POLITECNICO DI MILANO

Facolt
`
a di Ingegneria dei Sistemi
Corso di Studi in INGEGNERIA MATEMATICA
Tesi di Laurea Specialistica
OTTIMIZZAZIONE DI FORMA
PER PROBLEMI DI FLUIDODINAMICA:
ANALISI TEORICA E METODI NUMERICI
Relatore: Prof. Sandro Salsa
Correlatore: Dott. Nicola Parolini
Candidato: Andrea Manzoni, matr. 705403
Anno Accademico 2007-2008
Whenever you can, count.
Francis Galton
Knowing what is big and what is small
is more important than being able to
solve partial dierential equations.
Stanislaw Marcin Ulam
Te la senti di lasciar germogliare i numeri che
hai nel cuore e di lasciarli orire in modo che
la gente ritrovi la bellezza per la matematica e non
la veda come uninutile torre volta a sdare il cielo?
Fausto Saleri
1
Ringraziamenti
Questo spazio non riesce di certo a contenere traccia di tutte le persone che mi hanno accompagnato
nella meravigliosa esperienza vissuta nel corso di questi cinque anni: ci`o non toglie la mia grande
riconoscenza nei confronti di tutti quelli che ci sono stati e di chi sta leggendo in questo momento,
se non dovesse essere ringraziato...
Grazie a Sandro, perche con il suo carattere e la sua immensa ironia ha trasformato unesperienza
di grande insegnamento in una profonda amicizia. Per tutte le volte che si `e seduto dalla mia parte
a discutere di ci`o che stavo facendo e perche ognuno di questi momenti `e diventato una lezione, ma
di vita. Insomma, perche `e un maestro unico, ma nel senso buono del termine: in fondo, come lui
non ho mai trovato nessuno.
Grazie a Nicola, perche trovando ogni volta tempo e spazio sul suo tavolo sempre pieno ha saputo
guidarmi n dallinizio di questo lavoro, con la sua passione e la sua esperienza, dalla scelta di un
passo di griglia al beccheggio di una barca a vela. Grazie ad Alo Quarteroni, per avermi dato la
possibilit`a di approfondire le tematiche contenute in questo lavoro di Tesi e per la sua grandissima
disponibilit`a, oltre che per il suo inestimabile valore.
Grazie ad Anna, per la sua incredibile umanit`a e le sue splendide opportunit`a di crescita: perche
in questi cinque anni ha saputo guidarmi nelle scelte importanti e mi ha fatto capire che niente `e
semplice, ma proprio per questo tutto `e incredibilmente appassionante.
Grazie anche a Marco Verani per i preziosissimi spunti che mi ha fornito durante la stesura di questo
lavoro, a Monica Conti per le tante risposte ai miei altrettanti dubbi, a Piercesare Secchi, che ha
contribuito in modo speciale a riempire la nostra cassetta degli attrezzi e a tutti coloro che credono
in questo splendido gioco che si chiama Ingegneria Matematica.
Grazie a Lorenzo, coscienza collettiva del gruppo prima che rappresentante, per lamicizia nata e
cresciuta in questi anni e per tutte le schegge di vissuto e di futuro che abbiamo condiviso. Grazie a
Michele, perche in molti di questi casi era presente anche lui. Grazie a Gabriele per tutte le Amache
declamate insieme e perche essere di SanDo e leggere Repu pu`o fare la dierenza, a Vale (alias
Dottoressa Vitelli) perche con un sorriso riesce a cancellare qualsiasi preoccupazione e non so come
ci riesca, a Fabio perche anche senza Nietzsche avrebbe concluso che bisogna avere il caos dentro
di se per generare una stella danzante, insegnandomi (lui non lo sa) quanto conta la forma, ma che
pi` u importante `e la sostanza. Grazie anche a chi suona tutte le volte per entrare, a tutti quelli a cui
non gira il codice, a quelli che i progetti come gli esami non niscono mai, a chi ha trasformato in
questi anni ogni pranzo e parecchie cene in una festa. Siamo cresciuti insieme.
Grazie ancora alla mitica suora dal bicipite etrusco, ai corpi rigidi, ai grandi esperti, agli equilibri di
Nash e a tutti coloro che li hanno fatti vivere sulla scena di questi anni. Perche questo `e un fatto
(vero Luca?) ma attenzione, non vuol dire . . . `e un indizio!
Grazie a Luciano, per avermi fatto capire che il mondo `e una foresta di segni, per avermi abituato a
leggerli e per avermi insegnato, tra le innite cose, che la vita pu`o farsi poesia. Grazie a Fausto, per
avermi mostrato, tre anni pi` u tardi, come la poesia possa farsi matematica e come un vero mate-
matico sia necessariamente anche un po poeta. Grazie a tutti gli altri che hanno avuto qualcosa da
insegnarmi, e hanno continuato a farlo una volta appoggiato il gesso sotto la lavagna e usciti dallaula.
Grazie a Francesca, semplicemente per essere la splendida ragazza che `e. Perche abbiamo condiviso
tutto e per esserci stata, anche lei, n dal primo momento di questi cinque anni.
Grazie ai miei genitori, perche desiderano la mia felicit`a prima di tutto. E perche senza di loro
niente di tutto ci`o sarebbe stato possibile.
2
Indice
Abstract 5
Introduzione 6
1 Motivazioni 9
1.1 Shape Optimization e Fluidodinamica Computazionale . . . . . . . . . . . . 9
1.2 Yacht design per lAmericas Cup . . . . . . . . . . . . . . . . . . . . . . . . 10
1.3 Forze presenti e decomposizione . . . . . . . . . . . . . . . . . . . . . . . . . 13
1.4 Minimizzazione del drag attorno alle appendici . . . . . . . . . . . . . . . . 15
2 Formulazione di un problema di Optimal Shape Design 17
2.1 Un richiamo ai problemi di controllo ottimale . . . . . . . . . . . . . . . . . 17
2.2 Il metodo dei moltiplicatori di Lagrange . . . . . . . . . . . . . . . . . . . . 20
2.3 Problemi di Shape Optimization: formulazione astratta . . . . . . . . . . . . 22
2.3.1 Topologia su O
ad
e successioni di domini uniformemente regolari . . 23
2.3.2 Continuit`a della soluzione rispetto al dominio . . . . . . . . . . . . . 25
2.4 Condizioni e risultati per lesistenza di forme ottimali . . . . . . . . . . . . 26
3 Strumenti teorici per la Shape Optimization 30
3.1 Domini: descrizione e defomazione . . . . . . . . . . . . . . . . . . . . . . . 30
3.2 Derivata di forma di un funzionale . . . . . . . . . . . . . . . . . . . . . . . 31
3.3 Derivazione di integrali deniti su domini variabili . . . . . . . . . . . . . . 33
3.3.1 Integrali di volume deniti su un dominio variabile . . . . . . . . . . 33
3.3.2 Integrali deniti sul contorno di un dominio variabile . . . . . . . . . 33
3.4 Material e Shape Derivatives . . . . . . . . . . . . . . . . . . . . . . . . . . 34
3.4.1 Estensione delle formule per le derivate degli integrali . . . . . . . . 35
3.4.2 Shape derivatives per problemi lineari . . . . . . . . . . . . . . . . . 36
3.5 Lapproccio basato sul problema aggiunto . . . . . . . . . . . . . . . . . . . 37
3.6 Shape Gradient vincolato da unequazione di stato . . . . . . . . . . . . . . 39
3.6.1 Formulazione punto-sella e Function Space Parametrization . . . . . 40
3.6.2 Moltiplicatori di Lagrange e Space Embedding . . . . . . . . . . . . 43
4 Ottimizzazione della forma di corpi immersi in uidi incomprimibili 46
4.1 Modellazione matematica del problema . . . . . . . . . . . . . . . . . . . . . 46
4.2 Formulazione del problema di stato . . . . . . . . . . . . . . . . . . . . . . . 49
4.2.1 Formulazione debole del problema di Navier-Stokes . . . . . . . . . . 49
4.2.2 Continuit`a rispetto alla forma del sistema di Navier-Stokes . . . . . 51
4.3 Minimizzazione dellenergia dissipata (I) . . . . . . . . . . . . . . . . . . . . 52
3
Indice 4
4.3.1 Buona posizione del problema . . . . . . . . . . . . . . . . . . . . . . 52
4.3.2 Determinazione delle condizioni di ottimalit`a . . . . . . . . . . . . . 54
4.4 Minimizzazione dellenergia dissipata (II) . . . . . . . . . . . . . . . . . . . 58
4.5 Minimizzazione della resistenza . . . . . . . . . . . . . . . . . . . . . . . . . 60
4.5.1 Formulazione debole ed espressione alternativa della resistenza . . . 60
4.5.2 Buona posizione del problema . . . . . . . . . . . . . . . . . . . . . . 62
4.5.3 Determinazione delle condizioni di ottimalit`a . . . . . . . . . . . . . 63
5 Tecniche di approssimazione numerica in Shape Optimization 67
5.1 Ottimizzazione numerica per problemi di controllo . . . . . . . . . . . . . . 67
5.1.1 Metodi di tipo Gradiente . . . . . . . . . . . . . . . . . . . . . . . . 67
5.1.2 Lo schema iterativo per il calcolo della soluzione ottima . . . . . . . 68
5.2 Soluzione numerica delle equazioni di stato e aggiunta . . . . . . . . . . . . 69
5.2.1 Approssimazione di Galerkin-elementi niti . . . . . . . . . . . . . . 70
5.2.2 Metodi iterativi per la soluzione del sistema di Navier-Stokes . . . . 71
5.2.3 Tecniche di stabilizzazione per ussi ad alto numero di Reynolds . . 72
5.3 Algoritmi di massima discesa per la Shape optimization . . . . . . . . . . . 73
5.3.1 Ottimizzazione di forma mediante boundary variation . . . . . . . . 74
5.3.2 Ottimizzazione di forma mediante parametrizzazione di Bezier . . . 76
5.4 Dettagli implementativi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 78
5.5 Strutture e algoritmi nei codici FreeFem++ . . . . . . . . . . . . . . . . . . 80
5.5.1 Soluzione dei problemi a derivate parziali . . . . . . . . . . . . . . . 81
5.5.2 Metodi per il trattamento delle griglie di calcolo . . . . . . . . . . . 82
6 Risultati numerici 83
6.1 Flussi a bassi numeri di Reynolds . . . . . . . . . . . . . . . . . . . . . . . . 83
6.1.1 Minimizzazione dellenergia dissipata . . . . . . . . . . . . . . . . . . 85
6.1.2 Minimizzazione della resistenza . . . . . . . . . . . . . . . . . . . . . 99
6.1.3 Confronto delle procedure per il trattamento della forma . . . . . . . 108
6.2 Analisi dei metodi per la Shape optimization . . . . . . . . . . . . . . . . . 109
6.3 Ottimizzazione in ussi ad alto numero di Reynolds . . . . . . . . . . . . . 111
Conclusioni 115
Abstract
Optimal Control of systems governed by Partial Dierential Equations (PDE) is one of the most
advanced elds of the whole Mathematical Modeling and allows us to face the study of many engi-
neering problems. This is done by mixing theoretical methods of Analysis and Calculus of Variations
with numerical tools for solving PDEs and optimization problems.
Optimal control problems can be divided in two groups, depending on the nature of the object
under control: variables (such as data, coecients or boundary values) or shape of the domain itself.
Shape optimization and Optimal design belong to the second group; they arise from problems of
structural mechanics and uid dynamics, where they have assumed an increasing role in the last
decades, thanks to the better performances of computing and numerical techniques.
One of the most appealing applications deals with the shape optimization of a body in relative
motion in a uid for example, wing proles in aerospace engineering or boats or optimal design
of biomedical devices such as aorto-coronaric by-passes. In this Master Thesis we consider the prob-
lem of drag minimization for a body embedded in a viscous incompressible uid, discussing both
theoretical aspects and numerical tools for the calculus of solutions. At a deeper level, this problem
can be inserted in a larger research eld, aiming at the performances improvement of racing boats,
by shape optimization of the appendages of the hull.
With this aim, we consider optimal control approach applied to the steady Navier-Stokes equations,
using an adjoint-based method for the formulation of the optimality conditions system. We illustrate
some useful techniques from Shape analysis for computing the shape gradient of a cost functional
and a formulation of Lagrange multipliers method for Shape optimization problems.
Moreover, we develop some numerical optimization procedures based on Computational Fluid Dy-
namics methods such as Finite Element approximation for solving PDEs, using steepest descent
methods and two dierent approaches for shape deformation and mesh treatment.
In particular, we focus on the problem of drag reduction for the bulb of a Class America boat in
the Chapter 1, discussing some important features of Shape Optimization in Fluid Dynamics. In
Chapter 2 we consider an abstract formulation of Optimal design problems and we present some
general results about admissible shapes. We introduce a lot of theoretical tools for the study of
Optimal design problems in Chapter 3, dealing with domain deformations, functional shape gra-
dients and shape/material derivatives of linear elliptic PDEs solutions. Moreover, Function shape
parametrization and Space embedding techniques are introduced, aiming to develop a Lagrangian
approach for the analysis of optimality conditions. In the Chapter 4 we discuss the formulation of
dissipated energy and drag minimization problems, we explore their well posedness and we obtain
the related systems of optimality conditions. In Chapter 5 we introduce some techniques for solving
numerically optimization problems and we briey recall Finite Element methods and some stabi-
lization techniques for High Reynolds numbers ows; we also present two dierent strategies for
domain description and transformation in Optimal design problems. Moreover, some features about
the structure of the FreeFem++ library used for code implementation are summarized. Finally, we
present in Chapter 6 some results for the dissipated energy and drag reduction problems obtained
by the numerical simulations both at low and high Reynolds numbers underlining positive and
critical aspects of various approaches.
5
Introduzione
Il Controllo Ottimale dei sistemi governati da Equazioni a Derivate Parziali rappresenta
uno dei campi pi` u avanzati e ricchi di applicazioni della Modellistica Matematica: numerosi
problemi di grande interesse ingegneristico sono stati arontati con gli strumenti messi a
disposizione da questa teoria, anche in ambiti molto diversicati tra loro. Coinvolgendo
allo stesso tempo metodi teorici dellAnalisi delle Equazioni a Derivate Parziali (EDP) e del
Calcolo delle Variazioni da un lato e tecniche numeriche avanzate per la discretizzazione dei
problemi dierenziali e limplementazione di procedure di ottimizzazione dallaltro, il Con-
trollo Ottimale rappresenta uno strumento tanto potente quanto versatile nella soluzione di
problemi provenienti da realt`a molto complesse.
Lo scopo dei problemi di Controllo Ottimale consiste nella minimizzazione o massimiz-
zazione, sotto ben determinati vincoli di varia natura (algebrica, topologica, dierenziale),
di un funzionale costo dipendente dalle variabili di stato del sistema, attraverso il control-
lo di una o pi` u variabili che inuenzano la soluzione del problema di stato.
`
E possibile
individuare due classi di problemi a seconda della natura della variabile che si intende con-
trollare: tipicamente, si pu`o scegliere di operare un controllo sui dati o sul dominio. Nel
primo gruppo rientrano tutti i casi in cui si esercita un controllo sulle variabili che gurano
nel problema, quali condizioni al contorno e/o iniziali, termini forzanti o coecienti; il con-
trollo pu`o essere distribuito sullintero dominio di calcolo (o su una parte di esso) oppure
esercitato sul suo contorno; nel secondo sono invece compresi i problemi in cui si operano
variazioni di forma del contorno del dominio stesso: rientrano in questambito i problemi di
ottimizzazione di forma (Shape optimization e Optimal shape design).
Una notevole quantit`a di problemi di ottimizzazione in campo sico e ingegneristico coin-
volge la forma come variabile di controllo: la questione della ricerca di una forma ottimale
occupa un posto di primissimo piano, oltre che nella Meccanica delle Strutture, anche nelle
applicazioni della Fluidodinamica in cui si studiano e progettano strutture in grado di
ridurre le forze di attrito e le dissipazioni.
Il notevole sviluppo che ha interessato le tecniche di Optimal shape design negli anni re-
centi ha reso la Shape optimization, nata nel campo astratto del Calcolo delle Variazioni,
un validissimo strumento per la progettazione di dispositivi che spaziano oggi dallambito
aerospaziale e navale a quello biomedico, rivolgendosi allo studio di ussi sia esterni (pro-
getto di proli e in particolare di ali) che interni (condotti, ugelli, convergenti).
I primi studi in questo settore risalgono a J. Hadamard, che enunci`o alcuni risultati riguardo
alla variazione della soluzione di unequazione a derivate parziali in funzione di variazioni
del contorno del dominio; successivamente, grazie al fondamentale contributo di J.L. Li-
ons alla formalizzazione della teoria del Controllo Ottimale [35], le condizioni di ottimalit`a
per problemi di ottimizzazione di forma sono state ampiamente studiate negli anni 70 da
F. Murat e J. Simon [51], J. Cea [13] e O. Pironneau [43, 44] e successivamente da M.C.
6
Introduzione 7
Delfour, J.P. Zolesio [20, 54] e J. Sokolowski [52]. Numerose applicazioni a problemi di
uidodinamica sono state sviluppate negli ultimi due decenni da O. Pironneau [34, 37, 38],
A. Jameson [31, 32, 33] e M. Gunzburger [24, 25], oltre che da numerosi altri.
In questo lavoro di Tesi vengono discussi alcuni problemi di Shape optimization in ambito
uidodinamico, considerando allo stesso tempo lanalisi degli aspetti teorici e lo sviluppo di
algoritmi di approssimazione numerica, con lo scopo di determinare proli ottimali di corpi
immersi in uidi viscosi e incomprimibili. A un livello pi` u alto, questo problema pu`o essere
inserito in un pi` u ampio contesto di ricerca, volto a migliorare le prestazioni di imbarcazioni
da competizione mediante lottimizzazione di forma delle appendici connesse allo scafo e in
particolare del bulbo.
Dopo aver formalizzato il problema di minimizzazione del drag per un corpo immerso in un
usso di Navier-Stokes stazionario e averne studiato la buona posizione, vengono determi-
nate le condizioni di ottimalit`a sfruttando le metodologie tipiche dei problemi di controllo
ottimale basate sullintroduzione del problema aggiunto e sui moltiplicatori di Lagrange.
Vengono inoltre implementate alcune procedure di ottimizzazione numerica, basate sui
metodi tipici della Fluidodinamica Computazionale; in particolare, vengono sfruttate tec-
niche a elementi niti per la risoluzione dei problemi dierenziali e due dierenti approcci
per il trattamento della deformazione dei domini. Grazie alla versatilit`a di queste tecniche,
sia i metodi teorici che gli algoritmi numerici utilizzati in questa Tesi ad un particolare caso
possono essere applicati a classi di problemi molto pi` u ampie.
Occorre tuttavia sottolineare come i problemi di ottimizzazione di forma presentino gene-
ralmente notevoli complessit`a, sia sul piano teorico che dal punto di vista computazionale.
Nel caso delle applicazioni alla Fluidodinamica i problemi di Optimal shape design sono
solitamente ben posti, dal momento che si riesce a garantire lesistenza di una soluzione;
le dicolt`a, in questi casi, sono per lo pi` u di carattere numerico: spesso si ha a che fare
con equazioni di dicile risoluzione (`e il caso dei ussi ad alto numero di Reynolds e dei
fenomeni di turbolenza) per le quali sono necessarie griglie di calcolo molto ranate per
garantire suciente precisione a fronte di forme spesso piuttosto complesse. Tutte queste
criticit`a sono state riscontrate nei casi considerati e vengono ampiamente discusse nellela-
borato la cui struttura `e sinteticamente presentata di seguito.
Nel Capitolo 1 viene presentata unapplicazione della Shape optimization a un problema
di ingegneria navale di notevole importanza: si tratta dellottimizzazione della forma del
bulbo di una barca a vela di classe America, inserita in un pi` u ampio progetto di simulazione
numerica per lo sviluppo di imbarcazioni da competizione. Questo caso di interesse reale
costituisce uno spunto per lanalisi di tutti gli aspetti modellistici teorici e numerici
relativi ai problemi di Optimal shape design.
Nel Capitolo 2 viene descritta la formulazione astratta di un problema di Optimal shape
design, inserita nellambito pi` u generale dello studio dei problemi di controllo ottimale
governati da equazioni alle derivate parziali (EDP), per i quali si richiama il metodo dei
moltiplicatori di Lagrange. Vengono discussi alcuni concetti chiave per la buona posizione
dei problemi di ottimizzazione di forma, come la compattezza della topologia introdotta sul-
linsieme delle forme ammissibili, la continuit`a della soluzione del problema di stato rispetto
Introduzione 8
a variazioni del dominio e le propriet`a che devono essere soddisfatte dal funzionale costo;
vengono riportati inoltre alcuni risultati generali per garantire lesistenza di forme ottimali.
Nel Capitolo 3 vengono introdotti gli strumenti teorici necessari alla soluzione di un pro-
blema di Shape optimization: si denisce il concetto di derivata di forma di un funzionale e
si introducono alcune regole per il calcolo di derivate di integrali deniti su domini variabili.
Vengono inoltre presentati i concetti di Shape derivative e di Material derivative e si mostra
come ricavarne lespressione per un semplice problema lineare; si caratterizzano inne i
metodi basati sul problema aggiunto e sui moltiplicatori di Lagrange al caso di problemi
di ottimizzazione di forma, presentando alcune tecniche utili per determinare il sistema di
ottimalit`a come la Function space parametrization e lo Space embedding.
Vengono discussi nel Capitolo 4 i risultati teorici relativi ai problemi di minimizzazione
dellenergia dissipata e della resistenza (o drag) totale per corpi immersi in uidi viscosi
incomprimibili: dopo aver ricavato la formulazione debole del problema di stato e un risul-
tato di continuit`a rispetto al dominio, per entrambi i casi si analizza la buona posizione e
si ricava il sistema di ottimalit`a, introducendo un opportuno problema aggiunto.
I metodi per la risoluzione numerica dei problemi di Optimal shape design vengono esposti
nel Capitolo 5: dopo un breve cenno ai metodi di ottimizzazione di tipo steepest descent e
alle tecniche per la soluzione numerica dei problemi di stato e aggiunto, si introducono due
dierenti approcci per trattare la deformazione dei domini e formulare un metodo di tipo
gradiente per problemi di ottimizzazione di forma. Vengono elencati inoltre alcuni dettagli
implementativi relativi ai casi considerati, presentando sinteticamente alcune caratteristiche
della libreria FreeFem++.
Inne, nel Capitolo 6, vengono presentati i risultati ottenuti attraverso le simulazioni
numeriche eettuate. Mediante lo studio di numerosi casi test si traggono alcune conclusioni
relative alle procedure di ottimizzazione e ai dierenti approcci implementati, evidenziando
buone qualit`a e aspetti critici nel confronto dei metodi usati per lapprossimazione numerica
delle soluzioni.
Capitolo 1
Motivazioni
Introduciamo in questo primo capitolo alcuni elementi utili a comprendere limportanza
dellottimizzazione di forma in un ambito di grande interesse come lIngegneria Navale;
descriviamo la struttura e le principali caratteristiche di unimbarcazione Americas Cup,
soermandoci sulla sua dinamica in navigazione. Dopo unanalisi sommaria delle compo-
nenti di resistenza agenti durante il moto, formuliamo il problema di minimizzazione del
drag a cui `e soggetto il bulbo, inserendolo nel contesto dei problemi di ottimizzazione di
forma.
1.1 Shape Optimization e Fluidodinamica Computazionale
Non `e sicuramente un problema recente quello dellottimizzazione della forma di un oggetto
allo scopo di renderlo, ad esempio, il pi` u possibile resistente o aerodinamico; tuttavia la
recente crescita della Modellistica Matematica e del Calcolo Scientico hanno contribuito
in modo signicativo a sviluppare e ampliare questa materia, che va oggi sotto il nome di
Shape optimization (o Optimal shape design) ed `e in grado di fornire metodi tanto accurati
quanto potenti per il trattamento di situazioni e problemi molto complessi.
Ricerche nel campo dellottimizzazione di forma applicate a problemi di Fluidodinami-
ca bidimensionali sono state sviluppate da O. Pironneau [37, 43, 44], da M. Gunzburger
[24, 25, 26] e pi` u recentemente da Z. Gao e Y. Ma [21, 22], oltre che da numerosi altri,
prevalentemente in presenza di ussi a basso numero di Reynolds. Metodi per il trattamen-
to numerico e la descrizione della forma da ottimizzare sono state sviluppate in dierenti
direzioni ad esempio da G. Allaire e O. Pantz [4] e da J.A. Desideri [6, 7].
Le tecniche di Optimal shape design occupano uno spazio considerevole in numerosi ambiti
ingegneristici, come la progettazione di mezzi di trasporto (aeroplani, imbarcazioni, veicoli),
lingegneria strutturale (in problemi di elasticit`a o rigidit`a, ad esempio per travi o mem-
brane) o la costruzione di dispositivi biomedici (ad esempio by-pass [2, 48, 49] o graft in
materiale articiale) e in numerosi altri ambiti. Storicamente, laeronautica `e senza dubbio
il settore industriale che `e stato pi` u interessato dallottimizzazione di forma: tra i numerosi
problemi che sono stati arontati, il caso pi` u studiato e ormai assunto a prototipo in nu-
merose circostanze `e lottimizzazione della forma di proli alari allo scopo di minimizzare
la resistenza (o drag) agente su di essi; importanti contributi in questo ambito sono stati
forniti dalle ricerche di A. Jameson [31, 32, 33].
9
1. Motivazioni 10
Un contesto in cui recentemente le tecniche dellottimizzazione di forma si stanno aerman-
do in modo rilevante, contribuendo insieme ai metodi di Fluidodinamica Computazionale
allo studio di problemi sempre pi` u complessi, `e quello dellingegneria navale [12, 37]. Lobiet-
tivo che si pone in questambito la Fluidodinamica Computazionale (CFD, o Computational
Fluid Dynamics) `e quello di simulare in modo accurato il comportamento di imbarcazioni
su grande scala in condizioni di funzionamento reali: negli ultimi decenni lo sviluppo di
metodi numerici per la simulazione di ussi attorno a imbarcazioni in movimento `e stato
oggetto di numerose ricerche - sia in ambito accademico che industriale - e ha portato a
sensibili miglioramenti, sia dal punto di vista computazionale che in termini di prestazioni
tecniche.
In generale, il ruolo giocato dalla Fluidodinamica Computazionale acquista rilevanza par-
ticolare in tutte le applicazioni in cui la progettazione ottimale (o Optimal design) risulta
di fondamentale importanza; `e questo il caso, ad esempio, delle imbarcazioni da compe-
tizione impiegate in Americas Cup, per le quali la richiesta di miglioramento `e costante
e decisamente sostenuta. A partire dai primi anni 90, inoltre, parallelamente allaumento
sempre pi` u marcato della potenza di calcolo disponibile sono stati applicati a problemi di
ingegneria navale tecniche numeriche basate sulla soluzione delle equazioni di Navier-Stokes
e di Eulero; la soluzione numerica delle equazioni di Navier-Stokes ha permesso di ampliare
la classe di problemi che possono essere arontati, includendo ad esempio la possibilit`a di
trattare ussi viscosi e turbolenti in maniera sempre pi` u accurata.
1.2 Yacht design per lAmericas Cup
La Americas Cup `e la pi` u prestigiosa competizione nello sport della vela e grazie alla sua
storia e alle tradizioni, che risalgono a pi` u di 150 anni fa, `e considerata il pi` u antico trofeo
sportivo del mondo per cui si compete tuttora. Le sue origini risalgono al 1851, quando una
barca chiamata America vinse la Coppa delle 100 Ghinee, una regata che prevedeva il
periplo dellIsola di Wight (UK); i vincitori, membri del New York Yacht Club, donarono il
trofeo al circolo con limpegno che diventasse una Coppa perpetua: lodierna Americas Cup.
Unimbarcazione per lAmericas Cup `e un sistema molto sosticato che deve operare in mo-
do ottimale in un vasto numero di condizioni di navigazione; i dierenti componenti (sopra
e sotto la supercie dellacqua) che la compongono interagiscono tra loro mediante relazioni
molto complesse. La progettazione di unimbarcazione di questo tipo deve tenere in conto
notevoli fattori di complessit`a e richiede per questo una descrizione accurata e avanzati
strumenti (sperimentali e numerici), in modo da ottenere una conguazione ottimale. In
Figura 1.1 sono rappresentate le varie componenti della parte immersa e di quella emersa
di una tipica imbarcazione di Americas Cup.
Accanto allo scafo, alla struttura dellalbero e alla velatura, rivestono un ruolo importante
nellarchitettura di unimbarcazione da competizione le appendici dello scafo: oltre al timo-
ne, vi sono il bulbo, la deriva che lo connette allo scafo e le alette. Queste tre parti risultano
determinanti per la dinamica dellimbarcazione; in particolare:
la deriva viene usata per contrastare la componente laterale della spinta generata dal
vento sulle vele, al ne di sfruttarne solo la componente propulsiva atta a produrre il
movimento in avanti della barca;
1. Motivazioni 11
Figura 1.1: Componenti della parte emersa (a sinistra) e della parte immersa (a destra) di
unimbarcazione Americas Cup. Immagine tratta da [40].
la presenza delle alette allestremit`a della deriva riduce il cosiddetto lift-induced drag,
conseguente alla generazione della forza di lift da parte della deriva, questultima
causata dalla dierenza di pressione che si trova tra le facce sottovento e sopravento.
oltre a bilanciare lo sbandamento dato dalla spinta del vento sulle vele, con il suo peso
il bulbo serve a stabilizzare la barca.
Il punto essenziale nella progettazione di unimbarcazione di questo tipo `e il trade-o tra
peso e forze: una barca sfrutta in maniera tanto pi` u eciente lazione del vento quanto pi` u
riesce a procedere diritta, in modo da esporre al massimo la supercie delle vele al vento.
Per mantenere la barca verticale, si cerca di collocare la maggior parte del peso nel bulbo:
ogni chilogrammo che riesce a essere risparmiato sullo scafo viene collocato quattro metri
sottacqua nel bulbo, per accrescere la velocit`a e la stabilit`a. Dietro a unidea tanto semplice
si nasconde in realt`a una grandissima complessit`a, tanto che la modica di un singolo fattore
potrebbe comportare diversi eetti su pi` u parti dellimbarcazione. Per dare unidea di
questo fatto, basti pensare a un semplice caso: un modo per diminuire la resistenza viscosa
sullo scafo `e quello di ridurre la sua supercie bagnata, ad esempio lasciando invariata la
lunghezza della barca e diminuendo la larghezza massima; tuttavia, una riduzione della
larghezza comporta una diminuzione della stabilit`a rispetto allinclinazione della barca e
conseguentemente delle forze sulle vele.
La progettazione di unimbarcazione per lAmericas Cup deve sottostare alle regole della
IACC (International Americas Cup Class): vengono in particolare imposte drastiche re-
strizioni su alcuni fattori di progettazione, non solo sulle dimensioni geometriche (altezza,
dislocamento, supercie delle vele), ma anche riguardo ai dispositivi per il controllo del
usso (come il numero di superci mobili sottacqua) e ai materiali. la regola principale che
gioca un ruolo cruciale nella congurazione di unimbarcazione IACC `e una diseguaglianza
che mette in relazione la lunghezza della barca L
b
, la supercie velica A
s
e il dislocamento
D (peso dellimbarcazione):
L
b
+ 1.25

A
s
9.8
3

D
0.686
24 m.
1. Motivazioni 12
In particolare, la lunghezza dellimbarcazione `e compresa tra i 23 e i 25 metri, il suo peso
in regata si aggira attorno alle 25 tonnellate (20 delle quali sono date dal bulbo, realizzato
con leghe di piombo) e la supercie delle vele raddoppia dallandatura di bolina a quella di
poppa, passando da circa 340 metri quadrati a quasi 680 metri quadrati.
W L
Upwind legs
Downwind legs Wind
S
t
a
r
t
/
F
i
n
i
s
h

l
i
n
e
Distance
Mark
Outer
Committee
Race
Boat
Figura 1.2: Schema di una regata di Americas Cup. Immagine tratta da [42].
Una regata di Americas Cup consiste nel completamento di tre giri attorno a due boe
poste nella direzione del vento e distanti tra loro 3.1 miglia nautiche (si veda la Figura 1.2);
si hanno dunque tre frazioni in direzione upwind (o bolina) e tre in direzione downwind
(o poppa), che richiedono dierenti tecniche di navigazione: la progettazione dellimbar-
cazione deve ovviamente tenere in conto le necessit`a - spesso contrapposte - richieste dalle
due dierenti condizioni. Se per quanto concerne lattrezzatura velica questo problema `e
risolto con limpiego di diversi insiemi di vele (main e genoa in direzione upwind, main e
spinnaker/gennaker in direzione downwind), nella parte immersa i possibili cambiamenti
durante la regata sono ristretti alla regolazione dellassetto del timone e allazione sulla
deriva. Le appendici dello scafo devono quindi essere progettate in modo da garantire ot-
time prestazioni sia con landatura di poppa, quando deve essere minimizzato il drag, che
con quella di bolina, quando devono resistere alle forze e ai momenti generati dalle vele.
Per capire inne quanto la ricerca delottimalit`a sia importante nella progettazione e nel-
la tecnologia che ruotano attorno a unimbarcazione per la Americas Cup occorre inoltre
tener presente la scarsissima variabilit`a che ormai caratterizza le barche in competizione:
se no a quindici anni fa le scelte dei vari team conducevano a una certa variet`a nelle con-
gurazioni (ad esempio nella forma dello scafo), nelle ultime edizioni della competizione le
geometrie hanno nito per convergere verso forme standardizzate, a tal punto che `e il pi` u
piccolo dettaglio a segnare la dierenza. Jerome Milgram, docente di Ocean Engineering
al Massachussets Institute of Technology con una dozzina di edizioni di Americas Cup al-
lattivo, ha presentato in [36] una analisi molto ecace dellimpatto di piccoli dettagli sulle
performance globali: racing yachts require very high precision in all aspects of the design
of the boat and sails. Just a 1% dierence in hull resistance leads to a gain or loss at the
nish line of more than 30 seconds. Nella gura 1.3 viene riportato un graco estratto da
[36] in cui si mostra leetto sul tempo di regata dato da un cambiamento dell1% del drag
totale. Gli scarti in tempo, in funzione della velocit`a del vento, variano da 18 a 64 secondi
e possono determinare la dierenza tra una vittoria e una scontta.
1. Motivazioni 13
10
20
30
40
50
60
70
6 8 10 12 14 16 18
D
T

[
s
]
WS [kts]
Upwind + Downwind legs
Downwind legs
Figura 1.3: Dierenze di tempo (DT) sullintera regata e sui tratti di poppa corrispondenti a una
variazione della resistenza pari all1%, in funzione di dierenti velocit`a del vento (WS).
Sebbene un tal livello di precisione sulle stime delle forze in gioco sia piuttosto complicato
da raggiungere, il ruolo rivestito dai metodi avanzati della Fluidodinamica Computazionale
in ambiti come la progettazione di imbarcazioni a vela da competizione permette di fornire
stime accurate delle forze agenti sullimbarcazione in dierenti condizioni di navigazione,
in modo da accrescere, parallelamente alle varie fasi di progettazione, lattendibilit`a delle
previsioni del comportamento globale associato a una ben determinata congurazione.
1.3 Forze presenti e decomposizione
Lapproccio usuale adottato nella progettazione di unimbarcazione IACC per valutare lin-
uenza globale di singoli cambiamenti progettuali `e basato sullimpiego di un Velocity Pre-
diction Program (VPP), che permette di stimare la velocit`a dellimbarcazione V
b
per una
generica condizione di vento, in funzione dellangolo di navigazione o true wind angle
TW
(compreso tra lasse longitudinale della barca e la direzione del vento) e dellangolo di scar-
roccio o yaw angle
y
(compreso tra lasse longitudinale della barca e la rotta), scrivendo
le equazioni di bilancio delle forze di natura aerodinamica e idrodinamica agenti sullimbar-
cazione; dallanalisi di queste equazioni `e possibile evidenziare i vari termini di resistenza
(o drag), alcuni dei quali saranno oggetto delle procedure di ottimizzazione implementate.
Come ben noto, la propulsione nelle barche a vela `e prodotta dalla dierenza di pressione
generata dal vento sulle due facce della vela; la forza aerodinamica che ne risulta (varia-
bile a seconda dellangolo di incidenza e della velocit`a del vento) pu`o essere decomposta
in una componente di drag D
a
e in una componente di lift L
a
ortogonale alla precedente.
In modo alternativo, la forza aerodinamica complessiva pu`o essere vista come somma di
una spinta T
a
diretta come la rotta e di una forza laterale S
a
di sbandamento; la prima
sar`a equilibrata dalla resistenza totale allavanzamento (o drag idrodinamico) D
h
opposta
dallo scafo e dalle appendici, mentre la seconda verr`a equilibrata da una forza laterale S
h
diretta perpendicolarmente alla rotta generata dalle appendici in virt` u del fatto che lo scafo
procede con un certo angolo di incidenza
y
rispetto alla direzione di rotta. Uno schema
delle forze in gioco viene riportato nella Figura 1.4, tratta da [42].
1. Motivazioni 14
Aerodynamic
Lift
Aerodynamic
Drag DA
Aerodynamic
Side Force SA
Side Force
Hydrodynamic
SH
Aerodynamic
Thrust TA
Hydrodynamic
DH Drag
Hydromechanic
Righting Moment
RMH
Heeling Moment
Aerodynamic
HMA
Angle
Boat
Velocity
LA
Vb
BY
Yaw
Wind
Apparent
Apparent
Wind Angle
Wind
True
Angle TWA
AWA
Wind True Course
of the boat
Centerline
Boat
Figura 1.4: Le vele sviluppano una spinta e una forza laterale rispettivamente uguali al drag
idrodinamico e al lift generati dallo scafo, dalla deriva, dal bulbo e dal timone; inoltre, la forza
laterale e il lift idrodinamico inducono un momento sbandante che deve essere compensato con il
momento raddrizzante generato dalle forze agenti sullo scafo. Le caratteristiche del vento che colpisce
la vela non sono le stesse del vento atmosferico, essendo presente anche la velocit`a della barca: la
velocit`a apparente del vento che investe la barca `e data dalla somma della sua velocit`a reale e della
velocit`a della barca cambiata di segno.
Sul piano orizzontale, una condizione stazionaria di navigazione `e ottenuta quindi impo-
nendo due bilanci di forze in direzione x (parallelamente alla velocit`a V
b
) e in direzione
y, perpendicolare alla precedente, e un bilancio dei momenti di rollio (dati rispettivamente
dal momento sbandante aerodinamico M
a
e dal momento raddrizzante idrodinamico M
h
)
rispetto allasse longitudinale della barca:
D
h
+T
a
= 0
S
h
+S
a
= 0
M
h
+M
a
= 0.
Consideriamo in particolare il termine di drag idrodinamico D
h
: un approccio molto utile
per la modellizzazione dei termini di resistenza idrodinamica consiste nellimpiego di un
modello additivo che permetta di scomporre D
h
nella somma delle componenti di resistenza
provocate dalle varie parti dellimbarcazione:
D
h
= D
h,h
+D
h,a
+D
h,l
+D
w
+D
r
T
d
dove D
h,h
`e il drag generato dallo scafo, D
h,a
`e il drag generato dalle appendici, D
h,l
`e
la componente generata dalle forze dovute allo sbandamento e allo scarroccio, D
w
`e la
resistenza provocata dal moto ondoso del mare, T
d
`e un termine di spinta causato dallin-
terazione delle appendici con il usso che li investe e da moti secondari, mentre D
r
`e un
termine residuo dovuto allintera imbarcazione (upright residuary resistance). I coecienti
adimensionali di drag C sono ottenuti dividendo le rispettive componenti di resistenza per
1
2
V
2
b
S
h
dove `e la densit`a dellacqua, V
b
`e il modulo della velocit`a dellimbarcazione, S
h
`e
la supercie bagnata.
1. Motivazioni 15
Tutte le componenti di resistenza sono in ogni caso funzione del regime di navigazione e del
tipo di imbarcazione; ad esempio, la componente dovuta allo scafo `e in ogni caso maggiore
di tutte le altre nellandatura di bolina, mentre risulta signicativa nellandatura di poppa
solo con basse velocit`a del vento [36]. Per velocit`a del vento pi` u alte, `e il termine di resisten-
za residua D
r
ad avere un peso maggiore, a causa delle maggiori velocit`a raggiunte dalla
barca in questa condizione. Se da un lato, inoltre, i contributo dovuti allo sbandamento e
al moto ondoso risultino trascurabili in regime downwind, in regime upwind, per velocit`a
del vento elevate, tutte le componenti di resistenza (a eccezione di quella dovuta allo scafo)
tendono ad assumere la stessa importanza.
1.4 Minimizzazione del drag attorno alle appendici
Uno dei fattori pi` u importanti per il successo di unimbarcazione di Americas Cup `e la
progettazione dellinsieme delle appendici: la forma e le dimensioni del bulbo, della deriva
e delle alette devono garantire elevate prestazioni in ogni regime di navigazione e in pre-
senza di condizioni di vento e quindi di velocit`a della barca che possono dierire di molto.
Figura 1.5: Appendici dello scafo: congurazione downwind (a sinistra) e upwind (a destra).
Limmagine `e tratta da [40].
Lottimizzazione della forma e delle dimensioni delle appendici `e uno dei problemi arontati
in [16, 40, 41, 42], allinterno di un vasto ambito di ricerca che comprende la costruzione di
modelli matematici e limplementazione di opportune tecniche numeriche per la simulazione
completa del usso attorno a unimbarcazione IACC e il miglioramento delle sue prestazioni,
nel contesto di un progetto di collaborazione scientica tra lEcole Polytechnique Federale
(EPFL) di Losanna e il Team Alinghi di Ginevra, vincitore delle ultime due edizioni di
Americas Cup (Auckland, New Zealand 2003 e Valencia, Spagna 2007).
Nellambito delle simulazioni svolte in questo progetto, (si rimanda a [40, 41] per qualsiasi
dettaglio e per i risultati numerici; un esempio viene riportato in Figura 1.6) sono stati
eettuati vari studi sulla forma del bulbo, della deriva e delle alette e sulla posizione di queste
ultime, analizzando complessivamente circa 60 dierenti congurazioni, nei due dierenti
regimi di navigazione.
Vantaggi e svantaggi di forme pi` u allungate strette rispetto a proli pi` u corti e allargati,
a parit`a di peso e di volume, sono stati valutati testando dierenti congurazioni; bulbi
pi` u lunghi in generale hanno un comportamento migliore rispetto al drag di pressione, ma
orendo al usso una maggiore supercie bagnata danno luogo a una componente viscosa
di drag maggiore che nel primo caso. Sono state inoltre prese in considerazione dierenti
1. Motivazioni 16
sezioni trasversali, per analizzare linuenza di un abbassamento del baricentro del bulbo:
un baricentro pi` u basso permetterebbe infatti di avere un maggiore momento raddrizzante.
Anche in questo caso, la simulazione numerica di bulbi con dierenti sezioni ha fornito utili
informazioni riguardo al tradeo tra vantaggi e svantaggi di ogni congurazione.
Figura 1.6: Pressione sulle appendici dello scafo (superci di livello) e streamlines attorno alla
deriva. Limmagine `e tratta da [41].
Assumendo un modello reologico newtoniano per il uido (si veda la Sezione 4.1), le compo-
nenti del drag idrodinamico dovute alla pressione e alla viscosit`a sono espresse dallintegrale
della rispettiva componente del tensore degli sforzi sulla supercie del corpo in esame; in-
dicando con u la velocit`a del uido, con p la sua pressione, con la sua densit`a, con la
sua viscosit`a, il drag di pressione D
p
e il drag viscoso D
v
agenti su un corpo immerso in un
uido sono deniti rispettivamente da
D
p
=
_
B
w
pn idA,
D
v
=
_
B
w
((u +
T
u) n) idA,
dove B
w
`e la supercie bagnata del corpo immerso, i `e il versore diretto secondo x, n `e il
versore normale alla supercie del corpo e diretto entrante nel dominio uido. Il problema
di ottimizzazione della forma del bulbo si pu`o quindi tradurre nella ricerca della forma
ottimale

allinterno di una famiglia O
ad
di domini ammissibili, tale che
(

, u(

), p(

)) = inf
O
ad
(, u(), p()),
dove il funzionale `e dato da := D
p
+D
v
.
Questo lavoro di Tesi vuole rappresentare un primo passo verso la modellizzazione e la
risoluzione del problema di minimizzazione del drag agente sul bulbo come caso parti-
colare di corpo immerso in un uido viscoso incomprimibile mediante tecniche di Shape
optimization. Dopo aver inquadrato lottimizzazione di forma nel contesto pi` u ampio del
controllo ottimo e aver introdotto una serie di strumenti analitici necessari alla sua formu-
lazione teorica, lottimizzazione della forma di un corpo immerso in un uido verr`a tradotta
in un opportuno problema di Optimal shape design.
Capitolo 2
Formulazione di un problema di
Optimal Shape Design
Viene richiamato in questo capitolo un framework astratto per lanalisi teorica e la risolu-
zione numerica dei problemi di controllo ottimale governati da equazioni a derivate parziali,
basato sulla formulazione di J.L Lions [35]; vengono inoltre introdotti il metodo dei molti-
plicatori di Lagrange e la tecnica basata sul problema aggiunto, seguendo la trattazione
di M. Gunzburger [26]. Inne, viene discussa la formulazione di un generico problema di
ottimizzazione di forma, nel contesto pi` u generale dei problemi di controllo ottimale: dopo
aver presentato le principali caratteristiche e alcuni risultati di buona posizione, ne vengono
evidenziate le pi` u importanti dicolt`a.
2.1 Un richiamo ai problemi di controllo ottimale
Un problema di ottimizzazione o controllo `e costituito da tre ingredienti fondamentali: un
obiettivo (espresso da un opportuno funzionale, detto funzionale costo), uno o pi` u parametri
di controllo o di progetto (design parameters) e un insieme di vincoli che esprimono il com-
portamento del sistema in esame e devono essere soddisfatti dalle variabili di stato: lo scopo
del problema `e dunque quello di determinare le variabili di stato e di controllo che mini-
mizzino il funzionale costo e contemporaneamente soddisno le equazioni di stato, espresse
in tutte le applicazioni di carattere uidodinamico da un sistema di equazioni a derivate
parziali. Gli aspetti teorici di maggior importanza per i problemi di controllo si concentra-
no sullanalisi delle condizioni che garantiscono la buona posizione e sulla costruzione di un
opportuno sistema di ottimalit`a spesso basata sullintroduzione di un opportuno problema
aggiunto che pu`o essere condotta sfruttando la tecnica dei moltiplicatori di Lagrange.
Un problema di controllo ottimale si pu`o formulare in maniera astratta come segue: deter-
minare un controllo u |
ad
tale che
J(u) = inf
vU
ad
J(v) (2.1)
dove u `e la funzione di controllo, appartenente allinsieme dei controlli ammissibili |
ad
(tipicamente si tratta di un sottoinsieme convesso e chiuso di un opportuno spazio funzionale
|); y = y(u) 1 `e la funzione di stato, che descrive il sistema sico soggetto al controllo,
17
2. Formulazione di un problema di Optimal Shape Design 18
governato dalla seguente equazione di stato:
Ay(u) = f +Bu (2.2)
in cui A : 1 1

`e un operatore dierenziale accompagnato dalle condizioni al contorno,

1 `e un opportuno spazio funzionale e B L(|, 1

) `e un operatore (detto funzione del

controllo) che associa a u un elemento di 1

, spazio duale di 1. Il funzionale costo, che

rappresenta lobiettivo da ottimizzare, `e dato da
J(u) = F(z(u), u), u |
ad
(2.3)
dove F : Z | R e z(u) = Cy(u) `e detta funzione di osservazione; C : 1 Z `e un
opportuno operatore (spesso si tratta di un operatore di restrizione) e Z `e lo spazio delle
funzioni osservate.
Nelle ipotesi in cui J(u) sia un funzionale inferiormente semicontinuo rispetto alla conver-
genza debole e limitato dal basso (tale cio`e che inf J(u) = > ), |
ad
sia un insieme
chiuso e convesso e le successioni minimizzanti siano debolmente compatte (ad esempio,
basta che siano limitate in |), il metodo diretto del calcolo delle variazioni permette di
dimostrare lesistenza di un controllo ottimo soluzione di (2.1); se poi J `e strettamente
convesso su |
ad
, il punto di minimo `e anche unico.
Un problema di Optimal shape design pu`o dunque essere visto come un caso speciale di
problema di controllo in cui il controllo `e il contorno del dominio in cui sono deniti i
problemi dierenziali: lobiettivo `e minimizzare un funzionale J(, y()) che dipende dal
dominio in modo diretto e attraverso lo stato y() del sistema in esame.
Lapproccio di Lions al problema di controllo permette di caratterizzare la soluzione median-
te un sistema di ottimalit`a, costituito dal problema di stato, da un opportuno problema
aggiunto e da una condizione di ottimalit`a [35]; esso permette inoltre di ricavare alcuni
risultati notevoli di buona posizione che tuttavia valgono sotto particolari ipotesi sulla
forma del funzionale costo e una caratterizzazione del principio di minimo (o condizione di
ottimalit`a) in termini di opportune disequazioni variazionali. Ad esempio, se il funzionale
costo `e dato da
J(v) =
1
2
(v, v) Lv, v |
ad
dove | `e un opportuno spazio di Hilbert, `e una forma bilineare continua su |, simmetrica
e coerciva, e L `e un funzionale lineare e continuo su |, esiste un unico controllo u |
ad
soluzione di (2.1), tale da soddisfare la seguente equazione di Eulero:
(u, v) = Lv v |
ad
nel caso in cui |
ad
|, oppure la seguente disequazione variazionale nel caso pi` u generale
in cui |
ad
|:
(u, v u) L(v u) v |
ad
.
Pi` u in generale, il problema (2.1) si traduce nella seguente disequazione variazionale:
J

(u) (v u) 0 v |
ad
, (2.4)
nellipotesi in cui la funzione v J(v) sia strettamente convessa, dierenziabile e tale che
J(v) + quando [[v[[ + (questultima condizione pu`o essere omessa nel caso in cui
|
ad
sia limitato). Assumendo ad esempio che il funzionale costo sia dato da
J(v) =
1
2
[[Cy(v) z
d
[[
2
Z
+
1
2
(Nv, v)
U
2. Formulazione di un problema di Optimal Shape Design 19
dove z
d
Z `e una condizione ottimale da raggiungere e N : | | `e una forma simme-
trica e denita positiva tale cio`e che (Nu, u) [[u[[
2
U
che costituisce un termine di
penalizzazione, esso pu`o essere scritto come
J(v) =
1
2
(v, v) Lv +
1
2
[[Cy(0) z
d
[[
2
Z
dove
(v, w) = (C[y(v) y(0)], C[y(w) y(0)])
Z
+ (Nv, w)
U
Lv = (z
d
Cy(0), C[Y (v) y(0)])
Z
;
la condizione di ottimalit`a (2.4) diviene in questo caso:
(Cy(u) z
d
, C[y(v) y(u)])
Z
+ (Nu, v u)
U
0.
Introducendo loperatore aggiunto di C, C

: Z

, tale che
V
C

, v)
V
=
Z
, Cv)
Z

e lisomorsmo canonico
Z
: Z

Z, la precedente condizione pu`o essere scritta in modo

equivalente come:
V
C

z
(Cy(u) z
d
), y(v) y(u))
V
+ (Nu, v u)
U
0;
introducendo inoltre, per ogni controllo v |
ad
, lo stato aggiunto p = p(v) come la soluzione
del seguente problema aggiunto:
A

p(v) = C

Z
(Cy(v) z
d
) (2.5)
dove A

: 1 1

`e loperatore aggiunto di A, `e possibile mostrare (si veda [35] per i

dettagli) che la condizione di ottimalit`a espressa dalla disequazione variazionale assume la
forma seguente:
1
2
J

(u)(v u) = (
1
u
B

p(u) +Nu, v u)
U
0 v |
ad
,
dove B

: 1 |

`e loperatore aggiunto di B e
U
indica lisomorsmo canonico tra |
e |

. In particolare, la condizione di ottimalit`a fornisce lespressione del gradiente di J,

denito come lelemento di Riesz che rappresenta J

:
J(u) =
U
B

p(u) +Nu;
la valutazione del gradiente del funzionale costo, necessaria per la costruzione di uno
schema numerico per lapprossimazione della soluzione ottima, pu`o dunque essere eettuata
risolvendo un ulteriore problema a derivate parziali.
2. Formulazione di un problema di Optimal Shape Design 20
2.2 Il metodo dei moltiplicatori di Lagrange
A dierenza del metodo di Lions, lapproccio basato sui moltiplicatori di Lagrange permette
di giungere a un risultato di buona posizione e a una caratterizzazione della soluzione ottima
in modo pi` u generale, interpretando il problema di controllo come un opportuno problema
di minimo vincolato, della forma
min F(x, u) tale che G(x, u) = 0 (2.6)
dove x e u sono rispettivamente lo stato del sistema e la variabile di controllo, F : X|
ad

R, G : X|
ad
Y e X, Y , | sono generici spazi di Banach riessivi, con |
ad
| convesso
e chiuso.
`
E possibile provare lesistenza di una soluzione ( x, u) del precedente problema,
per funzionali della forma
F(x, u) = P(x) +N(u),
con P : X R e N : |
ad
R, sotto le ipotesi seguenti:
1. inf
xX
P(x) = p
0
> ed esiste una coppia (x, u) tale che G(x, u) = 0;
2. per ogni u |
ad
, N(u) [[u[[

U
con , > 0;
3. se u
k
u in |
ad
e x
k
x in X, con (x
k
, u
k
) X |
ad
, allora G(x
k
, u
k
) G(x, u)
in Y ;
4. F risulta debolmente semicontinuo inferiormente in X |
ad
;
5. se (x
k
, u
k
) X |
ad
`e tale che [P(x
k
)[ M e G(x
k
, u
k
) = 0 allora [[x
k
[[
X
M
0
.
Le condizioni precedenti, che permettono di stabilire un risultato di compattezza, non sono
sucienti a garantire lunicit`a della soluzione ottima; daltro canto, in numerose appli-
cazioni a problemi non lineari (tra cui alcuni problemi di controllo ottimale per il sistema
di Navier-Stokes), la soluzione ottima non `e in generale unica. Il sistema di ottimalit`a che
permette di determinare la soluzione del problema pu`o essere ricavato sfruttando il metodo
dei moltiplicatori di Lagrange applicato al seguente funzionale Lagrangiano:
L(x, u; p,
0
) =
0
F(x, u) +p, G(x, u))

(2.7)
dove , )

indica la dualit`a tra Y e Y

, p Y

`e il moltiplicatore di Lagrange e
0
= 0
oppure
0
= 1. Sotto opportune ipotesi di convessit`a e dierenziabilit`a nel senso di Frechet
di F e G (si rimanda per qualsiasi dettaglio a [26], Sezione 6.1) `e possibile dimostrare che
esiste p Y

tale che ( x, u) e p costituiscono la soluzione del seguente sistema:

_

_
L
x
( x, u; p, 1)x = F
x
( x, u)x + p, G
x
( x, u)x)

= 0 x X
L
p
( x, u; p, 1)p = p, G( x, u))

= 0 p Y

min
uU
ad
L( x, u; p, 1) = L( x, u; p, 1)
(2.8)
Introducendo inoltre loperatore aggiunto G

x
( x, u) : Y

ed evidenziando la dualit`a
tra X e X

, `e possibile esprimere la prima equazione nella forma

F
x
( x, u)x +
X
G

x
( x, u) p, x)
X
= 0 x X
2. Formulazione di un problema di Optimal Shape Design 21
da cui si ricava la seguente equazione aggiunta:
F
x
( x, u) +G

x
( x, u) p = 0. (2.9)
La terza e ultima equazione del sistema (2.8) esprime il principio di minimo: nel caso in cui
il funzionale u L(, u) sia dierenziabile secondo Frechet, convesso e debolmente semicon-
tinuo inferiormente in |, questo pu`o essere scritto sotto forma di disequazione variazionale
per u:
F
u
( x, u)(v u) + p, G
u
( x, u)(v u))

0 v |
ad
;
essendo inoltre p, G
u
( x, u)(v u))

=
U
G

u
( x, u) p, (v u))
U
, la precedente relazione equi-
vale a
U
F
u
( x, u) +G

u
( x, u) p, (v u))
U
0 v |
ad
(2.10)
e si riduce a unequazione nel caso in cui |
ad
|. Introducendo inne lisomorsmo
canonico
U
: |

| si deduce limportante formula

u
F( x, u) =
U
G

u
( x, u) p (2.11)
dalla quale `e possibile estrarre le informazioni necessarie per lapprossimazione numerica
della soluzione con una procedura iterativa di ottimizzazione.
Il sistema (2.8) ottenuto in precedenza altro non `e che il sistema di Eulero-Lagrange per
il funzionale Lagrangiano L, che pu`o essere denito in modo analogo sfruttando la forma
(2.2) del problema di stato come
L(y, u, p) := J(y, u) +p, f +Bu Ay(u))

; (2.12)
la soluzione ottima del problema di controllo (2.8), se esiste, `e un punto stazionario del
funzionale L(y, u, p), ossia risulta
L( y, u, p)[x] = 0 x 1 |
ad
1. (2.13)
La soluzione del problema di controllo ottimo pu`o quindi essere caratterizzata dal seguente
sistema di equazioni, in cui x = (, , ):
_

_
L
y
( y, u, p)[] = 0 equazione aggiunta,
L
p
( y, u, p)[] = 0 equazione di stato,
L
u
( y, u, p)[] = 0 equazione di sensitivit`a.
(2.14)
In modo analogo, se si considerano le forme semilineari a()() e b()() associate rispettiva-
mente agli operatori A() e B() e il funzionale (2.12) nella forma
L(y, u, p) := J(y, u) + (f, p) +b(u)(p) a(y)(p), (2.15)
il sistema (2.14) si pu`o inne scrivere come segue:
L
,p
= 0 trovare y 1 : a(y)() = (f, ) +b(u)(), 1
L
,y
= 0 trovare p 1 : a
,y
(y)(p, ) = J
,y
(y, u)(), 1
L
,u
= 0 trovare u |
ad
: J
,u
(y, u)() +b
,u
(u)(p, ) = 0, |
ad
.
(2.16)
2. Formulazione di un problema di Optimal Shape Design 22
Come vedremo nel seguito, anche per un problema di shape optimization sar`a possibile
esprimere la soluzione sfruttando lapproccio basato sul problema aggiunto o sulla tecnica
dei moltiplicatori di Lagrange; introduciamo nelle prossime sezioni gli elementi necessari alla
descrizione di un problema di Optimal shape design e alcuni risultati di buona posizione,
rimandando ai capitoli successivi la formalizzazione matematica dei problemi di interesse
uidodinamico e la determinazione dei corrispondenti sistemi di ottimalit`a.
2.3 Problemi di Shape Optimization: formulazione astratta
Rispetto ai problemi in cui loggetto del controllo `e lo stato del sistema o una grandezza lega-
ta a esso, la situazione che si presenta nei problemi di Optimal shape design `e decisamente
pi` u complicata; in questo caso `e il dominio stesso in cui viene denito e risolto il problema di
stato a essere oggetto dellottimizzazione: si cerca dunque di risolvere e analizzare problemi
in cui occorra trovare

O
ad
: (

) = min
O
ad
()
dove O
ad
O `e una famiglia di domini ammissibili, in cui si cerca la forma ottimale

,
mentre `e un funzionale denito su O
ad
a valori in R, detto funzionale di forma. Le
questioni associate a questo tipo di problemi sono numerose oltre che piuttosto complesse
e riguardano la buona posizione del problema (esistenza di una soluzione e studio della
dipendenza di () dal dominio), la deduzione delle condizioni necessarie di ottimalit`a e
il calcolo eettivo della forma ottimale. In particolare, seguendo un approccio analogo a
quanto gi`a visto nelle precedenti sezioni e sfruttando il formalismo introdotto in [27], per
vericare la buona posizione del problema occorre considerare le seguenti tre propriet`a:
1. compattezza della topologia introdotta sullinsieme delle forme ammissibili O
ad
;
2. continuit`a della soluzione del problema di stato rispetto a variazioni del dominio ;
3. semi-continuit`a inferiore del funzionale costo.
Siano dunque
n
una successione di domini tali che
n
O e O; per denire la
propriet`a di convergenza della famiglia di domini
n
a un generico elemento (che in un
problema di Shape optimization rivestir`a il ruolo di forma ottimale

) `e necessario disporre
di una topologia sullinsieme dei domini ammissibili, in modo che lesistenza di tale limite
discenda da una propriet`a di compattezza della successione
n
in base a questa nozione
di topologia. La questione verr`a arontata sommariamente nella prossima sezione: per il
momento, supponiamo di disporre di una famiglia di domini e di una topologia in modo da
poter denire la convergenza

n
O
, n
e garantire una propriet`a di compattezza. Per ogni O consideriamo un opportuno
spazio funzionale 1() e una nozione di convergenza per le funzioni appartenenti a 1()
per dierenti O
ad
; ; in particolare, se y
n
`e una successione di funzioni con y
n
1(
n
),
dove
n
O
ad
, e y 1() con O
ad
, occorre specicare la convergenza di y
n
a y,
indicata con
y
n
y
per distinguerla dalla convergenza nello spazio 1(), con O ssato, e richiedere che
anche in questo caso valga unopportuna propriet`a di compattezza.
2. Formulazione di un problema di Optimal Shape Design 23
Con la risoluzione del problema di stato in ogni dominio O, si denisce una mappa
u che associa a ogni O un elemento u() 1(), corrispondente alla soluzione di un
problema a derivate parziali (T()) che descrive lo stato del sistema in esame:
(T()) u : u() 1(), O
ad
dove 1() `e un opportuno spazio funzionale. Indicando dunque con ( il graco della mappa
(u()) ristretta a O
ad
, cio`e
( = (, u()) : O
ad
,
e con : (, y) (, y) R il funzionale costo, dove y 1(), un problema di shape
optimization in forma astratta pu`o essere espresso come segue:
trovare

O
ad
tale che (

, u(

)) (, u()) O
ad
(2.17)
dove u() 1() `e soluzione del problema di stato (T()). Lesistenza di soluzioni per il
problema (2.17) `e garantita sotto adeguate ipotesi di compattezza di ( e di semi-continuit`a
inferiore di , che possono essere formulate come segue:
(1) (compattezza di ()
per ogni successione (
n
, u(
n
)), con (
n
, u(
n
)) (, esiste una sottosuccessione
(
n
k
, u(
n
k
)) convergente a (, u()) (:

n
k
O
, u(
n
k
) u() quando k ;
(2) (semi-continuit`a inferiore di )
per ogni successione di domini
n
e di funzioni y
n
1(
n
), per ogni O e
y 1(), vale la seguente implicazione:

n
O
, y
n
y liminf
n
(
n
, y
n
) (, y).
Assumendo infatti la semi-continuit`a inferiore del funzionale valutato sulla successione

n
, lesistenza di una soluzione discende direttamente dalla compattezza di O
ad
, dal mo-
mento che un funzionale semi-continuo inferiormente su un compatto ammette minimo. Nel
caso in cui il funzionale () sia della forma (, u

), dove u

`e la soluzione del proble-

ma di stato, la semicontinuit`a inferiore del funzionale necessita di una buona dipendenza
continua della soluzione del problema u

rispetto a .
2.3.1 Topologia su O
ad
e successioni di domini uniformemente regolari
Tra le nozioni di convergenza pi` u utilizzate per famiglie di domini che non debbano necessa-
riamente presentare troppa regolarit`a vi sono quella nel senso delle funzioni caratteristiche
(che pu`o essere applicata alle famiglie di insiemi misurabili di R
N
), la convergenza nel senso
di Hausdor e quella nel senso dei compatti (valide entrambe per le famiglie di aperti di R
N
);
la descrizione delle propriet`a di queste tre nozioni di topologia e dei legami che intercorrono
tra loro esula da questa trattazione e si rimanda a [30] per qualsiasi approfondimento. Dal
momento che `e importante poter riuscire a estrarre da una successione
n
di aperti una
sotto-successione convergente, ossia poter lavorare con una topologia che abbia delle buone
propriet`a di compattezza, risulta favorevole la scelta della topologia di Hausdor, come
precisato dal seguente risultato:
2. Formulazione di un problema di Optimal Shape Design 24
Teorema 1. Sia
n
una successione di aperti inclusi in un compatto ssato B; allora esiste
un insieme aperto incluso in B e una sotto-successione
n
k
convergente a nel senso di
Hausdor quando k .
Nel caso della convergenza nel senso delle funzioni caratteristiche, invece, si ha compattezza
a patto di considerare la convergenza debole

e con un aspetto meno favorevole, visto che
in generale la funzione limite a cui tende la successione non `e una funzione caratteristica.
Soprattutto nel caso di domini bidimensionali, spesso si considerano forme descritte da
funzioni reali o pi` u in generale da curve in forma parametrica, per le quali si possono
sfruttare le nozioni di convergenza delle successioni di funzioni e risultati come quello di
Ascoli-Arzel`a. Inoltre, se da un lato risulta piuttosto restrittivo imporre a priori dei vincoli
di regolarit`a sugli insiemi ammissibili, ipotesi di regolarit`a uniforme assicurano in generale
una buona compattezza e una buona convergenza delle successioni di tali insiemi. Un caso
particolarmente interessante e piuttosto sfruttato nelle applicazioni di interesse uidodina-
mico come quelle che verranno prese in considerazione nel seguito `e quello degli aperti
uniformemente lipschitziani, o equivalentemente degli aperti che vericano la condizione del
cono uniforme; valgono in particolare le seguenti denizioni:
Denizione 1. Dati y R
N
, un versore e un numero reale > 0, si dice cono di vertice
y, direzione e dimensione linsieme C(y, , ) denito da
C(y, , ) = z R
N
: (z y, ) cos()[z y[, 0 < [z y[ < ;
si dice che un aperto ha la propriet`a dell-cono se per ogni x esiste un versore
x
tale che
C(y,
x
, ) y B(x, ).
Denizione 2. Un insieme aperto R
N
`e a bordo lipschitziano se, per ogni x
0
,
esiste in un riferimento ortonormale locale, con origine nel punto x
0
= 0, un cilindro
K = K

(a, a), centrato nellorigine, (con K

indiciamo la palla aperta di R

N1
di
raggio r) e una funzione : K

(a, a) lipschitziana, di rapporto L, tale che (0) = 0 e

K = (x

, (x

)) : x

e K = (x

, x
n
) K, x
n
> (x

).
Questultima denizione esprime il fatto che `e, nellintorno di ogni suo punto, il graco
di una applicazione lipschitziana e giace interamente da un lato della sua frontiera. Le
due denizioni precedenti equivalenti: si dimostra infatti [30] che un insieme aperto con
frontiera limitata ha la propriet`a dell-cono se e solo se `e a bordo lipschitziano. Il risultato
pi` u importante, che si basa su tutte le considerazioni fatte nora, `e racchiuso nel seguente
teorema, che esprime la compattezza della classe O

, denita da
O

= aperto : D, ha la propiet`a dell cono

rispetto ai tre tipi di convergenza richiamati in precedenza:
Teorema 2. Sia (
n
) una successione di aperti appartenenti alla classe O

; esiste allora
un insieme aperto O

e una sotto-successione (
n
k
) convergente a nel senso di
Hausdor, nel senso delle funzioni caratteristiche e nel senso dei compatti. Inoltre,
n
k
e

n
k
convergono nel senso di Hausdor rispettivamente a e .
2. Formulazione di un problema di Optimal Shape Design 25
2.3.2 Continuit`a della soluzione rispetto al dominio
Lesistenza di forme ottimali richiede la continuit`a o per lo meno la semi-continuit`a inferio-
re del funzionale costo associato al problema: per ottenere questa condizione, `e necessario
che la soluzione dellequazione di stato associata al problema di ottimizzazione dipenda
con continuit`a da variazioni del dominio ; numerosi risultati riguardanti la continuit`a del-
lapplicazione u() H
1
0
(D), dove u() `e la soluzione del problema di Dirichlet per
loperatore di Laplace su un dominio variabile incluso in un aperto D ssato, si possono
ad esempio trovare in [30]. Vengono citati di seguito alcuni di questi risultati, allo scopo di
comprendere come inuiscano sulla continuit`a le propriet`a delle famiglie di domini impie-
gate e la topologia introdotta su di esse; si rimanda ai capitoli successivi per lanalisi della
continuit`a rispetto al dominio della soluzione del problema di ottimizzazione della forma di
corpi immersi.
Si considerino quindi un aperto limitato D R
N
che contenga tutti gli insiemi aperti
variabili considerati e f H
1
(D); per ogni aperto D, sia u
f
() la soluzione del
seguente problema di Dirichlet:
_
u = f in
u = 0 su .
Il problema della continuit`a consiste nella caratterizzazione delle condizioni per cui, data
una successione di aperti
n
inclusi in D e convergente (in un senso che verr`a precisato) a
un aperto , si possa aermare che u
f
(
n
) converge a u
f
(); dal momento che la maggior
parte delle topologie classiche sugli aperti, come quelle considerate in precedenza, non
assicurano in generale la validit`a di questa convergenza, occorre assumere ulteriori condizioni
sulla successione (
n
) o sul limite per avere continuit`a. In particolare, vale la seguente
Proposizione 3. Sia (
n
) una successione di aperti contenuti in D; esiste allora una sotto-
successione u
f
(
n
k
) convergente debolmente in H
1
0
(D) a u H
1
0
(D) quando k ;
inoltre, se esiste un aperto D tale che u = u
f
(), la convergenza `e forte in H
1
0
(D).
Il limite u coincide con u
f
(), dove `e il limite della successione
n
, se si assume la
convergenza nel senso di Hausdor o nel senso dei compatti. Per poter inne concludere
sulla convergenza di u
f
(
n
) a u
f
(), occorre che u appartenga allo spazio H
1
0
(): in
questo caso, u = u
f
(), tutta la successione u
f

n
converge a u
f

e la convergenza `e forte in
H
1
0
(D); ci`o si verica in particolare se
n
`e una successione crescente di aperti e =
n

n
,
oppure
n
`e una successione di aperti inclusi nellinsieme aperto e convergente a nel
senso di Hausdor [30].
La sola convergenza nel senso di Hausdor di
n
a permette di concludere la semi-
continuit`a inferiore (puntuale) dellapplicazione u
f
(), con f 0: in questo caso, per
quasi ogni x D si ha che
u
f

(x) liminf u
f

n
(x);
tuttavia in generale non si ha continuit`a della soluzione del problema di Dirichlet rispetto
al dominio, se la successione di domini
n
converge a nel senso di Hausdor, ma non
valgono ulteriori condizioni su di essa. Una classica condizione suciente per la continuit`a,
espressa in termini di regolarit`a uniforme degli insiemi
n
, richiede che gli elementi della
successione soddisno la propriet`a dell-cono e risultino quindi uniformemente regolari,
come espresso dalla seguente
2. Formulazione di un problema di Optimal Shape Design 26
Proposizione 4. Sia
n
una successione di aperti appartenenti alla classe O

, con-
vergente nel senso di Hausdor allaperto . Allora la successione u
f
(
n
) converge a
u = u

.
Quanto appena discusso permette di introdurre una nuova topologia sugli aperti di R
N
, che
prende il nome di -convergenza ed esprime la continuit`a rispetto al dominio della soluzione
del problema di Dirichlet: con la notazione usata in precedenza, una successione di aperti

n
contenuti in D -converge allaperto D (
n

) se per ogni f H
1
(D) si
ha che u
f
(
n
) u
f
() in H
1
0
(D) (in questo senso, ad esempio, lultimo teorema stabilisce
dunque che se
n
`e una successione di aperti uniformemente lipschitziani convergente nel
senso di Hausdor a , allora
n

). Con questo ulteriore concetto di convergenza `e

possibile formulare un risultato di continuit`a rispetto al dominio per un operatore ellittico
pi` u generale del laplaciano; vale infatti (si veda [30]) la seguente
Proposizione 5. Siano D un aperto limitato e
Au :=
n

i,j=1

x
i
_
a
ij
(x)
u
x
j
_
un operatore ellittico a coecienti in L

(D). Se gli aperti

n
D -convergono a un
aperto , allora per ogni f H
1
(D) la soluzione u
n
del problema
Au
n
= f in
n
, u
n
H
1
0
(
n
)
converge in senso forte in H
1
0
(D) alla soluzione u del medesimo problema denito in .
Risultati analoghi valgono nel caso di un problema di Neumann o di problemi misti e ulteriori
indicazioni in tal senso si possono trovare sempre in [30], oppure in [44]; alcuni risultati di
continuit`a rispetto al dominio per la soluzione del problema di Navier-Stokes stazionario,
dovuti a S. Boisgerault, J.P. Zolesio [9] e a J. Simon [8] verranno discussi nel capitolo 4.
2.4 Condizioni e risultati per lesistenza di forme ottimali
Concludiamo questo capitolo esaminando alcuni risultati di esistenza di forme ottimali per il
problema di Laplace con condizioni di Dirichlet o di Neumann, tratti da [3, 27, 30]; ulteriori
casi di Shape optimization per problemi ellittici vengono dettagliatamente discussi in [44].
Lo scopo di questa sintetica rassegna `e chiarire come sfruttare le varie ipotesi su domini,
funzionali e soluzioni dei problemi di stato per dedurre lesistenza di una forma ottimale;
questioni di varia natura legate allesistenza di una forma ottimale per corpi immersi in ui-
di viscosi e incomprimibili, governati dalle equazioni di Navier-Stokes stazionarie, verranno
arontate nel seguito.
Come si `e gi`a notato, una delle principali dicolt`a da arontare nei problemi di Shape
optimization riguarda il fatto che le funzioni sono denite in domini variabili, la cui forma
`e loggetto delllottimizzazione; uno dei modi possibili di risolvere la questione prevede di
estendere le funzioni dal proprio dominio di denizione a una regione ssata, che contenga
tutti i domini ammissibili. In particolare, lestensione si pu`o facilmente operare nei casi
in cui il problema di stato abbia condizioni al bordo di Dirichlet omogenee, dal momento
che ogni funzione di H
1
0
() pu`o essere estesa a zero al di fuori di senza variazioni di
2. Formulazione di un problema di Optimal Shape Design 27
norma. Consideriamo inoltre, per semplicit`a, il caso in cui si possano parametrizzare i
domini ammissibili con una funzione reale di una sola variabile reale: sia dunque O
ad
=
() : |
ad
una famiglia di domini ammissibili, dove
|
ad
=
_
(
0,1
([0, 1]) :
min

max
in [0, 1], [

[ L
0
q.o. in (0, 1),
_
1
0
(x)dx =
_
e
() = (x, y) R
2
: 0 < y < (x), x (0, 1), |
ad
,
avendo indicato con (
0,1
([0, 1]) linsieme delle funzioni Lipschitz-continue in [0, 1] e assumen-
do che i parametri
min
> 0,
max
, L
0
e siano dei numeri reali tali che |
ad
,= .
La famiglia O
ad
consiste di tutti i rettangoli curvilinei compresi tra lasse x e la curva (),
associata biunivocamente alla funzione |
ad
, che assume il ruolo di design variable.
Dalla denizione di |
ad
segue inoltre che i domini () hanno bordo lipschitziano e dunque
risultano uniformemente regolari nel senso denito nella sezione precedente; in particolare,
valgono dunque sia la convergenza nel senso di Hausdor che le propriet`a di continuit`a
rispetto al dominio per la soluzione dei problemi dierenziali. Per ogni dominio () si
consideri dunque il seguente problema di stato, con f L
2
loc
(R
2
):
_
u() = f in ()
u = 0 su ()
e il funzionale dato da
(y) =
1
2
_
T
[y z
d
[
2
d
dove y, z
d
L
2
(D) e T `e un insieme ssato (target set) contenuto in ogni (), dato ad
esempio da T = (0, 1) (0,
min
/2). Si supponga quindi di voler trovare |
ad
tale che
(u( )) (u()) |
ad
,
ossia di voler identicare la forma ottimale ( ) tale che la soluzione del rispettivo problema
di stato sia pi` u vicina possibile a una funzione data z
d
sullinsieme T.
Assumendo come topologia sulla famiglia O
ad
quella indotta dalla convergenza uniforme
delle funzioni che parametrizzano il contorno (vale a dire, (
n
) () se e solo se

n
uniformemente in [0, 1]) si ha che O
ad
risulta compatto in virt` u del Teorema di
Ascoli-Arzel`a. Per quanto riguarda la convergenza di funzioni appartenenti a H
1
0
(()),
per dierenti |
ad
, si pu`o considerare un dominio ssato

tale che ()

|
ad
e lestensione v H
1
0
(

) data da
v =
_
v in ()
0 in

();
in questo modo la convergenza di una successione di funzioni v
n
H
1
0
((
n
)) a un elemento
v H
1
0
(()) si traduce nella convergenza v
n
v in H
1
0
(

). Inoltre, `e possibile dimostrare

[27] un risultato di dipendenza continua, in base al quale la soluzione del problema di stato
u(
n
) u
n
u in H
1
0
(

) se (
n
) (), dove u() = u[
()
`e la soluzione del problema
di stato denito in (); in modo equivalente, si pu`o scrivere che u
n
u() in H
1
0
(

). Da
questo fatto segue immediatamente lesistenza di una soluzione del problema di minimo dal
momento che il funzionale `e continuo e
q := inf
U
ad
(u()) = lim
n
(u(
n
)) = ( u( )) = (u( )).
2. Formulazione di un problema di Optimal Shape Design 28
Come gi`a osservato in precedenza, anche esista una soluzione `e suciente che il funzionale
sia semi-continuo, ossia se
n
uniformemente in [0, 1] e y
n
y in H
1
0
(

), allora
risulti
liminf
n
(
n
, y
n
[
(
n
)
) (, y[
()
).
Il seguente risultato, valido per il problema di Dirichlet omogeneo per lequazione di Laplace
e tratto da [30], permette di estendere quanto appena visto al caso in cui sia le famiglie di
domini che i funzionali costo risultino pi` u generali; analogamente a prima, si considerino
la soluzione u() del problema di Dirichlet (2.18) denito su un dominio appartenente alla
famiglia degli aperti uniformemente lipschitziani (o tali da vericare la propriet`a dell-
cono), un aperto limitato D R
N
e f L
2
(D). Sia inoltre j : D R R
N
R una
funzione misurabile, continua in (r, p) (R R
N
) per quasi ogni x, e tale che esista una
costante C per cui
x D, r R, p R
N
[j(x, r, p)[ C(1 +r
2
+[p[
2
);
funzioni quadratiche come j(x, r, p) = (r g(x))
2
o j(x, r, p) = [p p
0
(x)[
2
, dove rispettiva-
mente g L
2
(D) o p
0
(L
2
(D))
N
sono funzioni assegnate, soddisfano alle ipotesi precedenti
e vengono spesso impiegate nella denizione dei funzionali costo. Per ogni aperto D,
il funzionale dato da
() =
_

j(x, u

(x), u

(x))dx.
risulta quindi ben denito dal momento che le funzioni sotto il segno di integrale sono
integrabili e si ha
[()[ C
_

1 +[u

(x)[
2
+[u

(x)[
2
dx = C(|u

(x)|
H
1 +[[) < +.
Inoltre, nei problemi di Optimal shape design si hanno spesso dei vincoli supplementari
sui domini ammissibili, per cui il problema di minimo non viene necessariamente posto
sullintera famiglia O

ma assumendo come O
ad
linsieme dato da
_
O
ad
O

e O
ad
`e chiuso per uno dei tre tipi di convergenza visti:
nel senso di Hausdor, delle funzioni caratteristiche o dei compatti;
questa propriet`a `e vericata, ad esempio, nel caso in cui si scelga
O
ad
= O

, [[ = m, O
ad
= O

, [[ m.
Se valgono queste assunzioni, `e possibile enunciare il seguente risultato di esistenza (per la
cui dimostrazione si rimanda a [30]):
Teorema 6. Siano O
ad
un insieme non vuoto di aperti che verica la propriet`a precedente,
j una funzione tale che [j(x, r, p)[ C(1 + r
2
+ [p[
2
) x D, r R, p R
N
e il
funzionale denito come
() =
_

j(x, u

(x), u

(x))dx;
allora esiste O
ad
che minimizza il funzionale .
2. Formulazione di un problema di Optimal Shape Design 29
Per quanto riguarda inne lesistenza di una soluzione per i problemi di ottimizzazione di
forma con condizioni al contorno di Neumann o miste, valgono essezialmente le ipotesi di-
scusse no a questo punto; ci limitiamo in questi casi a fornire alcuni indicazioni riguardo alle
principali dierenze rispetto al caso di Dirichlet, rimandando a [27] per qualsiasi dettaglio:
- anche nel caso di un problema di Neumann omogeneo la convergenza di una suc-
cessione y
n
, con y
n
1((
n
)) H
1
((
n
)) viene denita come la convergenza
in 1(

) H
1
(

) di appropriate estensioni delle y

n
da (
n
) a

. Tuttavia, in
questo caso lestensione non si pu`o introdurre cos` facilmente come per un problema
di Dirichlet, ma bisogna ricorrere a un operatore
p
()
: 1(()) 1(

)
che abbia norma limitata, indipendentemente da |
ad
. Una tale estensione esiste
ad esempio nel caso in cui O
ad
O

;
- considerando una condizione di Neumann non omogenea, nella formulazione debole
del problema di stato compare un termine di bordo, che complica ulteriormente lana-
lisi della buona posizione del rispettivo problema di Shape optimization. Dal momento
che la convergenza uniforme sullinsieme dei (
n
) non `e suciente a garantire la
compattezza della mappa (, occorre assumere una maggior regolarit`a su o riformu-
lare il problema senza introdurre il termine di bordo, ricorrendo alla formula di Green:
nel caso in cui il dato di Neumann g sia della forma g = G/s, dove G H
2
(

) e
/s indica la derivata lungo (), si pu`o scrivere il termine di bordo come
_
()
gv ds =
_
()
G
s
v ds =
_
()
curlG v d v H
1
(());
- nel caso pi` u generale in cui si abbia un problema misto, la limitatezza uniforme delle
soluzioni rispetto a variazioni del dominio, espressa dal fatto che esiste una costante
c > 0 tale che
[[u()[[
H
1
(())
c |
ad
,
non si dimostra in modo cos` immediato come nel caso in cui sul contorno viene
assegnata una condizione di un solo tipo. Tuttavia, ad eccezione di questo fatto,
lanalisi della buona posizione pu`o essere eettuata in modo analogo a quanto si fa
nel caso di una condizione di Neumann.
Accanto alla buona posizione, nellanalisi di un problema di Optimal shape design la scrit-
tura delle condizioni di ottimalit`a rappresenta sicuramente la fase pi` u rilevante e allo stesso
tempo pi` u delicata; rivestono un ruolo centrale il calcolo della derivata di un funzionale
di forma e la scrittura di un opportuno problema aggiunto, che pu`o essere ricavato diret-
tamente durante tale calcolo oppure seguendo lapproccio dei moltiplicatori di Lagrange.
Nel capitolo che segue vengono illustrati tutti gli strumenti necessari per la scrittura delle
condizioni di ottimalit`a di un problema di Shape optimization messi a disposizione dallo
Shape Calculus.
Capitolo 3
Strumenti teorici per la Shape
Optimization
Vengono presentati in questo capitolo alcuni metodi teorici per il trattamento dei problemi
di ottimizzazione di forma; si denisce in particolare il concetto di derivata di un funzionale
rispetto alla forma e se ne richiamano alcune importanti propriet`a. Vengono introdotte
inoltre le formule di derivazione di integrali deniti su un dominio variabile, i concetti di
shape derivative e material derivative, il metodo basato sul problema aggiunto e alcune
tecniche per la scrittura delle condizioni di ottimalit`a.
3.1 Domini: descrizione e defomazione
Per sviluppare lanalisi di sensitivit`a di un generico funzionale di forma () occorre in-
trodurre una famiglia di perturbazioni
t
di un dato dominio R
N
, con t [0, ]; si
assumer`a dora in poi che i domini
0
e
t
possiedano la stessa regolarit`a e uguali
propriet`a topologiche, cio`e risultino domini semplicemente connessi di classe (
k
, k 1.
Sotto queste ipotesi, `e possibile costruire una famiglia di trasformazioni T
t
: R
N
R che
permettano di mappare in
t
.
Dora in avanti, sia un reale positivo e V : [0, ] R
N
R
N
una generica mappa che pu`o
essere vista come una famiglia V(t) : 0 [0, ] di campi di velocit`a in R
N
denita da
x V(t)(x) := V(t, x) : R
N
R
N
e tale da soddisfare le propriet`a seguenti:
x R
N
, V(, x) (([0, ]; R
N
) (3.1)
c > 0 : [[V(, y) V(, x)[[
C([0,];R
N
)
c[[y x[[ x, y R
N
, (3.2)
dove V(, x) `e la funzione t V(t, x). Alla mappa V `e possibile associare la soluzione
x(t; V) della seguente equazione dierenziale ordinaria:
dx
dt
(t) = V(t, x(t)), t [0, ]; x(0) = X R
N
, (3.3)
introdurre lisomorsmo
X T
t
(V)(X) := x
V
(t; X) : R
N
R
N
(3.4)
30
3. Strumenti teorici per la Shape Optimization 31
e le seguenti mappe:
(t, X) T
V
(t, X) := T
t
(V)(X) : [0, ] R
N
R
N
, (3.5)
(t, x) T
1
V
(t, x) := T
1
t
(V)(x) : [0, ] R
N
R
N
, (3.6)
che per semplicit`a verranno indicate sottointendendo la velocit`a V; in questo modo, si
stabilisce di fatto unequivalenza tra campi di velocit`a e trasformazioni di domini. In par-
ticolare, `e possibile mostrare (si vedano ad esempio [52] e i riferimenti contenuti in [19])
che se valgono le condizioni (3.1)-(3.2) la mappa T(, X) e la sua inversa T
1
(, x) risultano
continue e lipschitziane, e per ogni t [0, ] la mappa X T
t
(X) = T(t, X) : R
N
R
N
`e
biiettiva.
Il cosiddetto speed method, denito dal problema (3.3), risulta una tecnica generale per
la trasformazione dei domini: sotto lazione di un campo di velocit`a V che soddisfa le
condizioni (3.1)-(3.2), un dominio R
N
viene trasformato in un nuovo dominio

t
(V) = T
t
(V)() = T
t
(V)(X), X ; (3.7)
in particolare, il metodo di perturbazione dellidentit`a, descritto dalla mappa
T(t, X) = X +t(X), X R
N
, t 0
dove : R
N
R
N
`e una generica famiglia di campi vettoriali, rientra nel caso pi` u ge-
nerale dello speed method scegliendo V(t, x) = (T
1
t
(x)) x R
N
, t 0. Sebbene una
trasformazione basata su una perturbazione delloperatore identit`a sia piuttosto semplice, la
scelta delle perturbazioni comprese tra I e I + risulta piuttosto limitante e pu`o dar luogo
a trasformazioni non locali. Come risulter`a chiaro nella prossima sezione, la trasformazione
dei domini gioca un ruolo cruciale nella denizione della derivata di forma di un funzionale;
salvo avviso contrario, nelle applicazioni che verranno discusse si considerer`a lo speed method
come tecnica teorica per trasformare i domini, rimandando in ogni caso a [52], [19, 20] per
maggiori dettagli.
3.2 Derivata di forma di un funzionale
In vista delle applicazioni dello Shape calculus ai problemi di ottimizzazione di forma, oc-
corre precisare cosa si intenda per derivazione rispetto alla forma di un generico funzionale,
denire il concetto di shape gradient ed enunciare un importante risultato, noto come Teo-
rema di struttura.
In base alla denizione generale di shape function, un funzionale () denito su una
famiglia di sottoinsiemi di R
N
risulta un funzionale di forma se per ogni trasformazione
T di R
N
si ha che
T() = (T()) = ();
indichiamo inoltre con V un generico campo di velocit`a che soddisfa le condizioni (3.1)-
(3.2), e con lo spazio T(R
N
; R
N
) delle trasformazioni di R
N
in se stesso innitamente
dierenziabili e a supporto compatto (tali da soddisfare automaticamente (3.1) e (3.2)). Si
denisce allora semi-derivata Euleriana di in , nella direzione V il seguente limite (se
esiste nito):
lim
t0
f(T
t
()) =
(
t
(V)) ()
t
; (3.8)
3. Strumenti teorici per la Shape Optimization 32
dato invece un elemento e il campo di velocit`a

(t)(x) := (x), si dice che `e
semi-derivabile nel senso di Hadamard in , nella direzione se per ogni V (con V(t)
e V(0) = ), d(; V) esiste e dipende solo da V(0) = . In questo caso la semi-derivata
viene indicata con d
H
(; ) e necessariamente si ha che d
H
(; V(0)) = d(; V(0)).
Si dice inne che `e dierenziabile in se esso ammette semi-derivata Euleriana in per
tutte le direzioni e la mappa
d(; ) : R
`e lineare e continua. In tal caso, la mappa d(; ) `e denotata con (() e viene
detta gradiente di (o shape gradient). Il concetto di semi-derivata Euleriana appena
introdotto `e piuttosto generale e include il caso in cui d(; V) non dipende solo da V(0),
ma anche da V(t) in un intorno di t = 0: tuttavia, ci`o non capita se si assume che la mappa
V d(; V) risulti continua; nel caso particolare in cui d(; V) dipenda solo da V(0),
la semi-derivata pu`o essere messa in relazione con il gradiente di . Inoltre, se possiede
la semi-derivata nel senso di Hadamard in , nella direzione , esso possiede anche la semi-
derivata Euleriana in , nella direzione , e le due coincidono, ossia d
H
(; ) = d(; );
per garantire limplicazione inversa occorre unulteriore ipotesi di continuit`a (si veda il
Teorema 3.1, Cap. 8, in [20]).
Concludiamo questa sezione enunciando una versione del Teorema di Struttura utile per le
applicazioni che verranno considerate in seguito:
Teorema 7. (di Struttura) Siano un generico sottoinsieme di R
N
, la sua frontiera e
un funzionale di forma shape-dierenziabile; sia (() in T(R
N
; R
N
)

lo shape gradient
di in , individuato dalla mappa d(; ). Valgono allora i seguenti fatti:
(i) il supporto dello shape gradient (() `e contenuto in ;
(ii) sotto lulteriore ipotesi che sia un aperto con frontiera di classe C
k+1
e (() `e di
ordine
1
k, esiste una distribuzione scalare g() in R
N
con supporto contenuto in
tale che per ogni V T
k
(R
N
; R
N
) risulta
d(; V) = g(),

(V) n)
C
k
()
dove

: T
k
(R
N
; R
N
) C
k
(, R
N
) `e loperatore di traccia su e n `e il versore
normale a ;
(iii) nel caso in cui g() L
1
(), si ha che
d(, V) =
_

g(V n) d e ( =

(g n).
Questultima relazione prende il nome di formula di Hadamard e riveste un ruolo fonda-
mentale nella formulazione dei problemi di ottimizzazione di forma: in vista della loro
risoluzione con metodi di approssimazione, lespressione dello shape gradient `e necessaria
per la costruzione di uno schema di discesa di tipo gradiente.
1
Quando per un certo k 0 G() `e continuo per la topologia di D
k
(R
N
; R
N
), si dice che G() `e di ordine
k. D
k
(R
N
; R
N
) indica lo spazio delle funzioni da R
N
a R
N
dierenziabili con continuit` a k volte, a supporto
compatto.
3. Strumenti teorici per la Shape Optimization 33
3.3 Derivazione di integrali deniti su domini variabili
Richiamiamo ora alcune formule basilari per il calcolo delle derivate di integrali deniti su
un dominio variabile o sul suo contorno, indicando con
t
(V) = T
t
(V)() limmagine di
R
N
tramite la famiglia di trasformazioni T
t
: t [0, ] denite dallo speed method; si
assume inoltre che V (
0
([0, ]; C
1
loc
(R
N
, R
N
)) e che > 0 sia scelto in modo tale che lo
jacobiano J
t
sia strettamente positivo:
J
t
(X) := det DT
t
(X) > 0 t [0, ],
dove DT
t
(X) `e la matrice jacobiana della trasformazione T
t
= T
t
(V) associata a V (cio`e
(DT
t
)
ij
=
j
T
i
). Per le dimostrazioni dei risultati che seguono si fa riferimento a quanto
esposto in [20] o in [52].
3.3.1 Integrali di volume deniti su un dominio variabile
Presa W
1,1
loc
(R
N
) e considerato lintegrale (t [0, ])
(
t
(V)) :=
_

t
(V)
d =
_

T
t
J
t
d,
si ha che
d(; V) =
d
dt
(
t
(V))[
t=0
=
_

div( V(0)) d =
_

V(0) n d
dove lultima uguaglianza segue dal teorema di Stokes a patto che la frontiera di sia
lipschitziana. Nel caso pi` u generale in cui ((0, ; W
1,1
loc
(R
N
)) (
1
(0, ; L
1
loc
(R
N
)), la
semi-derivata della funzione

V
(t) =
_

t
(V)
(t) d
in t = 0 `e data da
d
V
(0) =
_

(0) + div((0)V(0)) d, (3.9)

dove (0)(x) = (0, x) e

(0)(x) = /t(0, x); nel caso in cui `e un aperto con frontiera

lipschitziana, la precedente derivata diviene
d
V
(0) =
_

(0) d +
_

(0) V(0) n d. (3.10)

3.3.2 Integrali deniti sul contorno di un dominio variabile
`
E possibile ricavare delle formule analoghe per la derivata di integrali deniti sul contorno
di un dominio lipschitziano R
N
: presa una funzione H
2
loc
(R
N
), la derivata di
(
t
(V)) :=
_

t
(V)
d
`e data da
d(; V) =
_

V(0) +(divV(0) DV(0)n n)d;

3. Strumenti teorici per la Shape Optimization 34
tuttavia, in virt` u del Teorema di Struttura, d(; V) dipende solo dalla componente nor-
male v n di V(0) su , dove v = V(0)[

. Indicando con H = (N 1)H la quantit`a data

da N 1 volte la curvatura media H, `e possibile mostrare che
d(; V) =
_

t
+H
_
v n d.
In generale, presa una funzione (
1
([0, ]; H
2
loc
(R
N
)), V come in precedenza e assumendo
che sia di classe (
2
, la derivata del funzionale

V
(t) =
_

t
(V)
(t) d
rispetto a t, in t = 0, `e data dallespressione seguente:
d
V
(0) =
_

(0) +
_

t
+H
_
V(0) n d
=
_

(0) + V(0) +(divV(0) DV(0)n n)d, (3.11)

dove

(0)(x) = /t(0, x). Come nel caso degli integrali di volume, anche per gli integrali
deniti sul contorno di un dominio variabile si dispone di due formule equivalenti, che danno
luogo alla seguente identit`a:
_

t
+H
_
V(0) n d =
_

V(0) +(divV(0) DV(0)n n)d.

3.4 Material e Shape Derivatives
Seguendo lapproccio di J. Sokolowski e J.P. Zolesio, introduciamo i concetti di material
derivative e di shape derivative in modo da denire cosa si intenda per derivata di una
funzione rispetto al dominio o alla forma; in particolare, la derivata rispetto alla forma
della soluzione di un problema dierenziale soddisfa a sua volta un problema dierenziale,
la cui costruzione verr`a discussa nel seguito. Per non appesantire eccessivamente questa
breve trattazione, si rimanda a [52] o a [30] per una formulazione rigorosa dei concetti che
verranno esposti.
Indicando con un dominio di classe (
k
, con V un campo di velocit`a sucientemente
regolare scelto come in precedenza e con y() una funzione di W
s,p
() (dove s [0, k],
p [1, +)): dalle propriet`a della mappa T
t
(V), si ha che y(
t
) T
t
(V) W
s,p
() per
t [0, ]; si ha che y(; V) W
s,p
() `e la material derivative di y() nella direzione V se
esiste il limite
y(; V) := lim
t0
1
t
(y(
t
) T
t
(V) y()) ;
in modo analogo, lelemento y(; V) W
r,p
() `e la material derivative di un elemento
y() W
r,p
() nella direzione V se esiste il limite
y(; V) := lim
t0
1
t
(y(
t
) T
t
(V) y()) .
3. Strumenti teorici per la Shape Optimization 35
In particolare, se y(; V) `e la material derivative di y() in , e in direzione V esiste la
(s
1
p
)-material derivative (con s >
1
p
) y(; V) di y() = y()[

, risulta che
y(; V) = y(; V)[

W
s
1
p
,p
().
Pi` u importante per lanalisi dei problemi di ottimizzazione di forma `e il concetto di shape
derivative, legato alla material derivative dalla stessa relazione che si stabilisce tra la deriva-
ta locale (Euleriana) e la derivata totale (Lagrangiana) di un generico campo. Indicando
con W() un generico spazio di Sobolev, la shape derivative di y() nella direzione di V
risulta data dallelemento y

(; V) W() denito da
y

(; V) = y(; V) y() V(0);

nel caso in cui la mappa V y(; V) sia continua si ha che y

(; V) = y

(; V(0)). In
modo analogo al caso precedente, la shape derivative di z() W() nella direzione di V
`e lelemento z

(; V) W() denito da
z

(; V) = z(; V)

z() V(0);
se la mappa V y(; V) `e continua, allora z

(; V) = z

(; V(0)).
3.4.1 Estensione delle formule per le derivate degli integrali
I concetti appena introdotti permettono di estendere le relazioni esposte nella sezione (3.3)
al caso in cui lintegranda y() o z() possieda una material e la shape derivative inte-
grabile: pur non intervenendo alcun cambiamento rispetto alle relazioni precedenti da un
punto di vista formale, `e tuttavia possibile interpretare le derivate rispetto alla forma di
integrande dipendenti direttamente dal dominio.
Data y() L
1
(), nellipotesi in cui y(; V) e y

(; V) appartengano a L
1
(), la derivata
Euleriana del funzionale
() =
_

y()d
`e data da
d(; V) =
_

y(; V)d +
_

y()divV(0)d
o equivalentemente da
d(; V) =
_

(; V)d +
_

div(y()V(0))d, (3.12)
dove, nel caso in cui `e un dominio di classe C
k
con k 1, sfruttando il teorema di Gauss,
si pu`o scrivere anche:
d(; V) =
_

(; V)d +
_

y() V(0) n d. (3.13)

Per quanto riguarda invece un funzionale di forma denito su , se z = z() L
1
() `e tale
che z(; V) e z

(; V) appartengano anchesse a L
1
(), la derivata euleriana di
() =
_

z()d
3. Strumenti teorici per la Shape Optimization 36
`e data da
d(; V) =
_

z(; V)d +
_

z()div

(V(0))d.
Dal momento che z

(; V) = z(; V)

z() V(0), si ha analogamente:

d(; V) =
_

(; V)d +
_

z() V(0) +z()div

(V(0))]d, (3.14)
vale a dire
d(; V) =
_

(; V)d +
_

div

(z()V(0)) d =
_

(; V) +Hz()(V(0) n)d.
Inne, nel caso particolare in cui z() = y()[

, si ricava che
d(; V) =
_

(; V)[

d +
_

_

n
y() +Hy()
_
(V(0) n)d. (3.15)
3.4.2 Shape derivatives per problemi lineari
Ricaviamo ora la shape derivative della soluzione di un semplice problema lineare, con-
siderando il caso delloperatore di Laplace con condizioni di Dirichlet non omogenee; il
meccanismo che verr`a illustrato si pu`o di fatto applicare a numerosi problemi - lineari e non
lineari - e in particolare alle equazioni di Navier-Stokes, che verr`a arontato nel capitolo
successivo.
Assumiamo che per ogni dominio R
N
di classe C
k
siano dati tre elementi h() L
2
(),
z() H
1/2
() e y() H
1
(), tali che y() sia soluzione del problema
_
y() = h() in ,
y() = z() su .
(3.16)
Assumiamo inoltre che per esistano le shape derivatives h

() L
2
(), z

() H
1/2
() e
y

() H
1
(); se si considera una generica funzione test T(R
N
) e si integra sul bordo,
si ha:
_

t
y(
t
)d
t
=
_

t
z(
t
)d
t
da cui, derivando (e valutando per t = 0):
_

(; V)[

d +
_

_

n
(y()) +Hy()
_
(V(0) n)d =
=
_

(z())

(; V)d +
_

Hz()(V(0) n)d.
Per un dato elemento T(R
N
), si ha che

(; V) = /n (V(0) n) e se assumiamo
che /n = 0 su si ha che /n(y()) = /n y(), da cui:
_

(; V)[

d +
_

_

n
y() +Hy()
_
(V(0) n)d =
=
_

(z

(; V)d +
_

Hz()(V(0) n)d.
3. Strumenti teorici per la Shape Optimization 37
Dal momento che z() = y()[

, si ottiene che
y

(; V)[

=

n
y()(V(0) n) +z

(; V) su .
Dallaltra parte, essendo T(), per t > 0 sucientemente piccolo risulta che T(
t
),
da cui
_

t
y(
t
) d =
_

t
h(
t
)d.
Derivando (per t = 0) entrambi i membri si ha:
_

(; V) d =
_

(; V)d.
da cui inne
y

(; V) = h

(; V) in .
In conclusione, la soluzione y() del problema (3.16) ammette shape derivative in H
1
(),
data dallunica soluzione del seguente problema di Dirichlet:
_
y

(; V) = h

(; V) in
y

(; V)[

=

n
y()(V(0) n) +z

(; V) su .
In modo analogo si pu`o procedere nel caso di un problema ellittico del secondo ordine con
condizioni di Neumann o miste; per maggiori dettagli si vedano ad esempio [52], [30], [53].
3.5 Lapproccio basato sul problema aggiunto
Mediante lapplicazione a un esempio completo, viene mostrato in questa sezione come
impiegare gli strumenti teorici presentati in precedenza nella risoluzione di un problema
di Shape optimization ed esprimere la derivata di forma del funzionale costo sfruttando la
soluzione del problema aggiunto; viene inoltre schematizzata una procedura generale per la
scrittura delle condizioni di ottimalit`a, basata su quanto esposto in [52] e [30].
Sia dunque
() =
1
2
_

[y() v
g
[
2
d +
1
2
_

(y() z
g
)
2
d,
dove v
g
H
2
(), z
g
H
1
(); sia inoltre y() la soluzione del seguente problema di
Dirichlet:
_
y() +y() = f() in ,
y() = 0 su .
Supponiamo di poter procedere in ipotesi di suciente regolarit`a del dominio in modo
tale da garantire, per la buona posizione del problema, che la soluzione y() appartenga
almeno a H
1
0
() H
2
(), e che la shape derivative y

(; V) sia un elemento di H
1
(R
N
).
`
E possibile mostrare, in base alle regole di derivazione introdotte nelle sezioni precedenti,
che y

(; V) `e la soluzione del seguente problema di Dirichlet non omogeneo:

_
y

(; V) +y

(; V) = f

(; V) in
y

(; V)[

=

n
y()(V(0) n) su
3. Strumenti teorici per la Shape Optimization 38
e che la derivata del funzionale `e data da
d(; V) =
1
(y

(; V)) +
2
(V(0) n),
dove

1
() =
_

( (y() v
g
) +(y() z
g
)) d,

2
(V n) =
1
2
_

_
[y() v
g
[
2
+[y() z
g
[
2
_
(V n)d.
Indicando con Ay = y+y, deniamo lo stato aggiunto p come la soluzione del seguente
problema aggiunto:
, A

p) =
1
() H
1
0
()
la cui forma forte `e data da
_
p() +p() = (v
g
y()) + (y() z
g
) in ,
p() = 0 su .
Moltiplicando la prima equazione per y

(; V ) e integrando per parti su , dal momento

che p = 0 su , si ha
_

(y

+y

)p
_

p
n
=
_

(v
g
y) +
_

(y z
g
) +
_

n
(v
g
y);
sfruttando lequazione che denisce la shape derivative y

(; V) e il fatto che y

(; V)[

=
y/n (V(0) n), `e possibile ricavare la seguente espressione per la derivata d(; V):
d(; V) =
_

p +
_

_
y
n
p
n
+
y
n
(v
g
y)
n
+
1
2
[y v
g
[
2
+
1
2
(y z
g
)
2
_
(V(0) n).
Inoltre, essendo y v
g
=
y
n
v
g
n
su , e f

(; V) = 0 a patto che f() sia denito come

la restrizione a di un elemento f H
1
(D), con D R
N
, si ha inne:
d(; V) =
_

_
y
n
p
n
+
1
2
_
[v
g
[
2

_
y
n
_
2
_
+
1
2
(y z
g
)
2
_
(V(0) n)d.
Introducendo lo stato aggiunto si ottiene dunque unespressione della derivata di in
funzione della variabile di stato y e della variabile aggiunta p, in cui non compare la shape
derivative y

; lo shape gradient (() `e dato da

((y, p) =
y
n
p
n
+
1
2
_
[v
g
[
2

_
y
n
_
2
_
+
1
2
(y z
g
)
2
ed essendo indipendente dal campo V, pu`o essere calcolato una volta determinati lo stato
e lo stato aggiunto.
Nel caso pi` u generale in cui il funzionale costo, espresso in funzione di un elemento y()
W
s,p
(), sia della forma
() =
_

F
1
(x, y()(x), y()(x))dx +
_

F
0
(x, y()(x), y()(x))d,
3. Strumenti teorici per la Shape Optimization 39
sotto opportune ipotesi di regolarit`a di F
0
(x, y, q) e F
1
(x, y, q) rispetto a y = y()(x) e a
q = y()(x), la derivata Euleriana di () nella direzione di V `e data da:
d(; V) =
1
(y

) +
2
(V(0) n) =
_

F
1
y
y

+
_

q
F
1
y

+
_

_
F
0
y
z

+
q
F
0
y

_
+
_

F
1
(V(0) n) +
_

q
F
0
D
2
y n
_
(V(0) n) +
_

HF
0
(V(0) n).
dove z() = y()[

, z

(; V) = y

(; V) + y()/n (V(0) n) su . Assumendo che

la shape derivative y

(; V) W
s,p
() W sia determinata come lunica soluzione del
seguente problema lineare:
W

Ay

(; V),
_
W
= L(V, ) W,
dove A L(W, W

) e L(V, ) W

sono operatori ssati, si denisce lo stato aggiunto

come la soluzione p() W del seguente problema aggiunto: W,
W
, A

p)
W
=
1
() =
_

_
F
1
y
+
q
F
1

_
+
_

_
F
0
y
+
q
F
0

_
.
Sfruttando lidentit`a di Lagrange e lequazione che denisce y

, si ha
W

(; V), A

p
_
W

=
W

Ay

(; V), p
_
W
= L(V, p),
da cui, essendo z

(; V) = y

(; V)+y()/n (V(0) n), lespressione di d(; V) diviene

dJ(; V) = L(V, p) +
_

F
1
(x, y, y)(V(0) n)d +
_

F
0
y
(x, y, y)
y
n
(x)(V(0) n)d
+
_

q
F
0
(x, y, y) D
2
y() n
_
(V(0) n) d +
_

H(x)F
0
(x, y, y)(V(0) n)d,
ossia
dJ(; V) = L(V, p) +
2
( (V(0) n) ),
espressione che pu`o essere ulteriormente semplicata sfruttando lequazione aggiunta e le
condizioni al contorno.
3.6 Shape Gradient vincolato da unequazione di stato
Quando un funzionale di forma dipende dalla soluzione di un problema al contorno (denito
sullo stesso dominio) si dice vincolato; la tecnica dei moltiplicatori di Lagrange permette
anche nel caso dellottimizzazione di forma di ricavare le condizioni necessarie di ottimalit`a:
calcolando le derivate del funzionale lagrangiano (associato al problema e al funzionale co-
sto) rispetto alle variabili di stato, aggiunta e al controllo si ottiene un sistema di ottimalit`a
la cui soluzione fornisce la soluzione del problema di ottimizzazione.
Come gi`a osservato in precedenza, il passaggio pi` u delicato nellespressione di queste con-
dizioni `e loperazione di derivazione rispetto al dominio: evitare questo calcolo diretto risul-
terebbe dunque piuttosto vantaggioso. Discuteremo in questa sezione due esempi relativi
a due tecniche denominate Function space parametrization e Function space embedding
3. Strumenti teorici per la Shape Optimization 40
soermandoci soprattutto sulla prima per mezzo delle quali `e possibile calcolare la semi-
derivata Euleriana d(; V) di un funzionale vincolato: esprimendo come punto-sella
di un opportuno funzionale Lagrangiano, un risultato di dierenziazione per un punto sella
(dovuto a R. Correa e A. Seeger) permette di svolgere il calcolo.
3.6.1 Formulazione punto-sella e Function Space Parametrization
Il metodo della Function space parametrization si basa sul trasporto nel dominio originario
o indeformato delle funzioni denite su domini variabili, in modo che queste possano essere
confrontate.
Siano f H
1
(R
N
) una funzione ssata e y = y() la soluzione del seguente problema di
Neumann, denito su un dominio R
N
con frontiera regolare:
_
y +y = f in ,
y
n
= 0 su
e si supponga di voler minimizzare il seguente funzionale costo:
() =
1
2
_

[y() y
d
[
2
dx
in cui y
d
`e una data funzione di H
1
(R
N
). La soluzione del problema dierenziale coincide
con lelemento che minimizza il funzionale E(, ):
infE(, ) : H
1
(), E(, ) :=
1
2
_

_
[[
2
+
2
2f
_
dx;
e risulta data dalla soluzione in H
1
() della seguente equazione di Eulero:
dE(, y; ) =
_

[y +y f] dx = 0 H
1
().
Introducendo il seguente funzionale obiettivo:
F(, ) :=
1
2
_

[ y
d
[
2
dx,
occorre dunque minimizzare () = F(, y()), dove y = y() `e soluzione del problema
y H
1
(), dE(, y; ) = 0 H
1
().
Per ricavare unespressione della shape derivative d(; V ), introduciamo il problema di sta-
to come vincolo in un problema di minimizzazione per un opportuno funzionale Lagrangiano,
attraverso un moltiplicatore :
G(, , ) = F(, ) +dE(, ; );
il funzionale costo `e dunque dato da
() = min
H
1
()
sup
H
1
()
G(, , )
3. Strumenti teorici per la Shape Optimization 41
poiche
sup
H
1
()
G(, , ) =
_
F(, y()) se = y(),
+ se ,= y().
Nel caso in esame il funzionale G `e convesso e continuo rispetto a , concavo e continuo
rispetto a ; lo spazio H
1
() risulta chiuso e convesso, per cui G ha un punto sella se e solo
se ammettono una soluzione (y, p) le seguenti equazioni:
p H
1
(), dG(, y, p; 0, ) = 0, H
1
(), (3.17)
y H
1
(), dG(, y, p; , 0) = 0, H
1
(); (3.18)
che risultano equivalenti a:
y +y = f in ,
y
n
= 0 su ;
p +p = (y y
d
) in ,
p
n
= 0 su .
(3.19)
Il precedente sistema ha dunque ununica soluzione in H
1
() H
1
() che coincide con
lunico punto sella di G(, , ) in H
1
() H
1
().
Function Space Parametrization
Il funzionale costo pu`o dunque essere espresso come MinMax di un funzionale G con un
unico punto sella (y, p) completamente caratterizzato dalle equazioni (3.20)-(3.21); lo stesso
vale se viene trasformato in un dominio
t
= T
t
() sotto lazione di un campo di velocit`a
V per t 0:
(
t
) = min
H
1
(
t
)
sup
H
1
(
t
)
G(
t
, , ),
dove il punto sella (y
t
, p
t
) `e caratterizzato da:
p
t
H
1
(
t
), dG(
t
, y
t
, p
t
; 0, ) = 0, H
1
(
t
), (3.20)
y
t
H
1
(
t
), dG(
t
, y
t
, p
t
; , 0) = 0, H
1
(
t
). (3.21)
Allo scopo di ottenere unespressione MinSup per (
t
) su spazi funzionali indipendenti
da t, si pu`o introdurre la seguente parametrizzazione:
H
1
(
t
) = T
1
t
: H
1
(),
che non inuisce sul valore del punto sella di (
t
) ma fa variare i parametri da cui dipende
il funzionale G:
(
t
) = inf
H
1
()
sup
H
1
()
G(
t
, T
1
t
, T
1
t
);
indicando con

G il nuovo funzionale Lagrangiano, dato per ogni , H
1
() da

G(t, , ) = G(T
t
(), T
1
t
, T
1
t
),
occorre a questo punto calcolare
dg(0) = lim
t0
g(t) g(0)
t
,
3. Strumenti teorici per la Shape Optimization 42
dove
g(t) = (
t
) = inf
H
1
()
sup
H
1
()

G(t, , ).
Pu`o essere utile osservare che `e possibile scrivere il funzionale

G come

G(t, , ) =
1
2
_

t
[ T
1
t
y
d
[
2
dx+
+
_

t
_
( T
1
t
) ( T
1
t
) + ( T
1
t
)( T
1
t
) f( T
1
t
)

dx
e che il punto sella (y
t
, p
t
) H
1
() H
1
() di questo funzionale `e dato dalla soluzione
delle seguenti equazioni variazionali:
_

t
_
(y
t
T
1
t
) ( T
1
t
) + (y
t
T
1
t
)( T
1
t
) f( T
1
t
)

= 0, H
1
(),
_

t
[(y
t
T
1
t
y
d
)( T
1
t
) +(p
t
T
1
t
) ( T
1
t
)]dx+
+
_

t
(p
t
T
1
t
)( T
1
t
)dx = 0, H
1
();
in particolare, (y
t
T
1
t
, p
t
T
1
t
) coincide con il punto sella (y
t
, p
t
) H
1
(
t
) H
1
(
t
):
y
t
= y
t
T
1
t
, p
t
= p
t
T
1
t
e si pu`o interpretare la coppia (y
t
, p
t
) come la soluzione (y
t
, p
t
)
in
t
trasportata sul dominio sso dalla trasformazione T
t
.
Calcolo della derivata di un punto sella rispetto a un parametro
Siano G : [0, ]XY R un generico funzionale e > 0; per ogni t [0, ], si deniscano
gli insiemi
X(t) =
_
x
t
X : sup
yY
G(t, x
t
, y) = inf
xX
sup
yY
G(t, x, y)
_
,
Y (t) =
_
y
t
Y : inf
xX
G(t, x, y
t
) = sup
yY
inf
xX
G(t, x, y)
_
;
sotto opportune condizioni (si veda [15] o il Teorema 5.1 nel Cap. 9 di [20] e i commenti a
esso relativi) `e possibile mostrare che esiste una coppia (x
0
, y
0
) X(0) Y (0) tale che
dg(0) = inf
xX(0)
sup
yY (0)
G
t
(0, x, y) =
G
t
(0, x
0
, y
0
) = sup
yY (0)
inf
xX(0)
G
t
(0, x, y), (3.22)
ossia tale che (x
0
, y
0
) `e un punto sella di
t
G(0, x, y) in X(0) Y (0). Grazie a questo
risultato le cui ipotesi, non di facile verica, assumeremo valide nel seguito in base agli
argomenti riportati in [20] si riesce a ottenere la condizione di ottimalit`a per un generico
problema di Shape optimization evitando di caratterizzare la derivata dello stato rispetto al
parametro t: il principio di minimo pu`o dunque essere dedotto, a partire dallequazione di
stato e dallequazione aggiunta, senza calcolare la shape derivative della variabile di stato.
Inoltre, in base alle ipotesi fatte su f, y
d
e , la soluzione (y, p) delle equazioni (3.20)-(3.21)
3. Strumenti teorici per la Shape Optimization 43
appartiene a H
2
() H
2
() e risulta `e possibile usare la formula di derivazione (3.10) ed
esprimere la derivata
t

G(0, , ) di

G(t, , ) come

t

G(0, , ) =
_

_
1
2
( y
d
)
2
+ + f
_
d
+
_

( y
d
) + + dx +
_

+

f

dx,
dove
=
d
dt
T
t

t=0
= V(0),

=
d
dt
T
t

t=0
= V(0).
In particolare, il secondo e il terzo integrale corrispondono alla forma debole delle equazioni
(3.19) con = y V e = p V e dunque si annullano: risulta inne
dJ(; V ) =
_

_
1
2
(y y
d
)
2
+y p +yp fp
_
V(0) n d.
3.6.2 Moltiplicatori di Lagrange e Space Embedding
La tecnica che prende il nome di Space embedding consiste invece nella costruzione di op-
portune estensioni del problema dipendente dal dominio variabile a un dominio pi` u esteso
ma ssato. Consideriamo in questo caso la soluzione y = y() del seguente problema di
Dirichlet non omogeneo:
y = f in , y = g su ,
dove `e un dominio sucientemente regolare, f H
1/2+
(R
N
) e g H
2+
(R
N
) con
> 0 ssato. Come nellesempio precedente, si vuole calcolare la derivata rispetto a del
funzionale
() =
1
2
_

[y() y
d
[
2
dx
soggetto alla precedente equazione di stato, dove y
d
H
1/2+
(R
N
); nel caso in cui g ,= 0, lo
spazio di Sobolev in cui si ambienta la formulazione debole del problema di stato dipende
da g. Per aggirare questo fatto, si introduce la condizione al bordo con la tecnica dei
moltiplicatori di Lagrange (si veda ad esempio [5]) e il seguente funzionale:
L(, , ) =
_

( +f)dx +
_

( g)d, H
2
(), H
1/2
(),
il cui unico punto sella (

,

, ) `e caratterizzato dalle equazioni

= f in ,

g = 0 su ,
_

dx +
_

d = 0 H
2
().
Questultima equazione caratterizza

e :

= 0 in ,

= 0 su , =

n
= 0 su
3. Strumenti teorici per la Shape Optimization 44
e rende possibile esprimere il precedente funzionale rispetto a due sole variabili:
L(, , ) =
_

( +f)dx +
_

( g)

n
d, con (, ) H
2
() H
2
();
sfruttando il teorema della divergenza `e possibile riscrivere lultimo integrale su :
L(, , ) =
_

(+f)+(g)+(g)dx, con (, ) H
2
()H
2
().
Considerando ora anche il funzionale costo F(, ) =
1
2
_

[ y
d
[
2
dx e il nuovo funzionale
lagrangiano
G(, , ) = F(, ) +L(, , ),
si ha che
() = min
H
2
()
max
H
2
()
G(, , );
in particolare, G(, , ) ha un unico punto sella (

,

), che `e caratterizzato dalle seguenti
equazioni:

= f in ,

= g su , (3.23)
_

y
d
) +

dx = 0 H
2
(),
dove questultima pu`o essere riscritta in forma forte come

=

y
d
in ,

= 0 su . (3.24)
e dora in poi il punto sella (

,

) verr`a indicato con (y, p). Per calcolare lo shape gradient
di (), espresso su un generico dominio trasformato
t
= T
t
() come
(
t
) = min
H
2
()
max
H
2
()
G(
t
, , ),
`e possibile usare una tecnica alternativa alla Function shape parametrization, introducen-
do un dominio D ssato che contenga tutti i trasformati
t
, t [0, ]; in particolare,
scegliendo D = R
N
, risulta
(
t
) = min
H
2
(R
N
)
max
H
2
(R
N
)
G(
t
, , ).
Sebbene linsieme dei punti-sella S(t) = X(t)Y (t) H
2
(R
N
)H
2
(R
N
) non sia costituito
pi` u da un solo elemento, essendo
X(t) = H
2
(R
N
) : [

t
= y
t
, Y (t) = H
2
(R
N
) : [

t
= p
t

dove (y
t
, p
t
) `e lunica soluzione in H
2
(R
N
) H
2
(R
N
) delle equazioni (3.23)-(3.24) denite
su
t
, il risultato di dierenziazione di un punto-sella in [15] (per la verica delle ipotesi si
rimanda alla sezione 6.4 del Cap. 9 di [20]) permette di concludere che
d(; V ) = min
X(0)
max
Y (0)

t
G(
t
, , )[
t=0
.
Avendo gi`a caratterizzato X(0) e Y (0), occorre calcolare la derivata parziale di
G(
t
, , ) =
_

t
_
1
2
[ y
d
[
2
+ ( +f) + ( g) +( g)
_
dx,
3. Strumenti teorici per la Shape Optimization 45
tenendo presente che lintegranda non dipende pi` u dal parametro t; assumendo che
t
sia
sucientemente regolare, grazie alle assunzioni fatte su f, y
d
e g si ha che p H
5/2+
().
Si ricava quindi che

t
G(
t
, , ) =
_

t
_
1
2
[ y
d
[
2
+ ( +f) + ( g) +( g)
_
V n
t
d
t
e siccome lintegrale non dipende da e allesterno di
t
, si ottiene direttamente
d(; V) =
_

_
1
2
(y y
d
)
2
+ (y +f)p + (y g)p +(y g) p
_
V(0) n d
da cui, tenendo presente le condizioni al contorno per y e p, risulta inne
d(; V) =
_

_
1
2
[g y
d
[
2
+

n
(y g)
p
n
_
V(0) n d.
Capitolo 4
Ottimizzazione della forma di corpi
immersi in uidi incomprimibili
Discutiamo in questo capitolo tutti gli aspetti modellistici e teorici relativi al problema
dellottimizzazione della forma di un corpo immerso in un uido viscoso incomprimibile,
guidati dallapplicazione al caso del bulbo di unimbarcazione Americas Cup, introdotto nel
Capitolo 1; accanto ai risultati di buona posizione, viene ricavato il sistema delle condizioni
di ottimalit`a impiegato per lapprossimazione numerica della forma ottimale.
4.1 Modellazione matematica del problema
Il problema della minimizzazione del coeciente di drag di un corpo in moto relativo rispetto
a un uido `e stato arontato in numerosi ambiti di ricerca: un caso comunemente studiato
`e quello delle equazioni di Navier-Stokes stazionarie, che verr`a caratterizzato in questo capi-
tolo come problema di Optimal shape design. Allo scopo di determinare la forma ottima
del bulbo o di qualsiasi corpo immerso in un uido in modo tale da minimizzare la
resistenza (o drag) occorre innanzitutto formulare in maniera adeguata il problema di stato
ed esprimere il drag come opportuno funzionale di forma.
Consideriamo dora in avanti un corpo immerso in un usso bidimensionale governato dalle
equazioni di Navier-Stokes incomprimibili per un uido newtoniano con densit`a e viscosit`a
costante: si tratta di una notevole semplicazione rispetto al problema reale per sua natu-
ra tridimensionale resa necessaria da esigenze di tipo implementativo; con riferimento al
problema del bulbo, quella che si otterr`a sar`a dunque la forma ottima della sua sezione
longitudinale.
Siano dunque = D B il dominio occupato dal uido e la sua frontiera, D il dominio
rettangolare in cui `e contenuto il corpo B,
body
= B la frontiera del corpo (su cui agiscono
le forze di drag che si intendono minimizzare); indicando con u = u(x, y) la velocit`a del uido
e con p = p(x, y) la sua pressione, il sistema delle equazioni di Navier-Stokes stazionarie
che esprime la conservazione della massa e della quantit`a di moto pu`o essere scritto
[18, 21, 46] nella seguente forma (detta non conservativa):
_
divT(u, p) +(u )u = f in ,
divu = 0 in .
(4.1)
46
4. Ottimizzazione della forma di corpi immersi in uidi incomprimibili 47
Figura 4.1: Dominio di denizione dei problemi dierenziali al contorno.
dove T(u, p) `e il tensore degli sforzi o di Cauchy e f `e il termine relativo alle forze esterne
per unit`a di massa; nel caso di un uido newtoniano, T pu`o essere espresso come funzione
lineare delle derivate della velocit`a:
T(u, p) = pI +(u +
T
u),
dove `e la viscosit`a dinamica del uido. Indicando con (u) il tensore velocit`a di defor-
mazione (detto anche strain rate tensor), dato da
(u) =
1
2
(u +
T
u),
ij
=
1
2
_
u
i
x
j
+
u
j
x
i
_
, i, j = 1, ..., 3
`e possibile esprimere il tensore degli sforzi come somma di una componente normale dovuta
alla pressione e di una componente di sforzo viscoso:
T(u, p) = pI + 2(u);
dividendo inne per e introducendo la viscosit`a cinematica = / e la pressione p = p/
riscalata con la densit`a (che per comodit`a continueremo a indicare con p), sotto lulteriore
condizione che sia costante, il sistema (4.1) diviene:
_
2div((u)) + (u )u +p = f in ,
divu = 0 in .
(4.2)
Risulta inoltre possibile esprimere il sistema di Navier-Stokes nella forma pi` u classica
sfruttando il fatto che divu = u, div
T
u = (divu) e che divu = 0:
_
u + (u )u +p = f in ,
divu = 0 in ;
(4.3)
tuttavia, per ragioni che risulteranno chiare in seguito, si preferir`a usare la forma (4.2).
Possiamo dunque esprimere il problema di stato associando al sistema (4.2) un opportuno set
di condizioni al contorno: prescrivendo la velocit`a u

corrispondente al campo di velocit`a

del uido a grande distanza dal corpo sulla frontiera di inow
in
, una condizione di non
scivolamento (no slip) sulla frontiera
w
e una condizione di Neumann (applied stresses)
sulla frontiera di outow, si ottiene il seguente sistema:
4. Ottimizzazione della forma di corpi immersi in uidi incomprimibili 48
_

_
2div((u)) + (u )u +p = f in ,
divu = 0 in .
u = u

su
in
u = 0 su
body

w
pn + 2(u) n = h su
out
;
(4.4)
assumeremo nel seguito che f = 0 (assenza di forze esterne) e h = 0. Ad eccezione di un solo
caso particolare (che verr`a discusso nel seguito, ma solo da un punto di vista teorico) in cui
verranno prescritte condizioni di Dirichlet su tutto , le condizioni al contorno associate
al problema di stato saranno quelle indicate in (4.4). Occorre sottolineare come questa non
sia la sola scelta possibile per le condizioni al contorno in un problema di questo tipo: ad
esempio [18], `e possibile prescrivere una condizione di simmetria sul bordo
w
anziche di
no slip, considerando
v n = 0, (T(u, p) n) t = 0 su
w
,
dove n e t indicano rispettivamente il versore normale e il versore tangente al bordo di ;
sebbene questa scelta permetta una descrizione pi` u accurata dei ussi, in virt` u delle forti
semplicazioni gi`a operate nella modellazione del problema questa dierenza non sembra
tuttavia apprezzabile. I calcoli riportati nel seguito possono essere comunque adattati facil-
mente anche a questo caso.
Il problema della minimizzazione della resistenza per il bulbo di unimbarcazione Americas
Cup (o per un qualsiasi corpo immerso in un uido viscoso incomprimibile) pu`o dunque
essere formulato, in base a quanto visto nella Sezione 2.3, come un problema di minimo per
un opportuno funzionale di forma:

: (

) = min
O
ad
()
sotto lulteriore vincolo che
in

out

w
sia sso, e che ad esempio il volume del
corpo (e quindi di ) sia costante; possiamo dunque considerare come insieme delle forme
ammissibili
O
ad
=
_
R
N
:
in

out

w
sia ssato,
_

dx = A
_
,
con A > 0 costante ssata. La minimizzazone della resistenza agente su un corpo immerso
si traduce nella scelta del seguente funzionale di forma:
(, u(), p()) :=
_

body
(T(u, p)n) u

d (4.5)
avendo indicato con u

il versore unitario diretto come u

.
`
E infatti possibile espimere la
forza di attrito su un oggetto in movimento in un uido come
D =
1
2
U
2

C
D
d q

C
D
d
dove d `e la lunghezza caratteristica delloggetto, q

=
1
2
U
2

, C
D
`e il coeciente di drag e
u

= U

; daltra parte, la forza D `e data da

D =
_

body
(T(u, p)n) u

d
4. Ottimizzazione della forma di corpi immersi in uidi incomprimibili 49
dove il segno meno `e dovuto al fatto che, convenzionalmente, si indica con il segno positivo
la forza agente sul uido. Il corrispondente adimensionale di (4.29) `e il coeciente di drag
C
D
(u, p), dato da
C
D
(u, p) :=
1
q

d
_

body
(T(u, p)n) u

d. (4.6)
Un dierente problema pi` u semplice rispetto al precedente che verr`a considerato nel
seguito consiste nella minimizzazione dellenergia dissipata totale, espressa dal seguente
funzionale:
(, u()) = 2
_

[(u)[
2
d; (4.7)
la scelta di considerare questo caso preliminare `e duplice: da un lato la minimizzazione
del funzionale (4.7) risulta pi` u immediata e pu`o essere condotta sfruttando un consistente
numero di risultati di buona posizione [8, 25, 26, 44], dallaltro non occorre agire sul fun-
zionale al ne di semplicarne lespressione. Inoltre, come verr`a illustrato nella Sezione 4.4,
nel caso in cui si prescrivano condizioni di Dirichlet sullintero contorno di e a patto di
considerare la forma (4.3) delle equazioni di Navier-Stokes, i due funzionali coincidono.
4.2 Formulazione del problema di stato
Viene ricavata in questa sezione la formulazione debole del problema di stato, denendo
unopportuna ambientazione funzionale e ricordando alcuni risultati di buona posizione per
il sistema di Navier-Stokes stazionario. Una formulazione alternativa del problema di stato,
basata sullimpiego dei moltiplicatori di Lagrange per il trattamento delle condizioni al
contorno, verr`a presentata nella Sezione 4.41 relativa alla minimizzazione della resistenza.
4.2.1 Formulazione debole del problema di Navier-Stokes
Siano dora in avanti V = [H
1
()]
2
, V
0
[H
1
0,
D
()]
2
= v V : v = 0 su
D
e
Q = L
2
(); indichiamo inoltre con u
g
H
1/2
(
D
) la funzione denita come
u
g
=
_
u

su
in
0 su
w

body
e con V
g
= v V : v = u
g
su
D
. Per ricavare la formulazione debole del problema di
stato (4.4) procediamo al solito moltiplicando scalarmente lequazione del momento per una
funzione test v V
0
e lequazione della massa per una funzione test q Q; integrando sul
dominio e sfruttando la formula di Green, la forma debole delle equazioni di Navier-Stokes
si traduce nella ricerca di u = u() V
g
e p = p() Q tali che
_
a(u, v) +c(u, u, v) +b(v, p) = F(v) v V
0
,
b(u, q) = 0 q Q,
(4.8)
dove a : V V R e b : V Q R sono le forme bilineari date
1
da
a(u, v) = 2
_

(u) : (v)dx, b(v, p) =

_

p divvdx
1
Nel caso in cui si consideri la formulazione (4.3), la forma bilineare a(u, v) =

u : vdx risulta
automaticamente coerciva in virt` u della diseguaglianza di Poincare.
4. Ottimizzazione della forma di corpi immersi in uidi incomprimibili 50
e c : V V V R `e la forma trilineare
c(w, u, v) =
_

(w )u vdx,
mentre F : V R `e il funzionale lineare e continuo dato da
F(v) =
_

f vdx +
_

N
h vd.
Per quanto riguarda la continuit`a delle tre forme e la coercivit`a di a(, ), si ha automati-
camente che a(, ) e b(, ) sono continue rispettivamente su V V e Q V ; la continuit`a
di c(, , ) discende dallimmersione H
1
() L
4
() e dalla diseguaglianza di Holder e si
traduce nella seguente relazione:

C > 0 : c(w, u, v)

C[[w[[[[u[[[[v[[, w, u, v V,
dove con [[ [[ si indica la norma in L
2
(). Per quanto riguarda la coercivit`a di a(, ), a
patto che un sottoinsieme limitato e connesso di R
N
, (N = 2, 3) e che u H
1
() sia
nulla su un sottoinsieme di di misura positiva, esiste una costante C
K
> 0 per cui
_

(u) : (u) C
K
[[u[[
2
H
1
()
.
Ricordiamo inoltre che per la buona posizione del problema deve valere la seguente con-
dizione inf-sup:
inf
qQ
sup
vV
0
b(v, q)
[[v[[ [[q[[
> 0
che sul piano della discretizzazione numerica si tradurr`a nella scelta di opportuni spazi a
elementi niti per la velocit`a e la pressione, che risultino tra loro compatibili.
In particolare, sfruttando tutte queste propriet`a, `e possibile ricavare una diseguaglianza
di energia per la velocit`a e la pressione: prendendo infatti v = u nella forma debole del
problema, si ha

C
K
[[u[[
2
H
1
()
a(u, u) = F(u) c(u, u, u) =
_

f u
1
2
_

[u[
2
(u n)d
dove

C
K
= 2C
K
; applicando la diseguaglianza di Young e consdierando le condizioni al
contorno, si ha che

C
K
[[u[[
2
H
1
()

1
2

C
K
[[f [[
2
H
1
()
+

C
K
2
[[u[[
2
H
1
()

out
[u[
2
(u n)d +
_

in
[u

[
2
d
da cui, essendo
out
un bordo di outow, si ha
[[u[[
2
H
1
()

1

C
2
K
[[f [[
2
H
1
()
+
1

C
K
[[u
g
[[
2
L
2
(
D
)
. (4.9)
Sfruttando invece la condizione inf-sup, si ricava la disuguaglianza per la pressione:
[[p[[
1

sup
vV
b(v, p)
[[v[[

1

[[f [[
H
1
()
+

C
K
[[u[[ +

C[[u[[
2
. (4.10)
4. Ottimizzazione della forma di corpi immersi in uidi incomprimibili 51
Per quanto riguarda inne un risultato di buona posizione del problema di stato, ci limitiamo
a osservare come, a patto che sia un dominio lipschitziano, f H
1
() e u
g
H
1/2
(
D
),
il teorema di Lax-Milgram e i classici risultati di punto sso (Leray-Schauder) permettano
di dimostrare lesistenza di una soluzione (u(), p()) [H
1
()]
N
L
2
() del problema
(4.4); ulteriori condizioni di piccolezza dei dati, espresse da una diseguaglianza della forma

C[[f [[
H
1
()

2
1
permettono di dedurre anche lunicit`a della soluzione, sfruttando ad esempio il teorema delle
contrazioni. Inoltre, se il dominio e i dati soddisfano ipotesi di regolarit`a pi` u restrittive (ad
esempio `e (
1,1
a pezzi, f L
2
() e u
g
H
3/2
(
D
)) la soluzione (u(), p()) appartiene
a [H
2
()]
N
H
1
(). Si vedano in proposito [23, 24, 25, 46].
4.2.2 Continuit`a rispetto alla forma del sistema di Navier-Stokes
Intendiamo ora indagare la cosiddetta Shape sensitivity del problema di stato, esprimen-
do la shape derivative (u

, p

) della soluzione (u(), p()) del sistema di Navier-Stokes e

riportando un risultato di regolarit`a rispetto a perturbazioni del dominio; per evitare di
appesantire inutilmente il discorso, verr`a fatto un cenno sommario alle ipotesi sotto le quali
vale questo risultato, rimandando a [9] per unesposizione pi` u rigorosa.
Assumendo che f ,= 0 e che u
g
sia dipendente dalla forma, ripercorrendo i calcoli riportati
nella Sezione 3.4.2 per il caso lineare, `e possibile mostrare che la shape derivative (u

, p

) =
(u

(; V), p

(; V)) `e la soluzione del seguente problema:

_

_
div(T(u

, p

)) + (u )u

+ (u

)u = f

in ,
divu

= 0 in .
u

= u() n V
n
+u

g
su
D
T(u

, p

) n = 0 su
D
(4.11)
dove V
n
= V n; ricordando che nel nostro caso V = 0 su
body
, f = 0 e u
g
non dipende
dalla forma, si ha il seguente problema:
_

_
div(T(u

, p

)) + (u )u

+ (u

)u = 0 in ,
divu

= 0 in .
u

= 0 su
in

w
u

= u() n V
n
su
body
T(u

, p

) n = 0 su
out
(4.12)
Indicando con
t
= T
t
() il dominio generato da mediante la trasformazione T
t
() asso-
ciata a un campo di velocit`a V (
0
([, ]; (
k
(D; R
2
)), a patto che sia di classe (
k+1
con k 1 e che f e u
g
siano sucientemente regolari (continue e dierenziabili rispetto
alla forma), esiste per ogni campo di velocit`a V un intorno I R di 0 e ununica famiglia
s I (u
s
, p
s
) di soluzioni del problema (4.4) in
s
che soddisfano le seguenti propriet`a:
1. (u
0
, p
0
) = (u, p);
2. la mappa (|, T) : s (u
s
T
s
, p
s
T
s
) `e tale che | (
0
(I; H
k+1
(; R
2
))(
1
(I; H
k
(; R
2
))
e T (
0
(I; H
k
(; R
2
)) (
1
(I; H
k1
(; R
2
));
3. la shape derivative (u

, p

) `e soluzione del problema (4.12).

4. Ottimizzazione della forma di corpi immersi in uidi incomprimibili 52
Come gi`a osservato in precedenza, anche nei casi esaminati nelle prossime sezioni sar`a
necessario ricorrere al problema aggiunto per esprimere la derivata di senza far comparire
la shape derivative (u

, p

), in modo da rendere lo shape gradient indipendente dal campo

di velocit`a V.
4.3 Minimizzazione dellenergia dissipata (I)
Prima di esaminare in dettaglio il caso del funzionale corrispondente alla resistenza, con-
sideriamo il problema di minimizzazione dellenergia dissipata, espresso da
min
O
ad
(, u()) = 2
_

[(u)[
2
d; (4.13)
dopo aver ricavato - sotto alcune ipotesi semplicative - un risultato di esistenza, verr`a
dedotto il sistema di ottimalit`a ricorrendo alla tecnica della shape parametrization e intro-
ducendo un opportuno problema aggiunto.
4.3.1 Buona posizione del problema
In base al framework astratto descritto nella Sezione 2.3, per provare lesistenza di una
soluzione ottima del problema (4.13) occorre vericare la compattezza di (, denita in
questo caso da
( = (, u(), p()) : O
ad

e la semicontinuit`a inferiore del funzionale = (, u(), p()); in particolare, gli ar-

gomenti usati in questo contesto saranno validi anche nel caso della minimizzazione della
resistenza, ad eccezione delle propriet`a riguardanti il funzionale costo, che risulta dierente
nei due casi.
Senza perdita di generalit`a, supponiamo che lorigine del sistema di riferimento coincida
con il baricentro del corpo B e che la sua forma, rappresentata da una curva chiusa, sia
descritta da una funzione = (), [0, 2), sucientemente regolare; dato linsieme
|
ad
=
_
(
0,1
([0, 2)) :
min

max
, [

[ L
0
q.o. in (0, 2),
_
2
0
()d =
_
e indicando con D e B rispettivamente il dominio rettangolare che delimita il uido e il
corpo immerso in esso, possiamo considerare la seguente famiglia di domini ammissibili:
() = D B(), B() = (r, ) R
+
[0, 2) : 0 < r < (), [0, 2), |
ad
,
la cui compattezza discende direttamente per quanto visto nella Sezione 2.4 assumendo
come topologia quella indotta dalla convergenza uniforme delle funzioni di |
ad
.
Considerata una successione di funzioni
n
, i corrispondenti domini (
n
) e la succes-
sione (u
n
, p
n
) di soluzioni dei problemi di stato (4.8) deniti su ciascun (
n
) e indicati
con T(
n
), occorre mostrare che da questultima `e possibile estrarre una sottosuccessione
convergente (che per comodit`a indicheremo ancora con (u
n
, p
n
)) tale che
u
n
u in [H
1
(

)]
2
, p
n
p in L
2
(

)
4. Ottimizzazione della forma di corpi immersi in uidi incomprimibili 53
e che u() = u[
()
, p() = p[
()
risolvano il problema T(); con

si indica un dominio
ssato tale che (), (
n
)

n, mentre u
n
e p
n
sono rispettivamente la velocit`a u
n
e
la pressione p
n
estese a tutto

e tali che si annullino in

(
n
) := B(
n
). Lesistenza di
una tale estensione negli spazi H
m
(che non aumenti la norma) `e garantita in ogni dominio
lipschitziano dal teorema di estensione di Calderon; si veda ad esempio [25] e i riferimenti
in esso contenuti.
In virt` u della diseguaglianza di energia (4.9), dal momento che u
g
si annulla su
body

w
e risulta pari a u

su
in
, si ha che
[[u
n
[[
2
H
1
()

1

C
K
[[u

[[
2
L
2
(
in
)
da cui, essendo

C
K
=

C
K
(
n
) uniforme rispetto a una classe di domini che soddisfano la
propriet`a dell-cono [27] e
in
una porzione di contorno ssata in ciascun dominio (
n
),
si ha che
[[ u
n
[[
2
H
1
()
C
u
;
sfruttando la diseguaglianza (4.10), in maniera analoga `e possibile mostrare che
[[ p
n
[[
2
L
2
()
C
p
.
Dal momento che la successione ( u
n
, p
n
) `e limitata, `e possibile estrarre una sottosucces-
sione convergente debolmente a ( u, p). Per mostrare che u() = u[
()
, p() = p[
()
risolvono il problema T() `e possibile procedere direttamente; in virt` u della convergenza
debole in H
1
(

), che implica la convergenza forte in L

2
(

) e la convergenza puntuale quasi

ovunque, si ha che, v V
0
:
lim
n
_
(
n
)
(u
n
) : (v) = lim
n
_

( u
n
) : (v) =
_

( u) : (v) =
_
()
(u) : (v),
lim
n
_
(
n
)
(u
n
)u
n
v = lim
n
_

( u
n
) u
n
v =
_

( u ) u v =
_
()
(u ) u v,
lim
n
_
(
n
)
p
n
divv = lim
n
_

p
n
divv =
_

pdivv =
_
()
pdivv
(si rimanda alla Sezione 4.5.2 per la dimostrazione delle prime due relazioni, la terza segue
dalla convergenza p
n
p in L
2
(

)) e in modo analogo si pu`o procedere per la secon-

da equazione del sistema di Navier-Stokes. La semi-continuit`a inferiore del funzionale
discende inne direttamente dalla relazione seguente (si veda [25]):
_
()
(u)dx liminf
n
_
(
n
)
(u
n
)dx
valida per ciascuna successione (
n
) di domini lipschitziani convergente a () e per
ciascuna funzione continua, non negativa e convessa. Si pu`o dunque concludere che il
problema
min
O
ad
J() = 2
_

[(u)[
2
d, (4.14)
O
ad
=
_
R
2
:
in

out

w
sia ssato,
_

dx = A
_
,
possiede almeno una soluzione, che verr`a caratterizzata ricorrendo alle tecniche basate sul
problema aggiunto.
4. Ottimizzazione della forma di corpi immersi in uidi incomprimibili 54
4.3.2 Determinazione delle condizioni di ottimalit`a
Ricaviamo in questo paragrafo lespressione dello shape gradient per il funzionale costo
() denito in (4.13) mediante la tecnica della Shape parametrization, in modo da evitare
lintroduzione della shape derivative delle grandezze di stato. Sia (u(), p()) la soluzione
del problema di stato espresso nella forma debole (4.8), con h = f = 0; introduciamo il
seguente funzionale Lagrangiano associato al problema (4.8) e al funzionale costo (4.14):
L(, u, p, z, q) = () ((, u, p, z, q); (4.15)
Seguendo lapproccio presentato in [20, 21] ed esprimendo il problema (4.14) nella seguente
forma:
min
O
ad
min
(u,p)V
g
()Q()
max
(z,q)V
0
()Q()
L(, u, p, z, q) (4.16)
`e possibile caratterizzare lo shape gradient attraverso il calcolo della derivata del punto-sella
espresso da
min
(u,p)V
g
()Q()
max
(z,q)V
0
()Q()
L(, u, p, z, q); (4.17)
le condizioni necessarie di ottimalit`a del primo ordine per (4.17), corrispondenti alle equazio-
ni di Eulero-Lagrange per il funzionale Lagrangiano, forniscono lespressione del problema
di stato e del problema aggiunto.
Derivando infatti il funzionale L rispetto alle variabili aggiunte z e q si ritrova il sistema di
stato; il problema aggiunto si ricava invece calcolando la derivata di L(, u, p, z, q) rispetto
alle variabili di stato:
L
u
[] = 0 2a(u, ) a(, z) c(, u, z) c(u, , z) b(, q) = 0 V
0
()
L
p
[] = 0 b(z, ) = 0 Q(),
e si traduce nella ricerca di (z, q) V
0
() Q() tali che
_
a(, z) +c(, u, z) +c(u, , z) +b(, q) = 2a(u, ) V
0
()
b(z, ) = 0 Q(),
(4.18)
avendo indicato con a(, ), b(, ) e c(, , ) le forme denite in precedenza per il problema di
stato. Per risalire alla forma forte del problema aggiunto, occorre controintegare per parti
la prima equazione, sfruttando la formula di Green e la relazione
_

( )u v +
_

(u ) v =
_

(
T
u)v
_

(u )v +
_

(u n)(v );
complessivamente, si ottiene la seguente relazione:
_

_
2div((z)) + (
T
u)z (u )z +q + 2u
_
=
= 4
_

((u) n)
_

(qn + 2(z) n)
_

(u n)(z )
da cui si ricava la seguente forma forte del problema aggiunto (problema di Oseen):
_

_
2div((z)) + (
T
u)z (u )z +q = 2u in
divz = 0 in
z = 0 su
in

body

w
qn + 2(z) n + (u n)z = 4(u) n su
out
(4.19)
4. Ottimizzazione della forma di corpi immersi in uidi incomprimibili 55
Ricaviamo inne lespressione dello shape gradient (principio di minimo): considerando lo
speed method per le deformazioni del dominio, sia
t
= T
t
(V)(), dove T
t
(V) `e il usso
associato al campo V, scelto in modo da soddisfare le condizioni (3.1)-(3.2) e tale che
V = 0 su
body
.
Come discusso nella Sezione 3.6.1, occorre calcolare la derivata rispetto a t di
l(t) = inf
(u,p)V
g
(
t
)Q(
t
)
sup
(z,q)V
0
(
t
)Q(
t
)
L(t, u, p, z, q).
dove il punto-sella del funzionale Lagrangiano `e dato dalla soluzione ((u
t
, p
t
), (z
t
, q
t
)) del
problema di stato e del problema aggiunto deniti sul dominio
t
. Sfruttando la Function
space parametrization, `e possibile trasportare le varie quantit`a denite su
t
nel dominio
di riferimento, in modo che gli spazi funzionali non dipendano dal parametro t; introducendo
sul generico spazio di Sobolev W(
t
) la parametrizzazione data da
W(
t
) = y T
1
t
: y W(),
(che non inuisce sul valore del punto sella dal momento che la mappa T
t
e la sua inversa
sono dieomorsmi) possiamo dunque riscrivere
l(t) = inf
(u,p)V
g
()Q()
sup
(z,q)V
0
()Q()

L(t, u, p, z, q),
dove

L(t, u, p, z, q) = L(
t
, u T
1
t
, p T
1
t
, z T
1
t
, q T
1
t
)
e calcolare la seguente derivata:
dl(0) = lim
t0
l(t) l(0)
t
.
Esprimendo il funzionale Lagrangiano come

L(t, u, p, v, q) = I
1
(t) +I
2
(t)
dove
I
1
(t) = 2
_

t
[(u T
1
t
)[
2
dx,
I
2
(t) =
_

t
(u T
1
t
) : (z T
1
t
)dx
_

t
((u T
1
t
) (u T
1
t
)) (z T
1
t
)dx
+
_

t
(p T
1
t
)div(z T
1
t
)dx +
_

t
div(u T
1
t
)(q T
1
t
)dx
e sfruttando la formula (3.22), possiamo scrivere
dl(0) =
t

L(t)[
t=0
= I

1
(0) +I

2
(0).
In base alla formula (3.10) per la derivata di un integrale denito su un dominio variabile,
indicando dora in avanti con V
n
= V n si ha che
I

1
(0) = 4
_

(u) : (u V)dx + 2
_

body
[(u)[
2
V
n
d,
4. Ottimizzazione della forma di corpi immersi in uidi incomprimibili 56
I

2
(0) =
_

2(u V) : (z)dx
_

2(u) : (u)(z V)dx

(u )u (z V)dx
_

(u )(u V) zdx

((u V) )u zdx +
_

pdiv(z V)dx +
_

qdiv(u V)dx
+
_

divu(q V)dx +
_

divz(p V)dx
+
_

body
[2(u) : (z) (u )u z +pdivz +qdivu] V
n
d.
Dalle denizioni degli operatori dierenziali tangenziali, essendo u = z = 0 su
body
, `e
possibile ricavare [21] le seguenti relazioni:
(u V) n = divu V
n
, (4.20)
(u) : (z) = ((u) n) ((z) n), (4.21)
((u) n) (z V) = ((u) n) ((z) n)V
n
, (4.22)
che possono essere usate per semplicare il calcolo delle derivate. Controintegrando per
parti le espressioni di I

1
(0) e I

2
(0), per la prima si ha:
I

1
(0) = 4
_

div((u)) (u V)dx + 4
_

body
((u) n) (u V) d
= +2
_

body
[(u)[
2
V
n
d 2
_

u (u V)dx 4
_

body
[(u)[
2
V
n
d
= +2
_

body
[(u)[
2
V
n
d 2
_

u (u V)dx 2
_

body
[(u)[
2
V
n
d,
mentre per la seconda, essendo u[

body
= 0, risulta:
I

2
(0) =
_

[(u (u )u p) (z V) + divu(q V)] dx

+
_

_
(z (u )z (
T
u) z q) (u V) + divz(p V)

dx

body
[T(u, p) n (z V) +T(z, q) n (u V)] d

body
[2(u) : (z) + (u )u z pdivz qdivu] V
n
d.
Dal momento che (u, p) e (z, q) soddisfano rispettivamente le equazioni (4.4) e (4.19), si
ottiene
I

2
(0) = 2
_

u (u V)dx

body
[T(u, p) n (z V) +T(z, q) n (u V) + 2(u) : (z)V
n
] d
4. Ottimizzazione della forma di corpi immersi in uidi incomprimibili 57
e sfruttando inne la seguente uguaglianza nellintegrale denito su
body
:
T(u, p) n (z V) T(z, q) n (u V)
= (pI 2(u)) n (z V) + (qI 2(z)) n (u V)
= p(z V) n +q(u V) n + 2[(u) n (z V) +(z) n (u V)]
= pdivzV
n
qdivuV
n
+ 4((u)n) ((z) n)V
n
= 4(u) : (z)V
n
si pu`o concludere che
I

2
(0) = 2
_

u (u V)dx + 2
_

body
(u) : (z)V
n
d.
Otteniamo quindi la seguente espressione per la semi-derivata Euleriana del funzionale
():
d(; V) = 2
_

body
_
(u) : (z) [(u)[
2

V n d (4.23)
e dal momento che la mappa V d(; V) `e lineare e continua, il funzionale ()
ammette il seguente shape gradient:
= 2
_
(u) : (z) [(u)[
2

n.
Questo calcolo conclude la derivazione del sistema di ottimalit`a per il problema di mini-
mo (4.14); tuttavia, volendo anche considerare il vincolo sul volume della forma (che si
richiede essere costante), `e possibile riscrivere il problema iniziale sotto forma di problema
di ottimizzazione libera per il funzionale

():
min
R
N

() = () +V ()
dove V () =
_

dx e > 0 `e un moltiplicatore di Lagrange. In questo caso la semi-derivata

Euleriana di

`e data da
d

(; V) =
_

body

V d
dove lo shape gradient `e pari a

:= [ +]n =
_
+ 2(u) : (z) 2[(u)[
2

n. (4.24)
Riassumendo, il sistema di ottimalit`a associato al problema (4.14) `e costituito dai seguenti
problemi:
problema
di stato
_
_
_
trovare (u, p) V
g
() Q() tali che
a(u, v) +c(u, u, v) +b(v, p) = 0 v V
0
(),
b(u, q) = 0 q Q();
(4.25)
problema
aggiunto
_
_
_
trovare (z, q) V
0
() Q() tali che
a(, z) +c(, u, z) +c(u, , z) +b(, q) = 2a(u, ) V
0
(),
b(z, ) = 0 Q();
(4.26)
principio di minimo d

(; V) =
_

body
_
+ 2(u) : (z) 2[(u)[
2

n Vd. (4.27)
4. Ottimizzazione della forma di corpi immersi in uidi incomprimibili 58
4.4 Minimizzazione dellenergia dissipata (II)
Il problema di minimizzazione dellenergia (4.14) `e strettamente legato a quello di minimiz-
zazione della resistenza, espressa dal funzionale (4.29): in base ai risultati riportati in [8],
`e possibile mostrare che la resistenza si riduce al funzionale energia (4.7) nel caso in cui si
assumano condizioni di Dirichlet sullintero contorno nel problema di stato.
Con riferimento alla notazione usata nora, si consideri la seguente formulazione del pro-
blema di stato, in cui si cercano u g [H
1
0
()]
2
, p Q() tali che
_
div(2(u)) + (u )u +p = 0 in
divu = 0 in
(4.28)
dove Q() = L
2
0
() = v L
2
() :
_

v = 0 e g `e una funzione di [H
1
()]
2
tale che:
_
_
_
g = 0 in
g = u

su
body
g = 0 su
body
,
avendo indicato con u

R
2
un vettore noto che rappresenta la velocit`a a grande distanza
dal corpo B. Esprimendo la resistenza come
() = u

body
(T(u, p)n)d = u

body
(pI + 2(u)) nd (4.29)
e sfruttando le condizioni al contorno associate al problema di stato (4.28), `e possibile
riportare il calcolo del precedente integrale a tutto : infatti, dal momento che u g si
annulla su , in modo equivalente si pu`o scrivere
() =
_

(p(y u

) 2(u) (u u

)) nd.
Usando la formula di Green, si ricava che
() =
_

(p(u u

) (u +
T
u) (u u

)) nd
=
_

div(p(u u

))d +
_

div((u +
T
u) (u u

))d;
assumendo costante la velocit`a u

, si ha che div(u u

) = 0 e dunque il primo integrale

si riduce a
_

div(p(u u

))d =
_

pdiv(u u

)d +
_

(u u

) pd =
_

(u u

) pd.
Scrivendo inoltre il secondo integrale come
_

div(u +
T
u) (u u

)d +
_

(u +
T
u) : (u u

)d.
si pu`o esprimere la resistenza come
() =
_

[div(u +
T
u) p] (u u

)d +
_

(u +
T
u) : (u u

)d;
4. Ottimizzazione della forma di corpi immersi in uidi incomprimibili 59
sfruttando a questo punto lequazione di stato, si ricava che
() =
_

[(u )u] (u u

)d +
_

(u +
T
u) : (u u

)d
ed essendo inoltre
_

[(u )u] (u u

)d =
_

div([u u

[
2
y)d =
_

[u u

[
2
u nd = 0,
si deduce che
() =
_

(u +
T
u) : (u u

)d =
_

2(u) : ud (4.30)
avendo assunto u

costante; poiche inne (u) : u = [(u)[

2
, risulta che
() = 2
_

[(u)[
2
d,
espressione che coincide con il funzionale energia denito in (4.7).
Lanalisi della buona posizione del problema di minimo e la determinazione delle condizioni
di ottimalit`a possono essere eettuate in modo del tutto analogo a quanto visto nella sezione
precedente, oppure come riportato in [8] anche senza ricorrere alla Function shape
parametrization, a patto di introdurre sui domini una famiglia di trasformazioni pi` u sem-
plice.
Allo scopo di fornire alcune indicazioni per limpiego di tecniche alternative, pu`o essere
utile riportare sinteticamente alcuni risultati [8] validi per domini lipschitziani e trasfor-
mazioni pi` u semplici rispetto a quelle individuate mediante lo speed method, costituite da
perturbazioni delloperatore identit`a. Indicando quindi con

il dominio individuato da

+ := x R
2
: x = (I +)(X), X ,
e con (u(), p()) la soluzione del problema di stato denito sul dominio

, `e possibile
mostrare che lapplicazione ( + ) risulta di classe (

(a patto che [u

[ < ,
con > 0 costante) e ricavare d(; ) dal calcolo diretto della derivata nella direzione ,
valutata in 0.
Per ogni campo di spostamento sucientemente regolare tale che [
\
body
= 0, risulta
infatti che d(; ) `e data da
d(; ) =
_

_
4(u) : (u

()) +
1
2
div(2[(u)[
2
)
_
d, (4.31)
dove (u, p) = (u(0), p(0)) e (u

(), p

()) sono le shape derivatives delle grandezze di stato,

denite come lunica soluzione del seguente problema:
_

_
u

() + ( )u [H
1
0
()]
2
,
(p

() + p) L
2
(),
_

(p

() + p) = 0,
u

() + (u

() )u + (u )u

() +p

() = 0,
u

() = 0.
(4.32)
4. Ottimizzazione della forma di corpi immersi in uidi incomprimibili 60
Introducendo anche in questo caso un opportuno problema aggiunto, individuato dal se-
guente sistema:
_
_
_
2div((z)) + (
T
u)z (u )z +q = 2u in
divz = 0 in
z = 0 su
(4.33)
`e possibile esprimere lo shape gradient senza far comparire il campo di spostamento : con
calcoli analoghi a quelli sviluppati in precedenza, si pu`o mostrare [8] che d(; ) risulta
data in questo caso da
d(; ) =
_

body
_
z
n

u
n
_

u
n
( n)d, (4.34)
dove (z, q) `e lunica soluzione del problema aggiunto (4.33). La minimizzazione della re-
sistenza totale conduce dunque, nel caso particolare in cui si prescrivano condizioni di
Dirichlet su tutto , a un sistema di ottimalit`a del tutto analogo a (4.25)-(4.27).
4.5 Minimizzazione della resistenza
Consideriamo ora il problema di minimizzazione della resistenza, espressa dal seguente
funzionale
(, u(), p()) :=
_

body
(T(u, p)n) u

d, (4.35)
in cui (u(), p()) `e la soluzione del problema di stato (4.4); prima di presentare un risultato
di esistenza e determinare le condizioni di ottimalit`a, risulta utile esprimere (4.35) come
integrale denito sullintero dominio , sfruttando la forma debole del problema di stato.
4.5.1 Formulazione debole ed espressione alternativa della resistenza
Con riferimento alla notazione introdotta nelle Sezioni 4.1 e 4.2, ricaviamo la formulazione
debole del problema di stato (4.4) sfruttando la tecnica dei moltiplicatori di Lagrange [5, 18]
per lintroduzione delle condizioni al contorno. In modo del tutto analogo a quanto visto
in precedenza, nel caso in cui f = 0 (assenza di forze esterne) e h = 0 (sforzo nullo imposto
sulla frontiera di outow), la formulazione debole del problema di stato si traduce nella
ricerca di u = u() [H
1
()]
2
, p = p() L
2
(), = () [H
1/2
(
D
)]
2
tali che
_

_
a(u, v) +c(u, u, v) +b(v, p) +
_

D
vd = 0 v H
1
()
b(u, q) = 0 q L
2
()
_

D
(u u
g
)d = 0 [H
1/2
(
D
)]
2
(4.36)
Lintroduzione del moltiplicatore [H
1/2
(
D
)]
2
permette di rendere lo spazio in cui si
cerca la soluzione u() indipendente dalla scelta del dato u
g
e uguale a quello in cui si
sceglie la funzione test v. Il calcolo del funzionale denito da (4.35) pu`o essere eettuato
una volta risolte le equazioni di Navier-Stokes; tuttavia, per evitare risultati poco accurati
4. Ottimizzazione della forma di corpi immersi in uidi incomprimibili 61
da un punto di vista numerico
2
e disporre di una quantit`a pi` u comoda in vista delle ope-
razioni di derivazione rispetto alla forma, si preferisce usare unespressione alternativa per
il calcolo della resistenza, basata sul cosiddetto Babuska-Miller trick (si vedano ad esempio
[6], [10] o i riferimenti citati in [18]) e indicata con

: si esprime cio`e il coeciente di drag
in funzione delle forme che compaiono nellequazione di stato, riportando cos` il calcolo
allintero dominio . Considerando una funzione

[H
1
()]
2
:

=
_
u

su
body
0 su
w

in
(4.37)
possiamo infatti esprimere il funzionale (4.35) come
(, u, p) =
_

(T(v, p)n)

d
dal momento che T(u, p) n = 0 su
out
. Sfruttando il teorema di Gauss e integrando per
parti, si ottiene
(, u, p) =
_

(divT(u, p)

+T(u, p)

)d
da cui, in base alla forma forte del problema di stato e alla denizione delle forme a(, ),
b(, ) e c(, , ), risulta:
_

(divT(u, p)

d =
_

(u )u

d = c(u, u,

),
_

T(u, p)

d =
_

(u+
T
u)

d
_

pdiv

d = a(u,

) +b(p,

).
Essendo b(, u) = 0 L
2
(), si ha dunque

(, u, p) = A(u, p,

, ) L
2
() (4.38)
dove
A(v, p, , ) := a(v, ) +b(p, ) +b(, v) +c(v, v, ). (4.39)
Osserviamo inoltre come il moltiplicatore [H
1/2
(
D
)]
2
costituisca di fatto lo sforzo
normale (entrante, cio`e agente dal uido verso lesterno): dalla prima equazione del sistema
(4.36) risulta infatti
A(u, p, , ) +
_

D
d = 0
da cui, per la denizione (4.37) di

, si pu`o esprimere il coeciente di drag come

() =
_

body
u

d (4.40)
e per analogia con la (4.35) si deduce la caratterizzazione del moltiplicatore in termini di
sforzo normale:
= T(u, p) n su
D
.
Lespressione del drag contenuta nella formula (4.40) risulter`a utile nella formulazione del
problema di controllo, discussa nella Sezione 4.5.3; in particolare, sar`a possibile sostituire a

lespressione della velocit`a aggiunta z, dal momento che su le due funzioni soddisfano
le stesse condizioni.
2
Nel contesto dellottimizzazione, questa tecnica riduce la propagazione degli errori di discretizzazione
nel corso delle procedure iterative.
4. Ottimizzazione della forma di corpi immersi in uidi incomprimibili 62
4.5.2 Buona posizione del problema
Mostriamo ora che il problema di minimo
min
O
ad
(, u(), p()) :=
_

body
(T(u, p)n) u

d, (4.41)
soggetto al vincolo espresso dal problema di stato (4.36) possiede almeno una soluzione; in
base a quanto discusso nella Sezione 4.3.1, occorre provare che il funzionale che si intende
minimizzare sia debolmente semi-continuo inferiormente e limitato dal basso. Tuttavia,
`e addirittura possibile mostrare che il funzionale `e debolmente continuo, dal momento che
entrambe le forme a(, ) e c(, , ) risultano tali: usando per i domini la notazione introdotta
in precedenza, si ha infatti che
lim
n
_
(
n
)
(u
n
) : () =
_
()
(u) : (),
lim
n
_
(
n
)
(u
n
)u
n
=
_
()
(u )u .
Passando al dominio

e considerando i prolungamenti u
n
, u (la convergenza quasi ovunque
permette, una volta passati al limite, di ritornare sul dominio ()), la prima relazione segue
direttamente dal fatto che
lim
n
_

( u
n
) : () = lim
n
(a( u
n
u, ) +a( u, ))
e che passando al limite il primo termine si annulla in virt` u della convergenza u
n
u in
[H
1
(

)]
2
. Quanto alla forma trilineare, occorre calcolare il seguente limite:
lim
n
_

( u
n
) u
n
= lim
n
_

(( u
n
u) ) u
n
+ lim
n
_

( u ) u
n
; (4.42)
dal momento che u
n
u in [H
1
(

)]
2
( u L
2
() poiche entrambe le funzioni apparten-
gono a [H
1
(

)]
2
e per i teoremi di immersione di Sobolev [50], si ha che H
1
() `e immerso
con compattezza in ogni L
p
(), con p [2, ), essendo N = 2), segue direttamente che
_

( u ) u
n

_

( u ) u ;
per quanto riguarda laltro termine, dalla diseguaglianza di Holder si ricava che

(( u
n
u) ) u
n

[[ u
n
u[[
L
4
(

)
[[ u
n
[[
L
2
(

)
[[[[
L
2
(

)
ed essendo gli ultimi due fattori limitati, la compattezza dellimmersione H
1
() L
4
()
permette di concludere che la successione u
n
, debolmente convergente in [H
1
()]
2
, con-
verge fortemente in [L
2
()]
2
: dunque il primo dei due limiti in (4.42) si annulla.
Per quanto riguarda la limitatezza dal basso del funzionale costo, a partire dalla formu-
lazione (4.36) del problema e dalla relazione (4.38), si ha
[()[ = [,

)
[L
2
(
D
)]
2[ [[[[
[H
1/2
(
D
)]
2 [[

[[
[H
1/2
(
D
)]
2
4. Ottimizzazione della forma di corpi immersi in uidi incomprimibili 63
avendo interpretato lintegrale in (4.36) nel senso della dualit`a. Essendo [[u

[[
L

(
D
)
= 1,
si ha che [[

[[
L
2
(
D
)
l
in
, dove l
in
`e la lunghezza del lato di inow
in
; risulta dunque
[()[ l
in
[[[[
[H
1/2
(
D
)]
2 = l
in
[[T(u, p) n[[
[H
1/2
(
D
)]
2 = l
in
[[T(u, p) n[[
[H
1/2
()]
2.
Sfruttando lequazione di stato, si ha che divT(u, p) = (u )u [L
2
()]
2
, da cui risulta
che T(u, p) n [H
1/2
()]
2
e in particolare
[[T(u, p) n[[
[H
1/2
()]
2 [[divT(u, p)[[
[L
2
()]
2 C
dove lultima maggiorazione segue dalla diseguaglianza di energia (4.9) per la velocit`a e la
costante C `e uniforme sullinsieme O
ad
. In conclusione, si ha che uniformemente
[()[ O
ad
.
4.5.3 Determinazione delle condizioni di ottimalit`a
Ricaviamo ora lespressione del problema aggiunto e dello shape gradient del funzionale
costo espresso in funzione del moltiplicatore come in (4.40) introducendo il seguente
funzionale lagrangiano:
L(, u, p, , z, q, ) =
_

body
u

d + [a(u, z) +b(p, z) +c(u, u, z) +b(q, u)]

+
_

D
zd +
_

D
(u u
D
)d. (4.43)
Derivando L rispetto alle variabili (z, q, ) si ritrova il problema di stato (4.36), mentre dal
calcolo della derivata rispetto alle variabili (u, p, ) si ricava il problema aggiunto:
L
u
[] = 0 a(, z) +c

(u, , z) +b(, q) +
_

D
d = 0 [H
1
()]
2
L
p
[] = 0 b(z, ) = 0 Q()
L

[] = 0
_

body
u

d +
_

D
zd = 0 [H
1/2
(
D
)]
2
dove c

(u, , z) = c(u, , z) + c(, u, z). Il problema aggiunto in forma debole si traduce

dunque nella ricerca di z [H
1
()]
2
, q L
2
(), [H
1/2
(
D
)]
2
tali che
_

_
a(, z) +c(, u, z) +c(u, , z) +b(, q) +
_

D
d = 0 [H
1
()]
2
b(z, ) = 0 Q L
2
()
_

body
u

d +
_

D
zd = 0 [H
1/2
(
D
)]
2
.
(4.44)
Dallultima equazione del precedente sistema si vede come z sia tale che
z [H
1
()]
2
: z =
_
u

su
body
0 su
w

in
,
(4.45)
4. Ottimizzazione della forma di corpi immersi in uidi incomprimibili 64
ossia soddisfa le stesse condizioni imposte su

in (4.37) e pu`o dunque essere scelta

nella denizione di

in (4.38): ci`o risulta molto utile dal punto di vista numerico, poiche
permette di evitare il calcolo del rilevamento

e dunque la risoluzione di un ulteriore

problema dierenziale, oltre a quello di stato e allaggiunto nel calcolo del valore del
funzionale costo. Controintegrando per parti nella formulazione (4.44) si ricava la forma
forte del problema aggiunto, data da:
_

_
2div((z)) + (
T
u)z (u )z +q = 0 in
divz = 0 in
z = 0 su
in

w
z = u

su
body
T(z, q) n + (u n)z = 0 su
out
(4.46)
ed `e inoltre possibile mostrare come
= T(z, q) n su
D
.
Per calcolare lespressione dello shape gradient del funzionale drag `e possibile usare la tecnica
di Function shape parametrization, in modo sostanzialmente analogo a quanto visto nel caso
della minimizzazione dellenergia; a partire dallespressione (4.38), esprimiamo il funzionale
come
(t, u, p, z, q) = (
t
, u T
1
t
, p T
1
t
, z T
1
t
, q T
1
t
),
ossia come
(t) = 2
_

t
(u T
1
t
) : (z T
1
t
)d +
_

t
((u T
1
t
) (u T
1
t
)) (z T
1
t
)d

t
(p T
1
t
)div(z T
1
t
)d
_

t
(q T
1
t
)div(u T
1
t
)d,
dove T
1
t
`e linversa della mappa T
t
(V) associata al campo di velocit`a V dello speed method
e individuata da (3.6). Risulta dunque

(0) =
_

2(u V) : (z)d +
_

2(u) : (z V)d
+
_

(u )u (z V)d +
_

(u )(u V) zd +
_

((u V) )u zd

pdiv(z V)d
_

qdiv(u V)d
_

divz(p V)d

divu(q V)d +
_

(2(u) : (z) + (u )u z pdivz qdivu)(V n)d

Controintegrando per parti ed essendo divu = divz = 0 in e V = 0 su
body
, si ha:

(0) =
_

[div(2(z) qI) + (
T
u)z (u )z](u V)d
+
_

[div(2(u) pI) + (u )u](z V)d

+
_

(T(z, q) n + (u n)z)(u V)d +

_

T(u, p) n(z V)d

+
_

body
(2(u) : (z) + (u )u z pdivz qdivu)(V n)d
4. Ottimizzazione della forma di corpi immersi in uidi incomprimibili 65
I primi due integrali si annullano in base alla forma forte del problema di stato e del problema
aggiunto; per quanto riguarda i termini di bordo, le condizioni al contorno soddisfatte da u
e z e la denizione del campo V permettono di riscrivere

(0) come

(0) =
_

body
(2(u) : (z) pdivz qdivu)(V n)d
+
_

T(z, q) n(u V)d +

_

T(u, p) n(z V)d

In base alle relazioni (4.20)-(4.22), valide per u e z+ u

che si annullano su
body
, si ottiene
_

T(z, q) n(u V)d = 2

_

body
(z) : (u)V n d +
_

body
qdivuV n d
_

T(u, p) n(z V)d = 2

_

body
(u) : (z)V n d +
_

body
pdivzV n d
da cui si deduce inne la seguente espressione, in accordo con il Teorema di struttura 3.2:

(0) = 2
_

body
((u) : (z) (z) : u (u) : z) V n d.
Semplicando ulteriormente questultima relazione e introducendo il funzionale

() =
() + V () per tener conto del vincolo sul volume come nel caso dellenergia, si ricava
che la semi-derivata Euleriana di

() `e data da
d

(; V ) =
_

body
[ 2(u) : (z)] V nd; (4.47)
equivalentemente, lo shape gradient del funzionale

`e pari a

:= [ 2(u) : (z)] n. (4.48)
In conclusione, il sistema di ottimalit`a associato al problema (4.35) `e costituito dai seguenti
problemi:
problema
di stato
_

_
trovare u [H
1
()]
2
, p L
2
(), [H
1/2
(
D
)]
2
tali che
a(u, v) +c(u, u, v) +b(v, p) +
_

D
vd = 0 v H
1
()
b(u, q) = 0 q L
2
()
_

D
(u u
g
)d = 0 [H
1/2
(
D
)]
2
(4.49)
problema
aggiunto
_

_
trovare z [H
1
()]
2
, q L
2
(), [H
1/2
(
D
)]
2
tali che
a(, z) +c

(u, , z) +b(, q) +
_

D
d = 0 [H
1
()]
2
b(z, ) = 0 Q L
2
()
_

body
u

d +
_

D
zd = 0 [H
1/2
(
D
)]
2
.
(4.50)
4. Ottimizzazione della forma di corpi immersi in uidi incomprimibili 66
principio di minimo d

(; V ) =
_

body
[ 2(u) : (z)] n Vd; (4.51)
La forma delle condizioni di ottimalit`a per il problema di minimizzazione del drag pu`o essere
dedotta in maniera pi` u rigorosa, basandosi sulla tecnica di Space embedding presentata nella
Sezione 3.6.2; tuttavia, si `e preferito seguire una via pi` u diretta per evitare di appesantire
eccessivamente la costruzione e allo stesso tempo per mostrare come eseguire il calcolo
sfruttando lintroduzione del problema aggiunto.
Capitolo 5
Tecniche di approssimazione
numerica in Shape Optimization
Vengono presentati in questo capitolo i metodi necessari allapprossimazione numerica della
soluzione dei problemi di Optimal shape design presentati in precedenza; in particolare
vengono brevemente analizzati i metodi numerici per il calcolo della soluzione dei problemi
di stato e aggiunto e vengono presentate una procedura generale di tipo gradiente per
lottimizzazione e due dierenti tecniche per implementare la deformazione dei domini.
Tra i due paradigmi di risoluzione dei problemi di controllo ottimale deniti discretize-
and-optimize e optimize-and-discretize verr`a seguito questultimo: la scelta tra questi due
approcci in ogni caso non `e univoca [26] ma dipende fortemente dal problema di volta in
volta considerato; si vedano ad esempio [37, 44] per lapplicazione del primo paradigma.
5.1 Ottimizzazione numerica per problemi di controllo
In questa sezione ci occupiamo degli aspetti algoritmici relativi allimplementazione di uno
schema che permetta di calcolare la soluzione di un problema di controllo ottimale espresso
nella forma
u | : (u) = min
v U
ad
(v)
dove |
ad
`e un generico spazio di Hilbert; vedremo nella Sezione 5.3 come adattare lo schema
al caso dellottimizzazione di forma, in cui linsieme delle forme ammissibili non ha a priori
una struttura hilbertiana; ci concentreremo in particolare sullo studio dei metodi di tipo
gradiente [1] (o steepest descent), che risultano pi` u facilmente estendibili ai problemi di
Optimal shape design.
5.1.1 Metodi di tipo Gradiente
Sia | uno spazio di Hilbert e w | (w) R un generico funzionale costo: la sua
derivata rispetto alla variabile di controllo

(w) `e un operatore lineare da | in R

tale che
(w +w) = (w) +

(w)w +o([[w[[
U
);
alla base del metodo del gradiente vi `e la seguente espansione in serie di Taylor:
(w +z) = (w) +
w
(w), z) +o([[z[[
U
) w, z |, R, (5.1)
67
5. Tecniche di approssimazione numerica in Shape Optimization 68
dove
w
(w) `e lelemento di | denito dal teorema di Riesz come

w
(w), z) =

(w)z z |.
Prendendo z =
w
(w) in (5.1), con 0 < 1, si ha
(w +z) (w) = [[
w
(w)[[
2
U
+o([[
w
(w)[[
U
)
da cui, se `e sucientemente piccolo, la somma al secondo membro `e complessivamente
negativa e (w +z) < (w); dunque la successione denita da
w
n+1
= w
n

w
(w
n
), n = 0, 1, 2, . . . (5.2)
`e tale che la successione (w
n
) risulta monotona descrescente. In particolare [34] se `e
dierenziabile con continuit`a, limitato dal basso e tale che lim
w
(w) = +tutti i punti
di accumulazione w

della successione generata da (5.2) soddisfano la seguente condizione

di ottimalit`a del primo ordine:

w
(w

) = 0;
inoltre, se `e convesso w

`e un minimo e risulta unico se `e strettamente convesso.

Prendendo il miglior coeciente nella direzione di discesa z
n
=
w
(w
n
), dato da

n
= arg min

(w
n
+z
n
) (w
n
+
n
z
n
) = min

(w
n
+z
n
),
si ottiene il metodo di steepest descent con passo ottimale. Risulta tuttavia suciente, per
garantire la convergenza, trovare
n
tale da soddisfare la seguente regola di Armijo [39]:
: [[z[[
2
< (w
n
+z) (w
n
) < [[z[[
2
, 0 < < < 1
e porre w
n+1
= w
n
+z
n
. Ulteriori risultati si possono trovare ad esempio in [3].
5.1.2 Lo schema iterativo per il calcolo della soluzione ottima
Descriviamo ora la struttura dello schema iterativo impiegato per risolvere i problemi di
ottimizzazione di forma introdotti nel Capitolo precedente, basato sullapproccio ottimizza
e discretizza [26]; disponendo del sistema di ottimalit`a - costituito ad esempio, nel caso
della minimizzazione del drag, dalle relazioni (4.49)-(4.51) - a partire da una forma iniziale

0
la soluzione pu`o essere calcolata iterando le seguenti istruzioni, scritte per il generico
passo n-esimo:
1. risolvere il problema di stato denito sul dominio
(n)
, costituito dal sistema di Navier-
Stokes stazionario, ricavando le grandezze di stato (u
(n)
, p
(n)
);
2. risolvere il problema aggiunto e ricavare le variabili aggiunte (z
(n)
, q
(n)
);
3. valutare il funzionale costo (
(n)
) e calcolare lo shape gradient d(
(n)
);
4. calcolare la variazione della forma a partire da d(
(n)
) e operare la deformazione
per ricavare la nuova forma
(n+1)
= T
t
(
(n)
), modicando il contorno e ricostruendo
o adattando la griglia di calcolo,
no al soddisfacimento di un opportuno criterio di arresto; si pu`o ad esempio terminare
lalgoritmo quando la norma del gradiente del funzionale [[(
(n)
)[[ `e minore di una
tolleranza ssata, o dopo che sono state eseguite un numero suciente di iterazioni. Le
prossime sezioni saranno dedicate allapprofondimento di tutti gli aspetti coinvolti nel cal-
colo della soluzione; nella Figura 5.1 viene mostrato lo schema generale per un problema di
controllo del usso basato sullottimizzazione di forma.
5. Tecniche di approssimazione numerica in Shape Optimization 69
Figura 5.1: Schema iterativo per la soluzione di problemi di ottimizzazione di forma.
5.2 Soluzione numerica delle equazioni di stato e aggiunta
La soluzione del problema di stato e del problema aggiunto viene determinata con tecniche
di tipo Galerkin-elementi niti, delle quali richiamiamo in questa sezione gli aspetti salien-
ti sfruttando notazioni e risultati presentati in [46]; ulteriori approfondimenti si possono
trovare in [23]. Oltre alla descrizione dellapprossimazione di Galerkin del problema di
Navier-Stokes, vengono sinteticamente richiamati il metodo di punto sso e di Newton per
la risoluzione iterativa del problema di stato. Per il trattamento del problema aggiunto `e
possibile sfruttare le usuali tecniche per problemi lineari di diusione e trasporto, su cui
preferiamo non soermarci ma rimandare a [46] per unanalisi esaustiva.
5. Tecniche di approssimazione numerica in Shape Optimization 70
5.2.1 Approssimazione di Galerkin-elementi niti
Unapprossimazione delle equazioni di Navier-Stokes espresse nella forma (4.4) pu`o essere
ottenuta applicando un metodo di Galerkin alla formulazione variazionale (4.8); secondo
lusuale notazione, considerando due spazi a elementi niti V
h
V , Q
h
Q che soddisno
la condizione inf-sup discreta
inf
q
h
Q
h
sup
v
h
V
h
b(v
h
, q
h
)
[[v
h
[[[[q
h
[[

h
> 0,
h
per h 0, (5.3)
lapprossimazione di Galerkin del problema di stato si traduce nella ricerca di (u
h
, p
h
)
V
h
Q
h
, con u
h
= u
h,g
su
D
tale che
_
a(u
h
, v
h
) +c(u
h
, u
h
, v
h
) +b(v
h
, p
h
) = F(v
h
) v
h
V
h,0
b(u
h
, q
h
) = 0 q
h
Q
h
.
(5.4)
e in modo analogo si procede nel caso dellequazione aggiunta (che risulta lineare in en-
trambe le variabili z e q e dipende dalle variabili di stato mediante il termine c

(u, , z) :=
c(, u, z)+c(u, , z)). Per la discretizzazione di entrambi i problemi `e stata scelta la coppia
di elementi niti (P
2
P
1
) con pressione continua, che risulta stabile e soddisfa la condizione
(5.3); gli spazi V = [H
1
()]
2
e Q = L
2
() vengono approssimati rispettivamente mediante
la coppia di spazi a elementi niti (V
h
, Q
h
) = ([X
2
h
]
2
, X
1
h
), dove
X
r
h
= v C
0
(), v[
K
P
r
(K) K T
h

e T
h
denota al solito la triangolazione del dominio . Poiche nel corso dellottimizzazione il
dominio viene deformato, gli spazi a elementi niti variano di conseguenza e si ha dunque
a che fare con una famiglia di spazi dipendente da due parametri, V
(n)
h
= V
h
(
(n)
), Q
(n)
h
=
Q
h
(
(n)
), la cui dimensione varia nel momento in cui si opera un remeshing della griglia di
calcolo e non solo uno spostamento dei nodi; come si vedr`a in seguito, questo fatto comporta
alcune ricadute sullimplementazione degli algoritmi.
Per quanto riguarda la stabilit` a dellapprossimazione di Galerkin, analogamente al caso
continuo (diseguaglianze di energia) si ha che
[[u
h
[[
1

C
K
[[F[[
H
1, [[p
h
[[
1

h
[[F[[
H
1 +

C
K
[[u
h
[[ +

C[[u
h
[[
2
;
quanto alla convergenza, `e possibile mostrare che per ogni w
h
V
h,div
si ha
[[(u u
h
)[[
2

C[[F[[
H
1

C
2
K
[[(u u
h
)[[ +

C
K
[[p q
h
[[ +[[(u w
h
)[[
dove V
h,div
= v
h
V
h
, b(v
h
, q
h
) = 0 q
h
Q
h
e `e la costante di continuit`a della forma
b(, ); nellipotesi in cui 2

C[[F[[
H
1/

C
2
K
< 1 (piccolezza dei dati) si ha che
[[(u u
h
)[[ C
1
inf
w
h
V
h,div
[[(u w
h
)[[ +C
2
inf
q
h
Q
h
[[p q
h
[[.
Inoltre, dal momento che gli spazi (V
h
, Q
h
) soddisfano la condizione inf-sup, risulta
inf
w
h
V
h,div
[[(u w
h
)[[
_
1 +

h
_
inf
v
h
V
h
[[(u v
h
)[[
5. Tecniche di approssimazione numerica in Shape Optimization 71
e valendo la seguente stima per la pressione
[[p p
h
[[
_
1 +

h
_
inf
q
h
Q
h
[[p q
h
[[ +
1 +

C
K

h
[[(u u
h
)[[
si pu`o concludere che, se 2

C[[F[[
H
1 <

C
2
K
, vale la seguente stima di convergenza:
[[(u u
h
)[[ +[[p p
h
[[ C
1
inf
v
h
V
h
[[(u v
h
)[[ +C
2
inf
q
h
Q
h
[[p q
h
[[. (5.5)
Espandendo la soluzione su unopportuna base ed esprimendo
u
h
(x) =
N
u

j=1
u
j

j
(x), p
h
(x) =
N
p

j=1
p
k

k
(x),
se prendiamo come funzioni test v
h
=
i
e q
h
=
l
otteniamo il seguente sistema algebrico
non lineare con N
u
+N
p
incognite:
_
AU+^(U) +B
T
P = F
BU = 0
(5.6)
dove A
ij
= a(
j
,
i
), B
li
= b(
i
,
l
), F
i
= F(
i
) e ^(U) =

s,j
u
s
u
j
c(
s
,
j
,
i
). Nella
prossima sezione presentiamo sinteticamente due possibili approcci per la soluzione del
sistema (5.6): il metodo di punto sso e il metodo di Newton.
5.2.2 Metodi iterativi per la soluzione del sistema di Navier-Stokes
Le equazioni di Navier-Stokes sono un problema di diusione e trasporto con in pi` u il
vincolo di incomprimibilit`a: immaginando che sia dato il campo di trasporto w a divergenza
nulla, si ottiene il seguente problema (problema di Oseen
1
lineare) in forma debole: trovare
u [H
1
()]
2
: u = u
g
su
D
, p L
2
():
_
a(u, ) +b(p, ) +c(w, u, ) = F() V
0
()
b(, u) = 0 L
2
().
(5.7)
Dal momento che questo problema `e ben posto e ammette una soluzione unica per ogni
termine forzante f [H
1
()]
2
e per ogni w V = [H
1
()]
2
a divergenza nulla, si pu`o
denire un operatore T : V V che a ogni w V associa la soluzione u del problema
(5.8): la soluzione del problema di Navier-Stokes corrisponde dunque a un punto sso di T.
Sotto lipotesi di piccolezza dei dati, si pu`o dimostrare che loperatore T ha un solo punto
sso e risulta contrattivo: dunque, qualunque sia il dato di partenza, le iterazioni di punto
sso
u
k+1
= Tu
k
convergono allunica soluzione del problema di Navier-Stokes di partenza. Il metodo di
punto sso si pu`o dunque formulare come segue: dato u
0
[H
1
()]
2
, u
0
= u
g
su
D
, per
k = 1, 2, . . ., trovare (u
k
, p
k
) [H
1
()]
2
L
2
(), con u
k
= u
g
su
D
tali che
_
a(u
k
, ) +b(p
k
, ) +c(u
k1
, u
k
, ) = F() V
0
()
b(, u
k
) = 0 L
2
().
(5.8)
1
Come gi` a in precedenza, anche nel seguito ci riferiremo al problema di Oseen come al problema ottenuto
linearizzando le equazioni di Navier-Stokes; rispetto a questo problema, dalla linearizzazione si origina anche
il termine c(v, w, ).
5. Tecniche di approssimazione numerica in Shape Optimization 72
Il metodo di Newton si ottiene invece applicando lanalogo continuo del metodo di Newton
per la risoluzione di un sistema di equazioni non lineari al sistema di Navier-Stokes; ogni
iterazione del metodo corrisponde a un problema di Oseen, ottenuto dalla linearizzazione
delle equazioni di Navier-Stokes, con velocit`a di trasporto data dalla velocit`a u
k1
calcolata
al passo precedente. La formulazione debole del metodo di Newton si traduce, dato u
0

[H
1
()]
2
, u
0
= u
g
su
D
, nella ricerca, per k = 1, 2, . . ., di (u
k
, p
k
) [H
1
()]
2
L
2
(),
con u
k
= u
g
su
D
, tali che
_
a(u
k
, ) +b(p
k
, ) +c

(u
k1
, u
k
, ) = F() +c(u
k1
, u
k1
, ) V
0
()
b(, u
k
) = 0 L
2
().
(5.9)
Lalgoritmo basato su uno dei due metodi descritti consiste dunque nei seguenti passi:
inizializzazione: risoluzione del problema di Stokes per determinare (u
0
, p
0
);
iterazione: a partire dalla velocit`a u
k1
, risoluzione del problema (5.8) o (5.9) per deter-
minare (u
k
, p
k
);
criterio di arresto: calcolo delle norme [[u
k
u
k1
[[
[H
1
()]
2 e [[p
k
p
k1
[[
L
2
()
e confronto
con una tolleranza ssata:
[[u
k
u
k1
[[
[H
1
()]
2
[[u
0
[[
[H
1
()]
2
+
[[p
k
p
k1
[[
L
2
()
[[p
0
[[
L
2
()
;
se il criterio `e soddisfatto si considera come soluzione (u
k
, p
k
), altrimenti si pone
u
k1
= u
k
, p
k1
= p
k
e si compie una nuova iterazione.
Un criterio di arresto alternativo consiste nel controllare [[(u
k+1
u
k
)[[ ; la convergenza
del metodo di punto sso `e lineare, mentre la successione u
k
generata dal metodo di
Newton converge quadraticamente a patto che u
0
sia sucientemente vicino a u. Ulteriori
dettagli sullimplementazione di questi metodi verranno discussi nella Sezione 5.4.
5.2.3 Tecniche di stabilizzazione per ussi ad alto numero di Reynolds
Nel caso di un usso ad alto numero di Reynolds (Re 1) il termine diusivo `e trascurabile
rispetto a quello convettivo e siamo in regime di trasporto dominante: per quanto riguarda
lapprossimazione numerica del problema, `e quindi opportuno utilizzare tecniche adatte a
problemi di diusione e trasporto in regime di trasporto dominante. Accenniamo breve-
mente alla struttura di alcune tecniche di stabilizzazione fortemente consistenti (GALS,
Galerkin / Least Squares e SUPG, Stremaline Upwind / Petrov-Galerkin) per i problemi di
Navier-Stokes e di Oseen, rimandando a [46] per unanalisi approfondita.
Ricaviamo innanzitutto la formulazione SUPG per il problema di Oseen lineare (5.8), la cui
forma forte `e data da:
L
(w)
(u, p) = f , L
(w)
=
_

1
Re
u +w u +p
divu
_
;
scomponendo loperatore L
(w)
= L
(w)
s
+ L
(w)
ss
nelle sue parti simmetrica e antisimmetrica,
la formulazione SUPG si traduce nella ricerca di (u
h
, p
h
) V
h
Q
h
tali che, (v
h
, q
h
)
V
h,0
Q
h
,
a(u
h
, v
h
) +c(w, u
h
, v
h
) +b(p
h
, v
h
) b(q
h
, u
h
)+

KT
h

K
(L
(w)
(u
h
, p
h
) f , L
(w)
ss
(v
h
, q
h
))
K
= F(v
h
). (5.10)
5. Tecniche di approssimazione numerica in Shape Optimization 73
Il termine di stabilizzazione `e dato in questo caso da

KT
h

K
(L
(w)
(u, p) f , L
(w)
ss
(v, q))
K
=
=

KT
h

K
_
K
_

1
Re
u +w u +p f
_
(w v +q) +

KT
h

K
_
K
divu divv.
Nel caso delle equazioni di Navier-Stokes, in modo analogo a quanto appena scritto, si
ottiene la seguente formulazione SUPG: (v
h
, q
h
) V
h,0
Q
h
,
a(u
h
, v
h
) +c(u
h
, u
h
, v
h
) +b(p
h
, v
h
) b(q
h
, u
h
) +

KT
h

K
_
K
divu
h
divv
h
+

KT
h

K
_
K
_

1
Re
u
h
+u
h
u
h
+p
h
f
_
(u
h
v
h
+q
h
) = F(v
h
).
che pu`o essere risolta utilizzando i metodi di punto sso o di Newton; si procede allo stesso
modo per la stabilizzazione del problema aggiunto. Per la scelta ottimale del parametro
K
`e possibile introdurre il numero di Reynolds locale Re
loc
K
= u
K
h
K
/ dove u
K
`e la media
di u sul K-esimo elemento, analogamente al numero di Peclet denito per i problemi di
diusione e trasporto; nel caso di variabili adimensionali, si ha Re
loc
K
= u
K
h
K
Re. Poiche
il campo di trasporto `e variabile (e incognito), si possono avere regioni del dominio con
Re
loc
< 1 e regioni con Re
loc
> 1: la stabilizzazione dovrebbe idealmente agire soltanto in
queste ultime; una scelta ottimale `e data da

K
=
h
K
u
K
min1, Re
loc
K
.
5.3 Algoritmi di massima discesa per la Shape optimization
Rispetto ai problemi di controllo ottimale in cui si esercita un controllo sulle variabili che
gurano nel problema - condizioni al contorno, termini forzanti o coecienti - limplemen-
tazione di un algoritmo di ottimizzazione nel caso di un problema di Optimal shape design
risulta decisamente pi` u complessa: nellottica in cui si voglia impiegare un metodo di tipo
steepest descent, occorre infatti esprimere in maniera appropriata la deformazione del do-
minio in funzione dello shape gradient del funzionale che si intende minimizzare. Prenderemo
in considerazione due tecniche - tra le numerose disponibili - per arontare la questione:
la prima permette di formulare una versione del metodo di massima discesa per
problemi di Shape optimization e lega il campo di spostamento applicato alla for-
ma direttamente allespressione dello shape gradient, sfruttando in maniera puntuale
linformazione contenuta in esso;
la seconda sfrutta questinformazione in maniera globale; parametrizzando la forma
del corpo che si vuole ottimizzare con una o pi` u curve di Bezier, si agisce direttamente
sui punti di controllo che individuano la/e curva/e, aggiornandone il valore in funzione
dellespressione della derivata del funzionale costo rispetto alle coordinate dei punti
di controllo.
5. Tecniche di approssimazione numerica in Shape Optimization 74
5.3.1 Ottimizzazione di forma mediante boundary variation
Formuliamo ora una versione del metodo di massima discesa che permetta di trovare una
soluzione

del problema di ottimizzazione di forma
(

) = min
O
ad
();
per far ci`o, `e necessario specicare quali siano le direzioni ammissibili che possano com-
portare una riduzione del valore del funzionale : in particolare, possiamo pensare che
un campo vettoriale V : R
2
R
2
sia una direzione di discesa ammissibile per se
d(; V) < 0. Una volta individuata una direzione di discesa, occorrerebbe teoricamente
trovare il minimo del funzionale costo lungo di essa: dal momento che ci`o non si pu`o fare
in maniera esatta, ci si limita a individuare un passo lungo la direzione di discesa tale da
ottenere un valore del funzionale inferiore a quello iniziale. Ad esempio, le condizioni di
Wolfe [39] permettono di identicare linsieme di passi ammissibili /(; , V) denito, per
ogni e per ogni V, come
/(; , V) =
_
R :
( +V) () + d(; 1)
d( +V; V) d(; 1)
_
dove 0 < < < 1 e +V := y R
2
: y = x +V(x), x .
Un modo piuttosto generale per individuare una direzione ammissibile sfrutta limportante
risultato contenuto nel Teorema di struttura 3.2, in base al quale la derivata Euleriana di
un funzionale di forma ammette sempre una rappresentazione della forma
d(; V) = G, V)

(5.11)
dove , )

indica una forma di dualit`a su e G `e il rappresentante di Riesz della shape

derivative d(; V). Indicando con V () uno spazio di Hilbert denito su e introducendo
una forma bilineare continua e coerciva b

(, ) : V V R su = , la soluzione V del
seguente problema:
b

(V, W) =
_

GV W V () (5.12)
risulta automaticamente una direzione di discesa ammissibile grazie alla coercivit`a della
forma b

(, ), si ha infatti che
0 < [[V[[
2
V ()
b

(V, V) =
_

GV = d(; V)
ovvero d(; V) < 0. Una scelta possibile per la forma b

(, ) prevede di considerare la
forma bilineare associata alloperatore di Laplace-Beltrami su , dato da

h = div

h)
h H
2
() (si vedano [52, 20]) oppure la forma denita dal prodotto scalare in H
1
():
, )
H
1
()
=
_

( +

) d.
Assumendo di poter valutare in maniera esatta il funzionale e il suo gradiente, una versione
dellalgoritmo di steepest descent per problemi di ottimizzazione di forma pu`o dunque essere
espressa come segue; a partire da un dominio iniziale
(0)
, si iterano no a convergenza le
seguenti istruzioni:
5. Tecniche di approssimazione numerica in Shape Optimization 75
(1) Calcolare il gradiente G
(n)
= (
(n)
) associato alla shape derivative d(
(n)
; V)
dopo aver risolto i problemi di stato e aggiunto;
(2) Calcolare la direzione di ricerca V
(n)
risolvendo il problema (5.12) e determinare un
passo ammissibile
(n)
/(;
(n)
, V
(n)
);
(3) Aggiornare il dominio
(n+1)
=
(n)
+
(n)
V
(n)
.
La tecnica appena descritta, che pu`o essere interpretata come una forma di gradient reg-
ularization, permette di introdurre una struttura Hilbertiana sulle variazioni della forma.
Rispetto a quanto esposto sino a questo punto, nellalgoritmo implementato sono presenti
due aspetti dierenti, che occorre precisare:
(a) avendo usato lapproccio ottimizza e discretizza, le soluzioni dei problemi di stato e
aggiunto che intervengono nella valutazione del funzionale e della sua shape derivative
sono (u
h
, p
h
), (z
h
, q
h
). Di conseguenza, le quantit`a calcolate (con ulteriori tecniche di
approssimazione) sono
h
() := (u
h
, z
h
) e
h
:= (u
h
, z
h
);
(b) in base alla tecnica proposta da G. Allaire [?, 4], invece della struttura indotta dal
prodotto scalare in H
1
() per lindividuazione di una direzione ammissibile `e possibile
scegliere V [H
1
()]
2
come soluzione del seguente problema:
b(V, W)
_

(V : W+V W) d =
_

body

V d W V (), (5.13)
ossia dotare lo spazio delle variazioni di forma della struttura indotta dal prodotto
scalare in [H
1
()]
2
, con riferimento alle formulazioni (4.24)-(4.48) per lespressione
dello shape gradient:
d

(; V ) =
_

body

Vd.
La ragione di questultima scelta `e duplice: oltre che essere di pi` u semplice implementazione
rispetto a (5.12), la tecnica basata sul problema (5.13) permette di ricavare un campo
di spostamento denito sullintero dominio mediante il quale `e possibile eettuare la
deformazione spostando i nodi della griglia di calcolo (si veda la Sezione 5.4). Dopo aver
calcolato lo shape gradient, occorre quindi risolvere il problema (5.13), che in forma forte si
riduce alla ricerca di V [H
1
()]
2
tale che
_
_
_
V+V = 0 in
V = 0 su
body
V n =

su
body
e pu`o dunque essere interpretato come lazione di una mappa Neumann to Dirichlet L :
H
1/2
(
body
) H
1/2
(
body
).
5. Tecniche di approssimazione numerica in Shape Optimization 76
5.3.2 Ottimizzazione di forma mediante parametrizzazione di Bezier
Una strategia pi` u semplice per arontare un problema di Optimal shape design prevede [25,
26, 31, 32] di descrivere la geometria attraverso un insieme di parametri (design parameters),
che ad esempio possono essere i pesi
i
applicati a un insieme di funzioni di forma b
i
(x) in
modo da rappresentare la forma come
f(x) =
n

i=1

i
b
i
(x);
considerando inoltre il funzionale costo = (
1
, . . . ,
n
) espresso in funzione dei parametri

i
, le sensitivit`a /
i
possono essere espresse operando una piccola variazione
i
come

(
i
+
i
) (
i
)

i
.
In base a quanto visto nel paragrafo 5.1.1, il gradiente / pu`o essere usato per deter-
minare una direzione di discesa, ottenendo la procedura di aggiornamento

(k+1)
=
(k)
.
Come vedremo tra breve, in un particolare caso di parametrizzazione `e possibile calcolare
lespressione delle sensitivit`a direttamente dallo shape gradient. A dierenza del metodo
descritto nel paragrafo precedente, descriviamo dunque la forma del corpo B esplicitamente,
parametrizzandone il contorno
body
con due curve piane di Bezier; questa scelta permette
di soddisfare contemporaneamente unesigenza di riduzione dimensionale dato il numero
piuttosto limitato di punti di controllo e un requisito di regolarit`a, dal momento che le
curve piane generate con questo metodo risultano automaticamente lisce. Questa strategia
permette inoltre di aggiornare la forma a ogni iterazione in maniera semplice, evitando di
risolvere un problema dierenziale per determinare il campo di spostamento V.
Una curva di Bezier di grado n `e una curva continua e regolare denita mediante le ascisse
e le ordinate di n + 1 punti di controllo X
i
= (x
i
, y
i
), i = 0, . . . , n come
s r(s) = (x(s), y(s)), s [0, 1] : r(s) =
n

i=0
X
i
B
i
n
(s) (5.14)
dove B
i
n
(s)
n
i=0
`e la seguente famiglia di polinomi (polinomi di Bernstein):
B
i
n
(s) =
_
n
i
_
s
i
(1 s)
ni
.
La curva interpola il punto iniziale X
0
e il punto nale X
n
e giace completamente allinter-
no dellinviluppo convesso dei suoi punti di controllo (o poligono di controllo); `e possibile
mostrare che per n il poligono di controllo converge verso larco di curva e si pu`o
dunque pensare a un generico arco di curva di Bezier come al limite dei poligoni di con-
trollo ottenuti aumentando il grado n. Viceversa, un poligono di controllo molto irregolare
denota uno stadio poco avanzato in questa convergenza: `e possibile, sulla base di questo
fatto, costruire [7] delle procedure di auto-adattamento della parametrizzazione del corpo
di cui si vuole minimizzare la forma, a cui accenneremo brevemente nel seguito.
5. Tecniche di approssimazione numerica in Shape Optimization 77
Per riprodurre un prolo come quello della sezione longitudinale del bulbo, individuiamo
due curve di Bezier - una per il lato superiore e una per quello inferiore - ssando sullasse
x del riferimento il primo e lultimo punto di controllo e collocando sullasse y i primi due
punti di controllo di ciascun ramo, in modo da forzare la curva ad avere tangente verticale
nellorigine e riprodurre il naso arrotondato tipico in corpi per i quali si intende minimizzare
la resistenza [14].
`
E possibile ricavare [13] unespressione per la derivata del funzionale costo
() rispetto alle coordinate dei punti di controllo a partire dallespressione
d(), V) =
_

body
g()V n d
dove
body
=
body
(s) = r
up
(s) r
down
(s), s [0, 1] e in base al Teorema di struttura
() = g()n; esprimendo il dominio = (X) in funzione del vettore X dei punti di
controllo della curva e indicando con
t
= (X + tZ) il dominio individuato dalla curva
costruita con i punti di controllo X
i
+tZ
i
, `e possibile identicare il campo di spostamento
V(s) =

n
i=0
Z
i
B
i
n
(s) con cui costruire + tV a partire da . Si ricava dunque [13] la
seguente espressione per la derivata Euleriana del funzionale costo:
d(; V) =
_
1
0
n

i,j=0
g(s)[Z
1
j
B
j
n
(s)Y
i
(B
i
n
)

(s) Z
2
j
B
j
n
(s)X
i
(B
i
n
)

(s)]ds; (5.15)
dove X
i
= (X
i
, Y
i
) e Z
i
= (Z
1
i
, Z
2
i
). Ponendo
a
ij
=
_
1
0
g(s)B
j
n
(s)(B
i
n
)

(s)ds
si ha che la derivata del funzionale costo rispetto alle ascisse X
j
e alle ordinate Y
j
dei punti
di controllo della curva `e data da

X
j
=
n

i=0
a
ij
Y
i
,

Y
j
=
n

i=0
a
ij
X
i
.
Sfruttando questa espressione e considerando ssate le ascisse dei punti di controllo, `e
possibile implementare un algoritmo di massima discesa che al k-esimo passo aggiorni le
ordinate dei punti di controllo X
(k)
i
= (X
(k)
i
, Y
(k)
i
), i = 0, . . . , n in base alla relazione
Y
(k+1)
i
= Y
(k)
i

k
_

Y
i
(X
(k)
0
, . . . , X
(k)
n
)
_
dove il passo
k
pu`o essere sso o variabile (si veda la Sezione 5.4). Sebbene risulti di pi` u
facile implementazione rispetto alla tecnica di boundary variation, il metodo basato sulla
parametrizzazione di Bezier presuppone che a ogni iterazione della procedura di ottimiz-
zazione si operi un remeshing, variando lespressione analitica del contorno
body
. A partire
dalla struttura appena descritta, `e possibile apportare alcuni miglioramenti introducendo
una dierente parametrizzazione del contorno
body
o ulteriori criteri di ottimizzazione di
natura geometrica; in particolare:
in una curva di Bezier non `e possibile operare un controllo locale poiche modicando
un punto di controllo si modica tutta la curva; le B-splines presentano gli stessi pregi
delle curve di Bezier ma permettono di ovviare a questo comportamento. La loro
5. Tecniche di approssimazione numerica in Shape Optimization 78
espressione formale `e analoga alla (5.14) ma vi compare una famiglia di polinomi pi` u
generale (i polinomi di Bernstein sono un particolare tipo di B-splines) e lordine della
curva `e separato dal numero dei punti di controllo. Per maggiori dettagli si rimanda
a [17, 47];
allottimizzazione eettuata considerando ssate le ascisse dei punti di controllo (pri-
mary optimization) si pu`o far seguire una secondary optimization con lobiettivo di
regolarizzare il poligono di controllo che denisce la congurazione ottima ottenuta
con la primary optimization. Per far ci`o, si pu`o minimizzare la variazione totale delle
ordinate dei punti di controllo data da TV (x
0
, . . . , x
n
) =

n
i=1
[y
i
y
i1
[ con il vincolo
di miglior approssimazione (espresso nel senso dei minimi quadrati) della nuova curva
rispetto a quella gi`a ottenuta [7, 14]. Inne, `e possibile operare una terza e ultima
fase di ottimizzazione, facendo variare le ascisse dei punti di controllo tenendo sse
le ordinate e minimizzando il funzionale costo.
Tuttavia, dal momento che limplementazione dei metodi di risoluzione per i problemi di
Optimal shape design considerati presenta gi`a numerose criticit`a e quella delle tecniche
di miglioramento descritte sopra comporta dicolt`a aggiuntive, si `e deciso di trascurare
lintroduzione di ulteriori criteri di ottimizzazione.
5.4 Dettagli implementativi
Presentiamo in questa sezione alcuni dettagli legati allimplementazione degli algoritmi di
ottimizzazione numerica, rimandando alla sezione successiva per il commento dei metodi
messi a disposizione dalla libreria FreeFem++ usata per compiere le simulazioni numeriche.
Regolarizzazione della mesh
I proli ottenuti mediante procedure di ottimizzazione numerica basate su una variazione del
contorno (boundary variation) potrebbero presentare oscillazioni o irregolarit`a: per evitare
questo problema si pu`o ad esempio introdurre una penalizzazione del funzionale costo espres-
sa in funzione del perimetro della forma che si intende ottimizzare; una soluzione alternativa,
che `e stata implementata nel codice, prevede di introdurre una procedura che regolarizzi
in maniera diretta la forma a ogni iterazione. Per soddisfare questa esigenza, si introucono
due dieremti mesh per rappresentare il dominio di calcolo : a ogni iterazione n n + 1
viene impiegata una griglia ne S
(n)
h
per i calcoli a elementi niti e la determinazione della
direzione di discesa V
(n)
; parallelamente, una griglia coarse T
(n)
h
viene usata per eettuare
la deformazione (interpolando su di essa il campo di spostamento V
(n)
) e originare la nuova
mesh T
(n+1)
h
, dalla quale costruire la nuova griglia ne S
(n+1)
h
con una procedura di adatta-
mento, sulla base del campo di velocit`a u
(n)
calcolato alliterazione precedente. Lo schema
riportato nella Figura 5.2 riassume le istruzioni relative a queste operazioni.
La presenza di due dierenti griglie rende necessaria lintroduzione di due dierenti spazi
funzionali e linterpolazione dei campi deniti su ciascuna, in modo da poter eettuare lo
spostamento dei nodi di griglia e compiere la mesh adaptation. Da questo punto di vista,
la procedura basata sulla parametrizzazione con curve di Bezier risulta pi` u vantaggiosa,
dal momento che le curve generate a ogni iterazione sono per costruzione regolari e non
presentano i difetti sopra citati.
5. Tecniche di approssimazione numerica in Shape Optimization 79
Figura 5.2: Trattamento della griglia ne e della griglia coarse.
Trattamento dello shape gradient
Il campo di spostamento presenta solitamente delle singolarit`a in prossimit`a di angoli con-
tenuti nella forma da ottimizzare o in corrispondenza a cambiamenti del tipo di condizione
al contorno: da un punto di vista numerico ci`o induce forti oscillazioni della forma e
potrebbe generare mesh non conformi; per superare questo problema `e possibile assegnare
arbitrariamente un valore nullo allo shape gradient in un intorno degli angoli.
Vincoli geometrici sulle forme dei proli
In numerosi problemi di Shape optimization e in particolare nei casi che sono stati esaminati
viene introdotto un vincolo sul volume dei domini ammissibili; nel caso in cui si richieda che
esso risulti costante, `e possibile formulare il problema di minimo vincolato per il funzionale
costo () in modo equivalente come problema di minimizzazione libera per il funzionale

() = () + V (), dove V () = [[ e `e un moltiplicatore di Lagrange. Da un

punto di vista numerico, il valore del moltiplicatore pu`o essere aggiornato a ogni iterazione
[3, 4] in modo che la forma soddis il vincolo quando lalgoritmo converge; invece che
imporre il soddisfacimento esatto del vincolo durante le iterazioni, si aggiorna il valore
del moltiplicatore aumentandolo se il volume della forma corrente `e maggiore del volume
richiesto (target volume) e riducendolo in caso contrario. Dal momento che questa procedura
pu`o comportare oscillazioni nel volume della forma, si rilassa il vincolo con il valore del
moltiplicatore calcolato assumendo soddisfatta la condizione di ottimalit`a, nel senso della
media sul contorno
body
:
d() +dV () = 0 =
_

body
g()d
_

body
d
e si aggiorna il valore del moltiplicatore in base alla relazione
n+1
= (
n
+)/2+
l
(V V
0
)
dove
l
> 0 `e un numero reale sucientemente piccolo.
Scelta dei passi di discesa e aggiornamento
La scelta del passo di discesa
(n)
nel metodo basato sullo spostamento del contorno e del
passo
(k)
per laggiornamento delle ordinate dei punti di controllo delle curve di Bezier non
`e semplice: un valore troppo grande comporta linstabilit`a dellalgoritmo, mentre un valore
eccessivamente piccolo abbatte sensibilmente la velocit`a di convergenza.
5. Tecniche di approssimazione numerica in Shape Optimization 80
Per quanto riguarda il passo di discesa
(n)
, `e possibile eettare la scelta confrontando a
ogni iterazione la direzione di discesa corrente V
(n)
con la direzione precedente V
(n1)
: se
il prodotto scalare V
(n)
, V
(n1)
)
H
1
()
`e negativo si ha un segnale di possibile instabilit`a
dellalgoritmo; in questo caso si riduce il valore del passo e si inizializza literazione successiva
con la forma
(n1)
. Viceversa, se le direzioni V
(n)
e V
(n1)
sono molto vicine (il loro
prodotto scalare `e positivo) si aumenta il valore del passo
(n)
. Un ulteriore controllo sul
valore del passo viene eettuato per evitare che la mesh perda la sua conformit`a:
(n)
viene
diminuito nel caso in cui si possano ottenere triangoli con area negativa (si veda anche il
paragrafo 5.5.2).
Il valore del passo
(k)
non viene invece aggiornato, ma viene scelto pari a un valore costante
allinizio dellalgoritmo; nel caso di ussi ad alto numero di Reynolds, dal momento
che lo shape gradient pu`o presentare instabilit`a, il valore viene ridotto in funzione del
valore medio del gradiente calcolato su
body
: in presenza di alti gradienti del funzionale si
diminuisce il passo di aggiornamento dei punti di controllo della curva.
Criterio di arresto
Un tipico criterio di arresto per gli algoritmi di ottimizzazione numerica descritti in prece-
denza si basa sul controllo della derivata d(): dal momento che la condizione di ottimalit`a
al primo ordine stabilisce che in corrispondenza di un minimo (o di un massimo) si annulla
il gradiente (), si pu`o decidere di terminare la procedura quando la derivata d()
isulti minore di una tolleranza ssata, in una norma opportuna: ad esempio, quando
[[

[[
L
2
(
body
)
< .
Tuttavia, a causa degli errori di discretizzazione, pu`o capitare di non riuscire a ottenere
norme molto piccole e questo criterio pu`o dunque non essere soddisfatto: ci`o accade fre-
quentemente nel caso del metodo basato sulle curve di Bezier (in cui una fonte di errore
`e costituita dal fatto che gli integrali a
ij
che compaiono nel calcolo della derivata di
rispetto alle coordinate dei punti di controllo sono calcolati numericamente con la formula
dei trapezi ) e anche nel metodo basato sullo spostamento del contorno, soprattutto per
ussi ad alto numero di Reynolds. Una prassi piuttosto consolidata in problemi di Optimal
shape design prevede di non usare un criterio di convergenza per arrestare lalgoritmo, ma
di ssare a priori il numero di iterazioni da eseguire
2
; nel caso in cui questo non risultasse
suciente, `e possibile ricominciare la procedura usando lultima forma ottenuta come guess
iniziale.
5.5 Strutture e algoritmi nei codici FreeFem++
Come risulta chiaro dallanalisi delle sezioni precedenti, un elemento fondamentale nella
risoluzione dei problemi di Optimal shape design `e la necessit`a di dover risolvere pi` u volte
i problemi di stato e aggiunto, modicare la forma del dominio di calcolo (ricostruendo o
adattando la griglia) e interpolare dati su griglie dierenti: `e pertanto auspicabile che il
codice di calcolo ora una adeguata essibilit`a nel trattamento delle griglie.
Riuscendo a soddisfare queste esigenze, la libreria FreeFem++ [28] costituisce uno strumen-
to molto versatile per problemi di modellistica numerica in generale e piuttosto potente per
2
Verranno indicati, nella presentazione delle simulazioni eettuate, i casi in cui si riesca a soddisfare un
criterio di arresto basato sulla norma del gradiente.
5. Tecniche di approssimazione numerica in Shape Optimization 81
la risoluzione di problemi di controllo ottimale e Shape optimization. Nel progetto svilup-
pato in questa Tesi, FreeFem++ `e stata usata per eseguire tutte le fasi delle simulazioni
numeriche: la generazione delle griglie di calcolo, la risoluzione dei problemi dierenziali,
limplementazione dellalgoritmo di ottimizzazione e il post-processing dei dati.
Nellesecuzione di un calcolo a elementi niti `e possibile distinguere alcune macro-fasi, che
corrispondono ad altrettante fasi di codica [45]: a una prima fase di pre-processing, in cui
si imposta il problema e si costruisce la griglia di calcolo, segue una fase di assemblaggio, in
cui le strutture dati geometriche vengono tradotte nelle corrispondenti strutture funzionali e
si costruisce la matrice del sistema lineare associato al problema discretizzato. La terza fase
consiste nella risoluzione del sistema algebrico, mentre lultima prevede il post-processing
dei dati numerici generati dal codice e la visualizzazione della soluzione calcolata. Alle
fasi appena descritte vanno aggiunte a un livello pi` u esterno le varie fasi del processo
iterativo di ottimizzazione: la risoluzione del problema di stato, del problema aggiunto,
la stima del funzionale costo, del suo gradiente e laggiornamento della forma, in base al
diagramma 5.1.
5.5.1 Soluzione dei problemi a derivate parziali
La libreria FreeFem++, sviluppata presso lINRIA di Parigi, `e un ambiente di sviluppo inte-
grato (IDE, Integrated Development Environment) di alto livello per la risoluzione numerica
di equazioni a derivate parziali. Si tratta di un codice open-source scritto in linguaggio C++
che implementa tutte le strutture e gli strumenti necessari per risolvere problemi dieren-
ziali con elementi niti in opportuni spazi funzionali, su griglie arbitrarie, non strutturate e
adattate; nel codice `e compreso anche un generatore di griglie automatico piuttosto avanza-
to, in grado di operare ladattamento di griglia a posteriori (si veda il paragrafo successivo).
La libreria permette di risolvere problemi ellittici in modo rapido ed eciente, sfruttando
vari metodi per la soluzione dei sistemi lineari; inoltre essa fornisce grazie al suo alto
livello la possibilit`a di implementare algoritmi iterativi per la soluzione di problemi non
lineari, problemi iperbolici o parabolici.
Dopo aver costruito la griglia di calcolo mediante la denizione del contorno (comando
border), vengono dichiarati gli spazi funzionali sulla mesh (nel nostro caso con i comandi
fespace Vh(Th,P2) e fespace Qh(Th,P1)); esternamente al ciclo di ottimizzazione ven-
gono deniti il problema di stato e il problema aggiunto in forma variazionale - utilizzando
le classi problem o varf, le classi int2d e int1d per la scrittura degli integrali e il coman-
do on() per il trattamento delle condizioni essenziali - e lespressione dello shape gradient
mediante una macro.
Nel ciclo iterativo si calcolano con il comando solve la soluzione del problema di stato (a
sua volta con un ciclo iterativo di punto sso) e il problema aggiunto, specicando il meto-
do per la risoluzione di sistemi lineari (LU, CG, GMRES, UMFPACK); vengono quindi valutati il
funzionale e il suo gradiente e si eettua la deformazione del dominio. In particolare, a ogni
iterazione della procedura di ottimizzazione si inizializza lalgoritmo di punto sso inter-
polando sulla griglia modicata la soluzione del problema di stato calcolata alla precedente
iterazione invece che con la soluzione di un problema di Stokes.
Inne, la visualizzazione di qualsiasi output - grandezze di stato e aggiunte, shape gradient,
evoluzione del funzionale - viene eettuata con il comando plot.
5. Tecniche di approssimazione numerica in Shape Optimization 82
5.5.2 Metodi per il trattamento delle griglie di calcolo
Freefem++ utilizza il codice BAMG [29] per la creazione automatica e il trattamento delle
griglie di calcolo, sviluppato anchesso presso lINRIA di Parigi: esso permette di generare
mesh strutturate e non strutturate a partire da una geometria arbitraria (mediante lalgo-
ritmo di Delaunay-Voronoi) con una densit`a di nodi interni proporzionale a quella dei nodi
sul bordo, di adattare griglie esistenti usando la soluzione di un problema dierenziale e di
utilizzare procedure di interpolazione di soluzioni ottenute anche con griglie diverse.
In tutte le simulazioni sono state usate griglie non strutturate, che orono maggior essibilit`a
dal punto di vista della triangolazione di domini di forma complessa e possono essere lo-
calmente ranate o diradate, a fronte di una minor ecienza in termini di memoria e di
tempo di calcolo rispetto a uno schema analogo su griglie strutturate.
Durante il processo di ottimizzazione di forma la mesh subisce modiche in seguito alla
variazione del contorno del dominio: ad ogni iterazione la griglia pu`o essere ricostruita
completamente una volta noto il nuovo contorno oppure pu`o essere adattata mediante pic-
cole deformazioni; viene adottata la prima strategia quando si parametrizza la forma del
corpo mediante curve di Bezier, mentre si opta per la seconda possibilit`a nella tecnica di
gradient regularization. In questo secondo caso, a dierenza del primo, non viene rigenerata
lintera griglia, ma viene modicata e adattata solo in prossimit`a dei contorni soggetti a
ottimizzazione. In particolare vengono usati i metodi movemesh e adaptmesh implementati
in FreeFem++:
il metodo movemesh permette di traslare, ruotare e deformare una mesh a partire
da un campo di spostamento [d1,d2] con il comando Sh=movemesh(Sh,[d1,d2]).
Pu`o accadere che la mesh deformata non risulti conforme perche alcuni triangoli as-
sumerebbero area negativa: la subroutine checkmovemesh permette di evitare questo
inconveniente valutando la minima area degli elementi;
il metodo adaptmesh permette di adattare la griglia di calcolo in base a una soluzione
[u1,u2] calcolata sulla mesh corrente o interpolata da una dierente mesh, con il
comando Sh=adaptmesh(Sh,[u1,u2]).
Capitolo 6
Risultati numerici
Questultimo capitolo `e dedicato alla presentazione dei risultati ottenuti per i problemi di
minimizzazione dellenergia dissipata e della resistenza (o drag) attraverso le simulazioni
1
numeriche eettuate con FreeFem++; mediante lanalisi di numerosi casi test viene illustra-
to il comportamento dei metodi implementati, confrontandone prestazioni e risultati.
In particolare, nella prima parte del Capitolo vengono discussi i risultati relativi ai ussi a
basso numero di Reynolds per lenergia e il drag, ottenuti considerando i due approcci per il
trattamento dei domini e dierenti forme iniziali; vengono inoltre riassunte alcune considera-
zioni relative alla dipendenza sperimentale del coeciente di drag da alcune grandezze, utili
allintepretazione dei risultati numerici. Nella seconda parte del capitolo viene considerata
la minimizzazione della resistenza in ussi ad alto numero di Reynolds: vengono presentati
i risultati ottenuti, sottolineate le principali criticit`a e proposti alcuni possibili sviluppi.
6.1 Flussi a bassi numeri di Reynolds
Presentiamo ora i risultati relativi ai problemi di minimizzazione dellenergia dissipata e del
drag totale per ussi a basso numero di Reynolds; in tutti questi casi entrambi i metodi
implementati forniscono risultati in buon accordo tra loro e con levidenza sperimentale.
I risultati si riferiscono a test realizzati a partire da dierenti congurazioni iniziali: con
riferimento alla notazione introdotta in precedenza, il dominio `e individuato da una fron-
tiera rettangolare esterna e dal contorno del corpo
body
. Nel caso della tecnica di boundary
variation il dominio di calcolo `e delimitato dal rettangolo D = [0.5, 0.5] [0.4, 0.4] e
per descrivere la forma iniziale di
body
sono stati usati il prolo descritto in Figura 6.1,
un prolo ellittico e un prolo circolare (le cui caratteristiche sono specicate nella Figura
6.2). Nel caso della tecnica basata sulla parametrizzazione con curve di Bezier il dominio di
calcolo `e delimitato dal rettangolo D = [0.4, 0.6] [0.4, 0.4] e la forma iniziale di
body
`e individuata da due curve di Bezier di grado 7 (con 8 punti di controllo).
In tutte queste congurazioni `e stato considerato un prolo parabolico per la velocit`a u

sul lato di inow

in
, diretta orizzontalmente.
1
Tutte le simulazioni sono state eettuate su una macchina con processore Intel(R) Core(TM) 2cpu
T5500, 1.66 GHz-1.67 GHz, 1022MB RAM.
83
6. Risultati numerici 84
Figura 6.1: Prolo iniziale (a) della frontiera del corpo
body
(t = d = 0.1).
Figura 6.2: Proli iniziali (b) e (c) della frontiera del corpo
body
(a = 1, b = 0.5 nel caso dellellisse,
a = b = 0.6 nel caso della circonferenza).
0 0.05 0.1 0.15 0.2 0.25
0.1
0.08
0.06
0.04
0.02
0
0.02
0.04
0.06
0.08
0.1
0 0.05 0.1 0.15 0.2 0.25 0.3
0.1
0.08
0.06
0.04
0.02
0
0.02
0.04
0.06
0.08
0.1
Figura 6.3: Proli iniziali della frontiera del corpo
body
descritti mediante due curve di Bezier.
6. Risultati numerici 85
Si assume inoltre = 1, U

= 1 e un numero di Reynolds dato da

Re =
V

;
tutti i risultati che seguono sono stati ottenuti introducendo le usuali versioni adimensio-
nalizzate delle equazioni di Navier-Stokes.
6.1.1 Minimizzazione dellenergia dissipata
Per quanto riguarda il problema di minimizzazione dellenergia dissipata, descritto dalle
equazioni (4.25)-(4.27), sono stati considerati numerosi casi test con i due dierenti approcci,
al variare della congurazione iniziale del corpo
body
e del numero di Reynolds compreso
nellintervallo Re [10, 1000]:
(A) tecnica di boundary variation sulla stessa congurazione al variare del numero di
Reynolds (A.1), su diverse congurazioni iniziali (A.2) e su congurazioni vicine o
distanti da quella ottimale (A.3);
(B) metodo basato sulla parametrizzazione con curve di Bezier al variare del numero di
Reynolds su un prolo iniziale distante (B.1) o vicino (B.2) a quello ottimale.
Boundary variation al variare del numero di Reynolds
Considerando il prolo iniziale descritto in Figura 6.1, con dimensioni t = d = 0.1, sono
stati eettuati cinque test, rispettivamente per i valori di Re pari a 10, 50, 100, 500 e 1000,
assumendo dierenti passi iniziali (che vengono aggiornati nel corso delle iterazioni) e il
criterio di arresto basato sulla shape derivative (con tolleranza ssata pari a = 0.005).
Il numero di elementi della mesh ne iniziale varia tra 4731 e 5330 (ricordiamo che a ogni
iterazione viene operato un adattamento sulla base del campo di velocit`a calcolato). Di
seguito vengono riportati i valori del funzionale in corrispondenza del dominio iniziale e
di quello ottimo: essi risultano pi` u bassi allaumentare del numero di Reynolds fatto in
accordo con levidenza sperimentale e lentit`a della variazione varia tra l8% del primo
caso e il 25% dellultimo; piccole variazioni risultano in proporzione pi` u rilevanti se il valore
del funzionale diminuisce, come nel caso dei ussi con Re pi` u elevato.
Tabella 6.1: Valori iniziali e ottimali del funzionale energia J(), area del dominio

e numero di
elementi della corrispondente mesh, valore del passo iniziale
(0)
, numero di iterazioni della procedura di
ottimizzazione e tempo di calcolo per dierenti valori di Re.
Re (
(0)
) (

) [

[ mesh (el.)
(0)
iter. cpu(s)
10 1,8062 1,6475 0,7915 7352 0,01 11 612
50 0,4088 0,3627 0,7916 5303 0,01 18 1017
100 0,2318 0,2011 0,7914 5119 0,05 7 514
500 0,0737 0,0578 0,7922 5554 0,10 9 614
1000 0,0476 0,0359 0,7926 5796 0,10 11 1157
Di seguito vengono riportate le forme ottimali ottenute a partire dal prolo (a) nel caso di
ussi con Re = 10, 50, 100, 500 e 1000; nelle pagine seguenti sono ragurati i campi di
6. Risultati numerici 86
velocit`a (in modulo) e pressione, i campi di velocit`a e pressione aggiunta e le streamlines
del campo di velocit`a per i ussi con Re = 50 e 500, nel caso del prolo iniziale e di quello
ottimale. Dal confronto della forma di queste ultime a valle del corpo risulta evidente il
miglioramento del usso nella congurazione ottima.
Figura 6.4: Prolo iniziale (in alto a sinistra) e forme ottimali ottenute dalla minimizzazione
dellenergia per dierenti valori di Re: Re = 50, 500 nella prima colonna, Re = 10, 100, 1000 nella
seconda colonna.
6. Risultati numerici 87
Figura 6.5: Campo di velocit`a (modulo) e pressione per la forma iniziale (a sinistra) e la forma
ottimale (a destra), Re = 50.
Figura 6.6: Campo di velocit`a aggiunta (modulo) e pressione aggiunta per la forma iniziale (a
sinistra) e la forma ottimale (a destra), Re = 50.
6. Risultati numerici 88
Figura 6.7: Streamlines del campo di velocit`a per la forma iniziale (a sinistra) e la forma ottimale
(a destra), Re = 50.
Figura 6.8: Campo di velocit`a (modulo) e pressione per la forma iniziale (a sinistra) e la forma
ottimale (a destra), Re = 500.
Come risulta dai dati riportati nella Tabella 6.1, nei primi due casi occorre un numero
maggiore di iterazioni per arrivare a convergenza a causa del valore inferiore del passo : la
scelta del passo di aggiornamento comporta in generale notevoli ricadute sulla convergenza
della procedura; tuttavia, valori maggiori del passo nei casi Re = 10 e Re = 50 avrebbero
provocato una perdita di stabilit`a
2
della procedura di ottimizzazione.
2
Non esiste un criterio generale per la scelta del passo iniziale: valuteremo, caso per caso, la bont` a
della scelta in base alla stabilit` a dellalgoritmo di ottimizzazione, ritenendolo stabile nel caso in cui non
occorra compiere back step, con riduzione del passo e ri-inizializzazione dalla congurazione delliterazione
precedente.
6. Risultati numerici 89
Figura 6.9: Campo di velocit`a aggiunta (modulo) e pressione aggiunta per la forma iniziale (a
sinistra) e la forma ottimale (a destra), Re = 500.
Figura 6.10: Streamlines del campo di velocit`a per la forma iniziale (a sinistra) e la forma ottimale
(a destra), Re = 500.
Riportiamo di seguito la sequenza dei valori del funzionale (), della shape derivative
d() e dellarea del dominio ottenuti nel corso delle iterazioni, nei casi Re = 50 e 500.
Come si vede dai graci, la convergenza verso il valore ottimo `e piuttosto rapida; le variazioni
dellarea del dominio (e dunque del corpo) sono da imputare allaggiornamento iterativo del
moltiplicatore in base alla relazione introdotta nella Sezione 5.4.
6. Risultati numerici 90
Figura 6.11: Successione dei valori del funzionale energia (), della shape derivative d() e
dellarea del dominio ottenuti nel corso delle iterazioni (Re = 50 a sinistra, Re = 500 a destra).
Boundary variation al variare della congurazione iniziale
Nel secondo caso test sono state considerate tre dierenti congurazioni iniziali di
body
,
individuate rispettivamente dal prolo usato nel precedente test (a), da unellisse di dimen-
sioni caratteristiche a = 1, b = 0.5 (b) e da una circonferenza di dimensioni a = b = 0.6
(c); considerando ancora una tolleranza sul criterio di arresto pari a = 0.005, si hanno i
risultati riportati nella seguente Tabella 6.2:
Tabella 6.2: Valori iniziali e ottimali del funzionale energia J(), variazione percentuale, numero di
elementi della mesh (forma ottimale), valore del passo iniziale
(0)
, numero di iterazioni della procedura di
ottimizzazione e tempo di calcolo per dierenti proli iniziali, Re = 10.
forma (
(0)
) (

) (%) mesh (el.)

(0)
iter. cpu(s)
( a ) 1,8062 1,6475 0,0879 5330 0,01 11 612
( b ) 0,2387 0,2233 0,0645 5102 0,01 23 1096
( c ) 0,2446 0,2064 0,1562 5074 0,01 26 1262
Di seguito vengono riportate le forme ottimali individuate nei tre casi; si osserva come,
partendo da congurazioni molto dierenti tra loro, si ottengano forme piuttosto simili,
tranne per il fatto che nel primo caso il prolo risulta meno ausolato (il risultato `e tuttavia
in accordo con quello ottenuto tramite il metodo basato sulla parametrizzazione di Bezier,
riportato nel seguito): possiamo dunque aermare che nel caso di ussi a bassi numeri di
Reynolds si ha una bassa sensibilit`a della forma ottimale rispetto alla scelta del prolo
iniziale.
6. Risultati numerici 91
Figura 6.12: Forme ottimali ottenute dalla minimizzazione dellenergia per dierenti proli iniziali
(dallalto in basso: casi (a), (b) e (c)), Re = 10.
Visualizziamo nelle Figure 6.13 e 6.14 i proli ottenuti in dierenti iterazioni nei casi (a) e
(c); evitiamo di riportare i graci dei campi di velocit`a e pressione dal momento che questi
risultano molto simili a quelli ottenuti in precedenza. Nella Figura 6.15 si trovano invece le
successioni dei valori del funzionale energia (), della shape derivative d() e dellarea
ottenuti nel corso delle iterazioni.
6. Risultati numerici 92
Figura 6.13: Iterazioni successive dellottimizzazione del prolo iniziale (a), Re = 10.
Figura 6.14: Iterazioni successive dellottimizzazione del prolo iniziale (c), Re = 10.
6. Risultati numerici 93
Figura 6.15: Successione dei valori del funzionale energia (), della shape derivative d() e
dellarea del dominio ottenuti nel corso delle iterazioni (prolo (a) a sinistra, prolo (c) a destra).
Un quadro abbastanza completo pu`o dunque essere tracciato considerando due congu-
razioni iniziali, scelte appositamente una piuttosto distante dalla forma ottimale (a) e una
piuttosto simile (b), e due ussi rispettivamente con Re = 10 e Re = 1000: i risultati sono
riassunti nella seguente Tabella 6.3.
Tabella 6.3: Valori iniziali e ottimali del funzionale energia J(), variazione percentuale, area del dominio

e numero di elementi della corrispondente mesh, valore del passo iniziale

(0)
, numero di iterazioni della
procedura di ottimizzazione e tempo di calcolo per dierenti forme iniziali e dierenti valori di Re.
forma Re (
(0)
) (

) (%) [

[ mesh (el.)
(0)
iter. cpu(s)
(a) 10 1,8062 1,6475 0,0878 0,7915 7352 0,01 11 612
1000 0,0476 0,0359 0,2457 0,7926 5796 0,10 11 1157
(b) 10 0,2387 0,2233 0,0645 0,7861 5102 0,01 23 1096
1000 0,0469 0,0406 0,1343 0,7868 5553 0,05 15 1128
Come risulta dai dati riportati, la riduzione relativa dellenergia dissipata risulta maggiore
nel caso di una forma distante da quella ottimale e nel caso di un usso con numero di
Reynolds pi` u alto.
6. Risultati numerici 94
Bezier parametrization al variare del numero di Reynolds e del prolo iniziale
Per valutare il comportamento della procedura basata sulla parametrizzazione di Bezier
sono stati eettuati quattro test, considerando i ussi con Re = 10 e Re = 1000 e due
dierenti congurazioni iniziali, analogamente a quanto fatto nellultimo caso analizzato. I
proli iniziali e successivamente generati durante le iterazioni sono costituiti da due curve
di Bezier individuate da 8 punti di controllo, comprese tra le ascisse x = 0 e x = 0.25; le
ascisse di tutti i punti di controllo sono ssate, cos` come le ordinate del primo e dellultimo
punto, in modo tale che la curva risulti chiusa e i proli presentino una tangente verticale
nella sezione di attacco (si veda la Figura 6.3). In tutti i test eettuati `e stato ssato il
numero di iterazioni, dal momento che non sempre risulta possibile soddisfare un criterio di
arresto basato sulla norma dello shape gradient, in virt` u delle ragioni esposte nella Sezione
5.4. Inoltre, per garantire suciente possibilit`a di variazione alle forme via via ottenute
nelle iterazioni, si ssa il volume del prolo ottimale pari a una quota (stabilita a priori)
del volume della forma iniziale.
Dalle simulazioni eseguite considerando i due proli iniziali riportati in Figura 6.3 si ot-
tengono i risultati riportati nelle tabelle 6.4-6.9. In particolare, la variazione di volume
del corpo nella congurazione distante da quella ottimale varia tra il 50% (Re = 10) e il
75% (Re = 1000); nel caso della congurazione vicina la quota di variazione `e pari a 10%
(Re = 10) o a 30% (Re = 1000). A seconda che si consideri un prolo pi` u o meno distante
dalla forma ottimale la variazione del funzionale risulta pi` u o meno accentuata e crescente
con il numero di Reynolds, anche in virt` u della possibilit`a di scegliere un passo maggiore
(valgono le medesime considerazioni svolte in precedenza).
Tabella 6.4: Valori iniziali e ottimali del funzionale energia J(), variazione percentuale, numero di
elementi delle griglie di calcolo, valore del passo iniziale
(0)
, numero di iterazioni e tempo di calcolo (test
(B.1)).
Re (
(0)
) (

) (%) mesh (el.)

(0)
iter. cpu(s)
10 2,6472 1,9369 0,2683 4800 ca. 0,05 40 1316
1000 0,0658 0,0369 0,4392 5100 ca. 0,3 40 1670
Tabella 6.5: Valori iniziali e ottimali del funzionale energia J(), variazione percentuale, numero di
elementi delle griglie di calcolo, valore del passo iniziale
(0)
, numero di iterazioni e tempo di calcolo (test
(B.2)).
Re (
(0)
) (

) (%) mesh (el.)

(0)
iter. cpu(s)
10 2,2133 2,1462 0,0303 4500 ca. 0,05 40 1113
1000 0,04869 0,04069 0,1643 4800 ca. 0,3 40 1585
Vengono riportati nelle pagine seguenti i graci relativi al caso del usso con Re = 1000 e
Re = 10 ottenuti rispettivamente partendo da una congurazione distante e da una vicina
a quella ritenuta ottimale (test (B.1) e (B.2)); in particolare, nelle Figure 6.16 e 6.17 si
trovano il prolo iniziale e quello ottimale per il caso Re = 1000 e i rispettivi poligoni di
controllo.
6. Risultati numerici 95
Figura 6.16: Congurazione iniziale e forma ottimale ottenuta con lapproccio basato sulla
parametrizzazione di Bezier, Re = 1000 (test (B.1), variazione del 75% sul volume del corpo).
0 0.05 0.1 0.15 0.2 0.25
0.1
0.08
0.06
0.04
0.02
0
0.02
0.04
0.06
0.08
0.1
0 0.05 0.1 0.15 0.2 0.25
0.08
0.06
0.04
0.02
0
0.02
0.04
0.06
0.08
Figura 6.17: Posizione dei punti di controllo e forma del poligono di controllo nella congurazione
iniziale e in quella ottimale, test (B.1), Re = 1000.
Dagli ultimi due graci si nota chiaramente leetto di regolarizzazione operato durante la
minimizzazione sulla forma del guscio convesso individuato dai punti di controllo: nel caso
del prolo ottimale questo risulta pi` u vicino agli archi di curva, soprattutto in prossimit`a
degli estremi. Inoltre, lestremit`a investita dal usso presenta un naso piuttosto ausolato
e del tutto simile a quello ottenuto nel test (A.1) per il caso Re = 500: questo eetto risulta
evidente soprattutto nel caso di numeri di Reynolds molto bassi ed `e dovuto essenzialmente
al fatto che langolo di attacco `e nullo (ovvero il usso risulta diretto perpendicolarmente
al corpo). Un buon prolo deve quindi presentare un naso arrotondato per minimizzare la
dissipazione e/o la resistenza indotte da ussi con direzione variabile e angolo di attacco
non nullo.
Nelle Figure 6.18 e 6.19 sono visualizzate le grandezze di stato e le grandezze aggiunte
riferite a questo caso; risulta evidente dal prolo del campo di velocit`a e dalle linee di
usso riportate nella Figura 6.20 il miglioramento apportato dalla congurazione ottimale
rispetto alla forma iniziale: si riduce la larghezza della zona di scia a valle del corpo (in cui
agiscono gli sforzi tangenziali viscosi e turbolenti, responsabili della dissipazione energetica)
e scompaiono i ricircoli presenti a valle del prolo iniziale.
6. Risultati numerici 96
Figura 6.18: Campo di velocit`a (modulo) e pressione per la forma iniziale (a sinistra) e la forma
ottimale (a destra), test (B.1), Re = 1000.
Figura 6.19: Campo di velocit`a aggiunta (modulo) e pressione aggiunta per la forma iniziale (a
sinistra) e la forma ottimale (a destra), test (B.1), Re = 1000.
6. Risultati numerici 97
Figura 6.20: Streamlines del campo di velocit`a per la forma iniziale e la forma ottimale, test (B.1),
Re = 1000.
Di seguito vengono riportati i risultati relativi al test (B.2) per un usso con Re = 10: in
questo caso la congurazione iniziale viene scelta meno distante da quella ritenuta ottimale
e si impone una riduzione del volume del corpo inferiore rispetto al prolo precedente.
Figura 6.21: Congurazione iniziale e forma ottimale ottenuta con lapproccio basato sulla
parametrizzazione di Bezier, Re = 10 (test (B.2), variazione del 10% sul volume del corpo).
0 0.05 0.1 0.15 0.2 0.25 0.3
0.1
0.08
0.06
0.04
0.02
0
0.02
0.04
0.06
0.08
0.1
0 0.05 0.1 0.15 0.2 0.25 0.3
0.1
0.08
0.06
0.04
0.02
0
0.02
0.04
0.06
0.08
0.1
Figura 6.22: Posizione dei punti di controllo e forma del poligono di controllo nella congurazione
iniziale e in quella ottimale, test (B.2), Re = 10.
6. Risultati numerici 98
Figura 6.23: Campo di velocit`a (modulo) e pressione per la forma iniziale (a sinistra) e la forma
ottimale (a destra), test (B.2), Re = 10.
Figura 6.24: Campo di velocit`a aggiunta (modulo) e pressione aggiunta per la forma iniziale (a
sinistra) e la forma ottimale (a destra), test (B.2), Re = 10.
6. Risultati numerici 99
Anche per il caso Re = 10 si ottengono forme molto simili a quelle trovate con il metodo
di boundary variation: il usso esterno simmetrico (con angolo di attacco nullo) rende in
questo caso ancora pi` u evidente la presenza di una sezione poco arrotondata; questo fatto
risulta in accordo con i risultati proposti in [21].
Figura 6.25: Successione dei valori del funzionale energia (), della shape derivative d() e
dellarea del dominio ottenuti nel corso delle iterazioni (congurazione vicina a quella ottimale a
sinistra, congurazione lontana a destra; Re = 10 in alto, Re = 1000 in basso).
Limitatamente alla diminuzione del valore del funzionale, rispetto al metodo di boundary
variation la strategia basata sulla parametrizzazione con curve di Bezier sembra fornire
risultati migliori; unulteriore conferma in tale direzione verr`a stabilita con il confronto dei
due metodi nel caso della minimizzazione della resistenza eseguito a partire dalla medesima
congurazione iniziale.
6.1.2 Minimizzazione della resistenza
Esaminiamo ora i risultati ottenuti per il problema di minimizzazione della resistenza totale,
espresso dalle equazioni (4.49)-(4.51); seguendo lapproccio usato nel caso dellenergia, sono
stati eettuati alcuni test al variare della congurazione iniziale del corpo
body
e per numeri
di Reynolds compresi nellintervallo Re [10, 1000]:
(C) tecnica di boundary variation su due dierenti congurazioni iniziali al variare del
numero di Reynolds (test (C.1) e (C.2));
(D) metodo basato sulla parametrizzazione con curve di Bezier al variare del numero di
Reynolds su un prolo iniziale distante (D.1) o vicino (D.2) a quello ottimale.
Prima di considerare i risultati delle simulazioni svolte, `e utile ricordare alcune osservazioni
relative al coeciente di drag di un corpo immerso in un uido e ai fattori da cui dipende,
allo scopo di caratterizzare meglio i risultati ottenuti.
6. Risultati numerici 100
Alcune osservazioni qualitative sul coeciente di drag
La struttura di un usso esterno e la facilit`a con cui questo pu`o essere descritto dipende
spesso dalla natura del corpo immerso: la principale distinzione solitamente operata `e quella
tra corpi tozzi e corpi ausolati. Come gi`a anticipato in precedenza, il coeciente di drag
C
D
`e un coeciente adimensionale che misura la resistenza aerodinamica di un corpo in
moto in un uido; esso dipende dalla forma del corpo, oltre che dal numero di Reynolds,
dal numero di Mach, dalla scabrezza adimensionale /l:
C
D
= C
D
(, Re, Ma, /l).
Considereremo nel seguito soltanto la dipendenza dai primi due fattori, sui quali ora ci soer-
miamo brevemente.
`
E noto dalla pratica che in presenza di corpi pi` u tozzi il coeciente C
D
risulta maggiore. Il primo graco (Figura 6.26) riporta landamento del coeciente di drag
per un corpo cilindrico a sezione ellittica di lunghezza b e area della sezione proporzionale
a Dl (le due curve dieriscono per larea caratteristica considerata, pari a A = bD oppure
a A = bl):
Figura 6.26: Coeciente di drag per unellisse con area caratteristica A = bD oppure A = bl.
Il graco seguente (Figura 6.27) ragura landamento del coeciente di drag C
D
in funzione
del numero di Reynolds nel caso di un cilindro e di una sfera; come si pu`o vedere, il
coeciente C
D
diminuisce allaumentare del numero di Reynolds e varia in modo brusco
quando lo strato limite diventa turbolento (il valore del numero di Reynolds corrispondente
alla soglia dipende dalla forma del corpo).
Nel caso dei proli ottenuti con le tecniche di Shape optimization i valori del coeciente di
drag risulteranno inferiori a quelli corrispondenti alla sezione sferica riportati nel graco so-
pra, dal momento che la loro forma sar`a molto pi` u ausolata. Per avere unidea pi` u precisa
sui valori assunti nel caso di un prolo alare forma tipicamente soggetta a ottimizzazione, a
cui pu`o essere assimilata in molti casi quella della sezione ottimale del bulbo il coeciente
di drag di un prolo alare NACA 0012 `e compreso, a seconda dellangolo di attacco, tra
0.01 e 0.05 per un valore del numero di Reynolds Re 10
5
e tra 0.005 e 0.004 per Re 10
6
;
nel caso di incidenza nulla si ha C
D
= 0.0103 per Re = 1.610
5
e C
D
= 0.0065 per Re 10
6
.
6. Risultati numerici 101
Figura 6.27: Coeciente di drag in funzione di Re per un cilindro e una sfera lisci.
I risultati che seguono si riferiscono ai coecienti di drag C
D
ottenuti normalizzando il valore
della forza di drag () agente sul corpo, oggetto della minimizzazione; allo scopo di non
distorcere i valori di variazione relativa del funzionale ottenuti nel corso dellottimizzazione,
nel calcolo di questi coecienti non si tiene conto della lunghezza variabile del corpo durante
le iterazioni della procedura di ottimizzazione, ma si considera quella della congurazione
iniziale.
Minimizzazione della resistenza mediante la strategia di Boundary variation
Considerando il prolo riportato in Figura 6.1, sono stati eseguiti tre test, rispettivamente
con Re = 10, 100 e 500; in tutti e tre i casi `e stato scelto lo stesso passo iniziale
(0)
ed `e stato
usato il criterio di arresto basato sulla norma della shape derivative. Di seguito vengono
riportati i valori del coeciente di drag C
D
(proporzionali alla forza di drag, per quanto
detto sopra) in corrispondenza del dominio iniziale e di quello ottimo; si pu`o osservare come
essi diminuiscano allaumentare del numero di Reynolds e come il miglioramento relativo sia
maggiore questa volta a parit`a di passo per numeri di Reynolds pi` u alti: la variazione
`e pari al 15% circa nel primo caso e raddoppia nellultimo.
Tabella 6.6: Valori iniziali e ottimali del coeciente di drag C
D
, area del dominio

e numero di ele-
menti della corrispondente mesh, valore del passo iniziale
(0)
, numero di iterazioni della procedura di
ottimizzazione e tempo di calcolo per dierenti valori di Re.
Re C
D
(
(0)
) C
D
(

) [

[ mesh (el.)
(0)
iter. cpu(s)
10 3,8379 3,3264 0,7912 6072 0,05 11 536
100 0,5782 0,4617 0,7916 7593 0,05 6 281
500 0,2505 0,1769 0,7906 6152 0,05 12 592
Di seguito vengono riportati le forme ottimali ottenuti nei tre casi e i proli di alcune itera-
zioni nel caso Re = 500. Nelle pagine successive si trovano invece i graci delle grandezze di
stato e aggiunte relativi a questultimo caso; abbiamo evitato di riportare i graci relativi
agli altri due casi in quanto il usso attorno ai corpi risulta qualitativamente molto simile
a quelli ottenuti nel test (A.1) per lenergia (varia ovviamente la soluzione del problema
aggiunto).
6. Risultati numerici 102
Figura 6.28: Prolo iniziale (in alto a sinistra) e forme ottimali ottenute dalla minimizzazione del
drag per dierenti valori di Re: Re = 100 nella prima colonna, Re = 10, 500 nella seconda colonna.
Figura 6.29: Iterazioni successive dellottimizzazione nel caso Re = 500.
6. Risultati numerici 103
Figura 6.30: Campo di velocit`a (modulo) e pressione per la forma iniziale (a sinistra) e la forma
ottimale (a destra), Re = 500.
Figura 6.31: Campo di velocit`a aggiunta (modulo) e pressione aggiunta per la forma iniziale (a
sinistra) e la forma ottimale (a destra), Re = 500.
6. Risultati numerici 104
Figura 6.32: Streamlines del campo di velocit`a per la forma iniziale (a sinistra) e la forma ottimale
(a destra), Re = 500.
Come per il caso test (A.1), anche con la minimizzazione del drag totale si ottengono proli
piuttosto ausolati (tranne che per numeri di Reynolds molto bassi) ed `e chiaramente visibile
il miglioramento nel usso che investe il prolo ottimale. Riportiamo di seguito landamento
del coeciente di drag C
D
e della shape derivative nel corso delle iterazioni, per i casi
Re = 10, Re = 500.
Figura 6.33: Successione dei valori del coeciente di drag C
D
() e della shape derivative dC
D
()
ottenuti a partire dal prolo (a) nel corso delle iterazioni (Re = 10 in alto, Re = 500 in basso).
Considerando invece come congurazione iniziale il prolo ellittico (b) si hanno i risultati
riportati nella seguente tabella, per i quali valgono considerazioni analoghe ai precedenti.
Come per lenergia (test (A.2)), anche per il drag si ha una limitata sensibilit`a alla congu-
razione iniziale nel caso di ussi a basso numero di Reynolds: i proli ottimali ottenuti nei
due dierenti test, a parit`a di numero di Reynolds, sono molto simili tra loro. Riportiamo di
seguito il usso ottenuto in corrispondenza del prolo ottimo con Re = 1000 e levoluzione
di C
D
() e della shape derivative nei due casi Re = 10 e Re = 1000.
6. Risultati numerici 105
Tabella 6.7: Valori iniziali e ottimali del coeciente di drag C
D
, dominio

(area e numero elementi della
mesh), passo iniziale
(0)
, numero di iterazioni e tempo di calcolo per dierenti valori di Re.
Re C
D
(
(0)
) C
D
(

) [

[ mesh (el.)
(0)
iter. cpu(s)
10 2,1288 2,0615 0,7848 5303 0,05 25 1098
1000 0,0862 0,0666 0,7854 5415 0,05 21 1591
Figura 6.34: Grandezze di stato (in alto) e aggiunte (in basso) per la forma ottimale, Re = 1000.
Figura 6.35: Successione dei valori del coeciente di drag C
D
() e della shape derivative dC
D
()
ottenuti a partire dal prolo (b) nel corso delle iterazioni (Re = 10 in alto, Re = 1000 in basso).
6. Risultati numerici 106
Minimizzazione della resistenza mediante parametrizzazione di Bezier
Consideriamo ora i risultati del problema di minimizzazione del drag totale ottenuti con
il metodo basato sulle curve di Bezier; le simulazioni sono state eettuate considerando
alcuni dei proli iniziali usati nei test (B.1) e (B.2) e adottando la medesima strategia per
la variazione dei punti di controllo e il trattamento del vincolo sul volume. Nelle seguenti
Tabelle vengono riportati i risultati ottenuti partendo da un prolo distante e da un prolo
vicino a quello ritenuto ottimale: come nei test (B.1) e (B.2), la riduzione risulta maggiore
partendo da un prolo distante e in un usso con numero di Reynolds pi` u alto.
Tabella 6.8: Valori iniziali e ottimali del coeciente di drag C
D
(), variazione percentuale, numero di
elementi delle griglie di calcolo, passo iniziale
(0)
, numero di iterazioni e tempo di calcolo (test (D.1), (D.2)).
Re C
D
(
(0)
) C
D
(

) C
D
(%) mesh (el.)
(0)
iter. cpu(s)
10 2,6985 1,6975 0,3709 4800 ca. 0,01 40 1146
1000 0,1292 0,0450 0,6517 5200 ca. 0,3 40 1516
Re C
D
(
(0)
) C
D
(

) C
D
(%) mesh (el.)
(0)
iter. cpu(s)
10 1,9269 1,7028 0,1163 4800 ca. 0,01 40 1146
1000 0,0610 0,0455 0,2532 5200 ca. 0,3 40 1516
Di seguito sono ragurati i proli ottimali ottenuti nei quattro casi descritti (`e stato scelto
un dierente prolo iniziale vicino a quello ritenuto ottimale nel caso Re = 1000); nelle
pagine seguenti si trovano i graci relativi ai ussi a cui questi sono soggetti.
0 0.05 0.1 0.15 0.2 0.25
0.1
0.08
0.06
0.04
0.02
0
0.02
0.04
0.06
0.08
0.1
0 0.05 0.1 0.15 0.2 0.25
0.1
0.08
0.06
0.04
0.02
0
0.02
0.04
0.06
0.08
0.1
0.05 0.1 0.15 0.2 0.25
0.08
0.06
0.04
0.02
0
0.02
0.04
0.06
0.08
0.05 0.1 0.15 0.2 0.25
0.08
0.06
0.04
0.02
0
0.02
0.04
0.06
0.08
Figura 6.36: Congurazioni ottimali (in rosso) e iniziali (in blu) a confronto: test (D.1) in alto,
test (D.2) in basso; Re = 10 a sinistra, Re = 1000 a destra.
6. Risultati numerici 107
Figura 6.37: Campo di velocit`a (modulo) e pressione per le forme ottimali, Re = 10 (in alto) e
Re = 1000 (in basso), test (D.1).
Figura 6.38: Campo di velocit`a (modulo) e pressione per le forme ottimali, Re = 10 (in alto) e
Re = 1000 (in basso), test (D.2).
6. Risultati numerici 108
Si pu`o concludere, in base alle precedenti gure, che le forme ottimali ottenute a partire
da due proli dierenti con il metodo basato sulle curve di Bezier sono tra loro molto
simili. Inoltre, come nel caso dellenergia, anche per la minimizzazione della resistenza
le due tecniche implementate conducono a risultati analoghi (si confrontino i risultati di
questultimo test con quelli ottenuti a partire dalla congurazione (b) e Re = 1000). Di
seguito vengono riportati i valori del coeciente di drag ottenuti nei test (D.1) e (D.2).
Figura 6.39: Successione dei valori del coeciente di drag C
D
() ottenuti nei test (D.1) e (D.2)
(rispettivamente in alto e in basso), con Re = 10 (a sinistra) e Re = 1000 (a destra).
6.1.3 Confronto delle procedure per il trattamento della forma
Per confrontare le due strategie implementate sono stati inne eettuati alcuni test sul pro-
blema di minimizzazione della resistenza considerando uno stesso prolo iniziale (parametriz-
zato con due curve di Bezier) e iterando a partire da esso entrambe le procedure, per due
dierenti valori di Re (rispettivamente, 10 e 1000). Di seguito riportiamo i graci relativi
allevoluzione di C
D
e i proli ottimali ottenuti nei quattro casi:
0 5 10 15 20 25 30 35 40
1.96
1.98
2
2.02
2.04
2.06
2.08
2.1
C
D
(

)
0 5 10 15 20 25 30 35 40
0.045
0.0455
0.046
0.0465
0.047
0.0475
0.048
0.0485
0.049
0.0495
0.05
C
D
(

)
Figura 6.40: Successione dei valori del coeciente di drag C
D
() nei casi Re = 10 (a sinistra) e
Re = 1000 (a destra) ottenuti con il metodo di boundary variation (in rosso) e il metodo basato
sulle curve di Bezier (in blu).
6. Risultati numerici 109
Figura 6.41: Proli ottimali ottenuti nei casi Re = 10 (a sinistra) e Re = 1000 (a destra) con il
metodo di boundary variation (in alto) e il metodo basato sulle curve di Bezier (in basso).
In particolare, lalgoritmo di boundary variation viene arrestato una volta soddisfatto il
criterio basato sulla norma dello shape gradient, mentre quello basato sulle curve di Bezier
esegue un numero ssato di iterazioni; tuttavia, a parit`a di iterazioni eettuate si nota uno
scostamento tra i due metodi, pi` u consistente nel caso Re = 10 (5% circa) che nel caso
Re = 1000 (2, 5% circa). Dal momento che le forme ottenute sono decisamente simili, `e
possibile imputare questo fatto alla scelta dei passi di aggiornamento, oltre che a errori di
approssimazione numerica (ricordiamo che, a dierenza del secondo metodo, nel caso della
boundary variation la griglia di calcolo viene ranata).
6.2 Analisi dei metodi per la Shape optimization
In base ai risultati ottenuti con le simulazioni eettuate `e possibile trarre numerose conclu-
sioni riguardo alla bont`a e allecienza dei metodi implementati per la Shape optimization
in ambito uidodinamico. Possiamo distinguere tra aspetti che riguardano entrambe le
tecniche e caratterizzano in generale la risoluzione di problemi di Optimal shape design
e caratteristiche speciche delle strategie adottate per lapprossimazione numerica delle
soluzioni. Un discorso a parte meritano i problemi che coinvolgono i ussi ad alto numero
di Reynolds, ai quali `e dedicata la sezione successiva.
Accanto alle dicolt`a intrinseche della Shape optimization analizzate nelle sezioni dedicate
agli aspetti teorici occorre tener presente alcune importanti questioni nellapprossimazione
numerica di questi problemi, come la dipendenza dalla forma iniziale, la scelta dei passi di
aggiornamento e la crescita dei costi computazionali, che si incontrano (in modo particolare
le ultime due) in generale anche nei problemi di controllo ottimale.
6. Risultati numerici 110
La scelta della forma iniziale `e spesso cruciale nei problemi di Optimal shape design, quasi
mai caratterizzati dallunicit`a della soluzione; a seconda degli obiettivi che si intendono
raggiungere occorre prestare pi` u o meno attenzione a questo aspetto: se nel caso del per-
fezionamento di un prolo gi`a individuato ci si aspettano piccole variazioni, la congu-
razione iniziale non sar`a distante da quella ottimale e la procedura di ottimizzazione non
sar`a inuenzata dallinizializzazione; viceversa, la ricerca di una forma ottimale in assenza
di elementi che possano guidarla `e in generale accompagnata da maggiori dicolt`a. Tut-
tavia, entrambe le tecniche implementate mostrano, soprattutto per ussi a bassi numeri di
Reynolds, una buona stabilit`a rispetto alla scelta del prolo iniziale.
Un secondo aspetto fondamentale riguarda la scelta dei passi di aggiornamento della forma
o di grandezze a essa riferite nel corso di procedure di ottimizzazione di tipo gradiente o
steepest descent: passi troppo piccoli comportano piccole deformazioni (e dunque maggior
controllo durante la procedura) ma fanno s` che la procedura converga molto lentamente;
al contrario, passi troppo alti renderebbero instabile la procedura di ottimizzazione. In
generale, sebbene non sia opportuno limpiego di passi costanti, la loro scelta dinamica pu`o
risultare spesso molto complicata.
Inne, occorre sottolineare il fatto che gli oneri computazionali risultano molto elevati nei
problemi di Shape optimization: come nel caso dei problemi di controllo ottimale, lese-
cuzione della procedura di ottimizzazione comporta la risoluzione del problema di stato e
del problema aggiunto a ogni iterazione. Inoltre, nel caso in cui si operi il controllo sulla
forma anziche su un dato o su un coeciente, insieme alla griglia di calcolo variano gli spazi
a elementi niti e dunque occorre a ogni passo ridenire tutte le strutture algebriche.
Alla luce di queste considerazioni e dei risultati ottenuti `e possibile tracciare un confronto
tra le prestazioni delle tecniche implementate: come risulter`a chiaro tra breve, non `e certo
possibile scegliere univocamente tra una tecnica e laltra, a causa della complessit`a degli
elementi in gioco e degli aspetti positivi o critici che entrambe fanno registrare.
Il metodo basato sulla boundary variation risulta sicuramente vantaggioso per la possibilit`a
di controllare adattivamente la scelta dei passi di aggiornamento e di operare ladattamen-
to delle griglie di calcolo: la coarse mesh usata per la deformazione viene ranata per la
risoluzione dei problemi dierenziali e il calcolo della direzione di discesa; inoltre, per la
natura locale di questo metodo, non si rende necessaria a ogni iterazione la costruzione
di una nuova griglia. Tuttavia, non si dispone dellespressione analitica della forma nel
corso delle iterazioni informazione necessaria nel caso in cui si volesse operare un restart
a partire da una soluzione parziale. Il metodo basato sulle curve di Bezier permette di
ovviare a questultimo problema, fornendo a ogni iterazione lespressione del contorno
body
in funzione delle coordinate dei punti di controllo; in pi` u, risulta signicativo il contributo
fornito da questa tecnica in termini di riduzione dimensionale del problema, dal momento
che si agisce solo sugli n punti di controllo che individuano la curva. A fronte di tali van-
taggi, il metodo presenta purtroppo alcuni inconvenienti: variando lespressione analitica
del contorno, a ogni iterazione occorre costruire una nuova mesh; inoltre, la variazione pu`o
interessare lintero contorno
body
, dal momento che la variazione di ogni punto di con-
trollo si riette sulla forma dellintera curva. Per quanto riguarda la scelta del passo di
aggiornamento nel metodo di discesa, nella strategia basata sulle curve di Bezier essa non
viene eettuata in maniera dinamica: in alcuni casi la scelta pu`o rivelarsi piuttosto critica
e comportare un rallentamento della convergenza a fronte di un miglioramento in termini
di stabilit`a dellalgoritmo.
6. Risultati numerici 111
Dal punto di vista delle prestazioni degli algoritmi implementati, il metodo basato sulle
curve di Bezier permette di ottenere forme associate a valori dei funzionali inferiori (anche
se di poco) rispetto a quelle ricavate con il metodo di boundary variation e di abbattere il
valore del funzionale in modo abbastanza rapido: a un ristretto numero di iterazioni in cui
il valore del funzionale cala sensibilmente segue infatti una fase in cui di modeste variazioni.
Questo fatto suggerisce nellottica di un possibile miglioramento dei metodi implementati
la possibilit`a di accoppiare i due metodi nel caso in cui la congurazione iniziale sia distante
da quello che si ritiene il prolo ottimale: a una prima fase di ottimizzazione basata sul
metodo di Bezier si pu`o far seguire una seconda fase di ranamento della forma operata
con la boundary variation.
Ulteriori miglioramenti alle tecniche implementate possono essere apportati considerando
ad esempio lintroduzione di dierenti criteri di arresto della procedura di ottimizzazione
(per quanto la questione risulta spesso problematica [4, 21] e non ancora risolta in via
denitiva) e il perfezionamento della scelta dinamica dei passi di aggiornamento. Inoltre,
come accennato sommariamente nella Sezione 5.3.2, `e possibile considerare [7, 14] altri criteri
di ottimizzazione geometrica in modo da regolarizzare ulteriormente le forme ottenute.
6.3 Ottimizzazione in ussi ad alto numero di Reynolds
Evidenziamo in questa sezione alcuni aspetti critici legati al problema di minimizzazione
della resistenza in presenza di ussi ad alto numero di Reynolds e presentiamo alcuni risul-
tati parziali ottenuti in questi casi; questi elementi possono guidare lanalisi del problema
di ottimizzazione del bulbo di unimbarcazione Americas Cup.
Il usso attorno a unimbarcazione IACC in condizioni di normale navigazione `e caratterizza-
to da un comportamento turbolento sulla maggior parte della supercie della barca e attorno
alle appendici dello scafo; tipicamente, i numeri di Reynolds che caratterizzano lidrodinami-
ca di imbarcazioni di questo tipo sono molto alti (ordine di 10
6
-10
7
): considerando infatti
le propriet`a termosiche dellacqua (
a
10
3
kg/m
3
,
a
10
3
kg/ms), una lunghezza
caratteristica del bulbo d
b
10 m e una velocit`a dellimbarcazione V
b
= 10kts 5 m/s si
ottiene Re 10
7
. Occorre usare adeguati modelli di turbolenza per stimare correttamente
le forze agenti su di essa; arontare la simulazione numerica diretta (DNS) di un usso tri-
dimensionale di questo tipo `e sicuramente proibitivo (occorrerebbe considerare un numero
di punti in ogni direzione della griglia spaziale proporzionale a Re
3/4
) ed `e necessario rifor-
mulare il problema introducendo [40] le equazioni di Navier-Stokes mediate alla Reynolds
(RANS), un opportuno modello di turbolenza (come il modello k ) e una legge di parete
per unaccurata risoluzione dello strato limite.
Risulta evidente come, oltre agli aspetti critici connessi ai problemi di ottimizzazione di
forma e alla loro implementazione, si aggiungano ora alcune notevoli dicolt`a legate alla
risoluzione dei problemi dierenziali: i ussi turbolenti risultano in generale tridimensiona-
li, sono caratterizzati da unelevatissima instabilit`a e da strutture vorticose che interessano
unampio spettro di frequenze spaziali e temporali, la cui evoluzione accresce lintensit`a del-
la turbolenza. Dal momento che i solutori implementati permettono di risolvere problemi
bidimensionali tempo-indipendenti e non contemplano la presenza dei termini legati agli
sforzi turbolenti, i risultati ottenuti dalle simulazioni pur in presenza di stabilizzazione
risultano poco adabili in vista dellottimizzazione della forma del bulbo.
6. Risultati numerici 112
Tuttavia, anche dallanalisi dei casi considerati `e possibile enucleare la maggior parte delle
criticit`a legate ai problemi che coinvolgono ussi ad alto numero di Reynolds, in modo da
poter indirizzare uneventuale prosecuzione della ricerca. In particolare, sono stati con-
siderati due ussi a Re = 5 10
4
e Re 10
6
, senza la nalit`a di simulare correttamente il
usso attorno al corpo, ma con lo scopo di confrontare il comportamento delle due tecniche
di ottimizzazione implementate e di indagarne ladabilit`a. Prima di presentare i risultati
ottenuti sottolineiamo dunque alcuni aspetti problematici:
(1) il usso approssimato numericamente risulta poco accurato, anche in presenza di
una stabilizzazione fortemente consistente; ci`o `e dovuto alla natura stessa del us-
so (dicile da simulare direttamente, per quanto visto sopra) e allinadeguatezza di
un solutore che non comprenda modelli di turbolenza. Inoltre, un approccio basato
sul metodo di punto sso non si rivela ecace dal momento che per alti numeri di
Reynolds viene a mancare la buona posizione del problema di stato. Sebbene lerrore
tra due iterazioni successive [[(u
(k+1)
u
(k)
)[[ si mantenga limitato e sia dellordine
di qualche unit`a, `e piuttosto dicile soddisfare un criterio di arresto con tolleranze
= 10
n
, n = 2, 3: per questo motivo si `e preferito ssare un numero di iterazioni
per lalgoritmo di punto sso;
(2) conseguentemente, risulta poco accurato il calcolo del valore di qualsiasi funzionale
che dipenda dalle variabili di stato o aggiunte. Questo errore ha una duplice natura,
potendo essere ricondotto a un difetto sia di consistenza (il usso calcolato non `e
vicino alla soluzione del problema) che di stabilit`a (legata alla natura del usso);
(3) inne, a dierenza dei casi considerati in precedenza, in cui la sequenza dei valori
del funzionale costo `e globalmente monotona nel corso delle iterazioni, in presenza di
ussi con alto numero di Reynolds la convergenza a un ottimo risulta pi` u complicata,
in virt` u di quanto appena visto; di conseguenza, lonere computazionale (gi`a alto per
la natura del usso) subisce un notevole incremento.
Vengono elencati nella seguente tabella i risultati relativi ad alcune simulazioni eettuate
con il metodo di boundary variation (A) e la strategia basata sulle curve di Bezier (B) a
partire da dierenti proli iniziali; sebbene si assista a una diminuzione del valore di C
D
in tutti i casi (in maniera dierente a seconda del prolo iniziale), questi risultati non si
possono considerare denitivi a causa di tutte le criticit`a descritte.
Tabella 6.9: Valori iniziali e ottimali del coeciente di drag C
D
(), numero di elementi delle griglie di
calcolo (forma ottimale), passo iniziale
(0)
o
(0)
, numero di iterazioni e tempo di calcolo.
metodo Re C
D
(
(0)
) C
D
(

) mesh (el.)
(0)
,
(0)
iter. cpu(s)
A 5 10
4
0,01026 0,00748 10281 0,0005 15 8461
A 5 10
4
0,00809 0,00556 11101 0,0005 15 11670
A 1 10
6
0,00696 0,00308 9528 0,0005 15 10253
B 5 10
4
0,01038 0,00597 13549 0,0005 12 9118
B 5 10
5
0,00495 0,00337 13307 0,00005 12 9184
B 5 10
5
0,00515 0,00310 13471 0,00025 12 9875
A titolo di esempio, vengono riportati il prolo iniziale e il prolo ottenuto ottenuto con
il metodo delle curve di Bezier per Re = 510
5
; di seguito sono ragurati i rispettivi ussi.
6. Risultati numerici 113
Figura 6.42: Prolo iniziale (a sinistra) e prolo ottimale (a destra) ottenuto con il metodo (B),
Re = 5 10
5
.
Figura 6.43: Campo di velocit`a (modulo) per il prolo iniziale e il prolo ottimale ottenuto con il
metodo (B), Re = 5 10
5
.
In numerosi casi il usso calcolato in corrispondenza della forma ottimale non risulta quel-
lo tipico di un prolo ottimizzato soggetto a un usso ad alto numero di Reynolds, es-
sendo caratterizzato da una separazione piuttosto arretrata; tuttavia, anche prescindendo
da questo aspetto si pu`o osservare una importante dierenza tra i due metodi. Nel caso
della boundary variation linformazione contenuta nel gradiente del funzionale `e sfruttata
in modo distribuito su tutto il contorno
body
e occorre considerare passi di aggiornamento
piuttosto piccoli per operare la deformazione senza precludere la stabilit`a dellalgoritmo,
dal momento che in alcune regioni circostanti
body
si hanno alti gradienti di velocit`a e
risulta anchesso elevato. Nel caso del metodo basato sulle curve di Bezier, i valori di
entrano nel calcolo dei coecienti a
ij
e linformazione dello shape gradient viene impiegata
in modo concentrato per laggiornamento delle ordinate dei punti di controllo; dividendo
inoltre
(0)
per il valore medio del gradiente su
body
(o eventualmente per il valore massi-
mo) anziche considerare un passo costante `e possibile limitare le oscillazioni.
Nel secondo caso risulta quindi possibile operare maggiori deformazioni e modicare la forma
in modo pi` u sensibile rispetto alla strategia di boundary variation; valgono tuttavia, anche
per ussi ad alto numero di Reynolds, gran parte delle osservazioni esposte nella Sezione 6.2.
6. Risultati numerici 114
In entrambi i casi, inne, i valori del coeciente C
D
risultano comunque pi` u bassi rispetto a
quelli ottenuti con Re = 101000, in accordo con quanto stabilito allinizio della precedente
sezione.
Oltre a tutte i possibili perfezionamenti della procedura di ottimizzazione descritti in prece-
denza, un miglioramento allalgoritmo implementato pu`o essere apportato introducendo
una diversa tecnica di stabilizzazione (si veda ad esempio [11] per la tecnica di continuous
interior penalty). Per ovviare a tutte le criticit`a esposte sarebbe tuttavia necessario imple-
mentare un solutore che comprenda un opportuno modello di turbolenza.
I casi test considerati possono inne costituire un punto di partenza per lottimizzazione del
prolo di una sezione bidimensionale del bulbo per unimbarcazione da competizione Ame-
ricas Cup con lo scopo di minimizzare la resistenza totale agente su di esso. Prescindendo
dallaccuratezza con cui viene risolto il usso, in base al confronto operato tra le due strate-
gie usate per la deformazione dei domini si pu`o concludere che nel caso del bulbo la tecnica
di boundary variation fornirebbe risultati pi` u accurati dellaltra, a causa della sua natura
locale; oltre a un miglior trattamento delle griglie di calcolo, essa permette un controllo
adattivo dei passi di aggornamento e risulta pi` u indicata nel caso in cui si scelga un prolo
iniziale simile a quello ottimale e occorra operare piccole deformazioni. Tuttaavia, lintro-
duzione di ulteriori criteri di ottimizzazione nella procedura basata sulle curve di Bezier
renderebbe anche questa tecnica piuttosto valida per la risoluzione del problema, grazie alla
forte riduzione dimensionale da essa operata: opportunamente migliorata, in alcuni casi
[7, 14] essa `e stata infatti impiegata per lottimizzazione di proli alari.
Lapplicazione delle tecniche di ottimizzazione di forma al caso tridimensionale permet-
terebbe naturalmente di ottenere risultati molto pi` u accurati sotto ogni punto di vista;
ancora una volta, le dicolt`a risultano principalmente di natura computazionale, poiche da
un punto di vista teorico la struttura dei metodi usati per lottimizzazione numerica pu`o
essere di fatto estesa a tale caso.
In conclusione, riteniamo dunque che un miglioramento delle tecniche di ottimizzazione di
forma implementate e lintroduzione di un modello di turbolenza possano condurre a una
soluzione del problema molto soddisfacente, in vista soprattutto di unestensione al caso
tridimensionale.
Conclusioni
In questa tesi sono stati studiati alcuni metodi teorici e numerici per lottimizzazione di
forma applicata a problemi di uidodinamica; in particolare, sono stati risolti i problemi di
minimizzazione dellenergia dissipata e del drag totale per un corpo immerso in un uido
viscoso incomprimibile, governato dalle equazioni di Navier-Stokes stazionarie in un dominio
bidimensionale.
A partire dalla teoria del contollo ottimale, si `e mostrato come formulare un problema di
Optimal shape design e come caratterizzare il sistema delle condizioni di ottimalit`a estenden-
do a questo caso i metodi basati sul problema aggiunto e sui moltiplicatori di Lagrange; in
particolare sono stati ricavati alcuni risultati di buona posizione per il problema di minimiz-
zazione del drag. Sono stati considerati inoltre due dierenti approcci per lapprossimazione
numerica della soluzione di un problema di ottimizzazione di forma e ne sono state messe in
risalto analogie e dierenze mediante lanalisi di numerosi casi test con ussi a bassi numeri
di Reynolds. Queste tecniche sono state inne applicate alla risoluzione di problemi con
ussi ad alti numeri di Reynolds: per essi non `e stato possibile ricavare risultati esaustivi,
ma si `e preferito concentrare lattenzione sulle principali criticit`a e sugli opportuni rimedi.
Dal punto di vista teorico, sono stati arontati numerosi aspetti coinvolti nellanalisi di
un problema di ottimizzazione di forma; le tecniche usate per risolvere un problema di
questo tipo si sono dimostrate allo stesso tempo complesse e versatili, risultando adatte al
trattamento di numerosi altri problemi dierenti da quelli considerati. In particolare, si `e
visto come lapproccio basato sulla formulazione di un problema aggiunto risulti molto van-
taggioso nei problemi di ottimizzazione di forma, dal momento che permette di esprimere
facilmente il gradiente del funzionale costo senza ricorrere al calcolo della shape derivative
delle grandezze di stato. Uno degli aspetti pi` u rilevanti dellintero lavoro `e stato dunque
costituito dalla comprensione della teoria dellottimizzazione di forma sia da un punto di
vista astratto che nellapplicazione ai problemi arontati.
Tra i problemi di controllo, lottimizzazione di forma risulta quello pi` u complesso e delicato
anche dal punto di vista computazionale, comportando la modica della griglia di calcolo
ad ogni iterazione e sollevando alcune questioni legate alla consistenza, risolte imponendo
opportuni vincoli geometrici che scartino eventuali congurazioni non ammissibili. Inoltre,
una procedura di ottimizzazione numerica (nel nostro caso di tipo steepest descent) `e neces-
sariamente basata sullesecuzione di trasformazioni successive del dominio di calcolo: per
tradurre le informazioni contenute nel gradiente del funzionale costo (principio di minimo)
in una deformazione geometrica sono state adottate due dierenti strategie. In un caso
la determinazione della direzione di discesa `e stata adata alla risoluzione di un ulteriore
problema dierenziale (gradient regularization) e la deformazione `e stata operata diretta-
mente sul contorno del prolo da ottimizzare; nel secondo la frontiera da ottimizzare `e stata
115
Conclusioni 116
parametrizzata con pi` u curve di Bezier e la procedura di ottimizzazione `e stata applicata
alle coordinate dei punti di controllo di queste curve. Entrambe le tecniche hanno permesso
di risolvere adeguatamente i problemi di ottimizzazione di forma studiati; sfruttando i risul-
tati ottenuti dai numerosi casi test risolti sono state osservate alcune analogie e numerose
dierenze: se ad esempio la tecnica di variazione del contorno permette un migliore tratta-
mento delle griglie di calcolo e la scelta adattiva di alcuni parametri, il metodo basato sulle
curve di Bezier consente invece di operare una forte riduzione dimensionale del problema
e di disporre dellespressione analitica della forma a ogni iterazione. Entrambe le tecniche
permettono di operare inoltre una regolarizzazione delle forme ottenute per evitare proli
che presentino oscillazioni: in un caso ci`o si ottiene operando la deformazione su una griglia
coarse, nellaltro sfruttando direttamente le propriet`a di regolarit`a delle curve di Bezier.
Se i problemi di ottimizzazione di forma risultano in generale molto sensibili alla variazione
dei parametri che vi compaiono, la loro complessit`a `e sicuramente accentuata nel caso dei
ussi ad alto numero di Reynolds; oltre a una forte dipendenza dalla forma iniziale, le
procedure di ottimizzazione coinvolgono necessariamente tutti gli aspetti critici che carat-
terizzano questi ussi. A questo proposito sono stati eseguiti alcuni casi test a numeri di
Reynolds piuttosto elevati (da 5 10
5
a 10
6
) per comprendere quali fattori inuenzino la
stabilit`a e la convergenza delle procedure di ottimizzazione; tuttavia i risultati ottenuti
risultano solo parziali dal momento che nei solutori per il problema di Navier-Stokes non
sono stati considerati adeguati modelli di turbolenza.
I casi test considerati possono costituire un punto di partenza per lottimizzazione della
forma di un bulbo per unimbarcazione da competizione Americas Cup, problema da cui
ha preso le mosse lo studio contenuto in questa Tesi.
Gli aspetti legati allottimizzazione di forma in presenza di alti numeri di Reynolds sono
particolarmente interessanti soprattutto in campo navale e aeronautico e potranno essere
maggiormente approfonditi nel momento in cui la teoria dellottimizzazione di forma e le
procedure di appossimazione numerica saranno estese in modo ecace al caso di corpi
tridimensionali.
Bibliograa
[1] V.I. Agoshkov, Optimal Control Methods and Adjoint Equations in Mathematical
Physics Problems, Institute of Numerical Mathematics, Russian Academy of Science,
Moscow, 2003.
[2] V.I. Agoshkov, A. Quarteroni, G. Rozza, Shape design in aorto-coronaric bypass using
perturbation theory, SIAM J. Numerical Analysis (SINUM), Vol. 44, N. 1, pp. 367-384,
2006
[3] G. Allaire, Conception optimale de structures, Springer-Verlag, Mathematiques et
Appllications, Berlin-Heidelberg, 2007
[4] G. Allaire, O. Pantz, Structural Optimization with FreeFem++, R.I. 586, CMAP, Ecole
Polytechnique, Palaiseau, 2005
[5] I. Babuska, The nite element method with lagrange multipliers, Num. Mat. 20, 1972,
pp. 179-192
[6] R. Becker, Weighted Error Estimators for the Incompressible Navier-Stokes Equations,
Rapp. de Rech. no.3458, INRIA Sophia Antipolis, 1998
[7] F. Belahc`ene, J.A. Desideri, Parametrisation de Bezier adaptative pour loptimisation
de forme en Aerodynamique, Rapp. de Rech. no.4943, INRIA Sophia Antipolis, 2003
[8] J.A. Bello, E. Fernandez-Cara, J. Lemoine, J. Simon, The dierentiability of the drag
with respect to the variations of a Lipschitz domain in a Navier-Stokes ow, SIAM J.
Control. Optim., vol.35, No 2, pp. 626-640, 1997
[9] S. Boisg`erault, J.P. Zolesio, Boundary Variations in the Navier-Stokes Equations and
lagrangian Functionals, in Shape optimization and optimal design (Cambridge, 1999),
pp. 7-26. Dekker, New York, 2001.
[10] S. Bonisch, V. Heuveline, P. Wittwer, Adaptive boundary conditions for exterior ow
problems, Journal of Mathematical Fluid Mechanics, Vol. 7, n. 1, 2005, 85-107
[11] E. Burman, M.A. Fernandez, P. Hansbo, Continuous Interior Penalty Finite Element
Method for Oseens Equations, SIAM J. Numer. Anal., Vol. 44, No. 3, pp. 1248-1274
[12] E. F. Campana, D. Peri, Y. Tahara, F. Stern, Shape optimization in ship hydrodynamics
using computational uid dynamics, Comp. Meth. Appl.Mech. Eng., Vol.196, pp.634-
651, 2006
117
Bibliograa 118
[13] J. Cea, Conception Optimale ou identication de formes calcul rapide de la derivee
directionelle de la fonction cout, in Mathematical Modelling and Numerical Analysis,
Vol. 20, No 3, 1986, pp. 371-402
[14] A. Clarich, J.A. Desideri, Self-adaptive parametrisation for aerodynamic optimum-
shape design, Rapp. de rech. no.4428, INRIA Sophia Antipolis, 2002
[15] R.Correa, A.Seeger, Directional derivative of a minmax function, Nonlinear Analysis,
Theory Methods and Applications No.9, pp. 13-22, 1985
[16] G. W. Cowles, N. Parolini M. L. Sawley, Numerical Simulation using RANS-based
Tools for Americas Cup Design, in Proceedings of the 16th Chesapeake Sailing Yacht
Symposium, Annapolis, J. Zseleczky (ed), Omnipress, Madison (USA) 2003
[17] C. De Boor, A pratical Guide to Splines, Springer, New York, 2001
[18] L. Ded`e, Optimal ow control for Navier-Stokes equations: Drag minimization, Int. J.
Numer. Meth. Fluids 2007, vol. 55, 4, pp. 347-366
[19] M.C. Delfour, J.P. Zolesio, Tangential Calculus and Shape Derivatives, in Shape
optimization and optimal design (Cambridge, 1999), pp. 37-60. Dekker, New York,
2001.
[20] M.C. Delfour, J.P. Zolesio, Shapes and Geometries. Analysis, Dierential Calculus
and Optimization, Siam, Series Advances in Design and Control, 2001
[21] Z, Gao, Y. Ma, Shape gradient of the dissipated energy functional in shape opti-
mization for the iscous incompressible ow, Applied Numerical Mathematics (2007),
doi:10.1016/j.apnum.2007.10.005 (in press)
[22] Z. Gao, Y. Ma, H. Zhuang, Shape Optimization for Navier-Stokes Flow, Inverse
Problems in Science and Engineering (2007), in press, arXiv:math/0612136v1
[23] V. Girault, P.A. Raviart, Finite Element Methods for Navier-Stokes Equations,
Springer-Verlag, Berlin-Heidelberg 1986
[24] M. D. Gunzburger, H. Kim, Existence of an optimal solution of a problem for the
stationary Navier-Stokes equations, SIAM J. Control Optim., 1998 Vol. 36, No. 3, pp.
895-909
[25] M. D. Gunzburger, H. Kim, S. Manservisi, On a Shape Control problem for the sta-
tionary Navier-Stokes equations, Mathematical Modeling and Numerical Analysis, Vol.
34, n. 6, 2000, pp.1233-1258
[26] M. D. Gunzburger, Perspectives in Flow Control and optimization, SIAM, Series
Advances in Design and Control, 2003
[27] J. Haslinger, R.A.E. Makinen, Introduction to Shape Optimization. Theory, Ap-
proximation and Computation, Siam, Series Advances in Design and Control,
2003
[28] F. Hecht, O. Pironneau, A. Le Hyaric, K. Ohtsuka, FreeFem++ Tutorial, Versione
2.24-2-2, http://www.freefem.org/
Bibliograa 119
[29] F. Hecht, BAMG: Bidimensional Anisotropic Mesh Generator, INRIA, Rocquencourt,
1998
[30] A. Henrot, M.Pierre, Variation et optimisation de formes. Une analyse geometrique,
Springer-Verlag Berlin Heidelberg, Mathematiques et Applications 48, 2005
[31] A. Jameson, Optimum Aerodynamic Design using CFD and Control Theory, AIAA
Paper 95-1729, 12th AIAA Computational Fluid Dynamics Conference 1995.
[32] A. Jameson, J.C. Vassberg, Computational Fluid Dynamics for Aerodynamic Design:
its current and future impact, AIAA Paper 2001-0538, 39th AIAA Aerospace Sciences
Meeting and Exibit, Jan 8-11 2001, Reno NV.
[33] A. Jameson, N. Pierce, L. Martinelli, Optimum Aerodynamic Design using the Navier-
Stokes Equations, AIAA Paper 97-0101, 1997.
[34] B. Kawohl, O. Pironneau, L. Tartar, J.P. Zolesio, Optimal Shape Design, Springer,
Berlin, 2000.
[35] J. L. Lions, Optimal Control of Systems governed by Partial Dierential Equations,
Springer-Verlag, 1971
[36] J. H. Milgram, Fluid mechanics for sailing vessel design, Ann. Rew. Fluid Mech. 30
(1998), 613-653
[37] B. Mohammadi, O. Pironneau, Applied Shape Optimization for Fluids, Clarendon
Press, Oxford 2001
[38] B. Mohammadi, O. Pironneau, Shape Optimization in Fluid Mechanics, Annu. Rev.
Fluid Mech. 2004, 36: 11.1-11.25
[39] J. Nocedal, S. J. Wright, Numerical Optimization, Springer series in operations
research, Springer-Verlag New York, 1999
[40] N. Parolini, Computational Fluid Dynamics for naval Engineering Problems, Tesi di
Dottorato, Institut dAnalyse et Calcul Scientique, EPFL Lausanne, 2004
[41] N. Parolini, A. Quarteroni, Mathematical models and numerical simulations for the
Americas Cup, Comp. Meth. Appl. Mech. Eng., Vol.194, pp.1001-1026, 2005
[42] N. Parolini, A. Quarteroni, Modelling and Numerical Simulation for Yacht Engineer-
ing, MOX-Report No. 10/2007, MOX, Dip. di Matematica F. Brioschi Politecnico di
Milano, 2007
[43] O. Pironneau, On optimum design in uid mechanics, Journal of Fluid Mechanics
1974; 64(1), 97-110
[44] O. Pironneau, Optimal Shape Design for Elliptic Systems, Springer-Verlag New York,
1984
[45] A. Quarteroni, Modellistica numerica per problemi dierenziali, Springer-Verlag Italia,
Milano 2006
Bibliograa 120
[46] A. Quarteroni, A. Valli Numerical Approximation of Partial Dierential Equations,
Springer-Verlag, Berlin-Heidelberg 1994
[47] A. Quarteroni, R. Sacco, F. Saleri, Numerical Mathematics, Springer, New York, 2000
[48] A. Quarteroni, G. Rozza, Optimal Control and Shape Optimization in Aorto-Coronaric
Bypass Anastomoses, M3AS, N.12, Vol. 13, pp 1801-23, 2003
[49] G. Rozza, Shape Design by Optimal Flow Control and Reduced Basis Techniques:
Applications to Bypass Congurations in Haemodynamics, PhD Thesis, EPFL, 2005
[50] S. Salsa, Equazioni a Derivate Parziali, Springer-Verlag Italia, Milano 2004
[51] J. Simon, Dierentiation with respect to the domain in boundary value problems,
Numer. Funct. Anal. and Optim., 2 (1980), pp. 649-687
[52] J. Sokolowski, J.P. Zolesio, Introduction to Shape Optimization, Springer-Verlag Berlin-
Heidelberg, 1992
[53] T. Tiihonen, Shape Calculus and Finite Element Method in Smooth Domains,
Mathematics of Computation, Vol. 70, No. 233 (Jan. 2001), pp. 1-15
[54] J.P. Zolesio, The material derivative (or speed) method for shape optimization, in:
Optimization of distributed parameter structures, E.J. Hug and J. Cea (Eds), Sijtho
and Noordho, 1981, pp. 1089-1151