdf
implcito.
Ordem Espacial
0.25
0.5
0.75
x/L
spat imp.pdf
FIG. 6.16: Ordem espacial mtodo implcito.
79
Grficos de verificao de ordem temporal do mtodo implcito realizado no problema de

burgers viscoso:
10-9
-10
L Error
10
10
-11
10
-12
0.25
0.5
0.75
x/L
error imp.pdf
implcito.
Ordem Temporal
0.25
0.5
0.75
x/L
order imp.pdf
FIG. 6.18: Ordem espacial mtodo implcito.
80
Grficos de verificao de ordem espacial do mtodo IMEX realizado no problema de burgers viscoso:
10-7
L Error
10-8
10
-9
10-10
0.25
0.5
0.75
x/L
error MEX.pdf
FIG. 6.19: Erro obtido no refinamento de malhas espaciais resolvido atravs do mtodo IMEX.
Ordem Espacial
0.25
0.5
0.75
x/L
order IMEX.pdf
FIG. 6.20: Ordem espacial mtodo IMEX.
81
Grficos de verificao de ordem temporal do mtodo IMEX realizado no problema de

burgers viscoso:
10-6
L Error
10-7
10-8
10-9
10
-10
10-11
0.25
0.5
0.75
x/L
error IMEX.pdf
IMEX.
Ordem Temporal
0.25
0.5
0.75
x/L
order IMEX.pdf
FIG. 6.22: Ordem espacial mtodo IMEX.
82
6.3
APNDICE 3
Grficos de verificao de ordem espacial e temporal do mtodo explcito realizado no pro-
blema do tubo de choque:
0.0045
0.004
0.0035
0.003
0.0025
0.002
Erro L
0.0015
0.001
Soluo de Ref Ord2

SSP (2,2) Explcito
0.0005
0.02
0.03
0.04
0.05
dx
explcito.
3E-05
2.5E-05
2E-05
1.5E-05
Erro L
1E-05
5E-06
Soluo de Ref Ord2

SSP (2,2) Explcito
1E-06
2E-06
3E-06
4E-06
dt
explcito.
83
Solues para velocidade e presso do Tubo de choque atravs do mtodo explcito

RKSSP(2,2)
250
Soluo Analtica
RKSSP(2,2)
Velocidade
200
150
100
50
0
-10
-5
10
FIG. 6.25: Soluo para a velocidade em t = 0.01s and CF L = 0.1.
110000
100000
Soluo Analtica
RKSSP(2,2)
90000
80000
Presso
70000
60000
50000
40000
30000
20000
10000
-10
-5
10
FIG. 6.26: Soluo para a presso em t = 0.01s and CF L = 0.1.
6.4
APNDICE 4
Validao do cdigo explcito resolvendo o problema de propagao de ondas termoacsti-
cas. Dados extrados de FAROUK e Aktas (2001)

84
105000
104500
p (Pa)
104000
103500
103000
102500
102000
101500
0
0.00025
0.0005
0.00075
0.001
x
validacao.pdf
FIG. 6.27: Soluo da presso para os tempos t =[0.25c , 1.0c , 1.5c , 2.0c ]
110000
p(Pa)
108000
106000
104000
102000
2.83E-09
1.00028E-05
2.00028E-05
3.00028E-05
t (s)
vs tempo.pdf
FIG. 6.28: Evoluo da presso na parede da direita da cavidade ao longo de 30 s
85
304
T (K)
303
302
301
300
0.00025
0.0005
0.00075
0.001
x (m)
FIG. 6.29: Soluo numrica para a temperatura para os tempos caractersticos t=[0.25,1,1.5,2]
86

Dissertacao Gabriel

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Dissertacao Gabriel

Uploaded by

Copyright:

Available Formats

MINISTRIO DA DEFESA

PROGRAMA DE PS-GRADUAO EM ENGENHARIA DE DEFESA

ESTUDO COMPARATIVO ENTRE MTODOS RUNGE-KUTTA EXPLCITO, IMPLCITO

Aluno: GABRIEL DE MORAES

Data da aprovao da dissertao da Seo de Ensino:

INSTITUTO MILITAR DE ENGENHARIA

ESTUDO COMPARATIVO ENTRE MTODOS RUNGE-KUTTA

Dissertao de mestrado apresentada ao curso de Psgraduao em Engenharia de Defesa (PGED) do Instituto

INSTITUTO MILITAR DE ENGENHARIA

permitida a meno, reproduo parcial ou integral e a transmisso entre bibliotecas deste

Os conceitos expressos neste trabalho so de responsabilidade do autor e do orientador.

INSTITUTO MILITAR DE ENGENHARIA

Dissertao de mestrado apresentada ao curso de Ps-graduao em Engenharia de Defesa

Aprovada em 03 de Fevereiro de 2014 pela seguinte Banca Examinadora:

Leonardo S. de B. Alves, Ph.D. - UFF

Itamar Borges Jr., D.Sc. - IME

Paulo Fernando Ferreira Rosa, D.Sc. - IME

Luiz Eduardo Bittencourt Sampaio , D.Sc. - UFF

Ao orientador Leonardo Alves, pelos ensinamentos que renderam um grande crescimento

Mtodos Strong Stability Preserving . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22

Formulao Shu-Osher dos mtodos de Runge-Kutta . . . . . . . . . . . . . . . . . . . . . . . . . 23

Formulao Shu-Osher modificada . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24

Discretizao Espacial: Limitadores de Fluxo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25

Verificao e validao do cdigo computacional . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26

Metodologia para avaliao de eficincia computacional . . . . . . . . . . . . . . . . . . . . . . 28

Caso teste 01: Equao de Buckley-Leverett . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31

Caso teste 02: Equao de Burgers no viscosa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35

Estudo de preservao de estabilidade no Linear-Barreira SSP . . . . . . . . . . . . . . . . 38

Estudo comparativo de eficincia computacional . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45

Caso teste 03: Equao de Burgers viscoso . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49

Estudo comparativo de eficincia computacional . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50

Caso teste 04: Equao de Buckley-Leverett . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54

Caso teste 05:Equao de Buckley-Leverett viscosa . . . . . . . . . . . . . . . . . . . . . . . . . . 59

Caso teste 06:Tubo de Choque . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63

Caso teste 07:Propagao de ondas termoacsticas em uma cavidade . . . . . . . . . . . . 65

CONCLUSES E TRABALHOS FUTUROS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67

Foguete Ariane 5 FONTE: http://goo.gl/Asd1L . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17

Curvas tpicas na comparao entre eficincia computacional entre mtodos mtodos. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28

IC_01 : = 0, = 0 Esquerda:Figura 02 JMP 2012, Direita: Soluo

IC_02 : = 0, = 0 Esquerda: Figura 06 JMP 2012, Direita: Soluo

IC_01 : = 0, = 105 Esquerda: Figura 05 JMP 2012, Direita:

IC_02 : = 0, = 105 Esquerda:Figura 09 JMP, Direita: Soluo

Perfis de velocidade : burges no viscoso. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36

Convergncia de malha espacial, burges no viscoso. . . . . . . . . . . . . . . . . . . . . . . 37

Verificao de cdigo SSP(2,2) com Superbee. . . . . . . . . . . . . . . . . . . . . . . . . . . . 37

Verificao de cdigo SDIRK(1,2) com Superbee. . . . . . . . . . . . . . . . . . . . . . . . . 38

Eficincia computacional mtodos explicito x implcito 1,2s burgers no

FIG.3.10 Eficincia computacional mtodos explicito x implcito 2,4s burgers no

FIG.3.21 Comparativo: Eficincia de CPU . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60

[0.25c , 1.0c , 1.5c , 2.0c ] . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66

Reproduo JMP: IC01 : = 0, = 105 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72

Reproduo JMP: IC01 : = 0, = 106 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72

Reproduo JMP: IC01 : = 0, = 107 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73

Reproduo JMP: IC01 : = 0, = 108 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73

Reproduo JMP: IC01 : = 0, = 100 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74

Reproduo JMP: IC02 : = 0, = 105 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74

Reproduo JMP: IC02 : = 0, = 106 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 75

Reproduo JMP: IC02 : = 0, = 107 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 75

Reproduo JMP: IC02 : = 0, = 108 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 76

FIG.6.10 Reproduo JMP: IC02 : = 0, = 100 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 76

FIG.6.20 Ordem espacial mtodo IMEX. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81

Eficincia computacional no Burgers Viscoso para 1.2 s . . . . . . . . . . . . . . . . . . 46

Eficincia computacional Burgers no Viscoso para 2.4 s . . . . . . . . . . . . . . . . . . 46

Eficincia computacional Burgers no Viscoso para 4.8 s . . . . . . . . . . . . . . . . . . 47