Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
A mia Madre
Modelli di diusione
e introduzione ai modelli di tra
o
t
1 F
k 2
=
;
(
) x
x2
(1:1:1)
dove e la temperatura, la densita del mezzo, k e la
onduttivita termi
a e
il
alore spe
i
o del
materiale studiato; i parametri utilizzati sono in prima approssimazione supposti
ostanti rispetto
a . Tale equazione (modello) e basato sul modello di
usso termi
o di Fourier
F (x)
=k
;
x
Capitolo 1
8
>> i(x; t) =
><
>>
>:
=
t
;
x
(1:1:2)
D
2
;
x2
dove D e il
oe
iente di diusione della sostanza diusa in un mezzo isotropi
o (an
he in questo
aso
onsiderato in prima approssimazione
ostante). Le equazioni di evoluzione
he si sono ottenute
sono di tipo paraboli
o a parametri
ostanti e possiedono soluzioni analiti
he per vari proli sia di
on
entrazione
he di temperatura.
Insieme a questi due fenomeni, l'appli
azione
he ha avuto maggiori sviluppi nel
ampo dell'ingegneria elettroni
a degli ultimi '50 anni e stato lo studio dei fenomeni di trasporto nei mezzi
semi
onduttori: in questo ambito si sono ri
avate equazioni di evoluzione di tipo misto
onvettivo/diusivo, in
ui l'analisi si e fo
alizzata soprattutto sui
oe
ienti non lineari dei termini
dierenziali.
Riportiamo, sempre a titolo di esempio, quelle
he sono le equazioni di base del modello di
onduzione in un semi
onduttore. Partiamo dalla denizione di densita di
orrente degli elettroni
n
e delle la une p
8
>>
<
>>
:
Jn
=qn nE + qDn r n
Jp
=qp nE + qDp r p
J ond
(1:1:3)
=Jn + Jp
dove osserviamo un termine di propagazione indotto dal
ampo elettri
o E e un termine di diffusione
he dipende dal gradiente della
on
entrazione; n e p son rispettivamente la mobilita degli
elettroni e delle la
une, mentre Dn e Dp sono i
oe
ienti di diusione. Nel
aso unidimensionale
le equazioni (1:1:3) diventano
8
>
< Jn =qnnE + qDn n
x
>
: Jp =qpnE qDp p
(1:1:4)
x
8 np
>> =Gn
>< t
>>
>: pn =G
p
t
np
np0
n
+ np n
E + E np + D 2 np ;
n
n
x
x2
x
(1:1:5)
pn
pn0
p
+ pn p
E + E pn + D
x
x
2 pn
;
x2
dove Gn e Gp rappresentano il tasso di generazione di elettroni e la
une
he si muovono nel semi
onduttore generati da eventi esterni (per esempio e
itazioni di origine otti
a provo
ate dall'impatto
on fotoni); i termini
pn pn0
p
np np0
n
on
entrazioni di parti
elle minoritarie all'equilibrio termi
o ed p e n i tempi di vita medi degli
elettroni e la
une.
Senza entrare nei dettagli della formulazione riportata, osserviamo la presenza dei due termini,
uno di tipo
onvettivo
n
x ,
2n
x2 ,
I tre esempi riportati sono dei modelli lineari
on
oe
ienti
ostanti; le soluzioni si possono
ri
avare, an
he dal punto di vista analiti
o
on gli strumenti di qualsiasi
orso di Analisi Superiore.
Nei sistemi studiati nelle s
ienze appli
ate, quando si ha a
he fare
on mezzi reali, nas
ono
vari problemi nella simulazione del
omportamento dei materiali e dei parametri te
nologi
i
he
li
ontraddistinguono: lo sviluppo di leggi adeguate per des
rivere i
oe
ienti (
he spesso sono
funzioni sia del tempo e dello spazio, sia della variabile di stato), e il
onseguente studio di opportuni
algoritmi di risoluzione numeri
a sono i prin
ipali
ampi di ri
er
a an
ora aperti a nuove indagini.
Come sottolineato inizialmente, la letteratura riguardo tali problemi e vasta, ma in
ompleta:
infatti o
orre an
ora approfondire tali argomenti, elaborare e sperimentare nuove te
ni
he numeri
he e valutare
aso per
aso i possibili sviluppi.
Capitolo 1
Dal punto di vista stori
o, l'esigenza di
ostruire modelli di
usso di tra
o nas
e ben prima
he sorgessero i problemi di
ongestione delle reti di
omuni
azione stradale.
Il problema del tra
o automobilisti
o n dai primi anni '50 ha rappresentato un
ampo di
studio tipi
o dell'ingegneria dei trasporti.
Lo studio delle sovrastrutture di
omuni
azione (strade, ponti, viadotti, trafori), i problemi
dell'organizzazione di reti di
omuni
azione dei trasporti, lo sviluppo di vetture e
onomi
he, meno
inquinanti, ad alte prestazioni e gli stessi problemi so
iali derivanti da una so
ieta dei trasporti
hanno rappresentato molte volte situazioni di "
onne" per l'ingegnere: questi problemi hanno
spesso funzionato
ome un laboratorio per sperimentare nuove invenzioni e nuove te
hi
he sui
metodi di indagine.
Un'immagine tipi
a del paesaggio urbano ameri
ano e quello delle
ode interminabili sulle
"highstreet", superstrade,
on de
ine di
orsie,
he rappresentano il fallimento di una
on
ezione
antiquata di risolvere i problemi ingegneristi
i. Fino ad oggi l'aumento del tra
o e la
ongestione delle reti di
omuni
azione e stato risolto aumentando la
apa
ita delle arterie stradali: una
soluzione
ertamente piu immediata, ma
he ha prodotto
onseguenze dannose sia per il sistema
stesso (aumento della peri
olosita, dell'inquinamento, alti
osti di mantenimento)
he per i sistemi
a questo
onnessi (
itta invivibili, aumento di
osti di trasporto e di
ontrollo).
Non e un
aso
he i problemi inerenti ai sistemi di
omuni
azione dei trasporti siano apparsi
in regioni del mondo ad alta
on
entrazione te
nologi
a ed umana (a partire dagli Stati Uniti
no al Giappone ed all'Europa O
identale) e non e un
aso
he i primi passi nello studio del
problema di tra
o siano stati fatti dagli s
ienziati e dagli ingegneri di questi Paesi: nella letteratura
spe
ializzata i primi appro
i a tali problemi sono stati
ondotti da Lighthill e Whitman,
he hanno
sviluppato modelli di diusione di tipo ma
ros
opi
o, molto simili a quelli utilizzati nel
ampo
Capitolo 1
dell'elettroni
a.
? ? ?
In modo analogo il problema della
ongestione delle risorse delle reti di trasporto si puo osservare in molti aspetti della so
ieta umana moderna: nelle reti di
omuni
azione, nello sviluppo
urbano, negli s
ambi
ommer
iali, no alla produzione industriale: in ognuno di questi
ampi stiamo osservando l'esaurirsi di risorse vitali per il
orretto funzionamento dell'apparato te
nologi
o
e so
iale.
Nas
e in questo modo il bisogno di studiare dierenti metododologie per l'ottimizzazione dei
sistemi esistenti, non
he l'esigenza di nuove soluzioni di progetto, si
ome le te
ni
he tradizionali
non ries
ono a dare piu risultati
on
reti. Tale problema non e,
ome gia detto, relativo solo al
aso del
ontrollo di tra
o : se si pensa allo sviluppo
he si e avuto nel "tra
o" sulle linee
telefoni
he da inizio se
olo no ai giorni nostri, si potranno osservare numerose analogie: infatti
le te
ni
he numeri
he di
odi
a dell'informazione per aumentare la
apa
ita delle reti di
omuni
azione nas
evano dall'esigenza di ottimizzare l'utilizzo dei mezzi trasmissivi,
he erano ormai
ongestionati (emblemati
he sono le foto delle de
ine di
avi telefoni
i lungo le strade degli '30), e
dello sviluppo di nuove te
ni
he numeri
he implementate dal nuovo hardware.
? ? ?
Il problema del usso di tra o e un esempio tipi o di questa nuova tendenza. Esaurite le
Capitolo 1
della Diusione per sviluppare dei modelli matemati i idonei al problema del usso di tra o
10
Nei modelli utilizzati si des
rive il sistema tramite la densita n degli autovei
oli e la velo
ita
media v degli stessi. Tali variabili hanno un
orispettivo immediato su quelli
he sono i parametri
ingegneristi
i per la gestione di un arteria stradale: infatti tradizionalmente quando si progettano
delle strade o
orre tener
onto dei
osti di trasporto e della si
urezza dell'automobilista, parametri
strettamente
onnessi
on il numero medio di automobili presenti sulla strada e
on la velo
ita di
ro
iera. Nei libri spe
ializzati sulla progettazione della
apa
ita delle reti stradali, sono questi i
fattori
he vengono tenuti in
onsiderazione
ome spe
i
he del problema: riguardo una trattazione
piu esauriente sull'argomento si puo fare riferimento al testo [1
Fa
iamo al
uni esempi:
gli oneri dovuti al
onsumo di
arburante, all'usura dei pneumati
i, allo stress me
ani
o sono
tutte funzioni della velo
ita del mezzo; nel
aso infatti di regimi troppo alti, dovuti alla densita
medio/bassa o alla grande
apa
ita della strada, tali oneri sono piu alti; ma aumentano an
he se
Capitolo 1
11
vi sono an
he oneri
onnessi
on il
onfort e i ris
hi del viaggio: tali parametri sono
ontrollabili
mantenendo una densita massima permessa e quindi quindi tenendo sotto
ontrollo il numero
massimo di vei
oli presenti; quindi, quali sono le
ondizioni in
ui e garantita la
apa
ita
massima su una strada
on
aratteristi
he note ? Con
he frequenza devono essere regolati gli
a
essi alla strada an
he non
i siano fenomeni di alta
on
entrazione ?
A
anto allo studio delle variabili del modello vi e lo studio delle
ondizioni iniziali. La sim-
ulazione sempli
ata di un singolo tratto stradale puo essere agevolmente ampliata per des
rivere
quei
asi di
usso di tra
o su una rete reale: ma tale problema deve essere fatto tenendo ben
in
onsiderazione le
ondizioni di "interfa
ia" (
ondizioni al
ontorno) tra i singoli rami del grafo
generale.
I modelli
he studieremo fanno riferimento a situazioni di alta densita di vei
oli (modelli ma
ros
opi
i): queste sono appli
abili sia a sistemi autostradali di
ollegamento tra due
itta (quindi
tempi di per
orrenza medio/lunghi e velo
ita sostenute) in presenza di alte
on
entrazioni (
asi
patologi
i del sistema), sia a situazioni tipi
amente urbane (tempi ridotti, velo
ita medio/basse) in
ui situazioni di alta on entrazione sono piu frequenti ( asi siologi i del sistema).
2
Modelli matemati
i di
tra
o vei
olare
2.1 Introduzione
Questo
apitolo propone un review generale sui modelli matemati
i, proposti in letteratura,
relativamente a modelli di tra
o
on e senza diusione. Lo s
opo, oltre a quello di fornire una
sintesi dei risultati noti, e quello di denire la base di partenza per lo studio dei modelli proposti nell'ambito di questa tesi, basasti su una piu approfondita analisi dei fenomeni di diusione
nonlineare.
Tali modelli simulano il
omportamento lungo un'arteria stradale dell'interazione tra gli automobilisti e si pongono
ome ne quello di ottenere un
ontrollo del
usso di tra
o agendo su
opportune grandezze si
he quali la velo
ita permessa, gli a
essi
ontrollati agli ingressi stradali,
l'aumento lo
alizzato della
apa
ita delle strade.
1
2
PDF Page Organizer - Foxit Software
Le soluzioni di tali modelli permettono di investigare situazioni dierenti del
usso di tra
o
lungo un autostrada, quali ad esempio la formazione di
ode in aree a velo
ita'
ontrollata (jams
at bottlene
ks),
ode improvvise in situazioni apparentemente normali (phantom tra
jams) o
il sorgere di situazioni
riti
he per al
une
ondizioni al
ontorno, e
. Attraverso tali modelli si
possono ottimizzare e migliorare le
ondizioni di viabilita su infrastrutture esistenti
on un impatto
minimo sull'ambiente
ir
ostante; oppure
ontrollare direttamente, attraverso l'uso di
omputer a
bordo, la dinami
a del tra
o.
?
Nello studio dell'ottimizzazione dei modelli ingegneristi
i gio
ano un ruolo importante da una
parte la des
rizione analiti
o-matemati
a dei modelli stessi e dall'altra la loro simulazione numeri
a al
al
olatore : infatti maggiore e l'a
uratezza della des
rizione del problema maggiori sono i
problemi
he si in
ontrano nella simulazione al
al
olatore ; vi
eversa modelli approssimati di tale
problema non sempre produ
ono soluzioni soddisfa
enti dal punto di vista si
o. Gli esempi di tale
ontrapposizione e tipi
a dell'ottimizzazione dei sistemi elettroni
i in
ui le prestazioni dei sistemi
vengono des
ritte tramite modelli dierenziali non banali,
on
ui si
er
a di simulare situazioni
si
he non fa
ilmente ri
reabili in laboratorio: alti
osti sperimentali per le attrezzature e tempi
lunghi per la
ostruzione dei dispositivi sperimentali sono elementi tipi
i nel
ampo dell'ingegneria
appli
ata. In questa
hiave il problema del tra
o presenta notevoli similitudine: i
osti di simulazione sulle strutture reali sono enormi e non sempre si possono
ostruire modelli di tali sistemi.
?
Prima di entrare nel dettaglio della formulazione dei metodi prin
ipali o
orre fare al
une
onsiderazioni. Si distinguono nella
ostruzione di un modello matemati
o dierenti livelli di des
rizione.
Da una parte abbiamo il livello mi
ros
opi
o, dove l'evoluzione nel tempo di ogni vei
olo e
des
ritto dalle sue
oordinate spaziali e dalla velo
ita: molto
ostoso dal punto di vista numeri
o,
ma altrettanto pre
iso nella des
rizione.
I modelli
ineti
i, in
ontrasto
on la strutura dis
reta dei modelli mis
ros
opi
i, utilizzano un
Capitolo 2
Tradizionalmente (seguendo la tra
ia del paragrafo pre
edente) si sono seguiti tre appro
i
per lo sviluppo di modelli di
usso di tra
o :
1. modelli mi
ros
opi
i : sono stati sviluppati partendo dall'analisi delle interazioni me
ani
he
e psi
ologi
he
he intervengono fra due soli vei
oli e dalla des
rizione del fenomeno
on sistemi
non lineari di equazione dierenziale ordinarie ampliato ad un sistema di N vei
oli;
2. modelli idrodinami
i o ma
ros
opi
i : si basano sulle equazioni di evoluzione della idrodinami
a e sulla
onservazione del numero di autovei
oli: hanno in
ontrato notevoli oppositori
per la loro approssimazione del
aso reale e della loro appli
abilita alla simulazione del
usso
di tra
o; si basano su modelli di trasporto
on termini di tipo
onvettivo e diusivo;
3. modelli
ineti
i ( o alla Boltzmann) : si basano fondamentalmente sulle equazioni di
Boltzmann per i gas e partono dall'analisi dell'interazione tra
oppie di vei
oli per giungere a
una serie di equazioni di evoluzione della funzione di distribuzione globale (
osi'
ome vengono
utilizzate le equazioni di Boltzmann per lo studio dell'interazione di
oppie di elelttroni e la loro
4
PDF Page Organizer - Foxit Software
funzione di distrinbuzione). Rappresentano un
aso intermedio tra i due appro
i sopra
itati
e
er
ano di arontare il problema bilan
iando opportunamente i rispettivi vantaggi dei due
asi visti : sono meglio giusti
ati dal punto di vista si
o dei modelli ma
ros
opi
i e d'altra
parte rispetto ai modelli mi
ros
opi
i hanno tempi di simulazione de
isamente minori.
Dal punto di vista stori
o, i modelli di tipo mi
ros
opi
o e quelli di tipo ma
ros
opi
o partono
da due punti di vista de
isamente indipendenti per innalzare il loro edi
io teori
o per la des
rizione
del problema del
usso di tra
o : l'anello di unione fra i due e rappresentato dai modelli
ineti
i,
osi
ome avviene nei modelli dinami
i dei gas. Infatti i modelli
ineti
i si possono ri
avare (
ome
abbiamo detto sopra) dai modelli mi
ros
opi
i, mentre quelli ma
ros
opi
i possono essere dedotti,
attraverso lo studio dei momenti delle funzioni di distribuzione, da quelli
ineti
i. L'analogia
on lo studio dei modellli dei gas sottolinea an
ora una volta la possibilita di appli
are te
ni
he,
metodologie ed esperienze ottenute nei
ampi dell'elettroni
a, della
uidodinami
a e dell'informati
a
in sistemi
he tradizionalmente non fanno uso di questi strumenti d'indagine.
vation of Number of Vehi
les) da
ui si
er
a di ri
avare delle equazioni di evoluzione per la densita
n e il momento nv degli stessi:
n
+ (nv) = 0
t x
(2:2:1)
L'assunzione di usso omogeneo di tra o da ui partono gli permette di onsiderare la velo ita v indipendente dal tempo e dallo spazio ma dipendente uni amente dalla densita n, per ui
Capitolo 2
n
nM
(2:2:2a)
(2:2:2b)
dove abbiamo introdotto la velo
ita massima vM e la densita massima nM (bump to bump)
he
si ottiene pensando di mettere paraurti
ontro paraurti gli autovei
oli. Infatti quando la densita
dei vei
oli e
ir
a zero questi tenderanno ad assumere la massima velo
ita loro
onsentita, mentre
nel
aso di alto tra
o (jam tra
) si ridurra a zero. Da tali
onsiderazioni si ri
ava un'equazione
auto
onsistente del tipo
n
+ vM [1
t
2 (n)
n
=0
x
(2:2:3)
la
ui analisi la si puo ritrovare nel libro di Whitham sulla propagazione di onde non lineari.
Per al
uni valori di n tale espressione puo avere
ome soluzioni delle onde propagantesi nel
verso
ontrario alla direzione del
usso dei vei
oli, per questo motivo Whitman stesso introdu
e un
termine di diusione
he
i permette di ottenere delle soluzioni migliori per des
rivere un sistema
si
o e su
ui si baseranno i nostri su
essivi sviluppi:
n
+ vM [1
t
2 (n)
n
2n
=" 2
x
x
(2:2:4)
Sempre partendo dall'assunto di
usso omogeneo di tra
o si possono fare ulteriori
onsiderazioni sulla forma analiti
a della velovita v ; per esempio Kuhne e Rodinger hanno introdotto un
modello per l'espressione di v del tipo
v = ve (
) = vM 1
2
(2:2:5)
l'idea e quella di partire da una forma analiti
a molto sempli
e
on al
uni parametri in
ogniti ed
attraverso un pro
edimento di interpolazione
on
urve ottenute sperimentalmente ottenere i valori
orrispondenti ai parametri; in questo modo si ottiene l'equazione di evoluzione :
6
PDF Page Organizer - Foxit Software
n
+ vM 1
t
(n)1
2
2 n
2n
1 2
(n)1 1 2
=" 2
x
x
(2:2:6)
Un modello alternativo, ma
he prende spunto dalla stressa idea, e stato introdotto da Kerner
e Konhauser,
he in maniera simile hanno ri
avato un'espressione parametri
a di v del tipo:
v = ve (
) = vM [(
)
( M )
(2:2:7)
dove
(
(n)) =
1
1 + exp [b1 (
(n)
(2:2:8)
b2 )
In tutti questi
asi,
ome si puo notare dalle espressioni ottenute, il sistema e nonlineare: infatti
ompare il prodotto di n o di una funzione di n per la sua derivata nello spazio.
Altri sviluppi possono essere derivati partendo da modelli in
ui la velo
ita v non e piu una
variabile indipendente, ma viene ri
avata an
he per questa una relazione di evoluzione dierenziale.
L'idea di partenza e quella di immaginare
he la velo
ita v abbia una legge di evoluzione in
ui dopo
un tempo T (detto tempo di rilassamento) assume una
ongurazione prestabilita, simile ai
asi
pre
edenti : ad ogni dis
ontinuita la velo
ita v reagis
e al
ambiamento raggiungendo un valore a
regime indipendente dal tempo e dalla posizione. Si ottiene pertanto
8
>
>
>
>
>
>
<
f n
+ vM (1
t
>
>
>
>
>
v
>
:
t
+v
2 )
n
2n
=" 2
x
x
v
n
1
=
+
v (1
x n x T
M
2 )
(2:2:9)
v :
I modelli ma
ros
opi
i hanno in
ontrato numerosi oppositori,
he hanno messo in dubbio al
une
assunzione basilari per tale tipo di appro
io al modello del
usso di tra
o. In sintesi i maggiori
limiti di tale analisi sono :
a) il
usso del tra
o (e quindi il numero di vetture
he attraversa nell'unita di tempo una sezione
dello spazio) molto di
ilmente si puo interpretare
ome qual
osa di
ontinuo a meno
he la
lunghezza della strada sia molto piu grande della dimensione degli autovei
oli;
Capitolo 2
8
PDF Page Organizer - Foxit Software
il
omportamento soggettivo dei guidatori puo essere simulato fa
endo riferimento a grandezze
statisti
he (quali una funzione di distribuzione
on
ui si possono dis
riminare le situazioni diverse
he si hanno nella realta), per le quali e ne
essario
ostruire un modello analiti
o di tipo
ineti
o.
O
orre trovare un'equazione di evoluzione in
ui la variabile di lavoro sia una funzione di
distribuzione
osi fatta
f (t; x; v) :
la quale
i da il numero per
entuale dei vei
oli
he ad un
erto istante t sono nella posizione x ed
hanno una velo
ita v. Se f e integrabile si possono ri
avare le grandezze osservabili
he si sono
utilizzate nei modelli idrodinami
i. Infatti si ha la densita n(t; x) di vei
oli
ome
n = n(t; x) =
f (t; x; v) dv)
(2:3:1)
1
1
V = V (t; x) =
v f (t; x; v) dv
(2:3:2)
n(t; x) 0
A queste si possono aan
are altre grandezze altrettanto interessanti
ome la varianza della velo
ita
Z
1
1
[v
n(t; x) 0
e la pressione della velo
ita' (velo
ity pressure)
= (t; x) =
[v
(2:3:3)
(2:3:4)
Capitolo 2
u = u(x; v)
4. l'equazione di bilan
io
he governa l'evoluzione di f e ,
ome nel
aso delle equazione di Boltzmann, ottenuta dall'interazione tra i vei
oli se
ondo la relazione
f
f
+ v = JP [f
t
x
(2:3:5)
(2:3:6)
10
PDF Page Organizer - Foxit Software
Jr [f =
(f (v)
f (t; x; v))
(2:3:7)
D'altra parte il termine Ji (f; f ) des
rive l'interazione tra due vei
oli,
ioe' tra un test vehi
le v e
un eld vehi
le w; in seguito all'interazione si avra un aumento (sorpasso) o una diminuzione di
velo
ita (in
odamento) a se
onda
he le velo
ita siano w > v o w < v. L'espressione diventa :
Ji [f = f (t; x; v)
(w
v)f (t; x; w) dw
(2:3:8)
an
he in questo
aso l'espressione del tasso di
ambiamento dipende dalla densita. L'espressione
del modello diventa quindi
f f
+v = JP [f =
(f (v)
t x
1
+ f (t; x; v)
(w
f (t; x; v))
v)f (t; x; w) dw :
(2:3:9)
Si osservi
he il termine di rilassamento non aveva molta importanza nel modello di Boltzmann
dei gas, mentre nel nostro
aso o
orre prevederne una des
rizione a
urata.
Infatti il modello dinami
o dei gas non prevedeva lo studio dell'evoluzione del sistema quando
la densita delle parti
elle era alta; nel nostro
aso inve
e i fenomeni piu interessanti si hanno quando
i vei
oli raggiungono densita molto alte (tra
jams): quindi o
orre fare molta attenzione nel non
fare sempli
azioni troppo gratuite.
Ci sono tuttavia an
he dei punti deboli nel modello : in parti
olare la distribuzione di velo
ita'
desiderata e ssa e non dipende dal tipo di evoluzione, infatti dovrebbe essere una quantita'
he
segue l'evoluzione dei vei
oli inve
e di essere un valore assegnato a priori. Da questa osservazione
nas
ono gli ulteriori sviluppi realizzato da altri matemati
i.
Al modello introdotto da Prigogine e stata fatta una sostanziale modi
a nel lavoro di PaveriFontana. La
riti
a sulla rigidita dell'impostazione di Prigogine ha portato i suoi frutti : Paveri
Capitolo 2
11
g(t; x; v; v ) dv
(2:3:10)
g(t; x; v; v ) dv
(2:3:11)
(2:3:12)
(w
v)g(t; x; w; v ) dw
(2:3:13)
mentre Jr , termine di rilassamento e legato all'a
elerazione dei vei
oli da un termine non lineare
Jr [f =
v
(w
v)f (t; x; v; v )
(2:3:14)
= g(t; x; v; v )
(w
(w
v)f (t; x; v; v ) = JP F [f
v)g(t; x; wv ) dw :
(2:3:15)
12
PDF Page Organizer - Foxit Software
L'operatore di
ollisioni introdotto
er
a di tener
onto del
omportamento dei guidatori attraverso un tipo di relazione fenomenologi
a : nel modello non si
er
a di giusti
are a livello
mi
ros
opi
o l'interazione des
ritta e questo e uno dei difetti dell'analisi
ineti
a del
ontrollo di
tra
o e rappresenta una possibile via di sviluppo futura. Comunque l'analisi di Paveri Fontana
risulta un miglioramento e
a
e del modello di Prigogine.
Un appro
io simile viene seguito an
he da altri matemati
i : Lampis propone delle modi
he
per tener
onto dell'eetto dei fenomeni di
reazione di
ode (queuening vehi
les) lungo la strada.
L'idea e quella di introdurre una funzione di distribuzione g(v) per i vei
oli in
oda ed un nuovo
termine di interazione J [f; g; si distinguono
ioe due tipi diversi di vei
oli : quelli
he viaggiano
primo un passo verso una des
rizione dettagliata dei
in
oda e quelli
he viaggiano liberamente. E
fenomeni
he intervengono sulla strada. Tale modello e stato studiato nell'ipotesi di
usso omogeneo
e stazionario di tra
o ed ha permesso al
uni
onfronti
on misure ottenute sperimentalmente.
Capitolo 2
13
14
PDF Page Organizer - Foxit Software
Modelli di tra
o
on
oe
iente di diusione non lineare
e problemi di simulazione
x = 0 e l'estremo opposto x = `.
In parti
olare, il modello viene
ostruito sulla base delle seguenti ipotesi:
a)
b)
gli automobilisti adattano istantaneamente la velo
ita v = v(n), in modo dipendente dalla
on
entrazione n(t; x) presente nel punto x e all'istante t; la velo
ita puo variare da un valore
to bump), no ad un
valore massimo permesso vM quando n = 0,
ioe
ondizione di strada libera. Nei dettagli un
modello analiti
o e il seguente:
v = vM (1
)
n
)
nM
(3:1:1)
di massa
on
n
(1
nM
n
);
nM
(3:1:2)
v; il movimento sulla strada e dato dalla sovrapposizione di due fenomeni: il primo e quello
dello spostamento dovuto al
omportamento globale degli automobilisti, dovuto alla velo
ita v
vista nel punto b); il se
ondo e un fenomeno di tipo diusivo appunto, meno mar
ato, dovuto
al fatto
he delle auto si muovono ad alta velo
ita verso zone piu libere oppure rimangono
indietro rispetto ai raggruppamenti prin
ipali; infatti D = D(n) vale zero sia in presenza di
oda quando n = nM sia in situazione di strada vuota n = 0.
L'equazione di evoluzione diventa pertanto:
Capitolo 3
n
n
+ (vn) = (D(n) ):
t t
x
x
(3:1:3)
e sostituendo l'espressione di v(n) ri avata in (3.1.1), e quella di D(n) ri avata in (3.1.2) otteniamo
n n
n
n
+ vM (1 2 ) = (1
t
nM x
nM
n 2n
n n
) 2 + (1 2 )( )2 :
nM x
nM x
(3:1:4)
n0 =
t
x
n
; t0 =
; x0 = :
nM
T
`
(3:1:5)
Pertanto si ottiene
n0 T vM
0 ) n0 = T n0 (1 n0 ) 2 n0 + T (1 2n0 )( n0 )2 :
+
(1
2
n
t0
`
x0 `2
x02 `2
x0
(3:1:6)
Se si pone
T vM
=1
`
) T = v` ;
M
(3:1:7)
n
2n
n
n
+ (1 2n) = n(1 n) 2 + (1 2n)( )2 ;
t
x
x
x
(3:1:7)
dove
"T
1
="
2
`
vM `
(3:1:8)
e il parametro di diusione.
Di tale modello, utilizzando il metodo di
ollo
azione generalizzato, verra studiato il
omportamento in al
uni
asi di parti
olare interesse.
n
n
2n
n
+ (1 2n) = n(1 n) 2 + (1 2n)( )2 ;
t
x
x
x
(3:2:1)
dove
T
1
=
`2
vM `
(3:2:2)
Abbiamo detto
he vM rappresentala velo
ita massima presunta quando la densita dei vei
oli tende
a zero,
ioe la strada e libera; ` e la lunghezza massima del tratto stradale simulato e T e il periodo
temporale massimo su
ui viene osservato il sistema. Ri
ordiamo an
ora
he il dominio spaziale
normalizzato viene suddiviso in N nodi (distribuiti se
ondo Chebyshev o Equispaziati) e
he quindi
dobbiamo tenere
onto an
he della distanza (massima e minina
on Chebys
hev) a
ui
orrisponde
tale dis
retizzazione. Attraverso questi 4 parametri dobbiamo
aratterizzare la natura si
a del
modello ri
avato.
Fatte queste premesse fa
iamo al
une ipotesi su tali valori per avere un punto di partenza per
i valori di simulazione. Consideriamo i seguenti valori di partenza:
vM = 100Km=h; ` = 100Km
(3:2:3)
quindi
vM
T =1
`
) T = v`
M
100Km
= 1h
100Km=h
(3:2:4)
da ui otteniamo
= 4
`vM 10 Km=h
10 3 [m=s:
(3:2:5)
Capitolo 3
stati dell'ordine di n 0:01; 0:05; 0:1, he denormalizzati orrispondono a ir a 2,10,20 auto ogni
1000 m. Tale valore va riferito an he alla velo ita on ui si muovono gli autovei oli poi he se
100[m
= 3:6[s
100[Km=h
(3:2:6)
. Questi valori sono molto grossolani ma danno utili informazioni sulla dinami
a del sistema studiato
e
he, ripeto , sono validi punti di partenza per le simulazioni svolte.
1
"T
="
;
`
vM `
(3:3:1)
(3:5:1:1)
dove a; b sono stati s
elti in modo
he a b > 0 e a + b < 1,
ioe in modo da mantenersi nell'intervallo
di esistenza di n0 ;
ome
ondizione iniziale abbiamo posto:
u(0; xi ) = a
per i = 0; :::; N;
(3:5:1:2)
Capitolo 3
(t) = u(t; 0) =
( a + bsin(t)
1
per t < ;
0 per t ;
(3:5:2:1)
(t) = u(t; 1) = a
(3:5:2:2)
u(0; xi ) = a
per i = 1; :::; N
1;
(3:5:2:3)
n
n
2n
n
= (1 2n) + n(1 n) 2 + (1 2n)( )2 ;
t
x
x
x
(3:5:3:1)
=
se si diminuis
e la velo
ita vM di un fattore
T
1
=
2
`
vM `
(3:5:3:2)
otteniamo:
1
n
2n
n
n
= ( )(1 2n) + n(1 n) 2 + (1 2n)( )2 ;
t
x
x
x
(3:5:3:3)
dove
T
=
`2
vM `
(3:5:3:4):
4.1 Introduzione
La risoluzione di problemi matemati
i non banali molto raramente pres
inde dall'utilizzo di metodi
di
al
olo numeri
o approssimato: questo avviene soprattutto in quei
ampi delle s
ienze appli
ate
dove i modelli
he si utilizzano devono des
rivere sistemi si
i reali e simulare me
anismi e fenomeni
omplessi.
An
he nel
aso in
ui lo studio del modello puo essere arontato
on metodi analiti
i, spesso
la rappresentazione della soluzionee limitata a sempli
i geometrie spaziali oppure ad ipotesi molto
restrittive sulle proprieta dei
oe
ienti di diusione.
In altri termini, le soluzioni analiti
he dei modelli
lassi
i (vedi sezione 1.1), sono appli
abili
solo a sistemi di equazione dierenziali e
on
ondizioni al
ontorno lineari. Questa puo essere una
limitazione molto grande in questi sistemi in
ui il
oe
iente di diusione dipende fortemente
dalla
on
etrazione dei diondenti.
La soluzione delle equazioni matemati
he,
he des
rivono situazione prati
he e reali, e possibile
solo attraverso i metodi di analisi numeri
a.
1
b)
Capitolo 4
legge, solo in teoria e in al
uni
asi parti
olari, si presenta in forma lineare, ma in generale nei
problemi delle s
ienze appli
ate presenta delle forti non linearita;
an
he il sistema possa essere matemati
amente
onsistente (
ioe
he ammetta soluzione) o
orrono tante
ondizioni al
ontorno quanti sono gli operatori dierenziali presenti; tali
ondizioni si distinguono, in generale, in problemi al valore iniziale e/o in problemi
on
ondizioni al
ontorno.
Questi tre punti sono le
omponenti fondamentali per la des
rizione di un modello metemati
o su
ui si basano tutte le su
essive
onsiderazioni riguardo i metodi numeri
i;
ioe a
anto al modello
o
orre ottimizzare, tenendo
onto della forma analiti
a, del tipo di simulazione da eettuare e delle
ondizioni al
ontorno da rispettare, i metodi di risoluzione numeri
i. Mentre nel
aso dei problemi
lineari si utilizzano metodi
omputazionali di tipo analiti
o, nel
aso dei problemi non lineari (
he
interessano il
ampo dell'ingegneria), sovente si ha a
he fare
on metodi numeri
i prodotti ad ho
per i problemi stessi e non sempre generalizzabili in
lassi di problemi omogenee.
Infatti per al
une
lassi di problemi sono stati introdotti numerosi metodi ed algoritmi numeri
i
di risoluzione per
er
are di ottenere soluzioni si
amente a
ettabili, tenendo
onto degli errori
imputabili sia ai
al
olatori sia agli algoritmi stessi; ma gli algoritmi produ
ono soluzioni non ottime
e si deve tenere
onto sempre dell'e
ienza del sistema.
O
orre osservare
he i problemi non lineari in generale hanno soluzioni analiti
he non banali,
ioe non risolvibili in forma
hiusa: quindi tramite l' al
al
olatore si utilizzano te
ni
he numeri
he
per ottenere soluzioni approssimate dove il margine di errore diventa una variabile importante nella
valutazione dei risultati ingegneristi
amente ababili (signi
a mantenere l'errore introdotto degli
algoritmi al di sotto degli errori ingegneristi
i di spe
i
a), an
he per
he in generale non si hanno
riferimenti
on
ui
onfrontare la pre
isione, ma si possiede uni
amente il ris
ontro prati
o
on i
dati sperimentali.
Uno dei metodi piu
omunemente utilizzati per risolvere i problemi dierenziali non lineari al
valore iniziale e il
osiddetto Metodo di
ollo
azione e interpolazione. Tale metodo trova
numerose appli
azioni in vari
ampi dell'ingegneria (termodinami
a,
uidodinami
a, elettromagnetismo), dove si in
ontrano spesso funzioni di evoluzione
on forti non linearita, dovute alla natura
dei sistemi si
i studiati.
L'algoritmo su
ui si basa tale metodo si puo suddividere nei seguenti passi:
il dominio delle variabili spaziali x; y
ontinuo viene dis
retizzato in un numero di punti nito
(tale pro
edimento e detto Collo
azione) xi e yj del dominio di esistenza;
ii) la variabile dipendente
he des
rive il modello u = u(t; x; y) e interpolata ed approssimata
tramite i valori uij (t) = u(t; xi ; yj ) della stessa nei punti di
ollo
azione (Interpolazione);
tipi
amente si utilizzano per le interpolazioni i polinomi di Lagrange e di Berstain oppure le
funzioni Sin
;
iii) le derivate spaziali sono approssimate utilizzando le interpolazioni del punto ii);
iv) il problema
on valori al
ontorno e trasformato nel problema al valore iniziale
on equazioni
dierenziali ordinarie,
he des
rivono l'evoluzione dei valori uij (t) di u nei nodi. Le
ondizioni al
ontorno vengono impostate nei nodi della
ollozazione sul
ontorno del dominio delle variabili
indipendenti x; y.
v) La soluzione del problema
on valori al
ontorno e ottenuto quindi risolvendo i problemi al
valore iniziale
itato nel punto iv) e interpolando la soluzione ottenuta utilizzando le te
ni
he
del punto ii).
Quindi in sintesi tale metodo trasforma un modello
ontinuo non lineare (
on inniti gradi di liberta) nelle variabili x e y in un modello dis
reto (
on un numero nito di gradi di liberta - i nodi -)
e nello stesso tempo trasforma il problema al valore al
ontorno in tanti problemi al valore iniziale
on equazioni dierenziali ordinarie su i nodi niti.
i)
Capitolo 4
n%
allora
kf fnk & 0
Tale denizione nei
asi prati
i puo servire
ome punto di riferimento: nel
aso reale a volte
i si
a
ontenta
he gli errori
ommessi de
res
ano in modo meno velo
e; per questo motivo parleremo
piu avanti e in modo piu dettagliato di metodi pseudospettrali.
Senza entrare nel merito della validita di tali metodi,
i sono molti esempi in letteratura
he
possono testimoniare l'e
ienza di tale impostazione.
Nell'utilizzare tali te
ni
he di risoluzione esistono pero al
uni
asi in
ui si hanno delle di
olta;
sono due prin
ipalmente le situazioni in
ui tali te
ni
he hanno forti limiti:
a.
on riferimento al problema di Diri
hlet, l'interpolazione
lassi
a di Lagrange non puo essere
utilizzata in domini spaziali non niti e
on soluzioni rapidamente os
illanti; in questo
aso si
utilizzano funzioni interpolanti del tipo Sin
;
b. il problema della stima dell'errore introdotto al
ontorno: e basilare stimare l'errore introdotto
dall'algoritmo per poter valutare in modo
oerente i risultati ottenuti: infatti uno dei maggiori
errori di valutazione
he si
ompie nell'implementazione al
al
olatore e proprio l'ordine di
grandezza degli errori degli algoritmi di risoluzione.
Dai miglioramenti del metodo dell'interpolazione e
ollo
azione e stato derivato il metodo della
ollo
azione pseudospettrale,
he nora e stato utile per la risoluzione di un gran numero di problemi non lineari delle s
ienze appli
ate e sembra essere uno strumento e
a
e per una vasta gamma
di problemi prati
i. Tale metodo
er
a di bilan
iare la sempli
ita dell'impostazione numeri
a
on
le
ondizioni stringenti dei metodi spettrali (vedi denizione sopra).
Prima di arontare i vari passi seguiti nella
ostruzione dei Metodi di tipo Collo
azione o Pseudospettrali, o
orre pre
isare
he in generale il problema matemati
o da risolvere viene ridotto in
forma normale,
ioe le variabili del modello vengono fatte variare in intervallil (quando e possibile)
unitari:infatti se si ha a
he fare
on domini dis
reti nello spazio l'intervallo di studio viene ridotto,
tramite opportune operazioni di s
alamento, nell'intervallo [0; 1 per ottenere da una parte la massima pre
isione del
al
olatore e dall'altra una generalizzazione dello studio del problema spe
i
o
he fa riferimento a parametri diversi (una volta studiato la soluzione in un intervallo base si puo
tramite pro
edimento opposto riportare i valori ad ogni
aso parti
olare). Tale pro
edimento viene
utilizzato sovente an
he per
he si ha una rappresentazione quasi immediata dell'errore
ommensso.
Per esempio
onsideriamo il
aso in
ui la relazione tra u = u(t; x; y) e il dominio delle variabili
t,x e y sia denito in questo modo
[0; T [xm ; xM [ym; yM ! [min; MAX
allora si puo normalizzare in modo
he si abbia
[0; 1 [0; 1 [0; ` ! [0; 1
dove
x
`= M
yM
xm
:
ym
Capitolo 4
Nelle risoluzioni numeri
he al
al
olatore lo spazio
ontinuo delle variabili viene suddiviso in un
insieme di punti niti (
ome abbiamo gia sottolineato): tale pro
edimento non e banale e risulta
molto importante per l'ottimizzazione e la stabilita della soluzione. Consideriamo la variabile
u = u(t; x)
on t e x deniti sul rettangolo [0; 1 [0; 1 in modo
he per ogni t 2 [0; 1 u sia in
relazione uno a uno tra [0; 1,[0; 1 in [0; 1.
Consideriamo allora la
ollo
azione
i = 0; 1; :::; n + 1 :
(4:4:1)
xi = ih; h =
n+1
(4:4:2)
oppure utilizzando la
ollo
azione alla Chebishev, i nodi possono addensarsi agli estremi
xi = sin(ih)
(4:4:3)
X
u(t; x)
= um(t; x) = Li(x)ui (t)
i=0
nX
+1
i=0
(4:4:4)
(4:4:5)
dove ui (t) = u(t; xi) e i polinomi di Lagrange e le funzioni Sin
sono dati rispettivamente dalle
seguenti espressioni
(x x1) : : : (x xi
Li (x) =
(xi x1 ) : : : (xi xi
1
1
)(x
)(xi
xi+1 ) : : : (x xn )
xi+1 ) : : : (xi xn )
(4:4:6)
e
sin zi ;
Si (x; h) =
zi
zi = (x ih)
h
(4:4:7)
Le espressioni sopra possono essere utilizzate nell'approssimare le derivate parziali della variabile
u sui nodi
nX
+1
r u
(r )
ahi
(n)uh (t) ;
(
t
;
x
)
i =
xr
h=0
r = 1; 2; : : : ;
(4:4:8)
dove
dr L
a(hir) (n) = rh (xi ) ;
dx
(4:4:9)
dr Sh
(x ) ;
dxr i
(4:4:10)
(1)
dove
Y
(xi) = (xi
p6=i
xp ) ;
(xh ) =
p6=h
(xh
xp ) :
(4:4:12)
( +1)
= r ahi ahir
( )
(r 1)
+ xahhi xi
a(iir+1) =
X (r+1)
a
:
h6=i
hi
(4:4:13)
Capitolo 4
aii = 0 ;
a(2)
ji = h2 (i j )2 ;
>
>
>
>
>
>
>
>
>
>
>
>
>
>
>
: a(3)
ji =
( 1)i
h
h3
(i
a(2)
ii =
h)3
2
1
3 h
i h
(4:4:14)
;
aii = 0 :
In generale, Le interpolazioni di tipo Sin
ri
hiedono una
ollo
azione di tipo equispaziata,
mentre le
ollo
azioni di tipo Chebishe sono utilizzate per i polinomi di Lagrange. La s
elta puo
essere estesa ad un'ampia s
elta di funzioni interpolanti. Infatti in generale si parla di interpolazione
del tipo
nX
+1
u(t; x)
= un (t; x) = i(x)ui (t) ;
i=0
i (xi ) = 1 ;
i (xj ) = 0 ;
(4:4:15)
(4:4:16)
(4:4:17)
(4:4:18)
10
on le funzioni Sin
n+1 m+1
XX
u = u(t; x; y)
Si (x; h)Sj (y; h)uij (t) ;
= unm(t; x; y) =
i=0 j =0
(4:4:19)
e an
he in modo misto
n+1 m+1
XX
u = u(t; x; y)
Li (x)Sj (y; h)uij (t) :
= unm(t; x; y) =
i=0 j =0
(4:4:20)
nX
+1 m
+1
X
nm
Si (x; h)Lj (y)uij (t) ;
u = u(t; x; y)
u
(
t;
x;
y
)
=
=
i=0 j =0
dove uij (t) = u(t; xi ; yj ). In parti
olare
u(t; xi ; yj )
= unn (t; xi ; yj )
(4:4:21)
(4:4:22)
Tali interpolazioni
ome nel
aso unidimensionale possono essere utilizzazate per approssimare
le derivate parziali sui nodi. In parti
olare per i polinomi di Lagrange
nX
+1
r u
a(hir) uhj (t) ;
(
t; xi ; yj ) =
r
x
h=0
mX
+1
r u
b(kjr) uik (t) ;
(
t; xi ; yj ) =
r
y
k=0
+1
nX
+1 m
X
2u
a b u (t) ;
(t; x ; y )
xy i j = h=0 k=0 hi kj hk
(4:4:23)
(4:4:24)
dove i
oe
ienti a e b sono dati dalle espressioni riportate nelle equazioni 2-10 e 2-13
he dipendono
dal tipo di interpolazione.
Fa
iamo le seguenti osservazioni: - da
ome si puo vedere dall'equazioni, sia in una
he in due
dimensioni l'interpolazione e soddisfatta sui nodi deniti
ui (t) = un (t; xi ) ;
(4:4:25)
mentre le derivate parziali sono solo approssimate (sempre sui nodi). - quando i problemi non sono
deniti esattamente su domini rettangolari i metodi di interpolazione devono essere mofdi
ati:
Capitolo 4
11
pensiamo ad esempio a problemi in
oordinate polari; nello stesso modo o
orre introdurre delle
modi
he per i domini non niti. - o
orre stimare l'errore
he interviene nelle approssimazioni.
Questi punti verranno svolti nelle sezioni su
essive.
I problemi
he si devono arontare nella risoluzione di sistemi dierenziali del se
ondo ordine si
possono sintetizzare nelle due forme
lassi
he di Diri
hlet e in quelle di Neumann.
Nel primo
aso entrano tutti quei problemi in
ui le
ondizioni al
ontorno sono imposte
direttamente sulle variabili di stato,
ioe sperimentalmente si ries
ono a misurare le variazioni di
u(t; x) direttamente sul bordo del dominio di esistenza: per esempio la temperatura sui lati di un
muro, o la densita di vei
oli all'imbo
o di un'autostrada).
Nel se
ondo
aso rientrano quei problemi in
ui le
ondizioni vengono imposte sulla derivata
della variabile di stato: son questi i
asi in
ui si
amente non si ha a
esso direttamente
on
una misurazione al valore della variabile di stato; quindi si misurano grandezze
ome il
usso (per
esempio la
orrente ai
api di un
onduttore, il
usso degli aotovei
oli lungo un'arteria). Dal punto
di vista ingegneristi
o queste due tipologie di problema esauris
ono, singolarmente o a
oppie,
la maggior parte delle
asisti
he possibili: per questo motivo sono state sviluppate te
ni
he e
pro
edimenti
he si fo
alizzano su questi due
asi.
Quindi in questa sezione sviluppiamo i passi prin
ipali dei metodi
lassi
i di quadratura per
problemi al valore iniziale, des
ritti da equazioni alle derivate parziali del se
ondo ordine.
Sviluppiamo tutti gli aspetti
he
i serviranno
ome punto di partenza nell'arontare i problemi
non lineari
on metodi pseudospettrali: introdu
iamo questo
aso sia per vedere prati
amente
un'esempio di appli
azione del metodo sia
ome tra
ia per su
essivi dis
ussioni. In parti
olare
onsideriamo un'equazione di stato adimensionata
on le variabili normalizzate (
i mettiamo in una
12
(4:5:1)
2u
u
= (t; x) u
+
(t; x) 2 + f t; x; u;
;
x
x
x
(4:5:2)
dove , e f sono funzioni
he dipendono dalle variabili del loro argomento e il parametro di
perturbazione ` non e ne
essariamente pi
olo.
O
orre a questo punto introdurre le
ondizioni al
ontorno an
he l'equazione possa essere
risolta: stori
amente si distinguono tre
lassi prin
ipali, denominati a se
onda del matemati
o
he
ne ha studiato per primo le soluzioni:
Problema di Diri
helet
Problema di Neumann
Problema Misto
4.5.1 Problema di Diri
hlet
(4:5:1:1)
2u
u
= (t; x) u
+
(t; x) 2 + f t; x; u;
;
x
x
x
(4:5:1:2)
x 2 [0; 1 ;
(4:5:1:3)
e le
ondizioni al
ontorno per le variabili spaziali (dette appunto
ondizioni di Diri
hlet)
u(t; 0) = (t)
f t 2 [0; 1 ;
(4:5:1:4)
Capitolo 4
13
(4:5:1:5)
dove
H (s) = a0i (s) + a(n+1)i (s)
(4:5:1:6a)
(2)
K (s) = a(2)
0i (s) + a(n+1)i (s)
(4:5:1:6b)
14
(4:5:2:1)
u
= (t; x) u
+ (t; x) x
+ f
x
2
t; x; u;
u
;
x
(4:5:2:2)
f x 2 [0; 1 ;
(4:5:2:3)
and
u
(t; 1) =
(t) ;
x
f t 2 [0; 1 ;
(4:5:2:4)
Capitolo 4
15
8
nX
+1
>
1
>
>
u0 (t) =
ah0 uh ;
(t)
>
>
>
a00
>
h
=1
>
>
>
>
>
>
:::
>
>
>
>
Z t
>
n
>
X
>
>
>
ui (t) ='(xi ) +
(s; xi ) H (S ) + aji uj (s)
>
>
<
0
j =1
n
n
>
X
X
>
>
(2)
>
+(s; xi) K (s) + aji uj (s) + "f s; xi ; ui; H (s) + ajiuj (s) ds ;
>
>
>
>
j =1
j =1
>
>
>
>
>
>
:::
>
>
>
>
>
n
>
X
>
1
>
>
ah(n+1) uh :
>
: un+1 (t) = a(n+1)(n+1)
(t)
(4:5:2:5)
h=0
Il problema misto si risolve utilizzando le
ondizioni di Diri
hlet da un estremo del dominio e le
ondizioni di Neumann dall'altro, seguendo le espressioni utilizzate nei due punti pre
edenti.
In queste tre situazioni ri
adono la maggior parte dei problemi di tipo ingegneristi
o e sono la
base per qualsiasi implementazione
on metodi numeri
i.
?
Osservazioni
Con
ludiamo questa sezione a
ennando ai problemi deniti su domini illimitati. Si possono
utilizzare dei pro
edimenti simili a quelli visti in pre
edenza fa
endo in modo di trasformare, tramite
16
I1 = fx0 = 0; : : : ; xk ; : : : ; xq+1 = 1g :
(4:5:4:1)
IR ! IR
(4:5:4:2)
e
ondizioni al
ontorno
u(t; 0) = (t) ;
xlim
!1 u(t; x) = 0 :
(4:5:4:3)
1 + z = (z ) ;
(4:5:4:4)
1 z
in modo
he x 2 [0; 1) ) z 2 [0; 1). L'equazione di evoluzione puo essere ris
ritta nella forma
u
t
= 21 (1
u
z )(t; (z ))
z
2
x = log
+ (t; (z)) 14 (1
2 2
2u
z 2
1 z(1
2
u
z)
z
2
1 (1 z ) u :
(4:5:4:5)
2
z
L'appli
azione di tale metodo
i porta ad un sistema di equazioni dierenziali ordinaria per i =
0; : : : ; n + 1 in modo
he
+f
t; (z ); u;
u0 (t) = (t) ;
un+1 = 0:
(4:5:4:6)
) (xi xi ) " ;
1
Questo e un metodo onsistente per valori he de res ono verso zero all'innto.
(4:5:4:7)
Capitolo 4
17
u u
+ f t; x; y; u; x
;
;
y
(4:6:1)
(4:6:2)
o piu in generale
u = u(t; x; y)
: [0; 1 D ! IR ;
(4:6:3)
x; y 2 D ;
(4:6:4)
(4:6:5)
18
2
+2 (t; xi ; yj ) yu2ij
2
uij
+ 3(t; xi ; yj ) xy
(4:6:6)
dove
(4:6:7)
u
(t; x; y) =
(t; x; y 2 D) :
x
(4:6:8)
porta a simili sviluppi impostando pero in questo aso le ondizioni sulle derivate spaziali.
Il dis
orso sull'appli
azione dei metodi pseudospettrali non sarebbe
ompleto senza un breve
enno
alla risoluzione sistemi intergrodienziali. An
he in questo
aso si trovano moltissime appli
azioni
per il metodo di Collo
azione. Seguiamo per sempli
ita la tra
ia di un modello
ineti
o parti
olare:
+ a(t; u) u
f (t; u) = J [f
t
Z Z
D D
(4:7:1)
Capitolo 4
19
(v; w; u) du = 1 ;
f v; w 2 [0; 1 [0; 1 ;
(4:7:2)
si puo ritrovare il modello proposto da Jager e Segel in [JAa. La variabili u ha il signi
ato di
variabile di stato di un individuo
he fa parte di una popolazione omogenea di soggetti interagenti.
(v; w) e il tasso di in
ontro tra individui nello stato v e w, rispettivamente e (v; w; u) e la densitz'a
di probabilita
he dopo un in
ontro tra gli individui nello stato v e w, l'individuo nello stato v nis
a
nello stato w. Sotto al
une ipotesi, la soluzione soddisfa la relazione
d
dt
f (t; u) du = 0 ; f (t; u) 0 :
(4:7:3)
(4:7:4)
f0 (u) =f (0; u) ;
dove J [f rappresenta il termine a destra dell'Eq. (6.1). Consideriamo la
ollo
azione della variabile
u
i = 0; : : : ; m
e l'approssimazione di f
Iu = fu1 = 0; : : : ; ui ; : : : ; :um = 1g ;
X
f (t; u)
= f m(t; u) = i(u)fi (t)
i=1
(4:7:5)
(4:7:6)
dove fi(t) = f (t; ui) e i sono dei polinomi fondamentali, (per esempio di Lagrange o le funzioni Sin
). Se seguiamo i passi svolti nelle sezioni pre
edenti arriviamo al sistema di equazioni
dierenziali
m
m X
m
m
X
X
X
dfi
(
t) = a(t; ui ) aij uj +
G
f
(
t
)
f
(
t
)
f
(
t
)
Lip fp(t) ;
ipq p q
i
dt
p=0 q=0
p=0
j =0
(4:7:7)
20
dove
Gipq =
Z 1Z
0
e
Lip =
(4:7:8)
(4:7:9)
Come si puo osservare il metodo della Collo
azione si puo utilizzare an
he nella risoluzione di
problemi integrodierenziali.
I metodi numeri
i per la risoluzione di equazioni dierenziali ai valori iniziali del tipo
8
>
< dy
>
:
dt
= f (t; y);
y(0) = y0 ;
(4:8:1)
Capitolo 4
21
La possibilita odierna di avere
al
olatori di grande potenza a
osti
ontenuti rivaluta
ontinuamente le possibilita oerte dai metodi mumeri
i. Tra questi, quelli
he orono maggiori vantaggi sia
dal punto di vista della sempli
ita dell'algoritmo, sia dal punto di vista della pre
isionedei risultati
sono i Metodi Runge Kutta.
Questa famiglia di algoritmi hanno dimostrato la loro robustezza nel trattare problemi differenziali in appli
azioni di tipo ingegneristi
o. La loro sempli
ita li rende altrettanto duttili an
he
in situazioni
riti
he: infatti spesso si utilizzano tali metodi
on te
ni
he di autodimensionamento
del passo di integrazione per renderli piu e
ienti.
Per introdurre le relazioni del programma s
ienti
o utilizzato, verranno illustrati di seguito,
on un sempli
e appro
io, i passi prin
ipali per derivare l'algoritmo Runge-Kutta del 2o grado ed
inne verra riportata la struttura
ompleta dell'algoritmo Runge-Kutta del 4o ordine.
L'equazione dierenziale (4.8.1) viene approssimata nella forma
dy
dt
= f (t; y) )
y (t ) =
Z tn+1
tn
f (t)dt
f (t; y)dt
(4:8:2)
(4:8:3)
Il metodo Runge-Kutta approssima la soluzione (.3)
on uno sviluppo n serie di Taylor della funzione
f (t; y) nel punto intermedio dell'intervallo di integrazione
df
f (t; y) f (tn+ 12 ; yn+ 21 ) + (t tn+ 12 )
dt
(4:8:4)
(4:8:5)
22
L'errore
he si produ
e nella
ostruzione e dell'ordine di O(h ) ed e piu pre
iso dei metodi
utilizzati piu diusi (Eulero, Eulero-Cau
hy).
Il passo su
essivo e quello di approssimare yn 21
on l'algoritmo di Eulero, e si ottiene
3
yn+ 12
dy h
t = yn + ( )
' yn + dy
dt
dt 2
(4:8:6)
' yn + 21 hf (tn; yn )
yn+1 ' yn + K2
(4:8:7a)
h
K2 = hf (tn + ; yn+ K21 )
2
(4:8:7b)
K1 = hf (tn ; yn )
(4:8:8 )
Dalle relazioni ottenute si puo osservare
he tale algoritmo ri
hiede la
onos
enza del valore
della derivata di f nel punto nale e enel punto intermediodell'intervallo di integrazione ed il valore
della funzione y(t) nel punto iniziale dello stesso: quindi si
uramente partendo dalle
ondizione
iniziali note, l'algoritmo si autogenera. Le po
heipotesi fatte sulla funzione f
i permettono di
appli
are tale metodo
on funzioni del tutto generali, e quindi si ha possibilita di appli
arlo an
he
a sistemi non lineari.
L'ulteriore sviluppo dei passi po
anzi seguiti
i porta al Metodo Runge-Kutta del 4o ordine,
he generalmente ore un ottimo
ompromesso tra robustezza, pre
isione (O(h )) e sempli
ita.
Si fa uso di quattro gradienti,
ioe di quattro termini per approssimare il
omportamento di
f (t; y) nel punto intermedio (tn 21 ; yn 21 ). La sua forma numeri
a e:
5
1 (K + 2(K + K ) + K )
6
= hf (tn ; yn)
yn+1 = yn +
K1
h
K2 = hf (tn + ; yn+ K21 )
2
h
K3 = hf (tn + ; yn+ K22 )
2
K4 = hf (tn + h; yn + K3 ):
(4:8:8a)
(4:8:8b)
(4:8:8
)
(4:8:8d)
(4:8:8e)
Capitolo 4
23
Una volta
ostruito il modello maemati
o
he des
rive il sistema (modello
ineti
o, ma
ros
opi
o o
mi
ros
opi
o) o
orre "testare" numeri
amente il
omportamento della simulazione al
al
olatore:
questo e un punto fondamentale in vista an
he dello sviluppo su
essivo di un software appli
ativo
he
onsenta di elaborare delle simulazioni e
a
i del problema studiato. Il
al
olo dell'errore deve
essere studiato attentamente per due motivi prin
ipali:
livello di a
uratezza: il valore dell'errore
i da un'informazione diretta del livellodi a
uratezza delle soluzioni ottenute tramite il
al
olatore; questo e un indi
e di adabilita dei
risultati qualitativi ottenuti.
tempi di
al
olo: lo studio dell'errore
i porta an
he ad ottimizzare i parametri di
al
olo
(numero di nodi, passo di integrazione dt) in modo da ottimizzare le prestazioni del sistema
e ridurre il tempo ma
hina per raggiungere il grado di a
uratezza voluto. Quali sono le
prin
ipali
ause d'errore ? Nelle sezioni pre
edenti abbiamo visto
he i metodi numeri
i di
Collo
azione ed Interpolazione sono
ostruiti in modo
he la soluzione
al
olata e la soluzione
esatta
oin
idino solo nei punti di
ollo
azione: negli intervalli tra i nodi tale uguaglianza non
e garantita dal metodo di interpolazione (vedi gura).
Inoltre il
al
olo dei valori delle derivate (an
h'esso per
ostruzione) non e esatto neppure sui
punti di
ollo
azione stessi: questi due fattori, uniti agli inevitabili errori di approssimazione dei
dati e a quelli di rappresentazione dei
al
olatori,generano lo squilibrio tra la soluzione reale
er
ata
e quella virtuale ottenuta.
Non e nostro
ompito entrare nel merito dello studio teori
o della propagazione dell'errore
negli algoritmi di
al
olo utilizzati, ne addentrar
i nella teoria degli errori: pero e opportuno a
questo punto della dissertazione fare delle utili
onsiderazioni sulle possibilita oerte dal metodo di
Collo
azione per
er
are di rendere adabili le soluziono ottenute.
24
Una volta s
elto il metodo di Collo
azioe ed Interpolazione, o
orre studiare attentamente la giusta
ombinazione di tre aspetti fondamnetali:
a) tipologia di Collo
azione e famiglia di Interpolanti;
b) numero di nodi;
) passo di integrazione nel tempo.
4.10.5 Collo
azione ed Interpolazione
Nelle sezioni pre
edenti abbiamo des
ritto le te
ni
he numeri
he
he si utilizzano una volta determinate le
ongurazioni spaziale dei nodi (Chebishev, Equispaziata) e la famiglia di interpolanti
(Lagrange, Sin
).
Ma quali sono le
ondizioni della s
elta di un tipo od un altro di questi
riteri ?
Tali s
elte non sono denibili a priori, ma dipendono, in generale, dal tipo di evoluzione
he si
prevede abbia il fenomeno studiato.
Infatti quando si ha
he fare
on fenomeni di tipo sinusoidale la s
elta delle famiglie di interpolanti ri
ade sui polinomi trigonometri
i; si e osservato an
he
he quando le soluzioni
er
ate sono
dei fenomeni ondosi, le funzioni Sin
approssimano meglio la soluzione; negli altri
asi la s
elta
ri
ade sull'uso dei polinomi di Lagrange, i quali si dimostrano tanto adabili quanto sempli
i
nell'implementazione al
al
olatore.
Quindi riassumendo:
a. segnali
on
omponenti ad alte frequenze periodi
he:funzioni di Fourier;
b. segnali ondosi
on propagazione : funzioni Sin
;
. segnali lentamente variabili : funzioni di Lagrange.
Capitolo 4
25
La s
elta viene imposta sia dal tipo di funzione interpolante s
elto sia dalle
ondizioni al
ontorno
del modello studiato, mentre il numero
he deve essere dispari per ovvi motivi si determina
on
me
anismi
he vedremo nella prossima sezione.
Con le funzioni di tipo Sin
e
on quelle trigonometri
he si usa generalmente la
ollo
azione di
tipo equispaziata, in
ui l'intervallo spaziale viene suddiviso in tanti intervalli di ampiezza uguale;
al
ontrario la
ollo
azione tipo Chebyshev tende ad addensare i nodi agli estremi dell'intervallo
di studio ed e adatta a problemi in
ui le
ondizioni al
ontorno variano velo
emente.
Si pensi all'estremita di
onduttore in
ui viene iniettata una
orrente impulsiva:questo e un
esempio di problema tipo Chebyshev; mentre nel
aso di un
onduttore termi
o in
ui viene imposta
una temperatura
ostante ai lati
i troviamo in una situazione tipo equispaziata.
Questi due tipi di
ollo
azione possono essere utilizzati in modo
ongiunto: infatti sta alla
bravura dello sperimentatore prevedere zone dell'intervallo spaziale in
ui il sistema e
riti
o (punti
di dis
ontinuita, punti di forti non linearita) oppure, al
ontrario, regioni dove l'evoluzione e quasi
lineare o lentamente variabile; nel primo
aso si provvedera ad addensare la
ollo
azione, nel se
ondo
aso a diminuirla, diminuendo il
osto numeri
o ed aumentando l'a
uratezza. L'intervallo spaziale
viene suddiviso in tanti sottointervalli in
ui si ottimizza la pro
edura: gli intervalli vengono uniti
da nodi in
omune in
ui si impongono le
ondizioni di
ongruenza.
Merita un'osservazione il
aso parti
olare in
ui l'evoluzione del sistema e di tipo ondoso:
in questi
asi o
orre produrre una
ollo
azione di tipo dinami
a, in
ui i nodi si addensano e
si muovono
er
ando di seguire il fenomeno: per esempio nel
ampo della propagazione in bra
otti
a su mezzi fortemente non lineari si ha la "propagazione solitoni
a"
he e un tipi
o esempio di
ollo
azione dinami
a. In fenomeni di questo tipo vi sono funzioni interpolanti
he si prestano piu
di altri ad individuare tali fenomeni ondosi: Sin
, Ondine,e
.
In
on
lusione, la s
elta delle interpolanti e del tipo di
ollo
azione non e rigida,
ome abbiano
detto sopra, ma ri
ade soprattutto sulla
onos
enza (an
he se approssimata) e sulla pre
isione del
fenomeno in esame. Sottolineo an
ora una volta
ome i metodi pseudospettrali sono delle te
ni
he
26
Capitolo 4
27
numeri
he
he si adattano di volta in volta ai problemi studiati: tali metodi sono utili strumenti
ma
ome tali seguono l'esperienza e l'intuizione dell'ingegnere.
4.10.7 Determinazione del numero di nodi e del passo di integrazione
S
elte le funzioni interpolanti e il tipo di
ollo
azione, il passo su
essivo e quello di veri
are la
stabilita e la
onvergenza dell'algoritmo sul problema in esame: sottolineo questo punto per
he e
opportuno ri
ordare
he tale appro
io non e generale
ome lo possono essere i metodi di risoluzione
di problemi lineari, ma e strettamente
onnesso alla natura del problema trattato.
Nei modelli piu sempli
i, dove a volte si
onos
ono soluzioni analiti
he pre
ise (an
he se si
amente non idonee) si possono veri
are le
apa
ita di stabilita e
onvergenza direttamente su queste:
l'esame dell'errore e dato in questo
aso dalla dierenza tra i valori
al
olati
on l'algoritmo e i
valori della soluzione analiti
a.
Ma in generale non si hanno mai soluzioni analiti
he.
La selezione del numero di n nodi e del passo di integrazione t nel tempo puo presentare molte
28
di
olta: tale problema non e stato risolto pienamente dal punto di vista teori
o (per questo motivo
si parla di metodi Pseudospettrali), ma sono state sviluppate al
une te
ni
he
omputazionali,
he
possonodare utili indi
azioni per l'ottimizzazione del
al
olo.
Consideriamo per esempio il problema al valoe iniziale visto in pre
edenza
ome utile tra
ia
per illustrare i passi da seguire:
step 1 si ssa il numero di nodi n e si
al
ola per valori t de
res
enti la quantita:
dh = kuh uh + tk
step 2
ioe la distanza, in norma, tra i valori di u(t; xi )
al
olati
on passo h e quelli
al
olati
on
passo h + t; indi
hiamo
on hn il passo di integrazione per
ui tale dierenza
i soddisfa,
ioe
il primo valore di h tale
he
dh = kuh uh + tk = k
dove k e il valore stabile raggiunto; in teoria dovrebbe tendere a zero, in prati
a
i si puo
fermare al grado di a
uratezza in
ui si stabilizza, per esempio alla terza
ifra de
imale;
si in
rementa il numero di nodi e si pro
ede
ome nel passo 1; tale pro
edimento si itera no
a quando si raggiunge an
he in questo
aso l'a
uratezza limite, e
ioe:
dh = kun un + 1k ; h = hn :
Capitolo 4
29
Regione
A: aumentando il numero di nodi o orre partire on un passo di integrazione sempre piu pi olo,
Regione B:
ssato il numero di nodi, in
rementando il passo t si ottengono valori sempre piu pre
isi (il
termine pre
iso in questo
ontesto signi
a
he, non potendo fare un
onfronto
on la soluzione
analiti
a esatta, si
onsidera signi
ativa la stabilizzazione attorno ad un valore.);
Regione C :
Regione
lungo la diagonale otteniamo tutti i valori
he hanno la stessa pre
isione (per esempio la terza
e quarta
ifra de
imale) ed indi
ano esattamente il
osto in termini di
al
olo;
D: se leggiamo il valore lungo le righe della tabella, ioe ssato il passo di integrazione e fa endo
variare il numero di nodi, otteniamo utili informazioni sulla stabilita (vedi gura 4.10.4). Al
une
onsiderazioni sull'errore: se
onsideriamo, per esempio, un problema di tipo
ineti
o su
modelli di popolazione, l'errore potrebbe an
he essere grossolano (dell'ordine dell'1 10%); al
ontrario in problemi di tipo ingegneristi
o il livello di errore deve essere mantenuto al disotto
delle spe
i
he di progetto (in generale dell'ordine dell'0:1 0:01%).
30
Si possono fare utili
onsiderazioni an
he sul gra
o dn vs: n. Non sempre l'andamento di dn
e de
res
ente all'aumentare di n (vedi gura 4.10.5);
on i metodi di Collo
azione e Interpolazione
sovente
i si trova davanti a situazioni dierenti.
Nella gura 4.10.5 si vede una possibile
ongurazione: l'algoritmo ha un andamento di tipo
spettrale o quasi spettrale solo nella prima regione, per un intervallo di nodi nito; anzi inizialmente
si possono avere dei fenomeni di os
illazione, quando nel sistema
i sono an
ora forti errori dovuti
prin
ipalmente al basso numero di nodi e quindi alla distanza tra i punti xi ed xi + 1. Sempre
Capitolo 4
31
Riportiamo, a puro titolo di esempio, uno studio sulla propagazione dell'errore nel
aso di un
problema
he abbia soluzione analiti
a, sia nel
aso di interpolazione di tipo Lagrange sia nel
aso
di interpolazione di tipo Sin
. Consideriamo l'equazione:
u u
+
t x
u
= x
4exp( 4t)exp[ 200(x :5)
2
(4:11:1)
on
ondizione iniziale
u(0; x) = exp[
200(x :5) ;
2
8x 2 [0; 1
(4:11:2)
50)exp[ 4t;
8t 2 [0; 1:
(4:11:3)
(4:11:4)
32
Se utilizziamo la norma L1 l'errore introdotto nei due tipi di interpolazione valgono rispettivamente
ku(0; x) un (0; x)k :05;
(4:11:5)
(4:11:6)
per l'interpolazione tipo Sin
. I risultati ottenuti per questo
aso spe
i
o non sono generalizzabili
ma,
ome si puo vedere, il tipo di analisi gra
a
i da informazioni sull'e
ienza del metodo e del
Capitolo 4
33
34
Capitolo 4
35
5
Programmi s
ienti
i
e software appli
ativo
5.1 Introduzione
In questo Capitolo viene des
ritto il software utilizzato per le simulazioni del modello studiato e
vengono gettate le basi per lo sviluppo futuro del software appli
ativo.
Nei dettagli, s'introdu
ono brevemente al
uni aspetti della programmazione s
ienti
a (linguaggi, algoritmi, visualizzazione dei dati e simulazioni); in parti
olar modo si analizza il programma s
ienti
o in BASIC e il simulatore in MATLAB.
Si tra
iano le linee guida dello s
hema di funzionamento del programma
he risolve il modello
studiato nel Capitolo 3 e risolto
on i metodi numeri
i spiegati nel Capitolo 4 (infatti per la
1
La
ontinua evoluzione delle potenze delle ma
hine di
al
olo stanno in
uenzando profondamente
il rapporto tra i modelli matemati
i e la loro simulazione.
Metodi ed algoritmi
he po
hi anni fa non venivano utilizzati per i loro alti
osti di sviluppo,
adesso non solo vengono usati, ma si
er
a di migliorarne ulteriormente l'e
ienza e la
omplessita.
Il legame tra la te
ni
a di
al
olo, i metodi dell'analisi numeri
a e della matemati
a appli
ata,
la teoria della programmazione automati
a e dei linguaggi e divenuto molto stretto: nas
e quindi
l'esigenza di una strategia globale
he
er
hi di ottimizzare i vari aspetti delle dis
ipline numeri
he.
I linguaggi di programmazione hanno fatto notevoli passi avanti sia dal punto di vista della
fa
ilita d'uso, sia dal punto di vista della velo
ita d'ese
uzione: la standardizzazione di al
uni linguaggi non e andata a dis
apito delle dis
ipline s
ienti
he (an
he per
hee tali linguaggi vengono
sviluppati in tali aree). Il liguaggio C, il C++, il BASIC orono enormi potenzialita an
he ai programmatori inesperti, nel
ampo dello studio degli algoritmi di
al
olo. An
he le nuove possibilita
oerte da pa
hetti software ad ho
sono
res
iute: Matlab, Ex
el orono strumenti sia di programmazione (Matlab) sia di gra
a (Matlab, Ex
el, Gnuplot) adeguati allo sviluppo di simulazioni
numeri
he.
Capitolo 5
parti
olari; sono divenuti usuali rappresentazoni numeri
he di tipo
oating point a 8, 16, 32
byte,
he permettono il
al
olo
on pre
isioni sempre
res
enti;
apa ita di immagazzinamento per elaborare in modo e iente e velo e gli algoritmi numeri i;
potenza di al olo:
sviluppo bassi; l'e
onomi
ita dei
al
olatori da tavolo, sempre piu e
ienti, ha permesso
l'utilizzo degli strumenti del
al
olo numeri
o in molti settori della s
ienza appli
ata non in
lini
all'integrazione numeri
a.
Quindi, sostanzialmente, vento a
adere (almeno per le situazioni di simulazione normali)
il problema dell'e
onomi
ita del
al
olo, nas
e il problema dell'integrazione e dello sviluppo di
algoritmi e
ienti. Le potenzialita oerte da struenti quali Internet, permette la nas
ita e lo
sviluppo di ban
he dati, in
ui si ra
olgono, tradotti in vari linguaggi, le maggiori routines di
al
olo
in
ir
olazione; il problema importante diventa quindi l'ottimizzazione delle te
ni
he numeri
he
riferite al problema studiato.
L'uni
o indirizzo
he o
orre tenere nel
ostruire un programma di simulazione e quello di
reare per quanto e possibile programmi ben strutturati: o
orre
ioe far largo uso di pro
edure
e di strutture a blo
hi, in modo da poter adattare velo
emente i programmi studiati ai
asi
parti
olari. Osserviamo per esempio in gura: ogni singolo blo
o puo essere di volta in volta
trasformato (persino durante l'ese
uzione della simulazione) per
ontenere di volta in volta il tipo
di
ollo
azione, di interpolante, l'algoritmo e il passo di integrazione piu e
ienti.
Per eettuare la simulazione del modello introdotto nel Capitolo 3 abbiamo utilizzato al
une routines s
ritte in linguaggio BASIC, utilizzando
ome interprete il QBASIC della Mi
rosoft. La s
elta
di questo tipo di linguaggio e stata fatta per due motivi prin
ipali:
sempli
ita d'uso, per
oloro
he volessero sviluppare,
on gli stessi modelli, altri tipi di problemi;
futuro sviluppo di programmi \user" nel linguaggio Visul Basi
; in questo modo vengono forniti
tutte le basi del software s
ienti
o per il lavoro su
essivo,
he verra sviluppato nel seguito
del progetto.
Nei paragra seguenti analizzeremo i singoli moduli e le subroutines,
he
ompongono il pro-
gramma di simulazione, sottolineando soprattutto la loro funzione logi
a e il loro interfa
iamento
nel programma prin
ipale.
Dall'analisi
ompiuta si potranno fa
ilmente sintetizzare programmi di simulzione
on altri
linguaggi (C,
maggiormente il ruolo svolto dai blo
hi logi
i e la loro individuazione per fa
ilitare meglio la
omprensione dei metodi numeri
i utilizzati e fa
ilitarne i su
essivi sviluppi.
Nella g. 1 e stato riprodotto il diagramma funzionale del programma di simulazione (e non il
diagramma di
usso) e l'interfa
iamento dei vari blo
hi.
Per lo sviluppo dei problemi inerenti all'ottimizzazione del programma dal punto di vista
software si rimanda alla sezione Programma
in C: sviluppi.
Capitolo 5
Capitolo 5
FOR i = 1 TO nx
pi1(i) = 1
FOR k = 1 TO nx
IF k <> i THEN pi1(i) = pi1(i) * (x(i) - x(k))
NEXT k
NEXT i
FOR i = 1 TO nx
FOR j = 1 TO nx
IF i = j THEN GOTO 370
REM *********************************************
REM * CALCOLO GLI ELEMENTI NON DIAGONALI *
REM *********************************************
d(j, i) = 1
FOR k = 1 TO nx
IF k <> i AND k <> j THEN d(j, i) = d(j, i) * (x(j) - x(k))
NEXT k
d(j, i) = d(j, i) / pi1(i)
NEXT j
REM *********************************************
REM * CALCOLO DEGLI ELEMENTI SULLA DIAGONALE *
REM *********************************************
d(i, i) = 0
FOR k = 1 TO nx
IF k <> i THEN d(i, i) = d(i, i) + 1 / (x(i) - x(k))
NEXT k
NEXT i
REM *********************************************
REM * MATRICE DELLE DERIVATE SECONDE *
REM *********************************************
FOR i = 1 TO nx
FOR j = 1 TO nx
d2(i, j) = 0
FOR k = 1 TO nx
d2(i, j) = d2(i, j) + d(i, k) * d(k, j)
NEXT k
NEXT j
NEXT i
i metodi numeri i
Capitolo 5
Prima di eseguire tale blo
o o
orre introdurre tutti i parametri
he
aratterizzano il modello,
soprattutto la
ondizione iniziale n(0; x), da
ui parte il
al
olo dell'algoritmo Runge-Kutta:
...
REM * VALORI INIZIALI u(0,X) *
1010 t = 0
1020 iprint = 1
1030 FOR ix = 1 TO nx
1040 u(ix) = beta
1050 NEXT ix
...
Nel
odi
e
he segue sono da sottolineare le frequenti
hiamate alla subroutine del modello
(GOSUB
3000),
quindi o orre in aso di traduzione on altri linguaggi fare un po d'attenzione (vedi
Programma in C: sviluppi):
...
930 h2 = dt / 2
940 h6 = dt / 6
..
2001 REM * Fourth-order Runge-Kutta
2010 FOR i = 2 TO nx1
2020 urk(i) = u(i)
2040 NEXT i
2050 GOSUB 3000
2060 t = t + h2
2070 FOR i = 2 TO nx1
2080 k1(i) = rhs(i): urk(i) = u(i)
2100 NEXT i
2110 GOSUB 3000
2120 FOR i = 2 TO nx1
2130 k2(i) = rhs(i): urk(i) = u(i)
2150 NEXT i
2160 GOSUB 3000
2170 t = t + h2
2180 FOR i = 2 TO nx1
2190 k3(i) = rhs(i): urk(i) = u(i)
2210 NEXT i
2220 GOSUB 3000
2230 FOR i = 2 TO nx1
subroutine *
+ h2 * k1(i)
+ h2 * k2(i)
+ dt * k3(i)
10
k4(i) = rhs(i)
u(i) = u(i) + h6 * (k1(i) + 2 * (k2(i) + k3(i)) + k4(i))
NEXT i
REM * End of Runge-Kutta routine *
RETURN
END
8
>
< dy
= f (t; y);
dt
>
: y(0) = y0;
(5:2:1)
dove f (t; y) e la funzione he des rive il sistema. Nel nostro aso il nostro modello e osi fatto:
n
n
2 n
n
=g(t; x; n) + h(t; x; n) 2 + d(t; x; n)( )2 =
t
x
x
x
2
n
n
n
n
= + (1 2n) = n(1 n) 2 + (1 2n)( )2 :
t
x
x
x
(5:2:2)
Tale blo
o deve fornire all'algoritmo di integrazione nel tempo i valori di
ui ne
essita: abbiamo
visto
ome nell'algoritmo Runge-Kutta questo blo
o viene ri
hiamato 4 volte per
al
olare i quattro
gradienti (k1,
k2, k3 e k4).
In questo blo
o si devono inserire tutti i
ondizionamenti del problema studiato: o
orre
trasformare le
aratteristi
he della simulazione in altrettante istruzioni software. I blo
hi prin
ipali
in
ui e suddiviso sono:
1)
ondizioni al
ontorno : si devono denire le funzioni del problema di Diri
hlet o di Neumann; le righe di
odi
e nel programma BASIC nel
aso del problema di Diri
hlet
on funzione
as
illante su un lato sono:
...
3010 u(1) = beta + gamma * SIN(Ti * pi * t): urk(1) = u(1)
3020 u(nx) = beta: urk(nx) = u(nx)
...
Capitolo 5
11
Queste righe di
odi
e sono esattamente all'inizio del blo
o, poi
he an
he questi due valori
sono ne
essari per il
al
olo eettuato in 2;
2)
al
olo delle derivate : ogni volta
he si valuta la funzione del modello si devono
al
olare
i valori delle derivate utilizzando le matri
i
al
olate nel blo
o degli interpolanti; vediamo:
...
3050
3060
3070
3080
3090
3100
3110
3120
...
3)
FOR ix = 2 TO nx1
du(ix) = 0
ddu(ix) = 0
FOR kx = 1 TO nx
du(ix) = du(ix) + d(ix, kx) * urk(kx)
ddu(ix) = ddu(ix) + d2(ix, kx) * urk(kx)
NEXT kx
NEXT ix
la des
rizione matemati
a del modello: o
orre implementare tramite opportune istruzioni software il
omportamento del modello:
...
3130 FOR ix = 2 TO nx1
3200 rhs(ix)=-(1-2*urk(ix))*du(ix)
+alpha*(urk(ix)*(1-urk(ix))*ddu(ix)+du(ix)*du(ix)*(1-2*urk(ix)))
3210 NEXT ix
3290 RETURN
9299 END
...
4)
i parametri: e una ulteriore modi
a delle righe di
odi
e del punto 3; infatti se si vogliono impostare
ondizioni parti
olari nel sistema (per esempio la dipendenza dallo spazio dei parametri
del modello)
....
3130 FOR ix = 2 TO nx1
12
dove si e implementata la
ondizione in
ui vi sia una diminuzione di velo
ita in un tratto di strada
(nodi 5,6 e 7).
Sempre in vista di una futura implementazione software
on un programma appli
ativo (enon pura
: MATLAB
mente s
ienti
o), si e programmato un simulatore in linguaggio s
ript di MATLAB
e un pa
hetto software per il
al
olo s
ienti
o prodotto da The Math Works,In
. Il lavoro eseguito
e stato svolto nei seguenti passi:
1. traduzione in MATLAB s
ript dell'algoritmo di risoluzione;
2.
reazione di una sempli
e interfa
ia \user";
3.
reazione di al
une routines di visualizzazione per analizzare il
omportamento del modello
on i
omandi di Matlab.
6
Simulazioni
In questo
apitolo vengono riportati i risultati delle simulazioni fatte
on il software svilupato.
La des
rizione dei programmi software e dei problemi simulati e stata fatta nel Capitolo 5.
I gra
i sono stati ottenuti dalla su
essiva elaborazione dei le di output generati dal programma Basi
attraverso l'utilizzo del programma MATLAB
. A
anto ad ogni gruppo di gra
i
e stata redatta una s heda riepilogativa he sottolinea al une osservazioni sul problema spe i o.
Capitolo 6
Simulazioni
Capitolo 6
Simulazioni
Figura 4: Problema di Diri hlet on ondizione al ontorno impulsiva on e senza presenza di restringimento