Método Lax-Friedrich
Ir para navegação
Ir para pesquisar
A instabilidade no esquema FTCS pode ser corrigida substituindo no lado direito pela média espacial de calculada nos pontos da grade vizinhos. Dessa forma, obtemos:
(11)
A análise de estabilidade de von Neumann do esquema de Lax resulta na seguinte expressão para o fator de amplificação:
(12)
Portanto
(13)
Ou seja, o método é incondicionalmente estável para os valores de menor do que 1. Pela definição de , temos que:
(13)
Implementação do método
- Condição inicial: ;
- Condições de contorno para bordas cíclicas.
# Solução pelo método Lax-Friedrichs para equação de advecção
def LaxFad(L, tf, v, Nx, Nt):
"""
Parâmetros:
- L: comprimento
- tf: tempo final
- v: velocidade de propagação
- Nx: número de pontos na direção espacial
- Nt: número de pontos na direção temporal
Retorna:
- Matriz com a solução da equação da onda
"""
dx = L / (Nx - 1)
dt = tf / (Nt - 1)
r = v * dt / dx
u = np.zeros((Nt, Nx+1))
# Condição inicial: u(x,0) = f(x)
x = np.linspace(0, L, Nx+1)
u[0,:] = 1-np.cos(x) # Função que descreve a perturbação da onda
# Condições de contorno borda infinita:
xpos = np.zeros(Nx+1)
xneg = np.zeros(Nx+1)
for i in range(0,Nx+1):
xpos[i] = i+1
xneg[i] = i-1
xpos[Nx] = 0
xneg[0] = Nx
# Iteração no tempo
for n in range(0, Nt - 1):
for i in range(0, Nx+1):
u[n+1,i] = (1/2) * (u[n, int(xpos[i])] + u[n,int(xneg[i])]) + (r/2) * (u[n, int(xpos[i])] - u[n,int(xneg[i])])
return u
# Parâmetros
L = 2*np.pi
tf =1
v = 1 # -1. muda direção de propagação
Nx = 100
Nt = 500
solv2 = LaxFad(L, tf, v, Nx, Nt)
listX = np.linspace(0, L, Nx+1)
listT = np.linspace(0, tf, Nt)
X, T = np.meshgrid(listX, listT)
plt.figure(figsize=(10, 6))
plt.pcolormesh(X, T, solv2, cmap='viridis', shading='auto')
plt.colorbar(label='Amplitude(u)')
plt.xlabel('Posição (x)')
plt.ylabel('Tempo (t)')
plt.title('Solução Lax-Friedrichs da Equação da advecção (1D)', fontsize=16)
plt.show()