Merged

UNIFESP/DCET/Engenharia Qumica - Anlise de Sistemas - Prof. Jos Plcido - Rev.
1 1
Captulo 1

Introduo aos sistemas algbricos e
diferenciais, baseada em aplicaes em
Engenharia Qumica.

1.1- Introduo.

Como motivao para os estudos que sero vistos nos captulos seguintes, neste primeiro captulo
vamos apresentar exemplos de modelos aplicados a processos de Engenharia Qumica, bem como os
recursos tericos bsicos que podem ser aplicados para a criao desses modelos.

No entanto, tendo em vista a grande diversidade de modelos existentes, vamos inicialmente agrupar
esses modelos de acordo com um sistema bsico de classificao, e mostrar suas aplicaes tpicas.
Esse tipo de classificao importante pois permite selecionar mtodos de soluo adequados para
cada tipo de modelo. Alm disto, o conhecimento do tipo de modelo em questo permite antecipar o
nvel de dificuldade que se deve esperar em sua resoluo, analtica ou numrica.

Os objetivos bsicos do presente captulo so:

Saber classificar e distinguir os diferentes tipos de modelos de processo existentes.
Conhecer os diferentes tipos de aplicao dos modelos de processos.
Revisar os conhecimentos bsicos necessrios para o desenvolvimento de modelos de
processos.
Desenvolver modelos de processos tpicos na rea de Engenharia Qumica.
Apresentar exemplos de modelos de diferentes nveis de complexidade na rea de Engenharia
Qumica.

No prximo item ser apresentada uma classificao dos diferentes tipos de modelos existentes.

1.2- Classificao dos modelos de processos qumicos.

Modelos podem ser construdos de forma a considerar a evoluo das variveis ao longo do tempo
ou, ento, considerando que as variveis no sofrem alterao temporal. Os primeiros so conhecidos
como modelos dinmicos, ou transientes, ou transitrios - so aplicados a processos operados em
regime transiente ou transitrio. Os segundos so conhecidos como modelos estticos, ou
UNIFESP/DCET/Engenharia Qumica - Anlise de Sistemas - Prof. Jos Plcido - Rev. 1 2
estacionrios, ou permanentes - so aplicados a processos operados em regime estacionrio ou
permanente.

Basicamente, os modelos podem ser classificados em dois grandes subgrupos: (a) modelos a
parmetros concentrados e (b) modelos a parmetros distribudos. Cada um desses modelos podem
ser tanto dinmicos quanto estticos.

Nos modelos a parmetros concentrados adota-se a hiptese de que as variveis de interesse
(concentrao, temperatura, velocidade etc.) so uniformes e, portanto, no dependem da posio
espacial no interior do sistema.

Nos modelos a parmetros distribudos considera-se que as variveis de interesse, ou, pelo menos,
uma das variveis de interesse, no so uniformes no domnio espacial e, portanto, existe uma
dependncia das mesmas em relao posio espacial no interior do sistema.

Os sistemas reais costumam ser do tipo espacialmente distribudos, mas, sob certas condies, ou
quando as variaes espaciais so pequenas, podem ser aproximados por modelos a parmetros
concentrados. As condies utilizadas para justificar esse tipo de simplificao em uma ou mais
coordenadas espaciais podem ter origens variadas, tais como:

Condies operacionais (gerao de turbulncia): utilizao de forte agitao em reatores ou
em tanques de mistura, utilizao de taxas elevadas de recirculao em reatores tubulares
etc.;
Geometria do sistema: equipamentos de tamanho reduzido (facilitam a homogeneizao do
meio), equipamentos alongados em uma coordenada (reatores de filme descendente) etc.;
Condies particulares do processo em questo: cintica de reao muito lenta, reao
independente de mistura etc.;
Estado fsico do meio (slido, lquido, gasoso): misturar slidos particulados em um meio
lquido tende a ser mais difcil que misturar dois lquidos diferentes, que, por sua vez, mais
difcil do que promover a mistura de dois gases;
Objetivos pretendidos: modelos simplificados podem ser suficientes para um estudo
preliminar do processo, ou para um entendimento inicial do comportamento do processo
frente s principais variveis envolvidas.

sempre recomendvel iniciar uma modelagem utilizando-se o modelo mais simples possvel, de
preferncia um modelo que permita obter uma soluo analtica. Dependendo das necessidades,
pode-se ento aumentar o grau de detalhamento desse modelo de modo a melhorar a preciso de suas
previses. No entanto, importante lembrar que modelos mais sofisticados em geral necessitam de
um nmero maior de informaes e, alm disto, demandam uma carga computacional maior para
gerar as respostas desejadas.

Os modelos resultantes da modelagem de processos podem ser constitudos por uma nica equao
ou, mais comumente, por um sistema de equaes. Exemplo: (a) modelo para calcular a temperatura
da corrente de sada de um tanque de mistura (uma nica equao); (b) modelo para calcular as
temperaturas das correntes de sada de trs tanques de mistura posicionados em srie (sistema de trs
equaes).

Antes de iniciarmos o prximo item, importante frisar algumas caractersticas inerentes a esses dois
grupos de modelos de processos:

(a) Modelos a parmetros concentrados. Os modelos dinmicos deste tipo mostram a evoluo
temporal das variveis (concentrao, temperatura, vazo) consideradas como mdias vlidas para
todo o volume do sistema. Na condio de equilbrio, quando todas as variveis assumem valores
constantes no tempo, diz-se que o sistema atingiu o regime permanente ou o regime estacionrio.
Nesta situao, o processo, que originalmente era representado por um sistema de equaes
diferenciais ordinrias tendo o tempo por varivel independente, passa a ser representado por um
sistema de equaes algbricas, as quais podem ser lineares ou no-lineares;

(b) Modelos a parmetros distribudos. Os modelos dinmicos deste tipo mostram a evoluo
temporal das variveis (concentrao, temperatura, vazo) locais, ou seja, em determinadas posies,
dentro do volume do sistema, fixadas em relao a um sistema de coordenadas espaciais. Na
condio de equilbrio, quando todas as variveis assumem valores constantes no tempo, diz-se que o
sistema atingiu o regime permanente ou o regime estacionrio. Nesta situao, o processo, que
originalmente era representado por um sistema de equaes diferenciais parciais tendo o tempo e as
coordenadas espaciais por variveis independentes, passa a ser representado por um sistema de
equaes diferenciais parciais tendo apenas as coordenadas espaciais por variveis independentes.
Em alguns casos, dependendo do tipo de modelo utilizado, a condio de equilbrio resulta em um
sistema de equaes diferenciais ordinrias tendo uma coordenada espacial por varivel
independente.

Estas caractersticas so importantes para identificar quais mtodos de resoluo de equaes podem
ser utilizados em cada caso, conforme ser visto nos prximos captulos.

Aps a etapa preliminar de desenvolvimento do modelo do processo, o mesmo pode ser utilizado
para diferentes finalidades. A situao mais comum a que resulta em modelos contendo um sistema
de equaes sem soluo analtica possvel ou vivel de se obter mediante a utilizao simples de
lpis e papel. Neste caso, necessrio utilizar softwares computacionais para verificar a resposta do
modelo frente a diferentes condies operacionais ou frente a diferentes parmetros caractersticos de
equipamentos do processo, tais como volumes, dimetros, comprimentos de tubulaes etc. A este
tipo de utilizao computacional de modelos de processos d-se o nome de simulao de processos,
e sua aplicao ser resumida no prximo item.

1.3- Aplicaes da simulao de processos.

importante salientar que modelos podem ser construdos para representar um nico equipamento
ou parte de um processo, bem como para representar o processo em sua totalidade, de modo que seu
tamanho e complexidade podem variar significativamente. Consequentemente, sua aplicao e
utilidade tambm poder variar de forma correspondente.

Dependendo do tipo de modelo disponvel e dos objetivos de sua utilizao, diferentes aplicaes
podem ser vislumbradas para os modelos de processos. Dentre as quais, destacam-se as seguintes
aplicaes (Claudio Garcia, 2009):

(a) Projeto de equipamentos, processos e plantas e seus respectivos sistemas de controle (usa modelo
esttico). Objetivos tpicos:
dimensionamento fsico de equipamentos e componentes do processo;
estudar as interaes de diversas partes do processo;
projetar a estratgia de controle para um novo processo.

Exemplos:

(b) Pr-operao e operao de plantas (usa modelo dinmico). Objetivos tpicos:
melhorar o entendimento do comportamento do processo frente a diferentes situaes;
desenvolver, testar e qualificar procedimentos operacionais de partida e parada. Testar
situaes normais e anormais de operao;
criar manuais de deteco, localizao e correo de falhas em equipamentos;
estudar projetos de expanso;
aplicar treinamento de operadores;
analisar diferentes modos ou filosofias de operao da planta.

(c) Sistemas de controle de processos (usa modelo dinmico). Objetivos tpicos:
selecionar ajustes preliminares de controladores;
projetar a lei de controle, por exemplo em sistemas de controle por pr-alimentao
(feedforward), em sistemas de controle adaptativo ou preditivo.

(d) Otimizao das condies operacionais de plantas (usa modelo esttico). Objetivos tpicos:
maximizar rendimentos operacionais, converso de produtos, lucro etc.;
minimizar os custos.

Podemos acrescentar, na lista acima, as aplicaes relativas s pesquisas realizadas em
universidades, voltadas, por exemplo, ao desenvolvimento de novos produtos e processos e
melhoria de produtos e processos existentes.

No prximo item sero vistos alguns recursos utilizados em modelagem de processos qumicos.

1.4- Exemplos de modelos de processos qumicos.

Neste item vamos apresentar exemplos de sistemas no mbito da Engenharia Qumica, os quais
resultam em diferentes tipos de modelos.

1.4.1- Equaes algbricas lineares.

Exemplo 1: recuperao de acetona, sistema absorvedor/separador flash. Deseja-se recuperar
acetona a partir de uma mistura ar-acetona em um sistema absorvedor com separador flash (Figura
1).

Um modelo para este sistema pode ser desenvolvido sob as seguintes condies:

Toda a acetona absorvida e sai junto com a corrente de gua ( 0
2 , 1
= w );
O ar que entra no absorvedor no contm vapor de gua ( 0
1 , 2
= w );
O ar que deixa o absorvedor contm 3% em massa de vapor de gua ( 03 , 0
2 , 2
= w ).

O separador flash age como um nico estgio de equilbrio, de tal forma que as fraes mssicas de
acetona nas correntes de vapor e de lquido deixando o separador flash esto relacionadas pela
seguinte equao:

x y 5 , 20 = (1.1)

Figura 1. Recuperao de acetona em sistema com um absorvedor e um vaso separador flash.
Notao: 1 - acetona; 2 - gua; 3 - ar; F - vazo mssica [kg/h]; w - frao mssica.

onde y a frao mssica de acetona na corrente de vapor (F
4
) e x a frao mssica de acetona na
corrente de lquido (F
5
). Ou, em termos da notao adotada,
5 , 1 4 , 1
5 , 20 w w = . As condies
operacionais so as seguintes:

Vazo de entrada de ar, F
1
: 600 kg/h com 8% (em massa) de acetona;
Vazo de entrada de gua, F
3
: 500 kg/h.

Deseja-se que o resduo aquoso tenha um contedo de acetona de 3% (massa). Pede-se determinar a
concentrao de acetona na corrente de vapor e as vazes das correntes de produto.

Mostre que a soluo deste problema dada pelo seguinte sistema de equaes na forma matricial,
onde cada linha da matriz representa o balano de massa de um componente (ar, acetona e gua):

(
(
(
=
(
(
(
(
(
(
500
600 08 , 0
600 92 , 0
385 , 0 97 , 0 03 , 0
615 , 0 03 , 0 0
0 0 97 , 0
4
5
2
F
F
F
(1.2)

Este modelo constitui um exemplo tpico de um sistema de equaes algbricas lineares, cujas
equaes devem ser resolvidas de forma simultnea. claro que, no presente caso, F
2
pode ser
obtido de forma direta, resultando em um sistema de duas equaes e duas incgnitas.

A representao desse sistema pode ser compactada usando-se as definies usuais para os vetores
de incgnitas e de constantes, bem como para a matriz dos coeficientes. Assim, define-se
[ ]
T
F F F
4 5 2
= x , [ ]
T
500 600 08 , 0 600 92 , 0 = b e A como a matriz (3 x 3) mostrada no lado
esquerdo da Equao (1.2). Em notao matricial compacta, ento, esse sistema pode ser
representado pela seguinte equao:

b Ax = (1.3)
Separador
flash Absorvedor
Entrada de ar
F
1
, w
1,1
,
w
2,1
, w
3,1

Ar tratado
F
2
, w
1,2
,
w
2,2
, w
3,2

Entrada de gua
F
3
Resduo aquoso
F
5
, w
1,5
Acetona recuperada
F
4
, w
1,4
I
II

De uma forma geral, x e b so vetores de tamanho (n x 1) e A uma matriz (n x n), onde o nmero n
de equaes pode chegar a centenas ou mesmo milhares em processos industriais contendo um
nmero grande de unidades.

No estudo desses sistemas estamos interessados em saber se existe uma soluo nica e, se existe,
como obt-la de uma forma eficiente. Alm disto, importante entender as situaes que podem
levar a falhas na obteno da soluo. Estes assuntos sero abordados no Captulo 2.

1.4.2- Equaes algbricas no lineares.

Exemplo 2: unidade de vaporizao flash. Considere a unidade mostrada na Figura 2. Uma mistura
de hidrocarbonetos contendo 25 % (molar) de n-butano, 45 % (molar) de n-pentano e 30% (molar)
de n-hexano deve ser separada em um processo simples de vaporizao flash operado a 10 atm e
270F.

Os valores da constante de equilbrio para essas composies so dados por:

Componente
i
z
i i i
x y k =
n-butano 0,25 2,13
n-pentano 0,45 1,10
n-hexano 0,30 0,59

Figura 2. Vaso separador flash.

Obtenha as equaes para a soluo desse processo. Como sugesto, faa um balano de massa
global e um balano de massa para cada componente. Para fechar os graus de liberdade ser
necessrio utilizar, ainda, uma equao constitutiva: a soma das fraes molares na corrente de
lquido deve ser igual a 1.

Mostre que a soluo para este processo envolve um sistema de cinco equaes algbricas no
lineares do tipo:

( ) 0 , , , ,
3 2 1 1
= V L x x x f
( ) 0 , , , ,
3 2 1 2
= V L x x x f
0 = L L L L L L L
( ) 0 , , , ,
3 2 1 5
= V L x x x f
(1.4)
V, y
i

L, x
i

F, z
i

Vaporizador
flash
T = 270F
P = 10 atm
F = 270 lbmol/h
Essas equaes devem ser resolvidas simultaneamente para obter o vetor soluo, dado por

[ ]
T
V L x x x
3 2 1
= x (1.5)

Mostre que, para este caso em particular, uma soluo simples tambm pode ser obtida resolvendo-se
a seguinte equao algbrica no linear para F V :

( )
( )( )
0 1
1 1
3
1
=
+
=

= i
i
i
k F V
z
F V f (1.6)
ou:

( )
( )( ) ( )( ) ( )( )
0 1
1 59 , 0 1
30 , 0
1 10 , 1 1
45 , 0
1 13 , 2 1
25 , 0
=
+
+
+
+
+
=
F V F V F V
F V f (1.7)

Tendo o valor de F V e a partir do valor conhecido de F, todos as incgnitas podem ser
determinadas diretamente a partir das equaes (1.4). importante salientar que a soluo trivial,
0 = F V , deve ser evitada (observe que a equao (1.6) automaticamente satisfeita neste caso).
Essa soluo equivale a fazer L = F, de modo que x
i
= z
i
. Existe uma forma alternativa para esta
equao, dada por:

( )
( )( )
0 1
1 1
3
1
=
+
=

= i
i
i i
k F V
k z
F V f (1.6b)

Para a forma alternativa (1.6b), correspondente somatria das fraes y
i
, a soluo trivial, a qual
deve ser evitada, 1 = F V , correspondente a fazer V = F e, portanto, y
i
= z
i
.

De uma forma geral, o sistema dado pelas equaes (1.4) contm n equaes e n incgnitas e pode
ser escrito na forma compacta como:

( ) 0 x F = (1.8)

onde: [ ]
T
n
x x x L
2 1
= x (1.9)

e ( ) ( ) ( ) ( ) [ ]
T
n
f f f x x x x F L
2 1
= (1.10)

No estudo desses sistemas estamos interessados em conhecer os principais mtodos que podem ser
utilizados para obter uma soluo para as variveis desejadas, bem como entender as situaes que
podem levar a falhas nesse processo de soluo. Estes assuntos sero abordados no Captulo 3.

1.4.3- Formulaes baseadas em otimizao.

Um grande nmero de problemas de modelagem e de projeto em Engenharia Qumica so
formulados como problemas de otimizao. O exemplo 3 ilustra um desses problemas.

Exemplo 3: ajuste de parmetros cinticos. Considere uma reao simples, dada pela seguinte
expresso genrica:

B A (1.11)

Vamos supor que desejamos testar uma expresso do tipo cintica de ordem n como modelo para
essa reao, com experimentos a serem feitos em um reator operado em bateladas. Ento, a taxa de
reao (tambm denominada de equao da taxa, ou rate equation em ingls), seria dada pela
seguinte expresso:

( )
|
\
|

= =
RT
E
C k
dt
dC
r
n
a o
a
a
exp (1.12)

onde
o
k o fator pr-exponencial da equao de Arrhenius, E a energia de ativao da reao, R
a constante dos gases ideais,
a
C a concentrao do reagente A, n a ordem da reao e
a
r a taxa
de produo de A (
a
r a taxa de consumo ou decomposio de A).

Desejamos ajustar os parmetros cinticos
o
k , E e n a partir dos dados experimentais. Os seguintes
dados so coletados a partir dos experimentos em batelada em um reator sob diferentes temperaturas:

Taxa de reao Concentrao Temperatura
1 a
r
1 a
C
T
1

1 a
r
1 a
C
T
2

.... .... ....
1 a
r
1 a
C
T
N

Se esses valores experimentais forem inseridos na equao da taxa, o resultado um sistema de N
equaes e trs incgnitas. Em funo dos erros experimentais nas medies da temperatura, da
concentrao e da taxa de reao, mesmo que o modelo cintico adotado seja o correto para a reao
em questo, no ser possvel obter um conjunto de valores de {k
o
, E, n} tal que a equao da taxa de
reao seja satisfeita para todos os pontos experimentais. No entanto, podemos selecionar {k
o
, E, n}
de modo que a seguinte quantidade,

( )
2
1
exp
=
(
|
|
\
|
=
N
i
i
n
i a o i a
RT
E
C k r (1.13)

seja mnima. Podemos compactar a expresso acima adotando-se, por exemplo, o smbolo
e i a
r para
a taxa de reao estimada, ou seja:
( )
|
|
\
|
=
i
n
i a o e i a
RT
E
C k r exp (1.14)

Assim, o problema escolher os parmetros {k
o
, E, n} de forma que a soma dos quadrados dos erros
entre as taxas medidas e estimadas seja mnima. Em representao matemtica, este problema
escrito como:

( ) ( ) [ ]
2
1
, ,
, ,

=
=
N
i
e i a i a o
n E k
r r n E k Min
o
(1.15)

A teoria e as aplicaes deste tipo de problema so abordadas na Unidade Curricular Modelagem e
Otimizao de Processos. No entanto, alguns casos envolvendo problemas lineares nos parmetros
sero apresentados no Captulo 2 - por exemplo, o presente modelo pode ser convertido em um
modelo linear nos parmetros aplicando-se o logaritmo em ambos os lados da Equao (1.12).

1.4.4- Equaes diferenciais ordinrias lineares, problema do valor
inicial (EDO-PVI ou, em ingls, ODE-IVP).

Exemplo 4: sistema de dois tanques agitados contendo sal. Considere os dois tanques mostrados
na Figura 3, sendo que o tanque A contm inicialmente 25 kg de sal dissolvidos em 50 m
3
e o tanque
B contm inicialmente 50 m
3
de gua pura. Considere que ambos os volumes so fixos, no mudam
com o tempo. O lquido bombeado para dentro e para fora dos tanques, conforme ilustrado na
figura, onde as vazes volumtricas F
i
so dadas em m
3
/h. Considere que o contedo dos tanques so
perfeitamente misturados. Construa um modelo matemtico que descreva as massas de sal x
1
(t) e
x
2
(t), em kg, presentes nos tanques A e B, respectivamente, no instante t.

Figura 3. Sistema de dois tanques agitados contendo sal.

Mostre que o modelo matemtico procurado dado por:

2 1
1
50
1
25
2
x x
dt
dx
+
=

2 1
2
25
2
25
2
x x
dt
dx
=

Condies iniciais:
( ) ( )
( ) ( ) 0 0 0
25 0 0
2 2
1 1
= = =
= = =
t x x
t x x
(1.16)

gua pura
F
1
= 3
Mistura
F
3
= 1
Mistura, F
2
= 4
Mistura
F
4
= 3
A B
Esse sistema pode ser representado em notao matricial agrupando-se as variveis e os coeficientes
das equaes de forma apropriada, conforme ilustrado a seguir:

(
=
(
2
1
2
1
25 2 25 2
50 1 25 2
x
x
x
x
dt
d
(1.17)

ou: Ax
x
=
dt
d
(1.18)

onde: [ ]
T
x x
2 1
= x (1.19)

(
=
25 2 25 2
50 1 25 2
A (1.20)

Como pode ser visto, o modelo matemtico resultante um sistema de equaes diferenciais
lineares homogneas de primeira ordem com coeficientes constantes.

O estudo deste tipo de sistema ser visto no Captulo 4. O exemplo apresentado um caso particular
de sistemas lineares mais complexos, os quais possuem a seguinte forma no homognea geral:

( ) ( ) t t
dt
d
f x A
x
+ = (1.21)

onde: [ ]
T
n
x x x L
2 1
= x (1.22)

( ) ( ) ( ) ( ) [ ]
T
n
t f t f t f t L
2 1
= f (1.23)

( )
( ) ( ) ( )
( ) ( ) ( )
( ) ( ) ( )
(
(
(
(
=
t a t a t a
t a t a t a
t a t a t a
t
nn n n
n
n
K
M M
K
K
2 1
2 22 21
1 12 11
A (1.24)

1.4.5- Equaes diferenciais ordinrias no lineares, problema do valor
inicial (EDO-PVI ou, em ingls, ODE-IVP).

Exemplo 5: sistema aquecedor/tanque agitado. Considere o sistema ilustrado na Figura 4, com
duas correntes de entrada (gua quente e gua fria) e uma corrente de sada. A gua do tanque
aquecida por meio de uma serpentina a vapor, conforme mostrado. Obtenha um modelo para
determinar a variao do nvel e da temperatura do tanque em funo do tempo. Considere que o
tanque descarrega gua para a atmosfera.

Mostre que, com algumas simplificaes (quais?), esse sistema pode ser representado pelo seguinte
sistema de equaes diferenciais ordinrias no lineares a parmetros concentrados:

( ) h k F F
A dt
dh
+ =
2 1
1
(1.25)

( ) ( )
p
Ahc
Q
T T
Ah
F
T T
Ah
F
dt
dT
&
+ + =
2
2
1
1
(1.26)

Condio inicial: ( ) ( ) ( ) ( )
0 0
0 0 ; 0 0 h h t h T T t T = = = = = =

onde h [m] a altura do tanque, T [C] a temperatura da gua no tanque, Q
&
[kW] a taxa de
transferncia de calor da serpentina para o tanque, F
1
e F
2
[m
3
/s] so as vazes volumtricas das
correntes de entrada, T
1
e T
2
[C] so as temperaturas das correntes de entrada, c
p
[kJ/(kg.C)] o
calor especfico mdio, [kg/m
3
] a densidade da gua no tanque, A [m
2
] a rea da superfcie
transversal do tanque e k uma constante vlida para a tubulao de sada do tanque.

Sugesto: fazer um balano de massa e um balano de energia para o tanque.

Figura 4. Sistema aquecedor/tanque agitado.

importante observar que, no regime estacionrio, o sistema resultante costuma ser do tipo algbrico
no linear, mas no presente caso possvel obter uma soluo analtica. No entanto, quando a faixa
de variao de temperatura grande, pode ser necessrio considerar a variao das propriedades
fsicas (c
p
, ) com a temperatura e as equaes (1.25) e (1.26) no teriam validade neste caso (os
balanos de massa e de energia teriam que ser refeitos), de modo que uma soluo analtica j no
poderia ser obtida.

Por ltimo, para uma modelagem mais realista, seria necessrio fazer tambm um balano de energia
para o escoamento de vapor na serpentina, bem como obter uma expresso mais realista para a taxa
de transferncia de calor, Q
&
. Voc deve lembrar que essa taxa uma funo dos coeficientes
convectivos de transferncia de calor em ambos os lados da serpentina, os quais so utilizados para
obter um coeficiente global de troca trmica. Por exemplo, supondo que o vapor entra saturado na
serpentina e sai como lquido saturado, a taxa de transferncia de calor seria dada por:
Vazo de vapor
FT
LC
TT
LT
Setpoint de nvel
CV-1
CV-2
CV-3
FC
Setpoint de vazo
Posio da vlvula
Vazo de gua fria
h
Vazo de gua quente
F
1
, T
1

F
2
, T
2

F, T
T
A
F
vap
, T
vap


( )
vap vap vap vap serp
F T T UA Q = =
&
(1.27)

onde
vap
o calor latente de vaporizao (positivo) T
vap
. Portanto, percebe-se que a taxa de
transferncia de calor, na verdade, est limitada pela capacidade do equipamento, UA
serp
, e pela
diferena entre as temperaturas da serpentina e do tanque. Sem este tipo de informao, qualquer
tentativa de se impor um valor Q
&
arbitrrio qualquer ao sistema poder levar a falsas concluses
sobre o comportamento real do mesmo.

importante salientar que o coeficiente global de transferncia de calor, U, depende dos coeficientes
convectivos de transferncia de calor os quais por sua vez dependem do nmero de Reynolds em
cada equipamento (tanque e serpentina), das propriedades fsicas dos fluidos envolvidos e das
respectivas temperaturas. Uma das grandes vantagens dos mtodos numricos em relao s solues
analticas a facilidade de se incluir todo o rigor desejado para os clculos de propriedades fsicas e
de correlaes empricas usadas em taxas de transferncia (de calor, de massa, de quantidade de
movimento, expresses cinticas etc).

Deste modo, se todas essas dependncias forem consideradas no modelo, ento no ser possvel
obter uma soluo analtica para a equao (1.26) na condio de regime permanente e um dos
mtodos numricos do Captulo 4 ter que ser utilizado.

Um dos objetivos da simulao de processos analisar o comportamento dinmico do sistema, ou
seja, das variveis de estado T e h, frente a certos tipos de perturbaes nas variveis de entrada
(input variables) partindo-se de uma situao de regime permanente. Como variveis de entrada
para o sistema dado pelas equaes (1.25) e (1.26), podemos definir, por exemplo: F
1
, T
1
, F
2
, T
2
e Q.
Alm disto, tambm podemos definir os parmetros para este sistema: A, e c
p
(e possivelmente k,
se o dimetro da tubulao de sada for alterado). Diferentes escolhas para os parmetros
correspondem a diferentes projetos de equipamentos (A, k) e diferentes fluidos no tanque ( e c
p
),
resultando em diferentes comportamentos frente s perturbaes nas variveis de entrada.

Quais seriam as respostas tpicas desse sistema para uma reduo de 10% na temperatura T
1
, ou para
uma reduo de 10% na vazo de gua quente F
1
? Essas so questes tpicas que podem ser
respondidas mediante a simulao desse sistema em computador.

No caso mais geral, as variveis de entrada poderiam evoluir no tempo de acordo com funes pr-
determinadas ou, ento, em funo das aes dos controladores do processo em malha fechada. Por
exemplo, a temperatura da gua de resfriamento costuma variar ao longo do dia e essa variao pode
ser modelada por uma funo do tipo ( ) ( ) t sen T T T
2 2 2
+ = , onde
2
T a temperatura mdia,
2
T
a variao mxima e a frequncia dos ciclos de variao.

Sistemas mais complexos envolvendo a modelagem simultnea de vrios equipamentos resultam em
sistemas maiores de equaes diferenciais (ou seja, de maior dimenso). Sistemas de equaes
diferenciais ordinrias no lineares a parmetros concentrados (lumped parameters em ingls) com
condio inicial podem ser representados, de uma forma mais geral, como:

( ) ( ) ( ) ( ) ( ) [ ] t u t u t x t x t x f
dt
dx
m n
, , , , , ,
1 2 1 1
1
L L =
... .......... .......... .......... .......... ..........
( ) ( ) ( ) ( ) ( ) [ ] t u t u t x t x t x f
dt
dx
m n n
n
, , , , , ,
1 2 1
L L =
( ) ( ) ( ) iniciais condies 0 , , 0
1 1 n n
x x x x = = L (1.28)
Neste sistema as variveis foram convenientemente separadas em variveis de estado (ou variveis
dependentes), {x
i
(t)}, e entradas independentes especificadas para t 0, {u
i
(t)}, tambm conhecidas
em ingls como forcing functions.

A barra sobre as variveis, por exemplo no caso de
1
x , indicam que a condio inicial (o estado
inicial do sistema em t = 0) a condio de regime permanente para todas as variveis de estado.
Assim,
1
x o valor de
1
x no estado estacionrio. Para esta condio, por definio, todas as
derivadas se anulam em t < 0, e o objetivo estudar o comportamento do sistema frente a mudanas
ocorridas nas variveis de entrada a partir de t 0.

Em notao vetorial, esse conjunto de EDOs pode ser escrito como

( ) ( ) ( )
o
t
dt
d
x x u x f
x
= = 0 ; , (1.29)

O sistema de equaes (1.29) pode ser resolvido tanto para obter a evoluo temporal das variveis
de estado (problema de simulao dinmica, sistema de EDOs) a partir das condies iniciais
o
x no
intervalo de tempo
f
t t < < 0 , quanto para obter uma soluo de regime permanente (problema de
simulao em estado estacionrio) correspondente a valores fixos das variveis de entrada, dados por
exemplo por u . Para a simulao de regime permanente, todas as derivadas so zeradas e deve-se
resolver o sistema de equaes algbricas (geralmente) no lineares resultante.

Como ( ) t u um vetor de funes conhecidas do tempo, o sistema (1.29) tambm pode ser
representado pela seguinte expresso:

( ) ( )
o u
t
dt
d
x x x f
x
= = 0 ; , (1.30)

onde ( ) ( ) ( ) t u t
u
, , x f x f . O estudo desse tipo de sistema ser visto no Captulo 5.

1.4.6- Equaes diferenciais parciais, problemas de valor inicial (EDP-
PVI) e de valor de contorno (EDP-PVC ou, em ingls, PDE-BVP).

Exemplo 6: trocador de calor bitubular lquido+vapor. Considere o trocador de calor bitubular
mostrado na Figura 5, no qual um lquido frio entra no tubo interno com temperatura T
0
(em z = 0) e
aquecido por vapor que escoa em contracorrente no tubo externo a uma temperatura constante T
s
,
independente da posio z.

A temperatura no tubo interno muda no apenas com o tempo, mas tambm ao longo da direo axial
z. O equacionamento desse sistema feito fazendo-se um balano de energia no elemento de volume
de espessura z e rea A, mostrado na figura como um retngulo tracejado. Assume-se que a
temperatura do fluido frio no varia na direo radial, ou seja, s varia na direo axial z,
escoamento pistonado com velocidade mdia v constante ao longo de z e propriedades fsicas
constantes:

VC do
fronteiras nas
calor de cia Transfern
VC no
energia de
Sada
VC no
energia de
Entrada
VC no
energia de
Acmulo
(1.31)

[ ] [ ] [ ]
' '

Q t z D h t Av h t Av u u z A
z z z t t t
&
+ =
+ +
(1.32)

onde: h u
, [J/kg] representam a energia interna especfica e a entalpia especfica, respectivamente,

' '
Q
&
[W/m
2
] o fluxo de calor e v [m/s] a velocidade mdia do escoamento. O fluxo difusivo de
calor na direo axial considerado desprezvel neste modelo. Dividindo tudo por t z , segue que:

[ ] [ ]
' '

Q D
z
h h
Av
t
u u
A
z z z t t t
&
+
+ +
(1.33)

No limite quando 0 e 0 t z , por definio, a Equao (1.33) resulta em:

' '
Q D
z
h
Av
t
u
A
&
+
(1.34)

Figura 5. Trocador de calor bitubular (ou duplo tubo).

Considerando que no ocorre mudana de fase no lquido no tubo interno, e a partir de um estado de
referncia em que a energia interna e a entalpia so nulas, ento, da Termodinmica, podemos
concluir que:

( ) ( ) ( ) ( )
t
z t T
c
t
z t T
dT
h d
z
h
t
z t T
c
t
z t T
dT
u d
t
u
p v
, ,

;
, ,
(1.35)

A Equao (1.34) resulta em:
( ) ( )
' '
, ,
Q D
z
z t T
Avc
t
z t T
Ac
p v
&
+
(1.36)

Ou:
( ) ( )
( ) ( ) z t T T
Ac
DU
z
z t T
v
t
z t T
s
p
,
, ,
+
(1.37)

T
s

T(t,z)
Vapor
Fluido frio
z=0
z=L
T
0
v
z
A
A
' '
Q
&
A Equao (1.37) foi obtida considerando-se que c
v
=c
p
, aproximao vlida para lquidos, e que o
fluxo de calor dado por U (T
s
-T), onde U [W/(m
2
.C)] o coeficiente global de troca trmica.

Para resolver a Equao (1.37) nos domnios do tempo e espacial entre z = 0 e z = L, so necessrias
duas condies, uma para cada varivel independente (t,z), a saber:

Condio de contorno: ( ) 0 para 0 ,
0
= = t T z t T (1.38)
Condio inicial: ( ) ( ) ! ! z em ra temperatu de inicial perfil , 0 , 0 = = z T z t T (1.39)

A Equao (1.37) um exemplo de modelo a parmetros distribudos constitudo por uma
equao diferencial parcial (EDP), sendo um problema de valor inicial. Observe que, para resolver
esse sistema, necessrio conhecer o perfil inicial de temperatura ao longo do trocador de calor no
instante inicial de tempo (t = 0), alm da temperatura T
0
(t) na entrada (z = 0) do trocador, a qual pode
ser constante ou variar em funo do tempo. Uma das tcnicas de resoluo deste tipo de problema
requer o uso de uma malha de soluo para o domnio espacial z, e isto ser visto no Captulo 6.

A simulao desse modelo em regime permanente requer a resoluo da seguinte equao:

( )
( ) ( ) z T T
Ac v
DU
dz
z dT
s
p
=
(1.40)

( ) ( )
0
0 0 T T z T = = = (1.41)

Neste caso a temperatura depende apenas de z e a derivada total utilizada, ao invs da derivada
parcial. Portanto, neste caso temos uma equao diferencial ordinria e o problema de valor
inicial (EDO-PVI ou ODE-IVP em ingls - Ordinary Differential Equation - Initial Value Problem),
permitindo uma soluo em marcha para a varivel z, o qual pode ser resolvido por um mtodo
numrico apropriado (Captulo 5) ou, considerando um valor mdio constante para o coeficiente
global de troca trmica, U, pode ser resolvido analiticamente.

Exemplo 7: trocador de calor bitubular lquido+lquido. Considere o trocador de calor bitubular
mostrado na Figura 6, no qual um lquido frio entra no tubo interno com temperatura T
f,0
(em z = 0) e
aquecido por um lquido quente que escoa em contracorrente no tubo externo e entra (em z = L) a
uma temperatura T
q,0
.

Figura 6. Trocador de calor bitubular (ou duplo tubo).

T
q
(t,z)
T
f
(t,z)
Fluido quente
Fluido frio
z=0
z=L
T
q,L
v
z
A
f

A
f

' '
Q
&
T
f,0
A
q

A
q

Neste caso, ambas as temperaturas dos lquidos nos tubos interno e externo mudam no apenas com
o tempo, mas tambm ao longo da direo axial z. O equacionamento desse sistema feito fazendo-
se balanos de energia nos elementos de volume de espessura z e reas A
f
e A
q
, mostrados na
figura como retngulos tracejados. Assume-se que as temperaturas dos lquidos no variam na
direo radial, ou seja, s variam na direo axial z, velocidades mdias v
q
e v
f
constantes
(independem de z) e propriedades fsicas constantes. A exemplo do balano feito previamente no
Exemplo 6, pode-se chegar ao seguinte sistema de equaes diferenciais parciais:

( ) ( )
( ) ( ) ( ) z t T z t T
c A
DU
z
z t T
v
t
z t T
f q
f p f f
f
f
f
, ,
, ,
,
+
(1.42)

( ) ( )
( ) ( ) ( ) z t T z t T
c A
DU
z
z t T
v
t
z t T
f q
q p q q
q
q
q
, ,
, ,
,

(1.43)

As Equaes (1.42) e (1.43) constituem exemplo de um sistema de equaes diferenciais parciais
acopladas, as quais devem ser resolvidas simultaneamente para a compreenso do comportamento
transiente desse processo. Para resolver essas equaes nos domnios do tempo e do espao entre z =
0 e z = L so necessrias quatro condies, a saber:

0 ,
= = t T z t T
f f
(1.44)
Condio inicial: ( ) ( ) ! ! z em ra temperatu de inicial perfil , 0 , 0 = = z T z t T
f f
(1.45)
Condio de contorno: ( ) 0 para ,
,
= = t T L z t T
L q q
(1.46)
Condio inicial: ( ) ( ) ! ! z em ra temperatu de inicial perfil , 0 , 0 = = z T z t T
q q
(1.47)

Esse tipo de problema ser estudado no Captulo 6. A simulao em regime permanente desse
modelo a parmetros distribudos pode ser modelada pelas seguintes equaes:

( )
( ) ( ) ( ) z T z T
c A v
DU
dz
z dT
f q
f p f f f
f
=
,
(1.48)

( )
( ) ( ) ( ) z T z T
c A v
DU
dz
z dT
f q
q p q q q
q
=
,
(1.49)

Condio de contorno: ( ) 0 z para 0
0 ,
= = =
f f
T z T (1.50)
Condio de contorno: ( ) L para
,
= = = z T L z T
L q q
(1.51)

As Equaes (1.48) e (1.49) constituem exemplo de um sistema de equaes diferenciais
ordinrias acopladas. Em funo dos escoamentos serem contracorrente, uma das variveis
especificada em z = 0 e a outra em z = L, portanto esse sistema constitui tambm um exemplo de
problema de valor de contorno (ingls, BVP - boundary value problem). Esses tipos de
problemas sero estudados no Captulo 6.

No prximo item vamos abordar a questo da adimensionalizao de equaes,

1.5- Adimensionalizao e aumento de escala (scale-up) de modelos.

Uma das tcnicas utilizadas para facilitar a anlise e a compreenso do comportamento dos modelos
matemticos a adimensionalizao das variveis de estado. Com essa tcnica, os parmetros do
modelo so agrupados em um nmero menor de entidades e, alm disto, evita-se problemas de
interpretao advindos do uso de sistemas diferentes de unidades de medida.

1.5.1- Exemplo 5 adimensional - sistema aquecedor/tanque agitado.

Vamos exemplificar a tcnica para o modelo a parmetros concentrados do Exemplo 5 apresentado
na seo 1.4.5, dado pelas Equaes (1.25) e (1.26):

( ) h k F F
A dt
dh
+ =
2 1
1
(1.25)

( ) ( )
p
Ahc
Q
T T
Ah
F
T T
Ah
F
dt
dT
&
+ + =
2
2
1
1
(1.26)

Condio inicial: ( ) ( ) ( ) ( )
0 0
0 0 ; 0 0 h h t h T T t T = = = = = =

Em primeiro lugar, precisamos redefinir as variveis de estado de modo a torn-las adimensionais
mediante uma transformao conveniente. O objetivo fazer com que todas as variveis de estado
adimensionais assumam valores entre 0 e 1, na medida do possvel, ou, ento, que possuam valores
prximos de 1. Existem vrias possibilidades de adimensionalizao, sendo que a escolha por uma
forma ou outra fica a critrio de cada um. O importante que os parmetros usados na
adimensionalizao sejam constantes, ou seja, no variem no tempo e nem no espao. Por exemplo,
podemos redefinir a altura do lquido no tanque e a temperatura da gua no tanque como:

0
2
0
1
;
T
T
x
h
h
x = = (1.52)

Outras opes seriam, por exemplo: ( ) ( )
0 0 2 0 1
' e ' T T T x H h h x = = , onde H a altura mxima
do tanque, que teriam a vantagem de transformar a condio inicial ( ) ( )
0 0
0 , 0 T T h h = = em
( ) ( ) 0 0 ' , 0 0 '
2 1
= = x x . No entanto, neste caso podem ocorrem valores negativos em ' e '
2 1
x x e, por
este motivo, preferimos adotar a adimensionalizao dada pela Equao (1.52).

Em segundo lugar, deve-se adimensionalizar as variveis independentes (tempo, posio espacial
etc). Em modelos a parmetros concentrados, comum utilizar o tempo fazendo-se uso do tempo de
residncia no tanque, que no caso pode ser escolhido como:

2 1
0
2 1
F F
Ah
F F
V
t
res
+
=
+
= (1.53)

Assim, o novo tempo adimensional passa a ser dado por:

( )
0
2 1
Ah
F F t
t
t
res
+
= = (1.54)

Substituindo as novas variveis adimensionais nas equaes (1.25) e (1.26), temos que:

( )
1 0 2 1
1 0
1
x h k F F
A d
dx
t
h
res
+ =

( ) ( )
1 0
2 0 2
1 0
2
2 0 1
1 0
1 2 0
x h Ac
Q
x T T
x Ah
F
x T T
x Ah
F
d
dx
t
T
p res

&
+ + =

Condio inicial: ( ) ( ) ( ) ( ) 1 0 0 ; 1 0 0
2 2 1 1
= = = = = = x x x x

Trabalhando as equaes, temos que:

( )
1
2 1
0
1 0 2 1
0 2 1
0 1
1
1
x
F F
h k
x h k F F
Ah F F
Ah
d
dx
+
= +
|
|
\
|
+
=

(
(
+
|
|
\
|
+
|
|
\
|
|
|
\
|
+
=
1 0 0
2
0
2
1 0
2
2
0
1
1 0
1
2 1
0 2
x T c Ah
Q
x
T
T
x Ah
F
x
T
T
x Ah
F
F F
Ah
d
dx
p

&

( )
1 2 1 0
2
0
2
1 2 1
2
2
0
1
1 2 1
1 2
1 1 1
x F F T c
Q
x
T
T
x F F
F
x
T
T
x F F
F
d
dx
p
+
+
|
|
\
|
+
+
|
|
\
|
+
=

&

Como ltimo passo, deve-se criar novos grupos adimensionais para os parmetros remanescentes do
modelo. No presente caso, podemos simplificar as equaes acima definindo-se os seguintes
agrupamentos adimensionais de parmetros:

2 1
0
F F
h k
F
+
= (1.55)

2 1
2
2 1
1
1
2 1
1
1
1 1 ;
F F
F
F F
F
F F
F
F F
+
=
+
=
+
= (1.56)

( )
2 1 0 0
2
2
0
1
1
; ;
F F T c
Q
T
T
T
T
p
Q T T
+
= = =
&
(1.57)

Substituindo os novos parmetros adimensionais nas equaes para x
1
e para x
2
, resulta no novo
modelo denominado Exemplo 5 adimensional:

1
1
1 x
d
dx
F
=
(1.58)

( ) ( )( )
1 1
2 2 1
1
2 1 1
2
1 1
1
1
x x
x
x
x
d
dx
Q T F T F
+ + =
(1.59)

Condio inicial: ( ) ( ) ( ) ( ) 1 0 0 ; 1 0 0
2 2 1 1
= = = = = = x x x x (1.60)

interessante observar que a equao original para h (1.25), que possua quatro parmetros (F
1
, F
2
,
A, k), na verso adimensional (1.58) possui apenas um parmetro,
F
. A equao original para T
(1.27), que possua oito parmetros (F
1
, F
2
, T
1
, T
2
, A, Q
&
, ,
p
c ), na verso adimensional (1.59)
possui apenas quatro parmetros (
1 F
,
1 T
,
2 T
,
Q
)! Qual modelo mais fcil de estudar?

As Equaes (1.58) e (1.59) tm a vantagem de s apresentar variveis e parmetros adimensionais,
ento no precisamos nos preocupar em conferir as unidades de medida. Alm disto, o agrupamento
das variveis nos novos grupos adimensionais reduz o tempo gasto em experimentos de validao
e/ou em anlises do comportamento do sistema. Por exemplo, podemos analisar a resposta do
sistema a um aumento de 10% no novo grupo adimensional
Q
. No entanto, de acordo com a
definio (1.57), esse aumento pode ser conseguido de vrias maneiras: alterando-se o fluido
( ), ,
p
c alterando-se Q
&
etc. Tambm possvel alterar a soma (F
1
+ F
2
) sem, no entanto, alterar o
valor de
1 F
(por exemplo, reduzindo-se simultaneamente F
1
e F
2
em 10%).

No entanto, importante ter cuidado ao interpretar esses resultados pois certas variveis afetam
vrios parmetros adimensionais, simultaneamente. E, alm disto, o prprio tempo adimensional
afetado pelas variveis mostradas na definio do tempo de residncia, Equao (1.53). Ento, no
exemplo citado, reduzir em 10% a soma (F
1
+ F
2
) mantendo-se
1 F
constante implica em aumentar
o tempo de residncia e, assim, em reduzir o tempo adimensional, . Isto precisa ser levado em
considerao na interpretao dos resultados, e pode gerar confuso e erros de anlise.

Conforme o caso, dependendo da anlise a ser feita, pode ser conveniente mudar a forma de
adimensionalizar o modelo de modo a evitar erros de interpretao. O objetivo da
adimensionalizao facilitar o entendimento e melhorar o condicionamento do sistema para os
pacotes de integrao numrica. Mas nada impede que o sistema original seja usado, sem
adimensionalizao, no caso de haver dvidas de utilizao do modelo adimensionalizado.

Aumentos de escala (scale-up). muito importante frisarmos aqui a importncia que os modelos
adimensionais tm em estudos de aumentos de escala (scale-up) em equipamentos diversos. Os
modelos adimensionais no dependem de escala, ento, tanto faz se o tanque tem 1cm ou 5 m de
dimetro, os resultados so vlidos para qualquer tanque, desde que as hipteses adotadas
permaneam vlidas e desde que os agrupamentos adimensionais sejam os mesmos para os
diferentes tanques. Deste modo, possvel utilizar as definies dos grupos adimensionais, Equaes
(1.53) a (1.57), para fazer o projeto de dois tanques de tamanhos diferentes que tenham a mesma
resposta dinmica, tudo isto sem nem mesmo termos executado uma nica simulao! Como voc
faria isto?

Exerccio 1.1. Um laboratrio tem dois tanques construdos nos moldes do Exemplo 5 (seo 1.4.5),
sendo que o volume do tanque maior igual a 20 vezes o volume do tanque menor. O tanque menor
foi testado utilizando-se as seguintes condies: T
0
, h
0
, F
1
, F
2
, A, k, T
1
, T
2
, Q
&
. Deseja-se testar o
tanque maior mantendo-se as mesmas condies iniciais (T
0
, h
0
) e de forma a manter a mesma
resposta dinmica. Defina as novas condies a serem adotadas para F
1
, F
2
, k, T
1
, T
2
e Q
&
para as
quais a simulao do modelo no tanque maior tenha a mesma resposta da simulao do modelo no
tanque menor.

1.5.2- Exemplo 6 adimensional - trocador de calor bitubular
lquido+vapor.

Como exemplo de adimensionalizao de modelos a parmetros distribudos, vamos utilizar o
sistema do Exemplo 6 apresentado na seo 1.4.6, dado pelas Equaes (1.37) a (1.39):

( ) ( )
( ) ( ) z t T T
Ac
DU
z
z t T
v
t
z t T
s
p
,
, ,
+
(1.37)

0
= = t T z t T (1.38)
Condio inicial: ( ) ( ) ! ! z em ra temperatu de inicial perfil , 0 , 0 = = z T z t T (1.39)

Inicialmente, definimos o tempo de residncia e o tempo adimensional como:

res
res
t
t
v
L
Av
AL
F
V
t = = = = ; (1.61)

A seguir, definimos uma posio axial adimensional como:

L z = (1.62)

A nica varivel de estado ento adimensionalizada como no exemplo anterior:

0 1
T T x = (1.63)

Substituindo essas definies na Equao (1.37), segue que:

( ) ( )
( ) ( )

,
, ,
1 0
0 1 0
x T T
Ac
DU z t T
L
vT x
t
T
s
p res
+

( ) ( )
( )
|
|
\
|
+

,
, ,
1
0
1
x
T
T
v Ac
DUL z t T x
s
p

O ltimo passo a criao de agrupamentos adimensionais para os parmetros remanescentes da
equao. Ento, podemos definir os seguintes grupos adimensionais neste caso:

p
res
p p
Q
s
Ts
c D
Ut
v c D
UL
c Av
DLU
T
T

4 4
;
0
= = = = (1.64)

Aplicando essas definies, obtemos o modelo final na forma adimensional, exemplo 6
adimensional, dado por:


( ) ( )
( ) ( )

,
, ,
1
1
x
z t T x
Ts Q
+
(1.65)

Condio de contorno: ( ) 0 para 1 0 ,
1
= = x (1.66)
Condio inicial: ( ) ( ) ! ! em ra temperatu de inicial perfil , 0 , 0
1 1
= = x x (1.67)

Aumentos de escala (scale-up). Uma anlise do modelo dado pela Equao (1.65) mostra que
possvel conseguir uma mesma resposta dinmica para dois trocadores de calor com diferentes
comprimentos de tubo (como?), mas no possvel conseguir uma mesma resposta dinmica para
dois trocadores de calor com diferentes comprimentos de tubo e diferentes dimetros de tubo (por
qu?). Essas anlises pressupem que o coeficiente global de troca trmica o mesmo em ambos os
trocadores (menor e maior). No entanto, para a condio de regime estacionrio, podemos obter
perfis de temperatura similares (ou seja, a mesma curva de T ) para dois trocadores de diferentes
dimetros. Como?

importante salientar que as concluses obtidas pelos modelos apresentados so vlidas desde que
as hipteses utilizadas em seu desenvolvimento sejam vlidas. Assim, se o dimetro do trocador
bitubular do exemplo 6 adimensional for alterado, precisamos questionar tambm se o modelo
continua vlido. A condio implcita adotada de escoamento pistonado (plug-flow) precisa ser
validada o tempo todo. Alm disto, o nmero de Reynolds no entra nesse modelo simplificado do
processo, mas sabemos que o mesmo de crucial importncia tanto para a determinao do perfil de
velocidades e da queda de presso no tubo, quanto para a estimativa dos coeficientes convectivos de
transferncia de calor, os quais esto associados ao coeficiente global de troca trmica, U.

Por este motivo, estudos rigorosos de aumentos de escala deveriam ser feitos com base em modelos
mais detalhados do sistema, bi ou tridimensionais, envolvendo, por exemplo, as equaes de
transporte de quantidade de movimento (Navier-Stokes) e correlaes empricas para os coeficientes
convectivos de transferncia de calor e para o fator de atrito na tubulao. Este nvel de detalhamento
de modelos constitui empolgante rea de estudos em cursos de dinmica dos fluidos computacional,
e no faz parte do escopo da presente unidade curricular. Alunos interessados podero contatar
empresas e desenvolvedores de softwares de dinmica dos fluidos (comerciais ou de cdigo livre)
tais como: Fluent/CFX/CFD, da empresa ANSYS (http://www.ansys.com/), ou o software livre
OpenFOAM (http://www.openfoam.com/).

Referncias bibliogrficas.

1. Patwardhan, S.C. Lecture Notes for Computational Methods in Chemical Engineering.
Department of Chemical Engineering, Indian Institute of Technology, Bombay. Mumbai
400076, India.
2. Garcia, C. Modelagem e Simulao de Processos Industriais e de Sistemas Eletromecnicos.
Edusp - Editora da Universidade de So Paulo, 2009.

Captulo 2

Sistemas de equaes algbricas lineares
em Engenharia Qumica.

2.1- Introduo.

Neste captulo vamos estudar sistemas de equaes algbricas do tipo

b Ax = (2.1)

onde x e b so vetores de tamanho (n x 1) e A uma matriz (n x n), onde o nmero n de equaes
pode chegar a centenas ou mesmo milhares em processos industriais contendo um nmero grande de
unidades. Na seo 1.4.1 mencionamos um exemplo deste tipo de sistema (Exemplo 1), dado em sua
forma final pela Equao (1.2), e outros exemplos sero vistos e resolvidos no presente captulo.

Sistemas de equaes algbricas lineares surgem naturalmente em muitas aplicaes da Engenharia
Qumica, como, por exemplo, em balanos totais de massa em equipamentos de plantas industriais e
no equacionamento de estequiometrias de reaes qumicas.

Alm disto, muitos procedimentos de soluo numrica de sistemas de equaes algbricas no
lineares, de sistemas de equaes diferenciais ordinrias ou equaes parciais envolvem, em sua
essncia, a soluo de sistemas lineares.

Como exemplo de um desses procedimentos, cita-se o mtodo de Newton-Raphson. Para a resoluo
de sistemas de equaes algbricas no lineares, esse mtodo requer a resoluo simultnea de um
sistema de equaes algbricas lineares em cada iterao, at a convergncia da soluo.

Por este motivo, o estudo deste tipo de sistema de crucial importncia para a compreenso de
grande parte dos mtodos numricos que o Engenheiro Qumico e outros engenheiros devem
aprender a utilizar.

2.2- Matrizes: manipulao e caracterizao.

O objetivo desta seo revisar conceitos e definies bsicas sobre matrizes. Em primeiro lugar,
vamos utilizar a seguinte notao para matrizes:

{ }
ij
a = A (2.2)

Isto equivale a dizer que a matriz A constituda pelos elementos a
ij
, onde o ndice i representa a
linha e o ndice j representa a coluna da matriz. Para uma matriz m x n, a forma expandida desta
notao seria dada por

{ }
(
(
(
(
= =
mn m m
n
n
ij
a a a
a a a
a a a
a
L
M M M
L
L
2 1
2 22 21
1 12 11
A (2.3)

Antes de rever os tipos de matrizes, convm revisar algumas propriedades dos nmeros complexos,
as quais sero teis tambm quando formos estudar a Transformada de Laplace no Captulo 4.

Nmeros complexos. Seja um nmero complexo s representado por i s + = , onde, por definio,
1
2
= i . Recordando algumas propriedades de nmeros complexos, temos que a parte real de s
dada por ( ) = s Re e a parte imaginria de s dada por ( ) = s Im . O complexo conjugado de s ,
por definio, dado por i s = . O produto de um nmero complexo pelo seu complexo
conjugado, s s , sempre igual a um nmero real positivo e dado por ( )( ) i i s s + = , ou,
desenvolvendo os termos:
2 2 2 2 2
+ = + = i s i s i s s . Por este motivo, o produto s s
utilizado na definio do valor absoluto (ou mdulo) de s, s , dada por
2 2
+ = = s s s . A
razo entre um nmero R qualquer e um nmero complexo s, R/s, sempre pode ser resolvida
multiplicando-se o numerador e o denominador da razo pelo complexo conjugado, s . Assim, temos
que ( )
2 2
+ = = s R s s s R s R . Scilab: no Scilab, defina um nmero complexo usando
( ) , complex s = ou, ento, usando * %i s + = (o smbolo %i usado para representar a parte
imaginria do nmero complexo). Observao: prefira a forma ( ) , complex s = , pois a mesma foi
criada para evitar alguns problemas com a forma * %i s + = . Por exemplo, para criar o nmero
complexo s = 1+2i no Scilab, digite o comando ( ) 2 , 1 complex s = ou 2 * % 1 i s + = . Para obter o
complexo conjugado cjs de s, digite ( ) s conj cjs = . Para obter o mdulo de s, digite abs(s). Para obter
a parte real e a parte imaginria, use ( ) s real e ( ) s imag , respectivamente. Experimente subtrair,
somar, multiplicar e dividir esses nmeros complexos. Mos obra!

A seguir, vamos relembrar os diferentes tipos de matrizes existentes.

2.2.1- Reviso: definies e tipos de matrizes.

Matriz quadrada. Uma matriz A m x n com m = n denominada matriz quadrada de ordem n.

Determinante de uma matriz, det(A). O determinante de uma matriz n x n A um nmero
caracterstico que indica se as linhas (colunas) dessa matriz so linearmente dependentes (det(A) =
0), ou linearmente independentes, (det(A) 0). A frmula mais conhecida e utilizada para a obteno
de determinantes de matrizes de pequena ordem (2 ou 3) dada pela expanso em menores ao longo
de qualquer linha j ou coluna j, ou seja:

( )

= =
= =
n
k
kj kj
n
k
jk jk
C a C a
1 1
det A ( )
jk
k j
kj
M C
+
= 1

Onde M
jk
(o menor de a
jk
) o determinante da matriz (n -1) x (n -1) obtida removendo-se a linha j e
a coluna k da matriz A. C
jk
conhecido como cofator de a
jk
. Observe que os menores so, tambm,
determinantes - portanto, no so matrizes, so escalares. Scilab: no Scilab, o determinante de uma
matriz obtido pelo comando det(A).

Matriz singular/no singular. Se o determinante de uma matriz A for diferente de zero, a matriz A
dita no singular. Se o determinante for igual a zero, a matriz A dita singular. Quando uma matriz
singular, as linhas (ou as colunas) dessa matriz no so independentes, ou seja, pelo menos uma das
linhas (colunas) da matriz singular pode ser escrita como uma combinao linear das demais linhas
(colunas) dessa matriz. A quantidade de linhas dependentes est relacionada com o posto da matriz,
definido a seguir.

Posto (rank) de uma matriz n x n. Uma matriz A tem posto (rank) r se e somente se ela possuir um
determinante no nulo de ordem r e nenhum determinante no nulo de ordem superior a r. O posto
de uma matriz quadrada determina o nmero de linhas (colunas) linearmente independentes dessa
matriz. Scilab: no Scilab, defina A e obtenha o posto usando o comando rk = rank(A).

Posto (rank) r de uma matriz m x n. O posto tambm pode ser obtido para uma matriz m x n, e
definido como sendo igual ao nmero de valores singulares de A diferentes de zero. Para obter os
valores singulares de A, calcula-se primeiro os autovalores da matriz A
T
A (vamos design-los por
i
para diferenciar de
i
, que so os autovalores de A). Assim, os valores singulares de A so
definidos como
i i
= . Para cada valor singular de A, existe tambm um vetor singular de A
correspondente. Assim, a diferena n - r conhecida como o espao nulo (ou nulidade) das colunas
da matriz A, e a diferena m - r conhecida como o espao nulo (ou nulidade) das linhas da matriz
A. Scilab: no Scilab, a funo rank(A) obtm o posto da matriz como sendo o nmero de valores
singulares no nulos de A.

Matriz triangular. uma matriz cujos elementos abaixo (ou acima) da diagonal principal so iguais
a zero. A matriz denominada triangular superior se os elementos no nulos estiverem acima da
diagonal principal, e triangular inferior se os elementos no nulos estiverem abaixo da diagonal
principal. Em funo da frmula de obteno de determinantes por expanso em menores, fcil
mostrar que o determinante de uma matriz triangular dado pelo produto dos valores dos elementos
da diagonal principal, ou seja, se a matriz A triangular, ento ( )

=
= =
n
i
ii nn
a a a a
1
22 11
det L A .

Matriz nula, 0. a matriz cujos elementos a
ij
so todos iguais a zero: { } 0 = =
ij ij
a a 0 . Scilab: no
Scilab a matriz nula m x n obtida digitando-se zeros(m,n).

Matriz diagonal. uma matriz cujos elementos abaixo e acima da diagonal principal so todos
iguais a zero. Se todos os elementos da diagonal so iguais, a matriz denominada escalar. A
inversa de uma matriz diagonal dada por { }
ii
a 1
1
=
A , ou seja, os elementos na diagonal principal

da matriz inversa so iguais ao inverso dos elementos na diagonal principal da matriz original.
Scilab: no Scilab, defina um vetor d (n x 1) contendo os elementos da diagonal e utilize o comando
A = diag(d) para gerar uma matriz diagonal n x n.

Matriz identidade, I. uma matriz diagonal com todos os elementos da diagonal principal iguais a
1. Scilab: no Scilab, utilize o comando I = eye(n,n) para obter uma matriz identidade n x n.

Matriz inversa, A
-1
. A inversa de uma matriz quadrada A no singular uma matriz obtida de forma
que a relao I AA A A = =
1 1
seja satisfeita. Scilab: no Scilab, a inversa de uma matriz A pode ser
obtida por meio do comando inv(A).

Matriz transposta. Seja { }
ij
a = A uma matriz m x n. Chamamos de matriz transposta de A a matriz
n x m { }
ji
T
a = A , obtida permutando-se as linhas e colunas de A . Ou seja, os elementos a
ji
da matriz
T
A so iguais aos elementos a
ij
da matriz A . Scilab: no Scilab, defina A e obtenha sua matriz
transposta B usando o comando B = A.' (ponto seguido de apstrofo). Para matrizes reais, pode-se
usar tambm B = A', sem o ponto antes do apstrofo.

Matriz ortogonal. Seja { }
ij
a = A uma matriz n x n. Se
1
= A A
T
, a matriz denominada ortogonal.

Matriz simtrica. Seja { }
ij
a = A uma matriz n x n. Se a
ij
= a
ji
para todos os elementos i e j, ou seja,
se A = A
T
, a matriz denominada simtrica.

Obteno de uma matriz simtrica. Seja { }
ij
a = A uma matriz m x n qualquer. Ento,
T
AA
(m x m) e A A
T
(n x n) so matrizes quadradas simtricas de ordem m e n, respectivamente.

Matriz conjugada. Seja { }
ij
a = A uma matriz m x n. Chamamos de matriz conjugada de A a matriz
m x n { }
ij
a = A , obtida trocando-se todos os elementos a
ij
por seus respectivos complexos
conjugados
ij
a . Scilab: no Scilab, defina A e obtenha sua matriz conjugada C usando o comando
C = conj(A).

Matriz conjugada transposta de A, ou: hermitiana transposta de A, hermitiana conjugada de
A. Em ingls tambm se usa adjoint matrix (no confundir com adjugate matrix que, em
portugus, se chama matriz adjunta e a transposta da matriz de cofatores). Seja { }
ij
a = A uma
matriz m x n. Chamamos de matriz hermitiana de A a matriz n x m { }
ji
a =
*
A , ou seja,
T
A A =
*
. A
matriz hermitiana de A igual transposta da matriz conjugada de A. Scilab: no Scilab, defina A e
obtenha sua matriz hermitiana (Adj) usando o comando Adj = A'.

Matriz hermitiana. Seja { }
ij
a = A uma matriz m x n. A matriz A denominada hermitiana (em
ingls tambm conhecida como self-adjoint ou Hermitian matrix) quando
*
A A A = =
T
.

Exemplos.

(
+ +
=
i i
i
3 1 4
3 2
A ;
(
+
+
=
i i
i
T
3 1 3
4 2
A ;
(

+
=
i i
i
3 1 4
3 2
A ;
(
=
i i
i
3 1 3
4 2
*
A

Matrizes e vetores de funes. So matrizes ou vetores cujos elementos so funes, por exemplo,
de uma varivel real t :


( )
( )
(
=
t x
t x
2
1
x ;
(
=
sent
t
0
1 cos
A

Muitas das propriedades do clculo elementar podem ser facilmente estendidas para matrizes e
vetores de funes, como, por exemplo:

( )
dt
d
dt
d A
C
CA
= , onde C uma matriz de constantes;

( )
dt
d
dt
d
dt
d B A B A
+ =
+
, onde A e B so matrizes de funes;

( )
B
A B
A
AB
dt
d
dt
d
dt
d
+ = , onde A e B so matrizes de funes;

Exemplo: se
(
=
sent
t t
2
cos
2
A , ento
(
=
t
t sent
dt
d
cos 0
2
A
.

2.2.2- Reviso de lgebra matricial: operaes com matrizes.

Alguns conceitos relacionados a lgebra matricial so resumidos a seguir.

Igualdade. Se duas matrizes A e B so iguais, ento j i b a
ij ij
, = . Scilab: no Scilab a matriz B pode
ser igualada matriz A por meio do comando B = A.

Soma. Seja a matriz A B B A C + = + = . Ento, { } { } { } { }
ij ij ij ij ij
b a b a c + = + = = C . Scilab: no Scilab a
matriz C obtida pelo comando C = A + B.

Multiplicao por um nmero. Seja a matriz { }
ij
a = A . Ento, o produto c x A dado por
{ }
ij
ca c = A . Scilab: no Scilab o produto cA obtido digitando-se c*A.

Subtrao. A subtrao B A C = equivale a fazer B A C c + = com c = -1. Scilab: no Scilab a
matriz C obtida pelo comando C = A - B.

Operaes com vetores e matrizes especiais. Sejam x e y dois vetores n x 1. Ento, as seguintes
relaes so vlidas:

(1) BA AB = . Scilab: no Scilab o produto AB obtido digitando-se A*B;

(2) ( )
T T T
A B AB = . Scilab: no Scilab podemos digitar (A*B).' ou B.'*A.';

(3) ( )
T T T
B A B A + = + . Scilab: no Scilab podemos digitar (A+B).' ou A.' + B.';

(4) ( )
1 1 1
= A B AB , desde que A e B sejam matrizes quadradas e considerando que ambas as
inversas existam. Scilab: no Scilab podemos digitar inv(A*B) ou inv(B)*inv(A);

(5) ( ) ( ) ( ) ( ) ( ) A B B A AB det det det det det = = . Scilab: no Scilab podemos digitar det(A*B) ou
det(A)*det(B);

(6) Se A uma matriz m x n, ento b Ay = um vetor (coluna) m x 1, ao passo que ( )
T T T
A y Ay =
um vetor (linha) 1 x m;

(7) c
T T
= = x y y x (produto escalar), onde c um escalar dado por
=
=
n
i
i i
y x c
1
. O produto escalar
de dois vetores tambm costuma ser representado por: ( ) y x y x y x , . = =
T
. Em particular, o produto
( ) x x x x x x x , . = = =
T
conhecido como mdulo do vetor x, que um exemplo do conceito de
norma que ser apresentado na seo (2.2.4). Quando os vetores so complexos, o produto escalar
precisa ser redefinido como: ( )

=
= = =
n
i
i i
T
y x
1
, . y x y x y x , onde x o complexo conjugado de x .
Ou seja, usa-se o complexo conjugado do primeiro vetor vezes o segundo vetor, elemento a
elemento. Isto garante que o comprimento de um vetor complexo, x x x
T
= , seja sempre um
nmero real positivo. Note que, neste caso, x y x y y x . . . = . Scilab: no Scilab o produto x
T
y obtido
digitando-se x'*y, procedimento que vale tanto para nmeros reais quanto complexos. No Scilab
existem operaes elemento a elemento as quais so feitas colocando-se um ponto (.) antes do
operador desejado, como, por exemplo: .*; ./; .\; .^; .'. Por exemplo, o produto z = x.*y resulta em um
vetor n x 1 cujos elementos z
i
so dados por { }
i i i
y x z = . Neste caso, o produto escalar y x
T
poderia
ser obtido digitando-se ( ) y x sum c * . = ou ( ) x y sum c * . = , mas, neste caso, o complexo conjugado
no utilizado e o usurio precisa estar ciente disto;

(8) Se o produto escalar entre os vetores x e y nulo, ou seja, se ( ) 0 , . = = = y x y x y x
T
, ento os
vetores x e y so ditos ortogonais, palavra que uma extenso do adjetivo perpendicular usado no
espao tridimensional, para um espao de dimenso n. Se, alm disto, ambos os vetores x e y forem
normalizados, ou seja, se seus mdulos forem ambos iguais a 1 ( 1 = = y x ), ento os vetores x e y
so ditos ortonormais.

2.2.3- Autovalores e autovetores.

Uma das motivaes para o estudo de autovalores e autovetores que os mesmos so necessrios
para a resoluo de sistemas de equaes diferenciais ordinrias lineares. Como exemplo, considere
o seguinte sistema homogneo de equaes diferenciais ordinrias (EDOs), onde A uma matriz n x
n de constantes:

(
(
(
(
(
(
(
(
=
(
(
(
(
n nn n n
n
n
n
x
x
x
a a a
a a a
a a a
x
x
x
dt
d
M
L
M M M
L
L
M
2
1
2 1
2 22 21
1 12 11
2
1
(2.4)

ou: Ax
x
=
dt
d
(2.5)

O mtodo utilizado para resolver este tipo de sistema similar ao mtodo vlido para uma nica
equao diferencial, ou seja, prope-se uma soluo do tipo:

t
n n
e
v
v
v
x
x
x
(
(
(
(
=
(
(
(
(
M M
2
1
2
1
(2.6)

ou:
t
e
v x = (2.7)

A soluo proposta contm um vetor v n x 1 de constantes, a ser determinado, e um parmetro
escalar , que tambm precisa ser determinado. A derivada em relao a t desta soluo dada por:

t
e
dt
d

v
x
= (2.8)

Substituindo (2.7) e (2.8) em (2,5), segue que:

t t t t
e e e e
dt
d

Av v Av Ax v
x
= = = = (2.9)

ou: v Av = (2.10)

Deste modo, para podermos obter uma soluo do sistema de EDOs dado pela Equao (2.5),
precisamos resolver, primeiro, a Equao (2.10) de modo a obter o parmetro e o vetor v,
desconhecidos. Observando a Equao (2.10), podemos notar que o vetor v um vetor especial,
caracterstico da matriz A, pois a multiplicao de A por v equivale multiplicao de v por um
escalar, . Por este motivo, quando a Equao (2.10) satisfeita, o vetor v denominado de vetor
caracterstico da matriz A com valor caracterstico . Outros nomes comuns para os mesmos so:
autovetor e autovalor, vetor prprio e valor prprio. Esses nomes vm de tradues das palavras
eigenvector e eigenvalue, formadas pela unio da palavra alem eigen (caracterstico, individual,
nico) com a palavra inglesa value. Assim, a Equao (2.10), na verdade, a equao de definio
de autovalores e autovetores.

A Equao (2.10) pode ser colocada na seguinte forma:

( ) 0 v I A = (2.11)

A matriz ( ) I A conhecida como matriz caracterstica de A. A Equao (2.11) admite a soluo
nula, 0 v = (um vetor n x 1 de zeros), a qual no tem utilidade para a resoluo do sistema de EDOs.
Para que a soluo seja diferente de zero, ento, necessrio que a matriz (A - I) seja singular. Em
outras palavras, a matriz (A - I) deve estar associada a um polinmio caracterstico em de
grau n, cujas n razes so, por definio, os autovalores de A:

( ) ( ) 0 det = = = I A
n n
p p (2.12)

A Equao (2.12) conhecida como equao caracterstica de A. Aps a obteno dos autovalores
de A via resoluo da Equao (2.12), os autovetores podem ser obtidos um a um resolvendo-se o
sistema dado pela Equao (2.11) para cada autovalor. Ou seja, para uma matriz de ordem n, teremos
n autovalores e n autovetores. A resoluo da Equao (2.11) para v s possvel porque cada raiz
do polinmio caracterstico,
i
, faz com que a matriz (A -
i
I) seja singular. Essa matriz pode ser
decomposta, por exemplo, por eliminao gaussiana, resultando sempre em uma matriz triangular
superior com a ltima linha igual a zero (a matriz singular!). Deste modo, o valor numrico do
ltimo elemento relativo ao autovetor
) (i
v , ou seja,
) (i
n
v , pode ser escolhido arbitrariamente, sendo
que os demais n - 1 elementos (
) (
1
) (
2
) (
1
, , ,
i i
n
i
n
v v v L

) so ento obtidos resolvendo-se a matriz triangular
por substituio regressiva. Assim, para cada autovalor
i
teremos um correspondente autovetor,
) (i
v .

Autovalores podem ser nmeros reais e/ou complexos, de modo que a matriz (A -
i
I) e os
autovetores resultantes tambm podem ser constitudos por nmeros reais e complexos. Os
autovalores podem ser distintos ou repetidos. Os autovetores resultantes podem ser linearmente
independentes ou linearmente dependentes. Esses diferentes tipos de resultados vo exigir diferentes
abordagens para a resoluo de sistemas de EDOs, assunto que ser visto no Captulo 4.

Para finalizar, importante salientar que os autovalores de uma matriz n x n A tambm podem ser
utilizados para o clculo de seu determinante pela seguinte expresso (BEERS, 2007), considerando
que p o nmero de distintos autovalores de A:

( )
p
m
p
m m
L
2 1
2 1
det = A (2.13)

onde m
k
a multiplicidade algbrica de
k
, ou seja, se o autovalor
1
aparece repetido duas vezes,
ento m
1
= 2. A soma de m
k
para n k , , 2 , 1 L = deve ser igual a n. Deste modo, se um dos autovalores
igual a zero, podemos concluir que a matriz A singular. Ento, obviamente, temos a importante
informao de que matrizes no singulares tm autovalores diferentes de zero.

Exemplo. Calcule os autovalores e os autovetores da matriz:
(
=
0 1
2 1
A .

O polinmio caracterstico para esta matriz obtido fazendo ( ) 0 det = I A , ou seja:

0
1
2 1
=

Ento, temos que ( )( ) ( )( ) 0 2 1 1 = , ou: 0 2
2
= . As razes (autovalores) deste polinmio
so iguais a 1
1
= e 2
2
= . A seguir, vamos calcular os dois autovetores correspondentes.

Para o autovalor 1
1
= , devemos solucionar o sistema:


( )
( )
( )
( ) (
=
(

0
0
1 1
2 1 1
1
2
1
1
v
v
, ou seja:
( )
( ) (
=
(
0
0
1 1
2 2
1
2
1
1
v
v

Aplicando a eliminao gaussiana para este sistema, temos que:

( )
( ) (
=
(
0
0
0 0
2 2
1
2
1
1
v
v

A ltima linha da matriz decomposta sempre ser uma linha de zeros, como pode ser visto. Assim,
temos apenas uma equao, 0 2 2
) 1 (
2
) 1 (
1
= + v v , e duas incgnitas. Podemos ento escolher
arbitrariamente um valor para
) 1 (
2
v e calcular o valor de
) 1 (
1
v por meio dessa equao. Para 1
) 1 (
2
= v ,
segue que ( ) 0 1 2 2
) 1 (
1
= + v , ou 1
) 1 (
1
= v .

Para o autovalor 2
1
= , devemos solucionar o sistema:

( )
( )
( )
( ) (
=
(
0
0
2 1
2 2 1
2
2
2
1
v
v
, ou seja:
( )
( ) (
=
(
0
0
2 1
2 1
2
2
2
1
v
v

Aplicando a eliminao gaussiana para este sistema, temos que:

( )
( ) (
=
(
0
0
0 0
2 1
2
2
2
1
v
v

Assim, temos apenas uma equao, ( ) 0 2 1
) 2 (
2
) 2 (
1
= + v v , e duas incgnitas. Fazendo 1
) 2 (
2
= v , segue
que ( ) ( ) 0 1 2 1
) 2 (
1
= + v , ou 2
) 2 (
1
= v .

Portanto, temos que a matriz A dada possui autovalores iguais a -1 e 2, determinante igual a
( ) ( ) ( ) 2 2 1 det
1 1
= = A , e autovetores dados por:

( )
(
=
1
1
1
v e
( )
(
=
1
2
2
v

Exerccio 2.1. Calcule os autovalores e os autovetores da matriz:
(

=
0 1
5 2
A . Verifique se o
determinante pode ser obtido pela Equao (2.13) neste caso.

Scilab: no Scilab, os autovalores de uma matriz A podem ser obtidos pelo comando lbd=spec(A).
Digitando [R,D] = spec(A), os autovetores de A so retornados na matriz R e os autovalores de A so
retornados na diagonal da matriz D. Existem ainda outras opes, digite help spec no prompt do
Scilab para uma viso completa deste comando. A funo spec baseia-se nas seguintes rotinas
Lapack: (1) DGEEV e ZGEEV quando as matrizes no so simtricas; (2) DSYEV e ZHEEV
quando as matrizes so simtricas.

2.2.3.1- Definio: autovalores e autovetores de matrizes simtricas.

importante salientar que os autovalores de uma matriz simtrica real so todos reais. Alm disto,
todos os seus autovetores so linearmente independentes (FRANCO, 2007).

O mtodo de obteno de autovalores e autovetores descrito nesta seo s eficiente para matrizes
de ordem 2 ou 3. Para matrizes de ordens maiores, existem mtodos mais eficientes como, por
exemplo, o mtodo de Francis que usa a fatorao QR de matrizes. Vamos ver este mtodo na seo
(2.3.5).

2.2.3.2- Definio: valores singulares e vetores singulares de uma matriz m x n.

Para matrizes no quadradas, de dimenso m x n, a anlise de autovalores e autovetores discutida
nesta seo tem uma verso equivalente conhecida como anlise de valores singulares e vetores
singulares. A diferena bsica que, ao invs de se determinar autovalores e autovetores para a
matriz A, os mesmos so determinados para a matriz simtrica A
T
A, sendo ento designados por
i
.
Conforme j comentado, os valores singulares de A so definidos como
i i
= , e os
correspondentes vetores singulares tm aplicaes bastante interessantes, as quais sero comentadas
na seo (2.3.6).

2.2.3.3- Definio: matriz definida positiva.

Para finalizar esta seo, importante apresentarmos uma classe especial de matriz simtrica que
muito importante em estudos de otimizao numrica, conhecida como matriz definida positiva.
Uma matriz simtrica real A n x n dita definida positiva quando todos os seus autovalores forem
positivos e no nulos. Para esta matriz, pode-se provar (BEERS, 2007) que
( ) 1 , 0 > = n c
T
v Av v , onde c um escalar. Esta equao tambm constitui uma definio de
matriz definida positiva. Quando s for possvel garantir que 0 Av v
T
, ento a matriz A dita
semidefinida positiva; quando 0 < Av v
T
ou 0 Av v
T
, a matriz A dita definida negativa ou
semidefinida negativa, respectivamente.

A importncia deste tipo de matriz que existem mtodos numricos desenvolvidos de modo a
explorar as suas propriedades, os quais so muito mais eficientes e rpidos do que os mtodos que se
aplicam s matrizes comuns.

2.2.4- Normas e nmero de condio de matrizes.

O conceito de norma muito til para a caracterizao de matrizes e de seus problemas de
condicionamento, os quais podem resultar em perda de preciso numrica durante a resoluo de
sistemas de equaes algbricas lineares. Esses problemas tambm podem causar falhas e
divergncia do processo de obteno de uma soluo para esses sistemas.

A norma de um vetor fornece informao sobre o seu tamanho. Um exemplo clssico o caso de um
vetor no espao tridimensional, dado por k j i v
z y x
v v v + + = , onde o comprimento de v (distncia das
coordenadas (0,0,0) at (v
x
,v
y
,v
z
)) dado pelo seu mdulo, v , redefinido aqui como
2 2 2
z y x
e
v v v + + = v . A norma utilizada,
e
v , conhecida como norma euclidiana de v, e pode ser
estendida para o caso de vetores n x 1, de n elementos, estendendo-se a soma dentro da raiz quadrada
a todos os n elementos de v:

=
=
n
i
i
e
v
1
2
v (2.14)

Existem outros tipos de normas para vetores, como, por exemplo, a p norma dada por:

( )
p
n
i
p
i
p
v
1
1
=
= v (2.15)

Para vetores, a 2 norma igual norma euclidiana. Outra norma derivada da p norma dada pela
soma dos valores absolutos de v:

=
=
n
i
i
v
1 1
v (2.16)

Finalmente, apresentamos a norma uniforme, ou mdulo mximo, dada pelo maior valor absoluto de
v:

n i
i
v mx

=
1
v (2.17)

Normas similares tambm podem ser definidas para matrizes, como, por exemplo (FRANCO, 2007):

= =
=
n
i
n
j
ij
e
a
1 1
2
A (norma euclidiana) (2.18)

=

=
n
i
ij
n j
a mx
1
1
1
A (norma coluna) (2.19)

=
n
j
ij
n i
a mx
1
1
A (norma linha ou infinita) (2.20)

Para a norma linha, primeiro gerado um vetor coluna contendo a soma dos valores absolutos de
cada linha, ento o valor mximo selecionado. Para a norma coluna, primeiro gerado um vetor
linha contendo a soma dos valores absolutos de cada coluna, ento o valor mximo selecionado. A
grosso modo, podemos considerar que a norma linha indica qual linha tem a maior soma dos valores
absolutos, e a norma coluna indica qual coluna tem a maior soma dos valores absolutos.

Scilab: no Scilab, a norma coluna obtida pelo comando norm(A,1) e a norma linha obtida pelo
comando norm(A, 'inf').

As normas dadas pelas Equaes (2.18), (2.19) e (2.20) satisfazem uma importante equao de
desigualdade, dada por:

B A AB (2.21)

Os vrios tipos de normas apresentados, de uma forma geral, podem ser utilizados para o estudo de
problemas associados resoluo de sistemas de equaes algbricas lineares. Por exemplo,
considerando que no sistema dado pela Equao (2.1) a matriz A conhecida exatamente, mas que o
vetor b est sujeito a uma impreciso b , ento o vetor x tambm estar sujeito a uma impreciso
correspondente, x , de modo que o sistema passa a ser dado por:

( ) ( ) b b x x A + = + (2.22)

Para essa perturbao no sistema, pode-se mostrar que a seguinte equao de desigualdade vlida
(FRANCO, 2007):

b
b
A A
x
x
1
(2.23)

Definindo-se o nmero de condio de A, k = cond(A), como:

( )
1
= = A A A cond k (2.24)

Segue que:
( )
b
b
A
x
x
cond (2.25)

O nmero de condio de A sempre maior ou igual a 1 (k = cond(A) 1). Quando o nmero de
condio de A grande, da ordem de 10
4
ou mais, diz-se que a matriz A mal condicionada.

Na Equao (2.25), x x pode ser interpretado como o erro relativo em x, de modo que b b
seria o erro em b. Deste modo, se a matriz A mal condicionada, ento pequenas perturbaes
relativas em b iro produzir grandes perturbaes relativas em x. Diz-se, neste caso, que o problema
de resolver b Ax = mal condicionado.

O mesmo tipo de problema ocorre quando o vetor b conhecido com exatido, mas existe uma certa
impreciso A na matriz A, resultando em uma equao semelhante Equao (2.25), porm com
A A no lugar de b b . Ou seja, imprecises na determinao da matriz A podem levar a
grandes erros na determinao de x quando o sistema mal condicionado.

Por este motivo, a prtica de se verificar se a soluo x obtida satisfaz o sistema original, ou seja, se
o resduo dado por Ax b r = pequeno, pode ser enganosa. Se a matriz A mal condicionada,
ento, mesmo que o resduo r seja pequeno, a soluo obtida pode no ser a correta.

Na definio de cond(A), Equao (2.24), foi utilizada uma notao geral para a norma da matriz, de
modo que qualquer norma pode ser utilizada. Por exemplo, pode-se utilizar a norma
A .

Uma outra forma bastante utilizada para a determinao do nmero de condio de A dada pela
seguinte equao:
( )
mn
mx
cond k
= = A (2.26)

onde
mn mx
e so, respectivamente, o maior e o menor autovalor de A em termos absolutos (em
mdulo). Por exemplo, { }
n mn
mn , , ,
2 1
L = .

Esta equao baseia-se na definio de raio espectral de A, ( ) A , o qual dado por:

( ) { }
mx n
mx = = , , ,
2 1
L A (2.27)

e na seguinte desigualdade (BEERS, 2007):

( )
mx
= A A (2.28)

Como forma de generalizar o conceito de condicionamento de matrizes para sistemas de equaes
algbricas lineares constitudos por m equaes e n incgnitas, ou seja, para matrizes no quadradas,
comum substituir os autovalores de A na Equao (2.26) pelos valores singulares de A, ou seja:

( )
mn mx
cond k = = A (2.29)

onde
mx
o maior valor singular e
mn
o menor valor singular de A.

No livro de (CHAPRA; CANALE, 2008) temos ainda um comentrio interessante sobre o nmero de
condicionamento de uma matriz. Por exemplo, vamos supor que o vetor b na Equao (2.25) seja
conhecido com uma preciso de t dgitos. Isto significa que os erros de arredondamento so da
ordem de 10
-t
dgitos. Se k = cond(A) = 10
c
, ento a soluo x pode ser vlida para apenas t - c
dgitos, de modo que os erros de arredondamento so da ordem de 10
c-t
.

Outro critrio para o mal condicionamento pode ser visto em (PERRY; GREEN, 2008). Segundo
esses autores, se a preciso de ponto flutuante de um computador for igual a 10
-6
, ento k = 10
6

indica que a matriz mal condicionada; se a preciso de ponto flutuante de um computador for igual
a 10
-12
(dupla preciso), ento k = 10
12
indica que a matriz pode ser mal condicionada.

Existem ainda outras definies para o nmero de condio k de uma matriz, como, por exemplo, a
razo entre o maior valor absoluto e o menor valor absoluto dos elementos da diagonal de uma
decomposio LU de A (PERRY; GREEN, 2008). O importante ter em mente que o valor de k est
intimamente relacionado com a perda de preciso em operaes de ponto flutuante, e que grandes
valores de k podem levar a falhas na obteno da soluo de sistemas de equaes por mtodos
numricos.

Scilab: no Scilab, o nmero de condio da matriz A obtido digitando-se cond(A), sendo calculado
de acordo com a definio dada pela Equao (2.29).

2.3- Mtodos computacionais diretos para soluo de sistemas lineares.

Sistemas de equaes algbricas lineares podem ser resolvidos por meio de mtodos diretos ou
indiretos. Dentre os mtodos diretos, citam-se: eliminao gaussiana, algoritmo de Thomas (para
matrizes tridiagonais), decomposio LU, inverso matricial , decomposio QR e decomposio em
valores singulares (SVD).

Para que diferentes algoritmos possam ser comparados em termos de esforo computacional,
comum utilizar o conceito de operaes de ponto flutuante (conhecidas em ingls como FLOPs -
floating point operations). Esta denominao tem origem no sistema binrio de representao de
nmeros reais na memria digital do computador.

Cada operao bsica (soma, subtrao, multiplicao e diviso) corresponde a uma operao de
ponto flutuante, 1 FLOP. Por exemplo, para executar a instruo b a c + = 2 so gastos 2 FLOPs:
um FLOP gasto na multiplicao por um escalar ( b 2 ) e um FLOP gasto na adio de dois
escalares ( b a 2 + ).

Portanto, quanto menor for o nmero de FLOPs gasto por um algoritmo durante sua execuo,
menor ser o esforo computacional requerido pelo mesmo e, portanto, melhor ser sua performance
em relao a outros algoritmos que consomem mais FLOPs. Sempre que possvel, o nmero de
FLOPs gasto em cada algoritmo ser apresentado.

De um modo geral, estamos interessados em investigar as solues para o sistema de equaes dado
pela Equao (2.1), generalizado aqui para sistemas de m equaes e n variveis:

b Ax = (2.30)

onde: ( ) ( ) ( ) 1 ; 1 ; = = = m n n m b x A

Alguns dos mtodos citados sero vistos nas prximas sees.

2.3.1- Eliminao gaussiana com pivotamento parcial.

O mtodo de decomposio de matrizes por eliminao gaussiana j foi visto na Unidade Curricular
de Clculo Numrico. No entanto, de modo a mantermos uma sequncia lgica de mtodos de
resoluo de sistemas de equaes, e considerando sua importncia para a decomposio LU a ser
vista na prxima seo, apresentamos a seguir um pseudocdigo representativo deste algoritmo,
incluindo um pseudocdigo que implementa a substituio reversa para a obteno do vetor soluo
x do sistema Ax = b.

O interessante do processo de eliminao gaussiana que o sistema resultante de equaes
equivalente ao sistema original de equaes, ou seja, o sistema resultante possui o mesmo conjunto
de solues. Isto significa que as seguintes operaes nas linhas (equaes) de A (do sistema) no
afetam sua soluo: (1) permutao de duas linhas (equaes); (2) adio de um mltiplo constante
de uma linha (equao) a uma outra linha (equao); (3) multiplicao de uma linha (equao) por
uma constante diferente de zero (KREYSZIG, 2009).

Scilab: no Scilab, a soluo de um sistema Ax = b por eliminao gaussiana pode ser obtida pelo
comando x = A\b . A barra invertida no Scilab realiza uma srie de outras funes, inclusive ajuste
por mnimos quadrados! Ver ajuda do Scilab para este comando digitando no prompt de comandos:
help backslash.

Cdigo 2.1- Pseudo cdigo para a eliminao gaussiana com pivotamento parcial (BEERS,
2007).
Contagem de FLOPs (Floating Point Operations): 3 2
3
n .

Alocar n
2
espaos de memria para armazenar A, e n para armazenar b
for i = 1, 2, ..., n-1 // iterar sobre as colunas
selecione a linha j 1 tal que { }
ni i i i i i j ji
a a a a , , , max
, 1 ,
L
+
= // mximo abaixo de a
ii

if a
ji
= 0, no existe soluo nica, Stop
if j i, troque as linhas i e j da matriz aumentada
for j = i+1, i + 2, ... , n // iterar sobre as linhas j > i

ii ji
a a
for k = i, i + 1, ... , n // iterar sobre os elementos na linha j a partir da esquerda

ik jk jk
a a a
end // final do for k ... n

i j j
b b b
end // final do for j ... n
end // final do for i ... n - 1
//
Cdigo 2.2- Pseudo cdigo para a substituio reversa.
Contagem de FLOPs (Floating Point Operations):
2
n .

Alocar n espaos de memria para os componentes de x
for i = n, n -1, ..., 1 // iterar sobre as linhas a partir da base at o topo
soma = 0
for j = i+1, i + 2, ... , n // iterar sobre as colunas inferiores

j ij
x a soma soma + =
end for // final do for j ... n
[ ]
ii i
a soma b x
end // final do for i ... 1

2.3.1.1- Existncia de soluo em sistemas de equaes algbricas lineares.

Uma questo importante que devemos saber responder : existe uma soluo para o sistema
proposto? A soluo, se existir, nica?

Para responder a estas questes, podemos analisar a matriz aumentada A
~
resultante do processo de
eliminao gaussiana de uma matriz A m x n contendo os coeficientes do sistema se equaes (2.30),
dada genericamente pela Equao (2.31). Nessa equao, os elementos da linhas m r r , , 2 , 1 L + + , ou
seja: n j a
j r
, , 2 , 1 ,
~
, 1
L =
+
, so todos nulos, e r o posto (rank) de A.

Considerando que m r , 0
11
a , 0
~
22
a , 0
~
,
rr
a L , podemos fazer as seguintes consideraes
(KREYSZIG, 2009):


(
(
(
(
(
(
(
(
=
+
m
r
r rn rr
n
n
b
b
b a a
b a a
b a a a
~
0 0 0 0
~
0 0 0 0
~
~ ~
0 0
~
~ ~
0
~
1
2 2 22
1 1 21 11
M L
M M M M M M
M L
M L
M L
M L
A (2.31)

(1) Existncia de solues. O sistema dado pela Equao (2.30) dito consistente, isto , tem
solues, se e somente se a matriz de coeficientes A e a matriz aumentada A
~
(ou seja, incluindo
uma coluna extra correspondente ao vetor b) tiverem o mesmo posto. Ou seja, se a incluso do vetor
b aumenta o posto de A, isto significa que existe pelo menos uma equao inconsistente do tipo
k r
b
+
=
~
0 , com m k r b
k r
+
+
, 0
~
, o que no tem sentido fsico. No entanto, em se tratando de
problemas de otimizao (ajuste de parmetros), este tipo de situao ainda admite uma soluo por
mnimos quadrados. Isto ser visto na seo (2.3.6) sobre decomposio em valores singulares
(SVD);

(2) Exatamente uma soluo. Se r = n e
m n n
b b b
~
, ,
~
,
~
2 1
L
+ +
, se estiverem presentes, forem iguais a
zero. Ou seja, o nmero de incgnitas n menor do que o nmero de equaes mas no existe
inconsistncia, e as colunas da matriz A so independentes. Para obter a soluo, resolva
normalmente o sistema A
~
(triangular superior para as linhas de 1 a n) por substituio regressiva, ou
seja, sucessivamente para
1 1
, , , x x x
n n
L
;

(3) Infinitas solues. Se r < n e
m r r
b b b
~
, ,
~
,
~
2 1
L
+ +
, se estiverem presentes, forem iguais a zero. Para
obter qualquer uma dessas solues, escolha valores apropriados
(*)
para
n r r
x x x , , ,
2 1
L
+ +
e ento
resolva o sistema A
~
(triangular superior para as linhas de 1 a r) por substituio regressiva para
1 1
, , , x x x
r r
L
.

(*) Observao: dependendo da estrutura e do posto das (n - r) colunas dependentes remanescentes,
algumas variveis (incgnitas)
n r r
x x x , , ,
2 1
L
+ +
podero ser dependentes entre si e a escolha de seus
valores no poder ser arbitrria. Essa estrutura revelada por meio de uma anlise por SVD,
assunto a ser visto na seo (2.3.6), de modo a garantir que essas escolhas sejam independentes.

(4) Nenhuma soluo. Se r < m e uma das entradas
m r r
b b b
~
, ,
~
,
~
2 1
L
+ +
no igual a zero. Neste caso o
sistema inconsistente e valem os comentrios feitos no item (1).

Exerccios:

Exerccio 2.2. Utilize o algoritmo de eliminao gaussiana (com pivotamento parcial) para resolver
o sistema de equaes lineares representado pela seguinte matriz aumentada:

( )
(
(
(
=
2 6 1 3
7 3 1 2
4 1 1 1
M
M
M
Mb A

Exerccio 2.3. Resolva o sistema de equaes abaixo por eliminao gaussiana, sem pivotamento
parcial:

4 2
5 2
7 3 2
3 2 1
3 2 1
3 2 1
=
= +
= +
x x x
x x x
x x x

Exerccio 2.4. Discuta as solues do sistema abaixo, com base nas anlises feitas no item (2.3.1.1):

3 3 2 1
2 3 2 1
1 3 2 1
3 2
2
3 2
b x x x
b x x x
b x x x
= +
= +
= +

2.3.1.2- Clculo do determinante de uma matriz por eliminao gaussiana.

O determinante de uma matriz pode ser obtido por meio de sua decomposio por eliminao
gaussiana. No entanto, algumas consideraes baseadas nas propriedade dos determinantes devem
ser observadas:

(1) Se cada elemento em uma linha (coluna) de uma matriz A for multiplicado por um escalar c para
formar uma matriz B, ento det(B) = c x det(A). Assim, se as linhas de A forem escalonadas durante
a eliminao gaussiana, os fatores de escala devero ser armazenados para o clculo do determinante
da matriz original;

(2) Se duas linhas (colunas) de A forem permutadas para formar B, ento det(B) = -det(A). Assim, se
for feito pivotamento durante a eliminao gaussiana, o nmero total de permutaes dever ser
armazenado para a avaliao do sinal correto do determinante da matriz original: se o nmero de
permutaes for par, o sinal do determinante obtido ser o correto; se o nmero de permutaes for
mpar, o determinante obtido dever ser multiplicado por (-1) para obter o sinal correto do mesmo;

(3) Sejam a
(j)
e a
(k)
dois vetores correspondentes s linhas (colunas) j e k de A. Se uma matriz B for
obtida a partir de A por meio da operao b
(k)
= a
(k)
+ ca
(j)
, onde c um escalar, ento det(B) =
det(A). Ou seja, operaes elementares em linhas (colunas) no alteram o valor do determinante;

(4) Se uma matriz B triangular, ento o seu determinante pode ser obtido pelo produto dos
elementos da diagonal principal, ou seja, ( )

=
= =
n
i
ii nn
b b b b
1
22 11
det L B . Assim, aps a
decomposio de A por eliminao gaussiana, o det(A) pode ser obtido considerando-se os
elementos da diagonal principal da matriz triangular B resultante, levando-se em conta, tambm, as
possveis alteraes decorrentes das propriedades (1) e (2).

Scilab: no Scilab, o determinante de uma matriz quadrada A pode ser obtido pelo comando det(A).
Os clculos desta funo so baseados nas seguintes rotinas do pacote LAPACK: DGETRF para
matrizes de reais e ZGETRF para matrizes de complexos.

2.3.2- Algoritmo de Thomas para matrizes tridiagonais.

Diversos problemas de valor de contorno envolvendo equaes diferenciais unidimensionais podem
ser resolvidos por mtodos numricos que resultam em sistemas lineares especiais, os quais podem
ser representados por meio de uma matriz de coeficientes do tipo tridiagonal, ou seja, que possui a
forma:

A
0
0
=
(
(
(
(
(
(

d u
l d u
l d u
l d
n n n
n n
1 1
2 2 2
1 1 1
O O O (2.32)

Para estes sistemas, a eliminao gaussiana pode ser feita apenas para os elementos l
i
, diferentes de
zero, sem nenhum pivotamento. Uma outra vantagem que podemos armazenar apenas os elementos
no nulos nos vetores u, d e l, conforme podemos constatar analisando o equacionamento
apresentado a seguir, o qual conhecido como algoritmo de Thomas (ou TDMA). Uma condio
bvia que todos os elementos da diagonal principal, d, sejam diferentes de zero.

Os passos para a eliminao de Gauss so feitos por meio das seguintes relaes:

1 1
~
d d = ,
1
1
~
~
=
i
i
i
i i
u
d
l
d d , i = 2, 3, ..., n (2.33)

1 1
~
b b = ,
1
1
~
~
~
=
i
i
i
i i
b
d
l
b b , i = 2, 3, ..., n (2.34)

A soluo do sistema linear obtida por substituio regressiva (ou reversa), simplificada neste caso
pois cada linha i da matriz decomposta, exceto a ltima, representa uma equao com apenas duas
variveis, x
i
e x
i+1
:

n
n
n
d
b
x
~
~
= ,
i
i i i
i
d
x u b
x
~
~
1 +
= , i = n-1, n-2, ...,1 (2.35)

A matriz dada pela Equao (2.32) um exemplo de matriz esparsa, ou seja, uma matriz em que a
maioria de seus elementos so iguais a zero, sendo poucos os elementos diferentes de zero.

Exerccio 2.5: resolva o seguinte sistema linear utilizando o algoritmo de Thomas:

(
(
(
(
(
(
(
(
=
(
(
(
(
2 1 0 0
1 2 1 0
0 1 2 1
0 0 1 2
1
2
7
1
1
2
3
4
x
x
x
x

2.3.3- Decomposio ou fatorao LU de uma matriz.

A decomposio LU essencialmente uma eliminao Gaussiana, arranjada para mxima eficincia.
A principal razo para se fazer uma decomposio LU que a mesma requer menos multiplicaes
do que seriam necessrias para encontrar uma inversa. Alm disto, uma vez que a decomposio LU
foi encontrada, possvel resolver um mesmo sistema para mltiplos conjuntos de valores do lado
direito da Equao (2.1), com pouco aumento na carga computacional.

Basicamente, o objetivo da decomposio LU efetuar uma decomposio gaussiana de A, s que,
ao invs de se replicar as operaes nas linhas de A diretamente no vetor b inserido em uma matriz
aumentada, os pivs da decomposio so armazenados para que as operaes no lado direito da
Equao (2.1) possam ser feitas, todas de uma vez, aps o final da decomposio LU. A matriz L
uma matriz triangular inferior, e a matriz U uma matriz triangular superior, da as iniciais L (Lower
Triangular) e U (Upper Triangular). Os elementos da diagonal principal da matriz L so todos
iguais a 1:

(
(
(
(
(
(
1
0 1
0 0 1
0 0 0 1
1 , 2 , 1 ,
32 31
21
n n n n
l l l
l l
l
L
M M M
L
L
L
L (2.36)

(
(
(
(
(
(
=
nn
n
n
n
u
u u
u u u
u u u u
0 0 0
0 0
0
3 33
2 23 22
1 13 12 11
L
M M M
L
L
L
U (2.37)

A eficincia deste mtodo reside no fato de que, na verdade, durante a eliminao gaussiana, tanto a
matriz U quanto a matriz L so geradas de forma simultnea. A matriz U a matriz triangular
superior resultante da eliminao gaussiana e, quanto matriz L, pode-se mostrar que seus elementos
so dados por (BEERS, 2007):

(
(
(
(
(
(
1
0 1
0 0 1
0 0 0 1
1 , 2 , 1 ,
32 31
21
n n n n

L
M M M
L
L
L
L (2.38)

Onde os elementos
kj
, , ,
32 31 21
so os fatores (pivs) utilizados durante a fase de decomposio
da matriz por eliminao gaussiana para zerar os elementos a
21
, a
31
, a
32
, a
kj
de A, respectivamente.
Por exemplo, para zerar o elemento a
31
da linha 3 (L
3
) de A fazemos
1 31 3 3
L L L = , ou
( )
1 11 31 3 3
L a a L L = , onde
11 31 31
a a = e L
1
a linha 1 de A.

Como os elementos abaixo da diagonal principal de A vo sendo zerados durante o processo de
eliminao gaussiana, comum armazenar os elementos da matriz L nos espaos zerados de A, para
economizar memria de armazenamento (os elementos da diagonal principal de L so iguais a 1 e
no precisam ser armazenados). Se houver pivotamento parcial de A durante a eliminao gaussiana
(permutao da linha k com a linha m), os elementos
kj
e
mj
obtidos previamente para a matriz L
tambm devem ser permutados, para todas as colunas j previamente calculadas.

Este tipo de decomposio LU, que resulta em uma matriz L onde os elementos da diagonal principal
so iguais a 1, conhecido como decomposio Doolittle. Existe uma abordagem alternativa que
resulta em uma matriz U cujos elementos da diagonal principal so iguais a 1, conhecida como
decomposio de Crout, sendo que seus desempenhos so comparveis (CHAPRA; CANALE,
2008).

A seguir vamos descrever os passos necessrios para a resoluo do sistema de equaes dado pela
Equao (2.1). Assim, temos que a decomposio LU feita de modo que a seguinte relao seja
vlida:

A LU = (2.39)

Ou, quando for realizado pivotamento durante a eliminao gaussiana, usa-se uma matriz de
permutao P para reorganizar as linhas de A, de modo que:

PA LU = (2.40)

Pr-multiplicando a Equao (2.1) pela matriz de permutao P e substituindo a Equao (2.38) no
resultado dessa multiplicao, segue que:

Pb PAx = (2.41)

Pb LUx = (2.42)

A Equao (2.42) pode ser resolvida em duas etapas simples. Em primeiro lugar, fazemos y Ux = ,
de modo que a Equao (2.42) pode ser convertida em duas equaes:

y Ux = (2.43)

Pb Ly = (2.44)

A estratgia de soluo, ento, constituda das seguintes etapas:

(1) a Equao (2.44) resolvida por substituio progressiva para obter como soluo o vetor y;

(2) a Equao (2.43) resolvida por substituio regressiva (ou reversa) para obter como soluo o
vetor x desejado.

importante salientar que estas duas etapas exigem apenas um pequeno esforo computacional, j
que os vetores y e x so obtidos diretamente por meio dos algoritmos de substituio progressiva e
regressiva, respectivamente, pois as matrizes L e U so triangulares.

A contagem de operaes de ponto flutuante (FLOPs) para efetuar uma decomposio LU de uma
matriz n x n e resolver m conjuntos de valores do lado direito da Equao (2.1) igual a (PERRY;
GREEN, 2008):

2 3
3 3 operaes de Contagem mn n n + = (2.45)

Se for necessrio obter a matriz inversa (seo 2.3.4), aps obter a decomposio LU, a mesma pode
ser obtida com uma contagem total de apenas 3 3 4
3
n n FLOPs, muito menor do que os cerca de
n
4
FLOPs necessrios para uma inverso de matriz por expanso em cofatores (regra de Cramer).
Alm disto, conforme j comentado, o determinante da matriz pode ser facilmente calculado em
funo dos elementos u
ii
da diagonal principal da matriz triangular superior U pela seguinte equao:

( )

=
=
n
i
ii
u
1
det A (2.46)

Observao: quando for utilizado pivotamento para a decomposio LU, importante lembrar que o
sinal do determinante pode estar incorreto se o nmero de permutaes for mpar, conforme j
comentado no item (2.3.1.2).

Um pseudocdigo para o decomposio LU com pivotamento parcial e verificao da escala das
equaes pode ser visto em (CHAPRA; CANALE, 2008). Tente implementar esse pseudocdigo no
Scilab, a ttulo de exerccio!

Scilab: no Scilab, a decomposio LU da matriz A pode ser obtida por meio do seguinte comando:
[L,U] = lu(A) ou [L,U,P] = lu(A). No primeiro caso, o produto LU fornece A; no segundo caso, o
produto LU fornece PA. Esta funo baseia-se nas seguintes rotinas do pacote Lapack: DGETRF
para matrizes reais e ZGETRF para matrizes complexas.

Exerccio 2.6. Obtenha uma decomposio LU baseada na eliminao de Gauss sem pivotamento
efetuada no Exerccio 2.3 da seo (2.3.1). Repita o exerccio utilizando pivotamento, obtenha a
matriz de permutao P e resolva o sistema para as incgnitas x utilizando as frmulas de
substituio progressiva e regressiva.

2.3.4- Mtodo da matriz inversa.

Normalmente no se utiliza a matriz inversa para obter uma soluo para sistemas lineares de grande
porte, pois sua obteno costuma ser onerosa. Mtodos como o da eliminao de Gauss so muito
mais eficientes para este propsito.

No entanto, a matriz inversa fornece informaes valiosas sobre a estrutura de sistemas de equaes
algbricas lineares e, alm disto, seu conhecimento fundamental em ajuste de parmetros de
modelos, onde utilizada na estimativa de intervalos de confiana por meio de tcnicas de anlises
estatsticas.

O mtodo fora bruta de obteno da matriz inversa consiste em uma aplicao da regra de
Cramer, sendo dado por (obviamente, supe-se que a matriz A no seja singular, det(A) 0):

( )
( ) A det
, 1 k j
jk
C
A =
(2.47)

No entanto, o uso numrico da Equao (2.47) no prtico, pois o mesmo requer cerca de n
4

FLOPs. Mas podemos utilizar a decomposio LU e desenvolver um mtodo muito mais eficiente
para a obteno da inversa de A, o qual consiste na seguinte sequncia de equaes:

I AA =
1

I LUA =
1
(2.48)

Podemos fazer o produto da matriz LU pela matriz inversa coluna a coluna, de modo a obter:

(
(
(
(
(
(
=
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
1 0 0 0
0 0
0 1 0 0
0 0 1 0
0 0 0 1
'
'
'
'
'
'
'
'
'
'
'
'
2
1
3
23
13
2
22
12
1
21
11
L
L M M
L
L
M
L
M M M
nn
n
n
n n n
a
a
a
a
a
a
a
a
a
a
a
a
LU LU LU LU (2.49)

Onde
ij
a' representa o elemento (i,j) da matriz inversa. Na Equao (2.49), cada coluna j da matriz
do lado esquerdo da igualdade obtida fazendo-se o produto da matriz LU pelo correspondente vetor
coluna j de A
-1
. Fazendo a igualdade entre a coluna j do lado esquerdo desta equao com a coluna j
do lado direito, temos que:

=
= =
(
(
(
(
=
(
(
(
(
j i
j i
a
a
a
ij
ij
nj
j
j
nj
j
j
, 0
, 1
: onde ,
'
'
'
2
1
2
1
M M
LU (2.50)

O lado direito da igualdade na Equao (2.50) representa a coluna j da matriz identidade I. Esta
equao tambm pode ser escrita como:

( ) ( )
n j
j j
, , 2 , 1 , ' L = = e LUa (2.51)

onde
( ) j
' a a coluna j da matriz inversa, e
( ) j
e a coluna j da matriz identidade, ou seja, todos os
elementos de
( ) j
e so iguais a zero exceto o elemento da linha j, que igual a 1.

A Equao (2.51) representa n sistemas de equaes, cada um com n incgnitas correspondentes a
uma coluna da matriz inversa. Assim, todas as colunas da matriz inversa podem ser obtidas, uma a
cada vez. A vantagem deste esquema reside no fato de que a decomposio LU s feita uma nica
vez, e cada coluna da matriz inversa obtida resolvendo-se dois sistemas triangulares, primeiro por
substituio progressiva e, em seguida, por substituio reversa:

( ) ( ) j j
e Ly =
( ) j
y (substituio progressiva) (2.52)


( ) ( ) j j
y Ua = '
( ) j
' a (substituio regressiva) (2.53)

2.3.4.1- Anlise da estrutura de sistemas lineares por meio da matriz inversa.

Uma vez que a matriz inversa foi obtida, evidente que o sistema dado pela Equao (2.1) pode ser
resolvido fazendo-se:

b A x
1
= (2.54)

Conforme apontado por (CRAPRA; CANALE, 2008), a matriz inversa traz informaes
interessantes sobre a influncia que cada estmulo b
j
do lado direito na Equao (2.54) tem sobre
cada resposta x
i
. Por exemplo, fazendo a multiplicao na Equao (2.54), temos que x
i
ser dado
por:

n n i i i
n
j
j j i i
b a b a b a b a x
, 2 2 , 1 1 ,
1
,
' ' ' ' + + + = =

=
L (2.55)

A Equao (2.55) mostra que cada elemento
j i
a
,
' da matriz inversa representa a mudana na resposta
i
x causada por uma variao unitria no estmulo
j
b . Assim, por exemplo, se o elemento
3 , 2
' a for
igual a zero, conclui-se que o estmulo
3
b no afeta a resposta
2
x . Veja a seo 10.2 e o interessante
exemplo da Figura 12.3 na seo 12.1 de (CRAPRA; CANALE, 2008).

Em Engenharia Qumica, por exemplo, cada linha i geralmente representa um balano (de massa, de
energia etc.) em um equipamento (tanque, reator etc.), de modo que x
i
seria a quantidade balanceada
no equipamento i, como, por exemplo, a concentrao total de soluto no equipamento. Cada b
i
,
ento, representa as condies particulares do balano envolvendo o equipamento i, ou seja, os
valores conhecidos que afetam o equipamento i. Assim, quando afirmamos que
3 , 2
' a igual a zero,
isto quer dizer que uma mudana provocada no equipamento 3 no exerce nenhuma influncia sobre
a quantidade balanceada no equipamento 2. Em outras palavras, a informao gerada no
equipamento 3 no repassada ao equipamento 2. Esta informao bastante til quando
desejamos avaliar, por exemplo, se uma contaminao ocorrida no equipamento j ir se propagar at
o equipamento i!

Scilab: no Scilab, a inversa de uma matriz A pode ser obtida por meio do comando inv(A). A funo
inv para matrizes de nmeros baseada nas seguintes rotinas do pacote Lapack: DGETRF, DGETRI
para matrizes de reais e ZGETRF, ZGETRI para matrizes de complexos.

Exerccio 2.7. Calcule a matriz inversa de A por meio das Equaes (2.52) e (2.53) usando a
decomposio LU (sem pivotamento) feita no Exerccio 2.6 da seo (2.3.3), utilizando os
algoritmos clssicos de substituio progressiva e substituio regressiva. Verifique seus resultados
confirmando se I AA =
1
.

Exerccio 2.8. O processo mostrado na Figura 1 representa uma sequencia de reatores operando de
forma contnua, em estado estacionrio. A concentrao mssica total C
ij
representa a massa total de
soluto presente na corrente cuja vazo Q
ij
. Voc o engenheiro recm contratado para ocupar a
vaga de um engenheiro que se aposentou. H um estudo em andamento para reduzir o custo do
processo, utilizando-se uma carga Q
04
de um fornecedor alternativo, mais barata. No entanto, nesta
nova carga existem traos de uma substncia X que pode envenenar os catalisadores dos reatores I e
III, de modo que voc foi encarregado de verificar se essa nova carga ir afetar esses reatores.

Figura 1. Balano de concentrao total de soluto em uma sequencia de reatores.

Voc ainda no conhece bem o processo, os P&IDs no esto atualizados e os medidores de vazo
no so confiveis. Vasculhando nos documentos do setor, voc encontrou um trabalho prvio
realizado pelo engenheiro aposentado, mostrando o esquema da Figura 1, mas sem os valores das
vazes estimadas pelo mesmo. H dvidas quanto ao sentido correto do escoamento para as
correntes marcadas com ?, pois nos documentos existentes as setas direcionais foram omitidas.
Nesse trabalho, o engenheiro determinou as concentraes totais de soluto em todos os reatores,
usando uma matriz de coeficientes desconhecida. Essa matriz de coeficientes representa os balanos
de soluto nos reatores, onde as incgnitas so as concentraes de soluto em cada reator, e os
coeficientes (elementos da matriz) representam as vazes de entrada ou a soma das vazes
volumtricas de sada em cada reator (com o sinal trocado). A inversa da matriz de coeficientes foi
encontrada no trabalho, sendo dada por:

IX
VIII
VII
VI
V
IV
III
II
I
A
C C C C C C C C C
9 8 7 6 5 4 3 2 1
(
(
(
(
(
(
(
(
(
(
(
(
0.3846 - 0.3846 - 0.38462 - 0. 0. 0.03226 - 0.3333 - 0.08961 - 0.16129 -

0. 1. - 0.15789 - 0. 0. 0.03226 - 0.3333 - 0.08961 - 0.16129 -
0. 0. 0.52632 - 0. 0. 0.03226 - 0.3333 - 0.08961 - 0.16129 -
0. 0. 0. 0.0490 - 0.0490 - 0.04491 - 0.0065 - 0.03760 - 0.02846 -
0. 0. 0. 0. 0.05 - 0.04516 - 0. 0.03656 - 0.02581 -
0. 0. 0. 0. 0. 0.04516 - 0. 0.01434 - 0.02581 -
0. 0. 0. 0. 0. 0.03226 - 0.3333 - 0.08961 - 0.16129 -
0. 0. 0. 0. 0. 0.04516 - 0. 0.12545 - 0.02581 -
0. 0. 0. 0. 0. 0.03226 - 0. 0.08961 - 0.16129 -
1

Pede-se:

(1) Observando a matriz inversa dada, informe quais reatores sero afetados pela substncia X. Qual
o sentido correto das correntes Q
121
e Q
252
?;
(2) (a) Se uma substncia txica Y for produzida por uma reao secundria (no prevista) no reator
III, quais reatores podero ser afetadas por essa substncia (faa sua anlise com base na observao
da matriz inversa)? (b) E se a substncia txica Y for produzida no reator II, quais reatores sero
afetados? (c) E se a substncia txica Y for produzida no reator V, quais reatores sero afetados?

(3) Obtenha a matriz dos coeficientes e resolva o sistema de equaes lineares para determinar a
concentrao de soluto em cada reator, considerando que os seguintes dados foram finalmente
encontrados, em um outro documento (Q em m
3
/min., C em kg/m
3
):

Q01 = 2; Q04 = 21; Q13 = 3; Q14 = 4; Q21 = 5; Q25 = 4; Q36 = 0.4; Q37 = 1.9; Q38 = 0.7;
Q04 = 21; Q42 = 9; Q45 = 16; Q56 = 20; Q60 = 20.4; Q78 = 0.3; Q79 = 1.6; Q89 = 1; Q90 = 2.6;
C01 = 150; C04 = 50/21 .

(4) Obtenha a matriz dos coeficientes e resolva o sistema de equaes lineares para determinar a
concentrao de soluto em cada reator, considerando que existe uma proposta de mudana
operacional para a qual o sentido da corrente Q
252
do reator 2 para o reator 5, com as novas
condies operacionais dadas como segue (Q em m
3
/min., C em kg/m
3
):

Q01 = 4; Q04 = 17.8; Q13 = 3; Q14 = 0.7; Q12 = 0.3; Q25 = 9; Q36 = 0.4; Q37 = 1.9; Q38 = 0.7;
Q42 = 8.7; Q45 = 9.8; Q56 = 18.8; Q60 = 19.2; Q78 = 0.3; Q79 = 1.6; Q89 = 1; Q90 = 2.6;
C01 = 50; C04 = 150/17.8 .

2.3.5- Decomposio ou fatorao QR.

O objetivo da decomposio QR de uma matriz A obter uma matriz triangular superior R e uma
matriz ortogonal Q de tal forma que:

A QR= (2.56)

O interessante desta decomposio que, como a matriz Q ortogonal (
T
Q Q =
1
), ento, para
calcular a inversa da matriz A, segue que:

I AA =
1

I QRA =
1

I Q RA
1 1
=
T
Q RA =
1
(2.57)

Deste modo, como a matriz R triangular superior, a inversa da matriz A pode ser obtida coluna a
coluna por substituio regressiva apenas:

( )
( )
n j
j
T j
, , 2 , 1 , ' L = = q Ra (2.58)

onde
( ) j
T
q a coluna j da matriz
T
Q .

Uma descrio de um processo de decomposio QR pelo mtodo de Francis encontra-se detalhada
em (FRANCO, 2007). Basicamente, a estratgia de obteno da matriz R, iniciando com R = A,
consiste na pr-multiplicao sucessiva da matriz R por uma matriz de rotao U, de modo que a
cada multiplicao zera-se o elemento (i,j) da matriz R, situado abaixo de sua diagonal principal
(i > j).

Para uma matriz A n x n, a matriz de rotao U utilizada para zerar o elemento (i,j) de R igual
matriz identidade I n x n, com exceo dos elementos (i,i), (j,j), (i,j) e (j,i), os quais podem ser
calculados por meio das seguintes expresses:

( ) ( ) ( ) ( ) c j j U c i i U s i j U s j i U = = = = , ; , ; , ; , (2.59)

onde:
2
,
2
,
,
2
,
2
,
,
;
j i j j
j j
j i j j
j i
R R
R
c
R R
R
s
+
=
+
= (2.60)

A matriz U conhecida como matriz de rotao porque a mesma efetua uma rotao (neste caso,
horria) de um ngulo no plano dos eixos (i,j). Por definio, ( ) sen s = e ( ) cos = c . Por
exemplo, para zerar o elemento (4,2) de uma matriz R 5 x 5, a matriz U seria dada por:

(
(
(
(
(
(
=
1 0 0 0 0
0 0 0
0 0 1 0 0
0 0 0
0 0 0 0 1
c s
s c
U (2.61)

A matriz Q tambm obtida de forma sucessiva, iniciando com Q = I (matriz identidade), e fazendo
T
QU Q= sempre que um elemento de R zerado.

Essas informaes podem ser facilmente convertidas em um algoritmo rudimentar de decomposio
QR, o qual apresentado a seguir, sem preocupaes em termos de gasto de FLOPs.

Cdigo 2.3- Algoritmo rudimentar para a decomposio QR de uma matriz quadrada A no Scilab.

function [Q,R] = qr_AS(A);
n = size(A,2);, R = A;, Q = eye(n,n);
for j = 1:n-1 // lao 1
for i = j+1: n // lao 2
// Definio do cosseno de Phi, c:
c = R(j,j)/sqrt(R(j,j)^2+R(i,j)^2);
// Definio do seno de Phi, s:
s = R(i,j)/sqrt(R(j,j)^2+R(i,j)^2);
// Gerao da matriz de rotao U para zerar o elemento R(i,j):
U = eye(n,n);, U(i,i) = c;, U(j,j) = c;, U(i,j) = -s;, U(j,i) = s;
// Clculo da matriz R:
R = U*R;
// Clculo da matriz ortogonal Q:
Q = Q*U';
end // Fim do lao 1
end // Fim do lao 2
endfunction

Existem outros mtodos mais eficientes de decomposio QR, como, por exemplo, o mtodo baseado
em transformaes de Householder, que exigem um esforo computacional da ordem de apenas n
3

FLOPs (BEERS, 2007).

A seguir, algumas aplicaes da decomposio QR sero apresentadas.

2.3.5.1- Aplicao da decomposio QR: determinao dos autovalores de uma matriz.

A determinao dos autovalores de uma matriz A pelo mtodo QR baseia-se em transformaes de
semelhana. Duas matrizes n x n A e B so ditas similares (ou semelhantes) se existe uma matriz no
singular S tal que:

AS S B
1
= (2.62)

Neste caso, diz-se que B foi obtida de A por uma transformao de semelhana. Duas matrizes
similares tm os mesmos autovalores. Alm disto, se v um autovetor de A associado ao autovalor
, ento v S
1
autovetor de AS S B
1
= associado a .

A matriz triangular superior R obtida a partir de uma decomposio QR no similar A e, portanto,
no possui os mesmos autovalores. Mas possvel definir uma matriz A
[1]
que similar a A. A partir
da Equao (2.56), e lembrando que
T
Q Q =
1
, temos que:

A Q A Q R
T
= =
1
(2.63)

Se definirmos
[ ]
RQ A =
1
, segue que:

[ ]
AQ Q AQ Q RQ A
T
= = =
1 1
(2.64)

Deste modo, as matrizes A e A
[1]
tm os mesmos autovalores. A estratgia de obteno dos
autovalores de A pelo mtodo de Francis bastante simples, e feita de modo iterativo. A partir da
obteno da matriz A
[1]
na iterao k = 1, a matriz original A redefinida como A = A
[1]
e uma nova
decomposio QR efetuada nesta nova matriz A de modo a obter as novas matrizes Q e R. Ento,
define-se novamente a matriz A
[1]
(=RQ) na iterao k = 2 e o processo se repete at que um critrio
de convergncia seja atingido. No limite quando k , a sequncia de matrizes A
[k]
tende a uma
forma do tipo bloco triangular superior, ou seja, a forma final da matriz dada por:

[ ]
(
(
(
(
(
(
=

pp
p
p
p
k
R
R R
R R R
R R R R
M O
L
L
L
3 33
2 23 22
1 13 12 11
A (2.65)

onde as submatrizes ao longo da diagonal, R
11
, R
22
, ..., R
pp
, so matrizes 1 x 1 ou 2 x 2. No caso 1 x
1, este elemento da diagonal um autovalor de A. No caso 2 x 2, a submatriz R
jj
tem dois
autovalores que so complexos conjugados um do outro (para o caso de uma matriz A real), os quais
so autovalores de A e podem ser obtidos analiticamente por:

( )
( ) ( ) ( ) [ ] i r r r r r r abs
r r
j j j j j j j j j j j j
j j jj
j
2 1
, 1 1 , 1 , 1 ,
2
1 , 1 ,
1 , 1
4
2
1
2
+ + + + + +
+ +
+ +
+
= (2.66)

( )
( ) ( ) ( ) [ ] i r r r r r r abs
r r
j j jj
j
2 1
, 1 1 , 1 , 1 ,
2
1 , 1 ,
1 , 1
1
4
2
1
2
+ + + + + +
+ +
+
+
+
= (2.67)

onde r
jj
o elemento (j,j) da submatriz Rjj.

Como exemplo, considere a matriz A dada por:

(
(
(
=
1 0 1
5 1 0
1 5 2
A (2.68)

A aplicao do algoritmo de Francis resulta na seguinte equao final:

[ ]
(
(
(
=
1.2417118 4.0279788 52 - 2.762D
1.7110003 0.8175081 53 - 1.251D
3.1199814 - .7073667 2 4.4242037
k
A (2.69)

Para analisar a submatriz R
11
, avaliamos abs(r
21
) (=1.251D-53) e constatamos que o mesmo igual
a zero (a menos de uma tolerncia), ento podemos concluir que 4.4242037
1
= (primeiro
autovalor de A). A seguir, examinamos a submatriz R
22
e constatamos que abs(r
32
) (=4.0279788)
diferente de zero. Ento, existe uma submatriz R
22
dada por:

(
=
1.2417118 4.0279788
1.7110003 0.8175081
22
R (2.70)

Os autovalores da submatriz R
22
so obtidos pelas Equaes (2.66) e (2.67) e valem
i 2.4149071 -0.2121019
2
+ = e i 2.4149071 -0.2121019
3
= . Esses autovalores podem ser
confirmados por meio do comando spec(A) do Scilab. Se a matriz A fosse de ordem superior a 3, a
prxima submatriz a ser inspecionada seria R
44
pois trs autovalores j foram determinados, e assim
por diante.

Uma vez que os autovalores de A foram obtidos, os autovetores correspondentes podem ser
calculados a partir da Equao (2.11). O pseudocdigo rudimentar apresentado a seguir utiliza o
algoritmo de decomposio QR e o mtodo de Francis para determinar os autovalores de uma matriz
A, sem preocupaes em termos de gasto de FLOPs.

Cdigo 2.4- Pseudocdigo que usa o Cdigo 2.3 para obter no Scilab os autovalores de uma matriz
A pelo mtodo de Francis.

function [a, avalor]=spec_AS(a, tol)
n=size(a,2); k = 0; kmax = 200;
// obter a soma dos valores absolutos dos elementos abaixo da diagonal principal
// (= norma0, este clculo foi omitido neste pseudocdigo )
erro = norma0;
// Convergncia de Ak pelo mtodo de Francis:
while erro > tol & k < kmax // lao do while
k = k + 1;
[Q,R] = qr_AS(a);
a = R*Q;
// obter a soma dos valores absolutos dos elementos abaixo da diagonal principal
// (= norma1, este clculo foi omitido neste pseudocdigo )
erro = abs(norma1-norma0);, norma0=norma1;
end // fim do lao do while
// Obteno dos autovalores:
avalor = zeros(n,1);, j = 1;, k = 0;
while j < n // lao do while de autovalor
if abs(a(j+1,j)) > tol*(n*n/2) then
a11 = a(j,j);, a12 = a(j,j+1);, a21 = a(j+1,j);, a22 = a(j+1,j+1);
re = (a11 + a22)/2;, im = sqrt(abs((a11+a22)^2 - 4*(a11*a22-a21*a12)))/2;
avalor(j) = complex(re,im);, j = j + 1;, avalor(j) = complex(re,-im);, k = k + 2;
else
avalor(j) = a(j,j);, k = k + 1;,
end
j = j + 1;
end // fim do lao do while de autovalor
if k ~= n then
avalor(n) = a(n,n);
end
endfunction

Exerccio 2.9. Implemente os Cdigos 2.3 e 2.4 no Scilab para obter a decomposio QR, a matriz
A
[k]
e os autovalores da seguinte matriz:

(
(
(
(
=
4 1 1 1
1 4 2 1
1 2 4 0
1 1 0 4
A

2.3.5.2- Aplicao da decomposio QR: mtodo dos mnimos quadrados.

Em problemas de ajuste de parmetros por mnimos quadrados, pode ocorrer que a matriz de projeto
dos experimentos seja mal condicionada. Nestes casos, a aplicao da decomposio QR proporciona
um mtodo mais estvel de soluo do sistema de equaes lineares resultante, em relao aos
mtodos que no fazem uso desta decomposio. Esta aplicao poder ser melhor compreendida por
meio do exemplo descrito a seguir (BEERS, 2007).

Suponha que queremos ajustar os (m+1) parmetros
i
do modelo linear apresentado a seguir, por
meio de n conjuntos de medies experimentais, cada conjunto constitudo por
[ ] [ ] [ ] [ ]
{ }
k
m
k k k
x x x y , , , ;
2 1
L
(k = 1, 2, ..., n):

[ ] [ ] [ ] [ ] [ ] k k
m m
k k k
x x x y + + + + + = L
2 2 1 1 0
(2.71)

onde
[ ] k
um erro randmico de medio para o experimento k. Em notao matricial, a Equao
(2.71) pode ser escrita como:

[ ]
[ ]
[ ] k
k
T k
y + = x (2.72)

onde:
[ ]
[ ] [ ] [ ]
[ ] [ ]
T
m
k
m
k k
k
T
x x x L L
2 1 0 2 1
; 1 = = x (2.73)

A Equao (2.72) vlida quando conhecemos o valor verdadeiro dos parmetros, . Como esses
valores no so conhecidos, podemos usar uma estimativa dos mesmos e obter um valor predito
de y para o experimento k,
[ ] k
y , dado por:

[ ]
[ ]
x
k
T k
y = (2.74)

onde: [ ]
T
m
L
2 1 0
= (2.75)

A estimativa para todos os n experimentos, ento, pode ser representada por:

X y = (2.76)

onde:
[ ]
[ ]
[ ]
[ ] [ ] [ ]
[ ] [ ] [ ]
[ ] [ ] [ ]
(
(
(
(
=
(
(
(
(
=
n
m
n n
m
m
n
x x x
x x x
x x x
y
y
y
L
M M M
L
L
M
2 1
2 2
2
2
1
1 1
2
1
1
2
1
1
1
1
;
X y (2.77)

Para obter uma soluo do sistema (2.76) por mnimos quadrados, a funo objetivo pode ser
representada por:

( )
[ ] [ ]
( ) ( )
=
=
n
k
k k
y y Fobj
1
2
(2.78)

ou, em notao matricial: ( ) [ ] [ ] X y X y =
T
Fobj (2.79)

que igual a: ( ) [ ][ ] X X X y y y X y X y
T T T T T T T
Fobj + = = 2

bom lembrar que a Equao (2.79) representa um nmero real (Fobj), no se trata de um vetor, de
modo que cada termo da expanso mostrada tambm um nmero real. Um ponto estacionrio para
a funo objetivo pode ser obtido derivando-se Fobj em relao a e igualando o resultado a zero.
Assim, pode-se mostrar que a soluo por mnimos quadrados de (2.79) obtida resolvendo-se o
seguinte sistema de equaes lineares:

( ) y X X X
T T
= (2.80)

Um dos mtodos possveis de se resolver esse sistema utilizando a matriz inversa, ou seja:

( ) y X X X
T T
1
= (2.81)

No entanto, quando a matriz X X
T
mal condicionada, ou seja, quando tem um ou mais autovalores
prximos de zero, o mtodo de soluo preferido o da decomposio QR (BEERS, 2007). Assim,
fazemos a decomposio para obter:

QR X X =
T
(2.82)

Inserindo a Equao (2.82) na Equao (2.80), segue que:

y X QR
T
= (2.83)

y X Q y X Q R
T T T
= =
1
(2.84)

Como a matriz R triangular superior, o sistema de equaes (2.84) pode ento ser facilmente
resolvido por substituio regressiva.

2.3.5.3- Clculo das razes de um polinmio pela via matricial.

Considerando que os autovalores de uma matriz so razes de seu polinmio caracterstico de grau n,
podemos obter as razes de qualquer polinmio p
n
calculando-se os autovalores de uma matriz cujo
polinmio caracterstico seja igual a p
n
. Dado o polinmio p
n
, essa matriz pode ser obtida por meio
da Equao (2.86) (BEERS, 2007).

( )
0 1
1
1
a x a x a x a x p
n
n
n
n n
+ + + + =

L (2.85)

( ) ( ) ( ) ( )
(
(
(
(
(
(

=

0 1 0 0
0 0 1 0
0 0 0 1
0 1 2 1
L
M M M M
L
L
L
n n n n n n
a a a a a a a a
A (2.86)

Como exemplo, considere o polinmio de grau trs dado por ( ) 30 5 . 9 5 . 3
2 3
3
+ = x x x x p . A
matriz auxiliar :

( ) ( ) ( ) ( ) ( )
(
(
(

=
(
(
(

=
0 1 0
0 0 1
30 5 . 9 5 . 3
0 1 0
0 0 1
1 30 1 5 . 9 1 5 . 3
A (2.87)

Os autovalores de A so -3,0, 4,0 e 2,5 (obtidos por meio do comando spec(A) do Scilab).
Verifique que esses valores so tambm as razes do polinmio (2.85).

Scilab: no Scilab, a decomposio QR de A pode ser obtida (dentro outros) pelos comandos [Q,R] =
qr(A), [Q,R,E] = qr(A), etc., onde E uma matriz de permutao de colunas tal que QR = AE. A
decomposio qr baseada nas rotinas Lapack DGEQRF, DGEQPF, DORGQR para matrizes A de
reais, e nas rotinas ZGEQRF, ZGEQPF, ZORGQR para matrizes de complexos.

2.3.6- Decomposio em valores singulares (SVD).

Toda matriz A quadrada tem seus autovalores e autovetores associados. Para matrizes m x n, tambm
podemos obter valores e vetores caractersticos por meio da decomposio em valores singulares,
processo que transforma uma matriz A m x n no produto de trs matrizes:

T
V W A = (2.88)

A matriz uma matriz m x n cujos elementos da diagonal principal so os valores singulares de
A. A matriz W uma matriz m x m ortogonal (W
-1
= W
T
) cujas colunas so os m vetores singulares
esquerdos de A, e a matriz V uma matriz n x n ortogonal cujas colunas so os n vetores
singulares direitos de A. O importante a se fixar, aqui, que os vetores singulares direitos contm
informaes muito teis sobre a estrutura da matriz A, revelando as relaes de dependncia
existentes no vetor de resposta (x) do sistema de equaes lineares. Vamos estudar essas relaes
nesta seo, por meio de exemplos. A matriz estruturada conforme apresentado a seguir:

(
(
(
(
(
(
(
(
(
=
0
0
2
1
M
O
n
(2.89)

Para o caso quando m < n, a nica diferena que a matriz passa a ser dada por:

(
(
(
(
=
0 0
2
1
L
O
m
(2.90)

Na verdade, a decomposio em valores singulares baseia-se na anlise dos autovalores e autovetores
da matriz A
T
A. Por definio, os valores singulares de A so dados pela seguinte relao:

i i
= (2.91)

onde
i
so os autovalores de A
T
A, e
i
so os valores singulares de A.

A resoluo de um sistema do tipo Ax = b, quando a matriz A no quadrada, pode ser feita por
meio da decomposio em valores singulares. Para entender melhor este processo, considere
inicialmente o caso em que a matriz A quadrada e no singular. Ento, neste caso, a soluo (nica)
do sistema de equaes Ax = b seria dada por:

( ) ( ) b W V b W V b V W x
T T T 1 1 1
1 1

= = = (2.92)

Agora considere o caso real em que A uma matriz retangular m x n. Neste caso, como A singular,
a matriz
T
W V
1
no existe pois alguns valores singulares
j
so iguais a zero e a inversa
1
no
existe. Para contornar o problema, define-se uma matriz denominada pseudoinversa (ou inversa
generalizada) de A,
1
~
A , de forma que os elementos da diagonal

1
j
da nova matriz
1
~

correspondentes a
j
iguais a zero so zerados. Assim, pode-se mostrar que uma soluo particular
z do sistema de equaes Ax = b dada por:

b W V b A z
T 1 1
~ ~

= = (soluo particular) (2.93)

Alm disto, pode-se mostrar que a soluo geral desse sistema dada por (BEERS, 2007):

[ ]
=
=
+ = + =
n
j
j
j
T
j
c
0
1
1
~
v b W V y z x (soluo geral) (2.94)

Onde c
j
so constantes reais e
[ ] j
v so os vetores singulares direitos correspondentes aos valores
singulares nulos ( 0 =
j
).

No caso de sistemas sobredeterminados (m > n), b A z
1
~
= no uma soluo do sistema, b Az ,

mas pode-se mostrar que z o que mais se aproxima de uma soluo, sendo igual a um ajuste por
mnimos quadrados. Assim, a estimativa z tal que torna mnima a diferena ( ) ( ) b Az b Az
T
.

A vantagem de se fazer uma anlise por decomposio em valores singulares que os vetores
singulares direitos,
[ ] j
v , fornecem informaes valiosas sobre a estrutura de dependncia existente
entre as equaes e/ou entre as variveis do sistema.

Assim, em problemas de ajuste por mnimos quadrados, com m > n, em que o posto de A menor do
que o nmero n de parmetros a serem determinados, os vetores singulares direitos correspondentes
aos valores singulares nulos de A revelam quais parmetros so dependentes entre si e, portanto, no
podem ser determinados. Em outras palavras, os m experimentos no so independentes e, por isto,
no permitem a determinao nica de todos os parmetros por mnimos quadrados. Esta informao
pode ser convertida em projeto de novos experimentos que possibilitem, ento, a determinao de
todos os parmetros desejados.

Por outro lado, em problemas como, por exemplo, os de balanos de massa em regime permanente
para um sistema de muitos equipamentos conectados entre si, nos quais o nmero m de equaes
menor do que o nmero n de vazes a serem determinadas, a anlise dos vetores singulares direitos
correspondentes aos valores singulares nulos de A revela quais vazes devero ser especificadas
(medidas) de modo a possibilitar uma soluo nica para todas as demais vazes desconhecidas do
processo. Este tipo de anlise permite evitar a instalao de novos medidores em correntes que so
dependentes entre si. Por exemplo, quando dois medidores de vazo so instalados em correntes i e j
que so dependentes entre si, apenas um grau de liberdade removido do sistema - um dos
medidores no acrescenta nenhuma informao nova ao sistema, de modo que sua instalao
constitui um gasto desnecessrio de recursos. Alm disto, um terceiro medidor teria que ser instalado
em uma outra corrente de processo, k, que seja independente de todas as demais correntes medidas,
incluindo a as correntes i e j com os novos medidores instalados.

A importncia da Equao (2.94) e das consideraes feitas poder ser melhor apreciada por meio
dos dois exemplos apresentados a seguir.

2.3.6.1- Aplicao: anlise de dependncias entre correntes de processo.

Considere o diagrama de blocos de um processo em regime estacionrio apresentado na Figura 1,
onde alguns medidores de vazo j se encontram instalados. O objetivo, aqui, determinar o nmero
mnimo de medidores de vazo adicionais que devero ser instalados de modo que todas as vazes
desconhecidas possam ser estimadas. Alm disto, deseja-se saber quais correntes devero receber
esses novos medidores de vazo.

Figura 2. Diagrama de blocos de um processo industrial em regime estacionrio.

Os balanos globais de massa em regime permanente para processos deste tipo podem ser
representados de forma conveniente por meio de uma matriz de incidncia, que vamos denominar
aqui por Inc (m x nInc). Cada uma das m linhas desta matriz representa uma unidade (ou seja, um
equipamento) do processo, e cada uma das nInc colunas de Inc representa uma corrente do processo.
Os elementos desta matriz so, ento, dados por:

Inc(i,j) = 1 se a corrente j entra na unidade i;
Inc(i,j) = -1 se a corrente j sai da unidade i;
Inc(i,j) = 0 se a corrente j no entra nem sai da unidade i.

Deste modo, os balanos de massa podem ser representados por:

0 F Inc = (2.95)

Onde F nInc x 1 o vetor de vazes mssicas totais (medidas e no medidas) e 0 o vetor nulo
(vetor coluna com m zeros). Podemos separar o vetor F em dois vetores, o vetor v
NM
(n x 1)
correspondente s vazes mssicas no medidas, desconhecidas, e o vetor v
M
(nInc - n x 1)
correspondente s vazes mssicas medidas, conhecidas. Como cada coluna da matriz Inc
corresponde a uma corrente (vazo) do processo, podemos subdividir as colunas de Inc e agrupar
todas as colunas correspondentes s variveis no medidas, denominando-a de matriz A (m x n), e,
tambm, agrupar as demais colunas correspondentes s variveis medidas, denominando-a de matriz
M (m x nInc - n). Assim, os balanos podem ser convenientemente representados por:

0 Mv Av = +
M NM
(2.96)

Tambm podemos fazer x = v
NM
e b = -Mv
M
para obter a forma mais comum Ax = b:

b Mv Av Ax = = =
M NM
(2.97)

A vantagem de se usar uma matriz de incidncia que fica fcil conferir se os balanos esto
corretos. Alm disto, o lado direito (b) do sistema de equaes pode ser obtido facilmente para
qualquer combinao de correntes (vazes) medidas. Como exemplo, para o processo em questo, a
matriz de incidncia (9 x 19) dada por:

IX
VIII
VII
VI
V
IV
III
II
I
Inc
19 18 17 16 15 14 13 12 11 10 9 8 7 6 5 4 3 2 1
(
(
(
(
(
(
(
(
(
(
(
(
=
1. - 1. - 1. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0.
0. 0. 0. 1. - 1. 1. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0.
0. 0. 0. 0. 1. - 1. - 1. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0.
0. 0. 0. 0. 0. 0. 1. - 1. - 1. 0. 0. 0. 0. 1. 0. 0. 0. 0. 0.
0. 0. 0. 0. 0. 0. 0. 0. 1. - 1. - 1. - 1. 0. 0. 0. 0. 0. 0. 0.
0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 1. 1. - 1. 0. 1. 0. 0. 0. 0.
0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 1. - 1. - 0. 0. 1. 0. 0.
0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 1. - 1. - 0. 1. 0.
1. 1. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 1. - 1. - 1.

(2.98)

Considerando que as correntes medidas so as correntes [1, 3, 4, 9, 10, 16, 17], e que o vetor de
medies (7 x 1) dado por [ ]
T
M
100. 170., 120., 330., 80., 220., 300., = v kg/h, ento podemos gerar
as matrizes M (9 x 7), A (9 x 12) e o vetor b (9 x 1) conforme mostrado a seguir:

(
(
(
(
(
(
(
(
(
(
(
(
=
1. 0. 0. 0. 0. 0. 0.
0. 1. - 0. 0. 0. 0. 0.
0. 0. 0. 0. 0. 0. 0.
0. 0. 0. 0. 0. 0. 0.
0. 0. 1. - 1. - 0. 0. 0.
0. 0. 0. 1. 0. 0. 0.
0. 0. 0. 0. 0. 1. 0.
0. 0. 0. 0. 1. - 0. 0.
0. 0. 0. 0. 0. 1. - 1.

M
17 16 10 9 4 3 1
;
(
(
(
(
(
(
(
(
(
(
(
(
=
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
=
100
170
0
0
450
330
220
80
80
100
170
120
330
80
220
300
1. 0. 0. 0. 0. 0. 0.
0. 1. - 0. 0. 0. 0. 0.
0. 0. 0. 0. 0. 0. 0.
0. 0. 0. 0. 0. 0. 0.
0. 0. 1. - 1. - 0. 0. 0.
0. 0. 0. 1. 0. 0. 0.
0. 0. 0. 0. 0. 1. 0.
0. 0. 0. 0. 1. - 0. 0.
0. 0. 0. 0. 0. 1. - 1.
b (2.99)

(
(
(
(
(
(
(
(
(
(
(
(
=
1. - 1. - 0. 0. 0. 0. 0. 0. 0. 0. 0. 0.
0. 0. 1. 1. 0. 0. 0. 0. 0. 0. 0. 0.
0. 0. 1. - 1. - 1. 0. 0. 0. 0. 0. 0. 0.
0. 0. 0. 0. 1. - 1. - 1. 0. 0. 1. 0. 0.
0. 0. 0. 0. 0. 0. 1. - 1. 0. 0. 0. 0.
0. 0. 0. 0. 0. 0. 0. 1. - 1. 0. 1. 0.
0. 0. 0. 0. 0. 0. 0. 0. 1. - 1. - 0. 0.
0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 1. - 1.
1. 1. 0. 0. 0. 0. 0. 0. 0. 0. 0. 1. -
A
19 18 15 14 13 12 11 8 7 6 5 2
(2.100)

Utilizando o comando [W,S,V,rk] = svd(A) do Scilab, a seguinte matriz S obtida:

(
(
(
(
(
(
(
(
(
(
(
(
=
0. 0. 0. 0.25752 0. 0. 0. 0. 0. 0. 0. 0.
0. 0. 0. 0. 0.50708 0. 0. 0. 0. 0. 0. 0.
0. 0. 0. 0. 0. 0.79639 0. 0. 0. 0. 0. 0.
0. 0. 0. 0. 0. 0. 1.34376 0. 0. 0. 0. 0.
0. 0. 0. 0. 0. 0. 0. 1.41421 0. 0. 0. 0.
0. 0. 0. 0. 0. 0. 0. 0. 1.87510 0. 0. 0.
0. 0. 0. 0. 0. 0. 0. 0. 0. 2.08586 0. 0.
0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 2.20503 0.
0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 2.34684
S (2.101)

Assim, a matriz S mostra que existem nove valores singulares no nulos, igual ao nmero de
equaes. O posto de A, portanto, igual a nove (esse valor tambm fornecido pelo Scilab por
meio do parmetro rk utilizado na chamada da funo svd). Como temos doze vazes desconhecidas,
so necessrios (12 - 9 = 3) trs novos medidores de vazo. Note que, se o posto de A fosse menor
do que nove, mais medidores seriam necessrios. A localizao desses medidores pode ser analisada
por meio das ltimas trs colunas da matriz V, correspondentes aos valores singulares nulos de A.
Essas colunas so as seguintes:

[ ]
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
=
0.5 0.5 - 0.
0.5 - 0.5 0.
0.336505 - 0.336505 - 0.5229998
0.336505 0.336505 0.5229998 -
0. 0. 0.
0. 0. 0.
0.2614999 - 0.2614999 - 0.336505 -
0.2614999 - 0.2614999 - 0.336505 -
0.2614999 - 0.2614999 - 0.336505 -
0.2614999 0.2614999 0.336505
0. 0. 0.
0. 0. 0.
12 , 11 , 10
v (2.102)

O posto da matriz v
[10,11,12]
igual a trs, de modo que podemos selecionar trs correntes para a
instalao dos novos medidores. Uma soluo particular pode ser obtida usando-se a Equao (2.93),
ou seja (podemos calcular a matriz pseudoinversa
1
~
A a partir de V, e W, ou usar o comando

pinv(A) do Scilab):

[ ]
T
T
50. 50., 85., 85., 170., 30., 67.5, - 382.5, 47.5, - 267.5, 100., 180.,
: ou ,
~ ~
1 1
=
= =

z
b W V b A z
(2.103)

Note que a soluo particular satisfaz as equaes de balano de massa. No entanto, como existem
infinitas solues possveis (n > m), muitos dos valores obtidos no tem nenhum significado fsico.
Assim, deve-se ter cuidado na interpretao desta soluo! No entanto, podemos obter tambm a
soluo geral para este sistema e fazer uma anlise mais completa dos valores obtidos para cada
vazo. A soluo geral dada pela Equao (2.94), ou seja, pela soma da soluo particular com uma
combinao linear das colunas da matriz v
[10,11,12]
. Essa soluo geral, j expressa em termos das
vazes desconhecidas, dada pelas seguintes equaes:

0.5 * c3 + 0.5 - * c2 + 0 * c1 + 50.0 = F19
0.5 - * c3 + 0.5 * c2 + 0 * c1 + 50.0 = F18
0.336505 - * c3 + 0.336505 - * c2 + 0.5229998 * c1 + 85.0 = F15
0.336505 * c3 + 0.336505 * c2 + 0.5229998 - * c1 + 85.0 = F14
0 * c3 + 0 * c2 + 0 * c1 + 170.0 = F13
0 * c3 + 0 * c2 + 0 * c1 + 30.0 = F12
0.2614999 - * c3 + 0.2614999 - * c2 + 0.336505 - * c1 + 67.5 - = F11
0.2614999 - * c3 + 0.2614999 - * c2 + 0.336505 - * c1 + 382.5 = F8
0.2614999 - * c3 + 0.2614999 - * c2 + 0.336505 - * c1 + 47.5 - = F7
0.2614999 * c3 + 0.2614999 * c2 + 0.336505 * c1 + 267.5 = F6
0 * c3 + 0 * c2 + 0 * c1 + 100.0 = F5
0 * c3 + 0 * c2 + 0 * c1 + 180.0 = F2
(2.104)

Uma anlise da Equao (2.104) revela as vazes F2, F5, F12 e F13 no dependem das colunas de
v
[10,11,12]
, de modo que a soluo para estas vazes nica! Assim, temos que os seguintes valores
so confiveis e tem significado fsico, ou seja, podem ser univocamente determinados a partir das
vazes medidas do processo:

170.0 = F13 ; 30.0 = F12
100.0 = F5 ; 180.0 = F2
(2.105)

Alm disto, as equaes para as demais vazes podem ser simplificadas como segue:

c - 50.0 = F19
c + 50.0 = F18
b - 85.0 = F15
b + 85.0 = F14
a - 67.5 - = F11
a - 382.5 = F8
a - 47.5 - = F7
a + 267.5 = F6
(2.106)

onde:

0.5 - * c3 + 0.5 * c2 c
0.336505 * c3 + 0.336505 * c2 + 0.5229998 - * c1 b
0.2614999 * c3 + 0.2614999 * c2 + 0.336505 * c1 a
=
=
=
(2.107)

A Equao (2.106) mostra que as vazes F6, F7, F8 e F11 so linearmente dependentes entre si. Por
exemplo, se isolarmos a constante a em funo de F6 (a = F6 - 267.5), podemos substituir esta
expresso nas outras equaes e obter todas as demais vazes desta lista em funo de F6. Para F7,
por exemplo, teramos F7 = -47.5 - (F6 - 267.5) = 220 - F6. Este fato tambm pode ser facilmente
verificado calculando-se o posto da matriz v([3,4,5,6],[10,11,12]) correspondente a essas vazes, ou
seja, da matriz:

[ ] [ ] ( )
(
(
(
(
=
0.2614999 - 0.2614999 - 0.336505 -
0.2614999 - 0.2614999 - 0.336505 -
0.2614999 - 0.2614999 - 0.336505 -
0.2614999 0.2614999 0.336505
12 : 10 , 6 : 3 v (2.108)

O posto desta matriz igual a 1, indicando que todas as vazes mencionadas so dependentes entre
si. Isto significa que s podemos medir apenas uma destas vazes, sendo que as outras podero ser
calculadas por meio das equaes de balano de massa.

Podemos estender este tipo de anlise para as demais correntes da Equao (2.106). Assim, nota-se
que as vazes F14 e F15 tambm so dependentes entre si (o posto das linhas de v([9,10],[10,11,12])
igual a 1), de modo que s devemos medir uma delas. Do mesmo modo, conclui-se que as vazes
F18 e F19 so dependentes entre si (o posto das linhas de v([11,12],[10,11,12]) igual a 1), ento
devemos medir apenas uma delas.

fcil concluir, ento, que, para a instalao de novos medidores, devemos selecionar apenas uma
corrente de cada grupo de vazes dependentes entre si. Assim, uma sugesto seria, por exemplo,
instalar medidores para medir as vazes F7, F14 e F18. Para este conjunto de medidores,
considerando que as novas medies sejam dadas por F7 = 50, F14 = 60 e F18 = 20, temos que a
soluo particular igual soluo geral, sendo dada por:

F2 = 180; F5 = 100; F6 = 170; F8 = 480; F11 = 30; F12 = 30; F13 = 170; F15 = 110; F19 = 80.

Ou seja, neste caso o posto de A igual a nove, que igual ao nmero de vazes desconhecidas.
Ento, a soluo nica e tambm pode ser obtida por inverso da matriz A, que agora quadrada e
no singular.

Caso duas correntes dependentes entre si tivessem sido selecionadas para a instalao dos novos
medidores, alm de uma terceira corrente independente, o posto da nova matriz quadrada A (9 x 9)
seria igual a oito, e teramos que fazer uma nova anlise de decomposio em valores singulares para
a escolha de um quarto medidor de vazo!

Para finalizar esta anlise, importante observar na Figura 2 que cada grupo citado de vazes
dependentes entre si formam um ciclo prprio (particular) de vazes no medidas no processo em
questo. Um ciclo de variveis no medidas existe quando podemos sair de uma unidade k qualquer
atravs de uma corrente no medida j, e voltar a esta mesma unidade k atravs de uma outra corrente
no medida i, com i j, e percorrendo nesse trajeto apenas correntes no medidas.

Assim, podemos sair da unidade III atravs de F6 para alcanar a unidade VI, passar por F11 para
alcanar a unidade V, passar por F8 para alcanar a unidade IV e, finalmente, passar por F7 para
voltarmos unidade III. Assim, as vazes F6, F7, F8 e F11 formam um ciclo de variveis no
medidas. Quando isto ocorre, as variveis do ciclo so ditas no observveis, pois s podem ser
determinadas (observadas) mediante a instalao de um medidor de vazo para a determinao de
uma delas. Em outras palavras, essas vazes no podem ser determinadas apenas por equaes de
balano de massa, necessrio utilizar um medidor de vazo para a quebra do ciclo.

Do mesmo modo, partindo da unidade VII via F15 para alcanar a unidade VIII, podemos voltar
unidade VII via F14, e assim as vazes F14 e F15 formam um segundo ciclo de vazes no medidas
e so tambm no observveis. O mesmo ocorre para as vazes F18 e F19.

Assim, uma boa regra para a instalao de medidores de vazo que todos os ciclos de correntes no
medidas sejam quebrados!

2.3.6.2- Aplicao da decomposio em valores singulares: ajuste por mnimos quadrados.

Desejamos ajustar o modelo linear
2 2 1 1 0
x x y + + = aos dados da seguinte tabela:

Valor medido de y X
1
X
2

1 0 0
6 1 1
11 2 2
16 3 3

A soluo para o ajuste de parmetros de um modelo linear por mnimos quadrados via fatorao QR
foi apresentada na seo 2.3.5.2. No presente caso, no entanto, vamos utilizar uma anlise por
decomposio em valores singulares de modo a avaliar se as informaes obtidas pelos experimentos
dados so suficientes para a determinao de todos os trs parmetros do modelo. O modelo linear
dado, aqui, por y X = , e a soluo procurada dada por y X z
1
~
= = , onde y o vetor de valores

medidos para y e
1
~
X a matriz pseudoinversa de X. Assim, temos que a matriz dos experimentos,

X, dada por:

(
(
(
(
=
3 3 1
2 2 1
1 1 1
0 0 1
X (2.109)

Podemos utilizar o comando [W,S,V,rk] = svd(X) do Scilab para obter a decomposio de X em
valores singulares, sendo os resultados mostrados a seguir:

(
(
(
=
0.7071068 0.2141865 - 0.6738873 -
0.7071068 - 0.2141865 - 0.6738873 -
0. 0.9530206 0.3029054 -
V (2.110)

(
(
(
(
=
0. 0. 0.
0. 0. 0.
0. 1.1415172 0.
0. 0. 5.5404818
S (2.111)

(
(
(
(
=
0.3824045 0.3921311 - 0.2909272 - 0.7844497 -
0.2175955 - 0.8078689 0.0843392 0.5411903 -
0.7120227 - 0.4393447 - 0.4596055 0.2979308 -
0.5472136 0.0236068 0.8348719 0.0546713 -
W (2.112)

O posto de X igual a dois neste caso (apenas dois valores singulares no nulos), sendo menor do
que o nmero de parmetros a serem estimados, ou seja, menor do que trs. Assim, no h
informao suficiente para a determinao de todos os parmetros, de modo que a soluo obtida no
nica, existem infinitas possibilidades.

Conforme procedimento j descrito, podemos obter uma soluo geral para este sistema, dada por:

d
d
+ = + =
= =
=
5 . 2 7071 . 0 c 5 . 2
5 . 2 7071 . 0 c 5 . 2
1
2
1
0
(2.113)

Utilizamos a ltima coluna da matriz V para obter essa soluo. Analisando a Equao (2.113),
evidente que os parmetros
1
e
2
so dependentes entre si (mesma constante d), enquanto que o
valor estimado para
0
nico. Isto ocorre porque em todos os experimentos os valores
selecionados para x1 e x2 esto sempre na mesma proporo entre si, no caso na proporo de 1:1.
Para resolver o problema e quebrar a dependncia entre
1
e
2
, precisamos fazer um experimento
adicional em que os valores de x1 e x2 no estejam na proporo 1:1.

Por exemplo, podemos selecionar o valor de 1 para x1 e 3 para x2. Considerando que, neste caso, o
valor medido para y igual a 12, podemos refazer a anlise para a nova matriz de experimentos,
dada por:

(
(
(
(
(
(
=
3 1 1
3 3 1
2 2 1
1 1 1
0 0 1
X (2.114)

Para esses novos experimentos, o posto da matriz X igual a trs e, portanto, obtemos uma soluo
nica por mnimos quadrados, dada por 3 ; 2 ; 1
2 1 0
= = = , obtida por:

(
(
(
=
(
(
(
(
(
(
(
(
(
= =
(
(
(
=

3
2
1
12.
16.
11.
6.
1.
0.5 0.05 - 0.1 - 0.15 - 0.2 -
0.5 - 0.35 0.2 0.05 0.1 -
17 - 8.327D - 0.2 - 0.1 0.4 0.7
~
1
2
1
0
y X
(2.115)

Scilab: [W,S,V,rk] = svd(A). Decomposies SVD no Scilab so baseadas nas seguintes rotinas do
pacote Lapack: DGESVD para matrizes de reais e ZGESVD no caso de matrizes de complexos.

2.3.7- Bibliotecas de pacotes computacionais para sistemas de equaes lineares.

Atualmente existem vrias bibliotecas de rotinas disponveis para a resoluo de sistemas de
equaes algbricas lineares e manipulao de matrizes, tanto as comerciais, pagas, como a IMSL,
quanto as de cdigo livre, gratuitas, como o pacote LAPACK, dentre outras.

Alm destas duas principais bibliotecas, vale citar aqui a biblioteca comercial de rotinas Numerical
Recipes (http://www.nr.com/), que disponibiliza cdigos (previamente compilados) escritos em C++
e em linguagens programao tais como: C, Fortran 77, Fortran 90, Pascal, BASIC, Modula 2, LISP
e outras. As rotinas compiladas e o livro guia Numerical Recipes podem ser obtidos em formato
eletrnico pela Internet no endereo citado, ou, ento, o livro impresso incluindo um CD-ROOM
contendo as rotinas podem ser adquiridos em livrarias. Existem condies especiais de acesso a esse
material para usurios de pases em desenvolvimento, e algumas verses prvias podem ser obtidas
gratuitamente no endereo citado.

Nos prximos itens, vamos apresentar brevemente as bibliotecas IMSL e LAPACK.

2.3.7.1- Biblioteca de rotinas IMSL.

A biblioteca IMSL consiste em uma coleo de rotinas e funes escritas em FORTRAN, teis no
desenvolvimento de aplicaes e pesquisas em anlise matemtica. Para a utilizao dessa biblioteca,
necessrio escrever um programa em FORTRAN 90 (ou em uma outra linguagem de programao)
que execute uma chamada das rotinas desejadas (IMSL, 2003).

Selecionamos na Tabela 2.1 algumas das rotinas disponveis para a resoluo de sistemas de
equaes algbricas lineares, bem como para a fatorao de matrizes.

Tabela 2.1. Algumas rotinas encontradas na biblioteca IMSL (IMSL, 2003).
1.1. Soluo de sistemas lineares
LIN_SOL_GEN Solves a general system of linear equations Ax = b
LIN_SOL_LSQ Solves a rectangular system of linear equations Ax _ b, in a least-squares sense
LIN_SOL_SVD Solves a rectangular least-squares system of linear equations Ax _ b using singular
value decomposition
LIN_SOL_TRI Solves multiple systems of linear equations
LIN_SVD Computes the singular value decomposition (SVD) of a rectangular matrix, A
1.3. Soluo de sistemas lineares, inverso de matrizes, avaliao de determinantes
1.3.1 Matrizes gerais reais
LSARG High accuracy linear system solution
LSLRG Solves a linear system
LFCRG Factors and computes condition number
LFTRG Factors
LFSRG Solves after factoring
LFIRG High accuracy linear system solution after factoring
LFDRG Computes determinant after factoring
LINRG Inverts
1.3.20 Mtodos iterativos
PCGRC Preconditioned conjugate gradient
JCGRC Jacobi conjugate gradient
GMRES Generalized minimum residual
1.4. Mnimos Quadrados Linear e Fatorao de Matrizes
1.4.1 Mnimos Quadrados, Decomposio QR e Inversa Generalizada
LSQRR Solves a Least-squares system
LQRRV Solves a Least-squares system
LSBRR High accuracy Least squares
LCLSQ Linearly constrained Least squares
LQRRR QR decomposition
LQERR Accumulation of QR decomposition
LQRSL QR decomposition Utilities
LUPQR QR factor update
1.4.2 Fatorao de Cholesky
LCHRG Cholesky factoring for rank deficient matrices
LUPCH Cholesky factor update
LDNCH Cholesky factor down-date
1.4.3 Decomposio em Valores Singulares (SVD)
LSVRR Real singular value decomposition
LSVCR Complex singular value decomposition
LSGRR Generalized inverse

Nesta lista, omitimos as rotinas especializadas para matrizes de formatos especficos, tais como, por
exemplo, matrizes triangulares, simtricas reais, definidas positivas, de nmeros complexos,
hermitianas, de bandas, esparsas etc. Essa biblioteca tambm apresenta verses otimizadas de rotinas
para a resoluo de sistemas em grande escala utilizando computao paralela.

Maiores informaes sobre a biblioteca IMSL esto disponveis na Internet, no site
http://www.absoft.com/Absoft_IMSL.htm, e no guia do usurio (IMSL, 2003). Alguns
comentrios sobre essa biblioteca podem ser vistos em (CHAPRA; CANALE, 2008).

2.3.7.2- Biblioteca de rotinas LAPACK.

A biblioteca LAPACK (Linear Algebra PACKage, ou Pacote de lgebra Linear) consiste em uma
coleo de rotinas e funes de cdigo livre escritas em FORTRAN 90. Dentre as solues
proporcionadas pelas rotinas deste pacote, citam-se (ANDERSON et al., 1999):

- soluo de sistemas de equaes algbricas lineares simultneas;
- soluo por mnimos quadrados de sistemas de equaes algbricas lineares;
- problemas de autovalore;
- problemas de valores singulares.

As rotinas LAPACK fornecem, tambm, as decomposies das matrizes associadas a esses sistemas
de equaes lineares, tais como: LU, Cholesky, QR, SVD, Schur e Schur Generalizada. Clculos
relacionados a essas matrizes tambm so proporcionados, como, por exemplo, a estimativa de
nmeros de condio de matrizes.

So manuseadas matrizes densas (ou seja, comuns) e de banda, reais e complexas, tanto em preciso
simples como em dupla preciso.

Embora as rotinas foram escritas em FORTRAN 90, j existem interfaces escritas em C para a
chamada dessas rotinas. Vrias funes existentes no Scilab foram escritas com base nas rotinas
LAPACK. Atualmente (novembro/2013) a biblioteca LAPACK encontra-se em sua verso 3.5.0.

Maiores informaes encontram-se disponibilizadas no site http://www.netlib.org/lapack.
Trabalhos envolvendo a utilizao e o desenvolvimento de rotinas LAPACK podem ser obtidos
gratuitamente no formato pdf no site http://www.netlib.org/lapack/lawns/downloads/. A terceira
edio do guia do usurio encontra-se disponibilizada no site http://www.netlib.org/lapack/lug/.

Algumas rotinas LAPACK para a resoluo de sistemas de equaes lineares so apresentadas na
Tabela 2.2. Dois tipos de rotinas so fornecidas: rotinas simples (simple driver) e especializadas
(expert driver). As rotinas simples, cujos nomes terminam em SV, resolvem o sistema Ax = b
fazendo a decomposio (fatorao) de A e sobrepondo o vetor b com a soluo x.

As rotinas especializadas, cujos nomes terminam em SVX, alm das funcionalidades existentes nas
rotinas simples, podem tambm executar as seguintes funes (que so opes em algumas delas):

- resoluo do sistema A
T
x = b ou A
H
x = b (a menos que A seja simtrica ou hermitiana).
Observao: A
H
a matriz hermitiana de A;

- estimativa do nmero de condio de A, verificao de quase singularidade, verificao de
crescimento de pivot;

- refino da soluo e clculo dos limites de erro para frente (forward) e para trs (backward);

- equilbrio do sistema se A for mal escalonada.

As rotinas especializadas requerem aproximadamente o dobro do espao de armazenamento
requerido pelas rotinas simples. Ambas podem lidar com mltiplos lados direitos (colunas de b).

Tabela 2.2. Rotinas para sistemas lineares, biblioteca LAPACK (ANDERSON et al., 1999).
Type of matrix and storage
scheme
Operation Single precision Double precision
real complex Real complex
general simple driver SGESV CGESV DGESV ZGESV
expert driver SGESVX CGESVX DGESVX ZGESVX
general band simple driver SGBSV CGBSV DGBSV ZGBSV
expert driver SGBSVX CGBSVX DGBSVX ZGBSVX
general tridiagonal simple driver SGTSV CGTSV DGTSV ZGTSV
expert driver SGTSVX CGTSVX DGTSVX ZGTSVX
symmetric/Hermitian simple driver SPOSV CPOSV DPOSV ZPOSV
positive definite expert driver SPOSVX CPOSVX DPOSVX ZPOSVX
symmetric/Hermitian simple driver SPPSV CPPSV DPPSV ZPPSV
positive definite (packed storage) expert driver SPPSVX CPPSVX DPPSVX ZPPSVX
symmetric/Hermitian simple driver SPBSV CPBSV DPBSV ZPBSV
positive definite band expert driver SPBSVX CPBSVX DPBSVX ZPBSVX
symmetric/Hermitian simple driver SPTSV CPTSV DPTSV ZPTSV
positive definite tridiagonal expert driver SPTSVX CPTSVX DPTSVX ZPTSVX
symmetric/Hermitian simple driver SSYSV CHESV DSYSV ZHESV
indefinite expert driver SSYSVX CHESVX DSYSVX ZHESVX
complex symmetric simple driver CSYSV ZSYSV
expert driver CSYSVX ZSYSVX
symmetric/Hermitian simple driver SSPSV CHPSV DSPSV ZHPSV
indefinite (packed storage) expert driver SSPSVX CHPSVX DSPSVX ZHPSVX
complex symmetric simple driver CSPSV ZSPSV
(packed storage) expert driver CSPSVX ZSPSVX

Algumas rotinas LAPACK para a resoluo de problemas de mnimos quadrados lineares so
apresentadas na Tabela 2.3. Esses problemas so do tipo:
2
minimizar Ax b
x
, onde A uma matriz
m x n. Vrias combinaes de tamanhos m versus n so possveis, para vrias condies referentes ao
posto (rank) de A. Os detalhes podem ser encontrados nas referncias citadas.

Tabela 2.3. Rotinas para problemas de mnimos quadrados lineares encontradas na biblioteca
LAPACK (ANDERSON et al., 1999).
Operation Single precision Double precision
real complex Real complex

solve LLS using QR or LQ factorization SGELS CGELS DGELS ZGELS
solve LLS using complete orthogonal
factorization
SGELSY CGELSY DGELSY ZGELSY
solve LLS using SVD SGELSS CGELSS DGELSS ZGELSS
solve LLS using divide-and-conquer SVD SGELSD CGELSD DGELSD ZGELSD

2.4- Mtodos computacionais indiretos para soluo de sistemas
lineares.

importante frisar que os mtodos diretos, como, por exemplo, o da eliminao gaussiana, podem se
tornar inviveis quando a matriz A esparsa, principalmente em sistemas lineares de grande
dimenso. Em modelos de escoamentos de fluidos, por exemplo, a matriz A do tipo tridiagonal
para os casos unidimensionais, e pentadiagonal para os casos bidimensionais. A eliminao
gaussiana nesses casos (e, portanto, a decomposio LU), reduz a esparsidade da matriz em sua
forma escalonada devido insero novos de elementos no zero pelo processo de escalonamento,
sendo um problema conhecido como fin-in em ingls. Por este motivo, devido a sua grande
dimenso, problemas de valor de contorno em trs dimenses no podem ser resolvidos por
eliminao gaussiana. Os mtodos indiretos, nestes casos, so mais apropriados (BEERS, 2007).

Dentre os mtodos indiretos (iterativos) existentes para a resoluo de sistemas de equaes lineares,
citam-se: iterao de Jacobi, iterao de Gauss-Seidel, sobre-relaxao sucessiva (sucessive
overrelaxation, SOR), relaxao por linhas (LSOR), mtodo Alternating-Direction Implicit (ADI)
e mtodos especficos para matrizes de coeficientes de formas especiais, como o Modified Strong
Implicit Procedure (MSIP).

Desses mtodos, vamos ver neste curso apenas o mtodo de sobre-relaxao sucessiva, aps revisar
rapidamente a iterao de Jacobi e o mtodo de Gauss-Seidel, os quais supe-se j foram vistos em
Clculo Numrico.

2.4.1- Iterao de Jacobi e mtodo de Gauss-Seidel.

O mtodo de Gauss-Seidel baseia-se na iterao de Jacobi. Para entender a base destes mtodos,
considere o sistema de equaes lineares dado pela Equao (2.1), Ax = b. Esse sistema pode ser
escrito como segue:

n i b x a
i
n
j
j ij
, , 2 , 1 ;
1
L = =
=

Podemos separar o elemento da diagonal principal, a
ii
x
i
e reescrever esta equao na forma:
n i b x a x a x a
i
n
i j
j ij
i
j
j ij i ii
, , 2 , 1 ;
1
1
1
L = = + +

+ =
=
(2.116)

A partir de uma estimativa inicial para o vetor de solues x, a iterao de Jacobi consiste em
atualizar, de forma iterativa, o valor de x
i
correspondente ao elemento da diagonal principal da matriz
de coeficientes, em funo dos valores conhecidos de iteraes prvias para x
j
, j i:

( ) ( ) ( )
n i x a x a b
a
x
n
i j
k
j ij
i
j
k
j ij i
ii
k
i
, , 2 , 1 ;
1
1
1
1
1
L =
|
|
\
|
=

+ =
=
+
(2.117)

O ndice k na Equao (2.117) indica a k-sima iterao do mtodo. Assim, a partir de um valor
inicial para o vetor soluo, x
(0)
, a Equao (2.117) aplicada sucessivamente at que um critrio de
convergncia seja atingido.

Algumas condies suficientes (mas no necessrias) para a convergncia do mtodo de Jacobi so
dadas pelas Equaes (2.118a) e (2.118b). Em outras palavras, as iteraes iro convergir para uma
soluo quando um dos seguintes critrios forem satisfeitos:

n i a a
ii
n
i j
j
ij
, , 2 , 1 ;
1
L = <
=
(critrio das linhas) (2.118a)
ou: n j
a
a
n
j i
i ii
ij
, , 2 , 1 ; 1
1
L = <
=
(critrio das colunas) (2.118b)
A matriz cujos elementos atendem ao critrio (2.118a) denominada diagonal dominante estrita,
ou estritamente diagonalmente dominante.

O mtodo de Gauss-Seidel consiste em se utilizar os valores mais recentes obtidos para x
i
, de modo
que as iteraes tenham uma convergncia mais rpida para a soluo desejada:

( ) ( ) ( )
n i x a x a b
a
x
n
i j
k
j ij
i
j
k
j ij i
ii
k
i
, , 2 , 1 ;
1
1
1
1
1 1
L =
|
|
\
|
=

+ =
=
+ +
(2.119)

Os critrios suficientes (mas no necessrios) de convergncia para o mtodo de Gauss-Seidel so os
seguintes:

(a) Critrio de Sassenfeld: 1 max
1
<

i
n i
, onde:

ii
n
i j
ij j
i
j
ij i
a a a
|
|
\
|
+ =

+ =
= 1
1
1
(2.120)

(b) A matriz dos coeficientes for diagonal dominante estrita, ou seja, se a Equao (2.118a) for
satisfeita.

Felizmente, muitos sistemas que aparecem em Engenharia Qumica obedecem aos critrios de
convergncia descritos acima. Em certos casos, pode ser necessrio reorganizar as equaes para que
os critrios (2.118) ou (2.120) sejam satisfeitos. As condies (2.118) e (2.120) so apenas
suficientes, ou seja, no so necessrias. Portanto, mesmo que essas condies no sejam satisfeitas,
o mtodo ainda poder convergir. O critrio de Sassenfeld menos restritivo do que os demais
critrios de convergncia.

importante salientar que, para a resoluo de um sistema Ax = b qualquer, a aplicao do mtodo
de Gauss-Seidel pode resultar convergente, enquanto que a aplicao do mtodo de Jacobi pode
resultar divergente, e vice-versa. Alm disto, quando a convergncia ocorre, a mesma pode ser muito
lenta. Quanto menor o valor mximo de do critrio de Sassenfeld, mais rpida ser a convergncia.

Exemplo de utilizao do mtodo de Gauss-Seidel. Considere o Exemplo 1 apresentado na seo
1.4.1, que consiste em um processo de recuperao de acetona, e aplique o mtodo de Gauss-Seidel
para sua resoluo. Resoluo: em primeiro lugar, o sistema de equaes dado pela Equao (1.2)
deve ser escrito de uma forma conveniente para a utilizao do mtodo de Gauss-Seidel:

(
(
(
=
(
(
(
(
(
(
500
600 08 , 0
600 92 , 0
385 , 0 97 , 0 03 , 0
615 , 0 03 , 0 0
0 0 97 , 0
4
5
2
F
F
F
(1.2)

J que o valor de F
2
pode ser calculado diretamente pela primeira equao, sendo dado por F
2
=
569,072 kg/h, vamos desconsiderar essa equao, por simplicidade. Para que o sistema seja
estritamente diagonalmente dominante, vamos inverter a ordem das equaes 2 e 3, de modo que
podemos escrever:

(
=
(
600 08 , 0
03 , 0 500
615 , 0 03 , 0
385 , 0 97 , 0
2
4
5
F
F
F

Esse sistema pode ser reescrito no formato apropriado para as iteraes do mtodo de Gauss-Seidel:

( ) ( )
( )
k k
F F F
4 2
1
5
385 , 0 03 , 0 500
97 , 0
1
=
+

( ) ( )
( )
1
5
1
4
03 , 0 600 08 , 0
615 , 0
1
+ +
=
k k
F F

A partir de uma estimativa inicial igual a F
5
= 0 e F
4
= 0 (o ideal seria utilizar uma estimativa mais
real), a aplicao do mtodo a este sistema resulta nos valores apresentados na Tabela 2.4. Apesar
da estimativa inicial distante do real, o mtodo converge rapidamente para os valores corretos. Os
resduos de cada equao so mostrados nas colunas 4 e 5 desta tabela, sendo que a soma dos valores
absolutos desses resduos apresentada na ltima coluna. Em quatro iteraes, a soma dos resduos
foi reduzida de 530,9 para 0,000150.

Tabela 2.4. Mtodo de Gauss-Seidel. Sistema com predominncia diagonal.
k F5 F4 R
F5
R
F4
||R||
0 0.0000 0.0000 -482.9278 -48.0000 530.927835
1 497.8637 53.7627 20.698656 0.000000 20.698656
2 476.5249 54.8037 0.400753 0.000000 0.400753
3 476.1118 54.8238 0.007759 0.000000 0.007759
4 476.1038 54.8242 0.000150 0.000000 0.000150

O que aconteceria se a ordem das equaes no tivessem sido trocadas? Neste caso, o sistema no
seria estritamente diagonalmente dominante, e a sequncia de clculo seria dada por:

( ) ( )
( )
k k
F F
4
1
5
615 , 0 600 08 , 0
03 , 0
1
=
+

( ) ( )
( )
1
5 2
1
4
97 , 0 03 , 0 500
385 , 0
1
+ +
=
k k
F F F

A partir de uma estimativa inicial igual a F
5
= 0 e F
4
= 0, a aplicao do mtodo a este sistema
resulta nos valores apresentados na Tabela 2.5. Como pode-se observar, as iteraes divergem neste
caso.
No prximo item vamos estudar uma modificao do mtodo de Gauss-Seidel capaz de acelerar sua
convergncia. Nos casos em que o mtodo de Gauss-Seidel diverge tal modificao poder,
eventualmente, fazer com que se consiga uma convergncia.

Tabela 2.5. Mtodo de Gauss-Seidel.
Sistema sem predominncia diagonal.
k F5 F4
0 0 0
1 1600 -2777
2 58525 -146197
3 2998644 -7553772
4 154853920 -390150181

2.4.2- Mtodo de sobre-relaxao sucessiva (SOR).

Este mtodo pode ser aplicado para qualquer algoritmo iterativo do tipo x
(k+1)
= f(x
(k)
), a exemplo do
que ocorre na iterao de Jacobi e no mtodo de Gauss-Seidel. A ideia bsica utilizar as tendncias
dos ajustes de modo a acelerar a convergncia ou, eventualmente, evitar que ocorra divergncia das
iteraes.

Deste modo, para qualquer mtodo iterativo, considerando que sua aplicao resultou em um novo
valor para o vetor soluo, x
(k+1)
, a ideia do mtodo SOR obter um valor corrigido para esse vetor a
partir da seguinte equao:

( ) ( ) ( ) ( )
( )
k k k k
c
x x x x + =
+ + 1 1
(2.121)

Deste modo, se 1 = , no h alterao em relao ao mtodo original. Se 1 < , ocorre uma reduo
dos ajustes de modo que, eventualmente, pode-se conseguir uma convergncia em sistemas
originalmente divergentes. Se 1 > , ocorre uma ampliao dos ajustes seguindo as tendncias
atuais, de modo que a convergncia acelerada em sistemas originalmente convergentes.

Com base nos argumentos acima, pode-se fazer a seguinte classificao geral para os mtodos SOR:

1 0 < < : sub-relaxao
2 1 < < : sobre-relaxao

O valor de no pode ser maior do que dois, caso contrrio o processo iterativo ir divergir.

No caso do mtodo de Gauss-Seidel, importante observar que a Equao (2.121) poder ser
aplicada de forma sucessiva, aps a obteno de cada valor x
i
, ou, ento, de uma s vez aps a
obteno de todos os n valores do vetor x. No primeiro caso, o mtodo denominado de sobre-
relaxao sucessiva ou sub-relaxao sucessiva. No segundo caso, o mtodo denominado de
sobre-relaxao simultnea ou sub-relaxao simultnea.

Exemplo de utilizao do mtodo SOR: resolva o Exerccio 2.5 utilizando o mtodo de sobre-
relaxao sucessiva, usando 1 = (Gauss-Seidel) e 3 . 1 = , para um mximo de 10 iteraes:

(
(
(
(
(
(
(
(
=
(
(
(
(
2 1 0 0
1 2 1 0
0 1 2 1
0 0 1 2
1
2
7
1
1
2
3
4
x
x
x
x

Como estimativa inicial, considere o vetor nulo x = [0 0 0 0]
T
. O sistema atende ao critrio de
Sassenfeld (verifique!), de modo que podemos obter as seguintes equaes para o mtodo SOR (lado
direito das setas) a partir das equaes do mtodo de Gauss-Seidel (lado esquerdo das setas):

( ) ( )
( )
( ) ( ) ( )
( )
( )
(
\
|
+ = =
+ + k k k k k k
x x x x x x
1 2 1
1
1 2
1
1
1
2
1
1
2
1

( ) ( ) ( )
( )
( ) ( ) ( ) ( )
( )
( )
(
\
|
+ = =
+ + + + k k k k k k k k
x x x x x x x x
2 3
1
1 2
1
2 3
1
1
1
2
2
2
1
2
2
1

( ) ( ) ( )
( )
( ) ( ) ( ) ( )
( )
( )
(
\
|
+ = =
+ + + + k k k k k k k k
x x x x x x x x
3 4
1
2 3
1
3 4
1
2
1
3
7
2
1
7
2
1

( ) ( )
( )
( ) ( ) ( )
( )
( )
(
\
|
+ = =
+ + + + k k k k k k
x x x x x x
4
1
3 4
1
4
1
3
1
4
1
2
1
1
2
1

No sistema de equaes apresentado acima, se fizssemos 1 = , obteramos o mtodo normal de
Gauss-Seidel.

A partir da estimativa inicial dada, a aplicao do mtodo SOR a este sistema para 3 . 1 = resulta
nos valores apresentados na Tabela 2.6. Observa-se que a soluo correta, x = [1 3 7 4]
T
, obtida na
dcima iterao com uma tolerncia absoluta de cerca de 0.0001 em x
1
e em x
2
, e uma soma de
resduos igual a cerca de 0.0002.

A aplicao do mtodo SOR a este sistema para 1 = resulta nos valores apresentados na Tabela
2.7. Note que, neste caso, estamos utilizando o mtodo normal de Gauss-Seidel. interessante
comparar esses valores com os da Tabela 2.6. O mtodo SOR com 3 . 1 = conseguiu em cinco
iteraes uma convergncia superior obtida em dez iteraes pelo mtodo de Gauss-Seidel!

Tabela 2.6. Mtodo de sobre-relaxao sucessiva (SOR), 3 . 1 = .
k x
1
x
2
x
3
x
4
||R||
0 0.0000 0.0000 0.0000 0.0000 11.000000
1 -0.6500 -1.7225 3.4304 2.8797 8.273481
2 -1.5746 0.4230 5.6677 3.4701 4.534033
3 0.0973 2.3203 6.6135 3.9077 1.398945
4 0.8290 2.8415 6.9530 3.9971 0.391000
5 0.9483 2.9834 7.0014 4.0018 0.123670
6 1.0047 3.0090 7.0066 4.0037 0.008431
7 1.0044 3.0044 7.0033 4.0011 0.007944
8 1.0016 3.0019 7.0009 4.0003 0.003241
9 1.0007 3.0005 7.0002 4.0001 0.001213
10 1.0001 3.0001 7.0000 4.0000 0.000205

Tabela 2.7. Mtodo de Gauss-Seidel (SOR com 1 = ).
k x
1
x
2
x
3
x
4
||R||
0 0.0000 0.0000 0.0000 0.0000 11.000000
1 -0.5000 -1.2500 2.8750 1.9375 6.062500
2 -1.1250 -0.1250 4.4063 2.7031 3.421875
3 -0.5625 0.9219 5.3125 3.1563 2.406250
4 -0.0391 1.6367 5.8965 3.4482 1.590820
5 0.3184 2.1074 6.2778 3.6389 1.042725
6 0.5537 2.4158 6.5273 3.7637 0.682617
7 0.7079 2.6176 6.6906 3.8453 0.446793
8 0.8088 2.7497 6.7975 3.8988 0.292431
9 0.8749 2.8362 6.8675 3.9337 0.191399
10 0.9181 2.8928 6.9133 3.9566 0.125272

Exerccio 2.10. Utilize o mtodo de sobre-relaxao sucessiva para resolver o sistema de equaes
lineares apresentado a seguir. Utilize no intervalo [1.00, 1.12] com variaes de 0.02 e execute,
em cada caso, um nmero de iteraes suficientes para obter uma soma dos resduos absolutos menor
do que 0.001. Compare e comente os resultados.

14 3 2
17 2 5
7 2
3 2 1
3 2 1
3 2 1
= + +
= + +
= + +
x x x
x x x
x x x

2.4.3- Testes de convergncia de mtodos iterativos.

A aplicao de mtodos iterativos tais como os de Gauss-Seidel e o de sobre-relaxao sucessiva
requer a verificao contnua de um critrio de convergncia apropriado. O ideal seria verificar o
quanto a soluo da iterao atual se aproxima da soluo verdadeira. No entanto, como a soluo
verdadeira desconhecida, a comparao feita a cada nova iterao comparando-se a soluo da
iterao atual com a soluo da iterao prvia.

De uma forma geral, temos que os seguintes testes costumam ser utilizados para a verificao da
convergncia do mtodo:

(1) Verificao da tolerncia absoluta:

( ) ( )
abs
k
i
k
i
x x <
+1
(2.122)

(2) Verificao da tolerncia relativa:

( ) ( ) ( ) 1 1 + +
<
k
i rel
k
i
k
i
x x x (2.123)

Considerando que o teste de tolerncia relativa, Equao (2.123), pode apresentar problemas nos
casos em que
( )
0
k
i
x , comum fazer uso de um critrio misto que considere tanto a tolerncia
absoluta quanto a tolerncia relativa, apresentado a seguir.

(3) Verificao das tolerncias absolutas e relativas, teste misto:

( ) ( ) ( )
( )
1 1 + +
+ <
k
i rel abs
k
i
k
i
x x x (2.124)

(4) Verificao dos resduos das equaes. Para o sistema Ax = b, a verificao dos resduos das
equaes feita calculando-se a diferena:

res
< = b Ax R (2.125)

onde o smbolo representa uma norma conveniente qualquer como, por exemplo, as normas
para vetores apresentadas nas Equaes (2.14), (2.15), (2.16) e (2.17). Uma possibilidade, por
exemplo, seria obter a soma dos valores absolutos dos resduos de todas as equaes, isto , a norma
(2.16), de modo a compar-la com a tolerncia dos resduos,
res
. Outra possibilidade aplicar o
teste (2.125) a cada um dos resduos individuais, o que equivale a usar a norma (2.17).

Nas Equaes (2.122), (2.123) e (2.124), pode-se tambm substituir o smbolo de mdulo, , por
um smbolo de norma, , utilizando-se uma norma apropriada para o critrio de convergncia em
questo, conforme comentrios feitos no pargrafo prvio.


1. Beers, K. J. Numerical Methods for Chemical Engineering: Applications in Matlab. New York,
Cambridge University Press, 2007. 474p.

2. Chapra, S. C.; Canale, R. P. Mtodos Numricos para Engenharia. 5.ed. So Paulo: McGraw-
Hill, 2008. 809p.

3. Franco, N. B. Clculo Numrico. So Paulo: Pearson Prentice Hall, 2007. 505p.

4. Kreyszig, E. Matemtica Superior para Engenharia. 9.ed. LTC, v.1, 2009.

5. Perry, R.H.; Green, D.W. Perrys Chemical Engineers Handbook. McGraw-Hill Companies,
2008. 2735p.
6. IMSL Fortran Library Users Guide. Math/Library, v.1. Disponvel na Internet no seguinte
endereo: www.absoft.com/Support/Documentation/MathV1.pdf . 2003. 947p.
7. Anderson, E. et al. LAPACK Users Guide. 3.ed. Philadelphia: Society for Industrial and
Applied Mathematics, 1999. ISBN = 0-89871-447-8.

Captulo 3

Sistemas de equaes algbricas no
lineares em Engenharia Qumica.

3.1- Introduo.

Sistemas de equaes algbricas no lineares surgem naturalmente em Engenharia Qumica. Por
exemplo, quando a condio de regime estacionrio atingida em modelos dinmicos a parmetros
concentrados envolvendo balanos multicomponentes de massa e de energia em processos com
reao qumica.

Apesar de existirem algoritmos eficientes para a resoluo desse tipo de sistema por mtodos de
regresso no linear, baseados, portanto, em tcnicas de otimizao de processos, neste captulo
vamos estudar apenas a extenso, para sistemas de mltiplas equaes, de alguns dos mtodos de
obteno de razes para uma nica equao vistos na Unidade Curricular de Clculo Numrico.

O objetivo deste captulo, em resumo, obter uma soluo (ou vrias solues, quando for o caso)
para o sistema de equaes algbricas no lineares representado pelas Equaes (1.8), (1.9) e (1.10)
da seo (1.4.2), renumerados aqui como (lembrar que 0 o vetor nulo, ou seja, um vetor de zeros):

( ) 0 x F = (3.1)

onde: [ ]
T
n
x x x L
2 1
= x (3.2)

e ( ) ( ) ( ) ( ) [ ]
T
n
f f f x x x x F L
2 1
= (3.3)

No prximo item vamos rever alguns dos mtodos utilizados para a obteno das razes de uma nica
equao.

3.2- Reviso de mtodos de obteno de razes para uma nica equao
no linear.

O presente item representa um caso particular das Equaes (3.1), (3.2) e (3.3), onde existe apenas
uma nica equao, f(x) = 0, e uma nica varivel x para a busca da soluo.

De uma forma geral, podemos classificar os mtodos existentes em diretos e indiretos. Exemplos de
mtodos diretos: mtodo Regula Falsi, mtodo da substituio sucessiva (tambm conhecido como
mtodo do ponto fixo), mtodo de Wegstein. Exemplos de mtodos indiretos: mtodo de Newton-
Raphson, mtodo das secantes.

Nesta seo vamos apresentar as caractersticas principais dos mtodos mencionados, sem maiores
detalhes, pois o objetivo fazer uma reviso do que j foi visto.

3.2.1- Mtodo regula-falsi ou da falsa posio.

Seja f(x) contnua em [a,b], e f(a) f(b) < 0. Supondo que s existe um zero em [a,b], os passos
iterativos deste mtodo podem ser descritos pela seguinte sequncia:

(a) Determine a reta que passa por [a,f(a)], [b,f(b)] e o novo valor de x (interseo da reta com o eixo
das abscissas), dado por:

( ) ( )
( ) ( ) a f b f
a bf b af
x
= (3.4)

(b) Se f(x) f(a) > 0, adotar [x,b]. Caso contrrio, adotar [a,x] como novo intervalo de busca.

A Figura 1 mostra uma representao grfica do clculo de x.

Figura 1. Mtodo regula-falsi, representao grfica.

Como critrio de convergncia pode-se verificar tanto a aproximao no valor de x como no valor do
resduo da equao, ou seja:

( )
s k abs k k
x f x x
Re 1 1
;
+ +
(3.5)

Vantagens do mtodo regula-falsi: (a) sempre converge para a soluo procurada; (b) converge
mais rpido que o mtodo da bisseco, eventualmente comparvel aos mtodos indiretos.

Desvantagens do mtodo regula-falsi: (a) exige o conhecimento prvio de uma regio onde a raiz
se encontra, o que nem sempre possvel; (b) a extenso do mtodo a problemas multivariveis
complexa.

A Figura 2 apresenta um exemplo de utilizao deste mtodo, feito em planilha eletrnica (MS
Excel). Observa-se uma convergncia sem oscilaes, neste caso.

Figura 2. Mtodo regula-falsi, exemplo.

3.2.2- Mtodo da substituio sucessiva, ou mtodo do ponto fixo.

O mtodo prvio, Regula-Falsi, s pode ser usado quando um intervalo [a,b] contendo a raiz
conhecido. O presente mtodo no necessita deste conhecimento prvio.

Considere a funo:

( ) 0 = x f (3.6)

cuja raiz ser determinada. A ideia do mtodo modificar a Equao (3.6) de modo a obter uma
funo no formato:

( ) x g x = (3.7)

Uma maneira de se fazer isto simplesmente adicionar x a ambos os lados da Equao (3.6):

( ) ( ) x f x x g x
def
+ = = (3.8)

O esquema iterativo para esse mtodo , ento, dado por:

( ) ( )
k k k k
x f x x g x + = =
+1
(3.9)

O esquema iterativo de primeira ordem, pois o erro em
1 + k
x proporcional primeira potncia do
erro em
k
x , para k suficientemente grande. Em outras palavras, a convergncia deste mtodo
linear. Em termos matemticos, temos que
k k

1 +
, onde o desvio em relao soluo
procurada, ou seja,
*
x x = .

A Figura 3 apresenta um exemplo de utilizao deste mtodo, feito em planilha eletrnica (MS
Excel). Observa-se uma convergncia oscilatria, neste caso, fenmeno que ocorre sempre que a
derivada ( ) x g' negativa (por que?).

Figura 3. Mtodo da substituio sucessiva, exemplo.

A convergncia ou divergncia deste mtodo depende de como a funo ( ) x g x = obtida. No
entanto, se a a raiz de ( ) x f e ( ) 1 ' < a g (derivada de g(x) avaliada em a), ento para qualquer
aproximao inicial suficientemente prxima de a o mtodo ir convergir para a.

Seja, por exemplo, a funo:

( ) 2
2
+ + = x x e x f
x
(3.10)

Para esta funo, considerando como estimativa inicial para x
0
= 1, temos que todas as escolhas de
g(x) apresentadas a seguir levam a esquemas iterativos divergentes:

( ) 2
2
+ + + = x x e x x g
x
Diverge (3.11a)

( )
2
2 x e x g
x
= Diverge (3.11b)

( ) x e x g
x
= 2 Diverge (3.11c)

( ) ( )
2
2 ln x x x g = Diverge (3.11d)

No entanto, o mtodo da substituio sucessiva pode ser melhorado reescrevendo-se o esquema
iterativo, ( ) ( )
k k k k
x f x x g x + = =
+1
, como:

( ) ( )
k k k k
x g x f x x = + =
+

1
(3.12)

O esquema original obtido quando 1 = . Assim, se for tal que ( ) ( ) 1 ' 1 ' < + = a f a g , o mtodo
ir convergir para a raiz.

A Figura 4 apresenta um exemplo onde esta melhoria foi utilizada, no caso para a funo dada pela
Equao (3.10). Usando-se 1 = (primeiras duas colunas), o mtodo diverge. Usando-se 1 . 0 =
(duas colunas centrais), o mtodo converge em 36 iteraes. Finalmente, usando-se 3 . 0 = , o
mtodo converge em 6 iteraes!

Figura 4. Mtodo da substituio sucessiva com melhorias, exemplo.

Vantagens do mtodo da substituio sucessiva: (a) facilmente implementvel em problemas
mono e multivariveis; (b) o mtodo no necessita da definio prvia de onde a raiz se encontra; (c)
o erro pode ser facilmente estimado.

Desvantagens do mtodo da substituio sucessiva: no h garantia de convergncia do mtodo
sem anlise prvia da funo g(x) e a convergncia tanto mais difcil quanto maior for a dimenso
do problema.

3.2.3- Mtodo de Wegstein.

O mtodo de Wegstein uma variante do mtodo da substituio sucessiva, o qual fora e/ou acelera
sua convergncia (PERRY; GREEN, 2008). A partir da soluo obtida pelo mtodo da substituio
sucessiva, Equao (3.9), redefinido aqui como
1
+ k
x :

( ) ( )
k k k k
x f x x g x + = =
+1
(3.13)

o mtodo de Wegstein consiste em revisar este valor aplicando a seguinte correo:

( )
1 1
1
+ +
+ =
k k k
x q qx x (3.14)

O valor de q consiste em um nmero apropriado o qual pode ser fixo ou, eventualmente, atualizado a
cada iterao utilizando-se a seguinte equao:


1 1
1
2

+
+
+
=
k k k
k k
x x x
x x
q (3.15)

Para o caso de se utilizar valores fixos para q, os valores sugeridos por Wegstein so os seguintes
(PERRY; GREEN, 2008):

Comportamento do mtodo da substituio sucessiva Faixa de valores timos de q
Convergncia oscilatria 0 < q < 1/2
Divergncia oscilatria 1/2 < q < 1
Convergncia monotnica q < 0
Divergncia monotnica 1 < q

O mtodo de Wegstein foi aplicado ao mesmo exemplo do item precedente, o qual apresentava,
aparentemente, uma divergncia monotnica. Deste modo, foram testados valores de q variando
entre 1.2 e 1.4, sendo os resultados mostrados na Figura 5. Observa-se que a convergncia obtida
em 6 iteraes quando q = 1.3, performance similar obtida usando-se 3 . 0 = no mtodo da
substituio sucessiva. Para os demais valores de q, a convergncia foi mais lenta e levou cerca de 10
iteraes.

Figura 5. Mtodo de Wegstein, exemplo.

3.2.4- Mtodo de Newton-Raphson.

Considere a funo ( ) 0 = x f cuja raiz procurada. Admitindo que ( ) 0 = x f possa ser expandida em
srie de Taylor nas proximidades de
k
x , segue que:

( ) ( ) ( ) K + + =
k
x
k
x x
dx
df
x f x f
k
(3.16)

Se a expanso estiver suficientemente prxima da raiz,
*
x , ento:

( ) ( ) ( ) K + + =
k
x
k
x x
dx
df
x f x f
k
* *
0 (3.17)

Mtodo de Wegstein
Exemplo: f(x) = e
x
+ x
2
+ x - 2
(1) q = 1.2 (2) q = 1.3 (3) q = 1.4
Iter x
k
x
k+1
x
k
x
k+1
x
k
x
k+1
1 1.000000 0.4!344 1.000000 0.1"41 1.000000 -0.0"#313
2 0.4!344 0.40##!! 0.1"41 0.3"1! -0.0"#313 0.3#"00#
3 0.40##!! 0.3$22!# 0.3"1! 0.3"3020 0.3#"00# 0.3""$$
4 0.3$22!# 0.3"!$#2 0.3"3020 0.3"40$0 0.3""$$ 0.3"3$"
0.3"!$#2 0.3"12 0.3"40$0 0.3"4122 0.3"3$" 0.3"42#"
! 0.3"12 0.3"44#! 0.3"4122 0.3"4123 0.3"42#" 0.3"40#"
# 0.3"44#! 0.3"424" 0.3"4123 0.3"4123 0.3"40#" 0.3"413#
" 0.3"424" 0.3"41!# 0.3"4123 0.3"4123 0.3"413# 0.3"411$
$ 0.3"41!# 0.3"413$ 0.3"4123 0.3"4123 0.3"411$ 0.3"4124
10 0.3"413$ 0.3"412$ 0.3"4123 0.3"4123 0.3"4124 0.3"4123
e a soluo pode ser obtida fazendo:
( )
( )
k
x
k
k
dx df
x f
x x =
*
(3.18)

O esquema iterativo deste mtodo ento dado por:

( )
( )
k
x
k
k k
dx df
x f
x x =
+1
(3.19

Pode-se mostrar que a convergncia do mtodo de Newton-Raphson quadrtica, ou seja:

2
1 k k

+
(3.20)

A partir de uma estimativa inicial x
0
, cada novo valor x
k+1
de x obtido calculando-se a interseco,
com o eixo das abscissas, da reta tangente funo f(x) avaliada no ponto x
k
.

Exemplo 1. Como exemplo de aplicao, considere a funo dada por:

( ) 2 4
3
+ = x x x f (3.21)

Esta funo tem duas razes complexas (1.324718 1.124559i) e uma raiz real (-2.6494359).
Considerando x
0
= 1 como estimativa inicial, o mtodo leva 20 iteraes para a convergncia da
soluo para uma tolerncia de 10
-7
(Figura 6). Nesta figura, a funo f(x) representada em azul e as
retas tangentes funo so representadas em vermelho. A cada iterao, o cruzamento desta reta
com o eixo das abscissas representa o novo valor x
k+1
de x, e o novo ponto de tangncia avaliado em
x
k+1
mostrado por retas verticais verdes na figura. Nota-se que a convergncia inicialmente
errtica. De uma forma fortuita, um valor obtido para x finalmente enquadrou-se em uma regio,
esquerda da raiz negativa, onde a convergncia passou ento a ser estvel e monotnica.

Figura 6. Mtodo de Newton-Raphson, exemplo 1, com x
0
= 1. Figura gerada no Octave.

Considerando x
0
= -4 como estimativa inicial, o mtodo leva apenas 7 iteraes para a convergncia
da soluo, conforme mostrado na Figura 7. O valor inicial, conforme pode ser visto, enquadrou-se
em uma regio onde a convergncia rpida e monotnica.

0
= -4. Figura gerada no Octave.

Exemplo 2. Como exemplo de aplicao, considere a funo dada por:

( ) x x x f 2 2
2
= (3.22)

Esta funo tem duas razes reais, 0 e 4. Considerando x
0
= -0.5 como estimativa inicial, a primeira
raiz, x = 0, obtida em 4 iteraes para uma tolerncia de 10
-7
, conforme mostrado na Figura 8. A
convergncia estvel e direta.

Considerando x
0
= 5 como estimativa inicial, a segunda raiz, x = 4, obtida em 4 iteraes, conforme
mostrado na Figura 9. A convergncia tambm estvel e direta neste caso.

Pode-se concluir, ento, que o mtodo de Newton-Raphson costuma convergir para a raiz mais
prxima da estimativa inicial. Quando existirem mltiplas razes, deve-se executar o mtodo usando-
se diferentes estimativas iniciais de modo a obter todas as solues desejadas. Esta caracterstica
tambm vale para sistemas multivariveis.

Vantagens do mtodo de Newton-Raphson: (a) o mtodo no necessita da definio prvia de onde
a raiz se encontra; (b) o mtodo sempre converge, se a estimativa inicial da raiz for boa.

Desvantagens do mtodo de Newton-Raphson: o mtodo requer o clculo das derivadas da funo,
o que pode inviabilizar sua implementao em muitos casos.


0
= -0.5. Figura gerada no Octave.

0
= 5. Figura gerada no Octave.

Para evitar o clculo da derivada analtica pode-se utilizar o mtodo das secantes, que consiste em
obter uma aproximao para a derivada usando-se valores previamente obtidos de x e f(x):

( ) ( )
( )
k
k k
k k
k k
x f
x f x f
x x
x x
1
1
1
= (3.23)

As derivadas de f(x) tambm podem ser obtidas numericamente aplicando-se um pequeno
incremento em x e avaliando-se o valor correspondente, f(x+ ):

( ) ( )
k k
x
x f x f
dx
df
k
+
= (3.24)

Um valor adequado para costuma ser igual a eps = , onde eps a preciso relativa de ponto
flutuante do computador (eps o menor nmero que, ao ser adicionado ao nmero 1, resulta em um
nmero maior do que 1). No Scilab, esse nmero definido como %eps. A desvantagem desta ltima
abordagem que aumenta o nmero de avaliaes de f(x) em cada iterao.

Nas prximas sees, sero apresentadas as extenses do mtodo de Newton-Raphson e do mtodo
da substituio sucessiva para sistemas multivariveis.

3.3- Mtodo de Newton-Raphson para sistemas multivariveis.

A extenso do mtodo de Newton-Raphson para sistemas multivariveis pode ser obtida por meio de
uma expanso da Equao (3.1) em srie de Taylor truncada nas derivadas de primeira ordem.
Assim, para cada equao i do sistema, a expanso de ( ) ( ) 0 , , ,
2 1
= =
n i i
x x x f f L x em torno de x
(k)

resulta em:

( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
k
n n
n
k
n k
k
n k
k
n k
n n
k
n n
n
k
k
k
k
k
k
k
n n
n
k
k
k
k
k
k
x x
x
f
x x
x
f
x x
x
f
f f
x x
x
f
x x
x
f
x x
x
f
f f
x x
x
f
x x
x
f
x x
x
f
f f
+ +
+ =
+ +
+ =
+ +
+ =
x x x
x x
x x x
x x
x x x
x x
L
M
L
L
2 2
2
1 1
1
2
2 2
2
2
1 1
1
2
2 2
1
2 2
2
1
1 1
1
1
1 1
(3.25)

O sistema de equaes (3.25) pode ser colocado em uma forma matricial compacta definindo-se a
matriz jacobiana de f(x), J
f
, tambm conhecida como jacobiano do sistema, dada por:

( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
( )
=
n
k
n
k
n
k
n
n
k k k
n
k k k
f
x
f
x
f
x
f
x
f
x
f
x
f
x
f
x
f
x
f
J
x x x
x x x
x x x
L
M M M
L
L
2 1
2
2
2
1
2
1
2
1
1
1
(3.26)

O elemento (i,j) da matriz jacobiana de f(x) igual derivada de f
i
(x) em relao a x
j
. Assim, o
sistema de equaes (3.25) pode ser escrito como:

( )
( )
( )
( )
( )
( )
( )
k k
f
k
x x x J x f x f + = (3.27)

Se os valores de x
(k)
estiverem prximos da soluo x
*
, a mesma pode ser encontrada igualando-se a
zero o lado esquerdo da Equao (3.27) e resolvendo o seguinte sistema de equaes algbricas
lineares:

( )
( )
( )
( )
( )
( )
k k k
f
x f x x x J =
*
(3.28)

Na prtica, a Equao (3.28) define o esquema iterativo do mtodo de Newton-Raphson, de modo
que a cada iterao obtm-se uma soluo mais prxima em relao soluo x
*
:

( )
( )
( ) ( )
( )
( )
( )
( ) ( )
( )
k k k
f
k k k
f
x f x x J x x x J = =
+ + 1 1
(3.29)

Na Equao (3.29) foi introduzido o vetor de ajustes,
( ) ( ) ( )
( )
k k k
x x x =
+ + 1 1
. A ideia obter,
primeiro, uma soluo para
( ) 1 +
k
x e, em seguida, obter o novo valor de
( ) 1 + k
x fazendo
( ) ( ) ( ) k k k
x x x + =
+ + 1 1
. Uma soluo possvel seria obter os ajustes mediante inverso da matriz J
f
, ou
seja:

( ) ( )
( ) ( )
( )
( )
k k
f
k
x f x J x
1
1

+
= (mtodo no recomendado) (3.30)

No entanto, como se sabe, a inverso de uma matriz demanda muito consumo de FLOPs. Assim,
pode-se utilizar um dos mtodos apresentados no Captulo 2 para a resoluo desse tipo de sistema,
tanto direto como, por exemplo, o da eliminao gaussiana, quanto indireto como, por exemplo, os
mtodos de Gauss-Seidel e de sobre-relaxao sucessiva.

Scilab: sistemas de equaes algbricas no lineares podem ser resolvidos no Scilab utilizando-se o
comando fsolve(x,fct) e suas variaes, onde fct o nome de uma funo elaborada pelo usurio para
avaliar as equaes em x. Pode-se tambm utilizar uma matriz jacobiana analtica, se disponvel.

Exemplo (CHAPRA; CANALE, 2008). Utilize o mtodo de Newton-Raphson para obter a soluo
do sistema de equaes apresentado a seguir, usando como estimativa inicial os valores [x
(0)
; y
(0)
] =
[1,5; 3,5]:

( )
( ) 57 3 ,
0 10 ,
2
2
2
1
+ =
= + =
xy y y x f
xy x y x f
(3.31)

A matriz jacobiana desse sistema dada por:

+
+
=

=
xy y
x y x
y f x f
y f x f
f
6 1 3
2
2
2 2
1 1
J

Para a estimativa inicial, o vetor de funes f
(0)
e a matriz jacobiana J
f
(0)
so dados por:

( ) ( )
=
625 , 1
5 , 2
;
5 , 32 75 , 36
5 , 1 5 , 6
0 0
f J
f

Assim, a primeira atualizao [x
(1)
; y
(1)
] dada por:


( ) ( )
( ) ( )
625 , 1
5 , 2
5 , 32 75 , 36
5 , 1 5 , 6
0 1
0 1
y y
x x

Cuja soluo, obtida no Scilab, dada por [x
(1)
; y
(1)
] = [2.036028823; 2.8438751]. A partir destes
novos valores, atualiza-se o vetor de funes f
(1)
e a matriz jacobiana J
f
(1)
, resultando em:

( ) ( )
=
7 4.75620849 -
0.06437495 -
;
4 35.7412700 5 24.2628767
3 2.03602882 6 6.91593274
1 1
f J
f

Deste modo, uma nova soluo [x
(2)
; y
(2)
] obtida e o processo repetido at que um critrio de
convergncia seja satisfeito. Os valores de [x; y] e [f
1
; f
2
] obtidos no Scilab em cada iterao so
mostrados nas Tabelas 3.1 e 3.2. Observa-se que o procedimento iterativo convergiu para a soluo
correta, [2; 3], de uma forma rpida, em quatro iteraes.

Tabela 3.1. Newton-Raphson, exemplo.
Valores de [x; y] a cada iterao.
k x y
0 1.5 3.5
1 2.036028823 2.843875
2 1.998700609 3.002289
3 1.999999984 2.999999
4 2 3

Tabela 3.2. Newton-Raphson, exemplo.
Valores de [f
1
; f
2
] a cada iterao
k f
1
f
2

0 -2.5 1.625
1 -0.06437496 4.756208
2 -0.004519896 0.049571
3 -0.000001286 2.21E-05
4 1.07E-14 2.24E-12

Exerccio 3.1 (BEERS, 2007). Utilize o mtodo de Newton-Raphson para obter a soluo do sistema
de equaes apresentado a seguir, usando como estimativa inicial para os valores de [x
1
(0)
; x
2
(0)
]: (a)
[2; 2], (b) [1; 1]; (c) [2; -1]. Resposta: [x
1
*
; x
2
*
] = [3; 4].

( )
( ) 28 4 ,
0 145 4 3 ,
3
2
2
1 2 1 2
2
2
3
1 2 1 1
+ =
= + =
x x x x f
x x x x f
(3.32)

Exerccio 3.2. Considere o reator CSTR esquematizado na Figura 10, onde ocorre a seguinte reao
reversvel de primeira ordem:
B A
k
k
1
2

A reao endotrmica no sentido de A para B, ou seja, a entalpia de reao positiva para a reao
lquida dada por:

B A
C k C k r r r
2 1 2 1
= =

As constantes de reao so dadas pela frmula de Arrhenius, ou seja:

RT E RT E
e A k e A k
2 1
2 2 1 1
;

= =

A taxa de transferncia de calor (em W = J/s) entre o vapor na camisa e o fluido no reator dada por:

( ) T T UA Q
v
=
&

Figura 10. Reator CSTR encamisado.

A temperatura na camisa do reator mantida constante por meio da condensao de vapor saturado.
Os dados de operao deste reator so os seguintes:

R 8,3143 J/mol A 10 m
2

E
1
20000 J/mol V 1 m
3

E
2
10000 J/mol T
v
300C
A
1
26,82 T
1
100C
A
2
0,1638 F
1
0,01 m
3
/s
C
v
= C
p
5000 J/kg.C F
2
0,01 m
3
/s
1000 kg/m
3
C
A1
100 moles/m
3

U 3000 W/m
2
.C C
B1
0
( )
r
H +
10000 J/mol

Considerando que o fluido no reator bem misturado devido intensa agitao promovida pelo
agitador, e que o volume do reator constante (no varia no tempo), pede-se:

(a) Faa um balano molar transiente para o componente A e obtenha a taxa de variao da
concentrao C
A
ao longo do tempo. Repita este procedimento para o componente B. Faa um
balano de energia transiente e obtenha a taxa de variao temporal da temperatura T no reator;

(b) Considere que o sistema atingiu o regime estacionrio e obtenha o sistema de equaes algbricas
correspondentes a esta condio;

(c) Resolva o sistema de equaes obtido no item (b) aplicando o mtodo de Newton-Raphson.
Apresente a matriz jacobiana analtica para esse sistema, e os valores de J
f
(0)
e f
(0)
obtidos para a
condio inicial. Voc pode escolher uma condio inicial qualquer, uma sugesto usar x
(0)
=
[C
A
(0)
; C
B
(0)
; T
(0)
] = [C
A1
; C
B1
; T
1
]. Qual a soluo (C
A
, C
B
, T)?

O Cdigo 3.1 apresenta um exemplo de implementao do mtodo de Newton-Raphson utilizando a
plataforma de programao do Scilab, sem maiores preocupaes em termos de gasto de FLOPs.

Basicamente, aps a inicializao dos parmetros e das variveis, so definidas uma funo para a
avaliao do vetor de equaes no lineares, uma funo para o clculo da matriz jacobiana
numrica, uma funo para o clculo da matriz jacobiana analtica (se for o caso) e um lao que faz a
chamada destas funes at a convergncia da soluo.

Cdigo 3.1- Algoritmo simples para o mtodo de Newton-Raphson desenvolvido no Scilab.
// Algoritmo para o mtodo de Newton-Raphson - Scilab - Prof. Jos Plcido - UNIFESP
// Observao: salvar todo o cdigo em um mesmo arquivo com extenso .sce.
mode(0);, lines(0,200);, ieee(1);, clear, clc, curr_dir = pwd(); // Diretrio atual de trabalho
//getd(curr_dir); // Carregar todas as funes SCI do usurio - usar se necessrio
// Dados do problema (insira abaixo os dados conhecidos do problema):
// Insira aqui os dados conhecidos do problema
x = [..., ..., ...]'; , nj = size(x,1); // Estimativa inicial para a soluo:
// Funo de definio das equaes no lineares:
function Fk=AS_f(x)
nj = size(x,1);, Fk = zeros(nj,1);, Fk(1) = ...; , Fk(2) = ...; , Fk(nj) = ...;
endfunction
// Funo para o clculo da matriz jacobiana numrica:
function Jk=Jnum(x)
nj = size(x,1);, Jk = zeros(nj,nj);, delta = sqrt(%eps);
for jj = 1:nj
xk = x; , xk(jj) = xk(jj) + delta; , Fkd = AS_f(xk); , Jk(:,jj) = (Fkd-Fk)/delta;
end
endfunction
// Funo para o clculo da matriz jacobiana analtica, caso esteja disponvel:
function Jk=Janalit(x) // Exemplificado abaixo para uma matriz 3 x 3:
nj = size(x,1);
Jk = [..., ..., ...; ... , ... , ...; ..., ... , ... ]; // matriz jacobiana analtica, caso esteja disponvel
endfunction
// Resoluo por Newton-Raphson:
Fk = AS_f(x); // Primeira avaliao do vetor de funes no lineares
// Armazenar os resultados em Fun e em xFun (primeiro elemento a iterao k):
Fun = zeros(1,nj+1);, xFun = zeros(1,nj+1);, xFun(1,1) = 0;, xFun(1,2:nj+1) = x';
Fun(1,2:nj+1) = Fk';, Fun(1,1) = 0;, tol = 1e-8;, erro = sum(abs(Fk));, iterMax = 200;, i = 1;
jNum = 1; // Mude jNum para 0 se a matriz jacobiana analtica estiver disponvel
// Obteno iterativa da soluo por Newton-Raphson:
while erro > tol & i < iterMax
if jNum == 0 then
Jk = Janalit(x); // Jacobiano analtico:
else
Jk = Jnum(x); // Jacobiano numrico:
end
dx = -Jk\Fk;, erro1 = sum(abs(dx));, x = x + dx;, Fk = AS_f(x);, erro = sum(abs(Fk));
erro = erro + erro1; xFun(i+1,2:nj+1) = x';, xFun(i+1,1)=i;, Fun(i+1,1) = i;, Fun(i+1,2:nj+1) = Fk';
i = i+1;
end
// Resultados:
disp(Fun,"Fun:"), disp(xFun,"xFun:")
3.4- Mtodo da substituio sucessiva para sistemas multivariveis.

A extenso do mtodo da substituio sucessiva para sistemas multivariveis simples e direta.
Considere o sistema original de equaes no lineares ( ) 0 x f = , reescrito na forma escalar como:

( )
( )
( ) 0 , , ,
0 , , ,
0 , , ,
2 1
2 1 2
2 1 1
=
=
=
n n
n
n
x x x f
x x x f
x x x f
L
M
L
L
(3.33)

O esquema iterativo obtido reescrevendo cada equao acima em uma forma apropriada, ou seja:

( ) ( ) ( ) ( )
( )
( ) ( ) ( ) ( )
( )
( ) ( ) ( ) ( )
( )
k
n
k k
n
k
n
k
n
k k k
k
n
k k k
x x x g x
x x x g x
x x x g x
, , ,
, , ,
, , ,
2 1
1
2 1 2
1
2
2 1 1
1
1
L
M
L
L
=
=
=
+
+
+
(3.34)

Como era de se esperar, a convergncia deste mtodo apenas linear. A condio suficiente de
convergncia dada pela norma infinita do jacobiano de g(x), Equao (2.20), para valores atuais de
x suficientemente prximos da soluo x
*
:

( ) 1 <
x J
g
(3.35)

onde:
( )
( ) ( ) ( )
( ) ( ) ( )
( ) ( ) ( )
=
n
n n n
n
n
g
x
g
x
g
x
g
x
g
x
g
x
g
x
g
x
g
x
g
x x x
x x x
x x x
x J
L
M M M
L
L
2 1
2
2
2
1
2
1
2
1
1
1
(3.36)

Em palavras, calcula-se a soma dos mdulos dos elementos de uma linha i de
g
J e verifica-se se esta
soma menor do que um. Este procedimento repetido para todas as n linhas de
g
J e em cada uma
delas a soma dos mdulos deve ser menor do que um. Ver maiores detalhes em (PERRY; GREEN,
2008).

evidente que esta condio muito restritiva, o que torna este mtodo de pouca aplicao prtica,
principalmente em sistemas de grande porte. Como exemplo, a aplicao deste mtodo para o
exemplo discutido na seo (3.3), Equao (3.31), resulta divergente para vrias reformulaes
possveis de f(x) de modo a definir a g(x). Somente utilizando uma restrio negativa, ou
utilizando o mtodo de Wegstein com um q fixo (>1) que foi possvel obter uma convergncia, e,
mesmo assim, com poucas casas decimais convergidas em cerca de 30 iteraes. Pequenas alteraes
destes parmetros tambm afetaram sensivelmente a taxa de convergncia observada.


1. Beers, K. J. Numerical Methods for Chemical Engineering: Applications in Matlab. New York,
Cambridge University Press, 2007. 474p.

Hill, 2008. 809p.

3. Perry, R.H.; Green, D.W. Perrys Chemical Engineers Handbook. McGraw-Hill Companies,
2008. 2735p.

Captulo 4

Sistemas de equaes diferenciais
ordinrias lineares em Engenharia Qumica
e a Transformada de Laplace.

4.1- Introduo.

Neste captulo vamos estudar a resoluo analtica de sistemas de equaes diferenciais ordinrias
lineares de primeira ordem do tipo:

( ) t
dt
d
f Ax
x
+ = ou: ( ) t f Ax x + = ' (4.1)

e Ax
x
=
dt
d
ou: Ax x = ' (4.2)

sujeitos condio inicial ( ) ( )
0 0
0 x x x = = = t t . Esses problemas so conhecidos como problemas
de valor inicial.

Nessas equaes, x e f so vetores de tamanho (n 1) e A uma matriz (n n). O vetor f do sistema
(4.1) um vetor de constantes ou de funes que so dependentes do tempo t.

Sistemas do tipo (4.1) so conhecidos como sistemas no homogneos, e sistemas do tipo (4.2) so
conhecidos como sistemas homogneos.

importante relembrar os trs tipos de notao utilizados para representar derivadas de primeira
ordem e de ordens superiores, dados por: (1)
( ) ( ) n
x x x x x , , , ' ' ' , ' ' , '
4
L ; (2)
( ) ( ) n
x x x x x , , , , ,
4
L & & & & & & ; (3)
n
n
dt
d
dt
d
dt
d
dt
d
dt
d x x x x x
, , , , ,
4
4
3
3
2
2
L . Todos so equivalentes entre si, e vamos utilizar principalmente os
tipos (1) e (3) neste trabalho.

Existem duas metodologias bsicas utilizadas na obteno de uma soluo analtica para os sistemas
(4.1) e (4.2). A primeira delas baseia-se na utilizao de conceitos de lgebra matricial e ser
estudada na seo (4.2). A segunda metodologia utiliza conceitos da Transformada de Laplace e
ser estudada na seo (4.3).

4.2- Resoluo analtica de sistemas de EDOs com condio inicial.

O presente texto foi feito baseando-se nas referncias citadas ao final deste captulo: ZILL (2011) e
BOYCE; DiPRIMA (2006).
4.2.1- Consideraes iniciais e delimitao do problema.

Sistemas de equaes diferenciais ordinrias de primeira ordem podem ser representados
genericamente pela seguinte expresso:

( ) x g x , ' t = (4.3a)

ou, em notao expandida:

( )
( )
( )
n n n
n
n
x x x t g x
x x x t g x
x x x t g x
, , , , '
, , , , '
, , , , '
2 1
2 1 2 2
2 1 1 1
L
M
L
L
=
=
=
(4.3b)

Esse sistema pode ser no linear quando o vetor de funes ( ) x g , t for no linear, ou linear do tipo
representado pela Equao (4.1), onde a matriz de coeficientes pode ser uma matriz de constantes,
{ }
j i
a
,
= A , ou uma matriz cujos coeficientes so funes do tempo, ( ) ( ) { } t a t
j i ,
= = A A .

Existem ainda sistemas mais complexos do tipo ( ) 0 x x = ' , , t f , lineares ou no lineares, onde as
formas explcitas ditas normais, (4.1) ou (4.3a), no podem ser obtidas de modo direto. Esses
sistemas no sero abordados no presente Captulo.

Sistemas onde a varivel independente aparece explicitamente no lado direito das equaes so
conhecidos como sistemas no autnomos. Quando a varivel independente, no caso o tempo t, no
aparece explicitamente no lado direito das equaes, o sistema conhecido como sistema
autnomo. Sistemas no autnomos podem ser convertidos em sistemas autnomos acrescentando-
se uma varivel adicional ao sistema original, fazendo, por exemplo, t x
n
=
+1
e:

1 '
1
1
= = =
+
+
dt
dt
dt
dx
x
n
n
(4.4)

de modo que: ( ) x g x = ' (4.5)

O novo sistema (4.5), autnomo, tem agora n + 1 variveis ao invs de n. Assim, os sistemas
representados por (4.5) englobam tambm os sistemas representados pelas Equaes (4.3).

No presente trabalho, apenas os sistemas na forma normal (ou padro) do tipo (4.1) e (4.2),
lineares em x e com a matriz A constituda por coeficientes constantes, sero abordados de modo a
obter uma soluo analtica para o vetor x(t). Esses sistemas constituem casos particulares do sistema
mais geral representado pelas Equaes (4.3) ou (4.4). Sistemas genricos do tipo (4.3) sero
abordados no Captulo 5, que trata da resoluo numrica de sistemas de equaes diferenciais
ordinrias, lineares ou no lineares.

A vantagem de estudar os sistemas de EDOs de primeira ordem que as equaes diferenciais de
ordem superior sempre podem ser convertidas em sistemas de equaes diferenciais de primeira
ordem, conforme apresentado no prximo item.

4.2.1.1- Transformao de uma equao diferencial de ordem n em um sistema de n
EDOs.

Toda equao diferencial de ordem n pode ser transformada em um sistema de n EDOs de primeira
ordem. Considere, por exemplo, a seguinte equao diferencial de ordem n (BOYCE; DiPRIMA,
2006):

( ) ( ) ( )
( )
1 4
, , , ' ' ' , ' ' , ' , ,

=
n n
y y y y y y t f y L (4.6a)

sujeita s condies iniciais: ( ) ( ) ( ) ( )
( )
( )
( )
( ) 0 , , 0 , 0 ' ' ' , 0 ' ' , 0 ' , 0
1 4 n
y y y y y y L (4.6b)

Fazendo:
( ) 1
3 2 1
, , ' ' , ' ,

= = = =
n
n
y x y x y x y x L (4.7)

segue que a equao original de ordem n pode ser transformada no seguinte sistema de n equaes
diferenciais ordinrias de primeira ordem:

n n
x x x x x x x x = = = =

' , , ' , ' , '
1 4 3 3 2 2 1
L (4.8a)

( )
n n
x x x x t f x , , , , , '
3 2 1
L = (4.8b)

sujeito : ( ) ( ) ( ) ( ) ( )
( )
( )
( )
( ) [ ]
T
n
y y y y y y 0 , , 0 , 0 ' ' ' , 0 ' ' , 0 ' , 0 0
1 4
= L x (4.9a)

ou: ( ) ( ) ( ) ( ) ( ) ( ) ( ) [ ]
T
n
x x x x x x 0 , , 0 , 0 , 0 , 0 , 0 0
5 4 3 2 1
L = x (4.9b)

Exemplo 4.1. Sistema massa-mola (BOYCE; DiPRIMA, 2006). Transforme o sistema massa-mola
apresentado a seguir em um sistema de EDOs lineares, onde
2 1
e x x so as coordenadas das massas.

( ) ( ) t f x k x x k
dt
x d
m
1 1 1 1 2 2 2
1
2
1
+ = ; ( ) ( ) t f x k k x k
dt
x d
m
2 2 3 2 1 2 2
2
2
2
+ + =

Resoluo. Fazendo
dt
dx
x
1
3
= e
dt
dx
x
2
4
= , segue que o novo sistema passa a ser dado por:

3
1
x
dt
dx
= ;
4
2
x
dt
dx
= ; ( ) ( ) t f x k x x k
dt
dx
m
1 1 1 1 2 2
3
1
+ = ; ( ) ( ) t f x k k x k
dt
dx
m
2 2 3 2 1 2
4
2
+ + =

Esse sistema pode ser colocado em notao matricial na forma padro (4.1), resultando em:
( )
( )
( )
( )
( )
(
(
(
(
+
(
(
(
(
(
(
(
(
+
+
= + =
(
(
(
(
=
(
(
(
(
=
2 2
1 1
4
3
2
1
2 3 2 2 2
1 2 1 2 1
4
3
2
1
4
3
2
1
0
0
0 0
0 0
1 0 0 0
0 1 0 0
m t f
m t f
x
x
x
x
m k k m k
m k m k k
t
dt dx
dt dx
dt dx
dt dx
x
x
x
x
dt
d
dt
d
f Ax
x

Exerccio 4.1. Considere o seguinte problema de valor inicial: t y
dt
dy
dt
y d
= + 9 6
2
2
, sendo as
condies iniciais dadas por ( ) ( ) ( ) 1 0 ' 0 ; 0 0 = = = = = y t
dt
dy
t y . Pergunta-se: possvel converter
este problema em um sistema de equaes diferenciais ordinrias de primeira ordem do tipo
( ) t
dt
d
f Ay
y
+ = , com ( )
0
0 y y = = t ? Neste sistema, f y y e ,
0
so vetores e A uma matriz. Em
caso afirmativo, apresente esse sistema e os valores e definies apropriados para a matriz e os
vetores citados.

4.2.1.2- Sistemas de EDOs lineares a coeficientes constantes - equao geral.

Um sistema de Equaes Diferenciais Ordinrias lineares pode ser escrito na forma:

( ) ( ) ( ) ( )
( ) ( ) ( ) ( )
( ) ( ) ( ) ( ) t f x t a x t a x t a x
t f x t a x t a x t a x
t f x t a x t a x t a x
n n nn n n n
n n
n n
+ + + + =
+ + + + =
+ + + + =
L
M
L
L
2 2 1 1
2 2 2 22 1 21 2
1 1 2 12 1 11 1
'
'
'
(4.10)

O objetivo do presente captulo estudar apenas os sistemas invariantes no tempo, ou seja, os
sistemas lineares a coeficientes constantes, os quais constituem uma simplificao do sistema (4.10):

( )
( )
( ) t f x a x a x a x
t f x a x a x a x
t f x a x a x a x
n n nn n n n
n n
n n
+ + + + =
+ + + + =
+ + + + =
L
M
L
L
2 2 1 1
2 2 2 22 1 21 2
1 1 2 12 1 11 1
'
'
'
(4.11)

Em notao matricial, o sistema dado pela Equao (4.11) pode ser escrito como ( ) t f Ax x + = ' , onde
A a matriz de coeficientes constantes, {a
ij
}. Essa a forma j apresentada na Equao (4.1).

4.2.1.3- Problema de valor inicial.

Para que possamos obter uma soluo nica para o sistema (4.11), precisamos dispor de n
informaes adicionais, uma informao para cada uma das n variveis existentes. Como informao
podemos dispor, por exemplo, do valor da varivel x
j
ou do valor de sua derivada em relao
varivel independente, (no caso) t (tambm poderia ser a derivada em relao a uma coordenada
espacial, por exemplo). Se as informaes existentes para todas as variveis forem conhecidas em
uma nica posio t
0
, (ou na posio z
0
no caso de uma coordenada espacial) ento o sistema a ser
resolvido um problema de valor inicial. Se as informaes forem conhecidas em diferentes
posies (z
e
, z
s
), ento o sistema a ser resolvido um problema de valor de contorno.

O foco do presente captulo a resoluo de problemas de valor inicial, representados genericamente
pela Equao (4.1) onde a condio inicial dada por:

( ) ( )
0 0
0 x x x = = = t t , ou: ( ) ( ) ( ) [ ]
T
n
t x t x t x
0 0 2 0 1 0
L = x (4.12)

Para satisfazer a todas as n condies iniciais requeridas, de um modo geral, ser necessrio
determinar o valor de n constantes arbitrrias. Essas constantes surgem naturalmente em funo do
denominado princpio da superposio, o qual tem aplicao direta no processo de obteno de
uma soluo geral do sistema de EDOs lineares, processo que o objetivo principal deste captulo.

4.2.1.4- Princpio da superposio.

A demonstrao matemtica do princpio da superposio pode ser encontrada em (BOYCE;
DiPRIMA, 2006). De acordo com esse princpio, se os vetores
( ) ( ) ( ) k
x x x , , ,
2 1
L so vetores soluo
do sistema homogneo (4.2) em um intervalo I, ento a combinao linear desses vetores tambm
ser uma soluo, ou seja, o vetor x dado por:

( ) ( ) ( ) k
k
c c c x x x x + + + = L
2
2
1
1
(4.13)

onde c
j
(j = 1,2,...,k) so constantes arbitrrias, tambm uma soluo do sistema (4.2).

4.2.1.5- Dependncia e independncia linear.

O conjunto de vetores soluo
( ) ( ) ( ) k
x x x , , ,
2 1
L do sistema homogneo (4.2) no intervalo I
linearmente dependente se existirem constantes c
1
, c
2
, ..., c
k
, no todas nulas, de tal forma que, para
todo tempo t no intervalo:

( ) ( ) ( )
0
2
2
1
1
= + + +
k
k
c c c x x x L (4.14)

Do contrrio, o conjunto de vetores linearmente independente.

4.2.1.6- Determinante Wronskiano.

Sejam x
(1)
, x
(2)
, ..., x
(n)
n vetores soluo do sistema homogneo Ax x = ' no intervalo I. Ento, o
conjunto de vetores soluo ser linearmente independente em I, se e somente se o wronskiano W
for diferente de zero para todo t no intervalo. Ou seja, se e somente se


( ) ( ) ( )
( ) 0 , , ,
2 1
2 22 21
1 12 11
2 1
=
nn n n
n
n
n
x x x
x x x
x x x
W
L
M M
L
L
L x x x (4.15)

onde
( )
[ ]
T
nj j j
j
x x x L
2 1
= x o j-simo vetor soluo do sistema homogneo. Observe que W,
por ser um determinante, uma quantidade escalar.

Na verdade, pode-se mostrar tambm que, se o wronskiano for diferente de zero para qualquer t
0

pertencente ao intervalo I, ento o wronskiano ser diferente de zero para todo t pertencente a esse
intervalo. Assim, basta provarmos que W no nulo para um tempo t qualquer pertencente ao
intervalo de interesse, de modo que a anlise de independncia fica bastante facilitada.

4.2.1.7- Conjunto fundamental de solues.

Todo conjunto x
(1)
, x
(2)
, ..., x
(n)
de n vetores soluo linearmente independentes do sistema
homogneo Ax x = ' em um intervalo I constitui um conjunto fundamental de solues no
intervalo.

4.2.1.8- Soluo geral de sistemas homogneos.

Se os vetores x
(1)
, x
(2)
, ..., x
(n)
formam um conjunto fundamental de solues do sistema
homogneo Ax x = ' no intervalo I, ento a soluo geral do sistema no intervalo dada por:

( ) ( ) ( ) n
n
c c c x x x x + + + = L
2
2
1
1
(4.16)

onde c
j
(j = 1,2,...,n) so constantes arbitrrias.

4.2.1.9- Soluo geral de sistemas no homogneos.

Se
P
x uma soluo particular do sistema no homogneo (4.1), ou seja, do sistema ( ) t f Ax x + = '
no intervalo I, e
( ) ( ) ( ) n
n c
c c c x x x x + + + = L
2
2
1
1
a soluo geral, no mesmo intervalo, do sistema
homogneo associado (4.2), ou seja, do sistema Ax x = ' , ento a soluo geral do sistema no
homogneo no intervalo :

( ) ( ) ( )
P
n
n P C
c c c x x x x x x x + + + + = + = L
2
2
1
1
(4.17)

A soluo
C
x do sistema homogneo conhecida como funo complementar do sistema no
homogneo.

4.2.2- Resoluo de sistemas de EDOs homogneas com coeficientes constantes.

A ideia bsica empregada na resoluo de um sistema de equaes diferenciais ordinrias lineares
homogneas inspirada na metodologia utilizada para obter a soluo para uma nica equao
diferencial linear. Assim, para obter a soluo de uma equao do tipo ax x = ' , o procedimento
propor uma soluo do tipo
t
e c x

1
= , substitu-la na equao diferencial e, assim, determinar as
constantes c
1
e que fazem com que a soluo seja verdadeira:
t t
e ac ax e c x

1 1
' = = = . Assim,
temos que a = . A constante arbitrria c
1
determinada em funo da condio inicial,
( )
0
0 x t x = = , ou seja,
0 1
x c = , de modo que a soluo final neste caso dada por
at
e x x
0
= .

Algum teve a brilhante ideia de tentar um procedimento semelhante para sistemas de equaes
diferenciais ordinrias lineares homogneas, propondo, como soluo, o vetor:

t
e
v x = (4.18)

Ou seja, em notao expandida, a soluo proposta dada por:

t
n n
e
v
v
v
x
x
x
(
(
(
(
=
(
(
(
(
M M
2
1
2
1
(4.19)

A soluo proposta contm um vetor v n x 1 de constantes, a ser determinado, e um parmetro
escalar , que tambm precisa ser determinado. Conforme j adiantado no Captulo 2, a derivada
em relao a t desta soluo dada por:

t
e
dt
d

v
x
= (4.20)

Substituindo (4.20) e (4.19) no sistema homogneo (4.2) ( Ax x = ' ), segue que:

t t t t
e e e e
dt
d

Av v Av Ax v
x
= = = = (4.21)

ou: v Av = (4.22)

Deste modo, para podermos obter uma soluo do sistema de EDOs dado pela Equao (4.2),
precisamos resolver, primeiro, a Equao (4.22) de modo a obter o parmetro e o vetor v,
desconhecidos. Conforme comentado no Captulo 2, a Equao (4.22) a equao de definio
utilizada para o clculo dos autovalores e dos autovetores da matriz A. Essa equao pode ser
colocada na seguinte forma:

( ) 0 v I A = (4.23)

Para que a soluo v da Equao (4.23) seja no nula, o determinante da matriz (A - I) deve ser
igual a zero. Assim, a avaliao desse determinante resulta em um polinmio caracterstico em
de grau n, cujas n razes so, por definio, os autovalores de A.

( ) ( ) 0 det = = = I A
n n
p p (4.24)

Aps a obteno dos autovalores de A via resoluo da Equao (4.24), os autovetores podem ser
obtidos um a um resolvendo-se o sistema dado pela Equao (4.23) para cada autovalor. Ou seja,
para uma matriz de ordem n, teremos n autovalores e n autovetores, no necessariamente distintos.

A obteno de autovalores e autovetores foi apresentada no Captulo 2, de modo que este assunto
no ser abordado no presente captulo. De modo a uniformizar os valores obtidos para os
autovetores, sugere-se que todos os autovetores sejam normalizados pelo valor do ltimo
elemento de cada autovetor, o qual ser sempre positivo e unitrio.

A metodologia de obteno de solues para o sistema homogneo (4.2) est diretamente relacionada
com os diferentes tipos de resultados que se pode obter para os autovalores e autovetores da matriz
de coeficientes A. Desta forma, podemos vislumbrar trs possibilidades as quais resultaro em trs
diferentes tipos de solues para o sistema (4.2): (a) autovalores reais e distintos; (b) autovalores
repetidos e (c) autovalores complexos.

A seguir, vamos abordar cada um desses trs casos por meio de exemplos. Observe que, em todos os
casos, o importante obter, sempre, vetores soluo que sejam linearmente independentes entre si,
ou seja, que formam um conjunto fundamental de solues.

4.2.2.1- Autovalores reais e distintos.

Um sistema de n equaes diferenciais ordinrias lineares homogneas est associado a uma matriz
de coeficientes constantes A n x n. Essa matriz, no presente caso, possui n autovalores reais e
distintos, e n autovetores reais, distintos e linearmente independentes. Para cada par
autovalor/autovetor, portanto, podemos obter uma soluo do tipo:

( ) ( )
t
j j j
e
v x = (4.25)

Como os vetores soluo (4.25) so independentes entre si, temos que o conjunto das n solues
obtidas formam um conjunto fundamental de solues do sistema homogneo. Assim, utilizando o
princpio da superposio, podemos ento obter a soluo geral do sistema homogneo fazendo a
combinao linear das solues obtidas, resultando em:

( ) ( )

= =
= =
n
j
t
j
j
n
j
j
j
j
e c c
1 1
v x x

ou:
( ) ( ) ( ) t n
n
t t
n
e c e c e c

v v v x + + + = L
2 1
2
2
1
1
(4.26)

De posse da soluo geral do sistema homogneo, se as condies iniciais do problema forem
conhecidas (normalmente para o tempo inicial nulo, t = t
0
= 0), ento o valor das constantes
arbitrrias obtido aplicando-se a Equao (4.26) para a condio inicial. Assim, para t = 0, temos
que:

( )
( ) ( ) ( ) n
n
c c c t v v v x x + + + = = = L
2
2
1
1 0
0 (4.27)

A Equao (4.27) representa um sistema de n equaes que pode ser resolvido para as n incgnitas
c
1
, c
2
, ..., c
n
. A resoluo desse sistema facilitada quando o mesmo representado em notao
matricial:

( ) ( ) ( )
[ ]
0
2 1
x c v v v =
n
L (4.28)

ou:
( ) ( ) ( )
( ) ( ) ( )
( ) ( ) ( )
( )
( )
( )
(
(
(
(
=
(
(
(
(
=
(
(
(
(
(
(
(
(
0 ,
0 , 2
0 , 1
2
1
2
1
2 1
2
2
2
1
2
1
2
1
1
1
0
0
0
n n n
n
n n n
n
n
x
x
x
x
x
x
c
c
c
v v v
v v v
v v v
M M M
L
M M
L
L
(4.29)

O sistema de equaes algbricas lineares (4.29) pode ser resolvido utilizando-se uma das tcnicas
discutidas no Captulo 2, como, por exemplo, eliminao gaussiana ou inverso matricial.

Como comentrio final, importante observar o comportamento da soluo geral (4.26) no limite
quando o tempo tende a infinito. Se todos os autovalores forem reais e negativos, ento a soluo
ir convergir para um valor-limite finito. Esse limite finito ser sempre igual a zero para o sistema
homogneo apenas quando a matriz de coeficientes A for uma matriz no singular. Por outro lado,
se um ou mais autovalores forem reais e positivos, e os valores de suas respectivas constantes
arbitrrias forem no nulos, ento o sistema ser instvel e a soluo ir divergir e tender para o
infinito.

Resumindo, a obteno da soluo geral do sistema homogneo feita em quatro etapas:

Etapa 1. Determinar os n autovalores distintos da matriz de coeficientes A;
Etapa 2. Determinar os n autovetores distintos correspondentes aos autovalores obtidos;
Etapa 3. Formar a soluo geral conforme apresentada na Equao (4.26);
Etapa 4. Se as condies iniciais forem conhecidas, resolver o sistema (4.29) para c
1
, c
2
, ..., c
n
.

Exemplo 4.2: obtenha a evoluo temporal das massas de sal presentes nos tanques A e B do
Exemplo 4 da seo (1.4.4), com condio inicial ( ) [ ]
T
t 0 25 0
0
= = = x x , cujo sistema de equaes
diferenciais dado pela Equao (1.17):

(
=
(
2
1
2
1
25 2 25 2
50 1 25 2
x
x
x
x
dt
d
(1.17)

Soluo (resoluo na lousa):
t t
e e
x
x
12 . 0 04 . 0
2
1
1
5 , 0
25
1
5 , 0
25

(
=
(

Comentrios sobre o Exemplo (4.2). Autovalores obtidos: 12 , 0 ; 04 , 0
2 1
= = ; autovetores
obtidos:
( ) ( ) ( )
[ ] [ ]
T
T
v v 1 5 , 0
1
2
1
1
1
= = v ;
( ) ( ) ( )
[ ] [ ]
T
T
v v 1 5 , 0
2
2
2
1
2
= = v ); constantes arbitrrias
calculadas em funo das condies iniciais: [ ] [ ]
T T
c c 25 25
2 1
= = c .

4.2.2.2- Autovalores reais repetidos.

Um autovalor
1
de multiplicidade m quando ( )
m
1
um fator da equao caracterstica, ou
seja, a equao caracterstica tem m razes iguais a
1
. Quando isto acontece, podemos ter os
seguintes casos (ou combinaes dos mesmos):

Caso i: a matriz A n x n apresenta m autovetores linearmente independentes,
( ) ( ) ( ) m
k k k , , ,
2 1
L
correspondentes ao autovalor
1
de multiplicidade n m (eventualmente, A tambm pode
apresentar um nmero de autovetores independentes menor do que m, mas, para simplificar, vamos
considerar que esse nmero igual a m). Neste caso, a soluo do sistema contm a combinao
linear:

( ) ( ) ( ) t m
m
t t
e c e c e c
1 1 1
2
2
1
1

k k k + + + L (4.30)

Caso ii: a matriz A n x n apresenta apenas um autovetor correspondente ao autovalor
1
de
multiplicidade m. Neste caso, possvel obter m solues linearmente independentes da forma:

( ) ( )
( ) ( ) ( )
( ) ( ) ( ) ( )
( ) ( )
( )
( )
( )
( ) t mm
m
m t
m
m m
t t t
t t
t
e
m
t
e
m
t
e te e
t
e te
e
1 1
1 1 1
1 1
1
! 2 ! 1
2
2
2
1
1
33 32
2
31 3
22 21 2
11 1

k k k x
k k k x
k k x
k x
+ +
=
+ + =
+ =
=

L
M
(4.31)

Neste caso, os vetores desconhecidos k podem ser obtidos substituindo-se as solues
( ) j
x no
sistema homogneo Ax x = ' , uma a uma, exceto
( ) 11
k que, por definio, igual ao nico autovetor
( ) 1
k de A. Por exemplo, substituindo
( ) 2
x no sistema homogneo, segue que:

( )
( )
( )
( ) ( ) ( ) ( ) t t t t t
e te e e e t
dt
d
1 1 1 1 1
22 21 2
1
22
1
21
2

Ak Ak Ax k k
x
+ = = + + = (4.32)

O fator
t
e
1
cancelado em ambos os termos desta equao, a qual pode ser agrupada na forma:

( )
( )
[ ] ( )
( ) ( )
[ ] 0
21 22
1
21
1
= + k k I A k I A t (4.33)

A Equao (4.33) deve ser vlida para quaisquer valores de t. Por este motivo, os termos agrupados
em ambos os colchetes devem ser iguais a zero, de modo que temos duas equaes vetoriais e dois
vetores a serem determinados:

( )
( )
0
21
1
= k I A (4.34)

( )
( ) ( ) 21 22
1
k k I A = (4.35)

Assim, podemos observar pela Equao (4.34) que
( ) 21
k tambm igual ao nico autovetor
( ) 1
k de
A. O vetor
( ) 22
k obtido resolvendo-se a Equao (4.35).

Se a soluo
( ) 3
x for necessria, segue que, substituindo-a no sistema homogneo:

( )
( ) ( )
( )
( ) ( ) ( ) ( ) ( ) t t
e t
t
e t t
t
dt
d
1 1
33 32
2
31 3
1
33
1
32
1
2
31
3
2
1
2

|
|
\
|
+ + = =
(
+ + +
|
|
\
|
+ = k k k A Ax k k k
x
(4.36)

O termo
t
e
1
cancelado em ambos os termos desta equao, a qual pode ser agrupada na forma:

( )
( )
[ ] ( )
( ) ( )
[ ] ( )
( ) ( )
[ ] 0
2
32 33
1
31 32
1
2
31
1
= + + k k I A k k I A k I A t
t
(4.37)

Neste caso temos, portanto, trs equaes vetoriais e trs vetores incgnitas:

( )
( )
0
31
1
= k I A (4.38)

( )
( ) ( ) 31 32
1
k k I A = (4.39)

( )
( ) ( ) 32 33
1
k k I A = (4.40)

sendo
( ) 31
k , portanto, igual ao autovetor
( ) 1
k de A. Pode-se notar, tambm, que o vetor
( ) 32
k o
mesmo vetor previamente calculado para a soluo
( ) 2
x , ou seja,
( ) ( ) 22 32
k k = . Resta apenas o vetor
( ) 33
k a ser calculado, o qual obtido resolvendo-se a Equao (4.40).

Este procedimento vlido para qualquer soluo
( ) j
x desejada, com os vetores k sendo obtidos um
a um, de forma sequencial.

Exemplo 4.3. Autovalores com multiplicidade dois. Encontre uma soluo para o seguinte sistema
de EDOs: x x
(

=
0 1
16 8
' .

Soluo. A equao caracterstica deste sistema dada por: ( ) 0
0 1
16 8
det =
I A .

Expandindo, segue que: ( )( ) ( )( ) 0 16 1 8 = ( ) 0 4 16 8
2 2
= + = + + . Portanto, o
autovalor 4
1
= de multiplicidade dois. O autovetor correspondente 4
1
= nico neste caso,
e pode ser obtido resolvendo-se o sistema:

( )
( )
( )
( ) (
=
(

=
0
0
4 1
16 4
1
2
1
1 1
1
v
v
0 v I A

Apenas uma destas equaes independente, conforme esperado, sendo dada por
( ) ( )
0 4
1
2
1
1
= + v v , a
qual possui infinitas solues. Podemos assumir um valor para um dos elementos de
( ) 1
v e obter o
valor do outro elemento por meio da equao dada. Para
( )
1
1
2
= v , ento, temos que
( )
4
1
1
= v , de modo
que o (nico) autovetor procurado dado por
( )
[ ] [ ]
T
T
v v 1 4
1
2
1
1
1
= = v .

Portanto, a primeira soluo do sistema homogneo dada por:
( ) t
e
4 1
1
4

(
= x .

Precisamos obter uma segunda soluo,
( ) 2
x , que seja independente da primeira soluo. Esta
soluo dada pela Equao (4.31),
( ) ( ) ( ) t t
e te
1 1
22 21 2
k k x + = , onde
( ) ( )
[ ]
T
1 4
1 21
= = v k , sendo que
( ) 22
k pode ser obtido resolvendo-se o sistema de equaes (4.35):

( )
( ) ( ) 21 22
4 k k I A = +

( ) ( )
( ) ( )
( )
( )
( )
( ) (
=
(
=
(

=
1
4
4 1
16 4
4
21
2
21
1
22
2
22
1 21 22
k
k
k
k
k k I A

Novamente, apenas uma equao independente, conforme esperado, sendo igual a
( ) ( )
1 4
22
2
22
1
= + k k , a qual possui infinitas solues. Para
( )
1
22
1
= k , ento, temos que
( )
0
22
2
= k , de
modo que
( ) ( ) ( )
[ ] [ ]
T
T
k k 0 1
22
2
22
1
22
= = k . Portanto, a segunda soluo do sistema homogneo
dada por:

( ) t t
e te
4 4 2
0
1
1
4

(
+
(
= x

A soluo geral do sistema homogneo, portanto, dada por:

( ) ( )
)
`
+
(
+
(
= + =
t t t
e te c e c c c
4 4
2
4
1
2
2
1
1
0
1
1
4
1
4
x x x

Para verificar se x realmente soluo do sistema homogneo dado, devemos obter sua derivada e
substitu-la na equao. A derivada de x dada por:

( ) ( ) ( )
t t
e t c e c
4
2
4
1
4
0
1
1
4
4
1
4
4
1
4
'

)
`
+
(
+
(
+
(
= x

ou: ( )
t
e t c c
4
2 1
4
25 . 0
2
1
4
1
4
'

)
`

+
(
+
(
= x (a)

Temos que mostrar que a expresso (a) acima igual a Ax:

t
e t c c
4
2 1
0
1
1
4
1
4
0 1
16 8

)
`
+
(
+
(

= Ax

t
e t c c
4
2 1
1
8
4
16
4
16

)
`
+
(
+
(
= Ax

( )
t
e t c c
4
2 1
4
25 . 0
2
1
4
1
4

)
`

+
(
+
(
= Ax (b)

As expresses (a) e (b) so idnticas, ento x a soluo geral do sistema homogneo. Se as
condies iniciais do sistema homogneo forem dadas, ento as constantes c
1
e c
2
podero ser
determinadas para obter uma soluo vlida para essas condies especficas. A vantagem de se
obter uma soluo geral que a mesma pode ser particularizada para quaisquer condies iniciais
desejadas.

Para testar se estas solues so realmente independentes, podemos verificar o determinante
wronskiano:

( ) 0 4 4
4 4
8 8 8 8
4 4
4 4 4
22 21
12 11
= + =

= =

t t t t
t t
t t t
e e te te
te e
e te e
x x
x x
W

Um jeito mais fcil verificar o wronskiano para um tempo qualquer. Por exemplo, para t = 0, segue
que:

( ) 0 1
0 1
1 4
0 =
= = t W

Como o wronskiano diferente de zero, ento as solues
( )
( )
( )
( ) t
2 1
e t x x so independentes.

Agrupando as solues
( )
( )
( )
( ) t
2 1
e t x x na matriz ( ) t de modo que cada coluna desta matriz seja
uma soluo do sistema homogneo, ou seja, fazendo
( ) ( )
[ ]
2 1
x x = , temos que:

( )
( ) ( )
( )c x x x t c c t = + =
2
2
1
1
(4.41)

onde [ ]
T
c c
2 1
= c . Assim, conhecendo-se as condies iniciais
( )
( )
0
0
t t = = x x , segue que:

( )
( )
( )c x x
0
0
0
t t t t = = = =

Desta forma, as condies iniciais podem ser obtidas resolvendo-se o sistema:

( )
( ) 0
0
x c = = t t (4.42)

O sistema (4.42) idntico ao sistema apresentado nas Equaes (4.28) e (4.29), porm utilizando a
nova matriz de solues , a qual ser til nos desenvolvimentos subsequentes deste captulo.

Para sistemas de pequeno porte, podemos simplesmente fazer
( ) 0 1
x c

= . Observe que uma
matriz no singular, pois as solues
( )
( )
( )
( ) t
2 1
e t x x obtidas so, por definio, linearmente
independentes. No exemplo, utilizamos um sistema de duas equaes algbricas lineares para a
definio da matriz , mas, na verdade, a mesma vale para sistemas de qualquer tamanho.

Exemplo 4.4. Autovalores com multiplicidade trs. Encontre uma soluo para o seguinte sistema
de EDOs: x x
(
(
(
=
3 0 0
4 3 0
9 1 3
' .

Soluo. Montando a equao caracterstica para este sistema, temos que:

( ) 0
3 0 0
4 3 0
9 1 3
det =
I A

ou: ( ) ( ) ( )( ) [ ] ( ) ( ) ( ) ( ) 0 0 1 0 1 0 3 3 3 1
4 3 2
= + + . Desenvolvendo a expresso, obtemos:
( ) 0 3
3
= . Portanto, o autovalor 3
1
= de multiplicidade trs. O autovetor correspondente
3
1
= nico neste caso, e pode ser obtido resolvendo-se o sistema:

( )
( )
( )
( )
( )
(
(
(
=
(
(
(
(
(
(
=
0
0
0
0 0 0
4 0 0
9 1 0
1
3
1
2
1
1
1
1
v
v
v
0 v I A

Este sistema j est em sua forma escalonada, no sendo necessrio aplicar a eliminao gaussiana.
Temos, portanto, as seguinte equaes resultantes:

( ) ( )
( )
0 4
0 9
1
3
1
3
1
2
=
= +
v
v v

Da segunda equao, segue que
( )
0
1
3
= v . Da primeira equao, substituindo o valor de
( ) 1
3
v , segue
que
( )
0
1
2
= v . No existe nenhuma restrio para a varivel
( ) 1
1
v , a qual pode assumir qualquer valor
que se queira. Podemos, ento, assumir que
( )
1
1
1
= v , de modo que o nico autovetor dado por
( )
[ ]
T
0 0 1
1
= v . Assim, a primeira soluo para este sistema dada por:

( ) t
e
3 1
0
0
1
(
(
(
= x

A segunda soluo,
( ) ( ) ( ) t t
e te
1 1
22 21 2
k k x + = , obtida resolvendo-se o sistema (4.35) para
( ) 22
k , com
( ) ( )
[ ]
T
0 0 1
1 21
= = v k :

( )
( ) ( ) 21 22
3 k k I A =

ou:
( )
( )
( )
( )
( )
( )
(
(
(
=
(
(
(
=
(
(
(
(
(
(
0
0
1
0 0 0
4 0 0
9 1 0
21
3
21
2
21
1
22
3
22
2
22
1
k
k
k
k
k
k

Temos, agora, que
( )
0
22
3
= k (segunda equao), e
( )
( ) 1 0 9
22
2
= + k (primeira equao), ou seja,
( )
1
22
2
= k . Podemos ento escolher
( )
0
22
1
= k (dentre as infinitas possibilidades) para obter o vetor
( )
[ ]
T
0 1 0
22
= k , e a segunda soluo para este sistema dada por:

( ) t t
e te
3 3 2
0
1
0
0
0
1
(
(
(
+
(
(
(
= x

Finalmente, a terceira soluo,
( ) ( )
( )
( ) ( ) t t t
e te e t
1 1 1
33 32 2 31 3
2

k k k x + + = , obtida resolvendo-se o
sistema (4.40) para
( ) 33
k , com
( ) ( )
[ ]
T
0 0 1
1 31
= = v k e
( ) ( )
[ ]
T
0 1 0
22 32
= = k k :

( )
( ) ( ) 32 33
3 k k I A =

ou:
( )
( )
( )
( )
( )
( )
(
(
(
=
(
(
(
=
(
(
(
(
(
(
0
1
0
0 0 0
4 0 0
9 1 0
32
3
32
2
32
1
33
3
33
2
33
1
k
k
k
k
k
k

Temos, agora, que
( )
1 4
33
3
= k (segunda equao, ou
( )
25 , 0 4 1
33
3
= = k ), e
( )
( ) 0 4 1 9
33
2
= + k (primeira
equao, ou
( )
4 9
33
2
= k ). Podemos ento escolher
( )
0
33
1
= k (dentre as infinitas possibilidades) para
obter o vetor
( )
[ ]
T
4 1 4 9 0
33
= k , e a terceira soluo para este sistema dada por:

( ) t t t
e te e
t
3 3 3
2
3
4 1
4 9
0
0
1
0
2
0
0
1
(
(
(
+
(
(
(
+
(
(
(
= x

Para t = 0, temos que:

( )
( )
( )
( )
( )
( )
(
(
(
= =
(
(
(
= =
(
(
(
= =
4 1
4 9
0
0 ;
0
1
0
0 ;
0
0
1
0
3 2 1
t t t x x x

e o wronskiano dado por 0 25 , 0
4 1 0 0
4 9 1 0
0 0 1
=
(
(
(
= W . As solues so independentes.

A soluo geral do problema, ento, dada por:

( ) ( ) ( ) 3
3
2
2
1
1
x x x x c c c + + =

ou:
t t t
e t
t
c e t c e c
3
2
3
3
2
3
1
4 1
4 9
0
0
1
0
2
0
0
1
0
1
0
0
0
1
0
0
1
(
(
(
+
(
(
(
+
(
(
(
(
(
(
+
(
(
(
+
(
(
(
= x

Na forma escalar, este sistema de equaes equivalente a:

( )
( )
( )
t
t t
t t t
e c x
e t c e c x
e t c te c e c x
3
3 3
3
3
3
2 2
3 2
3
3
2
3
1 1
4 1
4 9
2
=
+ =
+ + =

importante observar que os valores obtidos para os vetores k no so nicos, mas permitem a
obteno de um conjunto fundamental de solues, os quais formam a soluo geral do sistema
homogneo. Isto significa que todas as solues que voc possa imaginar podem ser geradas a partir
da soluo geral obtida!

4.2.2.3- Autovalores complexos.

Para um sistema homogneo Ax x = ' onde a matriz de coeficientes A possui elementos reais, pode-se
mostrar que, se i + =
1
um autovalor complexo de A, ento o complexo conjugado de
1
,
i =
1
, tambm um autovalor de A, ou seja, os autovalores complexos ocorrem em pares
conjugados. Neste caso, os autovetores complexos correspondentes tambm ocorrem em pares
conjugados.

Sejam
( )
i b a v + =
1
e
( )
i b a v =
1
os autovetores complexos correspondentes a
1
e
1
,
respectivamente. Ento, pode-se mostrar que
( ) ( ) t
e
1
1 1
v x = e
( ) ( ) t
e
1
1 2
v x = so solues do sistema
homogneo Ax x = ' .

O nmero complexo
( )t i t
e e
+
=
1
pode ser transformado em uma forma mais conveniente fazendo-
se uso da frmula de Euler:

( )
( ) t isen t e e e e
t ti t t i

+ = =
+
cos (4.43)

Usando esta relao, podemos separar as partes real e imaginria de
( ) 1
x , fazendo:

( )
( )
( )
( ) ( ) t isen t e i e i
t t i

+ + = + =
+
cos
1
b a b a x (4.44)

( )
( ) ( )
t t
e t t sen i e t sen t

cos cos
1
b a b a x + + = (4.45)

Fazendo o mesmo procedimento para
( ) 2
x , obtemos:

( )
( )
( )
( ) ( ) t isen t e i e i
t t i

= =

cos
2
b a b a x (4.46)

( )
( ) ( )
t t
e t t sen i e t sen t

cos cos
2
b a b a x + = (4.47)

A combinao linear de
( ) 1
x e
( ) 2
x tambm uma soluo, de modo que:

( ) ( )
( )( ) ( )( )
t t
e t t sen C C i e t sen t C C C C

cos cos
2 1 2 1
2
2
1
1
b a b a x x x + + + = + = (4.48)

Para obter uma soluo real, podemos redefinir essas constantes fazendo ( )
2 1 1
C C c + = e
( )
2 1 2
C C i c = (!), de modo que a soluo final correspondente s solues individuais
( ) ( ) t
e
1
1 1
v x =
e
( ) ( ) t
e
1
1 2
v x = passa a ser dada por:

( ) ( )
t t
e t t sen c e t sen t c

cos cos
2 1
b a b a x + + = (4.49)

Em resumo, a partir de um par de autovalores complexos i + =
1
e i =
1
, e considerando o
autovetor complexo correspondente
( )
i b a v + =
1
, que tambm aparece em pares conjugados,
podemos obter duas solues linearmente independentes de uma forma direta fazendo:

( )
( )
t
e t sen t

b a x = cos
1
(4.50)

( )
( )
t
e t sen t

a b x + = cos
2
(4.51)

onde e so a parte real e a parte imaginria do autovalor complexo
1
de A, respectivamente, e
b a e so a parte real e a parte imaginria do autovetor
( ) 1
v de A correspondente a
1
. Observe que
b a e so vetores, ao passo que e so escalares. Observe tambm que as solues
( ) 1
x e
( ) 2
x
dadas j consideram ambos os respectivos pares conjugados,
1
e
( ) 1
v .

Exemplo 4.5. Autovalores complexos. Resolva o problema de valor inicial: x x
(

=
3 1
4 3
' ,
( )
(
=
1
1
0 x .

Soluo. Montando a equao caracterstica para este sistema, temos que ( ) 0 det = I A , ou:

0
3 1
4 3
=
( )( ) 0 4 3 3 = + 0 13 6
2
= + . As solues desta equao
caracterstica so i 2 3
1
+ = e i 2 3
1 2
= = . O autovetor correspondente a
1
obtido
resolvendo-se o sistema:

( )
( ) (
=
(

0
0
2 1
4 2
1
2
1
1
v
v
i
i

Observe que a primeira equao igual segunda equao multiplicada por -2i. Temos ento apenas
uma equao independente, dada por
( ) ( )
0 4 2
1
2
1
1
= + v iv . Fazendo
( )
2
1
1
= v , segue que
( )
i v =
1
2
, de
modo que
( )
[ ]
T
i = 2
1
v , que pode ser separado nas partes real e imaginria fazendo:

( )
;
1
0
0
2 2
1
i i
i
b a v + =
(
+
(
=
(
=
(
=
(
=
1
0
;
0
2
b a

Para obter as solues para este sistema, com 3 = e 2 = , segue que:

( ) t
e t sen t
3 1
2
1
0
2 cos
0
2
|
|
\
|
(
= x

( ) t
e t sen t
3 2
2
0
2
2 cos
1
0
|
|
\
|
(
+
(
= x

A soluo geral do sistema homogneo dado , portanto, igual a:

t t
e t sen t c e t sen t c
3
2
3
1
2
0
2
2 cos
1
0
2
1
0
2 cos
0
2
|
|
\
|
(
+
(
+
|
|
\
|
(
= x

Aplicando as condies iniciais para t = 0, segue que:

( ) ( )
(
= =
(
+
(
= =
1
1
0
1
0
0
2
0
2 1
x x c c t

Portanto, as constantes so dadas por 5 . 0
1
= c e 1
2
= c , e a soluo vlida para o problema de
condio inicial dada por:

t t
e t sen t e t sen t
3 3
2
0
2
2 cos
1
0
2
5 . 0
0
2 cos
0
1
|
|
\
|
(
+
(
+
|
|
\
|
(
= x

Esta equao pode ser transformada nas seguintes formas equivalentes:

t t
e
t sen
t
e
t sen
t
3 3
0
2 2
2 cos
0
2 5 . 0
0
0
2 cos
|
|
\
|
(
+
(
+
|
|
\
|
(
= x

(
+
(
=
t e
t sen e
t sen e
t e
t
t
t
t
2 cos
2 2
2 5 . 0
2 cos
3
3
3
3
x

ou:
t sen e t e x
t sen e t e x
t t
t t
2 5 . 0 2 cos
2 2 2 cos
3 3
2
3 3
1
+ =
+ =

Exerccio 4.2. Encontre a soluo geral dos seguintes sistemas (ZILL, 2011):

(a)
y x
dt
dy
y x
dt
dx
3 4
2
+ =
+ =
(b)
y x
dt
dy
y x
dt
dx
3 9
3
=
=
(c)
y x
dt
dy
y x
dt
dx
2 5
6
+ =
=
(d) x
x
(
(
(
=
1 0 1
0 1 1
2 1 1
dt
d

Respostas:

(a)
t t
e c e c

(
+
(
=
1
1
2
1
2
5
1
x (b)
(
+
(
+
(
=
4 1
4 1
3
1
3
1
2 1
t c c x
(c)
t t
e
t sent
sent
c e
sent t
t
c
4
2
4
1
cos 2 cos 2
cos
(
+
(
+
= x (d)
t t t
e
sent
sent
t
c e
t
t
sent
c e c
(
(
(
+
(
(
(
+
(
(
(
=
cos
cos
cos
1
2
0
3 2 1
x

4.2.3- Resoluo de sistemas de EDOs no homogneas a coeficientes constantes.

O objetivo desta seo determinar a soluo de sistemas de EDOs no homogneas do tipo (4.1):

( ) t
dt
d
f Ax
x
+ =

Conforme comentado em sees prvias, a soluo deste sistema dada pela soma da soluo geral
do sistema homogneo associado (ou seja, do sistema que resulta fazendo-se ( ) 0 = t f na equao no
homognea), tambm denominada de soluo complementar (
C
x ), com uma soluo particular do
sistema no homogneo, denominada
P
x , resultando na soluo dada pela Equao (4.17):

( ) ( ) ( )
P
n
n P C
c c c x x x x x x x + + + + = + = L
2
2
1
1

Exemplo 4.6. Como ilustrao de EDOs lineares no homogneas, considere o Exemplo 4 da seo
(1.4.4) das Notas de Aula, modificado para o caso de uma entrada no nula de sal no tanque A
(Figura 1). Pode-se mostrar que o modelo para este sistema dado pelas seguintes equaes:

(
+
(
=
(
0 25 2 25 2
50 1 25 2
1 ,
2
1
2
1 A
m
x
x
x
x
dt
d
&

onde
1 1 , 1 ,
F C m
A A
= & a vazo mssica de sal (kg/h) na entrada do tanque A. As condies iniciais so
as mesmas j apresentadas: ( ) [ ]
T
t 0 25 0
0
= = = x x .


Figura 1. Sistema de dois tanques agitados contendo sal.

Existem dois mtodos principais para obter uma soluo particular de sistemas no homogneos, os
quais sero vistos nas prximas sees: o mtodo dos coeficientes indeterminados e o mtodo da
variao de parmetros.

4.2.3.1- Mtodo dos coeficientes indeterminados.

O mtodo dos coeficientes indeterminados costuma ser aplicado com sucesso quando os elementos
do vetor de funes forantes ( ) t f so constitudos por constantes, polinmios, funes
exponenciais, senos e cossenos ou por combinaes destas funes.

A ideia do mtodo observar o formato das funes presentes em ( ) t f e propor uma soluo
particular por similaridade. Esta soluo ento substituda na equao no homognea de modo a
permitir o clculo dos coeficientes desconhecidos que esto presentes na soluo proposta. Listamos
a seguir alguns formatos tpicos de funes ( ) t f , juntamente com as solues comumente propostas:

(a) ( )
(
=
2
1
d
d
t f , onde
2 1
, d d so constantes: Propor
(
=
2
1
a
a
P
x , onde
2 1
, a a so constantes a serem
determinadas;

(b) ( )
(
+
+
=
t e d
t e d
t
2 2
1 1
f , onde
2 2 1 1
, , , e d e d so constantes: Propor
(
+
+
=
t b a
t b a
P
2 2
1 1
x , onde
2 2 1 1
, , , b a b a
so constantes a serem determinadas;

(c) ( )
(
+ +
+ +
=
t
t
e g t f e
e g t f e
t
2 2 2
1 1 1
f , onde
2 2 2 1 1 1
, , , , , g f e g f e so constantes: Propor
(
+ +
+ +
=
t
t
P
e c t b a
e c t b a
2 2 2
1 1 1
x ,
onde
2 2 2 1 1 1
, , , , , c b a c b a so constantes a serem determinadas.

importante salientar que a soluo particular deve ser independente de quaisquer solues
previamente contidas no vetor de solues complementares. Por exemplo, se no caso (a) a soluo
complementar apresentasse um vetor de constantes devido existncia de um autovalor nulo, ou
F1 = 3
Mistura
F3 = 1
Mistura, F2 = 4
Mistura
F4 = 3
A B
CA1
seja, se
( ) ( ) ( ) ( ) j j
t
j j
e e
j
v v v x = = =
0
, ento, ao invs de propor um vetor de constantes, o correto seria

propor t
b
b
a
a
P (
+
(
=
2
1
2
1
x .

No caso (c), se for um autovalor da matriz de coeficientes A do sistema, ento, como a
exponencial
t
e
j aparece nas solues complementares, ento o correto seria propor:

(
+ + +
+ + +
=
t t
t t
P
te d e c t b a
te d e c t b a

2 2 2 2
1 1 1 1
x

Exemplo 4.7. Mtodo dos coeficientes indeterminados. Resolva o sistema
(
+
(

=
2
7
3 1
4 3
' x x .

Soluo. A soluo geral deste problema a soma da soluo complementar com a soluo
particular,
P C
x x x + = . A soluo complementar a soluo geral do sistema homogneo, obtida no
Exemplo 4.5, ou seja (observe que as constantes arbitrrias c
1
e c
2
devem ser mantidas pois as
mesmas tero que ser calculadas para o novo sistema, no homogneo):

t t
C
e t sen t c e t sen t c
3
2
3
1
2
0
2
2 cos
1
0
2
1
0
2 cos
0
2
|
|
\
|
(
+
(
+
|
|
\
|
(
= x

Para obter uma soluo particular, devemos propor
(
=
2
1
a
a
P
x , conforme ilustrado no item (a) desta
seo. Substituindo
P
x no sistema de equaes, temos que:

(
+
+
=
(
+
(

=
(
=
(
2 3
7 4 3
2
7
3 1
4 3
0
0
2 1
2 1
2
1
2
1
a a
a a
a
a
a
a
dt
d

Assim:
2 3
7 4 3
2 1
2 1
= +
=
a a
a a
ou:
(
=
(

2
7
3 1
4 3
2
1
a
a

Temos um sistema de equaes algbricas lineares, cuja soluo 1
1
= a e 1
2
= a . A soluo
particular, ento, [ ]
T
P
1 1 = x , de modo que a soluo geral deste sistema dada por:

(
+
|
|
\
|
(
+
(
+
|
|
\
|
(
=
1
1
2
0
2
2 cos
1
0
2
1
0
2 cos
0
2
3
2
3
1
t t
e t sen t c e t sen t c x

Se as condies iniciais forem dadas, as constantes arbitrrias c
1
e c
2
podero ento ser determinadas
resolvendo-se o sistema ( ) ( ) ( ) t t t
P
x c x + = para c em t = 0, ou seja, ( ) ( ) 0 0
0
= = = t t
P
x x c :

(
+
(
=
(
+
(
+
(
=
(
1
1
1 0
0 2
1
1
1
0
0
2
2
1
2 1
0 , 2
0 , 1
c
c
c c
x
x
ou:
(
=
(
1
1
1 0
0 2
0 , 2
0 , 1
2
1
x
x
c
c

Exemplo 4.8. Mtodo dos coeficientes indeterminados. Resolva o sistema
(
+
+
(
=
4 8
5
3 5
1 7
'
t
t
x x .

Soluo. A soluo geral deste problema a soma da soluo complementar com a soluo
particular,
P C
x x x + = . A soluo complementar a soluo geral do sistema homogneo associado,
dado por:

x x
(
=
3 5
1 7
'

Os autovalores da matriz de coeficientes so dados por 8
1
= e 2
2
= . Os autovetores
correspondentes so
( )
[ ]
T
1 1
1
= v e
( )
[ ]
T
5 1
2
= v , respectivamente. A soluo complementar,
ento, dada por:

t t
C
e c e c
2
2
8
1
5
1
1
1
(
+
(
= x

A funo forante tem o formato apresentado em (b): ( ) t
t
t
t
(
+
(
=
(
+
=
8
5
4
0
4 8
5
f . Para obter
uma soluo particular, devemos propor
(
+
+
=
t b a
t b a
P
2 2
1 1
x , conforme ilustrado no item (b) desta seo.
Substituindo
P
x no sistema de equaes, temos que:

(
+
+
(
+
+
(
=
(
=
(
+
+
4 8
5
3 5
1 7
2 2
1 1
2
1
2 2
1 1
t
t
t b a
t b a
b
b
t b a
t b a
dt
d

( ) ( )
( ) ( )
(
+ + + +
+ + + +
=
(
4 8 3 5
5 7
2 2 1 1
2 2 1 1
2
1
t t b a t b a
t t b a t b a
b
b

( ) ( )
( ) ( ) 0 8 3 5 4 3 5
0 5 7 7
2 1 2 2 1
2 1 1 2 1
= + + + +
= + + + +
t b b b a a
t b b b a a

As equaes acima devem ser vlidas para quaisquer valores de t. Assim, temos quatro equaes e
quatro incgnitas:

4 3 5 ; 0 7
8 3 5 ; 5 7
2 2 1 1 2 1
2 1 2 1
= + = +
= + = +
b a a b a a
b b b b

( ) 8 7 5 3 5 7 5
1 1 1 2
= + = b b b b 0625 . 5 4375 . 1 16 23
2 1
= = = b b

( ) 4 0625 . 5 7 4375 . 1 3 5 7 4375 . 1
1 1 1 2
= + = a a a a

914063 . 0 33594 . 0
2 1
= = a a

A soluo particular, neste caso, t
P (
+
(
=
0625 . 5
4375 . 1
914063 . 0
33594 . 0
x , e a soluo geral dada por:

t e c e c
t t
(
+
(
+
(
+
(
=
0625 . 5
4375 . 1
914063 . 0
33594 . 0
5
1
1
1
2
2
8
1
x

Exemplo 4.9. Mtodo dos coeficientes indeterminados. Determine a forma de um vetor soluo
particular
P
x para o sistema

9 4
5 3 2 4
+ + + =
+ + =
t e y x
dt
dy
e y x
dt
dx
t
t

Soluo. Podemos reescrever ( ) t f como: ( )
(
+
(
+
(
=

9
5
4
0
1
3
t e t
t
f . Assim, conforme descrito no
item (c), a soluo a ser proposta seria a seguinte:

(
+
(
+
(
=

2
1
2
1
2
1
a
a
t
b
b
e
c
c
t
P
x

Esta proposio adequada pois os autovalores de A so 3
1
= e 2
2
= , os quais so diferentes do
valor que aparece na exponencial da funo forante, que igual a -1 neste caso.

Exerccio 4.3. Utilize o mtodo dos coeficientes indeterminados para resolver os seguintes sistemas
(ZILL, 2011):

(a)
(
+
(
=
5
2
1 3
3 1
'
2
t
t
x x (b)
(
+
+
+
(

=
t
t
e t
e t
6
6
9 4
1 4
4 1
' x x

4.2.3.2- Mtodo da variao de parmetros.

Conforme j comentado no Exemplo 4.3, as solues
( )
( )
( )
( )
( )
( ) t t
n
x x x , , , t
2 1
L de um sistema
homogneo podem ser agrupadas em uma matriz de solues ( ) t , de modo que a coluna j desta
matriz contm a soluo
( )
( ) t
j
x do sistema homogneo (Equao (4.41)):

( )
( ) ( ) ( )
( ) ( ) ( )
( ) ( ) ( )
(
(
(
(
=
n
n n n
n
n
x x x
x x x
x x x
t
L
M M M
L
L
2 1
2
2
2
1
2
1
2
1
1
1
(4.52)

Assim, a soluo geral do sistema homogneo dada por uma generalizao da Equao (4.41):

( )
( ) ( ) ( )
( )c x x x x t c c c t
n
n
= + + + = L
2
2
1
1
(4.53)

onde [ ]
T
n
c c c L
2 1
= c um vetor de constantes arbitrrias.

A matriz ( ) t chamada de matriz fundamental do sistema no intervalo onde a soluo vlida. A
matriz fundamental uma matriz no singular, pois constituda por colunas que representam
solues independentes do sistema de equaes. O determinante da matriz fundamental igual
ao wronskiano dos vetores soluo do sistema homogneo.

A matriz fundamental ( ) t tem a propriedade adicional de satisfazer o sistema homogneo Ax x = ' ,
ou seja, ( ) ( ) t t A = ' . Observe nesta ltima equao que ambos os lados da igualdade so
constitudos por matrizes. Para comprovar esta ltima equao, basta considerar que cada coluna de
( ) t uma soluo do sistema Ax x = ' . Assim, cada coluna j de ( ) t ' , sendo igual a
( ) j
' x , pode ser
substituda por
( ) j
Ax , de modo que o lado direito da equao ( ) t A obtido quando todas as
colunas so consideradas.

A ideia do mtodo da variao de parmetros substituir o vetor c de constantes da soluo geral do
sistema homogneo, ( )c x t = , por um vetor de funes u(t) a serem determinadas, de modo que a
nova soluo ( ) ( ) t t
P
u x = seja uma soluo particular do sistema no homogneo, ( ) t f Ax x + = ' .

Assim, substituindo esta nova soluo no sistema no homogneo, segue que:

( ) ( ) ( ) ( ) ( ) t t t t t
p P
f Ax u u x + = + = ' ' ' (4.54)

Como ( ) ( ) t t A = ' , temos que ( ) ( ) ( ) ( ) ( ) ( ) ( ) t t t t t t t f u A u A u + = + ' . Simplificando, vem:

( ) ( ) ( ) t t t f u = ' (4.55)

Como a matriz fundamental ( ) t no singular, a mesma possui inversa. Assim, o vetor de funes
desconhecidas u(t) pode ser obtido mediante integrao do sistema apresentado a seguir:

( ) ( ) ( ) t t t
dt
d
f u
u
1
'

= = (4.56)

( ) ( ) ( )

= dt t t t f u
1
(4.57)

A soluo particular, ( ) ( ) t t
P
u x = , ser ento dada por:

( ) ( ) ( ) ( ) ( )

= = dt t t t t t
P
f u x
1
(4.58)

E a soluo geral ser dada por:

( ) ( ) ( ) ( )

+ = + = dt t t t t
P c
f c x x x
1
(4.59)

importante frisar que no necessrio utilizar constantes de integrao no clculo de
( ) ( )

dt t t f
1
, pois as mesmas j esto consideradas na soluo complementar.

A vantagem do mtodo da variao de parmetros em relao ao mtodo dos coeficientes
indeterminados que no necessrio adivinhar a forma das funes que constituem a soluo
particular. No entanto, ficar evidente no exemplo resolvido a seguir que a aplicao desse novo
mtodo extremamente trabalhosa.

Assim, quando a forma das funes que constituem a soluo particular puder ser inferida, deve-se
preferir o mtodo dos coeficientes indeterminados para a obteno da soluo particular.

O mtodo da variao de parmetros, no entanto, muito til nos casos em que a forma da soluo
particular for desconhecida.

Exemplo 4.10. Mtodo da variao de parmetros. Obtenha a soluo geral do sistema no
homogneo
(
+
(
=
t
e
t 3
08 , 0 08 , 0
02 , 0 08 , 0
' x x . Condio inicial, para t = 0: [ ]
T
0 25
0
= x .

O sistema homogneo associado a este caso o mesmo sistema j apresentado no Exemplo 4.2. A
soluo homognea foi apresentada no exemplo citado, e a soluo geral correspondente dada por:

( )c t e c e c
x
x
t t
=
(
+
(
=
(
12 , 0
2
04 , 0
1
2
1
1
5 , 0
1
5 , 0

onde a matriz fundamental dada neste caso por ( )
(

=

t t
t t
e e
e e
t
12 , 0 04 , 0
12 , 0 04 , 0
5 , 0 5 , 0
.

O determinante da matriz fundamental igual a ( ) ( ) ( )
t t t t t
e e e e e
16 , 0 12 , 0 04 , 0 12 , 0 04 , 0
5 , 0 5 , 0 det

= + = ,
e sua matriz inversa dada por:

( )
( ) ( )
( ) ( ) ( )
(
=
(
t t
t t
T
t t
t t
e e
e e
e e
e e
12 , 0 12 , 0
04 , 0 04 , 0
04 , 0 2 12 , 0 3
04 , 0 3 12 , 0 2
1
5 , 0
5 , 0
5 , 0 1 5 , 0 1
1 1
det
1

Usando a Equao (4.57), segue que:

( ) ( ) ( )
(
= =

dt
e
t
e e
e e
dt t t t
t t t
t t
3
5 , 0
5 , 0
12 , 0 12 , 0
04 , 0 04 , 0
1
f u

( )
( )
( ) ( )

(
+
+
=
(
+
+
=
dt
e te
e te
dt
e e e t
e e te
t
t t
t t
t t t
t t t
88 , 0 12 , 0
96 , 0 04 , 0
12 , 0 12 , 0
04 , 0 04 , 0
5 , 0 3
5 , 0 3
5 , 0 3
5 , 0 3
u

( )
(
(
(
+

=
(
(
(
(
+
|
|
\
|

+
|
|
\
|

=
t t t
t t t
t
t t
t
t t
e e te
e e te
e
e te
e
e te
t
88 , 0 12 , 0 12 , 0
96 , 0 04 , 0 04 , 0
88 , 0
2
12 , 0 12 , 0
96 , 0
2
04 , 0 04 , 0
88
50
12
2500
25
96
50
1875 75
88 , 0
5 , 0
12 , 0 12 , 0
3
96 , 0
5 , 0
04 , 0 04 , 0
3
u

Essa equao tambm pode ser colocada na forma:

( )
(
(
(
(
\
|
+
|
\
|

=
t t
t t
e e t
e e t
t
12 , 0
04 , 0
88
50
12
2500
25
96
50
1875 75
u

A soluo particular do sistema no homogneo obtida por meio da Equao (4.58):

( ) ( )
(
(
(
(
\
|
+
|
\
|

(

= =

t t
t t
t t
t t
P
e e t
e e t
e e
e e
t t
12 , 0
04 , 0
12 , 0 04 , 0
12 , 0 04 , 0
88
50
12
2500
25
96
50
1875 75
5 , 0 5 , 0
u x

(
(
(
(
\
|
+ +
|
\
|

|
\
|
+
|
\
|

=

t t
t t
P
e t e t
e t e t
88
50
12
2500
25
96
50
1875 75
88
50
12
2500
25 5 , 0
96
50
1875 75 5 , 0
x

(
(
(

+
=
t
t
P
e t
e t
8448
9200
12
20000
50
8448
200
12
12500
50
x

A soluo geral do sistema no homogneo obtida, finalmente, por meio da Equao (4.59):

(
(
(

+
+
(
+
(
=
(

t
t
t t
e t
e t
e c e c
x
x
8448
9200
12
20000
50
8448
200
12
12500
50
1
5 , 0
1
5 , 0
12 , 0
2
04 , 0
1
2
1
x

As constantes arbitrrias podem ser determinadas aplicando-se a soluo geral para t = 0:

( )
(
(
(

+
+
(

=
(
=
(
= =
8448
9200
12
20000
8448
200
12
12500
1 1
5 , 0 5 , 0
0
25
0
2
1
0 , 2
0 , 1
c
c
x
x
t x

Resolvendo esse sistema, segue que 52083 , 1900
1
= c e 765152 , 232
2
= c . A soluo especfica para
as condies iniciais dadas, portanto, :

(
(
(

+
+
(
=
(

t
t
t t
e t
e t
e e
x
x
8448
9200
12
20000
50
8448
200
12
12500
50
1
5 , 0
765152 , 232
1
5 , 0
52083 , 1900
12 , 0 04 , 0
2
1

A soluo tambm pode ser individualizada para cada varivel como:

t t t
e t e e x

+ + + =
8448
200

12
12500
50
2
765152 , 232
2
52083 , 1900
12 , 0 04 , 0
1

t t t
e t e e x

+ =
8448
9200
12
20000
50 765152 , 232 52083 , 1900
12 , 0 04 , 0
2

Observe que, devido ao termo forante linear em t presente no sistema no linear, a soluo tende a
infinito quando t tende a infinito. claro que, para sistemas reais, o termo forante linear em t s
mantido por um certo intervalo de tempo, de modo que a soluo dada ser vlida para esse
intervalo.

Exerccio 4.4. Utilize o mtodo da variao de parmetros para resolver os seguintes sistemas
(ZILL, 2011):

(a)
2
1
1
1 4 3
5 3
'
t
e
(
+
(
= x x (b)
t
e
sent
t
(
+
(

=
cos
1 1
1 1
' x x


1. Zill, D.G. Equaes Diferenciais com Aplicaes em Modelagem. 9 ed. So Paulo: Cengage
Learning, 2011. 410p.

2. Boyce, W. E.; DiPrima, R. C. Equaes diferenciais elementares e problemas de valores de
contorno, 8 ed. Rio de Janeiro: LTC - Livros Tcnicos e Cientficos Editora S.A., 2006.
434p.

4.3- Introduo transformada de Laplace.

A transformada de Laplace muito utilizada em estudos de Controle de Processos e em outros
campos de aplicao que lidam com a resoluo de equaes diferenciais ordinrias lineares com
funes forantes descontnuas.

Como exemplos de equaes diferenciais ordinrias que podem ser resolvidas usando-se
transformadas de Laplace citam-se (ZILL, 2011):

Sistema massa-mola: ( ) t f kx
dt
dx
dt
x d
m = + +
2
2
;

Circuito eltrico em srie: ( ) ( ) t E t f q
C dt
dq
R
dt
q d
L = = + +
1
2
2
;

Equaes ntegro-diferenciais e sistemas de equaes diferenciais em geral.

No caso do circuito eltrico em srie, por exemplo, a funo forante (teno eltrica, E(t)) pode
assumir a forma de uma funo dente de serra, conforme ilustrado na Figura 2.

Figura 2. Funo dente de serra.

A transformada de Laplace torna relativamente simples a resoluo de sistemas de equaes
diferenciais com funes forantes descontnuas, conforme ser visto neste captulo.

Exemplos de transformaes. Assim como as operaes de diferenciao e integrao so
exemplos de transformaes, ou seja, de mapeamentos que transformam uma funo de um tipo em
uma outra funo diferente, a transformada de Laplace tambm um mapeamento que transforma
funes no domnio do tempo em funes equivalentes no domnio de Laplace. A funo x
2

transformada em uma funo linear pela operao de diferenciao, e em uma famlia de funes
polinomiais cbicas pela operao de integrao (ZILL, 2011):

Diferenciao: x
dt
dx
2
2
= ; Integrao: c
x
dx x + =
3
3
2

Uma propriedade importante dessas transformaes a linearidade, ou seja, a transformada de uma
combinao linear de funes igual combinao linear das transformadas dessas funes, desde
que cada transformada (diferenciao, integrao) exista:

( ) ( ) [ ]
( ) ( )
dx
x dg
c
dx
x df
c x g c x f c
dx
d
2 1 2 1
+ = + ; ( ) ( ) [ ] ( ) ( )

+ = + dx x g c dx x f c dx x g c x f c
2 1 2 1

onde c
1
e c
2
so constantes.

A transformada de Laplace um tipo especial de transformada integral e ser vista nos prximos
itens.

Transformadas integrais. Uma funo de duas variveis pode ser convertida em uma outra funo
de uma varivel apenas por meio de uma transformada integral. Como exemplos desse processo,
citam-se:

Uma transformada do tipo ( ) ( ) ( ) ( )
=
=
= =
1
0
, ,
x
x
dx y x f y F y x f T converte ( ) y x f , em ( ) y F .
Matematicamente, podemos escrever que ( ) { } ( ) y F y x f T , . Como exemplo, se
( )
2 3
4 , y x y x f = , segue que: ( ) ( ) ( )
2 4 4 2
1
0
4
2
1
0
0 1
4
4 , y y
x
y dx y x f y F
x
x
x
x
= = = =
=
=
=
=
;

Uma transformada do tipo ( ) ( ) ( ) ( ) ( )
=
=
= =
b t
a t
dt t f t s K s F t f T , converte (transforma) ( ) t f em
( ) s F .

No presente captulo, vamos estudar uma transformada integral definida por:

( ) ( ) ( ) ( )

=
b
b
dt t f t s K dt t f t s K
0 0
, lim , (4.60)

A integral na Equao (4.60) dita convergente se o limite existe, caso contrrio a integral
divergente.

Ncleo da transformao. Por definio, a funo ( ) t s K , denominada ncleo da transformao.

4.3.1- Definio da transformada de Laplace.

A transformada de Laplace uma transformao integral onde o ncleo definido por ( )
st
e t s K

= , :

( ) { } ( ) ( )
= =
0
dt t f e s F t f
st
L (4.61)

A transformada de Laplace transforma ( ) t f em ( ) s F . Assim, em termos de notao, temos que
( ) { } ( ) s G t g = L , ( ) { } ( ) s Y t y = L .

Exemplo 4.11. Calcule { } 1 L usando a definio da transformada de Laplace, Equao (4.61).
{ }
b
st
b
st
e
s
dt e
0
0
1
lim 1 1

= =
L

ou: { } ( ) ( )
s s
e e
s
sb
b
1
1 0
1 1
lim 1
0
=
=

L (para s > 0)

importante observar que a integral s convergente para valores de s maiores do que zero.

Exemplo 4.12. Calcule {} t L usando a definio da transformada de Laplace, Equao (4.61). Neste
caso, a integral pode ser calculada por partes:

{}
(
\
|
= =

b
st
b
st
b
st
tdt e
s s
te
tdt e t
0
0
0
1
lim L

{} ( )
(
\
|
\
|
+
|
\
|
=

b
st sb
b
e
s s
e be
s
t
0
0
1 1
0
1
lim L

ou: { } ( ) ( )
2 2
0
2
1
1 0
1 1
lim
s s
e e
s
t
sb
b
=
(
\
|
=
(
\
|
=

L (para s > 0)

O limite do primeiro termo foi obtido derivando-se o numerador e o denominador em relao a b,
resultando em ( ) ( ) 0 1 1 lim lim = = =

se se e b
sb
b
sb
b
.

Exemplo 4.13. Calcule { }
at
e L usando a definio da transformada de Laplace, Equao (4.61).

{ }
( ) ( )

= = =

0
0 0
1
t a s t a s at st at
e
a s
dt e dt e e e L

{ }
( )
[ ]
a s
e e
a s
e
b a s
b
at
=

1
lim
1
0
L (para s > a)

Neste caso, necessrio que s > a para que a integral seja convergente.

Exemplo 4.14. Calcule ( ) { } at cos L usando a definio da transformada de Laplace, Equao (4.61).

( ) { } ( )
=
0
cos cos dt at e at
st
L (a)

Fazendo ( ) ( )
st st
e
s
v dt e dv dt at asen du at u

= = = =
1
, , , cos , a integrao por partes resulta em:

( ) { } ( ) ( ) ( )
\
|
\
|
=
0
0
1 1
cos cos dt at sen a e
s
e
s
at at
st st
L .
0
0
( ) { } ( ) ( ) ( ) ( )
\
|
=
0
0
0 cos cos lim
1
cos dt at sen e
s
a
e a e ab
s
at
st sb
b
L .

( ) { } ( )
=
0
1
cos dt at sen e
s
a
s
at
st
L .

Fazendo ( ) ( )
st st
e
s
v dt e dv dt at a du at sen u

= = = =
1
, , cos , , podemos integrar novamente por
partes, resultando em:

( ) { } ( ) ( )
(
\
|
\
|
0
0
cos
1 1 1
cos dt at a e
s
e
s
at sen
s
a
s
at
st st
L

( ) { } ( ) ( ) ( ) ( )
(
\
|
+
|
\
|

0
0
cos 0 lim
1 1
cos dt at e
s
a
e a sen e ab sen
s s
a
s
at
st s sb
b
L

( ) { } ( )
(
\
|
=
0
2
cos
1
cos dt at e
s
a
s
at
st
L (b)

Observe que o termo entre colchetes , por definio, igual a ( ) { } at cos L - compare as Equaes (a) e
(b). Assim, podemos isolar esse termo para obter a soluo final, dada por:

( ) { }
s s
a s
at
1
cos
2
2 2
=
|
|
\
| +
L , ou: ( ) { }
2 2
cos
a s
s
at
+
= L (para s > 0)

Propriedade linear da transformada de Laplace. A transformada de Laplace tambm uma
transformada linear. Assim, temos que:

( ) ( ) [ ] ( ) ( )

+ = +
0
2
0
1
0
2 1
dt t g e c dt t f e c dt t g c t f c e
st st st

onde c
1
e c
2
so constantes. A linearidade ser vlida quando ambas as integrais forem convergentes
para s > c, onde c uma constante arbitrria. A expresso acima pode ser representada em sua forma
alternativa como:

( ) ( ) { } ( ) { } ( ) { } ( ) ( ) s G c s F c t g c t f c t g c t f c
2 1 2 1 2 1
+ = + = + L L L (4.62)

A linearidade da transformada de Laplace utilizada em clculos envolvendo a soma de funes.
Como exemplo, para calcular { } t 3 8 + L , podemos fazer { } { } {}
2
3 8 3 1 8 3 8 s s t t + = + = + L L L , onde
foram usados os resultados dos Exemplos 4.11 e 4.12.

comum utilizar resultados prvios para obter transformadas de Laplace para novas funes - isto
facilita bastante os clculos. Existem muitas tabelas, na literatura, contendo compilaes extensivas
de transformadas de Laplace para uma grande quantidade de funes.

0 1
0
0
Por outro lado, relativamente simples obter novas transformadas de Laplace utilizando-se um
pequeno nmero de transformadas bsicas, tabeladas. Para este propsito, alm dos valores tabelados
de transformadas de Laplace tpicas, utiliza-se a propriedade da linearidade e um conjunto de outras
importantes propriedades as quais sero apresentadas nas prximas sees.

A Tabela 1 apresenta um resumo das transformadas de Laplace obtidas nos exemplos resolvidos e,
tambm, algumas transformadas bsicas adicionais. comum omitir a restrio em s nos resultados
tabelados, ficando implcito que os valores de s devem ser tais que resultem em integrais
convergentes.

Tabela 1. Transformada de Laplace de algumas funes bsicas, ( ) { } t f L .
(a) { }
s
1
1 = L (b) { } L , 3 , 2 , 1 ,
!
1
= =
+
n
s
n
t
n
n
L (c) { }
a s
e
at
=
1
L
(d) ( ) { }
2 2
k s
k
kt sen
+
= L (e) ( ) { }
2 2
cos
k s
s
kt
+
= L (f) ( ) { }
2 2
k s
k
kt senh
= L
(g) ( ) { }
2 2
cosh
k s
s
kt
= L

Condies suficientes para a existncia da transformada de Laplace. Em muitos casos, pode
ocorrer que a funo ( ) { } t f L no seja convergente - por exemplo, a transformada { } t 1 L no existe.
Pode-se mostrar, no entanto, que possvel obter a transformada de Laplace quando a funo ( ) t f
contnua por partes e de ordem exponencial.

Se uma funo ( ) t f de ordem exponencial, ento a curva de ( ) t f versus t crescer de uma
forma menor ou igual curva de
ct
Me versus t, onde M e c so constantes arbitrrias. Quando isto
ocorre, diz-se que a funo ( ) t f de ordem exponencial c. O importante que o crescimento de
( ) t f seja menor ou igual ao crescimento de
ct
Me para tempos superiores a um tempo finito
qualquer T > 0: o valor de ( ) t f pode ser eventualmente maior do que o valor de
ct
Me para t T.
Com isto, para uma funo de ordem exponencial, pode-se mostrar que a integral ser sempre
convergente. Veja exemplos de funo de ordem exponencial em (ZILL, 2011).

Para que uma funo seja contnua por partes em [0,) suficiente que o nmero de
descontinuidades seja finito no intervalo [a,b], com a 0, e que a funo seja contnua em cada
intervalo aberto entre duas descontinuidades consecutivas t
k
e t
k-1
, ou seja, em cada intervalo
k k
t t t < <
1
. Por exemplo, a funo dente de serra contnua por partes pois a funo contnua nos
intervalos de tempo onde o crescimento linear.

Assim, pode-se mostrar que a transformada de Laplace de uma funo ( ) t f contnua por partes e de
ordem exponencial c existe para s > c (ZILL, 2011).

importante salientar que as condies citadas so suficientes, mas no necessrias. Ou seja, mesmo
que uma funo no seja contnua por partes e de ordem exponencial, pode ser possvel obter sua
transformada de Laplace.

O comportamento de ( ) s F quando s . possvel mostrar que, se uma funo ( ) t f
contnua por partes e de ordem exponencial, ento ( ) 0 lim =

s F
s
, onde ( ) ( ) { } t f s F L = . Veja a
demonstrao deste limite em (ZILL, 2011).

Algumas transformadas de Laplace como, por exemplo, ( ) 1 = s F , no seguem esse comportamento.
Isto significa que a funo ( ) t f que lhe deu origem no contnua por partes e de ordem
exponencial - ou seja, existem transformadas de Laplace de outros tipos de funes.

Exemplo 4.15. Transformada de uma funo contnua definida por partes. Calcule ( ) { } t f L para
( )
<
=
4 , 3
4 0 , 0
t
t
t f .

Em palavras, a funo nula no intervalo de tempo entre 0 e 4, e igual a 3 para tempos superiores a
4, inclusive. Por exemplo, o valor 3 pode ser a vazo de uma bomba centrfuga que foi ligada no
tempo igual a 4 unidades de tempo (trata-se de uma idealizao, claro, j que a vazo real nunca
vai de zero a 3 instantaneamente). Aplicando a definio de transformada de Laplace, Equao
(4.61), segue que:
( ) { } ( ) ( ) ( )

+ = =
4
4
0 0
3 0 dt e dt e dt t f e t f
st st st
L

( ) { } ( )
s s st st
e e
s
e
s
dt e t f
4
4
4
1
3
1
3 3 0

= + =
L

( ) { } ( )
s
e
e
s
t f
s
s
4
4
3
0
1
3
= L (para s > 0)

Observe que { }
(
1
0 4
L dt e dt e
st st
, ento no podemos usar o valor tabelado { } 1 L de neste
caso.

Exerccio 4.5. Transformada de uma funo contnua definida por partes. Calcule ( ) { } t f L para a
funo mostrada na figura a seguir.

4.3.2- Transformada inversa de Laplace e resoluo de equaes diferenciais.

Transformada inversa de Laplace, ( ) { } s F
1
L . Obter a transformada inversa de Laplace de uma
funo ( ) s F significa calcular a funo ( ) t f que deu origem transformada dada. Por exemplo, a
transformada inversa de Laplace da funo ( ) s s F 1 = pode ser obtida diretamente da Tabela 1a,
sendo igual a ( ) 1 = t f . Assim, se ( ) { } ( ) s F t f = L , podemos afirmar que ( ) t f a transformada
inversa de Laplace de ( ) s F . A notao utilizada para a transformada inversa de Laplace
( ) ( ) { } s F t f
1
= L .

Podemos utilizar essa definio para gerar uma tabela de transformadas inversas de Laplace a partir
de valores tabelados para as transformadas diretas, como, por exemplo, as funes mostradas na
Tabela 1. Essa metodologia foi aplicada para gerar a Tabela 2, mostrada a seguir.

Tabela 2. Transformada inversa de Laplace de algumas funes bsicas, ( ) { } s F
1
L .
(a)
)
`
=

s
1
1
1
L (b) L , 3 , 2 , 1 ,
!
1
1
=
)
`
=
+
n
s
n
t
n
n
L (c)
)
`
=

a s
e
at
1
1
L
(d) ( )
)
`
+
=

2 2
1
k s
k
kt sen L (e) ( )
)
`
+
=

2 2
1
cos
k s
s
kt L (f) ( )
)
`
=

2 2
1
k s
k
kt senh L
(g) ( )
)
`
=

2 2
1
cosh
k s
s
kt L

Exemplo 4.16. Transformada inversa de Laplace. Calcule ( ) { } s F
1
L para (a) ( )
4
4 s s F = e
(b) ( ) ( ) 8 2
2
+ = s s F .

(a) Observando a Tabela 2b, temos que n + 1= 4, ento n = 3. Como 3! = 3x2x1 = 6, devemos
multiplicar e dividir F(s) por 6 para colocar a funo no padro da tabela. Assim, ( ) ( )
4
! 3 ! 3 4 s s F =
e, portanto, ( ) { } ( ) { } ( ) ( )
3 3 4 1 4 1
3 2 6 4 6 6 4 6 6 4 t t s s = = =

L L . Podemos confirmar esse resultado
calculando a transformada de Laplace de ( ) ( )
3
3 2 t t f = , cujo resultado a funo F(s) dada.

(b) Observando a Tabela 2d, identificamos que k
2
= 8, ento multiplicamos e dividimos F(s) por
8 = k para coloc-la no padro da tabela, resultando em ( ) ( ) ( ) 8 8 8 2
2
+ = s s F . Assim,
( ) ( ) { } ( ) ( ) { } ( ) ( ) 8 8 2 8 8 8 2 8 8 8 2
2 1 2 1
t sen s s = + = +

L L ( ) ( ) 2 2 2 2 t sen = .

Propriedade linear da transformada inversa de Laplace. A transformada inversa de Laplace
tambm uma transformada linear. Assim, temos que:

( ) ( ) { } ( ) { } ( ) { } ( ) ( ) t g c t f c s G c s F c s G c s F c
2 1
1
2
1
1 2 1
1
+ = + = +

L L L (4.63)

onde c
1
e c
2
so constantes. Esta propriedade bastante til para a obteno da transformada inversa
de Laplace, pois geralmente podemos separar uma funo complicada dividindo-a em uma soma de
partes mais simples cujas inversas so mais fceis de se obter. Vamos ver um exemplo disto a seguir.

Exemplo 4.17. Transformada inversa de Laplace. Calcule ( ) ( ) { } 8 8 3
2 1
+
s s L .

Como a funo F(s) no se encontra na Tabela 2, devemos em primeiro lugar verificar se possvel
trabalhar com a mesma de modo a enquadr-la em uma das funes existentes nessa tabela. Se no
for possvel enquadr-la, devemos ento buscar uma tcnica de soluo alternativa. No caso,
podemos separar a funo F(s) em duas partes:

( )
8
1
8
8
3
8
8 3
2 2 2
+
+
=
+
=
s s
s
s
s
s F

Podemos agora aplicar o princpio da linearidade da transformada inversa de Laplace, de modo que
a transformada inversa da soma igual soma das transformadas inversas de cada parcela
individual. Observando a Tabela 2(d,e), fica evidente que as transformadas inversas das parcelas
constituintes de F(s) so as funes seno e cosseno, de modo que:

( ) { }
( )
( )
( )
( )
)
+
=

2
2
1
2
2
1 1
8
8
8
8
8
3
s s
s
s F L L L

ou: ( ) { } ( ) ( ) ( ) ( ) ( ) 2 2 2 2 2 2 cos 3 8 8 8 8 cos 3
1
t sen t t sen t s F = =
L

Nos prximos itens sero apresentados alguns casos tpicos de obteno da transformada inversa de
Laplace quando F(s) uma razo de polinmios em s. A ideia separar a funo F(s) em partes mais
simples por meio da tcnica de expanso em fraes parciais.

De um modo geral, os problemas de expanso em fraes parciais podem ter trs caractersticas
tpicas, a saber:

(1) o polinmio do denominador tem razes reais s
j
distintas e, portanto, possui fatores lineares
(s-s
j
) distintos;

(2) o polinmio do denominador tem razes reais s
j
repetidas de multiplicidade m e, portanto,
possui fatores lineares repetidos que podem ser agrupados como (s-s
j
)
m
;

(3) o polinmio do denominador tem razes complexas i z = onde e so,
respectivamente, a parte real e a parte imaginria da raiz. Um polinmio de 2 grau a coeficientes
reais que possui as razes complexas citadas, por exemplo, pode ser escrito como
( )
2 2 2
2 + + = s s s P . O procedimento a ser seguido, neste caso, denominado de completar o
quadrado. Isto significa que devemos escrever o polinmio como ( )
2 2 2
2 + + = s s s P
( ) ( ) c s + =
2
, onde c uma constante a ser determinada que completa o quadrado, ou seja, que
faz com que a igualdade seja vlida, dada por
2
= c . Em resumo, neste caso iro surgir, no
denominador, fatores quadrticos do tipo ( ) ( )
2 2
+ s .

Exemplo 4.18. Transformada inversa de Laplace. Expanso em fraes parciais: denominador
com fatores lineares distintos. Calcule
( )( )( )
)
`
+ +
+ +
5 3 1
6 6
2
1
s s s
s s
L .

Quando o denominador de F(s) um polinmio em s com fatores lineares distintos, ou seja, com
razes reais e distintas (no caso, as razes reais do polinmio so -1, 3 e -5 e os fatores lineares so
(s+1), (s-3) e (s+5)), podemos expandir a razo de polinmios dada em fraes parciais do tipo:

( )
( )( )( ) 5 3 1 5 3 1
6 6
2
+
+
+
+
=
+ +
+ +
=
s
C
s
B
s
A
s s s
s s
s F

Existem duas tcnicas para obter os valores das constantes A, B e C. A primeira delas, mais simples,
consiste em multiplicar ambos os lados direito e esquerdo por um dos fatores lineares (s-s
j
) e fazer s
= s
j
para obter a constante correspondente. Assim, multiplicando por (s+1), segue que:

( )( )
( )( )( )
( )
( )
( ) ( )
5
1
3
1
1
1
5 3 1
6 6 1
2
+
+
+
+
+
+
+
=
+ +
+ + +
s
s C
s
s B
A
s
s
s s s
s s s

Fazendo s = -1, vem:
( ) ( ) ( )
( )( )
( ) ( )
A
s
C
s
B
A =
+
+
+
+
+ =
+
+ +
5
1 1
3
1 1
5 1 3 1
6 1 6 1
2

Assim, segue que ( ) ( ) 32 2 16 1 16 6 6 1 = = + = A . Para calcular o valor de B, multiplicamos
F(s) por (s - 3), resultando em:

( )( )
( )( )( )
( )
( )
( ) ( )
5
3
3
3
1
3
5 1 3
6 6 3
2
+
+
+
=
+ +
+ +
s
s C
B
s
s
s
A s
s s s
s s s

Fazendo s = 3:
( ) ( )
( )( )
( )
( )
( )
B
s
C
B
s
A
=
+
+ +
+
=
+ +
+ +
5
3 3
1
3 3
5 3 1 3
6 3 6 3
2

Assim, segue que ( ) ( ) 32 33 32 6 18 9 = + + = B . Para calcular o valor de C, multiplicamos F(s) por
(s + 5), resultando em:

( )( )
( )( )( )
( )
( )
( ) ( )
C
s
s
s
B s
s
A s
s s s
s s s
5
5
3
5
1
5
5 3 1
5 6 6
2
+
+
+
+
+
+
+
=
+ +
+ + +

Fazendo s = -5:
( ) ( ) ( )
( )( )
( )
( )
( )
( )
C C
s
B
s
A
= +
+
+
+
+
=
+
+ +
3
5 5
1
5 5
3 5 1 5
6 5 6 5
2

Assim, segue que ( ) ( ) 32 1 32 6 30 25 = + = C . Finalmente, temos que a expanso em fraes
parciais resulta em:

( )
( )( )( )
(
+
+
+
+
=
+ +
+ +
=
5
1
3
33
1
2
32
1
5 3 1
5 6
2
s s s s s s
s s
s F

1
1
0 0
1 1
0 0
1
1
0
0
A segunda maneira utilizada para a obteno das constantes A, B e C, consiste em encontrar o
polinmio do numerador para, em seguida, igualar os coeficientes multiplicadores dos termos de
mesma potncia em s em ambos os lados da igualdade, gerando assim um conjunto de equaes para
as constantes. Neste caso, recompondo o numerador, segue que:

( ) ( ) ( )
( )( )( ) 5 3 1
3 2 5 6 15 2
5 3 1
2 2 2
+ +
+ + + + +
=
+
+
+
+ s s s
s s C s s B s s A
s
C
s
B
s
A

Agrupando os termos de mesma ordem no numerador do lado direito da equao e igualando com o
polinmio do numerador do lado esquerdo da equao original, segue que:

( ) ( ) ( ) C B A s C B A s C B A s s 3 5 15 2 6 2 6 6
2 2
+ + + + + + = + +

Para que os polinmios dos numeradores dos lados esquerdo e direito desta equao sejam iguais,
necessrio que os coeficientes de mesma potncia sejam iguais. Assim, obtermos um conjunto de trs
equaes que pode ser resolvido para as trs constantes desconhecidas:

( ) 6 3 5 15 ; 6 2 6 2 ; 1 = + = + = + + C B A C B A C B A

Em notao matricial, esse sistema dado por:
(
(
(
=
(
(
(
(
(
(
6
6
1
3 5 15
2 6 2
1 1 1
C
B
A
.

A soluo desse sistema pode ser obtida, por exemplo, por eliminao gaussiana, e o resultado o
mesmo j obtido pela metodologia prvia.

Agora que fizemos a expanso de F(s) por fraes parciais em parcelas mais simples, podemos obter
facilmente a transformada inversa de Laplace aplicando o princpio da linearidade:

( ) { }
(
)
`
+
+
)
`
+
)
`
+
=
)
`
+
+
+
+
=

5
1
3
1
33
1
1
2
32
1
5
1
3
33
1
2
32
1
1 1 1 1 1
s s s s s s
s F L L L L L

Observando a Tabela 2c, temos que
)
`
=

a s
e
at
1
1
L . Assim, segue que:

( ) { }
( )( )( )
t t t
e e e
s s s
s s
s F
5 3
2
1 1
32
1
32
33
32
2
5 3 1
6 6

+ + =
)
`
+ +
+ +
= L L

com fatores lineares repetidos. Calcule
( )
)
`
2
1
4
7 3
s
s
L .

Quando o denominador de F(s) um polinmio em s com fatores lineares repetidos do tipo (s-c)
m
,
devemos expandir a razo de polinmios dada em fraes parciais do tipo:

( )
( )
( ) ( ) ( ) ( )
m
m
m
m
m
c s
A
c s
A
c s
A
c s
A
c s
s P
s F
+ +
1
1
2
2 1
L

No caso, temos que: ( )
( ) ( )
( )
( )
2 2 2
4
4
4 4 4
7 3
+
=
+
=
s
B s A
s
B
s
A
s
s
s F

Ou:
( )
( )
( )
2 2
4
4
4
7 3
+ +
=
+
s
B A As
s
s

Igualando os termos de mesma potncia em s, segue que: 3 = A , 7 4 = + B A , ou seja, B = 19.
Assim, podemos utilizar o princpio da linearidade para obter a transformada inversa de Laplace
como:

( ) ( ) ( )
)
`
+
)
`
=
)
`
=
)
`
+

2
1 1
2
1
2
1
4
1
19
4
1
3
4
19
4
3
4
7 3
s s s s s
s
L L L L

Pela Tabela 7.2c, observa-se que a inversa do primeiro termo resulta em
t
e
4
3 . A inversa do segundo
termo no est tabelada. Para resolv-la, vamos precisar utilizar algumas propriedades da
transformada de Laplace, as quais sero apresentadas na prxima seo. Por este motivo, vamos
adiar a resposta do presente exemplo para a prxima seo (ver Exemplo 4.24).

com fatores quadrticos contendo razes complexas. Calcule
( )( )
)
`
+ +
9 2
1
2
1
s s
L .

Quando um dos fatores do denominador de F(s) quadrtico e possui como raiz um nmero
complexo, ento o seu numerador na decomposio em fraes parciais ser um polinmio linear
em s. No caso, o fator quadrtico ( ) 9
2
+ s possui raiz complexa igual a 3i. Assim, segue que:

( )
( )( ) 9 2 9 2
1
2 2
+
+
+
+
=
+ +
=
s
C Bs
s
A
s s
s F (a)

( )( )
( ) ( )( )
( )( )
( ) ( ) ( )
( )( ) 9 2
2 9 2
9 2
2 9
9 2
1
2
2
2
2
2
+ +
+ + + + +
=
+ +
+ + + +
=
+ + s s
C A s C B s B A
s s
s C Bs s A
s s

Temos, portanto, as seguintes equaes: ( ) ( ) ( ) 1 2 9 ; 0 2 ; 0 = + = + = + C A C B B A . A soluo dessas
equaes pode ser facilmente obtida e vale A = 1/13, B = -1/13 e C = 2/13.

Uma maneira alternativa de obter o valor das constantes trabalhar diretamente com nmeros
complexos, quando for o caso. Por exemplo, multiplicando a Equao (a) por (s + 2) e fazendo
s = -2, segue que ( ) ( ) 13 1 9 2 1
2
= + = A . Multiplicando a Equao (a) por ( ) 9
2
+ s e fazendo i s 3 =
(ou s = -3i), segue que:


( )
C Bs
s
+ =
+ 2
1
C Bi
i
C i B
i
C i B
i
+ = +
+ =
+
+
+ =
+
3
13
2
13
3
3
2 3
2 3
3
2 3
1
2 2

As constantes podem ser obtidas igualando-se as partes real e imaginria em ambos os lados da
equao. Assim, igualando a parte real, segue diretamente que C = 2/13. Igualando a parte
imaginria, segue que 3B = -3/13, ou seja, B = -1/13. Os resultados so os mesmos obtidos
previamente.

Finalmente, temos que a expanso de F(s) em fraes parciais resulta em:

( )
(
+
+
+
+
=
9
2
9 2
1
13
1
2 2
s s
s
s
s F

Assim, podemos obter a transformada inversa de Laplace aplicando o princpio da linearidade:

( ) { }
(
)
`
+
+
)
`
)
`
+
=
)
`
+
+
+
+
=

9
1
2
9 2
1
13
1
9
2
9 2
1
13
1
2
1
2
1 1
2 2
1 1
s s
s
s s s
s
s
s F L L L L L

( ) { }
(
)
`
+
+
)
`
)
`
+
=

2 2
1
2 2
1 1 1
3
3
3
2
3 2
1
13
1
s s
s
s
s F L L L L (b)

Observando a Tabela 2(d,e), segue que:

( ) { }
( )( )
( ) ( ) t sen t e
s s
s F
t
3
39
2
3 cos
13
1
13
1
9 2
1
2
2
1 1
+ =
)
`
+ +
=

L L (c)

Um ponto importante a ser observado, aqui, que denominadores de F(s) contendo razes
complexas no domnio de Laplace levam a funes oscilatrias no domnio do tempo. Alm disto,
denominadores de F(s) contendo razes reais negativas no domnio de Laplace levam a funes
limitadas no domnio do tempo, ou seja, funes que tendem a um valor limitado quando o tempo
tende a infinito (compare as Equaes (b) e (c)). Se as razes reais forem positivas, a funo no
domnio do tempo tender a infinito no limite quando o tempo tender a infinito.

Representando F(s) por uma razo de polinmios ( ) ( ) ( ) s P s Q s F = , comum denominar as razes
de ( ) s Q como sendo os zeros de F(s) (tornam nulo o valor da funo), e as razes de ( ) s P como
sendo os polos de F(s) (tornam infinito o valor da funo). Assim, polos complexos levam a solues
oscilatrias no tempo, polos reais negativos levam a solues limitadas no tempo e polos reais
positivos levam a solues no limitadas no tempo. Esses conceitos so aplicados, por exemplo, em
estudos de controladores de processos industriais na Unidade Curricular de Controle de Processos.

Transformada de Laplace de derivadas de 1 ordem, 2 ordem, 3 ordem e de ordem n.

Considere a aplicao da Equao (4.61) para o caso quando ( ) dt dy y t f = = ' , uma derivada
ordinria de 1 ordem:

( ) { } { }

= =
0
' dt
dt
dy
e y t f
st
L L (4.64)

A soluo da Equao (4.64) obtida por partes, fazendo
st
e u

= , dt se du
st
= , dy dt
dt
dy
dv = = ,
y v = . Assim, segue que:

{ }
( ) ( )

= + =
0
0
0
0
0
' ydt e s
e
y
e
y
ydt e s ye y
st
s
st st
L (4.65)

Considerando que a funo ( ) t y contnua no intervalo [0,) e de ordem exponencial, podemos
considerar que ( ) ( ) = t y y limitada. Assim, o primeiro termo em (4.65) nulo para s > 0. O
segundo termo igual a ( ) ( ) 0 0 = = t y y , ou seja, trata-se de uma condio inicial que geralmente
conhecida. O ltimo termo, por definio, igual transformada de Laplace de y, que denominamos
por ( ) s Y :

( )

0
ydt e s Y
st
(4.66)

Assim, segue que: { } ( ) ( ) 0 ' y s sY y = L (4.67)

Da mesma forma, aplicando (4.61) para o caso quando ( )
2 2
' ' dt y d y t f = = , uma derivada ordinria
de 2 ordem, temos que:

{ }
( ) ( )

= + = =
0
0
0
0
0
'
0 ' '
' ' ' ' ' ' dt y e s
e
y
e
y
dt y e s y e dt y e y
st
s
st st st
L (4.68)

Para obter a Equao (4.68), considerou-se uma integrao por partes com
st
e u

= , dt se du
st
= ,
( )
( ) dt dy d dt
dt
dt dy d
dv = = , ' y dt dy v = = .

Considerando que a funo ( ) t y' contnua no intervalo [0,) e de ordem exponencial, ento
podemos considerar que ( ) ( ) = t y y ' ' limitada. Assim, o primeiro termo em (4.68) nulo
para s > 0. O segundo termo igual a ( ) ( ) 0 ' 0 ' = = t y y , ou seja, trata-se de uma condio inicial que
geralmente conhecida. O ltimo termo, por definio, igual transformada de Laplace de ( ) t y' , a
qual j foi obtida e dada pela Equao (4.67). Assim, segue que:

{ } ( ) ( ) ( ) ( ) ( ) ( ) ( ) 0 ' 0 0 ' 0 ' '
2
y sy s Y s y y s sY s y = = L (4.69)

Assim, para uma derivada de 3 ordem, pode-se mostrar que:

{ } ( ) ( ) ( ) ( ) 0 ' ' 0 ' 0 ' ' '
2 3
y sy y s s Y s y = L (4.70)

Generalizando esses resultados para uma derivada de ordem n,
( ) n n n
dt y d y = , pode-se mostrar que:


( )
{ } ( ) ( ) ( ) ( )
( )
( )
( )
( ) 0 0 0 ' ' 0 ' 0
1 2 3 2 1
=
n n n n n n n
y sy y s y s y s s Y s y L L (4.71)

Assim, para obtermos a transformada de Laplace de uma derivada de ordem n, precisamos de n
condies iniciais, ou seja, precisamos do valor da funo y e do valor de todas as derivadas de
ordem menor do que n, avaliados em t = 0.

Resoluo de EDOs lineares - problemas de valor inicial (PVI).

A Equao (4.71) pode ser utilizada na resoluo de problemas de valor inicial envolvendo EDOs
lineares a coeficientes constantes. Genericamente, podemos escrever uma Equao Diferencial
Ordinria (EDO) linear como:

( ) ( )
( ) t g y a y a y a y a
n
n
n
n
= + + + +

0 1
1
1
' L (4.72)

sujeito a ( ) ( ) ( )
( )
( )
( ) 1
0
1 ' '
0
' ' '
0
'
0
0 ; ; 0 ; 0 ; 0

= = = =
n n
y y y y y y y y L (4.73)

Aplicando a (4.61) Equao (4.72) e considerando a condio de linearidade, temos que:

( )
{ }
( )
{ } { } { } ( ) { } t g y a y a y a y a
n
n
n
n
L L L L L = + + + +

0 1
1
1
' L (4.74)

ou:
( )
{ }
( )
{ } { } ( ) ( ) s G s Y a y a y a y a
n
n
n
n
= + + + +

0 1
1
1
' L L L L (4.75)

Quando todas as transformadas de Laplace na Equao (4.75) so substitudas pelas respectivas
relaes dadas pela Equao (4.71), fica evidente que a equao diferencial original de ordem n
transformada em uma equao algbrica polinomial em s de grau n. O objetivo, no domnio de
Laplace, isolar Y(s) na Equao (4.75), o qual ser obtido geralmente como uma razo de
polinmios em s, eventualmente multiplicada por um termo exponencial do tipo
at
e . Essa razo de
polinmios ento expandida em fraes parciais, de modo que sua inversa, ( ) { } s Y
1
L , a soluo
( ) t y desejada para a equao diferencial. Esse procedimento ser ilustrado a seguir por meio de
exemplos.

Exemplo 4.21. Resoluo de um problema de valor inicial (PVI) de primeira ordem. Use a
transformada de Laplace para resolver o problema de valor inicial ( ) ( ) 5 0 ; 3 10 2 ' = = + y t sen y y .

Aplicando a transformada de Laplace a essa equao diferencial, temos que:

{ } { } ( ) { } t sen y y 3 10 2 ' L L L = +

Da Equao (4.67) ou (4.71), temos que { } ( ) ( ) 0 ' y s sY y = L . Da Tabela 1d, temos que
( ) { } ( ) 9 3 3
2
+ = s t sen L . Substituindo esses valores na equao precedente, segue que:

( ) ( ) [ ] ( )
9
3
10 2 0
2
+
= +
s
s Y y s sY

Substituindo a condio inicial ( ) 5 0 = y e rearranjando, temos que:

( ) ( )
9
30
5 2
2
+
+ = +
s
s Y s ( )
( ) ( )( ) 9 2
30
2
5
2
+ +
+
+
=
s s s
s Y

Assim, a soluo da equao diferencial ser dada pela transformada inversa de Laplace da equao
obtida para ( ) s Y :
( ) ( ) { }
( ) ( )( )
)
`
+ +
+
)
`
+
= =

9 2
1
30
2
1
5
2
1 1 1
s s s
s Y t y L L L

A inversa do 1 termo pode ser obtida da Tabela 2c e vale
t
e
2
5

. A inversa do 2 termo j foi obtida
no Exemplo 4.20, sendo dada por:

( )( )
( ) ( ) t sen t e
s s
t
3
39
2
3 cos
13
1
13
1
9 2
1
2
2
1
+ =
)
`
+ +

L

Portanto, a soluo da equao diferencial dada por:

( ) ( ) ( ) t sen t e e t y
t t
3
39
60
3 cos
13
30
13
30
5
2 2
+ + =

ou: ( ) ( ) ( ) t sen t e t y
t
3
13
20
3 cos
13
30
13
95
2
+ =

Exemplo 4.22. Resoluo de um problema de valor inicial (PVI) de segunda ordem. Use a
transformada de Laplace para resolver o problema de valor inicial
t
e y y y
5
3 ' 2 ' '

= , sujeito s
seguintes condies iniciais: ( ) ( ) 3 0 ' ; 1 0 = = y y .

Aplicando a transformada de Laplace a essa equao diferencial, temos que:

{ } { } { } { }
t
e y y y
5
3 ' 2 ' '

= L L L L

Da Equao (4.69) ou (4.71), temos que { } ( ) ( ) ( ) 0 ' 0 ' '
2
y sy s Y s y = L . J vimos tambm que
{ } ( ) ( ) 0 ' y s sY y = L . Alm disto, da Tabela 1c, temos que { } ( ) 5 1
5
+ =
s e
t
L . Substituindo essas
expresses na transformada de Laplace da equao diferencial, segue que:

( ) ( ) ( ) [ ] ( ) ( ) [ ] ( )
5
1
3 0 2 0 ' 0
2
+
=
s
s Y y s sY y sy s Y s

Substituindo as condies iniciais, vem:

( ) ( ) [ ] ( ) [ ] ( )
5
1
3 1 2 3 1
2
+
=
s
s Y s sY s s Y s

ou: ( ) ( ) ( )
( )( ) 3 2 5
1
3 2
1
5
1
2 3 3 2
2 2
2
+
+

+
=
+
= +
s s s s s
s
s Y
s
s s Y s s

As razes do polinmio ( ) 3 2
2
= s s s P so iguais a 3 e -1. Assim, esse polinmio pode ser escrito
como ( ) ( )( ) 3 1 + = s s s P . Substituindo na equao precedente, segue que:

( )
( )( ) ( )( )( ) ( )( )( ) 5 3 1
1
3
1
5 3 1
1
3 1
1
+ +
+
=
+ +
+
+
+
=
s s s s s s s s s
s
s Y (a)

A partir deste ponto, poderamos expandir o 2 termo da Equao (a) em fraes parciais utilizando a
metodologia j descrita. No entanto, no presente caso a soluo j foi obtida no Exemplo 4.18, pois
podemos agrupar os termos da Equao (a) na forma:

( )
( )( )
( )( )( ) ( )( )( ) 5 3 1
6 6
5 3 1
1 5 1
2
+ +
+ +
=
+ +
+ + +
=
s s s
s s
s s s
s s
s Y

Assim, do Exemplo 4.18, temos que a soluo deste problema dada por:

( ) ( ) { }
( )( )( )
t t t
e e e
s s s
s s
s Y t y
5 3
2
1 1
32
1
32
33
32
2
5 3 1
6 6

+ + =
)
`
+ +
+ +
= = L L (b)

Conforme comentado, essa soluo tambm poderia ser obtida fazendo-se a expanso do 2 termo da
Equao (a) em fraes parciais:

( )( )( ) 5
32 1
3
32 1
1
16 1
5 3 1 5 3 1
1
+
+
+
+
=
+
+
+
+
=
+ + s s s s
C
s
B
s
A
s s s

Substituindo esta expresso na Equao (a) e somando os termos, tem-se que:

( )
5
32 1
3
32 33
1
32 2
+
+
+
+
=
s s s
s Y (c)

Assim, quando a transformada inversa de Laplace da Equao (c) obtida, temos a mesma soluo
obtida previamente, dada pela Equao (b).

A grande vantagem da soluo de EDOs pelo mtodo da transformada de Laplace reside em sua
simplicidade - reveja o mtodo da variao de parmetros ou o mtodo dos coeficientes a determinar.
Alm disto, a resoluo via transformada de Laplace j incorpora as condies iniciais, de modo que
no necessrio determinar o valor de constantes arbitrrias em uma soluo geral para satisfazer as
condies iniciais especficas do problema em questo.

Exerccio 4.6. Use a transformada de Laplace para resolver o problema de valor inicial
0 4 ' 5 ' ' = + + y y y , sujeito s seguintes condies iniciais: ( ) ( ) 0 0 ' ; 1 0 = = y y .

4.3.3- Propriedades da transformada de Laplace.

Nesta seo, vamos estudar algumas propriedades importantes da transformada de Laplace, as quais
sero muito teis na resoluo de problemas de uma forma geral e, em particular, de problemas
envolvendo funes descontnuas (ou contnuas por partes).

4.3.3.1- Translao sobre o eixo s.

Transladar uma funo em c unidades no eixo de uma determinada varivel independente significa
deslocar essa funo de uma distncia c nesse eixo. A Figura 3 ilustra este procedimento para o eixo
s considerado como sendo real, no domnio de Laplace (a coordenada s de Laplace tambm pode ser
complexa).

(a) Funo original, sem translao. (b) Funo transladada no eixo s.
Figura 3. Translao de uma funo no domnio de Laplace (sobre o eixo s),
com c > 0 e coordenada s real.

A seguir, vamos apresentar o embasamento matemtico das translaes no eixo s.

Primeiro teorema da translao (ou do deslocamento): se ( ) { } ( ) s F t f = L e c for um nmero real,
ento:

( ) { } ( ) c s F t f e
ct
= L (4.76)

Prova. Aplicando a definio da transformada de Laplace, segue diretamente que:

( ) { } ( )
( )
( ) ( ) c s F dt t f e dt t f e e t f e
t c s ct st ct
= = =

0 0
L

A Equao (4.76) mostra que fazer uma translao de c unidades em F(s) no eixo s equivale a
multiplicar por
ct
e a funo f(t) no domnio do tempo.

Notao. Para maior clareza na resoluo de exerccios, vamos adotar a seguinte simbologia (ZILL,
2011):

( ) { } ( ) { }
c s s
ct
t f t f e

= L L (4.77)
c
onde c s s significa que vamos substituir s por s - c na transformada ( ) s F . Ou seja, ignora-se o
termo
ct
e para obter a transformada de f(t) e, aps obter F(s) desta forma, substitui-se s por s - c.

Por exemplo, se ( )
1
2
2
+
+
=
s
s
s F , ento ( )
( ) 1
2
2
+
+
=
c s
c s
c s F .

Exemplo 4.23. Primeiro teorema da translao. Utilize o primeiro teorema da translao para
obter as transformadas de Laplace das funes dadas por:

(a) { }
2 6
t e
t
L (b) { } t e
t
5 cos
3
L

Respostas (resoluo na lousa): (a)
( )
3
6
2
s
(b)
( ) 25 3
3
2
+ +
+
s
s

Forma inversa do primeiro teorema da translao: para obter a transformada inversa de uma
funo ( ) c s F , ignora-se a constante c de modo a obter diretamente a inversa de ( ) s F . Aps obter
f(t) desta forma, a mesma deve ser multiplicada por
ct
e . Matematicamente, isto equivale a fazer:

( ) { } ( ) { } ( ) t f e s F c s F
ct
c s s
= =

1 1
L L (4.78)

Exemplo 4.24. Obtenha a transformada inversa de Laplace final para o problema do Exemplo 4.19,
ou seja, calcule
( )
)
`
2
1
4
7 3
s
s
L .

No Exemplo 4.19, aps fazer a expanso em fraes parciais, obtivemos a seguinte soluo:

( ) ( )
)
`
+
)
`
=
)
`
+

2
1 1
2
1
4
1
19
4
1
3
4
7 3
s s s
s
L L L

Pela Tabela 7.2c, conforme j comentado no exemplo citado, temos que a inversa do 1 termo dada
por
t
e
4
3 . A inversa do segundo termo pode ser obtida aplicando-se a forma inversa do primeiro
teorema da translao. Assim, temos que, pela Tabela 2b:

( )
t
s s
te
s s
4
4
2
1
2
1
1
4
1
=
)
`
=
)
`

L L

Ou seja, a inversa de
2
1 s , que igual a ( ) t t f = , foi multiplicada a posteriori por
t
e
4
. Portanto, a
soluo final para este problema dada por:

( )
( )
t t t
e t te e
s
s
4 4 4
2
1
19 3 19 3
4
7 3
+ = + =
)
`
L
Exemplo 4.25. Obtenha a transformada inversa de Laplace para a funo ( )
10 6
6 , 4 1 , 1
2
+ +
+
=
s s
s
s F .

Resposta (resoluo na lousa): sent e t e
t t 3 3
3 , 1 cos 1 , 1

+ .

Exemplo 4.26. Resoluo de equaes diferenciais ordinrias. Resolva o problema de valor inicial
dado por: ( ) ( ) 31 0 ' , 3 0 , 16 ' 8 ' '
4 2
= = = + y y e t y y y
t
.

Resposta (resoluo na lousa): ( )
t t t
e t te e t y
4 4 4 4
12
1
19 3 + + =

dado por: ( ) ( ) 0 0 ' , 0 0 , 2 1 10 ' 6 ' '
2
= = + = + +

y y e y y y
t
.

Resposta (resoluo na lousa): ( ) sent e t e e t y
t t t 3 3 2
3 , 1 cos 1 , 1 1 , 0

+ =

4.3.3.2- Translao sobre o eixo t.

Antes de apresentarmos a propriedade da transformada de Laplace correspondente translao no
eixo do tempo, vamos definir uma funo denominada funo degrau unitrio, a qual tem muitas
aplicaes em controle de processos.
Funo degrau unitrio (ou funo de Heaviside),
c
u . utilizada para desligar ou ligar
funes em certos intervalos de tempo. definida pela seguinte expresso, com t 0:

( )
<
= =
0
, 1
, 0 c
c t
c t
c t u u
c
(4.79)

O grfico da funo Heaviside (degrau unitrio) apresentado na Figura 4a.

(a) Degrau unitrio, ( )
3
u u t f
c
= = . (b) ( ) ( )
3
2 2
3 u t t u t t f = = .
Figura 4. Funes obtidas a partir da funo Heaviside.

De uma forma geral, podemos escrever qualquer funo definida por partes utilizando a funo
degrau unitrio, de uma forma mais compacta. Por exemplo, as seguintes definies para a funo
f(t) so equivalentes:

( ) ( )
<
<
=
b t
b t a t h
a t
t f
, 0
,
, 0
ou: ( ) ( )[ ] ( ) ( ) ( ) [ ] b t u a t u t h u u t h t f
b a
= = (4.80)

Como exemplo, a Figura 4b apresenta o grfico da funo t
2
definida para t 3, ou seja,
( ) ( ) 3
2
3
2
= = t u t u t t f . Para t < 3, o valor da funo igual a zero.

Se existirem vrias faixas de t em que a funo f(t) no-nula, ento cada parte deve ser multiplicada
pela respectiva diferena entre as funes Heaviside aplicadas nos limites das faixas, e, ento,
somada. Assim, a funo f(t) mostrada a seguir pode ser escrita como:

( )
<
<
=
6 , 1
6 3 , 2
3 0 , 4
t
t
t
t f ou: ( ) ( ) ( )( ) ( )( ) 0 1 2 4
6 6 3 3 0
+ + = u u u u u t f (4.81)

a qual pode ser manipulada, resultando em ( )
6 3
3 6 4 u u t f + = , com 1
0
= u para 0 t . Esta funo
definida por partes mostrada na Figura 5a.

Exemplo 4.28. Utilize funes degrau unitrio para expressar a funo: ( )
<
=
6 , 0
6 0 , 2 3
t
t t
t f .

Resposta: ( ) ( )( ) ( ) ( ) ( ) 6 2 3 2 3 2 3
6 0
= = t u t t u u t t f . O grfico desta funo pode ser visto na
Figura 5b.

(a) ( )
6 3
3 6 4 u u t f + = . (b) ( ) ( )( )
6
1 2 3 u t t f = .
Figura 5. Funes definidas por partes.

Nos prximos itens vamos utilizar um tipo especial de funo que possui como principal
caracterstica o fato de representar uma translao sobre o eixo do tempo. Esse tipo de funo
representado genericamente pela seguinte expresso:

( ) ( ) ( )
( )

<
= =
0
,
0 , 0 c
c t c t f
c t
u c t f c t u c t f
c
(4.82)

Neste caso no ocorre a desativao de parte da funo, o que ocorre um deslocamento de toda a
funo em c unidades de tempo para a direita no eixo do tempo, conforme ilustrado nas Figuras 6a
e 6b.

(a) Funo original, sem translao. (b) Funo transladada no tempo.
Figura 6. Translao de uma funo sobre o eixo t, com c > 0.

Segundo teorema da translao (ou do deslocamento): se ( ) ( ) { } t f s F L = e c > 0, ento:

( ) ( ) { } ( ) s F e c t u c t f
cs
= L (4.83)

Prova. Aplica-se a definio da transformada de Laplace e, em seguida, divide-se a integral em duas
partes:

( ) ( ) { } ( ) ( )
=
0
dt c t u c t f e c t u c t f
st
L

( ) ( ) { } ( )( ) ( )( )

+ =
c
st
c
st
dt c t f e dt c t f e c t u c t f 1 0
0
L

Fazendo c t v = , dt dv = e o limite inferior de integrao passa a ser 0 = = c c v . Assim:

( ) ( ) { }
( )
( ) ( ) ( ) s F e dv v f e e dv v f e c t u c t f
cs sv cs c v s
+
= = =

0 0
L

Interpretao. O segundo teorema do deslocamento pode ser interpretado de maneira inversa.
Assim como a multiplicao de ( ) t f por
ct
e equivale a fazer uma translao de c unidades sobre o
eixo s, resultando na funo ( ) c s F , a multiplicao de ( ) s F por
cs
e
equivale a fazer uma

translao de c unidades sobre o eixo t, resultando na funo ( ) ( ) c t u c t f .
Transformada da funo degrau unitrio. Tanto o primeiro quanto o segundo teorema da
translao podem ser utilizados para obter a transformada de Laplace da funo degrau unitrio, a
qual dada por:

( ) { }
s
e
c t u
cs
= L (4.84)

c
Exemplo 4.29. Transformada de Laplace e funo Heaviside. A transformada de Laplace da
Figura 5a pode ser calculada usando-se a transformada da funo Heaviside, recm obtida:

( ) { } { } ( ) { } ( ) { }
s
e
s
e
s
t u t u t f
s s 6 3
3 6
1
4 6 3 3 6 1 4

+ = + = L L L L
Forma inversa do segundo teorema da translao: se ( ) ( ) { } s F t f
1
= L , a forma inversa do
segundo teorema do deslocamento para c > 0 dada por:

( ) { } ( ) ( ) c t u c t f s F e
cs
=
1
L (4.85)

Exemplo 4.30. Utilize a forma inversa do segundo teorema da translao para obter
(a)
)
`
s
e
s
3 1
5
1
L e (b)
)
`
+
2
2
1
5
s
e
s
s

L .

Respostas (resoluo na lousa): (a)
( )
( ) 3
3 5
t u e
t
(b) ( )
|
\
|
=
|
\
|

|
\
|

2
5
2 2
5 cos

t u t sen t u t

Segundo teorema da translao, forma alternativa: quando o objetivo obter a transformada do
produto de funes ( ) ( ) c t u t f ao invs do produto ( ) ( ) c t u c t f , pode ser proveitoso utilizar a
seguinte definio:

( ) ( ) { } ( ) { } c t f e c t u t f
cs
+ =

L L (4.86)

Prova. Aplicando a definio da transformada de Laplace e dividindo a integral em duas partes, com
c t v = , dt dv = , segue que:

( ) ( ) { } ( ) ( ) ( )
( )
( )

+
+ = = =
0 0
dv c v f e dt t f e dt c t u t f e c t u t f
c v s
c
st st
L

( ) ( ) { } ( ) ( ) { } c t f e dv c v f e e c t u t f
cs sv cs
+ = + =

L L
0

Exemplo 4.31. Utilize a forma alternativa do segundo teorema da translao para obter
( ) ( ) { } 2 t u t sen L .

Resposta (resoluo na lousa):
( )s
e
s
s
2
2
1

+

dado por: ( ) ( ) ( )
( )

<
= = = +
2 , 2
2 0 , 0
, 6 0 , 2 '
t t sen
t
t f y t f y y .

( )
( ) ( ) ( ) 2 cos
2
1
5
4
6
2 2 2
+ + =

t u t sen t e e t y
t t

A Figura 7 apresenta o grfico desta soluo.

Figura 7. Grfico da soluo de um PVI com funo
forante descontnua. Exemplo 4.32.

Exerccio 4.7. Translao sobre o eixo s. Obtenha F(s) ou f(t), conforme solicitado (ZILL, 2011).

(a) ( ) { }
2
2t t
e e t + L (b) ( ) { } t sen e
t
3 L (c)
( )
)
`
3
1
2
1
s
L

(d)
)
`
+ +
5 4
2
1
s s
s
L (e)
( )
)
`
3 2
1
1
1 2
s s
s
L

Respostas:
(a)
( ) ( ) ( )
2 2 2
4
1
3
2
2
1
+
s s s
(b)
( ) 9 1
3
2
+ s
(c)
t
e t
2 2
2
1

(d) ( ) ( ) t sen e t e
t t 2 2
2 cos

(e)
t t t
e t te e t

2
2
3
4 5 5

Exerccio 4.8. Problema de valor inicial. Use a transformada de Laplace para resolver o problema
de valor inicial dado (ZILL, 2011).

(a) ( ) 2 0 , 4 '
4
= = +

y e y y
t
(b) ( ) ( ) 1 0 ' , 0 0 , 9 ' 6 ' ' = = = + y y t y y y

(c) ( ) ( ) 3 0 ' , 0 0 , 0 13 ' 6 ' ' = = = + y y y y y (d) ( ) ( ) ( ) 0 0 ' , 0 0 , cos ' ' ' = = = y y t e y y
t

Respostas:
(a)
t t
e te y
4 4
2

+ = (b)
t t
te e t y
3 3
9
10
27
2
27
2
9
1
+ + =

(c) ( ) t sen e y
t
2
2
3
3
= (d) ( ) ( ) t sen e t e y
t t
2
1
cos
2
1
2
1
+ =
Exerccio 4.9. Translao sobre o eixo t. Obtenha F(s) ou f(t), conforme solicitado (ZILL, 2011).

(a) ( ) ( ) { } 1 1 t u t L (b) ( ) { } 2 t u t L (c) ( ) ( ) { } t u t 2 cos L

(d)
)
`
1
2
1
s
e
s
L (e)
( )
)
`
1
1
s s
e
s
L

Respostas:
(a)
2
s
e
s
(b)
s
e
s
e
s s 2
2
2
2

+ (c)
s
e
s
s

+ 4
2

(d) ( ) ( ) t u t sen (e) ( )
( )
( ) 1 1
1

t u e t u
t

Exerccio 4.10. Transformar f(t) usando a funo degrau unitrio (ZILL, 2011). Escreva as
funes f(t) em termos de funes degrau unitrio e encontre a transformada de Laplace da funo
dada.

(a) ( )

<
=
3 , 2
3 0 , 2
t
t
t f (b) ( )
<
=
1 ,
1 0 , 0
2
t t
t
t f (c) ( )
<
=
2 , 0
2 0 ,
t
t t
t f

Respostas (apenas as transformadas de Laplace so mostradas):

(a) ( ) { }
s
e
s s
t f
3
4 2

= L (b) ( ) { }
s
e
s
e
s
e
t f
s s s
+ + =
2 3
2 2 L (c) ( ) { }
s
e
s
e
s
t f
s s 2
2
2
2
2 2
1

= L

Exerccio 4.11. Problema do valor inicial (ZILL, 2011). Use a transformada de Laplace para
resolver o problema de valor inicial dado.

(a) ( ) ( ) ( )
<
= = = +
1 , 0
1 0 ,
: onde , 0 0 , 2 '
t
t t
t f y t f y y (b)
( ) ( )
( ) ( ) 0 0 ' , 1 0
, 2 4 ' '
= =
= +
y y
t u t sen y y

(c) ( ) ( ) ( ) ( )
<
<
= = = = +
2 , 0
2 , 1
0 , 0
: onde 1 0 ' , 0 0 , ' '
t
t
t
t f y y t f y y

Respostas:

(a) ( ) ( ) ( )
( )
( ) 1
4
1
1 1
2
1
1
4
1
4
1
2
1
4
1
1 2 2
+ + + =

t u e t u t t u e t y
t t

(b) ( ) ( ) ( ) ( ) ( ) ( ) 2 2
3
1
2 2 2
6
1
2 cos + = t u t sen t u t sen t y

c) ( ) ( ) [ ] ( ) ( ) [ ] ( ) 2 2 cos 1 cos 1 + = t u t t u t t sen y

4.3.3.3- Derivadas de transformadas de Laplace.

Se ( ) ( ) { } t f s F L = e n = 1,2,3,..., ento: ( ) { } ( ) ( ) s F
ds
d
t f t
n
n
n n
1 = L (4.87)

Exemplo 4.33. Calcule ( ) { } kt t cos L . Como ( ) ( ) kt t f cos = , ( ) ( )
2 2
k s s s F + = e n = 1. Assim, segue
que:
( ) { } ( )
( ) ( )
2
2 2
2 2
2
2 2
2
2 2 2 2
2 1
1 cos
k s
k s
k s
s
k s k s
s
ds
d
kt t
+
=
|
|
\
|
+
+
=
|
\
|
+
= L

Para obter ( ) { } kt t cos
2
L , basta trocar o sinal e derivar novamente a funo que acabamos de calcular.
Este procedimento pode ser repetido para qualquer potncia n de t
n
.

4.3.3.4- Teorema da convoluo.

Se f(t) e g(t) forem contnuas por partes em [0,) e de ordem exponencial, ento:

{ } ( ) { } ( ) { } ( ) ( ) s G s F t g t f g f = = L L L * (4.88)

Observao: o produto g f * chamado de convoluo de f e g, e definido pela seguinte
expresso:

( ) ( )
=
t
d t g f g f
0
* (4.89)

possvel mostrar que f g g f * * = , ou seja, que ( ) ( ) ( ) ( )

= =
t t
d g t f d t g f g f
0 0
* .

Exemplo de convoluo de duas funes:

( ) ( ) ( ) ( ) ( )
t
t
t
e t t sen d t sen e t sen e + = =
cos
2
1
*
0

A vantagem do teorema da convoluo que podemos obter a transformada de Laplace da
convoluo de duas funes sem a necessidade de se fazer sua convoluo antes. A convoluo
bastante utilizada nos estudos de controle de processos.

Outras propriedades da convoluo: ( )
2 1 2 1
* * * g f g f g g f + = + , ( ) ( ) h g f h g f * * * * = ,
0 * 0 0 * = = f f . Cuidado: ( ) f f 1 * .

O teorema da convoluo pode ser utilizado para obter a transformada inversa do produto de duas
transformadas ( ) ( ) s G s F e quando se conhece as transformadas inversas individuais ( ) ( ) t g t f e , ou
seja:

( ) ( ) { } ( ) ( )
= =
t
d t g f g f s G s F
0
1
* L (4.90)
Exemplo 4.34. Transformada inversa do produto de duas transformadas de Laplace. Use o
teorema da convoluo para obter ( ) t h em ( ) ( ) { }
2
2 2 2 1
k s s t h + =

L .

( ) ( )
k
kt kt kt sen
t h
2
cos +
=

4.3.3.5- Transformada de uma integral.

Se substituirmos g(t) = 1 (cuja transformada ( ) s s G 1 = ) na definio do teorema de convoluo,
Equao (4.88), ento a transformada de Laplace da integral de f dada por:

( ) { }
( )
s
s F
d f
t
=
0
L (4.91)

A forma inversa desta transformada tambm utilizada com frequncia, e pode ser utilizada de
forma sequencial de modo a obter a transformada inversa de ( )
n
s s F :

( )
( )
=
)
`
t
d f
s
s F
0
1
L (4.92)

Por exemplo, para obter ( ) [ ] { } 1 1
2 2 1
+
s s L , podemos aplicar a definio duas vezes seguidas,

sabendo inicialmente que ( ) { } ( ) t sen s = +
1 1
2 1
L :

( )
( ) ( ) t d sen
s s
t
cos 1
1
1
0
2
1
= =
)
`
L

( )
( ) ( ) ( ) t sen t d
s s
t
= =
)
`
0
2 2
1
cos 1
1
1
L

Este resultado tambm poderia ser obtido de uma forma direta utilizando o teorema da convoluo,
com ( )
2
= s s F e ( ) ( )
1
2
1

+ = s s G , pois a transformada inversa de ( )
2
= s s F ( ) t t f = :

( )
( ) ( ) ( ) t sen t d sen t
s s
t
= =
)
`
0
2 2
1
1
1
L

Exemplo 4.35. Resoluo de equaes ntegro-diferenciais. A transformada de Laplace muito
til para a resoluo de equaes ntegro-diferenciais. Por exemplo, a equao que descreve a
corrente eltrica em um circuito simples em srie constitudo por um indutor, um resistor e um
capacitor dada por:

( ) ( ) ( ) t E d i
C
t Ri
dt
di
L
t
= + +
0
1

onde E(t) a voltagem aplicada, que costuma ser uma funo conhecida. Esta equao ntegro-
diferencial, e pode ser facilmente resolvida aplicando-se a transformada de Laplace em ambos os
lados da igualdade, considerando que ( ) 0 0 = i :

( ) { } ( ) { } ( ) { } t E d i
C
t i R
dt
di
L
t
L L L L = + +
)
`
0
1

( ) ( ) ( ) ( )
( )
( ) s E
s
s I
C
s RI i s sI L = + +
1
0

( )
( )
( ) Cs R Ls
s E
s I
1 + +
= ( )
( )
( )
)
`
+ +
=

Cs R Ls
s E
t i
1
1
L

Assim, a soluo do problema pode ser obtida facilmente a partir da transformada conhecida E(s) da
voltagem aplicada ao circuito.

Exerccio 4.12. Resoluo de equaes ntegro-diferenciais. Equaes ntegro-diferenciais
tambm ocorrem em processos qumicos. Um exemplo disto a utilizao de um controlador
proporcional-integral para o controle do nvel de lquido h em um tanque ou em um reator agitado,
com uma corrente de entrada e uma corrente de sada. O controlador atua sobre a abertura da vlvula
de controle da corrente de sada do tanque e, com isto, modifica o valor da vazo de sada em funo
das alteraes de nvel. O modelo para este tipo de processo dado por:

|
|
\
|
+ =
t
I
c
d h h K Q
dt
h d
A
0
1
1

A barra sobre a varivel indica que a mesma uma varivel desvio em relao condio de regime
permanente. Por exemplo,
s
h h h = , onde =
s
h 2 m o nvel do tanque em regime permanente. A
rea do tanque A = 4 m
2
.

Obtenha uma soluo analtica para este sistema, considerando os seguintes valores para as
constantes do controlador: (a) 05 , 0 =
c
K e 10 , 0 =
I
; (b) 0 , 1 =
c
K e 0 , 2 =
I
. Considere que,
inicialmente, no tempo 0, as condies no tanque so 0 = h e a perturbao na carga de 4 , 0
1
= Q
(m
3
/h), ou seja, a perturbao um degrau de 0,4 m
3
/h na vazo da carga no tempo t = 0. Faa o
grfico de h versus t para as solues de (a) e (b) e verifique qual controlador o mais adequado.

4.3.3.6- Transformada de uma funo peridica.

Uma funo ( ) t f dita peridica de perodo T, com T > 0, quando satisfaz a relao ( ) ( ) t f T t f = + .
A transformada de Laplace deste tipo de funo dada por:

( ) { } ( )
=
T
st
sT
dt t f e
e
t f
0
1
1
L (4.93)

Prova (ZILL, 2011). A transformada de Laplace da funo peridica pode ser escrita como a soma
de duas integrais:

( ) { } ( ) ( )

+ =
T
st
T
st
dt t f e dt t f e t f
0
L

Fazendo T v t + = na ltima integral, segue que:

( ) { } ( )
( )
( )

+
+ + =
0 0
dv T v f e dt t f e t f
T v s
T
st
L

( ) { } ( ) ( ) ( ) ( ) { } t f e dt t f e dv v f e e dt t f e t f
sT
T
st sv sT
T
st
L L

+ = + =

0 0 0

onde usou-se a igualdade ( ) ( ) v f T v f = + , vlida para uma funo peridica. A transformada
procurada, ( ) { } t f L , aparece em ambos os lados da igualdade na ltima equao apresentada. Assim,
resolvendo a equao para ( ) { } t f L , chega-se no mesmo resultado que se deseja provar.

Exemplo 4.36. Transformada de uma funo peridica. Obtenha a transformada de Laplace da
funo peridica mostrada na Figura 8.

Figura 8. Grfico de uma funo peridica:
funo onda quadrada.

Soluo. O perodo desta onda peridica T = 2. Podemos definir f(t) no intervalo 0 t < 2 como
( )
<
<
=
2 1 , 0
1 0 , 1
t
t
t f .

Para t > 2, podemos definir a funo como ( ) ( ) t f T t f = + . Aplicando a definio da transformada
de Laplace para funes peridicas, segue que:

( ) { } ( ) ( ) ( )
(
2
1
1
0
2
2
0
2
0 1
1
1
1
1
dt e dt e
e
dt t f e
e
t f
st st
s
st
s
L

( ) { }
( )
s
s
s
st
s
e s s
e
e s
e
e
t f
+
=
=
1
1 1
1
1
1
1
2 2
1
0
L

A forma final desta equao foi obtida considerando a igualdade: ( )( )
s s s
e e e

+ = 1 1 1
2
.
Exerccio 4.13. Resolva a seguinte equao ntegro-diferencial (ZILL, 2011):

( ) ( ) ( ) ( ) 0 0 , 1 '
0
= =
y d y t sen t y
t

Resposta: ( ) ( ) ( ) ( ) t tsen t sen t y 2 1 =

Exerccio 4.14. Obtenha a transformada de Laplace da funo peridica mostrada na Figura 9.

Figura 9. Grfico de uma funo peridica:
funo dente de serra.

Resposta: ( )
|
\
|
=
1
1 1
bs
e bs s
a
s F

4.3.4- Funo delta de Dirac.

Definio de impulso unitrio: uma fora de grande magnitude que age somente por um curto
perodo de tempo. Exemplo: uma bola atingida subitamente por um taco de beisebol. Como primeira
aproximao, um modelo para este tipo de fora poderia ser descrito como:

( )
+
+ <
<
=
a t t
a t t a t
a t t
t t
a
0
0 0
0
0
, 0
, 1
0 , 0
(4.94)

onde a > 0, t
0
> 0. A aproximao dada por este modelo ser tanto melhor quanto menor for o valor
de a. A funo ( )
0
t t
a
conhecida como impulso unitrio, pois tem a seguinte propriedade:
( ) 1
0
0
=
dt t t
a

Definio da funo delta de Dirac, ( )
0
t t : trata-se de uma definio mais comumente usada
para o impulso unitrio, dada pela seguinte expresso:

( ) ( )
0
0
0
lim t t t t
a
a
=
(4.95)

A funo delta de Dirac caracterizada pelas seguintes propriedades:

(a) ( )
=
=
0
0
0
, 0
,
t t
t t
t t (b) ( ) 1
0
0
=
dt t t (4.96)

Transformada de Laplace da funo delta de Dirac. Pode ser obtida a partir da aproximao da
funo impulso fazendo ( ) { } ( ) { }
0
0
0
lim t t t t
a
a
=
L L . Pode-se mostrar que a transformada dada

pela seguinte expresso:

( ) { }
0
0
st
e t t

= L (4.97)

Quando t
0
= 0, segue que: ( ) { } 1 = t L (4.98)

A funo delta de Dirac tem uma propriedade muito utilizada em controle de processos, conhecida
como propriedade da escolha, dada por:

( ) ( ) ( )
0
0
0
t f dt t t t f =
(4.99)

Ou seja, a funo ( )
0
t t tem o efeito de escolher o valor ( )
0
t f no conjunto de valores de f em
[0,).

Resposta de sistemas lineares ao impulso unitrio. A aplicao da funo delta de Dirac como
funo forante em sistemas lineares permite obter concluses interessantes sobre as
caractersticas desse sistema. Isto ser exemplificado aqui para um sistema de segunda ordem, mas a
validade geral. Considere, ento, o seguinte sistema linear de segunda ordem (BOYCE; DiPRIMA,
2006):

( ) ( ) ( )
0 0 0 1 2
' 0 ' , 0 , ' ' ' y y y y t g y a y a y a = = = + + (4.100)

Aplicando a transformada de Laplace, segue que:

( ) [ ] ( ) [ ] ( ) ( ) s G s Y a y s sY a y sy s Y s a = + +
0 0 1 0 0
2
2
'

( ) ( ) ( ) ( ) s G y a y a s a s Y a s a s a = + + + +
0 2 0 1 2 0 1
2
2
' (4.101)

Podemos definir: ( )
( )
( )
( )
0 1
2
2 0 1
2
2
0 2 0 1 2
,
'
a s a s a
s G
s
a s a s a
y a y a s a
s
+ + +
=
+ + +
+ +
= (4.102)

De modo que a transformada de Laplace Y(s) pode ser escrita como:

( ) ( ) ( ) s s s Y + = (4.103)

A resposta do sistema, ento, pode ser escrita como segue:
( ) ( ) ( ) t t t y + = (4.104)

onde ( ) ( ) { } s t =
1
L e ( ) ( ) { } s t =
1
L .

Podemos observar que ( ) t y = uma soluo do problema de valor inicial:

( ) ( )
0 0 0 1 2
' 0 ' , 0 , 0 ' ' ' y y y y y a y a y a = = = + + (4.105)

ou seja, a soluo que seria obtida a partir do sistema original porm com o termo forante igual
a zero ( ( ) 0 = t g ).

Alm disto, tambm podemos observar que ( ) t y = a soluo do problema no homogneo com
condies iniciais nulas, ou seja, a soluo de:

( ) ( ) ( ) 0 0 ' , 0 0 , ' ' '
0 1 2
= = = + + y y t g y a y a y a (4.106)

cujos valores iniciais
0 0
' e y y so nulos. A funo ( ) t pode ser obtida usando-se as tabelas de
transformadas de Laplace, em conjunto com as tcnicas j comentadas, baseadas nas propriedades
desta transformada (translao, expanso em fraes parciais etc.).

Para encontrar ( ) t , conveniente escrever ( ) s como:

( ) ( ) ( ) s G s H s = (4.107)

onde: ( )
0 1
2
2
1
a s a s a
s H
+ + +
= (4.108)

A funo ( ) s H conhecida como funo de transferncia e depende apenas das propriedades do
sistema ( inteiramente determinada pelos coeficientes
0 1 2
, , a a a ).

Esta denominao vem do fato que H(s) a razo entre as transformadas da resposta y (sada do
modelo) e da funo forante g(t) (entrada do modelo) para o sistema no homogneo com
condies iniciais nulas, ou seja, ( ) ( ) ( ) s G s Y s H = . Assim, a sada do sistema obtida
multiplicando-se a transformada de Laplace da funo de entrada, ( ) s G , pela funo de transferncia
do sistema. A funo H(s) converte (transfere) a entrada em uma sada correspondente do sistema.

Podemos, agora, aplicar o teorema da convoluo para obter a funo ( ) t :

( ) ( ) ( ) { } ( ) ( )
= =

t
d g t h s G s H t
0
1
L (4.109)

onde ( ) ( ) { } s H t h
1
= L e ( ) t g o termo no homogneo dado. Por exemplo, quando o termo no
homogneo a funo delta de Dirac (impulso unitrio), ento temos que ( ) ( ) t t g = , ( ) 1 = s G e,
portanto, ( ) ( ) s H s = . Isto significa que ( ) ( ) t h t y = = a soluo do problema de valor inicial:

( ) ( ) ( ) 0 0 ' , 0 0 , ' ' '
0 1 2
= = = + + y y t y a y a y a (4.110)

Assim, podemos concluir que ( ) t h a resposta do sistema a um impulso unitrio aplicado em t = 0.
Por este motivo, ( ) t h conhecida como resposta ao impulso. A equao para ( ) t apresentada
acima mostra que ( ) t a convoluo da resposta ao impulso com a fora externa (funo
forante).

Exemplo 4.37. Resposta ao impulso. Encontre a soluo y(t) do problema de valor inicial:

( ) ( ) ( ) 1 0 ' , 3 0 , 4 ' ' = = = + y y t g y y

(a) considerando que g(t) uma funo forante qualquer. Apresente tambm as expresses para
( ) ( ) ( ) s H s s , , e para as inversas ( ) ( ) t t , ;

(b) considerando que ( ) ( ) t t g = (impulso unitrio);

(c) considerando que ( )
0
u t g = (degrau unitrio em t = 0).

Respostas parciais (resoluo na lousa):

(a) ( ) ( ) ( ) ( ) ( )
+ =
t
d g t sen t sen t t y
0
2
2
1
2
2
1
2 cos 3 ; (b) ( ) ( ) t t y 2 cos 3 =

(c) ( ) ( ) ( ) ( ) [ ] t sen t t y 2 2 2 cos 11 1 4 1 + =

Resoluo de sistemas de equaes diferenciais ordinrias por transformadas de Laplace. A
metodologia de resoluo de sistemas de equaes diferenciais ordinrias por transformadas de
Laplace similar empregada para a resoluo de uma nica equao diferencial ordinria. Estamos
interessados em resolver sistemas do tipo mostrado na Equao (4.1):

( ) t
dt
d
f Ax
x
+ = ou: ( ) t f Ax x + = ' (4.1)

Uma das grandes vantagens de se utilizar transformadas de Laplace para resolver sistemas deste tipo
reside na facilidade de se lidar com funes forantes ( ) t f descontnuas ou contnuas por partes.

O primeiro passo consiste em aplicar a transformada de Laplace a cada equao individual para obter
um sistema de equaes algbricas no domnio de Laplace. Assim, se as variveis no domnio do
tempo forem dadas pelo vetor ( ) t x , ento as equaes algbricas vo resultar em variveis dadas
pelo vetor ( ) s X no domnio de Laplace.

O segundo passo consiste na resoluo do sistema de equaes algbricas de modo a obter uma
equao em s para cada varivel ( ) s X
j
. Este passo pode envolver a inverso simblica de uma
matriz cujos elementos so funes em s.

O ltimo passo consiste em expandir as expresses obtidas em fraes parciais e, ento, aplicar a
transformada inversa de Laplace a cada equao individual em s, de modo a obter o vetor soluo
( ) t x no domnio do tempo.

Esta metodologia ser melhor entendida por meio do exemplo apresentado a seguir.

Exemplo 4.38. Resoluo de sistemas de equaes diferenciais ordinrias por transformada de
Laplace com auxlio do Scilab. Encontre a soluo ( ) t x do problema de valor inicial dado no
Exemplo 4.6, com ( ) [ ]
T
t 0 25 0
0
= = = x x :

(
+
(
=
0
24 , 0
25 2 25 2
50 1 25 2
x x&

Soluo: o primeiro passo aplicar a transformada de Laplace para o sistema de equaes dado:

)
`
+
)
`
=
)
`
0
24 , 0
25 2 25 2
50 1 25 2
2
1
2
1
L L L
x
x
x
x
&
&

( )
( )
( )
( )
( )
( )
(
+
(
=
(
=
=
0
24 , 0
1
25 2 25 2
50 1 25 2
0
0
2
1
2
1
2
1
s s X
s X
t x
t x
s X
s X
s

Rearranjando:
( )
( )
(
+
(
=
(
|
|
\
|
(
0
24 , 0
1
0
25
08 , 0 08 , 0
02 , 0 08 , 0
1 0
0 1
2
1
s s X
s X
s (a)

( )
( )
(
+
=
(
+
+
0
24 , 0 25
08 , 0 08 , 0
02 , 0 08 , 0
2
1
s
s X
s X
s
s

Usando a matriz inversa:
( )
( )
(
+
(
+
+
=
(

0
24 , 0 25
08 , 0 08 , 0
02 , 0 08 , 0
1
2
1
s
s
s
s X
s X
(b)

Scilab. A soluo deste sistema pode ser obtida facilmente no Scilab em forma simblica definindo-
se, em primeiro lugar, s como varivel simblica: s = poly(0, s). Tambm possvel utilizar %s
no lugar de s, sem necessidade de definio prvia. Aps definir a matriz A no Scilab, a soluo da
Equao (a) acima pode ser escrita como: Xs=inv(eye(2,2)*s - A)*([25;0]+[0.24/s;0]). Esse comando
resulta em um vetor 2 x 1 de funes, com elementos [Xs(1,1), Xs(2,1)]
T
(foi utilizada no Scilab uma
simbologia diferente da simbologia utilizada neste exemplo). A resposta dada na Equao (d).

Com a ajuda do Scilab, a inversa requerida foi obtida e a Equao (b) passa a ser dada por:

( )
( )
(
+
(
+
+
|
\
|
+ +
=
(
0
24 , 0 25
08 , 0 08 , 0
02 , 0 08 , 0
16 , 0 0048 , 0
1
2
2
1
s
s
s
s s s X
s X

Nesta ltima equao, a funo mostrada entre parntesis o determinante da matriz cuja inversa
requerida na Equao (b). Fazendo as multiplicaes nesta ltima equao, segue que:

( )
( )
(
(
(
(
+ +
+ +
+
+
(
(
(
(
+ +
+ +
+
=
(
s s s
s s s
s
s s
s s
s
s X
s X
1
16 , 0 0048 , 0
0192 , 0
1
16 , 0 0048 , 0
24 , 0 0192 , 0
16 , 0 0048 , 0
2
16 , 0 0048 , 0
25 2
2
2
2
2
2
1
(c)

ou:
( )
( )
(
(
(
(
+ +
+
+ +
+ +
=
(
3 2
3 2
2
2
1
16 , 0 0048 , 0
2 0192 , 0
16 , 0 0048 , 0
25 24 , 2 0192 , 0
s s s
s
s s s
s s
s X
s X
(d)

Na Equao (c) as respostas foram propositalmente separadas em duas, para evidenciar a influncia
das condies iniciais da soluo homognea (1 termo entre colchetes) e a influncia da funo
forante da soluo no homognea (2 termo entre colchetes). A funo forante, neste caso,
equivale a uma perturbao na vazo de entrada (degrau unitrio em t = 0 multiplicado por 0,24, ou
seja: 0,24u
0
).

Se voc tiver dvidas com relao aos polinmios mostrados no Scilab, voc pode utilizar os
comandos numer(Xs) e denom(Xs) em conjunto com o comando coeff(). Por exemplo,
coeff(numer(Xs)) mostra todos os coeficientes dos numeradores da matriz (no caso, do vetor) de
polinmios, e coeff(denom(Xs)) mostra todos os coeficientes dos denominadores da matriz de
polinmios. Como exemplo, o comando coeff(numer(Xs)) resulta em uma matriz com duas linhas e
trs colunas, a primeira linha dada por [0,0192 2,24 25] a qual corresponde aos coeficientes do
numerador de ( ) s X
1
na Equao (d), ordenados em ordem crescente de potncias em s.

Da Equao (d) temos, ento, duas expresses em s, uma para cada varivel, ( ) s X
1
e ( ) s X
2
. O
prximo passo fazer a expanso dessas expresses em fraes parciais. Para isto, podemos
utilizar os seguintes comandos do Scilab: pfss(Xs(1,1)) e pfss(Xs(2,1)). Cada um destes comandos
resulta em uma lista com trs elementos neste caso, cada elemento correspondendo a uma das fraes
parciais cuja soma equivale ao polinmio original. Assim, o seguinte resultado obtido, com as
fraes parciais j ordenadas de uma forma adequada:

( )
s s s
s X
4
12 , 0
5 , 11
04 , 0
5 , 9
1
+
+
+
+
= (e)

( )
s s s
s X
4
12 , 0
23
04 , 0
19
2
+
+
+
= (f)

Observe que as razes do polinmio no denominador da Equao (d) so iguais a zero (originrio da
transformada da funo forante - um degrau unitrio, 0,24/s), em conjunto com os autovalores da
matriz de coeficientes A (-0,04 e -0,12). Assim, a expanso em fraes parciais trivial neste caso.

A partir das Equaes (e) e (f), basta utilizar a transformada inversa de Laplace em cada frao
parcial para obter a soluo desejada do sistema de equaes lineares no homogneas, a qual dada
por:

( ) 4 5 , 11 5 , 9
12 , 0 04 , 0
1
+ + =
t t
e e t x (g)

( ) 4 23 19
12 , 0 04 , 0
2
+ =
t t
e e t x (h)

Verifique que as condies iniciais (t = 0) so satisfeitas. Quais so os valores de
2 1
e x x no regime
permanente ( t )?

Consideraes finais: Tabelas 3 e 4 com resumos sobre transformadas de Laplace e Tabela 5
com resumo de identidades trigonomtricas. Para facilitar a resoluo de exerccios, as
propriedades da transformada de Laplace vistas nesta seo esto resumidas na Tabela 3. A Tabela 4
apresenta um resumo de algumas funes teis e, finalmente, a Tabela 5 apresenta um resumo de
identidades trigonomtricas, teis na resoluo de problemas por meio de transformada de Laplace.

Tabela 3. Resumo das propriedades da transformada de Laplace.
(1) Primeiro teorema da translao.

Forma inversa:
( ) { } ( ) a s F t f e
at
= L ; ( ) { } ( ) { }
a s s
at
t f t f e

= L L

( ) { } ( ) { } ( ) t f e s F a s F
at
a s s
= =

1 1
L L
(2) Segundo teorema da translao.

Forma inversa:
( ) ( ) { } ( ) s F e c t u c t f
cs
= L

( ) { } ( ) ( ) c t u c t f s F e
cs
=
1
L
(3) Transformada da funo degrau unitrio.
( ) { } s e c t u
cs
= L
(4) Derivadas de transformadas de Laplace
( ) { } ( ) ( ) s F
ds
d
t f t
n
n
n n
1 = L
(5) Transformada da convoluo.

Forma inversa:
{ } ( ) { } ( ) { } ( ) ( ) s G s F t g t f g f = = L L L *

( ) ( ) { } ( ) ( )
= =
t
d t g f g f s G s F
0
1
* L
(6) Transformada de uma integral.

Forma inversa:
( ) { } ( ) s s F d f
t
=
0
L

( )
( )
=
)
`
t
d f
s
s F
0
1
L
(7) Transformada de uma funo peridica.
( ) { } ( )
=
T
st
sT
dt t f e
e
t f
0
1
1
L
(8) Transformada da funo impulso unitrio.
( ) { }
0
0
st
e t t

= L

Tabela 4. Resumo de algumas funes teis.
(1) Convoluo entre duas funes f e g.
( ) ( ) ( ) ( )

= =
t t
d g t f d t g f g f
0 0
*
(2) Funo degrau unitrio.
( )
<
= =
0
, 1
, 0 c
c t
c t
c t u u
c

(3) Funo delta de Dirac (impulso unitrio).

Propriedades da funo impulso unitrio:
( ) ( )
0
0
0
lim t t t t
a
a
=

onde: ( )
+
+ <
<
=
a t t
a t t a t
a t t
t t
a
0
0 0
0
0
, 0
, 1
0 , 0

(a) ( )
=
=
0
0
0
, 0
,
t t
t t
t t (b) ( ) 1
0
0
=
dt t t

Tabela 5. Identidades trigonomtricas.
(1) ( ) ( ) ( ) ( ) ( ) B sen A B A sen B A sen cos cos + = + (4) ( ) ( ) ( ) ( ) ( ) B sen A sen B A B A + = cos cos cos
(2) ( ) ( ) ( ) ( ) ( ) B sen A B A sen B A sen cos cos = (5) ( ) ( ) ( ) ( ) B A B A B A + + = cos cos cos cos 2
(3) ( ) ( ) ( ) ( ) ( ) B sen A sen B A B A = + cos cos cos (6) ( ) ( ) ( ) ( ) B A B A B sen A sen + = cos cos 2


1. Zill, D.G. Equaes Diferenciais com Aplicaes em Modelagem. 9 ed. So Paulo: Cengage
Learning, 2011. 410p.

contorno, 8 ed. Rio de Janeiro: LTC - Livros Tcnicos e Cientficos Editora S.A., 2006.
434p.

Captulo 5

Mtodos numricos para a resoluo de
sistemas de equaes diferenciais
ordinrias.

5.1- Introduo.

O foco deste captulo a apresentao de mtodos numricos para a resoluo de sistemas de
equaes diferenciais ordinrias, lineares ou no lineares. Com este objetivo, problemas de valor
inicial e de valor de contorno sero abordados pelo mtodo das diferenas finitas.

Em problemas de valor inicial, a situao mais comum que o problema seja uma simulao em
regime transiente a parmetros concentrados, de modo que a varivel independente, nestes caso, o
tempo t de simulao. No entanto, tambm existem problemas de valor inicial cujo objetivo obter o
perfil de variao das variveis dependentes em relao a uma coordenada espacial, x, em simulaes
em regime estacionrio a parmetros distribudos.

No entanto, no caso de modelos a parmetros distribudos, o mais comum que sejam problemas de
valores de contorno em regime estacionrio, em uma ou mais coordenadas espaciais. Quando mais
de uma varivel independente estiver envolvida (tempo e espao; duas ou mais coordenadas
espaciais), as equaes resultantes envolvem derivadas parciais e no sero vistas neste captulo,
embora o mtodo das diferenas finitas possa ser estendido facilmente para esses sistemas.

Os problemas de valor inicial tratados neste captulo podem ser representados genericamente pela
seguinte equao vetorial:

( ) ( ) 0 , , > = = t t t
dt
d
y f
y
y& (5.1a)
Condies iniciais:
0 0
, , y y y y & & = = =
o
t t (5.1b)

Os problemas de valor de contorno tratados neste captulo podem ser representados genericamente
pela seguinte equao vetorial:

( ) ( ) ( ) ( )
f
x x x x x x x < < =
0
, , , , 0 y y y f & & & (5.2a)
Condies de contorno:
( )
( ) 0 y y g
0 y y g
= =
= =
&
&
, , ,
, , ,
0 0
x x x
x x x
f f
(5.2b)

Em ambos os casos, as condies iniciais ou de contorno podem envolver tanto o vetor de variveis
dependentes y quanto o vetor de suas derivadas de primeira ordem, y& . Estas particularidades sero
apresentadas por meio de exemplos, aps o desenvolvimento das relaes bsicas que iro dar
origem aos esquemas iterativos dos diferentes mtodos numricos a serem vistos neste captulo.

O objetivo dos mtodos numricos fornecer um conjunto de vetores soluo ( ) [ ]
j j
t t y , ou ( ) [ ]
j j
x x y , ,
que so uma espcie de tabela onde a primeira coluna contm diferentes posies j no domnio da
varivel independente t ou x, e as demais colunas contm os valores correspondentes da soluo para
cada varivel dependente y.

Deste modo, diferentemente do que ocorre quando temos uma soluo analtica do problema, as
solues numricas s so conhecidas em intervalos discretos da varivel independente t ou x. Mas
devemos distinguir os intervalos discretos externos correspondentes soluo apresentada ao
usurio, cujos valores so previamente selecionados pelo mesmo, dos intervalos discretos internos
utilizados pelos mtodos numricos para a resoluo do problema. Estes ltimos, em alguns casos,
so inacessveis ao usurio e constituem parte essencial do mtodo, sendo manipulados internamente
de modo a garantir a preciso da soluo.

O primeiro passo para a derivao dos mtodos de resoluo deste tipo de problema, portanto,
consiste em efetuar uma discretizao do domnio da varivel independente. A soluo para as
variveis dependentes ser obtida, portanto, apenas para os pontos (ns) desse domnio
discretizado. A Figura 1 apresenta a discretizao no domnio (semi-infinito) do tempo t e no
domnio (finito) de uma coordenada espacial x (PINTO; LAGE, 2001).

Figura 1. Discretizaes no domnio semi-infinito do tempo t e no domnio espacial x.

No domnio do tempo a simulao comea em um tempo inicial t
0
(normalmente igual a zero) e se
estende indefinidamente, at um ponto considerado conveniente pelo usurio, em um esquema
sequencial conhecido como marcha no tempo. Por exemplo, at o ponto aproximado em que o
sistema se encontra em regime estacionrio. A caracterstica de um processo de marcha que a
soluo numrica pode ser obtida conhecendo-se apenas os valores das variveis dependentes
calculados nas iteraes precedentes, ou seja, conhecendo-se apenas o passado. Situao similar de
marcha tambm pode ocorrer em sistemas distribudos de valor inicial, quando, neste caso, a
simulao comea em uma extremidade da fronteira e termina na outra extremidade (comea na
coordenada espacial x
0
e termina em x
f
).
t
0
t
j-1
t
j
t
j+1

0 1 2 j-1 j j+1 ...
t
x
0
x
j-1
x
j
x
j+1
x
f

0 1 2 j-1 j j+1 J-1 J
x

Em problemas de valores de contorno envolvendo apenas as coordenadas espaciais, no entanto, a
soluo numrica deixa de ser sequencial e passa a ser simultnea: todos os valores das variveis
dependentes so obtidos em conjunto para todo o domnio espacial, seja em esquemas numricos
iterativos at satisfazer um critrio de convergncia, seja em esquemas numricos diretos envolvendo
a resoluo simultnea de sistemas lineares por mtodos diretos.

No prximo item vamos apresentar o mtodo das diferenas finitas, o qual permite converter um
sistema de equaes diferenciais em um sistema de equaes algbricas. O objetivo obter
aproximaes para as derivadas y y & & & e nos pontos discretos x
j
ou t
j
, ou seja,
j j
y y & & & e , em funo dos
valores
j
y que s so conhecidos nos pontos discretos.

5.2- Discretizao da soluo: o mtodo das diferenas finitas.

Vamos obter uma aproximao para as derivadas ordinrias de primeira e de segunda ordens, y y & & & e ,
que so as mais comuns em problemas da Engenharia Qumica. Essa aproximao deve ser aplicada
a cada ponto de discretizao no domnio computacional, conforme ilustrado na Figura 1.

Para obter essa aproximao, utilizamos uma expanso do vetor de variveis dependentes em sries
de Taylor em torno de um ponto base como, por exemplo, o ponto x
j
. Usamos a seguinte notao:
( )
j j
x y y = , ( )
1 1 + +
=
j j
x y y e assim por diante. Essas aproximaes so sempre vlidas, no
importando se o ponto base representa uma coordenada no tempo ou no espao.

Quando desejamos obter
1 + j
y a partir de ( )
j j
x y y = , a srie de Taylor dada por (PINTO; LAGE,
2001):
( )
( ) ( )
( )
( )
L & & & & & & +
+ + =
+ + +
+ +
! 4 ! 3 2
4
1 4
3
1
2
1
1 1
j j
j
j j
j
j j
j j j j j j
x x x x x x
x x y y y y y y (5.3)

Quando desejamos obter
1 j
y a partir de ( )
j j
x y y = , considerando que a distncia ( )
j j
x x
1

negativa neste caso, a srie de Taylor dada por:

( )
( ) ( )
( )
( )
L & & & & & &
+ =

! 4 ! 3 2
4
1 4
3
1
2
1
1 1
j j
j
j j
j
j j
j j j j j j
x x x x x x
x x y y y y y y (5.4)

Observe que todas as derivadas so avaliadas no ponto base j em ambas as expanses (5.3) e (5.4).
Para simplificar o equacionamento, conveniente redefinir as distncias entre os ns da malha de
discretizao como
1
=
j j j
x x h e
j j j
x x h =
+ + 1 1
. Observao: no domnio do tempo, estas
distncias so definidas como
1
=
j j j
t t h e
j j j
t t h =
+ + 1 1
.

As Equaes (5.3) e (5.4) so vlidas tanto para malhas de discretizao uniformes ( h h h
j j
= =
+1
)
quanto para malhas no uniformes (
1 +
j j
h h ). Desta forma, podemos obter aproximaes para as
derivadas que so vlidas tanto para malhas uniformes quanto para malhas no uniformes. No
entanto, como boa parte dos mtodos numricos a serem vistos neste captulo usam malhas
uniformes, vamos simplificar o equacionamento considerando apenas este ltimo caso.

Simplificando as Equaes (5.3) e (5.4) para malhas uniformes, segue que:

( )
L & & & & & & + + + + + =
+
! 4 ! 3 2
4
4
3 2
1
h h h
h
j j j j j j
y y y y y y (5.5)

( )
L & & & & & & + + =
! 4 ! 3 2
4
4
3 2
1
h h h
h
j j j j j j
y y y y y y (5.6)

A partir destas equaes, podemos obter vrias aproximaes para o vetor de derivadas y& . Por
exemplo, truncando as Equaes (5.5) e (5.6) aps o segundo termo, segue que, da Equao (5.5):

( ) ( ) h O
h
h O h
j j
j j j j
+
= + + =
+
+
y y
y y y y
1 2
1
; & & (5.7)

e da Equao (5.6): ( ) ( ) h O
h
h O h
j j
j j j j
+
= + =

1 2
1
;
y y
y y y y & & (5.8)

Nestas expresses, a notao ( ) h O indica que a aproximao tem ordem de grandeza igual a h, ou
seja, o erro de truncamento da aproximao, neste caso, proporcional a h.

A aproximao dada pela Equao (5.7) conhecida como aproximao por diferena para frente
(forward differentiation). A aproximao dada pela Equao (5.8) conhecida como aproximao
por diferena para trs (backward differentiation).

Podemos obter aproximaes mais precisas manipulando simultaneamente as Equaes (5.5) e (5.6)
de forma apropriada. Por exemplo, subtraindo as Equaes (5.5) e (5.6), podemos obter a seguinte
aproximao de segunda ordem para y& :

( ) ( )
2 1 1 3
1 1
2
; 2 h O
h
h O h
j j
j j j j
+
= + =
+
+
y y
y y y y & & (5.9)

A aproximao dada pela Equao (5.9) conhecida como aproximao por diferena central para
a derivada primeira. Esta ltima aproximao mais precisa pois, para sua obteno, foram
utilizadas duas expanses em sries de Taylor, ao invs de apenas uma expanso como nas outras
aproximaes apresentadas.

Assim, possvel obter aproximaes ainda mais precisas utilizando-se expanses adicionais em
sries de Taylor para obter, por exemplo, ( )
2 2
=
j j
x y y em funo de ( )
j j
x y y = . No entanto, em
muitos casos, a utilizao de aproximaes de maior ordem de grandeza (mais precisas) resulta em
sistemas de equaes algbricas mais difceis de se resolver e, por este motivo, no so utilizadas.

De modo a obter uma aproximao para y& & , podemos somar as Equaes (5.5) e (5.6), o que resulta
em:

( ) ( )
2
2
1 1 4 2
1 1
2
; 2 h O
h
h O h
j j j
j j j j j
+
+
= + + = +
+
+
y y y
y y y y y & & & & (5.10)

A aproximao dada pela Equao (5.10) conhecida como aproximao por diferena central
para a derivada segunda.

No prximo item, as aproximaes obtidas sero utilizadas para obter os mtodos numricos
clssicos de resoluo de equaes diferenciais ordinrias.

5.3- Problemas de valor inicial: obteno dos esquemas iterativos de
mtodos clssicos.

Vamos inicialmente simplificar a Equao (5.1), mantendo apenas o vetor
0
y ( 1 N ) como condio
inicial. O problema de interesse ento descrito por N equaes diferenciais:

( ) y f
y
y , t
dt
d
= = & (5.11a)
Condies iniciais:
0
, 0 y y = = t (5.11b)

importante observar, ainda, que a Equao (5.11a) sempre poder ser escrita na forma ( ) y f y = & ,
pois a varivel independente t pode ser facilmente convertida em uma nova varivel t y
N
=
+1

acrescentando uma equao diferencial extra, dada por 1
1
=
+ N
y& . Sistemas neste ltimo formato so
conhecidos como autnomos, ao passo que sistemas representados pela Equao (5.11a) so
conhecidos como no autnomos.

A ideia bsica para a obteno dos diferentes mtodos numricos aplicar a Equao (5.11a) em um
ponto especfico da malha como, por exemplo, ( )
j j
t y y = ou ( )
1 1 + +
=
j j
t y y , e substituir no lado
esquerdo da equao resultante uma das aproximaes apresentadas na seo (5.2) prvia.

Assim, a partir das diferentes formulaes existentes para aproximar as derivadas nos pontos de
discretizao no domnio da varivel independente, possvel obter diferentes mtodos de resoluo
de equaes diferenciais ordinrias.

Como exemplo, a aplicao da Equao (5.11a) ao ponto ( ) [ ] [ ]
j j j j
t t t y y , , = resulta na seguinte
equao:

( )
j j j
t y f y , = & (5.12)

Por outro lado, a aplicao da Equao (5.11a) ao ponto ( ) [ ] [ ]
1 1 1 1
, ,
+ + + +
=
j j j j
t t t y y resulta na seguinte
equao:
( )
1 1 1
,
+ + +
=
j j j
t y f y& (5.13)

Nos prximos itens, esses mtodos numricos clssicos sero apresentados e discutidos.

5.3.1- Os mtodos de Euler, de Crank-Nicholson e preditor-corretor de Heun.

A combinao das Equaes (5.7) e (5.12) resulta no seguinte esquema iterativo:

( ) ( )
j j j j j j
t t h h O t h = + + =
+ + 1
2
1
; , y f y y (5.14)

Este esquema permite calcular
1 + j
y a partir de
j
y , de forma sequencial, consistindo em um processo
de marcha no tempo que pode ser resolvido a partir da condio inicial
0
y fornecida em t = t
0
.

A Equao (5.14) descreve o mtodo conhecido como mtodo explcito de Euler. O esquema dito
explcito porque a Equao (5.14) explcita nos valores desconhecidos
1 + j
y .

Observe que o erro local deste mtodo da ordem de h
2
. No entanto, pode-se mostrar que o erro
global do mtodo apenas da ordem de h. O erro local est associado preciso obtida em cada
iterao. J o erro global est associado preciso final obtida para as variveis dependentes no final
da simulao, ou seja, para o tempo final de simulao.

O erro global equivale soma de todos os N erros locais de ordem h
2
, mas o nmero de intervalos
de simulao ( ) h t t N
final 0
= . Portanto, a soma dos erros equivale reduo de uma ordem de
grandeza. De um modo geral, quando utilizamos aproximaes por diferenas finitas, a ordem do
erro global ser sempre uma ordem de grandeza inferior ordem do erro local.

Um segundo mtodo pode ser obtido utilizando-se a Equao (5.13) em combinao com a Equao
(5.8), que representa uma aproximao por diferena para trs. Neste caso necessrio alterar o
ponto utilizado como base na Equao (5.8), mudando-o de
j
t para
1 + j
t , de forma a obter as
derivadas
1 + j
y& avaliadas neste novo ponto. A combinao dessas equaes resulta no seguinte
esquema iterativo:

( ) ( )
j j j j j j
t t h h O y t h = + + =
+ + + + 1
2
1 1 1
; , f y y (5.15)

Este esquema permite calcular
1 + j
y a partir de
j
y , de forma sequencial, consistindo em um processo
de marcha no tempo que pode ser resolvido a partir da condio inicial
0
y fornecida em t = t
0
. No
entanto, diferentemente do que ocorre com o mtodo de Euler explcito, a Equao (5.15) em geral
representa um sistema de equaes algbricas no lineares nos valores desconhecidos
1 + j
y . Sendo
assim, para cada novo avano incremental h no tempo de simulao, ser necessrio utilizar um
mtodo apropriado de resoluo de sistemas de equaes algbricas no lineares de modo a obter a
soluo
1 + j
y desejada. Um mtodo bastante utilizado nestes casos o mtodo de Newton-Raphson,
j visto em captulos anteriores.

A Equao (5.15) descreve o mtodo conhecido como mtodo implcito de Euler. O esquema dito
implcito porque na Equao (5.15) no possvel explicitar os valores desconhecidos
1 + j
y (exceto
em sistemas lineares em y, os quais normalmente tm soluo analtica e, por este motivo, no
necessitam de soluo numrica).

possvel obter um mtodo mais preciso utilizando uma aproximao de maior ordem para y& . Por
exemplo, podemos utilizar diferenas centrais em torno do ponto
2 1 + j
t . A partir da Equao (5.9),
essa aproximao pode ser escrita como:

( )
2 1
2 1
h O
h
j j
j
+
=
+
+
y y
y& (5.16)

Aplicando a Equao (5.11a) ao ponto
2 1 + j
t , obtemos:

( )
2 1 2 1 2 1
,
+ + +
=
j j j
t y f y& (5.17)

Multiplicando ambas as expresses por h e igualando, chega-se :

( ) ( )
3
2 1 2 1 1
, h O t h y y
j j j j
+ + =
+ + +
y f (5.18)

Como o valor de ( )
2 1 2 1
,
+ + j j
t y f desconhecido, podemos fazer uma aproximao desta funo por
sries de Taylor considerando como base o ponto
2 1 + j
t e as distncias ( )
2 1 1 + +

j j
t t e ( )
j j
t t
+ 2 1
:

L
& & & & &
&
+
|
\
|
+
|
\
|
\
|
+
|
\
|
=
+ + +
+ +
4
2 1
3
2 1
2
2 1
2 1 2 1
2 ! 4 2 ! 3 2 2 2
h h h h
IV
j j j
j j j
f f f
f f f

L
& & & & &
&
+
|
\
|
+
|
\
|
+
|
\
|
+
|
\
|
+ =
+ + +
+ + +
4
2 1
3
2 1
2
2 1
2 1 2 1 1
2 ! 4 2 ! 3 2 2 2
h h h h
IV
j j j
j j j
f f f
f f f

A soma destas expresses resulta na seguinte aproximao para a funo ( )
2 1 2 1
,
+ + j j
t y f :

( )
2 1
2 1
2
h O
j j
j
+
+
=
+
+
f f
f

Substituindo esta expresso na Equao (5.18), o seguinte mtodo gerado:

( ) ( ) ( ) ( )
3
1 1 1
, ,
2
h O y t y t
h
j j j j j j
+ + + =
+ + +
f f y y (5.19)

A formulao da Equao (5.19) permite obter o valor de
1 + j
y , ainda que de uma forma implcita, e
conhecida como mtodo de Crank-Nicholson ou mtodo trapezoidal.

Uma abordagem alternativa para evitar o carter implcito deste mtodo envolve o conceito
preditor-corretor, e consiste em utilizar uma estimativa de ( )
1 1 1
,
+ + +
=
j j j
y t f f na Equao (5.19).
Assim, usa-se o valor de
1 + j
y predito pelo mtodo de Euler explcito:

( )
j j j
P
j
y t h ,
1
f y y + =
+
(5.20)

( ) ( ) ( )
P
j j j j j j
t t
h
1 1 1
, ,
2
+ + +
+ + = y f y f y y (5.21)

Este mtodo preditor-corretor utiliza dois estgios e conhecido como mtodo preditor-corretor
modificado de Euler, ou, ainda, como mtodo de Heun. A preciso deste mtodo superior a do
mtodo de Euler, com a vantagem de ser um mtodo explcito.

A Equao (5.20) a equao preditora, e a Equao (5.21) a equao corretora. Se desejado, a
equao corretora tambm pode ser aplicada mais de uma vez, de forma iterativa, para aprimorar a
soluo.

Exemplo 5.1. Resolva o problema de valor inicial apresentado a seguir, utilizando os mtodos de
Euler (explcito e implcito), de Crank-Nicholson e de Heun. Utilize um passo uniforme de
integrao de h = 0.1 e construa uma tabela de resultados para um intervalo de tempo entre 0 e 1
(unidades de tempo). Apresente os resultados em um grfico. Resolva este problema tambm no
Scilab utilizando o pacote de integrao ODE e verifique os erros relativos dos mtodos em
relao a este ltimo resultado.

( ) ( ) 4 0 0 ; 01 . 0 2
0
2 2
= = = = + = y y t y t y y&
Soluo.

(1) Mtodo de Euler explcito.

As iteraes deste mtodo so dadas por ( )
j j j j
y t hf y y ,
1
+ =
+
. Aplicando-a para o presente
problema, segue que: [ ]
2 2
1
01 . 0 2
j j j j
t y h y y + + =
+
. As trs primeiras iteraes so apresentadas a
seguir, considerando que os valores do tempo para cada ponto j so dados por jh t
j
= . Os resultados
deste mtodo so mostrados na coluna y,EE da Tabela 1.

j = 0: [ ]
2
0
2
0 0 1
01 . 0 2 t y h y y + + = , ( ) ( ) [ ]
2 2
1
0 01 . 0 4 2 1 . 0 4 + + = y , 8 . 0 2 . 3 4
1
= = y

j = 1: [ ]
2
1
2
1 1 2
01 . 0 2 t y h y y + + = , ( ) ( ) [ ]
2 2
2
1 . 0 01 . 0 8 . 0 2 1 . 0 8 . 0 + + = y , 67201 . 0 12799 . 0 8 . 0
2
= = y

j = 2: [ ]
2
2
2
2 2 3
01 . 0 2 t y h y y + + = , ( ) ( ) [ ] 58173 . 0 2 . 0 01 . 0 67201 . 0 2 1 . 0 67201 . 0
2 2
3
= + + = y

(2) Mtodo de Euler implcito.

As iteraes deste mtodo so dadas por ( )
1 1 1
,
+ + +
+ =
j j j j
y t hf y y . Aplicando-a para o presente
problema, segue que: [ ]
2
1
2
1 1
01 . 0 2
+ + +
+ + =
j j j j
t y h y y . As trs primeiras iteraes so apresentadas a
seguir. Os resultados deste mtodo so mostrados na coluna y,EI da Tabela 1.

j = 0:
[ ]
2
1
2
1 0 1
01 . 0 2 t y h y y + + = , ( ) [ ]
2 2
1 1
1 . 0 01 . 0 2 1 . 0 4 + + = y y , 00001 . 0 2 . 0 4
2
1 1
+ = y y

2
1 1
2 . 0 00001 . 4 y y = , 0 00005 . 20 5
1
2
1
= + y y , 62348 . 2 0002 . 80 25 5 . 0 5 . 2
1
= + + = y

Observa-se que o mtodo implcito de Euler resulta em uma equao do segundo grau em
1 1
y y
j
=
+
.
Neste caso pode-se obter uma soluo analtica, mas na maioria dos casos isto no possvel e um
mtodo numrico apropriado deve ser utilizado para a obteno da soluo, como, por exemplo, o
mtodo de Newton-Raphson.

Para o presente caso, a raiz da equao do segundo grau dada pela seguinte expresso genrica:
c b b y
j
4 5 . 0 5 . 0
2
1
+ =
+
, onde ( ) 5 2 1 = = h b e ( )
2
1
01 . 0
+
+ =
j j
ht y b c . Essa equao ser utilizada
nas prximas iteraes. No entanto, vamos desenvolver as equaes a partir do incio, para maior
clareza da aplicao do mtodo.

j = 1:
[ ]
2
2
2
2 1 2
01 . 0 2 t y h y y + + = , ( ) [ ]
2 2
2 2
2 . 0 01 . 0 2 1 . 0 62348 . 2 + + = y y

( ) ( ) 1176 . 13 2 . 0 001 . 0 62348 . 2 5
2
= + = c , ( ) ( ) 90086 . 1 1176 . 13 4 25 5 . 0 5 5 . 0
2
= + = y

j = 2:
[ ]
2
3
2
3 2 3
01 . 0 2 t y h y y + + = , ( ) [ ]
2 2
3 3
3 . 0 01 . 0 2 1 . 0 90086 . 1 + + = y y

( ) ( ) 50475 . 9 3 . 0 001 . 0 90086 . 1 5
2
= + = c , ( ) ( ) 46923 . 1 50475 . 9 4 25 5 . 0 5 5 . 0
3
= + = y

(3) Mtodo de Crank-Nicholson (ou trapezoidal).

As iteraes deste mtodo so dadas por ( ) ( ) ( ) [ ]
1 1 1
, , 2
+ + +
+ + =
j j j j j j
y t f y t f h y y . Aplicando-a para o
presente problema, segue que: ( ) ( ) ( ) [ ]
2
1
2
1
2 2
1
01 . 0 2 01 . 0 2 2
+ + +
+ + + + =
j j j j j j
t y t y h y y . As trs
primeiras iteraes so apresentadas a seguir. Os resultados deste mtodo so mostrados na coluna
y,C-N da Tabela 1.

j = 0:
( ) ( ) ( ) [ ]
2
1
2
1
2
0
2
0 0 1
01 . 0 2 01 . 0 2 2 t y t y h y y + + + + =

( ) ( ) ( ) ( ) ( ) [ ]
2 2
1
2 2
1
1 . 0 01 . 0 2 0 01 . 0 4 2 05 . 0 4 + + + + = y y , [ ] 000005 . 0 1 . 0 6 . 1 4
2
1 1
+ + = y y

2
1 1
1 . 0 400005 . 2 y y = , 0 00005 . 24 10
1
2
1
= + y y , ( ) ( ) 00000 . 2 00005 . 24 4 100 5 . 0 10 5 . 0
1
= + + = y

Novamente temos uma equao do segundo grau cuja soluo ser dada por
c b b y
j
4 5 . 0 5 . 0
2
1
+ =
+
, onde 10 1 = = h b e ( )( ) [ ]
2
1
2 2
01 . 0 01 . 0 2 2
+
+ + + =
j j j j
t t y h y b c .
Aplicando essa equao para as prximas iteraes, obtemos os resultados apresentados a seguir.
Novamente, vamos desenvolver as equaes a partir do incio.

j = 1:
( ) ( ) ( ) [ ]
2
2
2
2
2
1
2
1 1 2
01 . 0 2 01 . 0 2 2 t y t y h y y + + + + =

( ) ( ) ( ) ( ) ( ) [ ]
2 2
2
2 2
2
2 . 0 01 . 0 2 1 . 0 01 . 0 2 2 05 . 0 2 + + + + = y y

( ) ( ) ( ) ( ) [ ] 00025 . 16 2 . 0 01 . 0 1 . 0 01 . 0 2 2 05 . 0 2 10
2 2 2
= + + + = c

( ) ( ) 40315 . 1 00025 . 16 4 100 5 . 0 10 5 . 0
2
= + + = y

j = 2:
( ) ( ) ( ) [ ]
2
3
2
3
2
2
2
2 2 3
01 . 0 2 01 . 0 2 2 t y t y h y y + + + + =

( ) ( ) ( ) ( ) ( ) [ ]
2 2
3
2 2
3
3 . 0 01 . 0 2 2 . 0 01 . 0 40315 . 1 2 05 . 0 40315 . 1 + + + + = y y

( ) ( ) ( ) ( ) [ ] 06332 . 12 3 . 0 01 . 0 2 . 0 01 . 0 40315 . 1 2 05 . 0 40315 . 1 10
2 2 2
= + + + = c

( ) ( ) 08796 . 1 06332 . 12 4 100 5 . 0 10 5 . 0
3
= + + = y

(4) Mtodo de Heun (ou mtodo preditor-corretor modificado de Euler).

As iteraes deste mtodo so dadas por ( ) ( ) ( ) [ ]
P
j j j j j j
y t f y t f h y y
1 1 1
, , 2
+ + +
+ + = , onde
( )
j j j
P
j
y t hf y y ,
1
+ =
+
. Aplicando-a para o presente problema, segue que:
( ) ( ) ( ) ( ) [ ]
2
1
2
1
2 2
1
01 . 0 2 01 . 0 2 2
+ + +
+ + + + =
j
P
j j j j j
t y t y h y y , onde ( )
2 2
1
01 . 0 2
j j j
P
j
t y h y y + + =
+
. As trs
primeiras iteraes so apresentadas a seguir. Os resultados deste mtodo so mostrados na coluna
y,Heun da Tabela 1.

j = 0:
( )
2
0
2
0 0 1
01 . 0 2 t y h y y
P
+ + = , ( ) ( ) ( ) 8 . 0 0 01 . 0 4 2 1 . 0 4
2 2
1
= + + =
P
y

( ) ( ) ( ) ( ) [ ]
2
1
2
1
2
0
2
0 0 1
01 . 0 2 01 . 0 2 2 t y t y h y y
P
+ + + + =

( ) ( ) ( ) ( ) ( ) ( ) [ ]
2 2 2 2
1
1 . 0 01 . 0 8 . 0 2 0 01 . 0 4 2 05 . 0 4 + + + + = y

( ) [ ] 33601 . 2 0001 . 0 28 . 1 32 05 . 0 4
1
= + + + = y

j = 1:
( )
2
1
2
1 1 2
01 . 0 2 t y h y y
P
+ + = , ( ) ( ) ( ) 24463 . 1 1 . 0 01 . 0 33601 . 2 2 1 . 0 33601 . 2
2 2
2
= + + =
P
y

( ) ( ) ( ) ( ) [ ]
2
2
2
2
2
1
2
1 1 2
01 . 0 2 01 . 0 2 2 t y t y h y y
P
+ + + + =

( ) ( ) ( ) ( ) ( ) ( ) [ ]
2 2 2 2
2
2 . 0 01 . 0 24463 . 1 2 1 . 0 01 . 0 33601 . 2 2 05 . 0 33601 . 2 + + + + = y

[ ] 63543 . 1 0978077 . 3 913785 . 10 05 . 0 33601 . 2
2
= + = y

j = 2:
( )
2
2
2
2 2 3
01 . 0 2 t y h y y
P
+ + = , ( ) ( ) ( ) 100544 . 1 2 . 0 01 . 0 63543 . 1 2 1 . 0 63543 . 1
2 2
3
= + + =
P
y

( ) ( ) ( ) ( ) [ ]
2
3
2
3
2
2
2
2 2 3
01 . 0 2 01 . 0 2 2 t y t y h y y
P
+ + + + =

( ) ( ) ( ) ( ) ( ) ( ) [ ]
2 2 2 2
3
3 . 0 01 . 0 100544 . 1 2 2 . 0 01 . 0 63543 . 1 2 05 . 0 63543 . 1 + + + + = y

[ ] 24691 . 1 421494 . 2 348863 . 5 05 . 0 63543 . 1
3
= + = y

Os quatro mtodos foram executados em planilha eletrnica (MS Excel) e os resultados so
apresentados na Tabela 1. Verifique nessa tabela que os mtodos de Crank-Nicholson e de Heun tm
preciso maior quando comparados com os mtodos explcito e implcito de Euler. Isto pode ser
comprovado comparando-se com os dados da ltima coluna da tabela, y-ODE, que foram obtidos
no Scilab. Os erros percentuais relativos dos mtodos em relao ao y,ODE so mostrados na
Tabela 2.

Tabela 1. Comparao entre mtodos numricos: Euler explcito
(EE), Euler implcito (EI), Crank-Nicholson (C-N), Heun e
resultado do pacote ODE do Scilab.

Tabela 2. Erros percentuais relativos dos mtodos citados na
Tabela 1 quando comparados com o resultado do pacote ODE do
Scilab.

j t y, EE y, EI y, C-N y, Heun y, ODE
0 0.0000 4.00000 4.00000 4.00000 4.00000 4.00000
1 0.1000 0.80000 2.62348 2.00000 2.33601 2.22223
2 0.2000 0.67201 1.90086 1.40315 1.63543 1.53848
3 0.3000 0.58173 1.46923 1.08796 1.24691 1.17653
4 0.4000 0.51414 1.18740 0.89043 1.00394 0.95253
5 0.5000 0.46143 0.99117 0.75443 0.83895 0.80028
6 0.6000 0.41910 0.84778 0.65493 0.72009 0.69013
7 0.7000 0.38433 0.73904 0.57894 0.63063 0.60680
8 0.8000 0.35528 0.65411 0.51905 0.56100 0.54164
9 0.9000 0.33067 0.58619 0.47068 0.50538 0.48935
10 1.0000 0.30961 0.53083 0.43087 0.46003 0.44656
j t y, EE y, EI y, C-N y, Heun
0 0.0000 0.0 0.0 0.0 0.0
1 0.1000 -64.0 18.1 -10.0 5.1
2 0.2000 -56.3 23.6 -8.8 6.3
3 0.3000 -50.6 24.9 -7.5 6.0
4 0.4000 -46.0 24.7 -6.5 5.4
5 0.5000 -42.3 23.9 -5.7 4.8
6 0.6000 -39.3 22.8 -5.1 4.3
7 0.7000 -36.7 21.8 -4.6 3.9
8 0.8000 -34.4 20.8 -4.2 3.6
9 0.9000 -32.4 19.8 -3.8 3.3
10 1.0000 -30.7 18.9 -3.5 3.0
Os resultados podem ser melhor apreciados observando-se o grfico apresentado na Figura 2,
construdo via MS-Excel (as curvas esto suavizadas - apenas as marcaes so pontos vlidos).
Salienta-se que os erros relativos diminuem para todos os mtodos medida que o passo de
integrao reduzido.

Como ltimo comentrio importante lembrar que os mtodos explcitos, de uma forma geral, no
so estveis. Isto significa que, se o passo de integrao h no for suficientemente pequeno, o
mtodo ir divergir. A Figura 3 ilustra este problema, e foi gerada no Excel utilizando-se um passo
de integrao levemente superior ao utilizado para gerar as Tabelas 1 e 2: no presente caso, o passo
foi aumentado de 0.1 para h = 0.133. Observe como a curva gerada pelo mtodo explcito de Euler
destoa das demais curvas!

Figura 2. Comparao entre mtodos numricos: Euler explcito (EE),
Euler implcito (EI), Crank-Nicholson (C-N), Heun e resultado do
pacote ODE do Scilab. Equao:
2 2
01 . 0 2 t y y + = & , passo h = 0,1.

Figura 3. Problema de estabilidade do mtodo explcito de Euler, h = 0,133.
0.0
0.5
1.0
1.5
2.0
2.5
3.0
3.5
4.0
4.5
0.0 0.2 0.4 0.6 0.8 1.0
y
(
t
)
t
y, EE y, EI y, C-N y, Heun y, ODE
-5.0
-4.0
-3.0
-2.0
-1.0
0.0
1.0
2.0
3.0
4.0
5.0
0.0 0.5 1.0 1.5 2.0 2.5 3.0
y
(
t
)
t
y, EE y, EI y, C-N y, Heun
Exerccio 5.1. Resolva o Exerccio 3.2 (seo 3.3) no Scilab em regime transiente, considerando as
seguintes condies iniciais (para t = 0): C
A
= C
A1
, C
B
= C
B1
e T = 20C. Utilize o mtodo explcito
de Euler e o mtodo de Heun para os seguintes passos de integrao h: 1s; 10s; 20s. Apresente os
esquemas iterativos de cada mtodo, aplicados ao presente problema. Execute esses esquemas no
Scilab (ou no Excel), e comente os resultados. Utilize tambm o pacote ode do Scilab e compare os
resultados com os dos mtodos de Euler e de Heun (apenas para h = 1s).

As equaes para o regime transiente foram apresentadas em sala de aula e so dadas por:

V C k V C k F C F C
dt
dC
V
B A A A
A
2 1 2 1 1 ,
+ =

V C k V C k F C F C
dt
dC
V
B A B B
B
2 1 2 1 1 ,
+ =

( ) ( ) ( )
B A r v p p
C k C k H V T T UA T T F c
dt
dT
Vc
2 1 1 1
+ =

Observao: o presente problema multivarivel, mas o procedimento de resoluo o mesmo
descrito no exemplo 5.1. O esquema iterativo de cada mtodo deve ser aplicado em separado para
cada uma das trs variveis dependentes. No presente exerccio, vamos ter uma equao para
1 , 1 , 1 + +
=
j A j
C y , uma equao para
1 , 1 , 2 + +
=
j B j
C y e uma equao para
1 1 , 3 + +
=
j j
T y .

5.3.2- Os mtodos de Runge-Kutta.

Os mtodos descritos na seo (5.3.1) podem ser equacionados genericamente pela seguinte
expresso:

y y h
j j
+ =
+1
(5.22)

onde um vetor apropriado de inclinaes das funes ( ) ( ) t t f y y , = & . Assim, se a inclinao for
calculada no ponto j (ou seja, em t = t
j
) teremos o mtodo explcito de Euler; se for calculada no
ponto j+1 (ou seja, em t = t
j+1
), teremos o mtodo implcito de Euler; se for obtida como a mdia
aritmtica das inclinaes calculadas nos pontos j e j+1, teremos o mtodo de Crank-Nicholson e
assim por diante.

Todos esses mtodos tm a caracterstica de usar apenas as informaes de um nico ponto (o ponto
j), para obter uma estimativa das inclinaes a serem utilizadas na Equao (5.22). Por este motivo,
so conhecidos como mtodos de ponto simples, ou de um nico ponto, ou, ainda, de passo nico.

Os mtodos de Runge-Kutta so tambm de ponto simples, mas so constitudos de vrios estgios.
Ou seja, as inclinaes so obtidas em vrios pontos situados ao longo do intervalo [t
j
, t
j+1
], e uma
mdia apropriada dessas inclinaes ento obtida para utilizao na Equao (5.22).

A expresso geral dos mtodos de Runge-Kutta dada pela Equao (5.23):

( )
n n j j j
a a a h h k k k y y y + + + + = + =
+
L
2 2 1 1 1
(5.23)

onde n a ordem de aproximao das derivadas, s a
i
' so coeficientes a serem determinados e
s
m
' k so os vetores de inclinaes das funes avaliadas em pontos especficos no intervalo [t
j
, t
j+1
].
Por exemplo, para um mtodo de segunda ordem aplicado a um problema com uma nica varivel
dependente, teramos ( )
2 2 1 1 1
k a k a h y y
j j
+ + =
+
; este mesmo mtodo aplicado a um problema com
mais de uma varivel dependente seria dado por ( )
i i i j i j
k a k a h y y
, 2 2 , 1 1 , , 1
+ + =
+
, onde i representa a i-
sima varivel dependente.

As inclinaes
m
k so definidas pelas seguintes relaes:

( )
j j
t y f k ,
1
= (5.24a)

( ) h q h p t
j j 1 11 1 2
, k y f k + + = (5.24b)

( ) h q h q h p t
j j 2 22 1 21 2 3
, k k y f k + + + = (5.24c)

L

( ) h q h q h q h p t
n n n n n j n j n 1 1 , 1 2 2 , 1 1 1 , 1 1
,

+ + + + + = k k k y f k L (5.24d)

onde
1 2 1
, , ,
n
p p p L e
1 , 1 22 21 11
, , , ,
n n
q q q q L so constantes a serem determinadas. Observe que o
mtodo de Runge Kutta de primeira ordem (n =1), na verdade, o mtodo explcito de Euler (com a
1

= 1). Alm disto, observe a utilizao correta das inclinaes no caso de sistemas de equaes: por
exemplo, para as inclinaes
1
k e
2
k tem-se que ( )
j j i i
t f k y ,
, 1
= e ( ) ( ) h t q h p t f k
j j j j i i
y f y , ,
11 1 , 2
+ + =
. Ou seja, cada varivel dependente
i
y , cuja derivada ( )
j j i
t f y , , ter suas inclinaes
i m
k
,
, com m
variando de 1 ordem n do mtodo. Isto ficar mais claro quando apresentarmos um exemplo de
aplicao.

A deduo das equaes dos mtodos de Runge-Kutta feita por meio de expanses em srie de
Taylor das inclinaes (5.24), as quais so comparadas com expanses em srie de Taylor das
variveis dependentes
1 + j
y para a determinao das constantes desconhecidas.

Como exemplo, vamos apresentar a obteno do mtodo de Runge-Kutta de segunda ordem. A
deduo mais simples quando utilizamos uma funo de uma nica varivel dependente,
( ) y t f y , = & , mas os resultados so vlidos para funes de mais de uma varivel dependente. Neste
caso, o mtodo dado pelas equaes (5.23) e (5.24) simplificadas como segue:

( )
2 2 1 1 1
k a k a h y h y y
j j j
+ + = + =
+
(5.25a)

( )
j j
y t f k ,
1
= (5.25b)

( ) ( ) ( ) h y t f q y h p t f h k q y h p t f k
j j j j j j
, , ,
11 1 1 11 1 2
+ + = + + = (5.25c)

A funo ( ) ( ) h y t f q y h p t f
j j j j
, ,
11 1
+ + pode ser expandida em srie de Taylor entre os pontos [ ]
j j
y t ,
e ( ) [ ] h y t f q y h p t
j j j j
, ,
11 1
+ + , notando que os incrementos em t e em y so dados por h p t
1
= e
( )h y t f q y
j j
,
11
= , respectivamente. A expanso desta funo de duas variveis (t e y) dada por:

( ) ( ) ( )
2
1 11 1
, , h O y
y
f
t
t
f
y t f h k q y h p t f
j j
j j j j
+
+ = + + (5.25d)

ou: ( ) ( ) ( ) ( ) ( )
2
11 1 11 1
, , , , h O h y t f q
y
f
h p
t
f
y t f h y t f q y h p t f
j j
j j
j j j j j j
+
+ = + + (5.25e)

Substituindo as equaes (5.25b), (5.25c) e (5.25e) na Equao (5.25a) e rearranjando, segue que:

( )
(
+ + + =
+
3 2
11
2
1 2 1 1
h O h f q
y
f
h p
t
f
h f a h f a y y
j
j j
j j j j

ou: ( ) ( )
3 2
11 2 1 2 2 1 1
h O h
y
f
f q a
t
f
p a h f a a y y
j
j
j
j j j
+
(
+ + + =
+
(5.25f)

onde ( )
j j j
y t f f , = . Para completar a deduo, precisamos comparar a expresso (5.25f) com a
expanso de
1 + j
y em srie de Taylor, dada por:

( ) ( ) ( )
3
2
3
2
1
2
,
2
h O
dt
df
h
y t hf y h O y
h
y h y y
j
j j j j j j j
+ + + = + + + =
+
& & &

ou: ( )
3 2
1
2
1
h O h
y
f
f
t
f
h f y y
j
j
j
j j j
+
|
|
\
|
+ + =
+
(5.25g)

Comparando as equaes (5.25f) e (5.25g) de modo a igualar os coeficientes dos termos
correspondentes, segue que:

2 1 , 2 1 , 1
11 2 1 2 2 1
= = = + q a p a a a (5.25h)

Temos ento trs equaes e quatro incgnitas e, por este motivo, no existe uma soluo nica -
existe uma famlia de mtodos de segunda ordem. Algumas selees mais usadas so apresentadas a
seguir.

Mtodo de Heun. Fazendo 2 1
2
= a , segue que 1 , 1 , 2 1
11 1 1
= = = q p a . Neste caso a Equao
(5.25a) resulta no mtodo de Heun, ou mtodo de Euler melhorado, e pode ser escrita como:

( )h k k y y
j j 2 1 1
2
1
+ + =
+
(5.26a)

( )
j j
y t f k ,
1
= (5.26b)
( ) h k y h t f k
j j 1 2
, + + = (5.26c)

Mtodo do ponto mdio. Fazendo 1
2
= a , segue que 2 1 , 2 1 , 0
11 1 1
= = = q p a . Neste caso a
Equao (5.25a) resulta no denominado mtodo do ponto mdio, ou mtodo de Euler modificado, e
pode ser escrita como:

h k y y
j j 2 1
+ =
+
(5.27a)

( )
j j
y t f k ,
1
= (5.27b)

|
\
|
+ + = h k y h t f k
j j 1 2
2
1
,
2
1
(5.27c)

Mtodo de Ralston. Fazendo 3 2
2
= a , segue que 4 3 , 4 3 , 3 1
11 1 1
= = = q p a . Neste caso a
Equao (5.25a) resulta no denominado mtodo de Ralston, o qual fornece um limitante mnimo para
o erro de truncamento (CHAPRA; CANALE, 2008), sendo escrita como:

( )h k k y y
j j 2 1 1
2
3
1
+ + =
+
(5.28a)

( )
j j
y t f k ,
1
= (5.28b)

|
\
|
+ + = h k y h t f k
j j 1 2
4
3
,
4
3
(5.28c)

Esses mtodos ilustram o procedimento que se deve seguir para a obteno dos mtodos Runge-
Kutta, embora os mtodos de segunda ordem no sejam muito utilizados pois os de quarta ordem so
muito mais precisos e proporcionam uma boa relao entre o nmero de avaliaes de f e a preciso
obtida. Dentre os membros da famlia de mtodos de quarta ordem, a verso mais utilizada, que pode
ser denominada de mtodo RK de quarta ordem clssico, apresentada a seguir.

Mtodo Runge-Kutta de quarta ordem. A verso mais conhecida destes mtodos dada por:

( )h k k k k y y
j j 4 3 2 1 1
2 2
6
1
+ + + + =
+
(5.29a)

( )
j j
y t f k ,
1
= (5.29b)

|
\
|
+ + = h k y h t f k
j j 1 2
2
1
,
2
1
(5.29c)

|
\
|
+ + = h k y h t f k
j j 2 3
2
1
,
2
1
(5.29d)

( ) h k y h t f k
j j 3 4
, + + = (5.29e)
Exemplo 5.2. Utilize o mtodo explcito de Euler e o mtodo de Runge-Kutta de quarta ordem para
resolver o Exemplo 4 (seo 1.4.4) modificado para o caso de uma alimentao F
1
contendo uma
concentrao de sal igual a C
A,1
= 0,08 kg/m
3
. Use h = 4 s como passo de integrao. Esse novo
sistema, no homogneo, dado por:

2 1 2
1 , 2 1 1
08 , 0 08 , 0
02 , 0 08 , 0
x x x
m x x x
A
=
+ + =
&
& &

onde 24 . 0
1 1 , 1 ,
= = F C m
A A
& . Condies iniciais:
( )
( )
( )
(
=
(
=
=
= =
0
25
0
0
0
2
1
t x
t x
t x

Soluo.

(1) Mtodo de Euler explcito.

As iteraes deste mtodo so dadas por ( ) ( ) ( ) ( )
j j i j i j i
t t hf t x t x x ,
1
+ =
+
, onde i = 1, 2. Aplicando este
esquema para o presente problema, segue que:

( ) ( ) ( ) ( ) ( ) 24 . 0 02 , 0 08 , 0
2 1 1 1 1
+ + + =
+ j j j j
t x t x h t x t x

( ) ( ) ( ) ( ) ( )
j j j j
t x t x h t x t x
2 1 2 1 2
08 , 0 08 , 0 + =
+

As trs primeiras iteraes so apresentadas a seguir. Os resultados deste mtodo so mostrados nas
colunas x
1
,EE e x
2
,EE da Tabela 3.

j = 0: ( ) ( ) 0 0 , 25 0 , 0 , 4
2 1 1
= = = =
+
x x t t
j j

( ) ( ) ( ) ( ) ( ) 24 . 0 0 02 , 0 0 08 , 0 0 4
2 1 1 1
+ + + = x x h x x ( ) ( ) ( ) ( ) ( ) 0 08 , 0 0 08 , 0 0 4
2 1 2 2
x x h x x + =
( ) ( ) 24 . 0 0 * 02 , 0 25 * 08 , 0 4 25 4
1
+ + + = x ( ) ( ) 0 * 08 , 0 25 * 08 , 0 4 0 4
2
+ = x
( ) 9600 , 17 4
1
= x ( ) 0000 , 8 4
2
= x

j = 1: ( ) ( ) 8 4 , 96 , 17 4 , 4 , 8
2 1 1
= = = =
+
x x t t
j j

( ) ( ) ( ) ( ) ( ) 24 . 0 4 02 , 0 4 08 , 0 4 8
2 1 1 1
+ + + = x x h x x ( ) ( ) ( ) ( ) ( ) 4 08 , 0 4 08 , 0 4 8
2 1 2 2
x x h x x + =
( ) ( ) 24 . 0 00 , 8 * 02 , 0 96 , 17 * 08 , 0 4 96 , 17 8
1
+ + + = x ( ) ( ) 8 * 08 , 0 96 , 17 * 08 , 0 4 8 8
2
+ = x
( ) 8128 , 13 8
1
= x ( ) 1872 , 11 8
2
= x

j = 2: ( ) ( ) 1872 , 11 8 , 8128 , 13 8 , 8 , 12
2 1 1
= = = =
+
x x t t
j j

( ) ( ) ( ) ( ) ( ) 24 . 0 8 02 , 0 8 08 , 0 8 12
2 1 1 1
+ + + = x x h x x ( ) ( ) ( ) ( ) ( ) 8 08 , 0 8 08 , 0 8 12
2 1 2 2
x x h x x + =
( )
) 24 , 0 1872 , 11 * 02 , 0
8128 , 13 * 08 , 0 ( 4 8128 , 13 12
1
+
+ + = x

( )
) 1872 , 11 * 08 , 0
8128 , 13 * 08 , 0 ( 4 1872 , 11 12
2
+ = x

( ) 2477 , 11 12
1
= x ( ) 0274 , 12 12
2
= x

(2) Mtodo de Runge-Kutta de quarta ordem. As iteraes deste mtodo so obtidas por meio das
Equaes (5.29):

x
1
x
2

( ) ( ) 24 , 0 02 , 0 08 , 0
2 1 1 , 1
+ + =
j j
t x t x k
( ) 2 *
1 , 1 1 1
h k t x x
j m
+ =
( ) ( )
j j
t x t x k
2 1 2 , 1
08 , 0 08 , 0 =
( ) 2 *
2 , 1 2 2
h k t x x
j m
+ =
24 , 0 02 , 0 08 , 0
2 1 1 , 2
+ + =
m m
x x k
( ) 2 *
1 , 2 1 1
h k t x x
j m
+ =
m m
x x k
2 1 2 , 2
08 , 0 08 , 0 =
( ) 2 *
2 , 2 2 2
h k t x x
j m
+ =
24 , 0 02 , 0 08 , 0
2 1 1 , 3
+ + =
m m
x x k
( ) h k t x x
j f
*
1 , 3 1 1
+ =
m m
x x k
2 1 2 , 3
08 , 0 08 , 0 =
( ) h k t x x
j f
*
2 , 3 2 2
+ =
24 , 0 02 , 0 08 , 0
2 1 1 , 4
+ + =
f f
x x k
f f
x x k
2 1 2 , 4
08 , 0 08 , 0 =
( ) ( ) ( )( )h k k k k t x t x
j j 1 , 4 1 , 3 1 , 2 1 , 1 1 1 1
2 2 6 1 + + + + =
+
( ) ( ) ( )( )h k k k k t x t x
j j 2 , 4 2 , 3 2 , 2 2 , 1 2 1 2
2 2 6 1 + + + + =
+

A primeira iterao apresentada a seguir. Os resultados deste mtodo so mostrados nas colunas
x
1
,RK4 e x
2
,RK4 da Tabela 3.

j = 0: ( ) ( ) 0 0 , 25 0 , 0 , 4
2 1 1
= = = =
+
x x t t
j j

x
1
x
2

76 , 1 24 , 0 0 * 02 , 0 25 * 08 , 0
1 , 1
= + + = k
48 , 21 2 4 * 76 , 1 25
1
= =
m
x
00 , 2 0 * 08 , 0 25 * 08 , 0
2 , 1
= = k
4 2 4 * 00 , 2 0
2
= + =
m
x
3984 , 1 24 , 0 4 * 02 , 0 48 , 21 * 08 , 0
1 , 2
= + + = k
2032 , 22 2 4 * 3984 , 1 25
1
= =
m
x
3984 , 1 4 * 08 , 0 48 , 21 * 08 , 0
2 , 2
= = k
7968 , 2 2 4 * 3984 , 1 0
2
= + =
m
x
48032 , 1
24 , 0 7968 , 2 * 02 , 0 2032 , 22 * 08 , 0
1 , 3
=
+ + = k

0787 , 19 4 * 48032 , 1 25
1
= =
f
x
55251 , 1 7968 , 2 * 08 , 0 2032 , 22 * 08 , 0
2 , 3
= = k
21004 , 6 4 * 55251 , 1 0
2
= + =
f
x
1621 , 1
24 , 0 21004 , 6 * 02 , 0 0787 , 19 * 08 , 0
1 , 4
=
+ + = k

02949 , 1 21004 , 6 * 08 , 0 0787 , 19 * 08 , 0
2 , 4
= = k
( ) ( )
2136 , 19 4 * ) 1621 , 1 48032 , 1 * 2
3984 , 1 * 2 76 , 1 ( * 6 1 25 4
1
=
+ = x

( ) ( )
9542 , 5 4 * ) 02949 , 1 55251 , 1 * 2
3984 , 1 * 2 00 , 2 ( * 6 1 0 4
2
= +
+ + + = x

Para a segunda iterao, os seguintes valores devem ser substitudos nas relaes j apresentadas:
j = 1: ( ) ( ) 9542 , 5 4 , 2136 , 19 4 , 4 , 8
2 1 1
= = = =
+
x x t t
j j
. O procedimento similar ao que foi feito
para a primeira iterao, com a obteno de quatro inclinaes para x
1
e quatro inclinaes para x
2
e
a utilizao dessas inclinaes para a estimativa de x
1
(8) e x
2
(8). O procedimento ento repetido at
que o nmero desejado de passos de integrao seja realizado.

A soluo analtica deste problema pode ser obtida, por exemplo, aplicando-se a transformada de
Laplace ou a metodologia de resoluo de ODEs apresentada no Captulo 4, sendo dada por:

4 23 19
4 5 , 11 5 , 9
12 , 0 04 , 0
2
12 , 0 04 , 0
1
+ =
+ + =

t t
t t
e e x
e e x

Os erros percentuais relativos da soluo obtida pelo mtodo de Runge-Kutta de quarta ordem,
mostrada na Tabela 3, so inferiores a 0,10% em mdulo em relao soluo analtica, muito
menores do que o erro obtido pelo mtodo explcito de Euler, que atingiu 34,3% em x
2
para t = 4 s. A
Figura 4 ilustra as solues obtidas para as primeiras 20 iteraes, totalizando um tempo total de
80 s. Observe que o sistema ainda no atingiu o regime estacionrio para este tempo de simulao.

Tabela 3. Comparao entre mtodos numricos: Euler explcito (EE) e
Runge-Kutta de quarta ordem (RK4). Erros em relao soluo analtica.

Figura 4. Exemplo 5.2, grfico das solues obtidas para x
1
e x
2
pelos mtodos de Euler explcito
(EE) e Runge-Kutta de quarta ordem (RK4) para h = 4 s, e grfico da soluo analtica (An.).

Exerccio 5.2. Resolva o problema de valor inicial apresentado no Exemplo 5.1 no intervalo de
tempo [0,0; 1,0] utilizando o mtodo de Runge-Kutta de quarta ordem para os seguintes passos de
integrao: h = [0,1; 0,2; 0,3]. Compare os resultados obtidos com a soluo obtida via pacote ODE
do Scilab, apresentada na Tabela 1.
j t (s) x1, EE x2, EE x1,!4 x2,!4 E""# x1 EE E""# x2 EE
0 0 25 0 25 0 0 0
1 4 17.9600 8.0000 19.2136 5.9542 -6.5 34.3
2 8 13.8128 11.1872 15.3045 8.9847 -9.7 24.4
3 12 11.2477 12.0274 12.6057 10.3024 -10.8 16.7
4 16 9.5706 11.7779 10.6974 10.6424 -10.5 10.6
5 20 8.4102 11.0716 9.3136 10.4475 -9.7 5.9
6 24 7.5647 10.2199 8.2843 9.9814 -8.7 2.4
7 28 6.9216 9.3703 7.5000 9.3987 -7.7 -0.3
8 32 6.4163 8.5867 6.8892 8.7871 -6.9 -2.3
9 36 6.0100 7.8922 6.4042 8.1949 -6.1 -3.7
10 40 5.6782 7.2899 6.0130 7.6462 -5.6 -4.7
11 44 5.4044 6.7741 5.6932 7.1514 -5.1 -5.3
12 48 5.1769 6.3358 5.4292 6.7128 -4.6 -5.6
13 52 4.9872 5.9650 5.2094 6.3287 -4.3 -5.7
14 56 4.8285 5.6521 5.0253 5.9949 -3.9 -5.7
15 60 4.6955 5.3885 4.8705 5.7064 -3.6 -5.6
16 64 4.5840 5.1667 4.7397 5.4581 -3.3 -5.3
17 68 4.4905 4.9803 4.6291 5.2450 -3.0 -5.0
18 72 4.4119 4.8235 4.5353 5.0625 -2.7 -4.7
19 76 4.3460 4.6918 4.4557 4.9063 -2.5 -4.4
20 80 4.2906 4.5812 4.3880 4.7729 -2.2 -4.0
0
5
10
15
20
25
30
0 5 10 15 20 25 30 35 40
x
1

(
t
)
t
x1, EE x1,RK4 x1, An.
0
2
4
6
8
10
12
14
0 5 10 15 20 25 30 35 40
x
2
(
t
)
t
x2, EE x2,RK4 x2, An.
5.3.3- Mtodos numricos de mltiplos pontos (ou mltiplos passos).

Os mtodos numricos de mltiplos passos aproveitam os valores f
k
ou de y
k
calculados em iteraes
anteriores para aumentar sua preciso. Vamos apresentar, aqui, os mtodos de Adams, os quais
utilizam os valores previamente obtidos de f
k
, e os mtodos BDF (Backward Differentiation
Formula), ou Frmulas Inversas de Diferenciao, os quais utilizam os valores previamente
obtidos de y
k
.

5.3.3.1- Mtodos de Adams.

O processo de obteno dos mtodos de Adams consiste em reorganizar a Equao (5.11) e integr-
la ao longo de um intervalo de tempo dado por [t
j+1-q
, t
j+1
], onde q um inteiro cujo valor ir definir o
nmero de pontos (previamente obtidos) utilizados na integrao:

( ) ( )

+
+
+
+
= =
+ +
1
1
1
1
,
1 1
j
q j
j
q j
t
t
q j j
y
y
dt t y t f y y dy (5.30)

Para efetuar a integrao, a funo ( ) ( ) t y t f , aproximada por um polinmio que passa pelos
valores f
k
das derivadas obtidos em iteraes anteriores, ou seja, passa por ( )
k k k
y t f f , = ,
L , 2 , 1 , , 1 + = j j j j k etc, de acordo com a ordem desejada. Pode-se utilizar, por exemplo, as
frmulas de integrao de Newton-Cotes ou as frmulas de Adams (CHAPRA; CANALE, 2008).

O leitor interessado poder verificar as derivaes mais simples desses mtodos na referncia citada.
Nesta seo, vamos apresentar as frmulas finais destes mtodos e focar em sua utilizao.

Os mtodos de mltiplos passos podem ser implcitos ou explcitos, dependendo de qual ponto
inicial utilizado como base na aproximao polinomial, ou seja, dependendo se o ponto j+1
utilizado ou no na aproximao. Se o ponto j+1 for utilizado, ento o polinmio dever passar por
( )
1 1 1
,
+ + +
=
j j j
y t f f , cujo valor desconhecido e, portanto, o mtodo ser implcito.

O mtodo conhecido como mtodo de Adams quando q = 1 na Equao (5.30). Neste caso, a
integrao feita no intervalo [t
j
, t
j+1
]. Se o mtodo de Adams for explcito, temos o chamado
mtodo de Adams-Bashforth. Se o mtodo de Adams for implcito, temos o chamado mtodo de
Adams-Moulton.

Vamos utilizar uma abordagem simplificada a ttulo de ilustrao do procedimento de obteno
destes mtodos, considerando uma aproximao polinomial linear para ( ) y t f , dada por
( ) bt a y t f + = , (BOYCE; DIPRIMA, 2006). Precisamos de dois pontos para o clculo does
coeficientes a e b, ento podemos selecionar o ponto ( )
j j
y t , , onde ( )
j j j
f y t f = , , e o ponto
( )
1 1
,
j j
y t , onde ( )
1 1 1
,

=
j j j
f y t f . Assim, aplicando o polinmio para estes dois pontos, os
coeficientes so obtidos como segue:

( )
j j
bt a f y t f + = = , a bt f
j j
= (5.31a)

( )
1 1
,

+ = =
j j
bt a f y t f
1
1
1 1
= + =
j j
j j
j j j j
t t
f f
b bt bt f f (5.31b)

h
t f t f
a
h
f f
b
j j j j j j 1 1 1
;

=
=
1
;

=
j j
t t h (5.31c)

Substituindo o polinmio na Equao (5.30) e integrando, com q = 1, vem:

( ) ( ) ( )
2 2
1 1 1
2
1
j j j j
t
t
j j
t t
b
t t a dt bt a y y
j
j
+ = + =
+ + +

+
(5.31d)

Substituindo os coeficientes apresentados na Equao (5.31c), segue que:

( ) ( )( )
t t f f t f t f t t
bh
ah y y + + = + + =
+ + + 1 1 1 1 1 1
2
1
2
(5.31e)

Considerando que o passo de integrao uniforme, ou seja, que
j j j j
t t t t h = =
+ 1 1
, pode-se
mostrar que a Equao (5.31e) resulta no seguinte esquema de atualizao para y
j+1
:

( )
1 1
3
2
+
+ =
j j j j
f f
h
y y (5.31f)

Este o mtodo de Adams-Bashforth de segunda ordem, cujo erro local de truncamento
proporcional a h
3
. Polinmios de graus maiores levam a mtodos de maior ordem.

De um modo geral, podemos representar os mtodos de Adams pela seguinte frmula geral:

( ) ( )
1
3 3 2 2 1 1 0 1 1 1
+
+ +
+ + + + + + + =
n
j j j j j j j
h O f a f a f a f a f a
b
h
y y L (5.32)

As constantes a
i
, b e n so apresentadas na Tabela 4 para mtodos implcitos e explcitos de vrias
ordens. Como exemplo, os mtodos de Adams-Bashforth e de Adams-Moulton de quarta ordem so
dados pelas Equaes (5.33) e (5.34), respectivamente:

( ) ( )
5
3 2 1 1
9 37 59 55
24
h O f f f f
h
y y
j j j j j j
+ + + =
+
Adams-Bashforth (5.33)

( ) ( )
5
2 1 1 1
5 19 9
24
h O f f f f
h
y y
j j j j j j
+ + + + =
+ +
Adams-Moulton (5.34)

No incio da integrao, evidente que no existe nenhuma informao previamente calculada, o que
revela uma dificuldade intrnseca destes mtodos. Por este motivo, deve-se utilizar um mtodo de
passo nico de ordem similar ordem adotada, sendo comum a utilizao dos mtodos de Runge-
Kutta para este propsito.

Os mtodos de mltiplos passos explcitos tm regio de estabilidade limitada. J os mtodos
implcitos tm regies de estabilidade uma ordem de magnitude maior que as dos mtodos explcitos
e, por este motivo, so mais utilizados na prtica.

Uma alternativa seria combinar os mtodos de Adams explcito e implcito de mesma ordem de
modo a obter um mtodo preditor-corretor de Adams-Bashforth-Moulton. Estes mtodos podem
ser representados pelas seguintes expresses:

Preditor: ( ) ( )
1
3 3 2 2 1 1 0 1
+
+
+ + + + + + =
n
j j j j j
P
j
h O f a f a f a f a
b
h
y y L (5.35a)

Corretor: ( ) ( )
1
2 2 1 1 0 1 1 1
+
+ +
+ + + + + + =
n
j j j
P
j j j
h O f a f a f a f a
b
h
y y L (5.35b)

Tabela 4. Parmetros para os mtodos de mltiplos passos de Adams.
b a
1
a
0
a
-1
a
-2
a
-3
n
Adams-Bashforth
1 0 1 1
2 0 3 -1 2
12 0 23 -16 5 3
24 0 55 -59 37 -9 4
Adams-Moulton
1 1 1
2 1 1 2
12 5 8 -1 3
24 9 19 -5 1 4

A Equao (5.35a) representa um mtodo de Adams-Bashforth, e a Equao (5.35b) representa um
mtodo de Adams-Moulton. A parte corretora pode ser utilizada vrias vezes at que um critrio de
convergncia seja satisfeito - no entanto, pode ser mais eficiente reduzir o passo de integrao do que
fazer a convergncia da parte corretora.

Exerccio 5.3. Resolva no Scilab o problema de valor inicial apresentado no Exemplo 5.1 no
intervalo de tempo [0,0; 2,0] utilizando o mtodo de Adams-Bashforth de quarta ordem e o mtodo
preditor-corretor de Adams-Bashforth-Moulton de quarta ordem para os seguintes passos de
integrao: h = [0,1; 0,2; 0,3]. Para a inicializao desses mtodos, utilize o mtodo de Runge-Kutta
de quarta ordem. Compare os resultados obtidos com uma soluo obtida via pacote ODE do Scilab.

5.3.3.2- Mtodos BDF.

Uma caracterstica interessante dos mtodos BDF (Backward Differentiation Formula) que a
equao diferencial, ou o sistema de equaes diferenciais, no necessita estar na forma padro
representada pela Equao (5.11). Neste caso, a derivada da funo pode estar inserida de uma forma
implcita em um sistema de equaes algbrico-diferenciais do tipo:


( )
( ) 0 , ,
1 1 1
=
+ + +
k
j j j
y y t F & (5.36)

onde
( ) k
j
y
1 +
& uma aproximao de ordem k para
1 + j
y& . Esta aproximao faz uso de k pontos
previamente calculados para y
k
, ou seja,
1 1 1
, , , ,
+ + k j j j j
y y y y L . Por exemplo, para k = 2, a
aproximao usa os pontos
1 1
e ,
+ j j j
y y y .

Os mtodos BDF, que tambm so de mltiplos passos, podem ser obtidos ajustando-se um
polinmio para a varivel dependente, de modo que o mesmo passe pelos pontos previamente
obtidos de y
k
. Vamos ilustrar o procedimento para um polinmio de segundo grau,
( )
2
ct bt a t y + + = , o qual deve passar pelos pontos ( )
1 1
,
+ + j j
y t , ( )
j j
y t , e ( )
1 1
,
j j
y t . Aplicando o
polinmio a estes pontos, segue que (BOYCE; DIPRIMA, 2006):

2
1 1 1 + + +
+ + =
j j j
ct bt a y (5.37a)

2
j j j
ct bt a y + + = (5.37b)

2
1 1 1
+ + =
j j j
ct bt a y (5.37c)

Alm disto, o polinmio pode ser derivado em relao ao tempo e esse resultado, quando aplicado no
ponto ( )
1 1
,
+ + j j
y t , resulta em uma aproximao para a derivada da varivel dependente, ou seja:

( )
1 1 1 1 1
2 ,
+ + + + +
+ = = =
j j j j j
ct b f y t f y& (5.37d)

Subtraindo (5.37b) de (5.37a), vem:

( ) ( )
1 1 1 1
2
+ + + +
+ + = + + =
j j j j j j j
ct ct ct b h ct ct b h y y

ou: ( ) ch ct b h y y
j j j
+ =
+ + 1 1
2 (5.37e)

Substituindo (5.37d) em (5.37e), segue que:

2
1 1
ch hf y y
j j j
=
+ +
(5.37f)

Subtraindo (5.37c) de (5.37b), vem:

( )
1 1
+ + =
j j j j
t t ch bh y y (5.37g)

Subtraindo (5.37g) de (5.37e), segue que:

( )
1 1 1 1
2 2
+ +
= +
j j j j j j
t t h t ch y y y

ou:
2
1 1
2 2 ch y y y
j j j
= +
+
(5.37h)

Substituindo (5.37h) em (5.37f), resulta, finalmente, em:

( )
j j j j j j
y y hf y y y + = +
+ + + 1 1 1 1
2 2

ou: ( )
( )
( )
1 1 1 1 1
4 3
2
1
,
+ + + +
+ = =
j j j
k
j j j
y y y
h
y y t f & (5.37i)

A Equao (5.37i) a frmula BDF de segunda ordem, e tem erro de truncamento da ordem de h
2
. A
frmula geral dos mtodos BDF para passo h uniforme dada pela seguinte expresso:

( )
d y c
bh
y a y a y a y a
y
j k
j j j j k
j
+ =
+ + + +
=
+
+
+ 1
2 2 1 1 0 1 1
1
L
& (5.38)

onde a
i
e b so constantes e c
k
e d so os coeficientes angular e linear, respectivamente, da
aproximao da derivada, vista como uma funo linear de y
j+1
. Os valores destas constantes so
mostrados na Tabela 5 para aproximao de at quinta ordem.

Tabela 5. Parmetros para os mtodos BDF de malha uniforme.
k b a
1
a
0
a
-1
a
-2
a
-3
a
-4

1 1 1 -1
2 2 3 -4 1
3 6 11 -18 9 -2
4 12 25 -48 36 -16 3
5 60 137 -300 300 -200 75 -12

Observe que o mtodo BDF de primeira ordem igual ao mtodo implcito de Euler. Os mtodos
BDF apresentam boa estabilidade e, por este motivo, podem ser utilizados para sistemas com
rigidez numrica. Assim, os mtodos BDF so geralmente preferidos em detrimento dos mtodos
de mltiplos passos de Adams.

Para a inicializao dos mtodos BDF, tambm necessrio utilizar um mtodo de passo simples de
ordem similar como, por exemplo, os mtodos de Runge-Kutta, de modo a obter os valores de y
j
nos
pontos anteriores. No entanto, se o problema no estiver na forma padro, ou seja, se a forma (5.36)
for utilizada, ento pode-se utilizar, inicialmente, mtodos BDF de menor ordem e aumentar a ordem
do mtodo medida em que novos valores de y
j
forem sendo obtidos. Para no deteriorar a preciso
do mtodo, o ideal utilizar passos de integrao menores durante a fase de inicializao.

bom frisar que, aps este perodo de inicializao, os mtodos BDF, bem como os mtodos de
Adams, requerem apenas uma avaliao da funo a ser integrada a cada iterao, ao contrrio do
mtodo de Runge-Kutta de quarta ordem que requer quatro avaliaes da funo a cada passo de
integrao. No entanto, os mtodos BDF so implcitos e, por este motivo, h que se considerar
tambm a maior carga computacional para resolver um sistema de equaes algbricas no lineares a
cada passo de integrao, o que costuma ser feito utilizando-se o mtodo de Newton-Raphson.

Exerccio 5.4. Resolva no Scilab o problema de valor inicial apresentado no Exemplo 5.1 no
intervalo de tempo [0,0; 2,0] utilizando o mtodo BDF de quarta ordem para os seguintes passos de
integrao: h = [0,1; 0,2; 0,3]. Para a inicializao desses mtodos, utilize o mtodo de Runge-Kutta
de quarta ordem. Compare os resultados obtidos com uma soluo obtida via pacote ODE do Scilab.

5.3.4- Mtodos adaptativos.

EDOs cuja soluo exibem uma variao abrupta em uma pequena regio no domnio da varivel
independente, exigem um passo de integrao pequeno para que este comportamento seja capturado
pelo mtodo numrico. Por outro lado, comum ocorrer a situao em que a soluo contnua e
suave em regies afastadas da regio de variao abrupta, o que permitiria utilizar passos de
integrao maiores. No entanto, se o passo de integrao for constante, o reduzido passo necessrio
provoca um gasto excessivo e desnecessrio de tempo computacional nas regies afastadas da regio
de variao abrupta da soluo.

Por este motivo, existem os denominados mtodos adaptativos que controlam automaticamente o
tamanho do passo de integrao a cada iterao. O tamanho do passo estimado a cada iterao de
modo a garantir que a tolerncia desejada esteja sendo cumprida. Para estimar o tamanho do passo
adequado, necessrio obter uma previso do erro em cada iterao.

Diviso do passo pela metade. Uma das tcnicas utilizadas para prever o erro em cada iterao
consiste em obter duas solues para a varivel dependente: a primeira soluo utiliza o passo de
integrao total h, e a segunda soluo utiliza a metade do passo de integrao, h/2, obtendo a
soluo em duas iteraes. A diferena entre essas solues fornece uma estimativa do erro local. Se
esse erro estiver acima da tolerncia especificada pelo usurio, o passo de integrao novamente
dividido por dois, ou seja, utiliza-se h/4, de modo que a nova soluo obtida em quatro iteraes.
Esse processo repetido at que o erro fique abaixo da tolerncia desejada.

Assim, por outro lado, se o erro atual for muito menor que a tolerncia desejada, o passo de
integrao aumentado de forma apropriada. Isto permite utilizar passos grandes em regies onde a
soluo suave, e passos pequenos em regies de variao abrupta. importante salientar que a
utilizao de passos de integrao maiores pode levar a problemas de estabilidade quando o mtodo
utilizado explcito.

Utilizao de mtodos com ordens diferentes. Outra abordagem utilizada para prever o erro em
cada iterao consiste em obter duas solues, cada uma utilizando o mesmo mtodo de integrao
porm com ordens diferentes. Por exemplo, pode-se utilizar o mtodo de Runge-Kutta de quarta e de
quinta ordens para obter essas solues. A diferena entre as solues fornece uma estimativa do erro
local, a qual pode ser utilizada para aumentar ou diminuir o passo de integrao, conforme o erro
seja menor ou maior do que a tolerncia especificada.

Um algoritmo que utiliza esta tcnica de um modo eficiente o mtodo de Runge-Kutta Fehlberg,
ou mtodo de RK embutido. So utilizados os mtodos RK de quarta e quinta ordens, porm o de
quinta ordem utiliza os mesmos ks gerados pelo de quarta ordem, o que representa uma reduo de
dez para seis avaliaes de funo por passo. Maiores detalhes deste mtodo podem ser obtidos em
(CHAPRA; CANALE, 2008), que apresentam a frmula deste mtodo utilizando coeficientes
desenvolvidos por Cash e Karp. Por isto, este mtodo tambm conhecido como mtodo RK de
Cash-Karp.

5.3.5- Estabilidade e rigidez numrica.

Um mtodo numrico dito instvel quando produz uma soluo numrica ilimitada para uma
soluo exata limitada, caso contrrio o mtodo dito estvel. Assim, para evitar a instabilidade
numrica, pode ser necessrio limitar o tamanho do passo de integrao mximo permitido para o
mtodo numrico em questo.

Um exemplo clssico que ilustra o problema da estabilidade a obteno de uma soluo numrica
para o seguinte problema:

( ) 0 com , 0 ;
0
> = = = y y y y
dt
dy
& (5.39)

A soluo analtica da Equao (5.39) dada por
t
e y y

=
0
. Ou seja, o valor de y sempre diminui
medida que avanamos no tempo, a partir do valor inicial y
0
em t = 0.

A soluo numrica deste problema pelo mtodo explcito de Euler dada por:

( ) h y h y y h y y y
j j j j j j
= = + =
+
1
1
& (5.40a)

Deste modo, para que
1 + j
y seja menor do que
j
y , evidente que o termo entre parntesis na
Equao (5.40a) precisa ser menor do que 1 em mdulo, de modo que isto impe um limite ao
tamanho mximo permitido para o passo de integrao, apresentado a seguir:

( ) 2 1 1 : ou ; 1 1 < < < h h h (5.40b)

Assim, para 1000 = , conclui-se que o passo de integrao h ter que ser menor do que 0,002.
Valores ainda menores de h so necessrios para problemas que apresentem maiores, de modo
que a magnitude de fornece uma ideia da dificuldade de resoluo numrica deste problema.

Por outro lado, a soluo numrica deste problema pelo mtodo implcito de Euler dada por:

h
y
y h y y h y y y
j
j j j j j j
+
= = + =
+ + + +
1
1 1 1 1
& (5.41)

A Equao (5.41) revela que nenhuma restrio imposta ao valor de h neste caso: qualquer valor de
h levar a uma soluo que decai assintoticamente, conforme esperado para este problema
especfico. Por este motivo, o mtodo de Euler implcito incondicionalmente estvel para este
problema.

De uma forma geral, os mtodos implcitos possuem uma regio de estabilidade muito superior em
comparao regio de estabilidade dos mtodos explcitos. Problemas que impem limites severos
ao passo de integrao de modo a evitar instabilidades numricas da soluo so conhecidos como
problemas rgidos (em ingls, diz-se que o problema stiff).

De uma forma simplificada, podemos considerar que um sistema rgido aquele cuja soluo
envolve componentes variando rapidamente junto com componentes variando lentamente. Alm
disto, comum que as componentes de variao rpida tenham curta durao em relao s
componentes de variao lenta. O tamanho do passo de integrao definido pela componente de
variao mais rpida, de modo que, para resolver este tipo de problema, o ideal utilizar rotinas com
controle adaptativo do passo de integrao.

A rigidez numrica ocorre tanto em EDOs simples quanto em sistemas de EDOs. A seguir, so
apresentadas outras definies para a rigidez numrica:

- Uma EDO rgida se o passo de integrao necessrio para obter estabilidade muito menor que o
passo necessrio para obter acurcia ou to pequeno que o erro de arredondamento se torna
significante;

- Uma EDO rgida se ela contm termos transientes que decaem com rapidez bem diferentes;

- Um sistema de EDOs rgido se o mesmo contm variveis com comportamentos transientes bem
diferentes, tendo pelo menos um autovalor da matriz jacobiana do sistema de equaes com parte
real negativa cujo valor absoluto muito maior que os outros autovalores da matriz.

Esta ltima definio a mais comum. Para que haja estabilidade, os autovalores
i
do sistema
devem satisfazer i
i
, 1 . Pode-se definir o grau de rigidez numrica como sendo a razo entre o
maior e o menor autovalor em mdulo, ou seja, a rigidez numrica equivale ao nmero de condio
da matriz jacobiana, Equao (2.26), reescrito aqui como:

( )
( )
Re min
Re max
rigidez de grau = (5.42)

Um sistema com grau de rigidez da ordem de 10 no rgido, enquanto que se a ordem for de 10
3
ele
rgido, e se o grau de rigidez chegar a 10
6
ele muito rgido.

Um exemplo de sistema de equaes rgido (stiff) pode ser visto em CHAPRA; CANALE (2008),
sendo dado por:

2 1 2
2 1 1
301 100
3 5
y y y
y y y
=
+ =
&
&
(5.43)

com condies iniciais dadas por ( ) ( ) 29 , 52 0 0
0 , 1 1 1
= = = = y y t y e ( ) ( ) 82 , 83 0 0
0 , 2 2 2
= = = = y y t y .

5.4- Problemas de valores de contorno.

Para facilitar o entendimento, vamos simplificar o problema (5.2a) e lidar com problemas mais
especficos do tipo:

0
0 1 2
= + + y a y a y a & & & (5.44a)

Condies de contorno:
2 1 0
2 1 0 0
,
,
c y c y c x x
b y b y b x x
f
= + =
= + =
&
&
(5.44b)

Existem trs tipos principais de condies de contorno, os quais so descritos a seguir (PINTO;
LAGE, 2001):

Condio de contorno do tipo 1. Neste caso, por exemplo, temos que 0
0
= b e/ou 0
0
= c na
Equao (5.44b), ou seja, o valor da varivel dependente especificado em uma ou em ambas as
condies de contorno. Deste modo, temos que as condies de contorno so dadas por
3 1 2 0 0
, b b b y y x x = = = = e/ou
3 1 2
, c c c y y x x
f f
= = = = , onde
3 3
e c b so constantes iguais ou
diferentes de zero.

Condio de contorno do tipo 2. Neste caso, por exemplo, temos que 0
1
= b e/ou 0
1
= c na
Equao (5.44b), ou seja, o valor da derivada de primeira ordem da varivel dependente
especificado em uma ou em ambas as condies de contorno. Deste modo, temos que as condies
de contorno so dadas por
4 0 2 0 0
, b b b y y x x = = = = & & e/ou
4 0 2
, c c c y y x x
f f
= = = = & & , onde
4 4
e c b so constantes iguais ou diferentes de zero.

Condio de contorno do tipo 3. Neste caso, ambos os coeficientes
1 0
e b b (e/ou
1 0
e c c ) so
diferentes de zero na Equao (5.44b).

A aplicao destes diferentes tipos de condio de contorno ser apresentada a seguir.

O procedimento de resoluo de um problema de valor de contorno em uma nica coordenada
espacial x, com x variando entre x
0
e x
f
, pode ser resumido nas seguintes etapas:

Etapa 1. Discretizar o domnio de soluo em J intervalos discretos e determinar o passo h como
( ) J x x h
f 0
= , de modo que os J + 1 pontos discretos so dados por
J J
x x x x x , , , , ,
1 2 1 0
L , ou
seja, so dados por
j
x , com j variando de 0 a J;

Etapa 2. Aplicar a equao diferencial que define o problema a um ponto genrico j:

0
0 1 2
= + +
j j j
y a y a y a & & & (5.45a)

Etapa 3. Substituir nessa equao as derivadas de 1 ordem, 2 ordem etc., por suas aproximaes
numricas. Em geral, utilizam-se as aproximaes por diferenas finitas centrais, Equaes 5.9 e
5.10. Aproximaes por diferenas para frente e para trs, Equaes 5.7 e 5.8, tambm podem ser
utilizadas, principalmente nas fronteiras do domnio nos casos em que o uso de diferenas centrais
acrescenta uma nova incgnita a qual no pode ser adequadamente equacionada pelas condies de
contorno dadas. Usando diferenas centrais, segue que:

0
2
2
0
1 1
1
2
1 1
2
= +
+
+
+ +
j
j j j j j
y a
h
y y
a
h
y y y
a (5.45b)

ou, ( )
2
2h : ( ) ( ) 0 2 2 2
2
0 1 1 1 1 1 2
= + + +
+ + j j j j j j
y h a y y h a y y y a

resultando em: ( ) ( ) ( ) 0 2 4 2 2
1 1 2 2
2
0 1 1 2
= + + +
+ j j j
y h a a y a h a y h a a (5.45c)

Para facilitar a aplicao desta equao, vamos definir as seguintes constantes: h a a
1 2
2 = l ,
2
2
0
4 2 a h a d = e h a a u
1 2
2 + = . Assim, a Equao (5.45c) resulta em:

0
1 1
= + +
+ j j j
uy dy y l (5.45d)

Etapa 4. A equao obtida no item (3) (no caso, a Equao 5.45d) deve ser aplicada em todos os
pontos discretos j para os quais no se conhece o valor da varivel dependente. Ou seja, a equao
deve ser aplicada tambm para os pontos em que so especificadas condies de contorno do tipo 2 e
do tipo 3, mas no deve ser aplicada para os pontos em que so especificadas condies de contorno
do tipo 1. Nesta etapa deve-se decidir, portanto, quais pontos sero considerados na prxima etapa.

Etapa 5. Utilizar as condies de contorno para fechar o sistema de equaes, tornando-o
solucionvel. Em geral, o sistema resultante possui J + 1 - CC1 equaes e incgnitas no caso de
uma nica varivel dependente, onde CC1 o nmero de condies de contorno do tipo 1. Para N
variveis dependentes, esse nmero deve ser multiplicado por N.

Como exemplo, vamos supor que ambas as condies de contorno sejam do tipo 1. Assim, a
Equao (5.45d) pode ser aplicada apenas aos pontos j internos: j = 1,2, ..., J-1 (etapa 4). Para obter
a primeira equao, aplicamos essa equao para o ponto j = 1, de modo que:

0
2 1 0
= + + uy dy y l

Utilizamos agora a condio de contorno (
3 0 0
, b y x x = = ) para obter a primeira equao a ser
resolvida, onde os dados do lado direito da Equao (5.46a) so todos conhecidos:

3 2 1
b uy dy l = + (5.46a)

Para obter a ltima equao, aplicamos a Equao (5.45d) para o ponto j = J -1:

0
1 2
= + +
J J J
uy dy y l

Utilizamos agora a condio de contorno (
3
, c y x x
f f
= = ) para obter a prxima equao a ser
resolvida (a ltima), Equao (5.46b), onde os dados do lado direito so todos conhecidos:

3 1 2
uc dy y
J J
= +

l (5.46b)

Finalmente, alm das Equaes (5.46a) e (5.46b), o sistema a ser resolvido constitudo pelas J - 3
Equaes (5.46c), obtidas aplicando-se a Equao (5.45d) aos pontos internos j = 2, 3, ..., J-2, dadas
por:

0 : 2
0 : 3
0 : 2
1 2 3
4 3 2
3 2 1
= + + =
= + + =
= + + =
J J J
uy dy y J j
uy dy y j
uy dy y j
l
M
l
l
(5.46c)

Etapa 6. Resolver o sistema de equaes algbricas resultante para obter o valor da varivel
dependente em todos os J + 1 - CC1 pontos discretos.
No exemplo, o sistema constitudo pelas Equaes (5.46a), (5.46c) e (5.46b), nessa ordem, um
sistema de J - 1 equaes (CC1 = 2) que pode ser resolvido para as J - 1 incgnitas,
1 2 1
, , ,
J
y y y L .
Colocado em notao matricial, esse sistema pode ser representado por:

(
(
(
(
(
(
(
(
(
=
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(

3
3
1
4
3
2
1
0
0
0
0
0
0 0 0 0
0 0 0 0
0 0 0 0
0 0 0
0 0 0
0 0 0 0
1
2
4
3
2
1
1 2 4 3 2 1
uc
b
y
y
y
y
y
d
u d
d
u d
u d
u d
J
J
J J
J
M
l
M
l L
L
M M M M
l
L l
L l
L
L
(5.47)

A matriz de coeficientes deste sistema tridiagonal. Assim, o algoritmo de Thomas apresentado
no Captulo 2 o mtodo ideal para a resoluo deste tipo de sistema. Matrizes tridiagonais ocorrem
naturalmente em problemas unidimensionais de valor de contorno discretizados por diferenas
centrais.

importante observar tambm que, dependendo do tipo de problema, o sistema resultante pode ser
no linear, de modo que um mtodo alternativo deve ser utilizado (ver Captulo 3).

O sistema dado pela Equao (5.47) foi obtido considerando-se condies de contorno do tipo 1.
Outros tipos de condies de contorno podem ser utilizados, conforme ilustrado a seguir.

(a) Condio de contorno do tipo 2. Vamos supor que uma das condies de contorno em (5.44b)
dada por
4 0
, b y x x = = & . Devemos ento rever a parte de obteno da primeira equao na etapa (5) e
aplicar a Equao (5.45d) tambm para o ponto j = 0, que passa a ser um ponto interno neste caso:

0
1 0 1
= + +
uy dy y l (5.48a)

Precisamos ento definir um valor para a nova varivel,
1
y . Utilizamos agora a condio de
contorno (
4 0
, b y x x = = & ), aplicando-a ao ponto j = 0 onde a derivada definida e aproximando a
derivada usando (por exemplo) diferena central:

4
1 1
0
2
b
h
y y
y =
=

&
4 1 1
2hb y y =

(5.48b)

Substituindo
1
y em (5.48a), resulta em:

( ) 0 2
1 0 4 1
= + + uy dy hb y l ( )
4 1 0
2 b h y u dy l l = + + (5.48c)

O lado direito da Equao (5.48c) conhecido. Esta a primeira equao do novo sistema a ser
resolvido. As demais equaes podem ser obtidas da Equao (5.45d) iniciando em j = 1 neste caso:
0
2 1 0
= + + uy dy y l etc. importante lembrar que, no presente caso, existe uma varivel adicional,
0
y , totalizando J incgnitas para J equaes.
(b) Condio de contorno do tipo 3. Vamos supor que uma das condies de contorno em (5.44b)
dada por
2 1 0
, c y c y c x x
f
= + = & . Devemos ento rever a parte de obteno da ltima equao na etapa
(5) e aplicar a Equao (5.45d) tambm para o ponto j = J, que passa a ser um ponto interno neste
caso:
0
1 1
= + +
+ J J J
uy dy y l (5.49a)

Precisamos ento definir um valor para a nova varivel,
1 + J
y . Utilizamos agora a condio de
contorno (
2 1 0
, c y c y c x x
f
= + = & ), aplicando-a ao ponto j = J onde a derivada definida e
aproximando a derivada usando (por exemplo) diferena central:

2 1 0
c y c y c
J J
= + & ,
2 1
1 1
0
2
c y c
h
y y
c
J
J J
= +
+

0 1 0 2 1 1
2 2 c c hy c c h y y
J J J
+ =
+
(5.49b)

Substituindo
1 + J
y em (5.49a), resulta em:

( ) 0 2 2
0 1 0 2 1 1
= + + +

c c hy c c h y u dy y
J J J J
l

( ) ( )
0 2 0 1 1
2 2 c c hu y c c hu d y u
J J
= + +

l (5.49c)

O lado direito da Equao (5.49c) conhecido. Esta a nova ltima equao do novo sistema a ser
resolvido. As demais equaes permanecem inalteradas, exceto a penltima equao que obtida
diretamente a partir da Equao (5.45d) para j = J - 1: 0
1 2
= + +
J J J
uy dy y l . importante lembrar
que, no presente caso, existe uma varivel adicional,
J
y , totalizando J incgnitas para J equaes.

Exemplo 5.3. Resolva o problema de condio de contorno apresentado a seguir, onde x representa
um domnio espacial variando entre 0 e x
f
(PINTO; LAGE, 2001):

0 2
2
2
= + Nuy
dx
y d
dx
dy
Pe

Condies de contorno: ( ) ( ) 0 0 0
0
= = = = y y x y , ( ) ( ) 1 = = = =
f f f
y x y x x y . Parmetros: Pe = 1,
Nu = 1.

Este problema similar ao Exemplo 6 do Captulo 1 em regime permanente, adimensionalizado,
porm este modelo leva em considerao a conduo de calor na direo axial (difuso axial). Os
parmetros desta equao so o nmero de Pclet, vR Pe = e de Nusselt, k hR Nu = , onde
( )
p
c k = a difusividade trmica. As variveis adimensionais so definidas por R z x = e
( ) ( )
P L P
T T T T y = , onde
P
T a temperatura da parede, mantida constante, e
L
T a temperatura
de entrada do fluido escoando da direita para a esquerda (no sentido negativo de z).


Hill, 2008. 809p.

contorno, 8 ed. Rio de Janeiro: LTC, 2006. 434p.

3. Pinto, J. C.; Lage, P. L. C. Mtodos Numricos em Problemas de Engenharia Qumica. Rio de
Janeiro: E-papers Servios Editoriais Ltda, 2001. 316p.

Merged

Diunggah oleh

Informasi Dokumen

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Merged

Diunggah oleh

Hak Cipta:

Format Tersedia

UNIFESP/DCET/Engenharia Qumica - Anlise de Sistemas - Prof. Jos Plcido - Rev.

, [J/kg] representam a energia interna especfica e a entalpia especfica, respectivamente,

A , ou seja, os elementos na diagonal principal

= , i = n-1, n-2, ...,1 (2.35)

0.3846 - 0.3846 - 0.38462 - 0. 0. 0.03226 - 0.3333 - 0.08961 - 0.16129 -

A , de forma que os elementos da diagonal

v b W V y z x (soluo geral) (2.94)

= no uma soluo do sistema, b Az ,

A a partir de V, e W, ou usar o comando

= = , onde y o vetor de valores

X a matriz pseudoinversa de X. Assim, temos que a matriz dos experimentos,

, ento, ao invs de propor um vetor de constantes, o correto seria

j aparece nas solues complementares, ento o correto seria propor:

equivale a fazer uma

s s L , podemos aplicar a definio duas vezes seguidas,

L L . Pode-se mostrar que a transformada dada

Anda mungkin juga menyukai