Método de Leapfrog: mudanças entre as edições

De Física Computacional
Ir para navegação Ir para pesquisar
Sem resumo de edição
Sem resumo de edição
Linha 5: Linha 5:
\frac{dv}{dt} & =a\end{align}</math>
\frac{dv}{dt} & =a\end{align}</math>


Sendo a [[Derivada Numérica]]:
Sendo a [[Derivada Numérica | derivada numérica]]:


<math display="block">\begin{align}
<math display="block">\begin{align}
Linha 15: Linha 15:
<math display="block">v\left(t+\Delta t/2\right)\approx\frac{x\left(t+\Delta t\right)-x\left(t\right)}{\Delta t}</math>
<math display="block">v\left(t+\Delta t/2\right)\approx\frac{x\left(t+\Delta t\right)-x\left(t\right)}{\Delta t}</math>


Ou ainda
Ou ainda:


<math display="block">x\left(t+\Delta t\right)=x\left(t\right)+v\left(t+\Delta t/2\right)\Delta t</math>
<math display="block">x\left(t+\Delta t\right)=x\left(t\right)+v\left(t+\Delta t/2\right)\Delta t</math>
Linha 33: Linha 33:
x\left(t+\Delta t\right) & =x\left(t\right)+v\left(t+\Delta t/2\right)\Delta t\end{align}</math>
x\left(t+\Delta t\right) & =x\left(t\right)+v\left(t+\Delta t/2\right)\Delta t\end{align}</math>


= Exemplo =
Aplicando o algoritmo para:
<math display="block"> \frac{d^{2}x}{dt^{2}}=-\frac{k}{m}x=-\omega^{2}x </math>


<pre>
<pre>
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]; v0=0; tx=[0]; tv=[dt/2]
#Parâmetros
dt  = 0.1 ; tau = 2*np.pi; tf=4*tau ; Np= int(tf/dt)
#Usamo Euler-Cromer para calcular a velocidade em t=dt/2
x_temp=x[0]+(dt/2)*v0              #Posição    em t=dt/2
v=[v0-(dt/2)*x_temp*w2]            #Velocidade em t=dt/2
#Método de Euler
for it  in range(Np):
  x.append(x[it]+dt*v[it]) 
  tx.append(dt+it*dt)
  a=-w2*x[it+1]
  v.append(v[it]+a*dt) #Usamos x[it+1] ao invés de x[it]
  tv.append(dt/2+(1+it)*dt)
#plt.plot(tx,x)
#plt.plot(tv,v)
#Para calcular a energia vamos pegar a média da velocidade
vm=[v0]
E=[k*(x[0]**2)/2+m*(v[0]**2)/2]
for it in range(len(x)-1):
  vm.append((v[it+1]+v[it])/2)
  E.append(k*x[it+1]**2/2+m*v[it+1]**2/2)
#plt.plot(tx,E)
plt.plot(x,v)
</pre>
</pre>


= Citações =
= Citações =
<references />
<references />

Edição das 05h30min de 25 de fevereiro de 2022

Partindo da ideia que uma inclinação entre dois em uma curva é uma aproximação muito melhor da derivada no ponto médio em alguma das extremidades[1]., e tendo as seguintes equações do movimento:

Sendo a derivada numérica:

Então para a equação da velocidade temos que:

Ou ainda:

E aplicando a mesma ideia para a aceleração:

Logo:

Temos então:

Exemplo

Aplicando o algoritmo para:

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]; v0=0; tx=[0]; tv=[dt/2]
#Parâmetros
dt  = 0.1 ; tau = 2*np.pi; tf=4*tau ; Np= int(tf/dt)

#Usamo Euler-Cromer para calcular a velocidade em t=dt/2
x_temp=x[0]+(dt/2)*v0              #Posição    em t=dt/2
v=[v0-(dt/2)*x_temp*w2]            #Velocidade em t=dt/2

#Método de Euler
for it  in range(Np):
  x.append(x[it]+dt*v[it])  
  tx.append(dt+it*dt)
  a=-w2*x[it+1]
  v.append(v[it]+a*dt) #Usamos x[it+1] ao invés de x[it]
  tv.append(dt/2+(1+it)*dt)

#plt.plot(tx,x)
#plt.plot(tv,v)

#Para calcular a energia vamos pegar a média da velocidade
vm=[v0]
E=[k*(x[0]**2)/2+m*(v[0]**2)/2] 
for it in range(len(x)-1):
  vm.append((v[it+1]+v[it])/2)
  E.append(k*x[it+1]**2/2+m*v[it+1]**2/2)

#plt.plot(tx,E)
plt.plot(x,v)

Citações

  1. https://young.physics.ucsc.edu/115/leapfrog.pdf (Peter Young, Universidade da California)