Sunteți pe pagina 1din 8

Cap´ıtulo 1

Introducci´on

1.1. Antecedentes y origen de este proyecto.

Este documento se constituye como proyecto fin de carrera de la titulaci´on de Ingenier´ıa Aeron´autica. El problema que abordar´a ser´a el an´alisis y la com- paraci´on del m´etodo num´erico propuesto por Philip M. Gresho, David F. Griffiths y David J. Silvester para la resoluci´on de ciertos problemas de convecci´on-difusi´on, respecto al uso de las f´ormulas de diferenciaci´on regresi- va de orden variable con orden m´aximo igual a 2. En el resto del documento, abreviaremos f´ormulas de diferenciaci´on regresiva como BDF, el acr´onimo de su nombre en ingl´es, Backward Di erentiation Formulae .

El m´etodo num´erico propuesto por los autores aparece publicado en 2008 ba- jo el t´ıtulo de ADAPTIVE TIME-STEPPING FOR INCOMPRESSI- BLE FLOW PART I: SCALAR ADVECTION-DIFFUSION [5], orien- tado a las soluciones a largo plazo de problemas de evoluci´on con car´acter sti , especialmente a aquellos relacionados con las ecuaciones de Navier-Stokes.

En general, las f´ormulas BDF de orden variable se consideran uno de los m´etodos num´erico m´as efectivos para la resoluci´on de problemas de evoluci´on con car´acter sti , permitiendo el uso de orden variable mejorar el comporta- miento respecto al uso de orden constante [7, Chapter V]. En el citado art´ıculo [5], se exponen los objetivos considerados al idear dicho m´etodo y las supues- tas ventajas del mismo, sin embargo no se presenta ninguna comparaci´on con m´etodos anteriores que las respalde.

1.2. Objetivos.

Habiendo argumentos de otros autores [4] para discrepar con alguna de las afirmaciones hechas en [5], en este proyecto compararemos la eficiencia compu-

5

6

´

´

CAP ITULO 1. INTRODUCCI ON

tacional de dicho m´etodo respecto a las f´ormulas BDF de orden variable con orden m´aximo igual a 2, para concretar en la medida de lo posible qu´e m´eto- do resulta m´as adecuado en los problemas de convecci´on-difusi´on. En particu- lar usaremos una implementaci´on de las f´ormulas BDF ampliamente utilizada:

ode15s del entorno Matlab [15]. La restricci´on del orden m´aximo de las f´ormu- las BDF a 2 es debido a que s´olo para ´ordenes 1 y 2 las f´ormulas BDF son m´etodos A-estables [7, Section V.I].

De aqu´ı en adelante se entender´a el m´etodo propuesto por Gresho - Gri ths

- Silvester como m´etodo GGS y el m´etodo BDF de orden variable con orden m´aximo igual a 2 como m´etodo BDF2.

As´ı los objetivos del presente proyecto pueden concretarse en:

Comparar la eficiencia del m´etodo GGS con las f´ormulas BDF2.los objetivos del presente proyecto pueden concretarse en: Analizar la evoluci´on de longitud de paso de

Analizar la evoluci´on de longitud de paso de ambos m´etodos.la eficiencia del m´etodo GGS con las f´ormulas BDF2. Concluir si es posible cu´al m´etodo resulta

Concluir si es posible cu´al m´etodo resulta m´as adecuado para los proble- mas de convecci´on-difusi´on.la evoluci´on de longitud de paso de ambos m´etodos. 1.3. Descripci´on del modelo de convecci´on-difusi´on. El

1.3. Descripci´on del modelo de convecci´on-difusi´on.

El estudio desarrollado en [5] se centra en un modelo simple de convecci´on- difusi´on escalar, dado por la ecuaci´on en derivadas parciales:

@

u

@

t

+

a @ u @ x

@ 2 u

@ x 2

= 0,

con condiciones de contorno:

para 0 x 1,

u (0 , t) = u L ,

u (1 , t) = u R

´o

@ @ u x (1 , t)=0 ,

(1.1)

y con condici´on inicial:

u ( x, 0) = u 0 ( x ) ,

donde el coeficiente de advecci´on es a 0, la difusividad 0 y u L y u R son constantes dadas. Dicho modelo describe los fen´omenos de transporte unidimen- sional de cierta magnitud f´ısica en el interior de un fluido, debido a los procesos de difusi´on y advecci´on. La ecuaci´on (1.1) resulta por tanto de la combinaci´on de una ecuaci´on en derivadas parciales parab´olica que describe la difusi´on y una ecuaci´on en derivadas parciales hiperb´olica que describe la advecci´on.

Ecuaci´on de advecci´on: De forma general, los fen´omenos de transporte por advecci´on homog´eneo pueden modelarse por problemas de valor inicial como el siguiente:

´

´

´

1.3. DESCRIPCI ON DEL MODELO DE CONVECCI ON-DIFUSI ON.

@ u

@ t

+ r · ( u a )=0 ,

u ( x , 0) = u 0 ( x ) ,

7

(1.2)

donde el segundo t´ermino del primer miembro modela la advecci´on debi- da a los gradientes de u en cada direcci´on del espacio, siendo el campo vectorial a los coeficientes de advecci´on.

Las curvas x = X ( t ) tangentes en el espacio ( x , t) al campo vectorial a( x , t) se denominan curvas caracter´ısticas . Sobre dichas curvas la ecuaci´on de advecci´on puede ser integrada, considerando una curva caracter´ıstica X ( t ) y denotando el valor de u ( x , t) sobre dicha curva como U ( t ) = u ( X ( t ) , t):

donde

du ( X ( t ) , t)

dt

d

X

dt = a ( X ( t ) , t) ,

dU

du ( X ( t ) , t)

dt =

dt

,

= u t ( X ( t ) , t)+( r u ( X ( t ) , t)) d dt X = u ( X ( t ) , t) ( r · a) .

Las curvas caracter´ısticas X ( t ) y el valor de u ( x , t) sobre las curvas ca- racter´ısticas U ( t ) = u ( X ( t ) , t) se obtienen del siguiente sistema, donde es un par´ametro vectorial condici´on inicial de X ( t ), tal que al evaluarlo definimos la curva caracter´ıstica estudiada:

˙

( t )

U ( t )

X

˙

=

a( X ( t ) , t) a) , U ( t ) ( r ·

X (0) U (0)

=

u

0

( )

.

(1.3)

Es de especial inter´es observar que el problema de valor inicial de la ecua- ci´on (1.2), correspondiente a una ecuaci´on en derivadas parciales, se trans- forma en las curvas caracter´ısticas en un sistema de ecuaciones diferen- ciales ordinarias. Resulta tambi´en importante observar que la soluci´on evoluciona de manera independiente a lo largo de las caracter´ısticas, di- cha particularidad de la soluci´on implica que las posibles discontinuidades presentes en la condici´on inicial se mantendr´an durante la evoluci´on del sistema.

En buena parte de las aplicaciones el campo vectorial a es de divergencia nula lo que da lugar a simplificaciones en la ecuaci´on de advecci´on (1.2) y por tanto en el sistema de ecuaciones diferenciales ordinarias (1.3):

@ u

@ t

+ a · r u = 0,

X ( t ) = a( X ( t ) , t) ,

U ( t )

˙

˙

0

u ( x , 0) = u 0 ( x ) ,

X (0) U (0)

=

u

( )

0

.

8

´

´

CAP ITULO 1. INTRODUCCI ON

En este caso donde r · a = 0, la especial importancia de las curvas

caracter´ısticas se manifiesta al verificar el valor de u ( x , t) sobre ellas,

˙

U ( t ) = u ( X ( t ) , t), que U ( t ) = 0 y por tanto U ( t ) = u 0 ( ). Por ello,

para el caso donde el campo vectorial a es de divergencia nula el valor de u ( x , t) permanece para cada caracter´ıstica constante e igual al que en ellas exist´ıa en el instante inicial.

e igual al que en ellas exist´ıa en el instante inicial. Evoluci´on de u ( x

Evoluci´on de u ( x , t) a lo largo de las caracter´ısticas. Se representa por sencillez el caso unidimensional de coeficiente de advecci´on constante.

En particular, las curvas caracter´ısticas ser´an rectil´ıneas en el caso de coeficientes de advecci´on constantes x = X ( t ) = at + .

advecci´on constantes x = X ( t ) = a t + ⇠ . Curvas caracter´ısticas

Curvas caracter´ısticas en el caso unidimensional de coeficiente de advecci´on constante.

Debido a que en este caso las curvas caracter´ısticas son rectil´ıneas en todo el plano ( x , t), la soluci´on para dicho problema es u ( x , t) = u 0 ( x at ). Esto indica el desplazamiento de la condici´on inicial a lo largo de las caracter´ısticas sin variaci´on de la amplitud [12, p. 62–68].

´

´

´

1.3. DESCRIPCI ON DEL MODELO DE CONVECCI ON-DIFUSI ON.

9

Ecuaci´on de difusi´on: De forma general, los fen´omenos de transporte por difusi´on homog´eneo pueden modelarse por problemas de valor inicial como el siguiente:

@ u

@ t

r ( D ( r u )) = 0,

u ( x , 0) = u 0 ( x ) ,

donde el segundo t´ermino del primer miembro modela la difusi´on an- isotr´opica de u en cada direcci´on del espacio. Considerando el caso parti- cular donde la matriz D es constante espacialmente y se reduce a un s´olo par´ametro , la ecuaci´on de difusi´on se escribe:

@ u

@ t

r 2 u = 0,

u ( x , 0) = u 0 ( x ) .

(1.4)

Resulta de inter´es observar la evoluci´on del problema (1.4) ante una condi- ci´on inicial que presenta discontinuidades, para ello consideraremos u 0 ( x ) = ( x ), siendo ´esta la distribuci´on delta de Dirac . La funci´on u ( x , t) resul- tante es [1, p. 47]:

u ( x , t) = ( x , t) =

p 4⇡⌫ t exp 4 | x t | 2

1

,

donde | x | es la norma eucl´ıdea de x = [ x, y, z ] T .

La funci´on ( x , t) se denomina soluci´on fundamental del problema de valor inicial (1.4) y permite escribir la soluci´on u ( x , t) para tal problema como:

u ( x , t) = ZZZ

( x , t ) · u 0 ( )

d d d ,

donde = [ , , ] T .

Al ser integrada la condici´on inicial en la expresi´on de u ( x , t), las posi- bles discontinuidades existentes inicialmente no se mantendr´an durante la evoluci´on del sistema, suaviz´andose cualquier irregularidad de los datos iniciales.

En particular para el caso unidimensional la soluci´on fundamental es:

u ( x, t ) = ( x, t ) =

p 4⇡⌫ t exp

1

2

4t .

x

Para este caso y con condiciones de contorno u (0 , t) = u (1 , t) = 0, se puede demostrar [9, Chapter VII] que la soluci´on en forma de serie de Fourier al problema de valor inicial es:

10

´

´

CAP ITULO 1. INTRODUCCI ON

u ( x, t ) =

1

X

n =1

B n sin( n x ) exp( ( n ) 2 t ) ,

B n = 2

1

Z

0

u 0 ( x ) sin( n x ) dx.

Ecuaci´on de convecci´on-difusi´on: La descripci´on de los fen´omenos f´ısicos de transporte por advecci´on y difusi´on que realiza el modelo (1.1) se basa en la independencia de ambos procesos [16, Chapter 2]. Al actuar conjun- tamente, la evoluci´on del sistema est´a regida por ambos mecanismos, de tal forma que discontinuidades en los datos dan lugar a capas internas de transici´on brusca.

1.4. Descripci´on del m´etodo GGS.

Se elabora una discretizaci´on espacial del modelo de convecci´on-difusi´on (1.1) usando la aproximaci´on Galerkin est´andar con elementos finitos lineales a trozos en una red de N -elementos. Esto lleva al sistema de ecuaciones diferenciales ordinarias:

M u˙ + A u = f ,

u (0) = u 0 ,

donde el vector f proviene de las condiciones de contorno y las matrices M y A son las debidas a la discretizaci´on. Para una condici´on de contorno Dirichlet en

x = 1, u ( t ) sera tal que u ( t ) := [ U 1 ( t ) , U 2 ( t ) ,

valores nodales de la aproximaci´on de elementos finitos, y para una condici´on de contorno Neumann en x = 1 el vector u ( t ) contendr´a en este caso N compo- nentes [5, p. 2018–2019].

U N 1 ( t )] T , donde {U j } son los

El m´etodo GGS se basa en la regla de los trapecios (TR) y el m´etodo de Adams-Bashford de 2 pasos (AB2), par TR-AB2, y lleva a cabo los tres procesos que se describen en [5, p. 2019–2022]: integraci´on en tiempo, m´etodo de selecci´on del paso y estabilizaci´on del integrador.

Integraci´on en tiempo: Definiendo la aproximaci´on del vector u ( t ) para un instante t n como u n u ( t n ) y un paso de longitud t n tal que t n +1 = t n + t n , se calcula u n +1 u ( t n + t n ) conocidos u n y t n dando un paso con la regla de los trapecios. Para evitar la posible influencia adversa del error de redondeo ([6, p. 273]) se implementa utilizando un vector v n soluci´on de:

(1.5)

1

( M + 2 t n A ) v n = M u˙ n A u n + f .

Tras lo cual se obtienen:

u n +1 = u n +

1

2 t n v n ,

u˙ n +1 = v n u˙ n .

´

´

1.4. DESCRIPCI ON DEL M ETODO GGS.

11

La forma m´as obvia de escribir el segundo miembro de (1.5) como 2 A u n + 2f es m´as propensa al ringing phenomenon, la raz´on de esto se discute en [6, p. 272–273].

M´etodo de selecci´on de paso: Se utiliza AB2 para proporcionar otra apro- ximaci´on u n +1 a u ( t n + t n ), que junto con la obtenida mediante TR permiten estimar el error local. De forma an´aloga, para evitar la posible influencia adversa del error de redondeo, la implementaci´on se lleva a cabo a trav´es de un vector w n :

w n = u˙ n +

1 t n u˙ n u˙ n 1

2

t n 1

,

u n +1 = u n + t n w n .

Una serie de c´alculos est´andar ([6, p. 265]) muestran que el error local se puede estimar como:

d n =

t n 3(1 + t n 1 / t n )

1

2 v n w n .

Con la norma de dicha estimaci´on y una tolerancia prefijada de antemano " se decide si se acepta o rechaza el paso, tal que el paso se acepta si se verifica || d n +1 || 1. 1 · " y se rechaza en caso contrario.

Tras esto, se estima la longitud del paso a utilizar, bien para el paso siguiente:

t n +1 = t n ( " / || d n || ) 1 / 3 ,

bien para repetir el presente paso:

t n = t n ( " / || d n || ) 1 / 3 .

Estabilizaci´on del integrador: Para evitar las oscilaciones t´ıpicas de la regla de los trapecios al integrar problemas sti se implementa la estabilizaci´on del integrador. Un ejemplo muy ilustrativo del origen de dichas oscilacio- nes puede verse en [11, Section 6.3] [7, p. 45].

Como se indica en [5], para la estabilizaci´on del integrador se considera un promedio de la aproximaci´on num´erica, el cual se ejecuta peri´odicamen- te cada n pasos, siendo el n´umero de pasos requeridos para alcanzar el tiempo de evoluci´on t = 10 4 :

1

u n = 2 ( u n + u n 1 ) ,

1

u˙ n = 2 ( u˙ n + u˙ n 1 ) ,

u n +1 = u n +

1

4 ( t n v n ) ,

1

u˙ n +1 = 2 v n .

En problemas no lineales, como por ejemplo las ecuaciones de Navier-Stokes, la aproximaci´on dada por AB2 puede emplearse como el iterante inicial para el sistema de ecuaciones no lineal de TR.

12

´

´

CAP ITULO 1. INTRODUCCI ON

1.5. Inter´es del proyecto.

El inter´es de este proyecto es la multitud de problemas cient´ıficos y de in- genier´ıa que requieren de la resoluci´on de problemas de evoluci´on con car´acter sti :

Modelos de mec´anica de fluidos:de problemas de evoluci´on con car´acter sti ↵ : El transporte de contaminantes en el seno

El transporte de contaminantes en el seno de grandes fluidos en movi- miento, como la atm´osfera, aguas superficiales o subterr´aneas, es mode- lado frecuentemente con sistemas del tipo (1.1). En las simulaciones de la poluci´on del aire atmosf´erico se puede llegar a considerar gran n´umero de variables, actualmente se estudian las concentraciones de alrededor de 100 especies gaseosas de emisiones antropog´enicas mediante modelos de convecci´on-difusi´on [8, p. 18]. Otro problema de inter´es donde se aplican modelos de convecci´on-difusi´on es el transporte de solutos en el torrente sangu´ıneo [14].

Simulaciones de reacciones qu´ımicas:el transporte de solutos en el torrente sangu´ıneo [14]. En la comprensi´on de procesos biol´ogicos tiene

En la comprensi´on de procesos biol´ogicos tiene cada vez m´as utilidad el uso de modelos num´ericos. Los problemas de quimiotaxis toman la forma de sistemas de convecci´on-difusi´on-reacci´on, donde el t´ermino reacci´on hace referencia a casos del tipo (1.1) no homog´eneos, y son de especial inter´es en lo concerniente a angiog´enesis e invasi´on tumoral y patrones de formaci´on bacteriana [8, p. 20].

An´alisis de din´amica poblacional:tumoral y patrones de formaci´on bacteriana [8, p. 20]. El estudio de migraci´on y dispersi´on de

El estudio de migraci´on y dispersi´on de poblaciones encuentra actualmente una herramienta muy util´ en los modelos de convecci´on-difusi´on. Ejemplo de ello es el estudio realizado de la din´amica poblacional del Katsuwonus

´

pelamis en el Oc´eano Indico [3].

Otros.del Katsuwonus ´ pelamis en el Oc´eano Indico [3]. La frecuencia con la que hay que

La frecuencia con la que hay que afrontar problemas de dicho car´acter sti requiere de un m´etodo num´erico eficiente. Muestra de dicho inter´es es la con- tinuaci´on del citado art´ıculo en una segunda parte, d´onde Gresho, Gri ths y Silvester exponen la aplicaci´on de dicho algoritmo a problemas de Navier-Stokes

[10].