Aulas1 21 PDF

Metodo de Elementos Finitos: Teoria Basica
Frederic VALENTIN
12 de dezembro de 2011
2
Sum
ario
1 Conceitos B
asicos 7
1.1 Exemplo 1D: Elemento Linear por Partes . . . . . . . . . . . . . . . . 7
1.1.1 Forma Fraca . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.1.2 Metodo de Galerkin . . . . . . . . . . . . . . . . . . . . . . . . 10
1.1.3 Melhor Approximacao . . . . . . . . . . . . . . . . . . . . . . 11
1.1.4 O Metodo de Elementos Finitos: Elemento Linear por Partes . 13
1.1.5 Interpolacao e estimativa de erro . . . . . . . . . . . . . . . . 16
1.2 Exemplo 2D: Elemento Linear por Partes . . . . . . . . . . . . . . . . 19
1.2.1 Forma Fraca . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
1.2.2 Metodo de Galerkin . . . . . . . . . . . . . . . . . . . . . . . . 20
1.2.3 Melhor Aproximacao . . . . . . . . . . . . . . . . . . . . . . . 20
1.2.4 Metodo de Elementos Finitos Lineares por Partes . . . . . . . 21
1.2.5 Interpolacao e estimativa de erro . . . . . . . . . . . . . . . . 23
2 Formulac
ao Contnua 25
2.1 Formulacao Variacional de uma EDP . . . . . . . . . . . . . . . . . . 25
2.1.1 Formas e operadores . . . . . . . . . . . . . . . . . . . . . . . 26
2.1.2 Espacos de Hilbert . . . . . . . . . . . . . . . . . . . . . . . . 28
2.1.3 Representacoes das Formas Lineares Continuas . . . . . . . . 31
2.2 Existencia e Unicidade . . . . . . . . . . . . . . . . . . . . . . . . . . 33
2.3 Exemplos de Formulacoes Variacionais . . . . . . . . . . . . . . . . . 37
2.3.1 Equacao de Laplace Homogenea . . . . . . . . . . . . . . . . . 37
2.3.2 Equacao de Laplace Nao Homogenea . . . . . . . . . . . . . . 38
2.3.3 Equacao adveccao-difusao . . . . . . . . . . . . . . . . . . . . 39
3
4
SUMARIO
3 Formulac
ao Discreta 41
3.1 Metodo de Galerkin . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
3.2 Melhor Aproximacao: Lema de Cea . . . . . . . . . . . . . . . . . . . 42
4 M
etodo de Elementos Finitos 45
4.1 Exemplos de Elementos Finitos . . . . . . . . . . . . . . . . . . . . . 48
4.1.1 Elemento de Lagrange linear em 2D . . . . . . . . . . . . . . . 48
4.1.2 Elemento de Lagrange quadratico em 2D . . . . . . . . . . . . 49
4.1.3 Elemento de Lagrange bilinear em 2D . . . . . . . . . . . . . . 50
4.1.4 Elemento de Hermite 2D . . . . . . . . . . . . . . . . . . . . . 51
4.1.5 Elemento de Raviart-Thomas 2D . . . . . . . . . . . . . . . . 52
4.2 Elemento Finito de Lagrange Pk (K) em Rd . . . . . . . . . . . . . . . 53
4.2.1 Elemento d-simplex . . . . . . . . . . . . . . . . . . . . . . . . 53
4.2.2 Coordenadas baricentricas . . . . . . . . . . . . . . . . . . . . 55
4.3 Nocao de Elemento de Referencia . . . . . . . . . . . . . . . . . . . . 62
4.4 Elemento Finito Global de Lagrange Pk () . . . . . . . . . . . . . . . 66
4.4.1 Malha de elementos finitos . . . . . . . . . . . . . . . . . . . . 66
4.4.2 Graus de liberdade globais . . . . . . . . . . . . . . . . . . . . 67
4.4.3 Espaco global de elementos finitos . . . . . . . . . . . . . . . . 68
4.5 Aproximacao Polinomial . . . . . . . . . . . . . . . . . . . . . . . . . 69
4.5.1 Erro de interpolacao local . . . . . . . . . . . . . . . . . . . . 69
4.5.2 Erro de interpolacao global . . . . . . . . . . . . . . . . . . . . 72
5 Aplicac
ao do M
etodo de Elementos Finitos 75
5.1 Elemento finito de Lagrange de ordem Pk () . . . . . . . . . . . . . . 75
Lista de Figuras
1.1 Uma funcao em C 1 (esquerda) e derivada da funcao (direita). . . . . 8

1.2 Projecao de uma funcao em V sobre Vh usando a(., .). . . . . . . . . . 12
1.3 Exemplo de uma funcao linear por partes. . . . . . . . . . . . . . . . 13
1.4 Funcao de base j . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
1.5 Exemplo de i e j com |i j| > 1. . . . . . . . . . . . . . . . . . . . 15
1.6 Exemplo de i e j com |i j| = 1. . . . . . . . . . . . . . . . . . . . 15
1.7 Exemplo de i = j . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
1.8 Interpolacao da funcao u por uma funcao linear por partes uh . . . . . 17
1.9 Funcao de Green (esquerda) e derivada da funcao de Green (direita). 18
1.10 Triangularizacao conforme (esquerda) e nao conforme (direita). . . . . 21
1.11 Uma funcao de base linear j . . . . . . . . . . . . . . . . . . . . . . . 22
1.12 Nos associados as j com a propriedade a(i , j ) = 0. . . . . . . . . 23
1.13 Numeracao onde a(3 , 4 ) = 0 e onde a(3 , 4 ) = 0 (direita). . . . . 23
2.1 Exemplo de uma sequencia em C 0 () (esquerda) que nao tem limite

0
(direita) em C (). . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
2.2 Projecao de um vetor v V sobre o subespaco M . . . . . . . . . . . . 31
4.1 Elementos finitos triangulares P1 (K) (a) e P2 (K) (b). . . . . . . . . . 49

4.2 Elemento finito rectangular Q1 (K). . . . . . . . . . . . . . . . . . . . 50
4.3 Elementos finitos triangulares de Hermite (esquerda) e de RT0 (direita). 51
4.4 Exemplos de d-simplex em 1D (esquerda), 2D (centro), e 3D (direita). 53
4.5 Visualizacao dos aspectos geometricos. . . . . . . . . . . . . . . . . . 54
4.6 Exemplos de domnios d-simplex em 1D (esquerda) e 2D (direita). O
da direita tambem mostra os vetores independentes a1 a3 e a2 a3 . 58
5
6 LISTA DE FIGURAS
4.7 Exemplos de domnios d-simplex unitarios em 1D (esquerda) e 2D

(direita). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
4.8 Exemplos de grades principais Tk (K) em 1D com k = 0 (esquerda),
k = 1 (centro) e k = 2 (direita). . . . . . . . . . . . . . . . . . . . . . 60
4.9 Exemplos de grades principais Tk (K) em 2D com k = 0 (esquerda),
k = 1 (centro) e k = 2 (direita). . . . . . . . . . . . . . . . . . . . . . 60
4.10 Exemplo de grade principal T3 (K) em 2D. . . . . . . . . . . . . . . . 60
4.11 Exemplos de funcoes de base quadraticas associadas a um vertice
(esquerda) e a um ponto no meio de uma aresta (direita) de um
triangulo. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
4.12 O 1-simplex (esquerda) e o 2-simplex (direita) de referencia. . . . . . 63
4.13 Acao da matriz B. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64
4.14 Exemplo de um mapeamento bijetivo entre o elemento de referencia
e um elemento fsico. . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
4.15 Mapeamento entre o elemento finito de referencia e um elemento fsico. 66
4.16 Particao regular {Th }h>0 que nao e quasi-uniforme. . . . . . . . . . . 67
4.17 Dois triangulos adjacentes em uma malha nao estrutura. . . . . . . . 68
Captulo 1
Conceitos B
asicos
1.1 Exemplo 1D: Elemento Linear por Partes
1.1.1 Forma Fraca
Seja f = f (x) C 0 ([0, 1]) e considere o seguinte problema de valor de contorno:

Achar u = u(x) C 2 ([0, 1]) tal que

2
d u = f, em I := (0, 1),
dx2 (1.1)

u(0) = 0,

u (1) = 0,
Logo (1.1) tem solucao u
nica.
Observacao 1.1. Observe que u C 2 ([0, 1]) significa que u e as primeiras duas
derivadas sao continuo.
/ C 2 ([0, 1])?
Qual o sentido de (1.1) se u
Podemos propor um problema que generaliza (1.1), isto e, tal que sua solucao
coincida com a de (1.1) quando u C 2 ([0, 1])? (Veja Figura 1.1)
Seja v uma funcao suficientemente regular tal que v(0) = 0. Multiplicando

(1.1) por v e integrando-a temos
1 2 1
du
2
v dx = f v dx := (f, v)I . (1.2)
0 dx 0
Utilizando a formula de Green (integracao por partes) temos

1 2 1
du
2
v dx = u v dx u (1)v(1) + u (0)v(0)
0 dx
0 1
= u v dx := a(u, v).
0
7
8 CAPITULO 1. CONCEITOS BASICOS

Figura 1.1: Uma funcao em C 1 (esquerda) e derivada da funcao (direita).
Logo (1.2) torna-se:

Achar u tal que
(1.3)
a(u, v) = (f, v)I v tal que v(0) = 0.
Precisamos definir onde u faz sentido!

Seja

V := v H 1 (0, 1) : v(0) = 0 .
Lembramos que
1
2
L (0, 1) := v : (0, 1) R : 2
v dx < ,
0
1
1 2 2
H (0, 1) := v L (0, 1) : (v ) dx < .
0
Entao, o problema torna-se:

Achar u V tal que
(1.4)
a(u, v) = (f, v)I v V.
Observe que
(1.1) (1.4).
Lema 1.1. Seja f C 0 ([0, 1]) e u C 2 ([0, 1]) a solucao de (1.1). Entao (1.1)
(1.4).
Demonstracao. Observe que (1.1)(1.4). Agora, provemos que (1.4) (1.1). Seja
v V C 1 ([0, 1]) V . Portanto temos u V satisfazendo
a(u, v) = (f, v)I .

1.1. EXEMPLO 1D: ELEMENTO LINEAR POR PARTES 9
Usando integracao por partes

(f, v)I = a(u, v)
1
= u v dx
0
1 2
du
= 2
v dx + u (1)v(1) u (0)v(0)
dx
0 1 2
du
= 2
v dx + u (1)v(1). (1.5)
0 dx
Selecione v V C 1 ([0, 1]) tal que v(1) = 0, tal que
2
du
2 f, v = 0 v V C 1 ([0, 1]).
dx I
Isso implica que (exerccio)
d2 u
=f em I.
dx2
Agora selecione v(x) = x V C 1 ([0, 1]) e use-o em (1.5). Portanto
2
du
u (1) = u (1)v(1) + 2 f, v
dx I
= 0,
e como u(0) = 0 pois u V , o resultado segue.
Observacao 1.2. As condicoes de contorno denominam-se
u(0) = 0 : condicao de contorno essencial (ou Dirichlet)

u (1) = 0 : condicao de contorno natural (ou Neumann)
Observacao 1.3. O problema (1.4) corresponde ao princpio do trabalho virtual em

mecanica. Seja o funcional linear F : V R
1
F (v) = a(v, v) (f, v)I .
2
Definimos o seguinte problema de minimizacao:

Achar u V tal que
(1.6)
F (u) F (v) v V.
Esse problema corresponde ao princpio da energia potencial mnima em mecanica.
Podemos provar que
(1.6) (1.4).
Observacao 1.4. Se u C 2 ([0, 1]), temos (1.1) (1.4) (1.6).

Observacao 1.5. Assumimos que quando v V o problema (1.4) tem solucao u
nica.

1.1.2 M
etodo de Galerkin
Seja Vh V um subespaco de dimensao finita. O metodo de Galerkin consiste em:

Achar uh Vh tal que
(1.7)
a(uh , vh ) = (f, vh )I vh Vh .
Observacao 1.6. Analogamente ao problema contnuo, podemos associar o metodo
de Galerkin a um problema de minimzacao:

Achar uh Vh tal que
(1.8)
F (uh ) F (vh ), vh Vh .
Seja {}i{1,...,n} uma base para Vh . Logo

n

uh = uj j .
j=1
Como (1.7) e valido para todo vh Vh , tomemos vh = i . Entao

n
a(uh , vh ) = a( uj j , i )
j=1
n

= a(j , i )uj .
j=1
Seja
Kij = a(j , i ) e Fi = (f, i )I .
Entao (1.7) e equivalente ao sistema linear
n

Kij uj = Fi i {1,. . . ,n}.
j=1
De forma compacta,
K = [Kij ], u = [uj ], F = [Fi ],
(1.7) e equivalente ao sistema

K u = F.
Observacao 1.7. Como este sistema e finito e quadrado, unicidade e igual existencia.
Teorema 1.2. Seja f L2 ([0, 1]), entao o problema

Achar u Rn tal que
K u = F, (1.9)
tem solucao u
nica.
Demonstracao. Suponha v tal que
K v = 0.

Temos que provar que v = 0. Escreva v = ni=1 vi i , logo
1
(v )2 dx = a(v, v)
0
0

n

=
a(v, i ) vi

i=1
= 0.
Entao, v = 0 logo v = c R. Mas v(0) = 0, e portanto v = 0. Como {i } e uma

base,
n
0=v= vi i vi = 0, i {1, . . . , n} v = 0.
i=1
Observacao 1.8. A matriz K e simetrica e positiva definida (chamada de matriz de

rigidez). De fato, seja v Rn . Definindo v = ni=1 vi i , temos
n

T
v Kv = vi Kij vj
i,j=1
= a(v, v)
1
= (v )2 dx
0
0.
1
Quando 0
(v )2 dx = 0 v = 0 v = c R. Como v(0) = 0 v = 0 v = 0.
Logo
vT K v > 0 v Rn , v = 0.
1.1.3 Melhor Approxima

c
ao
Queremos mostrar que a funcao uh Vh , solucao do metodo de Galerkin, e a que

aproxima melhor u V dentre todas as funcoes vh Vh .
Usando
a(u, vh ) = (f, vh )I vh Vh (do problema (1.4) e Vh V )

a(uh , vh ) = (f, vh )I vh Vh (do problem (1.7)),
temos
a(u uh , vh ) = 0 vh Vh . (1.10)

u
V
Vh
uh
Figura 1.2: Projecao de uma funcao em V sobre Vh usando a(., .).
ao 1.1. A funcao u uh V e chamada de erro de aproximacao.

Definic

ao 1.2. A funcao vE =
Definic a(v, v), v V e chamada de norma da
energia. (Exerccio: Prove que .E e uma norma sobre V .)
O resultado seguinte, chamado de desigualdade de Cauchy-Schwarz, e uma relacao

entre a(., .) e .E ,
|a(w, v)| wE vE v, w V. (1.11)
De (1.10) e (1.11) temos, dado vh Vh ,
u uh 2E = a(u uh , u uh )
0

= a(u uh , u vh ) + a(u
u
h , vh uh ) (ortogonalidade)

= a(u uh , u vh )
u uh E u vh E . (Cauchy-Schwarz)
Se u uh E = 0, logo
u uh E u vh E vh Vh .
Este resultado e trivial se u uh E = 0. Logo, provamos que
u uh E inf u vh E .
vh Vh
Por outro lado, sendo uh Vh , temos

inf u vh E u uh E .
vh Vh
O espaco Vh e de dimensao finita, logo inf vh Vh u vh E = minvh Vh u vh E , e

temos o seguinte resultado.
Teorema 1.3. Seja u V a solucao do problema (1.4) e uh Vh a solucao do
problema (1.7). Logo uh e a melhor aproximacao no espaco Vh , i.e.
u uh E = min u vh E .
vh Vh
0 xj 1
Figura 1.3: Exemplo de uma funcao linear por partes.
1.1.4 O Metodo de Elementos Finitos: Elemento Linear por

Partes
Falta escolher Vh V para tornar o metodo de Galerkin efetivo. Portanto, cons-

truimos Vh da seguinte forma: Seja a seguinte particao de [0, 1]
0 = x0 < x1 < < xn = 1,
e definimos Ij = (xj1 , xj ), j {1, . . . , n}, hj = xj xj1 e h = maxj{1,...,n} hj .
Definic
ao 1.3. Definimos Vh o espaco das funcoes lineares vh tal que
vh C 0 ([0, 1]),
vh |Ij e um polinomio linear, j {1, . . . , n},
vh (0) = 0.
Assumimos que Vh V .
ao 1.4. Seja {i }i{i,...,n} Vh as funcoes definadas por

Definic

1 i = j,
i (xj ) = ij = (delta de Kronecker)
0 i = j,
e assumimos que {i }i{i,...,n} e uma base para Vh . Para i {1, . . . , n}, chamamos
xi e chamado de no,

0 xj1 xj xj+1 1
Ij Ij+1
Figura 1.4: Funcao de base j .
i e chamado de funcao de base nodal,
vh (xi ) e chamado de valor nodal ou grau de liberdade.
Portanto, uma funcao vh Vh possui a seguinte representacao (

unica)
n

vh (x) = vi i (x),
i=1
onde
vi = vh (xi ) (pois i (xi ) = 1 e i (xj ) = 0, i = j).
Observacao 1.9. O espaco Vh tem dimensao n. .
Lembramos que associado ao metodo de Galerkin, existe o sistema linear
K v = F,
onde
K = [Kij ] := a(i , j ),
e simetrica e positiva definida.
Observacao 1.10. Gracas a escolha as funcoes de base polinomiais por parte, a matriz
K e tridiagonal. De fato,
1
j i dx = a(j , i ) = 0,
0
se |i j| > 1 (veja Fig. 1.5, 1.6, 1.7).

1
i j
0 xi xj 1
Figura 1.5: Exemplo de i e j com |i j| > 1.
i j
0 xi xj 1
Figura 1.6: Exemplo de i e j com |i j| = 1.


j = i
0 xj 1
Figura 1.7: Exemplo de i = j .
Se hj = h, j {1, . . . , n}, temos (verifique)

2 1 0 0 0 0
1 2 1 0 0 0

0 1 2 0 0 0
1

K = ... ..
.
..
.
..
.
..
. .
..
.
..
.
h
0 0 0 2 1 0

0 0 0 1 2 1
0 0 0 0 1 2
1.1.5 Interpola
c
ao e estimativa de erro
ao 1.5. Dado v C 0 ([0, 1]), a funcao interpolante Iv Vh de v e definida

Definic
por
n
Iv(x) := v(xi )i (x).
i=1
Observacao 1.11. Se v Vh entao Iv = v, pois (Iv v)|Ij e linear contnua e

(Iv v)(xj1 ) = (Iv v)(xj ) = 0 (Iv v)|Ij = 0, j {1, . . . , n}. (Exerccio:
Use esse resultado para provar que {i }i{1, ,n} e uma base para Vh .)
De modo geral temos a seguinte estimativa para o erro de interpolacao (assu-

mido):
1 1
Lema 1.4. Seja vL2 (I) := ( 0 |v|2 ) 2 . Logo
2
(i) v IvE Ch ddxu2 L2 (I) ,
uh u
$0$ $1$
Figura 1.8: Interpolacao da funcao u por uma funcao linear por partes uh .
2
(ii) maxx[0,1] |u(x) Iu(x)| Ch2 maxx[0,1] | d dx
u(x)
2 |,
onde C e independente de h e u.
Como Iu Vh e temos a estimativa para u Iu gracas ao Lema 1.4, podemos

usa-la para estimar o erro u uh . De fato, do Teorema 1.3 temos
u uh E = minvh Vh u vh E
u IuE
d2 u
Ch 2 L2 (I) .
dx
Portanto, provamos a seguinte estimativa de erro:
Teorema 1.5. Seja u V H 2 (I) a solucao exata de (1.4), e uh Vh a solucao
do metodo de Galerkin (1.7). Logo, temos que
d2 u
u uh E Ch L2 (I) ,
dx2
onde C > 0 e uma constante independente de u e h.
1 1
Lembre que u uh E = ( 0 [(u uh ) ]2 ) 2 . O que podemos dizer sobre |u(x)
uh (x)|?
Definic
ao 1.6. Seja gx (t) uma funcao, chamada de funcao de Green, definida por

t, t < x,
gx (t) =
x, senao,
onde x [0, 1].


1 gx (t)
+
gx(t)
x

x 1 x 1
Figura 1.9: Funcao de Green (esquerda) e derivada da funcao de Green (direita).
Observe que, dado v V , temos

1
a(v, gx ) = v gx
0
x 2 1 2
dg dg 0
0

= v 2 dx v 2 dx + v(x)gx (x)|+
v(0)g
gx
x (0) + v(1) (1) v(x)gx (x)|
0 dx x dx

1
= v(x)g x (x)
= v(x)
Portanto, escolhendo v = u uh acima, temos

(u uh )(x) = a(u uh , gx ), x [0, 1].
Em seguida, escolhendo x = xi (os nos), temos que
(u uh )(x) = a(u uh , gxi ) (1.12)
= 0, (ortogonalidade)
pois gxi Vh . Logo (1.12) e equivalente, pela Definicao 1.5,
uh Iu ! (1.13)
Logo, usando o Lema 1.4 item (ii), temos a seguinte estimativa de erro pontual.
Teorema 1.6. Seja u V H 2 (I) a solucao exata de (1.4) e uh a solucao de (1.7).
Logo, temos que
d2 u(x)
max |u(x) uh (x)| Ch2 max | .
x[0,1] x[0,1] dx2
Demonstracao. Seja x [0, 1]. Logo,

0

|u(x) uh (x)| |u(x) Iu(x)| + |Iu(x) u
h (x)| (Eq. (1.13))

max |u(x) Iu(x)|
x[0,1]
d2 u
Ch2 max | |.
x[0,1] dx2
1.2 Exemplo 2D: Elemento Linear por Partes
1.2.1 Forma Fraca
Suponha R2 um aberto com fronteira poligonal , f e uma funcao dada

regular e
2u 2u
u := + .
x2 y 2
Considere o seguinte problema:

Achar u tal que
u = f, em , (1.14)

u = 0, em .
Observacao 1.12. Denotamos o gradiente de v por v, e lembramos que a formula
de Green se escreve

v
v w dx + v w dx = w ds,
n
v
onde v, w sao funcoes suficientemente regulares, e n
:= v n e a derivada
normal.
Definimos,

V := {v H 1 () : v| = 0} C 0 (), (1.15)
e logo a forma fraca de (1.14) e dada por:

Achar u V tal que
(1.16)
a(u, v) = (f, v) , v V,
onde

a(u, v) := u v dx (f, v) := f v dx.

De fato, multiplicando a equacao (1.14) por v, integrando sobre , e usando a

formula de Green obtemos

(f, v) := f v dx

= u v dx

0
u

= u v dx v ds (v| = 0)

n

= u v dx

= a(u, v).

Analogamente ao exemplo 1D, existe um problema de minimizacao equivalente

a (1.14) dado por:

Achar u V tal que
(1.17)
F (u) F (v), v V,
onde
1
F (v) := a(v, v) (f, v) .
2
Ex. 1 Suponha u C 2 (). Prove que (1.14) (1.16).
1.2.2 M
etodo de Galerkin
Seja Vh V um subespaco de dimensao finita. O metodo de Galerkin corresponde

a:
Achar uh Vh tal que,
(1.18)
a(uh , vh ) = (f, vh ) , vh Vh .
Seja {i }i{1,...,n} uma base para Vh .
Ex. 2 Mostrar que (1.18) K v = F onde para i, j {1, . . . , n},
K = [Kij ] := a(i , j ),
F = [Fi ] := (f, i ) ,
v = [vi ],
e que a matriz K e simetrica e positiva definida. Finalmente, provar que o sistema

nica.
linear tem uma solucao u
1.2.3 Melhor Aproxima

c
ao
Seja u V a solucao de (1.16) e uh Vh a solucao de (1.18). Temos que,
u uh E = min u vh E . (1.19)
vh Vh
Ex. 3 Verifique (1.19) usando o mesmo procedimento do case 1D onde agora.
12
2
vE := a(v, v) = |v| dx .

K2
K1
Figura 1.10: Triangularizacao conforme (esquerda) e nao conforme (direita).
1.2.4 M
etodo de Elementos Finitos Lineares por Partes
Lembramos que R2 e um aberto com fronteira poligonal.

Definic ao 1.7. Uma particao (ou malha) de em elementos K, e denotada por
Th , e chamada de conforme se
= KT K,
h

e tal que K1 K2 = , um no, ou uma aresta, onde K1 , K2 Th .
Seja hK := diam(K) = maior lado de K e h := maxKTh hK .

Definic
ao 1.8. Seja Vh o espaco das funcoes

(i) vh C 0 ();
(ii) vh |K e um polinomio linear, K Th ;
(iii) vh | = 0.
Observacao 1.13. Podemos re-escrever (i)-(iii) da definicao 1.8 de forma compacta
como
: vh |K P1 (K) e v| = 0},
Vh = {vh C 0 ()
e podemos provar que (assumido neste momento)
Vh V.
Denotamos por P1 (K) o espaco dos polinomios por partes de ordem 1.
ao 1.9. Seja {i }i{1,...,n} Vh as funcoes definidas por
Definic

1 i = j,
i (xj ) = ij =
0 i = j,
onde i, j {1, . . . , n}. Chamamos de


xj
Figura 1.11: Uma funcao de base linear j .
xi os nos da malha;
i as funcoes de base nodais (assumido neste momento);
vh (xj ) grau de liberdade.
Portanto, dado vh Vh
n

vh (x) = vi i (x),
i=1
onde vi = vh (xi ).
Observacao 1.14. O espaco Vh tem dimensao n, mas o numero de graus de liberdade
desconhecidos e n menos o n umero de nos no contorno .
Lembre que associado a (1.18) temos

K u = F,
onde
K = [Kij ] := a(i , j ),
F = [Fi ] := (f, i ) ,
u = [ui ].
Uma vez calculado u Rn , a solucao aproximada e dada por
n

uh (x) = ui i (x), x .
i=1
Figura 1.12: Nos associados as j com a propriedade a(i , j ) = 0.
Observacao 1.15. Observe que a numericacao dos nos da malha impacta a forma da
matriz K!
1.2.5 Interpola
c
ao e estimativa de erro
Vh e definido como,
ao 1.10. O operador de interpolacao I : C 0 ()
Definic
n

Iv(x) := v(xi )i (x),
i=1
1 1
1 2 3 4 5 3 2 1 4 5
Figura 1.13: Numeracao onde a(3 , 4 ) = 0 e onde a(3 , 4 ) = 0 (direita).


onde v C 0 ().
Ex. 4 Rever demonstracao, se vh Vh entao Ivh = vh .

Observacao 1.16. {i }i{1,...,n} e uma base para Vh .
De fato, seja vh Vh , entao

vh = Ivh
n
= vh (xi )i ,
i=1
logo qualquer funcao de Vh pode ser representado por uma combinacao {i }i{1,...,n} .
Agora, suponha
n

vh (xi )i (x) = 0, x .
i=1
Logo, tomando x = xi acima, temos

n

1
0 = vh (xi ) (x
i i)
i=1
= vh (xi ).
Portanto, fazendo variar i = 1, . . . , n vh (xi ) = 0, i {1, . . . , n}, e o resultado
segue.
Assuma o seguinte erro de interpolacao

Lema 1.7. Seja v H 2 () H01 (). Logo,
v IvE ChuL2 () ,
onde C > 0 e uma constante independente de h e u.
Usando o Lema 1.7, estimamos o erro entre u e uh , solucoes de (1.16) e (1.18)

respectivamente, por
u uh E = min u vh E
vh Vh
u IuE
ChuL2 () .
Apresentamos o resultado formalmente no seguinte teorema:

Teorema 1.8. Seja u V H 2 () a solucao exata de (1.16), e uh Vh a solucao
de (1.18). Entao,
u uh E ChuL2 () ,
onde C > 0 e uma constante independente de u e h.
Captulo 2
Formula
c
ao Contnua
2.1 Formulac
ao Variacional de uma EDP
Suponha Rn , n {1, 2, 3}, um aberto limitado com contorno poligonal .
Vamos considerar o problema abstrato,

Achar u V tal que
(2.1)
a(u, v) = L(v), v V.
Um problema como (2.1) e dito bem posto se
1. existe uma solucao,

2. a solucao e unica,
3. a solucao depende continuamente dos dados.
O seguinte teorema nos propociona condicoes suficientes para o problema (2.1) ser
bem posto.
Lema 2.1 (Lax-Milgram). Seja (V, (., .)V ) um espaco de Hilbert. Seja a(., .) uma
forma bilinear contnua e coerciva sobre V V , e L(.) uma forma linear contnua
nica u V tal que
sobre V . Entao, existe uma u
a(u, v) = L(v), v V,
e que satisfaz
LV
uV ,

onde e a constante de coercividade.
Note que a estimativa

LV
uV ,

implica que u depende continuamente dos dados. Precisamos definir o sentido dos
conceitos incluidos na definicao do problema (2.1) e no Lema 2.1.
25
26 CAPITULO 2. FORMULAC CONTINUA
AO
2.1.1 Formas e operadores
ao 2.1. Seja V um espaco vetorial. Uma forma linear L : V R e um

Definic
operador linear se e somente se
L(v + w) = L(v) + L(w),
onde , R e v, w V, V .
ao 2.2. Uma forma bilinear a : V V R e um operador linear em cada

Definic
argumento, isto e,
a(v + w, z) = a(v, z) + a(w, z),

a(v, w + z) = a(v, w) + a(v, z),
onde , R e v, w, z V .
Dizemos que:
L : V R e contnua se existe CL > 0 tal que
|L(v)| CL vV , v V ;
a : V V R e contnua se existe Ca > 0 tal que
|a(u, v)| Ca uV vV , u, v V ;
a : V V R e simetrica, isto e,
a(u, v) = a(v, u), u, v V ;
a : V V R e coerciva se existe > 0 tal que
a(v, v) v2V , v V.
Definicao 2.3. O espaco de todas as formas lineares contnuas sobre V e chamado

de espaco dual de V , e denotado por V . Definimos a seguinte norma
|L(v)|
LV := sup .
vV, v=0 vV
Ex. 5 Prove que .V definido na Definicao 2.3 e uma norma.

2.1. FORMULAC VARIACIONAL DE UMA EDP
AO 27
Formulac
ao equivalente do problema (2.1)
Denotamos, para u V dado,
Au(v) := a(u, v).
Observe que Au : V R e linear.

Observacao 2.1. Notacao alternativa: Au, vV ,V := a(u, v).
Entao reescrevemos o problema (2.1) como

Achar u V tal que
(2.2)
Au(v) = L(v), v V.
Assumimos neste momento que Au e contnua, isto e, Au V . Logo, (AuL)(v) =

0, v V , isto e, a formulacao (2.2) do problema (2.1) reescreve-se como

Achar u V tal que
(2.3)
Au = L, em V .
Podemos interpretar o problema (2.3) da mesma forma que interpretamos a resolucao

de um sistema linear. De fato, A pode ser vista como um operador linear
V ,
V
A :
u Au
sobre um vetor u V . Porem neste caso os espacos sao de dimensao infinita.

Portanto, provar a existencia de solucao para (2.1) e equivalente a provar que
dado L V arbitraria, existe u V tal que Au = L. Isto significa que A e
sobrejectiva! A unicidade de solucao para o problema (2.1) consiste em provar que
A e tambem injetiva sobre V , isto e,
Av = 0 v = 0, v V.
O Lema de Lax-Milgram 2.1 nos fornece as condicoes suficientes sobre a(., .) e L(.)
para existencia e unicidade de solucao para (2.1). Vamos ver que as condicoes sobre
a sao tambem condicoes sobre A tal que o problema (2.3) tem solucao u
nica. Temos
a norma
AwV
A = sup . (2.4)
wV, w=0 wV
Ex. 6 Prove que: se a(u, v) e bilinear e contnua sobre V entao a forma Au e

linear e contnua sobre V . Logo Au V .
Ex. 7 Prove que: se a(u, v) e bilinear e contnua sobre V entao o operador A

e linear sobre V , e A Ca , onde Ca e a constante de continuidade para a(., .).
AO
2.1.2 Espa
cos de Hilbert
Definic ao 2.4. Seja V um espaco vetorial sobre R. Um produto interno e uma

aplicacao (., .)V : V V R tal que
1. (v, v)V 0 e (v, v)V = 0 v = 0;
2. (v, w + z)V = (v, w)V + (v, z)V , , R;
3. (v, w)V = (w, v)V , w, v, z V .

Lema 2.2 (Desigualidade de Cauchy-Schwarz). Seja V um espaco vetorial munido
de (., .)V . Logo,
|(u, v)V | uV vV , u, v V.

Observacao 2.2. Verifique que vV := (v, v)V e uma norma sobre V .
Observacao 2.3. Seja V um espaco vetorial munido de um produto
interno (., .)V .
Entao V e um espaco vetorial normado com norma .V := (., .)V .
Definic
ao 2.5 (Espaco de Hilbert). Seja V um espaco linear e suponha
(i) V e equipado de um produto interno (., .)V ;
(ii) Toda sequencia de Cauchy em V converge em V na norma .V . O espaco V

e dito completo (relembre o que e uma sequencia de Cauchy).
O espaco (V, (., .)V ) e chamado espaco de Hilbert.
A definicao do espaco de Hilbert e composto de um espaco vetorial e um produto

interno. Quando o produto interno esta claramente definido pelo contexto, vamos
utilizar a notacao V ao inves de de (V, (., .)V ).
Exemplo 2.1.
(i) O espaco V := C 0 ([0, 1]) com o produto interno

1
(v, w)V := v w dx R,
0
nao e completo: existe uma sequencia {un }nN tal que un uV 0, mas
u / C 0 ([0, 1])! (veja Figura 2.1) Logo, V nao e um espaco de Hilbert.
(ii) O espaco V := R e um espaco de Hilbert munido do produto interno
(u, v)V := uv, u, v R.

A norma uV = u2 = |u|. O espaco V := Rn munido com produto interno
e um espaco de Hilbert.
(iii) Todo vetorial espaco (V, (., .)V ) de dimensao finita e um espaco de Hilbert.
AO 29
1 un 1 u
1
2
n1 1
2
1 1
2
1
(esquerda) que nao tem limite

Figura 2.1: Exemplo de uma sequencia em C 0 ()
0
(direita) em C ().
(iv) O espaco V := L2 () onde

L () := {v : R :
2
|v|2 dx < },

e um espaco de Hilbert munido do produto interno

(u, v)V = (u, v) := u v dx, u, v V.

(v) Os espacos V := H k () onde, k {0, 1, 2, . . . }

k 2
H () := {v L () : (D u)2 dx < },
||k
sao espacos de Hilbert com

(u, v)V := (D u, D v)V ,
||k

D operador diferencial de ordem || e || = di=1 i . Denotamos a norma
induzida por
vV := (v, v)V .
(vi) Os espacos V := H0k () onde, k {0, 1, 2, . . . }
H0k () := {v H k () : v| = 0},
sao espacos de Hilbert com o mesmo produto interno de H k ().

AO
Observacao 2.4. Uma semi-norma no espaco H k () e definida por

12

|v|V := (D v, D v)V , v H k ().
||=k
Observe que |v|V = 0 v = 0!
A semi-norma no espaco H01 () e uma norma, e denotamos

vH01 () = |v|H 1 () = vL2 () .
Este resultado e uma consequencia da desigualidade de Poincare:
Lema 2.3 (Desigualidade de Poincare). Seja um aberto limitado. Existe C > 0
tal que
vL2 () C vL2 () , v H01 ().
Subespacos
ao 2.6. Seja (V, (., .)V ) um espaco de Hilbert. Dizemos que M V e um

Definic
sub-espaco de V se M e fechado.
Se M e um sub-espaco de um espaco de Hilbert (V, (., .)V ), entao (M, (., .)V )
e um espaco de Hilbert porque M fechado implica M ser completo. O seguinte
teorema (assumido) usa esse fato fara decompor V em sub-espacos.
Lema 2.4. Seja M um sub-espaco de um espaco de Hilbert (V, (., .)V ) entao
V = M M ,
onde
M := {v V : (v, w)V = 0, w M },
e um sub-espaco de V .
De acordo com Lema 2.4, dado v V , v decompoe-se univocamente como

v = vM + vM ,

onde v M M e v M := v v M M . Veja Figura 2.2.
Lema 2.5. Seja (V, (., .)V ) um espaco de Hilbert, e suponha a(., .) uma forma
bilinear simetrica contnua em V , e coerciva em um sub-espaco M de V . Logo,
1. (M, a(., .)) e um espaco de Hilbert;

2. C1 vV vE C2 vV , v M, C1 , C2 > 0.
Ex. 8 Prove o lema anterior. Dicas:

Prove que a(., .) e um produto interno sobre M .

Toda sequencia de Cauchy converge em M na norma .E = a(., .).
AO 31
V v
vM = v vM
vM
Figura 2.2: Projecao de um vetor v V sobre o subespaco M .
2.1.3 Representa
coes das Formas Lineares Continuas
Observe que dado u V , existe uma forma linear Lu definida por
Lu (v) := (u, v)V , v V,
e contnua, isto e, Lu V . Do seguinte teorema, dado L V , existe u V tal que
L(v) = (u, v)V , v V.
Teorema 2.6 (Teorema da Representacao de Riesz). Seja L V , onde V e o

nico u V tal que
espaco dual do espaco de Hilbert (V, (., .)V ). Entao existe um u
L(v) = (u, v)V , v V.
Alem disso,
LV = uV .
Demonstracao. Provamos o resultado em tres passos: i) existencia de u V , ii)

unicidade de u V , e finalmente iii) LV = uV .
(i) existencia:
Seja M o seguinte sub-espaco de V
M := {v V : L(v) = 0}.
Portanto,
V = M M .
Caso M = {0}. Entao neste caso M = V , e logo L(v) = 0, v V . Tome
u = 0!
AO
Caso M = {0}. Tome z M , z = 0. Entao L(z) = 0. Dado v V e

= L(v)
L(z)
, obtemos
L(v z) = L(v) L(z)

= 0,
logo v z M .

Portanto, escrevendo v M = v z, temos z = v M . Em particular, se
v M entao v = z o que mostra que M tem dimensao 1. Tome
L(z)
u := z,
z2V
entao u M . Temos:
(u, v)V = (u, (v z)V + z)V
0

v
= (u, z)V + (u, z)V
= (u, z)V (u M , e v z M )
L(z)
= (z, z)V (Definicao de u)
z2V
= L(z) (Definicao de )
= L(v).
(ii) unicidade:
Sejam u1 , u2 V tais que
L(v) = (u1 , v)V e L(v) = (u2 , v)V .
Logo, tomando v = u1 u2 V ,
0 = L(u1 u2 ) L(u1 u2 )
= (u1 , u1 u2 )V (u2 , u1 u2 )V
= u1 u2 2V ,
isto e, u1 u2 = 0 u1 = u2 .
(iii) LV = uV
Observe que
L(z)zV
uV =
z2V
zV
= |L(z)|
z2V
|L(z)|
=
zV
|L(z)|
sup
zV, z=0 zV
= LV .

2.2. EXISTENCIA E UNICIDADE 33
Por outro lado,

|L(v)|
LV = sup
vV, v=0 vV
|(u, v)V |
= sup
vV, v=0 vV
uV vV
sup (Cauchy-Schwarz)
vV, v=0 vV
= uV .
Portanto, LV = uV .
Definic
ao 2.7. Seja (V, (., .)V ) um espaco de Hilbert. Definimos um mapeamento
dual sobre V ,
V
J : V ,
u Ju
atraves de
Ju := Lu ,
onde Lu e a forma linear contnua associada a u V , isto e,
Lu (v) = Ju, vV ,V := (u, v)V , u, v V.

aca
o de Ju sobre v
Observacao 2.5. Pelo teorema da representacao de Riesz o mapeamento J e bijetivo,

contnuo e preserva a norma. Isto e,
JuV = uV .
Ex. 9 Mostre que J : V V definido acima e um mapeamento contnuo sobre

V.
2.2 Exist
encia e Unicidade
O Teorema de Riesz esta na base da demonstracao do Lema de Lax-Milgram. Con-
sidere a formulacao (2.2) do problema (2.1) e observe que pelo teorema do represen-
tatcao de Riesz, existe Au V e L V tais que
( Au, v)V = Au(v), v V,
( L, v)V = L(v), v V,
onde AuV = AuV e LV = LV (note : V V e igual a J 1 ).
Portanto, o problema (2.1) e equivalente ao problema (2.2) e reescriva-se:

Achar u V tal que
(2.5)
( Au, v)V = ( L, v)V , v V,
AO
isto e, dado L V ,
Achar u V tal que
(2.6)
Au = L, em V.
O problema (2.5) e equivalente ao problema (2.1), mas e uma formulacao mais

adequada para a demonstacao. Supondo a : V V R e contnua, observe que o
operador A : V V tem a propriedade
A Ca , (2.7)
onde Ca e a constante de continuidade de a(., .) (a definicao de . e dada em (2.4)).

Lema 2.7 (Lax-Milgram). Seja (V, (., .)V ) um espaco de Hilbert. Seja a(., .) uma
forma bilinear contnua e coerciva sobre V V , e L(.) uma forma linear contnua
nica u V tal que
sobre V . Entao, existe uma u
a(u, v) = L(v), v V,
e que satisfaz
LV
uV ,

onde e a constante de coercividade.
Demonstracao.
(i) Existencia
Os passos usados para provar existencia no caso simetrico sao u
teis para o caso
geral, entao provamos este caso antes do caso mais geral.
1. Caso a(., .) simetrico.

Veja que (V, a(., .)) e um espaco de Hilbert (Lema 2.5). Temos que a(., .)
e contnua e coerciva sobre V , logo .V e .E sao equivalentes (Lema
2.5). A forma L(v) tambem e contnua sobre V com relacao a .E , i.e.,
CL
|L(v)| CL vV vE .
C1
nico u V
Portanto, pelo teorema da representacao de Riesz, existe um u
tal que
L(v) = a(u, v), v V.
2. Caso a(., .) nao simetrico.
Vamos usar o problema (2.5), que e equivalente ao problema (2.1). Pela
hipotese de coercividade sobre V , dado v V ,
v2V a(v, v)
= Av(v)
= ( Av, v)V (Teorema da representacao de Riesz)
AvV vV , (Cauchy-Schwarz)

2.2. EXISTENCIA E UNICIDADE 35
onde > 0, e Av V . Logo,
vV AvV , v V. (2.8)
Portanto Im( A) := {w V : w = Av, v V } e um sub-espaco de V

(Exerccio; Dica: usando as equacoes (2.8) e (2.7), mostre que Im( A) e
fechado.), logo (Im( A), (., .)V ) e um espaco de Hilbert. Logo,
V = Im( A) Im( A) .
Seja w Im( A) , portanto pela coercividade sobre V , temos
w2V a(w, w)
= Aw(w) (ou Aw, wV V )
= ( Aw, w)V
=0 ( Aw Im( A) e w Im( A) )
logo w = 0 e Im( A) = {0}. Entao, V = Im( A), e A e sobrejetiva,

isto e, dado L V , existe u V tal que
Au = L.
(ii) Estabilidade e unicidade

Tome v = u em (2.1). Pela coercividade de a(., .) e continuidade de L(.) sobre
V temos
1
u2V a(u, u)

1
= L(u),

logo
1 L(u)
uV
uV
1 |L(u)|

uV
1 |L(v)|
sup
vV vV
1
= LV .

Suponha u1 e u2 solucoes de (2.1). Portanto pela coercividade de a(., .) sobre
V , com v = u1 u2 , temos
u1 u2 2V a(u1 u2 , u1 u2 )
= L(u1 u2 ) L(u1 u2 )
= 0.
Logo u1 u2 V = 0 u1 = u2
AO
Seja o problema de minimizacao

Achar u V tal que
(2.9)
F (u) F (v), v V,
onde F (v) := 21 a(v, v) L(v).

Teorema 2.8. Seja V um espaco de Hilbert. Seja a : V V R uma forma
bilinear simetrica, contnua e coerciva sobre V . Seja L : V R uma forma linear
contnua sobre V . Logo,
(2.1) (2.9),
e (2.9) tem solucao u
nica.
Demonstracao. Lembramos que, existem constantes C1 , C2 > 0 tal que
C1 v2V a(v, v) C2 v2V , v V.
Seja u, v V e definimos
(t) := F (u + tv), t R.
Usando a condicao de simetria de a(., .) temos
t2 1
(t) = a(v, v) + t [a(u, v) L(v)] + a(u, u) L(u), (2.10)
2 2
logo,
(t) = ta(v, v) + [a(u, v) L(v)] .
A coercividade de a(., .) implica
a(v, v) v2V , 0 = v V, > 0.
Logo, (2.10) tem um mnimo se e somente e
(0) = 0, 0 = v V.
Seja u solucao de (2.1), logo
a(u, v) = L(v) v V
(t) = ta(v, v)
(0) = 0
u e o mmimo de (2.9).
Seja u V o mnimo de (2.9). Logo, (0) = 0 a(u, v) = L(v), 0 = v V .

Logo, u e solucao de (2.1). A existencia e unicidade de (2.9) segue da existencia e
unicidade de (2.1).
2.3. EXEMPLOS DE FORMULAC
OES VARIACIONAIS 37
2.3 Exemplos de Formula

coes Variacionais
2.3.1 Equa
cao de Laplace Homog
enea
Considere o problema
Achar u tal que
u = f em , (2.11)

u = 0 em .
Suponha f L2 () e definimos

a(u, v) := u v dx

L(v) := f v dx.

Definimos V := H01 () munido do produto interno (u, v)H01 () :=
u v dx. A
formulacao variacional do problema (2.11) consiste em

Achar u V tal que
(2.12)
a(u, v) = L(v), v V.
Note que a forma bilinear a(., .) e simetrica, isto e,
a(u, v) = (u, v)H01 () = (v, u)H01 () = a(v, u).
Vamos verificar para o problema (2.12) as hipoteses do Lema de Lax-Milgram:
(i) (V, (., .)V ) = (H01 (), (., .)H01 () ) e um espaco de Hilbert pois (., .)H01 () e um

1
produto interno e H0 () e completo na norma uH01 () = (v, v)H01 () .
(ii) A forma linear L(.) e contnua,
|L(v)| = |(f, v)L2 () | (Cauchy-Schwarz)

f L2 () vL2 ()
= Cf vL2 () (Poincare)
C Cf vH01 () , v V.
(iii) A forma bilinear a(., .) e contnua,
|a(u, v)| = |(u, v)H01 () |

uH01 () vH01 () . (Cauchy-Schwarz)
(iv) A forma bilinear a(., .) e coerciva,
a(v, v) = (v, v)H01 ()

= v2H 1 () . ( = |v|H 1 () = vL2 () )
0
AO
nica u V solucao do problema (2.12) e

Portanto existe uma u
uH01 () L(H01 ()) (2.13)

|L(v)|
= sup (2.14)
vV, v=0 vH01 ()
f L2 () C vH01 ()
= sup (2.15)
vV, v=0 vH01 ()
= C f L2 () (2.16)
Seja um domnio C 1 ou convexo. Se f L2 () entao u H 2 () e existe C tal

que
uH 2 () Cf L2 () .
2.3.2 Equa
cao de Laplace N
ao Homog
enea
Considere o problema:
Achar u tal que
u = f em , (2.17)

u = g em ,
Seja R(g) uma funcao suficientemente regular tal que R(g)| = g. Definimos
u = u + R(g), onde u satisfaz o seguinte problema:

Achar u tal que
u = f + R(g) em , (2.18)

u = 0 em ,
A formulacao variacional do problema (2.18) e

Achar u V tal que
(2.19)
a(
u, v) = L(v), v V,
onde f L2 (). Definimos

a(u, v) := u v dx

L(v) := f v dx R(g) v dx.

Definimos a seguinte norma:
vH 12 () := inf wH 1 () .
w| =v
Temos que (assumido) sempre existe R(v) H 1 () tal que R(v)| = v e R(v)H 1 () =
vH 12 () . Verificamos as hipoteses do Lema Lax-Milgram. Note que a coercivi-
dade e a continuidade da forma bilinear a(., .) seguem da demonstracao dada na
2.3. EXEMPLOS DE FORMULAC
OES VARIACIONAIS 39
secao 2.3.1, usando-se os mesmos argumentos. Falta demonstramos a continuidade

de L(.):
|L(v)| = |(f, v)L2 () (R(g), v)H01 () |

f L2 () vL2 () + R(g)L2 () vL2 ()
C f L2 () vL2 () + R(g)H01 () vL2 ()

C f L2 () + gH 12 () vH01 ()
= Cf,g vH01 () , v V.
nico u V satisfazendo (2.19) e

Logo, existe um u
|L(v)|

uH01 () sup
vV, v=0 vH01 ()
C f L2 () + gH 12 () .
Agora, tome
u = u + R(g).
Logo,
uH 1 ()
uH01 () + R(g)H 1 ()
C f L2 () + 2gH 12 () .
2.3.3 Equa
cao advec
cao-difus
ao
Considere o problema:

Achar u tal que
u + b u = f em , (2.20)

u=0 em ,
onde f L2 () e b = b(x) C 1 () e |b(x)| C, x e tal que
b(x) = 0, x ,
onde e o operador divergente, isto e,
x = (x1 , x2 ),
b = (b1 , b2 ),
b1 b2
b = + .
x1 x2

Tomamos V := H01 () com (u, v)V := (u, v)H01 () = u v dx. A formulacao
variacional deste problema e

Achar u V tal que
(2.21)
a(
u, v) = L(v), v V,
AO
onde

a(u, v) := u v dx + b u v dx

L(v) := f v dx.

Portanto a(., .) e nao-simetrica.

Ja vimos que o V e um espaco de Hilbert. Provamos as outras condicoes do
Lema de Lax-Milgram.
(i) A forma linear L(.) e contnua:
|L(v)| cvV , v V,
(ii) A forma bilinear a(., .) e contnua,
|a(u, v)| = |(u, v)V + (b u, v)L2 () |

|(u, v)V | + |(b u, v)L2 () |
uV vV + b uL2 () vL2 ()
uV vV + max |b(x)uL2 () vL2 ()
x
uV vV + CC uL2 () vL2 ()
= (1 + CC )uV vV
(iii) A forma blinear a(., .) e coerciva:
a(v, v) = (v, v)V + (b v, v)L2 ()

= v2V + (b v, v)L2 () .
Mas usando integracao por partes temos,
(b v, v)L2 () = (v, b v)L2 () + (b nv, v)L2 ()

1 0
(b v, v)L2 () = (b nv,
v)L2 ()
2
=0
Portanto, a(v, v) = v2V , v V .
nico u H01 () solucao de (2.21) e

Pelo Lema de Lax-Milgram, existe um u
uH01 () C f L2 () .
Captulo 3
Formula
c
ao Discreta
Dado L V , consideramos aproximacoes do problema:

Achar u V tal que
(3.1)
a(u, v) = L(v), v V,
onde (V, (., .)V ) e um espaco de Hilbert.
3.1 M
etodo de Galerkin
O metodo de Galerkin consiste em utilizar um espaco de dimensao finita para apro-

ximar o problema (3.1), isto e, dado Vh V um sub-espaco de V e L V ,

Achar uh Vh tal que
(3.2)
a(uh , vh ) = L(vh ), vh Vh .
Questoes:
1. Existe uma u
nica solucao para (3.2)?
2. Qual o erro u uh ?
Corol ario 3.1. Suponha que as condicoes do Lema de Lax-Milgram sejam satisfeitas
pelo problema (3.1). Entao o problema (3.2) tem solucao u
nica.
Demonstracao. Como Vh e um sub-espaco de V , entao Vh e um espaco de Hilbert.

Alem disso L(.)|Vh Vh e a(., .)|Vh e contnua e coerciva (com a mesma constante
!). Portanto, aplica-se o Lema de Lax-Milgram e o resultado segue.
41
42 CAPITULO 3. FORMULAC DISCRETA
AO
3.2 Melhor Aproxima

c
ao: Lema de C
ea
Lema 3.2 (Lema de Cea). Suponha validas as hipoteses do Lema de Lax-Milgram.
Seja uh a solucao de (3.2), e u a solucao de (3.1), logo,
Ca
u uh V min u vh V .
vh Vh
Se a(., .) for simetrica, entao

Ca
u uh V min u vh V .
vh Vh
Demonstracao. Lembrar: Se a(., .) for simetrica, entao a(., .) e um produto interno,

e u uh E = minvh Vh u vh E .
Como uh e solucao de (3.2), entao
a(uh , vh ) = L(vh ), vh Vh .
e como u e solucao de (3.1), logo
a(u, vh ) = L(vh ), vh Vh .
Portanto,
a(u uh , vh ) = 0, vh Vh . (3.3)
Pela coercividade e continuidade de a(., .) sobre V , temos
u uh 2V a(u uh , u uh ) (coercividade)
0

= a(u uh , vh uh ) + a(u uh , u vh ) (equacao (3.3))

= a(u uh , u vh )
Ca u uh V u vh V , (continuidade)
logo
Ca
u uh V u vh V , vh Vh

Ca
u uh V min u vh V .
vh Vh
Provamos que, quando a(., .) e simetrica, temos
u uh E = min u vh E ,
vh Vh
e a equivalencia de normas, segue

1 1
2 vV vE Ca2 vV , v V.
3.2. MELHOR APROXIMAC LEMA DE CEA
AO: 43
Portanto, tomando acima temos v = u uh ,

1
u uh V u uh E

1
= min u vh E
vh Vh

Ca
min u vh V .
vh Vh
Ex. 10 Seja o sistema linear associado a (3.2)
Au = F.
Verifique que se a(., .) e simetrica e coerciva sobre Vh , entao A e uma matriz simetrica
e definida positiva.
Observacao 3.1. Repare que as constantes de continuidade e coercividade impactam
a precisao do erro de aproximacao.
44 CAPITULO 3. FORMULAC DISCRETA
AO
Captulo 4
M
etodo de Elementos Finitos
Objetivo: Contruir um espaco de dimensao finita Vh , de forma que,
1. O calculo das entradas da matriz A e do vetor F seja simples e rapido,
2. O sistema linear A u = F seja calculado rapidamente e com baixo custo quando

h 0.
O candidato natural e utilizar funcoes polinomias por partes (localidade) por
simplicidade de integracao,
matrizes esparsas e bem condicionadas.
Para tanto, o dominio e decomposto (discretizado) em uma particao Th cha-

mada de malha, de forma que Vh seja gerado por polinomios por partes em cada
elementos K Th .
Estrat
egia:
1. Definir o conceito de elemento finito em cada K, i.e., determinar as funcoes

de base sobre K.
2. Estender o conceito de elemento finito globalmente, i.e., definir as funcoes de

base globais de forma que coincidam com as funcoes de base locais quando
restrita a K, e casem adequadamente no contorno de K.
Vamos definir um elemento finito na forma proposta por Ciarlet.
Definic
ao 4.1 (Elemento Finito). Seja:
(i) K Rn chamado de elemento (geometrico), um conjunto fechado limitado nao

vazio com contorno suave por partes;
45
46 CAPITULO 4. METODO
DE ELEMENTOS FINITOS
(ii) PK chamado de espaco das funcoes de base, um espaco de funcoes sobre K de

dimensao finita k;
(iii) K chamado de o conjunto de graus de liberdade, uma base {Li }i{1,...,k} para
PK .
Entao (K, PK , K ) e chamado de elemento finito.

Observacao 4.1. Ideia: Dado = [i ]i{1,...,n} Rk existe um u
nico p PK tal que
i = Li (p), i {1, . . . , k}. (4.1)
Afirmamos que (4.1) e equivalente a {Li }i{1,...,k} ser uma base para PK .
Lema 4.1. Seja PK um espaco de dimensao k, e {Li }i{1,...,k} formas lineares sobre
PK . Entao temos as seguintes equivalencias:
(i) {Li }i{1,...,k} e uma base para PK ;
(ii) Dado p PK tal que Li (p) = 0 i {1, . . . , k}, entao p = 0;
(iii) Dado = [i ]i{1,...,k} Rk , ! p PK tal que Li (p) = i .
Demonstracao. Seja {i }i{1,...,k} uma base para PK . Vamos provar que as condicoes
(i), (ii) e (iii) sao equivalentes a` condicao (iv) a matriz L := [Lj (i )]i,j{1,...,k} e
inversvel. Portanto, (i), (ii), e (iii) sao equivalentes.
((i) (iv)). Note que {Li }i{1,...,k} e uma base para PK se e somente se dado
L PK existe {i }i{1,...,k} , tal que
k

L= j Lj (pois dim PK = dim PK ).
j=1
Isso e verdade
k

{i }i{1,...,k} tal que L(p) = j Lj (p), p Pk ,
j=1
k

{i }i{1,...,k} tal que L(i ) = j Lj (i ), i {1, . . . , k},
j=1
k

{i }i{1,...,k} tal que R i = j Lj (i ), i {1, . . . , k}.
j=1
Logo,
L = ,
onde
:= [j ]j{1,...,k} := [i ]i{1,...,k} .
47
Portanto, dado Rn ,
L = ,
nica se e somente se L for inversvel. Isto e verdade se e somente se

tem solucao u
{Lj }j{1,...,k} for uma base para PK .
((ii),(iii) (iv)). Dado p PK temos que
k

p= j j ,
j=1
logo
k

Li (p) = j Li (j ), i {1, . . . , k}.
j=1
Portanto, (iii) e equivalente a

k

! {j }j{1,...,k} R tal que
k
j Li (j ) = i i {1, . . . , k}
j=1
! := [j ]j{1,...,k} R tal que LT = ,

k
LT e inversvel,
L e inversvel.
Tambem, (ii) e equivalente a

k

j Li (j ) = 0 i {1, . . . , k} = j = 0, j {1, . . . , k}
j=1
LT = 0 = = 0,
LT e inversvel,
L e inversvel.
ao 4.2. Seja {Lj }j{1,...,k} uma base para PK . As funcoes de base {i }i{1,...,k}
Definic
sao chamadas de nodais se para cada i, j {1, . . . , k},

1 i = j,
Lj (i ) = ij :=
0 senao.
Observa
k cao 4.2. As funcoes de base nodais sao u
nicas pelo lema anterior, e dado
p = j=1 cj j PK ,
k
p= Li (p)j PK .
j=1
ao 4.3. Dizemos que K determina PK se para todo p PK

Definic
L(p) = 0 p = 0 L K .
Definimos

K := [0, 1];
PK := polinomios de grau menor ou igual a 1;

:= {L , L }, onde L (p) = p(i), p P , i {0, 1}.
K 0 1 i K
Entao (K, PK , K ) e um elemento finito pois, dado p PK e i {0, 1},

p(0) = 0,
Li (p) = 0 e

p(1) = 0,
e como p e linear, logo p = 0 em [0, 1].

As funcoes de base nodais {j }j{0,1} por definicao sao tais que:
Li (j ) = ij .
Como j (x) = aj + bj x, temos
1 = L0 (0 ) = 0 (0) 0 = L1 (0 ) = 0 (1)
e
a0 , = a0 + b 0 ,
logo a0 = 1 e b0 = 1. Procedendo da mesma forma para 1 , temos a1 = 0 e b1 = 1.
Logo,
0 (x) = 1 x, e 1 (x) = x.
Lema 4.2. Seja p(x), x Rd um polinomio de grau k 1 que se anula sobre
{x : (x) = 0},
onde e uma funcao linear, chamado de hiperplano . Entao
p(x) = (x)q(x),
onde q e um polinomio de grau k 1.
Demonstracao. (Exerccio. Brenner e Scott pg. 71 por exemplo)
4.1 Exemplos de Elementos Finitos
4.1.1 Elemento de Lagrange linear em 2D
Definimos o elemento finito linear (veja figura 4.1)

K := triangulo;
PK := P1 (K);

:= {L }
K i i{1,2,3} , onde Li (p) = p(ai ), p PK .
4.1. EXEMPLOS DE ELEMENTOS FINITOS 49
a3 a3
1 1
a6 a5
2 2
a1 3 a2 a1 a4 3 a2
(a) (b)
Figura 4.1: Elementos finitos triangulares P1 (K) (a) e P2 (K) (b).
A dimensao de PK e igual a cardinalidade de K . Provemos que K determina

PK (veja Def. 4.3). Devemos provar que: Dado p PK ,
Li (p) = p(ai ) = 0, i {1, 2, 3} = p = 0
Seja i , i {1, . . . , 3}, as funcoes lineares que caracterizam as arestas, i.e.,
{x, i (x) = 0}.
Como p|1 e linear de uma variavel, se anulando em a2 e a3 , logo p|1 = 0. Pelo lema
anterior,
p = 1 q, onde q R.
Mas,
0 = p(a1 ) = 1 (a1 )q q = 0,
pois 1 (a1 ) = 0. Entao p = 0.
4.1.2 Elemento de Lagrange quadr

atico em 2D
Definimos o elemento finito quadratico (veja Fig 4.1)

K := triangulo;
PK := P2 (K);

:= {L }
K i i{1,...,6} , onde Li (p) = p(ai ), p PK .
Primeiro,
dim P2 (K) = cardK .
Suponhamos, dado p PK
Li (p) = p(ai ) = 0, i {1, . . . , 6},
e j , j {1, 2, 3} sao funcoes lineares que definem as arestas.

a4 3 a3
4 2
a1 1 a2
Figura 4.2: Elemento finito rectangular Q1 (K).
Como p|1 e um polinomio quadratico de uma variavel, e que se anula em

a2 , a3 e a5 , logo p|1 = 0. Portanto,
p = 1 q, q um polinomio linear.
Mas p|2 = 0 tambem pelas mesmas razoes. Logo,
1 q|2 = 0 1 |2 = 0 ou q|2 = 0.
Mas 1 pode ser zero apenas em um ponto de 2 (triangulo nao degenderado),

que implica
q|2 = 0,
a menos de 1 ponto, mas q e uma funcao contnua logo
q|2 = 0.
Pelo lema anterior

p = 1 2 r, onde r R.
Por outro lado
0 = p(a6 ) = 1 (a6 )2 (a6 )r,
que implica r = 0 pois 1 (a6 ) = 0 e 2 (a6 ) = 0, entao p = 0.
4.1.3 Elemento de Lagrange bilinear em 2D
Definimos o elemento finito bilinear (veja figura 4.2)

K := retangulo;
PK := Q1 (K);

K := {Li }i{1,2,3,4} , onde Li (p) = p(ai ), p PK .
Primeiro, veja que

dim Q1 (K) = 4 = cardK .
Seja p PK , e suponha
Li (p) = p(a1 ) = 0, i {1, . . . , 4}.

4.1. EXEMPLOS DE ELEMENTOS FINITOS 51
a3 = a7 = a10
1
1 n2 n1
s = (s1, s2) 2
a4
2 n = (n1, n2)
a1 = a5 = a8 3 a2 = a6 = a9 n3
Figura 4.3: Elementos finitos triangulares de Hermite (esquerda) e de RT0 (direita).
Como p|1 e um polinomio linear de uma variavel, assim como p|2 , temos que p
decompoe-se como
p(x) = c1 (x)2 (y),
mas
p(a4 ) = c1 (a4 )(a4 ),
onde 1 (a4 ), (a4 ) = 0, portanto c = 0 p = 0.
4.1.4 Elemento de Hermite 2D
Definimos o elemento finito (veja Fig 4.3)

K := triangulo;
PK := P3 (K);

:= {L }
K i i{1,...,10} ,
onde, dado p PK ,
Li (p) = p(ai ), i {1, . . . , 4}, (4.2)
p
Lj (p) = (aj ), j {5, . . . , 7}, (4.3)
x
p
Lk (p) = (ak ), k {8, . . . , 10}. (4.4)
y
Seja p PK tal que

Li (p) = 0, i {1, . . . , 10},
entao p|1 tem a2 e a3 como razes duplas pois p(a2 ) = p (a2 ) = 0 e p(a3 ) = p (a3 ) = 0,
onde p := p s
p
= x p
s1 + y s2 . Mas p|1 e um polinomio de ordem 3 de uma variavel
com 4 razes, portanto p|1 = 0. Analogamente, p|2 = p|3 = 0. Portanto,
p = 1 2 3 q, q R.
Logo,
0 = p(a4 ) = 1 (a4 )2 (a4 )3 (a4 )q,
implica q = 0, isto e, p = 0.
4.1.5 Elemento de Raviart-Thomas 2D
Definimos o elemento finito linear (veja Fig 4.3)

K := triangulo;
PK := {p(x) = + x, R2 , R};

K := {Li }i{1,...,3} ,
onde

Li (p) = p ni ds.
i
Primeiro, veja que

1 x
p(x) = +
2 y

1 0 x
= 1 + 2 + .
0 1 y

1 0 x
Logo, se p = 0, 1 = 2 = = 0, entao , , e uma base para
0 1 y
PK e dim PK = 3. Veja que
dim PK = 3 = cardK .
Seja p PK tal que

Li (p) = p ni ds = 0, i {1, 2, 3}.
i
Veja que

p dx = p n ds (4.5)
K K
3

= p ni ds
i=1 i
= 0.
Como p e linear, p R onde p = ( + x) = . De (4.5) temos que
p = 0, logo = 0. Neste momento,
p(x) = R2 ,
mas

p ni ds = ni ds (4.6)
i i
= 0, i {1, 2, 3}, (4.7)
que implica ni = 0, i {1, 2, 3}, e logo e ortogonal a uma base do R2 , isto e,
= 0.
4.2. ELEMENTO FINITO DE LAGRANGE PK (K) EM RD 53
v3
v3
v4 v2
v1 v2 v1 v2 v1
Figura 4.4: Exemplos de d-simplex em 1D (esquerda), 2D (centro), e 3D (direita).
4.2 Elemento Finito de Lagrange Pk (K) em Rd
4.2.1 Elemento d-simplex
Definic ao 4.4 (d-simplex). Um d-simplex K Rd , d = {1, 2, 3} e o envelope

convexo de d + 1 pontos aj = [ai j ]i{1,...,d+1} , j {1, . . . , d + 1}, chamados de
vertices de K, que nao estao contidos no hiperplano de Rd , isto e,

a1 1 a1 2 a1 d a1 d+1
a2 1 a2 2 a2 d a2 d+1

.. ,
A = [a1 a2 ad+1 ] = ... ..
.
..
.
..
. .

ad 1 ad 2 ad d ad d+1
1 1 1 1
e inversvel.
Exemplo 4.1. Consideramos os seguintes exemplos em 1D, 2D, e 3D (veja figura
4.4):
(i) d = 1, segmento;
(ii) d = 2, triangulo;
(iii) d = 3, tetrahedro.
Seja K Rd um d-simplex com d + 1 vertices aj = [ai j ]i,j{1,...,d+1} (definicao

4.4). Lembre que a matriz

a1 1 a1 2 a1 d a1 d+1
a2 1 a2 2 a2 d a2 d+1

A = [a1 a2 ad+1 ] = ... ..
.
... ..
.
..
. ,

1 1 1 1
hK
Figura 4.5: Visualizacao dos aspectos geometricos.
e inversvel, e veja que

|K| d = 1

2|K| d = 2
| det A| = d!|K| = .

6|K| d = 3

... ..
.
Definicao 4.5. Seja K um d-Simplex. Definimos os seguintes aspectos geometricos

(veja figura 4.5):
hK = diam(K) = comprimento da maior aresta de K;
K = diametro da bola (esfera) inscrita em K;

hK
K = K
e a medida de nao degenerencia de K.
Seja a tripla (K, PK , K ) definida como

K := d-simplex;
PK := P (K) = polinomios de grau menor ou igual a k sobre K;
k

K := {Li }i{1,...,k } , onde Li (p) = p(ai ), p PK , i {0, . . . , k }.
onde ai sao os nos de K.

Queremos provar que a tripla e um elemento finito. Precisamos caracterizar
P (K) e K de forma conveniente. Dado x = (x1 , . . . , xd ) Rd , o espaco Pk (K) e
k
gerado por d

xi i , 0 || k ,
i=1
d d
onde i=1 representa o produto e || = j=1 j .
Exemplo 4.2. Exemplos de bases.

d 1
d = 1: i=1 x1 , 0 || k
k = 0: Neste caso, 1 = 0 {1}, dim P0 (K) = 1.

k = 1: Neste caso, 0 1 1 {1, x}, dim P1 (K) = 2.

k = 2: Neste caso, 0 1 2 {1, x, x2 }, dim P2 (K) = 3.

d 1 2
d = 2: x
i=1 1 x 2 , 0 || k
k = 0: Neste caso, 1 + 2 = 0 {1}, dim P0 (K) = 1.

k = 1: Neste caso, 0 1 + 2 1 {1, x1 , x2 }, dim P1 (K) = 3.
k = 2: Neste caso, 0 1 +2 2 {1, x1 , x2 , x1 x2 , x21 , x22 }, dim P2 (K) = 6.

d 1 2
d = 3: x
i=1 1 x 2 , 0 || k
k = 0: Neste caso, 1 + 2 + 3 = 0 {1}, dim P0 (K) = 1.

k = 1: Neste caso, 0 1 + 2 + 3 1 {1, x1 , x2 , x3 }, dim P1 (K) = 4.
De forma geral temos que (pode ser provado por inducao)
(k + d)!
dim Pk (K) = .
k! d!
Portanto, devemos definir
(k + d)!
k = ,
k! d!
formas lineares linearmente independentes. Devemos portanto determinar a loca-
lizacao de k nos aj no elemento K, o que nos leva a dever representar K de forma
conveniente.
4.2.2 Coordenadas baric

entricas
O objetivo das coordenadas baricentricas e descrever o triangulo K de modo mais

conveniente do que por coordenadas cartesianas.
Definicao 4.6 (Coordenadas Baricentricas). Seja K Rd , d {1, 2, 3}, um ele-

mento geometrico d-simplex. Dado x K, definimos suas coordenadas baricentricas
{i (x)}i{1,...,d+1} como a solucao do seguinte sistema
d+1
ai i (x) = x
i=1
d+1
i=1 i (x) = 1,
onde ai sao os nos de K.
Observacao 4.3. Veja que o sistema tem a forma
A = b,
onde

a1 1 a1 2 a1 d a1 d+1
a2 1 a2 2 a2 d a2 d+1

A = [a1 a2 ad+1 ] = ... ..
.
..
.
..
.
..
. , (4.8)

1 1 1 1

1 (x) x1
.
= .. , b = ... . (4.9)
d+1 (x) xd+1
Logo, como K e um d-simplex det A = 0, e o sistema tem solucao u

nica. Alem
disso, as coordenadas baricentricas i (x) P1 (K) pois
= A1 b.
Observacao 4.4. Observe que:

1 i=j
(i) i (aj ) = ij = .
j
0 i=
Logo {i }i{1,...,d+1} e a base nodal para P1 (K).
(ii) Podemos definir
K := {x Rd : 0 i (x) 1, 1 i d + 1}
(iii) Dado p P1 (K) entao

d+1

p(x) = p(ai )i (x).
i=1
Exemplo 4.3.
(i) 1D (veja figura 4.6)

Dado x K, as coordenadas baricentricas sao definidas por
a1 1 (x) + a2 2 (x) = x
1 (x) + 2 (x) = 1.
Logo, 2 (x) = 1 1 (x) e dado h := a2 a1 temos
a1 1 (x) + a2 (1 1 (x)) = x
x a2
1 (x) =
a1 a2
a2 x
1 (x) = .
h
Portanto,
a2 x
2 (x) = 1
h
x a1
= .
h
Logo, x (1 , 2 ) = ( a2hx , xa1
h
).
(ii) 2D
Dado x K,
a1 1 (x) + a2 2 (x) + a3 3 (x) = x

1 (x) + 2 (x) + 3 (x) = 1.
Logo, 3 (x) = 1 1 (x) 2 (x) e temos
(a1 a3 )1 (x) + (a2 a3 )2 (x) + a3 = x

1 (x)
B = x a3 ,
2 (x)
onde
B := [a1 a3 , a2 a3 ].
Como as colunas da matrix B sao linearmente independentes (veja figura 4.6),

a matriz e inversvel e temos:
(a2 2 a1 3 )(x1 a1 3 ) + (a1 3 a1 2 )(x2 a2 3 )
1 (x) =
(a2 2 a1 3 )(a1, 1 a1 3 ) + (a1 3 a1 2 )(a2 1 a2 3 )
(a2 3 a2 1 )(x1 a1 3 ) + (a1 1 a1 3 )(x2 a2 3 )
2 (x) =
(a2 3 a2 1 )(a1, 2 a1 3 ) + (a1 1 a1 3 )(a2 2 a2 3 )
3 (x) = 1 1 (x) 2 (x)
Observacao 4.5.
:= [0, 1] (figura 4.7). As coordenadas baricentricas sao:

(i) Seja K
1 (x) = x, 2 (x) = 1 x.
o triangulo mostrado na figura 4.7. As coordenadas baricentricas sao:

(ii) Seja K
1 (x) = 1 x1 x2 , 2 (x) = x1 , 3 (x) = x2

a3
a1 x a2
h = a2 a1 a1 a2
Figura 4.6: Exemplos de domnios d-simplex em 1D (esquerda) e 2D (direita). O da

direita tambem mostra os vetores independentes a1 a3 e a2 a3 .
a3 = (0, 1)T
x (1, 2, 3)
x (1, 2)
a1 = 0 a2 = 1 a1 = (0, 0)T a2 = (1, 0)T
Figura 4.7: Exemplos de domnios d-simplex unitarios em 1D (esquerda) e 2D (di-

reita).
Observacao 4.6 (Assumido). Seja i 0 para i {1, . . . , d + 1}, temos que

d+1 1 ! d+1 !d!
1 1 d+1 dx = |K|
K (1 + + d+1 + d)!
Exemplo 4.4. Em 1D, temos

2!1! 2 1
1 1 dx = |K| = |K| = |K|,
K (2 + 1)! 6 3

1!1! 1
1 2 dx = |K| = |K|.
K (1 + 1 + 1)! 6
Construimos ate o momento formas de representar Pk (K) e K. Vamos agora

construir as formas lineares de K , i.e., os nos do elemento K onde p sera avaliado.
ao 4.7. Seja k 0. Chamamos de grade principal de ordem k de K,

Definic
denotado por Tk (K), o seguinte conjunto

{x Rd : j (x) = d+1
1
, 1 j d + 1}, k = 0,
Tk (K) =
{x R : j (x) {0, k , . . . , k+1 , 1} 1 j d + 1}, k 1.
d 1 k
Exemplo 4.5.
T0 (K) = 1 ponto no baricentro
1D Veja figura 4.8

1
{x R : j (x) = , j = 1, 2}.
2
2D Veja figura 4.9
1
{x R2 : j (x) = , 1 j 3}.
3
T1 (k) = vertices
1D Veja figura 4.8
{x R : j (x) {0, 1}, j = 1, 2}.
2D Veja figura 4.9
{x R2 : j (x) {0, 1}, 1 j 3}.
T2 (k) = vertices + meio das arestas
1D Veja figura 4.8

1
{x R : j (x) {0, , 1}, j = 1, 2}.
2
a2 a1 a2 a1 a3 a2
Figura 4.8: Exemplos de grades principais Tk (K) em 1D com k = 0 (esquerda),

k = 1 (centro) e k = 2 (direita).
a3 a3
a6 a5
a1
a1 a2 a1 a4 a2
Figura 4.9: Exemplos de grades principais Tk (K) em 2D com k = 0 (esquerda),

k = 1 (centro) e k = 2 (direita).
2 = 0
3 = 1
1
2 = 3
2
3 = 3
2
2 = 3
1
3 = 3
2 = 1
3 = 0
2 1
1 = 1 1 = 3 1 = 3 1 = 0
Figura 4.10: Exemplo de grade principal T3 (K) em 2D.

2D Veja figura 4.9

1
{x R2 : j (x) {0, , 1}, 1 j 3}.
2
Veja figura 4.10 para ver a forma construtiva no caso T3 (K) em 2D.
Lema 4.3. Seja K um d-simplex e Tk (K) sua grade principal de ordem k, k 0.

Portanto a tripla (K, PK , K ) onde PK := Pk (K) e K := {Li }i{1,...,k } , com Li (p) =
p(ai ), p PK , onde ai Tk (K), e um elemento finito.
Demonstracao. Primeiro, por construcao temos que

(k + d)!
k = cardK = dim Pk (K) = .
k!d!
Temos que verificar que dado p Pk (K), k 0, tal que
Li (p) = p(ai ) = 0, i {1, . . . , k },
implica p 0. Provamos por inducao sobre d.
(i) d = 1:
Neste caso temos que p Pk (K) se anula em k + 1 pontos, isto e, os pontos x
tais que
1
1 (x) = 0, 1 (x) = , . . . , 1 (x) = 1.
k
Portanto p e divisvel por
1
1 (x)(1 (x) ) (1 (x) 1),
k
que e um polinomio de ordem k + 1. Logo p = 0.
(ii) Assuma a propriedade valida em d 1. Seja p um polinomio de Pk (K) se
anulando nos pontos de Tk (K). Seja i o hiperplano associado a 1 (x) = 0.
Logo p|1 e um polinomio que pertence a Pk (K) de d 1 variaveis. Logo p|1
se anula na grade principal de ordem k, e pela hipotese de inducao p|1 = 0.
Portanto,
p = 1 q, onde q Pk1 (K).
Em seguida, restrinja p|2 onde 2 e o hiperplano de dimensao d 1 associado
a 1 = k1 . Como
1 |2 = 0,
logo q|2 se anula na grade principal de ordem k 1 associada a 2 . Pela
hipotese de inducao q|2 = 0, que implica
1
p = 1 (1 )r, onde r Pk2 (K).
k
Interando k vezes, utilizando o mesmo argumento, provamos que p e divisvel
pelo polinomio de grau k + 1, a saber
1
1 (1 ) (1 1).
k
Portanto p 0.
Exemplo 4.6 (Calculo das funcoes de base nodais).
(i)

K := d-simplex;
PK := P (K)(= polinomio constante);
0

:= {L }
K i i{1,...,k } , onde Li (p) = p(ai ), ai T0 (K).
Logo, dim P0 (K) = 1 = cardK = k e a1 e o baricentro.

Seja 1 P0 (K) tal que L1 (1 ) = 1 1 = 1.
(ii)

K := d-simplex;
PK := P1 (K);

K := {Li }i{1,...,k } , onde Li (p) = p(ai ), ai T1 (K).
Logo, dim P1 (K) = d + 1 e T1 (K) e composto dos vertices do d-simplex, com
k = cardK = d + 1. As funcoes de base nodais sao
Li (j ) = ij , i, j {1, . . . , d + 1},
que implica j = j .
(iii)

K := d-simplex;
PK := P2 (K);

:= {L }
K i i{1,...,k } , onde Li (p) = p(ai ), ai T2 (K).
Logo, dim P2 (K) = (d+1)!

2d!
= (d+1)(d+2)
2
= cardT2 (K) e T2 (K) e composto pelos
vertices do d-simplex e os pontos no meio dos lados. Denotando aij o no entre
os nos ai e aj , temos
(d + 1)(d + 2)
Li (j ) = ij , i, j {1, . . . , }.
2
Temos j = j (2j 1), j {1, . . . , d + 1} e ij = 4i j , i, j {1, . . . , d + 1}.
Veja figura 4.11.
4.3 Noc
ao de Elemento de Refer
encia
Objetivo: Dado um elemento finito (K, PK , K ) queremos associa-lo a um elemento
P , ).
finito de referencia (K, K K
ao 4.8. Uma tranformacao F : Rd Rd e dita afim se existe uma matriz

Definic
B e um vetor b tal que
x = F (
x) = B x
+ b, Rd .
x
4.3. NOC DE ELEMENTO DE REFERENCIA
AO 63
13
a3 a3
a13 a13
a13 a23
a1 a1
a12 a12
a2 a2
Figura 4.11: Exemplos de funcoes de base quadraticas associadas a um vertice

(esquerda) e a um ponto no meio de uma aresta (direita) de um triangulo.
a3 = (0, 1)T
3(
x) = y

K
1(
x) = x 2(
x) = 1 x a1 = (0, 0)T a2 = (1, 0)T
0 1 1(
x) = 1 x y 2(
x) = x
Figura 4.12: O 1-simplex (esquerda) e o 2-simplex (direita) de referencia.
Observacao 4.7.
F P1 (Rd ).
A transformacao e inversvel, e logo F e uma bijecao, se e somente se det B = 0,

e logo F 1 P1 (Rd ), pois
= F 1 (x) = B 1 (x b).
x
Definicao 4.9. Um d-simplex K e chamado d-simplex de referencia se um vertice a1

tiver todas suas coordenadas iguais a zero, e os d vertices restantes uma coordenada
igual a 1 e as outras iguais a 0.
tal que
Lema 4.4. Seja K um d-simplex. Existe uma bijecao FK P1 (K)
K,
FK : K
coincidem com os vertices de K.
onde os vertices de K
a3
a1 K
FK
a3
a2
B = (a3 a1, a3 a2)

K FK1
a1 a2
Figura 4.13: Acao da matriz B.
Demonstracao. Seja a1 , a2 , . . . , ad+1 os vertices de K. Escolha

b = ad+1 ,
e construa B de forma que suas colunas sejam formadas pelos vetores
bj = aj ad+1 , j {1, . . . , d}.

(Veja figura 4.13 para um exemplo em 2D.) Pela definicao de um d-simplex, det B =
0. Portanto, escolhendo
F (
x) = B x
+ b,
temos que F ( em K, pois toda transformacao

ai ) = ai , e logo F e uma bijecao de K
afim preserva a convexidade, e logo, o envelope convexo K e preservado, isto e,
= K.
F (K)
Observacao 4.8.
(i) A transformacao F nao e u

nica, pois podemos numerar os vertices de (d + 1)!
formas.
(ii) Usamos a transformacao F para transportar objetos de K sobre K. Deno-
tamos por q a quantidade obtida pelo transporte de q.
= FK1 (x) ou x = FK (
(a) x x) (veja figura 4.14)
(b) Seja v(x) um funcao definida sobre K. Definimos v(
x) por
v( x)) = v(x) v = v FK .
x) := v(FK (
por
(c) Seja L uma forma linear sobre PK . Definimos L
v ) = L(
L( v FK1 ) = L(v).
4.3. NOC DE ELEMENTO DE REFERENCIA
AO 65
FK
x
x = FK (
x)

K
FK1
Figura 4.14: Exemplo de um mapeamento bijetivo entre o elemento de referencia e

um elemento fsico.
(iii) As coordenadas baricentricas sao invariantes por transformacao afim, isto e,

i (
x) = i (x).
Definicao 4.10. Seja (K, PK , K ) um elemento finito. Dizemos que um elemento

finito (K , PK , K ) e afim equivalente à (K, PK , K ) se existe uma tranformacao
afim FK (x ) = B x + b com det B = 0, tal que
1. F (K) = K ;
2. PK e tal que PK = {p = p FK1 : p PK };
3. K e tal que K = {Li : Li (p ) = Li (p FK ), Li K }.
Observacao 4.9.
1. Dois elementos finitos de Lagrange de ordem k sao afim equivalentes.
2. Dois elementos finitos de Crouzeix-Raviart sao afim equivalentes. Os elementos

de Raviart-Thomas nao sao afim-equivalentes.
P := P ,
3. Dado um elemento finito de referencia (K, := ) de Lagrange de
K K
ordem k, para todo K existe uma transformacao afim FK ( x) = B x + b, com
det B = 0, tal que
= K,
FK (K)
e logo (K, PK , K ) e um elemento finito de Lagrange de ordem k com

p FK1 : p P };
PK := {
K := {Li : Li (p) = L i (p FK ), L
i }.

(K, PK , K )
K
FK
FK1
K
P , )
(K,
Figura 4.15: Mapeamento entre o elemento finito de referencia e um elemento fsico.
4.4 Elemento Finito Global de Lagrange Pk ()

Considere um espaco de funcoes polinomiais por partes sobre a malha (veja figura
1.11 para um exemplo do caso P1 ()). Perguntas:
Um polinomio p sobre tal que p|K Pk (K) com seus graus de liberdade
fixados atraves de K localmente, e univocamente determinado?
p e uma funcao contnua sobre ?
4.4.1 Malha de elementos finitos
Definicao 4.11. Uma triangularizacao (ou particao) conforme de e um conjunto

finito Th de elementos K tal que
= KT K;
(i) h
(ii) A intersecao de dois elementos distintos de Th e vazia, um vertice ou uma

aresta (face).
Lembre os exemplos de triangularizacoes conforme e nao conforme na figura 1.10.

Lembramos que (definicao 4.5)
hK = diametro de K;
K = diametro da bola inscrita em K.
Definimos tambem
h = max hK .
KTh
4.4. ELEMENTO FINITO GLOBAL DE LAGRANGE PK () 67
Figura 4.16: Particao regular {Th }h>0 que nao e quasi-uniforme.
ao 4.12. Uma famlia {Th }h>0 de triangularizacoes e dita regular se existe

Definic
uma constante positiva tal que, para todo h,
hK
K := .
K
Observacao 4.10. Interpretacao:
existe 0 > 0 tal que o menor angulo de K e maior que 0 ;
existe NK > 0 tal que o n

umero de elementos K com um vetice comum e
menor que NK ;
existe N > 0 tal que se K e K dividem um no, hK /hK e menor que N .
ao 4.13. Uma famlia de particoes {Th }h>0 e dita quase-uniforme se existe

Definic
uma constante C > 0 tal que
Ch hK h,
para todo K Th .
Veja figura 4.16 para ver um exemplo de uma famlia {Th }h>0 de particoes que
e regular mas nao quasi-uniforme.
4.4.2 Graus de liberdade globais
Definic ao 4.14. Seja k > 0 e seja h o conjunto de nos globais associado à malha
Th . h e definida por
h := KTh Tk (K),
onde Tk (K) e a grade principal de K de ordem k
Definic
ao 4.15. O conjunto h definido por
h := KTh K ,
e chamado graus de liberdade globais, onde K e o conjunto de formas lineares

associado ao elemento finito (K, PK , K ). Em h conta-se apenas uma vez os graus
de liberdade comuns a diferentes elementos K.
K
K
Figura 4.17: Dois triangulos adjacentes em uma malha nao estrutura.
4.4.3 Espa
co global de elementos finitos
Denotamos Vh o espaco de elementos finitos, tal que p Vh implica p|K ser um

polinomio de ordem k sobre K Th e caracterizado pelas formas linear Li h ,
onde,
Li (p) = p(ai ), ai h .
Lema 4.5.
Vh = {p Pk (K), K Th }.
Demonstracao. Seja p uma funcao definida em , polinomial de ordem k em cada

K Th , e com um valor u nico em cada ai h . Seja K, K Th adjacentes
(veja figura 4.17). Portanto p|K e p|K sobre K K coincidem nos nos ai
Tk (K) Tk (K ). Por outro lado Tk (K) Tk (K ) e uma grade principal de ordem k
prar o d 1-simplex K K . Mas p|K p|K sobre K K e um polinomio de
grau k que se anula em k + 1 pontos, logo p|K = p|K sobre K K .
Observacao 4.11.
(i) Vh H 1 ().
(ii) A aplicacao p p(ai ), ai h e um isomorfismo de Vh em Rcardh , logo

dim Vh = cardh . Logo dizemos que a aproximacao e H 1 -conforme.
(iii) Dado ai h , a base nodal i associada a ai e
j (ai ) = Li (j ) = ij .
Logo j tem como suporte os elementos K que contem aj , onde j quando

restrita a K coincide com a funcao de base do elemento finito (K, PK , K ) (veja
figura 1.11). Alem disso,

p(x) = p(ai )i (x), x .
i
4.5. APROXIMAC POLINOMIAL
AO 69
Observacao 4.12. Podemos integrar condicoes de contorno de Dirichlet homogeneas

definindo
Vh0 := Vh H01 ().
Neste caso devemos retirar de h os nos contidos sobre , isto e, definimos
0,h := {a h \ }.
As funcoes de base sao j tal que j (ai ) = ij , ai 0,h .
4.5 Aproximac
ao Polinomial
Lembre que, pelo lema de Cea, existe uma constante C > 0 tal que
u uh V Cu vh V , vh Vh ,
onde u e a solucao exata de (3.1) e uh e a solucao de (3.2).

Ideia. Escolher vh = Iu, onde I : V Vh e o operador de interpolacao.
Observacao 4.13. O operador I so faz sentido quando definido sobre funcoes contnuas.
Em casos menos regulares, podemos usar outros operadores (projecao, regularizan-
tes).
Logo, existe C > 0 tal que

u uh 2V Cu Iu2V = C u IK u2V (K) ,
K
onde IK u = Iu|K .
Devemos portanto estimar localmente
u IK uV (K) .
4.5.1 Erro de interpola

c
ao local
Seja k > 0, K Th e (K, Pk (K), K ) um elemento finito de Lagrange de ordem k.

k
Definic
ao 4.16. Denotamos IK um operador de interpolacao local com valores em
Pk (K) sobre o espaco das funcoes contnuas em K por
k
(IK p)(a) = p(a), a Tk (K),
se e somente se n

k
IK p(x) = p(ai )i (x), ai Tk (K),
i=1
(k+d)!
en= k!d!
, i (x) e base nodal de Pk (K).
Lema 4.6. Seja K um d-simplex, e (K, PK , K ) um elemento finito de Lagrande

de ordem k. Entao existe C > 0, dependente apenas do elementos de referencia
P , ) tal que, m Z, 0 m k + 1,
(K, K K
k hk+1
|v IK v|H m (K) C K
|v|H k+1 (K) , v H k+1 (K).
m
K
Demonstracao. Assumido.
Observacao 4.14.
k
(i) v IK vL2 (K) Chk+1
K |v|H k+1 (K)
1
k=1: v IK vL2 (K) Ch2K |v|H 2 (K)
2
k=2: v IK vL2 (K) Ch3K |v|H 3 (K)
k
(ii) |v IK v|H 1 (K) C hKK hkK |v|H k+1 (K)
1 hK
k=1: |v IK v|H 1 (K) C hK |v|H 2 (K)
K
2 hK 2
k=2: |v IK v|H 1 (K) C h |v|H 3 (K)
K K
Sabemos que dado v H01 () existe C > 0 tal que
vL2 () C |v|H 1 () .
Quando v H01 (K) temos entao
vL2 (K) CK |v|H 1 (K) .
Questoes
possvel explicitar CK em termos de hK ? De fato, CK = chK , c > 0.

(i) E
possvel termos C > 0 tal que

(ii) E
vH 1 (K) ChK vL2 (K) ,
para Z?
Observacao 4.15. Se v pertence a um espaco de dimensao infinita, (ii) e falso!

AO 71
Lema 4.7 (Desigualidade inversa). Seja (K, P , ) um elemento finito de re-

K K
ferencia. Seja {Th }h>0 uma famlia de triangularizacao regular, sobre a qual, para
cada K Th tem-se (K, PK , K ) um elemento afim equivalente a (K, P , ). Su-
K K
ponhamos, h 1.
Entao existe C > 0 independente de hK , tal que
vH 1 (K) Ch1
K vL2 (K) , v PK .
Demonstracao. Como estamos em dimensao finita, todas as normas sao equivalentes,

e P , tal que
logo existe C > 0, dependente apenas de K

v H 1 (K)
C
v L2 (K)
, v P . (4.10)
De (4.10) temos
1
|K| 2
|v|H 1 (K) C2 |
v |H 1 (K)

K
1
|K| 2
C2 v H 1 (K)

K
1
|K| 2
C2 C v L2 (K)
.
K
Mas

v2L2 (K) = (v 2 )dx
K
= v 2 )| det B|d
( x
K

= | det B| ( v 2 )d
x

K

|K|
= v 2 )d
( x

|K| K
= C|K| v 2L2 (K)

,
portanto
1
vL2 (K) = C|K| 2
v L2 (K)
.
Logo,
1
|K| 2
|v|H 1 (K) C 1 vL2 (K)
K |K| 2
C
vL2 (K) .
K
Como a famlia de triangularizacao e regular, existe > 0 tal que
hK 1
= ,
K K hK
e portanto,
C
|v|H 1 (K) vL2 (K) .
hK
Utilizando a definicao da norma H 1 (), temos
v2H 1 (K) = v2L2 (K) + |v|2H 1 (K)

C
v2L2 (K) + 2 v2L2 (K)
hK
2
(h + C)
K2 v2L2 (K) .
hK
Como por hipotese hK h 1, obtemos
C
vH 1 (K) vL2 (K) .
hK
4.5.2 Erro de interpola

c
ao global
P , ) o elemento finito de referencia de Lagrange de ordem k, k > 0, e
Seja (K, K K
(K, PK , K ) o correspondente elemento finito (via transformacao afim) de Lagrange
de ordem k sobre o d-simplex K.
Seja Vh o seguinte espaco de aproximacao
: v|K Pk (K), K Th },
Vh := {v C 0 ()
onde {Th }h>0 e uma famlia de malhas regulares.

Finalmente, seja o operador de interpolacao global de ordem k,
Ihk : H k+1 () Vh , (v Ihk v),
tal que
Ihk v|K = IK
k
v.
Lema 4.8. Assuma as hipoteses do Lema 4.7 validas. Seja Rd um domnio

aberto limitado com fronteira poligonal. Existe C > 0, independente de h > 0 tal
que, v H k+1 (),
k+1

v Ihk vL2 () + hm |v Ihk v|H m () Chk+1 |v|H k+1 () .
m=1
Se v H 1 () temos
lim inf |v vh |H 1 () = 0.
h0 vh Vh
AO 73
Demonstracao. Por definicao temos

v Ihk v2L2 () = k
v IK v2L2 (K)
KTh
h2k+2
C K
0
|v|2H k+1 (K) ,
KTh
K

Ch2k+2 |v|2H k+1 (K) ,
KTh
Ch2k+2 |v|2H k+1 () , (4.11)

portanto
v Ihk vL2 () Chk+1 |v|H k+1 () .
Agora, tome m tal que 1 m k + 1. Logo,

h2m |v Ihk v|2H m () = h2m k
|v IK v|2H m (K)
KTh
h2k+2
h2m K
2m
|v|2H k+1 (K)
KTh
K

Ch2m h2k+22m
K |v|2H k+1 (K) (malha regular)
KTh

Ch2k+2 |v|2H k+1 (K)
KTh
Ch2k+2 |v|2H k+1 () ,

e portanto
hm |v Ihk v|H m () Chk+1 |v|H k+1 () .
O resultado segue somando o resultado acima para 1 m k + 1 e (4.11).
Seja v H 1 (). Como H 2 () e denso em H 1 (), existe w H 2 () tal que
|v w|H 1 () , > 0.
Aplicando o resultado anterior com w temos
inf |w vh |H 1 () |w Ihk w|H 1 ()
vh Vh
Ch|w|H 2 () ,
logo

lim inf |v vh |H 1 () |v w|H 1 () + lim inf |w vh |
h0 vh Vh h0 vh Vh
,
e como e arbitrario o segundo resultado segue.
Captulo 5
Aplica
cao do M
etodo de
Elementos Finitos
5.1 Elemento finito de Lagrange de ordem Pk ()

Definimos o operador
Lu := (u) + u + u.
Considere o problema

Achar u tal que
Lu = f, em , (5.1)

u = 0, em,
onde Rd um domnio aberto limitado com fronteira poligonal .

Supomos
L () = (x) > 0 positiva.

e = 0.
(x) = (1 (x), . . . , d (x))T , i C 0 ()
L () = (x) > 0 > 0 positiva.
f L2 ().
Multiplicando a EDP do problema (5.1) por v H01 () (a funcao teste),

(u) v dx + u v dx + u v dx = f v dx. (5.2)

Usando a formula de Green e v | = 0, temos

0

n
(u) v dx = u v dx
u v ds,

75
76 CAPITULO 5. APLICAC DO METODO
AO DE ELEMENTOS FINITOS
portanto, (5.2) torna-se,

u v dx + u v dx + u v dx = f v dx. (5.3)

Seja (V, (., .)V ) o seguinte espaco de Hilbert
V := H01 () ,

(u, v)V = u v dx + u v dx.

Portanto o problema variacional correspondente ao problema (5.1) e

Achar u V tal que
(5.4)
a(u, v) = L(v), v V,
onde

a(u, v) := u v dx + u v dx + u v dx

L(u) := f v dx.

Observacao 5.1. A solucao do problema (5.4) satisfaz (5.1) quase sempre, isto e,
uV

Lu v dx = f v dx, v L2 () Lu = f em L2 ().

(Guermond e Ern [1])
A formulacao variacional (5.4) tem solucao u

nica em V . De fato, provemos as
hipoteses do Teorema de Lax-Milgram.
(i) Continuidade de L(). Dado v V ,

|L(v)| = | f v dx| f L2 () vL2 () C f L2 () vH 1 () ,

logo
|L(v)| CL vH 1 () ,
onde CL := C f L2 () > 0.
5.1. ELEMENTO FINITO DE LAGRANGE DE ORDEM PK () 77
(ii) Continuidade de a(., .). Dado u, v V ,

|a(u, v) = | u v dx + u v dx + u v dx|

| u v dx| + | u v dx| + | u v dx|

L () uL2 () vL2 () + max{i L () }uL2 () vL2 ()
i
+ L () uL2 () vL2 ()
L () uL2 () vL2 () + C L () }uL2 () vL2 ()
+ L () uL2 () vL2 ()
max{L () , C L () }uL2 () vL2 ()
+ L () uL2 () vL2 ()
Ca uH 1 () vH 1 () ,
onde Ca := max{L () , C L () , L () } > 0.
(iii) Coercividade de a(., .). Seja v V ,

a(v, v) = v v dx + u v dx + u v dx

0 v2L2 () + 0 v2L2 ()
v2H 1 () ,
onde := min{0 , 0 }.
nico u V solucao de
Portanto, pelo Theorema de Lax-Milgram, existe um u
(5.4) e
uH 1 () L[H01 ()]
|L(v)|
= sup
vV, v=0 vH01 ()
C f L2 () .
Seja Vh V definido por

: vh |K Pk (K), K Th } H01 (),
Vh := {vh C 0 ()
onde Th e uma particao do domnio e Pk (K) e o espaco dos polinomios de ordem

menor ou igual a k sobre o d-simplex K.
Portanto, como (Vh , (., .)V ) e um espaco de Hilbert e por Vh V ser fechado,
temos que o problema:

Achar uh Vh tal que
(5.5)
a(uh , vh ) = L(vh ), vh Vh
tem uma solucao u

nica pelo teorema de Lax-Milgram.
Vamos estimar o erro entre u e uh solucoes de (5.4) e (5.5), respectivamente.

Para tanto, seja
Vh ,
Ihk : C 0 ()
o interpolante global de Lagrange de ordem k, e assuma a seguinte regularidade:
u H k+1 () H01 ().
Lembre que
k+1

u Ihk uL2 () + hm |u Ihk u|H m () Chk+1 |u|H k+1 () .
m=1
Recordando a demonstracao do Lema de Cèa, temos

u uh 2H 1 () a(u uh , u uh ) (coercividade)
0
= a(u uh , u vh + vh uh )
0

= a(u uh , u vh ) + a(u u h , v h u h ) (linearidade e ortogonalidade)

= a(u uh , u vh )
Ca u uh H 1 () u vh H 1 () , (continuidade)
portanto, usando (ii) e (iii), temos
Ca
u uh H 1 () u vh H 1 () .

Tome vh = Ihk u, logo
Ca
u uh H 1 () u Ihk uH 1 ()

Ca 1/2
= u Ihk u2L2 () + (u Ihk u)2L2 ()

Ca k+1
C h |u|H k+1 () + hk+11 |u|H k+1 ()

Ca k
C h |u|H k+1 () .

Observacao 5.2.
O erro converge de forma otima na norma .H 1 () , porem nao na norma

.L2 () . Isto e,
(u uh )L2 () C Ca hk uH k+1 () (convergencia otima!);
u uh L2 () C Ca hk uH k+1 () (convergencia sub-otima!).
Ca
A constant
depende de , , e como
Ca max{L () , C L () , L () }
= .
min{0 , 0 }
Ca
Logo se 0,
.
5.1. ELEMENTO FINITO DE LAGRANGE DE ORDEM PK () 79
Vamos mostrar que convergencia em .L2 () e de fato otima, se assumimos que

e um domnio convexo. Definimos o seguinte problema, chamado de dual:
2
Achar H () tal que

L = u uh , em , (5.6)

= 0, em ,
onde
L = () + ,
e chamado de operador adjunto de L. Temos que ||H 2 () Cu uh L2 () , C > 0,
se for convexo. Logo
u uh 2L2 () = (u uh , u uh )L2 ()
= (L , u uh )L2 ()
= ( () + , u uh )L2 ()
0

= (, (u uh ))L2 () ( n,u uh )L2 ()

0

+ (, (u uh ))L2 () (,
n(u uh ))L2 ()

+ (, (u uh ))L2 ()
= (, (u uh ))L2 () + (, (u uh ))L2 ()
+ (, (u uh ))L2 ()
= a(u uh , )
= a(u uh , Ihk ) (ortogonalidade)
Ca u uh H 1 () Ihk H 1 () (continuidade)
Ca C h||H 2 () u uh H 1 () . (erro de interpolacao)
Mas, existe C > 0 tal que
||H 2 () Cu uh L2 () ,
logo,
u uh 2L2 () CCa hu uh L2 () u uh H 1 () ,
ou seja
u uh L2 () CCa hu uh H 1 ()
C2
C a hk+1 |u|H k+1 () .

Teorema 5.1. Seja u H k+1 () H01 (), onde e convexo, solucao de (5.4) e
k > 0. Seja uh solucao de (5.5). Logo, existe C > 0, independente de h, tal que
u uh L2 () + h(u uh )L2 () Chk+1 |u|H k+1 () .

Perguntas:
Como minimizar a dependencia da constante C do theorema acima com relacao

a , e ?
Esta dependencia e de fato um problema numerico?

Aulas1 21 PDF

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Aulas1 21 PDF

Uploaded by

Copyright:

Available Formats

Metodo de Elementos Finitos: Teoria Basica

1.1 Uma funcao em C 1 (esquerda) e derivada da funcao (direita). . . . . 8

2.1 Exemplo de uma sequencia em C 0 () (esquerda) que nao tem limite

4.1 Elementos finitos triangulares P1 (K) (a) e P2 (K) (b). . . . . . . . . . 49

4.7 Exemplos de domnios d-simplex unitarios em 1D (esquerda) e 2D

1.1 Exemplo 1D: Elemento Linear por Partes

1.1.1 Forma Fraca

Seja f = f (x) C 0 ([0, 1]) e considere o seguinte problema de valor de contorno:

Seja v uma funcao suficientemente regular tal que v(0) = 0. Multiplicando

Utilizando a formula de Green (integracao por partes) temos

Figura 1.1: Uma funcao em C 1 (esquerda) e derivada da funcao (direita).

Logo (1.2) torna-se:

Precisamos definir onde u faz sentido!

Entao, o problema torna-se:

a(u, v) = (f, v)I .

Usando integracao por partes

u(0) = 0 : condicao de contorno essencial (ou Dirichlet)

Observacao 1.3. O problema (1.4) corresponde ao princpio do trabalho virtual em

Observacao 1.4. Se u C 2 ([0, 1]), temos (1.1) (1.4) (1.6).

10 CAPITULO 1. CONCEITOS BASICOS

Seja Vh V um subespaco de dimensao finita. O metodo de Galerkin consiste em:

Seja {}i{1,...,n} uma base para Vh . Logo

Como (1.7) e valido para todo vh Vh , tomemos vh = i . Entao

(1.7) e equivalente ao sistema

Teorema 1.2. Seja f L2 ([0, 1]), entao o problema

Demonstracao. Suponha v tal que

Entao, v = 0 logo v = c R. Mas v(0) = 0, e portanto v = 0. Como {i } e uma

Observacao 1.8. A matriz K e simetrica e positiva definida (chamada de matriz de

1.1.3 Melhor Approxima

Queremos mostrar que a funcao uh Vh , solucao do metodo de Galerkin, e a que

a(u, vh ) = (f, vh )I vh Vh (do problema (1.4) e Vh V )

Figura 1.2: Projecao de uma funcao em V sobre Vh usando a(., .).

ao 1.1. A funcao u uh V e chamada de erro de aproximacao.

O resultado seguinte, chamado de desigualdade de Cauchy-Schwarz, e uma relacao

Por outro lado, sendo uh Vh , temos

O espaco Vh e de dimensao finita, logo inf vh Vh u vh E = minvh Vh u vh E , e

Figura 1.3: Exemplo de uma funcao linear por partes.

1.1.4 O Metodo de Elementos Finitos: Elemento Linear por

Falta escolher Vh V para tornar o metodo de Galerkin efetivo. Portanto, cons-

0 = x0 < x1 < < xn = 1,

e definimos Ij = (xj1 , xj ), j {1, . . . , n}, hj = xj xj1 e h = maxj{1,...,n} hj .

vh |Ij e um polinomio linear, j {1, . . . , n},

ao 1.4. Seja {i }i{i,...,n} Vh as funcoes definadas por

Figura 1.4: Funcao de base j .

i e chamado de funcao de base nodal,

vh (xi ) e chamado de valor nodal ou grau de liberdade.

Portanto, uma funcao vh Vh possui a seguinte representacao (

Lembramos que associado ao metodo de Galerkin, existe o sistema linear

se |i j| > 1 (veja Fig. 1.5, 1.6, 1.7).

Figura 1.5: Exemplo de i e j com |i j| > 1.

Figura 1.6: Exemplo de i e j com |i j| = 1.

Figura 1.7: Exemplo de i = j .

Se hj = h, j {1, . . . , n}, temos (verifique)

ao 1.5. Dado v C 0 ([0, 1]), a funcao interpolante Iv Vh de v e definida

Observacao 1.11. Se v Vh entao Iv = v, pois (Iv v)|Ij e linear contnua e

De modo geral temos a seguinte estimativa para o erro de interpolacao (assu-

Como Iu Vh e temos a estimativa para u Iu gracas ao Lema 1.4, podemos

onde x [0, 1].

Figura 1.9: Funcao de Green (esquerda) e derivada da funcao de Green (direita).

Observe que, dado v V , temos

Portanto, escolhendo v = u uh acima, temos

Demonstracao. Seja x [0, 1]. Logo,

1.2 Exemplo 2D: Elemento Linear por Partes