UNIVERSIDADE FEDERAL DE MINAS GERAIS

INSTITUTO DE CI

ENCIAS EXATAS
Departamento de Matem

atica
Dissertacao de Mestrado
AN

ALISE ASSINT

OTICA DE SOLUC

OES DA
EQUAC

AO DOS MEIOS POROSOS COM
PERTURBAC

OES MARGINAIS VIA
GRUPOS DE RENORMALIZAC

AO.
Alexandre Celestino Leite Almeida
Orientador: Gastao de Almeida Braga
15 de abril de 2005
Dedico este trabalho
`a minha querida mae Sara, pelo apoio e dedicacao,
e `a minha namorada Petrusca, pelo apoio e compreensao.
2
Agradecimentos
Agradeco a Deus, por uma vida cheia de oportunidades
e por me permitir compreender algumas coisas;
`a minha famlia, em especial `a minha mae, por sua dedicac ao e apoio;
`a minha namorada Petrusca, pelo amor, paciencia, apoio e dedicac ao;
ao meu orientador, o professor Gastao, por sua grande capacidade e dedicac ao em tentar me
transmitir um pouco de sabedoria e por seu perfeccionismo, que apesar das noites mal dormi-
das, me levou a concluir este trabalho;
aos colegas Leonardo T. Rolla e Jussara Moreira, pela paciencia, pelas explicacoes e por terem
escrito suas teses com tamanha competencia, sem as quais este trabalho nao seria possvel;
aos colegas e professores do departamento de matematica da UFMG;
`a banca examinadora deste trabalho, Marcio Murad (LNCC) e Grey Ercole (UFMG), por terem
a paciencia em ler este trabalho, pelas sugestoes, pelos elogios e em especial, e claro, por terem
aprovado esta dissertacao;
ao professor Frederico Furtado (University of Wyoming), pelas crticas e sugestoes;
`a CAPES, pelo apoio nanceiro.
Se enxerguei mais longe e porque
me apoiei em ombros de gigantes.
Isaac Newton
3
Resumo
Neste trabalho, estaremos interessados em estudar problemas de valor inicial (PVI) do tipo:
_
u
t
= (u
p
)
xx
+ u
a
u
b
x
u
c
xx
, (x, t) R (1, )
u(x, 1) = f(x),
onde o dado inicial f(x) e uma func ao suave (decaindo rapidamente para zero), R, p 1
e a, b, c 0. O nosso objetivo e estudar o comportamento assint otico da solucao u(x, t) do
PVI acima, para tempos longos. O nosso estudo e numerico e utiliza a tecnica do Grupo de
Renormalizac ao. Apresentaremos o Grupo de Renormalizac ao Numerico padrao, bem como
duas variac oes do mesmo. Dentre estas, apresentaremos uma versao
em que o expoente crtico , tal como , e calculado numericamente ao inves de calculado por
uma relacao de escala (como feito no NRG padrao). Essa vers ao proposta para o NRG e capaz
de vericar correc oes logartmicas ao decaimento e ao espalhamento da soluc ao do PVI (assim
como NRG padrao tambem o e), sendo esta a contribuicao deste trabalho.
4
Sumario
1 Introducao 7
1.1 Comportamento Assint otico e Escalas M ultiplas . . . . . . . . . . . . . . . . . . . 8
1.2 Origens do Grupo de Renormalizac ao . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.3 Mudanca de Escalas e Equac oes Diferenciais . . . . . . . . . . . . . . . . . . . . . 9
1.4 O Grupo de Renormalizac ao Analtico . . . . . . . . . . . . . . . . . . . . . . . . 11
1.5 Resultados Analticos Recentes . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
1.6 O Grupo de Renormalizac ao Numerico . . . . . . . . . . . . . . . . . . . . . . . . 13
1.7 Os Resultados deste Trabalho . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
2 Propriedades Analticas do Grupo de Renormalizacao Linear 16
2.1 Solucao Fundamental, Existencia e Unicidade para a Equac ao do Calor . . . . . . 17
2.2 Limites Assint oticos e Grupos de Renormalizac ao . . . . . . . . . . . . . . . . . . 23
2.2.1 Comportamento Assint otico de Soluc oes Reescalonadas . . . . . . . . . . . 23
2.2.2 Soluc oes Invariantes Para a Equacao do Calor . . . . . . . . . . . . . . . . 24
2.2.3 O Grupo de Renormalizac ao Linear . . . . . . . . . . . . . . . . . . . . . . 25
2.2.4 Obtenc ao do Comportamento assint otico via RG . . . . . . . . . . . . . . 30
3 O Grupo de Renormalizacao Numerico 32
3.1 O NRG padrao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
3.1.1 Preliminares . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
3.1.2 O Algoritmo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
3.2 Correcoes Logartmicas em A
n
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
3.3 Calculo de
n
dinamico . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
4 Resultados Numericos 46
4.1 Validac ao do NRG para a Equac ao do Calor . . . . . . . . . . . . . . . . . . . . . 48
4.1.1 NRG Padr ao para a Equacao do Calor Linear . . . . . . . . . . . . . . . . 48
4.1.2 NRG com
n
Dinamico para a Equac ao do Calor Linear . . . . . . . . . . 49
4.1.3 A Equac ao do Calor Nao Linear com Perturbac ao Marginal . . . . . . . . 52
4.2 Validac ao do NRG para a Equac ao dos Meios Porosos . . . . . . . . . . . . . . . . 55
5 Consideracoes Finais 61
5
6 Apendices 63
6.1 A transformada de Fourier . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
6.2 Teoremas e Denicoes Usados neste Trabalho . . . . . . . . . . . . . . . . . . . . 66
6.3 Solucoes Numericas para EDPs . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68
6.3.1 Criterios de Estabilidade . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70
Referencias Bibliogracas 72
6
Captulo 1
Introducao
Neste trabalho, estaremos interessados em estudar problemas de valor inicial (PVI) do tipo:
_
u
t
= (u
p
)
xx
+ u
a
u
b
x
u
c
xx
, (x, t) R (1, )
u(x, 1) = f(x),
(1.1)
onde o dado inicial f(x) e uma func ao suave (decaindo rapidamente para zero), R, p 1 e
a, b, c 0. Observe que a equac ao acima se reduz `a equacao do calor (ou de difusao) se p = 1
(ela sera linear se = 0; sera nao-linear se ,= 0 e a, ou b, ou c ,= 1). Se p > 1 e = 0, obtemos
a equacao dos meios porosos (EMP); se ,= 0, obtemos a equacao dos meios porosos nao-linear
(EMPN).
Denotaremos por u = u(x, t) a soluc ao do PVI 1.1 e assumiremos a sua existencia (para t 1).
O nosso objetivo, nesta dissertac ao, e estudar o comportamento assintotico da soluc ao u(x, t)
do PVI 1.1, para tempos longos. O nosso estudo e numerico e utiliza a tecnica do Grupo de
Renormalizacao. Ficara claro, neste trabalho, que o estudo do comportamento assint otico de
soluc oes de EDPs e um assunto atual de pesquisa e que o Grupo de Renormalizac ao e uma
poderosa ferramenta nestes estudos. Para que o leitor possa compreender os resultados desta
tese, nos explicaremos, nesta Introduc ao, mesmo que heuristicamente, a relac ao entre comporta-
mento assint otico e problemas em escalas m ultiplas (veja Secao 1.1) e entre problemas em escalas
m ultiplas e equacoes diferenciais parciais (veja Sec ao 1.3). Um breve historico sobre as origens
do Grupo de Renormalizac ao sera feito na Sec ao 1.2. A transformac ao do Grupo de Renormal-
izac ao sera introduzida na Secao 1.4. Na Sec ao 1.5 descreveremos alguns resultados, analticos
7
e numericos, que nos serao uteis posteriormente. O Grupo de Renormalizacao numerico sera
apresentado na Secao 1.6. Finalmente, na Sec ao 1.7 descrevemos qual e a contribuic ao desta
tese. Como referencias para este captulo, citamos [1, 2, 3, 4, 5].
1.1 Comportamento Assintotico e Escalas M ultiplas
Fixados p e f(x) no PVI 1.1, estamos interessados em determinar, analiticamente ou heuristi-
camente (atraves de experimentos numericos), quais sao as condic oes nos expoentes a, b, c e no
parametro tais que a solucao u(x, t) do PVI se comporte como :
u(x, t)
A
t

(B
x
t

) quando t . (1.2)
Em outras palavras, gostaramos de determinar expoentes e , chamados de expoentes crticos,
uma func ao (x), chamada de funcao de perl, e fatores A e B, chamados de pre-fatores, tais
que
t

u(t

x, t) A(Bx) quando t . (1.3)

Quando for este o caso, diremos que u(x, t) e assintoticamente invariante por mudanca de escalas.
De fato, conclumos de (1.2) que, para tempos sucientemente longos,
u(x, t) L

u(L

x, Lt), (1.4)
seja qual for L > 0. Em particular, quando L > 1, o limite t pode ser reinterpretado
em termos de mudanca de escalas: fazendo t = t
0
e substituindo L por L
n
em (1.4), o limite
para tempos longos se reduz a um problema de escalas m ultiplas, desde que escolhamos t
0
1
de forma que a regiao assintotica tenha sido atingida. Isto e, o limite (1.4) se reduz a iterar a
mudanca de escalas por n vezes, com n .

E exatamente esta interpretac ao que nos permite
conectar o limite assintotico com o Grupo de Renormalizac ao.
1.2 Origens do Grupo de Renormalizacao
A tecnica do Grupo de Renormalizac ao surgiu no m dos anos 50 e foi desenvolvida por dois fsicos
teoricos, Gellmann e Low [6], que estudavam problemas em Teoria Quantica de Campos. A ideia
8
central era que um certo sistema fsico era (quase) invariante por mudanca de escalas. Explorando
esta ideia e adotando um ponto de vista perturbativo, eles obtiveram bons resultados, mas pouco
sucesso. Chamaremos este ponto de vista de Grupo de Renormalizacao Perturbativo. Nos anos
70, Kenneth Wilson [7] adotou as ideias do Grupo de Renormalizac ao, agora de um ponto de
vista de sistemas dinamicos, para estudar teorias crticas da Mecanica Estatstica do Equilbrio,
desta vez com muito mais exito que Gellmann e Low. Wilson introduziu um operador, atuando
sobre o espaco das energias, que implementava a mudanca de escalas. Iterando este operador um
n umero muito grande de vezes ele observou, sob certas condicoes, a convergencia das iteradas (e,
portanto, convergencia para um ponto xo do operador). A taxa de convergencia das iteradas
estava associada aos expoentes crticos da Mecanica Estatstica. Um ponto xo e os expoentes
crticos associados determinavam o que Wilson chamou de classe de universalidade: energias
distintas estariam na mesma classe de universalidade desde que, assintoticamente, tivessem o
mesmo comportamento.
Ja no nal dos anos 80, utilizando ideias semelhantes `as de Gellmann e Low, N. Goldenfeld, Y.
Oono e colaboradores (veja [2] e referencias la citadas) desenvolveram o metodo do Grupo de
Renormalizac ao para equacoes diferenciais. No incio dos anos 90, J. Bricmont, A. Kupiainen e G.
Lin [8], seguindo raciocnio similar ao adotado por Wilson, implementaram uma vers ao do Grupo
de Renormalizacao a qual permitia fazer uma analise rigorosa do comportamento assint otico
de PVIs, e que chamaremos de Grupo de Renormalizacao Rigoroso (RRG). Em 1995, Chen e
Goldenfeld [9] implementaram a primeira vers ao do Grupo de Renormalizacao Numerico (NRG).
Desde entao outras vers oes do NRG surgiram ( veja em [10, 11, 12, 13, 14, 15]). Apresentaremos,
nesta tese, mais uma vers ao do NRG, a ser explicada na Secao 3.3.
1.3 Mudanca de Escalas e Equacoes Diferenciais
Seja u(x, t) uma solucao de EMPN. Queremos, formalmente, determinar qual e o efeito de uma
mudanca de escalas sobre essa equac ao. Em particular, vamos argumentar que exigir invariancia
por mudanca de escalas e equivalente a determinar os expoentes crticos e .
9
De fato, motivados por (1.4), nos denimos
v(x, t) L

u(L

x, Lt), (1.5)
e usamos a Regra da Cadeia para vericar que v(x, t) satisfaz a seguinte equacao :
v
t
= L
(1p)2+1
(v
p
)
xx
+ L
(1abc)(b+2c)+1
v
a
v
b
x
v
c
xx
. (1.6)
As equacoes (1.5) e (1.6) sao o ponto de partida para a denic ao do Grupo de Renormalizacao.
Contudo, antes disto, vamos mostrar que e possvel determinar, atraves de uma analise dimen-
sional, expoentes crticos para o PVI 1.1. Analisemos ent ao o que ocorre para a EMP (isto e,
fazendo = 0 em (1.1)). Dado p 1 e exigindo que e satisfacam a relac ao (1p)2+1 = 0,
obtemos de (1.6):
v
t
= (v
p
)
xx
,
e conclumos que tanto u(x, t) quanto v(x, t) satisfazem `a mesma equacao (dizemos que a EMP
e invariante por mudanca de escalas). Reciprocamente, exigir que a EMP seja invariante pela
mudanca de escalas (1.5) implica que e sao tais que (1 p) 2 + 1 = 0.
Contudo, se estamos interessados na solucao de um PVI ent ao os expoentes crticos nao podem
ser tao arbitrarios quanto a relac ao (1 p) 2 + 1 = 0 parece indicar. De fato, integrando
(sobre a reta real) os dois lados da EMP (e supondo existencia e integrabilidade de u, u
t
, u
x
e
u
xx
e que u
t
e u
x
0 quando x ), obtemos a lei de conservacao:
_
R
u(x, t)dx =
_
R
u(x, 0)dx =
_
R
f(x)dx.
A mudanca de escalas (1.5), pressupondo a invari ancia da solucao pela mudan ca de escalas (ou
seja, v = u), juntamente com a conservac ao de massa, fornece = . Juntamente com a
invari ancia da equac ao, conclumos que
=
1
p + 1
= . (1.7)
10
1.4 O Grupo de Renormalizacao Analtico
Agora estamos em condicoes, mesmo que formalmente, de introduzir o operador do Grupo de
Renormalizac ao (RG) para a EMPN. Fazendo a escolha (1.7) de e , denimos um operador
(na escala L) atuando sobre o espaco dos dados iniciais da seguinte maneira: dada a condic ao
inicial f(x), a evolua no tempo, usando a EMPN, do tempo inicial ao tempo nal L > 1; com a
soluc ao no tempo L, rescalone a variavel x por L

e a soluc ao u por L

:
(R
L
f)(x) L

u(L

x, L). (1.8)
Esta denicao e motivada pela Equacao 1.5, com e dados por (1.7). Observe que v(x, 1) =
(R
L
f)(x). Como v(x, t) satisfaz a Equac ao 1.6, ela sera solucao de um PVI cujo dado inicial
e (R
L
f)(x). Iteramos entao este procedimento aplicando o operador RG tantas vezes quantas
forem necessarias ate que se atinja a regiao assintotica. Heuristicamente, este procedimento e
suciente para determinar o limite assint otico. De fato, supondo que valha (1.4):
R
L
(R
n
L
f)(x) = (R
n+1
L
f)(x) = L
(n+1)
u(L
(n+1)
x, L
n+1
) L
n
u(L
n
x, L
n
) = (R
n
L
f)(x) (1.9)
Conclumos que (R
n
L
f)(x) e quaseum ponto xo de R
L
. Chamemos essa funcao de (x). Entao,
de (1.9), conclumos que p = 1, 2, 3...:
(R
p
L
)(x) = L
(n+p)
u(L
(n+p)
x, L
n+p
) (x),
ou equivalentemente:
u(x, L
n+p
)
1
L
(n+p)

_
x
L
(n+p)
_
. (1.10)
Observe que a equacao anterior e equivalente `a Equacao 1.2, para tempos longos da forma
t = L
n+p
, desde que interpretemos a funcao perl como ponto xo do Grupo de Renormalizac ao.
Se zermos n iterac oes do procedimento acima entao a equacao que descrevera a evoluc ao tempo-
ral sera a Equacao 1.6 com L substitudo por L
n
. Na Sec ao 2.2.3 do Captulo 2 estabeleceremos
matematicamente o operador RG para a equacao de difusao (p = 1 e = 0) e algumas de suas
propriedades. Em particular, vamos determinar os pontos xos que nos interessam, e rigorosa-
mente obter o comportamento 1.10 (vide Teorema 2.11) usando a propriedade de semi-grupo
11
(vide Teorema 2.8) e o Lema da Contracao (vide Teorema 2.9). Como veremos no Captulo 3, a
motivac ao do RG numerico vem da descric ao acima.
Esperamos que o processo iterativo descrito acima convirja ao se atingir a regiao assint otica e,
se assim o for, podemos, formalmente, classicar o termo nao-linear que multiplica o fator de
em (1.1). Reescrevendo a Equacao 1.6 com L substitudo por L
n
, obtemos:
v
t
= (v
p
)
xx
+ L
n{(1a2b3c)+1}
v
a
v
b
x
v
c
xx
.
Dizemos que o termo nao linear e relevante se (1 a 2b 3c) + 1 > 0; marginal se
(1a2b3c)+1 = 0 e irrelevante se (1a2b3c)+1 < 0. Em particular, se b = c = 0
ent ao v
a
sera marginal se
a = p + 2.
1.5 Resultados Analticos Recentes
A analise formal da secao anterior foi tornada rigorosa, no caso p = 1, apos a publicacao de
Bricmont, Kupiainen e Lin [8] onde se prova que o PVI 1.1, com p = 1 e com dado inicial
pequeno, possui uma unica solucao global tal que
1. perturbacao irrelevante: se a + 2b + 3c 3 > 0 ent ao, quando t ,
t
1/2
u(t
1/2
x, t) (x), (1.11)
onde (x) =
1

4
e

x
2
4
(vide Teorema 1 de [8]) ;
2. perturbacao marginal: se a = 3, b = 0 = c e < 0 ent ao, quando t ,
(t log t)
1/2
u(t
1/2
x, t) (x), (1.12)
(vide Teorema 2 de [8]). Observe o surgimento da correc ao logartmica no decaimento da
soluc ao, o que nao ocorre em (1.11).
Quando p > 1 e = 0, sabe-se que EMP tem soluc oes auto-similares (vide [16]). Y. Qi
e X. Liu [17] provaram recentemente, usando argumentos que nao envolvem o Grupo de
Renormalizac ao, que :
12
3. perturbacao marginal: se a = p + 2, b = c = 0 e < 0 ent ao, quando t ,
(t log t)
1
p+1
u(t
1
p+1
(log(t))
1p
2(p+1)
x, t) G(x), (1.13)
(veja Teorema 6.13, onde tambem fornecemos a func ao G(x)).
Observe que neste caso, diferentemente de (1.11) e (1.12), surgem correc oes logartmicas, tanto
para o decaimento quanto para o espalhamento da soluc ao.
1.6 O Grupo de Renormalizacao Numerico
Nem sempre e possvel determinar os expoentes crticos usando a analise dimensional da Secao
1.3. E mesmo que o seja, esse argumento formal nao e suciente para determinar a func ao perl.
O Grupo de Renormalizac ao Numerico (NRG) e um algoritmo que, explorando as ideias das
Sec oes 1.3 e 1.4, fornece numericamente toda a informacao necessaria para a descric ao assintotica
da soluc ao do PVI 1.1. Descreveremos esse algoritmo no Captulo 3. Adiantamos, contudo, que
todos os parametros que descrevem o comportamento assint otico (expoentes, pre-fatores e func ao
perl) sao computados numericamente. Verica-se tambem, numericamente, a estabilidade e
convergencia do algoritmo. Na versao do NRG apresentada em [11, 12, 13, 15], o expoente e
determinado numericamente enquanto que o expoente e obtido substituindo-se o valor de ,
computado numericamente, na relac ao de escala apropriada. Em particular, no caso da equac ao
de difusao, e xado como sendo o canonico sempre que as perturbac oes forem marginais ou
irrelevantes. Essa vers ao do NRG fornece todos os resultados advocados nos Teoremas 1 e 2 de
[8]. A mesma vers ao tambem pode ser usada para estabelecer conjecturas, ponto de vista adotado
em [13] para o estudo equacoes difusivas com coecientes periodicos. Correc oes logartmicas ao
decaimento, como as da Equac ao 1.12, podem ser incorporadas ao NRG e isto esta feito em [14].
13
1.7 Os Resultados deste Trabalho
Dentre outras coisas, apresentaremos neste trabalho um nova vers ao no NRG (vide Sec ao 3.3),
capaz de detectar correcoes logartmicas tanto no decaimento quanto no espalhamento da soluc ao
do PVI. Ressaltamos que as versoes atuais do NRG [14, 13] tambem sao capazes de detectar
correc oes logartmicas ao decaimento ou espalhamento da soluc ao do PVI. Contudo, a versao
que apresentamos neste trabalho difere das demais pois os expoentes crticos sao computados
numericamente (diferentemente do NRG atual, onde uma relacao de escala e usada para computar
o expoente , dado o expoente ).
Os experimentos numericos com esta nova vers ao sao apresentados no Captulo 4 e foram real-
izados sob hipoteses de teoremas que garantem o comportamento assint otico das solucoes; na
Sec ao 4.1.2 validamos o metodo para a equacao do calor linear vericando a teoria apresentada
na Sec ao 2.2.1; na Secao 4.2 validaremos o metodo para a EMPN com perturbac oes marginais,
respeitando as hipoteses do Teorema 6.13, e vericando numericamente as correc oes logartmicas
garantidas pelo mesmo.
Dividimos este trabalho da seguinte maneira: no Captulo 2, estudamos a equac ao do calor lin-
ear. Provamos a existencia e unicidade do PVI associado a equac ao e damos uma argumenta cao
sobre o comportamento assintotico da soluc ao. Deniremos o operador RG para o caso linear
e estudaremos algumas de suas propriedades, seus pontos xos e, nalmente, reobteremos o
comportamento assint otico da soluc ao da equacao do calor via Grupos de Renormalizacao. No
Captulo 3 apresentamos o NRG padrao bem como duas varia coes do mesmo. Dentre estas,
destacamos a apresentada na Sec ao 3.3, que nos permitira obter o comportamento assint otico
(1.13) acima, sendo esta a contribuic ao deste trabalho. No Captulo 4, mostraremos resulta-
dos numericos que validam as versoes do NRG apresentadas no Captulo 3 sob as hipoteses de
teoremas conhecidos. Am de que este trabalho viesse a ser o mais auto-contido possvel, in-
clumos um apendice contendo 3 topicos: o primeiro, sobre a transformada de Fourier, onde
mostramos algumas ideias basicas; o segundo topico, que contem teoremas e denic oes usados
neste trabalho; e por m, o terceiro topico, onde explicamos como resolver numericamente as
EDPs deste trabalho, possibilitando ao leitor, caso queira, implementar as diversas vers oes do
14
NRG apresentadas no Captulo 3 e repetir os experimentos numericos.
15
Captulo 2
Propriedades Analticas do Grupo de
Renormalizacao Linear
Neste captulo, faremos uma analise rigorosa do operador R
L
, denido em (1.8), supondo que
= 0 e p = 1. Sob estas condic oes o PVI 1.1 e linear. A analise linear e o primeiro passo
para que possamos entender o RG nao-linear. Mostraremos que, se tomarmos = = 1/2
(como sugerido pela analise dimensional, com p = 1, da Sec ao 1.3) ent ao todas as propriedades
desejaveis do RG valem para o RG linear. Em particular, como ressaltado no Captulo 1, vamos
mostrar que, se = = 1/2 ent ao a seq uencia das iteradas do operador R
L
(veja comentario
apos a Equac ao 1.8) converge para um ponto xo de R
L
e que esse ponto xo e a func ao perl
(.), veja Equacao 1.2 e coment arios apos a Equacao 1.4.
Usaremos a Transformada de Fourier para analisar o operador R
L
. Uma breve revisao e alguns
fatos relevantes sobre a Transformada de Fourier podem ser encontrados no Apendice 6.1. Na
Sec ao 2.1 nos exibiremos a soluc ao fundamental da equac ao do calor e enunciaremos algumas
de suas propriedades. A soluc ao fundamental nos permite provar os teoremas de existencia e
unicidade (para todo t > 0)), como tambem nos fornece uma representac ao integral, para o PVI
_
u
t
= u
xx
, (x, t) R (0, )
u(x, 0) = f(x), f C(R) L

(R).
(2.1)
A partir dessa representac ao integral (vide Equacao 2.6), na Sec ao 2.2.1 nos vericaremos que
o limite (1.3) esta bem denido (e e nao-nulo), desde que tomemos = = 1/2 (conrmando
o que ja era esperado pela analise dimensional). Determinaremos tambem a func ao perl. Na
16
Sec ao 2.2.3 nos usaremos a formula (2.6) para obter uma representac ao integral para o operador
R
L
(vide Equac ao 2.13). Usando esta representac ao nos determinaremos seus autovalores e
autovetores (em particular, determinaremos os pontos xos que nos interessam). Ainda na Sec ao
2.2.3 mostraremos a propriedade de semigrupo e o Lema da Contracao. De posse destes dois
ultimos resultados, na Secao 2.2.4 nos reobteremos os resultados da Secao 2.2.1 pela aplicacao
sucessiva do RG. As Sec oes 2.1 e 2.2 deste captulo estao estao baseadas em [18, 19] e [4, 20, 3],
respectivamente.
2.1 Solucao Fundamental, Existencia e Unicidade para a
Equacao do Calor
Nesta secao, apresentaremos um teorema que garanta a existencia de uma soluc ao u(x, t)
C

(R (0, )) para o PVI 2.1, desde que o dado inicial f() seja uma func ao contnua e
limitada. Apresentaremos tambem, como consequencia do Princpio do Maximo (vide Teorema
6.13), a unicidade da soluc ao.
Denimos entao a funcao : R (0, ) R como:
(x, t) =
1

4t
e

x
2
4t
. (2.2)
(x, t) e chamada de solucao fundamental da equacao do calor e a mesma possui as seguintes
propriedades:
1. (x, t) > 0 x R, t > 0;
2. (x, t) C

(R (0, ));
3.
t
=
xx
, t > 0, x R;
4.
_
R
(x y, t)dy = 1, t > 0, x R;
5. lim
t0
+
(x, t) = 0, x ,= 0;
17
6. lim
t0
+
(0, t) = +;
7. lim
x+
(x, t) = 0, t > 0;
8. lim
t+
(x, t) = 0;
9. dados > 0 e a derivada parcial de ordem m + n,
m
t

n
x
(x, t), m, n = 0, 1, 2, 3..., existe
uma constante positiva M
m+n,
tal que
[
m
t

n
x
(x, t)[ M
m+n,
e
x
2
8
(x, t) R [, ).
Exceto pelas propriedades 4 e 9, que provaremos a seguir, todas as outras sao facilmente dedutveis
da denicao de (x, t).
Propriedade 4: Pelo teorema de mudanca de vari aveis (vide [21]), com z = (y x)/

4t,
obtemos:
_
R
(x y, t)dy =
1

4t
_
R
e
(xy)
2
4t
dy =
1

_
R
e
z
2
dz = 1,
onde a ultima integral acima e igual a 1 pois
_
R
e
x
2
dx =

.
Propriedade 9: Podemos vericar que a (m+n)-esima derivada partial
m
t

n
x
(x, t) e da forma
p
_
x

t
_
e

x
2

2
, onde p
_
x

t
_
e um polinomio em
x

t
, cujos coecientes podem depender de

t.
Portanto, para determinar uma cota para
m
t

n
x
(x, t), basta determinar uma cota para func oes
da forma
_
x

t
_
r
e

x
2

2
r = 1, 2, 3, ...
Mas

_
x

t
_
r
e

x
2

=
_
[x[

t
_
r
e

1
2

x
2

2
e

1
2

x
2

2
A
r,
e

x
2
8
,
onde A
r,
= sup
R
(2)
r
e

2
2
, e lembrando que t .
Estamos agora em condic oes de provar que o PVI 2.1 tem pelo menos uma solucao. Iremos
assumir que o dado inicial e uma func ao contnua e limitada em R embora esta nao seja uma
condic ao necessaria
1
.
1
O mesmo teorema pode ser provado se f(x) L
1
(R), por exemplo
18
Teorema 2.1 (Existencia) Seja f(x) uma funcao contnua e limitada em R e seja u(x, t)
denida em R (0, ) por:
u(x, t) =
_
R
(x y, t)f(y)dy. (2.3)
Entao:
1. u C

(R (0, ));
2. u
t
= u
xx
, t > 0;
3. lim
(x,t)(x
0
,0
+
)
u(x, t) = f(x
0
).
Em particular, o PVI 2.1 possui pelo menos uma solucao u(x, t) (dada por 2.3).
Dem.: O Teorema e uma conseq uencia das propriedades da func ao (x, t) enunciadas no incio
desta secao. Observamos inicialmente que a integral em (2.3) faz sentido, denindo uma funcao
de x e t. De fato, pela hipotese em f e pela denic ao de , o produto (x y, t)f(y) e uma
func ao contnua em x, y e t, com t > 0. Alem disto, como f e limitada entao existe M > 0
tal que [(x y, t)f(y)[ M(x y, t), onde usamos a propriedade 1 de . Usando agora a
propriedade 4 conclumos que u(x, t), dada pela integral (2.3), esta bem denida.
A prova dos itens 1 e 2 do Teorema segue diretamente das propriedades 2, 3 e 9 de . De fato,
segue da propriedade 9 que [
m
t

n
x
(x y, t)[ e limitada por um m ultiplo de e

(xy)
2
8
, x, y R
e t , e, portanto, as hipoteses do Teorema 6.11 sao satisfeitas, pois e

(xy)
2
8
e uniformemente
integr avel em x. Isto nos permite concluir que podemos derivar sob o sinal de integrac ao em (2.3)
para concluir que u C

(R (0, )) e que u
t
= u
xx
, t > 0. Para provar o item 3, usaremos
as propriedades 4, 5 e 6 como explicamos a seguir. Formalmente, a razao para obtermos o valor
limite f(x
0
) e a seguinte: ao passarmos o limite do item 3 para dentro da integral (2.3) que
dene u, a solucao fundamental (x y, t) se aproximar a da func ao Delta de Dirac (x
0
y),
concentrando toda a integra cao no ponto x
0
. Como o integrando sera (x
0
y)f(y) entao o
resultado da integrac ao sera f(x
0
).
19
Da continuidade de f segue que, dado > 0, > 0 tal que
[y x
0
[ < [f(y) f(x
0
)[ < .
Usando a propriedade 4, obtemos:
u(x, t) f(x
0
) =
_
R
(x y, t)(f(y) f(x
0
))dy,
o que nos leva `a seguinte desigualdade, > 0:
[u(x, t) f(x
0
)[
_
x
0

(x y, t)[f(y) f(x
0
)[ dy +
_
x
0
+
x
0

(x y, t)[f(y) f(x
0
)[ dy+
+
_
+
x
0
+
(x y, t)[f(y) f(x
0
)[ dy I
1
+ I
2
+ I
3
.
Como [f(y) f(x
0
)[ no intervalo de integrac ao de I
2
e como
_
x
0
+
x
0

(x y, t)dy <
_
R
(x y, t)dy = 1,
obtemos que I
2
. Resta mostrar, entao, que lim
(x,t)(x
0
,0
+
)
I
1
= 0 = lim
(x,t)(x
0
,0
+
)
I
3
. Mostraremos
o primeiro limite pois o segundo segue de forma similar.
Usaremos o Teorema da Convergencia Dominada de Lesbesgue (veja o Teorema 6.12) para provar
que I
1
, como funcao de x e t, tende a zero quando x se aproxima de x
0
e t se aproxima de 0.
Sejam x
n
e t
n
seq uencias de n umeros reais tais que x
n
x
0
, x
n
(x
0
/2, x
0
+ /2) e
t
n
0, com 0 < t
n
1. Denimos:

n
(y) =
_
(x
n
y, t
n
)[f(y) f(x
0
)[ para y < x
0

0 para y x
0
.
Denimos ainda
G(y) =
4M

(x
0

2
y)
2
.
Observe que G(y) L
1
(, x
0
). Alem disto, notemos que [
n
(y)[ G(y) para todo n e
para todo y (, x
0
), uma vez que

n
(y) =
1

4t
n
e

(x
n
y)
2
4t
n
[f(y) f(x
0
)[
2M

4t
n

(x
n
y)
2
(x
n
y)
2
4t
n
e

(x
n
y)
2
4t
n

4M

(x
0

2
y)
2
,
onde, na ultima desigualdade, usa-se que
20
t
n
1;
[x
n
y[ [x
0

2
y[, pois y (, x
0
) e x
n
(x
0
/2, x
0
+ /2);
e

e
1
< 1, com > 0.
Do item 2, acima, da positividade de e da denic ao de
n
, segue que
0
n
(y) 2M(x
n
y, t
n
) 2M(/2, t
n
).
Como, pela propriedade 5 de , temos que (/2, t
n
) 0 quando n , concluimos tambem
que
n
(y) 0 quando n . Podemos, ent ao, aplicar o Teorema da convergencia Domi-
nada para concluir que
_
R

n
(y)dy 0 quando n . Como as seq uencias x
n
e t
n
sao
arbitrarias, conclumos que
lim
(x,t)(x
0
,0
+
)
I
1
= lim
(x,t)(x
0
,0
+
)
_
x
0

(x y, t)[f(y) f(x
0
)[dy = 0.
Observacao: Se, nas hipoteses to Teorema 2.1, assumirmos que o dado inicial f e integr avel
(ao inves de contnuo e limitado), entao os tens 1 e 2 do Teorema continuam validos e o item
3 e valido nos pontos de continuidade de f. Como toda func ao integr avel e aproximada (no
sentido L
1
(R)) por funcoes limitadas, ent ao a prova fornecida acima se aplica, pois o seu unico
ingrediente importante e o Teorema da Convergencia Dominada.
Provaremos, a seguir, que o PVI 2.1 tem uma unica soluc ao u(x, t), x R e t > 0. Em particular,
sob as hipoteses do Teorema 2.1 (dado inicial contnuo e limitado) a ( unica) soluc ao do PVI e
dada pela integral (2.3). A unicidade de soluc oes (Corolario 2.4) segue como corolario do Teorema
2.3 que, por sua vez, segue como corolario do Teorema 2.2 (cuja prova sera omitida). Este ultimo
teorema e uma versao do Princpio do Maximo (vide Teorema 6.13) para domnios nao-limitados.
A seguir, denotaremos por C
2
1
ao conjunto das funcoes de duas variaveis u(x, t) que sejam de
classe C
2
na primeira vari avel e de classe C
1
na segunda.
21
Teorema 2.2 Seja u C
2
1
(R (0, T)) C(R [0, T]) solucao do PVI:
_
u
t
u
xx
= 0 em R (0, T)
u(x, 0) = g para x R
e suponha que existam constantes a, A > 0 tais que
u(x, t) Ae
ax
2
para (x, t) R (0, T). (2.4)
Entao,
sup
R[0,T]
u = sup
R
g.
Sob as hipoteses deste ultimo teorema, somos capazes de demonstrar a unicidade da soluc ao.
Teorema 2.3 Sejam f C(R [0, T]) e g C(R) funcoes dadas. Entao o PVI
_
u
t
u
xx
= f em R (0, T)
u(x, 0) = g para x R
(2.5)
possui, no maximo, uma solucao u(x, t) tal que
u(x, t) C
2
1
(R (0, T]) C(R [0, T]);
[u(x, t)[ Ae
ax
2
, com (x, t) R [0, T] e constantes A, a > 0.
Dem.: O teorema e um corolario do Teorema 2.2. Suponha que u e v sejam solucoes do PVI
2.5 satisfazendo `as condic oes de crescimento [u(x, t)[ Ae
ax
2
e [v(x, t)[ Be
bx
2
, para constantes
A, B, a, b > 0. Denimos, ent ao, w u v, e vericamos que w satisfaz:
_
w
t
w
xx
= 0 em R (0, T)
w(x, 0) = 0 para x R
e
[w(x, t)[ 2 maxA, Be
max{a,b}x
2
.
Lembrando que inf w(x, t) = sup(w(x, t)), observando que (x, t) satisfaz o PVI acima e
tomando g = 0 no Teorema 2.2, obtemos:
0 = sup
R[0,T]
w(x, t) = sup
R[0,T]
(w(x, t)) = inf
R[0,T]
w(x, t).
Conclumos ent ao que w = 0, ou seja, u = v.
22
Corolario 2.4 (Unicidade) Sob as hipoteses do Teorema 2.1, o PVI 2.1 possui uma unica
solucao u(x, t) dentro da classe das solucoes que nao crescem mais rapidamente que Aexp(ax
2
),
para A, a > 0.
Dem.: Vemos que o PVI 2.1 e um caso particular do PVI 2.5, com f = 0 e g C(R)

(R).
Portanto, pelo Teorema 2.3, o mesmo tem no maximo uma soluc ao de crescimento exponencial.
Ja sabemos que o PVI 2.1 possui pelo menos uma solucao u(x, t), dada pela integral (2.3). Entao,
para concluirmos a unicidade so nos falta mostrar que esta soluc ao nao cresce mais rapidamente
que a exponencial de x
2
. Da representa cao integral de u(x, t) e da denic ao de (x, t) conclumos
que essa soluc ao satisfaz a
[u(x, t)[ Ae
ax
2
,
com A = sup
xR
[f(x)[ e a = 0, e isto termina a prova do corolario.
2.2 Limites Assintoticos e Grupos de Renormalizacao
Nesta sec ao vamos mostrar que, para o PVI 2.1, a denicao (1.8) do operador RG faz sentido,
com = = 1/2. Com esta escolha de expoentes crticos, vamos tambem mostrar que o limite
(1.3) esta bem denido, com A =

f(0) (A e a Transformada de Fourier
2
do dado inicial calculada
na origem), B = 1 e sendo a distribuicao gaussiana. Veremos que a representa cao integral (2.3)
e essencial para estabelecer analiticamente as propriedades do RG obtidas nas secoes 2.2.1, 2.2.2
e 2.2.3.
2.2.1 Comportamento Assint otico de Solucoes Reescalonadas
Vamos inicialmente obter o limite (1.3) de forma analtica para, posteriormente, comparar o
resultado com o que sera obtido na Sec ao 2.2.4, onde utilizaremos o RG para obter o mesmo
comportamento assint otico. Pelo Corolario 2.4 da sec ao anterior, se o dado inicial f for contnuo
2
vide apendice
23
e limitado ent ao a soluc ao do PVI 2.1 e unicamente dada por
u(x, t) =
1

4t
_
R
e
(xy)
2
4t
f(y)dy, (2.6)
para todo t > 0. Se reescalonarmos a vari avel espacial e a solucao por t
1/2
, obtemos
t
1/2
u(t
1/2
x, t) =
1

4
_
R
e
(t
1/2
xy)
2
4t
f(y)dy =
1

4
_
R
e
(xy/

t)
2
4
f(y)dy.
Utilizando agora do Teorema da Convergencia Dominada (vide Teorema 6.12 ), tomamos o limite
com t :
lim
t
t
1/2
u(t
1/2
x, t) =
1

4
e

x
2
4
_
R
f(y)dy =
1

4
e

x
2
4

f(0). (2.7)
Analisando o limite (2.7) nos conclumos que os expoentes crticos e sao iguais a 1/2, os
prefatores sao B = 1 e A =

f(0) e a funcao perl (x) e igual a
1

4
e

x
2
4
, que e a distribuic ao
gaussiana de media zero e desvio padrao

2. Observe que os valores dos expoentes crticos

coincidem com aqueles determinados na Sec ao 1.3 por analise dimensional.
2.2.2 Solucoes Invariantes Para a Equacao do Calor
Nesta sec ao vamos conectar a distribuicao gaussiana, obtida na sec ao anterior, com a soluc ao
fundamental da equac ao do calor e com soluc oes invariantes por mudan ca de escala. Como
veremos posteriormente, esta conexao nos sera util quando analisarmos o ponto xo do operador
RG. Considere novamente o PVI 2.1 e seja u(x, t) a sua solucao. Seja L um n umero real positivo
(posteriormente escolheremos L > 1) e dena v(x, t) pelo seguinte reescalonamento de u:
v(x, t) =

Lu(

Lx, Lt),
onde estamos usando os valores de e determinados na Sec ao 1.3, com p = 1. Se u(x, t) for
soluc ao invariante por mudanca de escalas ent ao
u(x, t) = L
1
2
u(L
1
2
x, Lt). (2.8)
Se zermos formalmente L = t
1
em (2.8) obteremos que
u(x, t) =
1

t
u(
x

t
, 1),
24
o que nos induz a supor que as solucoes invariantes sao da forma
u(x, t) =
1

_
x

t
_
. (2.9)
Determinemos, agora, condicoes em para que u da forma (2.9) seja soluc ao da equacao do calor
(2.1). Substituindo (2.9) em (2.1) e denindo y xt
1/2
, obtemos a seguinte EDO para

+
1
2
y

+
1
2
= 0.
Observando que o lado esquerdo desta equac ao e igual a
_

+
y
2
_

,
podemos, atraves de duas integrac oes consecutivas, obter a sua soluc ao geral. Em particular,
essa equac ao admite soluc oes da forma (y) = Ce

y
2
4
. Se escolhermos C > 0 de forma que
tenha norma L
1
igual a 1, obtemos
(y) =
1

4
e

y
2
4
.
Observe que reobtemos, acima, a distribuicao gaussiana e que a mesma, quando substituda em
(2.9), nos da uma soluc ao invariante por mudanca de escalas
u(x, t) =
1

4t
e
x
2
4t
.
Essa soluc ao coincide com a solucao fundamental da equacao do calor. Como veremos, este fato
esta ligado ao ponto xo do operador RG.
2.2.3 O Grupo de Renormalizacao Linear
Nesta secao deniremos o operador RG para a Equac ao do Calor e veremos algumas de suas
propriedades. Sem perda de generalidade, faremos uma translac ao do nosso problema no tempo
e passaremos a trabalhar com dados iniciais em t = 1. Alem disto, assumiremos que o dado
inicial e contnuo e de suporte compacto (para que a sua Transformada de Fourier faca sentido).
Em outras palavras, trabalharemos com o PVI
_
u
t
= u
xx
, (x, t) R (1, )
u(x, 1) = f(x) , f C
0
(R),
(2.10)
25
cuja solucao e
u(x, t) =
1
_
4(t 1)
_
R
e

(xy)
2
4(t1)
f(y)dy. (2.11)
Motivados por (2.8) denimos o operador RG para a Equac ao do Calor. Dado L > 1, fazemos o
seguinte:
1. integramos a equac ao do calor, evoluindo o dado inicial f(x) = u(x, 1) do tempo t = 1
ao tempo t = L, obtendo assim u(x, L). Observe que u(x, L) esta bem denido pois ja
sabemos, da sec ao anterior, que a solucao do PVI em questao existe para todo t > 0;
2. reescalonamos, ent ao, a vari avel espacial por L
1
2
, obtendo, assim, u(L
1
2
x, L);
3. por m, reescalonamos a soluc ao u por L
1
2
obtendo L
1
2
u(L
1
2
x, L). Essa func ao de x assim
denida e a imagem do dado inicial do PVI 2.10 pela transformac ao denida pelas regras
acima.
Denotamos o operador RG por R
L
. Os tres passos descritos acima podem ser resumidos pela
identidade
R
L
f(x) = L
1
2
u(L
1
2
x, L). (2.12)
R
L
tem uma representac ao integral que se origina de (2.11)
R
L
f(x) =

L
_
4(L 1)
_
R
e

Lxy)
2
4(L1)
f(y)dy. (2.13)
Ent ao o operador RG e representado por uma integral de convolucao e, por causa disto, podemos
usar a Transformada de Fourier para analisar a sua acao sobre os dados iniciais, como o seguinte
lema mostra.
Lema 2.5 Se f C
o
(R) e se L > 1 entao

R
L
f() = e

2
L
(L1)

f(

L
). (2.14)
26
Dem.: Notemos inicialmente que:

R
L
f() =

L
1/2
u(L
1/2
x, L)() =
_
R
e
ix
L
1/2
u(L
1/2
x, L)dx =
_
R
e
i

L
1/2
x
u(y, L)dy = u(

L
1/2
, L).
Ent ao:

R
L
f() = u(

L
1/2
, L). (2.15)
Basta ent ao tomar a Transformada de Fourier da soluc ao u(x, t) como func ao de x, no tempo
t = L, para provar o lema. Como a solucao u e dada pela integral de convoluc ao (2.11), podemos
reescreve-la como:
u(x, t) = [(, t 1) f()](x).
Aplicando o Teorema da Convolucao (vide Teorema 6.8) `a identidade acima, obtemos que
u(, t) =

(, t 1)

f(). Substituindo esta informacao em (2.15) e usando que

(, t) = e

2
t
,
conclumos que

R
L
f() = e

2
L
(L1)

f(

L
)
e o lema esta provado.
Antes de continuar com a nossa analise, observamos que o operador RG atua linearmente sobre o
espaco dos dados iniciais. De fato, da representac ao integral (2.13) podemos facilmente vericar
que
R
L
(af + bg) = aR
L
f + bR
L
g.
Alem disto, usando a identidade (2.14), podemos determinar os seus autovalores e autovetores,
como as duas proposicoes a seguir nos mostram.
Proposicao 2.6 A distribuicao Gaussiana (x) =
1

4
e

x
2
4
e ponto xo do operador R
L
.
Dem.: Usando que

() = e

2
e usando a identidade (2.14), obtemos

R
L
() = e

2
L
(L1)
e

2
L
= e

2
=

().
27
Tomando a transformada inversa na ultima igualdade nos obtemos que R
L
= e o teorema
esta provado.
De maneira analoga podemos provar que
Proposicao 2.7 Para n = 1, 2, , seja
n
(x) a funcao cuja Transformada de Fourier e igual a

n
exp(
2
). Entao
n
(x) e autovetor do operador R
L
com autovalor L
n/2
.
Observacao: Lembramos que as funcoes de Hermite formam uma base para L
2
(R) e que elas sao
geradas tomando-se derivadas de todas as ordens da distribuicao Gaussiana. Como multiplicac ao
no espaco e equivalente a derivac ao no espaco x, conclumos que combinac oes lineares dos

n
(x) geram as func oes de Hermite e, por conseguinte, formam uma base para o espaco dos
dados iniciais.
Teorema 2.8 (Propriedade de Semigrupo) Dados L
1
> 1 e L
2
> 1, temos que
R
L
1
L
2
= R
L
1
R
L
2
.
Dem.: Dado f C
0
(R), basta ver que:
R
L
1
L
2
f = L
1/2
1
L
1/2
2
u(L
1/2
1
L
1/2
2
x, L
1
L
2
) = R
L
1
(L
1/2
2
u(L
1/2
2
x, L
2
)) = R
L
1
R
L
2
f.
Observacao: Segue do Teorema 2.8 que R
n
L
= R
L
R
L
... R
L
= R
L
n. A propriedade de
semi-grupo sera usada na proxima sec ao para o estudo assint otico via RG.
Para dar prosseguimento ao nosso estudo temos que caracterizar mais claramente o que chamamos
de espaco dos dados iniciais. Essa caracterizac ao e necessaria pois R
L
f devera estar no mesmo
espaco em que estiver f ja que desejamos que R
L
f seja um dado inicial se f o for. Considere o
seguinte conjunto de func oes
B
4
= f(x) L
2
(R)[

f C
1
(R) e [[f[[
B
4
< +
28
onde [[.[[
B
4
e denido como
[[f[[
B
4
= sup
R
_
(1 +
4
)([

f()[ +[

()[)
_
.
Pode-se mostrar que [[ [[
B
4
e uma norma e que B
4
munido desta norma e um espaco de Banach
(para detalhes veja [20]). O proximo teorema nos permitira obter o comportamento assint otico
de solucoes reescalonadas via aplicac oes sucessivas do operador RG.
Teorema 2.9 (Lema da Contracao) Se f B
4
e se

f(0) = 0 entao existe uma constante
C = C(L) > 0 tal que:
[[R
L
f[[
B
4

C
L
1/2
[[f[[
B
4
, L > 1 (2.16)
com
C(L)
L
1/2
0 quando L .
Dem.: Pelo Lema 2.5 temos que:

R
L
f() = e

2
L
(L1)

f(

L
1/2
)
e

R
L
f

() =
2
L
(L 1)e

2
L
(L1)

f(

L
1/2
) + L
1/2
e

2
L
(L1)

f

(

L
1/2
).
Logo
[

R
L
f()[ +[

R
L
f

()[ ([

f(/L
1/2
)[ +[2

f(/L
1/2
)[ +[L
1/2

f

(/L
1/2
)[)e

2
L
(L1)
. (2.17)
De (1 +
4
) 1 e da denicao de [[.[[
B
4
conclumos que
[[f[[
B
4
sup
R
([

f()[ +[

()[).
Observemos que sup
R
([

f()[ +[

()[) sup
R
[

()[ = sup
R
[

(/L
1/2
)[, e conclumos entao que
[

(/L
1/2
)[ [[f[[
B
4
. (2.18)
Escrevendo

f(/L
1
2
) =

f(0) +
_

L
1/2
0

(t)dt, lembrando que

f(0) = 0 camos com as desigual-
dades:
[

f(/L
1
2
)[ [

f(0)[ +

_
L
1/2
0

(t)dt

L
1/2

0
[

(t)[dt
_

L
1/2

0
[[f[[
B
4
dt =

L
1
2

|f|
B
4
. (2.19)
29
Substituindo 2.18 e 2.19 em 2.17 obtemos a desigualdade:
(1 +
4
)([

R
L
f()[ +[

R
L
f

()[) L

1
2
(1 +
4
)([[ +[2
2
[ + 1)e

2
L
(L1)
[[f[[
B
4
Aplicando sup
R
nos dois lados da desigualdade acima obtemos
[[R
L
f[[
B
4

C
L
1/2
[[f[[
B
4
,
onde C = C(L) = sup
R
(1+
4
)([[ +[2
2
[ +1)e

2
L
(L1)
< . Note tambem que
C(L)
L
1/2
0 quando
L .
Observacao: O fato de
C(L)
L
1/2
0 quando L nos garante que existe L sucientemente
grande tal que
C(L)
L
1/2
< 1, o que implica que R
L
e uma contra cao no espaco das funcoes de media
zero. Caso quisessemos demonstrar o teorema acima sem exigir que
C(L)
L
1/2
0 quando L , a
hipotese

f(0) = 0 nao seria necessaria, bastando para isso notar que [

f(/L
1/2
)[ [[f[[
B
4
. Desta
observac ao segue a demonstrac ao do
Lema 2.10 Se f B
4
entao R
L
f B
4
.
Observacao: Observamos que
n
, n = 0, 1, 2, 3, ..., denido na Proposic ao 2.7, e tambem um
elemento de B
4
.
2.2.4 Obtencao do Comportamento assintotico via RG
Nesta secao nos iremos reobeter o limite (2.7) usando a tecnica do Grupo de Renormalizacao.
Lancaremos mao dos resultados e propriedades do operador RG obtidos nas secoes anteriores. O
limite (2.7) sera tomado via seq uencias da forma t
n
= L
n
, com L > 1 convenientemente escolhido.
O argumento pode ser estendido para seq uencias arbitrarias, veja [8, 3]. Observe que o resultado
do proximo teorema nao so diz sobre a existencia e valor do limite como tambem fornece a taxa
de convergencia para o valor limite.
30
Teorema 2.11 (Convergencia) Se f B
4
e L > 1 e tal que C/L
1/2
< 1, onde C e a constante
do Teorema 2.9, entao:
[[L
n/2
u(L
n/2
, L
n
)

f(0)()[[
B
4
(e
m
)
n
[[g[[
B
4
, (2.20)
onde m = ln(
C
L
1/2
), g() = f()

f(0)() e =
1

4
e

x
2
4
. Em particular, segue que
R
n
L
f
B
4

f(0). (2.21)
Dem.: Observamos inicialmente que L
n/2
u(L
n/2
, L
n
) = R
L
nf(). Pelo Teorema 2.8 (Propriedade
de Semigrupo), R
L
nf = R
n
L
f. Denamos entao f
0
= f e, para todo n = 1, 2, , f
n
= R
n
L
f
0
.
Notemos primeiramente que f
n+1
= R
L
f
n
e lembremos que R
L
= . Denimos g
n
= f
n

f(0)
e observamos que g
n
B
4
pois sabemos que B
4
e um espaco vetorial, sabemos pelo Lema
2.10 que f
n
B
4
e sabemos do paragrafo apos o Lema 2.10 que B
4
. Pela linearidade de
R
L
, R
L
g
n
= R
L
f
n
R
L
(

f(0)) = f
n+1


f(0) = g
n+1
. Alem disso, g
n
(0) =
_
R
g
n
(x)dx =
_
R
f
n
(x)dx

f(0)
_
R
(x)dx =

f
n
(0)

f(0). Pelo Teorema 2.8 (Propriedade de Semigrupo), pela
denic ao de f
n
e pela identidade (2.14) nos conclumos que

f
n
(0) =

f(0) e portanto g
n
(0) = 0.
Podemos, entao, usar o Teorema 2.9 (Lema da Contrac ao) para concluir que
[[g
n+1
[[
B
4
= [[R
L
g
n
[[
B
4

C
L
1/2
[[g
n
[[
B
4
(
C
L
1/2
)
2
[[g
n1
[[
B
4

(
C
L
1/2
)
n+1
[[g[[
B
4
.
Se escolhermos L > 1 tal que C/L
1/2
< 1 ent ao
[[f
n

f(0)[[
B
4
= [[g
n
[[
B
4
(
C
L
1/2
)
n
[[g[[
B
4
e o teorema esta provado.
Observacao: Observemos que (2.20) e a vers ao rigorosa da Equac ao 1.10 do Captulo 1.
O Teorema 2.11 pode ser extendido para a equac ao do calor nao linear com perturbacoes irrele-
vantes (veja em [8, 4, 20]) ou marginais (veja em [8]).
31
Captulo 3
O Grupo de Renormalizacao Numerico
Neste captulo, descreveremos o algoritmo para a implementac ao numerica do Grupo de Renor-
malizac ao, como proposto em [10, 11, 12, 13, 14, 15], a que chamaremos de NRG padrao. Tambem
apresentaremos duas modicacoes desse algoritmo, modicac oes essas que sao efetivas na captura
de correc oes logartmicas (vide itens 2 e 3 da Sec ao 1.5), tanto no decaimento quanto no espal-
hamento da solucao de PVIs com perturbacoes marginais. Uma das modicacoes citadas acima
foi implementada em [14] e ela incorpora informac oes do NRG padrao, as usando de maneira
inteligente para concluir sobre correc oes logartmicas ao decaimento. A outra modicac ao repre-
senta a contribuicao deste trabalho ao desenvolvimento do assunto e ela permite concluir sobre
correc oes logartmicas, tanto no decaimento quanto no espalhamento da solucao.
Nem sempre e possvel conhecer a priori os expoentes crticos. A analise dimensional da Secao
1.3 pode nao dar a resposta correta, ocorrendo o surgimento dos expoentes anomalos (como na
equac ao de Barenblatt, por exemplo). Neste caso, nao e possvel implementar o RG do ponto
de vista analtico, pois o mesmo pressupoe o conhecimento dos expoentes e (vide Equac ao
1.10). O metodo que apresentaremos a seguir, embora numerico, evita tal problema calculando
os expoentes crticos dinamicamente. O metodo foi desenvolvido de forma a caracterizar o regime
assint otico, isto e, ele nos fornece a funcao perl, expoentes crticos e prefatores. Ressaltamos
que estas informacoes sao conhecidas analiticamente somente em alguns casos (para a equac ao
do calor, veja o captulo anterior). Isso faz do NRG uma ferramenta valiosa do ponto de vista de
vericar a validade de teoremas sob hipoteses mais fracas ou de induzir a levantar conjecturas,
32
para que, a posteriori, de forma analtica, possamos demonstra-las.
Este captulo esta dividido da seguinte forma: na Sec ao 3.1 deniremos o NRG padrao; na Sec ao
3.2 deniremos uma modicac ao do NRG padrao utilizada para problemas cujo regime assint otico
ocorre correcao logartmica no prefator A (veja Equac ao 1.3 e item 2 da Secao 1.5); por m, na
Sec ao 3.3 desenvolveremos uma nova modicacao no NRG padrao, capaz de capturar correcoes
logartmicas tanto no prefator A quanto no prefator B (veja Equac ao 1.3 e item 3 da Sec ao 1.5).
3.1 O NRG padrao
3.1.1 Preliminares
Consideremos o PVI 1.1, que reescrevemos abaixo substituindo por
_
u
t
= (u
p
)
xx
u
a
u
b
x
u
c
xx
u(x, 1) = f(x).
(3.1)
Vamos assumir que esse PVI possui uma unica solucao global u = u(x, t) (no Captulo 2 nos
provamos esta armac ao no caso da equacao do calor (p = 1 e = 0); para p = 1 e ,= 0,
veja [8]; para o caso p > 1 e = 0, veja [16]; para p > 1, a = p + 2, b = c = 0 e ,= 0, veja
[17]). Dadas as seq uencias numericas
n
e
n
, denimos as seq uencias de funcoes (f
n
)
n0
e
(u
n
)
n0
, recursivamente, da seguinte maneira:
u
0
= u e f
0
= f, onde u e a soluc ao do PVI 3.1 e f e o dado inicial;
para n 1 e L > 1, dena u
n
pela seguinte mudanca de escalas:
u
n
(x, t) = L

n
u
n1
(L

n
x, Lt);
para n 1, denimos tambem:
f
n
(x) = u
n
(x, 1). (3.2)
Observe que, como u
0
satisfaz ao PVI 3.1, u
n
, n 1, satisfara ao seguinte PVI
_
u
t
= L

n
(1p)2
n
+1
(u
p
)
xx
L
(1abc)
n
(b+2c)
n
+1
u
a
u
b
x
u
c
xx
u
n
(x, 1) = f
n
(x).
(3.3)
33
Mais do que isto, como u
n
(x, 1) = L

n
u
n1
(L

n
x, L), so nos interessa olhar para o PVI 3.3 com
t [1, L]. Como veremos posteriormente, este fato nos permitira resolver numericamente PVIs
denidos sempre dentro da mesma faixa de tempo 1 t L.
Podemos reescrever f
n
e u
n
, n 1, em termos de f
0
e u
0
, como a seguir
u
n
(x, t) = L

1
+...+
n
u
0
(L

1
+...+
n
x, L
n
t),
f
n
(x) = L

1
+...+
n
u
0
(L

1
+...+
n
x, L
n
). (3.4)
Reescrevendo (3.4) como:
u
0
(x, L
n
) =
L
n
n
(
1
+...+
n
)
L
n
n
f
n
_
L
n
n
(
1
+...+
n
)
x
L
n
n
_
,
somos levados a denir prefatores A
n
e B
n
A
n
= L
n
n
(
1
+...+
n
)
, B
n
= L
n
n
(
1
+...+
n
)
, (3.5)
de forma que
u
0
(x, L
n
) =
A
n
L
n
n
f
n
_
B
n
x
L
n
n
_
.
Observe a similaridade entre a identidade acima e a Equacao 1.2. Agora, se no limite n ,
ocorrer que
n
,
n
esperamos que A
n
A, B
n
B, e f
n
(onde A e B sao os
prefatores, e os expoentes crticos e o ponto xo do operador R
L
), ent ao e razoavel esperar
que :
A
n
f
n
(B
n
x) = L
n
n
u(L
n
n
x, L
n
) L
n
u(L
n
x, L
n
) A(Bx) quando n , (3.6)
onde signica o comportamento para n 1.

E exatamente esta ultima relacao que nos
permitira estudar numericamente o regime assintotico de u.
Para cada n = 1, 2, 3, ... denimos
n
e
n
de forma que os reescalonamentos pelos fatores L

n
e L

n
anulem o decaimento e espalhamento, respectivamente, da soluc ao u
n
do PVI 3.3. Neste
trabalho estamos particularmente interessados em estudar como perturbac oes marginais (veja
Sec ao 1.4) afetam o comportamento da soluc ao do PVI 3.1, para tempos longos. A condicao
34
de marginalidade e equivalente `a condicao de invari ancia da equacao pela mudanca de escalas e,
quando imposta ao PVI 3.3, nos leva a
_

n
(1 p) 2
n
+ 1 = 0
(1 a b c)
n
(b + 2c)
n
+ 1 = 0.
(3.7)
Portanto, se
n
e
n
convergem, respectivamente, para e , ent ao estes coecientes satisfarao
o sistema algebrico (3.7). Em particular, se zermos a = p + 2 e b = c = 0 ent ao os expoentes
crticos e deverao convergir para o valor 1/(p + 1), que coincide com os expoentes crticos
apresentados na Sec ao 1.3.
Chamamos a atenc ao para o seguinte fato: no NRG padrao, apos calcularmos numericamente

n
, usamos uma das duas relacoes de escala (3.7) para obter
n
. A relacao de escala a ser usada
depende do problema em questao (se queremos estudar perturbac oes irrelevantes ou marginais
do termo (u
p
)
xx
ou se queremos ver o termo (u
p
)
xx
como perturbacao irrelevante dos termos nao
lineares). No nosso caso, deveramos usar a primeira relac ao (mesmo porque, seria impossvel
usar a segunda relacao para determinar , quando b = c = 0). Esta escolha para o calculo de

n
corresponde a manter uma parte da equac ao invariante pela mudanca de escalas e esta e uma
das suposic oes a vers ao do NRG padrao usual).
No que se segue, e ainda no caso em que a = p + 2, b = c = 0,
n
sera mantido estatico no seu
valor analtico determinado pela analise dimensional, ou seja,

n

1
p + 1
. (3.8)
Estritamente falando, esta escolha de
n
nao corresponde `a escolha feita pelo NRG padrao, sendo
contudo o seu valor limite (caso haja a convergencia do NRG). A escolha (3.8) leva a B
n
1
para todo n (vide Equac ao 3.5).
Ja o calculo de
n
e feito de forma a xar f
n
(0) = f(0) n, ou seja, f
n
(0) = u
n
(0, 1) =
L

n
u
n1
(0, L) = f(0), de onde conclumos que, nestas condic oes, o calculo de
n
e feito por

n
= log
L
_
f(0)
u
n1
(0, L)
_
. (3.9)
Ressaltamos que, com a imposic ao f
n
(0) = f(0) n, a sequencia f
n
ira convergir para um
m ultiplo do ponto xo (x) de R
L
ao inves de convergir para o ponto xo, como presumido
35
anteriormente nesta secao para se obter (3.6), ou seja:
f
n
(x)
n
k(x). (3.10)
Para determinar k, basta observar que f(0) = f
n
(0)
n
k(0), fornecendo que
k =
f(0)
(0)
. (3.11)
Quanto `a convergencia da sequencia A
n
, conforme (3.6)
A
n
f
n
(B
n
x)
n
A(Bx).
Como f
n
(x)
n
k(x), conclumos que
A
n

n
1
k
A. (3.12)
Onde A e B sao os prefatores, e os expoentes crticos e o ponto xo do operador R
L
(valores
analticos). As relac oes (3.10), (3.11) e (3.12) serao uteis nas analises gracas do proximo captulo.
3.1.2 O Algoritmo
Motivados pela denic ao do operador RG para a equacao do calor (Equacao 2.12), e a partir da
sec ao anterior, podemos construir os passos iterativos do NRG. No passo 3 do algoritmo abaixo
consideramos o problema em que b = c = 0. Para n = 1, 2, 3, ..., o algoritmo consiste, entao, de:
1. evolua o dado inicial f
n1
do tempo t = 1 ao tempo t = L (vide Secao 6.3 para explicac oes
de como implementar esta evoluc ao numericamente), obtendo, assim, u
n1
(x, L);
2. calcule os expoentes
n
e
n
conforme equac oes (3.9) e (3.8), respectivamente;
3. dena f
n
(x) = L

n
u
n1
(L

n
x, L);
4. calcule os prefatores A
n
e B
n
conforme Equac ao 3.5;
5. dena um novo PVI renormalizado, conforme PVI 3.3;
36
6. caso nao se atinja o criterio de parada volte para o passo 1, levando em consideracao o
novo PVI denido no passo 5 acima. Caso contr ario, pare.
No passo 3, a mudanca de escalas na vari avel espacial e feita modicando-se o tamanho da malha,
ou seja, trabalha-se com um novo x dado por x = L

n
x. O criterio de parada usado no
passo 6 pode depender do problema em si. Por exemplo, pode-se usar como criterio de parada
a condic ao [[f
n
f
n1
[[
1
< [[f
n1
f
n2
[[
1
, para algum < 1 escolhido (note que satisfazer tal
condic ao implica que f
n
e uma sequencia de Cauchy, logo convergente). O mesmo vale para
n
e

n
. Usa-se tambem, no lugar da norma L
1
(R), a norma do sup.

E usual tambem a combinacao
de mais de um criterio.
O algoritmo acima e o NRG padrao e de modicac oes no mesmo surgem outras vers oes. Ele
foi criado, como podemos notar nas sec oes anteriores, pensando no estudo da equacao do calor.
Porem, no estudo de problemas com regime assintotico onde aparecem, por exemplo, correc oes
logartmicas nos prefatores, este algoritmo nao e capaz de obter que o limite assint otico e um
m ultiplo (nao nulo) do ponto xo.
3.2 Correcoes Logartmicas em A
n
Como veremos nesta sec ao, nao e preciso ir muito longe para sentirmos a necessidade de fazer-
mos pequenas modicacoes no NRG padrao. Comecemos com a Equac ao do Calor nao-linear,
com uma pertubac ao marginal da forma u
3
. A ttulo de observac ao, caso a perturbac ao fosse
irrelevante, o NRG padrao seria o ideal. Contudo, com a adicao de perturbacoes marginais, nao
podemos prever de antem ao, mesmo que formalmente, qual sera o seu efeito sobre o compor-
tamento assint otico ja que a sua contribuicao podera ser tanto na direc ao irrelevante quanto
relevante.
Considere, entao, o problema
_
u
t
= u
xx
u
3
, (x, t) R (1, ) , > 0
u(x, 1) = f(x).
(3.13)
37
Sabe-se (vide item 2 da Secao 1.5) que a forma assintotica da solucao do PVI acima e:
u(x, t)
A
(t log(t))
1
2
(
x

t
) , quando t ,
(3.14)
onde e a Gaussiana e A e igual a
_
2

3, independentemente do dado inicial (neste sentido,

A e universal). Notemos que o NRG padrao, caso aplicado a este problema, seria incapaz de
retornar que seu ponto xo e um m ultiplo nao nulo da Gaussiana uma vez que, como espera-se
que a seq uencia A
n
convirja para o pre-fator de , isto e, A
n

A

log L
n
para n , ent ao
A
n

n
0 ,= A.
Este problema e contornado, no RG padrao, olhando para o comportamento do graco log(n)
log(A
n
), uma vez que correc oes logartmicas podem ser detectadas observando-se que, para n
sucientemente grande, se A
n

A
(log(L
n
))

(de forma similar faz-se para B

n
), segue ent ao que
log(A
n
) log
_
A
(log(L))

_
log(n).
Tal relac ao implica que o curva do graco de log(n) log(A
n
), para n sucientemente grande,
comporta-se como uma reta de inclinac ao e passa pelo ponto (0, log(A/(log L)

)). Armamos
que correcoes logartmicas sao de difcil deteccao, uma vez que evoluir na escala logartmica, a
partir de certos valores, se torna impraticavel usando metodos tradicionais (por exemplo, usar
apenas o metodo de diferencas nitas). Contudo, o NRG demonstra tal capacidade, mostrando
ser um poderosa ferramenta.
A forma assint otica (3.14) sera explorada na modicac ao do NRG padrao que faremos a seguir
e que foi primeiro apresentada em [14]. Observe que, com a escolha de t = L
n
, obtemos log t =
nlog L e e desta relac ao entre n e log t de onde surge a ideia de como eliminar a correcao
logartmica do calculo do prefator A
n
. De (3.14) segue que
u(0, L
n
)
u(0, L
n+1
)

_
n + 1
n
L
_
1/2
, quando n , (3.15)
e esta e a base para as modicac oes que faremos. Assim, apresentamos uma modicacao do NRG
padrao, determinado por:
1. Relac oes de Recorrencia
38
Dada uma sequencia numerica
n
,denimos uma sequencia de funcoes u
n
como:
u
0
(x, t) = u(x, t),
u
1
(x, t) = L

1
u(L
1
2
x, Lt),
u
n
(x, t) =
_
n
n 1
_

n
L
1
2
u
n1
(L
1
2
x, Lt), para n 2.
Denimos tambem f
0
(x) = f(x) e, para n 1 :
f
n
(x) = u
n
(x, 1).
Note da denicao acima, que u
n
e f
n
, para n 2, podem ser dadas recursivamente por
u
n
(x, t) = L

1
+
n1
2
n

k=2
_
k
k 1
_

k
u
0
(L
n
2
x, L
n
t), e
f
n
(x) = L

1
+
n1
2
n

k=2
_
k
k 1
_

k
u
0
(L
n
2
x, L
n
).
A sequencia
n
e denida como no NRG padrao, xando f
n
(0) = f(0) para todo n 1
e calculando
n
de forma que:
L

1
=
f(0)
u(0, L)
_
n
n 1
_

n
L
1
2
=
f
n
(0)
u
n1
(0, L)
=
f
n1
(0)
u
n1
(0, L)
=
u(0, L
n1
)
u(0, L
n
)
, para n 2.
Esperamos, ent ao, que
n

1
2
quando n , uma vez que segue da Equac ao 3.15 que
u(0,L
n1
)
u(0,L
n
)

_
n
n1
L
_1
2
quando n .
2. Reescalonamento dos PVIs
Da regra da cadeia segue que u
n
satisfaz (u
n
)
t
= (u
n
)
xx

n
u
3
n
, onde:

1
= L
2(
1
2

1
)
,

n
= L
2(
1
2

1
)

k=2
_
k
k 1
_
2
k
=
_
n
n 1
_
2
n

n1
, para n 2.
3. Calculo do prefator
39
Para denir o prefator A
n
, desenvolvemos a relac ao entre f
n
(x) e u(x, L
n
) dada no item 1:
u(x, L
n
) =
1
L

1
+
n1
2

n
i=2
_
i
i1
_

i
f
n
(
x
L
n/2
)
=
L
n
2

n
i=2
_
i
i1
_1
2
L
n
2

n
i=2
_
i
i1
_1
2
L

1
+
n1
2

n
i=2
_
i
i1
_

i
f
n
(
x
L
n/2
)
=
L
1
2

n
i=2
_
i
i1
_1
2

i
L
n
2

n
i=2
_
i
i1
_1
2
f
n
(
x
L
n/2
)
=
L
1
2

n
i=2
_
i
i1
_1
2

i
(nL
n
)
1
2
f
n
(
x
L
n/2
)
=
(log L)
1
2
L
1
2

n
i=2
_
i
i1
_1
2

i
(L
n
log L
n
)
1
2
f
n
(
x
L
n/2
).
Comparando a ultima igualdade acima com a Equac ao 3.14 (com t = L
n
), somos levados a
denir nossa sequencia de prefatores por:
A
1
= L
1
2

1
(log L)
1
2
,
A
n
= (log L)
1
2
L
1
2

1
n

i=2
_
i
i 1
_1
2

i
=
_
n
n 1
_1
2

n
A
n1
, para n 2.
Ficamos ent ao com
u
n
(x, L
n
) =
A
n
(L
n
log L
n
)
1
2
f
n
(
x
L
n/2
).

E esperado que
n

n
1
2
. Segue da que
n

n
0. Portanto, para n , espera-se que a
soluc ao da equacao (u
n
)
t
= (u
n
)
xx

n
(u
n
)
3
que proxima da solucao da equac ao u
t
= u
xx
.
Consequentemente, espera-se que f
n
convirja para um m ultiplo do ponto xo gaussiano,
isto e, f
n

n
k, onde k =
f(0)
(0)
(vide Equacao 3.1). Tambem espera-se que A
n

n
A

. A
relac ao entre A

e o prefator A da Equac ao 3.14 e determinada observando-se que

u(x, L
n
) =
A
n
(L
n
log L
n
)
1
2
f
n
(
x
L
n/2
)
kA

(L
n
log L
n
)
1
2
(
x
L
n/2
).
Comparando o resultado acima com a Equac ao 3.14, conclumos que
A = kA

. (3.16)
40
Estas denic oes determinam, ent ao, uma nova vers ao do NRG, capaz de encontrar o valor do
prefator A que surge em (3.14). Lembramos, aqui, que a equacao a ser utilizada na evolu cao
temporal do dado inicial e dada no item 2 acima (Reescalonamentos dos PVIs). Ressaltamos,
porem, que esta vers ao do NRG necessita, em princpio, do NRG padrao para obter os expoentes
crticos, sendo sua maior utilidade apenas no calculo do prefator A.
3.3 Calculo de
n
dinamico
Como vimos na Secao 3.1.1, o calculo de
n
foi feito de modo a xar a altura da solucao reescalon-
ada em f(0) e, assim, evitar o decaimento da soluc ao como func ao do tempo. O calculo de
n
deveria ser feito de modo a evitar o espalhamento da soluc ao.
Contudo, na vers ao do NRG que usamos neste trabalho, o expoente
n
e mantido xo pelo
algoritmo e isto nos impossibilita, por exemplo, investigar correc oes logartmicas que possam
eventualmente ocorrer no argumento da funcao perl, mais especicamente no prefator B, vide
Equac ao 1.13. Isto nao teria acontecido se tivessemos usado a relacao de escala para calcular
n
.
Contudo, assim o zemos para que pudessemos, posteriormente, comparar esta versao do NRG
com a que apresentaremos.
Este fato nos motiva, ent ao, a apresentar uma outra modicacao do NRG padrao na qual
n
e
calculado de forma dinamica, isto e,
n
e calculado em cada passo do processo iterativo.
Chamamos de largura a meia altura o valor x tal que f
n
(x) =
f
n
(0)
2
. Para implementar esse
procedimento, calcularemos
n
de modo a xarmos a largura a meia altura da soluc ao reescalon-
ada (observe que estamos agindo de forma similar ao que foi feito para
n
). A motivac ao para
calcular
n
desta maneira vem da analise da soluc ao u(x, t) =
1

4t
e
x
2
4t
da Equacao do Calor
com dado inicial f(x) =
1

4
e
x
2
4
. De fato, calculando analiticamente a largura a meia altura de
u(x, 1) e u(x, L) obtemos respectivamente x
0
=

4 ln 2 e x
1
=

4Lln 2, de onde conclumos que

x
1
x
0
= L
1
2
= L

. Veremos, a seguir, que uma hipotese (bijetividade para x > 0) em u

n
(x, t) nos
leva a denir
n
como o logaritmo (na base L) da razao entre a largura a meia altura no tempo
L e a largura a meia altura no tempo 1.
41
Dadas seq uencias
n
e
n
, denimos as seq uencias de funcoes (f
n
)
n0
e (u
n
)
n0
, recursiva-
mente, da seguinte maneira:
u
0
= u e f
0
= f, onde u e a soluc ao do PVI 3.1 e f e o dado inicial;
para n 1 e L > 1, dena u
n
pela seguinte mudanca de escalas:
u
n
(x, t) = L

n
u
n1
(L

n
x, Lt);
para n 1, denimos tambem:
f
n
(x) = u
n
(x, 1). (3.17)
Suponha que n = 0, 1, 2, 3... existam sequencias unicamente determinadas x
1
n
e x
L
n
> 0 tais que:
u
n
(x
1
n
, 1) =
u
n
(0, 1)
2
e u
n
(x
L
n
, L) =
u
n
(0, L)
2
.
Assumiremos aqui, para x > 0, certa bijetividade de u
n
(x, 1) e u
n
(x, L). Ate aqui pressupomos o
previo conhecimento de
n
e
n
, sem os quais nao podemos calcular u
n
. Agora proporemos um
maneira de calcula-los. Assim, propomos aqui calcular
n
como no RG padrao (de forma a xar
a altura, conforme Equac ao 3.9). Conforme demos a motivac ao anteriormente, calcularemos
n
por:

n+1
= log
L
_
x
L
n
x
1
n
_
. (3.18)
Notemos que
n
, denido como acima (L

n+1
x
1
n
= x
L
n
),
u
n+1
(x
1
n
, 1) = L

n+1
u
n
(L

n+1
x
1
n
, L)
= L

n+1
u
n
(x
L
n
, L)
= L

n+1
u
n
(0, L)
2
=
u
n+1
(0, 1)
2
= u
n+1
(x
1
n+1
, 1)
42
Assumindo a bijetividadee de u
n+1
(x, 1) para x > 0, obtemos das igualdades acima que x
1
n+1
= x
1
n
.
Conclumos ent ao que tais escolhas de
n
e
n
xam a altura e a largura a meia altura da sequencia
de dados iniciais, respectivamente.
O calculo e implementac ao de
n
como acima e a base para que possamos, por exemplo, vericar
o resultado da Equacao 1.13. Notemos que o calculo de x
1
n
e x
L
n
pressupoe certa bijetividade
local de u
n
(x, 1) e u
n
(x, L) nas proximidades de suas respectivas alturas medias. Como veremos,
tal fato foi contornado, em nossos experimentos, utilizando dados iniciais bijetivos para x > 0.
Especulamos, porem, que a escolha de um intervalo (x
a
, x
b
), tal que u
n
(x, 1) e u
n
(x, L) sejam
bijetivos no mesmo, levaria a um mesmo regime assintotico (por exemplo, tomar x
1
n
como o menor
x > 0 tal que u
n
(x, 1) =
u
n
(0,1)
2
).
Como anteriormente, as sequencias A
n
e B
n
sao denidas a partir das relac oes:
u
0
(x, L
n
) =
1
L

n
i=1

i
f
n
(
x
L

n
i=1

i
)
=
L
n
n
(
1
+...+
n
)
L
n
n
f
n
_
L
n
n
(
1
+...+
n
)
L
n
n
x
_
.
Ou seja, somos levados a denir os prefatores A
n
e B
n
por
A
n
= L
n
n
(
1
+...+
n
)
, B
n
= L
n
n
(
1
+...+
n
)
, (3.19)
de forma que
u
0
(x, L
n
) =
A
n
L
n
n
f
n
_
B
n
x
L
n
n
_
. (3.20)
Antes de continuar observamos que, como as denic oes de
n
e
n
xam o valor da altura e
da largura `a meia altura do dado inicial f
n
, repectivamente, ent ao o graco de f
n
ira passar,
necessariamente, pelos pontos (0, f(0)) e (x
f
, f(0)/2), onde f e o dado inicial do PVI 3.1 e
x
f
e a sua largura `a meia altura. Chamando de

(x) ao limite de f
n
, ent ao

(0) = f(0)
e

(x
f
) = f(0)/2. Por construc ao,

(x) e invariante por mudan ca de escalas. Portanto, e

razoavel assumir que existam constantes nao nulas k e c tais que

(x) = k(cx), onde (x)

e o ponto xo do operador NRG. A constante k e o fator de correcao em para que k(0)
seja igual a f(0) e a constante c, juntamente com k, e o fator de correcao para que k(cx
f
)
43
seja igual a f(0)/2. Como anteriormente, k e determinado pelo valor pre-xado da altura dos
dados iniciais:

(0) = f(0) = k(0), isto e, k = f(0)/(0). Para determinar c, usamos esta

ultima relac ao e olhamos para o valor pre-xado da largura `a meia altura dos dados iniciais:

(x
f
) = k(cx
f
) = f(0)/2 = k(0)/2 = k(x

), onde x

e a largura `a meia altura do ponto xo

. Supondo que seja bijetiva concluimos que cx
f
= x

e esta relacao determina a constante c.

Retornando `a Equacao 3.20, lembrando que f
n
(x)

(x) = k(cx) e supondo que

n
,

n
A
n
A

e B
n
B

, obtemos
u
0
(x, L
n
)
A

L
n
k
_
B

cx
L
n
_
.
Comparando com a Equacao 1.2, somos levados a interpretar os valores limites obtidos como:
A = kA

,
B = cB

,
(x) =
1
k

(
x
c
).
(3.21)
Tal interpretac ao nos sera util no entendimento dos gracos do proximo captulo.
Observacao: O leitor aqui pode indagar que, assim como foi feito na Sec ao 1.3, poderamos
calcular
n
de modo a manter a parte nao perturbativa da Equacao 3.3 invariante por mudanca
de escalas. Ou seja, uma vez determinado
n
, calcularamos
n
atraves da relac ao
n
(1 p)
2
n
+ 1 = 0. Assim, faramos
n
=
1
2
(1 +
n
(1 p)), o que seria mais simples, mais comodo e
mais eciente em termos computacionais. Note que, para o caso p = 1 e = 0 (ou mesmo ,= 0,
mas com perturbac oes irrelevantes), teramos
n
= 1/2 e voltaramos ao NRG padrao.
Porem, nossa intenc ao aqui e desenvolver o calculo de
n
independentemente de pressupor in-
vari ancias por mudancas de escalas.
Contudo, e interessante ressaltar que se
n
for calculado de maneira a manter a equac ao invariante
pela mudanca de escalas, entao a correcao logartmica de A
n
implica numa correcao logartmica
em B
n
, como, formalmente, mostramos a seguir. Lembrando que
A
n
= L
n
n
(
1
+...+
n
)
, B
n
= L
n
n
(
1
+...+
n
)
,
obtemos:
A
n
= L

n1
i=1
(
n

i
)
, B
n
= L

n1
i=1
(
n

i
)
.
44
Se calcularmos
n
com
n
=
1
2
(1 +
n
(1 p)) teremos:

i
=
1 p
2
(
n

i
).
O que nos deixaria com:
B
n
=
_
L

n1
i=1
(
n

i
)
_
1p
2
= A
n
1p
2
.
Pressupondo que
A
n

A
(log L
n
)
1
p+1
,
e observando que B
n
= A
n
1p
2
, ent ao e de se esperar que
B
n

A
1p
2
(log L
n
)
1p
2(p+1)
,
o que nos leva a concluir que o NRG, com o calculo de
n
feito dessa forma,
detectara a correta correcao logartmica em B
n
(que e a dada pela Equac ao 1.13. Porem,
gostaramos de nao depender de nenhuma lei de escala. Assim, desenvolvemos o calculo de

n
conforme o incio desta secao, e o usaremos em alguns testes numericos no Captulo 4.
45
Captulo 4
Resultados Numericos
Neste captulo nos implementamos numericamente as versoes do NRG descritas no captulo
anterior e as usamos para estudar o comportamento assint otico de soluc oes do PVI 1.1. De posse
dos algoritmos descritos no captulo anterior e de um metodo de integrac ao numerica (como o
metodo de diferencas nitas, descrito na Sec ao 6.3 do Apendice), e possvel escrever um codigo
computacional eciente que nos retorna, como resposta, as grandezas essenciais para a descric ao
da soluc ao do PVI para tempos longos. Descreveremos e analisaremos, aqui, os resultados do
codigo computacional que desenvolvemos.
A eciencia, estabilidade e conabilidade do NRG padrao ja foram vericadas em outras ocasioes
(veja em [14, 11, 12]). O NRG padrao tambem ja foi usado com sucesso, para estabelecer e
vericar numericamente conjecturas (vide [13, 10]). Recentemente foi usado para estudar sistemas
de EDPs e o problema de ondas viajantes em equac oes parabolicas nao-lineares (vide [14]). O
nosso maior objetivo, neste captulo, e vericar que a modicac ao do NRG proposta na Sec ao 3.3
fornece o resultado correto quando estudamos PVIs com perturbac oes marginais. Lembremos
que no caso da EMPN 3.1 com expoente p > 1, correcoes logartmicas ocorrem tanto para o
decaimento quanto para o espalhamento da soluc ao (veja Teorema 6.14 do Apendice). O NRG
com
n
dinamico e capaz de capturar esse comportamento (o mesmo tambem e verdade para o
NRG padrao, embora nos nao tenhamos feito este teste pois, na nossa versao do NRG padrao,
nos mantivemos o
n
xo e igual a 1/(p + 1)).
46
Ressaltamos que os experimentos numericos, cujos resultados descreveremos a seguir, foram
realizados de maneira que hipoteses de teoremas fossem vericadas. Dessa maneira comparamos
os resultados numericos com os resultados analticos e tiramos conclusoes sobre o algoritmo
empregado. As implementacoes do NRG que nao utilizam do calculo de
n
dinamico (apresentado
na Secao 3.3) foram usadas em PVIs com dados iniciais da Figura 4.1; caso contrario, os dados
iniciais foram os da Figura 4.2. O motivo para dois conjuntos diferentes de dados iniciais e que os
da Figura 4.1 sao os mesmos ja adotados por outros autores (por exemplo, veja [11]), e isto nos
permite comparar os nossos resultados com os de outros. Os dados iniciais da Figura 4.2 foram
escolhidos de modo a pressupor certa bijetividade de f
n
(x) , x > 0, que e usada no caso em que

n
e calculado dinamicamente. Por ser hipotese no Teorema 2 de [8], em ambas as guras, todos
os dados iniciais tem area igual a 1.
5 4 3 2 1 0 1 2 3 4 5
0
0.05
0.1
0.15
0.2
0.25
0.3
x
f
(
x
)
dado inicial 1
dado inicial 2
dado inicial 3
Figura 4.1: Dados iniciais para NRG com

n
xo.
5 4 3 2 1 0 1 2 3 4 5
0
0.1
0.2
0.3
0.4
0.5
0.6
x
f
(
x
)
dado inicial 1
dado inicial 2
dado inicial 3
Figura 4.2: Dados iniciais para NRG com

n
dinamico.
Como vimos no captulo anterior , as varias versoes do NRG existentes mantem xas a altura e
a largura a meia altura da solucao reescalonada. Por causa disto, os valores de A
n
, B
n
e f
n
sao
reescalonados de forma a induzir a convergencia dos mesmos para valores previstos analiticamente
(vide (3.21)). Alguns gracos foram omitidos pois sao identicos a outros que serao apresentados.
Alguns gracos nao foram reescalonados, de forma que o leitor podera ver o resultado obtido
pelo algoritmo, sem reescalonamento. Porem, armamos que, caso sejam reescalonados, possuem
caracterstica similar a outros apresentados.
47
Para evitar repetic ao, no restante deste texto, quando mencionarmos convergencia, estaremos
nos referindo a convergencia quando n .
4.1 Validacao do NRG para a Equacao do Calor
Nesta sec ao apresentaremos os resultados numericos para a Equac ao do Calor (linear ou nao)
obtidos tanto via NRG padrao quanto via NRG com
n
dinamico.
4.1.1 NRG Padrao para a Equacao do Calor Linear
Utilizamos o NRG padrao para a Equac ao do Calor Linear para validar metodo numerico. Em
outras palavras, mantemos constante
n
= 1/2 (consequentemente, B
n
1 (veja Sec ao 3.1.1)) e,
para diferentes condic oes iniciais vemos que:
na Figura 4.3, a convergencia de
n
para seu valor analtico = 1/2, com erro da ordem
de 10
4
, conrmando, assim, a independencia e universalidade do expoente crtico quanto
ao dado inicial;
na Figura 4.4, a convergencia do prefator A
n
para seu valor analtico A =

f(0) = 1, com
erro da ordem de 10
4
;
na Figura 4.5, a convergencia de f
n
para a func ao perl , neste caso, a Gaussiana.
Lembramos que os resultados analticos citados acima foram obtidos na Secao 2.2.1.
48
0 100 200 300 400 500 600
0.2
0.4
0.6
0.8
1
1.2
1.4
1.6
1.8
2
n

n
dado inicial 1
dado inicial 2
dado inicial 3
Figura 4.3: Convergencia de
n
100 200 300 400 500 600 700 800 900 1000
0.6
0.7
0.8
0.9
1
1.1
n
A
n
dado inicial 1
dado inicial 2
dado inicial 3
Figura 4.4: Convergencia de A
n
devi-
damente reescalonado
6 4 2 0 2 4 6
0
0.05
0.1
0.15
0.2
0.25
x
f
n
(
x
)
dado inicial 1
dado inicial 2
dado inicial 3
Figura 4.5: Convergencia de f
n
4.1.2 NRG com
n
Dinamico para a Equacao do Calor Linear
Nesta sec ao, utilizaremos o NRG com
n
dinamico para estudar numericamente a Equacao do
Calor Linear, como feito na secao anterior. Pretendemos, com isto, vericar que essa vers ao do
NRG padrao e tao boa quanto a vers ao original. Alem de validar o metodo numerico, veremos
que os resultados numericos de ambos os metodos sao identicos. Calcularemos
n
como na Secao
3.3, conforme Equac ao 3.18, e, para diferentes condic oes iniciais veremos:
nas Figuras 4.6 e 4.8, a convergencia de
n
e
n
para seus valores analticos = = 1/2,
com erro da ordem de 10
4
, conrmando, assim, a independencia e universalidade dos
expoentes crticos quanto ao dado inicial;
49
na Figura 4.7, a convergencia do prefator A
n
para seu valor analtico A =

f(0) = 1, com
erro da ordem de 10
5
, alem disso, o fato de obtermos assintoticamente uma mesma reta
condiz com a universalidade de A quanto aos dados iniciais;
na Figura 4.9, a convergencia do prefator B
n
para seu valor analtico B = 1, com erro da
ordem de 10
5
;
na Figura 4.10, a convergencia de f
n
para a func ao perl , neste caso, a Gaussiana.
50
0 50 100 150 200 250 300 350 400
0
0.2
0.4
0.5
0.6
0.8
1
1.2
1.4
1.6
n

n
dado inicial 1
dado inicial 2
dado inicial 3
Figura 4.6: Convergencia de
n
0 100 200 300 400 500 600 700
1
1.2
1.4
1.6
1.8
2
2.2
2.4
n
A
n
dado inicial 1
dado inicial 2
dado inicial 3
Figura 4.7: Convergencia de A
n
devi-
damente reescalonado
0 50 100 150 200 250 300 350 400
2.5
2
1.5
1
0.5
0
0.5
1
1.5
n

n
dado inicial 1
dado inicial 2
dado inicial 3
Figura 4.8: Convergencia de
n
0 500 1000 1500 2000 2500 3000 3500 4000 4500
0.8
1
1.2
1.4
1.6
1.8
2
n
B
n
dado inicial 1
dado inicial 2
dado inicial 3
Figura 4.9: Convergencia de B
n
devi-
damente reescalonado
6 4 2 0 2 4 6
0
0.05
0.1
0.15
0.2
0.25
x
f
n
(
x
)
dado inicial 1
dado inicial 2
dado inicial 3
valor analtico
Figura 4.10: Convergencia de f
n
devi-
damente reescalonado
51
Observacao: Experimentos numericos, utilizando-se ambos os metodos, para a Equac ao do
Calor nao-linear com perturbacoes irrelevantes, foram feitos. Porem, omitimos tais resultados
pois os gracos sao meras repeticoes dos gracos ja apresentados nas secoes anteriores.
4.1.3 A Equacao do Calor Nao Linear com Perturbacao Marginal
Nesta secao, consideraremos o PVI 3.13, que repetimos abaixo fazendo = 1:
_
u
t
= u
xx
u
3
, (x, t) R (1, )
u(x, 1) = f(x) , f B
4
.
Lembremos que, na Secao 1.5, enunciamos um dos resultados de Bricmont et. al. [8] que
fornece analiticamente a forma assintotica da soluc ao do PVI em questao. Na Sec ao 3.2 tambem
comentamos que a forma assintotica e dada pela Equac ao 1.12. Nesta secao utilizaremos o NRG
padrao e a sua modicac ao proposta na Secao 3.2 para obter numericamente o resultado (1.12).
Observamos que, embora o NRG padrao indique que o prefator A
n
tende para zero (e, numa
escala log-log, podemos determinar a velocidade com que que A
n
tende a zero), ele nao nos
informa explicitamente o valor de A na Equacao 3.14. Ao contr ario, a vers ao proposta na Sec ao
3.2 fornece o prefator A de maneira correta.
Solucao via NRG padrao
Utilizaremos o NRG padrao para o problema acima, e vericaremos a necessidade da imple-
mentac ao do NRG da Sec ao 3.2. Em outras palavras, manteremos constante
n
= 1/2 (conse-
quentemente, B
n
1) e, para diferentes condic oes iniciais, vemos que:
na Figura 4.11, a convergencia de
n
para o valor do expoente crtico analtico = 1/2,
com erro da ordem de 10
3
;
na Figura 4.12, a convergencia do prefator A
n
para zero, vericando assim que a proposta
usual para o operador RG nao e capaz de fornecer que o limite assintotico e um m ultiplo
(nao nulo) do ponto xo gaussiano;
52
na Figura 4.13, em que plotamos log n por log A
n
, a convergencia de tres curvas, referentes
`as tres condicoes iniciais da Figura 4.1, para uma mesma reta, indicando a existencia da
correc ao logartmica. A taxa de decaimento logartmico e dada pela inclinacao dessa reta,
cujo valor numerico e 0.4798 e que e igual a 1/2 com erro na 2
a
casa decimal, alem
disso, o fato de obtermos assintoticamente uma mesma reta condiz com a ja conhecida
universalidade de A quanto aos dados iniciais;
na Figura 4.14, a convergencia de f
n
para a funcao perl , neste caso, a Gaussiana, com
erro maximo da ordem de 10
2
apos devido reescalonamento.
0 1000 2000 3000 4000 5000 6000
0.2
0.3
0.4
0.5
0.6
0.7
0.8
n

n
dado inicial 1
dado inicial 2
dado inicial 3
Figura 4.11: Convergencia de
n
0 0.5 1 1.5 2 2.5
x 10
4
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
1.1
n
A
n
dado inicial 1
dado inicial 2
dado inicial 3
Figura 4.12: Convergencia de A
n
devida-
mente reescalonado
0 1 2 3 4 5 6 7 8 9 10
1.4
1.2
1
0.8
0.6
0.4
0.2
0
Log( n )
L
o
g
(

A
n

)
dado inicial 1
dado inicial 2
dado inicial 3
Figura 4.13: Graco log(n) log(A
n
) devi-
damente reescalonado
4 3 2 1 0 1 2 3 4
0
0.05
0.1
0.15
0.2
0.25
x
f
n
(
x
)
dado inicial 1
dado inicial 2
dado inicial 3
Figura 4.14: Convergencia de f
n
53
Solucao via NRG com correcao logartmica em A
n
Validaremos agora o NRG proposto na Secao 3.2. Ressaltamos que
n
representa a taxa de
decaimento logartmico, e seu calculo, como sugerido na referida sec ao, nos permite separar a
correc ao logartmica do prefator A. Assim, para diferentes condic oes iniciais veremos :
na Figura 4.15 a convergencia de
n
para seu valor analtico = 1/2, com erro da ordem
de 10
4
;
na Figura 4.16 a convergencia do prefator A
n
para um valor A

=
A
(log L)
1
2 k
> 0 (conforme
3.16), com erro da ordem de 10
4
, onde k =
f(0)
(0)
, vericando a capacidade do metodo em
capturar o valor de A (neste caso, A =
_
2

3 segundo Teorema 2 de [8]);

na Figura 4.17 a convergencia de f
n
para a func ao perl analtica , neste caso, a Gaussiana,
com maior erro da ordem de 10
2
.
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5
x 10
4
0
0.5
1
1.5
2
n

n
dado inicial 1
dado inicial 2
dado inicial 3
Figura 4.15: Convergencia de
n
0 1 2 3 4 5 6 7 8 9
x 10
4
0
0.5
1
1.5
2
2.5
3
3.5
n
A
n
dado inicial 1
dado inicial 2
dado inicial 3
Valor Analtico
Figura 4.16: Convergencia de A
n
devida-
mente reescalonado
54
4 3 2 1 0 1 2 3 4
0
0.05
0.1
0.15
0.2
0.25
x
f
n

(

x

)
dado inicial 1
dado inicial 2
dado inicial 3
Figura 4.17: Convergencia de f
n
4.2 Validacao do NRG para a Equacao dos Meios Porosos
Estamos agora interessados no comportamento assint otico de soluc oes do problema:
_
u
t
= (u
p
)
xx
u
p+2
, (x, t) R (1, )
u(x, 1) = f(x)
onde p > 1, f L
1
(R) L

(R) e limsup
|x|
[x[
K
f(x) < , com K > 1. Conforme podemos
ver no Teorema 6.14 (note que o PVI acima satisfaz as hipoteses deste teorema), existe um
correc ao logartmica no prefator B. Caso o NRG padrao (com
n

1
p+1
) seja utilizado para
se determinar o comportamento assint otico para o problema acima teremos como resultado os
gracos abaixo. Na Figura 4.18 temos a convergencia de
n
para o valor analtico =
1
p+1
.
0 0.5 1 1.5 2 2.5 3 3.5
x 10
4
0.325
0.33
0.335
0.34
0.345
0.35
0.355
n

n
dado inicial 1
dado inicial 2
dado inicial 3
Figura 4.18:
n
0 2 4 6 8 10 12
3.4
3.2
3
2.8
2.6
2.4
2.2
2
1.8
1.6
Log(n)
L
o
g
(
A
n
)
dado inicial 1
dado inicial 2
dado inicial 3
Figura 4.19: log(n) log(A
n
)
8 6 4 2 0 2 4 6
0
0.5
1
1.5
2
2.5
3
x
f n
(
x
)
dado inicial 1
dado inicial 2
dado inicial 3
Valor analtico
Figura 4.20: f
n
Na Figura 4.19, onde plotamos o graco log(n) log(A
n
), vemos a convergencia, para os tres
dados iniciais diferentes, para uma mesma reta de inclinac ao
1
p+1
, o que implica, corretamente,
55
numa correc ao logartmica no prefator A. Tais conclusoes sao coerentes com o teorema citado.
Porem, e observado numericamente (veja Figura 4.20) que a seq uencia dos dados iniciais f
n
parece
convergir para uma func ao de suporte vazio. Na realidade, a funcao limite parece ser diferente
de zero apenas no ponto x = 0 (justicado pelo fato de mantermos xo f
n
(0) = f(0) ). Isso
constata uma explosaodo prefator B, conforme Teorema 6.14. Essas informacoes sugerem que
o NRG padrao ainda nao convergiu. Neste caso, deveramos fazer um graco do logaritmo do
pre-fator do argumento da func ao f
n
versus o logaritmo de n e vericar se eles estao linearmente
relacionados. Ao inves disto, optamos por propor uma modicac ao do NRG padrao (vide Sec ao
3.3).
Nesta secao, iremos, entao, aplicar o NRG com
n
dinamico apresentado na Secao 3.3, com a
nalidade de vericar a sua capacidade em capturar as correc oes logartmicas dadas pela Equac ao
1.13, para o caso da EMPN com p > 1, b = c = 0 e a = p+2. O metodo foi aplicado para valores
de p iguais a 1.5, 2 e 2.5, lembrando que em todos os experimentos usamos a = p + 2. O motivo
para o tal variacao e o de vericar que o metodo numerico retornara o comportamento correto
para valores distintos de p.
Em outras palavras, calcularemos
n
como na Sec ao 3.3, conforme Equac ao 3.18, e, para diferentes
condic oes iniciais veremos:
(guras omitidas) a convergencia de
n
e
n
para seus valores analticos = =
1
p+1
,
conrmando, assim, a independencia e universalidade dos expoentes crticos quanto ao
dado inicial;
nas Figuras 4.21, 4.26 e 4.31, a logartmica convergencia do prefator A
n
para zero;
nas Figuras 4.23, 4.28 e 4.33, a aparente divergencia do prefator B
n
, estritamente crescente,
com taxa de crescimento decrescente;
nas Figuras 4.22, 4.27 e 4.32, para n sucientemente grande, a superposicao das curvas
(log(n)) (log(A
n
)) com uma reta de inclinacao
1
p+1
, implicando na existencia de uma
correc ao logartmica no prefator A, alem disso, o fato de obtermos assintoticamente uma
mesma reta nos leva a conjecturar sobre a universalidade de A quanto aos dados iniciais;
56
nas Figuras 4.24, 4.29 e 4.34, para n sucientemente grande, a superposicao das curvas
(log(n)) (log(B
n
)) com uma reta de inclinacao
p1
2(p+1)
, implicando na existencia de uma
correc ao logartmica no prefator B, alem disso, o fato de obtermos assintoticamente uma
mesma reta nos leva a conjecturar sobre a universalidade de B quanto aos dados iniciais;
nas Figuras 4.25, 4.30 e 4.35, a convergencia de f
n
para a funcao perl analtica, neste caso
dada pela Equac ao 6.11;
Ressaltamos que as Figuras 4.25 e 4.30 possuem 4 curvas diferentes, porem quase superpostas,
com diferenca visvel somente em escalas da ordem de 10
3
, e que a Figura 4.35 foi deixada sem
o devido reescalonamento propositalmente, de forma que o leitor possa visualizar os reescalona-
mentos os quais citamos.
57
Gracos para solucao de u
t
= (u
1,5
)
xx
u
3,5
0 0.5 1 1.5 2 2.5 3 3.5
x 10
4
0
0.2
0.4
0.6
0.8
1
1.2
1.4
n
A
n
dado inicial 1
dado inicial 2
dado inicial 3
Figura 4.21: Convergencia de A
n
dev-
idamente reescalonado
0 2 4 6 8 10 12
1
0.8
0.6
0.4
0.2
0
0.2
0.4
0.6
0.8
1
Log(n)
L
o
g
(
A
n
)
dado inicial 1
dado inicial 2
dado inicial 3
Figura 4.22: Graco log(n) log(A
n
)
devidamente reescalonado
0 0.5 1 1.5 2 2.5 3 3.5
x 10
4
0.4
0.6
0.8
1
1.2
1.4
1.6
1.8
2
n
B
n
dado inicial 1
dado inicial 2
dado inicial 3
Figura 4.23: Convergencia de B
n
0 2 4 6 8 10 12
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
1.1
1.2
1.3
Log(n)
L
o
g
(
B
n
)
dado inicial 1
dado inicial 2
dado inicial 3
Figura 4.24: Graco log(n) log(B
n
)
devidamente reescalonado
6 4 2 0 2 4 6
0
0.5
1
1.5
2
2.5
3
3.5
x
f
n
(
x
)
dado inicial 1
dado inicial 2
dado inicial 3
valor analtico
Figura 4.25: Convergencia de f
n
devi-
damente reescalonado
58
Gracos para solucao de u
t
= (u
2
)
xx
u
4
0 0.5 1 1.5 2 2.5 3 3.5
x 10
4
0
0.2
0.4
0.6
0.8
1
1.2
1.4
n
A
n
dado inicial 1
dado inicial 2
dado inicial 3
Figura 4.26: Convergencia de A
n
0 2 4 6 8 10 12
0.6
0.4
0.2
0
0.2
0.4
0.6
0.8
1
Log(n)
L
o
g
(
A
n
)
dado inicial 1
dado inicial 2
dado inicial 3
Figura 4.27: Graco log(n) log(A
n
)
devidamente reescalonado
0 0.5 1 1.5 2 2.5
x 10
4
0.4
0.6
0.8
1
1.2
1.4
1.6
1.8
2
2.2
2.4
n
B
n
dado inicial 1
dado inicial 2
dado inicial 3
Figura 4.28: Convergencia de B
n
0 2 4 6 8 10
0.6
0.4
0.2
0
0.2
0.4
0.6
Log(n)
L
o
g
(
B
n
)
dado inicial 1
dado inicial 2
dado inicial 3
Figura 4.29: Graco log(n) log(B
n
)
8 6 4 2 0 2 4 6 8
0
0.5
1
1.5
2
2.5
3
x
f
n
dado inicial 1
dado inicial 2
dado inicial 3
res. analtico
Figura 4.30: Convergencia de f
n
devi-
damente reescalonado
59
Gracos para solucao de u
t
= (u
2,5
)
xx
u
4,5
0 0.5 1 1.5 2 2.5 3
x 10
4
0.2
0.4
0.6
0.8
1
1.2
1.4
1.6
n
A
n
dado inicial 1
dado inicial 2
dado inicial 3
Figura 4.31: Convergencia de A
n
0 2 4 6 8 10
0.2
0
0.2
0.4
0.6
0.8
Log(n)
L
o
g
(
A
n
)
dado inicial 1
dado inicial 2
dado inicial 3
Figura 4.32: Graco log(n) log(A
n
)
devidamente reescalonado
0 0.5 1 1.5 2 2.5 3
x 10
4
0
1
2
3
4
5
6
7
8
9
10
n
B
n
dado inicial 1
dado inicial 2
dado inicial 3
Figura 4.33: Convergencia de B
n
0 1 2 3 4 5 6 7 8 9 10
0.5
0
0.5
1
1.5
2
Log(n)
L
o
g
(
B
n
)
dado inicial 1
dado inicial 2
dado inicial 3
Figura 4.34: Graco log(n) log(B
n
)
4 3 2 1 0 1 2 3 4
0
0.1
0.2
0.3
0.4
0.5
0.6
x
f
n
(
x
)
dado inicial 1
dado inicial 2
dado inicial 3
Figura 4.35: Convergencia de f
n
60
Captulo 5
Consideracoes Finais
As oscilacoes obtidas nos experimentos do captulo anterior (Figuras 4.28, 4.29, 4.33 e 4.34) sao
um fato que por um bom perodo de tempo preocuparam o autor deste. Porem, descobrimos
que tais oscilac oes provem de oscilacoes de pequena ordem de grandeza em
n
e
n
. Estas
oscilac oes, por sua vez, sao resultado de erros numericos gerados principalmente pelo calculo de

n
, uma vez que o calculo deste necessita de usarmos uma aproxima cao por interpolac ao am de
encontrarmos a largura media. A oscilac ao em
n
parece surgir como um fator balanceadordo
metodo. Explicamos ao leitor que as oscilac oes nao sao constitudas de um unico ponto, e sim,
de um conjunto de pontos, de forma a termos uma oscilacao suave. Armamos tambem que
renamentos de malha foram tentativas em vao para eliminar tais oscilac oes. Especulamos que
um calculo mais aprimorado de
n
talvez anule tais oscilac oes, porem o calculo da forma que
sugerimos cumpre seu papel: permite vericar a existencia de correcao logartmica no prefator
B.
Neste trabalho, propusemos o calculo de
n
dinamico dependente da altura do dado inicial.
Com a nalidade de acabar, ou mesmo amenizar, com as oscilacoes numericas, pensamos na
possibilidade de uma melhoria no metodo: ao inves usar da largura a meia altura, considerar os
dados iniciais como densidades de probabilidade e olhar para o seu desvio padrao. Tal ideia surge
intuitivamente pelo fato de que a largura a meia altura da gaussiana coincide com seu desvio
padrao.
61
Apos as melhorias citadas acima, ou mesmo sem elas, pretendemos usar o metodo aqui proposto
para detectar, caso existam, correc oes logartmicas nos prefatores para a EMPN com perturbac oes
marginais com a ,= 0,b ,= 0 e c = 0. Se detectadas, usaremos os resultados numericos para
conjecturar sobre o comportamento assint otico do PVI associado.
Gostaramos de ressaltar que ha alguns anos atras o pesquisador Aleksey Telyakovskiy (Dept.
Math. - University of Reno), em colaborac ao com Gastao A. Braga e Frederico Furtado, realizou
testes computacionais com
n
dinamico similar ao aqui proposto, porem com insucesso, pois as
oscilac oes presentes nao permitiam chegar a boas conclusoes para seu problema, sendo ent ao
abandonada.
Cada experimento deste captulo usou em media 500 linhas de programac ao no software Matlab

,
e uma media de 16 horas de processamento em um Atlhon XP 1600+ com 512MB de memoria
RAM(DIMM).
62
Captulo 6
Apendices
6.1 A transformada de Fourier
Para o completo entendimento do Grupo de Renormalizac ao proposto neste trabalho precisamos
estudar a Transformada de Fourier. Neste apendice nos faremos uma breve revisao sobre esse
topico. Como introducao ao assunto aconselhamos [19]. Um estudo mais aprofundado sobre a
Transformada de Fourier em espacos L
p
(R) pode ser encontrado em [22, 23]. Nesta sec ao vamos
nos ater a denir e enunciar as principais propriedades da Transformada de Fourier para func oes
de variavel real. As demonstracoes podem ser encontradas em [22].
Denimos, p R

+
, L
p
(R) como a classe de equivalencia das funcoes mensuraveis f : R R
cuja integral de Lebesgue
_

[f(x)[
p
dx convirja. Denimos tambem L

(R) como a classe de

equivalencia das func oes limitadas em quase todos os pontos. Pode-se mostrar que L
p
(R), 1
p , quando munido da norma
[[f[[
p
=
__

[f(x)[
p
dx
_1
p
, se 1 p < ,
e
[[f[[

= esssup[f(x)[ : x R,
e um espaco de Banach (espaco vetorial normado e completo, vide [24]). A norma [[ [[
p
satisfaz:
1) [[fg[[
1
[[f[[
p
[[g[[
p
(p1)
, (desigualdade de Holder)
2) [[f + g[[
p
[[f[[
p
+[[g[[
p
. (desigualdade de Minkowski )
63
Na desigualdade de Holder, a norma [[.[[
p
(p1)
deve ser substituda por [[.[[
1
quando p = .
Quando p = 2, a desigualdade de Holder se reduz `a desigualdade de Cauchy-Schwartz:
[[fg[[
1
[[f[[
2
[[g[[
2
, (6.1)
o que nos leva a denir o seguinte produto interno para L
2
(R):
< f, g >=
_
R
f(x)g(x)dx , f, g L
2
(R). (6.2)
Munido deste produto interno, o espaco de Banach L
2
(R) torna-se um espaco de Hilbert.
Denicao 6.1 (Transformada de Fourier) Seja f L
1
(R). Denimos a sua transformada
de Fourier T por:
Tf(x)() =
_
R
f(x)e
ix
dx =

f(). (6.3)
Algumas propriedades de T:
1) T atua linearmente em L
1
(R);
2) f L
1
(R) e a R nao-nulo, temos:
Tf(ax) =
1
[a[

f(/a); (6.4)
3) se f L
1
(R) entao

f e contnua e limitada.
Denicao 6.2 (Transformada Inversa de Fourier) Seja g L
1
(R). Denimos sua trans-
formada inversa T
1
g() por:
T
1
g()(x) =
1
2
_
R
g()e
ix
d. (6.5)
Uma d uvida natural que surge agora e: sob que hipoteses em f nos podemos recupera-la dada a
sua Transformada de Fourier, isto e, sob quais hipoteses T
1

f()(x) = f(x)? Tal pergunta e

respondida pelo teorema abaixo:
64
Teorema 6.3 Seja f L
1
(R) tal que

f L
1
(R) entao,
f(x) = T
1

f()(x)
em todos os pontos de x onde f e contnua.
A Transformada de Fourier, quando restrita a L
2
(R), tem as seguintes propriedades, que enun-
ciamos como teoremas:
Teorema 6.4 (Identidade de Parseval) Seja f L
1
(R) L
2
(R), entao

f L
2
(R) e
[[

f[[
2
2
= 2[[f[[
2
2
.
Teorema 6.5 A transformada da Fourier e uma bijecao de L
2
(R) em L
2
(R).
Denicao 6.6 (Convolucao) Sejam f, g L
1
(R). A convolucao de f por g e denida por:
(f g)(x) =
_
R
f(x y)g(y)dy. (6.6)
Algumas propriedades do produto de convoluc ao sao dadas pelo lema abaixo:
Lema 6.7 Sejam f, g e h L
1
(R), entao:
1) f g L
1
(R);
2) f g = g f;
3) (f g) h = f (g h) .
Segue ainda, do teorema de Fubini, que:
Teorema 6.8 (Teorema da Convolucao) Sejam f, g L
1
(R). Entao

(f g)() =

f() g(). (6.7)
Do Teorema da Convolucao segue o seguinte lema:
Lema 6.9 Sejam f, g L
2
(R). 6.8 Entao:
T
1

f g(x) = (f g)(x).
65
6.2 Teoremas e Denic oes Usados neste Trabalho
Para tornar este trabalho o mais auto-contido possvel, enunciamos nesta sec ao alguns dos teo-
remas e denicoes usados nos captulos 1 e 1. Tendo este objetivo em mente, daremos apenas os
enunciados do mesmos.
Seja f(x, y) : I [a, ) R integr avel em y, para cada x xo e dena:
(x) =
_

a
f(x, y)dy. (6.8)
Teorema 6.10 (Continuidade de ) Se f : I [a, ) R for uma funcao contnua e a
integral em (6.8) convergir uniformemente em I, entao : I R e contnua.
Teorema 6.11 (Diferenciabilidade de ) Seja f : I [a, ) R uma funcao contnua,
possuindo derivada parcial f
x
: I [a, ) R tambem contnua. Suponha que a integral em
(6.8) convirja e que
_

a
f
x
(x, y)dy convirja uniformemente em I. Entao e derivavel em todo
ponto de I e

(x) =
_

a
f
x
(x, y)dy. (6.9)
Observacao: Os teoremas 6.10 e 6.11 continuam validos se zermos a = . Para ver isso,
basta escrever a integral como soma de duas integrais, uma com intervalo de integra cao (, a)
e outra no intervalo (a, ) e aplicar o teorema.
Teorema 6.12 (Teorema da Convergencia Dominada) Seja f
n
uma sequencia de funcoes
mensuraveis denidas em um subconjunto mensuravel E de R
n
tal que f
n
f q.t.p.
1
em E e
suponha [f
n
[ G q.t.p. em E para todo n e algum G L
1
(E). Entao
_
E
[f(p) f
n
(p)[dp 0 quando n .
Para enunciar o proximo teorema, denotaremos por
T
o produto cartesiano [0, T], por o
fecho de e por
T
a diferenca

.
1
q.t.p. e uma abreviacao para quase todo ponto
66
Teorema 6.13 (Princpio do Maximo) Seja R
n
um domnio limitado e seja T > 0. Se
u C
2
1
(
T
) C() e solucao da equacao do calor em
T
entao:
max
{(x,t)
T
}
u(x, t) = max
{(x,t)
T
}
u(x, t);
se existir (x
0
, t
0
)
T
tal que u(x
0
, t
0
) = max
{(x,t)
T
}
u(x, t), entao u(x, t) e constante em

T
.
Apesar deste trabalho ser baseado em problemas unidimensionais (x R), enunciaremos o recente
teorema demonstrado por Yuanwei Qi e Xundong Liu em [17], para o problema de Cauchy N-
dimensional:
_
u
t
= u
m
u
q
em R
N
(0, ),
u(x, 0) = u
0
(x) 0 em R
N
, u
0
(x) L
1
(R
N
) L

(R
N
),
(6.10)
onde m > 1 e q = m +
2
N
. Observe que, se N = 1 ent ao o valor de q e m + 2, implicando que
o trabalho de Qi e Liu versa exatamente sobre as perturbac oes marginais. Enunciamos ent ao o
teorema:
Teorema 6.14 Suponha m > 1 e q = m +
2
N
. Se u
0
(x) satisfaz
limsup
|x|
[x[
K
u
0
(x) < ,
onde K > N, entao a solucao u do PVI 6.10 tem o seguinte comportamento assintotico:
t
1
q1
(log t)
1
q1
u(x, t) G
_
x
t
1
N(q1)
(log t)
1m
2(q1)
_
quando t
uniformemente num conjunto da forma x R
N
: [x[ Ct
1
N(q1)
(log t)
1m
2(q1)
, onde G(x) e a
unica solucao radialmente simetrica de
u
m
+
2
N(q 1)
_
N
2
u +
x u
2
_
= 0,
dada por
G(x) = G(x; a

) =
_
a

(m1)[x[
2
2mN(q 1)
_ 1
m1
+
(6.11)
67
onde ()
+
e a parte nao-negativa do argumento e a

e unicamente determinado pela propriedade,

no conjunto G(x; a)
a>0
,
[[G[[
1

2(q 1)
2 + (m1)N
[[G[[
q
= 0.
Em [25] e calculado o valor exato de a

, sendo dado por

a

=
_
m1
2mN(q 1)
_

m1
2
_
NB(N/2, m(m1))
2B(N/2, (m + q 1))/(m1)
_ m1
2(q1)
,
com q = m +
N
2
, onde B(a, b) e a funcao , ou seja:
B(a, b) =
_
1
0
t
a1
(1 t)
b1
dt.
6.3 Solucoes Numericas para EDPs
Nesta sec ao apresentaremos o metodo numerico usado para determinar a soluc ao das EDPs que
foram estudadas neste trabalho. O nosso objetivo, com isto, e de que o leitor seja capaz de
reproduzir os experimentos numericos deste trabalho.
Com este objetivo em mente, focaremos nossa atencao em resolver o seguinte problema: conhecida
a condicao inicial u(x, 1) de um PVI, queremos determinar a sua soluc ao no tempo L > 1, ou
seja u(x, L). Consideramos ent ao o problema:
_
u
t
= (u
p
)
xx
u
a
, (x, t) R (1, )
u(x, 1) = f(x),
(6.12)
onde aqui pediremos que f seja pelo menos L
1
(R), motivo pelo qual explicaremos a seguir.
Procuraremos a soluc ao utilizando o metodo de diferencas nitas. O primeiro passo e, ent ao,
discretizar f(x) = u(x, 1). O fato de f L
2
(R) nos permitira aproximar f por uma func ao de
suporte compacto

f, tal que
_

f(x) = f(x) para x (M, M)

f(x) = 0 caso contr ario ,

e
_
R
[f(x)

f(x)[dx < , seja qual for > 0 escolhido. Utilizaremos, ent ao, a aproxima cao
u(x, 1)

f(x) na discretizacao. Tomamos, ent ao, uma malha de discretizacao de tamanho x
68
da vari avel espacial. Denotaremos x
i
= M + ix, i = 0, 1, , m. Tomaremos tambem uma
malha de discretizac ao de tamanho t da variavel temporal. Denotaremos por t
j
= 1 + jt,
j = 0, 1, . Para simplicar, denotaremos:
u
j
i
u(x
i
, t
j
).
Calculamos, entao,

f(x
i
) para todo i, e obtemos assim nossa discretizac ao u(x
i
, t
0
) = u
0
i
. Pre-
cisamos, agora, discretizar a EDP do PVI acima. Para isso, usaremos as seguintes aproximac oes:
u
t
(x
i
, t
j
)
u
j+1
i
u
j
i
t
, (6.13)
u
xx
(x
i
, t
j
)
u
j
i+1
2u
j
i
+ u
j
i1
x
2
(6.14)
(u
p
)
xx
(x
i
, t
j
)
(u
j
i+1
)
p
2(u
j
i
)
p
+ (u
j
i1
)
p
x
2
. (6.15)
Caso tenhamos uma EDP que tenha termos do tipo u
x
, podemos usar da aproxima cao:
u
x
(x
i
, t
j
)
u
j
i+1
u
j
i1
2x
. (6.16)
Tais aproximac oes podem ser obtidas utilizando-se expansoes em serie de Taylor. Ressaltamos
que u
0
1
= u
0
m+1
= 0, uma vez que

f 0 fora do intervalo (M, M). Se substituirmos as
aproximac oes (6.13) e (6.15) na EDP do PVI 6.12, e explicitarmos u
j+1
i
em func ao das demais
vari aveis, obtemos o seguinte esquema explcito:
u
j+1
i
= u
j
i
+ t
_
(u
j
i+1
)
p
2(u
j
i
)
p
+ (u
j
i1
)
p
x
2
+ u
j
i
_
. (6.17)
Como a solucao u
0
i
e conhecida para todo i, tomando j = 0 podemos ent ao calcular u
1
i
para
todo i, obtendo, assim, uma aproximacao para u(x
i
, 1 + t). Note, ent ao, que a armac ao
u
1
1
= u
1
m+1
= 0 pode nao ser mais verdadeira. Isso signica que e necessario acrescentarmos
mais duas novas posicoes em nossa discretizac ao(u
1
1
e u
1
m+1
), lembrando que u
1
2
= u
1
m+2
= 0, e
que o suporte de nossa discretizac ao passa a ser (Mx, M +x). Podemos, entao, calcular
u
2
i
a partir de u
1
i
, e assim sucessivamente. Repetimos o processo ate obtermos (1 + jt) =
L, e, consequentemente, obtemos nossa aproximac ao para u(x, L). Apesar de, intuitivamente,
acharmos que, quanto mais na a malha, melhor sera nossa discretizac ao para o problema, isso
69
nem sempre e verdade, contradizendo a ideia de que: quanto mais renamos a malha mais nos
aproximamos do contnuo, e o algoritmo sera mais preciso. Daremos, ent ao, criterios para uma
boa escolha de x e t.
6.3.1 Criterios de Estabilidade
Apesar de, intuitivamente, acharmos que, quanto mais na a malha, melhor sera nossa dis-
cretizac ao para o problema, isso nem sempre e verdade. Daremos, ent ao, criterios para uma boa
escolha de x e t. Porem, antes disso, am de convencer o leitor de que tal sec ao e necessaria,
daremos um exemplo simples. Discretizemos o problema padrao:
_
y

(x) = qy(x)
y(0) = 1,
onde q < 0 uma constante. A soluc ao analtica do problema e conhecida e dada por y(x) = e
qx
.
A discretizacao sera, ent ao, dada por:
y
n+1
y
n
x
= qy
n
.
Ficamos, entao, com a seguinte relac ao de recorrencia:
y
n+1
= y
n
(1 + qx).
Lembrando que y
0
= 1, conclumos que:
y
n
= (1 + qx)
n
.
No caso em que [1 +qx[ > 1 conclumos que y
n
quando n , o que nos levaria a uma
soluc ao completamente erronea, ou seja, temos a instabilidade numerica. Caso o leitor queira
testar numericamente tal fato, pode tentar como exemplo fazer x = 0.15 e q = 10 e comparar
com o resultado analtico. Este fato nos leva, entao, `a necessidade de, ou impormos condic oes
em x (x < 0.1, no exemplo em que q = 10), ou usarmos outra discretizacao para a equac ao
diferencial. Nao sendo nossa intenc ao nos aprofundarmos no assunto sobre estabilidade, nos
ateremos aqui a apenas enunciar um resultado que permita ao leitor, caso queira, implementar
70
a sua propria vers ao do NRG. Segundo Ames [26] (Sec ao 2 18, pag. 102 a 105), para equac oes
diferenciais do tipo
u
t
= (x, t, u, u
x
, u
xx
),
tomamos a e b de forma que:

u
xx
a > 0,
e
[
u
[ +[
u
x
[ +
u
xx
b.
Teremos, ent ao, que as seguintes condicoes sao sucientes para a estabilidade do metodo:
t 2
a
b
,
e
0 <
t
(x)
2

1 bx
2b
.
Caso as duas condic oes sejam satisfeitas, garantimos a estabilidade do metodo. Caso o leitor
nao queira se preocupar com tais criterios, podera realizar a integrac ao numerica da equac ao
diferencial por algum metodo implcito (vide [26]), os quais sao incondicionalmente estaveis.
71
Referencias Bibliogracas
[1] G. I. Barenblatt. Scaling, self-similarity and intermediate asymptotics. Cambridge University
Press, Cambridge, 2 edition, 1996.
[2] N. Goldenfeld. Lectures on Phase Transitions and the Renormalization Group. Addison-
Wesley, Reading, 1992.
[3] J. Bricmont and Antii Kupiainen. Renormalizing partial dierential equations. Constructive
Physics, 446:83115, 1995.
[4] Gastao de Almeida Braga, Jussara de Matos Moreira, and Leonardo Trivellato Rolla. Analise
assintotica de solucoes de EDPs via grupos de renormalizac ao. In Atas do 57
o
Seminario
Brasileiro de Analise, pages 213280, 2003.
[5] G. A. Braga, F. Furtado, and V. Isaia. Metodos de escalas m ultiplas (grupos de renor-
malizacao) para equacc oes diferenciais parciais. In I Escola de Modeelagem Computacional,
Petropolis, RJ, BRA, 2005. LNCC.
[6] M. Gell-Mann and F. E. Low. Quantum electrodynamics at small distances. Phys. Rev.,
95:13001312, 1954.
[7] K. Wilson. Renormalization group and critical phenomena i, ii. Phys. Rev. B, 4:31743183,
31843205, 1971.
[8] J. Bricmont, Antii Kupiainen, and G. Lin. Renormalization group and asymptotics of solu-
tions of nonlinear parabolic equations. Communications in Pure and Applied Mathematics,
47:893922, 1994.
72
[9] L. Chen and N. Goldenfeld. Numerical renormalization group calculations for similarity
solutions and travelling waves. Physical Review E, 51:55775581, 1995.
[10] Gastao de Almeida Braga, Frederico Furtado, and Vincenzo Isaia. Smoothing of barenblatt
equation singularity: a numerical and analytical renormalization group study. manuscript.
[11] Vincezo Isaia. Intermediate Asymtotic Behavior of Nonlinear Parabolic PDEs via a Renor-
malization Group Approach: a Numerical Study. PhD thesis, Department of Mathematics,
University of Wyoming, Laramie, Wyoming, 2002.
[12] Leonardo T. Rolla. Analise assint otica de soluc oes de equacoes difusivas nao-lineares via
metodos de escalas m ultiplas. Masters thesis, UFMG, Belo Horizonte, Minas Gerais, 2004.
[13] Gastao de Almeida Braga, Frederico Furtado, Jussara de Matos Moreira, and Leonardo Triv-
ellato Rolla. Renormalization group analysis of nonlinear diusion equations with periodic
coecients. Multiscale Modeling and Simulation, 1(4):630644, 2003.
[14] G. A. Braga, F. Furtado, and V. Isaia. Renormalization group calculation of asymptotically
self-similar dynamics. pages 112, Pomona, CA, USA, 2004. Proceedings of the Fifth
International Conference on Dynamical Systems and Dierential Equations.
[15] Gastao de Almeida Braga, Frederico Furtado, Jussara de Matos Moreira, and Leonardo Triv-
ellato Rolla. Renormalization group analysis of nonlinear diusion equations with time
dependent diusion coecients. Artigo em preparacao.
[16] D.G.Aronson. The porous medium equation. Lecture Notes in Mathematics, 1224:146,
1986.
[17] Yuanwei Qi and Xudong Liu. Universal self-similarity of porous media equation with ab-
sortion: the critical exponent case. Journal of Diferential Equations, 198:442463, 2004.
[18] L. C. Evans. Partial Dierential Equations, volume 19 of Graduate Studies in Mathematics.
AMS, 1998.
[19] D. G. Figueiredo. Analise de Fourier e Equacoes Diferenciais Parciais. IMPA, Rio de
Janeiro, 1977.
73
[20] Jussara M. Moreira. O comportamento assint otico de soluc oes da equac ao do calor nao-
linear via grupos de renormalizacao. Masters thesis, UFMG, Belo Horizonte, Minas Gerais,
2002.
[21] Elon Lages Lima. Curso de Analise, volume 2. IMPA, Rio de Janeiro, 5 edition, 1999.
[22] Rafael Iorio Jr. and Valeria de Magalhaes Iorio. Equacoes Diferenciais Parciais: Uma
Introducao. IMPA, Rio de Janeiro, 1988.
[23] J. B. Conway. A Course in Functional Analysis. Springer-Verlag, New York, 2 edition, 1990.
[24] H. L. Royden. Real Analysis. Prentice-Hall, Inc., New Jersey, 3 edition, 1988.
[25] J.Vazquez V.A. Galaktionov. Asymptotic behavior of nonlinear parabolic equations with
critical exponents. a dynamical systems approach. J. Funct. Anal., 100:435462, 1986.
[26] W. F. Ames. Numerical Methods for Partial Dierential Equations. Academic Press, 3
edition, 1992.
74