Metodos Numericos para Fenomenos de Transporte

Mtodos Numricos en Fenmenos de Transporte.
e e o
Norberto Nigro <nnigro@intec.unl.edu.ar> Mario Storti <mstorti@intec.unl.edu.ar> Centro Internacional de mtodos Computacionales en Ingenier e a http://www.cimec.org.ar 27 de junio de 2003
Indice General
1 Modelos s cos y matemticos a 1.1 Conceptos introductorios . . . . . . . . . . . . . . . . . . . . . . . . . . 1.1.1 Postulado del continuo . . . . . . . . . . . . . . . . . . . . . . . 1.1.2 Tipos de ujo . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.1.3 La solucin a los problemas de mecnica de uidos . . . . . . . o a 1.1.4 Unidades . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.1.5 Propiedades de los uidos . . . . . . . . . . . . . . . . . . . . . . 1.2 Cinemtica de uidos . . . . . . . . . . . . . . . . . . . . . . . . . . . . a 1.2.1 El volmen material . . . . . . . . . . . . . . . . . . . . . . . . . u 1.2.2 El principio de conservacin de la cantidad de movimiento lineal o 1.3 TP.I.- Trabajo Prctico #1 . . . . . . . . . . . . . . . . . . . . . . . . . a Niveles dinmicos de aproximacin a o 2.0.1 Introduccin . . . . . . . . . . . . . . . . . . . o 2.1 Las ecuaciones de Navier-Stokes . . . . . . . . . . . . 2.1.1 Modelo de uido incompresible . . . . . . . . . 2.1.2 Las ecuaciones de Navier-Stokes promediadas 2.1.3 Aproximacin Thin shear layer (TSL) . . . o 2.1.4 Aproximacin Navier-Stokes parabolizada . . . o 2.1.5 Aproximacin de capa l o mite . . . . . . . . . . 2.2 Modelo de ujo inv scido . . . . . . . . . . . . . . . . 2.2.1 Propiedades de las soluciones discontinuas . . 2.3 Flujo potencial . . . . . . . . . . . . . . . . . . . . . . 2.3.1 Aproximacin de pequeas pertubaciones . . o n 2.3.2 Flujo potencial linealizado . . . . . . . . . . . 9 9 9 10 11 12 13 15 15 16 36 39 39 40 41 42 43 44 45 45 46 48 50 50 51 51 54 54 57 59 60
. . . . . . . . . .
. . . . . . . . . .
. . . . . . . . . .
. . . . . . . . . .
. . . . . . . . . .
. . . . . . . . . .
. . . . . . . . . .
. . . . . . . . . .
. . . . . . . . . . . .
. . . . . . . . . . . .
. . . . . . . . . . . .
. . . . . . . . . . . .
. . . . . . . . . . . .
. . . . . . . . . . . .
. . . . . . . . . . . .
. . . . . . . . . . . .
. . . . . . . . . . . .
. . . . . . . . . . . .
. . . . . . . . . . . .
. . . . . . . . . . . .
. . . . . . . . . . . .
. . . . . . . . . . . .
. . . . . . . . . . . .
. . . . . . . . . . . .
. . . . . . . . . . . .
. . . . . . . . . . . .
3 .- Naturaleza matemtica de las ecuaciones a 3.1 .1.- Introduccin . . . . . . . . . . . . . . . . . . . . . . o 3.2 .2.- Supercies caracter sticas. Soluciones del tipo ondas 3.3 .3.- Ecuaciones diferenciales parciales de segundo rden o 3.4 .4.- Denicin general de supercie caracter o stica . . . . 3.5 Dominio de dependencia - zona de inuencia . . . . . . 3.6 .6.- Condiciones de contorno e iniciales . . . . . . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
INDICE GENERAL
INDICE GENERAL
3.6.1 3.6.2
Introduccin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . o MatLab como software de aplicacin . . . . . . . . . . . . . . . . . . . . . . . . o
61 62 72 72 72 74 74 75 75 77 78 79 83 85 86 88 89 91 92 94 95 95 96 98 99 100 103 104 104 105 111 112 117 118 118 120 122 123
4 Mtodo de diferencias nitas e 4.1 Diferencias nitas en 1D . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.1.1 Desarrollo en Serie de Taylor . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.1.2 Aproximaciones de mayor orden . . . . . . . . . . . . . . . . . . . . . . . . . 4.1.3 Aproximacin de derivadas de orden superior . . . . . . . . . . . . . . . . . . o 4.1.4 Nmero de puntos requeridos . . . . . . . . . . . . . . . . . . . . . . . . . . . u 4.1.5 Solucin de la ecuacin diferencial por el mtodo de diferencias nitas . . . . o o e 4.1.6 Ejemplo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.1.7 Anlisis de error. Teorema de Lax . . . . . . . . . . . . . . . . . . . . . . . . a 4.1.8 Condiciones de contorno tipo Neumann (ujo impuesto) . . . . . . . . . . . 4.2 Problemas no-lineales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.2.1 Ejemplo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.2.2 Mtodo secante . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . e 4.2.3 Mtodo tangente . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . e 4.3 Precisin y nmero de puntos en el esquema de diferencias nitas . . . . . . . . . . . o u 4.4 Mtodo de diferencias nitas en ms de una dimensin . . . . . . . . . . . . . . . . . e a o 4.5 Aproximacin en diferencias nitas para derivadas parciales . . . . . . . . . . . . . . o 4.5.1 Stencil del operador discreto . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.6 Resolucin del sistema de ecuaciones . . . . . . . . . . . . . . . . . . . . . . . . . . . o 4.6.1 Estructura banda . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.6.2 Requerimientos de memoria y tiempo de procesamiento para matrices banda 4.6.3 Ancho de banda y numeracin de nodos . . . . . . . . . . . . . . . . . . . . . o 4.7 Dominios de forma irregular . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.7.1 Inmersin del dominio irregular en una malla homognea . . . . . . . . . . . o e 4.7.2 Mapeo del dominio de integracin . . . . . . . . . . . . . . . . . . . . . . . . o 4.7.3 Coordenadas curvil neas ortogonales . . . . . . . . . . . . . . . . . . . . . . . 4.7.4 Ejemplo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.7.5 Mallas generadas por transformacin conforme . . . . . . . . . . . . . . . . . o 4.8 La ecuacin de conveccin-reaccin-difusin . . . . . . . . . . . . . . . . . . . . . . . o o o o 4.8.1 Interpretacin de los diferentes trminos . . . . . . . . . . . . . . . . . . . . . o e 4.8.2 Discretizacin de la ecuacin de adveccin-difusin . . . . . . . . . . . . . . . o o o o 4.8.3 Desacoplamiento de las ecuaciones . . . . . . . . . . . . . . . . . . . . . . . . 4.8.4 Esquemas de diferencias contracorriente (upwinded) . . . . . . . . . . . . . . 4.8.5 El caso 2D . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.8.6 Resolucin de las ecuaciones temporales . . . . . . . . . . . . . . . . . . . . . o 4.9 Conduccin del calor con generacin en un cuadrado . . . . . . . . . . . . . . . . . . o o
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
5 Tcnicas de discretizacin e o 125 5.1 Mtodo de los residuos ponderados . . . . . . . . . . . . . . . . . . . . . . . . . . . . 125 e 5.1.1 Introduccin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 125 o 5.1.2 Aproximacin por residuos ponderados . . . . . . . . . . . . . . . . . . . . . . 128 o 2
[Document version: 1.21. File version: $Id: curso.tex,v 1.24 2003/06/25 21:55:48 mstorti Exp $]
INDICE GENERAL
INDICE GENERAL
5.1.3 5.1.4 5.1.5 5.1.6 5.1.7 5.1.8 5.1.9 6
Residuos ponderados para la resolucin de ecuaciones diferenciales o Condiciones de contorno naturales . . . . . . . . . . . . . . . . . . Mtodos de solucin del contorno . . . . . . . . . . . . . . . . . . e o Sistema de ecuaciones diferenciales . . . . . . . . . . . . . . . . . Problemas no lineales . . . . . . . . . . . . . . . . . . . . . . . . . Conclusiones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . TP.chapV Trabajo Prctico #2 . . . . . . . . . . . . . . . . . . . a
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
130 137 138 139 140 144 145 149 149 151 155 157 157 158 163 163 164 165 166 168 171 171 171 173 176 178 179 179 180 184 186 190 190 193 194 194 195 198 200 200 201 3
Mtodo de los elementos nitos e 6.1 Introduccin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . o 6.2 Funciones de forma locales de soporte compacto . . . . . . . . . . . . . . . . . . . . . 6.3 Aproximacin a soluciones de ecuaciones diferenciales. Requisitos sobre la continuidad o de las funciones de forma . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6.4 Formulacin dbil y el mtodo de Galerkin . . . . . . . . . . . . . . . . . . . . . . . . o e e 6.5 Aspectos computacionales del mtodo de los elementos nitos . . . . . . . . . . . . . e 6.5.1 Ejemplo 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6.5.2 Ejemplo 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6.5.3 Ejemplo 3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6.6 Interpolacin de mayor orden en 1D . . . . . . . . . . . . . . . . . . . . . . . . . . . . o 6.6.1 Grado de las funciones de prueba y velocidad de convergencia . . . . . . . . . 6.6.2 Funciones de forma de alto orden standard de la clase C 0 . . . . . . . . . . . 6.7 Problemas con adveccin dominante - Mtodo de Petrov-Galerkin . . . . . . . . . . . o e 6.8 El caso multidimensional . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6.8.1 Introduccin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . o 6.8.2 Elemento triangular . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6.8.3 Elemento cuadrangular . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6.8.4 Transformacin de coordenadas . . . . . . . . . . . . . . . . . . . . . . . . . . o 6.8.5 Integracin numrica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . o e 6.9 Problemas dependientes del tiempo . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6.9.1 Discretizacin parcial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . o 6.9.2 Discretizacin espacio-temporal por elementos nitos . . . . . . . . . . . . . . o 6.10 El mtodo de los elementos nitos aplicado a las leyes de conservacin . . . . . . . . . e o 6.11 TP.VI- Trabajo Prctico . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . a Mtodo de los vol menes nitos e u 7.1 Introduccin . . . . . . . . . . . . . . . . . . . . . . . o 7.2 Formulacin del mtodo de los volmenes nitos . . o e u 7.2.1 Mallas y volmenes de control . . . . . . . . . u 7.3 El mtodo de los volmenes nitos en 2D . . . . . . . e u 7.3.1 Evaluacin de los ujos convectivos . . . . . . o 7.3.2 Frmulas generales de integracin . . . . . . . o o 7.4 El mtodo de los volmenes nitos en 3D . . . . . . . e u 7.4.1 Evaluacin del area de las caras de la celda . . o 7.4.2 Evaluacin del volmen de la celda de control o u
. . . . . . . . .
. . . . . . . . .
. . . . . . . . .
. . . . . . . . .
. . . . . . . . .
. . . . . . . . .
. . . . . . . . .
. . . . . . . . .
. . . . . . . . .
. . . . . . . . .
. . . . . . . . .
. . . . . . . . .
. . . . . . . . .
. . . . . . . . .
. . . . . . . . .
. . . . . . . . .
. . . . . . . . .
. . . . . . . . .
INDICE GENERAL
INDICE GENERAL
7.5 8
TP.VII.- Trabajo Prctico . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 203 a 206 206 206 209 210 212 213 215 219 222 223 223 224 225 228 228 228 233 236 238 239 244 244 246 250 254 259 265 265 265 269 270 271 272 274 274 275 275 275 278 280 4
Anlisis de esquemas numricos a e 8.1 Introduccin . . . . . . . . . . . . . . . . . . . . . . o 8.2 Deniciones bsicas . . . . . . . . . . . . . . . . . . a 8.3 Consistencia . . . . . . . . . . . . . . . . . . . . . . 8.4 Estabilidad . . . . . . . . . . . . . . . . . . . . . . . 8.5 El mtodo de Von Neumann . . . . . . . . . . . . . e 8.5.1 Factor de amplicacin . . . . . . . . . . . . o 8.5.2 Extensin al caso de sistema de ecuaciones . o 8.5.3 Anlisis espectral del error numrico . . . . a e 8.5.4 Extensin a esquemas de tres niveles . . . . o 8.5.5 El concepto de velocidad de grupo . . . . . . 8.5.6 Anlisis de Von Neumann multidimensional a 8.6 Convergencia . . . . . . . . . . . . . . . . . . . . . . 8.7 TP. Trabajo Prctico . . . . . . . . . . . . . . . . . . a
. . . . . . . . . . . . .
. . . . . . . . . . . . .
. . . . . . . . . . . . .
. . . . . . . . . . . . .
. . . . . . . . . . . . .
. . . . . . . . . . . . .
. . . . . . . . . . . . .
. . . . . . . . . . . . .
. . . . . . . . . . . . .
. . . . . . . . . . . . .
. . . . . . . . . . . . .
. . . . . . . . . . . . .
. . . . . . . . . . . . .
. . . . . . . . . . . . .
. . . . . . . . . . . . .
. . . . . . . . . . . . .
. . . . . . . . . . . . .
. . . . . . . . . . . . .
. . . . . . . . . . . . .
9 Mtodos iterativos para la resolucin de ecuaciones lineales e o 9.1 Conceptos bsicos de mtodos iterativos estacionarios . . . . . . . . a e 9.1.1 Notacin y repaso . . . . . . . . . . . . . . . . . . . . . . . . o 9.1.2 El lema de Banach . . . . . . . . . . . . . . . . . . . . . . . . 9.1.3 Radio espectral . . . . . . . . . . . . . . . . . . . . . . . . . . 9.1.4 Saturacin del error debido a los errores de redondeo. . . . . o 9.1.5 Mtodos iterativos estacionarios clsicos . . . . . . . . . . . . e a 9.2 Mtodo de Gradientes Conjugados . . . . . . . . . . . . . . . . . . . e 9.2.1 Mtodos de Krylov y propiedad de minimizacin . . . . . . . e o 9.2.2 Consecuencias de la propiedad de minimizacin. . . . . . . . o 9.2.3 Criterio de detencin del proceso iterativo. . . . . . . . . . . o 9.2.4 Implementacin de gradientes conjugados . . . . . . . . . . . o 9.2.5 Los verdaderos residuos. . . . . . . . . . . . . . . . . . . . . 9.2.6 Mtodos CGNR y CGNE . . . . . . . . . . . . . . . . . . . . e 9.3 El mtodo GMRES . . . . . . . . . . . . . . . . . . . . . . . . . . . . e 9.3.1 La propiedad de minimizacin para GMRES y consecuencias o 9.3.2 Criterio de detencin: . . . . . . . . . . . . . . . . . . . . . . o 9.3.3 Precondicionamiento . . . . . . . . . . . . . . . . . . . . . . . 9.3.4 Implementacin bsica de GMRES . . . . . . . . . . . . . . . o a 9.3.5 Implementacin en una base ortogonal . . . . . . . . . . . . . o 9.3.6 El algoritmo de Gram-Schmidt modicado . . . . . . . . . . . 9.3.7 Implementacin eciente . . . . . . . . . . . . . . . . . . . . . o 9.3.8 Estrategias de reortogonalizacin . . . . . . . . . . . . . . . . o 9.3.9 Restart . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9.3.10 Otros mtodos para matrices no-simtricas . . . . . . . . . . e e 9.3.11 Gu Nro 3. GMRES . . . . . . . . . . . . . . . . . . . . . . . a 9.4 Descomposicin de dominios. . . . . . . . . . . . . . . . . . . . . . . o
. . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . .
INDICE GENERAL
INDICE GENERAL
9.4.1
Condicionamiento del problema de interfase. Anlisis de Fourier. . . . . . . . . 281 a
Introduccin. Contenidos del curso o

Este curso bsico sobre CFD siguiendo los lineamientos del libro de C. Hirsch [Hirsch] se divide en 2 a partes: 1. Fundamentos y tcnicas generales aplicables a los fenmenos de transporte en general y al ujo e o de calor y de uidos en particular (a) MODELOS FISICOS Y MATEMATICOS EN CFD (b) APROXIMACIONES DINAMICAS (c) NATURALEZA MATEMATICA DE LAS ECUACIONES (d) TECNICAS DE DISCRETIZACION GLOBAL (e) METODOS ESPECTRALES (f) TECNICAS DE DISCRETIZACION LOCAL (g) METODOS DE ELEMENTOS FINITOS (h) TECNICAS DE DISCRETIZACION LOCAL (i) METODOS DE VOLUMENES FINITOS (j) ANALISIS NUMERICO DE ESQUEMAS DISCRETOS (k) RESOLUCION DE ECUACIONES DISCRETIZADAS (l) APLICACIONES 2. Tcnicas espec e cas aplicables a problemas de mecnica de uidos y transferencia de calor. a (a) FLUJO INVISCIDO COMPRESIBLE (b) FLUJO VISCOSO COMPRESIBLE (c) FLUJO VISCOSO INCOMPRESIBLE (d) TOPICOS ESPECIALES La primera parte del curso consiste en presentar los principios generales sobre los que se apoyan los modelos f sicos que interpretan muchas de las situaciones experimentales en mecnica de uidos y a transferencia de calor. Mediante una visin del material propia de la mecnica del continuo se obtiene o a posteriormente un modelo matemtico que en general consiste de un conjunto de ecuaciones a derivadas a parciales con o sin restricciones y con sus respectivos valores de contorno e iniciales que completan su 6
INDICE GENERAL
INDICE GENERAL
denicin. Dada la complejidad matemtica de estos modelos, salvo en situaciones muy particulares o a en las cuales se pueden obtener soluciones anal ticas, requieren de su resolucin numrica con lo o e cual se hace necesario presentar las diferentes tcnicas de discretizacin habitualmente empleadas e o en problemas de transporte de calor y momento. Debido al diferente carcter de las ecuaciones a diferenciales, tanto en su visin continua como en su contraparte discreta y a la presencia de ecuaciones o adicionales en los contornos, tambien discretizadas, se requiere un minucioso anlisis de los esquemas a numricos empleados previo a su resolucin, con el n de poder interpretar las tcnicas numricas desde e o e e el punto de vista de la precisin, la convergencia, la consistencia y la estabilidad. A continuacin se o o aborda el tema de la resolucin numrica delsistema algebraico/diferencial de ecuaciones que surge de o e la discretizacin empleada. Este tpico tiene alta incidencia en la factibilidad de resolver problemas o o numricos ya que de acuerdo al problema en mano y a los recursos computacionales disponibles muestra e las diferentes alternativas para su resolucin. Esta primera parte naliza con una serie de aplicaciones o de los conceptos adquiridos a la resolucin de las ecuaciones de conveccin difusin tanto en su version o o o estacionaria como transiente, desde el simple caso unidimensional al multidimensional, considerando el caso lineal como el no lineal representado por la ecuacin de Brgers. Este modelo sencillo tiene o u especial inters dada la similitud que presenta con la estructura de las ecuaciones que conforman la e mayoria de los modelos matemticos mas frecuentemente usados en mecnica de uidos y transferencia a a de calor. En esta primera parte del curso se introducirn en forma de trabajos prcticos y cuando la a a explicacin terica lo requiera algunos ejemplos a resolver tanto anal o o tica como numricamente. dado e que esta parte es introductoria se vern modelos simplicados de aquellos comnmente empleados a u en CFD pero que contienen muchas de las caracter sticas matemtico/numricas propias de aquellos a e y que lo hacen atractivos en pos de ir incorporando conceptos, necesarios para abordar la segunda parte, en forma gradual. Paralelamente con el curso terico se desarrollarn talleres sobre los aspectos o a prcticos a cubrir en esta primera parte. Debido a que el enfoque del curso est orientado hacia los a a fundamentos y el aprendizaje de las tcnicas que estn impl e a citas en todo cdigo computacional se o hace necesario programar por uno mismo algunas aplicaciones vistas en la seccin terica. Ya que o o esto dif cilmente se encuentra en un paquete comercial y dado que el grado de avance que actualmente existe en el area de software educativo est bastante lejos de poder contar con herramientas aptas para a la enseanza se hace necesario elegir algn entorno que sea ameno para el usuario y potente para el n u ambicioso plan de aprender mtodos numricos desde cero. En este sentido consideramos que el uso e e de MatLab puede ser muy benecioso por varias razones, a saber: 1. cuenta con muchas rutinas de alto nivel y otras de bajo nivel que permite ubicarse muchas veces en diferentes niveles o jerarquias con lo cual cada uno puede optar por el rol que mas le gusta, 2. es un lenguaje de programacin, por lo tanto crear rutinas muy espec o cas, 3. gran y eciente interaccin entre clculo y grcos, o a a 4. posibilidad de debugear aplicaciones en forma interactiva. No obstante, por razones de eciencia y para cuando la necesidad lo requiera es necesario contar con conocimientos de lenguajes de programacin ms orientados a simulaciones de gran escala, como o a por ejemplo el Fortran y el C o C++. Sin entrar en detalles acerca de la programacin el curso incluye o el manejo de un programa de elementos nitos para la resolucin de algunos de los problemas incluidos o
[Document version: 1.21. File version: $Id: tema0.tex,v 1.3 2003/04/21 17:14:13 mstorti Exp $]
INDICE GENERAL
INDICE GENERAL
en la primera parte del curso. Este software ser utilizado en la segunda parte del curso para resolver a problemas de ujos compresibles e incompresibles que requieren mucha mayor potencia de clculo. a La segunda parte del curso trata acerca de las tcnicas espec e cas empleadas en la resolucin de o problemas de mecnica de uidos. Bsicamente se tomar en primera instancia el caso de ujo inv a a a scido compresible representado por el modelo de las ecuaciones de Euler y posteriormente se tratar el caso a viscoso tanto compresible como incompresible modelado por las ecuaciones de Navier-Stokes. En cada uno de estos cap tulos se volcarn los conceptos aprendidos en la primera parte del curso para disear a n y analizar esquemas numricos que permitan resolver estos casos particulares. Dada la complejidad e del problema surgen naturalmente restricciones muy severas en cuanto a la resolucin numrica de las o e ecuaciones lo cual hace necesario explorar tcnicas iterativas espec e casa tal n. Como las soluciones numricas en los problemas de ujos de uidos son altamente dependiente de la malla se hace necesario e introducir nociones bsicas sobre generacin de mallas en CFD . Este tema forma parte del grupo de a o tpicos especiales. Otro de los temas especiales a tratar es el modelado de la turbulencia. Es bien o sabido que la mayor de los problemas de inters son gobernados por condiciones de ujo turbulento. a e Se ver a modo de introduccin algunos modelos algebraicos t a o picos en los casos de ujos internos y externos asi como algunos modelos basados en ecuaciones a derivadas parciales como el caso del bien popular mtodo . Finalmente cierra esta seccin de tpicos especiales el tratamiento de problemas e o o con dominios variables en el tiempo.
Cap tulo 1
Modelos s cos y matemticos a

En este cap tulo se presentan los principios o leyes f sicas que gobiernan el ujo de uidos, las reglas que denen el comportamiento de los materiales involcucrados, los relaciones termodinmicas entre a las variables que caracterizan el fenmeno y nalmente los modelos matemticos conformados por o a sistemas de ecuaciones diferenciales que sern el punto de partida hacia la bsqueda de soluciones a a u diversos problemas de mecnica de uidos y transferencia de calor. a
1.1
Conceptos introductorios
En esta seccin mencionaremos algunos conceptos bsicos necesarios para conformar el marco terico o a o para el tratamiento de los problemas a resolver.
1.1.1
Postulado del continuo
Partiendo de una descripcin molecular de la materia podemos poner atencin en el movimiento de o o ellas en forma individual o formar un cluster que agrupe a muchas de ellas y estudiar el movimiento del mismo. La idea del cluster equivale a una especie de promediacin estad o stica que tiene sentido si las escalas de inters a ser resueltas son mucho mayores que el camino libre medio de las molculas. e e Esta visin fenomenolgica hace que el medio sea interpretado como un continuo a diferencia de la o o visin microscpica que mira al material desde una aproximacin a las part o o o culas. Desde la ptica o del continuo las variables a resolver se asumen variar en forma continua respecto a las coordenadas espaciales y al tiempo. En la aproximacin del continuo la operacin de promediacin antecede a la o o o aplicacin del principios termomecnicos. En la aproximacin de part o a o cula se suelen plantear las leyes f sicas a la escala microscpica y estudiar los fenmenos que ocurren a esa escala. Si realizramos la o o a promediacin despus de aplicar los principios termomecnicos deber o e a mos encontrar el mismo resultado que aquel que surge de la mecnica del continuo. De todos modos esto ultimo no es muy prctico ya a a que a menudo la informacin microscpica que se dispone es muy escasa como para poder plantear un o o modelo a tan pequea escala para despus saltar mediante la promediacin a la macroescala, de real n e o inters a los nes ingenieriles. e
Cap tulo 1. Modelos fis cos y matematicos
Seccin 1.1. Conceptos introductorios o
1.1.2
Tipos de ujo
Compresible e incompresible Un uido se considera incompresible si su densidad experimenta cambios despreciables frente a cambios apreciables en la temperatura y la presin. Despreciable es o un trmino ambiguo y debe ser interpretado de acuerdo a la experiencia. Por ejemplo si un uido e var su densidad un 5% para un salto trmico de T 100 C o en un 1% para un salto de presin a e o de p 100atm uno se inclinar pensar que el uido es incompresible. En realidad lo que interesa a es el ujo que se establece con total independencia del uido que lo experimenta. No importa si es agua o aire lo importante es en que medida es la compresibilidad del medio un factor importante por considerar. Un ejemplo es la conveccin natural en un medio como el agua. Este fenmeno es manejado o o por diferencia de densidades muchas veces producidas por gradientes trmicos. Si bien la densidad e del agua tiene un comportamiento tal que podr pensarse como incompresible, es su compresibilidad a la que permite poner en movimiento al sistema formando corrientes convectivas que describen por si mismas el fenmeno. No obstante este problema puede ser tratado como uno de ujo incompresible o introduciendo efectos forzantes proporcionales al gradiente trmico mediante una aproximacin debida e o a Boussinesq. En general el caso de ujo compresible es reservado para gases a alta velocidad, prximas o o superior a las del sonido en donde los fenmenos ondulatorios son muy apreciables. No obstante o el agua, un uido qu a priori podr ser tildado como incompresible, al circular por una caer y al a n a experimentar el cierre abrupto de una vlvula desarrolla ondas de presin que pueden ser analizadas a o por tcnicas de ujos compresible. Resumiendo, la divisin entre compresible e incompresible debe e o ser analizada en trmino del ujo que produce y no del uido que lo experimenta. e
Convection
Stable Laminar
Unstable Turbulence
Infinitesimal
Finite amplitude Transition Developed
Instability Undisturbed Disturbed
Developing
Flujo laminar y turbulento Laminar y turbulento Mientras que el ujo laminar es caracterizado por un movimiento suave y determin stico de una lmina de uido sobre otra, el turbulento es un movimiento aleatorio superpuesto a sobre un movimiento medio del uido. El humo de un cigarrillo es un experimento interesante que permite visualizar como el aire alrededor del mismo al calentarse se pone en movimiento de forma 10
laminar. En direccin ascendente pronto se ve como esa corriente ordenada empieza a inestabilizarse o formando remolinos de gran escala que se returcen hasta que el desrden se amplica y los remolinos o se anan en tamao y crecen en cantidad retorcindose ms y mas alcanzando un rgimen plenamente n e a e turbulento. Este fenmeno es visible a nuestros ojos por un efecto similar al utilizado en la tcnica o e Schlieren en el que se hace atravezar rayos luminosos en un medio con densidad variable. De los muchos experimentos que se podr mencionar acerca de ujos turbulentos no podemos dejar de mencionar an aquel que hizo historia y que se debi al propio Reynolds. El pudo observar como el ujo que atravezaba o un tubo de seccin circular a medida que iba cambiando la velocidad de entrada experimentaba cambios o despreciables en su patrn uidodinmico hasta que al atravezar cierto valor l o a mite se produc un a cambio signicativo en el rgimen uidodinmico. Ese valor cr e a tico puede ser establecido mediante tcnicas de anlisis dimensional, que dan cuenta que cuando el nmero de Reynolds supera un valor e a u prximo a los 2100 el ujo se transiciona y luego se transforma en turbulento. La transicin se o o maniesta porque se crea un movimiento vorticoso peridico que al crecer el Reynolds se desordena o an mas alcanzando un rgimen turbulento. La gura 1.1.2 muestra a modo de esquema los diferentes u e reg menes que se presentan en un ujo desde uno laminar estable, pasando por inestabilidades hasta uno turbulento. El tema de la inestabilidad de ujos es toda un area de investigacin aparte que o merece mucha atencin y que por razones de complejidad y espacio no ser tratada en este curso. o a Aquellos interesados en el tema pueden recurrir a libros como Batchelor [Ba], Dreizin & Reid [DR] y a los trabajos de Taylor entre otros. Estacionario y transiente En el caso laminar la diferencia entre un ujo estacionario y otro transiente es obvia, en el primero las variables de interes son independientes del tiempo mientras que en el ultimo p = p(t) y v = v(t). Si el ujo es turbulento, por ser este siempre transiente, la diferencia debe establecerse sobre los valores medios, o sea p = p(t) implica que el ujo es estacionario, siendo 1 T p = T 0 p(t)dt el promedio temporal de la presin en un per o odo de duracin T . o Unidimensional y multidimensional En el punto anterior tratamos la dependencia o no de las variables dependientes sobre una variable independiente en particular, el tiempo, estableciendo las diferencias entre un movimiento estacionario y otro transiente. Ahora tomaremos otra variable independiente, las coordenadas espaciales y supongamos que las variables dependientes, la presin y la o velocidad por ejemplo, slo dependen de una de las coordenadas espaciales. En ese caso el movimiento o es unidimensional siendo esta situacin muy ventajosa a la hora de un tratamiento anal o tico. Lamentablemente estas situaciones dif cilmente se encuentren en la realidad, siendo al menos 2D la clase de problemas que merecen atencin. En estos casos como en el 3D los problemas deben ser generalmente o abordados en forma numrica. e
1.1.3
La solucin a los problemas de mecnica de uidos o a
El formalismo necesario para resolver problemas de mecnica de uidos requiere de establecer los a postulados fundamentales que gobiernan el movimiento de los mismos. Sin entrar en demasiado detalle en este tema podemos decir que la mayor de los estudiantes aprenden en los cursos universitarios las a leyes de Newton del movimiento y la aplican para resolver problemas de esttica y dinmica en forma a a casi natural. Parecer natural que ellas deban incluirse como leyes o postulados fundamentales para a
11
tratar problemas de movimiento de uidos. Sin embargo y desde el punto de vista de la mecnica del a continuo son ms adecuadas las dos leyes de Euler que dicen: a 1.- la variacin temporal de la cantidad de movimiento de un cuerpo es igual a la fuerza resultante o actuando sobre el mismo. 2.- la variacin temporal del momento de la cantidad de movimiento de un cuerpo es igual al o torque resultante actuando sobre el mismo, considerando que tanto el momento angular como el torque son medidos respecto del mismo punto. La primera ley de Euler es una generalizacin de la segunda ley de Newton mientras que la segunda o ley de Euler es independiente de la primera ya que no solo incluye las fuerzas de volmen sino tambin u e las fuerzas de supercie. Estas dos leyes son conocidas como el principio del momento lineal (1) y el principio del momento angular (2). Ambas, junto con los principios de conservacin de la masa y la o energ forman las leyes fundamentales necesarias para denir el modelo f a sico utilizado en la mayor a de los fenmenos de transporte. Es ms, los principios del momento lineal y angular pueden ser o a considerados como principios de conservacin considerando que la variacin temporal de la cantidad o o de movimiento lineal o angular son igualadas por la velocidad a la cual dicha cantidad de movimiento lineal o angular se suminstra al cuerpo mediante una fuerza o un torque respectivamente. En lo anterior la palabra cuerpo se utiliza como una cantidad ja de material, un cuerpo siempre contiene la misma masa y algunas veces es referido como sistema. Considerando los 4 principios de conservacin anteriores, cantidad de movimiento lineal y angular, masa y energ podemos ver o a que los dos primeros son principios sobre propiedades vectoriales mientras que los dos ultimos son establecidos sobre cantidades escalares. Establecer los principios fundamentales es solo el comienzo de un largo camino en pos de obtener soluciones a problemas de mecnica de los uidos. A continuacin a o se requiere un detallado anlisis matemtico para transformar lo establecido por los principios f a a sicos en ecuaciones matemticas utiles. A posteriori se necesita introducir reglas sobre el comportamiento a del material tanto desde un punto de vista mecnico como termodinmico ambas basadas en las a a observaciones o quizs en algunos casos deducibles de principios o leyes f a sicas aplicables a escalas mucho mas pequeas. Finalmente es la intuicin la que restringe an ms los modelos en pos de n o u a hacerlos tratables.
1.1.4
Unidades
En pos de normalizar el tratamiento tomaremos como unidades aquellas que surgen del sistema internacional de medidas y que se expresan en funcin de las siguientes magnitudes bsicas o primarias: o a M = masa (Kg) L = distancia (m) t = tiempo (seg) con lo cual las cantidades cinemticas como posicin, velocidad y aceleracin surgen de combinar a o o distancias y tiempos en distintas potencias. La fuerza, como magnitud dinmica surge de aplicar el a principio de conservacin de la cantidad de movimiento lineal , entonces o (1.1)
12
d (M v) = F dt 1 m Kg = Newton [=] seg seg
(1.2)
1.1.5
Propiedades de los uidos
Para el caso de ujo incompresible a una fase solo se requiere conocer la densidad y la viscosidad si el uido es newtoniano. En el caso que el uido sea no newtoniano o si los efectos compresibles son importantes existen otras magnitudes a tener en cuenta. Compresibilidad Con dos coecientes tendremos en cuenta el efecto de la presin y la temperatura o sobre la densidad. El primero se dene como: = 1 ( )T p
mientras que el coeciente de expansin se dene como: o 1 = ( )p T En el caso de los l quidos estos dos coecientes son en general pequeos, especialmente . El n coeciente de expansin puede adquirir cierta importancia en el caso de fenmenos como la conveccin o o o natural. En el caso de gases, un ejemplo es el caso de los gases ideales cuya ley de comportamiento viene comnmente expresada por u p RT 1 = (1.3) p 1 = T En el caso de los gases reales el comportamiento es diferente especialmente cerca de los puntos cr ticos y se debe recurrir a la experiencia para poder determinar las leyes de comportamiento. = Viscosidad A diferencia de los materiales slidos que ante un esfuerzo sufren una deformacin o o en general independiente del tiempo, los uidos no soportan determinados esfuerzos y se deforman continuamente. Esto muchas veces est asociado a la uidez del medio. Un contraejemplo de los a dicho en el caso de slidos es el fenmeno de creep o uencia lenta. En el caso de los slidos la o o o deformacin es la variable cinemtica de inters, denida como la variacin relativa de la distancia o a e o entre dos puntos del cuerpo material. En los uidos su anlogo es la tasa o velocidad de deformacin, a o o sea la variacin relativa de la velocidad de dos puntos dentro del volmen material. Lo que suele o u ser de inters es establecer cierta relacin entre causa y efecto, o sea entre tensin y deformacin en e o o o mecnica de slidos o entre tensin y velocidad de deformacin en uidos. Esta funcionalidad puede a o o o
13
asumir un rango lineal y luego uno no lineal, dependiendo del material el punto de corte entre uno y otro comportamiento. En slidos es el mdulo de Young el que vincula tensin con deformacin o o o o mientras que en mecnica de uidos es la viscosidad la que juega semejante rol. La reolog es la a a ciencia que se encarga de establecer relaciones de este tipo vlidas para ciertos materiales o uidos. a A su vez una vez establecido el ensayo de laboratorio aparecen los tericos tratando de traducir los o valores experimentales en alguna teor que los explique. Entre estas teor una de las ms citadas es a as a la de considerar al uido como Newtoniano, con eso queremos decir que la viscosidad es independiente del estado de deformacin del uido. La viscosidad puede variar con la posicin y el tiempo pero o o por otras causas, por ejemplo calentamiento, pero no var por su estado de deformacin. Con el a o viscos metro se pueden determinar valores para la viscosidad. En el caso ms general la viscosidad a puede depender del estado de deformacin y en este caso el uido exhibe un comportamiento no o newtoniano. La gura 1.1.5 muestra 4 curvas tensin vs velocidad de deformacin que muestran el o o caso newtoniano (recta por el or gen), el ujo de Bingham (recta desfasada del or gen), y dos casos de uido no newtoniano, el caso dilatante con viscosidad proporcional a la deformacin y el caso o pseudo-plstico cuando la viscosidad disminuye cuanto ms se deforma el uido. a a
el mod
asti c
Bing
Pse
ham
pl udo
to ew
nia
ta la Di
nt
Comportamiento reolgico de los uidos o Existe un modelo muy usado llamado modelo de la ley de potencia o modelo de Ostwald-de Wael el cual trata de unicar el tratamiento deniendo una viscosidad aparente del tipo ap 0 dvx dy
n1
con 0 una viscosidad de referencia y n una potencia. En este caso el escurrimiento se piensa del tipo ujo paralelo. Tensin supercial Esta aparece en general cuando existen interfaces entre dos o ms uidos o o a un uido y un slido y a veces suelen ser tan importantes que su omisin en las ecuaciones pone en o o peligro el realismo de la solucin. Esta en general es funcin de la curvatura de la interface y de algn o o u coeciente de capilaridad. Su complejidad escapa los alcances de estas notas. Presin de vapor o En algunas aplicaciones la presin local suele descender demasiado alcanzando la presin de satuo o racin del vapor con lo cual aparece el fenmeno de cavitacin. Este fenmeno es muy importante en o o o o
14
Seccin 1.2. Cinemtica de uidos o a
el funcionamiento de mquinas hidrulicas como bombas y turbinas pero su tratamientoe escapa los a a alcances de estas notas.
1.2
Cinemtica de uidos a
En esta seccin se presentan algunas deniciones necesarias para describir el movimiento de los uidos o y se muestran algunas reglas muy utiles que permiten manipular matemticamente las ecuaciones a de conservacin, pudiendo expresarlas de varias formas segun el tratamiento que se desee emplear. o Empezaremos con la denicin de los diferentes volmenes de control comnmente empleados en la o u u descripcin de las ecuaciones de movimiento y expresaremos en forma matemtica el principio de o a conservacin del momento lineal. Posteriormente trabajaremos sobre la cinemtica del movimiento, el o a lado izquierdo de la ecuacin, usaremos el teorema de la divergencia para poder transformar integrales o de volmen en integrales de area y viceversa, una ayuda para poder formular los problemas desde el u punto de vista integral o diferencial, microscpico o macroscpico y nalmente se presenta el teorema o o del transporte para poder manipular volmenes de control variables con el tiempo. De esta forma se u arriba a las ecuaciones de conservacin. o
1.2.1
El vol men material u
Por lo previamente establecido el principio de momento lineal involucra la denicin de cuerpo, dicieno do que la variacin temporal de la cantidad de movimiento de un cuerpo es igual a la fuerza resultante o actuando sobre el mismo. Como cuerpo queremos decir un sistema con una cantidad ja de material. Debido a que los principios de conservacin se aplican a los cuerpos y si consideramos el principio de o conservacin de la masa entonces se deduce que la masa de un volmen material es constante. Al basar o u nuestro anlisis en la mecnica del continuo y al asumir que nuestra escala de inters es mucho mayor a a e que la del propio movimiento molecular, entonces, tiene sentido considerar que el volmen material u cambia de forma y posicin con el tiempo de una manera continua sin intercambiar masa con el medio o ambiente. Designaremos al volmen material y a su respectiva area material como Vm y Am . En u breve surgir la necesidad de trabajar con volmenes de control jos en el espacio y a estos como a a u su respectiva area los designaremos sencillamente por V y A. Finalmente presentamos una tercera posibilidad, aquella en la que el volmen de control se mueve pero ya no siguiendo al sistema o cuerpo u sino de una manera arbitraria y a estos y su respectiva area la simbolizamos como Va y Aa .
Distintas deniciones de volmenes de control u
15
1.2.2
El principio de conservacin de la cantidad de movimiento lineal o
Consideremos un volmen diferencial de uido dV como el mostrado en la gura 1.2.2. La masa u contenida en el mismo es dM = dV y la cantidad de movimiento del mismo es vdM = vdV . Por denicin la cantidad de movimiento del volmen material se dene como: o u vdV
Vm (t)
(1.4)
con lo cual el principio de la conservacin de la cantidad de movimiento lineal puede escribirse o como: D Dt vdV =
Vm (t)
Fuerza actuando sobre el volmen material u
(1.5)
D La derivada Dt es llamada la derivada material y en breve ser sometida a anlisis junto con las a a otras dos derivadas temporales a considerar, la derivada total y la derivada parcial. Aqu simplemente lo que queremos indicar es que estamos tomando la variacin temporal de una propiedad de un volmen o u material. Del lado izquierdo de la anterior ecuacin participa la cinemtica del movimiento mientras o a que del derecho se hallan las causas del movimiento o fuerzas externas aplicadas al cuerpo. Estas pueden ser:
a.- fuerzas de cuerpo o volmen u b.- fuerzas de supercie. Mientras que las primeras actan sobre la masa del sistema (fuerzas gravitatorias, electrostticas, u a etc) las otras lo hacen sobre el contorno del sistema. Introduciendo estas dos fuerzas en la expresin o anterior arribamos al principio de conservacin de la cantidad de movimiento lineal, expresado como: o 16
Tej i ghefd'Td` i w 2qg g yx'wt qFVpSviTsH tg g u s rqgpgihde g f 4312%0)('&%$# ! " db@ 'Aa`XG c5 4 U 9VCTWVEYX%CTQ @SR2QP%A('I9%H'@EFDCB%A'@'985 @ G 7 6
Volmen material u
D Dt
vdV =
Vm (t) Vm (t)
gdV +
Am (t)
t(n) dA
(1.6)
donde g es la fuerza de cuerpo por unidad de masa y t(n) es el vector tensin en el contorno. o Casos simples En la mayor de los cursos de mecnica de los uidos de la carrera de de Ingenier se hace especial a a a nfasis entre otros temas a la resolucin de problemas asociados con la esttica de uidos y el ujo en e o a tubos y canales. La esttica de uidos a El primer caso corresponde al caso particular de un ujo en reposo (estacionario) donde el trmino e izquierdo de la expresin (1.6) se anula quedando una igualdad del tipo: o 0=
Vm (t)
gdV +
Am (t)
t(n) dA
(1.7)
Si adems se acepta la denicin que dice: un uido se deformar continuamente bajo la aplicacin a o a o de un esfuerzo de corte entonces, las unicas fuerzas de supercie posibles deben actuar en forma normal a la misma. Adems se puede probar que el tensor de tensiones asociado a un uido en reposo es a isotrpico y por lo tanto permanecer invariante con la direccin. Con todo esto las ecuaciones se o a o simplican demasiado y si asumimos cierta continuidad en los integrandos podemos cambiar a la forma diferencial del problema y arribar a la bien conocida expresin: o 0 = g p p 0 = gi xi =i +j +k x y z
(1.8)
donde hemos usado notacin de Gibbs en la primera l o nea, notacin indicial en la segunda y la o es muy familiar para los estudiantes denicin del operador gradiente en la tercera. Esta expresiion o de ingenier ya que muchos problemas clsicos se resuelven con ella, a saber: a a 1. a.-barmetros o 2. b.-manmetros o 3. c.-fuerzas sobre cuerpos planos sumergidos 4. d.-fuerzas sobre cuerpos curvos sumergidos 5. e.-fuerzas de otacin o 6. f.-hidrmetros, etc o En la parte I de la prctica 1 se presentan algunos problemas opcionales a resolver para aquellos a que quieran ejercitarse sobre temas que no son centrales al curso pero que son necesarios conocer para
17
poder analizar problemas de mecnica de uidos. Opcionales signica que aquellos que se sientan a conados en que conocen la forma de resolverlos no estn obligados a hacerlo. a Flujo laminar unidimensional En este problema el uido no esta en reposo pero si consideramos el caso de ujo laminar y l neas de corriente rectas entonces nuevamente el miembro izquierdo de (1.6) se anula. Esto tiene su explicacin o si tomamos un volmen material como el de la gura 1.2.2, u
Flujo laminar unidimensional, denicin del volmen material o u
all su cantidad de movimiento es constante ya que la densidad es constante por tratarse de un ujo incompresible y la velocidad en ese volmen de control es constante ya que la misma depende solamente u del radio. Un ejemplo de ujo unidimensional que no tiene l neas de corriente rectas y por ende no anula el miembro izquierdo es el de ujo Couette entre dos cil ndricos concntrico de longitud innita. e La razn es que all existe una aceleracin centr o o peta necesaria para mantener el ujo en un movimiento circular. Nuevamente tomamos la expresin (1.7) pero en este caso por estar el uido en movimiento o no podemos despreciar los esfuerzos cortantes. Por lo tanto las fuerzas de supercie actuarn en la a direccin normal (la presin) y en la direccin tangencial (la tensin de corte). Por la forma que tiene o o o o el volmen material y debido a que el movimiento tiene una sola componente de velocidad segn la u u direccin z entonces las fuerzas normales a las supercies solo pueden actuar sobre aquellas supercies o cuya normal est alineada con el eje z. Como no existe ujo en la seccin transversal del tubo los a o esfuerzos de corte en los mismos es nulo y solo puede haber esfuerzos de corte en los planos cuya normal coincide con la direccin radial como se muestra en la gura. Por lo tanto, si por el momento o no consideramos las fuerzas de cuerpo la expresin (1.7) queda o 0 = [(p2rr)z (p2rr)z+z ] + [(rz 2rz)r (rz 2rz)r+r ] (1.9)
Haciendo un poco de lgebra y tomando l a mites cuando r 0 y z 0 conduce a la siguiente expresin diferencial: o p 1 + (rrz ) (1.10) z r r Esta ecuacin se la conoce con el nombre de ecuacin de tensin del movimiento porque viene o o o expresada en trminos de las componentes del tensor de tensiones. Si queremos expresar esta ecuacin e o en trmino de las variables cinemticas debemos usar alguna relacin constitutiva. En este caso e a o recurrimos a la ley de Newton de la viscosidad en la cual 0= rz = vz r (1.11)

18
"! 5 876%54 3$20)$ ('&$%# 1

con lo cual si consideramos que la viscosidad es constante la (1.10) se transforma en 1 vz p = (r ) (1.12) z r r r Este ujo es denominado ujo plano Couette y representa uno de los casos simples con solucin o anal tica y que ha tenido gran inters desde el punto de vista de las aplicaciones. Nosotros aqu solo e lo hemos planteado, dejamos la resolucin del mismo como parte de los trabajos prcticos. o a Cinemtica de uidos en los casos generales a En la seccin anterior nos volcamos hacia la resolucin de dos casos muy particulares que pero o miten independizarse completamente del miembro izquierdo de la expresin (1.6) del principio de o conservacin de la cantidad de movimiento lineal . Ahora nos detendremos a analizar las variables o que componen este miembro izquierdo de forma de adquirir las nociones elementales necesarias para su tratamiento. Este trmino expresa la cinemtica del movimiento y como tal incluye la variacin e a o temporal de propiedades que se hallan distribuidas en el espacio de alguna manera continua. Por lo tanto aparece la necesidad de tratar a las dos variables independientes ms importantes que incluyen a los principios de conservacin, las coordenadas espaciales y el tiempo. El objetivo est en conducir o a por una lados hacia la formulacin diferencial de los principios de conservacin con el propsito de o o o analizarlos desde un punto de vista macroscpico local y por otro manipular la formulacin integral o o para poder llevar a cabo balances macroscopico globales, muy utiles por varias razones. Estos balano ces macroscpico globales permiten chequear soluciones obtenidas numricamente mediante balances o e locales y por otro han sido de amplia difusin en la profesin del ingeniero para el clculo y diseo de o o a n equipos e instalaciones. Coordenadas espaciales y materiales En esta seccin pretendemos desarrollar las nociones bsicas sobre lo que se entiende por coordeo a nadas materiales y su relacin con las coordenadas espaciales en pos de describir adecuadamente el o movimiento de un uido. El trmino coordenadas espaciales se reere a un sistema de coordenadas e jo donde todos los puntos del espacio pueden ser localizados. Hay dos formas posibles de localizar o identicar una part cula de uido que pertenece a un volmen material diferencial dVm (t). Una u forma ser designar su posicin mediante sus coordenadas espaciales x, y, z. Asumiendo que a un a o dado tiempo de referencia t = 0 las coordenadas espaciales se hallan localizadas en x=X , y=Y , z=Z , t=0 (1.13)
Para un tiempo t > 0 la posicin se puede expresar mediante o dx dt dt 0 t dy y=Y + dt dt 0 t dz z=Z+ dt dt 0 Compactando las tres expresiones anteriores en una sola mediante x=X+
t t
(1.14)
r=R+
0
dr dt dt
(1.15) 19
entonces, r representa el vector posicin espacial mientras que R es llamado el vector posicin material. o o Este ultimo identica una part cula del sistema o cuerpo y en algun sentido la impone una marca al tiempo de referencia. Este conjunto espec co de coordenadas no representa ningn sistema de u coordenadas que se mueve y se deforma con el cuerpo. De alguna manera las coordenadas espaciales se pueden expresar en funcin de las coordenadas materiales y el tiempo, o r = r(R, t) (1.16)
Una descripcin Lagrangiana del movimiento es aquella expresada en trmino de las coordenadas o e materiales mientras que una descripcin Euleriana se expresa segn las coordenadas espaciales. o u La derivada temporal del vector posicin espacial para una part o cula de uido en particular es la velocidad de la misma. Ya que la derivada se evala con las coordenadas materiales jas esta derivada u es llamada derivada material, ( Dr dr )R = =v dt Dt (1.17)
Derivadas temporales Sea S = S(x, y, z, t) una funcin escalar, entonces su derivada temporal se dene como: o dS S(t + t) S(t) = lim t0 dt t (1.18)
Si S fuera solo funcin del tiempo esta denicin es directa mientras que si S depende de las coordeo o nadas espaciales existe una ambiguedad respecto al punto que se toma en el instante t y en t + t. Para comenzar consideremos el movimiento de una part cula p de un sistema o cuerpo, acorde a (1.18) tenemos que la componente x de la velocidad de la misma ser: a dxp xp (t + t) xp (t) = lim = vx t0 dt t (1.19)
Imaginemos que la medicin la llevamos a cabo con un observador montado sobre la part o cula, entonces para el observador las coordenadas materiales no cambian y por ende (1.18) se vuelve Dxp dxp xp (t + t) xp (t) =( )R = lim t0 Dt dt t (1.20)
Supongamos que queremos medir la temperatura de un ujo y como es habitual la medicin la llevamos o a cabo en una ubicacin ja del laboratorio, entonces lo que medimos como derivada temporal de la o temperatura es: T T (t + t) T (t) dT = ( )r = lim (1.21) t0 t dt t r y a esta derivada se la suele llamar derivada parcial efectuada jando las coordenadas espaciales del punto de medicin en lugar de las coordenadas materiales como en (1.20). o Un tercer caso ser el de efectuar la medicin montado sobre un dispositivo que se mueva de una a o forma arbitraria no manteniendo ni las coordenadas espaciales ni las materiales jas. Esta derivada se la llama derivada total asumiendo que la velocidad del sistema de medicin es w = v. o
20
" #&% $! )Py y

z y
T Q UGSRIPHGF4EDC3B@A28974562310()' 4 wv xtt u
Por denicin las derivadas de las coordenadas espaciales mantieniendo las coordenadas materiales o R jas son las componentes de la velocidad del uido v, mientras que la derivada manteniendo las coordenadas espaciales r jas es la derivada parcial, entonces (1.24) se transforma en:
manteniendo R constante y diferenciando
Si las coordenadas materiales se mantiene jas, entonces podemos expresar las coordenadas espaciales en trminos de las materiales y el tiempo como e
La gura 1.2.2 muestra una descripcin de lo que acabamos de presentar como las tres derivadas o temporales a utilizar en el resto del curso. Para interpretar lo anterior pero desde un punto de vista matemtico asumamos que tenemos a cierta funcin escalar como la temperatura denida como: o
sg i p ih f W c ` W USqrSR!ge3W1X9dbaW3Y1X)V
DT T dx T dy T dz dT dT )R = =( )( )R + ( )( )R + ( )( )R + ( )r dt Dt x dt y dt z dt dt
DT T T T T =( )vx + ( )vy + ( )vz + ( ) Dt x y z t
Denicin de las derivadas temporales o
T = T (r, t) = T [r(R, t), t)] =
= T [x(R, t), y(R, t), z(R, t), t]
T = T (r, t)
(1.24)
(1.23)
(1.22)
(1.25)
21
mientras que en notacin de Gibbs es o DT T =( )+v Dt t y en notacin indicial: o DT T T =( ) + vj ( ). Dt t xj (1.27) T, (1.26)
En el caso en que la medicin la efectuemos sobre un dispositivo que tiene su propio movimiento o entonces ya las coordenadas materiales no son jas y las derivadas totales de las coordenadas espaciales respecto al tiempo representan las componentes de la velocidad del dispositivo w, dT T T T T =( )wx + ( )wy + ( )wz + ( ) dt x y z t en notacin de Gibbs: o dT T =( )+w dt t T (1.28)
(1.29)
y en notacin indicial: o dT T T =( ) + wj ( ) dt t xj (1.30)
Como vemos comparando (1.21) e (1.27) con (1.30) vemos que esta ultima es la ms general ya a que (1.21) corresponde al caso w = 0 mientras que como (1.27) ser cuando w = v. a Hasta aqu hemos analizado el caso de una funcin escalar y en particular hemos mencionado por o razones de ndole prctica el caso de la temperatura. A continuacin veremos que sucede cuando la a o funcin a derivar es una cantidad vectorial. Tomemos como ejemplo el caso del vector velocidad cuya o derivada temporal representa el vector aceleracin. Por denicin, o o dv Dv )R = (1.31) dt Dt Haciendo el mismo anlisis que con el caso escalar arribamos a que para un observador con coora denadas espaciales jas este mide como aceleracin o a=( ( siendo la relacin entre ambas o a= en notacin indicial o dv v )r = dt t v (1.32)
Dv v =( )+v Dt t
(1.33)
Dvi vi vi =( ) + vj ( ) Dt t xj
(1.34)
Aqu vemos que la aceleracin consiste de dos trminos, uno es llamado la aceleracin local y o e o representa la variacin temporal de la velocidad en un punto jo en el espacio. La segunda es llamada o la aceleracin convectiva y depende tanto de la magnitud de la velocidad como de su gradiente. o De la expresin anterior surge que aunque el ujo sea estacionario la aceleracin puede no ser nula o o dependiendo de su componente convectiva. Un ejemplo de esto lo vemos en el caso del ujo entrando
22
a un tubo desde un depsito. Hasta que se desarrolla el ujo experimenta una aceleracin debido o o al trmino convectivo aun cuando para un observador ubicado justo enfrente de dicha entrada las e condiciones parecen no variar. Sin embargo otro observador viajando con el uido experimentar la a aceleracin convectiva. o Teorema de la divergencia Esta herramienta matemtica es muy util en la discusin que sigue a continuacin en este cap a o o tulo. Con ella podemos formular balances macroscpicos o desarrollar ecuaciones diferenciales a partir de o los principios de conservacin expresados en forma integral como por ejemplo el (1.6) . o Este teorema, conocido por aquellos alumnos que han tomado un curso de Clculo de varias a variables se puede expresar de la siguiente forma: GdV =
V A
G ndA
(1.35)
Nuestro objetivo no es mostrar una demostracin del mismo, solamente presentarlo y tratar de o aplicarlo en las secciones que siguen a esta. Para poder aplicarlo al caso de un campo escalar expresemos el campo vectorial anterior como G = S b donde S es un escalar y b es un vector constante. Entonces se puede demostrar que SdV =
V A
SndA
(1.36)
Teorema del transporte Hasta el momento hemos presentado diferentes formas de derivar temporalmente una funcin tanto o escalar como vectorial y a su vez hemos mencionado las dos formas de localizar un punto del cuerpo, mediante sus coordenadas espaciales o sus coordenadas materiales. El objetivo de esta seccin es desarrollar una expresin general para la derivada temporal de una o o integral de volmen bajo condiciones tales que los puntos que pertenecen a la supercie del volmen u u se mueven con una velocidad arbitraria w. De acuerdo a lo ya presentado este volmen arbitrario lo u hemos denominado como Va (t). Si la velocidad del mismo la jamos igual a la velocidad de uido v entonces el volmen se transforma en un volmen material Vm (t) y bajo estas condiciones nos u u referiremos al teorema del transporte de Reynolds. Considerando el volmen arbitrario Va (t) como aquel ilustrado en la parte superior de la guu ra 1.2.2. Deseamos determinar la integral de volmen de una cantidad escalar S, a saber: u d dt SdV = lim
Va (t) Va (t+t) S(t
+ t)dV t
Va (t) S(t)dV
t0
(1.37)
Para visualizar el teorema debemos pensar que el volmen bajo consideracin se mueve a travs u o e del espacio de forma tal que los puntos de su supercie se mueven con velocidad w. Esta velocidad puede variar con el tiempo (aceleracin) y con las coordenadas espaciales (deformacin). En cada o o instante de tiempo la integral es evaluada y deseamos medir cual es la variacin de esta medicin. o o Observando la gura vemos que en un instante t el nuevo volmen barrido por la supercie mvil es u o designado dVaII mientras que el viejo volmen dejado atrs por su movimiento se designa por dVaI . u a El area de este volmen arbitario Aa (t) se puede dividir en dos partes: AaI (t) y AaII (t) mediante u una curva cerrada sobre la supercie tal que n w = 0. Sin entrar en demasiados detalles para su demostracin, suponiendo que tal curva existe, entonces o
23
Teorema del transporte
Va (t + t) = Va (t) + VaII (t) VaI (t) lo cual nos permite escribir la integral en (1.37) como
(1.38)
S(t + t)dV =
Va (t+t) Va (t)
S(t + t)dV +
VaII (t)
S(t + t)dVII
Va I(t)
S(t + t)dVI (1.39)
que reemplazada en (1.37) produce d dt SdV = lim

Va (t) VaII (t) S(t
t0 Va (t)
(S(t + t) S(t)) ]dV + t

VaI (t) S(t
t Cambiando el orden de integracin con el proceso l o mite en el primer trmino obtenemos e

t0
lim
+ t)dVII
+ t)dVI
(1.40)
d dt
SdV =
Va (t) Va (t) VaII (t) S(t
S )dV + t
VaI (t) S(t
t0
lim
+ t)dVII t
+ t)dVI
(1.41)
24
A continuacin analizamos de que forma cambiar las integrales de volmen por integrales de supercie. o u Para ello consideremos nuevamente la gura 1.2.2 que en su parte inferior analiza lo que ocurre localizadamente sobre un diferencial de supercie del volmen que se est moviendo. Este diferencial u a de volmen al moverse una distancia L barre un cilindro oblicuo con respecto a la normal a la supercie u siendo esta distancia L = wt (1.42)
con w la magnitud del vector w que dene la velocidad con que se mueve el volmen arbitrario, u siendo su versor direccin representado en la gura mediante , entonces o w = w El volmen barrido es u dV = LdAcs (1.44) (1.43)
La relacin entre la orientacin del diferencial de area sobre la supercie con aquel generado por o o el barrido es: a=b (1.45) a= dAcs = cos()dA cos() = n Entonces dV = w ntdA (1.47) (1.46)
y aplicando este resultado a los dos volmenes que aparecen en la expresin (1.41) obtenemos lo u o siguiente: S(t + t)dVI = t
VaI (t) AaI (t)
S(t + t)w ndAI

VaII (t)
S(t + t)dVII
= +t
AaII (t)
S(t + t)w nd (1.48)
cuya sustitucin en (1.41) produce o d dt SdV =

Va (t) Va (t)
S )dV + t S(t + t)w ndAI

AaI (t)
(1.49)
t0
lim
S(t + t)w ndAII +

AaII (t)
Tomando el l mite vemos que AaI (t)+AaII (t) = Aa (t) obteniendo nalmente el Teorema general del transporte: d S SdV = ( )dV + Sw ndA (1.50) dt Va (t) Va (t) t Aa (t)
25
En el caso de un volmen jo en el espacio tenemos que Va (t) = V y w = 0 con lo que lo anterior u se simplifa a d S SdV = ( )dV (1.51) dt V V t El uso ms frecuente del teorema general del transporte es cuando se lo aplica a un volmen material a u en cuyo caso este resultado se lo conoce como el Teorema del transporte de Reynolds, cuya expresin o viene dada como: D S SdV = ( )dV + Sv ndA (1.52) Dt Vm (t) Vm (t) t Am (t) La extensin de los resultados anteriores al caso de una funcin vectorial es directa, simplemente o o podemos aplicarlo a cada componente, luego multiplicarlo por su respectivo versor direccin y luego o sumar, con lo que (1.50) aplicado por ejemplo al campo de velocidades produce el siguiente resultado: d dt vdV =
Va (t) Va (t)
v )dV + t
vw ndA
Aa (t)
(1.53)
Conservacin de la masa o Hasta este punto hemos tratado de obtener las herramientas necesarias para manipular el miembro izquierdo del principio de conservacin de la cantidad de movimiento lineal con lo cual en pos de o generalizar su uso deber amos a esta altura completarlo con el manejo del miembro derecho, aquel representado por las fuerzas de volmen y las de supercie. Antes de ello y en pos de ir conduciendo al u estudiante hacia la utilizacin ms importante de todos los conceptos hasta aqu presentados vamos a o a considerar el caso particular de la conservacin de la masa, ya que este no presenta miembro derecho. o Denamos la propiedad a medir, la masa de un volmen material como: u M=
Vm
(t)dV
(1.54)
Ya que el principio de conservacin requiere que la misma se mantenga constante, entonces: o ( DM D dM )R = = dt Dt Dt dV = 0

Vm (t)
(1.55)
Aplicando el teorema del transporte a la derivada material de la integral obtenemos: D Dt dV =

Vm (t) Vm (t)
dV + t
v ndA = 0
Am (t)
(1.56)
que surge de reemplazar S = en (1.52) . De esta forma fue posible introducir el operador derivada dentro de la integral. Ahora a continuacin el teorema de la divergencia nos ayudar para transformar la integral de area en una de volmen o a u con el n de poder juntar todos los trminos bajo un mismo signo integral y de esta forma pasar de e la formulacin integral a una diferencial. Esto produce nalmente: o D Dt dV =
Vm (t) Vm (t)
+ t
(v) dV = 0
(1.57)
26
Asumiendo continuidad en los integrandos podemos deshacernos de la integral y obtener la tan ansiada forma diferencial del principio de conservacin de la masa o + t (v) = 0 (1.58)
Existen algunas otras formas de expresar el mismo principio de conservacin, como por ejemplo si o aplicamos la denicin de derivada material y alguna manipulacin algebraica bsica llegamos a: o o a D + Dt v =0 (1.59)
Otra forma particular de la ecuacin de continuidad se obtiene si consideramos el caso de un ujo o incompresible. Como la densidad es constante de (1.59) surge que v =0 (1.60)
Una forma particular del teorema del transporte de Reynolds se puede lograr si expresamos la propiedad escalar S como producto de la densidad por su propiedad espec ca, S = s (1.61)
En ese caso aplicando todo lo visto hasta aqu se puede arribar a la siguiente igualdad, llamada forma especial del teorema del transporte de Reynolds D Dt sdV =
Vm (t) Vm (t)
Ds dV Dt
(1.62)
Una forma alternativa de obtener la ecuacin de continuidad mucho ms prctica y con menos o a a manipuleo matemtico es posible mediante el concepto de balance de ujos. a
Balance de masa En general para un diferencial de volmen como el mostrado en la gura 1.2.2 podemos expresar u el siguiente principio de conservacin de la masa de la siguiente forma: o variacin temporal de o la masa del volmen control u = Flujo msico entrante a al volmen material u Flujo msico saliente a del volmen material u (1.63)
27
El trmino ujo es muy frecuentemente usado en referencia al transporte de masa, momento y e energ y signica una especie de caudal de alguna propiedad en la unidad de tiempo. Aplicando a el caudal msico, por tratarse en este caso del balance de masa, a cada cara del cubo elemental y a asumiendo una variacin continua de las propiedades encontramos que: o (xyz) = t = [vx |x+x + vx |x ]yz + [vy |y+y + vy |y ]xz + [vz |z+z + vz |z ]xy caudal msico a travs de la a e supercie orientada segn z u (1.64) Dividiendo por el volmen del cubo y tomando l u mites cuando las dimensiones tienden a cero arribamos a una expresin idntica a (1.58) . Como vemos en lo anterior solo hemos usado un o e concepto de balance de ujos a travs de la supercie con trminos de incremento de la propiedad en e e el volmen considerando a ste jo en el espacio por lo que aparece la derivada temporal parcial. u e Lineas de corriente, lineas de camino, trazas y funcin de corriente o Este importante tema perteneciente a la cinemtica de uidos por razones de espacio y por no a estar dentro de los objetivos del curso ser dejado al lector para su estudio. En general la mayor a a de los libros introductorios de mecnica de uidos lo tratan en forma extensiva. Sugerimos a aquellos a interesados en el tema los libros de Whitaker [Wi], Batchelor [Ba] y White [Wh] entre otros. Por razones de completitud de las presentes notas en un futuro est previsto incluirlo al tema en esta a seccin. o Fuerzas de supercie en un uido Volvamos por un momento a la expresin del principio de conservacin de la cantidad de movio o miento lineal , ecuacin (1.6), o caudal msico a travs de la a e supercie orientada segn y u D Dt vdV
Vm (t)
caudal msico a travs de la a e supercie orientada segn x u
=
Vm (t)
gdV +
Am (t) fuerzas de masa
t(n) dA
fuerzas de supercie
((1.6))
o temporal de { la variacin de movimiento } cantidad
En la seccin anterior hemos tratado la cinemtica de los uidos en el caso general, o sea el miembro o a izquierdo de la ecuacin (1.6) y hemos hecho una mencin aparte dentro de esta al caso especial de o o la esttica de los uidos. Nosotros ahora volcamos nuestra atencin al miembro derecho, o sea a las a o causas del movimiento y en especial al trmino de las fuerzas de supercie ya que las fuerzas de cuerpo e o de masa en general no presentan mayor dicultad. Vector tensin y tensor de tensiones o A continuacin trataremos al vector tensin a pesar de que ya lo hemos presentado cuando tratao o mos el caso particular de la esttica de los uidos o el caso simple de ujo desarrollado en un tubo a (movimiento unidimensional). Como antes consideramos la hiptesis del continuo, o sea asumimos o que el vector tensin var en forma continua con las variables independientes del problema, al igual o a que las otras variables incluidas en el problema. No obstante en el caso del vector tensin tambin o e debemos agregar que var en forma suave o continua con la orientacin en la cual est calculado, n. a o a Sin entrar en detalles acerca de la prueba de esto [Wi] establecemos las siguientes hiptesis: o
28
1. 1.- el vector tensin actuando sobre lados opuestos de la misma supercie en un dado punto es o igual en magnitud y opuesto en direccin, t(n) = t(n) . o 2. 2.- el vector tensin puede escribirse en trminos del tensor de tensiones del cual proviene como o e t(n) = n T. 3. 3.- el tensor de tensiones es simtrico, o sea Tij = Tji e El primer punto se demuestra planteando el principio de conservacin de la cantidad de movimiento o lineal , el teorema del valor medio y un procedimiento de ir al l mite cuando la longitud caracter stica tiende a cero. El segundo punto requiere plantear el equilibrio de un volmen tetradrico sobre el cual el u e vector tensin actuando sobre un plano puede descomponerse o formarse segn aquellos pertenecientes o u a los otros tres planos orientados segn los ejes cartesianos. Los tres vectores tensin actuando sobre u o los tres planos cartesianos son: t(i) = iTxx + jTxy + kTxz t(j) = iTyx + jTyy + kTyz t(k) = iTzx + jTzy + kTzz Fuerza por unidad de area actuando en una supercie con normal orientada segn x u Fuerza por unidad de area actuando en una supercie con normal orientada segn y u Fuerza por unidad de area actuando en una supercie con normal orientada segn z u (1.65)
siendo el vector tensin expresado segn estos tres vectores tensin: o u o t(n) = (n i)t(i) + (n j)t(j) + (n k)t(k) (1.66) t(n) = n it(i) + jt(j) + kt(k) con lo cual se alcanza el resultado esperado t(n) = n T (1.67)
donde el tensor de tensiones est compuesto de trminos it(i) que no representan ni un producto escalar a e ni uno vectorial, este producto es a menudo llamado producto didico, base del algebra tensorial. a Entonces surge que el vector tensin (tensor de primer orden) es la contraccin del tensor de tensiones o o (tensor de segundo orden) en la direccin normal. Este resultado no es tan obvio para aquellos no o familiarizados con el algebra tensorial y se recomienda volcar la atencin a este tema para aquellos o que pretender lograr un mejor entendimientos de las ecuaciones de movimiento que ms adelante se a denen. En resmen, el tensor de tensiones en tres dimensiones expresado por simplicidad segn las u u coordenadas cartesianas es: Las nueve componentes escalares en (1.65) representan o caracterizan al tensor de tensiones, que en notacin matricial puede escribirse como: o Txx Txy Txz (1.68) T = Tyx Tyy Tyz Tzx Tzy Tzz
29
El primer ndice representa la orientacin del plano sobre el cual la tensin acta mientras que el o o u segundo ndice est relacionada con la direccin en la cual la tensin est actuando. a o o a En notacin indicial (1.67) puede escribirse como: o t(n) i = nj Tji (1.69)
La forma de arribar al tercer punto, la simetr del tensor, es mediante el principio de conservacin a o del momento de la cantidad de movimiento lineal aplicado a un volmen diferencial. Esta simetr a u a su vez conduce al siguiente resultado: nT=Tn (1.70)
Ecuaciones de movimiento expresada segn el tensor de tensiones u El objetivo es plantear las ecuaciones de movimiento en trmino del tensor de tensiones siendo e esta forma una herramienta muy util para plantear un anal macroscpico global de la mecnica sis o a de los uidos o incluso como paso previo a la formulacin diferencial del problema permitiendo cerrar o el anlisis mediante la introduccin de las ecuaciones constitutivas del material, siendo esta forma a o bastante general. Comenzamos planteando el principio de conservacin de la cantidad de movimiento o lineal , D Dt vdV =
Vm (t) Vm (t)
gdV +
Am (t)
t(n) dA
(1.71)
La idea es encontrar la formulacin diferencial al problema tal como hicimos previamente al tratar o la conservacin de la masa. All usamos el teorema de la divergencia sobre un integrando formado por o el producto escalar del vector velocidad con la normal. Aqu la dicultad est en que el integrando a tiene al vector tensin y an no presentamos como aplicar el teorema de la divergencia a un integrando o u vectorial que no puede ser considerado constante. Para salvar esta dicultad Whitaker multiplica la anterior ecuacin escalarmente por un vector constante b y por ser constante puede ser introducida o sin dicultad dentro del s mbolo diferencial: D Dt v bdV =
Vm (t) Vm (t)
g bdV +
Am (t)
t(n) bdA
(1.72)
y mediante el teorema del transporte de Reynolds y algunas manipulaciones algrebraica simples llegamos a:
Vm (t)
D (v b)dV = Dt
g bdV +
Vm (t) Am (t)
n (T b)dA
(1.73)
como (T b) es un vector se puede aplicar el teorema de la divergencia tal como lo vimos anteriormente y obtener
Vm (t)
D (v b) g b Dt
(T b) dV = 0
(1.74)
Otra vez, al ser los l mites de integracin arbitrarios podemos removerlos y el integrando se satisface o en todo punto del dominio. La eliminacin del vector constante b es trivial en los dos primeros o 30
trminos. En cuanto al tercero una forma de resolverlo es e denicin matricial del tensor (1.68) o Txx Tyx T b = x y z Tzx Txx Tyx = x y z Tzx =( T) b
recurrir o a la notacin indicial o sino a la o Txy Txz bx Tyy Tyz by = Tzy Tzz bz Txy Txz bx Tyy Tyz by = Tzy Tzz bz
(1.75)
de esta forma surge que la integral de supercie del vector tensin se transforma en la integral de o volmen de la divergencia del tensor de tensiones, una generalizacin del teorema de la divergencia. u o Por lo tanto la ecuacin de movimiento (1.6) se transforma en: o Dv = g + T (1.76) Dt Entonces partiendo de la formulacin integral o macroscpica global arribamos a la formulacin o o o diferencial o macroscpica local del principio de conservacin de la cantidad de movimiento lineal . o o Esta expresin tiene la ventaja que el miembro izquierdo es expresado en las variables dependientes o del problema mientras que el miembro derecho contienen los ujos de estas variables o su cantidades duales. Incorporando las ecuaciones constitutivas del material es como transformamos esta ecuacin o en otra equivalente pero expresada solo en las variables de estado. Ecuaciones diferenciales de movimiento de un uido En la seccin anterior derivamos la ecuacin vectorial de movimiento expresada segn el tensor de o o u tensiones y junto al principio de conservacin de la masa forman un sistema de 4 ecuaciones en 3D o con 9 incgnitas, las tres componentes del vector velocidad y los 6 coecientes del tensor de tensiones o simtrico. Para salvar esta indeterminacin introducimos informacin adicional via las ecuaciones e o o constitutivas del material que relacionan las componentes del tensor de tensiones con la presin y los o gradientes del vector velocidad llegando nalmente a expresar las anteriores 4 ecuaciones en funcin o de las 4 incgnitas, la presin y el vector velocidad. o o Dv = g + T Dt + (v) = 0 t ((1.76,1.58)) (1.77)
Tensor de tensiones viscoso En la seccin 2 hemos visto que en el caso de la esttica de uidos no pod existir esfuerzos o a an cortantes y que los unicos esfuerzos que el uido es capaz de resistir son aquellos normales. Hab mos mencionado que estos eran isotrpicos y que en denitiva estaban caracterizados por la presin: o o t(n) = n T = np (1.78)
Analizando la anterior vemos que para el caso de un uido en reposo el tensor de tensiones se reduce a un escalar, en realidad asumiendo que la isotrop se maniesta mediante un tensor mltiplo a u
31
de la identidad podemos extender lo anterior diciendo que T = pI. En general podemos dividir al tensor de tensiones en dos partes, una isotrpica como la anterior y una no isotrpica, denominada o o muchas veces deviatrica y que corresponde al tensor viscoso, o T = pI + (1.79)
siendo = 0 para el caso particular de la esttica de uidos. Ya que T e I son simtricos, entonces a e es simtrico y dado que el trmino isotrpico es un tensor diagonal, entonces se satisface que: e e o Tij = ij i = j (1.80)
Reemplazando en las 4 ecuaciones arriba planteadas (1.76,1.58) se obtiene: v +v t v = p + g + (1.81)
donde solo se requiere establecer ecuaciones para las componentes del tensor viscoso en trmino de las e velocidades o mas generalmente en trminos del tensor velocidad de deformacin d. Si suponemos que e o el material se comporta como un uido newtoniano entonces es muy habitual usar la siguiente ley: 2 = 2d + [( ) v]I 3 2 vk ij = 2dij + [( )( )]ij 3 xk
(1.82)
expresada en notacin de Gibbs e indicial y en trmino de dos coecientes de viscosidad, y . o e En pos de poder entender mejor la forma en la que surgen las ecuaciones constitutivas es necesario introducir varios conceptos relacionados con la deformacin y la velocidad de deformacin de o o un uido. No obstante esto es dejado para futuras versiones de estas notas debido a lo extenso del anlisis, aquellos interesados pueden consultar la bibliograa bsica del tema [Wi],[Ba]. Por el momena a to nuestro anlisis lo enfocamos hacia derivar las ecuaciones diferenciales de movimiento que sern la a a que posteriormente resolveremos via mtodos numricos. Para ello nos conformamos con la denicin e e o de alguna ley constitutiva. Ya que por lo general siempre se comienza por los casos ms simples o a ms observados experimentalmente recurrimos a la hiptesis newtoniana, con la denicin (1.82), que a o o reemplazada en (1.81) nos da: v +v t v = p + g + d = 1/2( v +
T
2 2d + ( ) 3
vI
(1.83)
v)
donde T v es el gradiente del vector velocidad traspuesto, un tensor de segundo orden. Casos particulares como el de ujo incompresible donde la ecuacin de continuidad segn (1.60) o u equivale a v = 0 simplica la anterior a: v + v v = p + g + ( v + T v) (1.84) t Si la viscosidad fuera constante sale fuera del s mbolo divergencia y entonces la anterior se simplica a:
32
v + v v = p + g + t Formulacin vorticidad-funcin de corriente o o Denimos la vorticidad como: = v
(1.85)
(1.86)
Si tomamos la ecuacin de conservacin del momento lineal para el caso incompresible a viscosidad o o constante y si le aplicamos el rotor a la misma obtenemos ( v +v t v) = g + D = Dt 1 p+
2
v (1.87)
2
v+
g+
donde g representa el rotor del campo de fuerzas de volmen en general, ya sea fuerzas gravitatorias u como de otacin trmica o electromagnticas, etc. El trmino v representa matemticamente un o e e e a trmino fuente proporcional a la vorticidad y f e sicamente est asociado a la deformacin por contraccin a o o o elongacin del volmen material. Como se alcanza a ver en el caso bidimensional este trmino no o u e existe porque la vorticidad es un vector orientado en la direccin normal al plano del movimiento y o el producto escalar con ella es nulo. Solo existe en el escurrimiento 3D. En el caso 2D la vorticidad puede tratarse como un escalar ya que su orientacin permanecer ja y apuntando en la normal al o a plano del movimiento. Si consideramos ausencia de fuerzas de volmen la anterior se simplica a: u D = Dt Introduciendo la denicin de funcin de corriente, o o u= y v = x
2
(1.88)
(1.89)
y reemplazndola en la denicin de la vorticidad llegamos a a o 2 2 + = x2 y 2 Resumiendo la formulacin vorticidad-funcin de corriente en 2D se puede escribir como: o o 2 2 + = x2 y 2 + v = 2 t donde v=
y x
(1.90)
(1.91)
(1.92)
33
El planteamiento de las condiciones de contorno en esta formulacin merece un tratamiento cuio dadoso y algunos detalles de los mismos se incluyen en el cap tulo de las aplicaciones. Flujo compresible Hasta el momento hemos hecho bastante hincapi en el caso de ujo incompresible en el cual e asumimos que la densidad es constante. En esta seccin trataremos de extender el tratamiento para o incluir algunos conceptos introductorios acerca del ujo compresible. En el caso compresible la densidad aparece como una incgnita a resolver y en general a partir de argumentos termodinmicos est o a a ligada a otras variables, por ejemplo a la presin y temperatura a travs de la ecuacin de estado. o e o = constante = (p, T ) INCOMPRESIBLE COMPRESIBLE (1.93)
Con todo esto es posible cerrar el sistema. Al respecto presentaremos la ecuacin de conservacin o o de energ que debe ser acoplada al resto de las ecuaciones de conservacin para luego hacer algunos a o comentarios acerca de la entrop a. Conservacin de la energ o a El postulado fundamental de la conservacin de la energ establece: o a D Dt
(e + 1/2
Vm (t)
)dV =
Vm (t)
g vdV +
Am (t)
t(n) vdA
Am (t)
q ndA
(1.94)
donde el trmino a la izquierda representa la variacin temporal de la energ interna y la cintica e o a e dentro del volmen material o cuerpo, el primer trmino de la derecha y el segundo representan trabajos u e por unidad de tiempo de las fuerzas de gravedad y las de supercie, mientras que el tercer trmino e contiene el calor intercambiado. De alguna forma esta versin integral equivale al primer principio o de la termodinmica aplicado a sistemas cerrados que en general se expresa en forma diferencial o en a diferencias: (U + KE + P E) = Q W (1.95) Usando la igualdad derivada anteriormente (forma especial del teorema del transporte de Reynolds) (1.62) Ds D sdV = dV (1.96) Dt Vm (t) Vm (t) Dt y expresando el vector tensin como la contraccin del tensor de tensiones en la direccin normal o o o llegamos a:
Vm (t)
D (e + 1/2 Dt
)dV =
Vm (t)
g vdV +
Am (t)
(n T) vdA
Am (t)
q ndA
(1.97)
y aplicando el teorema de la divergencia sobre las dos integrales de area para llevarlas a formas equivalentes sobre integrales de volmen lo anterior se puede escribir como: u D (e + 1/2 Dt v
2
) = g v +
(T v)
(1.98)
34
y si expresamos las fuerzas gravitatorias como conservativas y provenientes del gradiente de un potencial ( ), podemos simplicar lo anterior a: D (e + 1/2 Dt v
2
+) =
(T v)
(1.99)
donde hemos agrupado la energia interna, la cintica y la potencial en el miembro izquierdo y si e aplicamos el balance de masa se llega a: D (e + 1/2 Dt v
2
+) =
(T v)
(1.100)
En general es comn a partir de esta expresin plantear el balance en un volmen de control arbitrario u o u que se mueve a una velocidad distinta a la del uido y de esta forma obtener el balance macroscpico o global. Tambin es habitual extender lo anterior al caso de sistemas abiertos donde es usual denir la e entalp y plantear el balance en trminos de esta funcin. a e o Ecuacin de la energ trmica o a e Una forma de poner la anterior expresin en trminos de la energ trmica es remover de (1.97) la o e a e ecuacin correspondiente al balance de energ mecnica. Este se puede hallar tomando las ecuaciones o a a de movimiento y multiplicarla escalarmente por la velocidad, D1/2 v Dt
2
= g v + v ( = g v +
T) = v:T
(1.101)
(T v)
Restando de (1.95) hallamos

Vm (t)
De dV = Dt
v : TdA
Am (t) Am (t)
q ndA
(1.102)
Separando T = pI + en su componente normal y en la deviatrica y pasando a la versin diferencia o o mediante el teorema de la divergencia encontramos : De = p Dt v+ q (1.103)
representa la disipacin viscosa que aumenta la energ interna y por ende la temperatura. o a Ecuacin de la entropia o Partiendo de las funciones caracter sticas de la termodinmica encontramos la relacin entre energ a o a interna, entrop y densidad, a e = e(s, ) (1.104) Tomando la derivada material y multiplicando por la densidad De = Dt e Ds e + s Dt Ds p D = T + Dt Dt D = Dt
(1.105)
35
Seccin 1.3. TP.I.- Trabajo Prctico #1 o a
y escribiendo la ecuacin de continuidad en la forma o D + Dt y usando la igualdad (1.97) llegamos a De Ds = T p v Dt Dt (1.107) Ds 1 = ( q + ) Dt T Haciendo el proceso inverso, desde la formulacin diferencial llegar a la integral implica en este caso o obtener: qn q T D sdV = dA + ( + )dV (1.108) 2 Dt Vm (t) T T Am (t) T Vm (t) De este balance integral de la entrop surge que si un proceso es isentrpico entonces la entrop del a o a volmen material o cuerpo debe permanecer constante y esta condicin se cumple si: u o 1. 1.- q n = 0 sobre la supercie, o sea es adiabtico, a 2. 2.T = 0 sobre el sistema, proceso reversible, v =0 (1.106)
3. 2.- = 0 sobre el sistema, efectos de friccin despreciables. o
1.3
TP.I.- Trabajo Prctico #1 a
1. Demostrar que para un uido en reposo (esttica de uidos) el tensor de tensiones es a isotrpico.Ayuda: Considere un tetraedro diferencial sumergido en un uido en reposo. o 2. Dado el manmetro de la gura encuentre la expresin que relaciona la presin relativa del o o o interior del tanque respecto a la atmosfrica en funcin de las alturas de las columnas usando el e o principio de conservacin de la cantidad de movimiento lineal . o 3. Calcule la fuerza y el torque aplicado sobre la placa plana de la siguiente gura: 4. Calcule la fuerza a la que se halla sometida una esfera sumergida sobre la que acta un desnivel u como el de la siguiente gura: 5. Deduzca la expresin de un ujo Couette plano laminar y calcule: o y la velocidad promedio en la seccin transversal al ujo o (b) el caudal en funcin de la caida de presin o o 6. Deduzca la expresin de un ujo Couette plano laminar pero ahora utilizando una ley de viscoo sidad no newtoniana. Para ello tome aquella del modelo de uido de ley de potencia: yx = 0 | y considere: dvx n1 dvx | dy dy (a) la velocidad mxima a
(a) el caso de un uido pseudoplstico (n < 1) a
(b) el caso de un uido dilatante (n > 1)

36
$#"! 7 A 9 B@8 6 4 3 ) ' & % 5120(% B@C E D

10. Aplique el teorema de la divergencia a la expresin del principio de conseracin de cantidad de o o movimiento lineal (1.6) para el caso de esttica de los uidos para obtener la expresin diferencial a o
Abierto a la atmsfera
9. Partiendo de la denicin vectorial del teorema de la divergencia demostrar la versin escalar o o del mismo.Ayuda: Un campo escalar puede ser denido por uno vectorial con una orientacin o ja del campo.
8. Repita el Ej 7 pero utilizando un uido no newtoniano con una ley como la presentada en el ej 6 y calculo la relacin entre el caudal y la caida de presin. o o
7. Deduzca la expresin de un ujo Couette laminar para un escurrimiento longitudinal a lo largo o de un tubo anular donde el radio interior es r1 y el exterior es r2 .
Tanque de presin
Fuerza sobre un cuerpo plano sumergido Manmetro o

1
z=h1
z=h3
z=h2
z=0
37
B a ` DTAR VW 2B 5 5 2 7 5 5 S 5 7 4 U U 5 A I 7H5Hb9YX FTBFR5BQP97 GH 4 2 7 20 E 5 4 DCAB 7 8561()' F6@93 $8 r q p f e ihdc g 9$" h ! &$ %# " )v8y
12. Probar que si w es independiente de las coordenadas espaciales, entonces
11. A partir del teorema del transporte de Reynolds (1.52) aplicado a una funcin escalar del tipo o S = s hallar la forma especial del teorema expresado por (1.62). Ayuda: utilice el principio de conservacin de la masa para alcanzar el resultado o
13. Si la velocidad de un uido viene dada por:
w u t xv8s
(1.8).
obtener una expresin para la derivada material de la velocidad o a, b, c y u0 .
Fuerza sobre un cuerpo curvo sumergido
d dt
v = u0 eat [ibx + jcy 2 ]
Va (t)
SdV =
Va (t)
dS dV dt
Dv Dt
en trmino de los coecientes e
38
Cap tulo 2
Niveles dinmicos de aproximacin a o

2.0.1 Introduccin o
las ecuaciones de Navier-Stokes la dependencia de la viscosidad y la conductividad trmica con otras variables e leyes constitutivas describen completamente el fenmeno uidodinmico en rgimen laminar. o a e No obstante en casi todas las situaciones reales en la naturaleza y en la tecnolog existe una a particular forma de inestabilidad conocida con el nombre de turbulencia. Esta ocurre cuando en ciertas situaciones un nmero adimensional llamado nmero de Reynolds, denido por Re = Uchar L/, u u alcanza o supera determinado valor que depende del problema en particular. L representa una longitud caracter stica y Uchar una velocidad caracter stica. Este fenmeno se caracteriza por la presencia de o uctuaciones estad sticas en todas las variables del ujo que se agregan a los valores medios, llegando en algunos casos a alcanzar valores de hasta el 10% del promedio. Dado que la escala que imponen los fenmenos turbulentos estn fuera de los alcances de los o a recursos computacionales actuales, es la tarea de estos tiempos tratar de resolver las ecuaciones de Navier-Stokes en su versin promediada y suplementada por alguna descripcin externa de las tensiones o o de Reynolds. Esta informacin es suministrada por los modelos de turbulencia, cubriendo ellos un o rango muy amplio, desde los ms simples basados en denir una longitud de mezcla y una viscosidad a para los eddies hasta aquellos que plantean un balance para el transporte de cantidades como la energ a cintica turbulenta y la disipacin, modelo denominado k , o formas ms complicadas de calcular e o a las componentes del tensor de Reynolds. A continuacin presentamos en forma resumida cuales ser o an los distintos niveles de aproximacin que se pueden plantear sobre la base de los efectos dinmicos o a presentes. Navier-Stokes tridimensional laminar Navier-Stokes tridimensional turbulento En el caso de no existir extensas regiones viscosas podemos plantearnos Thin shear layer (TSL). Esta aproximacin desprecia los fenmenos de difusin molecular y turbulenta en la direccin o o o o de transporte reduciendo el nmero de trminos de tensin viscosa a calcular. u e o 39
Cap tulo 2. Niveles dinamicos de aproximacion
Seccin 2.1. Las ecuaciones de Navier-Stokes o
Navier-Stokes parabolizado: En esta aproximacin el carcter el o a ptico de las ecuaciones es responsabilidad de la presin mientras que el resto de las variables se parabolizan, reduciendo o los fenmenos de difusin a la direccin transversal. o o o Capa l mite Para altos Re podemos introducir una suerte de separacin de los efectos viscosos o e inv scidos, desacoplando la presin de los efectos viscosos y connando stos a una regin o e o cercana a los cuerpos mientras que lejos el ujo se comporta como inv scido. Aproximacin inv o scida (ecuaciones de Euler). Aqu despreciamos todos los efectos vis cosos y nos acercamos a los cuerpos tanto como el espesor de la capa l mite, no resolviendo lo que sucede dentro de ellas. Modelo de prdidas distribuidas Es un modelo usado en problemas de ujo interno, en ese pecial en turbomquinas. Se ubica en un nivel intermedio entre los modelos total o parcialmente a viscosos y aquellos puramente inv scidos. Debido a la existencia de las de labes las capas a l mites y las estelas que deja una la de ellas se mezclan y son vista por la siguiente como una fuerza de friccin distribuida. o Modelo de ujo potencial Este est asociado a ujo irrotacional y por su carcter isoentrpico a a o presenta problemas de unicidad cuando aparecen discontinuidades debiendo imponerse las condiciones de Rankine-Hugoniot para evitarlas.
2.1
Las ecuaciones de Navier-Stokes

v + t E v 0 v v + pI = fe Wf + qH vH v k T (2.1)
donde Wf = fe v. Estas forman un sistema de 5 ecuaciones en el caso 3D expresado aqu en variables conservativas U denidas como: u U = v = v (2.2) w E E No debe confundirse lo que se llama una forma conservativa de lo que son las variables conservativas. La matriz de los vectores ujos F tiene dimensin (5 3) o v F = v v + pI (2.3) vH v k T y puede dividirse en tres vectores columnas (f, g, h) de 5 componentes cada uno.
40
El lado derecho contiene los trminos fuentes, Q, un vector de (5 1) e 0 Q = fe Wf + qH (2.4)
De esta forma podemos arribar a una forma condensada de las ecuaciones que suele ser muy util en ciertas situaciones U + F =Q (2.5) t que expresada en sus tres coordenadas cartesianas da lugar a U f g h + + + =Q t x y z (2.6)
Las ecuaciones de Navier-Stokes deben ser suplementadas por leyes constitutivas y por la denicin o del tensor de tensiones viscosas en funcin de otras variables del ujo. Consideraremos las hiptesis o o Newtonianas ya vistas. Las leyes termodinmicas denen la relacin entre la energ o la entalp y a o a a otras variables termodinmicas, tales como la temperatura, la densidad o la presin. a o e = e(p, T ) o h = h(p, T ) (2.7)
Adems deben especicarse leyes de dependencia de la viscosidad y la conductividad trmica con otras a e variables del ujo como la temperatura o eventualmente la presin. En particular es muy usual en o gases expresar la dependencia de la viscosidad con la temperatura a partir de la ley de Sutherland = 1.45 T 3/2 6 10 , [T ]Kelvin T + 110 (2.8)
Para la conductividad trmica puede plantearse algo similar conociendo la relacin que vincula Cp = e o Cp (T ). En el caso de l quidos k es asumida como constante. Muchas veces se usa la hiptesis de gases perfectos que plantea una expresin particular de (2.7), o o como e = Cv T y una relacin para las tres variables termodinmicas a travs de la ecuacin de estado o a e o de los gases p = Rgas T donde Rgas es la constante universal de los gases.
2.1.1
Modelo de uido incompresible
Las ecuaciones de Navier-Stokes se simplican considerablemente para el caso de uidos incompresibles para el cual se asume que la densidad permanece invariable tanto en la coordenada espacial como en el tiempo. Si adems el ujo permanece isotrmico esto separa la ecuacin de energ del resto y el a e o a sistema se reduce en una ecuacin. En el caso de ujos que involucren variaciones de temperatura el o acoplamiento entre la temperatura y el movimiento ocurre a travs de : e variacin de la viscosidad con T o
41
variacin de la conductividad con T o fuerzas de otacin o fuentes de calor de or gen mecnico, qu a mico o elctrico e entre otras. En el caso incompresible la ecuacin de masa se transforma en: o v =0 (2.9)
que aparece como una especie de restriccin a la ecuacin del movimiento que en forma no consero o vativa se puede escribir como: v + (v t )v = 1 p + v + fe (2.10)
La ecuacin de vorticidad de Helmholtz, presentada previamente, se transforma en o + (v t ) = ( )v + p 1 + + fe (2.11)
Para ujos donde la densidad no se estratica el trmino en presin desaparece de las ecuaciones y el e o primer trmino del lado derecho se anula si el ujo es plano. e El caso incompresible presenta una situacin muy particular, una de las 5 incgnitas, la presin, no o o o tiene una forma dependiente del tiempo debido al carcter no evolutivo de la ecuacin de continuidad. a o Esto redunda en una dicultad numrica que ha dado y continua dando lugar a muchas especulaciones. e Una ecuacin para la presin puede obtenerse tomando la divergencia de las ecuaciones de momento o o y asumiendo un campo de velocidades solenoidal , conduce a: 1 p = (v )v + fe (2.12)
que puede ser considerada como una ecuacin de Poisson para la presin cuando el campo de o o velocidades es especicado. El trmino derecho contiene solo derivadas de primer rden para la e o velocidad.
2.1.2
Las ecuaciones de Navier-Stokes promediadas
El proceso de promediacin en el tiempo para un ujo turbulento se introduce para alcanzar las leyes o de movimiento para las cantidades medias. La promediacin temporal se dene de forma de remover o la inuencia de las uctuaciones turbulentas sin destruir la dependencia temporal con otros fenmenos o no estacionarios con escala de tiempo diferente a aquellas asociadas con la turbulencia. La promediacin se dene como: o A=A+A A(x, t) = 1 T
T /2
A(x, t + )d
T /2
(2.13)
42
donde T se dene como un tiempo sucientemente largo comparado con la escala de sucesos de la turbulencia pero pequeo comparado a la escala temporal del problema no estacionario. En ujos n compresibles este proceso de promediacin conduce a productos de uctuaciones entre cantidades o como la densidad y otras variables como la velocidad y la energ interna. Para evitarlas se recurre a a un promedio pesado con la densidad. A A= (2.14) +A A=A A = 0 De esta forma se remueven todos los productos necesarios de las uctuaciones de la densidad con las uctuaciones de las otras variables. Por ejemplo, la ecuacin de continuidad se transforma en o + (v) = 0 t Aplicada a las ecuaciones de momento llegamos a: v R (v) + (vv + pI ) = 0 t donde las tensiones de Reynolds se denen como:
R
(2.15)
(2.16)
= v v
v
(2.17)
y se agregan a las tensiones viscosas promediadas . En coordenadas cartesianas tenemos que

R ij = vi vj
(2.18)
La relacin entre las tensiones de Reynolds y las variables debe ser especicada en forma externa y o se realiza a travs de modelos que contienen una dosis de especulacin terica combinada con evidencias e o o experimentales.
2.1.3
Aproximacin Thin shear layer (TSL) o
A elevados nmeros de Reynolds las capas de corte prximas a las paredes y las que se producen en u o las estelas sern de un tamao limitado y si la extensin de las zonas viscosas permanece limitada a n o durante la evolucin del ujo entonces la inuencia dominantes de estas capas estar dada por los o a gradientes en la direccin transversal a la corriente uida. Entonces, la aproximacin Thin shear o o layers consiste en despreciar las derivadas en las direcciones de la supercie que delimitan estas capas de corte y considerar solo las derivadas en la direccin normal a ellas. Esta aproximacin se sustenta o o an ms si hechamos un vistazo a las mallas discretas que se confeccionan para ujos con Re > 104 u a que son muy densas en la direccin normal a los cuerpos y son muy gruesas en el plano tangente al o cuerpo, alcanzndose muy baja precisin en las direcciones contenidas en el plano tangente. a o La forma condensada de las ecuaciones de Navier-Stokes (2.5) permanecen inalteradas pero el vector ujos F se simplica por el hecho que
43
in n i = ( ) (2.19) n n Entonces si tomamos los ujos en cada una de las tres direcciones locales (tangente, normal y binormal) vemos que u u2 + p f = uv uw uH v uv g = v 2 + p (2.20) vw vH 0 w uw u z v vw + z h= 2 + p 4 w w 3 z v 4 w T u wH (u z + v z + 3 w z ) k z ( )i Como vemos esta aproximacin asume ujo inv o scido para las direcciones del plano tangente y ujo viscoso slo en la direccin normal. A diferencia de la aproximacin de capa l o o o mite, TSL no asume que la presin sea constante dentro de la capa l o mite, con lo cual representa una aproximacin tipo o capa l mite de mayor rden. o
2.1.4
Aproximacin Navier-Stokes parabolizada o
Esta aproximacin se basa sobre consideraciones similares a TSL pero se aplica solamente al caso o estacionario. Esta aproximacin va dirigida hacia aquellas situaciones donde existe una direccin o o predominante como ser el caso de ujo en canales. Adems se supone que las regiones viscosas a a cerca de bordes slidos son dominadas por gradientes en el plano normal y por lo tanto la difusin de o o momento y energ en la direccin principal se desprecian. Esta aproximacin es solo vlida mientras a o o a no existan zonas con variaciones importantes tal como recirculaciones. Analizando la ecuacin de o momento en la direccin principal (asumimos la x) ser : o a u u (u2 + p) + (uv) + (uw) = ( ) + ( ) x y z y y z z (2.21)
Esta ecuacin por haber perdido el trmino de derivada segunda segn la direccin x cambi de o e u o o tipo el ptico a parablico ya que segn x la derivada primera es la de mayor rden. Entonces la o u o variable x puede ser vista como un pseudo tiempo y se resuelven problemas en 2D avanzando de a capas en x. Similarmente la ecuacin de energ parabolizada se vuelve o a
44
Seccin 2.2. Modelo de ujo inv o scido
uH vH wH + + = ( v)y + ( v)z + (k ) + (k ) x y z y z y y z z
(2.22)
2.1.5
Aproximacin de capa l o mite
Fue un gran descubrimiento alcanzado por Prandtl quien reconoci que a altos Re las regiones viscosas o permanecen acotadas a una extensin ( del rden de /L o o /U L para un cuerpo de longitud L ) a lo largo de cuerpos slidos o supercies inmersas o limitando el ujo. En estos casos el clculo de o a la presin puede separarse de aquel del campo de velocidades. Comparando esta aproximacin con o o la TSL se puede decir que aqu adems de las suposiciones hechas con la TSL se agrega aquella que a la velocidad en la direccin normal a la supercie se desprecia por lo cual no se produce caida de o presin en esa direccin. De esta forma la presin en la capa l o o o mite se asume igual a la externa pe (x, y) computada a partir de una aproximacin inv o scida. Si bien uno puede separar el cmputo de la zona o regin inv o o scida del de la capa l mite existe muchas situaciones donde existe interaccin entre ambas y deben resolverse en forma iterativa. Este o tipo de aproximacin cae dentro de lo que suele llamarse interaccin viscosa-inv o o scisa
2.2
Modelo de ujo inv scido
La conguracin de ujo ms general para el caso no viscoso donde se desprecian los efectos de o a conduccin del calor se describen mediante las ecuaciones de Euler, obtenidas a partir de las ecuaciones o de Navier-Stokes despreciando todos los trminos de tensiones viscosas y los de conduccin del calor. e o Esta aproximacin vale para ujos a elevados nmero de Reynolds y fuera de las regiones donde o u se concentran los efectos viscosos. Este modelo respecto al de Navier-Stokes introduce un cambio importante en el conjunto de ecuaciones, el sistema de segundo rden se transforma en uno de primer o o rden, modicando no solo la aproximacin f o sica y numrica sino tambien la especicacin de las e o condiciones de contorno. Las ecuaciones de Euler no estacionarias tienen una forma condensada similar a aquella presentada en (2.5) U + F =Q (2.23) t para el caso de Navier-Stokes , con la modicacin puesta en la forma de denir el vector ujo F En o este caso los ujos se denen como u v w u2 + p uv uw 2 uv v + p vw f = g (2.24) uw vw w2 + p uH vH wH Una consideracin importante le cabe a la entrop Ya que el modelo de Euler asume la no existencia o a. de conduccin del calor ni de esfuerzos viscosos, si tomamos la ecuacin (2.6.f) o o T ds = dt
v
(k T ) + qH
(2.25) 45
vemos que el segundo miembro es nulo, por lo cual sta se reduce a: e T( s +v t s) = 0 (2.26)
expresando que la entrop es constante a lo largo de las l a neas de corriente. Por lo tanto las ecs. de Euler describen ujos isentrpicos en ausencia de discontinuidades. No obstante la entrop puede o a variar de una l nea de corriente a otra y esto es visto por una forma especial atribuida a Crocco de describir las ecuaciones de momento , cuando se la aplica al caso inv scido y estacionario en ausencia de fuerzas externas. Esta se expresa como: v = T s H (2.27)
Si por un momento asumimos un campo uniforme de entalp vemos que la derivada normal de la as entrop (en el plano tangente no var equivale a la componente normal en la terna de Frenet del a a) producto vectorial entre la velocidad y la vorticidad y que es equivalente al producto de la componente binormal de la vorticidad con la velocidad normal, o sea wb = T s n (2.28)
Por lo tanto gradientes de entropia y vorticidad estn directamente vinculados. Las ecuaciones de Euler a tambin permiten discontinuidades en capas vorticosas, en ondas de choque o del tipo discontinuidades e de contacto, pero ellas deben obtenerse usando la forma integral del las ecuaciones ya que la forma diferencial asume continuidad de la solucin. o
2.2.1
Propiedades de las soluciones discontinuas
Si dentro de un volmen V existe una supercie que se mueve con una velocidad C donde la solucin u o presenta una discontinuidad debemos recurrir a la forma integral de las ecuaciones de Euler, que en ausencia de trminos fuentes se puede escribir como: e t
U d+
S
F dS = 0 U
U d+ t
d + t
(2.29) F dS = 0
S
Ya que debemos seguir el movimiento de la supercie para poder estudiar su evolucin, debemos o aplicar el teorema del transporte de Reynolds sobre el trmino temporal, que dice: e Para cualquier funcin f (x, t) tenemos que o d dt f d =
V (t) V (t)
f + t
(f C) d
(2.30)
Entonces usando (2.30) con f = 1 y el teorema de la divergencia sobre (2.29) produce lo siguiente: U d t U C dS +
S S
F dS = 0
(2.31) 46
Asumiendo que el volmen tiende a cero el trmino del ujo puede ponerse como: u e
V 0 S
lim
F dS =
(F2 F1 ) d =
F 1n d
(2.32)
donde d es la normal a la supercie de la discontinuidad y donde denimos el salto de una variable que cruza una discontinuidad A como A = A2 A1 Combinando (2.29) con (2.32) llegamos a ( F C U ) d = 0
(2.33)
que conduce a la forma local de las leyes de conservacin sobre una discontinuidad, llamadas las o relaciones de Rankine-Hugoniot: F 1n C U 1n = 0 (2.34) Si (x, t) = 0 dene la supercie de discontinuidad, entonces d = +C dt t y si denimos la normal a la supercie como 1n = entonces, reemplazando en (2.34) obtenemos F Distintas formas de discontinuidad shocks: todas las variables del ujo son discontinuas de contacto y capas vorticosas (slip lines): no ha transferencia de masa a travs de ellas e densidad y velocidad tangencial discontinuas presin y velocidad normal continuas o Si vemos las propiedades del sistema desde una terna que se mueve junto a la discontinuidad, las relaciones de Rankine Hugoniot para las ecuaciones de Euler se transforman en: v 1n = 0 v v 1n + p 1n = 0 v 1n H = 0 47 (2.36) + U =0 t (2.35) | | =0
Seccin 2.3. Flujo potencial o
Discontinuidad de contacto
Al no haber transporte de masa a travs de ellas e vn1 = vn2 = 0
y de (2.36) surge que p =0 y en general =0 Capas vorticosas (Slip lines) Como antes vn1 = vn2 = 0 p =0 permitiendo saltos en la velocidad tangencial y en la densidad =0 y vt = 0 (2.37) y vt = 0
Ondas de choque Ellas permiten el transporte de masa a travs y por lo tanto la velocidad normal y e la presin pueden ser discontinuas mientras que la velocidad tangencial permanece continua. Entonces o =0 p =0 (2.38) vn = 0 vt = 0 La llamada condicin de entrop da la informacin necesaria para poder ltrar de todas las posibles o a o soluciones aquellas que no tengan sentido f sico. Esto est fuera de los alcances de este curso. Del a mismo modo no ser tratado aqu el tema de la formulacin de ujo inv a a o scido rotacional mediante la representacin de Clebsch que permite una descripcin ms econmica en trmino de cmputo pero o o a o e o ms compleja en cuanto a su interpretacin. a o
2.3
Flujo potencial
Si a la hiptesis del ujo inv o scido le agregamos la irrotacional lo cual matemticamente podemos a expresar como: = v =0
el campo tridimensional de velocidades puede ser descripto por una unica funcin escalar , llamada o funcin potencial y denida por: o
48
v=
lo cual reduce notoriamente el clculo. Si las condiciones iniciales son compatibles con un campo a de entrop uniforme, luego para ujos continuos la entrop ser constante en todo el dominio y las a a a ecuaciones de momento se transforman en ( ) + t o + H = H0 constante t donde la constante H0 es la entalp de todas las l a neas de corriente. De esta forma la ecuacin o de energ ya no ser independiente del resto. La ecuacin para ujo potencial surge de la ecuacin a a o o de continuidad tomando en cuenta la hiptesis de ujo isoentrpico para poder expresar la densidad o o como una funcin de la velocidad, o sea del gradiente del potencial. o En forma de conservacin tenemos o + ( ) = 0 t que junto con la relacin entre densidad y funcin potencial o o h = ( )1/(1) = A hA H0 v 2 /2 /hA t
1/(1)
H=0
(2.39)
(2.40)
(2.41)
completan el modelo. A y hA son valores de referencia para la densidad y la entalp que a menudo a corresponden con las condiciones de estancamiento. Caso estacionario ( ) = 0 y ( )2 = 1 A 2H0 surgen como el modelo a resolver. Algunos temas a agregar ms adelante son: a Flujo irrotacional con circulacin - condicin de Kutta-Joukowski o o Limitaciones del modelo de ujo potencial para ujos transnicos o
1/(1)
(2.42)
(2.43)
49
2.3.1
Aproximacin de peque as pertubaciones o n
En ujos estacionarios o no estacionarios alrededor de perles alares con un espesor mucho menor que su cuerda se puede asumir que las velocidades en el plano normal son despreciables simplicando an ms el modelo. Asi surge el modelo de pequeas perturbaciones que matemticamente se escribe u a n a como:
2 (1 M )xx + yy + zz =
1 (tt + 2x xt ) a2
(2.44)
2.3.2
Flujo potencial linealizado
Si el ujo es incompresible hemos visto que la ecuacin de continuidad se expresa como o v =0 y por la hiptesis del modelo potencial v = o entonces (2.45) se transforma en = 0 (2.46) (2.45)
la ecuacin de Laplace. o Otra forma de linealizar el problema es usando superposicin de ujos simples, como fuentes, o sumideros y vrtices calibrando los coecientes con que cada uno participa de forma de ajustar la o condicin de contorno de velocidad normal nula sobre cuerpos slidos. o o Los mtodos basados en singularidad provienen de plantear el problema en forma integral, usar e ncleos ( kernels ) que representen la inuencia espacial y resolver numricamente. Estos mtodos u e e son llamados singulares porque casualmente producen integrales singulares cuyo tratamiento no es trivial y est fuera del alcance del curso. Mtodos como el de los paneles o el mtodo de los elementos a e e de borde son los mximos representantes de sta tcnica. a e e
50
Cap tulo 3
.- Naturaleza matemtica de las a ecuaciones de la mecnica de uidos a

3.1 .1.- Introduccin o
Para comenzar resumimos las varias aproximaciones vistas en el cap tulo anterior de forma tal de mostrar las ecuaciones que surgen de los modelos vistos. En general las leyes de conservacin plantean una ecuacin del tipo o o U + t F =Q (II.1.e)
que expresada en sus tres coordenadas cartesianas dan lugar a U f g h + + + =Q t x y z Las ecuaciones de Navier-Stokes se pueden expresar en su forma general como v 0 v + v v + pI = fe t E Wf + qH vH v k T En el caso incompresible se transforman en v =0 v + (v t )v = 1 p + v + fe (II.2.a) (II.2.b) (II.1.f )
(3.1)
donde es muy comn desacoplar el problema en una solucin para la velocidad y otra para la presin. u o o Para esta ultima surge 1 p = (v )v + fe (II.2.d)
51
Cap tulo 3. .- Naturaleza matematica de las ecuaciones
Seccin 3.1. .1.- Introduccin o o
En la aproximacin Thin shear layer (TSL) hemos visto o u u2 + p f = uv uw uH v uv g = v 2 + p vw vH 0 w uw u z v vw + z h= 4 w w2 + p 3 z v 4 w T u wH (u z + v z + 3 w z ) k z
(3.2)
mientras que en el caso parabolizado cambia solamente la ecuacin de momento segn la direccin o u o preferencial del ujo por otra del tipo u u (u2 + p) + (uv) + (uw) = ( ) + ( ) x y z y y z z y la de energ por la siguiente a vH wH uH + + = ( v)y + ( v)z + (k ) + (k ) x y z y z y y z z En el modelo inv scido u u2 + p f = uv uw uH v uv g = v 2 + p vw vH w uw h = vw w2 + p wH (II.5.2) (II.5.1)
(II.6.1)
y en ujo potencial tenemos el caso general + t h = ( )1/(1) = A hA y los casos de pequeas perturbaciones n
2 (1 M )xx + yy + zz =
( ) = 0
(II.8.2)
junto con la relacin entre densidad y funcin potencial o o H0 v 2 /2 /hA t

1/(1)
(II.8.3)
1 (tt + 2x xt ) a2
(II.8.6) 52
Seccin 3.1. .1.- Introduccin o o
o el caso linealizado con = 0 (II.8.7) Examinando las anteriores ecuaciones provenientes de los modelos f sicos asumiendo distintos niveles de aproximacin dinmica podemos decir que todas se representan por un conjunto de ecuaciones a o a derivadas parciales cuasi-lineales de primer o a lo sumo segundo rden. o Por lo visto al comienzo el modelo matemtico reeja un balance entre ujos convectivos, difusivos a y diversas fuentes internas y externas que surgen a partir del modelo planteado por la f sica. Los ujos difusivos aparecen con operadores de segundo rden como una consecuencia de la ley o generalizada de Fick, con una tendencia a suavizar gradientes. Los ujos convectivos aparecen con operadores de primer rden y expresan el transporte de la o propiedad. Por lo tanto la competencia entre ellos inuenciar sobre la naturaleza matemtica de las ecuacioa a nes, desde las ecuaciones el pticas, parablicas hasta las hiperblicas. Del mismo modo es la persona o o que modela la que al introducir una aproximacin est forzando sobre el tipo de ecuacin con que se o a o enfrentar. a Tomemos a modo de ejemplo de esto la componente x de la ecuacin de momento de las ecuaciones o de Navier-Stokes asumiendo ujo laminar e incompresible. u + (v t )u = p + u x (3.3)
Adimensionalizar estas ecuaciones es un modo de ver mejor aquello de la competencia. Para ello tomemos una longitud de referencia L, un tiempo caracter stico T , una escala de velocidades V y una de presiones V 2 . Reemplazando como es habitual en (4.1.1) surge V T u + (v L t )u = p 1 + u x Re (3.4)
donde Re = V L = VL es el nmero de Reynolds y todas las variables, las independientes como las u dependientes, se expresan en la versin adimensionalizada. o Para Re 0, ujos fuertemente viscosos, denominados reptantes, el trmino convectivo y no lineal e es despreciable y surgen las ecuaciones de Stokes V 2 T u p + u = Re t x (3.5)
Asumimos que el gradiente de presin est jado para poder reducir este caso ejemplicatorio al caso o a de una ecuacin y no entar en las complejidades que presupone un sistema de ecuaciones con varias o incgnitas. Asi como estn escritas son de naturaleza parablica debido a la existencia de un operador o a o de primer rden para una de las variables independientes, el tiempo, y uno de segundo rden para la o o otra, la coordenada x. Si agregamos la hiptesis de ujo estacionario entonces desaparece el trmino o e temporal y la ecuacin se transforma en el o ptica (ec. de Poisson) Si Re y si nos ubicamos fuera de la capa l mite, los trminos viscosos tendrn muy poca e a inuencia haciendo que el ujo sea dominado por los trminos convectivos (ecs. de Euler). e u + (v t )u = p x (3.6) 53
Seccin 3.2. .2.- Supercies caracter o sticas. Soluciones del tipo ondas
Si reducimos el problema al caso unidimensional la anterior se vuelve u u 1 p +u = t x x (3.7)
que es una ecuacin hiperblica que describe un fenmeno de propagacin. o o o o Es de gran importancia la distincin entre fenmenos de difusin (el o o o pticos) y de propagacin o (hiperblicos), ya que en los primeros la informacin se propaga en todas direcciones mientras que en o o los ultimos existe una direccin preferencial y la informacin se propaga solo a determinadas regiones. o o Entre ambos existen las ecuaciones parablicas que amortiguan en el tiempo los efectos difusivos. Las o ecuaciones de Navier-Stokes son de carcter parablicas en el espacio y en el tiempo y cambian de tipo a o al caso el ptico en el estado estacionario. De todas maneras es importante resaltar que la ecuacin o de continuidad al no contar con difusin es de carcter hiperblico lo cual hace que, estrictamente o a o hablando, las ecuaciones de Navier-Stokes sean incompletamente parablicas. o
3.2
.2.- Supercies caracter sticas. Soluciones del tipo ondas
Las ecuaciones a derivadas parciales que describen los niveles de aproximacin vistos en el cap o tulo anterior son cuasi-lineales y a lo sumo de segundo rden. No obstante se sabe que en muchos casos o existe una forma no degenerada de llevar un sistema de segundo rden a otro de primer rden. Asumio o mos que contamos con la transformacin necesaria y que tenemos entre manos un sistema cuasi-lineal o de primer rden. La clasicacin de las ecuaciones est o o a ntimamente relacionada con el concepto de caracter sticas, denida como hipersupercies a lo largo de la cual ciertas propiedades del ujo permanecen invariables o ciertas derivadas pueden volverse discontinuas. Un sistema de ecuaciones a derivadas parciales de primer rden se dice hiperblico si su parte o o homognea admite solucin del tipo ondulatoria. Ya veremos que esto est asociado con el hecho e o a que los autovalores del sistema son reales. Por otro lado si el sistema admite solucin del tipo ondas o amortiguadas (evanescentes) el sistema ser parablico y si no admite solucin del tipo ondulatorio a o o ser el a ptico y dominado por difusin. o
3.3
.3.- Ecuaciones diferenciales parciales de segundo orden

2 2 2 + 2b +c 2 =0 x2 xy y
Sea el siguiente operador cuasi-lineal de segundo rden o a (3.8)
con a, b, c = f (x, y, , ). Podemos escribirla como un sistema introduciendo las siguientes variables : u= ; v= x y a u u v + 2b +c =0 x y y v u =0 x y
(3.9)
54
Seccin 3.3. .3.- Ecuaciones diferenciales parciales de segundo rden o o
que en forma matricial se escribe como a 0 0 1 x u 2b c + v 1 0 y U U A1 +A2 =0 x y u v =0 (3.10)
Si la solucin es expresable como una onda plana que se propaga en la direccin n, sta tendr la o o e a forma U = U eI(nx) = U eI(nx x+ny y) (3.11) con I = 1. Reemplazando la solucin(4.2.3) en (4.2.2) y tomando la parte homognea nos queda o e (A1 nx + A2 ny )U = 0 que admitir solucin no trivial solo si el determinante del sistema es nulo, a o det|A1 nx + A2 ny | = 0 O sea que las raices de a( nx 2 nx ) + 2b( ) + c = 0 ny ny (3.13) (3.12)
(3.14)
nos darn la respuesta a si la solucin es expresable como una onda, o sea si es hiperblica o si se a o o trata de una onda pero amortiguada (parablica) o si no existe solucin real en cuyo caso es el o o ptica. Resolviendo, b2 ac > 0 dos soluciones reales, dos ondas (hiperblico) o b2 ac = 0 una unica solucin (parablico) o o b2 ac < 0 dos soluciones complejas conjugadas, (el ptico) En lo anterior hemos asumido una solucin del tipo onda plana. Esto puede generalizarse a o hipersupercies generales con una representacin no lineal de la onda. Esta consiste en denir una o supercie que funciona como frente de onda S(x, y) y la solucin se representa por una onda general o del tipo U = U eIS(x,y) (3.15) A partir de aqu la operatoria es la misma que en el caso de onda plana. Un sistema es hiperblico si o (4.2.7) es una solucin para valores reales de S(x, y) o Esto se logra calculando det|A1 Sx + A2 Sy | = 0 (3.16) donde Sx , Sy son las derivadas de la supercie respecto a las direcciones que caen sobre ella. Las supercies S(x, y) que hacen el anterior determinante nulo son supercies caracter sticas con una normal que apunta segun S.
55
Seccin 3.3. .3.- Ecuaciones diferenciales parciales de segundo rden o o
Ejemplo 1: Flujo potencial estacionario Llamemos c a la velocidad del sonido. Si tomamos la ecuacin o del modelo de ujo potencial y trabajamos algebraicamente sobre la relacin entre densidad y funcin o o potencial asumiendo transformaciones isoentrpicas llegamos a o (ij Mi Mj ) 1 2 2 = 2 + ( )2 2 xi dxj c t t (3.17)
que en el caso 2D estacionario se simplica a (1 u2 2 2uv 2 v2 2 ) 2 2 + (1 2 ) 2 = 0 c2 x c xdy c y (3.18)
que bajo la forma de una ecuacin general de segundo rden (4.2.2) posee los siguientes coecientes: o o u2 a=1 2 c uv b= 2 c v2 c=1 2 c Entonces el discriminante b2 4ac se vuelve b2 4ac = u2 + v 2 1 = M2 1 c2
(3.19)
lo cual es negativo (el ptico) en el caso subsnico y positivo (hiperblico) en el caso supersnico. En el o o o caso transnico el problema se transforma en parablico. Como vemos el problema potencial tiene una o o naturaleza bastante variada dependiendo del rgimen de velocidades que estemos resolviendo. Una e complicacin adicional a esto aparece por el hecho que en el caso transnico y supersnico pueden o o o aparecen discontinuidades como ondas de choque con un tratamiento numrico bien particular. e Ejemplo 2: La ecuacin potencial en pequeas perturbaciones Como hemos visto si la componente o n transversal al ujo del vector velocidad es despreciable, la ecuacin potencial estacionaria se reduce a o
2 (1 M )
2 2 + 2 =0 x2 y
(3.20)
entonces las raices de la ecuacin (4.2.6) son o ny 2 = M 1 nx que denen las normales a las dos caracter sticas para ujos supersnicos. Estas se obtienen como o dy = 1/ dx
2 (M 1) = tan
Estas caracter sticas son idnticas a las l e neas de Mach que se hallan a un ngulo respecto a la a direccin del vector velocidad, con o sin = 1/M
56
Seccin 3.4. .4.- Denicin general de supercie caracter o o stica
3.4
.4.- Denicin general de supercie caracter o stica
Sea un sistema de n ecuaciones diferenciales parciales de primer rden para las n incgnitas ui , i = o o 1, . . . , n en el espacio m dimensional xk , k = 1, . . . , m incluyendo eventualmente la variable tiempo. Escrita en forma de conservacin y usando la convencin de suma sobre o o ndices repetidos tenemos k F = Qi xk i k = 1, . . . , m; i = 1, . . . , n (3.21)
El anlisis de las propiedades del sistema recae sobre la forma cuasi-lineal obtenida despus de introa e k denidas por ducir las matrices jacobianas A Ak = ij Fik uj (3.22)
Por lo tanto el sistema (4.5.1) toma la forma cuasi-lineal Ak ij uj = Qi , xk k = 1, . . . , m; i = 1, . . . , n (3.23)
que en forma condensada se escribe como Ak U = Q, xk k = 1, . . . , m
donde el vector columna U es de (n 1) y contiene las incgnitas uj , mientras que Ak son matrices o de n n y Q un vector de trminos fuentes. Las matrices Ak y el vector Q pueden depender de xk y e de U pero no del gradiente de U . Una solucin expresada como una onda plana de la forma (4.2.3) o en general (4.2.7) existir si el o a sistema homogneo e S Ak k U = Ak nk U = 0 k = 1, . . . , m x admite soluciones no triviales, lo cual como antes redunda en que det |Ak nk | = 0 Esta ecuacin tiene a los sumo n soluciones, las n supercies caracter o sticas. El sistema se dice hiperblico si todas las caracter o sticas son reales y si las soluciones son linealmente independientes. Si todas son complejas es el ptico y si hay de ambas es h brido. Adems si el rango de Ak nk no es a completo el sistema se dice parablico. Esto ocurrir cuando al menos una de las variables no posea o a derivadas respecto a alguna de las coordenadas espaciales. Ejemplo 3 : Sistema de 2 ecs de primer rden en 2D o a Sea el siguiente sistema de ecuaciones en 2D
u u +c = f1 x y u u b +d = f2 x y
(3.24)
57
Seccin 3.4. .4.- Denicin general de supercie caracter o o stica
que en forma matricial se puede escribir como a 0 0 b donde A1 = a 0 , 0 b A2 = 0 c d 0 x u 0 c + v d 0 y u v = f1 f2
Planteando el determinante e igualando a cero conduce a las raices: | ny 2 cd | = nx ab
Si cd/ab > 0 el sistema es hiperblico, por ejemplo tomemos a = b = c = d = 1, en este caso el sistema o de ecuaciones es la conocida ecuacin de las ondas que escrita como una ecuacin de segundo rden o o o luce como 2u 2u 2 =0 x2 y Si cd/ab < 0 el sistema es el ptico, por ejemplo tomemos a = b = 1 ; c = d = 1, en este caso el sistema de ecuaciones es la conocida ecuacin de difusin o de Laplace o o 2u 2u + 2 =0 x2 y Finalmente si b = 0 existe una sola caracter stica y el sistema es parablico. Con a = 1 ; b = 0 ; c = o d = 1 ; f1 = 0 ; f2 = v obtenemos la conocida ecuacin del calor o u 2u = x y 2 Ejemplo 4: Ecuaciones en aguas poco profundas estacionaria Este sistema, conocido como shallow water equations, describe la distribucin espacial de las alturas de la supercie libre de una corriente o de agua que posee un campo de velocidades (u, v). Si llamamos g a la aceleracin de la gravedad, o entonces: h h u v u +v +h +h =0 x y x y u u h u +v +g =0 (3.25) x y x v h v u +v +g =0 x y y Introduciendo el vector de incgnitas o h U = u v
58
Seccin 3.5. Dominio de dependencia - zona de inuencia o
el sistema se puede escribir en u g 0 o en forma compacta
forma matricial como h 0 h v 0 h h u 0 u + 0 v 0 u =0 x y 0 u v v g 0 v A1
U U + A2 =0 x y Las tres supercies caracter sticas se obtienen como la solucin de plantear el siguiente determinante o nulo, con = nx /ny u + v h h u + v 0 det g =0 g 0 u + v Trabajando sobre el determinante conduce a las soluciones : (1) =
(2),(3)
v u uv
u2 + v 2 gh u2 gh
(3.26)
Como vemos gh juega el mismo rol que la velocidad del sonido en el caso de las ecuaciones de ujo compresible, y como all , existe un valor cr tico donde el sistema cambia de tipo. Este valor se llama 2 = u2 + v 2 > gh el sistema se vuelve hiperblico. velocidad supercr tica y en el caso que v o En el caso de velocidades subcr tico el sistema es h brido ya que habr 2 soluciones complejas a conjugadas y (1) que siempre es real. La supercie caracter stica asociada con (1) es la l nea de (1) (1) corriente, ya que nx = v ; ny = u.
3.5
Dominio de dependencia - zona de inuencia
Las propiedades de propagacin de los problemas hiperblicos tiene importantes consecuencias respecto o o a la forma en que la informacin se propaga o transmite por todo el dominio. o Si consideramos el caso escalar bidimensional presentado en (4.2.1) este generar dos caracter a sticas en el caso hiperblico donde cada una se representa por una familia de curvas. Si tomamos 1 miembro o de cada familia y tomamos un punto P donde se intersectan, vemos que ambas caracter sticas dejan una regin aguas arriba que afectar la solucin en el punto P y una zona aguas abajo que depender o a o a del valor de la funcin en el punto P . Mirndolo desde el punto P , la primera se llama zona de o a dependencia del punto P y la segunda zona de inuencia del punto P. Este hecho es muy importante y tiene muchas consecuencias matemticas, f a sicas y numricas. (gura 3.5) e En el caso de problemas parablicos ambas caracter o sticas degeneran en una (el rango del sistema no es completo) y en este caso la zona de dependencia cae sobre la caracter stica mientras que la de inuencia es la regin completa aguas abajo de la caracter o stica. En el caso el ptico no existe supercie caracter stica que separe el dominio en zonas de dependencia e inuencia. Esto produce que la zona de inuencia, la de dependencia y el dominio coincidan y la informacin se propaga en todas direcciones. o
59
Seccin 3.6. .6.- Condiciones de contorno e iniciales o
caractersticas
Regin de dependencia de P C Zona de influencia de P
.1.- Dominio de dependencia e inuencia
3.6
.6.- Condiciones de contorno e iniciales
Para que los anteriores sistemas de ecuaciones que surgen del modelo f sico estn nalmente bien plane teados en el sentido matemtico es necesario que se impongan ciertas condiciones sobre los datos. Si a alguna de las variables independientes del problema es el tiempo es necesario establecer una condicin o a tiempo t = 0 x, problema llamado de Cauchy o de valores iniciales. Cuando la variable espacial x est acotado en el espacio por un borde o contorno, el problema suele llamarse de valores de frontera a e iniciales. Sin entrar en detalles acerca del tema podemos decir que la correcta especicacin de las condiciones o de contorno e iniciales requiere de un detallado estudio que incluye a las autofunciones del sistema. De todos modos este es un tema abierto ya que en la mayor de los casos que trata la mecnica a a de uidos no existen resultados contundentes acerca de como tratar estas condiciones. Sin ir tan lejos terminamos esta seccin diciendo que en los problemas independientes del tiempo de o carcter el a ptico es usual imponer algunos valores sobre algunos nodos (Dirichlet) o sobre su derivada (Neumann). En el primer caso puede tratarse de imponer el vector velocidad sobre una pared slida o o la temperatura, mientras que en el caso Neumann estamos hablando de imponer que el ujo trmico e asuma alguna ley de transferencia en el contorno (conveccin, radiacin,etc). o o En casos donde el sistema se transforma en primer rden (Euler), la velocidad no puede ser jada o en un contorno slido, recurriendo a jar solo la componente normal, dejando la tangencial como parte o del clculo (condicin slip). En el caso de supercies libres es usual establecer la continuidad de las a o tensiones normales y tangenciales.
[Document version: 1.21. File version: $Id: tp2.tex,v 1.2 2003/04/20 10:14:34 mstorti Exp $]

P B
60
INTRODUCCION AL USO DE MATLAB

Objetivos: Aprender el uso del lenguaje MatLab muy poderoso en cuanto a sus posibilidades de uso como herramienta de clculo numrico y visualizacin grca asi como de programar en este entorno a e o a extendiendo su aplicacin al anlisis numrico y simulacin en Ingenier o a e o a.
3.6.1
Introduccin o
MatLab es un lenguaje de programacin interpretado de bajo nivel que a diferencia de los lenguao jes compilados permite gran exibilidad para programar, debuggear y correr pequeas aplicaciones n respecto a los tradicionalmente rpidos pero muy r a gidos lenguajes compilados. Adems es un softa ware de aplicacin y como su nombre lo indica es un laboratorio de matrices (Mat=Matrices / Lab o =Laboratorio). Otra de las importantes caracter sticas es que incluye poderosas facilidades grcas a que se pueden correr run-time, mientras que en el caso de los lenguajes compilados uno debe o bien generar un software grco completo o sino adaptar algunas rutinas para los casos particulares de a aplicacin, lo cual lo transforma en una gran complicacin. Adems el hecho que los clculos y las o o a a grcas se vayan generando en tiempo de ejecucin lo hace muy exible. Otras de la caracter a o sticas interesantes de este lenguaje interpretado es que equivale a un entorno en s mismo, o sea permite ejecutar comandos en forma muy interactiva lo cual lo hace apto para ir avanzando en lo que uno est haciendo, viendo resultados en pantalla de lo que uno est obteniendo, corrigiendo rumbos, etc. a a Adems cuenta con una enorme biblioteca de rutinas de clculo que lo transforma en un lenguaje de a a bajo nivel sin necesidad de tener que programar demasiado, salvo aplicaciones especiales. Hemos dicho al comienzo que una de las principales diferencias entre un lenguaje compilado y uno interpretado es la velocidad de procesamiento de datos, especialmente para grandes problemas. El programa compilado arma un ejecutable habiendo interpretado cada sentencia previamente en la etapa de compilacin y o genera un archivo binario optimizado. En cambio el lenguaje interpretado realiza la interpretacin de o cada sentencia a medida que corre lo cual lo hace lento. Por ejemplo si uno realiza un loop de 1000 iteraciones el intrprete debe trabajar 1000 veces haciendo lo mismo. MatLab soporta vectorizacin e o lo cual hace que en lugar de manejar escalares e interpretar operaciones entre escalares pueda manejar vectores e interpretar vectores. Por ejemplo si tenemos un vector de 1000 elementos y queremos hacer clculos con cada uno de sus coecientes, en lugar de hacer un loop de 1000 iteraciones podemos a invocar directamente la operacin sobre todo el vector. Por ejemplo, si tenemos una matriz A de o (1000 2), donde cada columna representa un vector de 1000 elementos y queremos calcular la suma de ellos podemos hacer: for k=1:1000, c(k) = A(k,1)+A(k,2); end o sencillamente c = A(:,1)+A(:,2); Todo esto y muchas cosas ms que surgen cuando uno lo utiliza hacen a MatLab una muy interesante a herramienta para la investigacin en torno a los mtodos numricos. o e e
61
MatLab cuenta con muchas rutinas propias llamadas built in functions, solo basta con recorrer el help para ver la enorme cantidad de ellas. Adems cuenta con lo que se llaman Toolkits que son a paquetes de rutinas para aplicaciones particulares. Aquno entraremos en detalle sobre estas ultimas sino que slo mencionamos su existencia para aquellos curiosos que puedan interesarse. A grandes o rasgos podemos decir que MatLab es un lenguaje de programacin integrado con un software de o aplicacin. Entonces podemos hacer una divisin inicial en: o o a e software de aplicacin clculo numrico o Matlab visualizacin grca o a lenguaje de programacin o A continuacin planeamos hacer un pequeo tour por las galer de MatLab tratando de tocar o n as slo algunos de sus puntos con el objetivo de motivar a los turistas a volver a ellos en el futuro. o
3.6.2
MatLab como software de aplicacin o
En esta parte de la visita a MatLab investigaremos sus capacidades como software de aplicacin, sin o entrar por ahora en detalles de programacin. Como fue dicho en la introduccin este software es o o un laboratorio de matrices y como tal debemos saber como denir matrices, vectores como un caso particular de una matriz, recordar algunos aspectos del lgebra de espacios vectoriales para poderlas a utilizar en forma coherente y nalmente ver las potencialidades que tiene esto. Yendo ms all en a a cuanto a aplicaciones hemos mencionado las capacidades grcas del software. A este respecto debemos a primero saber como convertir matrices en mapas redeniendo el lgebra y viendo como de esta forma a es posible visualizar funciones en varias variables y hacer distintos tipos de grcos muy utiles en a general. (1) Manejo standard de matrices, vectores y escalares Una matriz es el atomo de este software, es algo asi como la menor porcin divisible del clculo, siendo o a los escalares y los vectores slo casos particulares. Por ejemplo para ingresar la matriz o 1 2 3 A = 4 5 6 (3.28) 7 8 9 debemos ingresar sus coecientes como una lista de nmeros separados por un blanco al menos que u corresponden a los elementos de cada la, separando las las entre si con un ; o simplemente con <Enter>, o sea A = [ 1 4 7 2 5 8 3 ; 6 ; 9 ];
El ; despues del ] naliza la sentencia sin mostrar por pantalla lo ingresado. Si uno quiere ver lo que ingresa hay que remover el ;. Su uso es muy importante cuando las matrices son muy grandes ya que la salida por pantalla puede tomar bastante tiempo.
62
Un vector es un caso particular de lo anterior, este puede ser un vector la o un vector columna. Sean b= 1 2 3 4 (3.29) c = 5 6 En estos casos el ingreso es b = [ 1 2 3 ];
c = [ 4 ; 5 ; 6 ]; o simplemente podemos denir b = [ 4 c = b; 5 6 ];
donde el s mbolo signica la transpuesta, de un vector como en este caso pero su uso es en general para cualquier matriz. Todas los clculos que se van haciendo si se asignan a variables permanecen en la memoria de a trabajo, sino se asignan son eliminadas permaneciendo solo en memoria el ultimo resultado almacenado en una variable denominada ans. Por ejemplo la instruccin siguiente genera un vector la pero al no o estar asignado solo queda en memoria bajo la variable ans. [ 4 5 6 ];
Si a continuacin emito otra instruccin pierdo el resultado anterior, salvo que previamente lo haya o o almacenado en una variable, como por ejemplo b = ans Si hacemos who podemos ver las variables en memoria hasta el momento almacenadas y si hacemos whos podemos ver ms detalles de las mismas. a Como es sabido del algebra lineal una matriz puede generarse como el producto tensorial de vectores. Por ejemplo si en el caso anterior hacemos A1 = c*b el resultado es una matriz de 3 3 porque es el producto de un vector de 3 1 por otro de 1 3. En este caso el resultado ser: a A1 = [ 4 5 6 8 10 12 12; 15; 18;
63
Del mismo modo podemos denir el producto interno entre vectores de una forma trivial. La denicin o de producto interno es:
N
b, c =
i=1
bi ci
En este caso si hacemos b*c obtenemos el producto interno anterior y tal como hemos denido la instruccin no est alojado en o a ninguna variable por lo cual corre peligro de ser destruido despus de la prxima instruccin. e o o Otro aspecto importante es que existen formas de generar matrices muy especiales. Por ejemplo ones(10) genera una matriz de (10 10) con elementos unitarios. ones(10,3) genera una matriz de (10 3) con elementos unitarios. zeros(5,3) genera una matriz de (5 3) con elementos nulos. (-3:2:15) genera un vector la cuyo primer elemento es 3, generando el resto avanzando de a 2 y no supera el valor 15. Otra forma ser a kron((1:3),(2:5)) que produce el producto tensorial del vector columna (1:3) con el vector la (2:5), lo cual arroja la siguiente matriz como resultado 2 4 6 3 6 9 4 8 12 5 10 15
Existen muchas otras formas, por ejemplo: rand(4) produce una matriz de (4 4) con nmeros aleatorios u eye(5) produce la matriz identidad de (5 5) diag(v,idiag) produce una matriz poniendo el vector v en la codiagonal idiag, determinando el tamao de la matriz la longitud del vector v y la codiagonal en la cual se ubica, ya que debe n entrar el vector entero en ella. Por ejemplo si el vector es de (5 1) y lo queremos ubicar en la segunda codiagonal entonces la matriz ser de (7 7) y tendr la siguiente forma: a a >> diag(ones(5,1),2) ans = 0 0
0 0
1 0
0 1
0 0
0 0
0 0 64
0 0 0 0 0
0 0 0 0 0
0 0 0 0 0
0 0 0 0 0
1 0 0 0 0
0 1 0 0 0
0 0 1 0 0
Si no especicamos la codiagonal asume un valor cero lo cual signica la propia diagonal y si especicamos un valor negativo asume las codiagonales inferiores en lugar de las superiores. Es importante resaltar que si el argumento del comando diag es una matriz entonces devuelve la diagonal o la codiagonal de la misma como un vector. Vea el help (help diag). A esta altura debemos asegurarnos de salvar lo hecho por si ocurriera algn imprevisto o por si u tuviramos que detener temporariamente nuestro trabajo. El comando save salva las variables en e memoria en un archivo. Si omitimos el nombre (solo invocamos el comando save) guarda el contenido de la memoria en un archivo llamado matlab.mat, caso contrario, si especicamos el nombre , por ejemplo save tempo, guarda la memoria entera en el archivo tempo.mat Tambien podemos guardar parte de la memoria, para ello debemos invocar save <filename> variables. Cuando uno desea continuar con el trabajo interrumpido y quiere recuperar la memoria salvada con el comando save debe ejecutar load <filename> o simplemente load si salv las variables sin o especicar el chero. Con clear se limpia todo el espacio de trabajo (memoria) y con clear variables aquellas variables que uno desea. Con size(<arreglo>) o length(<arreglo>) se puede obtener la dimensin del arreglo. El primer o caso es general y devuelve dos valores mientras que el segundo es exclusivamente para vectores y devuelve solo un valor. El software contiene una serie de operadores de matrices tal como suma, resta, producto, potencia, divisin por derecha e izquierda, etc. Todos estos operadores se denen tal como lo establece el lgebra o a de los espacios vectoriales. Una aclaracin va con la divisin. o o Que signica dividir matrices para MatLab? Sean A, B dos matrices de (m m), entonces A / B = A B 1 A B = A1 B (3.30)
Como vemos la divisin involucra matrices inversas, pero especial cuidado hay que tener cuando o tratamos grandes matrices ya que el tiempo de clculo se achica mucho en estos casos con los comandos a de divisin comparado al comando de inversin inv(A) o A1 o o Otro detalle interesante en el manipuleo de matrices es que uno puede extraer submatrices de otras matrices o armar matrices con bloques de otras submatrices. Por ejemplo, >> >> >> >> >> A = eye(4) ; B = ones(4,2) ; C = zeros(2,4) ; D = eye(2) ; E = [A B ; C D] 65
ans = 1 0 0 0 0 0
0 1 0 0 0 0
0 0 1 0 0 0
0 0 0 1 0 0
1 1 1 1 1 0
1 1 1 1 0 1
Del mismo modo podemos tomar un bloque de la matriz E, por ejemplo el de las las 1,3,5 con las columnas 2,3 haciendo: E([1;3;5],[2;3]) En cuanto a las capacidades de clculo adems de existir toda una gama de funciones standard para a a escalares existen otras ms para vectores y matrices. Por ejemplo es muy comn hablar del seno a u trigonomtrico de un nmero real. Como se calcula el seno de una matriz? e u Bueno existen varias formas de calcularlo pero hay que tener cuidado al hacerlo con MatLab. Si nosotros denimos por ejemplo una matriz A de (3 3) y ejecutamos la instruccin sin(A) el o resultado ser diferente a si nosotros usamos la denicin de una funcin aplicada a una matriz a o o f (A) = V f ()V 1 (3.31)
donde V es la matriz de autovectores y es la matriz diagonal con los autovalores en la diagonal. En este caso sin(A) = V sin()V 1 (3.32) Donde est la diferencia? a La diferencia est en que MatLab soporta otro tipo de operadores adems de los standard para a a matrices, llamados operadores de arreglos. Sin entrar por ahora en detalles porque lo abordaremos ms adelante, un operador de arreglo realiza una operacin sobre cada elemento del arreglo como si a o fuera una lista de elementos. Entonces si a MatLab le decimos B = sin(A) l entiende: e Bij = sin(Aij ) (3.33)
Conclusin, cuando queremos realizar una funcin especial sobre una matriz debemos o realizar la o o descomposicin en autovalores y autovectores utilizando la funcin de MatLab eig(A) o sino usar o o otra funcin llamada funm que en este caso se usa de la siguiente forma : funm(A,sin). o MatLab soporta muchas funciones para matrices, por ejemplo: clculo de determinantes det a clculo de autovalores eig a clculo de la traza trace a clculo del nmero de condicin cond a u o 66
clculo de la norma norm a clculo del rango rank a factorizacin Choleski chol o factorizacin LU lu o ortogonalizacin orth o entre otras. Consulte el help de matrices. Matrices como listas y tablas Las matrices tambin pueden ser interpretadas como listas o tablas de datos. Recin hab e e amos mencionado que hay que tener cuidado en el uso de MatLab cuando se aplican funciones a matrices porque su resultado puede ser diferente al esperado. Esto se debe a que como dijimos una matriz puede ser una matriz en el sentido estricto o una lista o una tabla. En el caso de listas son como elementos independientes sobre los cuales se pueden aplicar operaciones individualmente con el n de obtener algn resultado espec u co. Por ejemplo, una matriz puede representar la distribucin de temperatura o en un dominio rectangular o mapeable a un rectngulo, donde cada elemento de la matriz puede a equivaler a un punto de esa grilla rectangular. Entonces planteando operaciones sobre ellos podemos lograr efectos interesantes. Por ejemplo sea una matriz A de (m n) elementos. Haciendo: diff A Bi,j = Ai,j+1 Ai,j gradient A
A A x , y
interp2 A interpolacin de datos en 2D o Del mismo modo dado un conjunto de datos en forma de lista en 1,2 o 3 dimensiones, podemos aplicarle ciertas operaciones e incluso visualizar usando instrucciones grcas. a En el caso de tablas se puede pensar a una matriz como una planilla de clculo y realizar toda una a serie de anlisis estad a sticos sobre los mismos y calcular promedios, dispersiones, histogramas, sumas y productos acumulados, medianas, etc. Es importante a esta altura resaltar que existen operaciones sobre arreglos del mismo modo que existen operaciones sobre matrices. Por ejemplo para multiplicar matrices simplemente invocamos el s mbolo del producto. Si queremos multiplicar arreglos esto se entiende como un producto elemento a elemento en forma individual. Por ejemplo, sean A y B dos arreglos, entonces el producto de arreglo se dene como: Cij = Aij Bij Para poder diferenciar esto de la habitual multiplicacin de matrices MatLab soporta las operao ciones precedidas por un punto. Por ejemplo
67
.* equivale al producto de arreglos ./ equivale al cociente de arreglos .^n equivale a elevar todos los coecientes del arreglo a una potencia n Visualizacin grca o a El hecho de permitir un manejo de matrices como si fuera una lista de datos ordenados segn la u estructura de la matriz o como una tabla de valores permite altas facilidades de gracacin. o Visite el help de los comandos plot, mesh, surf, etc para ver todas las capacidades grcas que a ofrece MatLab. Programacin o Finalmente cerramos este breve paseo con otra facilidad muy importante a la hora de pretender ir un poco ms alla de lo que ofrece MatLab. Programando en MatLab es posible generar programas a de propsitos particulares o generales, como por ejemplo construir un generador de mallas, mejores o formas de visualizar soluciones, visualizar mallas de elementos nitos, generar un programa de algn u mtodo numrico, etc. Aquno entraremos en detalle de los aspectos de programacin. Para aquellos e e o intersados visitar el help o la bibliograf especializada. a [Ejercicio 1.] Dadas las grandes capacidades que tiene Matlab para el tratamiento de matrices uno de los principales objetivos es aprender como manipularlas. Existen muchas formas de ingresar matrices. En este ejemplo se pretende que Ud explore diferentes formas de hacerlo. Por ejemplo, dada la siguiente matriz de (10 10) con los siguientes elementos: 2 1 0 0 0 0 0 0 0 0 1 2 1 0 0 0 0 0 0 0 0 1 2 1 0 0 0 0 0 0 0 0 1 2 1 0 0 0 0 0 0 0 0 1 2 1 0 0 0 0 A= 0 0 0 0 1 2 1 0 0 0 0 0 0 0 0 1 2 1 0 0 0 0 0 0 0 0 1 2 1 0 0 0 0 0 0 0 0 1 2 1 0 0 0 0 0 0 0 0 1 1
(3.34)
explique una forma sencilla de cargarla sin necesidad de entrar cada uno de los 100 coecientes que la conforman. A continuacin calcule: o 1.- la traspuesta 2.- el producto consigo misma 3.- su raiz cuadrada 68
4.- sume la matriz identidad del mismo orden [Ejercicio 2.] A continuacin se desea armar una matriz como la siguiente: o B= A 01010 01010 A (3.35)
donde A es la matriz del ejemplo anterior. Muestre una forma sencilla de hacerlo. [Ejercicio 3.] Tome la matriz del ejemplo 2 y arme una nueva matriz de 3 2 que contenga los elementos de las las 1,3,5 y columnas 2,4 de la matriz B. [Ejercicio 4.] Se sabe de la necesidad de contar con un buen manipulador de matrices a la hora de resolver problemas de lgebra lineal. Un ejemplo de ello es la resolucin de sistemas a o de ecuaciones. Sea la matriz del ejemplo 1 y un vector miembro derecho b que representa la funcin sin(/2 x) donde x es un vector de 10 componentes cuyos valores var entre 0 y 1. o an Resolver el sistema Au = b. Graque la solucin u y el vector b en la misma gura. o [Ejercicio 5.] Calcule el determinante de la matriz anterior A del ejemplo 1 y sus autovalores. A continuacin graque los autovalores en el plano complejo. Posteriormente ingrese la matriz o 1 1 0 0 0 0 0 0 0 1 0 1 0 0 0 0 0 0 0 1 0 1 0 0 0 0 0 0 0 1 0 1 0 0 0 0 0 0 0 1 0 1 0 0 0 C= 0 0 0 0 1 0 1 0 0 0 0 0 0 0 1 0 1 0 0 0 0 0 0 0 1 0 1 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 1 1
(3.36)
calcule el determinante y sus autovalores y muestre su distribucin en el plano complejo. Use el o comando spy(A) y spy(C) y explique que es lo que hace. [Ejercicio 6.] Para las matrices A y C de los ejemplos anteriores calcule la solucin del sistema o lineal (A + C)u = b con el miembro derecho similar al usado en el Ej. 4. Graque la solucin. o A continuacin resuelva el sistema(A + 10C)u = b y graque la solucin. o o [Ejercicio 7.] Dada las matrices 1 A = 4 7 1 B = 0 0 2 3 5 6 8 9 0 0 2 0 0 3
(3.37)
69
generar con Matlab la matriz A B B A C = A B A A B A B A (3.38)
y extraiga de la matriz C aquella correspondiente a las las 2 y 3 y columnas 5,8,11,12 y muestre su estructura. [Ejercicio 8.] Dado el vector x = j 2 , j = 1, . . . , 10 y el vector y = j 3 , j = 3, . . . , 3, calcule el producto tensorial de ambos vectores y muestre la matriz obtenida con el producto tensorial en forma grca. Ayuda: La matriz es tal que sus elementos se calculan de la siguiente forma: a zij = xi yj y una forma de gracarla es mediante el comando mesh A continuacin genere una grilla en 2D con x (2, 2) y y (0, 3) y calcule la funcin z = o o 2 + y y graque la solucin. Ayuda: Explore el comando meshgrid x o [Ejercicio 9.] Confeccione un programa en Matlab que realice el producto vectorial de vectores en tres dimensiones. Prubelo con un ejemplo no trivial. Extindalo al caso de varios vectores. e e Para esto utilice primero un archivo tipo script y luego uno tipo funcin. Si no recuerda las o diferencias entre ambos revise las notas entregadas (Primer de Matlab). [Ejercicio 10.] Confeccione un programa en Matlab que resuelva la siguiente ecuacin difereno cial ordinaria usando la funcin ode23 y ode45, o dy = yet dt y(t = 0) = 1 [Ejercicio 11.] Resuelve el siguiente sistema no lineal de ecuaciones sin(x) + y 2 + log(z) 7 = 0 3 x + 2y z 3 + 1 = 0 x+y+z5=0 usando como estimacin inicial o x=1 y=1 z=1 utilizando la funcin de Matlab fsolve o fsolve2 o [Ejercicio 12.] Construya un polinomio de cuarto orden
4
(3.39)
(3.40)
(3.41)
p=
i=0
ai xi
y encuentre las raices del mismo usando un conjunto de coecientes ai a eleccin. Graque el o polinomio en el rango donde se hallan todas sus raices.
70
[Ejercicio 13.] Utilice las rutinas del proyecto sobre sistemas dinmicos masa resorte amortia guador para el caso de 1 grado de libertad lineal y verique el valor del amortiguamiento cr tico del sistema. [Ejercicio 14.] Genere una aplicacin para resolver el ejemplo del pndulo doble y trate de o e animar el movimiento del sistema
[Document version: 1.21. File version: $Id: din.tex,v 1.7 2003/04/23 18:12:33 mstorti Exp $]
71
Cap tulo 4
Mtodo de diferencias nitas e

4.1 Diferencias nitas en 1D
Queremos resolver el campo de temperaturas a travs de una pared de material ( y, z +, e 0 x Lx ). La temperatura en x = 0, Lx es mantenida a 0 , Lx y hay una fuente de calor repartida Q(x): k d2 dx2 (0) = Q(x) = 0 = L (4.1)
(Lx )
Dividimos el intervalo en L segmentos de longitud x = Lx /L y llamaremos nodos o puntos de la grilla a los extremos de los segmentos: xl = lx, l = 0, 1, 2, . . . , L, x0 = 0, xL = Lx (4.2)
4.1.1
Desarrollo en Serie de Taylor
Si bien la ecuacin que debemos resolver es de segundo orden, empezaremos, por simplicidad, por o desarrollar aproximaciones en diferencias para la derivada de primer orden, (xl+1 ) = (xl + x) = (xl ) + x d dx +
x=xl
x2 d2 2 dx2
0 1 1
x=xl +1 x
(4.3)
Indicando fl = f (xl ) para cualquier funcin f (x), tenemos: o l+1 = l + x d dx +

l
x2 2
d2 dx2
(4.4)
l+1
Donde el sub ndice l+1 es una extensin de la notacin que indica evaluacin en (l+1 )x. Despejando o o o la derivada de primer orden: d dx =
l
l+1 l x x 2 72
d2 dx2
(4.5)
l+1
Cap tulo 4. Metodo de diferencias finitas
Seccin 4.1. Diferencias nitas en 1D o
l+1 l l-1 D A
xl-1
xl
xl+1
xl-1
xl xl+1
Figura 4.1: Interpretacin geomtrica de las diferentes aproximaciones por diferencias nitas a la o e derivada. A esta aproximacin para la derivada de primer orden la llamamos por diferencia hacia adelante o (forward dierence): d l+1 l (4.6) dx l x Vase la gura 4.1 para una interpretacin grca de esta aproximacin. Hemos aproximado la e o a o derivada en el punto xl por la pendiente de la secante a la curva que pasa por los puntos xl y xl+1 (segmento AC). El error de esta aproximacin es: o E |E| = x 2 d2 dx2
l+1
d2 x max Cx, 2 [xl ,xl+1 ] dx2
x 0
(4.7)
Similarmente, la aproximacin hacia atrs (backward dierence)da: o a d dx |E|

l
l l1 x x 0
(4.8)
d2 x max C x, 2 [xl1 ,xl ] dx2
(4.9) 73
que corresponde a la pendiente del segmento DA en la gura.
4.1.2
Aproximaciones de mayor orden
Haciendo desarrollos de mayor orden: l1 = l x de donde: d dx +

l
x2 2 d dx
d2 dx2
x3 6
d3 dx3
, 0 3,4 1
l+3,4
(4.10)
l+1 l1 2x
(4.11)
que corresponde al segmento DC de la gura 4.1. La correspondiente estimacin del error es: o |E| x2 6 max
[xl1 ,xl+1 ]
d3 C x2 dx3
(4.12)
A esta la llamamos una aproximacin centrada, ya que involucra a los dos nodos vecinos del nodo o l. Notar que, al contrario de las otras, esta es simtrica con respecto al punto en cuestin. Notar e o tambin que el error resulta ser un orden mayor. Con lo cual en principio se pueden obtener mejores e aproximaciones con menos puntos usando un aproximacin de mayor orden como esta. Pero, como o veremos ms adelante, en la seccin 4.1.7, el hecho de que la aproximacin sea de un mayor orden a o o no es una condicin suciente para obtener un orden de convergencia mayor. o
4.1.3
Aproximacin de derivadas de orden superior o
Para obtener una estimacin de la derivada segunda comenzamos haciendo una expansin hasta cuarto o o orden de l1 : l1 = l x + de donde: d2 dx2 o sea que: d2 dx2 |E| Esta es una aproximacin centrada. o
l
d dx d4 dx4
+
l
x2 2
d2 dx2
x3 6
d3 dx3
x 24
, 0 5,6 1
l+5,6
(4.13)
=
l
l+1 2l + l1 x2 24 x2
d4 dx4
+
l+5
d4 dx4
(4.14)
l+6
l+1 2l + l1 x2 max
[xl1 ,xl+1 ]
(4.15)
x2 12
d4 dx4
(4.16)
74
4.1.4
N mero de puntos requeridos u
Nos cuestionamos cuantos puntos son necesarios para obtener una aproximacin de un dado orden o (digamos O(x)) para una derivada de orden k. Por ejemplo para obtener una aproximacin a la o derivada primera es obvio que necesitamos al menos dos puntos ya que por dos puntos pasa una recta y la recta es el polinomio de bajo orden que posee una derivada de primer orden no nula. El mismo razonamiento nos dice que se necesitan tres puntos para aproximar una derivada segunda. Por otra parte, parece tambin obvio que si queremos una aproximacin de mayor orden entonces necesitaremos e o ms puntos. La expresin que relaciona a o N el nmero de puntos, u p la precisin del mtodo y o e k el orden de la derivada a aproximar, es N k+p (4.17) Es decir, con N puntos o ms podemos desarrollar una aproximacin de orden p (es decir |E| Cxp ) a o para dk /dxk . Vericamos esto en los desarrollos anteriores, (nro. de puntos requeridos de acuerdo a (4.17)) 2 3 4 Nro. de puntos utilizados 2 3 3 (orden de la derivada) 1 1 2
Tipo de aproximacin o hacia atrs/adelante a centrada centrada
Tabla 4.1: Tabla Nmero de puntos utilizados en las diferentes aproximaciones por diferencias utiliu zadas.
4.1.5
Solucin de la ecuacin diferencial por el mtodo de diferencias nitas o o e
Consideremos primero, por simplicidad, el caso de condiciones Dirichlet (0) = 0 , (Lx ) = Lx . Evaluando la ecuacin diferencial en xl : o k d2 dx2 = Ql
l
(precisin) o 1 2 2
(4.18)
y aproximando la derivada segunda por diferencias nitas de segundo orden centradas: k l+1 2l + l1 = Ql x2 (4.19) 75
hay una ecuacin para cada l = 1, 2, . . . , L 1, que son los puntos interiores. o Concretamente, las ecuaciones resultan ser: +21 1 2 . . . +22 +23 . . . 2 1 4 . . . = = =
x2 Q1 k x2 Q2 k x2 Q3 k
+0
. . .
x2 QL2 k x2 QL1 k
(4.20)
L3 +2L2 L1 = L2 +2L1 =
+Lx
Deniendo un vector de incgnitas , que contiene slo los nodos interiores: o o 1 2 = . , IRL1 . . L1 Tenemos el siguiente sistema de ecuaciones: K = f con: 2 1 0 0 ... ... ... ... 1 2 1 0 ... ... ... ... 0 1 2 1 . . . . . . . . . . .. . . . . . . . . . . . . . . . . . . . . . 0 1 2 1 . . . . . . . . . . . . 0 0 1 2 x2 Q1 /k + 0 2 x Q2 /k f = . . . 2 L x QL1 /k +
x
(4.21)
(4.22)
K=
(4.23)
(4.24)
Ntese la analog o a: d2 /dx2 K = Q/k = f (4.25)
El operador del continuo d2 /dx2 es reemplazado por la matriz K, el campo del continuo es reemplazado por el conjunto de valores nodales y, nalmente, la fuente interna Q(x) es reemplazada 76
=0 x=0 x0 x1
= 0
=1 x=L x3
x2
Figura 4.2: Problema unidimensional con condiciones de contorno Dirichlet en ambos extremos por el vector miembro derecho f . A su vez, la condiciones de contorno tipo Dirichlet tambin generan e un trmino en el miembro derecho. e La matriz K es simtrica (Kij = Kji para todos i, j) y denida postitiva (vT Kv > 0 para todo e v IRL1 ). Esto tiene mucha importancia: se puede demostrar la existencia y unicidad de la solucin o discreta y adems tiene importancia prctica ya que permite el desarrollo de rutinas de resolucin a a o especialmente diseadas. n
4.1.6
Ejemplo
Resolver:
d2 = 0, (0) = 0, (1) = 1 (4.26) dx2 Usaremos x = 1/3 (ver gura 4.2). Tenemos 4 valores nodales 0 , 1 , 2 y 3 , de los cuales 0 y 3 son conocidos de las condiciones de contorno y slo restan dos incgnitas 1 y 2 . La ecuacin en o o o los nodos interiores es: l+1 2l + l1 x2 l = 0 (4.27) para: 2 21 + 0 x2 1 = 0 pero 0 = 0 por la condicin de contorno, de manera que la ecuacin resultante es: o o 2 19/91 = 0 Para l = 2 la ecuacin resultante es: o 19/92 + 1 = 1 Resolviendo el sistema (4.29-4.30) obtenemos: 1 = 0.2893 . . . (19/9)2 1 = 19/91 = 0.6107 . . . = (4.30) (4.29) (4.28)
1 2
(4.31)
La solucin exacta a este problema puede ser encontrada fcilmente. Proponiendo soluciones de o a la forma ex , se obtiene la ecuacin caracter o stica 2 = 1 de donde = 1. Proponemos entonces soluciones de la forma = aex + bex . a y b se obtienen de imponer las condiciones de contorno, y resulta ser: sinh(x) = (4.32) sinh(1)
77
x 1/3. 2/3
Exacta 0.28892 0.61024
0.28929 0.61071
x = 1/3 Error 3.6104 (0.12%) 4.7104 (0.077%)
0.28901 0.61036
x = 1/6 Error 9.2105 (0.032%) 1.2104 (0.019%)
Tabla 4.2: Tabla : Errores para = 0, (0) = 0, (1) = 1, para x = 1/3, 1/6 Los resultados numricos y exactos son comparados en la tabla 4.2, se incluyen tambin los resultados e e 1 6: obtenidos para x = / Ntese que tanto en x = 1/3 como en x = 2/3 el error ha bajado en un factor 1/4 al reducir el paso o de la malla en un factor 1/2. Primero vemos que, cualitativamente, el esquema de discretizacin es o convergente, es decir el error, en alguna norma predeterminada, se reduce, al reducir el paso de la malla. Cuantitativamente, podemos decir que el error tiene un comportamiento x2 . Tambien se dice que el orden de convergencia es h2 , donde h representa el paso de la malla (x en nuestro caso). Esto es consistente con el error de truncamiento que encontramos en el desarrollo de Taylor usado.
4.1.7
Anlisis de error. Teorema de Lax a
Si denotamos por ex los valores nodales de la solucin exacta, es decir o ex,i = (xi ) entonces ex satisface (4.19) pero con un error de truncamiento, es decir k ex,l+1 2ex,l + ex,l1 = Ql Etrunc,l x2 (4.34) (4.33)
donde Etrunc,l es el error correspondiente a la ecuacin l-sima. Sabemos que el error de truncamiento o e es O(x)2 , y tenemos, en forma matricial K ex = f + Etrunc (4.35)
Restando (4.22) de (4.35) obtnemos una ecuacin para el error E = ex en los valores nodales o K E = Etrunc y entonces, E = K1 Etrunc (4.37) Al hecho de que el error de truncamiento Etrunc,i 0 para x 0 lo llamamos consistencia del mtodo. Queremos saber bajo que condiciones, el esquema es convergente, es decir E 0 para e x 0. Por lo que vemos, esto est relacionado con alguna propiedad de K, es decir que de alguna a forma la inversa de K se mantenga acotada, para x 0. Tomando normas E K1 Etrunc (4.38)
(4.36)
78
Recordemos que la norma (Eucl dea) de un vector est denida como a

L1
=
i=1
2 vi
(4.39)
y la norma de una matriz est denida como el mximo autovalor de la misma. Puede verse entonces a a 1 es la inversa del m que K nimo autovalor de K, y usando (4.12) (ex,i i )2 1 2 Etrunc,i min 1 L 1C x2 min (4.40) (4.41)
de manera que 1 L1
L1
(ex,i i )2
i=1
1 min
2 Etrunc,i
(4.42) (4.43)
1 C x2 min
EL miembro izquierdo de esta ecuacin representa el error cuadrtico medio de la solucin numrica. o a o e Esta expresin nos dice que este error es del mismo orden que el error de truncamiento, con la condicin o o de que min se mantenga acotado (es decir, que no tienda a cero) cuando x tiende a cero. Si se cumple esta condicin decimos que la discretizacin es estable. Entonces, la condicin para la convergencia o o o es Consistencia + Estabilidad = Convergencia (4.44) Este resultado es conocido como Teorema de Lax y es la base del anlisis de error para el mtodo de a e diferencias nitas.
4.1.8
Condiciones de contorno tipo Neumann (ujo impuesto)

d2 dx2 (0) d k dx Lx k
El problema a resolver es: = Q(x), =0 =q (4.45) (4.46) (4.47)
Ahora L pasa a ser una incgnita ms: o a 1 2 . . .
= L1 L
IRL
(4.48)
79
x
13 / 23 /
Exacta 0.2200 0.4648 0.7616
x = 1/3 Error 0.2477 0.0277 (12%) 0.5229 0.0582 (12%) 0.8563 0.0947 (12%)
x = 1/6 Error 0.2340 0.0140 (6%) 0.4942 0.0294 (6%) 0.8097 0.0481 (6%)
Tabla 4.3: Tabla : Errores para = 0, (0) = 0, (1) = 1, para x = 1/3, 1/6 Para determinar esta incgnitas tenemos L 1 ecuaciones que provienen de aproximar el operador o diferencial por diferencias nitas de segundo orden en puntos interiores como en la ecuacin (4.19). o Para dar cuenta de la condicin de contorno tipo Neumann en Lx agregamos la siguiente aproximacin: o o d dx
L
L L1 q = x k
(4.49)
Ahora s tenemos L ecuaciones en L incgnitas. Volviendo al ejemplo anterior del problema (4.26), , o pero ahora con condicin de tipo Neumann en x = 1: (1) = 1 el sistema resultante es: o 3 3 2 +19/91 = 0 +19/92 1 =0 2 =3 (4.50)
Resolviendo el sistema, se encuentran los valores discretos que pueden observarse en la tabla 4.3. (se incluyen tambin los resultados obtenidos para x = 1/6): e La solucin exacta puede obtenerse de la misma forma que en el caso Dirichlet y resulta ser: o (x) = sinh(x) cosh(1) (4.51)
Notamos que los errores resultan ser notablemente mayores que en el caso Dirichlet puro, concretamente son dos rdenes de magnitud mayores. Un indicio de la causa del problema la da el hecho o de que, al reducir el paso de la malla a la mitad, el error no ha bajado en un factor 1/4 como antes, sino que apenas ha bajado un factor 1/2, exhibiendo una convergencia x. La causa es que hemos usado una expansin orden O(x) para la condicion de Neumann, ecuacin (), si bien la expansin o o o en los nodos interiores es O(x2 ). Podemos deducir una regla muy importante que es que el orden de convergencia est dictado por el ms bajo orden de las expansiones utilizadas, tanto para el interior a a del dominio como para las condiciones de contorno. En consecuencia, si queremos recuperar el orden de convergencia x2 , necesariamente debemos desarrollar una aproximacin O(x2 ) para la condicin tipo Neumann. Una forma de hacer esto es o o introduciendo un nodo cticio (ver gura 4.3) xL+1 y aproximando la condicin de contorno como: o d dx
L
L+1 L1 q = 2x k
(4.52)
Pero hemos introducido una incgnita ms: L+1 , de manera que agregamos la ecuacin para o a o nodos interiores en el nodo de contorno L: d2 L+1 + 2L L1 QL = dx2 k x2
(4.53) 80

x=0 dominio "real" x=L nodo ficticio
x1
x2
x3
xL-1
xL
xL+1
Figura 4.3: Inclusin de un nodo cticio para obtener una discretizacin ms precisa de la condicin o o a o de contorno tipo Neumann.
=0 x=0 x0 x1
= 0
=1 x=L x3 x4
x2
Figura 4.4: Malla 1D con x = 1//3. y un nodo cticio. El sistema es: K = f 2 1 0 0 . . . . . . . . . . . . 1 2 1 0 . . . . . . . . . . . . 0 1 2 1 . . . . . . . . . . .. . . . . . . . . . . . . . . . . . 0 1 2 1 . . . . . . . . . . . . 0 1 0 1 . . . . x2 Q1 /k + 0 x2 Q2 /k . . f = . 2 x QL /k 2x/k q 1 2 . = . , IRL+1 . L L+1 (4.54)
K=
(4.55)
(4.56)
(4.57)
81
x
13 / 23 /
Exacta 0.2200 0.4648 0.7616
x = 1/3 Error 0.2168 0.0033 (1.5%) 0.4576 0.0071 (1.5%) 0.7493 0.0123 (1.6%)
x = 1/6 Error 0.2192 0.0008 (0.4%) 0.4629 0.0018 (0.4%) 0.7585 0.0031 (0.4%)
Tabla 4.4: Tabla : Errores para = 0, (0) = 0, (1) = 1, para x = 1/3, 1/6, con esquema O(x2 ) Volviendo al ejemplo de la ecuacin = 0 con condiciones (0) = 0, (1) = 1 y discretizado o con x = 1/3 (ver gura 4.4), los resultados con este nuevo mtodo pueden observarse en la tabla 4.4. e El error es ahora un orden de magnitud menor y se recupera la convergencia cuadrtica. Sin a embargo el sistema ha dejado de ser simtrico. Para recuperar la simetr de la matriz del sistema, e a podemos obtener una ecuacin para L y L1 , eliminando L+1 de las dos ultimas ecuaciones: o L L1 = x2 QL q x 2k k (4.58)
Ntese que esta ecuacin es la misma que la (4.49) pero con el agregado del trmino x2 QL /2k o o e en el miembro derecho. De hecho, esta misma ecuacin puede obtenerse planteando un balance de o energ en el intervalo [L 1/2, L]x. El sistema total es: a 2 1 0 0 . . . . . . . . . . . . 1 2 1 0 . . . . . . . . . . . . 0 1 2 1 . . . . . . . . . . .. . . . (4.59) K= . . . . . . . . . . . . . 0 1 2 1 . . . . . . . . . . . . . 0 0 1 1 . . . . x2 Q1 /k + 0 2 x Q2 /k . . .
f =
x2 QL /2k q x/k 1 2 = . , IRL . . L
(4.60)
(4.61)
82
Seccin 4.2. Problemas no-lineales o
4.2
Problemas no-lineales
Consideremos el siguiente problema uni-dimensional, no-lineal debido a la dependencia de k con la temperatura: d d k() = Q(x) (4.62) dx dx Mencionaremos a continuacin algunos otros problemas de la mecnica del continuo que presentan o a no-linealidad: Material hiperlastico: E = E( ), G = G( ), coecientes elsticos dependientes de las deformae a ciones Flujo potencial subsnico (compresible): o [(| |) ] = 0, donde es el potencial v = , v=velocidad, =densidad. Aqu juega el papel de la conductividad en el problema trmico. e En contraste con quel, depende de las derivadas de , y no del valor de . a La regla en estos casos es diferenciar en forma conservativa. Llamando al ujo: = k() d dx (4.63)
La ecuacin de balance para el nodo l, puede ser escrita a segundo orden como: o l+1/2 l1/2 x = Ql (4.64)
donde l+1/2 indica el valor de en nodos ubicados en el punto medio entre los nodos reales: xl+1/2 = (xl + xl+1 )/2. Una aproximacin de segundo orden para los ujos es: o l+1/2 = k(l+1/2 ) = k(l+1/2 ) d dx
l+1 2 /
l+1 l + O(x2 ) x l+1 l = k(1/2[l + l+1 ]) + O(x2 ) x La ecuacin resultante para nodos interiores es: o k(l+1/2 )l+1 + k(l+1/2 ) + k(l1/2 ) l k(l1/2 )l1 = x2 Ql , l = 1, 2, . . . , L 1 Sumando sobre las ecuaciones sobre l obtenemos un principio de conservacin discreta: o L1/2 1/2 = x(Q1 + Q2 + . . . + QL1 )
(4.65)
(4.66)
(4.67)
de all viene el nombre de esquema conservativo, ya que reproduce el balance de energ que a satisface la ecuacin del continuo (ver gura 4.5): o
Lx x/2 Lx
Q(x) dx =
x=x/2 x=0
d dx
k(x)
d dx
dx = q0 + qLx
(4.68) 83
x=0
x=L
Q(x)
Figura 4.5: Balance global de calor para el problema unidimensional. Esto es muy importante en problemas donde puede llegarse a esperar variaciones abruptas de las variables en intervalos muy pequeos, como es el caso de las ondas de choque (shock waves) en n uidos compresibles. El sistema de ecuaciones es ahora no-lineal: K() = f (4.69)
y no puede resolverse, en general, en forma cerrada, pero puede resolverse en forma aproximada generando una sucesin de valores 0 , 1 , . . ., n , . . . de tal forma que converja a la solucin exacta o o del sistema (4.69): n , para n ) (4.70) Una forma apropiada de generar estas sucesiones es llevando el sistema anterior a una forma de punto jo: = O() (4.71) donde O es un mapeo de IRL1 en s mismo, fcilmente evaluable. Adems, debe elegirse un vector a a de inicializacin 0 y la secuencia se genera recursivamente como: o n+1 = O(n ) (4.72)
En la prctica, esta forma de recurrencia es ejecutada un nmero nito de iteraciones N , de tal manera a u que N est sucientemente cerca de . Obviamente, como no conocemos , el criterio para detener e
n 2 el proceso iterativo, no puede basarse en una evaluacin directa de N . Aqu v = o , i=1 vi es la norma L2 del vector. Una posibilidad es analizar la diferencia entre dos iteraciones consecutivas de la sucesin: o N +1 N < (4.73)
donde
es la tolerancia deseada. Este criterio puede hacerse adimensional poniendo: N +1 N 0 < (4.74)
Este criterio puede ser engaoso, por ejemplo, si la sucesin est convergiendo muy lentamente. n o a Un criterio ms robusto se basa en el residuo del sistema de ecuaciones: a R(N ) < f
(4.75) 84
donde el residuo R se dene como: R(j ) = K(j )j f y el factor f en el denominador ha sido agregado para hacer el criterio adimensional. El valor de la tolerancia , en ambos casos, depende de mltiples factores: u Obviamente, cuanto menor sea la tolerancia mayor es el costo computacional. La mayor de a los mtodos exhiben convergencia lineal, de manera que veremos que el costo computacional es e proporcional a log . Debido a errores de redondeo, es de esperarse que, ambos criterios no puedan bajar ms all de un a a n cierto valor mach . Con esto queremos decir que R( ) > mach para n , en vez de tender a cero, como ser en una mquina de precisin innita. Para problemas bien condicionados, a a o y si el criterio ha sido convenientemente adimensionalizado la precisin de la mquina est en o a a 13 , 1016 , si todos los cculos se hacen en doble precisin. Si los cculos se hacen en a o a mach = 10 simple precisin entonces la precisin cae a: mach = 106 , 108 . o o Debe recordarse siempre que (la solucin exacta al problema discreto) posee un error debido o a la discretizacin. Llamando a los valores nodales de la solucin del continuo, tenemos que: o o (N ) = (N ) + ( ) (4.77) (4.76)
El error que interesa es el miembro izquierdo de esta desigualdad, es decir, el error con respecto a al solucin del continuo. El primer trmino del miembro derecho es el error en la resolucin o e o del sistema no-lineal, mientras que el segundo es el error de discretizacin. A medida que se o itera, el error de resolucin se va reduciendo, hasta anularse, en el l o mite: lim N = (4.78)
Este expresin quiere decir que, por ms que se itere, el error con respecto a la solucin exacta o a o no va a bajar del error propio de discretizacin. De poder estimarse, el error de discretizacin, o o puede jarse la tolerancia en una fraccin (digamos 1/10) del error de discretizacin. Poner una o o tolerancia ms baja, aumenta el costo sin mejorar notablemente la solucin. a o
4.2.1
Ejemplo
El esquema de iteracin puede ponerse simplemente como: o j+1 = K(j )1 f (4.79)
La implementacin es muy simple. En la gura 4.6 vemos el esquema aplicado a la resolucin de o o una ecuacin unidimensional k() = f , con k() = m , m = 0.7 y f = 1. Ntese que el esquema o o puede ser tambin puesto de la forma: e j+1 = f j f= j j ) k( s (4.80) 85
n=0.3
x5 x4 x3 x6
x2
x1
x0 x
0
Figura 4.6: El esquema de punto jo (4.79) aplicado a un problema undimensional con k() = 0.7 . Dado el valor de j , se puede obtener una pendiente aproximada entre el punto Pj = (j , k(j )j ) y el origen O. La interseccin de esta recta con y = f marca el nuevo punto j+1 . El esquema es o convergente si k() es montona creciente. En caso contrario es divergente (ver gura 4.7, para o el caso m = 1.5. Esta condicin se cumple en muchos casos f o sicos, ya que est asociado a una a condicin de estabilidad del sistema. Pensemos por ejemplo en un resorte no-lineal, para el cual k o es la constante del resorte, la elongacin y f la fuerza aplicada. Entonces k() creciente quiere o decir: a mayor elongacin, mayor fuerza, lo cual coincide con el criterio de estabilidad. Sin embargo, o la convergencia puede ser muy lenta, como por ejemplo en la gura 4.8, que corresponde a m = 0.9, f = 1, 0 = 3.
4.2.2
Mtodo secante e
Consideremos por simplicidad un problema de un slo grado de libertad: o j+1 = O(j ) (4.81)
Supongamos que j est sucientemente cerca de la solucin , de maner que podemos hacer un a o desarrollo de Taylor alrededor de : j+1 = O() + O (j ) + 1/2O (j )2 (4.82)
86
n=-0.5
x0
x1
x2
x3
0
Figura 4.7: Idem, para k() = 1.5 . pero es un punto jo de O, de manera que O() = . Reemplazando en (4.81): j+1 = O (j ) + 1/2O (j )2 (4.83)
Si |O | < 1 entonces podemos j+1 estar todav ms cerca de la solucin y podremos despreciar a a a o el trmino cuadrtico para todo los j. e a |j+1 | C|j | (4.84)
con C = |O |. A este tipo de convergencia se le llama, convergencia lineal. Usando en forma recursiva esta relacin: o |j | C|j1 | C 2 |j2 | . . . C j |0 | Adems, podemos poner: a R(j ) R() + R (j ) = R (j ) De manera que (4.85) puede ponerse como: |R(j )| C j |R(0 )| (4.87) (4.86) (4.85)
87
n=0.1
x6 x5 x4 x3 x2
x1
x0 x
0
Figura 4.8: Idem, para k() = 0.9 . Es comn gracar log |R| en funcin de j: u o log R(j ) j log C R(0 ) (4.88)
De manera que, asintticamente, es una recta de pendiente log C. Cuanto ms pequeo es C, ms o a n a empinada es la pendiente y se llega a una dada precisin con menos iteraciones. o
4.2.3
Mtodo tangente e
El sistema puede ser tambin puesto en forma de punto jo como: e = k() f J() (4.89)
donde J() se denir ms adelante. La constante C es, en este caso: a a C k() f J() R J RJ = 1 J2 = d d
(4.90)
88
Seccin 4.3. Precisin y nmero de puntos en el esquema de diferencias nitas o o u
En vale que R() = 0, de manera que: C = |1 R /J| (4.91)
Si J se parece mucho a R entonces C es muy pequeo y la tasa de convergencia es muy alta. El n caso ptimo es poner J = R , en cuyo caso la convergencia deja de ser lineal y pasa a ser cuadrtica: o a |j+1 | C|j |2 La estimacin correspondiente para residuos es: o R(j+1 ) CR(j ) Usando esta estimacin en forma recursiva: o R(n ) CR(n1 ) C C C
1+2 2 2
(4.92)
(4.93)
(4.94) ) (4.95) ) (4.96)

n 0 2 3 n2 2
R(
n2 4
1+2+4
R(
1+2+4+...+2n1 2n 1
n 0 2
R( )
(4.97) (4.98) (4.99) (4.100)
=C R( ) 1 2n CR(0 ) = C log R(n ) log C 2n log(CR(0 )) Esto es una exponencial cuando se graca como log R en funcin de j (ver gura 4.9). o
4.3
Precisin y n mero de puntos en el esquema de diferencias nio u tas
Ahora veremos como generar esquemas en diferencias de una forma general. Veremos que para una aproximacin para un cierto orden de derivacin se requiere un nmero m o o u nimo de puntos y que cada vez que querramos aumentar el orden de aproximacin, deberemos incrementar el nmero de puntos o u en el stencil. Consideremos N puntos arbitrarios {xl }N , y expandamos los valores de l = (xl ) alrededor de l=1 un cierto punto x0 (que no necesariamente debe coincidir con uno de los xl , l 1). l = 0 + 0 (xl x0 ) + 0 1/2(xl x0 )2 + N 1 (N 1) (xl x0 ) + l + O(|xl x0 |N ) (N 1)!
(4.101)
Ahora suponemos que el stencil se va reduciendo, hacia el punto x0 pero manteniendo las distancias relativas invariantes, es decir: xl = xl x0 = l (4.102)
89
Seccin 4.3. Precisin y nmero de puntos en el esquema de diferencias nitas o o u
convergencia lineal
|Residuo|
convergencia cuadrtica
n (iteraciones)
Figura 4.9: Tipos de convergencia lineal y cuadrtico. a con l =cte y 0. Poniendo el sistema anterior en forma matricial: = Ad + donde: 0 1 . . . L 0 0 . . . l
(N 1) N 1 N
(4.103)
(4.104)
d= 1 1 . . . 1 2 . . .
(4.105)
A=
2 1 /2 2 2 /2 . . .
. . .
1 N
2 N /2
N 1 1 /(N 1)! N 2 1 /(N 1)! . . .

N N 1 /(N 1)!
(4.106)
90
Seccin 4.4. Mtodo de diferencias nitas en ms de una dimensin o e a o
y e es un vector que depende en principio de pero cuyas componentes se mantienen acotadas al hacer tender 0. Resolviendo el sistema lineal, podemos obtener una expresion para cualquiera de las derivadas, digamos, por ejemplo, la ksima: e
N (k) 0 k
=
l=1
ckl (l
el )
(4.107)
Ahora bien, A no depende de de manera que:
de manera que tampoco dependen los coecientes de su inversa ckl ,

N
0 =
(k)
k l=1
ckl l + O(
N k
(4.108)
De manera que llegamos a la siguiente regla simple que vincula la el orden de la derivada k, el nmero u de puntos del stencil N y el orden de la aproximacin p: o p=N k (4.109)
En particular, si se quiere aproximar una derivada k-sima, entonces es necesario al menos k +1 puntos e para que la aproximacin sea convergente es decir p 1. Por ejemplo, podemos obtener la derivada o de primer orden k = 1 con precisin O(x)2 (p = 2), con N = 3 puntos. Por el contrario, para la o derivada segunda (k = 2) slo podemos esperar una precisin O(x) (p = 1) con N = 3 puntos. En o o el caso de una malla de paso constante, y con diferencias centradas se puede obtener una precisin un o orden mayor por cuestiones de simetr a.
4.4
Mtodo de diferencias nitas en ms de una dimensin e a o

2 2 + 2 x2 y 1 (0, y) = (x, 0) = 2 k (Lx , y) = 3 (x, Ly ) = 4
Empecemos por un dominio rectangular con condiciones Dirichlet (ver gura 4.10): = Q(x, y), en = {x, y / 0 x Lx , 0 y Ly } (4.110) (4.111) (4.112) (4.113) (4.114)
Generamos una malla de paso constante x, y (ver gura 4.11): x = Lx , L y = Ly M (4.115)
llamamos nodo lm al punto de coordenadas: (xl , ym ) = (lx, my), 0 l L, 0mM (4.116)
91
Seccin 4.5. Aproximacin en diferencias nitas para derivadas parciales o o
_ Lx _ _
0 0
x _ Lx
Figura 4.10: Problema bidimensional de conduccin del calor rectngulo. o a
4.5
Aproximacin en diferencias nitas para derivadas parciales o
Consideramos una expansin en x de la forma (ver gura 4.12): o l+1,m = (xl + x, ym ) = (xl , ym ) + x x + 1/2x2
lm
(4.117) 2 x2
l+l ,m
, 0 l 1
(4.118)
Igual que en 1D, se obtienen expresiones aproximadas para las derivadas de primer y segundo orden: x x x 2 x2 l+1,m lm + O(x) x lm l1,m = + O(x) x l+1,m l1,m = + O(x2 ) 2x l+1,m 2lm + l1,m = + O(x2 ) x2 = (4.119) (4.120) (4.121) (4.122)
lm
lm
lm
lm
y expresiones similares en y. La discretizacin se hace remplazando las derivadas segundas por diferencias de segundo orden o para los nodos interiores: k l+1,m 2lm + l1,m l,m+1 2lm + l,m1 + x2 y 2 = Qlm para l = 1, . . . , L 1 m = 1, . . . , M 1 (4.123)
92
yM=Ly yM-1

y2 y1 y0=0

x0=0 x1 x2
xL-1 xL
Figura 4.11: Malla homoenea de diferencias nitas. g y las condiciones de contorno: 0m = 4 (ym ) l0 = 1 (xl ) Lm lM El sistema es, como siempre: K = f donde K es ahora una matriz tri-diagonal K I I K 0 I k K= x2 siendo K: por bloques: 0 0 ... I 0 . . . K I . . . .. .. .. . . . ... ... ... I 0 ... ... ... ... ... ... ... ... ... (4.126) (4.125) = 2 (ym ) = 3 (xl ) m = 0, . . . , M l = 0, . . . , L m = 0, . . . , M l = 0, . . . , L (4.124)
I K I K ... ... ...
K=
4 1 0 0 ... 1 4 1 0 . . . 0 1 4 1 . . . .. .. .. . . .
1 4 1 0 1 4
... ... ...
(4.127)
93
m+1 m m-1 (l,m)
l-1
l+1
Figura 4.12: Nodo t pico en una malla estructurada bidimensional. (esto es para el caso especial x = y). El vector de incgnitas es: o 11 12 13 . . . 1,M 1 21 22 23 . = . . 2,M 1 . . . L1,1 L1,2 L1,3 . . . L1,M 1
(4.128)
que corresponde a haber numerado las incgnitas primero segn y y despus segn x (ver gura 4.13). o u e u
4.5.1
Stencil del operador discreto
Consideremos la la de la matriz correspondiente a la ecuacin para el nodo lm. De todos los coecieno tes slo cinco son no nulos, correspondiente al nodo en cuestin y los cuatro vecinos. Estos coecientes o o son los mismos para todos los nodos de la malla, y entonces podemos caracterizar el operador discreto
94
Seccin 4.6. Resolucin del sistema de ecuaciones o o
M-1
2(M-1)
y2 y1 y0

M+1 M
x0 x1 x2
Figura 4.13: Orden de numeracin de los grados de libertad en el sistema lineal. o por una sola de las l neas. Para ser ms graco an, podemos poner los coecientes en los nodos a u asociados. A esto se le llama el stencil o estrella del operador discreto. Para el caso de la ecuacin o de Poisson que estamos tratando, con x = y, el stencil obtenido consta de 5 puntos involucrados y tiene como coecientes 4 para el nodo central y -1 para todos los otros (ver gura 4.14)
4.6
4.6.1
Resolucin del sistema de ecuaciones o

Estructura banda
= 5, x = y, por simplicidad (ver gura 4.15). La 0 1 0 0 0 0 0 1 0 0 1 0 0 1 0 4 0 0 0 1 0 4 1 0 0 0 1 4 1 0 0 0 1 4 1 1 0 0 1 4
Consideremos el caso Lx = 3, L = 3, Ly = 5, M matriz es: 4 1 0 1 4 1 0 1 4 0 0 1 K= 1 0 0 0 1 0 0 0 1 0 0 0
vemos que los elementos no nulos se encuentran slo sobre la diagonal y sus cuatro codiagonales o superiores e inferiores, es decir (ver gura 4.16): Kij = 0, para |i j| > a (4.130)
con a = 4. Toda matriz que satisface (4.130) para algn a es llamada una matriz banda y a el u ancho de banda de la matriz. Obviamente, el inters surge cuando a es mucho menor que la dimensin e o N de la matriz, que es el caso para las matrices de elementos nitos. Veremos que en ese caso se
yM yM-1

(M-1)(L-1)
xL-1 xL
(4.129)
95
m+1 m m-1 -1
-1 4 -1 -1
l-1
l+1
Figura 4.14: Stencil de 5 puntos para el operador de Laplace en 2D. puede ganar mucho tanto en requerimientos de memoria para factorizar la matriz, como en tiempo de procesamiento. Podemos ver que en el caso que nos ocupa a = M 1.
4.6.2
Requerimientos de memoria y tiempo de procesamiento para matrices banda
Consideremos una matriz simtrica de N N , con ancho de banda a. Puede verse que al factorizar e la matriz los elementos fuera de la diagonal no se llenan, esto es, siguen siendo nulos despus del e proceso de factorizacin. Mediante algoritmos especialmente diseados, se puede trabajar slo sobre las o n o diagonales activas de manera que slo se requieren almacenar N +(N 1)+(N 2)+ +(N a) N a o elementos, contra los N (N + 1)/2 elementos que hace falta almacenar, si no se tiene en cuenta la estructura banda de la matriz. El factor de ganancia en memoria es: 2a (almacenamiento matriz banda) = (almacenamiento matriz llena) N (4.131)
Consideremos ahora el costo computacional del mtodo de eliminacin de Gauss para una matriz e o llena. Para eliminar la primera columna, debemos hacer N 1 operaciones de la, cada una de las cuales tiene N elementos, lo cual requiere N (N 1)e operaciones, donde e es el nmero de operaciones u necesarios para eliminar un elemento. Usualmente se necesita una suma y una multiplicacin, de o manera que e = 2, sin embargo, dependiendo de la mquina y de detalles de implementacin, debe a o tenerse en cuenta las operaciones de traer los elementos desde la RAM el procesador y de incrementar los contadores. Para eliminar la segunda columna, debemos realizar N 2 operaciones de N 1
96
4 3
8 7 6 5
2 1
x
Figura 4.15: Malla de diferencias nitas para un problema con condiciones Dirichlet. elementos, es decir (N 1)(N 2)e operaciones. El nmero total de operaciones es de: u (Costo computacional matriz llena) = = [N (N 1) + (N 1)(N 2) + ... + 3 2 + 2 1] e
N
=e
j=1
j(j 1) = eN 3 /3 + O(N 2 )
(4.132)
Si la matriz es banda, entonces en la primera columna solo hay a + 1 elementos no nulos. Por lo tanto, solo debemos hacer a operaciones de la. Adems, en cada una de las las slo los 2a primeros a o 2 operaciones para eliminar elementos estn dentro de la banda, de manera que deben efectuarse 2ea a la primera columna. Para las otras columnas, ocurre algo parecido y el costo total es: (Costo computacional matriz banda) = N 2ea2 = 2eN a2 La relacin de costos es: o 2eN a2 a (Costo computacional matriz banda) = =2 (Costo computacional matriz llena) eN 3 N
2
(4.133)
(4.134)
Para jar ideas, consideremos el caso de una malla de L = M = 200 nodos. El nmero total de grados u de libertad es N = (L 1) (M 1) LM = 40000. El nmero total de elementos a almacenar u como matriz llena es N 2 /2 = 8.0108 elementos. En el caso de utilizar doble precisin esto equivale o a 12.8Gbytes de memoria RAM. Utilizando almacenamiento banda tenemos a = 200 y el nmero de u elementos a almacenar es N a = 200 40000 = 8000000, 64.0Mbyte de memoria en doble precisin. o 3 /3e 2.11013 e operaciones, Con respecto al costo computacional, para la matriz llena es 40000 mientras que para matriz banda es de slo 2 2002 40000e = 3.2109 e operaciones. Considerando o
97
Kij=0
2a
Kij=0
N
Figura 4.16: Denicin del ancho de banda de una matriz. o e = 2 y una velocidad de procesamiento de 40Mops (1 Mop=106 operaciones de punto otante por segundo) los tiempos de procesamiento resultan ser de: (tiempo de CPU matriz llena) = 4.31013 ops = 296.3 horas 40106 ops/sec (4.135)
(tiempo de CPU matriz banda) =
3.2109 ops = 160.0 segundos 40106 ops/sec
(4.136)
4.6.3
Ancho de banda y numeracin de nodos o
El ancho de banda es altamente dependiente de la numeracin de los nodos, esto es, del orden en que o las inconitas son puestas en el vector . Por ejemplo si la numeracin se hace primero en y y despus g o e
98
Seccin 4.7. Dominios de forma irregular o
x0 x1 x2
Figura 4.17: Numeracin alternativa para reducir el ancho de banda. o en x (ver gura 4.17): = 11 21 31 . . . L1,1 . . . 1,M 1 2,M 1 3,M 1 . . . L1,M 1
entonces el ancho de banda pasa a ser de a = L 1. La regla es, entonces, numerar siempre primero en aquella direccin en la cual hay menos nodos. o
4.7
Dominios de forma irregular
El mtodo de diferencias nitas ser de muy poca utilidad si slo pudiera aplicarse a dominios de forma e a o rectangular. Existen bsicamente dos posibilidades para extender el mtodo a un dominio de forma a e arbitraria como en la gura 4.18. ( , indican ventajas y desventajas del mtodo, respectivamente): e Considerar al dominio inmerso en una malla homognea (ver gura 4.18). En este caso el e esquema para los nodos interiores es el mismo como el que consideramos hasta ahora. La generacin de la malla es muy sencilla ( ) o
y2 y1 y0

L+1
L+2
L-3
L-2
yM yM-1

(L-1)(M-1)
2(L-1)
L-1
xL-1 xL
(4.137)
99
y x
Figura 4.18: El dominio de resolucin de resolucin es embebido en una malla homognea. o o e Deben generarse ecuaciones especiales para los nodos en el contorno ( ) En principio no hay posibilidad de renar la malla en ciertas partes ( ) Ajuste del contorno (boundary tting) (ver gura 4.19): La idea es encontrar una transformacin de coordenadas que lleve el dominio irregular en cuestin a un rectngulo. La ecuacin o o a o original es transformada siguiendo las reglas clsicas y nalmente se resuelven las ecuaciones a transformadas en el dominio transformado. La generacin de la malla es relativamente compleja, incluso para dominios relativamente o simples ( ) Los esquemas en diferencias, tanto para nodos interiores como nodos de contorno se obtienen fcilmente por los mtodos estndar ( ) a e a La malla suele estar ms densa en ciertas partes que en otras. Esto puede ser una ventaja a o desventaja dependiendo de si el lugar donde la malla est mas densa es un punto donde a se necesita mayor precisin o no ( ?) o Admite cierto grado de renamiento ( )
4.7.1
Inmersin del dominio irregular en una malla homognea o e
Como se mencionara, aqu el punto delicado es el hallar frmulas en diferencias para los nodos en o contacto con el contorno. Consideremos por ejemplo la gura 4.18.. Haciendo un zoom de una regin o cerca del contorno, tenemos una disposicin como en la gura 4.20. Suponiendo que la condicin de o o
100
Figura 4.19: La malla es generada por mapeo de una malla homognea sobre un rectngulo al dominio e a . contorno es de tipo Dirichlet, debemos encontrar ecuaciones en diferencias para un nodo como el P . Considerando que la malla es homognea (P T = P S = x, P Q = P R = y) y deniendo: e = PU 1, PQ = PV 1 PS (4.138)
podemos hacer un desarrollo de Taylor para T y V : T V con P1 [P, T ], P2 [P, V ] (4.141) La derivada de primer orden se puede obtener, a orden x2 , haciendo una combinacin lineal de o T y V de forma de que se cancelen los trminos que contienen la derivada segunda. e 2 T V = (2 1)P + (2 + )x de manera que: x =
P
= P + x = P x
x x
+ 1/2x2
P
2 x2
+ 1/6x3
P 2
3 x3
(4.139)
P1 3
+ 1/22 x2
P
x2
1/63 x3
P
x3
(4.140)
P2
+ O(x3 )
P
(4.142)
2 T V (2 1)P + O(x2 ) x( + 1)
(4.143)
101
y Q U y S V P x T
R x
Figura 4.20: Diagrama general de los nodos sobre la malla regular en la zona cercana al contorno del dominio de resolucin. Fmulas especiales en diferencias deben ser desarrolladas para los nodos como o r el P La derivada segunda se puede aproximar de:
1
/2x2
2 x2
= T P x
P
+ O(x3 )
P
(4.144) (4.145) (4.146)
= T P x = de donde: 2 x2
2 T V (2 1)P + O(x3 ) x( + 1) T + V ( + 1)P + O(x3 ) ( + 1)x2 =2 T + V ( + 1)P + O(x) ( + 1)
(4.147)
Ntese que para = 1 (P V = P S) se recupera la frmula centrada de segundo orden. Por el contrario, o o la expresin anterior es de primer orden y, de hecho es imposible generar una aproximacin de segundo o o orden para la derivada segunda con 3 puntos en una malla irregular (Conrase a la seccin anterior e o donde se explica la relacin entre precisin, nmero de puntos y orden de la derivada). o o u Finalmente, el sistema de ecuaciones se halla planteando las ecuaciones en diferencias para los puntos interiores sobre una malla regular, mientras que para los puntos como el P sobre el contorno, las ecuaciones son de tipo: T + V ( + 1)P R + U ( + 1)P QP + = 2 2 2k ( + 1)x ( + 1)y
(4.148) 102
Debe recordarse que esta expresin es O(x) de manera que slo puede esperarse una tal convero o gencia. Para condiciones de tipo Neumann, el problema es an ms complicado. u a
4.7.2
Mapeo del dominio de integracin o
Consideremos, por ejemplo, resolver el problema: (k ) = Q En notacin tensorial: o xi xi = Q (4.149)
(4.150)
Como fue adelantado, aqu se trata de encontrar una transformacinnn de coordenadas: o x = (x1 , x2 , x3 ) = (1 , 2 , 3 ) (4.151)
de tal forma que en la variable , el dominio de integracin sea un retngulo. La transformacin o a o de las ecuaciones se hace por la regla de la cadena: j = = [J xi j xi
]i
(4.152)
donde J denota la matriz del jacobiano de la transformacin y es el operador gradiente con o respecto a las coordenadas . Usando cculo tensorial, podemos plantear la ecuacin diferencial en a o trminos de: e derivadas de las incgnitas y los datos (propiedades del material) con respecto a las coordenadas o transformadas, e.g.: (/j ), etc... propiedades de la transformacin como: jacobianos, tensores mtricos, factores de escala, (conoo e cidos). Continuando con la ecuacin de Poisson, su transformacin es: o o g /2 donde: gij =[g1 ]ij g ij =[g]ij =
1 1
kgij g /2
= Q
(4.153)
(tensor mtrico contravariante) e xk xk i j

1
(4.154) (4.155) (4.156)
(tensor mtrico covariante) e (determinante de la transformacin) o
g /2 =(det g) /2
La ecuacin transformada puede ser reescrita como una ecuacin quasi-rmonica con una conductivio o a dad anisotrpica: o kij = Q (4.157) i j
103
donde:
1 kij =kgij g /2 1 Q =g /2 Q
(conductividad anisotrpica equivalente) o (trmino fuente equivalente) e
(4.158) (4.159)
4.7.3
Coordenadas curvil neas ortogonales
Un caso particular es cuando la transformacin es tal que las supercies i =cte son ortogonales entre o s en el sistema xi . Puede verse que la condicin para que esto ocurra es que el tensor mtrico de la o e transformacin satisfaga: o 2 h1 0 0 g ij = 0 h2 0 (4.160) 2 0 0 h2 3 hi es llamado el factor de escala de la coordenada transformada i . Se desprende que g /2 = h1 h2 h3 . La ecuacin del calor en coordenadas crvilineas ortogonales es: o u 1 h2 h3 h1 1 + 2 h1 h3 h2 2 + 3 h1 h2 h3 3 = h 1 h2 h3 Q (4.161)
1
4.7.4
Ejemplo
Sea resolver la ecuacin del calor en una cscara esfrica: o a e rint r rext = {r, , }tales que /2 /2 con condiciones de frontera Dirichlet en la cscara exterior e interior: a (rext,int , , ) = rext ,rint (, ), /2 /2, ,
(4.162)
(4.163)
donde las coordenadas esfricas estn dadas por la transformacin usual: e a o x = r cos cos y = r cos sin z = r sin Los factores de escala son: hr =1 h =r h =r cos de manera que la ecuacin transformada es: o r r2 cos r + cos + 1 cos = r2 cos Q (4.168) 104 (4.167) (4.164) (4.165) (4.166)
Se contruye una malla homognea en coordenadas transformadas, dada por una serie de (I + 1) e (J + 1) (K + 1) puntos Pijk cuyas coordenadas (ri , j , k ) estn dadas por: a ri = rint + (i/I)(rext rint ) j = /2 (1
) [1
i = 0, . . . , I j = 0, . . . , J k = 0, . . . , K (4.169)
+ 2(j/J)]
k = [1 + 2 (k/K)] donde 0 nodo ijk es:
tiene el n de evitar la singularidad en los polos = /2. La ecuacin para el o
qr,i+1/2 jk qr,i1/2 jk q,i j+1/2 k q,i j1/2 k q,ij k+1/2 q,ij k1/2 2 + + = ri cos j Qijk r donde:
2 qr,i+1/2 jk = ri+1/2 cos j
(4.170)
q,i j+1/2 k q,ij,k+1/2 y
i+1 jk ijk r i j+1 k ijk = cos j+1/2 1 ij k+1 ijk = cos j ri+1/2 = ri +
(4.171)
r 2 j+1/2 = i + 2 La ecuaciones (4.170-4.172) son conservativas y precisas de segundo orden.
(4.172)
4.7.5
Mallas generadas por transformacin conforme o
Una clase especial de transformaciones pueden generarse mediante la teor de variable compleja a llamada transformacin conforme. Si bien est es vlida slo para 2D, puede combinarse con otras o a a o transformaciones para generar mallas tridimensionales. Una transformacin conforme (x, y) (, ), se basa en denir dos variables complejas z = x + iy o y w = + i y poner la transformacin en forma de una funcin anal o o tica: w = f (z) con f anal tica. Las transformaciones conformes son un subconjuto de las transfomaciones obtenidas por coordenadas curv lineas ortogonales. No slo las lineas =cte, =cte son ortogonales e tre s sino que los factores o , de escala son iguales h = h . Esto signica que un elemento rectangular e en coordenadas , (ver gura 4.21) es mapeado por la transformacin en otro e de forma aproximadamente rectangular con o a ngulos interiores , 90 ) y con, aproximadamente, la misma relacin de aspecto (BB /AA o /). Por ejemplo, la transformacin de coordenadas z = exp(w), equivale a la transformacin: o o x = e cos y = e sin (4.173)
105
B e y A x
e B
Figura 4.21: Transformacin de un elemento de volumen , por una transformacin conforme. o o No slo los ngulos interiores permanecen aproximadamente rectos, sino que la relacin de aspecto o a o permanece inalterado. y es muy similar al cambio de coordenadas de cartesianas a polares. Por ejemplo, un dominio rectangular como el ABCDEF (ver gura 4.22) es transformado en una corona circular. Ntese que el r o entre sucesivas capas de nodos va diminuyendo con el radio. Lo interesante es que esta variacin es o tal que la relacin de aspecto se mantiene constante, como fue mencionado en un marco ms general. o a Las transformaciones conformes pueden ser concatenadas de forma de poder obtener dominios bastantes ms complicados. Por ejemplo, a la transformacin (4.173) se puede aplicar una transformacin a o o lineal para correr el centro del c rculo interior O de z(O) = 0 a z1 (O) = 1 + e, manteniendo el punto B en z = 1 (ver gura 4.24). La transformacin es: o z1 = 1 + (1 e)(z 1) (4.174)
A continuacin una transformacin de Joukowski lleva la corona circular al exterior de un perl o o aerodinmico (ver gura 4.23): a 1 z2 = 1/2 z1 + (4.175) z1 La circunferencia interior ABC es transformada sobre el contorno del perl, mientras que el c rculo exterior DEF es transformado en una curva cercana a una circunferencia. Usualmente, se supone que sobre esta circunferencia el ujo no est perturbado para poder imponer las condiciones de contorno a apropiadas. El punto B en z1 = 1 es transformado en el borde de fuga (T E = trailing edge, mientras que el punto A C es transformado en el borde de ataque LE (Leading Edge). Otro ejemplo de transformacin podemos observarlo en las guras 4.25, 4.26, donde el dominio o 3 rectangular ABCDEF en el plano w es mapeado por la transformacin z = w /2 en el dominio indicado o en la gura 4.26.
106
1 0
D 0 DF O AC r=1 B E
z=eiw
Figura 4.22: Un rectngulo es transformado en una corona circular usando la transformacin expoa o nencial z = ew .
r=e
107
z2
1
DF
AC=L.E. -1 0 1
B=T.E.
Figura 4.23: Transformacin de Joukowski. El c rculo interior es mapeado sobre el perl mientras o que el exterior es mapeado sobre un cuasi-c rculo al innito.
108
z1
1 0
DF AC O B E
Figura 4.24: Transformacin intermedia para correr el centro del c o rculo, manteniendo el punto z = 1 jo.
109
-1
Figura 4.25: Dominio rectangular en el plano w.
z=w
1.5
1 E
C B F A -1 0 1
-1
Figura 4.26: Dominio transformado en el plano z = w //2. . 110
Seccin 4.8. La ecuacin de conveccin-reaccin-difusin o o o o o
4.8
La ecuacin de conveccin-reaccin-difusin o o o o
Consideremos el transporte de una sustancia de concentracin en un medio uido con campo de o velocidades v y difusividad k > 0. Adems consideramos que s consume con una reaccin qu a o mica de cintica de primer orden, con constante c > 0 y que hay una produccin de dada por una densidad e o de produccin g o D = k c + g Dt (4.176) + v = k c + g t con condiciones de contorno = , en k = q, en q (4.177) n k = h( ), en h n Los trminos involucrados en (4.176) se denominan e = Trmino temporal e t v = convectivo o de transporte k = difusivo c = reaccin o g = produccin o Tanto v como c, g y k pueden ser funciones de la posicin y del tiempo v = v(x, t), etc... Las o dimensiones de las costantes es v[=]m/sec k[=]m2 /sec c[=]sec1 g[=][]/sec (4.179) (4.178)
[Document version: 1.21. File version: $Id: dicrd.tex,v 1.12 2003/05/14 22:04:43 mstorti Exp $]
111
4.8.1
Interpretacin de los diferentes trminos o e
Los trminos de reaccin y produccin pueden agruparse como c( eq ), donde eq = g/c es la e o o concentracin de que esta en equilibrio local con la produccin. En estado estacionario y con o o condiciones homogneas tal que no depende de x entonces eq . (Nota: si g = f () entonces los e zeros de f son puntos de equilibrio. ) Para entender mejor el signicado de los diferentes trminos involucrados vamos a considerar e algunos casos particulares. No hay dependencia temporal. Si consideramos que no depende de x ( = (x)) entonces los trminos convectivo y difusivo son nulos y llegamos a una ODE para el valor de (constante en todo e el dominio) + c( eq ) = 0 (4.180) t cuya solucin es o = eq + ((t = 0) eq )ect (4.181) y vemos que decae exponencialmente hacia eq . Podemos deducir de esto que en zonas donde los gradientes son bajos tiende a aproximarse a eq .
1
0.8
=1
0.6
=3
0.4
0.2
=100
0 0
=30
=10
0.2 0.4 0.6 0.8 x/L 1
Figura 4.27: Concentracin para diferentes valores del mdulo de Thiele o
112
Reaccin difusin. o o la ecuacin es o
Ahora, si incluimos la difusin, pero siempre estacionario y con v = 0, entonces o k c( eq ) = 0 (4.182)
Si eq = cte, pero la condicin de contorno es w = eq entonces va a tratar de estar cerca de eq o en el interior del dominio, yendo suavemente hacia w en los contornos. La rapidez con la cual el valor interior empalma con la condicin de contorno depender de la importancia relativa entre c y k. o a Consideremos, par jar ideas, el siguiente problema k c = 0, = 1, entonces la solucin es o = en 0 x L (4.183)
en x = 0, L
cosh((x/L 1/2)) , = cosh(/2)
c/kL
(4.184)
donde es el mdulo de Thiele o nmero de reaccin. La solucin se observa en la gura 4.27 o u o o y vemos que para nmeros de Thiele altos la solucin se pega al valor de equilibrio en el interior del u o dominio y empalma con la condicin de contorno en una capa l o mite de esperor k/c = L/. Estas capas l mites representan grandes gradientes para la solucin y pueden aparejar problemas (falta de o convergencia) para los mtodos numricos. e e En el caso trmico es la temperatura, k la difusividad trmica y g una fuente de calor distribuida. e e c puede provenir de una reaccin endotrmica proporcional a la temperatura. Tambien en el caso 2D o e el trino c( eq ) puede pensarse como un trmino de enfriamiento Newtoniano. e e Notar que si v = 0, los restantes trminos slo contienen derivadas espaciales de orden par (0 e o o 2) y por lo tanto son invariantes ante inversin de coordenadas (x x). Esto dar lugar despus a o a e que las matrices de los mtodos numricos resulten simtricas. e e e
113
Adveccin difusin. En el caso estacionario ((/t) = 0) y si no hay reaccin ni produccin o o o o (c, g = 0) queda la ecuacio de adveccin-difusin. Consideremos el caso 1D en un intervalo de n o o longitud L con condiciones Dirichlet 2 k 2 = 0, x x = 0, en x = 0 v = 1, en x = L en 0 x L (4.185)
Esto representa el transporte de temperatura por un uido con difusividad k y velocidad v. La solucin puede encontrarse por mtodos operacionales estndar, proponiendo soluciones de la forma o e a x , resolviendo el polinomio caracter e stico en y buscando la combinacin lineal que satisface las o condiciones de contorno. La solucin resulta ser o = vL e2Pe (x/L) 1 , Pe = 2k e2Pe/L 1 (4.186)
(ver gura 4.28). Para valores de v muy pequeos la soucin se aparta poco de la solucin de conduccin n o o o pura = x/L (4.187) A medida que v aumenta las temperaturas bajan ya que el movimiento del uido tiende a contrarrestar el efecto de la condicin de contorno en x = L y refrigera ms que cuando el uido est quieto. o a a La importancia relativa de ambos trminos (difusivo y convectivo) se puede cuanticar a travs del e e nmero de P`clet Pe dado por (4.186). A medida que el Pe aumenta, el gradiente de se concentra u e ms y ms cerca de la pared x = 1, formando una capa l a a mite de espesor = O(k/v) = O(L/Pe) (4.188)
De nuevo, estos altos gradientes son una fuente de problemas para los mtodos numricos. e e Si la velocidad se invierte entonces la discontinuidad se produce en x = 0 que es la nueva salida (x = L es la entrada). Una forma diferente de ver este fenmeno es considerar que, a medida que k 0, el problema se o hace cada vez ms advectivo (Pe ). Ahora bien, para el problema advectivo puro la ecuacin a o es de primer orden y por lo tanto requiere de una sola condicin de contorno. La teor de sistemas o a hiperblicos indica que la condicin de contorno debe aplicarse donde las l o o neas caracter sticas entran. El valor de la variable en un contorno donde las caracter sticas salen resulta de la integracin de la o ecuacin dentro del dominio. Si se pretende imponer un valor diferente como condicin de contorno o o Dirichlet, la diferencia se absorbe en una capa l mite. Debido a que la ecuacin de adveccin pura propaga los valores a lo largo de las caracter o o sticas, tambin se pueden producir altos gradientes en el interior del dominio. Por ejemplo consideremos e adveccin pura en u dominio rectangular ADD A como se muestra en la gura 4.30. El ujo entra o por el lado AA y sale por DD . La condicin a la entrada es = donde contiene un salto cerca del o punto W . El transporte convectivo tiende a propagar esta discontinuidad a lo largo de la caracter stica W W , pero debido a la difusin la discontinuidad se va suavizando y termina en un escaln suavizado o o a la salida DD .
114
0.8 Pe=10 0.6
0.4
Pe=0 Pe=1
0.2 Pe=3 0 0 0.2 0.4 0.6 Pe=10 0.8 1
Pe=30 Pe=100
Figura 4.28: Solucin al problema de adveccin pura 1D con coecientes constantes o o
capa l
imite
soluc
C
in in
vscid
B contorno de entrada A
ca
ti ers ract
ca
contorno de salida
capa limite
solucin invscida C
distancia a lo largo de la caracterstica
Figura 4.29: Sistems fuertemente advectivos en 2D a
115
W A y B C
A B C D
Figura 4.30: Discontinuidad interna propagada desde la condicin de en un sistema fuertemente o advectivo
116
4.8.2
Discretizacin de la ecuacin de adveccin-difusin o o o o
1
v=1 v=3 v=20 v=40 v=100 v=500 v=10
0.8 0.6 0.4 0.2 0
0.2 0.4 0.6 0.8 1 0 0.2 0.4 0.6 0.8 x/L 1
Figura 4.31: Solucin numrica al problema de adveccin difusin con un esquema centrado o e o o Consideremos el problema 1D de adveccin difusin a coecientes constantes (4.185). Consideremos o o una malla uniforme de N segmentos de longitud x = L/N . Los nodos son xj = (j 1)x, para j = 1, . . . , N + 1. Una discretizacin centrada de segundo orden es o v j+1 j1 j+1 2j + j1 k =0 2x x2 (4.189)
Notar que la derivada de primer orden introuce un trmino antisimtrico. Este esquema funciona bien e e mientras la velocidad se mantenga por debajo de un cierto l mite, que resulta ser vcrit = 2k/x (En la gura k = 1 y el nmero de puntos es N = 20, de manera que x = 0.05 y vcrit = 40). Para u velocidades mayores la solucin numrica se vuelve oscilatoria y para velocidades mucho ms grandes o e a que la cr tica las oscilaciones contaminan todo el dominio. Ntese que la velocidad cr o tica se produce cuando el P`clet de la malla es e vx Pex = =1 (4.190) 2k Estas oscilaciones pueden asociarse a un falta de estabilidad del esquema numrico, sin embargo el e esquema es estable, estrictamente hablando, ya que si renamos sucientemente entonces Pex pasar a 2 a ser menor que uno y se recupera la convergencia O(x ). Sin embargo vemos que si tomamos la estimacin de error estndar o a E Cx2 , (4.191) la constante C depende de Pe. O sea, no existe un C independiente de Pe tal que (4.191) valga para todo x y Pe, es decir no se puede obtener una cota de error uniforme sobe Pe. Bajo esta denicin o de estabilidad ms estricta el esquema es inestable. a
117
4.8.3
Desacoplamiento de las ecuaciones
Si consideramos las ecuaciones discretas del esquema centrado (4.189) para Pe , es decir k = 0, obtenemos j+1 j1 v = 0, j = 2, . . . , N (4.192) 2x Esta ecuacin dice que o 1 = 3 = 5 = = 2n+1 = . . . (4.193) N +1 = N 1 = N 3 = . . . Entonces, si N es impar existe una solucin que es o j = 0 1 ; si j = impar ; si j = par (4.194)
y por otro lado no existe solucin si N es par. o Se dice que hay un desacoplamiento de las ecuaciones para los nodos pares e impares, lo cual es asociado normalmente a una falta de estabilidad del esquema numrico. e
4.8.4
Esquemas de diferencias contracorriente (upwinded)

1.1 1 0.8 0.6 0.4 0.2 0 0.2 0.4 0.6 0.8 1 1.1 20 15 10 5 0 5 10 15 20 f 1(x) sign(x) f 3(x)
Figura 4.32: Diferentes propuestas para el parmetro de estabilidad a Notemos que, en el caso de adveccin pura (Pe = ) la solucin numrica deber ser o o e a j = 0 1 ; si j <= N ; si j = N + 1 (4.195)
118
y esto se lograr si reemplazamos la derivada centrada en (4.192) por una derivada lateral a izquierda a (tambin llamada contracorriente o upwinded) e v Pero esto se puede reescribir como v o, poniendo knum = vx/2, v j+1 j1 j+1 2j + j1 knum =0 2x x2 (4.198) j+1 j1 2x vx 2 j+1 2j + j1 =0 x2 (4.197) j j1 = 0, j = 2, . . . , N x (4.196)
donde knum es una difusin numrica articial que estabiliza el esquema. Notar que, si v < 0, o e entonces el esquema debe estar decentrado a derecha v j+1 j x (4.199)
y entonces debe ser knum = vx/2, de manera que, en general knum = Ahora bien, para Pe < podemos tomar v j+1 j1 j+1 2j + j1 (k + knum ) =0 2x x2 (4.201) |v|x 2 (4.200)
Este esquema no presenta ms inestabilidades y para Pe a 1 se aproxima al upwindado pero para Pe pequeos sigue agregando difusin, incluso para Pex < 1 cuando sabemos que el esquema es estable, n o resultando en un esquema demasiado difusivo. Entonces surge la idea de tratar de reducir la difusin o numrica para valores de Pex pequeos. Notemos que (4.200) puede reescribirse como e n knum = con f (x) = sign(x) (4.203) de manera que podr amos reemplazar la funcin de upwinding sign() por otra que anule la difusin o o numrica para |Pex | <= 1, por ejemplo podemos usar e knum = con f1 (x) = sign(x) ; si |x| > 1 0 ; si |x| <= 1 (4.205) vx f1 (Pex ) 2 (4.204) |v|x vx = k|Pex | = kPex f (Pex ) = f (Pex ) 2 2 (4.202)
119
o tambin, para hacerlo ms continuo e a f2 (x) = sign(x) ; si |x| > 1 x ; si |x| <= 1 (4.206)
Puede demostrarse que, si elegimos f (x), como la siguiente funcin mgica o a f3 (x) = (x) = 1 1 tanh(x) x (4.207)
entonces, en este caso simple se obtiene la solucin exacta (4.186) (de ah el nombre de funcin mgica). o o a Sin embargo, esto slo vale mientras el problema sea 1D, con coecientes constantes, paso de la malla o constante y sin trmino fuente. De todas formas es una funcin de upwinding interesante, ya que en e o forma muy suave satisface todos los l mites necesarios. Como (d/dx) |x=0 = 1/3 otra funcin comunmente utilizada es o f4 (x) = x/3 1 ; |x| < 3 ; |x| > 3 (4.208)
4.8.5
El caso 2D
El primer intento por extender el esquema upwindado a 2D (o 3D) es agregar una viscosidad numrica e segn cada una de las direcciones principales de la malla. Sea un dominio rectangular 0 x Lx , u 0 y Ly , dividido en Nx , Ny intervalos de longitud x = Lx /Nx , y = Ly /Ny . Los puntos de la malla estn ubicados en xjk = ((j 1)x, (k 1)y) y sea (xjk ) j,k . Ademas, consideremos a v = (vx , vy ) = cte, vx j+1,k j1,k j,k+1 j,k1 + vy 2x 2y j+1,k 2j,k + j1,k j,k+1 2j,k + j,k1 x y (k + knum ) (k + knum ) = 0 (4.209) x2 y 2
x knum =
donde
vx x f (Pex ) 2 (4.210) vy y y knum = f (Pey ) 2 Este esquema resulta ser estable. Si el ujo esta alineado con la malla, es decir vx = 0 o vy = 0, entonces el esquema reproduce exactamente sus virtudes en el caso 1D. En general la viscosidad numrica es anisotrpica, por ejemplo, si v = (v, 0) entonces e o
x knum = y knum
vx f (Pex ) 2 =0
x knum 0 0 0
(4.211)
o, en forma tensorial knum = (4.212) 120
y, en general, knum es un tensor anisotrpico, con ejes principales a lo largo de los ejes principales de o la malla. Si consideramos una velocidad cruzada con la malla, entonces el esquema resulta ser demasiado disipativo. Por ejemplo, consideremos v = v (1, 1)/ 2, y x = y = h. Entonces
x y knum = knum = knum =
vh f ( 2Peh ) 23/2
(4.213)
es decir que el tensor de difusin numrica es escalar o e knum = knum 0 0 knum = knum I22 (4.214)
donde I22 es el tensor identidad de 2 por 2. Ahora bien, si consideramos un sistema de coordenadas alineado con la velocidad, es decir x v e y v, entonces el tensor difusividad numrica sigue siendo e knum = knum 0 0 knum = knum I22 (4.215)
mientras que lo deseable ser tener una difusividad segn x pero no segn y a u u knum = con
x knum 0 0 0
(4.216)
vhs f (Pes ) 2 donde el sub ndice s indica valores segn la l u nea de corriente, as por ejemplo hs = 2h vhs Pes = 2k
x knum =
(4.217)
(4.218)
Antitransformando el tensor (4.216) a los ejes x y obtenemos kij = vh si sj f (Pes ) 2 (4.219)
donde = v/v es el versor segn la l s u nea de corriente. Finalmente el esquema es vx j+1,k j1,k j,k+1 j,k1 + vy 2h 2h (k + knum,xx ) j+1,k 2j,k + j1,k h2 j,k+1 2j,k + j,k1 (k + knum,yy ) h2 j+1,k+1 j+1,k1 j+1,k1 + j1,k1 2knum,xy = 0 (4.220) 4h2 121
u
O A

B

Figura 4.33: Denicin del tamao de la celda segn la l o n u nea de corriente Notar la expresin en diferencias de la ultima la que es una aproximacin O(xy) para 2 /xy . o o Falta denir la expresin general para hs en funcin del ngulo que forma v con la malla. Existen o o a varias propuestas para esto, no siendo ninguna de ellas totalmente satisfactoria. ms simple podr La a a ser tomar alguna media de los parmetros de la malla h = (x + y)/2 o h = xy. Notar que en a realidad estas deniciones no son segn la l u nea de corriente. Consecuentemente, es de esperarse que puedan ser muy sobre- o sub-difusivas en ciertos casos. Una posibilidad mejor es tomar la mayor distancia dentro de la celda a lo largo de una direccin paralela a v como el segmento AB en la o gura 4.33. La expresin resulta ser o xj hs = min (4.221) j |sj |
4.8.6
Resolucin de las ecuaciones temporales o
Hasta ahora vimos como discretizar las ecuaciones espacialmente para obtener un estado estacionario. Consideremos ahora un problema no estacionario. La idea es primero discretizar en el espacio, tal cual como se ha hecho hasta ahora. Por ejemplo consideremos la ecuacin de adveccin-reaccin-difusin o o o o lineal 1D, +v = k c + g (4.222) t x entonces un esquema estabilizado posible es j+1 j1 j+1 2j + j1 + cj j + v (k + knum ) = gj 2x x2 (4.223)
donde signica la derivada temporal de . Estas ecuaciones representan un sistema de ecuaciones diferenciales ordinarias (ODEs) acoplado + A = G. Al mismo puede aplicarse una serie de esquemas de integracin temporal, por ejemplo o n+1 n + K n = Gn , forward Euler t n+1 n + K n+1 = Gn+1 , backward Euler t n+1 n n+1 + n 1 +K = Gn+ /2 , Crank Nicholson t 2
(4.224)
(4.225)
122
Seccin 4.9. Conduccin del calor con generacin en un cuadrado o o o
El mtodo de forward Euler permite avanzar un paso de tiempo con un costo en tiempo de procesae miento y memoria de almacenamiento muy bajos, ya que no necesita resolver ningn sistema lineal. u Por el contrario, en los otros dos casos s se necesita resolver un sistema. Si el problema es lineal, entonces podemos notar que la matriz del sistema K es constante (no var con el tiempo) de manera a que podemos factorizarla una vez y posteriormen hacer solamente una retrosustitucin. De todas foro mas el tiempo y memoria necesarios para avanzar un paso de tiempo en el backward Euler es mucho mayor que para el forward. Pero el forward tiene la limitacin de que, para pasos de tiempo grandes o la solucin se hace inestable y diverge. El paso de tiempo cr o tico viene dado por h h2 tcrit < min , . v 4k Notar que estos criterios pueden ponerse como Co = vt kt2 < 1, Fo = <1 h 4k (4.227) (4.226)
donde Co, Fo son los nmeros adimensionales de Courant y Fourier. u
4.9
Solucin exacta al problema de conduccin del calor con geneo o racin constante en un cuadrado o
= 1, 0 x, y 1 = 0, x, y = 0, 1 (4.228)
Ecuaciones de gobierno
Proponemos un desarrollo (x, y) =
ajk sin(jx) sin(ly).

j,k=1
(4.229)
Este desarrollo satisface las condiciones de contorno y representa una base completa. Por simetr a podemos descartar los trminos para j, k pares, ya que involucrar funciones antisimtricas con e an e respecto a x, y = 12. Aplicando el operador de Laplace obtenemos
2 (j 2 + k 2 ) ajk sin(jx) sin(ly) = 1

j,k=1
(4.230)
Multiplicamos miembro a miembro por sin(lx) sin(my) e integrando sobre el cuadrado. Usando que
1
sin(lx) sin(jx) dx = 1/2 jl

0 1
sin(lx) dx =
0
2/(l) 0
; l impar ; l par
(4.231)
De manera que
1
/4 2 (j 2 + k 2 ) ajk =
4 , 2 lm
(l, m impares).
(4.232) 123
[Document version: 1.21. File version: $Id: solex.tex,v 1.1 2003/05/10 22:35:05 mstorti Exp $]
Seccin 4.9. Conduccin del calor con generacin en un cuadrado o o o
Es decir que ajk = Pero sin((2p + 1)x)|x=1/2 = sin((p + 1/2)) = sp = +1 ; 1 ; p par p impar (4.234) 4 lm(l2 16 , (l, m impares). + m2 ) (4.233)
De manera que el valor mximo de , que ocurre en el centro del cuadrado, es a

0x,y1
max (x, y) = (1/2, 1/2) =

l,m=1, impar
16sl sm 4 lm(l2 + m2 )
0.073671 106
(4.235)
124
Cap tulo 5
Tcnicas de discretizacin e o
Habiendo presentado en la primera parte los modelos matemticos que rigen el movimiento de los a uidos y estableciendo el conjunto de ecuaciones que gobiernan el caso general y algunos otros particulares ahora estamos en condiciones de pasar a tratar algunos aspectos numricos relacionados con e el diseo de los esquemas ms comnmente empleados en uidodinmica computacional. Una de las n a u a tcnicas ms empleadas en uidodinmica computacionalha sido la de diferencias nitas. Esta fue e a a una de las primeras en aparecer y conserva vigencia a pesar de algunas restricciones propias de la tcnica. Su alta eciencia para la resolucin de problemas denidos en geometr sencillas lo hace e o as muy atractivo y es muchas veces la mejor opcin cuando existe la posibilidad de mapear el dominio o real en otro completamente regular y estructurado. Su denicin se basa en aproximar los operadores o diferenciales por otros denominados operadores en diferencias que se aplican a un vector de datos que representa la solucin en un conjunto nito de puntos en el dominio. Esta forma de discretizar un o operador diferencial es una alternativa y no la unica para tal n. Desventajas claras del mtodo como e su dif implementacin en problemas gobernados por geometr arbitrarias hizo que en los ultimos cil o as aos gran cantidad de investigacin en el area de uidodinmica computacionalse volcase al uso de n o a otras tcnicas alternativas. La mayor de las mismas se pueden presentar bajo un mtodo general e a e conocido como el mtodo de los residuos ponderados (WRM). e
5.1
5.1.1
Mtodo de los residuos ponderados e

Introduccin o
Este mtodo es conceptualmente diferente a aquel empleado en diferencias nitas ya que asume que e la solucin a un problema planteado puede ser anal o ticamente representable mediante una expansin o del tipo:
M
=+
m=1
am Nm
(5.1)
donde en general am forman un conjunto nito de coecientes con M la dimensin del espacio nito o dimensional empleado y Nm las funciones anal ticas conocidas y elegidas para representar o expandir a la solucin del problema. Estas funciones son comnmente denominadas soluciones de prueba y su o u 125
Cap tulo 5. Tecnicas de discretizacion
Seccin 5.1. Mtodo de los residuos ponderados o e
eleccin hace a la diferencia entre una vasta cantidad de mtodos numricos, como veremos en breve. o e e La funcin es introducida con el propsito de satisfacer las condiciones de contorno del problema. o o Sea el contorno del dominio del problema, entonces la eleccin de la funcin es tal que o o | = | Nm | = 0 m (5.2)
De la eleccin de y Nm depender la calidad de la solucin y la convergencia del mtodo o a o e numrico a medida que se rena la discretizacin, o sea que M . Este requisito denominado e o completitud est sustentado fuertemente en bases matemticas con lo que a diferencia del mtodo a a e de las diferencias nitas esta clase de tcnica goza con el apoyo de slidos conceptos matemticos e o a de teor de operadores, anlisis funcional y anlisis numrico. Si bien nuestra aplicacin ser la de a a a e o a obtener soluciones a ecuaciones a derivadas parciales un buen ejercicio para introducir los conceptos de aproximacin es el caso simple de aproximar una funcin conocida a priori con una expansin del o o o tipo (5.1) . Aproximacin puntual de funciones o Este caso simple consiste en dada una funcin aproximarla por bajo el requisito que ambas o coincidan en M puntos distintos elegidos arbitrariamente sobre . Este requisito conduce a un sistema de ecuaciones algebraicas lineales en el conjunto de parmetros incgnita {am ; m = 1, 2, . . . , M }. a o Para gracar la explicacin supongamos una funcin a aproximar como o o = sin(1.8x) + x gracada en la parte superior izquierda de la gura 5.1 en trazo lleno. En la misma gura se muestra la funcin lineal que satisface las condiciones de contorno, o sea o (x = 0) = (x = 0) = 0 (x = 1) = (x = 1) = sin(1.8) + 1 (5.3)
La rutina Ej 2 0.m permite denir una aproximacin a usando una cantidad M de trminos o e a eleccin del alumno. En la gura 5.1 se graca en la parte superior izquierda en linea de puntos o la solucin numrica obtenida con 2 trminos y a su derecha el valor absoluto del error donde como o e e vemos este vale cero en un conjunto de puntos equidistribuidos cuya cantidad coincide con M . Las dos grcas del medio corresponden a M = 3 mientras que las dos de abajo representan solamente el a error que se comete cuando M = 4 y M = 9. La forma de construir el sistema de ecuaciones algebraicas a resolver es bastante simple. Se debe reemplazar (5.1) para los M puntos interiores al dominio e igualarlos a los valores de la funcin en o esos nodos. Esto, para el caso de M = 2 genera lo siguiente: (x1 ) + N1 (x1 )a1 + N2 (x1 )a2 = (x1 ) (x2 ) + N1 (x2 )a1 + N2 (x2 )a2 = (x2 ) N1 (x1 ) N2 (x1 ) N1 (x2 ) N2 (x2 ) a1 a2 (x1 ) (x1 ) (x2 ) (x2 ) (5.4)
126
|e| = 0.07486
0.3 0.25
1.5 1 0.5

0.2
0.2 0.15 0.1
-0.5 -1 0
0.4 0.6 0.8 1
0.05 0 0
0.2
0.4
0.6
0.8
|e| = 0.05065
2 1.5 1 0.5

0.14 0.12 0.1
0.08 0.06
0.04 0.02
-0.5 -1 0

0.2
0.4
0.6
0.8
0 0
-5
0.2
0.4
0.6
0.8
0.025
0.02 0.015
0.01 0.005 0 0

Figura 5.1: Aproximacin de un funcin por ajuste puntual o o
0.2
0.4
0.6
0.8
0 0
|e| = 0.00429
x 10
|e| = 2.199e-006
0.2
0.4
0.6
0.8
127
La gura 5.2 muestra como var el error en un grco semilogar a a tmico siendo su convergencia del tipo espectral. En general el error en la aproximacin se puede escribir como: o (|e|) = ChM log(|e|) = log(C) + M log(h) (5.5)
por lo que la pendiente en el grco nos da una idea de la convergencia en funcin de la discretizacin. a o o
Convergencia
10 10
-1
-2
log(|E|)
10 10 10
-3
-4
-5
10
log(M)
Figura 5.2: Convergencia de la aproximacin o
Aproximacin por series de Fourier o Usando la teor de series de Fourier es posible aproximar una funcin arbitraria siempre que esta a o cuente con un nmero nito de discontinuidades y de extremos locales, cosa que casi siempre ocurre u en las aplicaciones. Entonces la aproximacin se escribe como: o
M
=+
m=1
am sin
mx Lx
0 x Lx
La inherente completitud de que gozan las series de Fourier le conere la propiedad que al incrementar la dimensin del espacio de trabajo la precisin mejora. o o
5.1.2
Aproximacin por residuos ponderados o
A continuacin se presenta un mtodo general que permite hallar los coecientes de (5.1) siendo las dos o e formas anteriores casos particulares del mismo. Denamos el error o residuo R en la aproximacin o como: R = (5.7)
10 -1 10
-6
(5.6)
128
siendo sta una funcin de la posicin en el dominio . En la gura chapV-1 hemos presentado e o o funciones de este tipo. La idea es que en lugar de pedir que esta funcin R sea idnticamente nula o e en todo el dominio le pedimos que integrada mediante alguna funcin de peso esta sea nula, es decir: o Wl ( )d =

Wl R d = 0
l = 1, 2, . . . , M
(5.8)
con Wl un conjunto de funciones de peso independientes. Entonces en lugar de pedir que como M le pedimos que chapV-7 se satisfaga para todo l como M . De alguna manera se puede vericar que esto ultimo equivale a asumir que R 0 en todo el dominio. Reemplazando de (5.1) en (5.7) obtenemos un conjunto o sistema de ecuaciones algebraicas lineales para los coecientes incgnitas am que puede ser escrito en forma genrica como: o e Ka = f aT = a1 a2 . . . Klm =
aM 1 l, m M 1lM (5.9)
Wl Nm d Wl ( )d
fl =
Una vez que la funcin se conoce la aproximacin se dene mediante la eleccin de y las funciones o o o de peso Wl y de prueba Nm . Diferentes funciones de peso dan or gen a diferentes mtodos, todos del e tipo de residuos ponderados. Mtodo de colocacin puntual e o En este mtodo las funciones de peso son de la forma: e Wl = (x xl ) (5.10)
con (x xl ) la funcin delta de Dirac. Esto equivale a anular el residuo en un conjunto nito de o puntos xl , o sea es similar a la aproximacin por ajuste puntual. La matriz K y el vector derecho se o calculan como: Klm = Nm (xl ) fl = [ ]x=xl (5.11) Mtodo de colocacin por subdominios e o Wl = 1 0 xl < x < xl+1 x < xl , x > xl+1 (5.12)
donde en este caso se requiere que el error integrado sobre cada una de estas subregiones sea nulo.
xl+1 xl+1
Klm =
xl
Nm dx
fl =
xl
( )dx
(5.13)
129
Mtodo de Galerkin e Es uno de los ms populares mtodos y se basa en elegir a e Wl = Nl con lo cual el sistema a resolver est formado por: a
xl+1 xl+1
(5.14)
Klm =
xl
Nl Nm dx
fl =
xl
Nl ( )dx
(5.15)
Este mtodo goza con la ventaja de que la matriz del sistema es simtrica Si elegimos como funciones e e de prueba y de peso aquellas que conforman la base de un desarrollo en series de Fourier se puede demostrar que el sistema queda reducido a una simple expresin para los coecientes am ya que la o matriz del sistema es diagonal. Esta caracter stica tan particular se debe a que la base elegida es ortogonal con lo que Nl Nm d = 0 l = m. Otros pesos En general existen muchas posibles elecciones de la funcin de peso. Entre las ms conocidas an o a u no presentadas podemos mencionar el mtodo de los momentos donde Wl = xl1 donde se requiere e que no solo la integral del error sea nula sino algunos de sus momentos. Otro mtodo del estilo de e los presentados bajo el mtodo de los residuos ponderados es el mtodo de los cuadrados m e e nimos. Comnmente denido como la minimizacin de un funcional formado como: u o I(a1 , a2 , . . . , aM ) =
( )2 d
I al
(5.16)
la idea es hallar un extremo de dicho funcional mediante produce que ( )Nl d = 0
= 0, que al introducirla en (5.16)
(5.17)
habiendo usado el hecho que zl = Nl a partir de (5.1) . (5.17) equivale al mtodo de Galerkin y es un caso particular del mismo. e
5.1.3
Residuos ponderados para la resolucin de ecuaciones diferenciales o
En la seccin anterior hemos visto como utilizar el mtodo de los residuos ponderados para aproximar o e funciones conocidas anal ticamente o aquellas en donde conocemos su evaluacin en un conjunto o discreto de puntos. En esos casos el residuo estaba asociado a la diferencia entre la funcin a aproximar o y la aproximante. En esta seccin trataremos el caso de la resolucin de ecuaciones diferenciales, en o o donde el residuo viene dado por la diferencia entre un operador diferencial aplicado a la funcin a o aproximar y el mismo operador aplicado a la aproximante. En el primer cap tulo hemos hecho un repaso a los modelos f sicos y matemticos que gobiernan muchos de los problemas de inters en a e uidodinmica computacional. Para comenzar con un caso simple tomemos un operador diferencial a sencillo como la ecuacin de Poisson, o
130
Funciones de prueba que satisfacen las condiciones de contorno En esta seccin trataremos el caso de funciones aproximantes que satisfacen exactamente las condio ciones de contorno a travs de la eleccin apropiada de las funciones de prueba. Sea el problema de e o Poisson: A() = L + p = 0 en L = ( ) + ( ) x x y y p=Q
(5.18)
donde puede ser la conductividad trmica de un material y Q el ujo de calor aportado por una e fuente y en este caso ser la temperatura. En el caso lineal y Q son independientes de . En a general un problema de valores de contorno como ste para estar bien planteado requiere denir las e condiciones de frontera. Estas en general pueden ser escritas como otro operador diferencial, del tipo: B() = M + r = 0 sobre (5.19)
En general existen diferentes tipos de condiciones de frontera. Las ms conocidas son del tipo: a M = r = sobre DIRICHLET M = r = q sobre q NEUMANN n M = + h r = h sobre q+ MIXTAS n Aproximando la solucin mediante funciones del tipo (5.1) y eligiendo o M = r MNm = 0 sobre
(5.20)
(5.21)
entonces automticamente satisface las condiciones de borde chapV-19 para todos los valores de a am . Aplicando el operador diferencial a la funcin aproximante (5.1) y asumiendo que las funciones o de prueba y sus derivadas son continuas tenemos:
M
=+ = + x x x 2 x2 2 x2 = 2 x2 +
m=1 m=1 M
am Nm Nm x (5.22)
am
m=1 M
am
2 Nm x2
Aqu se requiere que hasta la segunda derivada sea continua. Cuando en las prximas secciones o analicemos el mtodo de los elementos nitos veremos como estas restricciones sern debilitadas. La e a forma en la cual hemos construido la aproximacin garantiza el cumplimiento de las condiciones de o
131
borde y entonces nos queda que debe satisfacer solo la ecuacin diferencial en el interior del dominio. o en (5.18) : Sustituyendo
M
R = A() = L + p = L +
m=1
am LNm + p
(5.23)
obtenemos el residuo de la misma con L asumido un operador lineal. Una vez denido el residuo aplicamos el mtodo de los residuos ponderados e
M
Wl R d =

Wl L +
m=1
am LNm + p d = 0
(5.24)
Esta ecuacin contiene M incgnitas, entonces aplicando esta misma ecuacin para l = 1, 2, . . . , M se o o o obtiene un sistema de ecuaciones algebraicas que pueden ser escritas en forma compacta como: Ka = f Klm =
Wl LNm d Wl Ld
1 l, m M 1lM
(5.25)
fl =
Wl pd
El procedimiento requiere calcular los coecientes de las matriz y del miembro derecho y luego invertir el sistema para calcular los coecientes con los cuales se obtiene la solucin aproximada al operador o diferencial de (5.18). Ya que las funciones de prueba elegidas para aproximar la solucin tienen o soporte global entonces la matriz de coecientes ser llena y no tendr estructura de banda, t a a pica de los mtodos de diferencias nitas y elementos nitos. Adems, en lo anterior nada se ha dicho acerca e a de la eleccin de las funciones de peso con lo cual uno puede aplicar todo lo anterior a las distintas o alternativas mostradas en secciones anteriores. A modo de ejemplo calcularemos la solucin al siguiente problema de valores de contorno unidio mensional: Ejemplo 1D Hallar solucin aproximada de la siguiente ecuacin diferencial o o d2 =0 dx2 (x = 0) = 0 (x = 1) = 1 De acuerdo a las deniciones generales presentadas antes las condiciones de borde y las funciones de prueba elegidas son: M = r=0 en x = 0 M = =x Nm = sin(mx)
(5.26)
r = 1
en x = 1
(5.27)
132
La eleccin de y Nm es arbitraria, existen muchas otras posibles alternativas a estas pero aqu usao remos la base trigonomtrica. Aplicando el mtodo de los residuos ponderados y la denicin de los e e o coecientes de la matriz y el vector del miembro derecho tenemos:
1
Klm =
0
Wl (1 + m2 2 ) sin(mx)dx
1
(5.28) Wl xdx
fl =
0
Si tomamos M = 2 dos trminos en la expansin y si aplicamos el mtodo de colocacin puntual e o e o obtenemos la siguiente matriz: K11 = (1 + 2 ) sin(/3) K21 = (1 + 2 ) sin(2/3) K12 = (1 + 4 2 ) sin(2/3) K22 = (1 + 4 2 ) sin(4/3) f1 = 1/3 f2 = 2/3 (5.29)
mientras que si aplicamos Galerkin en virtud de la ortogonalidad de las funciones de prueba,

1 1
Klm =
0
(1 + m2 2 ) sin(mx) sin(lx)dx = (1 + m2 2 )
0
sin(mx) sin(lx)dx = (5.30)
1 mx sin(2mx)/2 1 1 = /2(1 + m2 2 ) m 2 0 1 sin(l) (l) cos(l) (1)l fl = x sin(lx)dx = = (l)2 (l) 0 = (1 + m2 2 ) tenemos: K11 = 1/2(1 + 2 ) K21 = 0 K12 = 0
K22 = 1/2(1 + 4 2 ) 1 1 f1 = f2 = 2 La solucin numrica del sistema de ecuaciones resultante da: o e a1 = 0.05312 a1 = 0.05857 a2 = 0.004754 a2 = 0.007864 COLOCACION PUNTUAL GALERKIN
(5.31)
(5.32)
La solucin exacta a este problema es del tipo o = 1 ex ex e 1/e (5.33)
La rutina Ej 2 1 contiene la resolucin de este ejemplo. o La gura (5.3) muestra a la derecha la solucion exacta, la aproximada por Galerkin y la de colocacin a la cual se le ha removido la funcin = x para poder notar mejor las diferencias. A la o o izquierda vemos una distribucin puntual del error donde se alcanza a notar, para este ejemplo, una o mejor aproximacin obtenida mediante el mtodo de Galerkin. o e 133
Ejemplo 2D La ecuacin que gobierna la torsin elstica de barras prismticas es: o o a a 2 2 + 2 = 2G x2 y (5.34)
donde G es el mdulo elstico de torsin, es el ngulo que se gira la seccin y equivale a una o a o a o funcin tensin que de acuerdo a la teor es nula en todo el contorno. Detalles acerca de la forma o o a que se obtiene esta ecuacin pueden verse en libros sobre teor de la elasticidad, como por ejemplo o a Timoschenko [Ti]. Esta ecuacin tiene la estructura de una ecuacin de Poisson y analog con otros o o as experimentos gobernados por la misma ecuacin pueden hacerse. Por ejemplo la anterior tambin o e surgur si queremos resolver un problema de conduccin del calor con una fuente aplicada en todo a o el volmen del material asumiendo que en la direccin z la barra es innita y la temperatura del u o contorno est ja a un valor de referencia. a Supongamos que en este ejemplo G = 1, con lo cual la ecuacin a resolver se transforma en: o 2 2 + 2 = 2 x2 y =0 x [3, 3] , y [2, 2] x = 3 , y = 2
(5.35)
Aqu apelamos a la intuicin. Siendo el problema simtrico respecto a los ejes x e y deber o e amos elegir funciones de prueba que tengan esta propiedad y satisfagan las condiciones de contorno. Por ejemplo, si tomamos = 0 y usamos 3 trminos una eleccin posible ser e o a: N1 = cos(x/6) cos(y/4) N2 = cos(3x/6) cos(y/4) N3 = cos(x/6) cos(3y/4) La rutina Ej 2 2 muestra el aspecto que tienen estas tres funciones donde se alcanza a apreciar la paridad deseada. De esta forma aplicando la aproximacin (5.1), comparando (5.18) con (5.34) y usando la denicin o o de la matriz y el vector derecho del sistema algebraico (5.9) que permite calcular los coecientes am tenemos: 3 2 2 Nm 2 Nm Klm = Nl + dydx x2 y 2 3 2 (5.37) 3 2 fl = 2Nl dydx
3 2
(5.36)
Como vemos, ahora las integrales a calcular son bidimensionales por lo que debe estimarse con ms a detalle la forma de realizar el clculo. Nosotros aqu solo deseamos mostrar la metodolog a usar y a a en este caso estas integrales las realizaremos a mano. Cuando se pretende volcar estos conceptos en un programa para nes de clculo intensivo deben adoptarse mtodos ms ecientes y generales para a e a tal n, como por ejemplo la integracin numrica, tema que veremos ms adelante cuando abordemos o e a el estudio del mtodo de los elementos nitos . Analizando (5.37) vemos que la derivada segunda de e funciones tipo cosenos generan funciones cosenos, y considerando la ortogonalidad de estas bases las integrales en (5.37) se simplican notablemente. 134
La rutina Ej 2 2 contiene el clculo de este ejemplo donde se puede apreciar la forma de calcular a la matriz (diagonal) y el miembro derecho del sistema. En este caso se ha empleado una resolucion anal tica de las integrales. La rutina mejorada Ej 2 2b muestra como puede emplearse una rutina de integracin numrica con el n de evitar tediosos calculos. o e La gura (5.4) muestra en la parte superior la solucin obtenida con la mencionada rutina en la o cual se incluye el valor de la tensin mxima que es de 3.103, cercano al terico de 2.96 5% de error. o a o Para terminar esta seccin mencionamos que el mtodo de los cuadrados m o e nimos aplicado a la resolucion de ecuaciones a derivadas parciales no es equivalente al mtodo de los residuos ponderados e de Galerkin. Para ver esto tomemos como antes el funcional denido como:
M
I(a1 , a2 , . . . , aM ) =
2 R d =
L +
m=1
am LNm + p
I =0 al R R d = 0 al
l = 1, 2, . . . , M l = 1, 2, . . . , M
(5.38)
Wl =
R = LNl al
o sea la funcin de peso que surge del mtodo de los cuadrados m o e nimoses equivalente al operador diferencial del problema aplicado a las funciones de prueba. En algunas circumstancias este tipo de aproximacin es deseable mientras que en algunos casos no. o Funciones de prueba que no satisfacen las condiciones de contorno Hasta aqu hemos considerado aproximaciones elegidas de forma tal de satisfacer las condiciones de contorno. Esto muchas veces puede ser dicultoso y antes esto es preciso relajar tal requisito. Para poder elegir las funciones de prueba independientemente de las condiciones de contorno postulamos una expansin del tipo: o
M
=
m=1
am Nm
(5.39)
que no satisface las condiciones de contorno. Entonces el residuo en el interior del dominio (R ) es suplementado por otro en el borde (R ): R = A() = L + p R = B() = M + r En este caso el mtodo de los residuos ponderados consiste en escribir: e Wl R d +

(5.40)
Wl R d = 0
(5.41) 135
con Wl y Wl elegidas en forma arbitraria e independiente. Reemplazando (5.40) en (5.41) llegamos a la denicin del siguiente sistema de ecuaciones: o Ka = f Klm =
Wl LNm d+
Wl MNm d Wl rd
1 l, m M 1lM
(5.42)
fl =
Wl pd
Para ilustrar el procedimiento tomaremos el ejemplo 1D anteriormente presentado. Ejemplo 1D (chapV-26) versin 2 Aqu resolveremos el mismo problema presentado en (5.26) o con la diferencia que usaremos como funciones de prueba la base Nm = xm1 , m = 1, 2, . . . En este caso simple la integral de borde en (5.41) se reduce a la evaluacin del integrando en los o dos puntos extremos de este dominio denido por el intervalo [0, 1]. Entonces
1
Wl R dx + [Wl R ]x=0 + [Wl R ]x=1 = 0

0
(5.43)
En este ejemplo usaremos para el peso en el interior del dominio el mtodo de Galerkin Wl = Nl e mientras que para el peso en el borde Wl = Nl | , entonces:
1
Nl (
0
2 )dx [Nl ]x=0 [Nl ( 1)]x=1 = 0 x2
(5.44)
Si usamos una expasin en tres trminos se llega a la siguiente matriz: o e 3 3/2 2/3 K = 3/2 4/3 1/4 4/3 5/4 8/15 1 1 f= 1 La solucin a este problema es: o a1 = 0.068 a2 = 0.632 a3 = 0.226
(5.45)
(5.46)
Ejemplo 2D - versin 2 Usando como aproximacin la siguiente o o = (4 y 2 )(a1 + a2 x2 + a3 y 2 + a4 x2 y 2 + a5 x4 ) es obvio ver que la misma satisface las condiciones de contorno en y = 2, mientras que la condicin o x = 3 debe incluirse en el clculo. a Tomando (5.40) y (5.42) y reemplazando la anterior expresin vemos que: o
3 3 2
Wl
2
2 2 + 2 + 2 dydx + x2 y
2 2
Wl |x=3 dy
2 2
Wl |x=3 dy = 0
(5.47) 136
Usando Wl = Nl y Wl = Nl | se llega a armar el sistema de ecuaciones. La rutina Ej 2 3 muestra una forma de resolver este problema apelando a las capacidades de clculo simblico de MatLab. Se a o recomienda editar y leer esta rutina para entender la metodolog que es extensible a otros ejemplos a utilizando diferentes funciones de base. La gura (5.4) en la parte inferior muestra la solucin numrica obtenida donde se alcanza a ver o e que la condicin de contorno en y = 2 se satisface exactamente pero aquella en x = 3 se cumple o solo aproximadamente. Esta es una de las diferencias entre las dos metodolog propuestas. Adems as a la tensin mxima es un poco superior a la obtenida con la primera metodolog alejndose un poco o a a a ms del valor terico. La gura chapV-4 en la parte inferior derecha muestra la variacin de la tensin a o o o a lo largo del contorno x = 3 en funcin de la coordenada y. o
5.1.4
Condiciones de contorno naturales
Como hemos visto en la seccin anterior es posible facilitar la seleccin de las funciones de prueba sin o o necesidad de que satisfagan las condiciones de contorno a expensas de un trabajo algebraico mayor y de una degradacin en la calidad de la solucin. El primer item est relacionado con la resolucin o o a o de las integrales que permiten el clculo de los coecientes. En (5.42) vemos que adems de las a a integrales en el interior tenemos la necesidad de evaluar integrales en el contorno del dominio, las cuales pueden contener operadores diferenciales que complican an ms la situacin. Aqu veremos u a o que existen ciertas condiciones de contorno las cuales surgen como las naturales al problema, en el sentido que permiten cierta cancelacin de trminos cuando el problema se expresa en su forma dbil. o e e Supongamos que aplicamos el mtodo de los residuos ponderados al problema denido en (5.18) . e Wl R d =

Wl L + p d
(5.48)
La forma dbil de la anterior formulacin integral se obtiene mediante la integracin por partes e o o que en su versin general puede escribirse como: o Wl Ld =

CWl
D d +
Wl E d
(5.49)
donde C, D, E son operadores diferenciales lineales involucrando rdenes de derivacin inferiores a o o la del operadores L. Usando (5.40) y (5.49) en (5.41) se llega a: CWl
D d +
Wl E d +
Wl Md =
Wl pd +
Wl rd
(5.50)
donde lo que se pretende es anular las contribuciones al contorno del miembro izquierdo , o sea: Wl E + Wl Md = 0
(5.51)
Un ejemplo de condiciones de contorno natural que comnmente se tiene en las aplicaciones es u la especicacin de un ujo impuesto en el contorno. Pensando en el problema trmico podemos o e imaginar que extraemos calor del contorno de una pieza con una magnitud q especicada. En esos casos la condicin de contorno viene expresada como: o
137
=q n
(5.52)
Si hechamos un vistazo a (5.40) vemos que M = n y si lo que estamos resolviendo es la ecuacin o de conduccin trmica en ese caso el operador E = n = M, por lo cual Wl = Wl satisface (5.51) o e simplicando (5.50) a:
CWl
D d =
Wl pd
Wl rd
(5.53)
En lo anterior hemos utilizado el teorema de Green o su equivalente, la frmula de integracin por o o partes. Una versin un poco ms detallada del mismo aplicada a un caso sencillo expresa que: o a d =

d +
nd
(5.54)
con y funciones escalares. A pesar que (5.54) incluye solo derivadas de primer rden, la tcnica o e es bien general como lo expresa chapV-46 e incluso se extiende al caso de funciones vectoriales. No obstante en la mayor de las aplicaciones los operadores que se trabajan son de relativo bajo rden. a o
5.1.5
Mtodos de solucin del contorno e o
Hasta aqu los mtodos empleados resolv el problema en el interior del dominio pudiendo trabajar e an con funciones de prueba que satisfagan o no las condiciones de contorno . Si en lugar de elegir funciones de prueba que satisfagan las condiciones de contorno elegimos aquellas que satisfacen el operador diferencial en el interior del dominio el problema se reduce a resolver solo el residuo en el contorno. Este tipo de estrategia di lugar al mtodo de los paneles y al mtodo de los elementos de o e e contorno. De esta forma como las funciones de prueba satisfacen el operador diferencial en el interior entonces:
M
R = A() =
m=1
am A(Nm ) = 0
(5.55)
con lo cual la denicin del mtodo de los residuos ponderados (chapV-38) se reduce simplemente a: o e Wl R d = 0
(5.56)
Un solo conjunto de funciones de prueba Wl , denidas solamente sobre el borde del dominio deben denirse. Adems como el problema se plantea sobre el contorno la dimensin espacial se reduce a o en una unidad con lo cual problemas en 3D se transforman en bidimensionales y aquellos en 2D en unidimensionales. Estas ventajas tiene su contracara en la dicultad de elegir funciones de prueba que satisfagan el operador diferencial en el interior del dominio. Este es el principal limitante de esta tcnica que se muestra atractiva por todo lo que implica reducir la dimensin espacial. Una e o de las aplicaciones ms divulgadas de esta tcnica es la resolucin de problemas gobernados por la a e o ecuacin de Laplace, por ejemplo: conduccin del calor, ujo potencial, elasticidad lineal, y otros. o o
138
La razn es que si pensamos en funciones anal o ticas de variable compleja z = x + iy, estas satisfacen automticamente la ecuacin de Laplace. Supongamos una funcin anal a o o tica del tipo: f (z) = u + iv luego, 2f =f x2 2f = i2 f = f y 2 sumando m.a.m.
2
u, v IR
(5.57)
(5.58) v=0 v=0
f=
u+i u=
2 2
df con f = dz Por ejemplo tomando la funcin anal o tica f (z) = z n (5.59)
Todas las funciones u y v que surgen de (5.59) satisfacen la ecuacin de Laplace siendo todas ellas o candidatas para integrar las funciones de prueba con las cuales armar una funcin aproximante que o satisfaga este problema en particular en el interior del contorno. El siguiente ejemplo muestra una aplicacion del mtodo de los elementos de contorno al problema de la torsin de una viga. e o
5.1.6
Sistema de ecuaciones diferenciales
El mtodo de los residuos ponderados en cualquiera de sus versiones puede ser extendido para tratar el e caso de sistemas de ecuaciones diferenciales . Un sistema de ecuaciones diferenciales surge cuando en el modelo matemtico se pretende resolver campos vectoriales en una o varias dimensiones espaciales a o cuando se pretenden acoplar varios campos escalares y/o vectoriales tanto en una como en varias dimensiones espaciales. En esos casos la solucin a obtener viene representada por un vector o = {1 , 2 . . . } (5.60)
que debe satisfacer ciertas ecuaciones diferenciales, una por cada componente del vector incgnita o A1 () = 0 A2 () = 0 la cual en forma compacta puede escribirse como A1 () A() = A2 () = 0 . . . (5.61)
en
(5.62)
139
Del mismo modo con las ecuaciones en el contorno B1 () B() = B2 () = 0 . . .
en
(5.63)
Para cada componente del vector necesitamos denir una aproximacin del tipo (5.1) , que escrita en o forma compacta se expresa como:
M
=+
m=1
Nm am
(5.64)
donde Nm es una matriz diagonal donde en cada trmino de la diagonal se halla la funcin de e o prueba de cada componente del vector incgnita. Del mismo modo las funciones de peso, tanto para o la integral sobre el interior del dominio como para la del contorno son tambin matrices diagonales. e De esta forma la extensin del mtodo de los residuos ponderados escalar aplicado al caso vectorial es o e directa. Wl A()d +

Wl B()d = 0
(5.65)
La mayor de los casos de inters tanto en la industria como en la ciencia involucran sistemas de a e ecuaciones diferenciales . = {u, v} Elasticidad lineal = {u, v, w, p} Flujo incompresible viscoso (a) = {, } Flujo incompresible viscoso (b) = {, u, v, w, p} Flujo compresible viscoso Los problemas de elasticidad bidimensional estn generalmente formulados en dos variables, los a desplazamientos u, v segn las componentes x e y respectivamente. Los problemas de ujo viscoso u incompresible tridimensional vienen muchas veces expresados en trmino de las variables primitivas e del problema, las tres componentes de la velocidad y la presin. No obstante en 2D muchos preeren o la formulacin vorticidad , funcin de corriente que desde el punto de vista computacional tiene o o una implementacin ms fcil y no requiere un tratamiento especial de la incompresibilidad como o a a lo necesita la formulacin en variables primitivas. El caso de ujo compresible 3D tiene un vector o incgnita con 5 componentes. Esta es solo una breve descripcin de algunos de los casos t o o picos donde se necesita resolver un sistemas de ecuaciones diferenciales . El agregado de modelos adicionales, por ej. turbulencia u otros, muchas veces tambin agrega componentes al vector incgnita. Por ultimo en e o pos de reducir el rden de una ecuacin diferencial se puede transformar la misma en un sistemas de o o ecuaciones diferenciales donde el orden se ha reducido completamente equivalente al original. (5.66)
5.1.7
Problemas no lineales
Muchos problemas prcticos modelados f a sicamente producen tanto ecuaciones diferenciales como condiciones de contorno que son no lineales. Esta no linealidad se expresa porque existe una dependencia
140
de los operadores, tanto el del interior como el del contorno, con la variable de estado o funcin o incgnita. Dado que en todas las secciones anteriores hemos considerado la aplicacin del mtodo de o o e los residuos ponderados al caso lineal se hace necesario hacer algunos comentarios respecto al caso no lineal. El mtodo de los residuos ponderados es completamente aplicable al caso no lineal. Supongae mos que queremos resolver un problema de conduccin del calor donde la conductividad depende de o la misma temperatura. La ecuacin de gobierno puede escribirse como: o (() ) + (() ) + Q = 0 en x x y y (5.67) = en () = q en q n Planteando una aproximacin del tipo (5.1) , introduciendo la misma en la formulacin por residuos o o ponderados de (5.67) produce un sistema de ecuaciones algebraico no lineales del tipo: K(a)a = f que puede resolverse iterativamente en la forma: K(an1 )an = f n1 (5.69) (5.68)
Adems del caso de la ecuacin de conduccin no lineal existen muchos otros problemas de inters a o o e a mencionar como el caso de la ec. de Brgers, el caso de la ecuacin de ujo viscoso incompresible u o expresada en una formulacin donde la nolinealidad se halla en las condiciones de contorno. o Obviamente las ecuaciones de ujo compresible e incompresible expresada en las variables primitivas o conservativas son tambin ejemplos claros de sistemas de ecuaciones diferenciales no lineales. e
141
_ eGal = 0.001596 0.002 0 0.01 0
_ eCol = 0.004067
0.01
0.008
0.006
0.004
0.07
0.06
0.05
0.04
0.03
Figura 5.3: Solucin aproximada a una ODE mediante residuos ponderados o
0.02
0.2
0.4
0.6
0.8
0.2
0.4
0.6
0.8
142
max(|tau|) = 3.103
4 3 2 1 0 2 4 0 -2 -2 -4 2 0
Funciones de prueba que satisfacen las condiciones de contorno
max(|tau|) = 3.217

4 3 2
0.2 0.1 0
-0.1
1 0 -1 2 5 0 -2 -5
-0.2 -0.3 -2
Solucion en x=3 Funciones de prueba que no satisfacen las condiciones de contorno
Figura 5.4: Torsin de una barra prismtica o a
-1
143
5.1.8
Conclusiones
En esta primera parte de este cap tulo que trata acerca de diferentes tcnicas numricas de discretie e zacin hemos presentado el caso del mtodo de los residuos ponderados aplicado a la resolucin de o e o ecuaciones a derivadas parciales utilizando para aproximar un conjunto de funciones de prueba denidas globalmente, satisfaciendo o no las condiciones de contorno, de fcil extensin al caso de sistemas a o de ecuaciones diferenciales y al caso no lineal. No obstante, como se desprende de los ejemplos incluidos la eleccin de dichas funciones no es tarea fcil, incluso no es extensible al caso de geometr o a as arbitrarias si uno requiere que dichas funciones satisfagan las condiciones de contorno exactamente. Adems, a medida que se aumenta el grado de la aproximacin el condicionamiento del sistema lineal a o a resolver se vuelve cr tico salvo que se usen funciones base con mayor grado de ortogonalidad. Esto se logra mediante el uso de polinomios de Legendre o de Chebyshev. En realidad estos son muy frecuentemente utilizados en el contexto de los mtodos espectrales el cual en forma indirecta ha sido el e tema de esta seccin (5.1) . Este tema dar para una seccin aparte pero por el momento diferimos o a o un tratamiento ms detallado para futuras versiones de estas notas. En las prximas secciones traa o taremos de relajar algunas de las limitaciones de esta tcnica, en especial aquella relacionada con el e tratamiento de dominios de forma arbitraria, presentando primero el mtodo de los elementos nitos e y posteriormente el mtodo de los volmenes nitos . e u
144
5.1.9
TP.chapV Trabajo Prctico #2 a
1. Tome la rutina Ej 2 0.m y transfrmela para ser usada con funciones de prueba del tipo Nm = o sin(mx). Comience con M = 2 y ref nelo para testear la convergencia de la aproximacin. o 2. Demuestre que la aproximacin por residuos ponderados del tipo Galerkin, tomando como funo ciones de prueba la base Nm = sin(mx/Lx ) conduce a un sistema de ecuaciones con una matriz diagonal. 3. Un ensayo experimental sobre la deeccin u(x, y) de una placa cuadrada de lado unitario con o todo su contorno empotrado dio como resultado los valores que se muestran en la gura.
Figura 5.5: Ej. 3 Torsin de una barra o Aproximar la deeccin mediante o

M
u(x, y) = (x, y) +
l,m=1 l+m4
alm sin(lx) sin(my)
x y
(5.70) y usando el mtodo de los residuos ponderados estimar los coecientes alm . Ayuda: las integrales e que aparecen del clculo de los coecientes pueden resolverse mediante integracin numrica a o e usando regla del trapecio bidimensional 4. Mediante el uso de un adecuado conjunto de funciones de prueba aproxime la funcin = o 1 + sin(x/2) en el rango 0 x 1. Utilice colocacin puntual, colocacin por subdominios y el o o mtodo de Galerkin e investigue numricamente la convergencia de las sucesivas aproximaciones. e e 5. La rutina Ej 2 1 contiene la resolucin del problema de valores de contorno presentado en las o
145
notas tericas: o
d2 =0 dx2 (x = 0) = 0 (x = 1) = 1
(5.71)
El mismo se ha usado con M = 2 trminos en la expansin. Pruebe de modicar la cantidad de e o trminos y trace una curva donde se muestre la convergencia de cada uno de los mtodos. e e 6. Resuelva el ejercicio anterior pero utilizando como conjunto de funciones de prueba la base Nm = xm (1 x). Construya una rutina en base a la Ej 2 1 para resolver este problema y muestre la convergencia de la misma. Saque conclusiones respecto a los obtenido en este ejercico y el anterior. 7. Utilizando como base la rutina Ej 2 2 realice las modicaciones necesarias para realizar un estudio de convergencia de la aproximacin. Tenga en cuenta de mantener la simetr en la o a eleccin de las funciones de prueba y utilice las propiedades de ortogonalidad para calcular la o matriz de coecientes. 8. Utilice el mtodo de los residuos ponderados aplicado al residuo en el dominio interior y agregado e el proveniente del contorno para resolver el problema de la torsin de la barra denido en la o teor Utilice una expansin del tipo a. o = (4 y 2 )(a1 + a2 x2 + a3 y 2 + a4 x2 y 2 + a5 x4 ) que satisface la condicin de contorno en y = 2 pero no satisface aquella en x = 3. Elija o Wl = Nl y Wl = Nl | y obtenga el sistema de ecuaciones a resolver y la solucin. Estudie la cono vergencia dl residuo al tomar diferente cantidad de trminos en la expansin arriba presentada. e o Sugerencia: Realice un programa del tipo Ej 2 2 para el mismo y para resolver las integrales use integracin numrica o e 9. Condiciones de contorno naturales Resolver el problema de conduccin trmica estacionaria o e 2 2 + 2 =0 x2 y =0 = cos(y/2) n =1 usando como funcin aproximante o = (1 y 2 )(a1 + a2 x2 + a3 y 2 + a4 x2 y 2 + a5 x4 ) Utilice la rutina Ej 2 3 para este n.
y = 1( ) x = 1(q )
(5.72)
146
10. Mtodo de los elementos de contorno - Torsin de una viga. e o El problema de la torsin de una viga denido en la teor o a 2 2 + 2 = 2 x2 y =0 en = [3, 3] [2, 2] en (5.73)
puede ser transformado a una ecuacin de Laplace mediante la siguiente igualdad: o = 1/2(x2 + y 2 ) Usando el mtodo de los residuos ponderados aplicado solo al contorno y la siguiente base de e funciones = a1 + a2 (x2 y 2 ) + a3 (x4 6x2 y 2 + y 4 ) hallar la solucin aproximada y compararla con la obtenida por el mtodo de los residuos o e ponderados aplicado al interior. 11. Sistema de ecuaciones diferenciales El problema de conduccin trmica o e ( ) + ( )+Q=0 en x x y y (x = 0) = 0 q(x = 1) = 0 (5.74)
puede descomponerse en un sistema de dos ecuaciones diferenciales de primer orden del tipo: q+ d =0 dx
dq Q=0 dx siendo el vector incgnita = o q . Usando la aproximacin: o Nm,1 = xm1 (1 x) Nm,2 = xm calcular la solucin a este problema usando dos trminos. o e 12. Ejemplo : Problemas no lineales Resolver la ecuacin no lineal o d d ( ) = 10x dx dx (x = 0) = 0 (x = 1) = 0 = 1 + 0.1
(5.75)
(5.76)
(5.77)
147
usando como funciones de prueba la base Nm = xm (1 x) con dos trminos mediante un mtodo e e de los residuos ponderados por colocacin puntual. o
148
Cap tulo 6
Mtodo de los elementos nitos e

6.1 Introduccin o
El mtodo de los residuos ponderados presentado en el cap e tulo anterior sirvi como una teor unio a cadora de una gran cantidad de mtodos numricos a la vez que en s mismo puede concebirse como e e una tcnica numrica en particular. Esa tcnica comnmente denominada mtodo espectral goza de e e e u e ciertas ventajas siendo su principal desventaja la de estar muy restringida a dominios con geometr as muy simples como zonas rectangulares, paralelep pidos u otras mapeables a las anteriores. Este no es el caso que ms interesa a los ingenieros de las ultimas dcadas los cuales requieren herramientas a e computacionales de clculo que permitan tratar dominios arbitrarios. Si bien en el procedimiento a antes empleado uno planteaba la aproximacin de forma tal de satisfacer las condiciones de contorno, o hemos visto que existe la posibilidad de elegir funciones ms generales que no satisfacen las condia ciones de contorno y para las cuales un mtodo de los residuos ponderados que incluya el residuo en e el contorno debe plantearse. Esto provocaba la aparicin de integrales adicionales sobre el contorno o de dif tratamiento anal cil tico. En los mtodos empleados en el cap e tulo anterior trabajamos en el espacio transformado en lugar que en el espacio f sico y esto puede verse de inmediato si pensamos que el vector de incgnitas a = {a1 , a2 , . . . , aM } representan las amplitudes de diferentes componentes o ondulatorias de la solucin y no el valor de la incgnita del problema en cada posicin de la malla. Una o o o idea explorada en los ultimos tiempos es la de trabajar con mtodos espectrales pero en el dominio e f sico del problema. Entonces para poder aplicar todo lo anterior es necesario hacer una transformacin o al dominio de la frecuencia para luego volver al dominio f sico con la solucin del problema. Trabajar o en el dominio f sico del problema permite descomponer espacialmente el problema asi como el mtodo e espectral lo descompone en el espacio de las frecuencias. Esta descomposicin del dominio en pedazos o (elementos, volmenes, celdas, etc) de tamao nito le conere el nombre al mtodo. Aqu esta la u n e gran idea en torno a estas tcnicas las cuales no requieren demasiado trabajo para especicar las e funciones de prueba ya que al ser de soporte compacto aproximan bien la mayor de las funciones a an siendo de bajo orden. A su vez las integrales a calcular para obtener los coecientes de la matriz u y del vector miembro derecho son integrales sobre elementos que tienen una forma completamente mapeable a un cuadrado o cualquier otra gura geomtrica simple (tringulos) lo cual permite su e a clculo en forma muy sencilla, tanto anal a ticamente como mediante cuadratura numrica. En cuanto e a las condiciones de contorno estas presentan un tratamiento mucho ms simple debido a que las a
149
Cap tulo 6. Metodo de los elementos finitos
Seccin 6.1. Introduccin o o
variables sobre las cuales se especican coinciden con las variables a calcular. Diferente era el caso de los mtodos espectrales en los cuales las condiciones de contorno se especican sobre las variables e del problema siendo la incgnita las amplitudes de su descomposicin espectral. Esto motivaba tener o o que elegir adecuadamente a priori las funciones de prueba antes de realizar el clculo. No obstante a esto, la seleccin de una tcnica numrica no es una cosa obvia. Los mtodos espectrales sirven y o e e e son insuperables para algunas aplicaciones donde el fenmeno f o sico requiere alto orden de precisin o y la geometr no presenta dicultades, mientras que los mtodos localizados son ms aplicables a los a e a casos donde no interesa entrar en demasiado detalle de la solucin pero el dominio del problema es o muy complicado. Resumiendo, vimos que el mtodo de los residuos ponderados consiste en aproximar la solucin e o mediante
M
=+
m=1
am Nm
(6.1)
denida a lo largo de todo el dominio y las integrales Wl R d +

Wl R d = 0
(6.2)
se evalan mediante una sola operacin y sobre todo el dominio. La ida alternativa consiste en u o dividir la regin en un nmero de subdominios o elementos e sin solapamiento y que cubran todo o u el dominio, de forma que la aproximacin se construya a pedazos o a trozos sobre cada subdominio. o Expresando matemticamente lo anterior, a e e = e e = (6.3)
De esta forma las integrales IV.38 se pueden calcular agregando la contribucin a la integral o proveniente de cada elemento,
E
Wl R d =
e=1 E e
Wl R d (6.4) Wl R d
e=1 e
Wl R d =
donde e es el borde del elemento que cae sobre algn borde del dominio y es tal que e e = . u E denota la cantidad total de elementos en la particin. Si se usan elementos de forma simple y si o la denicin de las funciones de forma permite un clculo de manera repetitiva entonces es posible o a tratar dominios con formas completamente arbitrarias con facilidad. Es de notar que el mtodo de los e residuos ponderados al estilo del presentado en el cap tulo anterior equivale a hacer lo mismo pero sobre un solo elemento que coincide con el dominio . La denicin a trozos de la aproximacin introduce o o ciertas discontinuidades en la solucin o en alguna de sus derivadas. Cierto grado de discontinuidad o es permisible y esto limita fuertemente la formulacin a emplear. Por otro lado el hecho de que las o funciones de prueba se elijan a trozos provoca un benecio computacional importante respecto a la estructura de la matriz resultante. Un funcin a trozos en general tiene un soporte compacto, o sea esta o
150
Seccin 6.2. Funciones de forma locales de soporte compacto o
no es nula solo en una regin pequea del dominio abarcando algunos pocos elementos del mismo. Esto o n produce matrices con estructura de banda lo cual tratada convenientemente puede reducir much ismo el costo computacional de obtener una solucin. Esto lo veremos en ms detalle ms adelante al tratar o a a el problema de la resolucin numrica del sistema de ecuaciones. Nosotros ya hemos pasado por una o e situacin similar al resolver el sistema de ecuaciones para calcular los coecientes a en el cap o tulo anterior. Allno hemos tenido mayor dicultad tanto porque los sistemas eran de un tamao chico y n adems porque la matriz era completamente llena en cuyo caso recurr a mos directamente a una especie de eliminacin gaussiana. Ya veremos que esto no es admisible en especial en problema con gran o nmero de incgnitas (sistemas de ecuaciones en 3D). Esta es otra de las grandes diferencias entre los u o mtodos locales y aquellos globales, la resolucin del sistema de ecuaciones. e o
6.2
Funciones de forma locales de soporte compacto
Para ilustrar lo anterior consideremos la aproximacin de una funcin (x) en el espacio unidimensional o o denido por = [0, Lx ].
Figura 6.1: Aproximacin por funciones a trozos o La divisin de en E(= Mn 1) subregiones no solapadas se determina estableciendo un adecuado o conjunto de puntos {xl ; l = 1, 2, . . . , Mn } en con xl = 0 y xMn = Lx deniendo el elemento e como el intervalo xe x xe+1 . Como vemos la funcin a trozos usada para aproximar la funcin es o o constante a trozos, constante dentro de cada elemento coincidiendo su valor con el de la funcin en el o centro de cada elemento, lo cual equivale a hacer colocacin en esos puntos, comnmente llamados los o u nodos. En este ejemplo tan sencillo la numeracin es obvia. Siendo la funcin aproximante constante o o
151
a trozos la funcin de prueba que da or o gen a la misma es una funcin que vale: o Ne = 1 0 xe x xe+1 xe > x, x > xe+1 (6.5)
A nivel global la funcin aproximante que resulta es: o Ne = 1 0 xe1 x xe+1 xe1 > x, x > xe+1 (6.6)
De esta forma la aproximacin se escribe como: o

Mn 1
=
m=1
m Nm
(6.7)
donde m es el valor de la funcin en cada nodo m de la malla (el centro del elemento) y reemplazaa o am la amplitud de cada componente espectral en el mtodo de los residuos ponderados presentado e en el cap tulo anterior. Esto ya fue comentado previamente y tiene la ventaja que en este caso los coecientes a calcular tienen un signicado f sico ms directo con el problema. La funcin ha sido a o omitida por lo que la aproximante no coincidir con el valor especicado en el borde aunque por a un proceso de renamiento se puede llegar tan cerca como se quiera a satisfacer los mismos. Sobre cualquier elemento e la aproximacin global puede expresarse en trminos del valor e y de la funcin o e o e como: de forma del elemento N = = e N e = e sobre el elemento e (6.8)
Otro tipo de aproximacin de frecuente uso y que mejora la anterior es la que surge de emplear o funciones de forma lineales. Estas funciones de forma desde el punto de vista global asumen 1 en x = xi 0 en x = xi1 Ni = (6.9) 0 en x = xi+1 0 en el resto de con una variacin lineal entre los valores mencionados. Esto puede construirse a nivel elemental si por o cada elemento denimos dos funciones de forma, una por cada nodo del elemento. Ahora el concepto de nodo ya no coincide como antes con el centro del mismo sino que ahora se ubican en los extremos del intervalo que dene al elemento. Estos son ahora los puntos de colocacin. La gura 6.2 muestra o gracamente lo que recien se acaba de mencionar. La aproximacin global para este caso es: o
Mn
=
m=1
m Nm
(6.10)
donde a diferencia del caso anterior la suma se extiende a Mn puntos, los nodos de esta malla. Es de remarcar que esta aproximacin satisfar automticamente los valores en el contorno x = 0, x = Lx o a a
152
Figura 6.2: Aproximacin por funciones a trozos o sin necesidad de agregar una funcin ya que ahora los puntos de colocacin estn justamente sobre o o a los extremos de los elementos y para el caso del primer y ultimo elemento estos coinciden con los extremos del dominio donde se agregan las condiciones de contorno . Sobre cualquier elemento e con nodos i, j la aproximacin toma el valor: o
e = = i Nie + j Nj =
sobre el elemento e
(6.11)
siendo la variacin en el interior del elemento lineal por ser lineales las funciones de prueba Ni , Nj . o Los dos conjutnos de funciones de prueba usados, aquellos constantes a trozos y los lineales a trozos forman un conjunto completo en el sentido que renando la particion se obtienen soluciones con cada vez mayor precisin. A su vez estas funciones son generalizables a varias dimensiones como o puede verse en la gura 6.3.
153
Figura 6.3: Funciones a trozos en varias dimensiones
154
Seccin 6.3. Aproximacin a soluciones de ecuaciones diferenciales. Requisitos sobre la continuidad o o de las funciones de forma A su vez es posible tanto aplicar un mtodo de los residuos ponderados de colocacin como uno tipo e o Galerkin. En el primer caso las integrales se pesan con distribuciones tipo delta de dirac en los nodos, ya sea en el centro del elemento como en sus extremos. En el caso de la formulacin de Galerkin las o funciones de peso coinciden con las de interpolacin dando resultados distintos pero equivalentes. Al o igual que en el cap tulo anterior el mtodo de los residuos ponderados puede aplicarse para aproximar e una funcin como para resolver una ecuacin diferencial. El primero es un caso particular del segundo o o donde el operador L es la identidad. Los detalles del procedimiento incluido en el mtodo de los e elementos nitos se vern en prximas secciones cuando resolvamos algunos ejemoplos en particular. a o
6.3
Aproximacin a soluciones de ecuaciones diferenciales. Requio sitos sobre la continuidad de las funciones de forma
El mtodo de los residuos ponderados aplicado a la resolucin de una ecuacin diferencial del tipo: e o o A() = L + p = 0 con condiciones de contorno B() = M + r = 0 se escribe como Wl R d +

en
(6.12)
sobre
(6.13)
Wl R d = 0
(6.14)
con
R = A() = L + p R = B() = M + r
(6.15)
La idea de usar un mtodo numrico basado en aproximar una solucin mediante funciones de forma e e o locales plantea el interrogante de si es posible su uso sabiendo que tanto la funcin como alguna de o sus derivadas pueden ser discontinuas. Para ilustrar la explicacin observemos la gura 6.4 donde se presentan tres tipos de funciones, o la de la izquierda es discontinua con derivada puntualmente no acotada, la del centro continua con derivada primera discontinua y derivada segunda puntualmente no acotada y aquella de la derecha que es continua y tiene primera derivada continua, segunda derivada discontinua y tercera derivada puntualmente no acotada. Pensemos que estas funciones pueden ser posibles candidatos a ser usados como funciones de forma para nuestro mtodo numrico. El hecho que alguna de las derivadas presente e e una singularidad puede provocar problemas en el cmputo de las matrices por lo cual se debe evitar o su uso. Para ello si los operadores involucrados en el clculo de las matrices contienen derivadas de a orden s entonces debemos garantizarnos que las funciones de forma tengan s 1 derivadas continuas o sea las funciones deben pertenecer a la clase C s1 . Un ejemplo concreto lo tenemos si observamos de la seccin anterior que la forma dbil del problema de conduccin trmica contiene a lo sumo primeras o e o e derivadas. En esa caso s = 1 y necesitamos que las funciones de forma sean C 0 , o sea funciones continuas, como aquella ubicada en el centro de la gura 6.4. Una observacin a hacer es que no debe o confundirse la continuidad de una funcin con el grado del polinomio que la aproxima localmente. Por o
155
Seccin 6.3. Aproximacin a soluciones de ecuaciones diferenciales. Requisitos sobre la continuidad o o de las funciones de forma
Figura 6.4: Continuidad de las funciones de forma ejemplo una funcin de forma que usa polinomios de segundo rden en el interior de los elementos no o o necesariamente tiene mayor continuidad que una lineal. La continuidad depende de como se pegan las funciones elemento a elemento y no de como se interpola en su interior. Los elementos de la clase Lagrange, los ms standard en mtodo de los elementos nitos pertenecen a la clase C 0 mientras que a e 1 . Mientras los primeros requieren que las funciones se peguen en aquellos del tipo Hermite son C forma continua entre los elementos los ultimos son ms estrictos y requieren que la primera derivada a tambin sea continua, independientemente de lo que suceda adentro. La gura 6.5 pretende ilustrar e una funcin de forma hermitiana para un elemento unidimensional de dos nodos. o Los requisitos de continuidad que estuvimos tratando tambin se aplican a las funciones de peso. e En estos casos una sutileza debe remarcarse. Cuando hablamos del mtodo de colocacin hemos e o empleado la funcin delta de Dirac para tal n. Esto solo es factible si se garantiza que el residuo sea o nito.
156
Seccin 6.4. Formulacin dbil y el mtodo de Galerkin o o e e
Figura 6.5: Funciones de forma de mayor orden
6.4
Formulacin dbil y el mtodo de Galerkin o e e
En el cap tulo anterior vimos como un trmino como el siguiente e Wl Ld
(6.16)
con L un operador diferencial lineal puede ser reemplazado por otro como CWl
D d +
Wl E d
(6.17)
donde los operadores lineales C, DE tienen un orden de diferenciacin estrictamente inferior al o de L. Tal reformulacin es muy ventajosa cuando se usan funciones de forma denidas localmente o debido a que esto disminuye el grado de continuidad a ser demandado sobre las mismas. Uno de los operadores que frecuentemente aparecen es el de segundo orden que cuando se lo somete a la debilitacin (6.16,6.17) da or o gen a dos operadores de primer orden, uno aplicado a la funcin de peso o y el otro a la interpolacin. Esto pone de maniesto que la eleccin de la misma clase de funciones o o para W como para N , base del mtodo de Galerkin, posee muchas ventajas. Adems de equiparar el e a grado de continuidad queda garantizada la simetr del operador. a
6.5
Aspectos computacionales del mtodo de los elementos nitos e
En esta seccin tomaremos algunos ejemplos muy simples que servirn para explicar la metodolog o a a empleada en el mtodo de los elementos nitos . Estos ejemplos consisten de dominios unidimensioe nales, con una particin muy gruesa (pocos elementos empleados) y con funciones de prueba sencillas. o No obstante esto el procedimiento es bien general y puede extenderse tanto a mallas muy nas como al caso multidimensional y con funciones de alto orden.
157
Seccin 6.5. Aspectos computacionales del mtodo de los elementos nitos o e
6.5.1
Ejemplo 1
Este primer ejemplo consiste en resolver: d2 =0 dx2 (x = 0) = 0 (x = 1) = 1 Paso 1: Eleccin de la funciones de forma y formulacin del problema Teniendo en cuenta o o las consideraciones acerca del grado de continuidad de las funciones de forma relativa al orden de diferenciacin del operador involucrado en este ejemplo vemos de inmediato que funciones de la clase o C 0 son sucientes para resolver este problema. Esto permite usar funciones lineales a trozos aunque si se desea tambin puede aumentarse el grado del polinomio interpolante, como por ejemplo usar e elementos cuadrticos o de mayor orden. No obstante esto involucra en general un mayor costo a computacional muchas veces innecesario para la precisin requerida. Entonces la aproximacin se o o escribe como:
M +1
0x1 (6.18)
=+
m=1
m Nm
0x1
(6.19)
Al establecer el mtodo de los residuos ponderados sobre este problema tenemos e

1
Wl
0
d2 dx + Wl R dx2
1 0
=0
(6.20)
donde el ultimo trmino representa la contribucin del residuo en el borde porque la aproximacin e o o elegida no necesariamente satisface las condiciones de borde. No obstante este trmino puede omitirse e si uno elije funciones de peso que se anulen sobre la parte del contorno donde se prescriben condiciones tipo Dirichlet. Entonces si lo anulamos y si debilitamos la integral sobre el interior del dominio para poder usar funciones con menores requisitos de continuidad llegamos a:
1
d dWl d + Wl dx + Wl dx dx dx
1 0
=0
l = 1, 2, . . . , M, M + 1
(6.21)
Usando el mtodo de Galerkin Wl = Nl surge obviamente la necesidad de emplear funciones clase e C 0. Paso 2: discretizacion de las variables independientes generacion de la malla en subdividir el dominio en elementos tales que e e = e e = Esto consiste
(6.22)
En este caso simple la particin es trivial, el dominio es un segmento de recta y la particin o o consiste en dividir este segmento en intervalos que satisfagan (6.22). La situacin unidimensional es o muy particular y simple ya que (6.22) se puede alcanzar en forma exacta. En varias dimensiones esto
158
se obtiene en general en forma aproximada. Para simplicar los pasos siguientes dividamos el dominio = [0, 1] en 3 elementos (4 nodos) como se muestra en la gura 6.6. De esta forma quedan denidas las coordenadas de los nodos x = {x1 , x2 , x3 , x4 } = {0, L/3, 2L/3L} y las conectividades de los elementos (los nodos asociados a cada elemento) 1 2 IX = 2 3 3 4 (6.23)
(6.24)
En lo que siguen denimos el tamao del elemento como he = |xj xi | con i, j los nodos que lo n denen.
e=1
e=2
e=3
I=1
Figura 6.6: Malla del ejemplo 1 A continuacin presentamos una transformacin de coordenadas que facilita mucho la tarea a nivel o o computacional. Esta se dene como: xk = f (k ) k = 1, . . . ndm (6.25)
donde xk son las coordenadas del elemento en el dominio real del problema y k son las correspondientes en un elemento denominado master. En una dimensin este elemento mster se dene o a como: e = {| [1, 1]}
(6.26) 159
La idea es transformar el elemento real en otro muy simple, por ejemplo pensemos simplemente en una cuadrngulo en 2D completamente distorsionado y su mapeo a un cuadrado con sus aristas a paralelas a los ejes coordenados. Realizar clculos de derivadas e integrales en el primero suele ser a mucho ms trabajoso que en el elemento de forma simple. Si bien este tema presentado en el caso a unidimensional parece de poca importancia en varias dimensiones este mapeo es clave para poder facilitar los clculos. Este tema ser presentando con ms detalle ms adelante en el contexto del a a a a mtodo de los elementos nitos en varias dimensiones. e Paso 3: Denicin de las funciones de forma Este paso es una consecuencia de los dos ano teriores. Habiendo elegido el tipo de funciones de forma necesarios para satisfacer los requerimentos de continuidad que plantea el operador diferencial a resolver y habiendo realizado la discretizacin de o las variables independientes surge de su combinacin la denicin de las funciones de forma. Estas se o o pueden escribir como: he he e Nj = Nj = he con = x xi Ni = Nie =
(6.27)
donde se asume que xi < xj y tiene un valor unitario en el nodo cayendo linealmente hasta ser nula en el otro nodo del mismo elemento. Esta denicin es muy ad-hoc para el caso unidimensional y no usa la idea de mapeo al elemento o master denida anteriormente. La siguiente si presenta esa idea y la incluimos porque ser la que en a denitiva usaremos al momento de calcular las integrales. Ni = Nie = 1/2(1 )
e Nj = Nj = 1/2(1 + )
(6.28)
Esta denicin como vemos satisface la denicin de la funcin, en el nodo i, = 1 Ni = 1 y o o o Nj = 0 mientras que en el nodo j, = 1 Ni = 0 y Nj = 1. Una denicin equivalente a la anterior o que suele unicar la anterior y es vlida para los dos nodos es la siguiente: a Nl = Nle = 1/2(1 + l ) l = 1 ; l = 1 +1 ; l = 2 (6.29)
donde l representa la numeracin local de los nodos, a nivel del elemento. Esta tiene la ventaja que o permite operar algebraicamente con ms exilibidad. a Ensamblndola sobre todo el conjunto de elementos produce una funcin que tiene la forma de un a o sombrero como fue mostrada en la gura 6.2. Paso 4: Clculo de la matriz del sistema y del miembro derecho Como hemos visto en el a primer paso (6.21) la formulacin del problema contiene el clculo de varias integrales, una por cada o a nodo de la malla. Reemplazando en ella la aproximacin (6.19), la denicin de la funcin de peso o o o
160
que para este ejemplo coincide con la de interpolacin (Galerkin) y la denicin de las funciones de o o forma (6.27), entonces el clculo de estas integrales se puede escribir como: a Klm = dNl dNm + Nl Nm dx 1 l, m M + 1 dx dx 0 d 1 fl = Nl 1l M +1 dx 0
1
(6.30)
Estas integrales denidas sobre todo el dominio = [0, 1] pueden descomponerse aditivamente por una de las propiedades de la integracin en varias integrales, una por cada elemento. Entonces, calcular o las integrales a nivel del elemento y luego ensamblarlas o agregarlas cada una de sus contribuciones es equivalente a integrar sobre todo el dominio. Esto es as porque las funciones que aproximan a la solucin fueron denidas elemento a elemento. Por lo tanto lo dicho equivale a: o
E
Klm =
e=1
lm Kle m lm
he
Kle m = =
0 1 1 1
dNle dNm + Nl (x)Nm (x) dx = dx dx dNle d dNm d dx + Nl ()Nm () d = d dx d dx d

1
(6.31) he d = 2 he d = 2
=
1 1
/2l /2l
2 he
/2m
2 + 1/2(1 + l ) he
/2(1 + m ) /2(1 + m )
2 2 1 /2 m e + 1/2(1 + l ) e h h 1 1 he 2 = e l m + (2 + l m ) h 8 3 Reemplazando por sus valores =

1
l =
1 +1
l =1 l =2
Ke =
1 he he + 3 e 1 he + h 6
1 he + h 6 1 he he + 3
(6.32)
Esta expresin contiene dos juegos de o ndices, unos sin primas que representan la numeracin o global de la matriz y est asociado a la numeracin global de la malla y otros a o ndices primados que tienen la numeracin local dentro del elemento. Hay una relacin entre ambos y viene expresada por o o la tabla de conectividades denida antes (6.24). Para el el elemento -simo, la e del arreglo IX se e satisface que con lo cual el lgebra anterior se pudo compactar bastante. Nosotros para simplicar la notacin a o lm . y expresar este cambio de numeracin en la expresin (6.31) usamos l m o o Esta relacin entre numeraciones es la que permite el ensamble de contribuciones elementales en o globales. Esto signica que
161
K = A E Ke e=1
E 2
Kl,m =
e=1 l ,m =1
Kle ,m
(6.33)
con A el operador de ensamblaje. Esto se ilustra en la gura 6.6. Si bien todo el clculo ha sido llevado a cabo manualmente esto tiene un alto grado de autoa matizacin debido a lo simple que resultan las funciones de forma y sus derivadas en el elemento o master. Paso 5: Resolucin del sistema de ecuaciones Con el miembro derecho el procedimiento es o similar y nalmente se alcanza el siguiente sistema de ecuaciones lineales a resolver: K = f
1 he he + 3 e 1 h e + h 6 he 6 e +h 3 e +h 6
1 he +
0
1 he +
1 he 1 he
1 he 1 he
he 6 he + 3 e +h 6
d 1 dx x=0 0 2 0 = e 1 0 he + h 3 6 d 4 1 he dx x=1 he + 3 0
(6.34)
Dado que las condiciones de contorno denidas inicialmente implicaban imponer el valor de (x = 0) = 0 y (x = 1) = 1, esto implica primero reemplazar dichos valores en el vector incgnita y pasar o para el miembro derecho todos aquellos trminos que dichos valores generan para luego remover las e las y las columnas correspondientes a estas variables impuestas. Por lo tanto el sistema (6.34) se transforman en otro ms reducido: a e e 1 1 2 he + h he + h 0 3 6 2 e = (6.35) 1 1 he 1 he 3 ( he + h ) 2 e+ e+ 6
h 6 h 3
La resolucin de este sistema es inmediata obteniendo los valores del arreglo , solucin a nuestro o o problema. Con ellos es posible estimar las derivadas en los extremos reemplazando simplemente el . vector solucin en (6.34) y despejando el valor de d o dx
x=0,1
Comentarios nales Para terminar con este ejemplo haremos dos comentarios, uno acerca del clculo de las integrales elementales y otro acerca de la resolucin del sistema algebraico. Respecto al a o primero es de destacar que si bien aqu hemos recurrido a la integracin anal o tica en general se trabaja utilizando integracin numrica con lo cual solo se necesita evaluar el integrando en determinados o e puntos del dominio y sumar las contribuciones, como es el caso de integracin por cuadratura numrica. o e Con esto es posible extender el tratamiento a operadores de diferente tipo, incluso con coecientes variables dentro del elemento, etc. El tema de la integracin numrica ser abordado ms adelante. o e a a Respecto a la resolucin del sistema se debe evaluar el mtodo a seguir segn el tipo de problema a o e u resolver, lineal o no lineal, estacionario o transiente, 2D o 3D y fundamentalmente teniendo en cuenta
162
los recursos computacionales disponibles. Este tema que hoy en dia es un area en si misma ser tratada a en un prximo cap o tulo.
6.5.2
Ejemplo 2
Este ejemplo es similar al anterior salvo en el tipo de condiciones de contorno impuesta. En este caso las mismas son: |x=0 = 0 y d |x=1 = 1 dx La formulacin del mtodo de los residuos ponderados para este problema es la siguiente: o e
1
Wl
0
d2 d dx + Wl 1 2 dx dx
x=1
Wl
d dx
x=1
=0
(6.36)
Ya que la integral sobre el dominio no ha cambiado y los trminos de contorno no inuyen sobre e la matriz del sistema, esta ultima queda igual que en la del ejemplo anterior. Por el cambio en el tipo de derivada solo se modica el miembro derecho con lo que el sistema a resolver se transforma en uno idntico a (6.34) con un miembro derecho e d dx Lo restante es todo similar a lo ya visto.
x=0 T
0 0 1
(6.37)
6.5.3
Ejemplo 3
Este ejemplo muestra como tratar un sistema de ecuaciones diferenciales e incluso para darle cierta generalidad usaremos una formulacin mixta. o El problema a resolver es el de conduccin del calor con fuente (ec. de Poisson) reemplazado por o una formulacin mixta del tipo: o d +q =0 dx dq Q=0 dx Escribiendo para cada variable incgnita su aproximacin en la forma: o o
Mq
(6.38)
qq=
m=1 M
qm Nm,1 (6.39) m Nm,2

m=1
El mtodo de los residuos ponderados aplicado a la anterior se puede escribir como: e

1 0 1 0
1 d Nl,1 dx + q Nl,1 dx = 0 l = 1, 2, . . . , Mq dx 0 1 d q Nl,2 dx = QNl,2 dx l = 1, 2, . . . , M dx 0
(6.40)
163
Seccin 6.6. Interpolacin de mayor orden en 1D o o
Aqu hay varias alternativas para elegir las funciones de forma. La primera que vamos a adoptar es aquella en la que ambas variables se aproximan con funciones lineales a trozos con los pesos coincidentes entre si y coincidente a las funciones de interpolacin. O sea Nl,1 = Nl,2 = Nl Por cada elemento hay o 4 incgnitas, 2 nodos con 2 grados de libertad por nodo. o Las expresin para el clculo de las matrices elementales ahora contienen a su vez una matriz, o o a sea que al agregar la contribucin de cada uno de los nodos del elemento contra todos los otros nodos o del mismo elemento (en 1D, 2 2) se llega a: Ke ,m = l
dNm 1 1 Nl ,1 d
,1
1 he 1 Nl ,1 Nm ,2 2 d dNm ,2 1 1 Nl ,2 d d
(6.41)
lo cual produce la siguiente matriz elemental 1 e dN1,1 1 N1,1 N1,2 h d 1 N1,1 d d 2 1 1 1 N1,2 dN1,2 d 0 d Ke = 1 dN1,1 1 he 1 N2,1 N1,2 2 d 1 N2,1 d d dN1,2 1 0 1 N2,2 d d
1 he 1 N1,1 N2,2 2 d dN2,2 1 1 N1,2 d d 1 he 1 N2,1 N2,2 2 d dN2,2 1 1 N2,2 d d
dN2,1 1 1 N1,1 d d
dN2,1 1 N2,1 d d 1 0 0
(6.42)
Lo que sigue es simplemente calcular las integrales y resolver el sistema. Otra alternativa para (6.40) es debilitar la segunda ecuacin y cambiarla de signo: o
1
q
0
dNl,2 dx q Nl,2 dx
1 0
=
0
QNl,2 dx
l = 1, 2, . . . , M
(6.43)
y por haber disminuido el orden de diferenciacin sobre q podemos usar funciones de foro ma constantes a trozo tanto para interpolar esta funcin como para pesar la misma (Nl,1 = o Nm,1 constantes a trozos ). De esta forma en cada elemento la cantidad de grados de libertad se reduce de 4 a 3, los dos valores de en los nodos y el valor de q en el centro del elemento. La contribucin elemental se escribe como: o dNi 0 0 i dx dNi dNj (6.44) Ke e = 1 qe dx dx dx e dNj j 0 0 dx
6.6
Interpolacin de mayor orden en 1D o
Tanto en el cap tulo anterior como en las secciones anteriores del prsente hemos introducido el concepto de aproximacin mediante el uso de funciones de prueba con cierta suavidad aplicada a todo el dominio o mtodos globales o aquellas denidas elemento a elemento mtodos locales con interpolacin constante e e o o lineal por elemento. Esta ultima alternativa condujo a la forma ms simple de denir el mtodo de a e los elementos nitos . La motivacin de mejorar la aproximacin a la solucin del problema conduce o o o a varias clases de renamiento, entre ellas las ms usuales son: a 1.- usar una interpolacin de bajo orden y renar la malla tipo h, o
164
2.- usar una malla ja y una interpolacin de mayor orden tipo p, o 3.- una combinacin de las dos anteriores tipo h-p. o Desde el punto de vista prctico la mejor solucin es la alcanzar la mayor precisin al menor costo a o o posible. Si bien la eleccin es muy dependiente del problema es cierto que en muchas aplicaciones o renar en el polinomio de aproximacin es el camino ptimo. No obstante, en ciertas aplicaciones o o la denicin de las funciones de interpolacin est muy restringida por la formulacin del problema. o o a o Ejemplos de este caso lo tenemos en las formulaciones aplicadas a la resolucin de ujo compresible e o incompresible. El tratamiento de la compresibilidad pone una fuerte restriccin en la eleccin de los o o espacios funcionales. No todas las combinaciones posibles para aproximar la velocidad y la presin o son permisibles, existiendo un criterio a satisfacer (critero de inf-sup) para los espacios funcionales. Por otro lado la adveccin dominante requiere la estabilizacin numrica del problema que se hace o o e cada vez ms complicada de denir a medida crece el orden de los polinomios interpolantes. Estas son a las principales causas por las cuales en el tratamiento numrico de modelos f e sicos ms complicados se a preere el uso de funciones de interpolacin de bajo orden y se rena sobre el tamao de la malla. De o n todos modos nosotros aqu presentaremos algunos detalles acerca de la interpolacin de mayor orden o restringida al caso unidimensional, aunque la extensin a muchas dimensiones es tan directa como la o del caso lineal. Dado un grado polinomial, existen muchas formas para generar funciones de forma que tengan ese orden de aproximacin. La ms standard es la de utilizar una base de Lagrange en la cual o a cada grado polinomial diferente se alcanza con un juego de bases diferentes. No obstante existen otros mtodos que son aditivos en el sentido que dada una funcin de forma de grado n se puede generar e o aquella de orden n + 1 usando la de grado n y agregandole alguna funcin adicional. Este mtodo es o e denominado formas jerrquicas de aproximacin y son computacionalmente muy ecientes aunque su a o uso no ha sido muy difundido an. u
6.6.1
Grado de las funciones de prueba y velocidad de convergencia
La discusin acerca de la estimacin del error y la convergencia de una aproximacin en general es o o o algo complicado de tratar y anteriormente solo mencionamos que la convergencia se alcanzar si la a aproximacin es completa. Esta forma vaga de denirla se deb a la generalidad de la eleccin de o a o las funciones de prueba. Si nos limitamos a una interpolacin polinomial el tratamiento se simplica o mucho. Consideremos un dominio subdividido en elementos e de tamao h y tomemos funciones de n prueba interpoladas mediante un polinomio completo de grado p. Es claro que si la solucin exacta o del problema es un polinomio de grado menor o igual a p la solucin numrica ser exacta (sin tener o e a en cuenta errores de redondeo) independientemente del peso utilizado. Obviamente que la solucin en o general no ser polinomial, no obstante, si no contiene singularidades (en la funcin o en alguna de a o sus derivadas) puede ser bien aproximada por una expansin en series de Taylor. o d (x)2 d2 |O + |O + . . . (6.45) dx 2 dx2 donde la serie de Taylor se ha tomado alrededor del punto O. Entonces al usar funciones de prueba polinomiales de grado p estamos aproximando exactamente los primeros p + 1 trmino en (6.45) y el e (x) = |O + x
165
error de la aproximacin se vuelve O(hp+1 . Es de notar que la aproximacin a la primera derivada o o p ) y aquella correspondiente a la derivada d-sima ser O(hp+1d ) ser O(h a e a Volviendo a la formulacin general del mtodo de los residuos ponderados o a aquella del mtodo o e e de los elementos nitos vimos que estaban involucrados dos operadores diferenciales L y M. Estos operadores contienen derivadas y supongamos que la mxima derivada sea d, es claro que el menor a orden para la aproximacin de la solucin debe ser tal que la representacin del operador diferencial o o o de la solucin sea O(h) por razones de completitud. Entonces se requiere que: o p+1d1pd0 (6.46)
Este requisito de completitud pone de maniesto la utilidad de la formulacin dbil presentada o e anteriormente. Hab mos visto oportunamente que al debilitar la formulacin disminu los requisitos o an de continuidad de la aproximacin. Ahora se pone de maniesta una segunda ventaja de la debilio tacin, reducir el orden de diferenciacin del operador diferencial disminuye el orden de la m o o nima interpolacin necesaria para garantizar convergencia en malla. Como ejemplo a esto podemos meno cionar el caso del operador involucrado en un problema de conduccin del calor. Este contiene como o mximo segundas derivadas, al debilitarlo usando el mtodo de Galerkin las mayores derivadas son a e de primer orden con lo cual se requieren funciones C 0 para satisfacer continuidad entre elementos y como m nimo funciones lineales para obtener convergencia en malla.
6.6.2
Funciones de forma de alto orden standard de la clase C 0
Sea el conjunto de elementos unidimensionales como el ilustrado en la gura 6.7 y tomamos un elemento e de la malla con sus nodos extremos numerados como 0 y 1. La aproximacin lineal mostrada en o la parte superior de la gura asegura que la aproximacin es lineal sobre todo el elemento y que los o parmetros asociados a los nodos corresponden a los valores nodales en los mismos nodos. Adems a a 0 . Usando la idea de mapeo al elemento de referencia las de esta forma se garantiza la continuidad C funciones de forma se escriben como:
e N0 = 1/2(1 ) e N1 = 1/2(1 + )
(6.47)
La extensin al caso cuadrtico se logra deniendo un nodo intermedio y tomando ahora tres o a funciones, una por cada nodo, con la condicin de ser cuadrtica dentro del elemento y valer uno en o a el nodo asociado y cero en los otros dos, o sea: Nle () P2 () Nle () = 1 0 = l = m l, m = 0, 1, 2 1 = 0 ym=l 2 = 1 (6.48)
0 = 1
Extendiendo lo anterior la caso cbico y luego generalizando es posible denir cada una de estas u funciones resolviendo un sistema lineal para los coecientes de cada funcin de forma asociada con o cada nodo. En general, si el grado del polinomio es p, entonces habr p + 1 nodos en el elemento y a Nle = 0 + 1 + 2 2 + + p p
(6.49) 166
= 0 = 1
p 2 Nle = 0 + 1 0 + 2 0 + + p 0 p 2 Nle = 0 + 1 1 + 2 1 + + p 1 . . . . . .
= l
Nle = 0 + 1 l + 2 l2 + + p lp . . . . . .
2 p Nle = 0 + 1 p + 2 p + + p p
(6.50)
= p
De esta forma surgen las funciones de prueba para el caso cuadrtico: a

e N0 = 1/2(1 ) e N1 = (1 + )(1 ) e N2 = 1/2(1 + )
(6.51)
y para el caso cbico u 9 1 1 ( + )( )( 1) 16 3 3 27 1 e N2 = ( + 1)( + )( 1) 16 3

e N0 =
27 ( + 1)( 16 9 1 e N3 = ( + )( 16 3
e N1 =
1 )( 1) 3 1 )( + 1) 3
(6.52)
Figura 6.7: Aproximaciones de mayor orden
167
Seccin 6.7. Problemas con adveccin dominante - Mtodo de Petrov-Galerkin o o e
6.7
Problemas con adveccin dominante - Mtodo de Petrovo e Galerkin
Como ya hemos visto al introducir los mtodo de los residuos ponderados estos mtodos se basan en e e denir funciones de peso diferentes a las elegidas para interpolar la solucin, lo cual da or o gen a una gran variedad de posibilidades. Lo que se pretende aqu es introducir este tema que inmediatamente encontrar su utilidad cuando se pretenda resolver problemas dominados por adveccin, naturalmente a o hallados en problemas de mecnica de uidos. a Nuestro inters por este tema surge de la gran popularidad que ha tomado este tipo de formulae ciones en el rea de la mecnica de uidos, especialmente el mtodo denominado SUPG. Si bien no es a a e nuestro inters aqu hacer historia sobre este tema podemos mencionar que la idea del mtodo SUPG e e fue tratar de buscar el efecto producido por las ya conocidas y efectivas tcnicas de upwinding para e evitar oscilaciones numricas producidas cuando en las ecuaciones de transporte dominan los trminos e e convectivos sobre los restantes. La siguiente es un ejemplo t pico de una ecuacin de transporte donde o el miembro izquierdo representa la conveccin y es proporcional a la velocidad con que se mueve el o uido mientras que el miembro derecho es el trmino difusivo, si es la temperatura equivale a la e conduccin del calor. o d2 d = 2 dx dx Entonces adimensionalizando la ecuacin anterior surge el nmero de Peclet, o u u Pe = (6.53)
|u|L (6.54) relacin entre la conveccin y la difusin, con L una dimensin caracter o o o o stica del problema. Si barremos el valor de Peclet desde 0 vemos que la ecuacin cambia de tipo, de ser una el o ptica pasa a ser hiperblica y este cambio depende sobre la competencia entre los trminos convectivos y o e los difusivos. Al resolver el problema por diferencias nitas centradas aparecen oscilaciones cuando el Peclet de la grilla supera un valor prximo a la unidad. La tcnica del upwindind surgi en el rea o e o a de las diferencias nitas como intento de evitar las mencionadas oscilaciones y fue planteada sobre la base de aplicar una aproximacin en diferencias decentrada a la derivada primera. El decentraje o deb hacerse aguas arriba considerando la orientacin del ujo y esto pudo explicarse desde muchos a o puntos de vista. Uno de los ms importantes es aquel ligado al concepto de error de truncamiento a explicndose la aparicin de las oscilaciones del hecho que al truncar la aproximacin centrada esta a o o introduce una especie de difusin numrica negativa que compite con la f o e sica. Existe un cierto valor del nmero de Peclet para el cual la difusin numrica supera a la f u o e sica y de acuerdo a argumentos termodinmicos se viola el segundo principio y el problema pasa a estar mal planteado. Para ver a mejor esto recurrimos nuevamente a la ecuacin de adveccin-difusin en 1D y la discretizamos por o o o diferencias nitas centradas, lo cual es completamente equivalente a haberlo hecho por mtodo de los e elementos nitos . El esquema resultante es: i+1 i1 i+1 2i + i1 =k 2x x2 P e(i+1 i1 ) = i+1 2i + i1 a
(6.55)
168
con P e = ax2k es el nmero de Peclet del elemento y aqu hemos asumido coecientes constantes u y malla uniforme. La solucin exacta a este problema es del tipo: o i = i que reemplazada en la ecuacin produce la siguiente ecuacin algebraica de segundo grado: o o 2 (P e 1) + 2 (P e + 1) = 0 la cual produce las siguientes ra ces: 1,2 = 1
1+P e 1P e
(6.56)
(6.57)
(6.58)
Vemos que si P e = 1 la ecuacin degenera en una de primer grado con la solucin = 1 o sea = o o constante. Si P e < 1 las dos ra son positivas lo cual genera soluciones positivas, combinaciones de ces 1+P e i la solucin constante y otra del tipo = 1P e . El problema surge cuando P e > 1 ya que en este caso o
1+P e una de las ra es negativa y genera soluciones del tipo = (1)i |1P e| . Esta solucin contiene una ces o oscilacin numrica que puede arreglarse renando el elemento siempre que exista algo de difusin en o e o el problema, o sea que el P e = . Extrapolando al caso de mecnica de uidos esta situacin se a o presenta en el caso de ujo viscoso (Navier-Stokes) cuando el Reynolds del elemento supera un valor cr tico, del rden de la unidad. Una situacin extrema ocurre en el caso de los modelos inv o o scidos. All la difusin f o sica es nula y por ms que renemos el P e , generando las raices = 1 , lo cual a implica una oscilacin irremediable. Usando diferencias nitas descentradas aguas arriba equivale a o que la raiz negativa introducida por el trmino cuadrtico, o sea el nodo aguas abajo, sea removida. e a Es por ello que es usual aproximar la primera derivada con una diferencia hacia atrs, de forma de a que ahora el esquema es: i
i i1 i+1 2i + i1 =k x x2 2P e(i i1 ) = i+1 2i + i1 a
(6.59)
El caso de P e transforma la ecuacin de segundo grado en otra de primer grado, lo cual o genera una unica solucin (constante) lo cual tiene sentido f o sico ya que el operador diferencial tambin e cambia de tipo (rden) cuando sucede esto. o El upwind puede verse como el agregado de viscosidad articial o difusin articial en pos de o contrarestar la difusin negativa que introduce la discretizacin. Controlar esta difusin agregada o o o articialmente es importante ya que si nos excedemos la solucin es sobredifusiva y estamos resolviendo o un problema con mayor difusin que la real, y por el lado contrario si no introducimos la suciente o aparecern oscilaciones no f a sicas. Para ver esto se puede partir de la ecuacin discreta centrada (6.55) o y restarle la recin obtenida (6.59), lo cual pone en evidencia el trmino introducido articialmente: e e a ax i+1 2i + i1 i+1 2i + i1 = 2x 2 x2 con
ax 2
(6.60)
funcionando como una especie de difusin articial. o
169
Lo anterior se lo conoce como la tcnica de full upwind. Se sabe que esto es correcto solo cuando e P e y que cuando P e asume valores prximos al valor cr o tico la difusin introducida debe ser o corregida para evitar soluciones muy suavizadas. Para ello se ha recurrido al caso unidimensional lineal el cual tiene solucin exacta y se ha demostrado que la forma de corregir es introducir una o funcin denominada mgica del tipo: o a 1 (6.61) Pe En el contexto del mtodo de los elementos nitos el mismo efecto puede lograrse de varias formas, e por ejemplo mediante el uso del mtodo de los residuos ponderados Petrov-Galerkin. Tomando la e ecuacin (6.53). o (P e) = coth(P e) Wl u
d dWl d =0 dx dx dx
(6.62)
y deniendo a la funcin de peso como: o dNl (6.63) dx donde el primer trmino reproduce el mtodo de Galerkin mientras que el segundo es una perture e bacin cuyo efecto en la matriz es tal que al ser aplicado a un trmino proporcional a d produce un o e dx trmino similar a uno difusivo. El parmetro debe ajustarse en funcin de la cantidad de perture a o bacin (difusin articial) a agregar. De todos modos existen muchos trabajos que dan cuenta de la o o buena conabilidad de la denicin: o Wl = Nl + u = (P e) 1
d || dx u||
(6.64)
d a o donde || dx u|| equivale al vector velocidad transformado al elemento mster y la funcin (P e) es la llamada funcin mgica denida ms arriba. o a a Un aspecto de importancia es la continuidad de las funciones de peso. Segn la denicin Nl C 0 , u o 1 con lo cual se plantea una dicultad matemtica que ha sido muy bien estudiada. Sin luego Wl C a entrar en detalles las conclusiones han sido que el problema se suscita en los bordes entre elementos y que la formulacin variacional que surge del planteamiento de la forma dbil del mtodo de los residuos o e e ponderados arroja la satisfaccin de las ecuaciones en el interior de los elementos y de los ujos en los o bordes. Su extensin al caso multidimensional di or o o gen a los mtodos denominados Streamline diusion e ya que introducen la difusin segn las l o u neas de corriente. Estos mtodos han mostrado ser muy e robustos y ecientes a la hora de resolver problemas de ujo de uidos no obstante, a diferencia del caso unidimensional, ahora no se cuenta con una solucin que permita controlar la cantidad de difusin o o a agregar y esta debe ser introducida acorde a criterios ad-hoc. La extensin al caso de sistemas de ecuaciones, tal como ocurre con los modelos de Navier-Stokes o y Euler requieren un estudio un poco ms detallado del tema y ser abordado en futuros cap a a tulos.
170
Seccin 6.8. El caso multidimensional o
6.8
6.8.1
El caso multidimensional
Introduccin o
En esta seccin por su simplicidad presentaremos el caso 2D siendo directa la extensin a 3D. En cuanto o o a las funciones de interpolacin existe mucha bibliograf en la cual se puede hallar las expresiones de o a las mismas tanto para funciones de diferente grado de continuidad como de diferente orden polinomial. Nosotros aqu solo trataremos el caso de funciones de prueba de clase C 0 multilineales sobre elementos de forma triangular o cuadrangular. Dado que en el caso multidimensional se presentan situaciones geomtricas completamente arbitrarias lo mejor para ordenar el tratamiento del tema es introducir las e funciones de forma en el elemento master y luego mencionar los detalles del mapeo que transforma las coordenadas reales en las del elemento de referencia.
6.8.2
Elemento triangular
El tringulo es una forma particularmente muy util porque permite representar con bastante precisin a o dominios de forma arbitraria. Para un tringulo t a pico e con nodos numerados en sentido antihorario i, j, k y ubicados en los vrtices del mismo como se muestra en la gura 6.3 buscamos una funciones e de forma elemental Nie (x, y) tal que, Nie (x, y) = 1 Nie (x, y) =o en x = xi , y = yi (6.65)
en x = xj , xk , y = yj , yk con Ni (x, y) = 0 eSie e
con Ni (x, y) continua sobre eSie e
con Sie el conjunto de elementos que contienen al nodo i. El mapeo de cualquier tringulo al elemento master puede verse en la gura 6.8, donde los nodos a i, j, k se posicionan en 1, 2, 3 respectivamente. Las funciones de interpolacin lineales que satisfacen lo anterior son: o N1 (, ) = 1 N2 (, ) = N3 (, ) = Como se puede apreciar geomtricamente con 3 puntos denimos exactamente un plano y por lo e tanto el gradiente de cualquier funcin denida como combinacin lineal de sus tres valores nodales o o ser constante dentro del elemento. Calcularemos primero el mapeo. a (6.66)
171
(0,1)
j
(0,0)
Figura 6.8: Mapeo para elementos triangulares
3
(1,0)
x(, ) =
k=1
xk Nk (, )
= x1 (1 ) + x2 + x3 = x1 + (x2 x1 ) + (x3 x1 )
3
(6.67)
y(, ) =
k=1
yk Nk (, )
= y1 (1 ) + y2 + y3 = y1 + (y2 y1 ) + (y3 y1 ) De lo cual surge que dado un par (, ) podemos calcular inmediatamente su correspondiente (, y ) x y viceversa. Retomando lo dicho antes con la aproximacin de la solucin tenemos o o
3 3 e uk Nk (x(, ), y(, )) = k=1 k=1 e uk Nk (, )
ue (x, y) = Entonces
(6.68)
ue = u1 + (u2 u1 ) + (u3 u1 ) ue ue ue ue ue ue ue = , = + , + x y x x y y donde
(6.69)
172
= 2 1 = constante = 3 1 = constante con = x, y, u Lo mismo vale para los elementos del jacobiano y su inversa J= 1 |J|
x y x y
(6.70)
x x
y y
(6.71)
J=
(y3 y1 ) (y2 y1 ) (x3 x1 ) (x2 x1 )
J 1 =
(x2 x1 ) (y2 y1 ) (x3 x1 ) (y3 y1 )
(6.72)
con el determinante del jacobiano expresado como |J| = (x2 x1 )(y3 y1 ) (y2 y1 )(x3 x1 ) (6.73)
Con toda esta informacin es posible reemplazar en las integrales que surgen al aplicar el mtodo o e de los residuos ponderados y obtener tanto la matriz del sistema como el vector miembro derecho. La ventaja del uso de elementos triangulares radica en que al ser los gradientes constantes permiten simples reglas de integracin. No obstante ms adelante veremos que en pos dee generalizar el tratamiento o a introduciremos la integracin numrica como medio para evaluar las mismas. Una vez que las contrio e buciones elementales han sido computadas se deben agregar a la matriz global. Este procedimiento puede visualizarse en la gura 6.9 donde se muestra un ejemplo 2D discretizado mediante elementos triangulares lineales. La forma en que se hace la numeracin de la malla inuye notablemente en la o posicin de los elementos no nulos de la malla y esto inuye directamente sobre la denicin del ancho o o de banda de la matriz, un parmetro que afecta el costo de resolver el sistema en forma drstica. a a Visualizando el elemento e = 1 si por un momento alteramos la numeracin intercambiando aquella o del nodo 4 con la del nodo 17, entonces la matriz ser llena y el ancho de banda coincide con la a dimensin completa de la matriz. o
6.8.3
Elemento cuadrangular
Los elementos cuadrangulares si bien poseen menos posibilidades de representar con precisin un o dominio de forma arbitraria tienen como ventaja su buena performance en aplicaciones de mecnica a de uidos. En el caso de elementos cuadrangulares la transformacin al elemento mster se ilustra en o a la gura 6.10.
173
Figura 6.9: Ensamble para mallas triangulares
174
Las funciones de interpolacin se calculan como el producto cartesiano de las funciones de prueba o unidimensionales (funciones bilineales) y pueden escribirse como: 1 Ni = (1 + i )(1 + i ) 4 i = i = 1 ; +1 ; +1 ; 1 1 ; 1 ; +1 ; +1 (6.74)
Esto origina un polinomio incompleto de segundo grado. De la misma forma que en el caso triangular el mapeo se logra interpolando cada coordenada segn: u
4
x(, ) =
k=1
xk Nk (, ) =
1 x1 (1 )(1 ) + x2 (1 + )(1 ) + x3 (1 + )(1 + ) + x4 (1 )(1 + ) = = 4 (x2 + x3 ) (x1 + x4 ) (x3 + x4 ) (x1 + x2 ) x1 + x2 + x3 + x4 + + + = 4 4 4 (x1 + x3 ) (x2 + x4 ) + 4
(6.75)
Entonces dado (, ) podemos calcular inmediatamente su correspondiente (, y ) pero no podemos x plantear la correspondencia inversa ya que el sistema es incompletamente cuadrtico. a En estos casos ni los gradientes ni los jacobianos son constantes por elemento sino que dependen de la posicin. Esto agrega complicacin algebraica al clculo de las integrales y es aqu donde ms o o a a rdito se obtiene de emplear integracin numrica. e o e
(1,1)
l i
x
k 4 j 1
(1,1)
3 2
Figura 6.10: Mapeo elemento cuadrangular
175
6.8.4
Transformacin de coordenadas o
Tanto los mtodos globales como los locales de alto rden requieren realizar integrales sobre porciones e o extendidas del dominio, incluso sobre la totalidad del mismo, los cuales dif cilmente pueden ser representados por elementos de forma simple. La complejidad de los dominios de clculo hace necesaria una a transformacin de coordenadas de forma de poder llevar un dominio arbitrario (x, y) a otro mucho o ms simple (, ) donde realizar las operaciones tales como la integracin para el clculo del sistema a o a algebraico a resolver. Por transformacin de coordenadas o mapeo del ingls mapping entendemos una transformacin o e o un voca entre (, ) y (x, y). Para entrar en tema consideremos la familiar transformacin de coordeo nadas cil ndricas polares a cartesianas, donde x = r cos() y = r sin() =r = En la gura ?? vemos detalles bien conocidos de esta transformacin. Supongamos que un mapeo o en general se describa mediante funciones x = f1 (, ) y = f2 (, ) z = f3 (, ) () j, k = 1, . . . , ndm (6.76)
xk = fk (j )
con ndm el nmero de dimensiones del dominio o nmero de variables independientes espaciales. u u Una vez que se conocen las coordenadas en el dominio f sico de cada uno de los elementos de la malla (xe , y e ) e y elegido el tipo de mapeo a realizar fk (j ) se pueden escribir las funciones de forma y sus derivadas sobre el elemento de referencia master () de tal forma de poder realizar las integraciones propias del mtodo sobre este dominio sencillo apelando a tcnicas standard de clculo e e a numrico como la integracin por cuadratura gaussiana u otras. Los requisitos de continuidad de e o las funciones en los contornos entre elementos se garantiza eligiendo apropiadamente las funciones de forma. En las aplicaciones standard del mtodo de los elementos nitos se usan funciones de forma del e tipo C 0 , o sea continuas con todas sus derivadas discontinuas. No obstante eligiendo apropiadamente estas funciones se podr obtener aproximaciones con mayor suavidad. Cuando presentamos las an diferentes tcnicas numricas aplicadas a los modelos vimos que existe la necesidad de derivar las e e funciones de forma respecto a las variables independientes, tanto las coordenadas espaciales en el dominio global como el tiempo. Con respecto a las derivadas especiales es necesario aplicar la regla de la cadena:
176
Nle Nle Nle = + x x x e e Nl Nl Nle = + y y y Nle = J1 Nle

e Nl
Nle Nle x x y y
(6.77)
J=
donde J es el jacobiano de la transformacin, una medida de la deformacin que se requiere para o o llevar un diferencial de elemento en el dominio local a otro en el global. Como se alcanza a ver para que la transformacin exista se requiere que el jacobiano sea inversible. Para ver como se transforma o el area tomamos: dxdy = |J|dd (6.78)
De esta forma tenemos todos los elementos necesarios para realizar cualquier integracin que surge o de la aplicacin del mtodo de los elementos nitos . Supongamos que tomamos la siguiente integral o e proveniente de un problema de conduccin trmica sobre un dominio mapeable en un cuadrado: o e I=
e 1
Nle
1
e Nm dxdy
(6.79) (J
1 e Nl )
=
1 1
(J
e Nm )|J|dd
Mapeo paramtrico e Una forma util de denir un mapeo de entre muchas posibles alternativas es utilizando la misma clase de funciones utilizadas para interpolar la o las variables dependientes de un problema . En este caso cada una de las coordenadas espaciales pueden tratarse como si fueran una funcin ms a aproximar: o a
M
x=
l=1 M
Nle (, )xl (6.80) Nle (, )yl

l=1
y=
Si elegimos las mismas funciones de forma para las variables dependientes e independientes, entonces la aproximacin se denomina isoparamtrica. Ya que las funciones de forma son continuas el o e mapeo paramtrico ser continuo. De todas formas es posible aproximar a distinto orden las variables e a independientes y las dependientes aunque no es lo usual. Con el mapeo se simplica mucho el anlisis a y la programacin de los esquemas numricos. o e 177
6.8.5
Integracin numrica o e
El clculo de las contribuciones elementales tanto de la matriz como del vector miembro derecho a requiere resolver integrales sobre el dominio ocupado por cada elemento con un integrando que contiene al operador diferencial discreto pesado con alguna funcin de prueba. Tanto la forma del elemento en o principio arbitraria como el grado de las funciones de forma pueden complicar demasiado la evaluacin o anal tica del problema haciendo este procedimiento completamente dependiente de la aplicacin. Para o ganar en generalidad e incluso para facilitar la tarea se recurre a integrar numricamente. Esto consiste e en reemplazar la integral por una suma donde cada trmino de la misma es el producto del integrando e evaluado en cada punto de muestreo pesado con un valor correspondiente a cada uno de esos mismos puntos. Por ejemplo en 1D
1 N pg
I=
1
G()d =
pg
G(pg )wpg
(6.81)
donde pg , wpg son las coordenadas de cada punto de muestreo y su correspondiente peso. La forma en que se deducen las coordenadas y los pesos en los puntos de muestreo diferencian a un mtodo e de otro. Sin entrar en detalles tcnicos acerca de este tema el cual es ampliamente tratado en cursos e regulares de clculo numrico podemos decir que en el contexto de mtodo de los elementos nitos es a e e muy usual el mtodo de la cuadratura gaussiana. Este procedimiento dene la posicin de los puntos e o de muestreo en el interior del dominio de forma de aproximar exactamente la integral de una funcin o aproximada por un polinomio de grado p. Sea la funcin o Fp () = 0 + 1 + + p p + cuya integral evaluada numricamente mediante (6.81) nos da: e
1 N pg
(6.82)
I=
1
Fp ()d =
pg
Fp (pg )wpg = (6.83)
p p w0 (0 + 1 0 + + p 0 ) + w1 (0 + 1 1 + + p 1 ) + + p wN pg (0 + 1 N pg + + p N pg )
Comparando la integral exacta Iex = 20 + p 22 + ... [1 (1)p+1 ] 3 p+1 (6.84)
con la numrica (6.83) se establece un sistema de p + 1 ecuaciones con 2(N pg + 1) incgnitas y la e o solucin solo es posible cuando o p + 1 = 2(N pg + 1) (6.85)
y ya que N pg es un entero p ser siempre un nmero impar. a u Comparando este mtodo de cuadratura de Gauss-Legendre con el mtodo de Newton-Cotes vemos e e que este permite con 3 evaluaciones aproximar un integrando de 5to orden mientras que el de NewtonCotes con 3 evaluaciones solo permite aproximar exactamente una funcin de tercer orden. Las o
178
Seccin 6.9. Problemas dependientes del tiempo o
n+1 1 2 3 4
p 1 3 5 4
Tabla 6.1: Precisin de la integracin por Puntos de Gauss o o coordenadas de los puntos de muestreo y sus pesos correspondientes tanto para el caso 1D como para el multidimensional pueden consultarse en la abundante bibliograf del tema. a
6.9
Problemas dependientes del tiempo
En esta clase de problemas el tiempo aparece como una variable independiente adicional y lo que se busca es la evolucin temporal de la solucin que a su vez es variable en el espacio. Estos problemas, o o denominados de valores iniciales ocurren muy frecuentemente en las aplicaciones, en problemas de difusin transiente, en propagacin de ondas, en problemas de inestabilidad de ujos, etc. En el caso o o estacionario la discretizacin de las variables independientes (en este caso las espaciales) conduc a un o a sistema de ecuaciones algebraicas. Ahora, discretizando en una primera etapa las variables espaciales se alcanza un sistema de ecuaciones diferenciales ordinarias que puede ser resuelto tal como est a aplicando tcnicas ad-hoc para tal n. Este mtodo se lo conoce como de semidiscretizacin parcial. e e o La otra alternativa es en una segunda etapa discretizar la variable independiente tiempo mediante alguna tcnica, mtodo de los elementos nitos o mtodo de las diferencias nitas , conduciendo e e e nuevamente a un sistemas de ecuaciones algebraicas .
6.9.1
Discretizacin parcial o
Si bien este mtodo fue presentado como para desacoplar el tratamiento de las variables espaciales e respecto a la temporal tambin puede ser aplicado al caso estacionario cuando queremos discretizar e solo algunas de las variables espaciales y no todas. Supongamos que = (x, y, z) sea una funcin o a encontrar dependiente de las tres coordenadas espaciales. Podemos aproximar esta funcin de la o forma habitual
M
=+
m=1
am (y)Nm (x, z)
(6.86)
Reemplazando la anterior en el problema diferencial produce que todas las derivadas respecto a y permanecern tal cual y las restantes derivadas asumirn su versin discreta, llegando nalmente al a a o sistema de ecuaciones diferenciales ordinarias siguiente: Ka + C da + = f dy (6.87)
con el orden de la ecuacin diferencial ordinaria determinado por el mximo orden de derivacin o a o respecto a y. Este tipo de solucin prueba ser util cuando el dominio es prismtico en y, o sea no o a
179
depende de y. En general podemos decir que si el problema f sico viene gobernado por la ecuacin diferencial o 2 2 =0 t t entonces si la aproximacin planteada es del tipo o L + p
M
en
(6.88)
=+
m=1
am (t)Nm (x, y, z)
(6.89)
entonces el sistemas de ecuaciones diferenciales ordinarias resultante se puede escribir como: M d2 a da +C + Ka = f 2 dt dt
Mlm =
Wl Nm d (6.90) Wl Nm d
Clm = Klm =
Wl LNm d
fl =
p + L
2 2 Wl d t t
Adecuadas condiciones de borde sobre para todo instante t junto con valores iniciales para a(t = 0) y para da (t = 0) si = 0 deben suministrarse para un buen planteamiento del problema. dt Ejemplos t picos de las ecuaciones anteriores son: 2 1 2 2 2 =0 x2 c t 2 2 2 ( 2 + 2 ) + Q c 2 = 0 x y t propagacin de ondas o (6.91) ecuacin del calor lineal o
Posponemos para cap tulos posteriores la resolucin de algunos problemas no estacionarios. o
6.9.2
Discretizacin espacio-temporal por elementos nitos o
La resolucin del sistema de ecuaciones diferenciales ordinarias que fue presentado en la seccin anterior o o requiere de utilizar algoritmos numricos que permitan integrar en el tiempo a las mismas. La otra e alternativa posible es la de discretizar el operador temporal de alguna forma para convertir el sistema de ecuaciones diferenciales ordinarias en un sistemas de ecuaciones algebraicas que puede resolverse de la misma forma que hemos visto para problemas en estado estacionario. La discretizacin de la o variable independiente tiempo se puede efectuar de muchas formas, entre ellas la ms usual es recurrir a a esquemas simples en diferencias nitas. Esto consiste en discretizar la o las derivadas temporales mediante esquemas en diferencias y este tema ser tratado con mayor grado de detalle ms adelante. a a
180
Por el momento solo ejemplicamos como se podr efectuar esta discretizacin para el caso de una a o ecuacin como la (6.90). o M d2 a da +C + Ka = f dt2 dt (6.92) M an+1 2an + an1 an+1 an1 +C + Kan = f (t)2 t
donde vemos que existen tres niveles de tiempo tn1 = tn t = (n 1)t, tn = nt y tn+1 = tn + t = (n + 1)t y adems hemos empleado operadores en diferencias centradas. La forma de a llevar a cabo el clculo da oria gen a dos clases de mtodos, los expl a e citos y los impl citos. En los primeros no se requiere invertir ninguna matriz y el valor de la solucin en un instante de tiempo se o puede despejar directamente a partir de aquellos valores de la solucin evaluada en tiempos anteriores. o En el caso impl cito esto no es factible y se requiere invertir un sistema. Este tema ser profundizado a ms adelante. a La segunda alternativa que exploraremos con ms detalle a continuacin es la de usar funciones a o de prueba dependientes del tiempo. El hecho de que no sea esta una forma general de trabajo se debe a que: 1.- problemas con tiempos caracter sticos largos involucran un excesivo volmen de clculo, u a 2.- las matrices resultan en general no simtricas aun usando el mtodo de Galerkin, e e 3.- la simple topolog que existe en el dominio temporal ofrece poco atractivo para usar discretia zacin irregulares en el tiempo. o En los ultimos tiempos ha habido un gran inters por el uso de formulaciones espacio-temporales e para tratar problemas con dominios variables en el tiempo. Por su mayor grado de aplicacin en el area de la mecnica de uidos en la seccin que sigue o a o trataremos exclusivamente el caso de ecuaciones de primer orden. Ecuaciones de primer orden Tomando el caso de = 0 en (6.88) llegamos al siguiente sistema de ecuaciones diferenciales ordinarias da + Ka = f (6.93) dt Las condiciones iniciales implican conocer el valor de (t = 0) lo cual en forma discreta equivale a conocer a(t = 0) = a0 . De acuerdo a (6.89) vemos que el problema espacial y el temporal estn a desacoplados por lo que una posterior aproximacin, ahora exclusivamente en el tiempo, para la o incgnita a se puede plantear. Entonces, o C
aa=
m=1
am Nm
(6.94)
181
con am = a(t = tm ). Consideremos un elemento n el tiempo con sus nodos extremos t = tn y t = tn+1 como se muestra en la gura 6.8. Por lo tanto
n n Nn = 1 T Nn+1 = T n n dNn+1 dNn 1 1 = = dt tn dt tn t tn T = tn = tn+1 tn tn
(6.95)
Aplicando el mtodo de los residuos ponderados a (6.93) llegamos a: e
C
0
d a + K f (t) Wn dt = 0 a dt
n = 0, 1, 2, . . .
(6.96)
Si las funciones de peso elegidas satisfacen que Wn = 0 , (6.96) se escribe como:

tn+1
t < tn
y t > tn+1
(6.97)
C
tn
d a + K f (t) Wn dt = 0 a dt
n = 0, 1, 2, . . .
(6.98)
mientras que (6.94) se escribe como:

n n a = an Nn + an+1 Nn+1
(6.99)
la cual reemplazada en (6.98) produce

1 0
C (an + an+1 ) + K{an (1 T ) + an+1 T } f (tn + tn T ) Wn dT = 0 tn n = 0, 1, 2, . . .
(6.100)
Estas funciones de peso equivalen a funciones constantes a trozos por elemento. Si las matrices C y K fueran independientes del tiempo entonces: C tn
1 1
Wn dT + K
0 0
T Wn dT }an+1 +{ =
C tn
1 0
Wn dT + K
0 0
(1 T )Wn dT }an = (6.101)
f (tn + tn T )Wn dT
(6.101) es vlida para cada elemento n de la discretizacin temporal o sea que permite para cada a o 1 , a2 , a3 . . . comenzando con el valor a0 . Este tipo de esquema n obtener los valores de la incgnita a o de marcha temporal se lo denomina de dos niveles ya que cada clculo involucra solo dos instantes a de tiempo, el actual y el anterior. Existen extensiones a esto que involucran varios niveles de tiempo pero no sern abordados por el momento. a 182
Para generalizar el tratamiento la expresin (6.101) puede reescribirse para ser usada con cualuquier o funcin de peso de la siguiente forma: o C + n K an+1 + tn C n + (1 n )K an = f tn
1 1
n =
0
Wn T dT /
0 1
Wn dT Wn dT
0
(6.102)
f =
0
f (tn + tn T )Wn dT /
y ya que la funcin f en general var suavemente en el tiempo es algunas veces conveniente o an interpolarla mediante:
n n f (tn + T tn ) = f n Nn (T ) + f n+1 Nn+1 (T ) ,
0T 1
(6.103)
Reemplazando (6.103) en (6.102) llegamos a: f = (1 n )f n + n f n+1 con lo cual (6.102) se escribe como: C + n K an+1 + tn C + (1 n )K an = (1 n )f n + n f n+1 tn (6.105)
n
(6.104)
Si f no fuera una funcin suave entonces (6.102) debe ser evaluado exactamente. o Algunos esquemas en particular Colocacin Tomemos el caso del mtodo de los residuos ponderados utilizando como funcn de peso o e o la colocacin puntual. En este caso lo de puntual debe reinterpretarse como su equivalente temporal, o o sea evaluada no en un punto en el espacio sino en un instante de tiempo. Si Wn = (T ), n = 0, 1, 2, . . . , entonces de (6.102) surge que n = la cual reemplazada en (6.105) nos da el bien conocido mtodo theta que se escribe como: e C + K an+1 + tn C + (1 )K an = (1 )f n + f n+1 tn (6.107) (6.106)
Este mtodo sirve como un marco terico general ya que de l se derivan muchos de los esquemas e o e frecuentemente usado en la prctica. Algunos de los ejemplos ms citados son: a a 1.- Esquema Forward Euler, = 0, 2.- Esquema Backward Euler, = 1, 3.- Crank-Nicolson, = 1/2
183
Seccin 6.10. El mtodo de los elementos nitos aplicado a las leyes de conservacin o e o
Galerkin Si en lugar de usar colocacin aplicamos el mtodo de Galerkin (Wn = Nn ) y si tomamos o e 0 satisfaciendo que: funciones de prueba de la clase C Nn = 0 t tn1 y t tn+1 (6.108)
al reemplazar en (6.98) se obtiene el siguiente esquema: C 1 2 C 1 1 2 1 + K an+1 + Kan + + K an1 = f n+1 + f n + f n1 (6.109) 2t 6 3 2t 6 6 3 6 que es un esquema de tres niveles de tiempo. De esta forma hemos visto que el tratamiento empleado sobre la discretizacin espacial puede ser extendido a la temporal en forma directa donde o los esquemas multipasos tienen su correspondencia con la aproximacin de mayor orden en el tiempo. o Detalles acerca de la forma de resolver la semidiscretizacin asi como la discretizacin completa se o o posponen para un prximo cap o tulo.
6.10
El mtodo de los elementos nitos aplicado a las leyes de e conservacin o
En esta seccin presentamos una aplicacin del mtodo de los elementos nitos a un sistema de leyes o o e de conservacin, t o pica en la modelizacin matemtica de problemas de mecnica de uidos. Hasta o a a aqu hab amos considerado casi exclusivamente el caso escalar y lineal. Las leyes de conservacin tal o como fueron presentadas al comienzo forman un sistema de ecuaciones no lineales. Su tratamiento no diere a lo visto para el caso escalar y tampoco respecto a lo dicho sobre sistemas en el caso de la aplicacin del mtodo de los residuos ponderados con aproximaciones globales. Por lo tanto y por o e no abundar en detalles pasamos directamente a la aplicacin del mtodo de los elementos nitos a las o e ecuaciones de conservacin. o Consideremos las leyes de conservacin de la forma: o U + F=Q (6.110) t siendo F el vector de ujos. Supongamos por un momento que solo incluimos los ujos convectivos dentro de ste y que aplicamos las siguientes condiciones iniciales sobre el dominio y sobre el contorno e = 0 1 : U(x, 0) = U0 (x) U(x, t) = U1 (x) F n Fn = g t=0 x t 0 x 0 t 0 x 1 (6.111)
Deniendo una forma dbil con W = 0 sobre 0 llegamos a e W
U d + t
W(
F)d =
WQ
(6.112)
que seguido a una integracin por partes conduce a o
184
Seccin 6.10. El mtodo de los elementos nitos aplicado a las leyes de conservacin o e o
U d t
(F
)Wd +
WF d =
WQ
(6.113)
Interpolando la solucin o U=
m
Um (t)Nm (x)
(6.114)
y debido a que el ujo es generalmente una funcin no lineal de U es preferible una representacin o o separada para los ujos F=
m
Fm Nm (x)
(6.115)
Usando el mtodo de Galerkin (W = N), la ecuacin para el nodo j es: e o dUm dt Nm Nj d

j m
Fm
j
Nm
Nj d +
1
gNj d =
j
Nj Q
(6.116)
donde j es el subdominio formado por todos los elementos que contienen al nodo j y la suma sobre m cubre todos los nodos de j . La matriz de masa se dene como: Mmj =
j
Nm Nj d
(6.117)
mientas que la de rigidez es Kmj =

j
Nm
Nj d
(6.118)
que como se alcanza a ver es no simtrica. e Lo anterior conduce a: Mmj

m
dUm dt
Fm Kmj =
m j
Nj Q
1
Nj gd
(6.119)
Si tuviramos difusin f e o sica entonces la discretizacin se lleva a cabo conforme a lo ya visto o anteriormente y queda solo un comentario acerca del tratamiento de la matriz de masa. En diferencias dU nitas es usual una aproximacin a dtj que conduce a una matriz diagonal mientras que en elementos o nitos usando un mtodo tipo Galerkin la misma no es diagonal masa consistente. En las aplicaciones e habituales los sistemas a resolver son enormes en tamao por lo que es casi imprescindible muchas n veces recurrir a mtodos de resolucin expl e o citos. Estos requieren que la matriz asociada al miembro izquierdo de la ecuacin algebraica sea diagonal por lo que en el caso del mtodo de los elementos o e nitos lo que se suele hacer es concentrar los trminos en la diagonal, tcnica conocida con el nombre e e de lumping, Mmj = (
m
Mmj )mj
(6.120)
185
Seccin 6.11. TP.VI- Trabajo Prctico o a
6.11
TP.VI- Trabajo Prctico a
mtodo de los elementos nitos en 1D e 1. Dada una malla unidimensional formada por 5 nodos equiespaciados y numerados consecutivamente de izquierda a derecha, con el extremo izquierdo en z = 0 y el derecho en x = 1. Calcular la matriz K = {Kij }
1
Kij =
0
Ni Nj dx
(6.121)
i, j = 1, . . . , 5 usando a.- funciones de prueba lineales a trozo denidas como Ni (xj ) = 1 0 i=j i=j , i, j nodos de la malla
variando linealmente dentro de cada elemento. b.- usando funciones del tipo Ni = xi . Compare con la matriz obtenida en (a) c.- Repita (a) pero usando la siguiente numeracin: o x 0.00 0.25 0.50 0.75 1.00 Compare con (a) 2. Evale que tipo de funciones de forma utilizar para resolver las ecuaciones diferenciales que u abajo se muestran si se adopta el mtodo de Galerkin. Fundamentar la seleccin hecha. e o (a) (b) (c) d2 +=0 dx2 2 EI d + M = 0 dx2 d2 M + k = w dx2 EI d4 k = w dx4 186 i 1 5 3 4 2
(6.122)
(6.123)

2
3. Resolver la ecuacn d + = 0 con (x = 0) = 1 y (x = 1) = 0 usando el mtodo de Galerkin o dx2 e con 4 elementos lineales de igual tamao. Tome la ecuacin del nodo central y evale el orden n o u de precisin del esquema. Ayuda: Expandir usando series de Taylor la ecuacin del nodo o o 4. (Uso del FemCode en 1D) Usando el programa FemCode resolver la ecuacin o d2 =1 dx2 (x = 0) = 0 (x = 1) = 1 usando 4,8,16,32 y 64 elementos lineales. a.- Calcule la solucin exacta de este problema. o b.- Trazar la curva de error vs tamao de elemento en forma logar n tmica y estimar el orden de convergencia de la aproximacin. o c.- Compare lo obtenido con lo terico. o 5. (Uso del FemCode en 1D) Usando el FemCode resolver el problema unidimensional d d ( ) + = 1 dx dx (x = 0) = 0 (x = 1) = 1 utilizando elementos cuadrticos y cbicos. Hacer un estudio del orden de convergencia de cada a u uno de ellos. 6. (Mapeo) Un elemento de 4 nodos se muestra en la gura siguiente. Construya un mapeo isoparamtrico e entre este y un elemento bilineal cuadrado sobre 1 , 1. 7. (Mapeo) Encuentre el mapeo isoparamtrico a un elemento serend e pido de 8 nodos del elemento de la 4 = 5x. gura, con el borde curvo descripto por la funcin y o 8. (Integracin numrica) o e En el cmputo por elementos nitos es muy usual evaluar integrales del tipo o
Ni Nj e xk xl dxk dxl
0x1 (6.124)
(6.125)
Ni Nj dxk dxl .
Determine el nmero de puntos de Gauss que se necesitan tomar si requerimos que ambas u integrales se evalen exactamente usando elementos : u
187
Figura 6.11: Mapeo isoparamtrico e (a) triangulares (b) cuadrangulares de 4 nodos (c) cuadrangulares de 9 nodos 9. (Uso del FemCode en 2D) Resolver para una geometr plana anular con ri = 0.1 y re = 1 un problema de conduccin a o trmica con conductividad constante = 1 imponiendo la temperatura sobre la pared circular e interior a un valor nulo. Sobre la pared circular exterior la misma est aislada salvo en la a porcin 0 < < /2 donde el ujo trmico alcanza un valor unitario. Determinar el campo de o e temperaturas resultante T = T (r, theta) y mostrar las isotermas. 10. (Upwind) Resolver la ecuacin de transporte o v T = ( T ) (6.126)
3
T (x = 0, y) = 0 T (x = 1, y) = 1 = 10 (x, y) [0, 1] [0, 1] usando el programa FemCode para una malla bidimensional compuesta por 10 10 elementos tomando: a.- v = [103 , 0] sin upwind, 188
Figura 6.12: Mapeo isoparamtrico e b.- v = [1, 0] sin upwind, c.- v = [1, 0] con upwind, Sacar algunas conclusiones de acuerdo a los resultados obtenidos. 11. Repita el ejemplo anterior usando una velocidad no alineada con la malla. Tome lo mismo que antes con una velocidad orientada a 30 grados respecto al eje horizontal.
189
Cap tulo 7
Mtodo de los vol menes nitos e u

7.1 Introduccin o
Continuando con la presentacin de los diferentes mtodos que surgen a partir del mtodo de los o e e residuos ponderados ahora trataremos el caso del mtodo de los volmenes nitos . A modo de e u resmen de lo visto antes la aplicacin del mtodo de los residuos ponderados a las ecuaciones de u o e conservacin fue escrita como: o W
U d + t
Fd =
WQ
(7.1)
Los mtodos de colocacin, tanto el caso puntual como el de subdominios, usan la ecuacin residual e o o sin integracin parcial sobre la funcin de peso quedando el problema en forma diferencial. Si a cada o o nodo j del dominio le asignamos un subdominio j y si tomamos una funcin de peso denida como: o Wj (x) = 0 Wj (x) = 1 que aplicada a (7.1) nos da: U d + t Fd =
j j
x j / x j
(7.2)
Qd
(7.3)
que equivale a la misma ley de conservacin aplicada a cada subdominio. La idea detrs del mtodo o a e de los volmenes nitos es discretizar cada integral siendo esta la principal diferencia del mtodo u e respecto a muchos otros que llevan el problema a una formulacin diferencial. Para poder arribar a o la forma ms conveniente del mtodo de los volmenes nitos debemos aplicar a (7.3) el teorema de a e u Gauss-Green o de la divergencia y transformar la integral de volmen en otra de supercie, u U d + t F dS =
j j
Qd
(7.4)
(7.4) es la ecuacin bsica del mtodo de los volmenes nitos que tiene como una de sus principales o a e u ventajas la de trabajar con el trmino de los ujos sobre el contorno del dominio, con lo cual si el e costo computacional es dominado por esta operacin la reduccin del mismo puede ser notable. A o o 190
Cap tulo 7. Metodo de los volumenes finitos
partir de (7.4) se necesita discretizar las integrales de alguna forma y lograr el sistema discreto nal a resolver. Ya que el mtodo es planteado sobre la forma integral de las leyes de conservacin es de e o notar que al satisfacer las mismas sobre cada subdominio implica satisfacerlas sobre el dominio global. Por ejemplo, si planteamos las leyes de conservacin sobre los 3 dominios de la gura ?? llegamos a: o U d + 1 t U d + 2 t U d + 3 t F dS =
ABCA 1
Qd Qd
2
F dS =
DEBD
(7.5)
F dS =
AEDA 3
Qd
que sumados producen el mismo resultado que si lo hubiramos aplicado a todo el dominio. Esto e se explica ya que dos subdominios vecinos por una cara o arista comparten los trminos de ujo, con la e diferencia que debido a la orientacin de la normal exterior a cada uno, los mismos se deben balancear, o F dS =
ED DE
F dS
(7.6)
Esta propiedad debe ser satisfecha si se requiere que el esquema sea conservativo, caso contrario pueden aparecer contribuciones internas produciendo esquemas no conservativos. Como para ilustrar la diferencia entre un esquema conservativo y otro que no lo es planteamos el caso de una ley de conservacin en un dominio unidimensional que solo cuenta con un trmino de ujo o e convectivo, u f + =q t x En la gura ?? se muestra la discretizacin espacial adoptada. o (7.7)
ui fi+1/2 fi1/2 + = qi (7.8) t x Este esquema sencillo, similar a aquel obtenido por diferencias nitas equivale a haber tomado como volmen la longitud de cada segmento que representa cada celda, con el valor de la variable en u cada nodo de la grilla, la fuente evaluada tambin en cada nodo de la misma y los ujos evaluados en e los puntos medios entre los nodos. Lo anterior tambien es equivalente a haber tomado los ujos en los nodos y tanto la variable como la fuente en el centro de cada celda. Si aplicamos (7.8) para los nodos i + 1 e i 1 y sumamos llegamos a: (ui + ui+1 + ui1 ) fi+3/2 fi3/2 1 + = (qi+1 + qi + qi1 ) (7.9) t 3 3x 3 Esto es posible ya que los ujos en los puntos intermedios se van cancelando por una propiedad denominada telescpica. Este esquema es conservativo. Veamos para este mismo problema como o llegamos a un esquema no conservativo. Supongamos que f = f (u) como sucede en el ujo convectivo de la ecuacin del momento lineal, entonces: o
191
f f u u =( ) = a(u) (7.10) x u x x donde a(u) es conocido como el jacobiano del ujo convectivo. Pensando nuevamente en la ecuacin o 2 /2 donde en este caso a(u) = u, entonces la forma de momento podemos tomar el caso de f = u matemticamente equivalente a (7.7) expresada en trminos de este jacobiano es a e u u + a(u) =q t x Discretizando la (7.11) ui+1/2 ui1/2 ui + ai = qi t x ai+1/2 + ai1/2 ai = 2 Obteniendo similares expresiones para los nodos i 1 e i + 1 y sumando llegamos a: ui+3/2 ui3/2 1 (ui + ui+1 + ui1 ) + (ai+3/2 + ai3/2 ) (qi+1 + qi + qi1 ) = t 3 6x 3 ui+3/2 ui1/2 ui+1/2 ui3/2 (ai+1/2 ai3/2 ) + (ai+3/2 ai1/2 ) 6x 6x (7.11)
(7.12)
(7.13)
Si hubiramos discretizado (7.11) sobre un solo subdominio AB en lugar de agregar las contribue ciones de 3 subdominios equivalentes hubiramos obtenido solo el miembro izquierdo de (7.13) , con e lo cual el miembro derecho equivale a una fuente interna numrica que no representa la f e sica del problema. Haciendo un anlisis numrico sobre el esquema no conservativo mediante expansin en series a e o de Taylor se puede ver que la importancia de estas fuentes internas es similar al error de truncamiento con lo cual en principio parecer ser despreciable. No obstante, lo anterior no es vlido en el caso de a a existir fuertes gradientes en la solucin tal el caso de ujo transnico con ondas de choque, bastante o o citado en la bibliograf a. La expresin formal de una discretizacin conservativa a (7.7) puede escribirse como: o o
ui fi+1/2 fi1/2 + = qi (7.14) t x donde f es llamado el ujo numrico y es una funcin de los valores de u en los puntos vecinos, e o fi+1/2 = f (ui+k , . . . , uik+1 )
(7.15)
La consistencia de (7.14) requiere que cuando la solucin u es constante el ujo numrico sea igual o e al del continuo, f (u, . . . , u) = f (u) Una consecuencia interesante de lo anterior la establece el siguiente teorema: (7.16)
192
Seccin 7.2. Formulacin del mtodo de los volmenes nitos o o e u
Teorema de Lax y Wendro (1960) Si la solucin ui de (7.14) converge acotadamente en casi o todo punto a alguna funcin u(x, t) cuando x, t 0, luego u(x, t) es una solucin dbil de (7.7) . o o e
7.2
Formulacin del mtodo de los vol menes nitos o e u
Hemos visto que las leyes de conservacin escritas en forma integral y aplicadas a un volmen discreto o u j pueden escribirse como en (7.4) . La forma discreta de esta se escribe como: (Uj j ) + t (F S) = Qj j
lados
(7.17)
donde la suma de los ujos se reere a todos los contornos externos de la celda de control j . La gura ?? muestra en su parte superior un ejemplo de grilla aplicable a volmenes nitos. Tomando la u celda 1 identicada por los ndice (i, j) entonces Uj = Uij , j = area (ABCD) y los trminos de ujo e se obtienen como suma sobre los 4 lados AB, BC, CD, DA. Asimismo en la gura inferior j est a representada por el area sombreada formada por los tringulos que tienen como nodo comn al nodo a u j y los ujos se obtienen sumando sobre los lados 12, 23, 34, 45, 56, 61. Esta es la formulacin general o del mtodo de los volmenes nitos , y el usuario tiene que denir para un volmen j seleccionado e u u cmo estimar el volmeny las caras de la celda y cmo aproximar los ujos sobre estas caras. Esto o a u o a en diferencias nitas equivale a elegir la aproximacin en diferencias para las derivadas. o Para denir una formulacin conservativa se requiere: o 1.j
j = ,
2.- j = , pueden solaparse pero solo si los contornos internos que surgen del solapamiento son comunes entre dos celdas, 3.- los ujos en las supercies de las celdas deben calcularse con independencia de a cual celda le corresponde. (2) signica que todos los contornos de las celdas deben pertenecer a lo sumo a dos celdas y solo aquellos que estn en el contorno exterior del dominio pueden no satisfacer este requisito. a La condicin (3) garantiza la conservatividad. o A continuacin y tomando como referencia la gura ?? mencionaremos algunas diferencias entre el o mtodo de los volmenes nitos con el mtodo de las diferencias nitas y el mtodo de los elementos e u e e nitos . 1.- Las coordenadas del nodo j que es la precisa ubicacin de la variable U dentro de la celda j o no aparece explicitamente. Consecuentemente Uj no est asociada con ningn punto jo del a u dominio y puede considerarse como un valor promedio de la variable de ujo U sobre la celda. Esta interpretacin surge inmediatamente inspeccionando la gura superior de la grca ??. o a 2.- Las coordenadas de la malla aparecen solamente para denir el volmen de la celda y las areas u de las caras, por ejemplo en la misma gura superior las coordenadas A, B, C, D son sucientes.
193
Seccin 7.3. El mtodo de los volmenes nitos en 2D o e u
3.- En problemas estacionarios sin fuentes el unico trmino que permanece es el de la suma de e los ujos sobre las caras con lo cual el mtodo puede programarse para barrer estas caras e ir e descargando los ujos sobre las dos celdas al mismo tiempo considerando la diferencia en signo. 4.- El mtodo de los volmenes nitos permite una fcil introduccin de las condiciones de cone u a o torno, especialmente aquellas que vienen expresadas en trmino de los ujos que pueden ser e directamente impuestos en el respectivo trmino. e
7.2.1
Mallas y vol menes de control u
En cuanto a las mallas que puede manipular el mtodo de los volmenes nitos este cuenta con la e u misma exibilidad que el mtodo de los elementos nitos pero restringido a elementos con lados rectas e o caras planas. Entre las mallas posibles podemos hacer una divisin entre: o 1.- mallas estructuradas, son aquellas en las cuales cualquier nodo puede ser ubicable en trmino e de dos ndices (i, j) en 2D o tres ndices (i, j, k) en 3D. Estas mallas son muy comnmente u denominadas mallas de diferencias nitas. 2.- mallas no estructuradas, son aquellas comnmente empleadas por el mtodo de los elementos u e nitos y donde no es posible encontrar una expresin de 2 o 3 o ndices que permita ubicar un nodo. Una vez que la malla se ha construido el usuario debe decidir entre 2 opciones propias del mtodo e de los volmenes nitos : u 1.- centrado en las celdas, las variables de ujo representan un promedio de los valores de la misma sobre la celda y estn asociadas a la celda. (ver gura ?? (a) y (c)) a 2.- centrado en los vrtices, en este caso las variables de ujo representan los valores en los vrtices e e o los puntos de la malla. (ver gura ?? (b) y (d))
7.3
El mtodo de los vol menes nitos en 2D e u
Cconsideremos la ecuacin (7.4) aplicada al volmen de control ABCD de la gura ?? (a), o u t Ud +

j ABCD
(f dy gdx) =
j
Qd
(7.18)
donde la derivada temporal pudo ser extraida de la integral siempre que consideremos el caso de dominio y malla ja. f y g representan las dos componentes cartesianas del vector ujo F. Al discretizar estas integrales llegamos a la siguiente expresin: o (U)ij + t [fAB (yB yA ) gAB (xB xA )] = (Q)ij
ABCD
1
(7.19)
ABCD = /2|xAC xBD |
194
7.3.1
Evaluacin de los ujos convectivos o
La evaluacin de los ujos fAB y gAB depende del esquema elegido tambien como de la localizacin o o de las variables de ujo con respecto a la malla. Como es habitual en mtodos numricos en mecnica e e a de uidos podemos distinguir entre esquemas centrados y aquellos que tienen upwinding. Los primeros requieren estimaciones locales del ujo mientras que los ultimos determinan los ujos acorde con la direccin de propagacin de las componentes ondulatorias. Ahora exploraremos las distintas o o posibilidades. Esquema central - centrado en la celda 1.- Promedio de ujos fAB = 1/2(fij + fi+1,j ) fij = f (Uij ) 2.- El ujo de los promedios fAB = f 3.- Otro promedio de ujos fAB = 1/2(fA + fB ) con fA = f (UA ) 1 UA = (Uij + Ui+1,j + Ui+1,j1 + Ui,j1 ) 4 1 fA = (fij + fi+1,j + fi+1,j1 + fi,j1 ) 4 (7.23) (7.22) Uij + Ui+1,j 2 (7.21) (7.20)
(7.24)
Tanto (7.21) como (7.22) son aproximaciones directas al ujo fAB . En especial esta ultima equivale a integrar el ujo sobre cada cara usando la regla del trapecio AB f dy = (fA + fB )(yB yA )/2. Sumando sobre todas las caras llegamos a:
F dS =
ABCD
(7.25)
= /2[(fA fC )yDB + (fB fD )yAC (gA gC )xDB (gB gD )xAC ] = 0

1
lo cual equivale al mtodo de Galerkin sobre elementos triangulares o cuadrangulares. e Para el mtodo de los volmenes nitos centrado en las celdas usando esquemas upwind el ujo e u convectivo es evaluado como una funcin de la direccin de propagacin de la asociada velocidad o o o convectiva. Si pensamos en el caso escalar bidimensional esto ultimo puede expresarse como: A(U ) = F = a(U )i + b(U )j U f g a(U ) = b(U ) = U U
(7.26)
195
Considerando la gura ?? en su parte superior (centrado en las celdas), se podr denir: a (F S)AB = (F S)ij (F S)AB = (F S)i+1,j si (A S)AB > 0 si (A S)AB < 0 (7.27)
mientras que para el caso de centrado en los vrtices (gura (b)) tenemos: e (F S)AB = (F S)CD (F S)AB = (F S)EF si (A S)AB > 0 si (A S)AB < 0 (7.28)
La desventaja de esta tcnica est en que se aumenta bastante el soporte de informacin en forma e a o innecesaria ya que estn involucrados los vrtices (i 2, j) e (i, j 2). a e Esquema central sobre una malla cartesiana Si bien el mtodo de los volmenes nitos es tan general como el mtodo de los elementos nitos y e u e puede ser aplicado a mallas completamente no estructuradas en esta seccin trataremos el caso de una o grilla uniforme y demostraremos que el mismo es completamente equivalente a un esquema obtenido por el mtodo de las diferencias nitas . Si miramos la malla superior de la gura ?? y si por un e momento la recticamos un poco de forma de alinear los lados con los ejes cartesianos y planteamos las integrales de contorno sobre la curva ABCD encontramos: LADO AB yAB = yi+1/2,j+1/2 yi+1/2,j1/2 = y xAB = xi+1/2,j+1/2 xi+1/2,j1/2 = 0 LADO BC yBC = yi1/2,j+1/2 yi+1/2,j+1/2 = 0 xBC = xi1/2,j+1/2 xi+1/2,j+1/2 = x LADO CD yCD = yi1/2,j1/2 yi1/2,j+1/2 = y xCD = xi1/2,j1/2 xi1/2,j+1/2 = 0 LADO DA yDA = yi+1/2,j1/2 yi1/2,j1/2 = 0 xDA = xi+1/2,j1/2 xi1/2,j1/2 = x ij = xy fAB = fi+1/2,j fBC = fi,j+1/2 fCD = fi1/2,j fDA = fi,j1/2 196 (7.29)
Reemplazando lo anterior en (7.19) llegamos a xy Uij + (fi+1/2,j fi1/2,j )y + (gi,j+1/2 gi,j1/2 )x = Qij xy t (7.30) (fi+1/2,j fi1/2,j ) (gi,j+1/2 gi,j1/2 ) Uij + + = Qij t x y Ahora tenemos que especicar como denir los ujos en los centros de los lados fi1/2,j1/2 Caso (a) Aplicando (7.20) a un esquema centrado en las celdas Uij (fi+1,j fi1,j ) (gi,j+1 gi,j1 ) + + = Qij t 2x 2y Caso (b) Aplicando (7.24) a un esquema centrado en las celdas Uij 1 (fi+1,j fi1,j ) (fi+1,j+1 fi1,j+1 ) (fi+1,j1 fi1,j1 ) + 2 + + + t 4 2x 2x 2x 1 (gi,j+1 fi,j1 ) (gi+1,j+1 fi+1,j1 ) (gi1,j+1 fi1,j1 ) 2 + + = Qij 4 2y 2y 2y Comentarios: 1.- Se puede demostrar que estos esquemas son de segundo orden de precisin, o 2.- no dependen de los valores de los ujos fij , gij , 3.- (7.28) puede generar oscilaciones debido al desacoplamiento de las ecuaciones correspondientes a (i + j) par de aquellas donde (i + j) es impar. (7.29) no contiene este inconveniente. Idntico tratamiento puede hacerse con el caso de formulaciones centradas en los vrtices pero esto e e es dejado como ejercicio prctico. a Esquemas upwind en mallas cartesianas Supongamos la ecuacin de adveccin pura lineal en 2D, o o U U U +a +b =0 a, b > 0 (7.33) t x y sobre una malla similar a la representada en la parte superior de la gura ?? pero recticada de forma de lograr alinearla con los ejes coordenados cartesianos. Si f = aU y g = bU entonces, (F S)AB = fij y = aUij y (F S)CD = fi1,j y = aUi1,j y (F S)BC = gij x = bUij x (F S)DA = gij,j1 x = bUi,j1 x
(7.31)
(7.32)
(7.34)
197
que reemplazada en la (7.19) aplicada a este problema nos da: Uij a b + (Uij Ui1,j ) + (Uij Ui,j1 ) = 0 t x y Mallas no uniformes Garantizar la precisin de segundo orden de algunos esquemas cuando las mallas involucradas son o no uniformes no es tarea fcil. No entraremos en detalles aqu por ser un tema demasiado espec a co pero hacer promedios sobre mallas no uniformes es muy dependiente del problema, de la discretizacin o usada, etc. Por el momento nos conformamos con lo ya visto y debemos cuidar que las mallas no tengan fuertes gradientes, o sea que sean suaves. Esto hace que la generacin de mallas para el mtodo de o e los volmenes nitos sea bastante restrictiva. u (7.35)
7.3.2
Frmulas generales de integracin o o
A diferencia de los problemas convectivos donde los ujos son funciones homogneas de primer orden e en las variables de estado, los problemas con difusin contienen en general ujos difusivos que son o dependientes tanto de la variable a resolver como de su gradiente. En esto casos se hace necesario promediar derivadas de las variables en lugar de las variables en si misma. Un ejemplo t pico de esto son las ecuaciones de Navier-Stokes que contienen Fd = Fd (U, U) . Una forma bastante general de resolver esto es apelando al teorema de la divergencia y a la integracin por partes. Supongamos que o tenemos integrales de ujo y la queremos aproximar por el valor promedio del integrando multiplicado por la medida del dominio de integracin. Entonces, aplicando el teorema de la divergencia, o U d =
U x U y
U U i+ j)d = U dS y S x 1 U 1 = d = U i dS x S 1 U 1 U j dS = d = y S dS = dyi dxj (
(7.36)
U x U y
1 S 1 1 = U dx = S = 1 U dy =
ydU
S
xdU
S
Aplicando la regla de integracin del trapecio llegamos a: o
198
U x
U 1 d = x 2 = 1 2
(Ul + Ul+1 )(yl+1 yl )

l
(yl + yl+1 )(Ul+1 Ul )

l
1 2
(7.37) Ul (yl+1 yl1 )

l
1 = 2 U y = 1 U 1 d = y 2 1 = 2
yl (Ul+1 Ul1 )
l
(Ul + Ul+1 )(xl+1 xl )

l
(xl + xl+1 )(Ul+1 Ul )

l
1 = 2 = 1 2
(7.38) Ul (xl+1 xl1 )

l
xl (Ul+1 Ul1 )
l
donde la suma se extiende a todos los vrtices desde 1 hasta 6 que rodean al nodo j en la gura ?? e con U0 = U6 y U7 = U1 . La misma expresin se puede aplicar para el clculo del area de las celdas, o a = = 1 2 (xl + xl+1 )(yl+1 yl )
l
1 2
(yl + yl+1 )(xl+1 xl )

l
1 2
(7.39) xl (yl+1 yl1 )

l
1 = 2
yl (xl+1 xl1 )
l
Si las celdas fueras cuadrangulares se puede hallar una forma interesante y particular de la anterior tomando la tercera de las ecuaciones (7.37,7.38,7.39) y agrupando por valores en los nodos opuestos. Esto queda para la prctica. a Ejemplo: Ecuacin de difusin en 2D o o Tomemos la ecuacin o U U U + ( )+ ( )=0 t x x y y considerando constante las componentes del ujo son:
(7.40)
199
f =
U x U g= y
(7.41)
Considerando (7.19) llegamos a una ecuacin para cada celda, siendo la de (i, j) escrita como: o U t xy + (fAB fCD )y + (gBC gDA )x = 0 (7.42)
ij
El ujo fA se toma como valor promedio entre las celdas 1678 y de manera similar con fB sobre las celdas 1893 con lo cual se escriben como: U )A = (Ui+1,j + Ui+1,j1 Ui,j Ui,j1 ) x 2x (7.43) U fB = ( )B = (Ui+1,j + Ui+1,j+1 Ui,j Ui,j+1 ) x 2x 1 (f + f ), multiplicando por y y haciendo lo mismo con las restantes 3 caras Tomando fAB = /2 A B se obtiene una expresin sencilla si consideramos x = y, o fA = ( Uij + Ui+1,j+1 + Ui+1,j1 + Ui1,j+1 + Ui1,j1 4Uij t 4(x)2 Si en su lugar usamos U (7.45) = (Ui+1,j Uij ) x AB x esta conduce a la standard forma del operador de Laplace en el mtodo de las diferencias nitas e fAB = Uij + Ui+1,j + Ui,j1 + Ui1,j + Ui,j+1 4Uij t (x)2 (7.46) (7.44)
7.4
El mtodo de los vol menes nitos en 3D e u
En el caso 3D los volmenes nitos ms comnmente utilizados son los tetraedros y los hexaedros. u a u Con los primeros se tiene la ventaja de que son muy generales ya que cualquier dominio tridimensional puede ser mallado con tetraedros, mientras que con hexaedros el problema no es tan sencillo existiendo algunas restricciones. No obstante en lo que sigue pensaremos en volmenes independientemente de u su forma geomtrica para aplicar algunos conceptos particulares al caso 3D. e
7.4.1
Evaluacin del area de las caras de la celda o
Una importante propiedad del vector area asociado con cada celda se puede derivar a travs del e teorema de la divergencia. Por ejemplo si en (7.36) usamos U = 1 entonces dS =
S
1d = 0
(7.47)
200
mostrando que el vector supercie de una dada cara contenida en una supercie cerrada S y orientado en la direccin saliente o Sf ace =
f ace
dS
(7.48)
depende solamente del propio contorno de la cara. Tomemos la gura ?? donde se muestra el vector supercie exterior para algunas de las caras del hexaedro. Si por ejemplo tomamos la cara ABCD vemos que entre las muchas alternativas para evaluar el vector area podemos citar a: 1.- usando las diagonales SABCD = 1/2(xAC xBD ) 2.- usando las aristas SABCD = 1/2[(xAB xBC ) + (xCD xDA )] (7.50) (7.49)
No obstante ambas expresiones conducen a idnticos resultados aun en el caso general en el que e la cara no sea coplanar, siendo la (7.49) la ms econmica desde el punto de vista de la cantidad de a o operaciones involucradas.
7.4.2
Evaluacin del vol men de la celda de control o u
En la gura ?? vemos una forma de calcular el volmen de un hexaedro mediante divisin en tetraedros u o o pirmides. Para calcular el volmen de un tetraedro podemos apelar a las siguientes identidades: a u ad =
S
A dS x=2 (7.51)
en 2D tomando a = x 2 =
S
x dS =
S
(xdy ydx) x=3 x Sf aces

f aces
en 3D tomando a = x 3P ABC =
P ABC
x dS =
La ultima expresin en (7.51) es equivalente a o 1 (7.52) P ABC = x(P ) SABC 3 con x(P ) el vector posicin respecto al punto P . Este punto es arbitrario pero por comodidad o conviene que coincida con uno de los vrtices del tetraedro. Ya que el punto P pertenece a todas las e caras excepto a la cara ABC solo con ella el producto escalar es no nulo. Si recurrimos a la expresin o (7.49) para evaluar el area de las caras de la celda y la reemplazamos en (7.52) hallamos:
201
1 P ABC = x(P A) (xAB xBC ) 6 que puede escribirse tambin como un determinante : e xP 1 xA = 6 xB xC yP yA yB yC zP zA zB zC
(7.53)
P ABC
(7.54)
Se debe tener cuidado con la numeracin dada al tetraedro ya que de esta depender el signo de o a algunas contribuciones. Una regla general podr ser utilizar la regla de la mano derecha partiendo de a la cara y tomando el cuarto nodo en el sentido que indica el pulgar. Otra recomendacin importante o es que cuando partimos una malla de hexaedros en tetraedros se debe tomar la precaucin de que las o caras hexadricas comunes a dos celdas tengan diagonal coincidente. Estas diagonales surgen al hacer e la particin. o En el caso de una particin del hexaedro en pirmides esta puede dividirse en dos tetraedros y el o a clculo del volmen y las areas se reduce a lo visto anteriormente. a u Como caso de inters se puede demostrar que si alguna de las caras de la celda hexa edrica no e es coplanar entonces las dos unicas particiones del hexaedro en 5 tetraedros no producen el mismo valor de volmen. Si tomamos un promedio de los dos valores obtenidos este equivale a hacer una u transformacin isoparamtrica trilineal al estilo mtodo de los elementos nitos e integrarla con 222 o e e puntos de Gauss.
202
Seccin 7.5. TP.VII.- Trabajo Prctico o a
7.5
TP.VII.- Trabajo Prctico a
mtodo de los vol menes nitos en 1D e u Muestre que la ley de conservacin integral sobre un dominio unidimensional a x b aplicada o a u f + =0 t x f (a) = f (b) se reduce a que
b
(7.55)
udx
a
es constante en el tiempo. Aplique esta condicin a la variable espacial discretizada con una o distribucin arbitraria de puntos en la malla y muestre que la anterior condicin se reduce a: o o
1
/2
i
ui (xi+1 xi1 ) = 0 un+1 i un i ui = t t

t b a udx
(7.56)
ui =
Ayuda: Aplique la regla del trapecio para evaluar la integral aislando los trminos en ui . e
= 0 y reescriba la suma
Escriba un programa en MatLab para resolver la ecuacin de adveccin difusin 1D no estacioo o o naria utilizando una formulacin o 1.- centrada en la celda, 2.- centrada en los vrtices e Tenga en cuenta la necesidad de ingresar una condicin inicial, condiciones de contorno del tipo o Dirichlet y Neumann y como datos del problema f sico la velocidad de transporte y el coeciente de difusin. o mtodo de los vol menes nitos en 2D e u Hemos visto algunas formas de evaluar los ujos convectivos como las expresiones (7.20) y (7.22), entre otras. Su aplicacin al caso del mtodo de los volmenes nitos centrado en las celdas o e u produjo las ecuaciones (7.31) y (7.32) respectivamente. Obtenga las expresiones equivalentes al mtodo de los volmenes nitos centrado en los vrtices. e u e Tome una celda cuadrangular y partiendo de las terceras expresiones de (7.37,7.38,7.39) obtenga una expresin para el promedio de las derivadas y otra para el volmen de la celda tratando de o u que la expresin nal quede expresada como diferencia entre valores opuestos por cada diagonal. o
203
Considere la ecuacin de difusin bidimensional o o U U U + ( )+ ( )=0 t x x y y y escriba la formulacin centrada en la celda para una malla estructurada considerando que los o coecientes de difusin son variables con la posicn y se denen en los vrtices de la celda, siendo o o e el valor en el centro de cada arista aquel que surge como promedio de los valores en los vrtices e extremos de cada arista. De la gura ?? surgen algunas alternativas para denir las celdas en 2D para el mtodo de los e volmenes nitos . Tome la mostrada a la izquierda ((a) Mc Donald-1971), aplique la denicin u o del mtodo de los volmenes nitos (7.17) a la celda ACDEGH e u (Uj j ) + t (F S) = Qj j
lados
y derive el esquema para el nodo (i, j) usando como denicin de ujos por cara aquella denida o como el promedio de los ujos en los puntos extremos, es decir, fAC = 1/2(fA + fC ) y compare con la expresin (7.57) o Uij 1 (fi+1,j fi1,j ) (fi+1,j+1 fi1,j+1 ) (fi+1,j1 fi1,j1 ) + 2 + + + t 4 2x 2x 2x 1 (gi,j+1 fi,j1 ) (gi+1,j+1 fi+1,j1 ) (gi1,j+1 fi1,j1 ) 2 + + = Qij 4 2y 2y 2y mtodo de los vol menes nitos en 3D Mostrar que las expresiones e u SABCD = 1/2[(xAB xBC ) + (xCD xDA )] o 1 SABCD = [(xAB + xDC ) (xBC + xAD )] 4 utilizadas para evaluar el area de las caras de la celda de control en 3D son equivalente a la expresin: o SABCD = 1/2(xAC xBD ) Tome un hexaedro con al menos una cara no coplanar. Realice las dos unicas posibles particiones en 5 tetraedros cada una y calcule el volmen de cada particin utilizando la expresin del u o o determinante:
(7.57)
204
1234
x1 1 x2 = 6 x3 x4
y1 y2 y3 y4
z1 z2 z3 z4
(7.58)
(a) Qu valores de volmenes obtuvo ?, e u (b) son coincidentes ?. (c) Tome su promedio. (d) Demostrar que el promedio coincide con el volmen obtenido mediante el clculo por el u a mtodo de los elementos nitos usando una transformacin isoparamtrica trilineal intee o e grada con 2 2 2 puntos de Gauss.
205
Cap tulo 8
Anlisis de esquemas numricos a e

8.1 Introduccin o
De acuerdo a lo establecido en los cap tulos precedentes vimos que la discretizacin de las variables o independientes y de las ecuaciones conducen a un esquema numrico particularmente dependiente del e mtodo usado. Un esquema numrico en general se lo representa mediante un stencil o estrella del e e operador discreto que permite vincular la solucin entre los nodos de la malla. Si bien en el continuo o el dominio de dependencia e inuencia de un operador abarca regiones extensas del dominio espacial en el caso discreto este se restringe a una zona ms acotada y que depender del orden y tipo de a a aproximacin utilizado. Uno de los pasos que anteceden a la aplicacin prctica de los esquemas o o a numricos es llevar a cabo un anlisis del mismo para tener una idea de lo que puede esperarse del e a mismo. El anlisis ms clsico incluye tpicos como consistencia, precisin, estabilidad y convergencia. a a a o o Existe una gran variedad de mtodos de anlisis desde aquellos que estudian el comportamiento e a del operador discreto en un medio innito, otros que incluyen el tratamiento del contorno y algunos otros que dan cuenta de la inuencia de las no linealidades. Antes de pasar a tratar los ms impora tantes mtodos de anlisis introduciremos al lector en los conceptos bsicos de los 4 tpicos antes e a a o mencionados.
8.2
Deniciones bsicas a
Consideraremos una de las ecuaciones ms representativas de los modelos matemticos que aparecen a a en mecnica de uidos, la ecuacin hiperblica de adveccin pura no estacionaria, que en su versin a o o o o unidimensional se escribe como: u u +a =0 (8.1) t x donde a es la velocidad de propagacin de la onda cuya amplitud es u. Reescribimos la anterior o usando sub ndices para referirnos a las derivadas, entoces: ut + aux = 0 (8.2)
206
Cap tulo 8. Analisis de esquemas numericos
Seccin 8.2. Deniciones bsicas o a
Consideremos un problema de valores iniciales de frontera, entonces para poder resolver la (8.2) necesitamos especicar : t=0 x=0 u(x, 0) = f (x) u(0, t) = g(t) 0xL t0 (8.3)
Supongamos que aplicamos un esquema en diferencias nitas centradas de segundo rden para la o primera derivada espacial o uno de volmenes nitos equivalente, entonces el esquema semidiscreto u nos queda a (ui+1 ui1 ) (8.4) 2x Este es comnmente referenciado como el mtodo de las l u e neas. El prximo paso es denir una discretizacin para el tiempo. Esto implica el reemplazo de la o o derivada temporal por una forma discreta y adems involucra tomar la decisin de elegir el nivel de a o tiempo en el cual evaluar el lado derecho. (ut )i = Esquema expl cito Eligiendo una forma en diferencias hacia adelante, el esquema ms simple a que se obtendr ser evaluar el lado derecho en el tiempo anterior. Este esquema se denomina a a forward Euler y se escribe como: un+1 un a i i = (un un ) i1 t 2x i+1 Surge por inspeccin directa que la solucin se obtiene despejando directamente o o un+1 = f (un , un , un ) i1 i i+1 i Esquema impl cito Si en cambio evaluamos el lado derecho en el tiempo posterior y si usamos diferencias hacia atrs a para la forma discreta de la derivada temporal tenemos el esquema backward Euler: un+1 un a i i = (un+1 un+1 ) i1 t 2x i+1 Como vemos aqu la solucin se obtiene invirtiendo un sistema de ecuaciones de la forma o f (un+1 , un+1 , un+1 ) = un i i1 i i+1 (8.8) (8.7) (8.6) (8.5)
donde la matriz que representa el sistema es tridiagonal debido a que la estrella es centrada y fue generada mediante la combinacin de tres nodos. o Estos esquemas producen aproximaciones con una precisin de segundo rden en el espacio y o o primer rden en el tiempo. Usando esquemas de primer rden en el espacio surgen los siguientes dos o o esquemas:
207
Seccin 8.2. Deniciones bsicas o a
un+1 un a i i = (un un ) i1 t x i
(8.9)
un+1 un a i i = (un+1 un+1 ) (8.10) i1 t x i Analizando lo que ocurre con los esquemas (8.5-8.10) se puede comprobar que los dos primeros son incondicionalmente inestables mientras que el tercero es condicionalmente estables y el cuarto es incondicionalmente estable. Esto signica que los dos primeros producen un error que crece en amplitud con el paso de tiempo (divergen) mientras que en el tercer esquema debemos elegir una relacin entre el paso de tiempo y el de la malla acorde a un criterio de estabilidad. Como veremos o ms adelante en problemas de adveccin pura el parmetro que gobierna la estabilidad de un esquema a o a numrico es el nmero de Courant. Este se dene como: e u at (8.11) x El cuarto esquema (8.10) converge sin restricciones pero tiene una precisin baja (primer rden). o o = Problema: Usando Matlab implementar los 4 esquemas (8.5-8.10) para una funcin f (x) o 0 1 + 1/ x 2 f (x) = 1 1/2x 0 ; x < 0.2 ; 0.2 x 0 ; 0 x 0.2 ; x > 0.2
(8.12)
con a = 1, x = 1, g(x = 5) = 0, L = 10. Tome distintos valores del nmero de Courant, desde u = 0.1 hasta valores superiores a = 1. Este ejemplo simple muestra la importancia del anlisis antes de realizar cualquier experimento a numrico. Podemos formularnos las siguientes preguntas a la hora de analizar un esquema: e Qu condiciones imponer para una aproximacin aceptable ? e o Cmo predecir los l o mites de estabilidad del esquema ? Cmo obtener informacin cuantitativa de la precisin ? o o o Para responder estas preguntas recurrimos a los conceptos de: consistencia Esta dene una relacin entre la ecuacin diferencial y la formulacin discreta. o o o estabilidad Establece una relacin entre la solucin calculada y la solucin exacta de las ecuaciones o o o discretas convergencia Conecta la solucin calculada con la solucin exacta de la ecuacin diferencial. o o o En la gura 8.1 vemos un cuadro sinptico con la relacin entre los operadores, sus soluciones y o o los tpicos de anlisis. A continuacin entraremos ms en detalle en ellos. o a o a
208
Seccin 8.3. Consistencia o
Figura 8.1: Denicin de consistencia - convergencia - estabilidad o
8.3
Consistencia
Un esquema es consistente si la ecuacin discreta tiende al operador diferencial cuando todos los o incrementos de las variables independientes tienden a cero. Esto se puede expresar como: Lh u Lu para xj , t 0 (8.13)
con xj representando los pasos de la malla en todas las direcciones. Como vemos ambos operadores se aplican a la solucin exacta del problema. o Apliquemos la denicin al caso (8.2). Para ello desarrollemos en series de Taylor alrededor del o a e punto un todas los valores nodales que estn incluidos en el esquema numrico (8.5). i un+1 = un + t ut i i x2 uxx 2
n i
t2 utt 2
n i
+ ...
un = un + x ux i+1 i
n i
n i
x3 uxxx 6
n i
+ ...
(8.14)
n n x2 x3 uxx uxxx + . . . 2 6 i i i Para los esquemas de primer rden como el aplicado a la derivada temporal hemos cortado el o desarrollo en el trmino O(t2 ) mientras que en las aproximaciones espaciales centradas, que son de e segundo rden hemos extendido el desarrollo un trmino ms. Reemplazando (8.14) en el esquema o e a (8.5) y usando la denicin (8.13) vemos que o
un = un x ux i1 i
un+1 un a t i i + (un un ) (ut + aux )n = utt i1 i t 2x i+1 2
n i
x2 a uxxx 6
n i
+ O(t2 , t4 )
(8.15)
Se ve claramente que si x , t 0 el segundo miembro se anula y el esquema es, por la denicin, o consistente. La precisin del esquema puede verse en los trminos que lideran el segundo miembro. Este o e esquema es de primer rden en el tiempo y de segundo rden en el espacio. No obstante la precisin o o o t global podr alterarse si alguna relacin entre x y t se establece, por ejemplo si se ja que x sea a o constante, entonces ser globalmente de primer rden, mientras que si se ja la relacin x2 constante a o o t ser globalmente de segundo rden. a o Otra forma interesante de interpretar la consistencia es la siguiente: Supongamos que un es la solucin exacta del esquema numrico, o sea las un son tales que satisfacen i o e i exactamente (8.5). Al reemplazarlas en el operador diferencial arrojan la siguiente identidad:
n
ut + ax u
t utt 2
n i
x2 a uxxx 6
n i
+ O(t2 , t4 )
(8.16) 209
Seccin 8.4. Estabilidad o
mostrando que la solucin exacta de una formulacin discreta no satisface exactamente la ecuacin o o o diferencial para valores nitos del paso de tiempo y el incremento de la malla. No obstante la solucin o exacta de la ecuacin en diferencias satisface una ecuacin diferencial equivalente, llamada modicada, o o que diere de la original en el error de truncamiento, representado por los trminos del lado derecho. e En este ejemplo
n n t x2 utt uxxx + O(t2 , t4 ) (8.17) 2 6 i i que puede ser expresado en forma equivalente aplicando la ecuacin diferencial sobre l para o e eliminar la derivada temporal, T
ut utt
i n i
= a ux = a uxt
n i i
+ O(t, x2 ) + O(t, x2 )
n i
(8.18)
= a2 uxx
+ O(t, x2 )
con lo cual el error de truncamiento puede ser escrito como

n n t 2 x2 a uxx a uxxx + O(t2 , x2 ) T 2 6 i i lo cual equivale nalmente a resolver una ecuacin diferencial modicada o
(8.19)
t 2 a uxx + O(t2 , x2 ) (8.20) 2 Esto muestra porqu el esquema es inestable. Tal como mencionramos anteriormente el esquema e a numrico (8.5) genera un error de truncamiento equivalente a una difusin negativa, con un coeciente e o t 2 2a Finalmente la consistencia y el rden de precisin de un esquema lo dictamina el error de truncao o miento, en el primer caso tendiendo a cero con los incrementos espaciales y temporales y en el segundo caso a travs de las potencias con las cuales se va a cero. e Concluyendo, si ut + aux =
T
= O(tq , xp )
(8.21)
la consistencia exige p > 0 , q > 0 la precisin est asociada con los valores de p , q o a
8.4
Estabilidad
La denicin de estabilidad ha sufrido bastantes cambios desde que fue por primera vez introducida o por OBrien en 1950. Sin entrar en detalles histricos saltamos hasta 1956 cuando Lax y Richtmyer o introdujeron el concepto de estabilidad basado en la evolucin temporal de la solucin. Posteriormente, o o en 1967, Ritchmyer y Morton desarrollaron esta idea que se basa en denir en forma matricial la
210
Seccin 8.4. Estabilidad o
inuencia del operador discreto. Asi como un operador diferencial acepta una descomposicin espectral o sobre un espacio de dimensin innita, el operador discreto acepta una equivalente pero en un espacio o de dimensin nita, o sea representable por matrices. Supongamos que expresamos todas las incgnitas o o en cada punto del espacio y del tiempo (variables nodales) en un arreglo, que al tiempo nt se puede expresar como: n u1 . . . n u U n = i1 (8.22) un i un i+1 . . . El esquema numrico puede ser escrito en forma de operador C : IRN IRN como: e U n+1 = C U n (8.23)
con C = C(x, t) A modo de ejemplo tomemos el esquema numrico (8.5) y veamos que forma toma el operador. e Una ecuacin t o pica de aquel esquema es un+1 = un (un un )/2 i i+1 i1 i
... . . . CU n = . . . . . . ...
. . ... ... ... ... ... ... . /2 1 /2 . . . ... . . . un i1 . . . /2 1 /2 . . . . . . u n i ... ... /2 1 /2 . . . un i+1 . ... ... ... ... ... ... . .
(8.24)
Si tomamos en cambio el esquema (8.7,8.8) por su carcter de impl a cito debemos previamente n+1 para luego generar el operador C sobre U n . denir un operador B sobre U un+1 = un (un+1 un+1 )/2 i i i+1 i1
BU n+1
... . . . = . . . . . . ...
. . ... ... ... ... ... ... . /2 1 +/2 . . . ... . . . un+1 i1 ... /2 1 +/2 . . . . . . un+1 i ... ... /2 1 +/2 . . . un+1 i+1 . ... ... ... ... ... ... . .
(8.25)
211
Seccin 8.5. El mtodo de Von Neumann o e
Problema: Calcular el operador discreto C del esquema (8.9) y el operador discreto B del esquema (8.10). La condicin de estabilidad se establece del siguiente modo: Dada una solucin inicial U 0 a tiempo o o t = 0 la accin repetida de C sobre ella produce que o U n = Cn U 0 Para que todas las soluciones U n permanezcan acotadas y el esquema denido por C sea estable el operador C tiene que ser uniformemente acotado. Esto es, existe una constante K tal que ||C n || < K para 0 < t < 0 nt T (8.26)
para valores jos de , T y n. A continuacin presentamos el mtodo de Von Neumann, uno de o e los mtodos ms conocidos para el anlisis de estabilidad. e a a
8.5
El mtodo de Von Neumann e
Este mtodo es bien popular y simple de aplicar, pero como tal tiene algunas limitaciones relacionadas e con: vlido solamente para operadores lineales a vlido solamente para coecientes constantes a vlido solamente para problemas peridicos a o Como vimos en la gura 8.1 el anlisis de estabilidad se basa en la relacin que existe entre la a o solucin computada un y la solucin exacta de la ecuacin discretizada un . Entre ellas existe una o o o i i diferencia que viene dada por los errores de redondeo y los errores en los valores iniciales. Por lo tanto un = un + i i
n i
(8.27)
Aplicando el esquema (8.5) sobre la solucin exacta de la ecuacin discreta vemos que por (8.27) o o
n+1 un+1 un i i n a a i + i = (n un ) u i1 ( n n ) (8.28) i1 t t 2x i+1 2x i+1 Ya que un satisface exactamente la ecuacin (8.5) entonces nos queda una ecuacin para el error i o o
n a i = ( n n ) (8.29) i1 t 2x i+1 que es idntica al esquema original. Por lo tanto, segn una visin lineal los errores evolucionan e u o con el tiempo en la misma forma que la solucin. Del mismo modo podemos plantear algo equivalente o aplicando una visin de operadores, como presentamos en (8.23), llegando a que o en = Cen (8.30) 212
n+1 i
con en un vector equivalente al denido en (8.22) pero conteniendo a los errores en lugar de los valores nodales. Si las condiciones de borde son peridicas entonces podemos descomponer al error en o series de Fourier para la variable espacial en cada paso de tiempo. Ya que el dominio tiene longitud nita la representacin de Fourier ser discreta y sumada sobre un conjunto nito de armnicas. o a o Sea un dominio de longitud L, la representacin compleja de Fourier reeja la regin (0, L) en o o (L, L) con un rango de frecuencias y longitudes de onda (k = 2/) como el siguiente: k min = /L k max = /x max = 2L min = 2x (8.31)
La gura 8.2 muestra los dos modos extremos, uno que cubre todo el dominio 2L(ondas largas) y el otro que abarca la menor regin en la cual se puede representar una onda, 2x. o Por lo tanto estableciendo que x = L/N , con N el nmero de nodos en una grilla denida como u el conjunto de puntos de coordenadas xi = ix podemos representar todas las armnicas visibles por o la grilla como =j L N x La descomposicin en series de Fourier del error es: o kj = jk min = j
N n i N n Ej eIkj ix j=N
j = 0, . . . , N
(8.32)
=
j=N
n Ej eIij/N
(8.33)
n e o donde I = 1 y Ej es la amplitud de la j-sima armnica. Denimos la fase como j (8.34) N que cubre el dominio (, ) en pasos de /N . La regin alrededor de = 0 corresponden a las o bajas frecuencias mientras que las cercanas a = estn asociadas a las altas frecuencias. Por la a linealidad del operador no solamente el error satisface (8.30) sino cada armnica. o = kj x = Figura 8.2: Representacin de Fourier del error numrico o e
8.5.1
Factor de amplicacin o
El hecho que cada armnica satisfaga (8.30) implica que existe un desacoplamiento de los modos y o n cada uno de ellos puede tratarse por separado. Consideremos una de ellas, Ej eIi , introducindola e Ii llegamos a en el esquema (8.29), introduciendo el nmero de Courant y sacando factor comn e u u una ecuacin del tipo: o (E n+1 E n ) + /2E n (eI eI ) = 0 (8.35)
La condicin de estabilidad (8.26) se satisface si las amplitudes del error no crecen con el tiempo, o o sea si
213
|G| =
n+1
E n+1 1 En
(8.36)
La cantidad G(t, x, k) = EE n se la dene como el factor de amplicacin. o Para el esquema presentado llegamos a que el factor de amplicacin es o G = 1 I sin() (8.37)
lo cual indica que su mdulo ser siempre mayor que uno y por lo tanto incondicionalmente o a inestable. Hab amos visto anteriormente sin demostracin evidente que el esquema (8.9) era condicionalmente o estable. Tratemos de justicarlo con las herramientas recin presentadas. Para ello tomemos una e armnica como la anterior, ingresmosla en el esquema (8.9) o e un+1 un a i i = (un un ) (8.9) i1 t x i aplicado al error y saquemos factor comn E n eIi , entonces arribamos a la siguiente expresin u o para el factor de amplicacin: o G = 1 + eI = 1 2 sin2 (/2) I sin() (8.38)
Esto se representa grcamente por un c a rculo centrado en 1 de radio , como lo muestra la gura 8.3. Figura 8.3: Factor de amplicacin para un esquema con upwind. o La versin geomtrica de la condicin de estabilidad (8.26) es que el factor de amplicacin de o e o o todas las armnicas deben ubicarse dentro de un c o rculo centrado en el or gen de radio unitario. En el caso del esquema (8.9) esto se cumple solo si 0<1 (8.39)
La condicin (8.39) es muy conocida y denominada condicin de Courant-Friedrichs-Lewy (CFL) o o Otra forma de ver esta condicin es mediante teor de caracter o a sticas. Si trazamos las caracter sticas a partir de un punto de la malla se debe elegir la relacin entre el paso espacial y el temporal o de forma tal de satisfacer que el dominio de dependencia de la ecuacin diferencial debe estar cono tenido en el dominio de dependencia de las ecuaciones discretizadas. La gura 8.4 muestra lo que recin comentamos. Es la discretizacin empleada capaz de capturar el dominio de dependencia de e o las caracter sticas del problema ? Figura 8.4: Interpretacin geomtrica de la condicin CFL o e o Finalmente si tomamos un esquema como el (8.10) un+1 un a i i = (un+1 un+1 ) i1 t x i
(8.10) 214
vemos que este tiene una estabilidad incondicional. Esto se puede demostrar siguiendo los mismos pasos que en los casos anteriores, llegando nalmente a que el factor de amplicacin tiene una o expresin como: o G= 1 1 + I sin() (8.40)
lo cual implica que su mdulo ser siempre menor que la unidad. o a
8.5.2
Extensin al caso de sistema de ecuaciones o
Consideremos que un esquema numrico es construido en dos pasos: e (1) Aplicacin de la discretizacin espacial o o dui = Sui + qi dt (8.41)
donde el trmino qi contiene eventuales fuentes y las contribuciones del contorno. La represene tacin matricial de lo anterior se transforma en o dU = SU + Q dt (2) Aplicacin de un esquema de integracin temporal. o o un+1 = Cun + qi i i que en forma matricial se escribe como U n+1 = CU n + Q (8.44) (8.43) (8.42)
En estos casos C = 1 + tS. Esto corresponde al caso de un esquema de dos niveles expl citos. El caso impl cito adopta la forma B1 U n+1 = B0 U n (8.45)
1 donde el operador discreto se dene como C = B1 B0 . En el caso del esquema de integracin temporal del tipo Forward Euler el operador C = I + tS. o En el caso de varias ecuaciones el factor de amplicacin se transforma en la matriz de amplicao cin. Existe una relacin entre el concepto de matriz de amplicacin G y el operador C. Mientras el o o o primero habita en el espacio de las frecuencias el segundo lo hace en el dominio espacial. En general G() o G(k) se puede ver como el equivalente de Fourier discreto del operador de discretizacin C, o con una relacin como: o
G() = C(eI )
(8.46)
215
La anterior nos dice que la matriz de amplicacin se puede obtener reemplazando el argumento de o la matriz C, que en general est asociado con el operador de desplazamientos E por eI . Si recordamos a que est denido desde (, ) en pasos de /N , entonces existe una equivalencia entre E y eI . a El primero desplaza en la malla y el segundo en el espacio de las frecuencias. Habiendo establecido una forma de calcular la matriz de amplicacin queda por ver como estao blecer un criterio de estabilidad general. El concepto de mdulo del factor de amplicacin cambia o o por el de norma de la matriz de amplicacin. Deniendo sta como: o e ||G|| = max
u=0
|G u| |u|
(8.47)
y considerando el hecho que ||G|| (G) (8.48)
donde (G) = maxj=1,p |j | es el radio espectral de la matriz G de p p y sus autovalores. Entonces una condicin suciente de estabilidad es que o (G) 1 + O(t) t nito , (, ) (8.49)
La posibilidad que el radio espectral sea mayor que uno surge en considerar algunos problemas donde la solucin exacta crece exponencialmente, no obstante una condicin estricta del tipo o o (G) 1 (8.50)
puede ser necesaria para evitar que algunos modos numricos crezcan ms rpidamente que sus e a a correspondientes modos f sicos. Por ejemplo cuando la matriz de amplicacin tiene autovalores de o valor 1 con multiplicidad mayor que uno. Estas condiciones sucientes de estabilidad (b) son vlidas a tambin para el caso de matrices normales donde G conmuta con su hermitiana conjugada y el radio e espectral coincide con la norma. Propiedades de la matriz de amplicacin o 1. Si la matriz de amplicacin puede expresarse como un polinomio de la matriz A, G = P (A), o luego el teorema del mapeo espectral es vlido y establece que: a (G) = P ((A)) Por ejemplo, si G = 1 IA + A2 , entonces (G) = 1 I(A) + ((A))2 2. Si G puede expresarse como una funcin de varias matrices que conmutan entre si, esto es: o G = P (A, B) con AB = BA (8.51)
216
entonces, A, B tienen el mismo conjunto de autovectores y (G) = P ((A), (B)) Esta condicin deja de ser vlida cuando las matrices no conmutan como es el caso de las o a ecuaciones de movimiento uido en varias dimensiones. Ejemplo: Ecuaciones de shallow water Las ecuaciones de shallow water (aguas poco profundas) son un importante modelo para tratar la hidrodinmica de zonas costeras, algunos rios y lagos donde la profundidad es mucho menor a que las restantes dos direcciones coordenadas. El modelo se puede escribir como: U +A U=0 t U = {h ; u ; v} v 0 h ; Ay = 0 v 0 g 0 v
u h 0 Ax = g u 0 0 0 u
(8.52)
El modelo unidimensional linealizado alrededor de un estado de referencia U0 = {h0 ; v0 }, expresado en forma diferencial se puede escribir como: U U +A =0 t x U = {h ; v} Ay = v0 h0 g v0 (8.53)
Un esquema espacialmente centrado se escribe como: Ui+1 Ui1 dUi = A dt 2x Ui = E eIi Ui+1 = E e Ui1 = E e
I(i+1)
(8.54)
Ii I
= E e = E e
= Ui e
I(i1)
Ii I
= Ui eI
En cuanto a la discretizacin temporal primero consideraremos el caso de una integracin temo o poral siguiendo el esquema de Euler y luego tomaremos el caso del esquema de Lax-Friedrichs. Esquema Euler Un+1 = Un At i i 1 1 n Ui = I At Un = CUn i i 2x 2x (8.55)
217
donde representa el operador de corrimientos espaciales y si llevamos a cabo el ensamblaje de la matriz C esta se expresa como: .. . I
1 1
At 1/2( x ) C=
/2( At ) x
/2( At ) x I 1 ( At ) /2 x
At 1 ( /2 x ) 1 ( At ) I /2 x .. .
(8.56)
Por otro lado podemos arribar a la matriz de amplicacin reemplazando (8.54) en (8.55), o At I (e eI ) En i 2x At I G() = I (e eI ) 2x En+1 = I i Comparando (8.55) y (8.57) vemos que G() = C( = eI ) Aplicando la primera propiedad de la matriz de amplicacin tenemos que o (G()) = P ((A)) At I G() = I (e eI ) 2x (A)t I (G()) = 1 (e eI ) 2x o sea los autovalores de la matriz A se transforman conforme a 8.59) Los autovalores de la matriz A se calculan en forma directa como: |A I| = 0 v0 h0 =0 g v0 (A)1,2 = v0 gh0 (8.60) (8.58)
(8.57)
(8.59)
Por lo tanto los autovalores de la matriz de amplicacin sern: o a (G) = 1 (v0 gh0 )t sin() I x (8.61)
Este esquema es a simple vista inestable. En el caso en que los autovalores fueran de dicultosa evaluacin podemos recurrir a una resolucin numrica. o o e 218
Esquema Lax-Friedrichs En 1954 Lax sugiri una forma de estabilizar el esquema anterior conservando la discretizacin o o espacial centrada. Este esquema bien popular en estos dias se puede escribir como: Un+1 = 1/2(Un + Un ) i+1 i1 i At n (U Un ) i1 2x i+1 (8.62)
Realizando un procedimiento similar al caso del integrador Euler hacia adelante llegamos a que existe una condicin tipo CFL aqu del tipo, o (|v0 | + gh0 ) t 1 x (8.63)
8.5.3
Anlisis espectral del error numrico a e
Hab mos visto que una forma de caracterizar la evolucin temporal del error en un esquema numrico o e era mediante la denicin de la matriz de amplicacin o en el caso de modelos escalares simplemente o o del factor de amplicacin. Surgi que dicha evolucin estaba regida por una expresin del tipo: o o o o v n+1 = G()v n = [G()]n v 1 Descomponiendo temporalmente a la solucin numrica en armnicas podemos ver que o e o v n = v eInt (8.65) (8.64)
con = (k) una funcin compleja del nmero de onda que representa la dispersin numrica. o u o e Relacionando (8.64) con (8.65) vemos que existe una relacin directa entre el factor o matriz de o amplicacin y esta dispersin numrica, o o e G = eIt (8.66)
Entonces, la representacin de la solucin numrica en trmino de armnicas simples se puede o o e e o escribir como: un = v eInt eIi i Del mismo modo la solucin exacta acepta una descomposicin similar obteniendo: o o
un = v eI nt eIi i
(8.67)
(8.68)
con su correspondiente funcin de amplicacin exacta o o

G = eI t
(8.69)
Para poder estudiar el espectro de los errores numricos dividiremos la dispersion en su parte e real y su parte imaginaria, = + I
(8.70) 219
de forma tal que si reemplazamos (8.70) en (8.69) tenemos G = e+t eIt = G G = e+t = t Del mismo modo con la solucin exacta podemos obtener o G
= e+t = t
eI (8.71)
(8.72)
Si comparamos ambos mdulos y ambas fases entre si llegamos a la denicin de dos parmetros o o a de error muy importantes:
D
|G| et = =
ERROR POR DISIPACION ERROR POR DISPERSION
(8.73)
La denicin del error de dispersin dada en (8.73) es adecuada en problemas parablicos sin o o o trminos convectivos ( = 0), caso contrario esta puede cambiarse por e
= /
(8.74)
mejor adecuada en aquellos problemas dominados por conveccin. o Anlisis de error en problemas parablicos a o Tomemos la ecuacin del calor discretizada en el espacio en forma centrada y en el tiempo con un o esquema expl cito. El esquema se puede escribir como: t n (ui+1 2un + un ) (8.75) i i1 x2 El factor de amplicacin se obtiene mediante el procedimento presentado oportunamente y este o se expresa como: un+1 = un + i i G = 1 4 sin2 (/2) t = x2 0 1/2
(8.76)
El factor de dispersin del continuo se obtiene reemplazando la representacin espectral de la o o solucin exacta en el operador diferencial, o = k 2 I = 2 /tI y el error de disipacin se obtiene como: o (8.77)
220
1 4 sin2 (/2) e2 que si lo expandimos en series de potencias en se obtiene despus de algo de algebra e
D
(8.78)
2 4 4 + + ... 2 12 (8.79) 2 k 4 t2 k 4 tx2 1 + 2 12 Este esquema produce errores numricos bajos para modos de baja frecuencia pero para aquellos e de alta frecuencia estos pueden ser inaceptables, especialmente para aquellos 1/2 prximos a la o cota superior. No obstante para = 1/6 los dos ultimos trminos se cancelan y este esquema presenta e un alto orden O(t2 , x4 ). Adems ya que G es real no existe error en phase por lo tanto no presenta a dispersin numrica. o e
D
Anlisis de error en problemas hiperblicos a o Tomemos como ejemplo t pico de una ecuacin hiperblica la ecuacin de adveccin pura: o o o o u u +a =0 (8.80) t x F sicamente el transporte por conveccin se puede ejemplocar colocando inicialmente en el domio nio una onda y viendo que esta viaja en una determinada direccin guiada por el campo de velocidades o sin modicarse, o sea sin amortiguarse ni dispersarse. Si como hicimos para el caso parablico reemo plazamos una armnica del tipo u = eI t eIkx en el operador diferencial encontramos que: o = ka = =0 (8.81)
Figura 8.5: Error de disipacin del mtodo expl o e cito con upwind para la ec. de adveccin pura. o Como vemos a diferencia del caso parablico aqu el coeciente de dispersin numrica es un o o e nmero real lo que le da un carcter ondulatorio a la solucin y sin amortiguamiento. Entonces, de u a o acuerdo a la denicin (8.73) el error por disipacin y por dispersin vienen dados por: o o o |G| = |G| et = / = /(kat) = /()
D
(8.82)
Entonces, G es la amortiguacin numrica del esquema mientras que es el error por dispero e sin. Si > 1 la solucin numrica viaja ms rpido que la exacta mientras que si es < 1 viaja o o e a a ms lento. a
221
Esquema expl cito con upwind A modo de ilustracin tomemos el caso de un esquema expl o cito con upwind para resolver la ecuacin de adveccin pura no estacionaria (8.80). Este esquema ya lo hemos tratado a la hora o o de calcular el factor de amplicacin y hab o amos obtenido una expresin para el mismo (8.38) o G = [(1 + cos())2 + 2 sin2 ()] /2 = [1 4(1 ) sin2 (/2)] /2
1 1
(8.83)
O sea que de acuerdo a (8.82) el amortiguamiento numrico lo podemos apreciar gracando la e expresin (8.83). La gura 8.5 muestra el error de disipacin para un esquema expl o o cito de primer orden estabilizado espacialmente mediante la introduccin de upwind. o El error de dispersin se calcula a partir de la relacin entre las velocidades de fase numrica y o o e la exacta. La primera se calcula mediante su denicin (8.66) y nalmente el error de dispersin o o se escribe como: = t = t tan1 G G (8.84)
= / =
tan1
sin()/(1 + cos())
La gura 8.6 muestra como es el error de dispersin para diferentes nmeros de Courant, fundao u 1 que da dispersin nula y para = 1/4 y 3/4 que son casos representamentalmente para = /2 o tivos de ondas numricas que viajan ms lentas y ms rpido que las exactas respectivamente. e a a a Figura 8.6: Error de dispersin del mtodo expl o e cito con upwind para la ec. de adveccin pura. o
8.5.4
Extensin a esquemas de tres niveles o
Una forma muy simple de ver un esquema de tres niveles es mediante la introduccin de una ecuao cin adicional. De esta forma el problema queda denido mediante dos ecuaciones de 2 niveles y es o completamente anlogo al caso de tratar con sistema de ecuaciones. De esta forma la matriz de ama plicacin que surge requiere un clculo de autovalores para poder identicar los errores de disipacin o a o y dispersin. Dejamos como ejemplos dos casos interesantes. o El esquema leapfrog para la ecuacin de conveccin o o
n un+1 = zi (un un ) i+1 i1 i n+1 zi = un i
(8.85)
El esquema Du Fort-Frankel para la ecuacin de difusin o o
222
(1 = 2)un+1 = (1 2)un1 + 2(un un ) i+1 i1 i i = t/x2 Nmero de Fourier u
(8.86)
8.5.5
El concepto de velocidad de grupo
Un paquete de ondas contiene en general armnicas con varias frecuencias. En ese caso la velocidad o de grupo representa la velocidad a la cual la energ de la onda se propaga. En el caso de una onda a unidimensional la denicin matemtica de la velocidad de grupo de la solucin exacta es: o a o vG (k) = Su contraparte numrica la denimos como e d d = Re{ } (8.88) dk dk Un ejemplo lo tenemos con el esquema leapfrog que tiene una relacin de dispersin numrica o o e expresada como: vG (k) = sin(t) = sin() y aplicando (8.88) se llega a que: vG (k) = a cos() a cos() = cos(t) (1 2 sin2 ())1/2 (8.90) (8.89) d dk (8.87)
Para bajas frecuencias la velocidad de grupo es similar a la velocidad de transporte a pero a altas frecuencias esta tiende a a o sea en contrafase con la exacta.
8.5.6
Anlisis de Von Neumann multidimensional a
Para extender lo visto en las secciones anteriores al caso multidimensional introducimos el vector nmero de onda k, de forma que una solucin descompuesta en armnicas puede escribirse como: u o o u(x, t) v eIt eIkx El producto escalar en su versin discretizada se escribe como: o (k x)i,j,k = kx ix + ky jy + kz kz = ix + jy + kz (8.92) (8.91)
donde cada nmero de fase en cada direccin espacial barre el rango [, ]. El resto del anlisis u o a permanece idntico al caso unidimensional. Para ejemplicar tomemos la ecuacin del calor, un e o ejemplo de una ecuacin del tipo parablica. o o u 2u 2u = + 2 t x2 y (8.93)
223
Seccin 8.6. Convergencia o
Si usamos un esquema centrado en las variables espaciales y expl cito de primer rden en el tiempo o la versin discreta se escribe como: o un+1 i,j un i,j = t
n n un i+1,j 2ui,j + ui1,j
x2
n n un i,j+1 2ui,j + ui,j1
y 2
(8.94)
Una descomposicin de Fourier discreta se dene por: o un = i,j

kx ,ky
v n eIkx ix eIky jy
(8.95)
Deniendo la matriz de amplicacin en forma similar al caso unidimensional v n+1 = Gv n e o introducindola junto con (8.95) en (8.94) se llega a: e G 1 = [(eIx + eIx 2) + ( x 2 Iy ) (e + eIy 2)] y (8.96)
con el nmero de Fourier antes denido. Otra vez, haciendo que el factor de amplicacin se u o mantenga en mdulo menor que la unidad se llega a dos condiciones similares al caso 1D apenas ms o a restrictivas, >0 x 2 (1 + ( ) ) 1/2 y
(8.97)
8.6
Convergencia
La convergencia puede ser establecida siguiendo a Richtmyer y Morton de la siguiente forma:

t0 , n
lim
||[C(t)]n U 0 U (t)|| = 0
(8.98)
para nt jo. Siguiendo el teorema de equivalencia de Lax podemos decir que: para un problema de valores iniciales bien planteado y una discretizacin consistente, la estabilidad o es condicin necesaria y suciente para la convergencia o Con esto concluimos diciendo que los dos pasos necesarios del anlisis son: a (1) La consistencia conduce a la determinacin del rden de precisin del esquema y su error de o o o truncacin o (2) la estabilidad nos brinda informacin detallada de la distribucin en frecuencias del error o o como funcin del contenido en frecuencia de la solucin calculada. o o De esta forma la convergencia queda denida sin necesitar anlisis. a
224
Seccin 8.7. TP. Trabajo Prctico o a
8.7
TP. Trabajo Prctico a
1. Escriba un programa en MatLab que graque el factor de amplicacin para la ecuacin de o o advecccin-difusin discretizada en el espacio en forma central y en el tiempo usando un esquema o o expl cito Forward Euler para diferentes nmeros de Peclet. Considere al menos lo que sucede u cuando el Peclet de la malla es: a.- P eh << 1 b.- P eh < 1 c.- P eh = 1 d.- P eh > 1 e.- P eh >> 1 2. Obtener la matriz de amplicacin para el modelo unidimensional linealizado de shallow water o usando un esquema centrado espacialmente y un integrador temporal tipo Lax-Friedrichs, un+1 = 1/2(un + un ) i+1 i1 i n (u un ) i1 2 i+1
3. Calcule la matriz de amplicacin para la ecuacin de las ondas unidimensional de segundo o o orden: 2w 2w a2 2 = 0 t2 x usando el siguiente esquema de discretizacin basado en una descomposicin del operador de o o segundo orden en 2 ecuaciones de primer orden: at n n (w wi ) x i+1 at n+1 n+1 n+1 n wi wi = (v wi1 ) x i
n+1 n vi vi =
(8.99)
a.- Encuentre la condicin de estabilidad de este esquema. o b.- Es este esquema adecuado para resolver una ecuacin el o ptica del tipo 2w 2w + |a2 | 2 = 0 t2 x 4. Calcule el error por disipacin y por dispersin para la ecuacin de adveccin pura discretizada o o o o espacialmente en forma centrada y temporalmente mediante un esquema del tipo Lax-Friedrichs.
225
5. Obtenga el esquema numrico de Lax-Wendro. Este se puede escribir partiendo de una expane sin en series de Taylor como la siguiente: o un+1 = un + t i i u 2u + 1/2t2 2 + O(t3 ) t i t i
reemplazando la ecuacin diferencial u +a u = 0 y una versin que surge de derivar esta ultima o o t x nuevamente respecto al tiempo e intercambiar ndices de derivaciones. A continuacin calcule el error por disipacin y por dispersin para la ecuacin de adveccin o o o o o pura discretizada espacialmente en forma centrada y temporalmente mediante el esquema de Lax-Wendro. 6. Programe los siguientes esquemas aplicados a la ecuacin de adveccin pura: o o a.- expl cito con upwind, b.- centrado y Lax-Friedrichs, c.- centrado y Lax-Wendro, y ensayar su comportamiento para las siguientes condiciones iniciales: 1.- una solucin constante pero discontinua en el centro del dominio, o 2.- una onda senoidal con fase = /10, 3.- una onda senoidal con fase = /5. Analice el comportamiento bajo diferentes nmeros de Courant () y saque conclusiones. u 7. El esquema leapfrog aplicado a la ecuacin de adveccin no estacionaria ut + aux = 0 se puede o o escribir como: un+1 = un1 (un un ) i+1 i1 i i Programe un esquema de este tipo e inicialice la solucin con: o u(x, t = 0) = ex sin(2kx)
2
(8.100)
= kx = /4 = 0.4 x = 1/80 a=1
(8.101)
Estime la velocidad de grupo y analice la solucin numrica obtenida comparndola con la o e a terica. o
226
8. Analice el esquema leapfrog en combinacin con una discretizacin espacial con upwind para o o resolver la ecuacin de adveccin pura no estacionaria en 1D. Calcule la matriz de amplicacin o o o y muestre que el esquema es inestable. 9. Aplique una discretizacin espacial con full upwind en ambas direcciones a la ecuacin de cono o veccin pura no estacionaria en 2D o ut + aux + buy = 0 usando un esquema expl cito de primer order para integrarla en el tiempo. Realice un anlisis a de estabilidad de von Neumann y compare la condicin de estabilidad con aquella del caso 1D. o 10. Escriba un programa para analizar la estabilidad de von Neumann del esquema de Lax-Wendro aplicado a una discretizacin espacial centrada en 2D para resolver la ecuacin de adveccin pura. o o o Graque el factor de amplicacin en funcin de la fase para diferentes nmeros de Courant. o o u Compare con el caso 1D.
[Document version: 1.21. File version: $Id: itera1.tex,v 1.5 2003/06/25 21:55:57 mstorti Exp $]
227
Cap tulo 9
Mtodos iterativos para la resolucin e o de ecuaciones lineales

9.1
9.1.1
Conceptos bsicos de mtodos iterativos estacionarios a e

Notacin y repaso o
Ax = b (9.1)
Denotamos a un sistema lineal como con A no-singular de N N y b RN . La solucin del sistema la denotamos como x = A1 b RN , o mientras que x representa una solucin potencial. o Los mtodos iterativos se basan en encontrar una secuencia {xk } tal que e k=0
k
lim xk = x
(9.2)
Debemos asegurar la convergencia del mtodo iterativo y si es posible determinar la tasa de convere gencia, es decir como se comporta el error x xk para k . Normas inducidas Dada una norma para vectores por . , denotamos por A la norma de A inducida por A = max Ax = max
x =1 x=0
. , denida (9.3)
Ax x
Las normas inducidas tienen la importante propiedad de que Ax A y tambin: e AB A B (9.5) x (9.4)
228
Cap tulo 9. Metodos iterativos para la resolucion de ecuaciones lineales
Seccin 9.1. Conceptos bsicos de mtodos iterativos estacionarios o a e
ya que AB = max ABx

x =1
(9.6) (9.7) (9.8) (9.9)
max A
x =1 x =1
Bx
= A max Bx = A Obviamente I = 1 y 0 = 0. Diferentes normas utilizadas son A A A

2
maximo autovalor de(AT A)

j
= maxi
|aij |
= maxj (
i |aij |)
Norma inducida L2 de una matriz. Sea B = AT A entonces B es simtrica y denida positiva. e N T v = , entonces Sean {vj , j }j=1 los autovalores de B, vj k jk A Si x =
j 2 2
= max
x=0
xT Bx xT x
(9.10)
j vj entonces Bx =
j
j j vj
(9.11)
y xT Bx =( =
jk T k vk )(
j j vj )
(9.12) (9.13) (9.14)
T k j j vk vj 2 j j j
= Por otra parte,
xT x =
j
2 j
(9.15)
y A
2 2
= max
2 j j j 2 j
aIRN
= max j
j
(9.16)
Adems, si A es simtrica, entonces es diagonalizable, con autovalores j , entonces AT A = A2 y a e autovalores de A2 = (j )2

(9.17) 229
de manera que A
2
= max |autovalores de A|
(9.18)
Norma innito inducida de una matriz. Por denicin o x = max |(x)i | y entonces, la norma inducida es Ax
(9.19)
= max |
i j
aij xj | max
i j
|aij | |xj |
(9.20)
max
i
= max
i
|aij | x
j
|aij | max |xk | k
(9.21)
(9.22)
por lo tanto A Tomemos v tal que (v)j = sign aij , entonces, es obvio que v y |(Av)k | =
j
max
i
|aij | . |akj |
j
(9.23)
con i = argmax
k
(9.24)
=1
(9.25)
akj vj |akj | <
|akj | |vj | |aij |
(9.26) (9.27)
Para k = i se satisface que |(Av)i | = = = aij vj aij sign aij |aij |. (9.28) (9.29) (9.30) (9.31) Por lo tanto, Av
Av = max i v
|aij |
j
(9.32)
230
Norma inducida 1 de una matriz. Por denicin, o x y entonces, Ax

1 1
=
i
|(x)i |
(9.33)
=
i
|(Ax)i | =
i
|
j
aij xj | |aij |
j i
(9.34)
i j
|aij | |xj | = |aik | |xj |

i
|xj |
(9.35)
max
k
(9.36)
= y entonces
max
k i
|aik |
(9.37)
A Sea v tal que (v)i = ij con j = argmaxk
max
k i
|aik |
(9.38)
i |aik |,
entonces ij = 1
i
v y como
(9.39)
(Av)i = aij entonces Av y por denicin de norma inducida o A

1 1
(9.40) |aik |
i
=
i
|aij | = max
k
(9.41)
Av 1 = max k v 1
|aik |
i
(9.42)
y entonces, de (9.38) y (9.42) se deduce que A

1
= max
k i
|aik |
(9.43)
Normas no inducidas. Es fcil demostrar que existen normas que no son inducidas, es decir que a satisfacen A = 0, si A = 0 A = A A+B A + B
(9.44) (9.45) (9.46) 231
pero no provienen de ninguna norma para vectores. Por ejemplo, si denimos la norma A
como (9.47)
=c A
con c > 0, c = 1, entonces es claro que es una norma pero I N mero de condicin u o
= c = 1 y por lo tanto no es inducida.
El nmero de condicin de una matriz no-singular en la norma u o (A) = A Podemos ver que 1 = I = AA1 A Si A es singular tomamos como que (A) = . Criterios de convergencia de los mtodos iterativos e A1
es (9.48)
A1 = (A)
(9.49)
Desar amos detener un mtodo iterativo cuando ek = x xk < tol, pero como no conocemos e x esto es imposible en los casos prcticos. Pero s podemos calcular el residuo de la ecuacin para la a o iteracin k como o rk = b Axk (9.50) Si rk es sucientemente pequeo esperamos que ek sea pequeo y podemos poner como criterio n n de detencin o rk tol (9.51) r0 El siguiente lema nos permite relacionar ambos criterios de detencin o Lema 1.1.1. Dados b, x, x0 IRN , A no-singular y x = A1 b, entonces e r (A) e0 r0 Demostracin. o r = b Ax = Ax Ax = A(x x ) = Ae entonces e = A1 Ae A1 y r0 A Por lo tanto A1 e e0 A1 e0 . (9.55) Ae = A1 r (9.54) (9.53) (9.52)
r r = (A) r0 r0
(9.56)
La divisin por e0 y r0 es para adimensionalizar el problema. Por ejemlo, si consideramos un proo blema trmico, entonces x puede representar temperaturas nodales y por lo tanto tendr dimensiones e a de temperatura ( C), el miembro derecho q tendr dimensiones de potencia (Watts) y los coecientes a
232
[Ai j] = W/ C, pero lo importante es que el residuo tendr las mismas dimensiones que b es decir a potencia (Watts). Ahora si hacemos un cambio de unidades tomando como unidad de potencia a cal/s entonces el criterio de parada r < tol es completamente diferente, mientras que r / r0 es el mismo en los dos sistemas de unidades. Por otra parte, este criterio depende de la solucin inicial x0 o lo cual puede llevar a iterar demasiado en el caso en que partimos de una buena solucin ( r0 muy o pequeo). Otra posibilidad es n rk < tol (9.57) b Ambos coinciden si x0 = 0.
9.1.2
El lema de Banach
La forma ms directa de obtener (y posteriormente analizar) un mtodo iterativo es reescribir (9.1) a e como un problema de iteracin de punto jo. Una forma de hacer esto es reescribir la ecuacin como o o x = (I A)x + b lo cual induce el siguiente mtodo iterativo de Richardson e xk+1 = (I A)xk + b (9.59) (9.58)
El anlisis de tales secuencias recursivas es ms general y vamos a estudiar la convergencia de relaciones a a recursivas generales de la forma xk+1 = M xk + c (9.60) donde M es la llamada matriz de iteracin o matriz de amplicacin. Estos mtodos son llamados o o e mtodos iterativos estacionarios porque la transicin de xk a xk+1 no depende de la historia anterior: e o Mtodos estacionarios: xk+1 = f (xk ) e Mtodos no estacionarios: xk+1 = f (xk , xk1 , xk2 , . . .) e Los mtodos de Krylov que discutiremos ms adelante no son mtodos estacionarios. Es interesante e a e tambin ver que el esquema de Richardson puede ponerse de la forma e xk+1 = xk + (b Axk ) = xk + rk (9.61)
Ntese que rk acta como una pequea correccin a la iteracin k para obtener la siguiente k + 1. Si o u n o o estamos sucientemente cerca de la solucin x entonces rk ser pequeo y la correccin ser pequea. o a n o a n Aplicando recursivamente (9.60) obtenemos una expresin general para la iteracin xk . Asumamos o o por simplicidad que x0 = 0, entonces x1 = c x2 = M c + c = (M + I) c x3 = M (M + I) c + c = (M + M + I) c . . . . . .
k1 j=0 2
(9.62) (9.63) (9.64) (9.65) (9.66)
xk =
Mj c
233
Es claro que la convergencia del mtodo est ligada a la convergencia de la suma de M j . e a N N Lemma 1.2.1. Si M IR satisface M < 1 entonces I M es no-singular y (I M )1 1 1 M
k l l=0 M .
(9.67) Mostraremos
Demostracin. Veremos que la serie converge a (1 M )1 . Sea Sk = o que es una secuencia de Cauchy
m
Sk Sm
=
l=k+1 m
Ml Ml
l=k+1 m l
(9.68)

l=k+1
(9.69)
M
k+1
(9.70)
= M 0
1 M mk 1 M
(9.71) (9.72)
para m, k . Entonces Sk S para algn S. Pero entonces tomando el l u mite en la relacin de o recurrencia M Sk + I = Sk+1 (9.73) obtenemos MS + I = S Por lo tanto (I M )S = I de donde I M es no-singular y S = (I M )1 . Por otra parte
(9.74) (9.75)
(I M )
l=0
= (1 M )1
(9.76)
Matrices diagonalizables bajo la norma 2. En el caso en que M es diagonalizable y consideramos la norma M 2 es ms fcil de visualizar las implicancias del lema. Sean S no-singular y a a diagonal las matrices que dan la descomposicin diagonal de M o M (I M ) = S 1 S =S
1
(9.77) (9.78)
(I )S
234
Como M = maxj |j | < 1 esto quiere decir que todos los autovalores j de M , que son reales ya que M es simtrica, estn estrictamente contenidos en el intervalo 1 < j < 1. Por otra parte e a (I M )1
2
= max
1 j 1 j 1 = min |1 j | 1 = 1 max j 1 1 = 1 max |j | 1 M
(9.79) (9.80) (9.81) (9.82)

2
Corolario 1.2.1. Si M < 1 entonces la iteracin (9.60) converge a x = (I M )1 c para o cualquier punto inicial x0 . Demostracin. Si x = x0 ya est demostrado. Si x = x0 haciendo el cambio de variables o a xk = xk x0 llegamos al esquema recursivo xk+1 x0 xk+1 = M (xk x0 ) + c (I M ) x0 = M xk + c (9.83) (9.84)
El cual converge y converge a (I M )1 c , por lo tanto xk converge a (I M )1 c + x0 = (I M )1 [c (I M ) x0 ] + x0 = (I M )

1
(9.85) (9.86)
Una consecuencia del corolario es que la iteracin de Richardson (1.6) converge si I A < 1. A o veces podemos precondicionar el sistema de ecuaciones multiplicando ambos miembros de (9.1) por una matriz B BA x = Bb (9.87) de manera que la convergencia del mtodo iterativo es mejorada. En el contexto de la iteracin de e o Richardson las matrices B tales que permiten aplicar el Lema de Banach y su corolario se llaman inversas aproximadas Denicin 1.2.1. B es una inversa aproximada de A si I BA < 1. o El siguiente teorema es llamado comnmente Lema de Banach. u Teorema 1.2.1. Si A y B IRN N y B es una inversa paroximada de A, entonces A y B son no singulares y B A A1 , B 1 , (9.88) 1 I BA 1 I BA y B I BA A I BA A1 B , A B 1 , (9.89) 1 I BA 1 I BA Demostracin. Sea M = I BA, entonces I M = BA es no singular y por lo tanto B y A son o no-singulares y 1 (BA)1 = A1 B 1 (9.90) 1 I BA
235
y A1 A1 B 1 Por otra parte, A1 B = (I BA)A1 B I BA 1 I BA (9.92) B B . 1 I BA (9.91)
La demostracin de las otras desigualdades es similar. o Notar que hay una cierta simetr en el rol jugado por A y B. De hecho deber a amos denir inversa aproximada por derecha y por izquierda y B ser la inversa aproximada por derecha de A. a La iteracin de Richardson, precondicionada aproximadamente, tiene la forma o xk+1 = (I BA) xk + Bb (9.93)
Si I BA 1 las iteraciones convergen rpido y adems, (por el Lema 1.2.1) las decisiones basadas a a en el residuo precondicionado B(b A x) reejarn muy bien el error cometido. a
9.1.3
Radio espectral
El anlisis de 9.1.2 relacion la convergencia del esquema iterativo (9.60) a la norma de la matriz M . a o Sin embargo la norma de M puede ser pequea en alguna norma y grande en otras. De aqu que la n performance de la iteracin no sea completamente descripta por M . El concepto de radio espectral o da una descripcin completa. Sea (A) el conjunto de autovalores de A. o Denicin 1.3.1. El radio espectral de A es o (A) = max || = lim An
(A) n 1/n
(9.94)
El radio espectral de A es independiente de la norma particular de M . De hecho (A) A ya que, si Av = max v, entonces A Av = |max | = (A) v (9.96) (9.95)
Siempre que . sea una norma inducida. En realidad puede demostrarse algo as como que (A) es el nmo de todas las normas de A. Esto es el enunciado del siguiente teorema (que no demostraremos aqu ). Teorema 1.3.1. Sea A IRN N . Para cada > 0 existe una norma inducida . tal que (A) > A . Puede verse que, si (M ) 1 entonces existen x0 y c tales que (9.60) diverge. Efectivamente, sea v el autovalor tal que M v = v y || = (M ) 1. Tomemos x0 = v, c = 0, entonces xk = M k x0 = k x0 es claro que no converge.
(9.97)
236
Figura 9.1: Historia de convergencia t pica Teorema 1.3.2. Sea M IRN N . La iteracin (9.60) converge para todos x0 , c IRN N sy y o solo si (M ) < 1. Demostracin. Si (M ) > 1 entonces en cualquier norma tal que M > 1 la iteracin no o o converge por el prrafo anterior. Por otra parte, si (M ) < 1 entonces, tomando = (1 (M ))/2, a existe una norma tal que 1 M < (M ) + = (1 + (M )) < 1 (9.98) 2 y por lo tanto converge. Tasa de convergencia de mtodos estacionarios. Para un esquema convergente de la forma e xk+1 = (I BA) xk + Bb podemos estimar la tasa de convergencia como, xk x = (I BA) xk1 + BA x x = (I BA) (xk1 x ) y por lo tanto xk x I BA I BA
k
xk1 x x0 x
Es usual visualizar la convergencia del mtodo gracando rk versus k. Como rk 2 puede e reducirse en varios rdenes de magnitud durante la iteracin, es usual usuar ejes logar o o tmicos para rk 2 . Por otra parte (9.103) no slo es una estimacin de la tasa de convergencia sino que, de hecho, o o muchas veces el residuo de la ecuacin termina comportndose de esta forma, despus de un cierto o a e transitorio inicial (ver gura) es decir rk k r0 (9.105)
%&$!" #

(9.99)
(9.100) (9.101)
(9.102) (9.103) (9.104)
237
Figura 9.2: Estimacin de la tasa de convergencia o Este tipo de comportamiento se reeja en una recta de pendiente log en el grco. Un a ndice de la velocidad de convergencia es el nmero de iteraciones n necesario para bajar el residuo un factor 10, u rk+n = 1/10 rk r0 = 1/10 r0 log 10 log 10 = n log , n = log(1/) para problemas muy mal condicionados =1 , y entonces, log(1/) , n= log 10 (9.110) 1 (9.109)
k+n k
A veces podemos calcular la tasa de convergencia experimentalmente conociendo el valor del residuo rk para dos iteraciones k1 , k2 . Asumiendo que en el intervalo k1 k k2 la tasa de convergencia es constante como en (9.105) (ver gura 9.2), entonces r2 = k2 k1 r1 de donde log = y entonces, n= log 10 (k2 k1 ) log( r1 / r2 ) (9.113) log( r2 / r1 ) k2 k1 (9.111)
9.1.4
Saturacin del error debido a los errores de redondeo. o
A medida que vamos iterando el residuo va bajando en magnitud. Cuando el valor del residuo pasa por debajo de cierto valor umbral dependiendo de la precisin de la mquina ( 1015 en Octave, Fortran o a

!! " &$%" #
(9.106) (9.107) (9.108)
(9.112)
238
(real *8) o C (tipo double)) se produce, debido a errores de redondeo, un efecto de saturacin (ver o gura 9.3). Es decir, al momento de calcular (9.50), es claro que incluso reemplazando xk por la solucin exacta x el residuo (calculado en una mquina de precisin nita) dara un valor no nulo del o a o orden de la precisin de la mquina. Por supuesto este umbral de saturacin es relativo a la norma o a o de cada uno de los trminos intervinientes y adems para sistemas mal condicionados, el umbral se e a alcanza antes por un factor (A), es decir que r
sat
9.1.5
Mtodos iterativos estacionarios clsicos e a
Hay otras formas alternativas a (9.58) de llevar Ax = b a un problema de punto jo. Los mtodos e como Jacobi, Gauss-Seidel y relajaciones sucesivas se basan en descomposiciones de A (splittings) de la forma, A = A1 + A2 (9.115) con A1 no-singular y fcil de factorizar. El nuevo problema de punto jo es a x = A1 (b A2 x) 1 El anlisis del mtodo se basa en estimar el radio espectral de M = A1 A2 . a e 1 Iteracin de Jacobi. Corresponde a tomar o A1 A2 = D = diag(A) =L+U =AD (9.117) (9.118) 239 (9.116)

mquina de precisin finita
1e-10

mquina de precisin infinita
1e-20 0 2000 4000 6000 8000
iter
10000
Figura 9.3: Saturacin del error por errores de redondeo. o
1015 (A) b
(9.114)
donde L, U, D son las partes triangular inferior, superior y diagonal de A = L + U + D. El esquema iterativo es (xk+1 )i = a1 bi ii
j=i
aij (xk )j
(9.119)
Notar que A1 es diagonal y, por lo tanto, trivial de invertir. La matriz de iteracin correspondiente es o MJac = D1 (L + U ) Teorema 1.4.1. Sea A IRN N y asumamos que para cualquier 1 i N 0<
j=i
(9.120)
|aij | < |aii |
(9.121)
entonces A es no-singular y Jacobi converge. Demostracin. Veamos que o

N
|mij | =
j=1
j=i |aij |
|aii |
<1
(9.122)
Entonces, MJac
= max
i j
|mij | < 1
(9.123)
Por lo tanto la iteracin converge a la solucin de o o x x = M x + D1 b = (I D

1
(9.124)
1
A)x + D
(9.125)
entonces Ax = b y I M = D1 A es no-singular y A es no-singular. Iteracin de Gauss-Seidel. En este esquema se reemplaza la solucin aproximada con el nuevo o o valor tan pronto como ste es calculado, e (xk+1 )i = a1 bi ii aij (xk+1 )j
j<i j>i
aij (xk )j
(9.126)
que puede escribirse como (D + L) xk+1 = b U xk El split correspondiente es A1 = D + L, A2 = U y la matriz de iteracin o MGS = (D + L)1 U (9.129) A1 es triangular inferior y por lo tanto A1 es fcil de calcular. Notar tambin que a diferencia de a e 1 Jacobi, depende del ordenamiento de las incgnitas. Tambin podemo hacer un backward Gausso e Seidel con el splitting A1 = D + U, A2 = L (9.130)
(9.127) (9.128)
240
La iteracin es o (D + U ) xk+1 = (b Lxk ) y la matriz de iteracin o MBGS = (D + U )1 L (9.132) Gauss-Seidel simtrico. Podemos combinar alternando una iteracin de forward GS con una e o de backward GS poniendo (D + L) xk+1/2 = b U xk (D + U ) xk+1 = b Lxk+1/2 La matriz de iteracin es o MSGS = MBGS MGS = (D + U )1 L (D + L)1 U Si A es simtrica, entonces U = LT y e MSGS = (D + LT )1 L (D + L)1 LT (9.136) (9.135) (9.133) (9.134) (9.131)
Queremos escribir estos esquemas como una iteracin de Richardson precondicionada, es decir que o queremos encontrar B tal que M = I BA y usar B como inversa aproximada. Para la iteracin de o Jacobi, BJac = D1 (9.137) y para Gauss-Seidel simtrico e BSGS = (D + LT )1 D (D + L)1 Vericacin. Debemos demostrar que MSGS = I BSGS A. Efectivamente, o I BSGS A = I (D + LT )1 D (D + L)1 (D + L + LT ) = I (D + L ) = (D + L ) = (D + L ) = (D + L ) = (D + L ) = MSGS Sobrerelajacin. Consideremos iteracin simple de Richardson o o xk+1 = xk + (b Axk ) (9.146)
T 1 T 1 T 1 T 1
(9.138)
(9.139) (9.140) (9.141) (9.142) (9.143) (9.144) (9.145)
D (I + (D + L)
T 1
1 T
L )
1 T
[D + L D D(D + L) [I D(D + L) L (D + L)
1
L ]
]L
T 1
[(D + L) D] (D + L) L
T
T 1
Si vemos que xk se acerca montonamente y lentamente a x podemos pensar en acelerarlo (ver o gura 9.4) diciendo que el mtodo iterativo en realidad nos predice un estado intermedio xk+1 , y e buscamos el vector de iteracin xk+1 sobre la recta que une xk con xk+1 o xk+1 xk+1 = xk + (b Axk ) = xk + (xk+1 xk ) (9.147) (9.148) 241
Figura 9.4: Aceleracin de la convergencia por sobre-relajacin o o Veremos ms adelante que el valor ptimo de est relacionado con la distribucin de autovalores de a o a o la matriz de iteracin en el plano complejo. Mientras tanto podemos ver intuitivamente que o = 1 deja el esquema inalterado > 1 tiende a acelerar la convergencia si el esquema converge lenta y montonamente o < 1 tiende a desacelerar la convergencia si el esquema se hace inestable. Esquema iterativo de Richardson con relajacin para matrices spd. Aplicando el mtodo o e de relajacin a la iteracin bsica de Richardson obtenemos el esquema o o a xk+1 = xk + rk que puede reescribirse como xk+1 = (I A) xk + b de manera que la matriz de iteracin es o MSR = I A Asumiendo que A es spd, el espectro de MSR esta dado por (MSR ) = 1 (A) (9.152) (9.151) (9.150) (9.149)
pero como A es spd, los autovalores (A) son reales y positivos. Asumamos que estn ordenados a 1 2 . . . N . Tambin denotaremos min = N , max = 1 . Los autovalores de MSR se e comportan en funcin de como se observa en la gura 9.5. Para un dado todos los autovalores o de MSR estn comprendidos entre los autovalores correspondientes a min y max (la regin rayada a o de la gura). Para sucientemente chico todos los autovalores se concentran cerca de la unidad. Para un cierto valor crit el autovalor correspondiente a max se pasa de 1 con lo cual la iteracin o no converge. El valor de crit est dado entonces por a 1 crit max = 1, crit = 2 max (9.153)
La tasa de convergencia est dada por = maxj |1 j |, y queremos buscar el que da la mejor a tasa de convergencia, es decir el m nimo . Como los 1 j estn comprendidos en el intervalo a 1 min , 1 max , se cumple que = max(|1 min |, |1 max |)

(9.154) 242

Ahora bien, para un cierto intervalo de valores 0 < < opt el mximo corresponde a 1 min y a decrece al crecer , mientras que para opt < < crit el mximo est dado por 1 + max y crece a a con . Para = opt ambos valores coinciden y entonces 1 opt min = 1 + opt max de donde opt = (9.155)
2 (9.156) max + min Adems es fcil ver que es m a a nimo para = opt , de ah el nombre de coeciente de relajacin o o ptimo. Podemos ver tambin que, para nmeros de condicin muy altos el valor ptimo se encuentra muy e u o o cerca del valor cr tico, 1 opt = crit crit (9.157) 1 + (A)1 La tasa de convergencia que se obtiene para opt es de nopt = = log 10 log(1/opt ) (9.158) (9.159) (9.160)
log 10 log[1 2min /(max + min )] log 10 = log[( + 1)/( 1)] que para sistemas mal condicionados ( nopt = 1) es log 10 1.15 2
(9.161)
Mtodo de relajaciones sucesivas. La combinacin de Gauss-Seidel puede mejorarse e o dramticamente con sobre-relajacin para una cierta eleccin apropiada del parmetro de relajacin. a o o a o Este mtodo es muy popular y se llama SSOR por Successive Standard Over-Relaxation. Partiendo e de (9.127) y reescribindolo como e D xk+1 + L xk+1 = b U xk y combinando con la sobre-relajacin estndar (9.148) o a xk+1 = 1 (xk+1 (1 ) xk ) llegamos a D[xk+1 (1 ) xk ] + Lxk+1 = (b U xk ) (D + L)xk+1 = [(1 ) D U ]xk b de manera que la matriz de iteracin es o MSOR = (D + L)1 [(1 ) D U ] (9.166) (9.164) (9.165) (9.163) (9.162)
243
Seccin 9.2. Mtodo de Gradientes Conjugados o e
Figura 9.5: Comportamiento de los autovalores de la matriz de iteracin en funcin del parmetro de o o a relajacin o
9.2
9.2.1
Mtodo de Gradientes Conjugados e

Mtodos de Krylov y propiedad de minimizacin e o
Los mtodos de Krylov (a diferencia de los mtodos estacionarios que vimos hasta ahora), no tienen e e una matriz de iteracin. Los que describiremos ms en profundidad son Gradientes Conjugados y o a GMRES. Ambos se basan en que la k-sima iteracin minimiza alguna medida del error en el espacio e o af n x0 + Kk (9.167) donde x0 es la iteracin inicial y el subespacio de Krylov Kk es o Kk = span{r0 , Ar0 , A2 r0 , . . . , Ak1 r0 }, k1 (9.168)
Nota: El papel de x0 y b puede intercambiarse, lo importante es r0 (esto vale prcticamente para a todos los mtodos iterativos). De hecho, el esquema es invariante ante translaciones del origen, es e decir las iteraciones para los dos sistemas siguientes Ax = b, Ax = b , con x b x0 son equivalentes (es decir, xk = xk x), ya que r0 = b Ax0 = b + A Ax0 A x x = b Ax0 = r0
inicializando en x0 inicializando en x0
=xx = b + A x = x0 x

(9.169) (9.170) (9.171) (9.172) (9.173) (9.174) (9.175) (9.176) (9.177) 244
) %&$" 120( ' #! 0843 9 76 5
de manera que el espacio de Krylov es el mismo. Entonces podemos, o bien eliminar b haciendo x = x o eliminar x0 haciendo x = x0 . El residuo es r = b Ax, de manera que {rk } para k 0 denota la secuencia de residuos rk = b Axk . Como antes, x = A1 b, es la solucin del sistema. El mtodo de GC es en realidad o e un mtodo directo, en el sentido de que llega a la solucin en un nmero nito de pasos, de hecho e o u veremos ms adelante que converge en N (o menos) iteraciones, es decir que a xk = x , para un cierto k con k N (9.178)
GC es un mtodo que sirve en principio slo para matrices simtricas y denidas positivas (spd). e o e T y denida positiva si Recordemos que A es simtrica si A = A e xT Ax > 0, para todo x = 0 (9.179)
Luego veremos que podemos extender cualquier sistema (no simtrico ni denido positivo) a un sistema e spd. Como A es spd. podemos denir una norma como x A = xT Ax (9.180) es la llamada norma A o norma energ ya que en muchos problemas prcticos el escalar resultante a a ( x 2 ) representa la energ contenida en el campo representado por el vector x. a A El esquema a seguir ser a Descripcin formal del mtodo y consecuencias de la propiedad de minimizacin o e o Criterio de terminacin, performance, precondicionamiento o Implementacin o La k-sima iteracin de GC xk minimiza el funcional cuadrtico e o a (x) = (1/2)xT Ax xT b en x0 + Kk . Notemos que si hacemos el m nimo sobre todo IRN , entonces si x = argmin (x),
xIRN
(9.181)
(9.182)
vale que () = A b = 0, x x implica x = x

A
(9.183) = r
A1
Lema 2.1.1. Sea S IRN , si xk minimiza sobre S, entonces tambin minimiza x x e sobre S. Demostracin. Notemos que o x x
2 A
= (x x )T A (x x ) = x Ax x
T T
(9.184)
T T
Ax x Ax + x
Ax
(9.185) 245
pero A = AT , entonces xT A x = xT AT x = xT A x y Ax = b, de manera que x x

2 A
= xT Ax 2xT b + xT A x = 2(x) + x
T A.
(9.186) (9.187)
Ax
Pero xT A x =cte de manera que xk minimiza x x e

2 A
Sea e = x x , entonces, (9.188)
= eT A e = [A(x x )] A = (b Ax) A = b Ax
T 1 2 A1 T 1
[A(x x )]
(9.189) (9.190) (9.191)
(b Ax) .
Usaremos este lema para el caso S = x0 + Kk .
9.2.2
Consecuencias de la propiedad de minimizacin. o
El lema 2.1.1 implica que, como xk minimiza sobre x0 + Kk , x xk

A
x w
(9.192)
para todo w x0 + Kk . Como w x0 + Kk puede ser escrito como

k1
w=
j=0
j Aj r0 + x0
(9.193)
para ciertos coecientes {j }, podemos expresar x w como

k1
x w = x x0
j=0
j Aj r0
(9.194)
Pero r0 = b Ax0 = A(x x0 ) entonces

k1
(9.195)
x w
= (x x0 )
j=0
j Aj+1 (x x0 )
(9.196) (9.197)
= p(A) (x x0 ) donde el polinomio

k1
p(z) = 1
j=0
j z j+1
(9.198)
tiene grado k y satisface p(0) = 1. Entonces, x xk

A
min
pPk ,p(0)=1
p(A) (x x0 )
(9.199) 246
Pk denota el conjunto de los polinomios de grado k. El teorema espectral para matrices spd arma que existe una base de autovectores {ui }N con autovalores {i } i=1 A ui = i u i con ui , i reales, i > 0 y los ui ortogonales entre s es decir que , uT uj = ij i Adems formamos las matrices a U La descomposicin diagonal de A es o A = U UT Adems a Aj = (U U T ) (U U T ) . . . (U U T ) = U U y p(A) = U p() U T Denamos A1/2 = U 1/2 U T y notemos que x Entonces, para todo x IRN p(A) x
A 2 A j T
(9.200)
(9.201)
u1 u2 . . . uN
(9.202) (9.203)
= diag{1 , 2 , . . . , N }
(9.204)
(9.205) (9.206)
(9.207) (9.208)
2 2
= xT A x = A1/2 x
(9.209)
= A /2 p(A) x = p(A) A /2 x p(A) p(A)

2
1 1
2 2 2
(9.210) (9.211) (9.212) (9.213)
A /2 x
A
y volviendo a (9.199) xk x
A
x0 x
min
pPk ,p(0)=1
z(A)
max |p(z)|
(9.214)
donde (A) es el conjunto de autovalores de A.
247
Figura 9.6: GC con tasa de convergencia muy lenta. Corolario 2.2.1. Sea A spd y {xk } las iteraciones de GC. Sea pk cualquier polinomio de grado k tal que pk (0) = 1, entonces xk x A max |k (z)| p (9.215) x0 x A z(A) Los polinomios que satisfacen pk (0) = 1 se llaman polinomios residuales. Denicin 2.2.1. El conjunto de polinomios residuales de orden k es o Pk = {p / p es un polinomio de grado k y p(0) = 1} (9.216)
La forma de estimar la convergencia de GC es construir secuencias de polinomios residuales basados en la informacin de como estn distribuidos los autovalores de A (es decir de (A)). Un primer o a resultado es ver que GC es un mtodo directo e Teorema 2.2.1. Sea A spd. Entonces GC converge antes de las N iteraciones. Demostracin. Sea {i }N los autovalores de A. Tomemos como polinomio residual o i=1
N
Pero p PN ya que tiene grado N y p(0) = 1. Entonces, de la estimacin de error (9.215) o xN x

A
ya que, por construccin, p(z) = 0 para todos los z (A). . o Sin embargo, desde el punto de vista prctico esto no es tan bueno como suena. Veremos que, bajo a ciertas condiciones, la convergencia puede ser muy lenta y desde el punto de vista prctica haya que a esperar hasta N iteraciones para que el residuo baje de la tolerancia aceptable. Es decir, si evaluamos a GC como un mtodo iterativo, entonces debemos poder evaluar la tasa e de convergencia para k < N (la pendiente de la curva de convergencia).

tasa de convergencia muy lenta N k
nivel de residuo aceptable
p(z) =
i=1
(i z)/i
(9.217)
x0 x
z(A)
max |(z)| = 0 p
(9.218)
248
Teorema 2.2.2. Sea A spd con autovalores {ui }N . Sea b una combinacin lineal de k de los o i=1 autovectores de A. Por simplicidad asumiremos que los autovectores de A estn ordenados de manera a que estos autovectores son los primeros k
k
b=
l=1
l ul
(9.219)
Entonces la iteracin de GC para Ax = b con x0 = 0 termina en, a lo sumo, k iteraciones o Demostracin. Por el teorema espectral o
k
x =
l=1
(l /l ) ul
(9.220)
ya que
k
Ax
=
l=1 k
(l /l )Aul
(9.221)
=
l=1
(l /l )l ul
(9.222) (9.223)
=b Usamos el polinomio residual

k
p(z) =
l=1
(l z)/l
(9.224)
y puede verse que p Pk y p(l ) = 0 para 1 l k y

k
p(A) x =
l=1
p(l ) (l /l ) ul = 0
(9.225)
De manera que, por (9.199) y x0 = 0 se deduce que x xk

A
p(A) x
=0
(9.226)
Teorema 2.2.3. Sea A spd y supongamos que hay exactamente k N autovalores distintos de A. Entonces GC termina en, a lo sumo, k iteraciones Demostracin. Usar el polinomio residual o
k
pk (z) =
l=1
(l z)/l
(9.227)
249
precisin de la mquina
Figura 9.7: Comportamiento del residuo en mquinas de precisin nita. a o
9.2.3
Criterio de detencin del proceso iterativo. o
En una mquina de precisin innita debemos ver que el residuo desciende bruscamente a cero en la a o iteracin N (puede ser antes bajo ciertas condiciones, como hemos visto en algunos casos especiales), o pero en la prctica no se itera GC hasta encontrar la solucin exacta sino hasta que cierto criterio sobre a o 6 ) es alcanzado. De hecho, debido a errores de redondeo, ocurre el residuo (por ejemplo rk < 10 que no se puede bajar de un cierto nivel de residuo relacionado con la precisin de la mquina (1015 o a en Fortran doble precisin y tambin en Octave) y el nmero de operaciones necesarias para calcular o e u el residuo. Entonces, si ese nivel de residuo est por encima del valor del residuo que obtendr a amos en la iteracin N 1 (ver gura 9.7), no veremos el efecto de la convergencia en N iteraciones, sino que o GC se comporta como un mtodo iterativo, de manera que lo importante es la tasa de convergencia e media del mtodo. e En la prctica se usa usualmente como criterio de detencin del proceso iterativo a o b Axk
2
Sin embargo, las estimaciones de error basadas en la propiedad de minimizacin estn expresadas en o a la norma energ del error a xk x A max |k (z)| p (9.229) x0 x A z(A) El siguiente lema relaciona la norma eucl dea del error con la norma energ del error a Lema 2.3.1. Sea A spd, con autovalores 1 2 . . . N . Entonces para todo z IRN A1/2 z y N Demostracin. o
1/2 2

N k mquina de precisin finita
mquina de precisin infinita
(9.228)
= z
(9.230)
1/2
(9.231)
250
2 A
= z T AZ = (A1/2 z)T (A1/2 z) = A1/2 z
2 2
(9.232)
Sean {ui , i } los autovectores, autovalores de A, con uT uj = ij . Entonces, i

N
=
i=1 N
(uT z) ui i i (uT z) ui i
i=1
(9.233)
Az Entonces, N A
1/2 2
(9.234)
= N
i=1 N
i (uT z)2 i 2 (uT z)2 = Az i i

2 2 2 2
(9.235)
i=1
(9.236)
1
i=1
i (uT z)2 = 1 A1/2 z i
(9.237)
Lema 2.3.2. b Axk b 2

2
2 (A) r0 b 2
xk x x0 x
A A
(9.238)
Recordemos que en la norma L2 para matrices spd. vale que A A

1 2 2
= mx autovalor de A = 1 a = m autovalor de A = N n = 1 /N
(9.239) (9.240) (9.241)
2 (A) Usando (9.230) y (9.231) b Axk b Ax0 Consideremos un ejemplo simple

2 2
A (x xk ) A (x x0 )
2 2
1/2
x xk x x0
A A
1/2 N
(9.242)
x0 = 0, 1 = 11, N = 9, Por lo tanto k2 = 1.22 (relativamente pequeo). Tomemos el polinomio (ver gura 9.8) n p(z) = (10 z)k /10k Pk
(9.243)
(9.244)
251
Figura 9.8: Polinomio residual apropiado para el caso (9.243) Como vemos en la gura todos los polinomios se anulan en z = 10 la mitad del intervalo donde se encuentran los autovalores. Esta regin est sombreada en la gura. El mximo valor de pk (z) sobre o a a el intervalo se alcanza en los extremos del intervalo
9z11
max |k (z)| = |k (9)| = |k (11)| = 10k p p p
lo cual implica que la tasa de convergencia es = 1/10 y el nmero de iteraciones por orden de u magnitud es log(10) n= =1 (9.246) log(1/) Mientras tanto, para los residuos Axk b 2 1.22 10k (9.247) b 2 = 1.10 10k (9.248) (9.249) Para obtener la mejor estimacin basada solamente en la informacin del autovalor mximo y o o a m nimo debemos construir un polinomio de tal forma que tome los valores ms bajos posibles en el a intervalo 1 z n (ver gura 9.9). Estos polinomios pueden construirse en base a los polinomios de Tchebyshev. Efectivamente, hagamos el cambio de variable (z N )/(1 N ) = (1 cos )/2 = (1 x)/2 (9.250)
de manera que = 0 en z = N y = en z = 1 . Los polinomios de Tchebyshev Tn (x) se denen como Tn (x) = cos n (9.251) Por ejemplo T0 (x) T1 (x) T2 (x) =1 =x = 2x 1
2

9 11 z
(9.245) (9.252) (9.253) (9.254) 252
Figura 9.9: Polinomio residual basado en los polinomios de Tchebyshev Por construccin vemos que |Tn | 1 en |x| 1, o sea n z 1 . Entonces tomamos pk (z) = o Tn (x(z))/Tn (x(z = 0)). Como x(z = 0) cae fuera del intervalo |x| 1 y Tn crece fuertemente (como xn ) fuera del mismo, es de esperar que Tn (x(z = 0)) 1 y entonces |pk (z)| 1 en n z 1 . Mediante estimaciones apropiadas para el valor de Tn (x(z = 0)) puede demostrarse que xk x Podemos ver que, si
A
2 x0 x
2 1 2 + 1
1, entonces podemos aproximar 2 1 2 1 2 + 1
log(10) = 1.15 (9.257) 2 que debe ser comparada con n 1.15 para Richardson con = opt . La ventaja es clara, teniendo en cuenta que (como veremos despus) el costo (nmero de operaciones) de una iteracin de gradientes e u o conjugados es similar al de una iteracin de Richardson. o Sin embargo, la convergencia puede ser mucho mejor que la dada por la estimacin anterior, o dependiendo de la distribucin de los autovalores. Por ejemplo, asumamos que los autovalores estn o a distribuidos en (ver gura 9.10) 1 1.5 399 400 o (9.258) n Entonces = 400 y la estimacin anterior (basada slo en el nmero de condicin) da o o u o n = 1.15 400 = 23 mientras que si tomamos el polinomio residual de la forma p3k = (1.25 z)k (400 z)2k 1.25k 4002k (9.260) 253
y entonces
$ " '&$%#!
k
(9.255)
(9.256)
(9.259)
1.5
Figura 9.10: Polinomio residual apropiado para un espectro con dos clusters de autovalores Entonces debemos estimar
1z1.5
max |p3k (z)| = (0.25/1.25)k = 0.2k
y
399z400
max
|p3k (z)|
Por lo tanto,
z(A)
max |3k (z)| 0.2k p
y = 0.21/3 , n= log 10 = 4.29 (1/3) log(1/0.2) (9.265)
que representa una tasa de convergencia 5 veces ms rapida que la predicha slo en base al nmero a o u de condicin de A. o En el contexto de GC la convergencia se puede mejorar tratando de encontrar precondicionamientos que disminuyan el nmero de condicin o bien que los autovalores estn agrupados en pequeos u o a n clusters (ver gura 9.11).
9.2.4
Implementacin de gradientes conjugados o
La implementacin de GC se basa en que conociendo xk pueden ocurrir dos situaciones. O bien o , o bien xk+1 = xk = x xk+1 = xk + k+1 pk+1 (9.266) donde pk+1 = 0 es una direccin de bsqueda que puede obtenerse en forma sencilla y k+1 es un o u escalar que se obtiene minimizando el funcional de GC sobre la recta, d (xk + pk+1 ) = 0, en = k+1 d
399 400
(9.261)
(400/1.25)k (1/400)2k = 1/(1.25 400)k
(9.262) (9.263)
(9.264)
(9.267) 254
Problema no precondicionado
Reduccin del nmero de condicin (Richardson y GC)
z Agrupar autovalores en pequeos clusters (GC)
Figura 9.11: Posibles estrategias de precondicionamiento Recordar que el funcional estaba denido como (x) = Entonces d d = pT k+1 (9.269) (9.270) 1 T x Ax xT b 2 (9.268)
= pT [A(xk + k+1 pk+1 ) b] = 0 k+1 de donde k+1 = pT (b Axk ) k+1 pT A pk+1 k+1
(9.271)
Si xk+1 = xk entonces = 0, pero esto slo ocurre si xk es la solucin. o o Lema. rl Kk para todo l < k Demostracin. Lo haremos por induccin en k. Para k = 1 Kk = span{r0 } y obviamente se o o verica que r0 Kk . Ahora asumiendo que es vlido para k lo demostraremos para k + 1. Para l < k, a se cumple que rl Kk Kk+1 , por lo tanto slo resta demostrarlo para rk . Pero o
k1
xk = x0 +
j=0
j Aj r0
(9.272)
y entonces, rk = b Axk
k1
(9.273) j Aj+1 r0 Kk+1 . (9.274)
= r0
j=0
Lema 2.4.1. Sea A spd. y {xk } las iteraciones de GC, entonces

T rk rl = 0,
para todo 0 l < k
(9.275) 255
Demostracin. Como xk minimiza en x0 + Kk , entonces para todo Kk o d (xk + t) = dt pero = r, entonces

T rk = 0,
(xk + t)T = 0,
en t = 0
(9.276)
para todo Kk
(9.277)
Ahora bien, si xk+1 = xk entonces rk = rk+1 y rk

2 2 T T = rk rk = rk rk+1 = 0
(9.278)
por lo tanto xk = x .De paso esto permite ver tambin que GC converge en N iteraciones (cosa que e ya hemos demostrado basndonos en la propiedad de minimizacin.) Efectivamente, supongamos que a o rk = 0 entonces dim Kk+1 = dim Kk + 1 (9.279) Pero para k = N dim Kk = N entonces rk+1 = 0. Lema 2.4.2. Si xk = x entonces xk+1 = xk + k+1 pk+1 donde pk+1 est determinado (a menos a de una constante multiplicatva) por pk+1 T pk+1 A Demostracin. Como Kk Kk+1 o (xk+1 )T = 0, para todo Kk (9.282) (9.283) Kk+1 = 0, para todo Kk (9.280) (9.281)
[Axk + k+1 Apk+1 b]T = 0 pero Axk b = rk para todo Kk de manera que pT A = 0 k+1
(9.284)
y como dim Kk+1 = dim Kk + 1, esto dene unicamente a pk+1 . Esta propiedad se llama que pk+1 es conjugado a Kk . Ahora bien, tomando rk y ortogonalizndolo con respecto a Kk podemos obtener pk+1 . Entonces, a pk+1 = rk + wk , con wk Kk (9.285)
Teorema 2.4.1. Sea A spd. y asumamos que rk = 0. Sea p0 = 0. Entonces pk+1 = rk + k+1 pk para algn escalar k+1 y k 0. u Demostracin. ver libro. o Lema 2.4.3. Las siguientes frmulas son tambin vlidas para obtener los k y k . o e a k+1 = Demostracin. Ver libro. o Algoritmo 2.4.1. cg(x, b, A, , kmax )
rk 2 2 , pT Apk+1 k+1
k+1 =
rk rk1
2 2 2 2
(9.286)
256
Seccin 9.2. Mtodo de Gradientes Conjugados o e 1. r = b Ax, 0 = r 2 , k = 1 2 2. Do while k1 > b 2 y k < Kmax a. If k = 1 then p=r else = k1 /k2 p = r + p endif b. w = Ap c. = k1 /(pT w) d. x = x + p e. r = r w f. k = rk 2 g. k = k + 1
Notar que no es necesario formar expl citamente la matriz A (ni siquiera en forma sparse, es decir, la lista de {i, j, aij }), sino que solo es necesario denir una rutina que, dado x calcule Ax. Esto se llama una operacin matriz-vector. Debido a esta propiedad de no necesitar tener la matriz o almacenada, GC es llamado un mtodo mtrix free. e a Costo de GC. Las variables que se deben mantener almacenadas durante la iteracin son x, w, p, r o o sea 4N elementos. En cuanto al nmero de operaciones, u 1 producto matriz vector (paso 2.b) 2 productos escalares (pasos 2.c y 2.f) 3 axpys (pasos 2.a, 2.d y 2.e). Una operacin axpy es aquella de la forma y x + y, es decir adicionar a un vector x un o mltiplo escalar de otro vector y. (El nombre proviene de que la rutina de la librer BLAS que realiza u a esta operacin y que a su vez es una descripcin mnemotcnica de la operacin que se realiza.). De o o e o todos, el que requiere ms operaciones es generalmente el producto matriz vector, sobre todo en la a versin matrix free y sobre todo cuanto ms compleja es la f o a sica del problema. Por ejemplo, si x representa el vector de potenciales nodales guardados por columnas para una malla homognea de e paso h (como en la funcin laplacian.m usada en la Gu 1), entonces la implementacin de Ax es o a o phi=reshape(phi,n-1,n-1); % range of indices of internal nodes II=(2:n); JJ=II; % Include the boundary nodes Phi=zeros(n+1);
257
Phi((2:n),(2:n))=phi; % Use the standard 5 point formula lap_phi=((-Phi(II+1,JJ)... -Phi(II-1,JJ)... -Phi(II,JJ+1)... -Phi(II,JJ-1)... +4*Phi(II,JJ))/h^2); lap_phi=lap_phi(:);
donde vemos que bsicamente el nmero de operaciones necesario es O(5N ), ya que 5 es el nmero a u u de puntos involucrados en el stencil de Poisson. Sin embargo, si la complejidad de la representacin o aumenta el cmputo se mantiene en general O(N ) pero con cada vez ms operaciones por nodo. Por o a ejemplo, si la malla est renada hacia los lados, es decir si el h no es constante, entonces hay que a multiplicar cada la por un h distinto. Si adems permitimos que las l a neas de la malla no sean paralelas a los ejes, entonces habr que calcular los coecientes mtricos de la malla. Si consideramos a e el uso de mallas no estructuradas con el mtodo de los elementos nitos el clculo de las matrices de e a cada elemento aumentar todav ms el nmero de operaciones por nodo. a a a u Costo de GC como mtodo directo. Si bien el mtodo de GC se usa raramente como mtodo e e e directo, por razones que veremos ms adelante, vamos a estimar el nmero de operaciones necesarios a u y compararlo con eliminacin de Gauss. Considerando un cuadrado de N = n n nodos en 2D y un o cubo de N = n n n en 3D, tenemos que, Ancho de banda de la matriz: m = n en 2D, m = n2 en 3D. Nmero total de incgnitas: N = n2 en 2D, N = n3 en 3D. u o Nmero de op. Gauss: N 2 en 2D, N 2.33 en 3D u Nmero de op. GC/directo: N 2 en 2D, N 2 en 3D u Hemos hecho uso de que el nmero de operaciones para eliminacin de Gauss es N m2 . Para GC u o hemos usado nmero de op. u = O(nmero de iter. nro. de op. por iter.) u = O(N )
2
(9.287) (9.288)
Vemos que, incluso como mtodo directo, GC llega a ser ms competitivo en 3D. De todas formas, como e a ya hemos mencionado, por el problema de precisin nita (ver gura 9.7) en general para problemas o grandes se llega a la precisin de la mquina antes de las N iteraciones. o a En cuanto a la capacidad de almacenamiento, GC obviamente requiere mucho menos memoria (O(N ) para GC contra O(N 1.5 ) en 2D y O(N 1.33 ) en 3D para Gauss).
258
1e+10 1
1e-20 1e-30 1e-40 1e-50 1e-60 1e-70 0
residuos calculados de la relacion en diferencias

100 200 300 400 500 600 700
Figura 9.12: Gradientes Conjugados y los residuos verdaderos. Comparacin como mtodo iterativo con Richardson. Tanto para Richardson como para o e GC el costo para bajar el error un order de magnitud es, bsicamente a Nro. de opr. para bajar el residuo un orden de magnitud = = n nro. de oper. por iteracin o Donde n es el nmero de iteraciones necesario para bajar el error un orden de magnitud. Asumiendo u que el costo de las iteraciones es prcticamene el mismo para los dos mtodos (lo cual es vlido si a e a hacemos una implementacin matrix free con una formulacin relativamente compleja, por ejemplo o o FEM), entonces los costos relativos estn dados por las tasas de convergencia y, usando que en 3D a n2 = N 2/3 . n(Richardson con = opt ) n(GC ) con lo cual la ganancia es evidente. = N 2/3 = N 1/3 (9.290) (9.291) (9.289)
9.2.5
Los verdaderos residuos.
El algoritmo cg(...) (ver pg. 256) descripto ms arriba tiene la particularidad de que los residuos a a no son calculados directamente usando (9.50) sino que son calculados en el paso (2e). Si bien las expresiones coinciden en una mquina de precisin innita, debido a errores de redondeo los valores a o numricos obtenidos con uno u otro mtodo pueden diferir en una mquina de precisin nita. En e e a o la gura 9.12 vemos los residuos calculados en un experimento calculados de las dos formas. El
1e-10
residuos verdaderos
259
comportamiento de los verdaderos residuos es similar al observado para Richardson en 9.1.4. Sin embargo, es todav peor para GC. El residuo no slo no baja de el umbral r sat de saturacin sino a o o que empieza a crecer lentamente. Esto es muy peligroso desde el punta de vista prctico, ya que en a el caso de Richardson el efecto de saturacin slo ocasiona un gasto de tiempo de clculo innecesario, o o a pero en el caso de GC puede ocasionar una prdida de precisin. Podemos decir que Richardson es e o un mtodo estable ante errores de redondeo, mientras que GC es inestable. Esta inestabilidad de GC e se debe al hecho de que asume que los residuos van formando una base ortogonal y las direcciones de bsqueda van siendo conjugadas (ec. (9.281)), y estas propiedades se van perdiendo por errores de u redondeo. Esta inestabilidad es compartida por todos los mtodos que se basan en estas propiedades e de conjugacin, por ejemplo GMRES y los mtodos que veremos despus. Para peor los residuos o e e calculados por la expresin recursiva (2e) tienden a seguir descendiendo, de manera que si el usuario o no verica el verdadero valor del residuo, puede creer que realmente el error ha bajado (despus de e 600 iteraciones) hasta 21064 , mientras que el error verdadero est en el orden de 3103 . a Cuando calculamos los residuos directamente a partir de (9.50) decimos que se trata de los verdaderos residuos. El porqu los residuos calculados segn el algoritmo cg(...) (ver pg. 256) tienden a e u a bajar, en vez de rebotar como lo hacen los verdeaderos residuos, puede entenderse ms fcilmente en a a el algoritmo de Richardson. Efectivamente, puede demostrarse simplemente que los residuos tambin e satisfacen una relacin como la (9.101) a saber o rk+1 = (I BA) rk (9.292)
De manera que tambin podr e amos calcular los residuos utilizando recursivamente esta relacin. Pero o esta relacin no involucra diferencias entre magnitudes grandes como en (9.50) y por lo tanto rk o calculado por esta expresin sigue descendiendo, independientemente de la precisin de la mquina. o o a Una forma de corregir el el algoritmo cg(...) (ver pg. 256) es agregar una l a nea en cada iteracin o que calcule el verdadero residuo, slo a los efectos de chequear convergencia, sin embargo esto involucra o un producto matriz vector adicional por iteracin, es decir prcticamente duplica el costo del mtodo. o a e Precondicionamiento. Asumamos que tenemos una matriz M fcil de invertir y tal que a (M A) (A) o tal que los autovalores estn agrupados en clusters. Entonces podemos tratar a de resolver (M A) x = (M b) (9.293) en vez del sistema original, ya que este est bien condicionado. Sin embargo, incluso si M es spd. el a producto de dos matrices spd. no es necesariamente spd. Basta con ver el ejemplo, A M A y M son spd. pero MA = 2 2 1 4 (9.296) = = 1 0 0 2 2 1 1 2 , (9.294) (9.295)
no es simtrica. Una posibilidad es buscar M = S 2 y entonces redenir e (SAS) y = (Sb)

(9.297) 260
y una vea obtenido y obtener x = Sy. Como SAS es equivalente a S 2 A = M A tienen la misma distribucin de autovalores y SAS s es spd. Pero falta resolver el problema de hallar S, lo cual puede o ser ms complicado que hallar M y por otra parte el clculo de SAS por un vector involucra el clculo a a a de dos productos matriz-vector adicionales, contra uno slo si precondicionamos de la forma (9.293). o La solucin pasa por reproducir el algoritmo de Gradiente Conjugado pero reemplazando el producto o escalar por xT M x y nalmente resulta en el siguiente algoritmo de GC precondicionado, Algoritmo 2.4.1. pcg(x, b, A, M, , kmax ) 1. r = b Ax, 0 = rT M r, 0 = r 2 , k = 1 2. Do while k1 > b 2 y k < Kmax a. If k = 1 then z = Mr else = k1 /k2 p = M r + p endif b. w = p c. = k1 /(pT w) d. x = x + p e. r = r w T f. k = rk 2 ,k = rk M r 2 g. k = k + 1 La modicacin principal del algoritmo pasa por reemplazar p por M p en las deniciones de los p y o reemplazar los productos escalares xT y por la forma cuadrtica xT M y. Adems, ahora calculamos a a escalares k para el clculo de las direcciones pk y escalares k para chequear la convergencia. (Mientras a que en la versin no precondicionada, k = k ). o El costo adicional ms importante para el esquema precondicionado es un producto matriz-vector a adicional con la matriz precondicionada. El costo del producto matriz-vector para el precondicionamiento puede variar mucho y depende de la complejidad del precondicionamiento. Por ejemplo, si tomamos M como la inversa de la parte diagonal de A (precondicionamiento Jacobi), entonces el costo es nmo, pero en el otro extremo podemos tomar M = A1 . Entonces GC converge en una iteracin o pero el costo de calcular M x es el costo de invertir A!! Tenemos entonces que Costo total = n nro de oper. por iteracin o (9.298)
Cuanto ms complejo es el precondicionador el n tiende a disminuir pero el nmero de operaciones a u tiende a aumentar debido al costo del clculo del precondicionamiento. Lo importante entonces, al a evaluar la efectividad de un precondicionador es no slo evaluar cmo aumenta la tasa de convergencia o o sino tambin tener en cuenta el costo de evaluar M x. e Precondicionadores. Existen una variedad de precondicionadores propuestos para diferentes problemas. Algunos son muy espec cos para ciertas aplicaciones otros son puramente algebraicos, es decir su aplicacin es general para toda clase de problema (tal vez no su efectividad!). En el contexto de o la resolucin de sistemas lineales provenientes de la discretizacin de ecuaciones en derivadas parciales o o por diferencias nitas o volmenes nitos podemos mencionar los siguientes u
261
Intr nsecos al problema Resolvedores rpidos de Poisson a Multigrilla Descomposicin de dominios o ADI De tipo general Jacobi Factorizacin incompleta o Precondicionamiento polinomial A continuacin haremos una breve descripcin de los mismos o o Resolvedores rpidos de Poisson. Si consideramos la ecuacin de Poisson 1D con condiciones a o de contorno peridicas la matriz resulta ser o 2 1 0 0 0 . . . 1 1 2 1 0 0 ... 0 0 1 2 1 0 . . . 0 0 1 2 1 . . . 0 (9.299) A= 0 .. .. .. .. .. . . . . . 0 0 0 . . . 1 2 1 1 0 0 . . . 0 1 2 Sea x de la forma (xk )i = ei2ki/N (9.300) donde i es la unidad imaginaria. Puede verse que (x)i es un autovector de A. Esto vale, no slo para o la matriz del laplaciano 1D, sino tambin para cualquier operador homogneo (que no depende de x) e e discretizado sobre una malla homognea. En este caso las las de la matriz A son las mismas, slo e o que se van corriendo una posicin hacia la derecha a medida que bajamos una la, es decir: o Aij = Aij (9.301)
donde A es c clico en p de per odo N , es decir Ap+N = Ap . Pero los x de la forma (9.300) son la base que induce la transformada de Fourier, de manera que si F es la matriz que tiene como columnas estos autovectores, vale que F z = t(z), z (9.302) donde t(z) indica el operador de transformada de Fourier tal como est denido en Matlab. Como a las columnas de F son autovectores de A, entonces F 1 AF es diagonal y podemos tomar como precondicionamiento M = F 1 [diag(A)]1 F (9.303)
262
malla fina malla gruesa
Figura 9.13: Mallas na y gruesa para las tcnicas de multigrilla. e por lo visto, para matrices peridicas, M = A1 y entonces GC converger en una iteracin. La o a o idea es que (9.303) puede ser un buen precondicionamiento incluso en condiciones ms generales, por a ejemplo cuando la matriz no es peridica o cuando la malla no es homognea. En cuanto al costo del o e precondicionamiento, multiplicar por F y 1 es equivalente a aplicar transformadas y antitransformadas de Fourier (aplicar las operaciones fft( ) y ifft( ) de Matlab. Estas requieren O(N log2 (N )) operaciones y la inversin de la parte diagonal de A slo requiere O(N ) operaciones. La idea puede o o extenderse fcilmente a 2D y 3D. a Multigrilla. Si hacemos una descomposicin modal del error, puede verse que el error en las o componentes correspondientes a los autovalores ms pequeos converge en general mucho ms lentaa n a mente que para los autovalores ms altos. Esto es ms evidente para el mtodo de Richardson, donde a a e los factores de amplicacin 1 i son muy cercanos a 1 para los autovalores ms pequeos. A su o a n vez, como ya hemos visto en los ejemplos, los autovalores altos estn asociados a frecuencias altas a (funciones que son muy oscilatorias espacialmente) mientras que los autovalores bajos estn asociados a a autofunciones suaves. Esto signica que despus de un cierto nmero de iteraciones el error para las e u frecuencias altas se debe haber reducido mucho mientras que el grueso del error est en las componena tes de baja frecuencia. Como las funciones suaves pueden ser restringidas a una malla ms gruesa sin a perder informacin, esto sugiere la idea de proyectar el problema a una malla ms gruesa (digamos con o a h = 2h y por lo tanto con la mitad de nodos, ver gura 9.13) y realizar una serie de iteraciones sobre esta malla para obtener una correccin. Una vez obtenida sta se interpola sobre la malla original y o e se agrega al vector de iteracin. La idea es que la correccin va a ser tan buena como si hubiramos o o e nd ya que la malla gruesa tiene la mitad iterado sobre la malla original pero a un costo igual a la 1/2 de nodos. Esta idea puede ser aplicar recursivamente, ya que al iterar en la malla gruesa va a volver a ocurrir que despues de una serie de iteraciones va a quedar una fuerte componente del error en las frecuencias bajas y estas las podemos corregir iterando sobre una malla h = 2h = 4h y as siguiendo. De esta manera, multigrilla se basa en resolver el problema en una serie de mallas con paso de malla h, 2h, 4h, . . . , 2m h, haciendo una serie de iteraciones en la malla na seguida de iteraciones sobre la malla ms gruesa y as siguiendo. a Descomposicin de dominios. Ver 9.4.1 o Precondicionamiento Jacobi. Consiste en simplemente tomar M = diag A1 . Como la matriz a invertir es diagonal el costo de invertirla es muy bajo (O(N ) opeaciones). Este precondicionamiento no aporta nada en situaciones donde los elementos de la diagonal son aproximadamente constantes (precondicionar con un mltiplo escalar de la identidad no puede nunca mejorar el nmero de condiu u cin). Esto ocurre por ejemplo para el Laplaciano (tanto en 1D como en ms dimensiones) cuando el o a paso de la malla es constante. Cuando la malla no es homognea (ver gura- 9.14) entonces el nmero e u
263
Figura 9.14: Malla renada hacia una esquina. de condicin es o (A) = O L hmin
donde hmin es el m nimo h sobre toda la malla y entonces puede ser bastante peor que O(n2 ) donde n es el nmero de elementos en una direccin caracter u o stica. Los elementos diagonales de A son h2 + x 2 = O(min(h , h )2 ) y puede verse que este precondicionamiento corrige el mal condicionamiento hy x y producido por el renamiento de manera que (diag(A)1 A) = O(n2 ) (9.305)
Factorizacin incompleta. Consideremos la factorizacin Cholesky A, A = BB T . Entonces este o o precondicionamiento consiste en descartar elementos de B de manera de reducir su ancho de banda. En la implementacin prctica el descarte se va haciendo a medida de que se va factorizando la matriz, o a basndose en el valor absoluto del elemento Bij que se est evaluando y su distancia a la diagonal a a |i j|. Por supuesto se trata de descartar aquellos elementos que tienen un menor valor absoluto y que se encuentran ms alejados de la diagonal. a Precondicionamiento polinomial. Consiste en encontrar un polinomio p(z) tal que M = p(A) A1 . El criterio para construir el polinomio en cuestin es similar al utilizado para construir o los polinomios residuales que permiten obtener la estimacin de convergencia (9.255) en base a los o polinomios de Tchebyshev. El costo de un tal precondicionmiento es evaluar M x = p(A)x que involucra m productos matriz-vector, donde m es el orden del polinomio de Tchebyshev. Como es usual en la evaluacin de polinomios, se utiliza la forma anidada, tambin llamada de Hrner, como en el o e o siguiente script y=0; for k=0:m y=p(k)*x+A*y; end donde (usando la notacin de Octave) p(x) = p1 xm + p2 xm1 + . . . + pm+1 y los coecientes pi estn o a almacenados en un vector de longitud m + 1. En la versin matrix free, el producto Ax est denido o a por medio de una rutina. Sea w=prodvec(x) la rutina que retorna w = Ax cuando se le pasa x entonces el algoritmo se escribe como
(9.304)
264
Seccin 9.3. El mtodo GMRES o e
y=0; for k=0:m y=p(k)*x+prodvec(y); end
9.2.6
Mtodos CGNR y CGNE e
Si A es nosimtrica o no denida positiva, entonces podemos considerar resolver e (AT A) x = (AT b) (9.306)
en el cual aparece la matriz AT A que es simtrica y denida positiva si A es no singular. Notar que e en cada iteracin de GC sobre este sistema estamos minimizando o x x
AT A
= (x x)T AT A (x x) = (b Ax) (b Ax) = r

T 2 2
(9.307) (9.308)
de ah el nombre de Conjugate Gradient on the Normal Equations to minimize the Residual (CGNR). Otra posibilidad es hacer el cambio de variable x = AT y y resolver (AAT )y = b (9.309)
para y. Una vez encontrado y, x se obtiene con una operacin matriz vector adicional x = AT y. La o norma que se minimiza es en este caso y y
AAT
= (y y)T AAT (y y) = (A y A y) (A y A y) = (x x) (x x) = x x
T 2 2 T T T T T
(9.310) (9.311) (9.312)
de ah el nombre de Conjugate Gradient on the Normal Equations to minimize the Error (CGNE). Observaciones En general ocurre que (AT A) (A)2 , lo cual augura muy bajas tasas de convergencia si el (A) es grande. Se necesitan 2 productos matriz vector por iteracin o En la versin matrix free hay que programar no slo una rutina que calcule Ax sino tambin una o o e que calcule AT x. Para problemas provenientes de discretizaciones por FEM o FDM de PDEs, esto puede resultar bastante complicado.
9.3
9.3.1
El mtodo GMRES e
La propiedad de minimizacin para GMRES y consecuencias o
GMRES (por Generalized Minimum RESidual fue popuesto en 1986 por Y. Saad y m. Schulz como un mtodo iterativo por subespacios de Krylov para sustemas no-simtricos. En contraposicin con e e o
265
CGNR o CGNE no requiere el clculo de productos de AT con un vector, lo cual es una gran ventaja en a muchos casos. pero es necesario guardar una base de Kk lo cual requiere un costo de almacenamiento adicional a medidad que la iteracin progresa. o La iteracin k-sima (k 1) es o e xk = argmin b A x
xx0 +Kk 2
(9.313)
Ntese que esta propiedad de minimizacin es muy similar con la de Gradientes Conjugados, con la o o diferencia que en GC se aplica al funcional (9.181). Como aqu estamos contemplando la posibilidad que A no sea simtrica o denida positiva, entonces no podemos tomar este funcional. Si consideramos e que minimizar b A x 2 es equivalente a minimizar b A x 2 el cual contiene en la forma cuadrtica a 2 T A, entonces vemos que GMRES es equivalente a CGNR con la salvedad de que con GMRES no A debemos calcular productos AT -vector pero en contraparte debemos mantener una base del espacio de Krylov. Como x x0 + Kk puede ponerse de la forma
k1
x = x0 +
j=0
j Aj r0
(9.314)
entonces
k1
b Ax
= b A x0
j=0 k
j Aj+1 r0
(9.315)
= r0
j=1
j1 Aj r0
(9.316) (9.317)
= p(A) r0
donde p Pk es un polinomio residual. Teorema 3.1.1. Sea A no-singular y xk la k-sima iteracin de GMRES. Entonces para todo e o p Pk rk 2 = min p(A) r0 2 p(A) r0 2 (9.318)
pPk
Corolario 3.1.1. Sea A no-singular, entonces rk r0

2 2
pk (A)
(9.319)
Teorema 3.1.2. Sea A no-singular. Entonces GMRES encuentra la solucin dentro de las N o iteraciones Demostracin. Usar p(z) = p(z)/p(0), donde p(z) = det(A zI) es el polinomio caracter o stico. Para GC hemos usado el teorema espectral para encontrar estimaciones de la tasa de convergencia. Esto no puede asumirse en general si A no es simtrica. Sin embargo podemos restringir el anlisis al e a caso de que A sea diagonalizable aunque los autovalores y autovectores pueden ser ahora comlejos. Nota sobre la condicin de diagonalizabilidad de matrices. Recordemos que o
266
A es diagonalizable si A = V V 1 con diagonal. Cuando A es real y simtrica es real y e podemos elegir a V como real. Cuando A es no-simtrica tando como V pueden ser complejos. e En lgebra compleja muchos conceptos pueden extenderse fcilmente si reemplazamos la trana a puesta de A por la transpuesta conjugada de A que denotaremos como AH . El producto escalar de dos vectores pertenecientes a C N se dene como xH y =
n k=1 (x)k (y)k .
V es unitaria si V H V = I (es la extensin del concepto de matriz ortogonal a complejos). o A es normal si es diagonalizable y si la matriz de cambio de base correspondiente V es unitaria. Puede verse que si A conmuta con su transpuesta conjugada (es decir AH A = A AH ) entonces A es normal. Es obvio que si A es herm tica (simtrica en el caso real) entonces A es normal e Teorema 3.1.3. para todo p k Pk rk r0 Demostracin. Basta con ver que o pk (A)
2 2 2
2 (V ) max |k (Z)| p
z(A)
(9.320)
V 1
z(A)
pk ()
(9.321) (9.322)
= 2 (V ) max |k (Z)| . p
No est claro como puede estimarse el 2 (V ), si existe. Si A es normal, entonces V es unitaria, a preserva la norma y entonces V 2 = V 1 2 = 2 (V ) = 1 V
2
= max
x=0
Vx 2 x 2 (V x)H (V x) xH x xH (V H V ) x xH x
(9.323) (9.324) (9.325) (9.326)
= max
x=0
= max
x=0
=1
y similarmente para V 1 . Por otra parte, si A se aproxima a una matriz no diagonalizable, entonces A () . Esto puede verse con un ejemplo simple. La matriz A= 0 1 0 0 (9.327)
es un bloque de Jordan y es claramente no diagonalizable. Perturbando ligeramente uno de los elementos diagonales de la forma 0 1 A= (9.328) 0
267
con muy pequeo la matriz pasa a ser diagonalizable, ya que tiene dos autovalores distintos ( = 1, ). n Sin embargo podemos ver que la matriz de cambio de base V correspondiente tiene un nmero de u condicin que crece como 2/ : o octave> a=[0 1;0 1e-5] a = 0.00000 1.00000 0.00000 0.00001 octave> [v,d]=eig(a) v = 1.00000 1.00000 0.00000 0.00001 d = 0.0000e+00 0.0000e+00 0.0000e+00 1.0000e-05 octave> cond(v) ans = 2.0000e+05 octave> Ahora consideremos que ocurre si utilizamos una rutina numrica de diagonalizacin (como el e o eig( ) de Octave) sobre una matriz que no es diagonalizable. Lo deseable ser que la rutina numrica a e nos mostrara un mensaje de eror diciendo que la matriz no es diagonalizable. Sin embargo, debido a los errores de redondeo, la matriz aparece ser como diagonalizable desde el punto de vista numrico y e entonces la forma efectiva de vericar cun diagonalizable es una matriz es chequear 2 (V ). Cuanto a ms grande es este nmero menos diagonalizable es la matriz. a u octave>a=[0 1;0 0] a = 0 0 1 0
octave> [v,d]=eig(a) v = 1.00000 0.00000 d = 0 0 0 0 -1.00000 0.00000
octave> cond(v) ans = 1.9958e+292

268
Esto es similar a cuando nos preguntamos si una matriz es inversible o no. Si calculamos el determinante de la matriz, por errores de redondeo este nmero siempre resulta ser diferente de cero. u Adems, la misma matriz multiplicada por una factor a < 1 tiene un determinante que es un factor aN a veces menor. Para matrices grandes (digamos N = 100) un pequeo factor 0.1 puede representar un n cambio en la magnitud del determinante por un factor 10100 . Todo esto indica que el determinante no es un buen indicador de cuan singular es una matriz y un anlisis ms detallado muestra que el a a indicador correcto es el nmero de condicin de la matriz: cuanto ms alto es el nmero de condicin u o a u o ms singular es la matriz. a Los siguientes Teoremas reproducen los resultados ya obtenidos para GC. Su demostracin se basa o nuevamente en la construccin de polinomios residuales apropiados que se anulan en los autovalores o de la matriz. Teorema 3.1.4. Sia A tienen autovalores distintos entonces GMRES converge en k iteraciones. Teorema 3.1.5. Si r0 es una combinacin lineal de k autovectores de A entonces GMRES converge o dentro de las k iteraciones.
9.3.2
Criterio de detencin: o
Pensando a GMRES como un mtodo iterativo las estimaciones de la tasa de convergencia son similares e a las de GC. Como en GC el criterio de detencin es o rk
2
tol b
Una estimacin bastante cruda de la tasa de convergencia se puede obtener asumiendo que existe o un tal que I A 2 = < 1. Tomando el polinomio de pk (x) = (1 z)k podemos obtener la estimacin de convergencia o rk 2 k r 0 2 (9.329) Esta estimacin de convergencia tiene algunos puntos en comn con las estimaciones de convergencia o u que hemos obtenido para el mtodo de Richardson. Notemos que bajoe estas mismas condiciones el e mtodo de Richardson predice la misma tasa de convergencia. Sin embargo la diferencia fundamental e est en que con GMRES no es necesario conocer el valor de , de hecho, como (9.329) es vlido a a para cualquier es vlido para aquel que minimize I A 2 , es decir que su convergencia es mejor a que la de Richardson sobre-relajado con el mejor valor del parmetro de relajacin que pudiramos a o e obtener, sin necesidad de conocer ningna norma ni estimacin de los autovalores de A. Por otra u o parte, GMRES tiene en su contra que debe guardar la base del espacio de Krylov. Pero si hacemos la estrategia del restart que veremos ms adelante, segn la cual se realizan un cierto nmero m (bajo) a u u de iteraciones de GMRES y obtenido el xm se vuelve a iterar GMRES de cero desde xm , entonces este GMRES con restart tendr una tasa de convergencia mejor que la mejor que podr a amos obtener con el mejor parmetro de relajacin , a un costo similar por iteracin y con un requerimiento de a o o capacidad de almacenamiento no demasiado alto. Como esta estimacin no depende de una diagonalizacin de A podr o o amos esperar que nos de alguna estimacin de la convergencia en el caso en que A no es diagonalizable. Deafortunadamente, o
269
puede vericarse que para un bloque de Jordan de la forma 1 0 ... 0 1 0 . . 0 1 A= . 0 ... ... ... 0 0 ... 0
0 ... ... 1
(9.330)
vale que I A 2 > 1 para todo , es decir que no hay que haga convergente a Richardson y, a la vez, nos permita obtener una estimacin de la tasa de convergencia para GMRES. Too esto o har pensar que si la matriz no es diagonalizable (o casi no diagonalizable ) entonces GMRES no a converger. Pero si la forma de Jordan de una Matriz incluye un pequeo bloque de Jordan de a n dimension kJ y el resto es diagonalizable, entonces basta con tomar polinomios residuales de la forma pk (z) = (z J ) J
kJ
qkkJ (z)
(9.331)
para k > kJ , donde J es el autovalor correspondiente al bloque de Jordan y q es un polinomio apropiado para estimar una buena convergencia sobre el espectro de autovalores restantes. Por ejemplo, si el resto de los autovalores es real y positivo, entonces podr amos usar los polinomios de Tchebyshev usados para estimar la tasa de convergencia de GC.
9.3.3
Precondicionamiento
La forma de implementar el precondicionamiento en GMRES diere con GC en cuanto a que para GMRES no es necesario que el sistema precondicionado (M A) x = (M b) (9.332)
sea ni simtrico ni denido positivo. Entonces basta con encontrar un precondicionamiento M tal que e I M A 2 < 1 y se resuelve directamente el sistema precondicionado. Debido a esto, la rutina de GMRES no incluye nada en especial en cuanto al precondicionamiento, sino que directamente se pasa M b como miembro derecho, y la rutina que calcula el producto matriz vector retorna (M A) x en vez de A x. Por otra parte se pueden usar precondicionadores por derecha y por izquierda. El precondicionamiento por izquierda es como fue expuesto en el prrafo anterior mientras que el precondicionamiento a po derecha consiste en encontrar un M tal que I AM 2 < 1 y entonces hacer el cambio de variable x = M y, resolver con GMRES el sistema (AM ) y = b (9.333)
y nalmente, una vez encontrado y obtener x de x = M y. En cuanto a las ideas para desarrollar precondicionadores son similares a las utilizadas con GC.
270
9.3.4
Implementacin bsica de GMRES o a
Recordemos que xk se obtiene del problema de minimizacin (9.313). Sea Vk una matriz que contiene o los vectores que expanden Kk es decir Vk = r0 Ar0 . . . Ak1 r0 Entonces x x0 es una combinacin lineal de las columnas de Vk , es decir o x x 0 = Vk y, Entonces y debe ser tal que minimize b A(x0 + Vk y) Sea ahora Bk = AVk = Ar0 A2 r0 . . . Ak r0 entonces el cuadrado de la norma se escribe como r0 Bk y
2 2
(9.334)
y IRk
(9.335)
= r0 AVk y
(9.336)
(9.337)
= (r0 Bk y)T (r0 Bk y) =

T r0 r0
(9.338) (9.339)
T 2r0 By
+ y (B B) y
que alcanza su m nimo cuando

T T Bk r0 + (Bk Bk )y = 0
(9.340) (9.341)
lo cual ocurre cuando

T T y = (Bk Bk )1 Bk r0
Esto puede implementarse en Octave con el comando y=(B*B)\B*r0 pero an ms simplemente u a y=B\r0 hace lo mismo ya que para matrices rectangulares el operador \ se interpreta como resolver el sistema de m nimos cuadrados asociado. En cuanto a la implementacin prctica, notemos que el vector o a qk
T = Bk r0 r0 A r0 r0 A2 r0 = . . .
(9.342) = qk1 r 0 Ak r 0
(9.343)
r 0 Ak r 0
271
de donde vemos que en cada iteracin slo necesitamos calcular el ultimo elemento del vector, lo cual o o T involucra O(N ) operaciones. Algo similar ocurre con el clculo de la matriz Hk = Bk Bk a invertir. a Hk
T = Bk Bk T Bk1 = k r )T (A 0
(9.344) Bk1 Ak r0
T Bk1 Ak r0 T (Ak )T Ak r r0 0
(9.345) (9.346)
Hk1 T (Bk1 Ak r0 )T
con lo cual slo es necesario calcular la ultima columna y el elemento diagonal. La ultima la es igual o a la transpuesta de la ultima columna ya que Hk es simtrica y denida positiva por construccin. El e o clculo de esta ultima columna requiere de O(kN ) operaciones. Finalmente la inversin del sistema a o cuya matriz es Hk requiere O(k 3 ) operaciones. Mientras mantengamos k N (ms estrictamente es a k2 N ) este costo es despreciable contra las k N operaciones.
9.3.5
Implementacin en una base ortogonal o
En la prctica es muy comn ir cosntruyendo una base ortogonal de Kk mediante el proceso de a u ortogonalizacin de Gram-Schmidt. El algoritmo es el siguiente o 1. r0 = b Ax0 , v1 = r0 / r0 2 2. Para i = 1, . . . , k 1 w = Avi i ((Avi )T vj ) vj j=1 vi+1 = wi / wi 2 Si en algn i sucede que w = 0 entonces decimos que el algoritmo falla o colapsa (breakdown). u Asumiendo que los r0 , Ar0 , . . . , Ak1 r0 son linealmente independientes (o sea que: dim Kk = k), entonces podemos que El algoritmo no falla. Los {vi }k as generados forman una base ortogonal de Kk . i=1 vk = k Ak1 r0 + wk con wk Kk1 y k = 0. Esto se puede demostrar por induccin en i. Para i = 1 es obvio, ya que v1 es igual a r0 normalizado. o Para demostrarlo para i + 1, observemos que w es otogonal a todos los vj para j i
i T vj A vi l=1 i
((Avi )T vl ) vl )
T = vj A vi l=1
(Avi )T vl ) jl
(9.347) (9.348) (9.349)
T vj
A vi (Avi )T vj )
=0
Ahora bien Avi pertenece a Ki+1 y los vl para l = 1, . . . , i pertenecen a Ki . Si w = 0 entonces podemos normalizar w apra obtener vi+1 y {vl }i+1 es un conjunto de vectores ortonormales en Ki+1 . Como l=1
272
Ki=1 es de dimensin a lo sumo i + 1, vi+1 y {vl }i+1 es una base ortogonal. Slo falta demostrar o o l=1 entonces que bajo las hiptesis asumida el algoritmo no falla. o Ahora bien, por induccin podemos asumir que o Avi = i Ai r0 + Awi (9.350)
Pero si el algoritmo falla, entonces quiere decir que Avi es una combinacin lineal de los {vl }l = 1i y o eso implicar que Ai r0 es una combinacin lineal de los mismos e indicar que los {Aj1 r0 }i son a o a j=1 linealmente dependientes. Colapso de GMRES (Breakdown) Puede ocurrir que w = 0 para algn i, en cuyo caso (por lo visto en el prrafo anterior) indicar que u a a {Aj1 r0 }i son linealmente dependientes. Podemos ver que esto ocurre si x x0 Kk . j=1 Lemma 3.4.1. Si wi+1 = 0 entonces x = A1 b Ki Demostracin. Si w = 0 para algn i entonces eso implica o u
j
Avi =
i=1
j vj Ki
(9.351)
Por construccin Avj Ki para j < i, con lo que resulta que AKi Ki . Pero como o Vi = [v1 v2 . . . v)i] es una base de Ki entonces AVi = Vi H (9.353) para una cierta matriz H de i i. La columna j-sima de H son los coecientes de la expansin de e o Avj en trmino de los {vl }j+1 . H es no singular ya que A no lo es. Efeectivamente si z == 0, z IRi e l=1 es tal que Hz = 0, entonces Vi z es un vector no nulo y A (Vi z) = Vi H z = 0 Consideremos ahora el residuo en la i-sima iteracin e o ri = b Axi = r0 A(xi x0 ) = Vi y (9.355) (9.354) (9.352)
con y IRi ya que xi x0 Ki . Adems r0 por construccin es proporcional a v1 la primera columna a o de Vi lo cual puede escribirse como r0 = Vi e1 (9.356) con eT = [1 0 . . . 0]. Como Vi es ortogonal, preserva la norma 1 ri
2 2
= Vi (e1 Hy) = (e1 Hy)

T
2 2
(9.357) (9.358) (9.359)
= (e1 Hy) Pero basta con tomar y = H 1 e1 para el cual ri

2
ViT 2 2
Vi (e1 Hy)
= 0 y GMRES ha convergido. 273
9.3.6
El algoritmo de Gram-Schmidt modicado
Uno de los principales problemas de GMRES es que por errores de redondeo se va perdiendo la ortogonalidad de los vectores vi , por lo cual debe prestarse especial atencin al proceso de ortogonalizacin. o o Una primera observacin es que la siguiente versin modicada del proceso de ortogonalizacin de o o o Gram-Schmidt resulta ser mucho ms estable ante errores de redondeo a vk+1 = Avk for j = 1, . . . , k T vk+1 = vk+1 (vk+1 vj )vj
9.3.7
Implementacin eciente o
La matriz H que contiene los coecientes que expanden Avi en trmino de los vl tiene una estructura e particular que permite una implementacin ms eciente del algoritmo. Consideremos la expresin o a o
i
vi+1 = wi+1
1 2
(Avi
j=1
j vj )
(9.360)
Esto quiere decir que Avi es una combinacin lineal de los {vj }i+1 . Como la columna j-sima de Hk o e j=1 son los coecientes de la expansin de Avj en trmino de los {vl }j+1 o e l=1 A Vk = VK Hk vemos los hlj deben ser de la forma hlj = 0 para h11 h21 Hk = 0 0 .. . l > j + 1. Es decir h12 h13 . . . h22 h23 . . . h32 h33 . . . 0 h43 . . . .. .. .. . . . (9.361)
(9.362)
Este tipo de matriz se llama Hessenberg superior (upper Hessenberg). El residuo se puede escribir como rk = b Axk = r0 A(xk x0 ) = Vk+1 (e1 Hk y ) y como Vk es ortogonal rk
2 k
(9.363) (9.364)
= e1 Hk y k
(9.365)
Para resolver este problema se recurre a una estrategia similar a la anterior. Es decir, en Octave y=beta*H\e1 si usamos la solucin por m o nimos cuadrados interna de Octave, o y=beta*(H*H)\H*e1 si lo resolvemos expl citamente. Finalmente, existen algoritmos especiales que permiten factorizar la matriz con un algoritmo QR en forma ms eciente usando la estructura Hessenberg superior de Hk . a Independientemente de la implementacin de la resolucin del problema de cuadrados m o o nimos, el algoritmo de GMRES es
274
Algoritmo gmresb(x, b, A, , kmax , ) 1. r = b Ax, v1 = r/ r 2 , = r 2 , = , k = 0 2. While > b 2 y k < kmax (a) k = k + 1 (b) vk+1 = Avk . Para j = 1, . . . , k T (i) hjk = vk+1 v j (ii) vk+1 = vk+1 hjk vj (c) hk+1,k = vk+1 2 (d) vk+1 = vk+1 / vk+1 2 (e) e1 = [1 0 0 . . . 0]T yk = argminyIRk e1 Hk y k 2 (f) = e1 Hk y k 2 3. xk = x0 + Vk y k
9.3.8
Estrategias de reortogonalizacin o
Se puede perder ortogonalidad por errores de redondeo. Una solucin es hacer un segundo paso de o ortogonalizacin sea entodas las iyeraciones, sea cuando algn indicador de prdida de ortogonalidad o u e se activa.
9.3.9
Restart
Como debemos almacenar una base para Kk esto requiere kN reales lo cual va creciendo con k y eventualmente excede la memoria de la mquina. Entonces la idea es iterar GMRES m iteraciones y a empezar de nuevo a partir de la ultima iteracin, es decir aplicar GMRES inicializando con x0 xm . o El siguiente algoritmo gmresm reeja esto, Algoritmo gmresm(x, b, A, , kmax , m, ) 1. gmres(x, b, A, , m, ) 2. k = m 3. While > b 2 y k < kmax (a) gmres(x, b, A, , m, ) (b) k = k + m
9.3.10
Otros mtodos para matrices no-simtricas e e
GMRES, CGNE y CGNR comparten las siguientes (buenas) caracter sticas Son fciles de implementar a Se analizan con residuos polinomiales Por otra parte los CGN* tienen la desventaja de que necesitan un producto AT x y su tasa de convergencia est regida por (AT A) (A)2 , mientras que GMRES slo necesita calcular A x y la a o convergencia est basada en (A), pero es necesario guardar una base de Kk , lo cual representa una a
275
capacidad de almacenamiento que va creciendo con las iteraciones. Como esto es virtualmente imposible para grandes sistemas desde el punto de vista prctico se utiliza el GMRESm, lo cual puede a involucrar un serio deterioro de la convergencia. El mtodo ideal deber ser como CG: e a Slo necesitar calcular A x (no AT x) o Estar basado en una propiedad de minimizacin o conjugacin o o Requerir baja capacidad de almacenamiento. (Sobre todo que no crezca con las iteraciones). Converger en N iteraciones. En esta seccin describiremos algunos mtodos que tratan de aproximarse a estos requerimientos con o e menor o mayor xito. e Bi-CG: (por Biconjugate Gradient Squared ) No se basa en una propiedad de minimizacin sino o de ortogonalidad T rk w = 0, para todo w Kk (9.366) donde Kk Kk = span{0 , AT r0 , . . . , (AT )k1 r0 } r (9.367)
es el espacio de Krylov conjugado. r0 es un vector que debe ser provisto por el usuario, pero lo ms a usual es tomar r0 = r0 . El algoritmo genera secuencias de residuos y direcciones de bsqueda {rk , pk } u y sus correspondientes conjugados {k , pk } tales que hay biortogonalidad entre los residuos r rk rl = 0, T y de bi-conjugacin entre las direcciones de bsqueda o u pT A pl = 0, k k=l (9.369) k=l (9.368)
Si A es simtrica y denida positiva y r0 = r0 , entonces Bi-CG es equivalente a GC (pero computa e todo el doble, es decir que tiene el doble de costo por iteracin). Bi-CG necesita un clculo AT x, o a pero la ventaja con respecto a los CGN* es que su tasa de convergencia est basada en (A) no en a (AT A). Es muy util si A es aproximadamente spd, es decir si los autovalores de A estn cerca de la a recta real. Podemos comparar Bi-CG con GMRES en cuanto a la tasa de convergencia si consideramos que resulta ser que rk = pk (A) r0 (9.370) con pk un polinomio residual, y entonces por la propiedad de minimizacin de GMRES o (rk )GMRES
2
(rk )BiCG
(9.371)
pero debe recordarse que Bi-CG comparado con GMRES no necesita un espacio de almacenamiento creciente. Adems una iteracin de Bi-CG requiere dos productos matriz vector, pero el costo de a o GMRES tambin crece con las iteraciones. e 276
CGS (por Conjugate Gradient Squared ). Este mtodo trata de ser una extensin de Bi-CG pero e o T x. Puede verse que en la iteracin k tal que no necesita calcular A o rk = pk (A) r0 , rk = pk (AT ) r0 (9.372)
T entonces el factor rk rk (que juega el papel de k en GC, (ver el algoritmo cg(...) en pg. 256), a puede reescribirse de la forma T rk rk
= (k (A) r0 )T (k (AT ) r0 ) p p = ([k (A)] r0 ) r0 p

2 T
(9.373) (9.374)
en el cual no es necesario calcular AT x. Con manipulaciones similares se puede llegar a transformar todos las expresiones donde aparece AT , pero el algoritmo resulta modicado, es decir las iteraciones de Bi-CG no son las mismas que para CGS. Bi-CGstab (por Biconjugate Gradient Squared stabilized). Trata de mejorar CGS reemplazando rk = q(k) p( k) r0 donde qk (z) =
i=1 k
(9.375)
(1 i z)
(9.376)
donde i se selecciona para minimizar ri

2
= qi (A) pi (A) r0
k
(9.377)
como funcin de i , esto es usualmente conocido como line-searching. Sea o ri = (1 i A)

i=1
(1 i z) pi (A) r0
(9.378) (9.379) (9.380) (9.381)
= (1 i A) w = w i A w de manera que ri y el valor que minimiza es i = wT (Aw) Aw 2 2

2 2
= (w i A w)T (w i A w) = w
2 2
(9.382) Aw (9.383)
2i w Aw +
2 i (Aw)T
(9.384)
Bi-CGstab entonces no necesita del clculo de AT x como CGS pero tiende a tener una tasa de cona vergencia mejor. El costo computacional involucrado por iteracin es o Almacenamiento para 7 vectores 4 productos escalares 2 productos matriz-vector (Ax) 277
Figura 9.15: Descomposicin de dominios o
9.3.11
Gu Nro 3. GMRES a
Consideremos la ec. de adveccin-difusin o o k a = 0 (0) = 0 (1) = 1 donde = temperatura del uido k = conductividad trmica del uido e a = velocidad del uido (puede ser positiva o negativa) La solucin exacta es o (x) = donde e2Pex 1 e2Pe 1 (9.385) (9.386) (9.387)
(9.388)
aL (9.389) 2k Aqu L = 1. En la gura 9.16 vemos Para a 0 el problema se acerca a la ec. de Laplace y la solucin tiende a ser una recta que une los valores de contorno, mientras que para Pe grandes y o positivos el uido va en la direccin +x y arrastra el valor de la condicin aguas arriba una cierta o o longitud hasta que a una distancia pequea sube rpidamente para tomar el valor dado por la n a condicin en x = 1. o La discretizacin numrica pasa por reemplazar las derivadas por diferencias numricas o e e Pe = j (j+1 2j + j1 )/h2
(9.390) 278
Figura 9.16: Solucin para el problema de adveccin difusin, en los l o o o mites dominado por difusin y o por adveccin o y j = (j+1 j1 )/(2h) (9.391) Lamentablemente, esta discretizacin falla cuando el Pe o 1, en el sentido de que produce fuertes oscilaciones numricas. La solucin usual es agregar una cierta cantidad de difusin numrica, es decir e o o e que se modica la ecuacin original a o (k + knum ) a = 0 donde knum Peh Realizar las siguientes tareas: 1. Calcular la matriz para Peh = 0.01, 1 y 100 2. Calcular los autovalores. Ver la distribucin en el plano complejo. o 3. Vericar que la matriz no es simtrica. Ver que la parte correspondiente a es simtrica e e mientras que la que corresponde a es antisimtrica. e 4. Ver a que tiende la matriz para k 0. Es diagonalizable? 5. Resolver por GMRES y CGNE. 6. Pensar como se podr hacer para calcular AT x sin construir A. a
= (ah/2) = ah 2k
1 1 Peh tanh(Peh )

x
(9.392) (9.393) (9.394) 279

Seccin 9.4. Descomposicin de dominios. o o
9.4
Descomposicin de dominios. o
Consideremos la solucin de una ecuacin en derivadas parciales en un dominio como muestra la guo o ra 9.15. Descomponemos el problema en dos dominios de manera que podemos separar las incgnitas o en x en tres grupos, aquellos que estn estrictamente contenidos en el dominio de la izquierda x1 , los a estricatamente contenidos en el dominio de la derecha x3 y los que estn sobre la interfase x2 . La a ecuacin se descompone en bloques de la siguiente forma o A11 A12 0 x1 b1 A21 A22 A23 x2 = b2 (9.395) 0 A32 A33 x3 b3 La descomposicin en bloques reeja el hecho de que como los grados de libertad contenidos en x1 o y x3 no estn compartidos por ningn elemento, los bloques correspondientes A13 y A31 son nulos. a u Podemos eliminar x1 y x3 de la primera y ultima l nea de ecuaciones y obtener una ecuacin para los o grados de libertad de interfase x2 (A23 A1 A32 + A22 A21 A1 A12 )x2 = b2 33 11 S x2 = b 2 (9.396) (9.397)
Ahora consideremos resolver este sistema por GC. En cada iteracin debemos calcular el producto o de la matriz entre parntesis por un vector x2 . Para los trminos primero y tercero de la matriz es e e necesario factorizar y resolver un sistema lineal con las matrices A33 y A11 . Esto corresponde a resolver problemas independientes sobre cada uno de los dominios con condiciones Dirichlet sobre la interfase, por lo tanto estos problemas pueden ser resueltos en procesadores independientes lo cual implica un alto grado de paralelizacin del problema. Esto se puede extender a ms procesadores, y en el l o a mite podemos lograr que en cada procesador se resuelva un sistema lineal lo sucientemente pequeo como n para ser resuelto en forma directa. La eciencia del mtodo puede ser mejorada an ms encontrando e u a un buen precondicionamiento. Si separamos la matriz S que aparece en el sistema (9.397) en la contribucin por el dominio de o la izquierda SL y de la derecha SR S SL SR = SR + SL = (1/2)A22 = A21 A1 A12 11 + (1/2)A22 A23 A1 A32 33 (9.398) (9.399) (9.400)
Entonces podemos poner como precondicionamiento

1 1 M = (1/4) (SL + SR )
(9.401)
Es M un buen precondicionamiento? O mejor dicho: Porqu habr M de parecerse a S 1 ? Bien, si e a el operador es simtrico (el laplaciano lo es) y los dominios son iguales y la malla es simtrica, entonces e e 1 coinciden puede verse que SL = SR y entonces M y S
1 M = S 1 = (1/2)SL
(9.402) 280
Figura 9.17: Descomposicin de dominios. Problema del continuo. o Por otra parte resolver x = M y es equivalente a resolver A11 A12 A21 (1/2) A22 (1/2) A22 A23 A32 A33 y despus e x = (1/2)(x2L + x2R ) (9.405) y el punto es que ambos sistemas (9.403) y (9.404) equivale a resolver problemas independientes con condiciones tipo Neumann sobre la interfase. De nuevo, el hecho de que ambos problemas sobre cada dominio sean independientes favorece la paralelizacin del algoritmo. o x1 x2L x2R x3 = 0 (1/2) y (1/2) y 0 (9.403)
9.4.1
Condicionamiento del problema de interfase. Anlisis de Fourier. a
Obviamente la aplicabilidad de la descomposicin de dominios descripta depende del nmero de iteo u raciones necesarias para resolver el problema de interfase y por lo tanto del nmero de condicin u o de la matriz complemento de Schur S o de su precondicionada M S. Para hacer una estimacin de o estos nmeros de condicin nos basaremos en un anlisis de Fourier del problema del continuo para u o a la ecuacin de Laplace. Las ecuaciones de gobierno son o = f en = en 1 (9.406) (9.407) (9.408)

(9.404) 281

Consideremos la solucin en dos dominios 1 , 2 . La restriccin de a cada uno de los dominios debe o o satisfacer 1 = f en 1 1 = 1 en 1 (9.409) (9.410) (9.411) y 2 = f en 2 2 = 2 en 2 (9.412) (9.413) (9.414) y la continuidad de y su derivada normal a travs de I e (1 )I = (2 )I 1 2 = x I x (9.415) (9.416)
I
Ahora consideremos una descomposicin = + , de manera que = 0 en I , es decir o 1 = f en 1 1 = 1 en 1 1 = 0 en I y 2 = f en 2 2 = 2 en 2 2 = 0 en I y por lo tanto falta hallar denido por 1 = 0 en 1 1 = 0 en 1 1 = u en I y 2 = 0 en 2 2 = 0 en 2 2 = u en I (9.424) (9.423) (9.420) (9.421) (9.422) (9.417) (9.418) (9.419)
282
donde u es una incgnita del problema y debe ser tal que o 1 x donde = b 1 x
I
2 x
= b
I
(9.425)
2 x
(9.426)
I
Denimos ahora el operador de Stekhlov-Poincar S1 del dominio 1 como e S1 {u} = 1 1 = n x (9.427)
donde 1 denota la derivada normal tomando la normal exterior al dominio en cuestin, que para el o n dominio 1 coincide con la direccin de +x, y 1 es la solucin de (9.423), para el correspondiente u. o o Anlogamente se puede denir S2 por a S2 {u} = 2 2 = n x (9.428)
donde 2 est denido en funcin de u por (9.424) y el signo viene de que la normal exterior a 2 a o sobre I va ahora segn la direccin x . Entonces u o S{u} = g (9.429)
donde S = S1 + S2 . Ec. (9.429) es la versin del continuo de (9.397). Calcularemos el nmero de condicin de S a o u o partir del clculo de autovalores de S. a Cada uno de los operadores de Stekhlov-Poincar acta sobre el espacio de funciones denidas e u sobre I . Podemos mostrar que las funciones de la forma um = sin(km y), km = m/L, m = 1, 2, . . . , (9.430)
son autofunciones de estos operadores. La solucin 1 que es solucin de (9.423) correspondiente a o o u = um es de la forma 1 = (x) sin(km y), (9.431) Reemplazando en las ecuaciones que denen (9.423), la primera de las ecuaciones resulta ser
2 km = 0
(9.432)
de donde (x) = a ekm y + b ekm y y de las condiciones de contorno en x = 0, L1 resulta ser sinh km y (x) = sinh km L1
(9.433)
(9.434) 283
la derivada normal en I es entonces 1 cosh km L1 km = km = n sinh km L1 tanh km L1 de manera que S1 {um } = km tanh km L1 um (9.436) (9.435)
Vemos entonces, que um es una autofuncin de S1 con autovalor o 1 = m Anlogamente, el operador S2 tiene autovalores a 2 = m El operador S tiene autovalores m = km 1 1 + tanh km L1 tanh km L2 (9.439) km tanh km L2 (9.438) km tanh km L1 (9.437)
Ahora bien, dijimos que estimar amos el nmero de condicin de la matriz S a partir de los autovalores u o de S. En el continuo S tiene innitos autovalores y los m van a innito para m , de manera que el nmero de condicin de S va a innito. Obtendremos una estimacin para el nmero de condicin u o o u o de S asumiendo que los autovalores de S se aproximan a los primeros NI autovalores de S, donde NI es la dimensin de S. El autovalor ms bajo es o a min = 1 = si L1 = L2 = L/2, entonces min = L 1 1 + tanh(L1 /L) tanh(L2 /L) 2 13.6 = L tanh(1/2) L (9.440)
(9.441)
El autovalor mximo se obtiene para m = NI y asumiendo que NI a 1 y L1 /L, L2 /L no son demasiado pequeos, entonces km L1 = NI L1 /L n 1 y tanh km L1 1 y similarmente tanh km L2 1 y por lo tanto max = 2km = 2NI /L (9.442) y el nmero de condicin es u o (S) tanh(1/2) NI = 0.46 NI (9.443) Notar que (S) va como 1/h al renar, mientras que recordemos que el nmero de condicin de A (la u o matriz del sistema) va como 1/h2 (Gu de ejercicios Nro. 1). a Otro punto interesante a notar es que, para m los autovalores tienden a hacerse independientes de las longitudes de los dominios en la direccin normal a la interfase. Por ejemplo, para los o autovalores 1 de S1 , L1 aparece en el argumento de la tangente hiperblica y esta tiende a 1 para o m
284
m , independientemente del valor de L1 . Incluso puede verse que para m los autovalores se hacen independientes del tipo de condicin de contorno sobre el borde opuesto (es decir sobre x = 0). o Esta observacin se basa en el hecho de que el operador de Laplace es muy local. Si u es de la forma o sin my/L sobre I , entonces la longitud de onda es = 2L/m la cual se va achicando a medida que m . Las perturbaciones inducidas decaen como en/ donde n es una coordenada en la direccin o normal a I y si es muy pequeo la perturbacin no llega al contorno opuesto. n o Ahora consideremos los autovalores del problema precondicionado. Como todos las um de la forma (9.430) son autofunciones de los operadores S1 , S2 y S, entonces los autovalores de M S son 1 1 aproximadamente los primeros NI autovalores de (1/4)(S1 + S2 )(S1 + S2 ), es decir prec = (1/4) [(1 )1 + (2 )1 ] (1 + 2 ) m m m m m (9.444)
Como mencionamos previamente (ver pg. 280), si el problema es simtrico (en el caso del continuo a e basta con L1 = L2 , en el caso del discreto adems la malla tambin tiene que ser simtrica alrededor a e e 1 . En el caso del continuo ocurre lo mismo ya que si los dos dominios de x = 1/2), entonces M = S son iguales, entonces 1 = 2 (9.445) m m y por lo tanto prec = 1 para todo m. Si L1 = L2 , entonces puede verse que para m grandes 1 2 m ya que ambos se hacen independientes de L1,2 y de la condicin de contorno en el contorno opuesto y o por lo tanto prec 1 para m (9.446) m Pero entonces esto quiere decir que (M S) se hace independiente de NI para m sucientemente grandes. Este resultado es muy importante desde el punto de vista prctico, el nmero de condicin a u o del problema precondicionado no se deteriora bajo renamiento para el precondicionamiento Dirichletto-Neumann.
285
Indice de Materias
ajuste del contorno, 100 alto orden esquemas en dif. n. de , 89 backward dierence, vase diferencia hacia e atrs a banda ancho de, 98 matriz, 95 centrada diferencia, 74 choque ondas de, 84 compresible ujo potencial subsnico c., 83 o conservativo esquema, 83 consistencia, 78 contravariante tensor mtrico, 103 e convariante tensor mtrico, 103 e conveccin, 111 o conveccin-reaccin-difusin, 111 o o o convergencia lineal, 87 convergencia cuadrtica, 89 a denida positiva matriz, 77 diferencia hacia adelante, 73 diferencia hacia atrs, 73 a diferencias nitas mtodo de, 72 e sistema de ecuaciones, 76 286 difusin, 111 o Dirichlet condicin de contorno tipo, 75 o escala, factores de, 104 esfricas e coordenadas, 104 estabilidad, 79 cticio nodo, 80 forward dierence, vase diferencia hacia adee lante Gauss mt. de eliminacin de, 96 e o hiperlastico e material, 83 irregular dominios de forma, 99 Lax, Teorema de Lax, 79 mapeo del dominio de integracin, 103 o multidimensional mt. de d.f. m., 91 e Neumann condicin de contorno tipo, 79 o no-lineales problemas, 82 nodos, 72 numeracin de nodos, 98 o orden de convergencia, 78 ortogonales
INDICE DE MATERIAS
INDICE DE MATERIAS
coordenadas curvil neas, 104 precisin de la mquina, 85 o a punto jo, mtodo de, 84 e reaccin, 111 o residuo de un sistema no-lineal de ecs., 84 secante mtodo, 86 e simtrica e matriz, 77, 96 stencil, 89, 94 tangente mtodo, 88 e Taylor serie de T. para aprox. en diferencias, 72 tensor mtrico contravariante, 103 e tolerancia, 85 tolerancia para la resol. de un sistema no-lin., 84 transformacin conforme, 105 o tri-diagonal matriz, 93
287

Metodos Numericos para Fenomenos de Transporte

Caricato da

Informazioni sul documento

Titolo originale

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Formati disponibili

Metodos Numericos para Fenomenos de Transporte

Caricato da

Copyright:

Formati disponibili

Mtodos Numricos en Fenmenos de Transporte.

Introduccin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . o MatLab como software de aplicacin . . . . . . . . . . . . . . . . . . . . . . . . o

5.1.3 5.1.4 5.1.5 5.1.6 5.1.7 5.1.8 5.1.9 6

Condicionamiento del problema de interfase. Anlisis de Fourier. . . . . . . . . 281 a

Introduccin. Contenidos del curso o

Modelos s cos y matemticos a

Postulado del continuo

Cap tulo 1. Modelos fis cos y matematicos

Seccin 1.1. Conceptos introductorios o

Finite amplitude Transition Developed

Instability Undisturbed Disturbed

Cap tulo 1. Modelos fis cos y matematicos

Seccin 1.1. Conceptos introductorios o

La solucin a los problemas de mecnica de uidos o a

Cap tulo 1. Modelos fis cos y matematicos

Seccin 1.1. Conceptos introductorios o

Cap tulo 1. Modelos fis cos y matematicos

Seccin 1.1. Conceptos introductorios o

d (M v) = F dt 1 m Kg = Newton [=] seg seg

Propiedades de los uidos

Cap tulo 1. Modelos fis cos y matematicos

Seccin 1.1. Conceptos introductorios o

Cap tulo 1. Modelos fis cos y matematicos

Seccin 1.2. Cinemtica de uidos o a

El vol men material u

Distintas deniciones de volmenes de control u

Cap tulo 1. Modelos fis cos y matematicos

Seccin 1.2. Cinemtica de uidos o a

El principio de conservacin de la cantidad de movimiento lineal o

Fuerza actuando sobre el volmen material u

Cap tulo 1. Modelos fis cos y matematicos

Seccin 1.2. Cinemtica de uidos o a

Cap tulo 1. Modelos fis cos y matematicos

Seccin 1.2. Cinemtica de uidos o a

Flujo laminar unidimensional, denicin del volmen material o u

"!  5 876%54      3$20)$ ('&$%# 1

Cap tulo 1. Modelos fis cos y matematicos

Seccin 1.2. Cinemtica de uidos o a

Cap tulo 1. Modelos fis cos y matematicos

Seccin 1.2. Cinemtica de uidos o a

"   #&% $! )Py y

manteniendo R constante y diferenciando

DT T T T T =( )vx + ( )vy + ( )vz + ( ) Dt x y z t

Denicin de las derivadas temporales o

T = T (r, t) = T [r(R, t), t)] =

= T [x(R, t), y(R, t), z(R, t), t]

Cap tulo 1. Modelos fis cos y matematicos

Seccin 1.2. Cinemtica de uidos o a

Cap tulo 1. Modelos fis cos y matematicos

Seccin 1.2. Cinemtica de uidos o a

mientras que en notacin de Gibbs es o DT T =( )+v Dt t y en notacin indicial: o DT T T =( ) + vj ( ). Dt t xj (1.27) T, (1.26)

y en notacin indicial: o dT T T =( ) + wj ( ) dt t xj (1.30)

Cap tulo 1. Modelos fis cos y matematicos

Seccin 1.2. Cinemtica de uidos o a

Cap tulo 1. Modelos fis cos y matematicos

Seccin 1.2. Cinemtica de uidos o a

Teorema del transporte

S(t + t)dVI (1.39)

que reemplazada en (1.37) produce d dt SdV = lim

(S(t + t) S(t)) ]dV + t

t Cambiando el orden de integracin con el proceso l o mite en el primer trmino obtenemos e

Cap tulo 1. Modelos fis cos y matematicos

Seccin 1.2. Cinemtica de uidos o a

"! 5 876%54 3$20)$ ('&$%# 1

" #&% $! )Py y

$#"! 7 A 9 B@8 6 4 3 ) ' & % 5120(% B@C E D