|
|
Linha 51: |
Linha 51: |
| = Exemplo = | | = Exemplo = |
|
| |
|
| Aplicando o algoritmo para: | | |
| | Aplicando o algoritmo para o sistema massa-mola visto no [[Método de Euler-Cromer | método de Euler-Cromer]]: |
| <math display="block"> \frac{d^{2}x}{dt^{2}}=-\frac{k}{m}x=-\omega^{2}x </math> | | <math display="block"> \frac{d^{2}x}{dt^{2}}=-\frac{k}{m}x=-\omega^{2}x </math> |
| | |
| | Podemos ressaltar ainda que <math>a =-\omega^{2}x </math> e <math> \frac{dv}{dt}=\frac{d^{2}x}{dt^{2}}</math>. |
|
| |
|
| <pre> | | <pre> |
Edição das 05h44min de 25 de fevereiro de 2022
O método
Para o método de Euler implícito havíamos utilizado a derivada a esquerda:
Então se a segunda derivada é , pela definição, da derivada a direita:
Logo utilizando as aproximações:
Isolando então :
Temos o método de Verlet. Podemos notar que precisamos conhecer em dois tempos anteriores. Podemos utilizar outro algoritmo para o primeiro passo. Se é posição, então logo podemos reescrever:
Para calcular a energia, podemos obter a velocidade então utilizando a derivada centrada:
Alternativamente podemos obter o mesmo resultado em termos da expansão de Taylor:
Somando os dois termos, ficamos então com:
Obtemos então não só o algoritmo de Verlet, além de que sabemos que é uma expansão até a terceir ordem. Então o erro envolvido na truncação é , e este é o erro local, associao a um único passo.
Além disso, se fizermos a diferença, obtemos o algoritmo da velocidade:
Então:
Logo temos um erro na velocidade. Além do erro de truncação associado ao método de dierenças finita e que decai com o decaimento de , também podemos lembrar que um erro de arredondamento, pois o computador usa uma quantidade finita de memória para representar os números. Isto, é, existe um número em que para qualquer número então . é o maior número que pode ser somado a sem alterar o resultado.
Exemplo
Aplicando o algoritmo para o sistema massa-mola visto no método de Euler-Cromer:
Podemos ressaltar ainda que e .
import matplotlib.pyplot as plt #Biblioteca para plotar gráficos
import numpy as np #Biblitoeca de cálculos científicos
#Constantes
m=1 ; k= 1.; w2= k/m
#Valores iniciais
x=[1]; v=[0]; t=[0] ; E=[k*(x[0]**2)/2+m*(v[0]**2)/2]
#Parâmetros
dt = 0.1 ; tau = 2*np.pi; tf=4*tau ; Np= int(tf/dt)
#Método de Euler-Cormer para obter o primeiro passo:
x.append(x[0]+dt*v[0])
t.append(dt)
#Método de Verlet:
for it in range(1,Np):
x.append(-w2*x[it]*dt*dt-x[it-1]+2*x[it]) #Método de Verlet
v.append((x[it+1]-x[it-1])/(2*dt))
E.append(k*x[it]**2/2+m*v[it]**2/2)
t.append(dt+it*dt)
#plt.plot(t,x)
#plt.plot(t[:len(t)-1],v) #Velocidade tem um elemento a menos
#plt.plot(t[:len(t)-1],E)
plt.plot(x[:len(x)-1],v)
Principais materiais utilizados
- The Second Derivative (Matthew Boelkins, David Austin & Steven Schlicker; LibreTexts)