Professional Documents
Culture Documents
G 17114 – M
Métodoos Nu
umériccos paara
EEngennhariaa Mecânica
http://carvalho.u
usuarios.rrdc.puc-rio.br/ENG
G1714/
ENG 1714 – Métodos Numéricos para
Engenharia Mecânica
http://lmmp.mec.puc-rio.br/eng1714/
Professor: Márcio Carvalho, Sala 153-L, Tel:3527-1174, email: msc@puc-rio.br
Monitoria:
2 G1 3 G 2 G1 3 G 2
Critério de Aprovação: M 5. Se G 2 3, M 5 . G1 e G2 são
5 4
calculados da seguinte forma:
Media Listas P
Se P 4, G
2
Se P 4, G P
Objetivo: Introduzir os conceitos básicos de métodos numéricos para solução de problemas em engenharia.
Ementa: Introdução; Integração numérica; Cálculo de raiz de equação transcendental; Interpolação e Ajuste
de Curvas; Solução de sistemas de equações algébricos; Sistemas não-lineares; Equações Diferenciais
Ordinárias; Problema de Valor Inicial; Problema de Valor de Contorno; Equações Diferenciais Parciais;
Otimização.
Bibliografia:
Métodos Numéricos para Engenharia ,S. C. Chapra e R. P. Canale; McGraw Hill, 2002.
Análise Numérica, R. L. Burden e J. Douglas Faires, Thomson, 2003.
Numerical Recipies, W. H. Press, B. P. Flannery, S. A. Teukolsky e W. T. Vetterling; Cambridge
University Press, 1986.
Numerical Methods, G. Dahlquist, A. Bjorck e N. Anderson; Prentice Hall, 1974.
Manual do Scilab
Departamento de Engenharia Mecânica
email: msc@puc-rio.br
Sala: 153-L
Tel: 3527-1174
INTRODUÇÃO
APLICAÇÕES DE MÉTODOS NUMÉRICOS
Tratamento de Dados Estatísticos
Análise de sinais
Cálcular de média, desvio padrão, variância, etc…
Determinar equação da curva que melhor descreve os
resultados de um experimento
y f (x) ?
Simulação de sistemas
MODELO FÍSICO
PREVISÕES PREVISÕES
MODELO MATEMÁTICO
Conjunto de equações que descrevem um determinado fenômeno físico
Compromisso entre custo para solução das equações e qualidade dos resultados
Otimização de projetos
MÉTODOS DE PREDIÇÃO
Modelo Experimental
Modelo Matemático
Baixo custo
Possibilidade de analisar diversos casos e otimizar projeto
Velocidade de obter resposta
Habilidade de simular condições reais e ideais
Necessidade de validar modelos matemáticos
Comentários
d dT
EQUAÇÃO DIFERENCIAL k (T ) G ( x) T ( x) ?
dx dx
DISCRETIZAR O PROBLEMA
DIFERENÇAS FINITAS
ELEMENTOS FINITOS
VOLUMES FINITOS
ELEMENTOS DE CONTORNO
ELEMENTOS ESPECTRAIS
OUTROS ...
ESCOLHA DE SOFTWARE
Versatilidade X desempenho
Desenvolvidos: Novos modelos
Comerciais: Mais “userfriendly”, interface gráfica
Treinamento
Fundamentos físicos
Uso do software
EMENTA
http://www.scilab.org/
http://www.scilab.org/resources/documentation/tutorials
Introscilab.pdf
Scilab_beginners.pdf
Janela de variaveis
Janela de comando
VARIÁVEL TIPO VETOR - ARRAY
GRÁFICOS
JANELA DE PROGRAMAÇÃO / EDIÇÃO
For
While
if / else
Exercícios
1) Escreva um programa em MatLab para efetuar a multiplicação entre duas matrizes.
O programa deve primeiro ler o número de linhas e colunas de cada matriz e o valor de cada
entrada das matrizes. Antes de efetuar a operação, o programa deve verificar se a mesma é possível,
i.e. se o número de colunas de uma matriz é igual ao número de linhas da outra.
1)
2)
AJUSTE DE CURVAS E INTERPOLAÇÃO
OBJETIVO
Conhecendo-se os valores de uma função em pontos discretos de um intervalo,
deseja-se determinar uma curva que “represente” esta função neste intervalo.
f1*(x) f2*(x)
x x
APLICAÇÕES
Ajuste de dados experimentais - Estes carregam incertezas.
Ajuste dos dados de acordo com um modelo – Esta abordagem permite a
obtenção de parâmetros que possuam interpretação física. Ex. f1(x): .
Necessidade de integração da função em questão.
Desejo de se conhecer o valor da função em pontos específicos não dados.
Aproximar uma função por outra menos complexa, de fácil aplicação.
TIPOS DE PROCESSOS
AJUSTE DE CURVAS
Tem-se um conjunto de pontos e deseja-se uma f*AC(x)
curva que passe “próxima” destes pontos. A
equação da curva ajustada deve possuir um
número de parâmetros menor que o número de
pontos dados.
x
Dados n pontos xi, f(xi) no intervalo (a,b) obtém-se f*(x) tal que | f*(xi)-f(xi) |<
INTERPOLAÇÃO PADRÃO
Tem-se um conjunto de pontos e deseja-se f*IP(x)
obter uma curva que passe suavemente
através de todos os pontos. A equação da
curva interpoladora deve possuir o
mesmo número de parâmetros que o número
de pontos dados. x
Dados n pontos xi, f(xi) no intervalo (a,b) obtém-se f*(x) tal que f*(xi)=f(xi)
MÉTODO DOS MÍNIMOS QUADRADOS
f*(x)
n pontos
QUANTIDADE MINIMIZADA
n
E=i=1 [f*(xi)-f(xi)]2 f*(xi)-f(xi)
EXEMPLO SIMPLES
SOLUÇÃO
1.5
0
0 2 4 6 8
A função escolhida para representar -0.5
-1.5
f * x mx k -2
-2.5
n 5
E f * xi f xi mxi k f xi
2 2
i 1 i 1
E E m, k
A escolha dos coeficientes que minimizam E deve, portanto, ser tal que:
E 5
0 2 mxi k f xi xi 0
m i 1
E 5
0 2 mxi k f xi 0
k i 1
5 5 5
m xi2 k xi xi f xi 0 i xi f(xi) xi2 xi*f(xi)
i 1 i 1 i 1 1 1 -2.1 1 -2.1
5 5 5 2 3 -0.9 9 -2.7
m xi 5 1 f xi 0 3 4 -0.6 16 -2.4
i 1 1
i i 1
4 6 0.6 36 3.6
5
5 7 0.9 49 6.3
sum 21 -2.1 111 2.7
5 5
5
xi x xi f xi
2
i
m
i 51 i 1
i 15 57.6 -290 0.505 -2.54
xi 5 k f xi 114
i 1 i 1
m 0.505
k 2.542
CÁLCULO DO ERRO
1.5
E A f ( xi ) f ( xi ) *
-0.5
0 2 4 6 8
-1
-1.5
Erro relativo -2
-2.5
f ( xi ) f * ( xi )
ER
1.5
f ( xi ) 1
0.5
0
0 2 4 6 8
Erro quadrático -0.5
-1
EQ f ( xi ) f * ( xi )
2 -1.5
-2
-2.5
E
f x f x
n
2
E *
m incógnitas
0
i 1
i i
c j
Exemplos: m equações
(1) f * ( x) ax
2
bx
c Nestes problemas, recai-se em
E
0
E
0
E
0
um sistema de m equações
a b c (derivando-se E em relação a
cada coeficiente) e m
(2) f * ( x) A sen x B cos x incógnitas (os coeficientes)
E E
0 0
A B
(3) g * ( z ) Kz n ln[ g * ( z )] ln K n ln z f * ( x) K nx
E E
0 0
K n
f x f x
m m
f ( x ) c j j ( x ) c k k ( x )
n
2 *
E *
i i
i 1 j 1 k 1
E m
n
0; j 1,..., m 2 ckk ( xi ) f ( xi ) f * ( xi ) 0
c j i 1 k 1
c j
f * ( xi )
m
c j
f ( xi )
*
ckk ( xi ) j ( xi )
c j k 1
Observe que...
m
ckk ( xi ) c11 ( xi ) c22 ( xi ) c33 ( xi ) ... cmm ( xi ) 2 ( xi )
c2 k 1 c2
E m n
0 ckk ( xi ) f ( xi ) j ( xi ) 0
c j i 1 k 1
E n
m
j ( xi ) ckk ( xi ) f xi j ( xi ) 0
c j i 1 k 1
n m n
c ( x ) ( x ) f x ( x ) ;
i 1 k 1
k k i j i
i 1
i j i j 1,2,..., m
n m n
c ( x ) ( x ) f x ( x ) ;
k 1 i 1
k k i j i
i 1
i j i
n m n
c ( x ) ( x ) f x ( x ) ;
k 1
k
i 1
k i j i
i 1
i j i j 1,2, , m
n m n
c ( x ) ( x ) f x ( x ) ;
k 1
k
i 1
k i j i
i 1
i j i j 1,2, , m
Para cada coeficiente existe uma equação correspondente, por exemplo, j=1:
E n 2 n n n
c1 1 ( xi ) c2 1 ( xi )2 ( xi ) cm 1 ( xi )m ( xi ) f ( xi )1 ( xi ) 0
c1 i 1 i 1 i 1 i 1
n n n
n
1 ( xi ) 1 ( xi )2 ( xi ) 1 ( xi )m ( xi ) f ( xi )1 ( xi )
2
c
n i 1 i 1
n
i 1
n 1 i n1
1 ( xi )2 ( xi ) 2 ( xi )
2
2 ( xi )m ( xi ) 2 f ( xi )2 ( xi )
c
i 1 i 1 i 1 i 1
n
m2 ( xi ) m f ( xi )m ( xi )
n n c n
1 ( xi )m ( xi ) 2 ( xi )m ( xi )
i 1 i 1 i 1 i 1
EXEMPLOS
x 1.1 2.3 3.0 4.3 5.1 6
Considere os dados:
F(x) 1.1 1.9 3.4 4.8 5.5 6.9
Determine a reta que melhor represente os dados usando o método dos
mínimos quadrados.
f * x mx k
x F(x) X^2 xF
1 1.1 1.1 1.21 1.21
6
6
6
xi xi m xi f xi
2 2 2.3 1.9 5.29 4.37
3 3 3.4 9 10.2
i 61 i 1
i 16 4 4.3 4.8 18.49 20.64
x k
f xi
5 5.1 5.5 26.01 28.05
i 1 i 6
i 1
6 6 6.9 36 41.4
f * x ax 2 bx c
Sistema de equações:
E 6
a
0 2 axi2 bxi c f xi xi2 0 E 6 6 6 6
0 a xi4 b xi3 c xi2 f xi xi2
i 1 a i 1 i 1 i 1 i 1
E 6
E 6 6 6 6
0 2 axi2 bxi c f xi xi 0 0 a xi3 b xi2 c xi f xi xi
b i 1 b i 1 i 1 i 1 i 1
E 6 E 6 6 6 6
c
0 2 axi2 bxi c f xi 0 c
0 a xi2 b xi c 1 f xi
i 1 i 1 i 1 i 1 i 1
6 4 6 6
6 2
xi x xi f xi
3 2
i x
i
i 61 i 1
6
i 1
6 a i 61
x3
xi b xi f xi
x
2
i 1
i
i 1
i
i 1
i 1
6 6 c 6
xi2
i 1
x
i 1
i 6
f xi
i 1
Dados
3
Ajuste Linear
2
Ajuste Quadratico
1
0
0 1 2 3 4 5 6 7
Linear Quadrático
x F(x) Ajuste Equad x F(x) Ajuste Equad
1.1 1.1 0.90 0.041 1.1 1.1 0.99 0.012
2.3 1.9 2.34 0.190 2.3 1.9 2.30 0.161
3 3.4 3.17 0.051 3 3.4 3.10 0.089
4.3 4.8 4.73 0.005 4.3 4.8 4.67 0.018
5.1 5.5 5.69 0.036 5.1 5.5 5.68 0.031
6 6.9 6.77 0.017 6 6.9 6.86 0.002
E= 0.340 E= 0.312
INTERPOLAÇÃO LAGRANGEANA
Dados os pontos (2,2) e (3,3), determinar a reta que se ajusta a estes pontos
utilizando o método da Interpolação Lagrangeana.
SOLUÇÃO
Pj ( xi ) ij P1 ( x) x 3 P2 ( x) x 2 Pj ( xi ) ij
n2
f * ( x) y P ( x)
j 1
j j 2 P1 ( x) 3P2 ( x)
f * ( x) 2( x 3) 3( x 2) x c j f *(x j ) y j
n
f ( x)
*
c P ( x)
j 1
j j Deve-se impor a condição f*(xi)=f(xi)
OBS 3:
n m
c j f ( x j ) f ( xi )
*
j 1
*
f ( x j ) Pj ( xi )
k 1
( xi ) j ( xi )
jk k
i 1 f ( x1 ) f * ( x1 ) P1 ( x1 ) f * ( x2 ) P2 ( x1 ) f * ( xn ) Pn ( x1 ) f * ( x1 )
P1 ( x1 ) 1 P2 ( x1 ) 0 Pn ( x1 ) 0
i 2 f ( x2 ) f * ( x1 ) P1 ( x2 ) f * ( x2 ) P2 ( x2 ) f * ( xn ) Pn ( x2 ) f * ( x2 )
P1 ( x2 ) 0 P2 ( x2 ) 1 Pn ( x2 ) 0
Logo, percebe-se que a condição nos coeficientes é também uma condição no tipo
de polinômio que forma a base de funções ser satisfeita (de acordo com a OBS 3)
Pj ( xi ) ij
Exemplos de funções base polinomias que obedecem a condição: Pj ( xi ) ij
P1 P2
Linear 1.2
1
1.2
0.8 0.8
0.6 0.6
0.4 0.4
0.2 0.2
0 0
Parabólica
P1 P2 P3
1 1 1
0.8 0.8
0.8
0.6 0.6
0.6
0.4 0.4
0.4
0.2 0.2
0.2
0 0
-0.2 0 -0.2
Cúbica
P1 P2 P3 P4
1 1 1
1
0.8 0.8 0.8
0.8
0.6 0.6
0.6 0.6
0.4 0.4
0.4 0.4
0.2 0.2
0.2 0.2
0 0
0 0
-0.2 -0.2
( x x1 )( x x2 ) ( x x j 1 )( x x j 1 ) ( x xn )
Pj ( x)
( x j x1 )( x j x2 ) ( x j x j 1 )( x j x j 1 ) ( x j xn )
n
x x
i 1
i
i j
Pj ( x) n
x
k 1
j xk
k j
FUNÇÃO INTERPOLADORA
n
f ( x)
*
y P ( x)
j 1
j j
EXEMPLO
( x x2 )( x x3 ) ( x x1 )( x x3 )
f * ( x) f ( x1 ) f ( x2 )
( x1 x2 )( x1 x3 ) ( x2 x1 )( x2 x3 )
( x x1 )( x x2 )
f ( x3 )
( x3 x1 )( x3 x2 )
f * ( x) 0.84168 x 2 0.87660 x 1
RESULTADOS 3
2.5
f ( x) e x 2
y=exp(x)
1.5
f ( x) 0.84168 x 0.87660 x 1
* 2
1
y=f*(x)
0
0 0.2 0.4 0.6 0.8 1 1.2
E A f ( x) f ( x) *
0.01
f ( x) f * ( x)
ER 0.005
f ( x) 0 Erro Abs.
0 0.2 0.4 0.6 0.8 1 1.2 Erro Rel.
-0.005 Erro Quad.
Erro quadrático
-0.01
-0.015
EQ f ( x) f * ( x)
2 -0.02
Exercício
O nível da água no Mar do Norte é determinado pelo movimento de maré conhecido como Maré M2,
com um período de 12 horas. A variação do nível com o tempo pode ser descrita pela seguinte fórmula:
2t 2t
H (t ) h0 A1 cos A2 sin , t em horas
12 12
t 0 2 4 6 8 10 Horas
Primeira idéia
a b x
Melhor aproximação y
a b x
a b x
I
f (a) f (a x) x f (a x) f (a 2x) x
2 2
f (a 2x) f (a 3x) x f (a 3x) f (a 4x) x
2 2
1 1
I x f (a ) f (a x) f (a 2x) f (a 3x) f (a 4x)
2 2
4
f (a (i 1)x) f (a ix) x
I
i 1 2
x b n
I f ( x) w f ( x )
a i 1
i i
x2
xn+1=b x n : número de intervalos
x1=a
n+1: número de pontos
FÓRMULA DE NEWTON-COTES
n 1
P ( x) f ( x ) L ( x)
k 1
k k
1 L1 ( x) L2 ( x) a b x
a b a b
b b
( x x2 ) x x ba
w1 L1 ( x) dx ( x1 x2 )
dx 2 1
2 2
b
f (a) f (b) (b a)
a
b
a
b
( x x1 ) x x ba
I f ( x) dx
2
a
w2 L2 ( x) dx
a
( x2 x1 )
dx 2 1
2 2
a
n 1
(b a ) C
k 1
n
k f ( xk )
b
1
coeficientes de Newton - Cotes Ckn
(b a ) a
Lk ( x) dx
COMENTÁRIOS
Exemplo: n = 1 x
1
b
1
I f ( x) dx x f (a ) f (a x) x2 x
a 2 2 x1=a xn+1=b
1 1
x f (a x) f (a 2x)
2 2
n
f (a (i 1)x) f (a ix) x
I
i 1 2
Regra do Trapézio
Exemplo: n = 2
b
1 4 1
I
a
f ( x) dx 2x f (a ) f (a x) f (a 2x)
6 6 6
1 4 1
2x f (a 2x) f (a 3x) f (a 4x)
6 6 6
n/2
1 4 1
I 6 f a 2(i 1)x 6 f a (2i 1)x 6 f a 2ix 2x
i 1
Regra de Simpson
10
y = 0.28889 * x^(1.923) R= 0.99844
1
Erro %
0.1
Erro x
2
0.01
0.001
0.1 1 10
Tam anho do Intevalo ( x)
QUADRATURA GAUSSIANA
b n
f ( x) dx w f ( x )
a i 1
i i
Pontos de Gauss
Pesos de Gauss
b 1 n
f ( x) dx g ( ) d w g ( )
a 1 i 1
i i
n=2 n=4
wi wi
1 -0.57735 1.00 1 -0.86113 0.34785
2 +0.57735 1.00 2 -0.33998 0.65214
3 +0.33998 0.65214
4 +0.86113 0.34785
n=3
wi
1 -0.77459 0.55555
2 0.00 0.88888
3 +0.77459 0.55555
f ( x, y) dxdy g ( , ) d d
a c 1 1
n n
wi w j g ( i , j )
i 1 j 1
Exercício
1
Determine no número de intervalos necessários para obter uma resposta com precisão de 3 casas decimais
N intervalos Integral
5 0.6448
10 0.6081
20 0.5990
40 0.5967
80 0.5961
CÁLCULO DE RAIZ DE EQUAÇÃO
Necessidade de determinar a raiz de uma equação
em diversos problemas de engenharia, isto é, determinar x, tal que:
f ( x) 0
2 x 20 x 10
x 2 5x 6 0 x2 e x3
MÉTODO DE PICARD
f ( x* ) 0 x* g ( x* ) 0 x* g ( x* )
f ( x* )
PROCEDIMENTO ITERATIVO
x
Chute inicial : x( 0)
i 1 g (x)
x(i ) g ( x(i 1) ) g ( x(1) )
Enquanto x(i ) x(i 1) , repetir g ( x( 0) )
i i 1
x(i ) g ( x(i 1) ) RAIZ
x*
Raiz : x(i ) x( 0 ) x(1) x( 2) x
g ( x( 0) )
x n xn g(xn)
EXEMPLO 1: RESOLVER x e 0 0 1 0.36788
1 0.36788 0.69220
x ex g ( x) e x 2
3
0.69220
0.50047
0.50047
0.60624
4 0.60624 0.54540
5 0.54540 0.57961
x( 0 ) 1 6 0.57961 0.56012
7 0.56012 0.57114
x(1) g ( x( 0) ) e 1 0.36788
8 0.57114 0.56488
9 0.56488 0.56843
10 0.56843 0.56641
EXEMPLO 2: RESOLVER x 1 0
n x n g (x n)
x 2x 1 g ( x) 2 x 1 0
1
0
0
.9
.8
0 .8
0 .6
2 0 .6 0 .2
3 0 .2 -0 .6
x( 0) 0.9
Processo iterativo diverge
x(1) g ( x( 0) ) 2 0.9 1 0.8
x( 2) g ( x(1) ) 2 0.8 1 0.6 PORQUE ???
g (x) x x
g ( x( 0) )
g (x)
g ( x( 0) ) g ( x(1) )
g ( x(1) )
RAIZ RAIZ
x* x*
x( 2) x(1) x( 0) x x( 0 ) x( 2 ) x(1) x
g ( x( 0) ) g ( x( 0) )
DIVERGE CONVERVE OSCILANDO
g ( x) 1 DIVERGE
0 g ( x) 1 CONVERGE MONOTONICAMENTE
1 g ( x) 0 CONVERGE OSCILANDO
MÉTODO DE BISSEÇÃO
2
x
EXEMPLO 3: RESOLVER sin x 0
2
bi 1 f (ai 1 ) ai 1 f (bi 1 )
mi
f (ai 1 ) f (bi 1 )
MÉTODO DE NEWTON-RAPHSON (DE NEWTON)
f (x) f ( xi )
tan f ( xi )
xi xi 1
f ( xi )
xi 1 xi
f ( xi )
x* x
x( 2) x(1) x( 0)
Chute inicial : x( 0)
PROCEDIMENTO ITERATIVO i0
While f ( x(i ) ) , do
f ( x( i ) )
x
f ( x(i ) )
x(i 1) x(i ) x
i i 1
Raiz : x(i 1)
2
x
EXEMPLO 4: RESOLVER sin x 0
2
i xi f(xi) f’(bi) x
0 1.5 0.434995 -0.67926 0.64039
1 2.14039 -0.30319 -1.60948 -0.18838
2 1.95201 -0.02437 -1.34805 -0.01808
3 1.93393 -0.00023 -1.32217 -0.00018
4 1.93375 0.000005 -1.32191
CONVERGÊNCIA RÁPIDA
i xi f(xi) f’(bi) x
0 0.0
1
2
3
4
PROPRIEDADE DE CONVERGÊNCIA
f xn ( xn ) f ( ) 0
1
0 f ( xn ) ( xn ) f ( xn ) ( xn ) 2 f ( ); ( xn , )
2
1
( xn ) 2 f ( )
f ( xn ) 2
( xn )
f ( xn ) f ( xn )
1
( xn ) 2 f ( )
f ( xn ) 2
xn n 1
f ( x )
n f ( xn )
xn1
1 f ( ) n 1 11 f2 (f() )
n 1 n2 lim n
2 f ( xn ) xn 2
n 22 f (f() )
Quando perto da solução, o erro cai quadraticamente:
3 10 2 4 10 4 5 10 8
f (x)
f (x)
x* x x* x
x(0) x(1) x(1) x(0)
f (x)
x(1) x* x
x(0)
INTERPRETAÇÃO GEOMÉTRICA
i xi f(xi) x
0 1.0 -0.59147
1 2.0 0.09070
2
3
4
5
Exercício
Escreva uma rotina no SciLab para cálculo de raiz de funções usando os métodos de Bisseção e Newton.
O programa principal deve fazer as seguintes tarefas:
(a) f ( x) x 2 1 (b) f ( x) 1 x e 2 x
Método de Newton
Método da Bisseção