Documente Academic
Documente Profesional
Documente Cultură
1
—Héctor Gómez Dı́az— 2
Este proyecto comienza con una breve descripción del fenómeno de la difusión y
de los principales métodos que se han propuesto hasta el momento para estabilizar
la ecuación del transporte.
Posteriormente, se desarrollan las ecuaciones que rigen el fenómeno del
transporte empleando las ecuaciones constitutivas de Fick y Cattaneo. Además, se
muestran otras ecuaciones constitutivas más complejas y se analiza su significado.
En un análisis posterior se demuestra que la ecuación de Fick nos conduce a
la paradoja del transporte por difusión a velocidad no acotada. Sequidamente, se
presenta un ejemplo que nos confirma que la ecuación de Cattaneo resuelve este
problema, y por último se analiza el problema unidimensional del transporte a
partir de la ecuación diferencial que se deriva de la ecuación de Cattaneo. Las
conclusiones extraı́das en este apartado serán fundamentales para el resto del
trabajo.
A continuación, se desarrollan unas condiciones de estabilidad para el problema
del transporte estacionario que se deriva de la ecuación de Cattaneo. Por
medio de estas condiciones seremos capaces de conocer el tamaño de malla que
debemos emplear para resolver un determinado problema mediante un esquema
en diferencias no sesgado, es decir, que no emplee información de la solución
analı́tica para elegir los puntos de aproximación. Comenzaremos por desarrollar
Una nueva formulación para el problema del transporte por convección–difusión 3
∂u ∂u
+a =0
∂t ∂x
∂ρ(x
x, t) ∂ρ(x
x, t)
+ a T (x
x, t) x, t) · div(a
+ ρ(x a(x
x, t)) = 0 (1)
∂t ∂x
x
Una nueva formulación para el problema del transporte por convección–difusión 5
∂u(x
x, t) ∂u(x
x, t)
ρ(x
x, t) + ρ(x aT (x
x, t)a x, t) x, t) · q (x
+ div(ρ(x x, t)) − f = 0 (2)
∂t ∂x
x
∂u
x, t) = −K
q (x K (x
x, t) (x
x, t) (3)
∂x
x
du d2 u
a − k 2 = 0, x ∈ (0, L)
dx dx
u(0) = u0
u(L) = uL (I.6)
Podemos hacernos una idea de lo importantes que pueden llegar a ser las
oscilaciones cuando la convección es elevada sin más que representar los valores
obtenidos al aplicar a este problema el MEF con una ponderación tipo Galerkin.
Vamos a emplear una aproximación mediante una malla de 50 elementos
lineales de dos nodos, con lo que resulta un tamaño del elemento —para L = 1—
de h = 0.02. Además utilizaremos un valor para la velocidad de a = 50 y una
difusividad k = 0.1. Los valores prescritos los consideraremos u0 = 0 y uL = 1.
Con este ejemplo —Fig. 2—queda clara la inviabilidad de la resolución
numérica de un problema de transporte con convección grande.
Los métodos que se han propuesto hasta ahora para estabilizar esta ecuación
consisten esencialmente en añadir un término estabilizador a la ecuación diferencial
—Héctor Gómez Dı́az— 6
1.2
Galerkin
Analitica
1
0.8
0.6
0.4
0.2
−0.2
−0.4
−0.6
−0.8
0 0.2 0.4 0.6 0.8 1 1.2 1.4
Z
P(ωh )τ R(ph )dΩh (4)
Ωh
Una nueva formulación para el problema del transporte por convección–difusión 7
siendo
— P(ωh ) un operador aplicado al espacio funcional de las funciones de test
ωh .
— τ un parámetro con dimensiones temporales.
— R(ph ) el residuo de la ecuación diferencial a resolver al aproximar la solución
u mediante un elemento del espacio de las funciones de prueba ph .
duh d2 uh
R(ph ) = a −k 2
dx dx
con
n
uh (x) =
X
αi pi (x)
i=1
Con este planteamiento común arrancan todos los métodos antes enunciados.
El método de la difusividad artificial (SUPG) fue el primero en emplearse para
la resolución de problemas de transporte, siguiendo al principio razonamientos
meramente heurı́sticos, sin una base formal firme. Además, es el más sencillo
conceptualemte.
5.1. Método de la difusividad artificial (Streamline Upwind).
Este método es muy sencillo conceptualmente pero presenta grandes
inconvenientes, sobre todo cuando se intenta justificar desde un punto de vista
teórico ya que modifica las ecuaciones del problema añadiendo difusividad.
Además, sólo es posible determinar la cantidad de difusividad que hay que añadir
en el caso unidimensional estacionario y sin términos fuente.
5.2. Formulaciones Petrov–Galerkin.
La idea fundamental de este método, consiste en emplear unas funciones de
test distintas de las de forma. Muchos autores [I. Christies, 1976], [J. C. Heinrich,
O. C. Zienkiewicz, 1977], [J. C. Heinrich, O. C. Zienkiewicz, 1978], [J. C. Heinrich,
O. C. Zienkiewicz, 1979], [J. C. Heinrich, 1980], [G. F. Carey, J. T. Oden, 1986]
obtienen estas funciones de test mediante la introducción de un “sesgo” en las
funciones de forma en sentido contrario al avance del flujo. Esta es una de las
formas de introducir el operador P de (4) sobre el espacio funcional de las funciones
de test. De esta manera se consigue un efecto estabilizador similar al producido
por el método de la difusividad artificial. A este tipo de formulaciones se le llama
Petrov-Galerkin.
En resumen: el método de Petrov-Galerkin, si bien es correcto desde un punto
de vista matemático, presenta dos inconvenientes:
—Héctor Gómez Dı́az— 8
d d2
L = −a + k 2.
dx dx
ω = p + τ L(p)
∂ 2u ∂ 2u 2
2 ) ∂ u + a ∂u + ∂u = 0 ∀x ∈ <,
β + 2βa − (k − βa t>0
∂t2 ∂x∂t ∂x2 ∂x ∂t
u(x, 0) = f (x) ∀x ∈ <
∂u
(x, 0) = g(x) ∀x ∈ < (7)
∂t
a0 l
He = (II.73)
k − βa2
siendo a0 y l una velocidad y un espacio caracterı́stico respectivamente.
En el caso unidimensional estacionario sin términos fuente —que estudiaremos
ampliamente— la ecuación es la siguiente:
du d2 u
a − (k − βa2 ) 2 = 0 (8)
dx dx
—Héctor Gómez Dı́az— 10
∂u ∂ 2u
=k 2 ∀x ∈ <, t > 0
∂t ∂x
1 x2
u(x, t) = √ e− 4kt ∀x ∈ <, t > 0
4πkt
1 x2
ũ(x) = u(x, τ ) = √ e− 4kτ
4πkτ
que es la función de Gauss y por lo tanto cumple ũ(x) > 0 ∀x ∈ <. Esto
quiere decir que existe masa de soluto en cualquier punto del dominio ∀t > 0.
Además, como ya habı́amos visto, en el instante inicial u(x, 0) = 0 ∀x 6= 0, es
decir, no hay masa de soluto en ningún punto que no sea el origen de coordenadas.
Con todo esto podemos ver que si fijamos un punto cualquiera x0 se cumple:
1 ∂ 2 u 1 ∂u ∂ 2 u
+ − 2 = 0, x ∈ <, t>0
c2 ∂t2 k ∂t ∂x
u(x, t = 0) = δ(x) ∀x ∈ <
∂u
(x, t = 0) = 0 ∀x ∈ <
∂t
lı́m u(x, t) = 0, t>0
x→±∞
8. CONSECUENCIAS DE LA REFORMULACIÓN.
9. CONDICIONES DE ESTABILIDAD.
du d2 u
a − (k − βa2 ) 2 = 0; x ∈ (0, L)
dx dx
+ Condiciones de Contorno
donde k > 0, β > 0.
En cualquier punto del dominio, es decir, ∀x ∈ (0, L) existen dos ondas que se
propagan en direcciones opuestas:
q
– Una onda que se propaga hacia aguas abajo con una celeridad k
β +a
q
k
– Una onda que se propaga hacia aguas arriba con una celeridad β −a
q
k
–β β −a es el espacio caracterı́stico aguas arriba.
q
–β k
β +a es el espacio caracterı́stico aguas abajo.
o lo que es equivalente
s s
k k
h < min λβ + a , λβ −a
β β
El mı́nimo de estos dos valores será el primero o el segundo de ellos según sea
a un número negativo o positivo. Haciendo una discusión según el signo de a y
refiriendo la condición al número elemental
q q He que denotaremos por γ, se obtiene
que la condición de estabilidad ∀a ∈ (− β , βk ) es:
k
|a|
|γ| < λ q
k
2 β + |a|
u(L) = uL (9)
En todos los ejemplos que se presentan en este capı́tulo se utiliza una discretización
en 20 elementos —con lo que h = 0.05— y una difusividad k = 1. Se empleará una
formulación tipo Galerkin con elementos de dos nodos y funciones de forma
lineales.
Los ejemplos se presentarán en grupos de tres figuras. En cada uno de estos
grupos el tiempo de relajacion β siempre permanecerá constante —al igual que
el tamaño de malla y la difusividad—, pero iremos aumentando el valor de la
velocidad del fluido a hasta que se produzcan oscilaciones.
10.1. GRUPO 1
Este grupo viene definido por β = 0.01. Con estos valores de k y β la velocidad
crı́tica —que en este capı́tulo
q denotaremos por ac — a partir de la cual el problema
no tiene sentido es ac = βk = 10.
Según las condiciones de estabilidad desarrolladas en el capı́tulo anterior se
producirán oscilaciones cuando
s
k
h > λβ −a
β
s s
k k h
h > 4β −a ⇒a> − = 8.75
β β 4β
—Héctor Gómez Dı́az— 16
1.4
Galerkin
Analitica
1.2
0.8
0.6
0.4
0.2
0
0 0.2 0.4 0.6 0.8 1 1.2 1.4
1.4
Galerkin
Analitica
1.2
0.8
0.6
0.4
0.2
0
0 0.2 0.4 0.6 0.8 1 1.2 1.4
0.8
0.6
0.4
0.2
−0.2
−0.4
−0.6
−0.8
0 0.2 0.4 0.6 0.8 1 1.2 1.4
10.2. GRUPO 2
q
las condiciones de estabilidad desarrolladas es a < βk − 4β
h = 0.9875. Por lo tanto
debe ser a < 0.9875ac y en consecuencia la solución que proporciona este esquema
numérico será admisible para el 98.75 % de los valores posibles de a.
Al igual que en los grupos anteriores mostraremos tres figuras que consideramos
representativas del comportamiento de la solución de problema. La primera de
ellas (7) será la solución del problema para una velocidad de a = 0.97
1.4
Galerkin
Analitica
1.2
0.8
0.6
0.4
0.2
0
0 0.2 0.4 0.6 0.8 1 1.2 1.4
1.4
Galerkin
Analitica
1.2
0.8
0.6
0.4
0.2
0
0 0.2 0.4 0.6 0.8 1 1.2 1.4
0.8
0.6
0.4
0.2
−0.2
−0.4
−0.6
0 0.2 0.4 0.6 0.8 1 1.2 1.4
Si denominamos s
k
f (β) = λβ (1 − µ)
β
h < f (β)
Además, podemos ver que la función f (β) es una función creciente para
cualquier problema que cumpla µ < 1 —requisito que satisface cualquier problema
Una nueva formulación para el problema del transporte por convección–difusión 21
q
bien planteado ya que es equivalente a la condición a < βk —. Por lo tanto
como habı́amos anunciado, los requerimientos de estabilidad son menos restrictivos
cuanto mayor es β.
Resumiendo: Al utilizar la ecuación de Cattaneo para el problema de
convección–difusión podemos obtener la solución del problema de modo estable
—incluso utilizando la ponderación más sencilla posible para el MEF, que es la
formulación tipo Galerkin— prácticamente para todos los valores posibles de la
velocidad. En consecuencia, desde un punto de vista práctico, hemos estabilizado
el problema, pues el rango de valores de la velocidad para los cuales el problema
es inestable es totalmente despreciable, aún para valores muy pequeños del tiempo
de relajación β.
— La segunda conclusión es una reflexión general. Se trata de hacer notar al
lector que lo realmente importante no es que el método numérico nos dé o no la
solución correcta para cualquier valor de los parámetros. Lo realmente importante
es que una vez introducida la ley de Cattaneo el problema tiene sentido porque
la velocidad del transporte de masa por difusión está acotada y que cuando un
esquema numérico falla conocemos las causas de su mal funcionamiento. Estas
causas provienen directamente de la naturaleza ondulatoria del problema y están
relacionadas con la velocidad a la que se propagan las ondas de difusión. Para
comprender esto podrı́amos decir —aunque abusando del lenguaje— que tenemos
que emplear un esquema numérico que pueda “captar” las ondas de difusión.
11. CONCLUSIONES.
13. BIBLIOGRAFÍA
problems”. Finite Element Methods for Convection Dominated Flows. Ed. T.J.R.
Hughes. AMD, 34. American Society of Numerical Engineering, New York.
A. HUERTA (1988), “Una Formulación Arbitrariamente Lagrangiana–Euleriana
para Grandes Desplazamientos del Contorno”. Centro Internacional de Métodos
Numéricos en Ingenierı́a, Barcelona.
A. HUERTA, J. DONEA (2002), “Time-accurate solution of stabilized
convection-diffusion-reaction equations: I. Time and space discretization”.
Comunications in Numerical Methods in Engineering, 18, pp: 565-573
T.J.R. HUGHES (1995), “Multiscale phenomena: Green’s functions, the
Dirichlet–to–Neumann formulation, subgrid scale models, bubbles and the origins
of stabilized methods”. Computer Methods in Applied Mechanics and Engineering,
127, pp: 387-401
T.J.R. HUGHES (1987), “The Finite Element Method: Linear Static and
Dynamic Finite Element Analysis”. Prentice Hall.
T.J.R. HUGHES, A.N. BROOKS (1979), “A multidimensional upwind
scheme with no crosswind diffusion”. Finite Element Methods for Convection
Dominated Flows. Ed. T.J.R. Hughes. AMD, 34. American Society of Numerical
Engineering, New York.
T.J.R. HUGHES, L.P. FRANCA, G.M. HULBERT (1989), “A new finite
element formulation for computational fluid dynamics: VIII. The Galerkin–Least
Squares method for advective–diffusive equations”. Computer Methods in Applied
Mechanics and Engineering, 73, pp: 173-189
T.J.R. HUGHES, W.K. LIU, T.K. ZIMMERMAN (1981), “Lagrangian–
Eulerian finite element formulation for incompressible viscous flows”. Computer
Methods in Applied Mechanics and Engineering, 54, pp: 341-355
E. OÑATE (1998), “Derivation of Stabilized equations for numerical solution
of advective–difussive transport and fluid flow problems”. Computer Methods in
Applied Mechanics and Engineering, 151, pp: 233-265
E. OÑATE (1997), “Formulación de Elementos Finitos estabilizada para
problemas de transporte convectivo y flujo incompresible mediante técnicas de
cálculo infinitesimal”. Métodos Numéricos en Ingenierı́a. R. Abascal, J.
Dominguez, G. Bugueda (Eds.) SEMNI, Barcelona.
E. OÑATE (1996), “On the Stabilization of the Numerical Solution for Advective–
Diffusive Transport on Fluid Flow Problem”. International Center for Numerical
Methods in Engineering. Publication CIMNE, No 81, Barcelona.
E. OÑATE, J. GARCÍA, S. IDELSOHN (1997), “Computation of the
Stabilization Parameter for the Finite Element Solution of Advective–Difusive
—Héctor Gómez Dı́az— 26