You are on page 1of 313

M´ etodos Num´ ericos en Fen´ omenos de Transporte.

Norberto Nigro <nnigro@intec.unl.edu.ar> Mario Storti <mstorti@intec.unl.edu.ar> www: http: // www. cimec. org. ar/ cfd Centro Internacional de M´ etodos Computacionales en Ingenier´ ıa http: // www. cimec. org. ar

(Document version: curso-cfd-0.0.2-15-gb72220a ’clean) (Date: Sun Sep 30 12:31:24 2007 -0300)

´ Indice general
1. Modelos fis´ ıcos y matem´ aticos 1.1. Conceptos introductorios . . . . . . . . . . . . . . . . . . . . . . 1.1.1. Postulado del continuo . . . . . . . . . . . . . . . . . . . 1.1.2. Tipos de flujo . . . . . . . . . . . . . . . . . . . . . . . . 1.1.3. La soluci´ on a los problemas de mec´ anica de fluidos . . . 1.1.4. Unidades . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.1.5. Propiedades de los fluidos . . . . . . . . . . . . . . . . . . 1.2. Cinem´ atica de fluidos . . . . . . . . . . . . . . . . . . . . . . . . 1.2.1. El vol´ umen material . . . . . . . . . . . . . . . . . . . . . 1.2.2. El principio de conservaci´ on de la cantidad de movimiento 1.3. TP.I.- Trabajo Pr´ actico #1 . . . . . . . . . . . . . . . . . . . . . 2. Niveles din´ amicos de aproximaci´ on 2.0.1. Introducci´ on . . . . . . . . . . . . . . . . . . . 2.1. Las ecuaciones de Navier-Stokes . . . . . . . . . . . . 2.1.1. Modelo de fluido incompresible . . . . . . . . . 2.1.2. Las ecuaciones de Navier-Stokes promediadas 2.1.3. Aproximaci´ on ”Thin shear layer” (TSL) . . . 2.1.4. Aproximaci´ on Navier-Stokes parabolizada . . . 2.1.5. Aproximaci´ on de capa l´ ımite . . . . . . . . . . 2.2. Modelo de flujo inv´ ıscido . . . . . . . . . . . . . . . . 2.2.1. Propiedades de las soluciones discontinuas . . 2.3. Flujo potencial . . . . . . . . . . . . . . . . . . . . . . 2.3.1. Aproximaci´ on de peque˜ nas pertubaciones . . 2.3.2. Flujo potencial linealizado . . . . . . . . . . . 3. Naturaleza matem´ atica de las ecuaciones 3.1. Introducci´ on . . . . . . . . . . . . . . . . . . . . . . 3.2. Superficies caracter´ ısticas. Soluciones del tipo ondas 3.3. Ecuaciones diferenciales parciales de segundo ´ orden 3.4. Definici´ on general de superficie caracter´ ıstica . . . . 3.5. Dominio de dependencia - zona de influencia . . . . 3.6. Condiciones de contorno e iniciales . . . . . . . . . . 9 9 9 10 11 12 13 15 15 15 36 40 40 41 42 43 44 45 46 46 47 49 51 51 52 52 55 55 58 60 61

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . lineal . . . .

. . . . . . . . . .

. . . . . . . . . .

. . . . . . . . . .

. . . . . . . . . .

. . . . . . . . . .

. . . . . . . . . .

. . . . . . . . . .

. . . . . . . . . .

. . . . . . . . . . . .

. . . . . . . . . . . .

. . . . . . . . . . . .

. . . . . . . . . . . .

. . . . . . . . . . . .

. . . . . . . . . . . .

. . . . . . . . . . . .

. . . . . . . . . . . .

. . . . . . . . . . . .

. . . . . . . . . . . .

. . . . . . . . . . . .

. . . . . . . . . . . .

. . . . . . . . . . . .

. . . . . . . . . . . .

. . . . . . . . . . . .

. . . . . . . . . . . .

. . . . . . . . . . . .

. . . . . . . . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

1

´ INDICE GENERAL

´ INDICE GENERAL

3.6.1. Introducci´ on . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.6.2. MatLab como software de aplicaci´ on . . . . . . . . . . . . . . . . . . . . . . . . 4. M´ etodo de diferencias finitas 4.1. Diferencias finitas en 1D . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.1.1. Desarrollo en Serie de Taylor . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.1.2. Aproximaciones de mayor orden . . . . . . . . . . . . . . . . . . . . . . . . . 4.1.3. Aproximaci´ on de derivadas de orden superior . . . . . . . . . . . . . . . . . . 4.1.4. N´ umero de puntos requeridos . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.1.5. Soluci´ on de la ecuaci´ on diferencial por el m´ etodo de diferencias finitas . . . . 4.1.6. Ejemplo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.1.7. An´ alisis de error. Teorema de Lax . . . . . . . . . . . . . . . . . . . . . . . . 4.1.8. Condiciones de contorno tipo Neumann (“flujo impuesto”) . . . . . . . . . . . 4.2. Problemas no-lineales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.2.1. Ejemplo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.2.2. M´ etodo secante . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.2.3. M´ etodo tangente . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.3. Precisi´ on y n´ umero de puntos en el esquema de diferencias finitas . . . . . . . . . . . 4.4. M´ etodo de diferencias finitas en m´ as de una dimensi´ on . . . . . . . . . . . . . . . . . 4.5. Aproximaci´ on en diferencias finitas para derivadas parciales . . . . . . . . . . . . . . 4.5.1. Stencil del operador discreto . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.6. Resoluci´ on del sistema de ecuaciones . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.6.1. Estructura banda . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.6.2. Requerimientos de memoria y tiempo de procesamiento para matrices banda 4.6.3. Ancho de banda y numeraci´ on de nodos . . . . . . . . . . . . . . . . . . . . . 4.7. Dominios de forma irregular . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.7.1. Inmersi´ on del dominio irregular en una malla homog´ enea . . . . . . . . . . . 4.7.2. Mapeo del dominio de integraci´ on . . . . . . . . . . . . . . . . . . . . . . . . 4.7.3. Coordenadas curvil´ ıneas ortogonales . . . . . . . . . . . . . . . . . . . . . . . 4.7.4. Ejemplo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.7.5. Mallas generadas por transformaci´ on conforme . . . . . . . . . . . . . . . . . 4.8. La ecuaci´ on de convecci´ on-reacci´ on-difusi´ on . . . . . . . . . . . . . . . . . . . . . . . 4.8.1. Interpretaci´ on de los diferentes t´ erminos . . . . . . . . . . . . . . . . . . . . . 4.8.2. Discretizaci´ on de la ecuaci´ on de advecci´ on-difusi´ on . . . . . . . . . . . . . . . 4.8.3. Desacoplamiento de las ecuaciones . . . . . . . . . . . . . . . . . . . . . . . . 4.8.4. Esquemas de diferencias contracorriente (upwinded) . . . . . . . . . . . . . . 4.8.5. El caso 2D . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.8.6. Resoluci´ on de las ecuaciones temporales . . . . . . . . . . . . . . . . . . . . . 4.9. Conducci´ on del calor con generaci´ on en un cuadrado . . . . . . . . . . . . . . . . . .

62 63 73 73 73 75 75 76 76 78 79 80 84 86 87 89 90 92 92 95 96 96 97 99 100 101 103 104 104 106 111 112 117 118 118 120 122 123

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

5. T´ ecnicas de discretizaci´ on 125 5.1. M´ etodo de los residuos ponderados . . . . . . . . . . . . . . . . . . . . . . . . . . . . 125 5.1.1. Introducci´ on . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 125 5.1.2. Aproximaci´ on por residuos ponderados . . . . . . . . . . . . . . . . . . . . . . 128 2

((docver curso-cfd-0.0.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300))

´ INDICE GENERAL

´ INDICE GENERAL

5.1.3. Residuos ponderados para la resoluci´ on de ecuaciones diferenciales 5.1.4. Condiciones de contorno naturales . . . . . . . . . . . . . . . . . . 5.1.5. M´ etodos de soluci´ on del contorno . . . . . . . . . . . . . . . . . . 5.1.6. Sistema de ecuaciones diferenciales . . . . . . . . . . . . . . . . . 5.1.7. Problemas no lineales . . . . . . . . . . . . . . . . . . . . . . . . . 5.1.8. Conclusiones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5.1.9. TP.chapV– Trabajo Pr´ actico #2 . . . . . . . . . . . . . . . . . . .

. . . . . . .

. . . . . . .

. . . . . . .

. . . . . . .

. . . . . . .

. . . . . . .

. . . . . . .

130 137 138 139 140 144 145 149 149 151 156 157 157 158 162 163 164 165 166 167 170 170 170 172 179 181 182 182 183 187 189 194 194 197 198 199 199 204 206 206 207 3

6. M´ etodo de los elementos finitos 6.1. Introducci´ on . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6.2. Funciones de forma locales de soporte compacto . . . . . . . . . . . . . . . . . . . . . 6.3. Aproximaci´ on a soluciones de ecuaciones diferenciales. Requisitos sobre la continuidad de las funciones de forma . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6.4. Formulaci´ on d´ ebil y el m´ etodo de Galerkin . . . . . . . . . . . . . . . . . . . . . . . . 6.5. Aspectos computacionales del m´ etodo de los elementos finitos . . . . . . . . . . . . . 6.5.1. Ejemplo 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6.5.2. Ejemplo 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6.5.3. Ejemplo 3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6.6. Interpolaci´ on de mayor orden en 1D . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6.6.1. Grado de las funciones de prueba y velocidad de convergencia . . . . . . . . . 6.6.2. Funciones de forma de alto orden standard de la clase C 0 . . . . . . . . . . . 6.7. Problemas con advecci´ on dominante - M´ etodo de Petrov-Galerkin . . . . . . . . . . . 6.8. El caso multidimensional . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6.8.1. Introducci´ on . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6.8.2. Elemento triangular . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6.8.3. Elemento cuadrangular . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6.8.4. Transformaci´ on de coordenadas . . . . . . . . . . . . . . . . . . . . . . . . . . 6.8.5. Integraci´ on num´ erica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6.9. Problemas dependientes del tiempo . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6.9.1. Discretizaci´ on parcial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6.9.2. Discretizaci´ on espacio-temporal por elementos finitos . . . . . . . . . . . . . . 6.10. El m´ etodo de los elementos finitos aplicado a las leyes de conservaci´ on . . . . . . . . . 6.11. TP.VI- Trabajo Pr´ actico . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7. M´ etodo de los vol´ umenes finitos 7.1. Introducci´ on . . . . . . . . . . . . . . . . . . . . . . . 7.2. Formulaci´ on del m´ etodo de los vol´ umenes finitos . . 7.2.1. Mallas y vol´ umenes de control . . . . . . . . . 7.3. El m´ etodo de los vol´ umenes finitos en 2D . . . . . . . 7.3.1. Evaluaci´ on de los flujos convectivos . . . . . . 7.3.2. F´ ormulas generales de integraci´ on . . . . . . . 7.4. El m´ etodo de los vol´ umenes finitos en 3D . . . . . . . 7.4.1. Evaluaci´ on del area de las caras de la celda . . 7.4.2. Evaluaci´ on del vol´ umen de la celda de control

. . . . . . . . .

. . . . . . . . .

. . . . . . . . .

. . . . . . . . .

. . . . . . . . .

. . . . . . . . .

. . . . . . . . .

. . . . . . . . .

. . . . . . . . .

. . . . . . . . .

. . . . . . . . .

. . . . . . . . .

. . . . . . . . .

. . . . . . . . .

. . . . . . . . .

. . . . . . . . .

. . . . . . . . .

. . . . . . . . .

((docver curso-cfd-0.0.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300))

´ INDICE GENERAL

´ INDICE GENERAL

7.5. TP.VII.- Trabajo Pr´ actico . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 210 8. An´ alisis de esquemas num´ ericos 8.1. Introducci´ on . . . . . . . . . . . . . . . . . . . . . . 8.2. Definiciones b´ asicas . . . . . . . . . . . . . . . . . . 8.3. Consistencia . . . . . . . . . . . . . . . . . . . . . . 8.4. Estabilidad . . . . . . . . . . . . . . . . . . . . . . . 8.5. El m´ etodo de Von Neumann . . . . . . . . . . . . . 8.5.1. Factor de amplificaci´ on . . . . . . . . . . . . 8.5.2. Extensi´ on al caso de sistema de ecuaciones . 8.5.3. An´ alisis espectral del error num´ erico . . . . 8.5.4. Extensi´ on a esquemas de tres niveles . . . . 8.5.5. El concepto de velocidad de grupo . . . . . . 8.5.6. An´ alisis de Von Neumann multidimensional 8.6. Convergencia . . . . . . . . . . . . . . . . . . . . . . 8.7. TP. Trabajo Pr´ actico . . . . . . . . . . . . . . . . . . 213 213 213 216 218 220 221 223 228 232 232 233 234 235 238 238 238 243 246 248 249 254 254 256 260 264 269 275 275 275 279 280 281 282 284 284 285 285 285 288 290 4

. . . . . . . . . . . . .

. . . . . . . . . . . . .

. . . . . . . . . . . . .

. . . . . . . . . . . . .

. . . . . . . . . . . . .

. . . . . . . . . . . . .

. . . . . . . . . . . . .

. . . . . . . . . . . . .

. . . . . . . . . . . . .

. . . . . . . . . . . . .

. . . . . . . . . . . . .

. . . . . . . . . . . . .

. . . . . . . . . . . . .

. . . . . . . . . . . . .

. . . . . . . . . . . . .

. . . . . . . . . . . . .

. . . . . . . . . . . . .

. . . . . . . . . . . . .

. . . . . . . . . . . . .

9. M´ etodos iterativos para la resoluci´ on de ecuaciones lineales 9.1. Conceptos b´ asicos de m´ etodos iterativos estacionarios . . . . . . . . 9.1.1. Notaci´ on y repaso . . . . . . . . . . . . . . . . . . . . . . . . 9.1.2. El lema de Banach . . . . . . . . . . . . . . . . . . . . . . . . 9.1.3. Radio espectral . . . . . . . . . . . . . . . . . . . . . . . . . . 9.1.4. Saturaci´ on del error debido a los errores de redondeo. . . . . 9.1.5. M´ etodos iterativos estacionarios cl´ asicos . . . . . . . . . . . . 9.2. M´ etodo de Gradientes Conjugados . . . . . . . . . . . . . . . . . . . 9.2.1. M´ etodos de Krylov y propiedad de minimizaci´ on . . . . . . . 9.2.2. Consecuencias de la propiedad de minimizaci´ on. . . . . . . . 9.2.3. Criterio de detenci´ on del proceso iterativo. . . . . . . . . . . 9.2.4. Implementaci´ on de gradientes conjugados . . . . . . . . . . . 9.2.5. Los “verdaderos residuos”. . . . . . . . . . . . . . . . . . . . . 9.2.6. M´ etodos CGNR y CGNE . . . . . . . . . . . . . . . . . . . . 9.3. El m´ etodo GMRES . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9.3.1. La propiedad de minimizaci´ on para GMRES y consecuencias 9.3.2. Criterio de detenci´ on: . . . . . . . . . . . . . . . . . . . . . . 9.3.3. Precondicionamiento . . . . . . . . . . . . . . . . . . . . . . . 9.3.4. Implementaci´ on b´ asica de GMRES . . . . . . . . . . . . . . . 9.3.5. Implementaci´ on en una base ortogonal . . . . . . . . . . . . . 9.3.6. El algoritmo de Gram-Schmidt modificado . . . . . . . . . . . 9.3.7. Implementaci´ on eficiente . . . . . . . . . . . . . . . . . . . . . 9.3.8. Estrategias de reortogonalizaci´ on . . . . . . . . . . . . . . . . 9.3.9. Restart . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9.3.10. Otros m´ etodos para matrices no-sim´ etricas . . . . . . . . . . 9.3.11. Gu´ ıa Nro 3. GMRES . . . . . . . . . . . . . . . . . . . . . . . 9.4. Descomposici´ on de dominios. . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . . .

((docver curso-cfd-0.0.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300))

´ INDICE GENERAL

´ INDICE GENERAL

9.4.1. Condicionamiento del problema de interfase. An´ alisis de Fourier. . . . . . . . . 291 9.5. Gu´ ıa de Trabajos Pr´ acticos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 296 10.Flujo incompresible 10.1. Definici´ on de flujo incompresible . . . . . . 10.2. Ecuaciones de Navier-Stokes incompresible . 10.3. Formulaci´ on vorticidad-funci´ on de corriente 10.4. Discretizaci´ on en variables primitivas . . . . 10.5. Uso de mallas staggered . . . . . . . . . . . 10.6. Discretizaci´ on por elementos finitos . . . . . 10.7. El test de la parcela . . . . . . . . . . . . . 10.8. La condici´ on de Brezzi-Babuska . . . . . . . 10.9. M´ etodos FEM estabilizados . . . . . . . . . 299 299 300 300 302 304 305 307 309 310

. . . . . . . . .

. . . . . . . . .

. . . . . . . . .

. . . . . . . . .

. . . . . . . . .

. . . . . . . . .

. . . . . . . . .

. . . . . . . . .

. . . . . . . . .

. . . . . . . . .

. . . . . . . . .

. . . . . . . . .

. . . . . . . . .

. . . . . . . . .

. . . . . . . . .

. . . . . . . . .

. . . . . . . . .

. . . . . . . . .

. . . . . . . . .

. . . . . . . . .

. . . . . . . . .

. . . . . . . . .

. . . . . . . . .

. . . . . . . . .

((docver curso-cfd-0.0.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300))

5

Introducci´ on. Hirsch [Hirsch] se divide en 2 partes: 1. T´ ecnicas espec´ ıficas aplicables a problemas de mec´ anica de fluidos y transferencia de calor. Mediante una visi´ on del material propia de la mec´ anica del continuo se obtiene posteriormente un modelo matem´ atico que en general consiste de un conjunto de ecuaciones a derivadas parciales con o sin restricciones y con sus respectivos valores de contorno e iniciales que completan 6 . a) FLUJO INVISCIDO COMPRESIBLE b) FLUJO VISCOSO COMPRESIBLE c ) FLUJO VISCOSO INCOMPRESIBLE d ) TOPICOS ESPECIALES La primera parte del curso consiste en presentar los principios generales sobre los que se apoyan los modelos f´ ısicos que interpretan muchas de las situaciones experimentales en mec´ anica de fluidos y transferencia de calor. Fundamentos y t´ ecnicas generales aplicables a los fen´ omenos de transporte en general y al flujo de calor y de fluidos en particular a) MODELOS FISICOS Y MATEMATICOS EN CFD b) APROXIMACIONES DINAMICAS c ) NATURALEZA MATEMATICA DE LAS ECUACIONES d ) TECNICAS DE DISCRETIZACION GLOBAL e ) METODOS ESPECTRALES f ) TECNICAS DE DISCRETIZACION LOCAL g ) METODOS DE ELEMENTOS FINITOS h) TECNICAS DE DISCRETIZACION LOCAL i ) METODOS DE VOLUMENES FINITOS j ) ANALISIS NUMERICO DE ESQUEMAS DISCRETOS k ) RESOLUCION DE ECUACIONES DISCRETIZADAS l ) APLICACIONES 2. Contenidos del curso Este curso b´ asico sobre CFD siguiendo los lineamientos del libro de C.

salvo en situaciones muy particulares en las cuales se pueden obtener soluciones anal´ ıticas. Esta primera parte finaliza con una serie de aplicaciones de los conceptos adquiridos a la resoluci´ on de las ecuaciones de convecci´ on difusi´ on tanto en su version estacionaria como transiente. con el fin de poder interpretar las t´ ecnicas num´ ericas desde el punto de vista de la precisi´ on. Debido a que el enfoque del curso est´ a orientado hacia los fundamentos y el aprendizaje de las t´ ecnicas que est´ an impl´ ıcitas en todo c´ odigo computacional se hace necesario programar por uno mismo algunas aplicaciones vistas en la secci´ on te´ orica. gran y eficiente interacci´ on entre c´ alculo y gr´ aficos. a saber: 1. se requiere un minucioso an´ alisis de los esquemas num´ ericos empleados previo a su resoluci´ on. Este t´ opico tiene alta incidencia en la factibilidad de resolver problemas num´ ericos ya que de acuerdo al problema en mano y a los recursos computacionales disponibles muestra las diferentes alternativas para su resoluci´ on. es un lenguaje de programaci´ on. En este sentido consideramos que el uso de MatLab puede ser muy beneficioso por varias razones. requieren de su resoluci´ on num´ erica con lo cual se hace necesario presentar las diferentes t´ ecnicas de discretizaci´ on habitualmente empleadas en problemas de transporte de calor y momento. Paralelamente con el curso te´ orico se desarrollar´ an talleres sobre los aspectos pr´ acticos a cubrir en esta primera parte. desde el simple caso unidimensional al multidimensional. tanto en su visi´ on continua como en su contraparte discreta y a la presencia de ecuaciones adicionales en los contornos. 4. por razones de eficiencia y para cuando la necesidad lo requiera es necesario contar con conocimientos de lenguajes de programaci´ on m´ as orientados a simulaciones de gran escala. necesarios para abordar la segunda parte. A continuaci´ on se aborda el tema de la resoluci´ on num´ erica delsistema algebraico/diferencial de ecuaciones que surge de la discretizaci´ on empleada. tambien discretizadas.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) . como por ejemplo el Fortran y el C o C++. En esta primera parte del curso se introducir´ an en forma de trabajos pr´ acticos y cuando la explicaci´ on te´ orica lo requiera algunos ejemplos a resolver tanto anal´ ıtica como num´ ericamente. 2.0.´ INDICE GENERAL ´ INDICE GENERAL su definici´ on. cuenta con muchas rutinas de alto nivel y otras de bajo nivel que permite ubicarse muchas veces en diferentes niveles o jerarquias con lo cual cada uno puede optar por el rol que mas le gusta. Ya que esto dif´ ıcilmente se encuentra en un paquete comercial y dado que el grado de avance que actualmente existe en el area de software educativo est´ a bastante lejos de poder contar con herramientas aptas para la ense˜ nanza se hace necesario elegir alg´ un entorno que sea ameno para el usuario y potente para el ambicioso plan de aprender m´ etodos num´ ericos desde cero. considerando el caso lineal como el no lineal representado por la ecuaci´ on de B¨ urgers. por lo tanto crear rutinas muy espec´ ıficas. dado que esta parte es introductoria se ver´ an modelos simplificados de aquellos com´ unmente empleados en CFD pero que contienen muchas de las caracter´ ısticas matem´ atico/num´ ericas propias de aquellos y que lo hacen atractivos en pos de ir incorporando conceptos. Debido al diferente car´ acter de las ecuaciones diferenciales. la consistencia y la estabilidad. la convergencia. Dada la complejidad matem´ atica de estos modelos. Sin entrar en detalles acerca de la programaci´ on el curso incluye el manejo de un programa de elementos finitos para la resoluci´ on de algunos de los problemas incluidos 7 ((docver curso-cfd-0. en forma gradual. posibilidad de debugear aplicaciones en forma interactiva. No obstante. 3. Este modelo sencillo tiene especial inter´ es dada la similitud que presenta con la estructura de las ecuaciones que conforman la mayoria de los modelos matem´ aticos mas frecuentemente usados en mec´ anica de fluidos y transferencia de calor.

En cada uno de estos cap´ ıtulos se volcar´ an los conceptos aprendidos en la primera parte del curso para dise˜ nar y analizar esquemas num´ ericos que permitan resolver estos casos particulares. Es bien sabido que la mayor´ ıa de los problemas de inter´ es son gobernados por condiciones de flujo turbulento. ((docver curso-cfd-0. Finalmente cierra esta secci´ on de t´ opicos especiales el tratamiento de problemas con dominios variables en el tiempo. Este software ser´ a utilizado en la segunda parte del curso para resolver problemas de flujos compresibles e incompresibles que requieren mucha mayor potencia de c´ alculo. Dada la complejidad del problema surgen naturalmente restricciones muy severas en cuanto a la resoluci´ on num´ erica de las ecuaciones lo cual hace necesario explorar t´ ecnicas iterativas espec´ ıficasa tal fin.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 8 .´ INDICE GENERAL ´ INDICE GENERAL en la primera parte del curso.0. Este tema forma parte del grupo de t´ opicos especiales. Otro de los temas especiales a tratar es el modelado de la turbulencia. La segunda parte del curso trata acerca de las t´ ecnicas espec´ ıficas empleadas en la resoluci´ on de problemas de mec´ anica de fluidos. Como las soluciones num´ ericas en los problemas de flujos de fluidos son altamente dependiente de la malla se hace necesario introducir nociones b´ asicas sobre generaci´ on de mallas en CFD . Se ver´ a a modo de introducci´ on algunos modelos algebraicos t´ ıpicos en los casos de flujos internos y externos asi como algunos modelos basados en ecuaciones a derivadas parciales como el caso del bien popular m´ etodo κ − . B´ asicamente se tomar´ a en primera instancia el caso de flujo inv´ ıscido compresible representado por el modelo de las ecuaciones de Euler y posteriormente se tratar´ a el caso viscoso tanto compresible como incompresible modelado por las ecuaciones de Navier-Stokes.

1. 1. De todos modos esto u ´ltimo no es muy pr´ actico ya que a menudo la informaci´ on microsc´ opica que se dispone es muy escasa como para poder plantear un modelo a tan peque˜ na escala para despu´ es saltar mediante la promediaci´ on a la macroescala.1. En la aproximaci´ on del continuo la operaci´ on de promediaci´ on antecede a la aplicaci´ on del principios termomec´ anicos. los relaciones termodin´ amicas entre las variables que caracterizan el fen´ omeno y finalmente los modelos matem´ aticos conformados por sistemas de ecuaciones diferenciales que ser´ an el punto de partida hacia la b´ usqueda de soluciones a diversos problemas de mec´ anica de fluidos y transferencia de calor. de real inter´ es a los fines ingenieriles. Postulado del continuo Partiendo de una descripci´ on molecular de la materia podemos poner atenci´ on en el movimiento de ellas en forma individual o formar un cluster que agrupe a muchas de ellas y estudiar el movimiento del mismo.Cap´ ıtulo 1 Modelos fis´ ıcos y matem´ aticos En este cap´ ıtulo se presentan los principios o leyes f´ ısicas que gobiernan el flujo de fluidos. Desde la ´ optica del continuo las variables a resolver se asumen variar en forma continua respecto a las coordenadas espaciales y al tiempo. La idea del cluster equivale a una especie de promediaci´ on estad´ ıstica que tiene sentido si las escalas de inter´ es a ser resueltas son mucho mayores que el camino libre medio de las mol´ eculas. Si realiz´ aramos la promediaci´ on despu´ es de aplicar los principios termomec´ anicos deber´ ımos encontrar el mismo resultado que aquel que surge de la mec´ anica del continuo. 1. Conceptos introductorios En esta secci´ on mencionaremos algunos conceptos b´ asicos necesarios para conformar el marco te´ orico para el tratamiento de los problemas a resolver. las reglas que definen el comportamiento de los materiales involcucrados. En la aproximaci´ on de part´ ıcula se suelen plantear las leyes f´ ısicas a la escala microsc´ opica y estudiar los fen´ omenos que ocurren a esa escala.1. 9 . Esta visi´ on fenomenol´ ogica hace que el medio sea interpretado como un continuo a diferencia de la visi´ on microsc´ opica que mira al material desde una aproximaci´ on a las part´ ıculas.

la divisi´ on entre compresible e incompresible debe ser analizada en t´ ermino del flujo que produce y no del fluido que lo experimenta. En realidad lo que interesa es el flujo que se establece con total independencia del fluido que lo experimenta. Si bien la densidad del agua tiene un comportamiento tal que podr´ ıa pensarse como incompresible. Modelos fis´ ıcos y matema Secci´ on 1. En general el caso de flujo compresible es reservado para gases a alta velocidad.´ticos Cap´ ıtulo 1. Este fen´ omeno es manejado por diferencia de densidades muchas veces producidas por gradientes t´ ermicos. Resumiendo. al circular por una ca˜ ner´ ıa y al experimentar el cierre abrupto de una v´ alvula desarrolla ondas de presi´ on que pueden ser analizadas por t´ ecnicas de flujos compresible. Conceptos introductorios 1. un fluido qu a priori podr´ ıa ser tildado como incompresible. pr´ oximas o superior a las del sonido en donde los fen´ omenos ondulatorios son muy apreciables. Por ejemplo si un fluido var´ ıa ◦ su densidad un 5 % para un salto t´ ermico de ∆T ≈ 100 C o en un 1 % para un salto de presi´ on de ∆p ≈ 100atm uno se inclinar´ ıa pensar que el fluido es incompresible.1. No obstante el agua. Despreciable es un t´ ermino ambiguo y debe ser interpretado de acuerdo a la experiencia. No obstante este problema puede ser tratado como uno de flujo incompresible introduciendo efectos forzantes proporcionales al gradiente t´ ermico mediante una aproximaci´ on debida a Boussinesq. El humo de un cigarrillo es un experimento interesante que permite visualizar como el aire alrededor del mismo al calentarse se pone en movimiento de forma 10 ((docver curso-cfd-0.2. el turbulento es un movimiento aleatorio superpuesto sobre un movimiento medio del fluido.1. No importa si es agua o aire lo importante es en que medida es la compresibilidad del medio un factor importante por considerar.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) . Un ejemplo es la convecci´ on natural en un medio como el agua. Tipos de flujo Compresible e incompresible Un fluido se considera incompresible si su densidad experimenta cambios despreciables frente a cambios apreciables en la temperatura y la presi´ on. Convection Stable Laminar Unstable Turbulence Infinitesimal Finite amplitude Transition Developed Instability Undisturbed Disturbed Developing Flujo laminar y turbulento Laminar y turbulento Mientras que el flujo laminar es caracterizado por un movimiento suave y determin´ ıstico de una l´ amina de fluido sobre otra.0. es su compresibilidad la que permite poner en movimiento al sistema formando corrientes convectivas que describen por si mismas el fen´ omeno.

pasando por inestabilidades hasta uno turbulento. Parecer´ ıa natural que ellas deban incluirse como leyes o postulados fundamentales para ((docver curso-cfd-0. En estos casos como en el 3D los problemas deben ser generalmente abordados en forma num´ erica. Este fen´ omeno es visible a nuestros ojos por un efecto similar al utilizado en la t´ ecnica Schlieren en el que se hace atravezar rayos luminosos en un medio con densidad variable. En ese caso el movimiento es unidimensional siendo esta situaci´ on muy ventajosa a la hora de un tratamiento anal´ ıtico. 1. Si el flujo es turbulento. De los muchos experimentos que se podr´ ıan mencionar acerca de flujos turbulentos no podemos dejar de mencionar aquel que hizo historia y que se debi´ o al propio Reynolds. en el primero las variables de interes son independientes del tiempo mientras que en el u ´ltimo p = p(t) y v = v(t). Estacionario y transiente En el caso laminar la diferencia entre un flujo estacionario y otro transiente es obvia. La soluci´ on a los problemas de mec´ anica de fluidos El formalismo necesario para resolver problemas de mec´ anica de fluidos requiere de establecer los postulados fundamentales que gobiernan el movimiento de los mismos. Lamentablemente estas situaciones dif´ ıcilmente se encuentren en la realidad.1.0.´ticos Cap´ ıtulo 1. Conceptos introductorios laminar. Aquellos interesados en el tema pueden recurrir a libros como Batchelor [Ba]. Ese valor cr´ ıtico puede ser establecido mediante t´ ecnicas de an´ alisis dimensional. estableciendo las diferencias entre un movimiento estacionario y otro transiente.2 muestra a modo de esquema los diferentes reg´ ımenes que se presentan en un flujo desde uno laminar estable.1.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 11 . la diferencia debe establecerse sobre los valores medios. Ahora tomaremos otra variable independiente. o sea p = p(t) implica que el flujo es estacionario. Modelos fis´ ıcos y matema Secci´ on 1. Sin entrar en demasiado detalle en este tema podemos decir que la mayor´ ıa de los estudiantes aprenden en los cursos universitarios las leyes de Newton del movimiento y la aplican para resolver problemas de est´ atica y din´ amica en forma casi natural. Dreizin & Reid [DR] y a los trabajos de Taylor entre otros. En direcci´ on ascendente pronto se ve como esa corriente ordenada empieza a inestabilizarse formando remolinos de gran escala que se returcen hasta que el des´ orden se amplifica y los remolinos se afinan en tama˜ no y crecen en cantidad retorci´ endose m´ as y mas alcanzando un r´ egimen plenamente turbulento. siendo al menos 2D la clase de problemas que merecen atenci´ on. que dan cuenta que cuando el n´ umero de Reynolds supera un valor pr´ oximo a los 2100 el flujo se transiciona y luego se transforma en turbulento.3. El tema de la inestabilidad de flujos es toda un area de investigaci´ on aparte que merece mucha atenci´ on y que por razones de complejidad y espacio no ser´ a tratada en este curso. 0 p(t)dt el promedio temporal de la presi´ Unidimensional y multidimensional En el punto anterior tratamos la dependencia o no de las variables dependientes sobre una variable independiente en particular. siendo 1 T p= T on en un per´ ıodo de duraci´ on T . El pudo observar como el flujo que atravezaba un tubo de secci´ on circular a medida que iba cambiando la velocidad de entrada experimentaba cambios despreciables en su patr´ on fluidodin´ amico hasta que al atravezar cierto valor l´ ımite se produc´ ıa un cambio significativo en el r´ egimen fluidodin´ amico. La figura 1. La transici´ on se manifiesta porque se crea un movimiento vorticoso peri´ odico que al crecer el Reynolds se desordena a´ un mas alcanzando un r´ egimen turbulento. s´ olo dependen de una de las coordenadas espaciales. el tiempo. por ser este siempre transiente. las coordenadas espaciales y supongamos que las variables dependientes.1. la presi´ on y la velocidad por ejemplo.

como magnitud din´ amica surge de aplicar el principio de conservaci´ on de la cantidad de movimiento lineal . En lo anterior la palabra cuerpo se utiliza como una cantidad fija de material. Modelos fis´ ıcos y matema Secci´ on 1. Considerando los 4 principios de conservaci´ on anteriores. Ambas. junto con los principios de conservaci´ on de la masa y la energ´ ıa forman las leyes fundamentales necesarias para definir el modelo f´ ısico utilizado en la mayor´ ıa de los fen´ omenos de transporte. La fuerza.. Unidades En pos de normalizar el tratamiento tomaremos como unidades aquellas que surgen del sistema internacional de medidas y que se expresan en funci´ on de las siguientes magnitudes b´ asicas o primarias: M = masa (Kg) L = distancia (m) t = tiempo (seg) con lo cual las cantidades cinem´ aticas como posici´ on. Conceptos introductorios tratar problemas de movimiento de fluidos. velocidad y aceleraci´ on surgen de combinar distancias y tiempos en distintas potencias.´ticos Cap´ ıtulo 1. cantidad de movimiento lineal y angular. un cuerpo siempre contiene la misma masa y algunas veces es referido como sistema. A posteriori se necesita introducir reglas sobre el comportamiento del material tanto desde un punto de vista mec´ anico como termodin´ amico ambas basadas en las observaciones o quiz´ as en algunos casos deducibles de principios o leyes f´ ısicas aplicables a escalas mucho mas peque˜ nas.. La primera ley de Euler es una generalizaci´ on de la segunda ley de Newton mientras que la segunda ley de Euler es independiente de la primera ya que no solo incluye las fuerzas de vol´ umen sino tambi´ en las fuerzas de superficie.4. los principios del momento lineal y angular pueden ser considerados como principios de conservaci´ on considerando que la variaci´ on temporal de la cantidad de movimiento lineal o angular son igualadas por la velocidad a la cual dicha cantidad de movimiento lineal o angular se suminstra al cuerpo mediante una fuerza o un torque respectivamente. entonces (1.1) ((docver curso-cfd-0.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 12 . masa y energ´ ıa podemos ver que los dos primeros son principios sobre propiedades vectoriales mientras que los dos u ´ltimos son establecidos sobre cantidades escalares.la variaci´ on temporal del momento de la cantidad de movimiento de un cuerpo es igual al torque resultante actuando sobre el mismo. Sin embargo y desde el punto de vista de la mec´ anica del continuo son m´ as adecuadas las dos leyes de Euler que dicen: 1. 2.0.la variaci´ on temporal de la cantidad de movimiento de un cuerpo es igual a la fuerza resultante actuando sobre el mismo.1.1. Finalmente es la intuici´ on la que restringe a´ un m´ as los modelos en pos de hacerlos tratables. 1. Es m´ as. considerando que tanto el momento angular como el torque son medidos respecto del mismo punto. Establecer los principios fundamentales es solo el comienzo de un largo camino en pos de obtener soluciones a problemas de mec´ anica de los fluidos. Estas dos leyes son conocidas como el principio del momento lineal (1) y el principio del momento angular (2). A continuaci´ on se requiere un detallado an´ alisis matem´ atico para transformar lo establecido por los principios f´ ısicos en ecuaciones matem´ aticas u ´tiles.

2) 1.1.3) p 1 β= T En el caso de los gases reales el comportamiento es diferente especialmente cerca de los puntos cr´ ıticos y se debe recurrir a la experiencia para poder determinar las leyes de comportamiento. El coeficiente de expansi´ on puede adquirir cierta importancia en el caso de fen´ omenos como la convecci´ on natural. un ejemplo es el caso de los gases ideales cuya ley de comportamiento viene com´ unmente expresada por p RT 1 κ= (1. Propiedades de los fluidos Para el caso de flujo incompresible a una fase solo se requiere conocer la densidad y la viscosidad si el fluido es newtoniano.5. Un contraejemplo de los dicho en el caso de s´ olidos es el fen´ omeno de creep o fluencia lenta. En el caso que el fluido sea no newtoniano o si los efectos compresibles son importantes existen otras magnitudes a tener en cuenta.1. Esta funcionalidad puede asumir un rango lineal ((docver curso-cfd-0. En los fluidos su an´ alogo es la tasa o velocidad de deformaci´ on. En el caso de los s´ olidos la deformaci´ on es la variable cinem´ atica de inter´ es. o sea la variaci´ on relativa de la velocidad de dos puntos dentro del vol´ umen material. especialmente κ. los fluidos no soportan determinados esfuerzos y se deforman continuamente. definida como la variaci´ on relativa de la distancia entre dos puntos del cuerpo material.´ticos Cap´ ıtulo 1. ρ= Viscosidad A diferencia de los materiales s´ olidos que ante un esfuerzo sufren una deformaci´ on en general independiente del tiempo.0. Conceptos introductorios d (M v) = F dt m 1 Kg = Newton [=] seg seg (1. El primero se define como: κ= 1 ∂ρ ( )T ρ ∂p mientras que el coeficiente de expansi´ on β se define como: 1 ∂ρ β=− ( )p ρ ∂T En el caso de los l´ ıquidos estos dos coeficientes son en general peque˜ nos. o sea entre tensi´ on y deformaci´ on en mec´ anica de s´ olidos o entre tensi´ on y velocidad de deformaci´ on en fluidos. Modelos fis´ ıcos y matema Secci´ on 1. Compresibilidad Con dos coeficientes tendremos en cuenta el efecto de la presi´ on y la temperatura sobre la densidad. Esto muchas veces est´ a asociado a la fluidez del medio.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 13 . Lo que suele ser de inter´ es es establecer cierta relaci´ on entre causa y efecto. En el caso de gases.

´ticos Cap´ ıtulo 1. Modelos fis´ ıcos y matema

Secci´ on 1.1. Conceptos introductorios

y luego uno no lineal, dependiendo del material el punto de corte entre uno y otro comportamiento. En s´ olidos es el m´ odulo de Young el que vincula tensi´ on con deformaci´ on mientras que en mec´ anica de fluidos es la viscosidad la que juega semejante rol. La reolog´ ıa es la ciencia que se encarga de establecer relaciones de este tipo v´ alidas para ciertos materiales o fluidos. A su vez una vez establecido el ensayo de laboratorio aparecen los te´ oricos tratando de traducir los valores experimentales en alguna teor´ ıa que los explique. Entre estas teor´ ıas una de las m´ as citadas es la de considerar al fluido como Newtoniano, con eso queremos decir que la viscosidad es independiente del estado de deformaci´ on del fluido. La viscosidad puede variar con la posici´ on y el tiempo pero por otras causas, por ejemplo calentamiento, pero no var´ ıa por su estado de deformaci´ on. Con el viscos´ ımetro se pueden determinar valores para la viscosidad. En el caso m´ as general la viscosidad puede depender del estado de deformaci´ on y en este on vs caso el fluido exhibe un comportamiento no newtoniano. La figura 1.1.5 muestra 4 curvas tensi´ velocidad de deformaci´ on que muestran el caso newtoniano (recta por el or´ ıgen), el flujo de Bingham (recta desfasada del or´ ıgen), y dos casos de fluido no newtoniano, el caso dilatante con viscosidad proporcional a la deformaci´ on y el caso pseudo-pl´ astico cuando la viscosidad disminuye cuanto m´ as se deforma el fluido.
odel
ton ew ian

m ham Bing

Pse

pl udo

c asti
N

la Di

ta

nt

Comportamiento reol´ ogico de los fluidos Existe un modelo muy usado llamado modelo de la ley de potencia o modelo de Ostwald-de Wael el cual trata de unificar el tratamiento definiendo una viscosidad aparente del tipo µap ∝ µ0 dvx dy
n−1

con µ0 una viscosidad de referencia y n una potencia. En este caso el escurrimiento se piensa del tipo flujo paralelo. Tensi´ on superficial Esta aparece en general cuando existen interfaces entre dos o m´ as fluidos o un fluido y un s´ olido y a veces suelen ser tan importantes que su omisi´ on en las ecuaciones pone en peligro el realismo de la soluci´ on. Esta en general es funci´ on de la curvatura de la interface y de alg´ un coeficiente de capilaridad. Su complejidad escapa los alcances de estas notas. Presi´ on de vapor En algunas aplicaciones la presi´ on local suele descender demasiado alcanzando la presi´ on de saturaci´ on del vapor con lo cual aparece el fen´ omeno de cavitaci´ on. Este fen´ omeno es muy importante en

((docver curso-cfd-0.0.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300))

14

´ticos Cap´ ıtulo 1. Modelos fis´ ıcos y matema

Secci´ on 1.2. Cinem´ atica de fluidos

el funcionamiento de m´ aquinas hidr´ aulicas como bombas y turbinas pero su tratamientoe escapa los alcances de estas notas.

1.2.

Cinem´ atica de fluidos

En esta secci´ on se presentan algunas definiciones necesarias para describir el movimiento de los fluidos y se muestran algunas reglas muy u ´tiles que permiten manipular matem´ aticamente las ecuaciones de conservaci´ on, pudiendo expresarlas de varias formas segun el tratamiento que se desee emplear. Empezaremos con la definici´ on de los diferentes vol´ umenes de control com´ unmente empleados en la descripci´ on de las ecuaciones de movimiento y expresaremos en forma matem´ atica el principio de conservaci´ on del momento lineal. Posteriormente trabajaremos sobre la cinem´ atica del movimiento, el lado izquierdo de la ecuaci´ on, usaremos el teorema de la divergencia para poder transformar integrales de vol´ umen en integrales de area y viceversa, una ayuda para poder formular los problemas desde el punto de vista integral o diferencial, microsc´ opico o macrosc´ opico y finalmente se presenta el teorema del transporte para poder manipular vol´ umenes de control variables con el tiempo. De esta forma se arriba a las ecuaciones de conservaci´ on.

1.2.1.

El vol´ umen material

Por lo previamente establecido el principio de momento lineal involucra la definici´ on de cuerpo, diciendo que la variaci´ on temporal de la cantidad de movimiento de un cuerpo es igual a la fuerza resultante actuando sobre el mismo. Como cuerpo queremos decir un sistema con una cantidad fija de material. Debido a que los principios de conservaci´ on se aplican a los cuerpos y si consideramos el principio de conservaci´ on de la masa entonces se deduce que la masa de un vol´ umen material es constante. Al basar nuestro an´ alisis en la mec´ anica del continuo y al asumir que nuestra escala de inter´ es es mucho mayor que la del propio movimiento molecular, entonces, tiene sentido considerar que el vol´ umen material cambia de forma y posici´ on con el tiempo de una manera continua sin intercambiar masa con el medio ambiente. Designaremos al vol´ umen material y a su respectiva area material como Vm y Am . En breve surgir´ a la necesidad de trabajar con vol´ umenes de control fijos en el espacio y a estos como a su respectiva area los designaremos sencillamente por V y A. Finalmente presentamos una tercera posibilidad, aquella en la que el vol´ umen de control se mueve pero ya no siguiendo al sistema o cuerpo sino de una manera arbitraria y a estos y su respectiva area la simbolizamos como Va y Aa .

1.2.2.

El principio de conservaci´ on de la cantidad de movimiento lineal

Consideremos un vol´ umen diferencial de fluido dV como el mostrado en la figura 1.2.2. La masa contenida en el mismo es dM = ρdV y la cantidad de movimiento del mismo es vdM = ρvdV . Por definici´ on la cantidad de movimiento del vol´ umen material se define como: ρvdV
Vm (t)

(1.4)

con lo cual el principio de la conservaci´ on de la cantidad de movimiento lineal puede escribirse como:
((docver curso-cfd-0.0.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300))

15

´ticos Cap´ ıtulo 1. Modelos fis´ ıcos y matema

Secci´ on 1.2. Cinem´ atica de fluidos

w=u
volumen arbitrario volumen material

w=u u

volumen fijo

w=0

11111 00000 00000 11111 00000 11111 00000 11111

Distintas definiciones de vol´ umenes de control

D Dt

ρvdV =
Vm (t)

Fuerza actuando sobre el vol´ umen material

(1.5)

D La derivada Dt es llamada la derivada material y en breve ser´ a sometida a an´ alisis junto con las otras dos derivadas temporales a considerar, la derivada total y la derivada parcial. Aqu´ ı simplemente lo que queremos indicar es que estamos tomando la variaci´ on temporal de una propiedad de un vol´ umen material. Del lado izquierdo de la anterior ecuaci´ on participa la cinem´ atica del movimiento mientras que del derecho se hallan las causas del movimiento o fuerzas externas aplicadas al cuerpo. Estas pueden ser:

a.- fuerzas de cuerpo o vol´ umen b.- fuerzas de superficie. Mientras que las primeras act´ uan sobre la masa del sistema (fuerzas gravitatorias, electrost´ aticas, etc) las otras lo hacen sobre el contorno del sistema. Introduciendo estas dos fuerzas en la expresi´ on anterior arribamos al principio de conservaci´ on de la cantidad de movimiento lineal, expresado como: D Dt ρvdV =
Vm (t) Vm (t)

ρgdV +
Am (t)

t(n) dA

(1.6)

donde g es la fuerza de cuerpo por unidad de masa y t(n) es el vector tensi´ on en el contorno. Casos simples En la mayor´ ıa de los cursos de mec´ anica de los fluidos de la carrera de de Ingenier´ ıa se hace especial ´ enfasis entre otros temas a la resoluci´ on de problemas asociados con la est´ atica de fluidos y el flujo en tubos y canales.
((docver curso-cfd-0.0.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300))

16

´ticos Cap´ ıtulo 1. Modelos fis´ ıcos y matema

Secci´ on 1.2. Cinem´ atica de fluidos

¡ Ù ÖÞ ×ÙÔ Ö¬ 11111111111 00000000000 00000000000 11111111111 ØÙ Ò Ó ×Ó Ö ¡ 00000000000 11111111111 00000000000 11111111111 00000000000 11111111111 00000000000 11111111111 00000000000 11111111111 00000000000 11111111111 00000000000 11111111111 00000000000 ¡ Ð Ñ ÒØÓ 11111111111 00000000000 ×ÙÔ Ö¬ 11111111111 00000000000 11111111111 00000000000 11111111111 00000000000 11111111111 00000000000 11111111111 00000000000 11111111111 ¡Î Ð Ñ ÒØÓ 00000000000 11111111111 00000000000 11111111111 ÚÓÐÙÑ Ò Ö Ò Ð 00000000000 11111111111 00000000000 11111111111 00000000000 11111111111 00000000000 11111111111 00000000000 ÎÑ ´Øµ ÎÓÐÙÑ Ò Ñ Ø Ö 11111111111 00000000000 11111111111 00000000000 11111111111 00000000000 11111111111
Vol´ umen material

Ð

La est´ atica de fluidos El primer caso corresponde al caso particular de un flujo en reposo (estacionario) donde el t´ ermino izquierdo de la expresi´ on (1.6) se anula quedando una igualdad del tipo: 0=
Vm (t)

ρgdV +
Am (t)

t(n) dA

(1.7)

Si adem´ as se acepta la definici´ on que dice: un fluido se deformar´ a continuamente bajo la aplicaci´ on de un esfuerzo de corte entonces, las u ´nicas fuerzas de superficie posibles deben actuar en forma normal a la misma. Adem´ as se puede probar que el tensor de tensiones asociado a un fluido en reposo es isotr´ opico y por lo tanto permanecer´ a invariante con la direcci´ on. Con todo esto las ecuaciones se simplifican demasiado y si asumimos cierta continuidad en los integrandos podemos cambiar a la forma diferencial del problema y arribar a la bien conocida expresi´ on: 0 = ρg − ∇ p ∂p 0 = ρgi − ∂xi ∂ ∂ ∂ ∇=i +j +k ∂x ∂y ∂z

(1.8)

donde hemos usado notaci´ on de Gibbs en la primera l´ ınea, notaci´ on indicial en la segunda y la definici´ on del operador gradiente en la tercera. Esta expresi´ ıon es muy familiar para los estudiantes de ingenier´ ıa ya que muchos problemas cl´ asicos se resuelven con ella, a saber: 1. a.-bar´ ometros 2. b.-man´ ometros 3. c.-fuerzas sobre cuerpos planos sumergidos 17

((docver curso-cfd-0.0.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300))

´ticos Cap´ ıtulo 1. Modelos fis´ ıcos y matema

Secci´ on 1.2. Cinem´ atica de fluidos

4. d.-fuerzas sobre cuerpos curvos sumergidos 5. e.-fuerzas de flotaci´ on 6. f.-hidr´ ometros, etc En la parte I de la pr´ actica 1 se presentan algunos problemas opcionales a resolver para aquellos que quieran ejercitarse sobre temas que no son centrales al curso pero que son necesarios conocer para poder analizar problemas de mec´ anica de fluidos. Opcionales significa que aquellos que se sientan confiados en que conocen la forma de resolverlos no est´ an obligados a hacerlo. Flujo laminar unidimensional En este problema el fluido no esta en reposo pero si consideramos el caso de flujo laminar y l´ ıneas de on corriente rectas entonces nuevamente el miembro izquierdo de (1.6) se anula. Esto tiene su explicaci´ si tomamos un vol´ umen material como el de la figura 1.2.2,

1111111 0000000 0000000 1111111 0000000 1111111 0000000 1111111 0000000 1111111 Ö 0000000 1111111 ¡Ö 0000000 1111111 0000000 1111111 Ö¼ 0000000 1111111 0000000 1111111 0000000 1111111 0000000 1111111 0000000 1111111

ÖÞ Ö

·¡Ö
Ô Þ·¡Þ

ÔÞ

Ö

ÖÞ Ö

Þ

Flujo laminar unidimensional, definici´ on del vol´ umen material all´ ı su cantidad de movimiento es constante ya que la densidad es constante por tratarse de un flujo incompresible y la velocidad en ese vol´ umen de control es constante ya que la misma depende solamente del radio. Un ejemplo de flujo unidimensional que no tiene l´ ıneas de corriente rectas y por ende no anula el miembro izquierdo es el de flujo Couette entre dos cil´ ındricos conc´ entrico de longitud infinita. La raz´ on es que all´ ı existe una aceleraci´ on centr´ ıpeta necesaria para mantener el flujo en un movimiento circular. Nuevamente tomamos la expresi´ on (1.7) pero en este caso por estar el fluido en movimiento no podemos despreciar los esfuerzos cortantes. Por lo tanto las fuerzas de superficie actuar´ an en la direcci´ on normal (la presi´ on) y en la direcci´ on tangencial (la tensi´ on de corte). Por la forma que tiene el vol´ umen material y debido a que el movimiento tiene una sola componente de velocidad seg´ un la direcci´ on z entonces las fuerzas normales a las superficies solo pueden actuar sobre aquellas superficies cuya normal est´ a alineada con el eje z . Como no existe flujo en la secci´ on transversal del tubo los esfuerzos de corte en los mismos es nulo y solo puede haber esfuerzos de corte en los planos cuya normal coincide con la direcci´ on radial como se muestra en la figura. Por lo tanto, si por el momento no consideramos las fuerzas de cuerpo la expresi´ on (1.7) queda 0 = [(p2πr∆r)z − (p2πr∆r)z +∆z ] + [−(τrz 2πr∆z )r − (τrz 2πr∆z )r+∆r ] (1.9)

Haciendo un poco de ´ algebra y tomando l´ ımites cuando ∆r → 0 y ∆z → 0 conduce a la siguiente expresi´ on diferencial: 0=− ∂p 1 ∂ + (rτrz ) ∂z r ∂r (1.10)

((docver curso-cfd-0.0.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300))

18

´ticos Cap´ ıtulo 1. Modelos fis´ ıcos y matema

Secci´ on 1.2. Cinem´ atica de fluidos

Esta ecuaci´ on se la conoce con el nombre de ecuaci´ on de tensi´ on del movimiento porque viene expresada en t´ erminos de las componentes del tensor de tensiones. Si queremos expresar esta ecuaci´ on en t´ ermino de las variables cinem´ aticas debemos usar alguna relaci´ on constitutiva. En este caso recurrimos a la ley de Newton de la viscosidad en la cual ∂vz ∂r con lo cual si consideramos que la viscosidad es constante la (1.10) se transforma en τrz = µ (1.11)

1 ∂ ∂vz ∂p =µ (r ) (1.12) ∂z r ∂r ∂r Este flujo es denominado flujo plano Couette y representa uno de los casos simples con soluci´ on anal´ ıtica y que ha tenido gran inter´ es desde el punto de vista de las aplicaciones. Nosotros aqu´ ı solo lo hemos planteado, dejamos la resoluci´ on del mismo como parte de los trabajos pr´ acticos. Cinem´ atica de fluidos en los casos generales En la secci´ on anterior nos volcamos hacia la resoluci´ on de dos casos muy particulares que permiten independizarse completamente del miembro izquierdo de la expresi´ on (1.6) del principio de conservaci´ on de la cantidad de movimiento lineal . Ahora nos detendremos a analizar las variables que componen este miembro izquierdo de forma de adquirir las nociones elementales necesarias para su tratamiento. Este t´ ermino expresa la cinem´ atica del movimiento y como tal incluye la variaci´ on temporal de propiedades que se hallan distribuidas en el espacio de alguna manera continua. Por lo tanto aparece la necesidad de tratar a las dos variables independientes m´ as importantes que incluyen los principios de conservaci´ on, las coordenadas espaciales y el tiempo. El objetivo est´ a en conducir por una lados hacia la formulaci´ on diferencial de los principios de conservaci´ on con el prop´ osito de analizarlos desde un punto de vista macrosc´ opico local y por otro manipular la formulaci´ on integral para poder llevar a cabo balance s macrosco´ opico globales, muy u ´tiles por varias razones. Estos balances macrosc´ opico globales permiten chequear soluciones obtenidas num´ ericamente mediante balances locales y por otro han sido de amplia difusi´ on en la profesi´ on del ingeniero para el c´ alculo y dise˜ no de equipos e instalaciones. Coordenadas espaciales y materiales En esta secci´ on pretendemos desarrollar las nociones b´ asicas sobre lo que se entiende por coordenadas materiales y su relaci´ on con las coordenadas espaciales en pos de describir adecuadamente el movimiento de un fluido. El t´ ermino coordenadas espaciales se refiere a un sistema de coordenadas fijo donde todos los puntos del espacio pueden ser localizados. Hay dos formas posibles de localizar o identificar una part´ ıcula de fluido que pertenece a un vol´ umen material diferencial dVm (t). Una forma ser´ ıa designar su posici´ on mediante sus coordenadas espaciales x, y, z . Asumiendo que a un dado tiempo de referencia t = 0 las coordenadas espaciales se hallan localizadas en x=X , y=Y , z=Z , t=0 (1.13)

Para un tiempo t > 0 la posici´ on se puede expresar mediante

((docver curso-cfd-0.0.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300))

19

Para comenzar consideremos el movimiento de una part´ ıcula p de un sistema o cuerpo.19) Imaginemos que la medici´ on la llevamos a cabo con un observador montado sobre la part´ ıcula. Este u ´ltimo identifica una part´ ıcula del sistema o cuerpo y en algun sentido la impone una marca al tiempo de referencia. La derivada temporal del vector posici´ on espacial para una part´ ıcula de fluido en particular es la velocidad de la misma. entonces para el observador las coordenadas materiales no cambian y por ende (1. De alguna manera las coordenadas espaciales se pueden expresar en funci´ on de las coordenadas materiales y el tiempo. t) (1. Ya que la derivada se eval´ ua con las coordenadas materiales fijas esta derivada es llamada derivada material.18) se vuelve Dxp dxp xp (t + ∆t) − xp (t) =( )R = lim ∆t→0 Dt dt ∆t (1.18) Si S fuera solo funci´ on del tiempo esta definici´ on es directa mientras que si S depende de las coordenadas espaciales existe una ambiguedad respecto al punto que se toma en el instante t y en t + ∆t. entonces su derivada temporal se define como: dS S (t + ∆t) − S (t) = lim ∆t→0 dt ∆t (1.18) tenemos que la componente x de la velocidad de la misma ser´ a: dxp xp (t + ∆t) − xp (t) = lim = vx ∆t→0 dt ∆t (1.16) Una descripci´ on Lagrangiana del movimiento es aquella expresada en t´ ermino de las coordenadas materiales mientras que una descripci´ on Euleriana se expresa seg´ un las coordenadas espaciales.14) Compactando las tres expresiones anteriores en una sola mediante t r=R+ 0 dr dt dt (1. z. Modelos fis´ ıcos y matema Secci´ on 1.0. Este conjunto espec´ ıfico de coordenadas no representa ning´ un sistema de coordenadas que se mueve y se deforma con el cuerpo. r representa el vector posici´ on espacial mientras que R es llamado el vector posici´ on material.17) Derivadas temporales Sea S = S (x. acorde a (1.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) . Cinem´ atica de fluidos t x=X+ 0 t y=Y + 0 t z=Z+ 0 dx dt dt dy dt dt dz dt dt (1.´ticos Cap´ ıtulo 1.15) entonces. y. ( Dr dr )R = =v dt Dt (1.20) 20 R ((docver curso-cfd-0.2. r = r(R. t) una funci´ on escalar.

t] (1. Ø ÓØ ÓÒ ÑÓØÓÖ ´Ú Ô Û Úµ  Ø Ø ÓØ Ð Ö Ú ´Ú Ô Úµ x 11111111111111111111111 00000000000000000000000 00000000000000000000000 11111111111111111111111 ÓØ Ø Ó ´Ú Ô ¼µ 00000000000000000000000 11111111111111111111111 00000000000000000000000 11111111111111111111111 00000000000000000000000 11111111111111111111111 00000000000000000000000 11111111111111111111111 00000000000000000000000 11111111111111111111111 00000000000000000000000 11111111111111111111111 z 00000000000000000000000 11111111111111111111111 00000000000000000000000 11111111111111111111111 00000000000000000000000 11111111111111111111111 00000000000000000000000 11111111111111111111111 00000000000000000000000 11111111111111111111111 00000000000000000000000 11111111111111111111111 00000000000000000000000 11111111111111111111111 y 00000000000000000000000 11111111111111111111111 Definici´ on de las derivadas temporales Para interpretar lo anterior pero desde un punto de vista matem´ atico asumamos que tenemos cierta funci´ on escalar como la temperatura definida como: T = T (r. y (R.23) ((docver curso-cfd-0.22) Si las coordenadas materiales se mantiene fijas.2. Modelos fis´ ıcos y matema Secci´ on 1. t) = T [r(R.20). t). z (R. entonces lo que medimos como derivada temporal de la temperatura es: T (t + ∆t) − T (t) dT ∂T = ( )r = lim (1. t) (1. entonces podemos expresar las coordenadas espaciales en t´ erminos de las materiales y el tiempo como T = T (r. Un tercer caso ser´ ıa el de efectuar la medici´ on montado sobre un dispositivo que se mueva de una forma arbitraria no manteniendo ni las coordenadas espaciales ni las materiales fijas. t). t).´ticos Cap´ ıtulo 1. t)] = = T [x(R. t).0.2. on de lo que acabamos de presentar como las tres derivadas La figura 1. Cinem´ atica de fluidos Supongamos que queremos medir la temperatura de un flujo y como es habitual la medici´ on la llevamos a cabo en una ubicaci´ on fija del laboratorio.2 muestra una descripci´ temporales a utilizar en el resto del curso.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 21 .21) ∆t→0 ∂t dt ∆t r y a esta derivada se la suele llamar derivada parcial efectuada fijando las coordenadas espaciales del punto de medici´ on en lugar de las coordenadas materiales como en (1. Esta derivada se la llama derivada total asumiendo que la velocidad del sistema de medici´ on es w = v.

A continuaci´ on veremos que sucede cuando la funci´ on a derivar es una cantidad vectorial.30) Como vemos comparando (1. Modelos fis´ ıcos y matema Secci´ on 1.27) (1. dv Dv )R = (1.24) Por definici´ on las derivadas de las coordenadas espaciales mantieniendo las coordenadas materiales R fijas son las componentes de la velocidad del fluido v. mientras que la derivada manteniendo las coordenadas espaciales r fijas es la derivada parcial.0. Hasta aqu´ ı hemos analizado el caso de una funci´ on escalar y en particular hemos mencionado por razones de ´ ındole pr´ actica el caso de la temperatura. entonces (1.2.29) y en notaci´ on indicial: (1.27) con (1. ∂T ∂T ∂T ∂T dT =( )wx + ( )wy + ( )wz + ( ) dt ∂x ∂y ∂z ∂t en notaci´ on de Gibbs: dT ∂T =( ) + w · ∇T dt ∂t ∂T ∂T dT ) =( ) + wj ( dt ∂t ∂xj (1.26) (1.32) ((docver curso-cfd-0.24) se transforma en: ∂T ∂T ∂T ∂T DT =( )vx + ( )vy + ( )vz + ( ) Dt ∂x ∂y ∂z ∂t mientras que en notaci´ on de Gibbs es DT ∂T =( ) + v · ∇T.21) e (1. Dt ∂t y en notaci´ on indicial: DT ∂T ∂T ). Tomemos como ejemplo el caso del vector velocidad cuya derivada temporal representa el vector aceleraci´ on.31) dt Dt Haciendo el mismo an´ alisis que con el caso escalar arribamos a que para un observador con coordenadas espaciales fijas este mide como aceleraci´ on a=( ( dv ∂v )r = dt ∂t (1.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 22 .´ticos Cap´ ıtulo 1. =( ) + vj ( Dt ∂t ∂xj (1.27) ser´ ıa cuando w = v.28) (1. Por definici´ on. Cinem´ atica de fluidos manteniendo R constante y diferenciando ( DT ∂T dx ∂T dy ∂T dz dT dT )R = =( )( )R + ( )( )R + ( )( )R + ( )r dt Dt ∂x dt ∂y dt ∂z dt dt (1.30) vemos que esta u ´ltima es la m´ as general ya que (1.21) corresponde al caso w = 0 mientras que como (1.25) En el caso en que la medici´ on la efectuemos sobre un dispositivo que tiene su propio movimiento entonces ya las coordenadas materiales no son fijas y las derivadas totales de las coordenadas espaciales respecto al tiempo representan las componentes de la velocidad del dispositivo w.

De acuerdo a lo ya presentado este vol´ umen arbitrario lo hemos denominado como Va (t). Deseamos determinar la integral de vol´ umen de una cantidad escalar S . mediante sus coordenadas espaciales o sus coordenadas materiales.34) Aqu´ ı vemos que la aceleraci´ on consiste de dos t´ erminos. Sin embargo otro observador viajando con el fluido experimentar´ a la aceleraci´ on convectiva. El objetivo de esta secci´ on es desarrollar una expresi´ on general para la derivada temporal de una integral de vol´ umen bajo condiciones tales que los puntos que pertenecen a la superficie del vol´ umen se mueven con una velocidad arbitraria w. Modelos fis´ ıcos y matema Secci´ on 1.33) Dvi ∂vi ∂vi =( ) + vj ( ) Dt ∂t ∂xj (1. Con ella podemos formular balances macrosc´ opicos o desarrollar ecuaciones diferenciales a partir de los principios de conservaci´ on expresados en forma integral como por ejemplo el (1. De la expresi´ on anterior surge que aunque el flujo sea estacionario la aceleraci´ on puede no ser nula dependiendo de su componente convectiva. Considerando el vol´ umen arbitrario Va (t) como aquel ilustrado en la parte izquierda de la figura 1. conocido por aquellos alumnos que han tomado un curso de C´ alculo de varias variables se puede expresar de la siguiente forma: ∇ · GdV = V A G · ndA (1.0.36) Teorema del transporte Hasta el momento hemos presentado diferentes formas de derivar temporalmente una funci´ on tanto escalar como vectorial y a su vez hemos mencionado las dos formas de localizar un punto del cuerpo. Un ejemplo de esto lo vemos en el caso del flujo entrando a un tubo desde un dep´ osito. La segunda es llamada la aceleraci´ on convectiva y depende tanto de la magnitud de la velocidad como de su gradiente. Cinem´ atica de fluidos siendo la relaci´ on entre ambas a= en notaci´ on indicial ∂v Dv = ( ) + v · ∇v Dt ∂t (1. Teorema de la divergencia Esta herramienta matem´ atica es muy u ´til en la discusi´ on que sigue a continuaci´ on en este cap´ ıtulo. solamente presentarlo y tratar de aplicarlo en las secciones que siguen a esta.6) . Entonces se puede demostrar que ∇SdV = V A S ndA (1. uno es llamado la aceleraci´ on local y representa la variaci´ on temporal de la velocidad en un punto fijo en el espacio.2.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 23 .35) Nuestro objetivo no es mostrar una demostraci´ on del mismo.1. Este teorema.´ticos Cap´ ıtulo 1. Hasta que se desarrolla el flujo experimenta una aceleraci´ on debido al t´ ermino convectivo aun cuando para un observador ubicado justo enfrente de dicha entrada las condiciones parecen no variar. a saber: ((docver curso-cfd-0. Si la velocidad del mismo la fijamos igual a la velocidad de fluido v entonces el vol´ umen se transforma en un vol´ umen material Vm (t) y bajo estas condiciones nos referiremos al teorema del transporte de Reynolds. Para poder aplicarlo al caso de un campo escalar expresemos el campo vectorial anterior como G = S b donde S es un escalar y b es un vector constante.

2. Esta velocidad puede variar con el tiempo (aceleraci´ on) y con las coordenadas espaciales (deformaci´ on).37) Para visualizar el teorema debemos pensar que el vol´ umen bajo consideraci´ on se mueve a trav´ es del espacio de forma tal que los puntos de su superficie se mueven con velocidad w.0. En cada instante de tiempo la integral es evaluada y deseamos medir cual es la variaci´ on de esta medici´ on.37) produce d dt SdV = lim Va (t) VaII (∆t) S (t ∆t→0 Va (t) [ (S (t + ∆t) − S (t)) ]dV + ∆t VaI (∆t) S (t ∆t→0 lim + ∆t)dVII − ∆t + ∆t)dVI (1. Observando la figura vemos que en un instante ∆t el nuevo vol´ umen barrido por la superficie m´ ovil es designado dVaII mientras que el viejo vol´ umen dejado atr´ as por su movimiento se designa por dVaI . Cinem´ atica de fluidos d dt SdV = lim Va (t) Va (t+∆t) S (t + ∆t)dV − ∆t Va (t) S (t)dV ∆t→0 (1.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 24 . suponiendo que tal curva existe. Sin entrar en demasiados detalles para su demostraci´ on. Va (t + ∆t) n 11111 00000 00000 11111 00000 11111 dV = w · n∆t dA 00000 11111 00000 11111 00000 11111 Va (t) Superficie al tiempo t n 1111 0000 0000 1111 0000 1111 0000 1111 0000 1111 dA(t) n w dAcs dA(t + ∆t) 1111 0000 0000 1111 0000 1111 0000 1111 dV = w · n∆t dA Figura 1.40) ((docver curso-cfd-0.39) que reemplazada en (1.´ticos Cap´ ıtulo 1.1: Teorema del transporte El area de este vol´ umen arbitario Aa (t) se puede dividir en dos partes: AaI (t) y AaII (t) mediante una curva cerrada sobre la superficie tal que n · w = 0.38) S (t + ∆t)dV = Va (t+∆t) Va (t) S (t + ∆t)dV + VaII (∆t) S (t + ∆t)dVII − Va I (∆t) S (t + ∆t)dVI (1. Modelos fis´ ıcos y matema Secci´ on 1. entonces Va (t + ∆t) = Va (t) + VaII (∆t) − VaI (∆t) lo cual nos permite escribir la integral en (1.37) como (1.

2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 25 .41) ∆t A continuaci´ on analizamos de que forma cambiar las integrales de vol´ umen por integrales de superficie.1 que en su parte derecha analiza lo que ocurre localizadamente sobre un diferencial de superficie del vol´ umen que se est´ a moviendo.47) (1. Cinem´ atica de fluidos Cambiando el orden de integraci´ on con el proceso l´ ımite en el primer t´ ermino obtenemos d dt SdV = Va (t) Va (t) ( ∂S )dV + ∂t VaI (∆t) S (t ∆t→0 lim VaII (∆t) S (t + ∆t)dVII − + ∆t)dVI (1.2.42) con w la magnitud del vector w que define la velocidad con que se mueve el vol´ umen arbitrario. entonces w = wλ El vol´ umen barrido es dV = L dAcs (1.48) cuya sustituci´ on en (1.49) ∆t→0 lim S (t + ∆t)w · ndAII + AaII (t) ((docver curso-cfd-0.46) y aplicando este resultado a los dos vol´ umenes que aparecen en la expresi´ on (1. Para ello consideremos nuevamente la figura 1.44) (1. siendo su versor direcci´ on representado en la figura mediante λ.45) a=∞ dAcs = ± cos(θ) dA cos(θ) = λ · n Entonces dV = ±w · n∆tdA (1.41) produce d dt SdV = Va (t) Va (t) ( ∂S )dV + ∂t S (t + ∆t)w · ndAI AaI (t) (1.0. Este diferencial de vol´ umen al moverse una distancia L barre un cilindro oblicuo con respecto a la normal a la superficie siendo esta distancia L = w ∆t (1.41) obtenemos lo siguiente: S (t + ∆t)dVI = −∆t VaI (∆t) AaI (t) S (t + ∆t)w · ndAI VaII (∆t) S (t + ∆t)dVII = +∆t AaII (t) S (t + ∆t)w · nd (1.´ticos Cap´ ıtulo 1.43) La relaci´ on entre la orientaci´ on del diferencial de area sobre la superficie con aquel generado por el barrido es: a=b (1. Modelos fis´ ıcos y matema Secci´ on 1.

ya que este no presenta miembro derecho. Ahora a continuaci´ on el teorema de la divergencia nos ayudar´ a para transformar la integral de area en una de vol´ umen ((docver curso-cfd-0.56) que surge de reemplazar S = ρ en (1. cuya expresi´ on viene dada como: D ∂S (1. aquel representado por las fuerzas de vol´ umen y las de superficie.53) Conservaci´ on de la masa Hasta este punto hemos tratado de obtener las herramientas necesarias para manipular el miembro izquierdo del principio de conservaci´ on de la cantidad de movimiento lineal con lo cual en pos de generalizar su uso deber´ ıamos a esta altura completarlo con el manejo del miembro derecho. luego multiplicarlo por su respectivo versor direcci´ on y luego sumar.50) aplicado por ejemplo al campo de velocidades produce el siguiente resultado: d dt vdV = Va (t) Va (t) ( ∂v )dV + ∂t vw · ndA Aa (t) (1.0. la masa de un vol´ umen material como: M= Vm (t)ρdV (1. entonces: ( dM DM D )R = = dt Dt Dt ρdV = 0 Vm (t) (1.51) SdV = ( )dV dt V V ∂t El uso m´ as frecuente del teorema general del transporte es cuando se lo aplica a un vol´ umen material en cuyo caso este resultado se lo conoce como el Teorema del transporte de Reynolds. con lo que (1. Modelos fis´ ıcos y matema Secci´ on 1.´ticos Cap´ ıtulo 1. Definamos la propiedad a medir.52) . simplemente podemos aplicarlo a cada componente. Cinem´ atica de fluidos Tomando el l´ ımite vemos que AaI (t)+ AaII (t) = Aa (t) obteniendo finalmente el Teorema general del transporte: d ∂S S w · ndA (1.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 26 .2. Antes de ello y en pos de ir conduciendo al estudiante hacia la utilizaci´ on m´ as importante de todos los conceptos hasta aqu´ ı presentados vamos a considerar el caso particular de la conservaci´ on de la masa.54) Ya que el principio de conservaci´ on requiere que la misma se mantenga constante.55) Aplicando el teorema del transporte a la derivada material de la integral obtenemos: D Dt ρdV = Vm (t) Vm (t) ∂ρ dV + ∂t ρv · ndA = 0 Am (t) (1.50) SdV = ( )dV + dt Va (t) Aa (t) Va (t) ∂t En el caso de un vol´ umen fijo en el espacio tenemos que Va (t) = V y w = 0 con lo que lo anterior se simplifa a ∂S d (1.52) S v · ndA SdV = ( )dV + Dt Vm (t) Am (t) Vm (t) ∂t La extensi´ on de los resultados anteriores al caso de una funci´ on vectorial es directa. De esta forma fue posible introducir el operador derivada dentro de la integral.

59) Otra forma particular de la ecuaci´ on de continuidad se obtiene si consideramos el caso de un flujo incompresible. Esto produce finalmente: D Dt ρdV = Vm (t) Vm (t) ∂ρ + ∇ · (ρv) dV = 0 ∂t (1.60) Una forma particular del teorema del transporte de Reynolds se puede lograr si expresamos la propiedad escalar S como producto de la densidad por su propiedad espec´ ıfica.2 podemos expresar el siguiente principio de conservaci´ on de la masa de la siguiente forma: variaci´ on temporal de la masa del vol´ umen control = Flujo m´ asico entrante al vol´ umen material − Flujo m´ asico saliente del vol´ umen material (1. por tratarse en este caso del balance de masa. a cada cara del cubo elemental y ((docver curso-cfd-0. S = ρs (1.58) Existen algunas otras formas de expresar el mismo principio de conservaci´ on.´ticos Cap´ ıtulo 1. Cinem´ atica de fluidos con el fin de poder juntar todos los t´ erminos bajo un mismo signo integral y de esta forma pasar de la formulaci´ on integral a una diferencial.2. llamada forma especial del teorema del transporte de Reynolds D Dt ρsdV = Vm (t) Vm (t) ρ Ds dV Dt (1. Como la densidad es constante de (1. momento y energ´ ıa y significa una especie de caudal de alguna propiedad en la unidad de tiempo.63) El t´ ermino flujo es muy frecuentemente usado en referencia al transporte de masa.2. Aplicando el caudal m´ asico.62) Una forma alternativa de obtener la ecuaci´ on de continuidad mucho m´ as pr´ actica y con menos manipuleo matem´ atico es posible mediante el concepto de balance de flujos.57) Asumiendo continuidad en los integrandos podemos deshacernos de la integral y obtener la tan ansiada forma diferencial del principio de conservaci´ on de la masa ∂ρ + ∇ · (ρv) = 0 ∂t (1. En general para un diferencial de vol´ umen como el mostrado en la figura 1.61) En ese caso aplicando todo lo visto hasta aqu´ ı se puede arribar a la siguiente igualdad.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 27 .59) surge que ∇·v =0 (1. Modelos fis´ ıcos y matema Secci´ on 1.0. como por ejemplo si aplicamos la definici´ on de derivada material y alguna manipulaci´ on algebraica b´ asica llegamos a: Dρ + ρ∇ · v = 0 Dt (1.

lineas de camino.64) Dividiendo por el vol´ umen del cubo y tomando l´ ımites cuando las dimensiones tienden a cero arribamos a una expresi´ on id´ entica a (1. Como vemos en lo anterior solo hemos usado un concepto de balance de flujos a trav´ es de la superficie con t´ erminos de incremento de la propiedad en el vol´ umen considerando a ´ este fijo en el espacio por lo que aparece la derivada temporal parcial. ecuaci´ on (1. Lineas de corriente. trazas y funci´ on de corriente Este importante tema perteneciente a la cinem´ atica de fluidos por razones de espacio y por no estar dentro de los objetivos del curso ser´ a dejado al lector para su estudio.´ticos Cap´ ıtulo 1. Cinem´ atica de fluidos ρvz |z +∆z ¡Ý ρvy |y+∆y ∆z ρvx |x z ρvx |x ¡Ü ρvy |y ρvz |z y x Balance de masa asumiendo una variaci´ on continua de las propiedades encontramos que: ∂ (ρ∆x∆y ∆z ) = ∂t = [−ρvx |x+∆x + ρvx |x ]∆y ∆z + [−ρvy |y+∆y + ρvy |y ]∆x∆z + [−ρvz |z +∆z + ρvz |z ]∆x∆y caudal m´ asico a trav´ es de la superficie orientada seg´ un z (1. Sugerimos a aquellos interesados en el tema los libros de Whitaker [Wi].58) .0. caudal m´ asico a trav´ es de la superficie orientada seg´ un y caudal m´ asico a trav´ es de la superficie orientada seg´ un x ((docver curso-cfd-0. Por razones de completitud de las presentes notas en un futuro est´ a previsto incluirlo al tema en esta secci´ on. Fuerzas de superficie en un fluido Volvamos por un momento a la expresi´ on del principio de conservaci´ on de la cantidad de movimiento lineal . En general la mayor´ ıa de los libros introductorios de mec´ anica de fluidos lo tratan en forma extensiva.2. Batchelor [Ba] y White [Wh] entre otros. Modelos fis´ ıcos y matema Secci´ on 1.6).2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 28 .

Modelos fis´ ıcos y matema Secci´ on 1.66) t(n) = n · it(i) + jt(j) + kt(k) ((docver curso-cfd-0.6) y hemos hecho una menci´ la est´ atica de los fluidos.el tensor de tensiones es sim´ etrico. 1. o sea a las causas del movimiento y en especial al t´ ermino de las fuerzas de superficie ya que las fuerzas de cuerpo o de masa en general no presentan mayor dificultad.0. 3. Nosotros ahora volcamos nuestra atenci´ on al miembro derecho. El segundo punto requiere plantear el equilibrio de un vol´ umen tetra´ edrico sobre el cual el vector tensi´ on actuando sobre un plano puede descomponerse o formarse seg´ un aquellos pertenecientes a los otros tres planos orientados seg´ un los ejes cartesianos. n. Vector tensi´ on y tensor de tensiones A continuaci´ on trataremos al vector tensi´ on a pesar de que ya lo hemos presentado cuando tratamos el caso particular de la est´ atica de los fluidos o el caso simple de flujo desarrollado en un tubo (movimiento unidimensional). Los tres vectores tensi´ on actuando sobre los tres planos cartesianos son: t(i) = iTxx + jTxy + kTxz t(j) = iTyx + jTyy + kTyz t(k) = iTzx + jTzy + kTzz Fuerza por unidad de area actuando en una superficie con normal orientada seg´ un x Fuerza por unidad de area actuando en una superficie con normal orientada seg´ un y Fuerza por unidad de area actuando en una superficie con normal orientada seg´ un z (1. No obstante en el caso del vector tensi´ on tambi´ en debemos agregar que var´ ıa en forma suave o continua con la orientaci´ on en la cual est´ a calculado. 2.65) siendo el vector tensi´ on expresado seg´ un estos tres vectores tensi´ on: t(n) = (n · i)t(i) + (n · j)t(j) + (n · k)t(k) (1.´ticos Cap´ ıtulo 1. t(n) = −t(n) . 2. o sea Tij = Tji El primer punto se demuestra planteando el principio de conservaci´ on de la cantidad de movimiento lineal . o sea el miembro on aparte dentro de esta al caso especial de izquierdo de la ecuaci´ on (1.6)) on temporal de fuerzas de masa fuerzas de superficie { la variaci´ cantidad de movimiento } En la secci´ on anterior hemos tratado la cinem´ atica de los fluidos en el caso general. Cinem´ atica de fluidos D Dt ρvdV Vm (t) = Vm (t) ρgdV + Am (t) t(n) dA ((1.. Como antes consideramos la hip´ otesis del continuo.. 3.el vector tensi´ on puede escribirse en t´ erminos del tensor de tensiones del cual proviene como t(n) = n · T. el teorema del valor medio y un procedimiento de ir al l´ ımite cuando la longitud caracter´ ıstica tiende a cero. Sin entrar en detalles acerca de la prueba de esto [Wi] establecemos las siguientes hip´ otesis: 1.2. o sea asumimos que el vector tensi´ on var´ ıa en forma continua con las variables independientes del problema.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 29 .el vector tensi´ on actuando sobre lados opuestos de la misma superficie en un dado punto es igual en magnitud y opuesto en direcci´ on.. al igual que las otras variables incluidas en el problema.

siendo esta forma bastante general.67) donde el tensor de tensiones est´ a compuesto de t´ erminos it(i) que no representan ni un producto escalar ni uno vectorial. Entonces surge que el vector tensi´ on (tensor de primer orden) es la contracci´ on del tensor de tensiones (tensor de segundo orden) en la direcci´ on normal.´ticos Cap´ ıtulo 1.65) representan o caracterizan al tensor de tensiones. que en notaci´ on matricial puede escribirse como:   Txx Txy Txz T = Tyx Tyy Tyz  (1.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 30 .67) puede escribirse como: t(n) i = nj Tji (1. Modelos fis´ ıcos y matema Secci´ on 1. Cinem´ atica de fluidos con lo cual se alcanza el resultado esperado t(n) = n · T (1. Este resultado no es tan obvio para aquellos no familiarizados con el algebra tensorial y se recomienda volcar la atenci´ on a este tema para aquellos que pretender lograr un mejor entendimientos de las ecuaciones de movimiento que m´ as adelante se definen. este producto es a menudo llamado producto di´ adico.71) La idea es encontrar la formulaci´ on diferencial al problema tal como hicimos previamente al tratar la conservaci´ on de la masa. En notaci´ on indicial (1.68) Tzx Tzy Tzz El primer ´ ındice representa la orientaci´ on del plano sobre el cual la tensi´ on act´ ua mientras que el segundo ´ ındice est´ a relacionada con la direcci´ on en la cual la tensi´ on est´ a actuando. All´ ı usamos el teorema de la divergencia sobre un integrando formado por el producto escalar del vector velocidad con la normal. D Dt ρvdV = Vm (t) Vm (t) ρgdV + Am (t) t(n) dA (1.2. Esta simetr´ ıa a su vez conduce al siguiente resultado: n·T=T·n (1. Para salvar esta dificultad Whitaker multiplica la ((docver curso-cfd-0.0.70) Ecuaciones de movimiento expresada seg´ un el tensor de tensiones El objetivo es plantear las ecuaciones de movimiento en t´ ermino del tensor de tensiones siendo esta forma una herramienta muy u ´til para plantear un anal´ ısis macrosc´ opico global de la mec´ anica de los fluidos o incluso como paso previo a la formulaci´ on diferencial del problema permitiendo cerrar el an´ alisis mediante la introducci´ on de las ecuaciones constitutivas del material.69) La forma de arribar al tercer punto. la simetr´ ıa del tensor. Aqu´ ı la dificultad est´ a en que el integrando tiene al vector tensi´ on y a´ un no presentamos como aplicar el teorema de la divergencia a un integrando vectorial que no puede ser considerado constante. el tensor de tensiones en tres dimensiones expresado por simplicidad seg´ un las coordenadas cartesianas es: Las nueve componentes escalares en (1. base del algebra tensorial. En res´ umen. es mediante el principio de conservaci´ on del momento de la cantidad de movimiento lineal aplicado a un vol´ umen diferencial. Comenzamos planteando el principio de conservaci´ on de la cantidad de movimiento lineal .

72) y mediante el teorema del transporte de Reynolds y algunas manipulaciones algrebraica simples llegamos a: ρ Vm (t) D (v · b)dV = Dt ρg · bdV + Vm (t) Am (t) n · (T · b)dA (1.´ticos Cap´ ıtulo 1. Modelos fis´ ıcos y matema Secci´ on 1. Cinem´ atica de fluidos anterior ecuaci´ on escalarmente por un vector constante b y por ser constante puede ser introducida sin dificultad dentro del s´ ımbolo diferencial: D Dt ρv · bdV = Vm (t) Vm (t) ρg · bdV + Am (t) t(n) · bdA (1.2. una generalizaci´ on del teorema de la divergencia.68)     bx   Txx Txy Txz ∂ ∂ ∂ Tyx Tyy Tyz  by  = ∇ · T · b = ∂x ∂y ∂z   bz Tzx Tzy Tzz     (1. Por lo tanto la ecuaci´ on de movimiento (1. Incorporando las ecuaciones constitutivas del material es como transformamos esta ecuaci´ on en otra equivalente pero expresada solo en las variables de estado. La eliminaci´ on del vector constante b es trivial en los dos primeros t´ erminos.6) se transforma en: Dv = ρg + ∇ · T (1. Esta expresi´ on tiene la ventaja que el miembro izquierdo es expresado en las variables dependientes del problema mientras que el miembro derecho contienen los flujos de estas variables o su cantidades duales. Ecuaciones diferenciales de movimiento de un fluido En la secci´ on anterior derivamos la ecuaci´ on vectorial de movimiento expresada seg´ un el tensor de tensiones y junto al principio de conservaci´ on de la masa forman un sistema de 4 ecuaciones en 3D ρ ((docver curso-cfd-0.74) Otra vez.75)  Txx Txy Txz  bx ∂ ∂ ∂     by = Tyx Tyy Tyz = ∂x ∂y ∂z   bz Tzx Tzy Tzz = (∇ · T) · b de esta forma surge que la integral de superficie del vector tensi´ on se transforma en la integral de vol´ umen de la divergencia del tensor de tensiones.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 31 .0.76) Dt Entonces partiendo de la formulaci´ on integral o macrosc´ opica global arribamos a la formulaci´ on diferencial o macrosc´ opica local del principio de conservaci´ on de la cantidad de movimiento lineal .73) como (T · b) es un vector se puede aplicar el teorema de la divergencia tal como lo vimos anteriormente y obtener ρ Vm (t) D (v · b) − ρg · b − ∇ · (T · b) dV = 0 Dt (1. En cuanto al tercero una forma de resolverlo es recurrir o a la notaci´ on indicial o sino a la definici´ on matricial del tensor (1. al ser los l´ ımites de integraci´ on arbitrarios podemos removerlos y el integrando se satisface en todo punto del dominio.

Ya que T e I son sim´ etricos. una isotr´ opica como la anterior y una no isotr´ opica. en realidad asumiendo que la isotrop´ ıa se manifiesta mediante un tensor m´ ultiplo de la identidad podemos extender lo anterior diciendo que T = −pI. Si suponemos que el material se comporta como un fluido newtoniano entonces es muy habitual usar la siguiente ley: 2 τ = 2µd + [(κ − µ)∇ · v]I 3 ∂vk 2 τij = 2µdij + [(κ − µ)( )]δij 3 ∂xk (1. denominada muchas veces deviat´ orica y que corresponde al tensor viscoso.58)) (1. la presi´ on y el vector velocidad.76. µ y κ. T = −pI + τ (1.80) Reemplazando en las 4 ecuaciones arriba planteadas (1.79) siendo τ = 0 para el caso particular de la est´ atica de fluidos.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 32 .81) donde solo se requiere establecer ecuaciones para las componentes del tensor viscoso en t´ ermino de las velocidades o mas generalmente en t´ erminos del tensor velocidad de deformaci´ on d. entonces τ es sim´ etrico y dado que el t´ ermino isotr´ opico es un tensor diagonal.78) Analizando la anterior vemos que para el caso de un fluido en reposo el tensor de tensiones se reduce a un escalar.76. entonces se satisface que: Tij = τ ij ∀i = j (1.77) Tensor de tensiones viscoso En la secci´ on 2 hemos visto que en el caso de la est´ atica de fluidos no pod´ ıan existir esfuerzos cortantes y que los u ´nicos esfuerzos que el fluido es capaz de resistir son aquellos normales. Cinem´ atica de fluidos con 9 inc´ ognitas.2.0. Para salvar esta indeterminaci´ on introducimos informaci´ on adicional via las ecuaciones constitutivas del material que relacionan las componentes del tensor de tensiones con la presi´ on y los gradientes del vector velocidad llegando finalmente a expresar las anteriores 4 ecuaciones en funci´ on de las 4 inc´ ognitas. En general podemos dividir al tensor de tensiones en dos partes.58) se obtiene: ρ ∂v + v · ∇v = −∇p + ρg + ∇ · τ ∂t (1. En pos de poder entender mejor la forma en la que surgen las ecuaciones constitutivas es necesario introducir varios conceptos relacionados con la deformaci´ on y la velocidad de deformaci´ on de un ((docver curso-cfd-0.82) expresada en notaci´ on de Gibbs e indicial y en t´ ermino de dos coeficientes de viscosidad. Hab´ ımos mencionado que estos eran isotr´ opicos y que en definitiva estaban caracterizados por la presi´ on: t(n) = n · T = −np (1. las tres componentes del vector velocidad y los 6 coeficientes del tensor de tensiones sim´ etrico.´ticos Cap´ ıtulo 1.1. ρ Dv = ρg + ∇ · T Dt ∂ρ + ∇ · (ρv) = 0 ∂t ((1.1. Modelos fis´ ıcos y matema Secci´ on 1.

86) Si tomamos la ecuaci´ on de conservaci´ on del momento lineal para el caso incompresible a viscosidad constante y si le aplicamos el rotor a la misma obtenemos ∇∧ ( 1 ∂v + v · ∇v ) = g + − ∇p + ν ∇2 v ∂t ρ Dω = ω · ∇v + ∇ ∧ g + ν ∇2 ω Dt (1. Por el momento nuestro an´ alisis lo enfocamos hacia derivar las ecuaciones diferenciales de movimiento que ser´ an la que posteriormente resolveremos via m´ etodos num´ ericos. con la definici´ on (1.83) donde ∇T v es el gradiente del vector velocidad traspuesto. Cinem´ atica de fluidos fluido. Para ello nos conformamos con la definici´ on de alguna ley constitutiva.87) donde ∇∧ g representa el rotor del campo de fuerzas de vol´ umen en general. ya sea fuerzas gravitatorias como de flotaci´ on t´ ermica o electromagn´ eticas.´ticos Cap´ ıtulo 1.88) 33 . que reemplazada en (1. Solo existe en el escurrimiento 3D.2. Modelos fis´ ıcos y matema Secci´ on 1. No obstante esto es dejado para futuras versiones de estas notas debido a lo extenso del an´ alisis. Como se alcanza a ver en el caso bidimensional este t´ ermino no existe porque la vorticidad es un vector orientado en la direcci´ on normal al plano del movimiento y el producto escalar con ella es nulo. Ya que por lo general siempre se comienza por los casos m´ as simples o m´ as observados experimentalmente recurrimos a la hip´ otesis newtoniana.60) equivale a ∇ · v = 0 simplifica la anterior a: ∂v + v · ∇v = −∇p + ρg + ∇ · µ(∇v + ∇T v) (1.0.82). aquellos interesados pueden consultar la bibliografia b´ asica del tema [Wi].[Ba].85) (1. Casos particulares como el de flujo incompresible donde la ecuaci´ on de continuidad seg´ un (1. Si consideramos ausencia de fuerzas de vol´ umen la anterior se simplifica a: Dω = ν ∇2 ω Dt ((docver curso-cfd-0. En el caso 2D la vorticidad puede tratarse como un escalar ya que su orientaci´ on permanecer´ a fija y apuntando en la normal al plano del movimiento.81) nos da: ρ 2 ∂v + v · ∇v = −∇p + ρg + ∇ · 2µd + (κ − µ)∇ · vI ∂t 3 d = 1/2(∇v + ∇T v) (1.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) (1. un tensor de segundo orden.84) ∂t Si la viscosidad fuera constante sale fuera del s´ ımbolo divergencia y entonces la anterior se simplifica ρ a: ∂v + v · ∇v = −∇p + ρg + µ∇2 v ∂t Formulaci´ on vorticidad-funci´ on de corriente Definimos la vorticidad como: ρ ω =∇∧v (1. El t´ ermino ω · ∇v representa matem´ aticamente un t´ ermino fuente proporcional a la vorticidad y f´ ısicamente est´ a asociado a la deformaci´ on por contracci´ on o elongaci´ on del vol´ umen material. etc.

´ticos Cap´ ıtulo 1. por ejemplo a la presi´ on y temperatura a trav´ es de la ecuaci´ on de estado. Conservaci´ on de la energ´ ıa El postulado fundamental de la conservaci´ on de la energ´ ıa establece: D Dt ρ(e + 1/2 Vm (t) v 2 )dV = Vm (t) ρg · vdV + Am (t) t(n) · vdA − Am (t) q · ndA (1.0.91) (1. T ) INCOMPRESIBLE COMPRESIBLE (1.89) y reemplaz´ andola en la definici´ on de la vorticidad llegamos a ∂2ψ ∂2ψ + = −ω ∂x2 ∂y 2 Resumiendo la formulaci´ on vorticidad-funci´ on de corriente en 2D se puede escribir como: ∂2ψ ∂2ψ + = −ω ∂x2 ∂y 2 ∂ω + v · ∇ω = ν ∇2 ω ∂t donde v= ∂ψ ∂y − ∂ψ ∂x (1. el primer t´ ermino de la derecha y el segundo representan trabajos por unidad de tiempo de las fuerzas de gravedad y las de superficie. ρ = constante ρ = ρ(p. Modelos fis´ ıcos y matema Secci´ on 1.94) donde el t´ ermino a la izquierda representa la variaci´ on temporal de la energ´ ıa interna y la cin´ etica dentro del vol´ umen material o cuerpo. En esta secci´ on trataremos de extender el tratamiento para incluir algunos conceptos introductorios acerca del flujo compresible. mientras que el tercer t´ ermino ((docver curso-cfd-0. Al respecto presentaremos la ecuaci´ on de conservaci´ on de energ´ ıa que debe ser acoplada al resto de las ecuaciones de conservaci´ on para luego hacer algunos comentarios acerca de la entrop´ ıa. Flujo compresible Hasta el momento hemos hecho bastante hincapi´ e en el caso de flujo incompresible en el cual asumimos que la densidad es constante.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 34 .90) (1.92) El planteamiento de las condiciones de contorno en esta formulaci´ on merece un tratamiento cuidadoso y algunos detalles de los mismos se incluyen en el cap´ ıtulo de las aplicaciones.93) Con todo esto es posible cerrar el sistema.2. En el caso compresible la densidad aparece como una inc´ ognita a resolver y en general a partir de argumentos termodin´ amicos est´ a ligada a otras variables. u= ∂ψ ∂y ∂ψ v =− ∂x (1. Cinem´ atica de fluidos Introduciendo la definici´ on de funci´ on de corriente.

podemos simplificar lo anterior a: ρ D (e + 1/2 Dt v 2 +φ) = ∇ · (T · v) − ∇ · q (1.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) . Este se puede hallar tomando las ecuaciones de movimiento y multiplicarla escalarmente por la velocidad.95) Usando la igualdad derivada anteriormente (forma especial del teorema del transporte de Reynolds) (1.0. De alguna forma esta versi´ on integral equivale al primer principio de la termodin´ amica aplicado a sistemas cerrados que en general se expresa en forma diferencial o en diferencias: ∆(U + KE + P E ) = Q − W (1.98) y si expresamos las fuerzas gravitatorias como conservativas y provenientes del gradiente de un potencial (∇φ). la cin´ etica y la potencial en el miembro izquierdo y si aplicamos el balance de masa se llega a: D ρ(e + 1/2 Dt v 2 +φ) = ∇ · (T · v) − ∇ · q (1.100) En general es com´ un a partir de esta expresi´ on plantear el balance en un vol´ umen de control arbitrario que se mueve a una velocidad distinta a la del fluido y de esta forma obtener el balance macrosc´ opico global. Tambi´ en es habitual extender lo anterior al caso de sistemas abiertos donde es usual definir la entalp´ ıa y plantear el balance en t´ erminos de esta funci´ on.2. Cinem´ atica de fluidos contiene el calor intercambiado. Ecuaci´ on de la energ´ ıa t´ ermica Una forma de poner la anterior expresi´ on en t´ erminos de la energ´ ıa t´ ermica es remover de (1.62) D Ds dV (1.96) ρsdV = ρ Dt Vm (t) Vm (t) Dt y expresando el vector tensi´ on como la contracci´ on del tensor de tensiones en la direcci´ on normal llegamos a: ρ Vm (t) D (e + 1/2 Dt v 2 )dV = Vm (t) ρg · vdV + Am (t) (n · T) · vdA − Am (t) q · ndA (1.97) la ecuaci´ on correspondiente al balance de energ´ ıa mec´ anica.102) 35 ((docver curso-cfd-0.97) y aplicando el teorema de la divergencia sobre las dos integrales de area para llevarlas a formas equivalentes sobre integrales de vol´ umen lo anterior se puede escribir como: ρ D (e + 1/2 Dt v 2 ) = ρg · v + ∇ · (T · v) − ∇ · q (1. Modelos fis´ ıcos y matema Secci´ on 1.99) donde hemos agrupado la energia interna.´ticos Cap´ ıtulo 1.101) Restando de (1.95) hallamos ρ Vm (t) De dV = Dt ∇v : TdA − Am (t) Am (t) q · ndA (1. ρ D1/2 v Dt 2 = ρg · v + v · (∇ · T) = = ρg · v + ∇ · (T · v) − ∇v : T (1.

1..103) Φ representa la disipaci´ on viscosa que aumenta la energ´ ıa interna y por ende la temperatura. desde la formulaci´ on diferencial llegar a la integral implica en este caso obtener: q·n −q · ∇T Φ D ρsdV = − dA + ( + )dV (1.. proceso reversible. efectos de fricci´ on despreciables.Ayuda: Considere un tetraedro diferencial sumergido en un fluido en reposo.3.108) 2 Dt Vm (t) T T Am (t) T Vm (t) De este balance integral de la entrop´ ıa surge que si un proceso es isentr´ opico entonces la entrop´ ıa del vol´ umen material o cuerpo debe permanecer constante y esta condici´ on se cumple si: 1. ((docver curso-cfd-0.q · n = 0 sobre la superficie. Demostrar que para un fluido en reposo (est´ atica de fluidos) el tensor de tensiones es isotr´ opico.Trabajo Pr´ actico #1 1. 2. 2.105) y escribiendo la ecuaci´ on de continuidad en la forma Dρ + ρ∇ · v = 0 Dt y usando la igualdad (1.Φ = 0 sobre el sistema.106) (1. 2. o sea es adiab´ atico. ρ) (1..104) Tomando la derivada material y multiplicando por la densidad ρ De =ρ Dt ∂e Ds ∂e + ∂s ρ Dt ∂ρ Ds p Dρ = ρT + Dt ρ Dt Dρ = Dt s (1.Trabajo Pr´ actico #1 Separando T = −pI + τ en su componente normal y en la deviat´ orica y pasando a la versi´ on diferencia mediante el teorema de la divergencia encontramos : ρ De = −p∇ · v + Φ − ∇ · q Dt (1. 3..0.97) llegamos a De Ds = ρT − p∇ · v Dt Dt 1 Ds ρ = (−∇ · q + Φ) Dt T ρ (1.3. Ecuaci´ on de la entropia Partiendo de las funciones caracter´ ısticas de la termodin´ amica encontramos la relaci´ on entre energ´ ıa interna.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 36 .. TP.107) Haciendo el proceso inverso.I. Modelos fis´ ıcos y matema Secci´ on 1. entrop´ ıa y densidad.´ticos Cap´ ıtulo 1.I. e = e(s. TP.∇T = 0 sobre el sistema. 1.

´ticos Cap´ ıtulo 1. Modelos fis´ ıcos y matema

Secci´ on 1.3. TP.I.- Trabajo Pr´ actico #1

Abierto a la atmósfera

Tanque de presión

11111111 00000000 00000000 11111111 00000000 11111111 00000000 11111111 00000000 11111111 00000000 11111111 00000000 11111111 00000000 11111111 00000000 11111111 00000000 11111111 00000000 11111111 00000000 11111111 00000000 11111111 00000000 11111111 00000000 11111111 00000000 11111111 00000000 11111111 00000000 11111111 00000000 11111111 00000000 11111111 00000000 11111111 00000000 11111111 00000000 11111111 00000000 11111111

z=h3

z=h2

z=h1

ρ2

ρ1 z=0

Man´ ometro 2. Dado el man´ ometro de la figura encuentre la expresi´ on que relaciona la presi´ on relativa del interior del tanque respecto a la atmosf´ erica en funci´ on de las alturas de las columnas usando el principio de conservaci´ on de la cantidad de movimiento lineal . 3. Calcule la fuerza y el torque aplicado sobre la placa plana de la siguiente figura:

00000000000000000000000000000000000 Þ Ä 11111111111111111111111111111111111 00000000000000000000000000000000000 11111111111111111111111111111111111 00000000000000000000000000000000000 11111111111111111111111111111111111

Þ

Ð

11 00 00 11 00 11 00 11 00 11 00 11  Ò 00 11 00000 11111 00 11 00000 11111 00000 11111 000000000000000 111111111111111 00000 11111 000000000000000 111111111111111
Fuerza sobre un cuerpo plano sumergido

¼

Ò¼

¼

4. Calcule la fuerza a la que se halla sometida una esfera sumergida sobre la que act´ ua un desnivel como el de la siguiente figura: 5. Deduzca la expresi´ on de un flujo Couette plano laminar y calcule: y la velocidad promedio en la secci´ on transversal al flujo (b) el caudal en funci´ on de la caida de presi´ on
((docver curso-cfd-0.0.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300))

(a) la velocidad m´ axima

37

´ticos Cap´ ıtulo 1. Modelos fis´ ıcos y matema

Secci´ on 1.3. TP.I.- Trabajo Pr´ actico #1

Þ Ä½

Þ

¼

Þ Ä¾ 11111111111111111111111111111111 00000000000000000000000000000000 00000000000000000000000000000000 11111111111111111111111111111111 00000000000000000000000000000000 11111111111111111111111111111111 00000000000000000000000000000000 11111111111111111111111111111111 00000000000000000000000000000000 11111111111111111111111111111111 00000000000000000000000000000 11111111111111111111111111111 00000000000000000000000000000000 11111111111111111111111111111111 00000000000000000000000000000 11111111111111111111111111111 00000000000000000000000000000000 11111111111111111111111111111111 Ò× ¾ 00000000000000000000000000000 11111111111111111111111111111 00000000000000000000000000000000 11111111111111111111111111111111 00000000000000000000000000000 11111111111111111111111111111 00000000000000000000000000000000 11111111111111111111111111111111 Ò× ½ 00000000000000000000000000000 11111111111111111111111111111 00000000000000000000000000000000 11111111111111111111111111111111 00000000000000000000000000000 11111111111111111111111111111 00000000000000000000000000000000 11111111111111111111111111111111 00000000000000000000000000000 11111111111111111111111111111 00000000000000000000000000000000 11111111111111111111111111111111 00000000000000000000000000000 11111111111111111111111111111 00000000000000000000000000000000 11111111111111111111111111111111 00000000000000000000000000000 11111111111111111111111111111 00000000000000000000000000000000 11111111111111111111111111111111 Þ Ð 00000000000000000000000000000 11111111111111111111111111111 00000000000000000000000000000000 11111111111111111111111111111111 00000000000000000000000000000 11111111111111111111111111111 00000000000000000000000000000000 11111111111111111111111111111111 00000000000000000000000000000 11111111111111111111111111111 00000000000000000000000000000000 11111111111111111111111111111111 00000000000000000000000000000 11111111111111111111111111111 00000000000000000000000000000000 11111111111111111111111111111111 × Ö Ö Ó ¼ 00000000000000000000000000000 11111111111111111111111111111 00000000000000000000000000000000 11111111111111111111111111111111 00000000000000000000000000000 11111111111111111111111111111 00000000000000000000000000000000 11111111111111111111111111111111 Ö ÙÒ Ð Ñ Ò Ð 00000000000000000000000000000 11111111111111111111111111111 00000000000000000000000000000000 11111111111111111111111111111111 00000000000000000000000000000 11111111111111111111111111111 00000000000000000000000000000000 11111111111111111111111111111111 00000000000000000000000000000 11111111111111111111111111111 00000000000000000000000000000000 11111111111111111111111111111111 00000000000000000000000000000 11111111111111111111111111111 00000000000000000000000000000000 11111111111111111111111111111111 00000000000000000000000000000 11111111111111111111111111111 00000000000000000000000000000000 11111111111111111111111111111111 00000000000000000000000000000 11111111111111111111111111111 00000000000000000000000000000000 11111111111111111111111111111111 00000000000000000000000000000 11111111111111111111111111111 00000000000000000000000000000000 11111111111111111111111111111111 00000000000000000000000000000 11111111111111111111111111111 00000000000000000000000000000000 11111111111111111111111111111111 00000000000000000000000000000 11111111111111111111111111111 00000000000000000000000000000000 11111111111111111111111111111111 000000000000000000000000000000 111111111111111111111111111111 000000000000000000000000000000 111111111111111111111111111111 000000000000000000000000000000 111111111111111111111111111111 000000000000000000000000000000 111111111111111111111111111111
Fuerza sobre un cuerpo curvo sumergido

6. Deduzca la expresi´ on de un flujo Couette plano laminar pero ahora utilizando una ley de viscosidad no newtoniana. Para ello tome aquella del modelo de fluido de ley de potencia: τyx = µ0 | y considere: dvx n−1 dvx | dy dy

(a) el caso de un fluido pseudopl´ astico (n < 1)

(b) el caso de un fluido dilatante (n > 1) 7. Deduzca la expresi´ on de un flujo Couette laminar para un escurrimiento longitudinal a lo largo de un tubo anular donde el radio interior es r1 y el exterior es r2 . 8. Repita el Ej 7 pero utilizando un fluido no newtoniano con una ley como la presentada en el ej 6 y calculo la relaci´ on entre el caudal y la caida de presi´ on. 9. Partiendo de la definici´ on vectorial del teorema de la divergencia demostrar la versi´ on escalar del mismo.Ayuda: Un campo escalar puede ser definido por uno vectorial con una orientaci´ on fija del campo. 10. Aplique el teorema de la divergencia a la expresi´ on del principio de conseraci´ on de cantidad de movimiento lineal (1.6) para el caso de est´ atica de los fluidos para obtener la expresi´ on diferencial (1.8). 11. A partir del teorema del transporte de Reynolds (1.52) aplicado a una funci´ on escalar del tipo S = ρs hallar la forma especial del teorema expresado por (1.62). Ayuda: utilice el principio de conservaci´ on de la masa para alcanzar el resultado 12. Probar que si w es independiente de las coordenadas espaciales, entonces

((docver curso-cfd-0.0.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300))

38

´ticos Cap´ ıtulo 1. Modelos fis´ ıcos y matema

Secci´ on 1.3. TP.I.- Trabajo Pr´ actico #1

d dt

SdV =
Va (t) Va (t)

dS dV dt

13. Si la velocidad de un fluido viene dada por: v = u0 e−at [ibx + jcy 2 ] obtener una expresi´ on para la derivada material de la velocidad a, b, c y u0 .
Dv Dt

en t´ ermino de los coeficientes

((docver curso-cfd-0.0.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300))

39

Cap´ ıtulo 2

Niveles din´ amicos de aproximaci´ on
2.0.1. Introducci´ on

las ecuaciones de Navier-Stokes la dependencia de la viscosidad y la conductividad t´ ermica con otras variables leyes constitutivas describen completamente el fen´ omeno fluidodin´ amico en r´ egimen laminar. No obstante en casi todas las situaciones reales en la naturaleza y en la tecnolog´ ıa existe una particular forma de inestabilidad conocida con el nombre de turbulencia. Esta ocurre cuando en ciertas situaciones un n´ umero adimensional llamado n´ umero de Reynolds, definido por Re = ρUchar L/µ, alcanza o supera determinado valor que depende del problema en particular. L representa una longitud caracter´ ıstica y Uchar una velocidad caracter´ ıstica. Este fen´ omeno se caracteriza por la presencia de fluctuaciones estad´ ısticas en todas las variables del flujo que se agregan a los valores medios, llegando en algunos casos a alcanzar valores de hasta el 10 % del promedio. Dado que la escala que imponen los fen´ omenos turbulentos est´ an fuera de los alcances de los recursos computacionales actuales, es la tarea de estos tiempos tratar de resolver las ecuaciones de Navier-Stokes en su versi´ on promediada y suplementada por alguna descripci´ on externa de las tensiones de Reynolds. Esta informaci´ on es suministrada por los modelos de turbulencia, cubriendo ellos un rango muy amplio, desde los m´ as simples basados en definir una longitud de mezcla y una viscosidad para los eddies hasta aquellos que plantean un balance para el transporte de cantidades como la energ´ ıa cin´ etica turbulenta y la disipaci´ on, modelo denominado k − , o formas m´ as complicadas de calcular las componentes del tensor de Reynolds. A continuaci´ on presentamos en forma resumida cuales ser´ ıan los distintos niveles de aproximaci´ on que se pueden plantear sobre la base de los efectos din´ amicos presentes. Navier-Stokes tridimensional laminar Navier-Stokes tridimensional turbulento En el caso de no existir extensas regiones viscosas podemos plantearnos Thin shear layer (TSL). Esta aproximaci´ on desprecia los fen´ omenos de difusi´ on molecular y turbulenta en la direcci´ on de transporte reduciendo el n´ umero de t´ erminos de tensi´ on viscosa a calcular. 40

´micos de aproximacio ´n Cap´ ıtulo 2. Niveles dina

Secci´ on 2.1. Las ecuaciones de Navier-Stokes

Navier-Stokes parabolizado: En esta aproximaci´ on el car´ acter el´ ıptico de las ecuaciones es responsabilidad de la presi´ on mientras que el resto de las variables se parabolizan, reduciendo los fen´ omenos de difusi´ on a la direcci´ on transversal. Capa l´ ımite Para altos Re podemos introducir una suerte de separaci´ on de los efectos viscosos e inv´ ıscidos, desacoplando la presi´ on de los efectos viscosos y confinando ´ estos a una regi´ on cercana a los cuerpos mientras que lejos el flujo se comporta como inv´ ıscido. Aproximaci´ on inv´ ıscida (ecuaciones de Euler). Aqu´ ı despreciamos todos los efectos viscosos y nos acercamos a los cuerpos tanto como el espesor de la capa l´ ımite, no resolviendo lo que sucede dentro de ellas. Modelo de p´ erdidas distribuidas Es un modelo usado en problemas de flujo interno, en especial en turbom´ aquinas. Se ubica en un nivel intermedio entre los modelos total o parcialmente viscosos y aquellos puramente inv´ ıscidos. Debido a la existencia de filas de ´ alabes las capas l´ ımites y las estelas que deja una fila de ellas se mezclan y son vista por la siguiente como una fuerza de fricci´ on distribuida. Modelo de flujo potencial Este est´ a asociado a flujo irrotacional y por su car´ acter isoentr´ opico presenta problemas de unicidad cuando aparecen discontinuidades debiendo imponerse las condiciones de Rankine-Hugoniot para evitarlas.

2.1.

Las ecuaciones de Navier-Stokes
     ρv 0 ρ ∂    ρv + ∇ ·  ρv ⊗ v + pI − τ  =  ρfe  ∂t ρE Wf + qH ρvH − τ · v − k ∇T 

(2.1)

donde Wf = ρfe · v . Estas forman un sistema de 5 ecuaciones en el caso 3D expresado aqu´ ı en variables conservativas U definidas como:   ρ     ρ  ρu   (2.2) U =  ρv  =   ρv    ρE ρw ρE No debe confundirse lo que se llama una forma conservativa de lo que son las variables conservativas. La matriz de los vectores flujos F tiene dimensi´ on (5 × 3)   ρv   (2.3) F =  ρv ⊗ v + pI − τ  ρvH − τ · v − k ∇T y puede dividirse en tres vectores columnas (f, g, h) de 5 componentes cada uno.

((docver curso-cfd-0.0.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300))

41

´micos de aproximacio ´n Cap´ ıtulo 2. Niveles dina

Secci´ on 2.1. Las ecuaciones de Navier-Stokes

El lado derecho contiene los t´ erminos fuentes, Q, un vector de (5 × 1)  0 Q =  ρfe  Wf + qH 

(2.4)

De esta forma podemos arribar a una forma condensada de las ecuaciones que suele ser muy u ´til en ciertas situaciones ∂U +∇·F =Q (2.5) ∂t que expresada en sus tres coordenadas cartesianas da lugar a ∂U ∂f ∂g ∂h + + + =Q ∂t ∂x ∂y ∂z (2.6)

Las ecuaciones de Navier-Stokes deben ser suplementadas por leyes constitutivas y por la definici´ on del tensor de tensiones viscosas en funci´ on de otras variables del flujo. Consideraremos las hip´ otesis Newtonianas ya vistas. Las leyes termodin´ amicas definen la relaci´ on entre la energ´ ıa o la entalp´ ıa y otras variables termodin´ amicas, tales como la temperatura, la densidad o la presi´ on. e = e(p, T ) o h = h(p, T ) (2.7)

Adem´ as deben especificarse leyes de dependencia de la viscosidad y la conductividad t´ ermica con otras variables del flujo como la temperatura o eventualmente la presi´ on. En particular es muy usual en gases expresar la dependencia de la viscosidad con la temperatura a partir de la ley de Sutherland µ= 1.45 T 3/2 −6 10 , [T ]Kelvin T + 110 (2.8)

Para la conductividad t´ ermica puede plantearse algo similar conociendo la relaci´ on que vincula Cp = Cp (T ). En el caso de l´ ıquidos k es asumida como constante. Muchas veces se usa la hip´ otesis de gases perfectos que plantea una expresi´ on particular de (2.7), como e = Cv T y una relaci´ on para las tres variables termodin´ amicas a trav´ es de la ecuaci´ on de estado de los gases p = ρRgas T donde Rgas es la constante universal de los gases.

2.1.1.

Modelo de fluido incompresible

Las ecuaciones de Navier-Stokes se simplifican considerablemente para el caso de fluidos incompresibles para el cual se asume que la densidad permanece invariable tanto en la coordenada espacial como en el tiempo. Si adem´ as el flujo permanece isot´ ermico esto separa la ecuaci´ on de energ´ ıa del resto y el sistema se reduce en una ecuaci´ on. En el caso de flujos que involucren variaciones de temperatura el acoplamiento entre la temperatura y el movimiento ocurre a trav´ es de : variaci´ on de la viscosidad con T
((docver curso-cfd-0.0.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300))

42

13) ((docver curso-cfd-0. conduce a: 1 ∆p = −∇ · (v · ∇)v + ∇ · fe ρ (2. En el caso incompresible la ecuaci´ on de masa se transforma en: ∇·v =0 (2. qu´ ımico o el´ ectrico entre otras.´micos de aproximacio ´n Cap´ ıtulo 2.0. la presi´ on. La promediaci´ on se define como: A=A+A A(x. t) = 1 T T /2 A(x. Las ecuaciones de Navier-Stokes variaci´ on de la conductividad con T fuerzas de flotaci´ on fuentes de calor de or´ ıgen mec´ anico. Esto redunda en una dificultad num´ erica que ha dado y continua dando lugar a muchas especulaciones. se transforma en 1 ∂ζ + (v · ∇)ζ = (ζ · ∇)v + ∇p × ∇ + ν ∆ζ + ∇ × fe ∂t ρ (2. 2. una de las 5 inc´ ognitas. La promediaci´ on temporal se define de forma de remover la influencia de las fluctuaciones turbulentas sin destruir la dependencia temporal con otros fen´ omenos no estacionarios con escala de tiempo diferente a aquellas asociadas con la turbulencia. Una ecuaci´ on para la presi´ on puede obtenerse tomando la divergencia de las ecuaciones de momento y asumiendo un campo de velocidades solenoidal . no tiene una forma dependiente del tiempo debido al car´ acter no evolutivo de la ecuaci´ on de continuidad.1.11) (2. t + τ )dτ −T /2 (2.1. El t´ ermino derecho contiene solo derivadas de primer ´ orden para la velocidad.9) que aparece como una especie de restricci´ on a la ecuaci´ on del movimiento que en forma no conservativa se puede escribir como: ∂v 1 + (v · ∇)v = − ∇p + ν ∆v + fe ∂t ρ La ecuaci´ on de vorticidad de Helmholtz. presentada previamente. Las ecuaciones de Navier-Stokes promediadas El proceso de promediaci´ on en el tiempo para un flujo turbulento se introduce para alcanzar las leyes de movimiento para las cantidades medias. Niveles dina Secci´ on 2.12) que puede ser considerada como una ecuaci´ on de Poisson para la presi´ on cuando el campo de velocidades es especificado.10) Para flujos donde la densidad no se estratifica el t´ ermino en presi´ on desaparece de las ecuaciones y el primer t´ ermino del lado derecho se anula si el flujo es plano.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 43 .2. El caso incompresible presenta una situaci´ on muy particular.

la aproximaci´ on ”Thin shear layers” consiste en despreciar las derivadas en las direcciones de la superficie que delimitan estas capas de corte y considerar solo las derivadas en la direcci´ on normal a ellas. Para evitarlas se recurre a un promedio pesado con la densidad.´micos de aproximacio ´n Cap´ ıtulo 2. ˜ = ρA A ρ (2.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 44 . Por ejemplo. 2. En coordenadas cartesianas tenemos que R τij = −ρvi vj (2. La forma condensada de las ecuaciones de Navier-Stokes (2.16) = −ρv ⊗v v (2.18) La relaci´ on entre las tensiones de Reynolds y las variables debe ser especificada en forma externa y se realiza a trav´ es de modelos que contienen una dosis de especulaci´ on te´ orica combinada con evidencias experimentales.5) permanecen inalteradas pero el vector flujos F se simplifica por el hecho que ((docver curso-cfd-0. la ecuaci´ on de continuidad se transforma en ∂ ˜) = 0 ρ ˜ + ∇ · (˜ ρv ∂t Aplicada a las ecuaciones de momento llegamos a: ∂ ˜ v R ˜⊗v ˜+p (˜ ρv ) + ∇ · (ρv ˜I − τ − τ ) = 0 ∂t donde las tensiones de Reynolds se definen como: τ R (2. Aproximaci´ on ”Thin shear layer” (TSL) A elevados n´ umeros de Reynolds las capas de corte pr´ oximas a las paredes y las que se producen en las estelas ser´ an de un tama˜ no limitado y si la extensi´ on de las zonas viscosas permanece limitada durante la evoluci´ on del flujo entonces la influencia dominantes de estas capas estar´ a dada por los gradientes en la direcci´ on transversal a la corriente fluida.1. Entonces.17) y se agregan a las tensiones viscosas promediadas τ . En flujos compresibles este proceso de promediaci´ on conduce a productos de fluctuaciones entre cantidades como la densidad y otras variables como la velocidad y la energ´ ıa interna.15) (2.3. Las ecuaciones de Navier-Stokes donde T se define como un tiempo suficientemente largo comparado con la escala de sucesos de la turbulencia pero peque˜ no comparado a la escala temporal del problema no estacionario. Esta aproximaci´ on se sustenta a´ un m´ as si hechamos un vistazo a las mallas discretas que se confeccionan para flujos con Re > 104 que son muy densas en la direcci´ on normal a los cuerpos y son muy gruesas en el plano tangente al cuerpo. alcanz´ andose muy baja precisi´ on en las direcciones contenidas en el plano tangente. Niveles dina Secci´ on 2.14) ˜ A=A+A ρA = 0 De esta forma se remueven todos los productos necesarios de las fluctuaciones de la densidad con las fluctuaciones de las otras variables.1.0.

´micos de aproximacio ´n Cap´ ıtulo 2. Niveles dina

Secci´ on 2.1. Las ecuaciones de Navier-Stokes

∂τ in ∂ n i = (τ ) (2.19) ∂n ∂n Entonces si tomamos los flujos en cada una de las tres direcciones locales (tangente, normal y binormal) vemos que   ρu ρu2 + p    ρuv f =    ρuw  ρuH   ρv  ρuv    2  ρv + p g= (2.20)    ρvw  ρvH     0 ρw  ρuw    −µ ∂u ∂z     ∂v     −µ ∂z h =  ρvw  +   4 ∂w ρw2 + p   − 3 µ ∂z ∂v 4 ∂w ∂T ρwH −µ(u ∂u ∂z + v ∂z + 3 w ∂z ) − k ∂z (∇ · τ )i Como vemos esta aproximaci´ on asume flujo inv´ ıscido para las direcciones del plano tangente y flujo viscoso s´ olo en la direcci´ on normal. A diferencia de la aproximaci´ on de capa l´ ımite, TSL no asume que la presi´ on sea constante dentro de la capa l´ ımite, con lo cual representa una aproximaci´ on tipo capa l´ ımite de mayor ´ orden.

2.1.4.

Aproximaci´ on Navier-Stokes parabolizada

Esta aproximaci´ on se basa sobre consideraciones similares a TSL pero se aplica solamente al caso estacionario. Esta aproximaci´ on va dirigida hacia aquellas situaciones donde existe una direcci´ on predominante como ser´ ıa el caso de flujo en canales. Adem´ as se supone que las regiones viscosas cerca de bordes s´ olidos son dominadas por gradientes en el plano normal y por lo tanto la difusi´ on de momento y energ´ ıa en la direcci´ on principal se desprecian. Esta aproximaci´ on es solo v´ alida mientras no existan zonas con variaciones importantes tal como recirculaciones. Analizando la ecuaci´ on de momento en la direcci´ on principal (asumimos la x) ser´ ıa : ∂ ∂ ∂ ∂u ∂ ∂u ∂ (ρu2 + p) + (ρuv ) + (ρuw) = (µ ) + (µ ) ∂x ∂y ∂z ∂y ∂y ∂z ∂z (2.21)

Esta ecuaci´ on por haber perdido el t´ ermino de derivada segunda seg´ un la direcci´ on x cambi´ o de tipo el´ ıptico a parab´ olico ya que seg´ un ”x” la derivada primera es la de mayor ´ orden. Entonces la variable ”x” puede ser vista como un pseudo tiempo y se resuelven problemas en 2D avanzando de a capas en ”x”. Similarmente la ecuaci´ on de energ´ ıa parabolizada se vuelve

((docver curso-cfd-0.0.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300))

45

´micos de aproximacio ´n Cap´ ıtulo 2. Niveles dina

Secci´ on 2.2. Modelo de flujo inv´ ıscido

∂ ∂ ∂ ∂ρuH ∂ρvH ∂ρwH ∂ ∂ ∂ (τ · v )z + (k ) + (k ) + + = (τ · v )y + ∂z ∂y ∂y ∂z ∂z ∂x ∂y ∂z ∂y

(2.22)

2.1.5.

Aproximaci´ on de capa l´ ımite

Fue un gran descubrimiento alcanzado por Prandtl quien reconoci´ o que a altos Re las regiones ν/U L para un cuerpo viscosas permanecen acotadas a una extensi´ on δ ( del ´ orden de δ/L de longitud L ) a lo largo de cuerpos s´ olidos o superficies inmersas o limitando el flujo. En estos casos el c´ alculo de la presi´ on puede separarse de aquel del campo de velocidades. Comparando esta aproximaci´ on con la TSL se puede decir que aqu´ ı adem´ as de las suposiciones hechas con la TSL se agrega aquella que la velocidad en la direcci´ on normal a la superficie se desprecia por lo cual no se produce caida de presi´ on en esa direcci´ on. De esta forma la presi´ on en la capa l´ ımite se asume igual a la externa pe (x, y ) computada a partir de una aproximaci´ on inv´ ıscida. Si bien uno puede separar el c´ omputo de la zona o regi´ on inv´ ıscida del de la capa l´ ımite existe muchas situaciones donde existe interacci´ on entre ambas y deben resolverse en forma iterativa. Este tipo de aproximaci´ on cae dentro de lo que suele llamarse interacci´ on viscosa-inv´ ıscisa

2.2.

Modelo de flujo inv´ ıscido

La configuraci´ on de flujo m´ as general para el caso no viscoso donde se desprecian los efectos de conducci´ on del calor se describen mediante las ecuaciones de Euler, obtenidas a partir de las ecuaciones de Navier-Stokes despreciando todos los t´ erminos de tensiones viscosas y los de conducci´ on del calor. Esta aproximaci´ on vale para flujos a elevados n´ umero de Reynolds y fuera de las regiones donde se concentran los efectos viscosos. Este modelo respecto al de Navier-Stokes introduce un cambio importante en el conjunto de ecuaciones, el sistema de segundo ´ orden se transforma en uno de primer orden, modificando no solo la aproximaci´ ´ on f´ ısica y num´ erica sino tambien la especificaci´ on de las condiciones de contorno. Las ecuaciones de Euler no estacionarias tienen una forma condensada similar a aquella presentada en (2.5) ∂U +∇·F =Q (2.23) ∂t para el caso de Navier-Stokes , con la modificaci´ on puesta en la forma de definir el vector flujo F En este caso los flujos se definen como       ρv ρw ρu  ρuw  ρu2 + p  ρuv      2       ρvw   g ρv + p (2.24) f =  ρuv    ρw2 + p  ρvw   ρuw  ρvH ρwH ρuH Una consideraci´ on importante le cabe a la entrop´ ıa. Ya que el modelo de Euler asume la no existencia de conducci´ on del calor ni de esfuerzos viscosos, si tomamos la ecuaci´ on (2.6.f) ρT ds = dt
v

+ ∇ · (k ∇T ) + qH

(2.25) 46

((docver curso-cfd-0.0.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300))

´micos de aproximacio ´n Cap´ ıtulo 2. Niveles dina

Secci´ on 2.2. Modelo de flujo inv´ ıscido

vemos que el segundo miembro es nulo, por lo cual ´ esta se reduce a: T( ∂s + v · ∇s) = 0 ∂t (2.26)

expresando que la entrop´ ıa es constante a lo largo de las l´ ıneas de corriente. Por lo tanto las ecs. de Euler describen flujos isentr´ opicos en ausencia de discontinuidades. No obstante la entrop´ ıa puede variar de una l´ ınea de corriente a otra y esto es visto por una forma especial atribuida a Crocco de describir las ecuaciones de momento , cuando se la aplica al caso inv´ ıscido y estacionario en ausencia de fuerzas externas. Esta se expresa como: − v × ζ = T ∇s − ∇H (2.27)

Si por un momento asumimos un campo uniforme de entalp´ ıas vemos que la derivada normal de la entrop´ ıa (en el plano tangente no var´ ıa) equivale a la componente normal en la terna de Frenet del producto vectorial entre la velocidad y la vorticidad y que es equivalente al producto de la componente binormal de la vorticidad con la velocidad normal, o sea wζb = T ∂s ∂n (2.28)

Por lo tanto gradientes de entropia y vorticidad est´ an directamente vinculados. Las ecuaciones de Euler tambi´ en permiten discontinuidades en capas vorticosas, en ondas de choque o del tipo discontinuidades de contacto, pero ellas deben obtenerse usando la forma integral del las ecuaciones ya que la forma diferencial asume continuidad de la soluci´ on.

2.2.1.

Propiedades de las soluciones discontinuas

Si dentro de un vol´ umen V existe una superficie Σ que se mueve con una velocidad C donde la soluci´ on presenta una discontinuidad debemos recurrir a la forma integral de las ecuaciones de Euler, que en ausencia de t´ erminos fuentes se puede escribir como: ∂ ∂t

U dΩ+
Ω S

F · dS = 0 ∂ U dΩ + ∂t Ω (2.29) F · dS = 0
S

∂U dΩ+ ∂t

Ya que debemos seguir el movimiento de la superficie para poder estudiar su evoluci´ on, debemos aplicar el teorema del transporte de Reynolds sobre el t´ ermino temporal, que dice: Para cualquier funci´ on f (x, t) tenemos que d dt f dΩ =
V (t) V (t)

∂f + ∇ · (f C ) dΩ ∂t

(2.30)

Entonces usando (2.30) con f = 1 y el teorema de la divergencia sobre (2.29) produce lo siguiente: ∂U dΩ − ∂t U C · dS +
S S

F · dS = 0

(2.31) 47

((docver curso-cfd-0.0.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300))

´micos de aproximacio ´n Cap´ ıtulo 2. Niveles dina

Secci´ on 2.2. Modelo de flujo inv´ ıscido

Asumiendo que el vol´ umen tiende a cero el t´ ermino del flujo puede ponerse como:
V →0 S

lim

F · dS =
Σ

(F2 − F1 ) · dΣ =
Σ

F · 1n d Σ

(2.32)

donde dΣ es la normal a la superficie de la discontinuidad Σ y donde definimos el salto de una variable que cruza una discontinuidad A como A = A2 − A1 Combinando (2.29) con (2.32) llegamos a ( F − C U ) · dΣ = 0
Σ

(2.33)

que conduce a la forma local de las leyes de conservaci´ on sobre una discontinuidad, llamadas las relaciones de Rankine-Hugoniot: F · 1n − C U · 1n = 0 (2.34) Si Σ(x, t) = 0 define la superficie de discontinuidad, entonces dΣ ∂Σ = + C · ∇Σ = 0 dt ∂t y si definimos la normal a la superficie como 1n = entonces, reemplazando en (2.34) obtenemos F · ∇Σ + Distintas formas de discontinuidad shocks: todas las variables del flujo son discontinuas de contacto y capas vorticosas (”slip lines”): • no ha transferencia de masa a trav´ es de ellas • densidad y velocidad tangencial discontinuas • presi´ on y velocidad normal continuas Si vemos las propiedades del sistema desde una terna que se mueve junto a la discontinuidad, las relaciones de Rankine Hugoniot para las ecuaciones de Euler se transforman en: ρv · 1n = 0 ρv v · 1n + p · 1n = 0 ρv · 1n H = 0 48 (2.36) ∂Σ U =0 ∂t (2.35) ∇Σ |∇Σ|

((docver curso-cfd-0.0.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300))

´micos de aproximacio ´n Cap´ ıtulo 2. Niveles dina

Secci´ on 2.3. Flujo potencial

Discontinuidad de contacto

Al no haber transporte de masa a trav´ es de ellas vn1 = vn2 = 0

y de (2.36) surge que p =0 y en general ρ =0 Capas vorticosas (”Slip lines”) Como antes vn1 = vn2 = 0 p =0 permitiendo saltos en la velocidad tangencial y en la densidad ρ =0 y vt = 0 (2.37) y vt = 0

Ondas de choque Ellas permiten el transporte de masa a trav´ es y por lo tanto la velocidad normal y la presi´ on pueden ser discontinuas mientras que la velocidad tangencial permanece continua. Entonces ρ =0 p =0 (2.38) vn = 0 vt = 0 La llamada condici´ on de entrop´ ıa da la informaci´ on necesaria para poder filtrar de todas las posibles soluciones aquellas que no tengan sentido f´ ısico. Esto est´ a fuera de los alcances de este curso. Del mismo modo no ser´ a tratado aqu´ ıa el tema de la formulaci´ on de flujo inv´ ıscido rotacional mediante la representaci´ on de Clebsch que permite una descripci´ on m´ as econ´ omica en t´ ermino de c´ omputo pero m´ as compleja en cuanto a su interpretaci´ on.

2.3.

Flujo potencial

Si a la hip´ otesis del flujo inv´ ıscido le agregamos la irrotacional lo cual matem´ aticamente podemos expresar como: ζ =∇×v =0 el campo tridimensional de velocidades puede ser descripto por una u ´nica funci´ on escalar φ, llamada funci´ on potencial y definida por:
((docver curso-cfd-0.0.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300))

49

´micos de aproximacio ´n Cap´ ıtulo 2. Niveles dina

Secci´ on 2.3. Flujo potencial

v = ∇φ lo cual reduce notoriamente el c´ alculo. Si las condiciones iniciales son compatibles con un campo de entrop´ ıa uniforme, luego para flujos continuos la entrop´ ıa ser´ a constante en todo el dominio y las ecuaciones de momento se transforman en ∂ (∇φ) + ∇H = 0 ∂t o ∂φ + H = H0 constante ∂t donde la constante H0 es la entalp´ ıa de todas las l´ ıneas de corriente. De esta forma la ecuaci´ on de energ´ ıa ya no ser´ a independiente del resto. La ecuaci´ on para flujo potencial surge de la ecuaci´ on de continuidad tomando en cuenta la hip´ otesis de flujo isoentr´ opico para poder expresar la densidad como una funci´ on de la velocidad, o sea del gradiente del potencial. En forma de conservaci´ on tenemos ∂ρ + ∇ · (ρ∇φ) = 0 ∂t que junto con la relaci´ on entre densidad y funci´ on potencial h ρ = ( )1/(γ −1) = ρA hA H 0 − v 2 /2 − ∂φ /hA ∂t
1/(γ −1)

(2.39)

(2.40)

(2.41)

completan el modelo. ρA y hA son valores de referencia para la densidad y la entalp´ ıa que a menudo corresponden con las condiciones de estancamiento. Caso estacionario ∇ · (ρ∇φ) = 0 y ρ (∇φ)2 = 1− ρA 2H 0 surgen como el modelo a resolver. Algunos temas a agregar m´ as adelante son: Flujo irrotacional con circulaci´ on - condici´ on de Kutta-Joukowski Limitaciones del modelo de flujo potencial para flujos trans´ onicos
1/(γ −1)

(2.42)

(2.43)

((docver curso-cfd-0.0.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300))

50

2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 51 . Flujo potencial 2.´micos de aproximacio ´n Cap´ ıtulo 2.3. M´ etodos como el de los paneles o el m´ etodo de los elementos de borde son los m´ aximos representantes de ´ esta t´ ecnica.3.44) 2. Estos m´ etodos son llamados singulares porque casualmente producen integrales singulares cuyo tratamiento no es trivial y est´ a fuera del alcance del curso.1. Asi surge el modelo de peque˜ nas perturbaciones que matem´ aticamente se escribe como: 2 (1 − M∞ )φxx + φyy + φzz = 1 (φtt + 2φx φxt ) a2 (2.45) la ecuaci´ on de Laplace.3. Los m´ etodos basados en singularidad provienen de plantear el problema en forma integral.46) (2.45) se transforma en ∆φ = 0 (2. ((docver curso-cfd-0. Otra forma de linealizar el problema es usando superposici´ on de flujos simples. sumideros y v´ ortices calibrando los coeficientes con que cada uno participa de forma de ajustar la condici´ on de contorno de velocidad normal nula sobre cuerpos s´ olidos. Flujo potencial linealizado Si el flujo es incompresible hemos visto que la ecuaci´ on de continuidad se expresa como ∇·v =0 y por la hip´ otesis del modelo potencial v = ∇φ entonces (2. usar n´ ucleos (“ kernels “) que representen la influencia espacial y resolver num´ ericamente. como fuentes.2. Niveles dina Secci´ on 2. Aproximaci´ on de peque˜ nas pertubaciones En flujos estacionarios o no estacionarios alrededor de perfiles alares con un espesor mucho menor que su cuerda se puede asumir que las velocidades en el plano normal son despreciables simplificando a´ un m´ as el modelo.0.

f ) (II.Cap´ ıtulo 3 Naturaleza matem´ atica de las ecuaciones de la mec´ anica de fluidos 3. Introducci´ on Para comenzar resumimos las varias aproximaciones vistas en el cap´ ıtulo anterior de forma tal de mostrar las ecuaciones que surgen de los modelos vistos. Para esta u ´ltima surge 1 ∆p = −∇ · (v · ∇)v + ∇ · fe (II. En general las leyes de conservaci´ on plantean una ecuaci´ on del tipo ∂U +∇·F =Q ∂t que expresada en sus tres coordenadas cartesianas dan lugar a ∂U ∂f ∂g ∂h + + + =Q ∂t ∂x ∂y ∂z Las ecuaciones de Navier-Stokes se pueden expresar en su forma general como       ρv 0 ρ ∂    ρv + ∇ ·  ρv ⊗ v + pI − τ  =  ρfe  ∂t ρE Wf + qH ρvH − τ · v − k ∇T En el caso incompresible se transforman en ∇·v =0 1 ∂v + (v · ∇)v = − ∇p + ν ∆v + fe ∂t ρ (II.1.1.1) donde es muy com´ un desacoplar el problema en una soluci´ on para la velocidad y otra para la presi´ on.2.a) (II.2.1.e) (3.d) ρ 52 .b) (II.2.

8.2) (II.1) y en flujo potencial tenemos el caso general ∂ρ + ∇ · (ρ∇φ) = 0 ∂t junto con la relaci´ on entre densidad y funci´ on potencial ρ h = ( )1/(γ −1) = ρA hA y los casos de peque˜ nas perturbaciones 2 (1 − M∞ )φxx + φyy + φzz = (II.1) (II. Naturaleza matema Secci´ on 3.´tica de las ecuaciones Cap´ ıtulo 3.8.5.3) 1 (φtt + 2φx φxt ) a2 (II.5.6) 53 ((docver curso-cfd-0.2) H 0 − v 2 /2 − ∂φ /hA ∂t 1/(γ −1) (II.8.0.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) .1.6.2) mientras que en el caso parabolizado cambia solamente la ecuaci´ on de momento seg´ un la direcci´ on preferencial del flujo por otra del tipo ∂ ∂ ∂ ∂u ∂ ∂u ∂ (ρu2 + p) + (ρuv ) + (ρuw) = (µ ) + (µ ) ∂x ∂y ∂z ∂y ∂y ∂z ∂z y la de energ´ ıa por la siguiente ∂ ∂ ∂ρvH ∂ρwH ∂ ∂ρuH ∂ ∂ ∂ + + = (τ · v )y + (τ · v )z + (k ) + (k ) ∂x ∂y ∂z ∂y ∂z ∂y ∂y ∂z ∂z En el modelo inv´ ıscido   ρu ρu2 + p    f =  ρuv   ρuw  ρuH  ρv  ρuv   2   g= ρv + p  ρvw  ρvH   ρw  ρuw     h=  ρvw  ρw2 + p ρwH  (II. Introducci´ on En la aproximaci´ on ”Thin shear layer (TSL)” hemos visto   ρu ρu2 + p    f =  ρuv   ρuw  ρuH   ρv  ρuv   2   g= ρv + p  ρvw  ρvH     0 ρw  ρuw    −µ ∂u ∂z     ∂v +  ρvw − µ h= ∂z     4 ∂w ρw2 + p   − 3 µ ∂z ∂v 4 ∂w ∂T ∂u ρwH −µ(u ∂z + v ∂z + 3 w ∂z ) − k ∂z (3.

ρ ∂p ∂u + ρ(v · ∇)u = − + µ∆u ∂t ∂x (3. Los flujos difusivos aparecen con operadores de segundo ´ orden como una consecuencia de la ley generalizada de Fick.6) 54 ((docver curso-cfd-0. Por lo visto al comienzo el modelo matem´ atico refleja un balance entre flujos convectivos. Los flujos convectivos aparecen con operadores de primer ´ orden y expresan el transporte de la propiedad.4) L VL umero de Reynolds y todas las variables. Por lo tanto la competencia entre ellos influenciar´ a sobre la naturaleza matem´ atica de las ecuaciones. con una tendencia a suavizar gradientes. Del mismo modo es la persona que modela la que al introducir una aproximaci´ on est´ a forzando sobre el tipo de ecuaci´ on con que se enfrentar´ a. el tiempo.3) Adimensionalizar estas ecuaciones es un modo de ver mejor aquello de la competencia. las independientes como las donde Re = ρV µ = ν es el n´ dependientes. la coordenada x. denominados reptantes. una escala de velocidades V y una de presiones ρV 2 . Para ello tomemos una longitud de referencia L. los t´ erminos viscosos tendr´ an muy poca influencia haciendo que el flujo sea dominado por los t´ erminos convectivos (ecs.1. de Euler). Reemplazando como es habitual en (4. parab´ olicas hasta las hiperb´ olicas.1.8. de Poisson) Si Re → ∞ y si nos ubicamos fuera de la capa l´ ımite. Tomemos a modo de ejemplo de esto la componente x de la ecuaci´ on de momento de las ecuaciones de Navier-Stokes asumiendo flujo laminar e incompresible. y uno de segundo ´ orden para la otra. un tiempo caracter´ ıstico T .0. Asi como est´ an escritas son de naturaleza parab´ olica debido a la existencia de un operador de primer ´ orden para una de las variables independientes. ρ ∂u ∂p + ρ(v · ∇)u = − ∂t ∂x (3.1) surge V T ∂u ∂p 1 ρ + (v · ∇)u = − + ∆u L ∂t ∂x Re (3. desde las ecuaciones el´ ıpticas. flujos fuertemente viscosos. Si agregamos la hip´ otesis de flujo estacionario entonces desaparece el t´ ermino temporal y la ecuaci´ on se transforma en el´ ıptica (ec.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) . se expresan en la versi´ on adimensionalizada.7) Examinando las anteriores ecuaciones provenientes de los modelos f´ ısicos asumiendo distintos niveles de aproximaci´ on din´ amica podemos decir que todas se representan por un conjunto de ecuaciones a derivadas parciales cuasi-lineales de primer o a lo sumo segundo ´ orden.5) Asumimos que el gradiente de presi´ on est´ a fijado para poder reducir este caso ejemplificatorio al caso de una ecuaci´ on y no entar en las complejidades que presupone un sistema de ecuaciones con varias inc´ ognitas.´tica de las ecuaciones Cap´ ıtulo 3. difusivos y diversas fuentes internas y externas que surgen a partir del modelo planteado por la f´ ısica. el t´ ermino convectivo y no lineal es despreciable y surgen las ecuaciones de Stokes − ∂p V 2 T ∂u ρ + ∆u = Re ν ∂t ∂x (3. Naturaleza matema Secci´ on 3. Para Re → 0. Introducci´ on o el caso linealizado con ∆φ = 0 (II.

las ecuaciones de Navier-Stokes sean incompletamente parab´ olicas.2. Entre ambos existen las ecuaciones parab´ olicas que amortiguan en el tiempo los efectos difusivos.2. c = f (x.8) con a. La clasificaci´ on de las ecuaciones est´ a´ ıntimamente relacionada con el concepto de caracter´ ısticas. v= ∂x ∂y a ∂u ∂u ∂v + 2b +c =0 ∂x ∂y ∂y ∂v ∂u − =0 ∂x ∂y (3. b. ∇φ).3. φ.9) ((docver curso-cfd-0. 3.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 55 . Superficies caracter´ ısticas. Asumimos que contamos con la transformaci´ on necesaria y que tenemos entre manos un sistema cuasi-lineal de primer ´ orden. estrictamente hablando. Soluciones del tipo ondas Si reducimos el problema al caso unidimensional la anterior se vuelve ∂u 1 ∂p ∂u +u =− ∂t ∂x ρ ∂x (3. Superficies caracter´ ısticas. definida como hipersuperficies a lo largo de la cual ciertas propiedades del flujo permanecen invariables o ciertas derivadas pueden volverse discontinuas. y.7) que es una ecuaci´ on hiperb´ olica que describe un fen´ omeno de propagaci´ on. Un sistema de ecuaciones a derivadas parciales de primer ´ orden se dice hiperb´ olico si su parte homog´ enea admite soluci´ on del tipo ondulatoria. Naturaleza matema Secci´ on 3. Soluciones del tipo ondas Las ecuaciones a derivadas parciales que describen los niveles de aproximaci´ on vistos en el cap´ ıtulo anterior son cuasi-lineales y a lo sumo de segundo ´ orden. Podemos escribirla como un sistema introduciendo las siguientes variables : ∂φ ∂φ u= . Es de gran importancia la distinci´ on entre fen´ omenos de difusi´ on (el´ ıpticos) y de propagaci´ on (hiperb´ olicos).0. 3. De todas maneras es importante resaltar que la ecuaci´ on de continuidad al no contar con difusi´ on es de car´ acter hiperb´ olico lo cual hace que. Por otro lado si el sistema admite soluci´ on del tipo ondas amortiguadas (evanescentes) el sistema ser´ a parab´ olico y si no admite soluci´ on del tipo ondulatorio ser´ a el´ ıptico y dominado por difusi´ on. Las ecuaciones de Navier-Stokes son de car´ acter parab´ olicas en el espacio y en el tiempo y cambian de tipo al caso el´ ıptico en el estado estacionario. No obstante se sabe que en muchos casos existe una forma no degenerada de llevar un sistema de segundo ´ orden a otro de primer ´ orden. Ecuaciones diferenciales parciales de segundo ´ orden ∂2φ ∂2φ ∂2φ + 2 b + c =0 ∂x2 ∂x∂y ∂y 2 Sea el siguiente operador cuasi-lineal de segundo ´ orden a (3. ya que en los primeros la informaci´ on se propaga en todas direcciones mientras que en los u ´ltimos existe una direcci´ on preferencial y la informaci´ on se propaga solo a determinadas regiones.´tica de las ecuaciones Cap´ ıtulo 3. Ya veremos que esto est´ a asociado con el hecho que los autovalores del sistema son reales.

y ) Esto se logra calculando det|A1 Sx + A2 Sy | = 0 (3. (el´ ıptico) En lo anterior hemos asumido una soluci´ on del tipo onda plana. y ) que hacen el anterior determinante nulo son superficies caracter´ ısticas con una normal que apunta segun ∇S .11) √ con I = −1.10) Si la soluci´ on es expresable como una onda plana que se propaga en la direcci´ on n.2. Esta consiste en definir una superficie que funciona como frente de onda S (x. Las superficies S (x.12) (3.13) (3. Sy son las derivadas de la superficie respecto a las direcciones que caen sobre ella.y) U =U (3. Naturaleza matema Secci´ on 3.7) es una soluci´ on para valores reales de S (x.16) donde Sx . det|A1 nx + A2 ny | = 0 O sea que las raices de a( nx nx 2 ) + 2b( ) + c = 0 ny ny (3.´tica de las ecuaciones Cap´ ıtulo 3.3) en (4. Resolviendo. o sea si es hiperb´ olica o si se trata de una onda pero amortiguada (parab´ olica) o si no existe soluci´ on real en cuyo caso es el´ ıptica.3.2.0. ´ esta tendr´ a la forma ˆ eI (n·x) = U ˆ eI (nx x+ny y) U =U (3. ((docver curso-cfd-0. Ecuaciones diferenciales parciales de segundo ´ orden que en forma matricial se escribe como a 0 0 1 ∂ ∂x u 2b c ∂ + v −1 0 ∂y ∂U ∂U A1 +A2 =0 ∂x ∂y u v =0 (3.14) nos dar´ an la respuesta a si la soluci´ on es expresable como una onda. y ) y la soluci´ on se representa por una onda general del tipo ˆ eIS (x. b2 − ac > 0 dos soluciones reales. Un sistema es hiperb´ olico si (4.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 56 .2.15) A partir de aqu´ ı la operatoria es la misma que en el caso de onda plana. dos ondas (hiperb´ olico) b2 − ac = 0 una u ´nica soluci´ on (parab´ olico) b2 − ac < 0 dos soluciones complejas conjugadas.2) y tomando la parte homog´ enea nos queda ˆ =0 (A1 nx + A2 ny )U que admitir´ a soluci´ on no trivial solo si el determinante del sistema es nulo. Esto puede generalizarse a hipersuperficies generales con una representaci´ on no lineal de la onda. Reemplazando la soluci´ on(4.

Ejemplo 2: La ecuaci´ on potencial en peque˜ nas perturbaciones Como hemos visto si la componente transversal al flujo del vector velocidad es despreciable. En el caso trans´ onico el problema se transforma en parab´ olico.6) son ny 2 −1 = ± M∞ nx que definen las normales a las dos caracter´ ısticas para flujos supers´ onicos.3.2.2) posee los siguientes coeficientes: u2 a=1− 2 c uv b=− 2 c v2 c=1− 2 c Entonces el discriminante b2 − 4ac se vuelve b2 − 4ac = u2 + v 2 − 1 = M2 − 1 c2 (3. la ecuaci´ on potencial estacionaria se reduce a 2 (1 − M∞ ) ∂2φ ∂2φ + 2 =0 ∂x2 ∂y (3.20) entonces las raices de la ecuaci´ on (4. Una complicaci´ on adicional a esto aparece por el hecho que en el caso trans´ onico y supers´ onico pueden aparecen discontinuidades como ondas de choque con un tratamiento num´ erico bien particular.2. Naturaleza matema Secci´ on 3.17) que en el caso 2D estacionario se simplifica a (1 − v2 ∂ 2φ u2 ∂ 2 φ 2uv ∂ 2 φ ) − + (1 − ) =0 c2 ∂x2 c2 ∂xdy c2 ∂y 2 (3. Como vemos el problema potencial tiene una naturaleza bastante variada dependiendo del r´ egimen de velocidades que estemos resolviendo.18) que bajo la forma de una ecuaci´ on general de segundo ´ orden (4.´tica de las ecuaciones Cap´ ıtulo 3.0. Si tomamos la ecuaci´ on del modelo de flujo potencial y trabajamos algebraicamente sobre la relaci´ on entre densidad y funci´ on potencial asumiendo transformaciones isoentr´ opicas llegamos a (δij − Mi Mj ) 1 ∂2φ ∂ ∂2φ = 2 + (∇φ)2 2 ∂xi dxj c ∂t ∂t (3.19) lo cual es negativo (el´ ıptico) en el caso subs´ onico y positivo (hiperb´ olico) en el caso supers´ onico.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 57 . con sin µ = 1/M∞ ((docver curso-cfd-0. Estas se obtienen como dy 2 − 1) = ± tan µ = ±1/ (M∞ dx Estas caracter´ ısticas son id´ enticas a las l´ ıneas de Mach que se hallan a un ´ angulo µ respecto a la direcci´ on del vector velocidad. Ecuaciones diferenciales parciales de segundo ´ orden Ejemplo 1: Flujo potencial estacionario Llamemos c a la velocidad del sonido.

i = 1. . . . Adem´ as si el rango de Ak nk no es completo el sistema se dice parab´ olico. . . . mientras que Ak son matrices de n × n y Q un vector de t´ erminos fuentes. . m.1) toma la forma cuasi-lineal Ak ij ∂uj = Qi . . . .4. m incluyendo eventualmente la variable tiempo. las n superficies caracter´ ısticas. .21) El an´ alisis de las propiedades del sistema recae sobre la forma cuasi-lineal obtenida despu´ es de introk ducir las matrices jacobianas A definidas por Ak ij = ∂Fik ∂uj (3.´tica de las ecuaciones Cap´ ıtulo 3.5. . k = 1.24) ((docver curso-cfd-0. Una soluci´ on expresada como una onda plana de la forma (4. Las matrices Ak y el vector Q pueden depender de xk y de U pero no del gradiente de U .7) existir´ a si el sistema homog´ eneo ∂S ˆ ˆ =0 = Ak nk U k = 1. Esto ocurrir´ a cuando al menos una de las variables no posea derivadas respecto a alguna de las coordenadas espaciales. . . m Ak k U ∂x admite soluciones no triviales.22) Por lo tanto el sistema (4.23) que en forma condensada se escribe como Ak ∂U = Q.0. i = 1. Naturaleza matema Secci´ on 3.2. n (3. . . El sistema se dice hiperb´ olico si todas las caracter´ ısticas son reales y si las soluciones son linealmente independientes. . i = 1.2. . m. . n en el espacio m dimensional xk . . . ∂xk k = 1. Si todas son complejas es el´ ıptico y si hay de ambas es h´ ıbrido. n (3. Escrita en forma de conservaci´ on y usando la convenci´ on de suma sobre ´ ındices repetidos tenemos ∂ k F = Qi ∂xk i k = 1. .4. Ejemplo 3 : Sistema de 2 ecs de primer ´ orden en 2D Sea el siguiente sistema de ecuaciones en 2D a ∂u ∂u +c = f1 ∂x ∂y ∂u ∂u b +d = f2 ∂x ∂y (3. .2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 58 . Definici´ on general de superficie caracter´ ıstica Sea un sistema de n ecuaciones diferenciales parciales de primer ´ orden para las n inc´ ognitas ui . . . lo cual como antes redunda en que det |Ak nk | = 0 Esta ecuaci´ on tiene a los sumo n soluciones. ∂xk k = 1. . . . . .3) o en general (4. . m donde el vector columna U es de (n × 1) y contiene las inc´ ognitas uj . Definici´ on general de superficie caracter´ ıstica 3. .

por ejemplo tomemos a = b = c = d = 1. describe la distribuci´ on espacial de las alturas de la superficie libre de una corriente de agua que posee un campo de velocidades (u. b = 0 .0. c = −d = −1. 0 b A2 = 0 c d 0 ∂ ∂x u 0 c + v d 0 ∂ ∂y u v = f1 f2 Planteando el determinante e igualando a cero conduce a las raices: | ny 2 cd | = nx ab Si cd/ab > 0 el sistema es hiperb´ olico. f2 = v obtenemos la conocida ecuaci´ on del calor ∂u ∂2u = ∂x ∂y 2 Ejemplo 4: Ecuaciones en aguas poco profundas estacionaria Este sistema. entonces: ∂h ∂h ∂u ∂v u +v +h +h =0 ∂x ∂y ∂x ∂y ∂u ∂h ∂u +v +g =0 u (3. en este caso el sistema de ecuaciones es la conocida ecuaci´ on de las ondas que escrita como una ecuaci´ on de segundo ´ orden luce como ∂2u ∂2u − 2 =0 ∂x2 ∂y Si cd/ab < 0 el sistema es el´ ıptico.´tica de las ecuaciones Cap´ ıtulo 3. Con a = 1 . Definici´ on general de superficie caracter´ ıstica que en forma matricial se puede escribir como a 0 0 b donde A1 = a 0 .4.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 59 . Si llamamos g a la aceleraci´ on de la gravedad.25) ∂x ∂y ∂x ∂v ∂v ∂h +v +g =0 u ∂x ∂y ∂y Introduciendo el vector de inc´ ognitas   h U = u v ((docver curso-cfd-0. c = −d = −1 . por ejemplo tomemos a = b = 1 . conocido como ”shallow water equations”. en este caso el sistema de ecuaciones es la conocida ecuaci´ on de difusi´ on o de Laplace ∂2u ∂2u + 2 =0 ∂x2 ∂y Finalmente si b = 0 existe una sola caracter´ ıstica y el sistema es parab´ olico. f1 = 0 . v ). Naturaleza matema Secci´ on 3.

Naturaleza matema Secci´ on 3. Mir´ andolo desde el punto P .(3) = v u −uv ± u2 + v 2 − gh u2 − gh (3.´tica de las ecuaciones Cap´ ıtulo 3.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 60 .5. En el caso el´ ıptico no existe superficie caracter´ ıstica que separe el dominio en zonas de dependencia e influencia.2. f´ ısicas y num´ ericas. La superficie caracter´ ıstica asociada con λ(1) es la l´ ınea de (1) (1) corriente.26) √ Como vemos gh juega el mismo rol que la velocidad del sonido en el caso de las ecuaciones de flujo compresible. 3. la primera se llama zona de dependencia del punto P y la segunda zona de influencia del punto P. ((docver curso-cfd-0. Si consideramos el caso escalar bidimensional presentado en (4. Si tomamos 1 miembro de cada familia y tomamos un punto P donde se intersectan. (figura 3. Dominio de dependencia . vemos que ambas caracter´ ısticas dejan una regi´ on aguas arriba que afectar´ a la soluci´ on en el punto P y una zona aguas abajo que depender´ a del valor de la funci´ on en el punto P .0.1) este generar´ a dos caracter´ ısticas en el caso hiperb´ olico donde cada una se representa por una familia de curvas. Dominio de dependencia . Esto produce que la zona de influencia.5) En el caso de problemas parab´ olicos ambas caracter´ ısticas degeneran en una (el rango del sistema no es completo) y en este caso la zona de dependencia cae sobre la caracter´ ıstica mientras que la de influencia es la regi´ on completa aguas abajo de la caracter´ ıstica. existe un valor cr´ ıtico donde el sistema cambia de tipo.zona de influencia Las propiedades de propagaci´ on de los problemas hiperb´ olicos tiene importantes consecuencias respecto a la forma en que la informaci´ on se propaga o transmite por todo el dominio. ya que nx = −v . En el caso de velocidades subcr´ ıtico el sistema es h´ ıbrido ya que habr´ a 2 soluciones complejas conjugadas y λ(1) que siempre es real. y como all´ ı . Este hecho es muy importante y tiene muchas consecuencias matem´ aticas. con λ = nx /ny uλ + v hλ h uλ + v 0 =0 det gλ g 0 uλ + v A1 Trabajando sobre el determinante conduce a las soluciones : λ(1) = − λ (2).zona de influencia el sistema se puede escribir en  u g 0 o en forma compacta forma matricial como        h 0 h h v 0 h ∂ ∂ u +  0 v 0  u = 0 u 0 ∂x ∂y 0 u v v g 0 v ∂U ∂U + A2 =0 ∂x ∂y Las tres superficies caracter´ ısticas se obtienen como la soluci´ on de plantear el siguiente determinante nulo.5. Este valor se llama velocidad supercr´ ıtica y en el caso que v 2 = u2 + v 2 > gh el sistema se vuelve hiperb´ olico. la de dependencia y el dominio coincidan y la informaci´ on se propaga en todas direcciones. ny = u.

radiaci´ on. mientras que en el caso Neumann estamos hablando de imponer que el flujo t´ ermico asuma alguna ley de transferencia en el contorno (convecci´ on.etc). Sin ir tan lejos terminamos esta secci´ on diciendo que en los problemas independientes del tiempo de car´ acter el´ ıptico es usual imponer algunos valores sobre algunos nodos (Dirichlet) o sobre su derivada (Neumann). Cuando la variable espacial x est´ a acotado en el espacio por un borde o contorno.´tica de las ecuaciones Cap´ ıtulo 3.6. Naturaleza matema Secci´ on 3. 111 000 000 111 Región de dependencia de P 000 111 000 111 Zona de influencia de P C Dominio de dependencia e influencia Condiciones de contorno e iniciales Para que los anteriores sistemas de ecuaciones que surgen del modelo f´ ısico est´ en finalmente bien planteados en el sentido matem´ atico es necesario que se impongan ciertas condiciones sobre los datos. En el primer caso puede tratarse de imponer el vector velocidad sobre una pared s´ olida o la temperatura. Condiciones de contorno e iniciales características Γ 11111111 00000000 00000000 11111111 00000000 11111111 00000000 11111111 00000000 11111111 A 11111111 00000000 00000000 11111111 00000000 11111111 00000000 11111111 00000000 11111111 00000000 11111111 00000000 11111111 00000000 11111111 00000000 11111111 111111111 000000000 000000000 111111111 000000000 111111111 000000000 111111111 000000000 111111111 00000000 11111111 00000000 11111111 000000000 111111111 00000000 11111111 00000000 11111111 P B 1111 0000 0000 1111 0000 1111 3. dejando la tangencial como parte del c´ alculo (condici´ on slip).6. la velocidad no puede ser fijada en un contorno s´ olido. problema llamado de Cauchy o de valores iniciales. Sin entrar en detalles acerca del tema podemos decir que la correcta especificaci´ on de las condiciones de contorno e iniciales requiere de un detallado estudio que incluye a las autofunciones del sistema. ((docver curso-cfd-0.0. el problema suele llamarse de valores de frontera e iniciales. Si alguna de las variables independientes del problema es el tiempo es necesario establecer una condici´ on a tiempo t = 0 ∀x. En casos donde el sistema se transforma en primer ´ orden (Euler).2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 61 . De todos modos este es un tema abierto ya que en la mayor´ ıa de los casos que trata la mec´ anica de fluidos no existen resultados contundentes acerca de como tratar estas condiciones. recurriendo a fijar solo la componente normal. En el caso de superficies libres es usual establecer la continuidad de las tensiones normales y tangenciales.

6. Por ejemplo si tenemos un vector de 1000 elementos y queremos hacer c´ alculos con cada uno de sus coeficientes. lo cual lo transforma en una gran complicaci´ on.1)+A(:. o sea permite ejecutar comandos en forma muy interactiva lo cual lo hace apto para ir avanzando en lo que uno est´ a haciendo. En cambio el lenguaje interpretado realiza la interpretaci´ on de cada sentencia a medida que corre lo cual lo hace lento. donde cada columna representa un vector de 1000 elementos y queremos calcular la suma de ellos podemos hacer: for k=1:1000. en lugar de hacer un loop de 1000 iteraciones podemos invocar directamente la operaci´ on sobre todo el vector.2). Otras de la caracter´ ısticas interesantes de este lenguaje interpretado es que equivale a un entorno en s´ ı mismo. 3. Por ejemplo. Adem´ as cuenta con una enorme biblioteca de rutinas de c´ alculo que lo transforma en un lenguaje de bajo nivel sin necesidad de tener que programar demasiado. Por ejemplo si uno realiza un loop de 1000 iteraciones el int´ erprete debe trabajar 1000 veces haciendo lo mismo. salvo aplicaciones especiales. Condiciones de contorno e iniciales INTRODUCCION AL USO DE MATLAB Objetivos: Aprender el uso del lenguaje MatLab muy poderoso en cuanto a sus posibilidades de uso como herramienta de c´ alculo num´ erico y visualizaci´ on gr´ afica asi como de programar en este entorno extendiendo su aplicaci´ on al an´ alisis num´ erico y simulaci´ on en Ingenier´ ıa. Otra de las importantes caracter´ ısticas es que incluye poderosas facilidades gr´ aficas que se pueden correr run-time. El programa compilado arma un ejecutable habiendo interpretado cada sentencia previamente en la etapa de compilaci´ on y genera un archivo binario optimizado.0. Naturaleza matema Secci´ on 3. mientras que en el caso de los lenguajes compilados uno debe o bien generar un software gr´ afico completo o sino adaptar algunas rutinas para los casos particulares de aplicaci´ on.6. si tenemos una matriz A de (1000 × 2).´tica de las ecuaciones Cap´ ıtulo 3. c(k) = A(k. Hemos dicho al comienzo que una de las principales diferencias entre un lenguaje compilado y uno interpretado es la velocidad de procesamiento de datos. end o sencillamente c = A(:. debuggear y correr peque˜ nas aplicaciones respecto a los tradicionalmente r´ apidos pero muy r´ ıgidos lenguajes compilados. Introducci´ on MatLab es un lenguaje de programaci´ on interpretado de bajo nivel que a diferencia de los lenguajes compilados permite gran flexibilidad para programar. viendo resultados en pantalla de lo que uno est´ a obteniendo.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 62 . MatLab soporta vectorizaci´ on lo cual hace que en lugar de manejar escalares e interpretar operaciones entre escalares pueda manejar vectores e interpretar vectores. Todo esto y muchas cosas m´ as que surgen cuando uno lo utiliza hacen a MatLab una muy interesante herramienta para la investigaci´ on en torno a los m´ etodos num´ ericos. Adem´ as el hecho que los c´ alculos y las gr´ aficas se vayan generando en tiempo de ejecuci´ on lo hace muy flexible.1. ((docver curso-cfd-0. corrigiendo rumbos. etc. especialmente para grandes problemas. Adem´ as es un software de aplicaci´ on y como su nombre lo indica es un laboratorio de matrices (Mat=Matrices / Lab =Laboratorio).1)+A(k.2).

separando las filas entre si con un .6.´tica de las ecuaciones Cap´ ıtulo 3. es algo asi como la menor porci´ on divisible del c´ alculo. siendo los escalares y los vectores s´ olo casos particulares.2. Yendo m´ as all´ a en cuanto a aplicaciones hemos mencionado las capacidades gr´ aficas del software. vectores y escalares Una matriz es el ´ atomo de este software. ((docver curso-cfd-0.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 63 . (1) Manejo standard de matrices. vectores como un caso particular de una matriz. 3. despues del ] finaliza la sentencia sin mostrar por pantalla lo ingresado. A este respecto debemos primero saber como convertir matrices en mapas redefiniendo el ´ algebra y viendo como de esta forma es posible visualizar funciones en varias variables y hacer distintos tipos de gr´ aficos muy u ´tiles en general.27) 7 8 9 debemos ingresar sus coeficientes como una lista de n´ umeros separados por un blanco al menos que corresponden a los elementos de cada fila. o simplemente con <Enter>. Por ejemplo para ingresar la matriz   1 2 3 A = 4 5 6  (3. MatLab como software de aplicaci´ on En esta parte de la visita a MatLab investigaremos sus capacidades como software de aplicaci´ on. El . 6 . Condiciones de contorno e iniciales MatLab cuenta con muchas rutinas propias llamadas built in functions.. Si uno quiere ver lo que ingresa hay que remover el .6. A grandes rasgos podemos decir que MatLab es un lenguaje de programaci´ on integrado con un software de aplicaci´ on. Entonces podemos hacer una divisi´ on inicial en:   c´ alculo num´ erico software de aplicaci´ on Matlab visualizaci´ on gr´ afica   lenguaje de programaci´ on A continuaci´ on planeamos hacer un peque˜ no tour por las galer´ ıas de MatLab tratando de tocar s´ olo algunos de sus puntos con el objetivo de motivar a los turistas a volver a ellos en el futuro. 9 ].0. Su uso es muy importante cuando las matrices son muy grandes ya que la salida por pantalla puede tomar bastante tiempo. sin entrar por ahora en detalles de programaci´ on. solo basta con recorrer el help para ver la enorme cantidad de ellas. recordar algunos aspectos del ´ algebra de espacios vectoriales para poderlas utilizar en forma coherente y finalmente ver las potencialidades que tiene esto. Naturaleza matema Secci´ on 3. Adem´ as cuenta con lo que se llaman Toolkits que son paquetes de rutinas para aplicaciones particulares. Como fue dicho en la introducci´ on este software es un laboratorio de matrices y como tal debemos saber como definir matrices. o sea A = [ 1 4 7 2 5 8 3 . Aqu´ ı no entraremos en detalle sobre estas u ´ltimas sino que s´ olo mencionamos su existencia para aquellos curiosos que puedan interesarse.

6. Sean b= 1 2 3   4 (3.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 64 . donde el s´ ımbolo ’ significa la transpuesta. 5 6 ].´tica de las ecuaciones Cap´ ıtulo 3. salvo que previamente lo haya almacenado en una variable. este puede ser un vector fila o un vector columna. de un vector como en este caso pero su uso es en general para cualquier matriz. [ 4 5 6 ]. 18. 6 ]. Naturaleza matema Secci´ on 3.0. Por ejemplo si en el caso anterior hacemos A1 = c*b el resultado es una matriz de 3 × 3 porque es el producto de un vector de 3 × 1 por otro de 1 × 3. Condiciones de contorno e iniciales Un vector es un caso particular de lo anterior. como por ejemplo b = ans Si hacemos who podemos ver las variables en memoria hasta el momento almacenadas y si hacemos whos podemos ver m´ as detalles de las mismas. o simplemente podemos definir b = [ 4 c = b’. Todas los c´ alculos que se van haciendo si se asignan a variables permanecen en la memoria de trabajo. ((docver curso-cfd-0. En este caso el resultado ser´ a: A1 = [ 4 5 6 8 10 12 12. sino se asignan son eliminadas permaneciendo solo en memoria el u ´ltimo resultado almacenado en una variable denominada ans. 5 . c = [ 4 . Por ejemplo la instrucci´ on siguiente genera un vector fila pero al no estar asignado solo queda en memoria bajo la variable ans.28) c = 5  6 En estos casos el ingreso es b = [ 1 2 3 ]. Como es sabido del algebra lineal una matriz puede generarse como el producto tensorial de vectores. 15. Si a continuaci´ on emito otra instrucci´ on pierdo el resultado anterior.

lo cual arroja la siguiente matriz como resultado 2 4 6 3 6 9 4 8 12 5 10 15 Existen muchas otras formas. Por ejemplo si el vector es de (5 × 1) y lo queremos ubicar en la segunda codiagonal entonces la matriz ser´ a de (7 × 7) y tendr´ a la siguiente forma: >> diag(ones(5.1). zeros(5. (-3:2:15) genera un vector fila cuyo primer elemento es −3.3) genera una matriz de (5 × 3) con elementos nulos. Condiciones de contorno e iniciales Del mismo modo podemos definir el producto interno entre vectores de una forma trivial.3) genera una matriz de (10 × 3) con elementos unitarios. Otro aspecto importante es que existen formas de generar matrices muy especiales. por ejemplo: rand(4) produce una matriz de (4 × 4) con n´ umeros aleatorios eye(5) produce la matriz identidad de (5 × 5) diag(v. Otra forma ser´ ıa kron((1:3)’.6.0.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) .2) ans = 0 0 0 0 1 0 0 1 0 0 0 0 0 0 65 ((docver curso-cfd-0. Por ejemplo ones(10) genera una matriz de (10 × 10) con elementos unitarios. determinando el tama˜ no de la matriz la longitud del vector v y la codiagonal en la cual se ubica.idiag) produce una matriz poniendo el vector v en la codiagonal idiag. Naturaleza matema Secci´ on 3. ya que debe entrar el vector entero en ella.(2:5)) que produce el producto tensorial del vector columna (1:3)’ con el vector fila (2:5). La definici´ on de producto interno es: N b. generando el resto avanzando de a 2 y no supera el valor 15. c = i=1 bi ci En este caso si hacemos b*c obtenemos el producto interno anterior y tal como hemos definido la instrucci´ on no est´ a alojado en ninguna variable por lo cual corre peligro de ser destruido despu´ es de la pr´ oxima instrucci´ on.´tica de las ecuaciones Cap´ ıtulo 3. ones(10.

si especificamos el nombre .6.4) . guarda la memoria entera en el archivo tempo. Vea el help (help diag).2) . Naturaleza matema Secci´ on 3. Una aclaraci´ on va con la divisi´ on. pero especial cuidado hay que tener cuando tratamos grandes matrices ya que el tiempo de c´ alculo se achica mucho en estos casos con los comandos de divisi´ on comparado al comando de inversi´ on inv(A) o A−1 Otro detalle interesante en el manipuleo de matrices es que uno puede extraer submatrices de otras matrices o armar matrices con bloques de otras submatrices. El primer caso es general y devuelve dos valores mientras que el segundo es exclusivamente para vectores y devuelve solo un valor. producto.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) . El software contiene una serie de operadores de matrices tal como suma. potencia. >> >> >> >> >> A = eye(4) . etc. C D] 66 ((docver curso-cfd-0. divisi´ on por derecha e izquierda. resta. por ejemplo save tempo. B dos matrices de (m × m).29) Como vemos la divisi´ on involucra matrices inversas. D = eye(2) . Cuando uno desea continuar con el trabajo interrumpido y quiere recuperar la memoria salvada con el comando save debe ejecutar load <filename> o simplemente load si salv´ o las variables sin especificar el fichero. entonces A / B = A B −1 A B = A−1 B (3. Todos estos operadores se definen tal como lo establece el ´ algebra de los espacios vectoriales. B = ones(4. Es importante resaltar que si el argumento del comando diag es una matriz entonces devuelve la diagonal o la codiagonal de la misma como un vector.0. A esta altura debemos asegurarnos de salvar lo hecho por si ocurriera alg´ un imprevisto o por si tuvi´ eramos que detener temporariamente nuestro trabajo. caso contrario.mat Tambien podemos guardar parte de la memoria. Por ejemplo. Que significa dividir matrices para MatLab? Sean A. Con clear se limpia todo el espacio de trabajo (memoria) y con clear variables aquellas variables que uno desea. El comando save salva las variables en memoria en un archivo. C = zeros(2.´tica de las ecuaciones Cap´ ıtulo 3. Condiciones de contorno e iniciales 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 1 0 0 0 0 0 1 0 0 Si no especificamos la codiagonal asume un valor cero lo cual significa la propia diagonal y si especificamos un valor negativo asume las codiagonales inferiores en lugar de las superiores.mat. para ello debemos invocar save <filename> variables. Si omitimos el nombre (solo invocamos el comando save) guarda el contenido de la memoria en un archivo llamado matlab. Con size(<arreglo>) o length(<arreglo>) se puede obtener la dimensi´ on del arreglo. E = [A B .

3]) En cuanto a las capacidades de c´ alculo adem´ as de existir toda una gama de funciones standard para escalares existen otras m´ as para vectores y matrices.30) donde V es la matriz de autovectores y Λ es la matriz diagonal con los autovalores en la diagonal. Condiciones de contorno e iniciales ans = 1 0 0 0 0 0 0 1 0 0 0 0 0 0 1 0 0 0 0 0 0 1 0 0 1 1 1 1 1 0 1 1 1 1 0 1 Del mismo modo podemos tomar un bloque de la matriz E .31) Donde est´ a la diferencia? La diferencia est´ a en que MatLab soporta otro tipo de operadores adem´ as de los standard para matrices. Naturaleza matema Secci´ on 3.3 haciendo: E([1. En este caso sin(A) = V sin(Λ)V −1 (3.3. Sin entrar por ahora en detalles porque lo abordaremos m´ as adelante.´tica de las ecuaciones Cap´ ıtulo 3.6.5].2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) .0. MatLab soporta muchas funciones para matrices. llamados operadores de arreglos. un operador de arreglo realiza una operaci´ on sobre cada elemento del arreglo como si fuera una lista de elementos.[2. Si nosotros definimos por ejemplo una matriz A de (3 × 3) y ejecutamos la instrucci´ on sin(A) el resultado ser´ a diferente a si nosotros usamos la definici´ on de una funci´ on aplicada a una matriz f (A) = V f (Λ)V −1 (3. Por ejemplo es muy com´ un hablar del seno trigonom´ etrico de un n´ umero real. por ejemplo el de las filas 1.’sin’). Como se calcula el seno de una matriz? Bueno existen varias formas de calcularlo pero hay que tener cuidado al hacerlo con MatLab. Entonces si a MatLab le decimos B = sin(A) ´ el entiende: Bij = sin(Aij ) (3. cuando queremos realizar una funci´ on especial sobre una matriz debemos o realizar la descomposici´ on en autovalores y autovectores utilizando la funci´ on de MatLab eig(A) o sino usar otra funci´ on llamada funm que en este caso se usa de la siguiente forma : funm(A.32) Conclusi´ on.5 con las columnas 2. por ejemplo: c´ alculo de determinantes →det c´ alculo de autovalores →eig c´ alculo de la traza →trace c´ alculo del n´ umero de condici´ on →cond 67 ((docver curso-cfd-0.3.

podemos aplicarle ciertas operaciones e incluso visualizar usando instrucciones gr´ aficas. Por ejemplo para multiplicar matrices simplemente invocamos el s´ ımbolo del producto. Esto se debe a que como dijimos una matriz puede ser una matriz en el sentido estricto o una lista o una tabla. dispersiones. ∂y interp2 A interpolaci´ on de datos en 2D Del mismo modo dado un conjunto de datos en forma de lista en 1.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 68 .2 o 3 dimensiones. Por ejemplo sea una matriz A de (m × n) elementos. Si queremos multiplicar arreglos esto se entiende como un producto elemento a elemento en forma individual. etc.´tica de las ecuaciones Cap´ ıtulo 3. Naturaleza matema Secci´ on 3.6. Haciendo: diff A ⇒ Bi. En el caso de tablas se puede pensar a una matriz como una planilla de c´ alculo y realizar toda una serie de an´ alisis estad´ ısticos sobre los mismos y calcular promedios. Por ejemplo ((docver curso-cfd-0. Es importante a esta altura resaltar que existen operaciones sobre arreglos del mismo modo que existen operaciones sobre matrices.j +1 − Ai. donde cada elemento de la matriz puede equivaler a un punto de esa grilla rectangular.j gradient A ⇒ ∂A ∂A ∂x . sean A y B dos arreglos. Por ejemplo. Matrices como listas y tablas Las matrices tambi´ en pueden ser interpretadas como listas o tablas de datos. Condiciones de contorno e iniciales c´ alculo de la norma → norm c´ alculo del rango →rank factorizaci´ on Choleski →chol factorizaci´ on LU →lu ortogonalizaci´ on →orth entre otras. medianas. Por ejemplo.0. sumas y productos acumulados. una matriz puede representar la distribuci´ on de temperatura en un dominio rectangular o mapeable a un rect´ angulo. Entonces planteando operaciones sobre ellos podemos lograr efectos interesantes. En el caso de listas son como elementos independientes sobre los cuales se pueden aplicar operaciones individualmente con el fin de obtener alg´ un resultado espec´ ıfico. entonces el producto de arreglo se define como: Cij = Aij ∗ Bij Para poder diferenciar esto de la habitual multiplicaci´ on de matrices MatLab soporta las operaciones precedidas por un punto. Consulte el help de matrices.j = Ai. histogramas. Reci´ en hab´ ıamos mencionado que hay que tener cuidado en el uso de MatLab cuando se aplican funciones a matrices porque su resultado puede ser diferente al esperado.

* equivale al producto de arreglos . mejores formas de visualizar soluciones. Para aquellos intersados visitar el help o la bibliograf´ ıa especializada. Por ejemplo. etc. como por ejemplo construir un generador de mallas. Aqu´ ı no entraremos en detalle de los aspectos de programaci´ on.su raiz cuadrada 69 ((docver curso-cfd-0. [Ejercicio 1. mesh..] Dadas las grandes capacidades que tiene Matlab para el tratamiento de matrices uno de los principales objetivos es aprender como manipularlas. En este ejemplo se pretende que Ud explore diferentes formas de hacerlo./ equivale al cociente de arreglos .0. A continuaci´ on calcule: 1. Naturaleza matema Secci´ on 3.. visualizar mallas de elementos finitos. Programaci´ on Finalmente cerramos este breve paseo con otra facilidad muy importante a la hora de pretender ir un poco m´ as alla de lo que ofrece MatLab. generar un programa de alg´ un m´ etodo num´ erico. dada la siguiente matriz de (10 × 10) con los siguientes elementos:  2 −1 0 0 0 0 0 0 0 0 −1 2 −1 0 0 0 0 0 0 0    0 −1 2 −1 0 0 0 0 0 0   0 0 −1 2 −1 0 0 0 0 0    0 0 0 − 1 2 − 1 0 0 0 0  A= 0 0 0 0 −1 2 −1 0 0 0   0 0 0 0 0 −1 2 −1 0 0   0 0 0 0 0 0 −1 2 −1 0    0 0 0 0 0 0 0 −1 2 −1 0 0 0 0 0 0 0 0 −1 1  (3. Condiciones de contorno e iniciales . etc para ver todas las capacidades gr´ aficas que ofrece MatLab. Programando en MatLab es posible generar programas de prop´ ositos particulares o generales.´tica de las ecuaciones Cap´ ıtulo 3. Existen muchas formas de ingresar matrices.^n equivale a elevar todos los coeficientes del arreglo a una potencia n Visualizaci´ on gr´ afica El hecho de permitir un manejo de matrices como si fuera una lista de datos ordenados seg´ un la estructura de la matriz o como una tabla de valores permite altas facilidades de graficaci´ on.la traspuesta 2. surf.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) .6.. Visite el help de los comandos plot.el producto consigo misma 3.33) explique una forma sencilla de cargarla sin necesidad de entrar cada uno de los 100 coeficientes que la conforman.

] Calcule el determinante de la matriz anterior A del ejemplo 1 y sus autovalores. Posteriormente ingrese la matriz −1 1 0 0 0 0 0 0 0 −1 0 1 0 0 0 0 0 0   0 −1 0 1 0 0 0 0 0  0 0 −1 0 1 0 0 0 0  0 0 0 − 1 0 1 0 0 0 C= 0 0 0 0 − 1 0 1 0 0  0 0 0 0 0 −1 0 1 0  0 0 0 0 0 0 − 1 0 1  0 0 0 0 0 0 0 −1 0 0 0 0 0 0 0 0 0 −1   0 0  0  0  0  0  0  0  1 1 (3.4 de la matriz B. Naturaleza matema Secci´ on 3. [Ejercicio 6. [Ejercicio 3.] Se sabe de la necesidad de contar con un buen manipulador de matrices a la hora de resolver problemas de ´ algebra lineal.0. Sea la matriz del ejemplo 1 y un vector miembro derecho b que representa la funci´ on sin(π/2 ∗ x) donde x es un vector de 10 componentes cuyos valores var´ ıan entre 0 y 1. Resolver el sistema Au = b. Use el comando spy(A) y spy(C) y explique que es lo que hace. [Ejercicio 4. A continuaci´ on grafique los autovalores en el plano complejo.] A continuaci´ on se desea armar una matriz como la siguiente: B= A 010×10 010×10 A (3.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 70 .35) calcule el determinante y sus autovalores y muestre su distribuci´ on en el plano complejo.34) donde A es la matriz del ejemplo anterior. Muestre una forma sencilla de hacerlo. Condiciones de contorno e iniciales 4.] Dada las matrices 1  A= 4 7  1 B = 0 0   2 3 5 6 8 9  0 0 2 0 0 3 (3. Grafique la soluci´ on.] Para las matrices A y C de los ejemplos anteriores calcule la soluci´ on del sistema lineal (A + C)u = b con el miembro derecho similar al usado en el Ej.36) ((docver curso-cfd-0.6. 4. Grafique la soluci´ on u y el vector b en la misma figura. Un ejemplo de ello es la resoluci´ on de sistemas de ecuaciones.] Tome la matriz del ejemplo 2 y arme una nueva matriz de 3 × 2 que contenga los elementos de las filas 1. [Ejercicio 7. [Ejercicio 5.´tica de las ecuaciones Cap´ ıtulo 3.3.sume la matriz identidad del mismo orden [Ejercicio 2. A continuaci´ on resuelva el sistema(A + 10C)u = b y grafique la soluci´ on..5 y columnas 2.

2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 71 .39) (3. . j = 1. Condiciones de contorno e iniciales generar con Matlab la matriz  A B B A C = −A B −A A B A −B A  (3.] Resuelve el siguiente sistema no lineal de ecuaciones sin(x) + y 2 + log (z ) − 7 = 0 3 ∗ x + 2y − z 3 + 1 = 0 x+y+z−5=0 usando como estimaci´ on inicial x=1 y=1 z=1 utilizando la funci´ on de Matlab fsolve o fsolve2 [Ejercicio 12. calcule el producto tensorial de ambos vectores y muestre la matriz obtenida con el producto tensorial en forma gr´ afica. Naturaleza matema Secci´ on 3. . . 3) y calcule la funci´ on z = √ 2 on.] Confeccione un programa en Matlab que realice el producto vectorial de vectores en tres dimensiones. . Pru´ ebelo con un ejemplo no trivial.37) y extraiga de la matriz C aquella correspondiente a las filas 2 y 3 y columnas 5. . Exti´ endalo al caso de varios vectores. j = −3.40) p= i=0 ai xi y encuentre las raices del mismo usando un conjunto de coeficientes ai a elecci´ on.11. Ayuda: La matriz es tal que sus elementos se calculan de la siguiente forma: zij = xi yj y una forma de graficarla es mediante el comando mesh A continuaci´ on genere una grilla en 2D con x ∈ (−2.] Confeccione un programa en Matlab que resuelva la siguiente ecuaci´ on diferencial ordinaria usando la funci´ on ode23 y ode45.´tica de las ecuaciones Cap´ ıtulo 3. [Ejercicio 8. . . Grafique el polinomio en el rango donde se hallan todas sus raices. ((docver curso-cfd-0.6.] Dado el vector x = j 2 . Si no recuerda las diferencias entre ambos revise las notas entregadas (Primer de Matlab). 10 y el vector y = j 3 . Para esto utilice primero un archivo tipo script y luego uno tipo funci´ on. Ayuda: Explore el comando meshgrid x + y y grafique la soluci´ [Ejercicio 9. [Ejercicio 10.8.38) (3.] Construya un polinomio de cuarto orden 4 (3. 3. . 2) y y ∈ (0.0.12 y muestre su estructura. dy = ye−t dt y (t = 0) = 1 [Ejercicio 11.

6.´tica de las ecuaciones Cap´ ıtulo 3.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 72 . Naturaleza matema Secci´ on 3.] Utilice las rutinas del proyecto sobre sistemas din´ amicos masa resorte amortiguador para el caso de 1 grado de libertad lineal y verifique el valor del amortiguamiento cr´ ıtico del sistema.] Genere una aplicaci´ on para resolver el ejemplo del p´ endulo doble y trate de animar el movimiento del sistema ((docver curso-cfd-0. [Ejercicio 14. Condiciones de contorno e iniciales [Ejercicio 13.0.

. por simplicidad. ¯0 .Cap´ ıtulo 4 M´ etodo de diferencias finitas 4. Despejando la derivada de primer orden: dφ dx = l φl+1 − φl ∆x − ∆x 2 73 d2 φ dx2 (4.3) Indicando fl = f (xl ) para cualquier funci´ on f (x). L. empezaremos. Diferencias finitas en 1D Queremos resolver el campo de temperaturas a trav´ es de una pared de material (−∞ ≤ y. φ ¯L y hay una fuente de calor repartida 0 ≤ x ≤ Lx ).2) 4. z ≤ +∞. por desarrollar aproximaciones en diferencias para la derivada de primer orden. tenemos: φl+1 = φl + ∆x dφ dx + l ∆x2 2 d2 φ dx2 (4. xL = Lx (4. l = 0.1. La temperatura en x = 0. x0 = 0. 2.1. .1. 1.1) Dividimos el intervalo en L segmentos de longitud ∆x = Lx /L y llamaremos “nodos” o “puntos de la grilla” a los extremos de los segmentos: xl = l∆x. Lx es mantenida a φ x Q(x): k d2 φ dx2 φ(0) = −Q(x) ¯0 =φ ¯L =φ φ(Lx ) x (4. φ(xl+1 ) = φ(xl + ∆x) = φ(xl ) + ∆x dφ dx + x= xl ∆x2 d2 φ 2 dx2 0 ≤ θ1 ≤ 1 x=xl +θ1 ∆x (4. .4) l+θ1 Donde el sub´ ındice l +θ1 es una extensi´ on de la notaci´ on que indica evaluaci´ on en (l +θ1 )∆x. . Desarrollo en Serie de Taylor Si bien la ecuaci´ on que debemos resolver es de segundo orden.5) l+θ1 .

2 [xl−1 .xl+1 ] dx2 l+θ1 d2 φ ∆x → 0 (4. El error de esta aproximaci´ on es: E |E | =− ≤ ∆x 2 d2 φ dx2 ∆x max ≤ C ∆x.7) Similarmente.xl ] dx2 (4.1 para una interpretaci´ on gr´ afica de esta aproximaci´ on. la aproximaci´ on hacia atr´ as (“backward difference”)da: dφ dx |E | ≤ ≈ l φl − φl−1 ∆x ∆x → 0 (4. Diferencias finitas en 1D φl+1 φl φl-1 D A C B xl-1 xl xl+1 xl-1 xl xl+1 Figura 4.0.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) . A esta aproximaci´ on para la derivada de primer orden la llamamos “por diferencia hacia adelante” (forward difference ): dφ φl+1 − φl ≈ (4.9) 74 ((docver curso-cfd-0.1: Interpretaci´ on geom´ etrica de las diferentes aproximaciones por diferencias finitas a la derivada.´todo de diferencias finitas Cap´ ıtulo 4.1.8) ∆x d2 φ max ≤ C ∆x.6) dx l ∆x V´ ease la figura 4. Me Secci´ on 4. Hemos aproximado la derivada en el punto xl por la pendiente de la secante a la curva que pasa por los puntos xl y xl+1 (segmento AC ). 2 [xl .

xl+1 ] d3 φ ≤ C ∆x2 dx3 (4. el hecho de que la aproximaci´ on sea de un mayor orden no es una condici´ on “suficiente” para obtener un orden de convergencia mayor.1.´todo de diferencias finitas Cap´ ıtulo 4.4 (4.11) que corresponde al segmento DC de la figura 4.10) ≈ l φl+1 − φl−1 2∆x (4.3. 4.15) ∆x2 12 d4 φ dx4 (4. 4.2. 0 ≤ θ 5 . Notar tambi´ en que el error resulta ser un orden mayor. esta es sim´ etrica con respecto al punto en cuesti´ on.1.13) = l φl+1 − 2φl + φl−1 ∆x2 − 24 ∆x2 d4 φ dx4 + l+θ5 d4 φ dx4 (4.12) A esta la llamamos una “aproximaci´ on centrada”.0. Aproximaciones de mayor orden Haciendo desarrollos de mayor orden: φl±1 = φl ± ∆x de donde: dφ dx + l ∆x2 2 dφ dx d2 φ dx2 ± l ∆x3 6 d3 φ dx3 . como veremos m´ as adelante. en la secci´ on §4.4 ≤ 1 l±θ3. ≈ l dφ dx d4 φ dx4 + l ∆x2 2 d2 φ dx2 ± l ∆x3 6 d3 φ dx3 l .16) ((docver curso-cfd-0. Diferencias finitas en 1D que corresponde a la pendiente del segmento DA en la figura. Aproximaci´ on de derivadas de orden superior Para obtener una estimaci´ on de la derivada segunda comenzamos haciendo una expansi´ on hasta cuarto orden de φl±1 : φl±1 = φl ± ∆x ∆x4 + 24 de donde: d2 φ dx2 o sea que: d2 φ dx2 |E | ≤ Esta es una “aproximaci´ on centrada”.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 75 .1.6 ≤ 1 l±θ5.xl+1 ] (4. al contrario de las otras. Notar que. Me Secci´ on 4.1. 0 ≤ θ 3 .1. ya que involucra a los dos nodos vecinos del nodo l. Pero. Con lo cual en principio se pueden obtener mejores aproximaciones con menos puntos usando un aproximaci´ on de mayor orden como esta. La correspondiente estimaci´ on del error es: |E | ≤ ∆x2 6 max [xl−1 .14) l+θ6 φl+1 − 2φl + φl−1 ∆x2 max [xl−1 .7.6 (4.

17)) 2 3 4 (orden de la derivada) 1 1 2 Tipo de aproximaci´ on hacia atr´ as/adelante centrada centrada Cuadro 4.1: Tabla N´ umero de puntos utilizados en las diferentes aproximaciones por diferencias utilizadas. La expresi´ on que relaciona N el n´ umero de puntos. Diferencias finitas en 1D 4.19) 76 ((docver curso-cfd-0.18) y aproximando la derivada segunda por diferencias finitas de segundo orden centradas: k φl+1 − 2φl + φl−1 = −Ql ∆x2 (4.4. Verificamos esto en los desarrollos anteriores. con N puntos o m´ as podemos desarrollar una aproximaci´ on de orden p (es decir |E | ≤ C ∆xp ) k k para d φ/dx . Consideremos primero. el caso de condiciones Dirichlet φ(0) = φ x Evaluando la ecuaci´ on diferencial en xl : k d2 φ dx2 = −Ql l (precisi´ on) 1 2 2 (4.17) Es decir. es N ≥k+p (4.1. N´ umero de puntos requeridos Nos cuestionamos cuantos puntos son necesarios para obtener una aproximaci´ on de un dado orden (digamos O(∆x)) para una derivada de orden k . Me Secci´ on 4. φ(Lx ) = φ ¯L . parece tambi´ en obvio que si queremos una aproximaci´ on de mayor orden entonces necesitaremos m´ as puntos.5. de puntos utilizados 2 3 3 (nro. Por ejemplo para obtener una aproximaci´ on a la derivada primera es obvio que necesitamos al menos dos puntos ya que por dos puntos pasa una recta y la recta es el polinomio de bajo orden que posee una derivada de primer orden no nula.1. Soluci´ on de la ecuaci´ on diferencial por el m´ etodo de diferencias finitas ¯0 .´todo de diferencias finitas Cap´ ıtulo 4.1. de puntos requeridos de acuerdo a (4. p la precisi´ on del m´ etodo y k el orden de la derivada a aproximar.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) . 4. El mismo razonamiento nos dice que se necesitan tres puntos para aproximar una derivada segunda. Nro.0. por simplicidad. Por otra parte.

φ ∈ IRL−1  . 0 −1 2 −1   . +2φ2 +2φ3 . . . . 2.  .  φL−1 Tenemos el siguiente sistema de ecuaciones: Kφ = f con:       K=      2 −1 0 0 .. .. . 0 0 −1 2   ¯0 ∆x2 Q1 /k + φ 2   ∆x Q2 /k   f =  .    0 −1 2 −1 .  . .. .0.1. Me Secci´ on 4. . . . . . .22) (4.. . −1 2 −1 0 .. .. . . . . . 2 ¯ ∆x QL−1 /k + φL x (4.. . Diferencias finitas en 1D hay una ecuaci´ on para cada l = 1. .. L − 1.. .. . .   . . .´todo de diferencias finitas Cap´ ıtulo 4. .. . el campo del continuo φ es reemplazado por el conjunto de valores nodales φ y. . .   .. . . .23) (4. = = = ∆x2 Q1 k ∆x2 Q2 k ∆x2 Q3 k ¯0 +φ .. . . .2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) . . que contiene s´ olo los nodos interiores:   φ1  φ2    φ =  .. las ecuaciones resultan ser: +2φ1 −φ1 −φ2 . la fuente interna Q(x) es reemplazada 77 ((docver curso-cfd-0.. . .. Concretamente. . . . finalmente.20) −φL−3 +2φL−2 −φL−1 = −φL−2 +2φL−1 = ¯L +φ x Definiendo un vector de inc´ ognitas φ.24) N´ otese la analog´ ıa: d2 /dx2 ↓ K φ = −Q/k ↓ ↓ φ = f (4. . ∆x2 QL−2 k ∆x2 QL−1 k (4.21) (4. .   . . . . . . −φ2 −φ1 −φ4 .. . que son los puntos interiores. . . .25) El operador del continuo d2 /dx2 es reemplazado por la matriz K. . . . . .

´todo de diferencias finitas Cap´ ıtulo 4. Me

Secci´ on 4.1. Diferencias finitas en 1D

φ= 0 x=0 x0 x1

φ′′−φ= 0

φ= 1 x=L x3

x2

Figura 4.2: Problema unidimensional con condiciones de contorno Dirichlet en ambos extremos por el vector miembro derecho f . A su vez, la condiciones de contorno tipo Dirichlet tambi´ en generan un t´ ermino en el miembro derecho. La matriz K es sim´ etrica (Kij = Kji para todos i, j ) y definida postitiva (vT Kv > 0 para todo L−1 v ∈ IR ). Esto tiene mucha importancia: se puede demostrar la existencia y unicidad de la soluci´ on discreta y adem´ as tiene importancia pr´ actica ya que permite el desarrollo de rutinas de resoluci´ on especialmente dise˜ nadas.

4.1.6.

Ejemplo

d2 φ − φ = 0, φ(0) = 0, φ(1) = 1 (4.26) dx2 Usaremos ∆x = 1/3 (ver figura 4.2). Tenemos 4 valores nodales φ0 , φ1 , φ2 y φ3 , de los cuales φ0 y φ3 son conocidos de las condiciones de contorno y s´ olo restan dos inc´ ognitas φ1 y φ2 . La ecuaci´ on en los nodos interiores es: φl+1 − 2φl + φl−1 − ∆x2 φl = 0 (4.27) para: φ2 − 2φ1 + φ0 − ∆x2 φ1 = 0 pero φ0 = 0 por la condici´ on de contorno, de manera que la ecuaci´ on resultante es: φ2 − 19/9φ1 = 0 Para l = 2 la ecuaci´ on resultante es: − 19/9φ2 + φ1 = −1 Resolviendo el sistema (4.29-4.30) obtenemos: 1 = 0.2893 . . . (19/9)2 − 1 = 19/9φ1 = 0.6107 . . . = (4.30) (4.29) (4.28)

Resolver:

φ1 φ2

(4.31)

La soluci´ on exacta a este problema puede ser encontrada f´ acilmente. Proponiendo soluciones de la forma e−αx , se obtiene la ecuaci´ on caracter´ ıstica α2 = 1 de donde α = ±1. Proponemos entonces soluciones de la forma φ = aex + be−x . a y b se obtienen de imponer las condiciones de contorno, y resulta ser: sinh(x) φ= (4.32) sinh(1)
((docver curso-cfd-0.0.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300))

78

´todo de diferencias finitas Cap´ ıtulo 4. Me

Secci´ on 4.1. Diferencias finitas en 1D

x 1/3. 2/3

Exacta φ 0.28892 0.61024

φ 0.28929 0.61071

∆x = 1/3 Error 3.6 × 10−4 (0.12 %) 4.7 × 10−4 (0.077 %)

φ 0.28901 0.61036

∆x = 1/6 Error 9.2 × 10−5 (0.032 %) 1.2 × 10−4 (0.019 %)

Cuadro 4.2: Tabla : Errores para φ − φ = 0, φ(0) = 0, φ(1) = 1, para ∆x = 1/3, 1/6 Los resultados num´ ericos y exactos son comparados en la tabla 4.2, se incluyen tambi´ en los resultados 1 obtenidos para ∆x = /6: N´ otese que tanto en x = 1/3 como en x = 2/3 el error ha bajado en un factor 1/4 al reducir el paso de la malla en un factor 1/2. Primero vemos que, cualitativamente, el esquema de discretizaci´ on es convergente, es decir el error, en alguna norma predeterminada, se reduce, al reducir el paso de la malla. Cuantitativamente, podemos decir que el error tiene un comportamiento ∝ ∆x2 . Tambien se dice que el “orden de convergencia” es ∝ h2 , donde h representa el paso de la malla (∆x en nuestro caso). Esto es consistente con el error de truncamiento que encontramos en el desarrollo de Taylor usado.

4.1.7.

An´ alisis de error. Teorema de Lax

Si denotamos por φex los valores nodales de la soluci´ on exacta, es decir φex,i = φ(xi ) entonces φex satisface (4.19) pero con un error de truncamiento, es decir k φex,l+1 − 2φex,l + φex,l−1 = −Ql − Etrunc,l ∆x2 (4.34) (4.33)

donde Etrunc,l es el error correspondiente a la ecuaci´ on l-´ esima. Sabemos que el error de truncamiento es d4 φ ∆x2 max ≤ C ∆x2 (4.35) |Etrunc,l | ≤ k 12 [xl−1 ,xl+1 ] dx4 y tenemos, en forma matricial K φex = f + Etrunc (4.36) Restando (4.22) de (4.36) obtnemos una ecuaci´ on para el error Eφ = φ − φex en los valores nodales K Eφ = −Etrunc y entonces, Eφ = −K−1 Etrunc (4.38) Al hecho de que el error de truncamiento Etrunc,i → 0 para ∆x → 0 lo llamamos “consistencia” del m´ etodo. Queremos saber bajo que condiciones, el esquema es “convergente”, es decir Eφ → 0 para ∆x → 0. Por lo que vemos, esto est´ a relacionado con alguna propiedad de K, es decir que de alguna forma la inversa de K “se mantenga acotada”, para ∆x → 0. 79 (4.37)

((docver curso-cfd-0.0.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300))

´todo de diferencias finitas Cap´ ıtulo 4. Me

Secci´ on 4.1. Diferencias finitas en 1D

Tomando normas Eφ ≤ K−1
L−1

Etrunc

(4.39)

Recordemos que la norma (Eucl´ ıdea) de un vector est´ a definida como v
2

=
i=1

2 vi

(4.40)

y la norma de una matriz est´ a definida como el m´ aximo autovalor de la misma. Puede verse entonces − 1 que K es la inversa del m´ ınimo autovalor de K, y usando (4.12) 1 2 (φex,i − φi )2 ≤ Etrunc (4.41) ,i λmin 1 √ L − 1 C ∆x2 (4.42) ≤ λmin de manera que 1 L−1
L−1

(φex,i − φi )2 ≤
i=1

1 λmin 1

2 Etrunc ,i

(4.43)

C ∆x2 (4.44) λmin El miembro izquierdo de esta ecuaci´ on representa el “error cuadr´ atico medio” de la soluci´ on num´ erica. Esta expresi´ on nos dice que este error es del mismo orden que el error de truncamiento, con la condici´ on de que λmin se mantenga acotado (es decir, que no tienda a cero) cuando ∆x tiende a cero. Si se cumple esta condici´ on decimos que la discretizaci´ on es “estable”. Entonces, la condici´ on para la convergencia es Consistencia + Estabilidad =⇒ Convergencia (4.45) ≤ Este resultado es conocido como Teorema de Lax y es la base del an´ alisis de error para el m´ etodo de diferencias finitas.

4.1.8.

Condiciones de contorno tipo Neumann (“flujo impuesto”)
d2 φ dx2 φ(0) dφ −k dx Lx k

El problema a resolver es: = −Q(x), =0 =q ¯ (4.46) (4.47) (4.48)

Ahora φL pasa a ser una inc´ ognita m´ as:     φ=   φL−1 φL φ1 φ2 . . .     ,   φ ∈ IRL (4.49)

((docver curso-cfd-0.0.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300))

80

´todo de diferencias finitas Cap´ ıtulo 4. Me

Secci´ on 4.1. Diferencias finitas en 1D

x
1 /3 2 /3

1

Exacta φ 0.2200 0.4648 0.7616

∆x = 1/3 φ Error 0.2477 0.0277 (12 %) 0.5229 0.0582 (12 %) 0.8563 0.0947 (12 %)

∆x = 1/6 φ Error 0.2340 0.0140 (6 %) 0.4942 0.0294 (6 %) 0.8097 0.0481 (6 %)

Cuadro 4.3: Tabla : Errores para φ − φ = 0, φ(0) = 0, φ (1) = 1, para ∆x = 1/3, 1/6 Para determinar esta inc´ ognitas tenemos L − 1 ecuaciones que provienen de aproximar el operador diferencial por diferencias finitas de segundo orden en puntos interiores como en la ecuaci´ on (4.19). Para dar cuenta de la condici´ on de contorno tipo Neumann en Lx agregamos la siguiente aproximaci´ on: dφ dx ≈
L

q ¯ φL − φL−1 =− ∆x k

(4.50)

Ahora s´ ı, tenemos L ecuaciones en L inc´ ognitas. Volviendo al ejemplo anterior del problema (4.26), pero ahora con condici´ on de tipo Neumann en x = 1: φ (1) = 1 el sistema resultante es: −φ3 φ3 −φ2 +19/9φ1 = 0 19 + /9φ2 −φ1 =0 −φ2 =3 (4.51)

Resolviendo el sistema, se encuentran los valores discretos que pueden observarse en la tabla 4.3. (se incluyen tambi´ en los resultados obtenidos para ∆x = 1/6): La soluci´ on exacta puede obtenerse de la misma forma que en el caso Dirichlet y resulta ser: φ(x) = sinh(x) cosh(1) (4.52)

Notamos que los errores resultan ser notablemente mayores que en el caso Dirichlet puro, concretamente son dos ´ ordenes de magnitud mayores. Un indicio de la causa del problema la da el hecho de que, al reducir el paso de la malla a la mitad, el error no ha bajado en un factor 1/4 como antes, sino que apenas ha bajado un factor 1/2, exhibiendo una convergencia ∝ ∆x. La causa es que hemos usado una expansi´ on orden O(∆x) para la condicion de Neumann, ecuaci´ on (), si bien la expansi´ on en los nodos interiores es O(∆x2 ). Podemos deducir una regla muy importante que es que el orden de convergencia est´ a dictado por el m´ as bajo orden de las expansiones utilizadas, tanto para el interior del dominio como para las condiciones de contorno. En consecuencia, si queremos recuperar el orden de convergencia ∝ ∆x2 , necesariamente debemos desarrollar una aproximaci´ on O(∆x2 ) para la condici´ on tipo Neumann. Una forma de hacer esto es introduciendo un “nodo ficticio” (ver figura 4.3) xL+1 y aproximando la condici´ on de contorno como: dφ dx ≈
L

φL+1 − φL−1 q ¯ =− 2∆x k

(4.53)

Pero hemos introducido una inc´ ognita m´ as: φL+1 , de manera que agregamos la ecuaci´ on para nodos interiores en el nodo de contorno L: −φL+1 + 2φL − φL−1 QL d2 φ ≈ =− 2 2 dx k ∆x
((docver curso-cfd-0.0.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300))

(4.54) 81

´todo de diferencias finitas Cap´ ıtulo 4. Me

Secci´ on 4.1. Diferencias finitas en 1D
x=0 dominio "real" x=L nodo ficticio

x1

x2

x3

xL-1

xL

xL+1

Figura 4.3: Inclusi´ on de un nodo ficticio para obtener una discretizaci´ on m´ as precisa de la condici´ on de contorno tipo Neumann.

φ= 0 x=0 x0 x1

φ′′−φ= 0

φ= 1 x=L x3 x4

x2

Figura 4.4: Malla 1D con ∆x = 1//3. y un nodo ficticio. El sistema es: Kφ = f       K=     2 −1 0 0 ... ... ... −1 2 −1 0 . . . . . . . . . 0 −1 2 −1 . . . . . . . . . . .. . . . . . . . . . . . . . . . . . . . . . 0 −1 2 . . . . . . . . . . . . 0 −1 0   ¯0 ∆x2 Q1 /k + φ   ∆x2 Q2 /k     . . f =  .   2   ∆x QL /k −2¯ q ∆x/k   φ1  φ2     .  φ= .  , φ ∈ IRL+1  .   φL  φL+1  ... ...         −1   1 (4.55)

(4.56)

(4.57)

(4.58)

((docver curso-cfd-0.0.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300))

82

´todo de diferencias finitas Cap´ ıtulo 4. Me

Secci´ on 4.1. Diferencias finitas en 1D

x
1 /3 2 /3

1

Exacta φ 0.2200 0.4648 0.7616

∆x = 1/3 φ Error 0.2168 0.0033 (1.5 %) 0.4576 0.0071 (1.5 %) 0.7493 0.0123 (1.6 %)

∆x = 1/6 φ Error 0.2192 0.0008 (0.4 %) 0.4629 0.0018 (0.4 %) 0.7585 0.0031 (0.4 %)

Cuadro 4.4: Tabla : Errores para φ − φ = 0, φ(0) = 0, φ (1) = 1, para ∆x = 1/3, 1/6, con esquema O(∆x2 ) Volviendo al ejemplo de la ecuaci´ on φ − φ = 0 con condiciones φ(0) = 0, φ (1) = 1 y discretizado con ∆x = 1/3 (ver figura 4.4), los resultados con este nuevo m´ etodo pueden observarse en la tabla 4.4. El error es ahora un orden de magnitud menor y se recupera la convergencia cuadr´ atica. Sin embargo el sistema ha dejado de ser sim´ etrico. Para recuperar la simetr´ ıa de la matriz del sistema, podemos obtener una ecuaci´ on para φL y φL−1 , eliminando φL+1 de las dos u ´ltimas ecuaciones: φL − φL−1 = ¯∆x ∆x2 QL q − 2k k (4.59)

ermino ∆x2 QL /2k N´ otese que esta ecuaci´ on es la misma que la (4.50) pero con el agregado del t´ en el miembro derecho. De hecho, esta misma ecuaci´ on puede obtenerse planteando un balance de energ´ ıa en el intervalo [L − 1/2, L]∆x. El sistema total es:   2 −1 0 0 ... ... ... ...  −1 2 −1 0 . . . . . . . . . . . .     0 −1 2 −1 . . . . . .     .  . . . .. . . . K= . (4.60)  . . . . .    .  . . . . . .  . . . . 0 −1 2 −1   .  . . . . . . . . . . . . 0 0 −1 1    f =  ¯0 ∆x2 Q1 /k + φ 2 ∆x Q2 /k . . .    ,  (4.61)

∆x2 QL /2k − q ¯∆x/k   φ1  φ2    φ =  .  , φ ∈ IRL  . .  φL

(4.62)

((docver curso-cfd-0.0.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300))

83

v=velocidad. . coeficientes el´ asticos dependientes de las deformaciones Flujo potencial subs´ onico (compresible): ∇ · [ρ(|∇φ|)∇φ] = 0. Llamando ψ al flujo: ψ = k (φ) dφ dx (4. no-lineal debido a la dependencia de k con la temperatura: dφ d k (φ) = −Q(x) (4. . .64) La ecuaci´ on de balance para el nodo l. La regla en estos casos es diferenciar en forma conservativa. puede ser escrita a segundo orden como: ψl+1/2 − ψl−1/2 ∆x = −Ql (4. Problemas no-lineales 4.65) donde ψl+1/2 indica el valor de ψ en nodos ubicados en el punto medio entre los nodos reales: xl+1/2 = (xl + xl+1 )/2.63) dx dx Mencionaremos a continuaci´ on algunos otros problemas de la mec´ anica del continuo que presentan no-linealidad: Material hiper´ elastico: E = E ( ). 2.5): Lx −∆x/2 Lx Q(x) dx = − x=∆x/2 x=0 d dx k (x) dφ dx dx = q ¯0 + q ¯Lx (4.0.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) . ya que reproduce el balance de energ´ ıa que satisface la ecuaci´ on del continuo (ver figura 4. l = 1. Problemas no-lineales Consideremos el siguiente problema uni-dimensional.68) de all´ ı viene el nombre de “esquema conservativo”. . . y no del valor de φ. Una aproximaci´ on de segundo orden para los flujos es: ψl+1/2 = k (φl+1/2 ) = k (φl+1/2 ) dφ dx l +1 / 2 φl+1 − φl + O(∆x2 ) ∆x φl+1 − φl + O(∆x2 ) = k (1/2[φl + φl+1 ]) ∆x La ecuaci´ on resultante para nodos interiores es: − k (φl+1/2 )φl+1 + k (φl+1/2 ) + k (φl−1/2 ) φl − k (φl−1/2 )φl−1 = ∆x2 Ql . ρ=densidad. + QL−1 ) (4.´todo de diferencias finitas Cap´ ıtulo 4.66) (4.2.69) 84 ((docver curso-cfd-0. L − 1 Sumando sobre las ecuaciones sobre l obtenemos un principio de conservaci´ on discreta: ψL−1/2 − ψ1/2 = −∆x(Q1 + Q2 + . G = G( ).67) (4. donde φ es el potencial v = ∇φ. ρ depende de las derivadas de φ. Aqu´ ı ρ juega el papel de la conductividad en el problema t´ ermico.2. En contraste con ´ aquel. . Me Secci´ on 4.

esta forma de recurrencia es ejecutada un n´ umero finito de iteraciones N .5: Balance global de calor para el problema unidimensional. Esto es muy importante en problemas donde puede llegarse a esperar variaciones abruptas de las variables en intervalos muy peque˜ nos. de tal forma que converja a la soluci´ on exacta del sistema (4. v = i=1 vi es la norma L2 del vector. Un criterio m´ as robusto se basa en el residuo del sistema de ecuaciones: R(φN ) < f ((docver curso-cfd-0. Una posibilidad es analizar la diferencia entre dos iteraciones consecutivas de la sucesi´ on: φN +1 − φN < (4. por ejemplo. si la sucesi´ on est´ a convergiendo muy lentamente.74) donde es la “tolerancia” deseada. como es el caso de las ondas de choque (“shock waves”) en fluidos compresibles. El sistema de ecuaciones es ahora no-lineal: K(φ)φ = f (4.72) donde O es un mapeo de IRL−1 en s´ ı mismo. φn . en general. Adem´ as. el criterio para detener n 2 el proceso iterativo.. debe elegirse un vector de inicializaci´ on φ0 y la secuencia se genera recursivamente como: φn+1 = O(φn ) (4.´todo de diferencias finitas Cap´ ıtulo 4. de tal manera que φN est´ e suficientemente cerca de φ.73) En la pr´ actica. . Este criterio puede hacerse adimensional poniendo: φN +1 − φN φ0 < (4. . . Me Secci´ on 4.75) Este criterio puede ser enga˜ noso. en forma cerrada. no puede basarse en una evaluaci´ on directa de φN − φ . Aqu´ ı. . φ1 . Obviamente.70): φn → φ. Problemas no-lineales x=0 x=L Q(x) Figura 4.71) Una forma apropiada de generar estas sucesiones es llevando el sistema anterior a una forma de “punto fijo”: φ = O(φ) (4. para n → ∞ (4.0.70) y no puede resolverse. . pero puede resolverse en forma aproximada generando una sucesi´ on de valores φ0 .2. . f´ acilmente evaluable.76) 85 . como no conocemos φ.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) (4.

depende de m´ ultiples factores: Obviamente. mientras que el segundo es el error de discretizaci´ on.81) 86 ((docver curso-cfd-0. es de esperarse que.0. por m´ as que se itere. y si el criterio ha sido convenientemente adimensionalizado la precisi´ on de la m´ aquina est´ a en − 13 − 16 . el error con respecto a al soluci´ on del continuo. La mayor´ ıa de los m´ etodos exhiben convergencia lineal. El primer t´ ermino del miembro derecho es el error en la resoluci´ on del sistema no-lineal. 1 puede fijarse la tolerancia en una fracci´ on (digamos /10) del error de discretizaci´ on. como ser´ ıa en una m´ aquina de precisi´ on infinita.6 vemos el esquema aplicado a la resoluci´ una ecuaci´ on unidimensional k (φ)φ = f . es decir.´todo de diferencias finitas Cap´ ıtulo 4. N´ otese que el esquema puede ser tambi´ en puesto de la forma: φj +1 = f φj f= j j j k (φ )φ s (4.78) (4. 10−8 . si todos los c´ aculos se hacen en doble precisi´ on. 10 . Llamando φ a los valores nodales de la soluci´ on del continuo. A medida que se itera.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) .2.2. en ambos casos.1. con k (φ) = φm . el error de discretizaci´ on. Me Secci´ on 4. En la figura 4. El valor de la tolerancia . en el l´ ımite: lim φN − φ∗ = φ − φ∗ (4. Debido a errores de redondeo. Ejemplo El esquema de iteraci´ on puede ponerse simplemente como: φj +1 = K(φj )−1 f (4. ambos criterios no puedan bajar m´ as all´ a de un cierto valor mach . Problemas no-lineales donde el residuo R se define como: R(φj ) = K(φj )φj − f y el factor f en el denominador ha sido agregado para hacer el criterio adimensional. de manera que veremos que el costo computacional es proporcional a log .7 y f = 1. cuanto menor sea la tolerancia mayor es el costo computacional. Para problemas bien condicionados. De poder estimarse. 4. en vez de tender a cero. aumenta el costo sin mejorar notablemente la soluci´ on. el error de resoluci´ on se va reduciendo. Debe recordarse siempre que φ (la soluci´ on exacta al problema discreto) posee un error debido ∗ a la discretizaci´ on. tenemos que: (φN − φ∗ ) = (φN − φ) + (φ − φ∗ ) (4. Si los c´ aculos se hacen en mach = 10 simple precisi´ on entonces la precisi´ on cae a: mach = 10−6 . Poner una tolerancia m´ as baja.80) on de La implementaci´ on es muy simple.77) El error que interesa es el miembro izquierdo de esta desigualdad.79) N →∞ Este expresi´ on quiere decir que. hasta anularse. Con esto queremos decir que R(φn ) > mach para n → ∞. m = −0. el error con respecto a la soluci´ on exacta no va a bajar del error propio de discretizaci´ on.

que corresponde a m = −0.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 87 .0. La intersecci´ on de esta recta con y = f marca el nuevo punto φj +1 .7 . 4. para el caso m = −1.8.6: El esquema de punto fijo (4.80) aplicado a un problema undimensional con k (φ) = φ−0.7. φ0 = 3.5. de maner que podemos hacer un ((docver curso-cfd-0. como por ejemplo en la figura 4. mayor fuerza. En caso contrario es divergente (ver figura 4. para k (φ) = φ−1.5 .7: Idem. ya que est´ a asociado a una condici´ on de estabilidad del sistema. f = 1.´todo de diferencias finitas Cap´ ıtulo 4.2. Me Secci´ on 4. para el cual k es la constante del resorte.2. El esquema es convergente si k (φ)φ es mon´ otona creciente. la convergencia puede ser muy lenta. Esta condici´ on se cumple en muchos casos f´ ısicos. lo cual coincide con el criterio de estabilidad.2. M´ etodo secante Consideremos por simplicidad un problema de un s´ olo grado de libertad: φj +1 = O(φj ) (4. Sin embargo. φ la elongaci´ on y f la fuerza aplicada.9. Pensemos por ejemplo en un resorte no-lineal. Problemas no-lineales Figura 4. Entonces k (φ)φ creciente quiere decir: a mayor elongaci´ on. k (φj )φj ) y el origen O. se puede obtener una pendiente aproximada entre el punto Pj = (φj . Dado el valor de φj .82) Supongamos que φj est´ a suficientemente cerca de la soluci´ on φ. Figura 4.

|φj +1 − φ| ≤ C |φj − φ| (4.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) (4. desarrollo de Taylor alrededor de φ: φj +1 = O(φ) + O (φj − φ) + 1/2O (φj − φ)2 pero φ es un punto fijo de O.86) (4.0. para k (φ) = φ−0. Me Secci´ on 4.88) 88 . ≤ C j |φ0 − φ| Adem´ as. Reemplazando en (4.85) con C = |O |.83) Si |O | < 1 entonces podemos φj +1 estar´ a todav´ ıa m´ as cerca de la soluci´ on y podremos despreciar el t´ ermino cuadr´ atico para todo los j .84) (4.8: Idem. de manera que O(φ) = φ.82): φj +1 − φ = O (φj − φ) + 1/2O (φj − φ)2 (4.87) (4. A este tipo de convergencia se le llama.86) puede ponerse como: |R(φj )| ≤ C j |R(φ0 )| ((docver curso-cfd-0. “convergencia lineal”.´todo de diferencias finitas Cap´ ıtulo 4.9 . Problemas no-lineales n=0.2.1 f 0 x6 x5 x4 x3 x2 x1 x0 x 0 Figura 4. . Usando en forma recursiva esta relaci´ on: |φj − φ| ≤ C |φj −1 − φ| ≤ C 2 |φj −2 − φ| ≤ . . podemos poner: R(φj ) ≈ R(φ) + R (φj − φ) = R (φj − φ) De manera que (4.

9).0.92) Si J se parece mucho a R entonces C es muy peque˜ no y la tasa de convergencia es muy alta. m´ as empinada es la pendiente y se llega a una dada precisi´ on con menos iteraciones.95) ) (4.2. en este caso: C k (φ)φ − f J (φ) R J − RJ = 1− J2 = d dφ φ− (4.+2n−1 2n − 1 n 0 2 (4.3.2. Problemas no-lineales Es com´ un graficar log |R| en funci´ on de j : log R(φj ) ≤ j log C R(φ0 ) (4.100) (4. es una recta de pendiente log C . La constante C es. en cuyo caso la convergencia deja de ser lineal y pasa a ser “cuadr´ atica”: |φj +1 − φ| ≤ C |φj − φ|2 (4. Cuando J = R entonces decimos que es u n m´ etodo “secante”. asint´ oticamente.101) R(φ ) =C R(φ ) 1 2n = CR(φ0 ) C log R(φn ) ≤ − log C − 2n log(CR(φ0 )) Esto es una exponencial cuando se grafica como log R en funci´ on de j (ver figura 4. Cuanto m´ as peque˜ no es C .89) De manera que.´todo de diferencias finitas Cap´ ıtulo 4. 4. ((docver curso-cfd-0.97) (4.96) 23 n 0 2 R(φ n−2 4 ≤ C 1+2+4 R(φn−2 ) ≤C 1+2+4+..2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 89 . La estimaci´ on correspondiente para residuos es: 2 R(φj +1 ) ≤ CR(φj ) (4. si bien por supuesto se debe tratar que J ≈ R . M´ etodo tangente k (φ)φ − f J (φ) El sistema puede ser tambi´ en puesto en forma de punto fijo como: φ=φ− (4.91) En φ vale que R(φ) = 0.94) Usando esta estimaci´ on en forma recursiva: R(φn ) ≤ CR(φn−1 ) ≤C 1+2 2 (4.90) donde J (φ) se definir´ a m´ as adelante.99) (4.93) Esta estrategia es el “m´ etodo de Newton” o “tangente”. Me Secci´ on 4. El caso ´ optimo es poner J = R .. de manera que: C = |1 − R /J | (4.98) (4.

Precisi´ on y n´ umero de puntos en el esquema de diferencias finitas convergencia lineal |Residuo| convergencia cuadrática n (iteraciones) Figura 4.3. Poniendo el sistema anterior en forma matricial: φ = Ad + N e (4. Precisi´ on y n´ umero de puntos en el esquema de diferencias finitas Ahora veremos como generar esquemas en diferencias de una forma general. Me Secci´ on 4.104) 90 ((docver curso-cfd-0.´todo de diferencias finitas Cap´ ıtulo 4. deberemos incrementar el n´ umero de puntos en el stencil.3. 4. l ≥ 1).9: Tipos de convergencia lineal y cuadr´ atico. Consideremos N puntos arbitrarios {xl }N l=1 .0.102) Ahora suponemos que el stencil se va reduciendo. hacia el punto x0 pero manteniendo las distancias relativas invariantes.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) .103) con ξl =cte y → 0. es decir: ∆xl = xl − x0 = ξl (4. φl = φ0 + φ0 (xl − x0 ) + φ0 1/2(xl − x0 )2 + N −1 (N −1) (xl − x0 ) · · · + φl + O(|xl − x0 |N ) (N − 1)! (4. Veremos que para una aproximaci´ on para un cierto orden de derivaci´ on se requiere un n´ umero m´ ınimo de puntos y que cada vez que querramos aumentar el orden de aproximaci´ on. y expandamos los valores de φl = φ(xl ) alrededor de un cierto punto x0 (que no necesariamente debe coincidir con uno de los xl .

si se quiere aproximar una derivada k -´ esima.´todo de diferencias finitas Cap´ ıtulo 4. Por el contrario. . podemos obtener una expresion para cualquiera de las derivadas. podemos obtener la derivada de primer orden k = 1 con precisi´ on O(∆x)2 (p = 2). . Me Secci´ on 4. Resolviendo el sistema lineal. φL φ0 φ0 . . . . entonces es necesario al menos k +1 puntos para que la aproximaci´ on sea “convergente” es decir p ≥ 1. para la derivada segunda (k = 2) s´ olo podemos esperar una precisi´ on O(∆x) (p = 1) con N = 3 puntos. (N −1) N −1 ··· ··· . En el caso de una malla de paso constante. el n´ umero de puntos del stencil N y el orden de la aproximaci´ on p: p=N −k (4. . ξ1 ξ2 .110) En particular.108) de manera que tampoco dependen los coeficientes de su inversa ckl .  N −1 ξ1 /(N − 1)! N −1 ξ2 /(N − 1)!    .  . por ejemplo. A no depende de de manera que: (k ) k = l=1 ckl (φl − N el ) (4.106) (4.0. la k −´ esima: N φ0 Ahora bien. N φ0 = (k ) −k l=1 ckl φl + O( N −k ) (4. con N = 3 puntos.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 91 . y con diferencias centradas se puede obtener una precisi´ on un orden mayor por cuestiones de simetr´ ıa. Por ejemplo. . digamos.107) 1 ξN 2 /2 · · · ξN y e es un vector que depende en principio de pero cuyas componentes se mantienen acotadas al hacer tender → 0. . .3. Precisi´ on y n´ umero de puntos en el esquema de diferencias finitas donde:    φ=     d=     A=  1 1 . .       (4. .109) De manera que llegamos a la siguiente regla simple que vincula la el orden de la derivada k . φ0 φ1 . N −1 ξN /(N − 1)! (4. .    . .105) φl 2 /2 ξ1 2 /2 ξ2 . ((docver curso-cfd-0.

115) Generamos una malla de paso constante ∆x.111) (4. ym ) + ∆x ∂φ ∂x + 1/2∆x2 lm (4. 0) = φ k ¯3 φ(Lx .2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 92 . y ) = φ ¯4 φ(x.112) (4.118) ∂2φ ∂x2 l+θl . 0 ≤ l ≤ L. 0 ≤ θl ≤ 1 (4.12): φl+1. L ∆y = Ly M (4.´todo de diferencias finitas Cap´ ıtulo 4. y ) = φ1 ¯2 φ(x. 0 ≤ y ≤ Ly } (4.114) (4.m = φ(xl + ∆x.5. m∆y ).4. Ly ) = φ Empecemos por un dominio rectangular con condiciones Dirichlet (ver figura 4. ym ) = (l∆x. 0≤m≤M (4.m . en Ω = {x. Me Secci´ on 4.11): ∆x = Lx . ∆y (ver figura 4.119) ((docver curso-cfd-0. Aproximaci´ on en diferencias finitas para derivadas parciales Consideramos una expansi´ on en x de la forma (ver figura 4.10: Problema bidimensional de conducci´ on del calor rect´ angulo.4. 4. y ). ym ) = φ(xl .117) 4. y / 0 ≤ x ≤ Lx .10): = −Q(x. M´ etodo de diferencias finitas en m´ as de una dimensi´ on Figura 4.0.113) (4. M´ etodo de diferencias finitas en m´ as de una dimensi´ on ∂2φ ∂2φ + 2 ∂x2 ∂y ¯ φ(0.116) llamamos “nodo lm” al punto de coordenadas: (xl .

.124) y las condiciones de contorno: ¯4 (ym ) φ0m = φ ¯1 (xl ) φl0 = φ φLm φlM ¯2 (ym ) =φ ¯3 (xl ) =φ m = 0. . .0. .m = + O(∆x) ∆x φl+1.120) (4. .m − 2φlm + φl−1. . . M l = 0.m + O(∆x2 ) = ∆x2 (4. Igual que en 1D. . L 93 (4. . .m φl. . .121) (4. . .m − φlm + O(∆x) ∆x φlm − φl−1. Aproximaci´ on en diferencias finitas para derivadas parciales y yM=Ly yM-1 ∆x Ω y2 y1 y0=0 x0=0 x1 x2 ∆x xL-1 xL x Figura 4.´todo de diferencias finitas Cap´ ıtulo 4.122) (4. .11: Malla homo´ genea de diferencias finitas.m − 2φlm + φl−1.m = + O(∆x2 ) 2∆x φl+1. La discretizaci´ on se hace remplazando las derivadas segundas por diferencias de segundo orden para los nodos interiores: k φl+1. Me Secci´ on 4. . . .m−1 + ∆x2 ∆y 2 = −Qlm para l = 1.m+1 − 2φlm + φl.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) . . . M − 1 (4. M l = 0.m − φl−1. . . se obtienen expresiones aproximadas para las derivadas de primer y segundo orden: ∂φ ∂x ∂φ ∂x ∂φ ∂x ∂2φ ∂x2 = lm lm lm lm φl+1. L − 1 m = 1. .123) y expresiones similares en y .5.125) ((docver curso-cfd-0. L m = 0. .

... . −1 4 −1 0 . .. ¯ −I . . . .. .... . .  (4.. (4. ... ... El sistema es. Me Secci´ on 4..m) l-1 l l+1 Figura 4.. .  (4. como siempre: Kφ = f donde K es ahora una matriz tri-diagonal  ¯ K −I ¯  −I K  k   0 −I K= 2  ∆x    ¯: siendo K por bloques: 0 0 ....2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 94 .127)     ¯ = K     4 −1 0 0 . .. .. .´todo de diferencias finitas Cap´ ıtulo 4. .....        −1 4 −1  0 −1 4 . .. −I 0 .. −I 0 ... .126)        ¯ K −I  ¯ −I K . . 0 −1 4 −1 . ..5.. .12: Nodo t´ ıpico en una malla estructurada bidimensional. .. .... ... Aproximaci´ on en diferencias finitas para derivadas parciales m+1 m m-1 (l. .... K . .128) ((docver curso-cfd-0.. .. ... . . .. .0. . ....

13: Orden de numeraci´ on de los grados de libertad en el sistema lineal. Me Secci´ on 4.5.                                 (4. correspondiente al nodo en cuesti´ on y los cuatro vecinos. .M −1 . φL−1. Estos coeficientes son los mismos para todos los nodos de la malla. De todos los coeficientes s´ olo cinco son no nulos. (esto es para el caso especial ∆x = ∆y ). . φ2. φ1.129) 4.M −1 φ21 φ22 φ23 .1.5.3 . Stencil del operador discreto Consideremos la fila de la matriz correspondiente a la ecuaci´ on para el nodo lm.2 φL−1. . . y entonces podemos caracterizar el 95 ((docver curso-cfd-0.1 φL−1.M −1 que corresponde a haber numerado las inc´ ognitas primero seg´ un y y despu´ es seg´ un x (ver figura 4.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) .´todo de diferencias finitas Cap´ ıtulo 4. .0. El vector de inc´ ognitas es:                 φ=                φ11 φ12 φ13 . Aproximaci´ on en diferencias finitas para derivadas parciales y yM yM-1 M-1 2(M-1) (M-1)(L-1) y2 y1 y0 2 M+1 M 1 x0 x1 x2 xL-1 xL x Figura 4.13). . . φL−1. .

6.14: Stencil de 5 puntos para el operador de Laplace en 2D. 4. el stencil obtenido consta de 5 puntos involucrados y tiene como coeficientes 4 para el nodo central y -1 para todos los otros (ver figura 4. por simplicidad (ver  −1 0 0 −1 0 0 0 4 −1 0 0 −1 0 0   −1 4 −1 0 0 −1 0   0 −1 4 0 0 0 −1   0 0 0 4 −1 0 0   −1 0 0 −1 4 −1 0   0 −1 0 0 −1 4 −1  0 0 −1 0 0 −1 4 Consideremos el caso Lx = 3.130) vemos que los elementos no nulos se encuentran s´ olo sobre la diagonal y sus cuatro codiagonales superiores e inferiores.16): Kij = 0.1. Ly = 5. M = 5. La matriz es:  4  −1   0   0 K=  −1   0   0 0 (4. podemos poner los coeficientes en los nodos asociados. es decir (ver figura 4. Me Secci´ on 4. Obviamente. Toda matriz que satisface (4. ∆x = ∆y = 1. A esto se le llama el stencil o estrella del operador discreto.´todo de diferencias finitas Cap´ ıtulo 4. Resoluci´ on del sistema de ecuaciones m+1 m m-1 -1 -1 4 -1 -1 l-1 l l+1 Figura 4. Resoluci´ on del sistema de ecuaciones Estructura banda = 3.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 96 . Para ser m´ as grafico a´ un. Para el caso de la ecuaci´ on de Poisson que estamos tratando. L figura 4.15).14) 4. operador discreto por una sola de las l´ ıneas. para |i − j | > a (4. el inter´ es surge cuando a es mucho menor que la dimensi´ on ((docver curso-cfd-0.6.0. con ∆x = ∆y .131) con a = 4.131) para alg´ un a es llamada una matriz banda y a el ancho de banda de la matriz.6.

Para eliminar la segunda columna. Requerimientos de memoria y tiempo de procesamiento para matrices banda Consideremos una matriz sim´ etrica de N × N . debe tenerse en cuenta las operaciones de traer los elementos desde la RAM el procesador y de incrementar los contadores. Usualmente se necesita una suma y una multiplicaci´ on. Veremos que en ese caso se puede ganar mucho tanto en requerimientos de memoria para factorizar la matriz. siguen siendo nulos despu´ es del proceso de factorizaci´ on. que es el caso para las matrices de elementos finitos. es decir (N − 1)(N − 2)e operaciones. contra los N (N + 1)/2 elementos que hace falta almacenar. Podemos ver que en el caso que nos ocupa a = M − 1. lo cual requiere N (N − 1)e operaciones.132) Consideremos ahora el costo computacional en t´ erminos de tiempo de CPU del m´ etodo de eliminaci´ on de Gauss para una matriz llena. Puede verse que al factorizar la matriz por un m´ etodo de eliminaci´ on tipo Gauss o Cholesky los elementos fuera de la banda no se “llenan”. cada una de las cuales tiene N elementos. esto es. debemos realizar N − 2 operaciones de N − 1 elementos. sin embargo.6. Mediante algoritmos especialmente dise˜ nados. 4.15: Malla de diferencias finitas para un problema con condiciones Dirichlet.´todo de diferencias finitas Cap´ ıtulo 4.6. debemos hacer N − 1 operaciones de fila. Para eliminar la primera columna.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 97 .0. se puede trabajar s´ olo sobre las diagonales activas de manera que s´ olo se requieren almacenar N + (N − 1) + (N − 2) + · · · + (N − a) ≈ N a elementos. como en tiempo de procesamiento. Me Secci´ on 4. de manera que e = 2. si no se tiene en cuenta la estructura banda de la matriz. con ancho de banda a. N de la matriz. El factor de ganancia en memoria es: (almacenamiento matriz banda) 2a = (almacenamiento matriz llena) N (4. Resoluci´ on del sistema de ecuaciones y 4 3 2 1 8 7 6 5 x Figura 4.2. donde e es el n´ umero de operaciones necesarios para eliminar un elemento. dependiendo de la m´ aquina y de detalles de implementaci´ on. El n´ umero total ((docver curso-cfd-0.

0Mbyte de memoria en doble precisi´ on.133) Si la matriz es banda.6. consideremos el caso de una malla de L = M = 200 nodos. Utilizando almacenamiento banda tenemos a = 200 y el n´ umero de elementos a almacenar es N a = 200 × 40000 = 8000000. ((docver curso-cfd-0. entonces en la primera columna solo hay a + 1 elementos no nulos.0×108 elementos. Para las otras columnas.4Gbytes de memoria RAM. de manera que deben efectuarse 2ea2 operaciones para eliminar la primera columna. ocurre algo parecido y el costo total es: (Costo computacional matriz banda) = N × 2ea2 = 2eN a2 La relaci´ on de costos es: 2eN a2 a (Costo computacional matriz banda) = =2 3 (Costo computacional matriz llena) eN N 2 (4. + 3 × 2 + 2 × 1] e N =e j =1 j (j − 1) = eN 3 /3 + O(N 2 ) (4.. solo debemos hacer a operaciones de fila. Me Secci´ on 4.135) Para fijar ideas. El n´ umero total de elementos a almacenar como matriz llena es ≈ N 2 /2 = 8. Adem´ as.0.134) (4. Por lo tanto.´todo de diferencias finitas Cap´ ıtulo 4..2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 98 . 64. El n´ umero total de grados de libertad es N = (L − 1) × (M − 1) ≈ LM = 40000. Resoluci´ on del sistema de ecuaciones Kij=0 2a N Kij=0 N Figura 4.16: Definici´ on del ancho de banda de una matriz. En el caso de utilizar doble precisi´ on esto equivale a 6. en cada una de las filas s´ olo los 2a primeros elementos est´ an dentro de la banda. de operaciones es de: (Costo computacional matriz llena) = = [N (N − 1) + (N − 1)(N − 2) + .

esto es. del orden en que las inco´ gnitas son puestas en el vector φ. . .3. para la matriz llena es 400003 /3e ≈ 2.2 × 109 e operaciones.0.   .1      .´todo de diferencias finitas Cap´ ıtulo 4. Por ejemplo si la numeraci´ on se hace primero en x y despu´ es en y (ver figura 4. Resoluci´ on del sistema de ecuaciones y yM yM-1 (L-1)(M-1) y2 y1 y0 L L+1 L+2 2(L-1) 1 2 3 4 5 L-3 L-2 L-1 x0 x1 x2 xL-1 xL x Figura 4.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 99 . φL−1.136) (tiempo de CPU matriz banda) = (4. mientras que para matriz banda es de s´ olo 2 × 2002 × 40000e = 3.137) 4.2 × 109 flops = 6.    φL−1.6. Me Secci´ on 4.M −1     φ3.M −1     φ2.    φ1. Con respecto al costo computacional. Considerando e = 2 y una velocidad de procesamiento de 1Gflops (1 Gflop=109 operaciones de punto flotante por segundo) los tiempos de procesamiento resultan ser de: (tiempo de CPU matriz llena) = 4. . Ancho de banda y numeraci´ on de nodos El ancho de banda es altamente dependiente de la numeraci´ on de los nodos.M −1 ((docver curso-cfd-0.4 segundos 1 × 106 flops/sec (4.9 horas 1 × 109 flops/sec 3.M −1      . (4.   .17):   φ11   φ21     φ31     .1 × 1013 e operaciones.17: Numeraci´ on alternativa para reducir el ancho de banda.3 × 1013 flops = 11.138) φ=  .6.

indican ventajas y desventajas del m´ mente): Considerar al dominio inmerso en una malla homog´ enea (ver figura 4. entonces. • La generaci´ on de la malla es muy sencilla ( ) • Deben generarse ecuaciones especiales para los nodos en el contorno ( ) • En principio no hay posibilidad de “refinar” la malla en ciertas partes ( ) Ajuste del contorno (“boundary fitting”) (ver figura 4.19): La idea es encontrar una transformaci´ on de coordenadas que lleve el dominio irregular en cuesti´ on a un rect´ angulo. entonces el ancho de banda pasa a ser de a = L − 1. respectivaforma arbitraria como en la figura 4.18). La ecuaci´ on original es transformada siguiendo las reglas cl´ asicas y finalmente se resuelven las ecuaciones transformadas en el dominio transformado. Dominios de forma irregular Ω Ω ∆y ∆x Figura 4.´todo de diferencias finitas Cap´ ıtulo 4.18: El dominio de resoluci´ on de resoluci´ on Ω es “embebido” en una malla homog´ enea.18.7. Existen b´ asicamente dos posibilidades para extender el m´ etodo a un dominio de etodo.0.7. Me Secci´ on 4. incluso para dominios relativamente simples ( ) ((docver curso-cfd-0. numerar siempre primero en aquella direcci´ on en la cual hay menos nodos. Dominios de forma irregular El m´ etodo de diferencias finitas ser´ ıa de muy poca utilidad si s´ olo pudiera aplicarse a dominios de forma rectangular. ( . 4. • La generaci´ on de la malla es relativamente compleja.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 100 . En este caso el esquema para los nodos interiores es el mismo como el que consideramos hasta ahora. La regla es.

tanto para nodos interiores como nodos de contorno se obtienen f´ acilmente por los m´ etodos est´ andar ( ) • La malla suele estar m´ as densa en ciertas partes que en otras. Consideremos por ejemplo la figura 4. PQ µ= PV ≤1 PS (4.7. Me Secci´ on 4.19: La malla es generada por mapeo de una malla homog´ enea sobre un rect´ angulo al dominio Ω.20. aqu´ ı el punto delicado es el hallar f´ ormulas en diferencias para los nodos en on contacto con el contorno.18.1. debemos encontrar ecuaciones en diferencias para un nodo como el P .139) podemos hacer un desarrollo de Taylor para φT y φV : φT φV con P1 ∈ [P.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) . tenemos una disposici´ on como en la figura 4. Suponiendo que la condici´ on de contorno es de tipo Dirichlet. V ] (4. • Los esquemas en diferencias.140) P1 ∂3φ + 1/2µ2 ∆x2 P ∂x2 − 1/6µ3 ∆x3 P ∂x3 (4.7. Esto puede ser una ventaja o desventaja dependiendo de si el lugar donde la malla est´ a mas densa es un punto donde se necesita mayor precisi´ on o no ( ?) • Admite cierto grado de refinamiento ( ) 4. T ]. P Q = P R = ∆y ) y definiendo: λ= PU ≤ 1. Inmersi´ on del dominio irregular en una malla homog´ enea Como se mencionara. Haciendo un zoom de una regi´ cerca del contorno. Considerando que la malla es homog´ enea (P T = P S = ∆x.142) 101 = φP + ∆x = φP − µ∆x ∂φ ∂x ∂φ ∂x + 1/2∆x2 P ∂2φ ∂x2 + 1/6∆x3 P 2 ∂ φ ∂3φ ∂x3 (4.0.´todo de diferencias finitas Cap´ ıtulo 4.141) P2 ((docver curso-cfd-0.. Dominios de forma irregular η Ω y Ω′ ξ x Figura 4. P2 ∈ [P.

145) (4. haciendo una combinaci´ on lineal de φT y φV de forma de que se cancelen los t´ erminos que contienen la derivada segunda. Dominios de forma irregular ∆y Q U λ∆ y S V P µ∆ x T R ∆x Figura 4.´todo de diferencias finitas Cap´ ıtulo 4. µ2 φT − φV = (µ2 − 1)φP + (µ2 + µ)∆x de manera que: ∂φ ∂x = P ∂φ ∂x + O(∆x3 ) P (4.144) La derivada segunda se puede aproximar de: 1 /2∆x2 ∂2φ ∂x2 = φT − φP − ∆x P ∂φ ∂x + O(∆x3 ) P (4.148) 102 ((docver curso-cfd-0. Me Secci´ on 4.147) = φT − φP − ∆x = de donde: µ2 φT − φV − (µ2 − 1)φP + O(∆x3 ) ∆xµ(µ + 1) µφT + φV − (µ + 1)φP + O(∆x3 ) µ(µ + 1) µφT + φV − (µ + 1)φP + O(∆x) µ(µ + 1)∆x2 ∂2φ ∂x2 =2 P (4.0.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) .146) (4.20: Diagrama general de los nodos sobre la malla regular en la zona cercana al contorno del dominio de resoluci´ on.7.143) µ2 φT − φV − (µ2 − 1)φP + O(∆x2 ) ∆xµ(µ + 1) (4. F´ rmulas especiales en diferencias deben ser desarrolladas para los nodos como el P La derivada de primer orden se puede obtener. a orden ∆x2 .

2. 4.: (∂φ/∂ηj ).´todo de diferencias finitas Cap´ ıtulo 4. Mapeo del dominio de integraci´ on Consideremos. etc.152) de tal forma que en la variable η .7. mientras que para los puntos como el P sobre el contorno. η2 . las ecuaciones son de tipo: λφR + φU − (λ + 1)φP QP µφT + φV − (µ + 1)φP + =− 2 2 2k µ(µ + 1)∆x λ(λ + 1)∆y (4.150) k = −Q (4.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) . el sistema de ecuaciones se halla planteando las ecuaciones en diferencias para los puntos interiores sobre una malla regular. Finalmente. Me Secci´ on 4. x3 ) → η = (η1 .. η3 ) (4.151) Como fue adelantado. Continuando con la ecuaci´ on de Poisson. Dominios de forma irregular N´ otese que para µ = 1 (P V = P S ) se recupera la f´ ormula centrada de segundo orden. su transformaci´ on es: g − /2 1 ∂ ∂ηi kgij g /2 1 ∂φ ∂ηj = −Q (4. resolver el problema: ∇ · (k ∇φ) = −Q En notaci´ on tensorial: ∂ ∂xi ∂φ ∂xi (4.0. tensores m´ etricos.149) Debe recordarse que esta expresi´ on es O(∆x) de manera que s´ olo puede esperarse una tal convergencia. Por el contrario. podemos plantear la ecuaci´ on diferencial en t´ erminos de: derivadas de las inc´ ognitas y los datos (propiedades del material) con respecto a las coordenadas transformadas. Para condiciones de tipo Neumann. el problema es a´ un m´ as complicado. por ejemplo.7. la expresi´ on anterior es de primer orden y. propiedades de la transformaci´ on como: jacobianos. n´ umero de puntos y orden de la derivada). de hecho es imposible generar una aproximaci´ on de segundo orden para la derivada segunda con 3 puntos en una malla irregular (Confi´ erase a la secci´ on anterior donde se explica la relaci´ on entre precisi´ on. aqu´ ı se trata de encontrar una transformaci´ on de coordenadas: x = (x1 .153) donde J denota la matriz del jacobiano de la transformaci´ on y ∇η es el operador gradiente con respecto a las coordenadas η . x2 . (conocidos). el dominio de integraci´ on sea un ret´ angulo..g. factores de escala. e. Usando c´ aculo tensorial. La transformaci´ on de las ecuaciones se hace por la “regla de la cadena”: ∂φ ∂ηj ∂φ = = [J∇η φ]i ∂xi ∂ηj ∂xi (4.154) 103 ((docver curso-cfd-0.

7.161) 2 0 0 h2 3 hi es llamado el factor de escala de la coordenada transformada ηi .r (θ.163) (4.156) (4.160) 4.7.3. θ.157) (tensor m´ etrico covariante) (determinante de la transformaci´ on) g /2 =(det g) /2 La ecuaci´ on transformada puede ser reescrita como una ecuaci´ on quasi-´ armonica con una conductividad anisotr´ opica: ∂ ˜ ∂φ ˜ kij = −Q (4. φ (rext. Puede verse que la condici´ on para que esto ocurra es que el tensor m´ etrico de la transformaci´ on satisfaga:  2  h1 0 0 0  g ij =  0 h2 (4. −π ≤ ϕ ≤ π. La ecuaci´ on del calor en coordenadas c´ urvilineas ortogonales es: ∂ ∂η1 h2 h3 ∂φ h1 ∂η1 + ∂ ∂η2 h1 h3 ∂φ h2 ∂η2 + ∂ ∂η3 h1 h2 ∂φ h3 ∂η3 = h1 h2 h3 Q (4. Dominios de forma irregular donde: gij =[g−1 ]ij g ij =[g]ij = 1 (tensor m´ etrico contravariante) ∂xk ∂xk ∂ηi ∂ηj 1 (4. Ejemplo Sea resolver la ecuaci´ on del calor en una c´ ascara esf´ erica:   r ≤ rext rint ≤ Ω = {r.158) ∂ηi ∂ηj donde: ˜ij =kgij g 1/2 k ˜ Q 1 =g /2 Q (conductividad anisotr´ opica equivalente) (t´ ermino fuente equivalente) (4. Coordenadas curvil´ ıneas ortogonales Un caso particular es cuando la transformaci´ on es tal que las superficies ηi =cte son ortogonales entre s´ ı en el sistema xi .164) ((docver curso-cfd-0.7.162) 1 4. ϕ) = φ ext int −π/2 ≤ θ ≤ π/2.0. ϕ}tales que −π/2 ≤ θ ≤ π/2   −π ≤ ϕ≤π con condiciones de frontera Dirichlet en la c´ ascara exterior e interior: ¯r .159) (4.´todo de diferencias finitas Cap´ ıtulo 4. (4.4. Me Secci´ on 4.int . ϕ). θ. Se desprende que g /2 = h1 h2 h3 .2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 104 .155) (4.

k+1/2 y φi+1 jk − φijk ∆r φi j +1 k − φijk = cos θj +1/2 ∆θ 1 φij k+1 − φijk = cos θj ∆ϕ ri+1/2 = ri + (4.ij k+1/2 − qϕ.i+1/2 jk − qr. . . La ecuaci´ on para el qθ.169) (4. . . .173) son conservativas y precisas de segundo orden. . (4.172) ∆r 2 ∆θ θj +1/2 = θi + 2 La ecuaciones (4. . . Me Secci´ on 4.173) ((docver curso-cfd-0.i+1/2 jk = ri cos θj +1 / 2 qθ.168) (4.i j +1/2 k qϕ.171) 2 qr. J k = 0. θj .2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 105 .7. ϕk ) est´ an dadas por: ri = rint + (i/I )(rext − rint ) θj = π/2 (1 − θ ) [−1 i = 0.i j +1/2 k − qθ. .ij k−1/2 ∆ϕ qr.167) Se contruye una malla homog´ enea en coordenadas transformadas. Dominios de forma irregular donde las coordenadas esf´ ericas est´ an dadas por la transformaci´ on usual: x = r cos θ cos ϕ y = r cos θ sin ϕ z = r sin θ Los factores de escala son: hr =1 hθ =r hϕ =r cos θ de manera que la ecuaci´ on transformada es: ∂ ∂r r2 cos θ ∂φ ∂r + ∂ ∂θ cos θ ∂φ ∂θ + ∂ ∂ϕ 1 ∂φ cos θ ∂ϕ = r2 cos θ Q (4.´todo de diferencias finitas Cap´ ıtulo 4.170) + 2(j/J )] ϕk = π [−1 + 2 (k/K )] donde 0 ≤ θ nodo ijk es: π tiene el fin de evitar la singularidad en los polos θ = ±π/2.ij. .i−1/2 jk ∆r donde: + + 2 = ri cos θj Qijk (4.0.i j −1/2 k ∆θ qϕ.166) (4.171-4. . dada por una serie de (I + 1) × (J + 1) × (K + 1) puntos Pijk cuyas coordenadas (ri . .165) (4. I j = 0. K (4.

Una transformaci´ on conforme (x.´todo de diferencias finitas Cap´ ıtulo 4.0. 4. βγδ ≈ 90 ) y con. un dominio rectangular como el ABCDEF (ver figura 4.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) . a la transformaci´ on (4. Las transformaciones conformes son un subconjuto de las transfomaciones obtenidas por coordenadas curv´ ılineas ortogonales. No s´ olo los ´ angulos interiores permanecen aproximadamente rectos. η ).174) se puede aplicar una transformaci´ on 106 ((docver curso-cfd-0. Lo interesante es que esta variaci´ on es tal que la relaci´ on de aspecto se mantiene constante. Por ejemplo. η =cte son ortogonales entre s´ ı. Por ejemplo.22) es transformado en una corona circular.5. equivale a la transformaci´ on: x = eξ cos η y = eξ sin η (4. sino que los factores de escala son iguales hξ = hη . aproximadamente.21: Transformaci´ on de un “elemento” de volumen ∆ξ . Mallas generadas por transformaci´ on conforme Una clase especial de transformaciones pueden generarse mediante la teor´ ıa de variable compleja llamada transformaci´ on conforme. como fue mencionado en un marco m´ as general.7. Esto significa que un elemento rectangular e en coordenadas ξ. y ) → (ξ.174) y es muy similar al cambio de coordenadas de cartesianas a polares. ∆η por una transformaci´ on conforme. N´ otese que el ∆r entre sucesivas capas de nodos va aumentando con el radio. Las transformaciones conformes pueden ser concatenadas de forma de poder obtener dominios bastantes m´ as complicados. la misma relaci´ ´ on de aspecto (BB /AA ≈ ∆η/∆ξ ). la transformaci´ on de coordenadas z = exp(w). Dominios de forma irregular B’ ∆η η ξ e α ∆ξ y A δ x β e’ B A’ γ Figura 4. Por ejemplo. Me Secci´ on 4.21) es mapeado por la transformaci´ on en otro e de forma aproximadamente rectangular con ◦ angulos interiores α. puede combinarse con otras transformaciones para generar mallas tridimensionales. se basa en definir dos variables complejas z = x + iy y w = ξ + iη y poner la transformaci´ on en forma de una funci´ on anal´ ıtica: w = f (z ) con f anal´ ıtica. sino que la relaci´ on de aspecto permanece inalterado. η (ver figura 4.7. Si bien est´ a es v´ alida s´ olo para 2D. No s´ olo las lineas ξ =cte.

donde el dominio 3 rectangular ABCDEF en el plano w es mapeado por la transformaci´ on z = w /2 en el dominio indicado en la figura 4. Me Secci´ on 4.175) A continuaci´ on una “transformaci´ on de Joukowski” lleva la corona circular al exterior de un perfil aerodin´ amico (ver figura 4. La transformaci´ on es: z1 = 1 + (1 − e)(z − 1) (4.22: Un rect´ angulo es transformado en una corona circular usando la transformaci´ on exponencial z = ew .´todo de diferencias finitas Cap´ ıtulo 4.23): 1 (4. manteniendo el punto B en z = 1 (ver figura 4. ((docver curso-cfd-0.0.26. Usualmente. mientras que el c´ ırculo exterior DEF es transformado en una curva cercana a una circunferencia.176) z2 = 1/2 z1 + z1 La circunferencia interior ABC es transformada sobre el contorno del perfil.24). 4. lineal para correr el centro del c´ ırculo interior O de z (O) = 0 a z1 (O) = 1 + e. El punto B en z1 = 1 es transformado en el borde de fuga (T E = “trailing edge”.25. se supone que sobre esta circunferencia el flujo no est´ a perturbado para poder imponer las condiciones de contorno apropiadas. Otro ejemplo de transformaci´ on podemos observarlo en las figuras 4. Dominios de forma irregular w π r=e z 1 0 F E D 0 D≡ F O A≡C r=1 B E A B C −π −π 0 π −π 0 π z=eiw Figura 4.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 107 . mientras que el punto A ≡ C es transformado en el borde de ataque LE (“Leading Edge”).7.26.

Dominios de forma irregular z2 1 0 D≡ F E A≡C=L.E.E.0.´todo de diferencias finitas Cap´ ıtulo 4.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 108 . Figura 4.7. El c´ ı rculo interior es mapeado sobre el perfil mientras que el exterior es mapeado sobre un cuasi-c´ ırculo al infinito. -1 0 1 B=T. ((docver curso-cfd-0.23: Transformaci´ on de Joukowski. Me Secci´ on 4.

0.24: Transformaci´ on intermedia para correr el centro del c´ ırculo. Dominios de forma irregular z1 1 0 D≡ F A≡C O B E 0 1 Figura 4.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 109 . Me Secci´ on 4. ((docver curso-cfd-0.´todo de diferencias finitas Cap´ ıtulo 4. manteniendo el punto z = 1 fijo.7.

110 3 ((docver curso-cfd-0.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) . z=w 1.´todo de diferencias finitas Cap´ ıtulo 4.5 D z 1 E C B F A -1 0 1 0 -1 Figura 4. Dominios de forma irregular w 1 F E D 0 A B C -1 0 1 Figura 4.7. .26: Dominio transformado en el plano z = w /2. Me Secci´ on 4.0.25: Dominio rectangular en el plano w.

0. ∂φ −k = q.8. en Γh −k ∂n Los t´ erminos involucrados en (4.´todo de diferencias finitas Cap´ ıtulo 4. t). g y k pueden ser funciones de la posici´ on y del tiempo v = v(x. en Γq (4. Adem´ as consideramos que φ s consume con una reacci´ on qu´ ımica de cin´ etica de primer orden.178) ∂n ∂φ = h(φ − φfl ).179) ((docver curso-cfd-0. etc.8. Me Secci´ on 4.177) ∂φ + v · ∇φ = k ∆φ − cφ + g ∂t con condiciones de contorno ¯ en Γφ φ = φ. con constante c > 0 y que hay una producci´ on de φ dada por una densidad de producci´ on g Dφ = k ∆φ − cφ + g Dt (4... La ecuaci´ on de convecci´ on-reacci´ on-difusi´ on 4.177) se denominan ∂φ = T´ ermino temporal ∂t v · ∇φ = convectivo o de transporte k ∆φ = difusivo cφ = reacci´ on g = producci´ on Tanto v como c.180) (4. Las dimensiones de las costantes es v[=]m/sec k [=]m2 /sec c[=]sec−1 g [=][φ]/sec (4. La ecuaci´ on de convecci´ on-reacci´ on-difusi´ on Consideremos el transporte de una sustancia de concentraci´ on φ en un medio fluido con campo de velocidades v y difusividad k > 0.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 111 .

2 θ=100 0 0 θ=30 θ=10 0.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 112 .6 0.8 x/L 1 ´ Figura 4. donde φeq = g/c es la concentraci´ on de φ que esta en “equilibrio local” con la producci´ on. La ecuaci´ on de convecci´ on-reacci´ on-difusi´ on 4. Me Secci´ on 4. Interpretaci´ on de los diferentes t´ erminos Los t´ erminos de reacci´ on y producci´ on pueden agruparse como −c(φ − φeq ).1.181) ∂t cuya soluci´ on es φ = φeq + (φ(t = 0) − φeq )e−ct (4.182) y vemos que φ decae exponencialmente hacia φeq . 1 φ 0.´todo de diferencias finitas Cap´ ıtulo 4. Podemos deducir de esto que en zonas donde los gradientes son bajos φ tiende a aproximarse a φeq . En estado estacionario y con condiciones homog´ eneas tal que φ no depende de x entonces φ → φeq .8. Si consideramos que φ no depende de x (φ = φ(x)) entonces los t´ erminos convectivo y difusivo son nulos y llegamos a una ODE para el valor de φ (constante en todo el dominio) ∂φ + c(φ − φeq ) = 0 (4.6 θ=3 0.2 0.4 0.0.27: Concentraci´ on para diferentes valores del mdulo de Thiele ((docver curso-cfd-0. ) Para entender mejor el significado de los diferentes t´ erminos involucrados vamos a considerar algunos casos particulares.8 θ=1 0.4 0. No hay dependencia espacial. (Nota: si g = f (φ) entonces los zeros de f son puntos de equilibrio.8.

pero la condici´ on de contorno es φw = φeq entonces φ va a tratar de estar cerca de φeq en el interior del dominio.0. k la difusividad t´ ermica y g una fuente de calor distribuida. entonces la soluci´ on es φ= en 0 ≤ x ≤ L (4. φ = 1. para fijar ideas.185) donde θ es el “m´ odulo de Thiele” o “n´ umero de reacci´ on”.8. yendo suavemente hacia φw en los contornos. ((docver curso-cfd-0. entonces la k ∆φ − c(φ − φeq ) = 0 (4. La rapidez con la cual el valor interior empalma con la condici´ on de contorno depender´ a de la importancia relativa entre c y k . c puede provenir de una reacci´ on endot´ ermica proporcional a la temperatura. En el caso t´ ermico φ es la temperatura.183) Si φeq = cte. ecuaci´ on es Ahora. el siguiente problema k ∆φ − cφ = 0. La soluci´ on se observa en la figura 4. Me Secci´ on 4.27 y vemos que para n´ umeros de Thiele altos la soluci´ on se pega al valor de equilibrio en el interior del dominio y empalma con la condici´ on de contorno en una capa l´ ımite de esperor k/c = L/θ. pero estacionario y con v = 0. Esto dar´ a lugar despu´ es a que las matrices de los m´ etodos num´ ericos resulten sim´ etricas. los restantes t´ erminos s´ olo contienen derivadas espaciales de orden par (0 ´ o 2) y por lo tanto son invariantes ante inversi´ on de coordenadas (x → −x). La ecuaci´ on de convecci´ on-reacci´ on-difusi´ on Reacci´ on difusi´ on. L cosh(θ(x/L − 1/2)) . Notar que si v = 0.184) en x = 0.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 113 . θ= cosh(θ/2) c/kL (4. Estas capas l´ ımites representan grandes gradientes para la soluci´ on y pueden aparejar problemas (falta de convergencia) para los m´ etodos num´ ericos. si incluimos la difusi´ on. Consideremos.´todo de diferencias finitas Cap´ ıtulo 4. Tambien en el caso 2D el t´ ermino −c(φ − φeq ) puede pensarse como un t´ ermino de enfriamiento Newtoniano.

El transporte convectivo tiende a propagar esta discontinuidad a lo largo de la caracter´ ıstica W W . ∂x ∂x φ = 0. Una forma diferente de ver este fen´ omeno es considerar que.187) (ver figura 4. para el problema advectivo puro la ecuaci´ on es de primer orden y por lo tanto requiere de una sola condici´ on de contorno. estos altos gradientes son una fuente de problemas para los m´ etodos num´ ericos.188) A medida que v aumenta las temperaturas bajan ya que el movimiento del fluido tiende a contrarrestar el efecto de la condici´ on de contorno en x = L y refrigera m´ as que cuando el fluido est´ a quieto. resolviendo el polinomio caracter´ ıstico en λ y buscando la combinaci´ on lineal que satisface las condiciones de contorno. el gradiente de φ se concentra m´ as y m´ as cerca de la pared x = 1. A medida que el Pe aumenta.´todo de diferencias finitas Cap´ ıtulo 4. La soluci´ on resulta ser φ= vL e2Pe (x/L) − 1 . en x = 0 φ = 1. El flujo entra ¯ donde φ ¯ contiene un salto cerca del por el lado AA y sale por DD . Para valores de v muy peque˜ nos la souci´ on se aparta poco de la soluci´ on de conducci´ on pura φ = x/L (4. La condici´ on a la entrada es φ = φ punto W .2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 114 . tambi´ en se pueden producir altos gradientes en el interior del dominio. La importancia relativa de ambos t´ erminos (difusivo y convectivo) se puede cuantificar a trav´ es del “n´ umero de P` eclet” Pe dado por (4. el problema se hace cada vez m´ as advectivo (Pe → ∞).30. ((docver curso-cfd-0. Pe = 2Pe e −1 2k (4.8. En el caso estacionario ((∂φ/∂t) = 0) y si no hay reacci´ on ni producci´ on (c. proponiendo soluciones de la forma λx e .187). Por ejemplo consideremos advecci´ on pura en u dominio rectangular ADD A como se muestra en la figura 4. en x = L en 0 ≤ x ≤ L (4.186) Esto representa el transporte de temperatura φ por un fluido con difusividad k y velocidad v . a medida que k → 0.189) De nuevo. La teor´ ıa de sistemas hiperb´ olicos indica que la condici´ on de contorno debe aplicarse donde las l´ ıneas caracter´ ısticas entran. La ecuaci´ on de convecci´ on-reacci´ on-difusi´ on Advecci´ on difusi´ on. Si se pretende imponer un valor diferente como condici´ on de contorno Dirichlet. Ahora bien. la diferencia se absorbe en una capa l´ ımite. La soluci´ on puede encontrarse por m´ etodos operacionales est´ andar. Si la velocidad se invierte entonces la discontinuidad se produce en x = 0 que es la nueva salida (x = L es la entrada). Debido a que la ecuaci´ on de advecci´ on pura propaga los valores a lo largo de las caracter´ ısticas. Consideremos el caso 1D en un intervalo de longitud L con condiciones Dirichlet v ∂2φ ∂φ − k 2 = 0. pero debido a la difusi´ on la discontinuidad se va suavizando y termina en un escal´ on suavizado a la salida DD .0. g = 0) queda la “ecuaci´ on de advecci´ on-difusi´ on”. Me Secci´ on 4. El valor de la variable en un contorno donde las caracter´ ısticas salen resulta de la integraci´ on de la ecuaci´ on dentro del dominio.28). formando una capa l´ ımite de espesor δ = O(k/v ) = O(L/Pe) (4.

2 Pe=3 0 0 0.6 0.4 Pe=0 Pe=1 0.8 Pe=−10 0.2 0.8 1 Pe=30 Pe=100 Figura 4.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 115 .28: Soluci´ on al problema de advecci´ on pura 1D con coeficientes constantes capa lí imite soluc C a víscid ión in φ B contorno de entrada A a ístic cter cara contorno de salida φ capa líimite solución invíscida C A B distancia a lo largo de la característica Figura 4.29: Sistem´ as fuertemente advectivos en 2D ((docver curso-cfd-0.8.´todo de diferencias finitas Cap´ ıtulo 4.6 Pe=10 0. Me Secci´ on 4.0.4 0. La ecuaci´ on de convecci´ on-reacci´ on-difusi´ on 1 0.

8.0.´todo de diferencias finitas Cap´ ıtulo 4. La ecuaci´ on de convecci´ on-reacci´ on-difusi´ on φ W A y B C A’ B’ C’ D’ x W’ D Figura 4. Me Secci´ on 4.30: Discontinuidad interna propagada desde la condici´ on de en un sistema fuertemente advectivo ((docver curso-cfd-0.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 116 .

para j = 1.191) 2k Estas oscilaciones pueden asociarse a un falta de estabilidad del esquema num´ erico. de manera que ∆x = 0.0. Discretizaci´ on de la ecuaci´ on de advecci´ on-difusi´ on φ 1 v=1 v=3 v=20 v=40 v=100 v=500 v=10 0.192) la constante C depende de Pe. .8 x/L 1 Figura 4. N + 1.8.2. . Una discretizaci´ on centrada de segundo orden es v φj +1 − φj −1 φj +1 − 2φj + φj −1 =0 −k 2∆x ∆x2 (4.6 0.´todo de diferencias finitas Cap´ ıtulo 4.05 y vcrit = 40). (4.4 −0.4 0.4 0. sin embargo el esquema es estable. Me Secci´ on 4. estrictamente hablando.31: Soluci´ on num´ erica al problema de advecci´ on difusi´ on con un esquema centrado Consideremos el problema 1D de advecci´ on difusi´ on a coeficientes constantes (4. O sea. Los nodos son xj = (j − 1)∆x. La ecuaci´ on de convecci´ on-reacci´ on-difusi´ on 4. N´ otese que la velocidad cr´ ıtica se produce cuando el P` eclet de la malla es v ∆x Pe∆x = =1 (4.190) Notar que la derivada de primer orden introduce un t´ ermino antisim´ etrico. Para velocidades mayores la soluci´ on num´ erica se vuelve oscilatoria y para velocidades mucho m´ as grandes que la cr´ ıtica las oscilaciones contaminan todo el dominio. ya que si refinamos suficientemente entonces Pe∆x pasar´ a a ser menor que uno y se recupera la convergencia O(∆x2 ).2 0 −0. Este esquema funciona bien mientras la velocidad se mantenga por debajo de un cierto l´ ımite.2 −0.2 0.192) valga para todo ∆x y Pe.6 0. . es decir no se puede obtener una cota de error uniforme sobe Pe.186).2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) . Bajo esta definici´ on de estabilidad m´ as estricta el esquema es inestable. Consideremos una malla uniforme de N segmentos de longitud ∆x = L/N .8.6 −0. Sin embargo vemos que si tomamos la estimaci´ on de error est´ andar Eφ ≤ C ∆x2 . 117 ((docver curso-cfd-0.8 −1 0 0. no existe un C independiente de Pe tal que (4. .8 0. que resulta ser vcrit = 2k/∆x (En la figura k = 1 y el n´ umero de puntos es N = 20.

193) v 2∆x Esta ecuaci´ on dice que φ1 = φ3 = φ5 = · · · = φ2n+1 = .´todo de diferencias finitas Cap´ ıtulo 4.8 0. . es decir k = 0. si j = N + 1 (4.1 −20 −15 −10 −5 0 5 10 15 20 f 1(x) sign(x) f 3(x) Figura 4.1 1 0. en el caso de advecci´ on pura (Pe = ∞) la soluci´ on num´ erica deber´ ıa ser φj = 0 1 .6 0.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 118 .0. (4. N (4. lo cual es asociado normalmente a una falta de estabilidad del esquema num´ erico.196) ((docver curso-cfd-0. si j <= N .4. . . . Se dice que hay un “desacoplamiento” de las ecuaciones para los nodos pares e impares.2 0 −0.8. . si j = impar .4 0. .6 −0. obtenemos φj +1 − φj −1 = 0.4 −0. j = 2.8 −1 −1.32: Diferentes propuestas para el par´ ametro de estabilidad Notemos que. Desacoplamiento de las ecuaciones Si consideramos las ecuaciones discretas del esquema centrado (4.3. Entonces. si N es impar existe una soluci´ on que es φj = 0 1 . 4. si j = par (4. La ecuaci´ on de convecci´ on-reacci´ on-difusi´ on 4.194) φN +1 = φN −1 = φN −3 = . Me Secci´ on 4.195) y por otro lado no existe soluci´ on si N es par. Esquemas de diferencias contracorriente (upwinded) 1.190) para Pe → ∞. . .8.8.2 −0.

201) Este esquema no presenta m´ as inestabilidades y para Pe 1 se aproxima al upwindado pero para Pe peque˜ nos sigue agregando difusi´ on. Notar que. .205) |v |∆x v ∆x = k |Pe∆x | = k Pe∆x f (Pe∆x ) = f (Pe∆x ) 2 2 (4. si |x| > 1 0 .197) donde knum es una difusi´ on “num´ erica artificial” que “estabiliza” el esquema. resultando en un esquema demasiado difusivo.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 119 . . si |x| <= 1 (4. . Me Secci´ on 4.193) por una derivada lateral a izquierda (tambi´ en llamada “contracorriente” o “upwinded”) v Pero esto se puede reescribir como v o. para Pe < ∞ podemos tomar v φj +1 − φj −1 φj +1 − 2φj + φj −1 =0 − (k + knum ) 2∆x ∆x2 (4.204) de manera que podr´ ıamos reemplazar la “funci´ on de upwinding” sign() por otra que anule la difusi´ on num´ erica para |Pe∆x | <= 1. . N ∆x (4.´todo de diferencias finitas Cap´ ıtulo 4. en general knum = Ahora bien.199) φj +1 − φj −1 − 2∆x v ∆x 2 φj +1 − 2φj + φj −1 =0 ∆x2 (4. poniendo knum = v ∆x/2. por ejemplo podemos usar knum = con f1 (x) = sign(x) . v φj +1 − 2φj + φj −1 φj +1 − φj −1 − knum =0 2∆x ∆x2 (4.8. La ecuaci´ on de convecci´ on-reacci´ on-difusi´ on y esto se lograr´ ıa si reemplazamos la derivada centrada en (4.200) y entonces debe ser knum = −v ∆x/2.201) puede reescribirse como knum = con f (x) = sign(x) (4.203) ((docver curso-cfd-0. j = 2.202) |v |∆x 2 (4.206) v ∆x f1 (Pe∆x ) 2 (4. incluso para Pe∆x < 1 cuando sabemos que el esquema es estable. si v < 0. Entonces surge la idea de tratar de reducir la difusi´ on num´ erica para valores de Pe∆x peque˜ nos.0. de manera que.198) φj − φj −1 = 0. entonces el esquema debe estar decentrado a derecha v φj +1 − φj ∆x (4. Notemos que (4.

En general la viscosidad num´ erica es “anisotr´ opica”.k φj. como la siguiente “funci´ on m´ agica” f3 (x) = α(x) = 1 1 − tanh(x) x (4.´todo de diferencias finitas Cap´ ıtulo 4. 0 ≤ y ≤ Ly .209) 4.210) 2 ∆x ∆y 2 x knum = donde vx ∆x f (Pex ) 2 (4. consideremos v = (vx . dividido en Nx .k − 2φj.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) . es decir vx = 0 o vy = 0.207) Puede demostrarse que. paso de la malla constante y sin t´ ermino fuente. esto s´ olo vale mientras el problema sea 1D.k + φj −1. Ademas. con coeficientes constantes.k−1 x y − (k + knum ) − (k + knum ) = 0 (4.k − φj −1.5.k + φj.8.k .213) 120 ((docver curso-cfd-0. si v = (v. Ny intervalos de longitud ∆x = Lx /Nx .0.212) o. para hacerlo m´ as continuo f2 (x) = sign(x) . si elegimos f (x). Me Secci´ on 4. por ejemplo. ∆y = Ly /Ny . De todas formas es una funci´ on de upwinding interesante. Sea un dominio rectangular 0 ≤ x ≤ Lx . La ecuaci´ on de convecci´ on-reacci´ on-difusi´ on o tambi´ en.k+1 − 2φj. Si el flujo esta alineado con la malla.k−1 φj +1. |x| > 3 (4. |x| < 3 .8.208) entonces. El caso 2D El primer intento por extender el esquema upwindado a 2D (o 3D) es agregar una viscosidad num´ erica seg´ un cada una de las direcciones principales de la malla. 0) entonces x knum = y knum v ∆x f (Pex ) 2 =0 x knum 0 0 0 (4. entonces el esquema reproduce exactamente sus virtudes en el caso 1D. en este caso simple se obtiene la soluci´ on exacta (4. si |x| > 1 x . si |x| ≤ 1 (4. vx φj. ya que en forma muy suave satisface todos los l´ ımites necesarios. Sin embargo.187) (de ah´ ı el nombre de funci´ on m´ agica).k + vy − 2∆x 2∆y φj +1. en forma tensorial knum = (4. Como (dα/dx) |x=0 = 1/3 otra funci´ on comunmente utilizada es f4 (x) = x/3 sign(x) .211) vy ∆y y knum = f (Pey ) 2 Este esquema resulta ser estable. vy ) = cte. (k − 1)∆y ) y sea φ(xjk ) ≈ φj. Los puntos de la malla est´ an ubicados en xjk = ((j − 1)∆x.k+1 − φj.

k+1 − φj. con ejes principales a lo largo de los ejes principales de la malla.k+1 + φj −1.k h2 φj.k+1 − 2φj.yy ) h2 φj +1.k−1 − (k + knum.218) (4.8.221) − 2knum. entonces el tensor difusividad num´ erica sigue siendo knum = knum 0 0 knum = knum I2×2 (4.xx ) φj +1.k−1 − φj −1.k−1 φj +1. Entonces x y knum = knum = knum = vx ∆x f (Pex ) 2 (4.k + φj. en general. as´ ı por ejemplo √ hs = 2h vhs Pes = 2k x knum = (4.0. y ∆x = ∆y = h. donde ˆ Finalmente el esquema es vx φj. Si consideramos una velocidad cruzada con la √ malla.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) . consideremos v = v (1.xy 4h 2 121 ((docver curso-cfd-0.217) a los ejes x − y obtenemos kij = vhs si sj f (Pes ) 2 (4. es decir x v e y ⊥ v. 1)/ 2. Ahora bien.´todo de diferencias finitas Cap´ ıtulo 4.214) es decir que el tensor de difusi´ on num´ erica es escalar knum = knum 0 0 knum = knum I2×2 (4.k − 2φj. knum es un tensor anisotr´ opico.219) Antitransformando el tensor (4. Por ejemplo.k+1 − φj +1. entonces el esquema resulta ser demasiado disipativo.k + φj −1. (4. La ecuaci´ on de convecci´ on-reacci´ on-difusi´ on y. Me Secci´ on 4. si consideramos un sistema de coordenadas alineado con la velocidad.k−1 = 0.220) s = v/v es el versor seg´ un la l´ ınea de corriente.215) donde I2×2 es el tensor identidad de 2 por 2.216) mientras que lo deseable ser´ ıa tener una difusividad seg´ un x pero no seg´ un y knum = con x knum 0 0 0 (4.217) vhs f (Pes ) 2 donde el sub´ ındice s indica valores seg´ un la l´ ınea de corriente.k + vy − 2h 2h − (k + knum.k − φj −1.

6.8.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 122 . Por ejemplo consideremos la ecuaci´ on de advecci´ on-reacci´ ondifusi´ on lineal 1D. Resoluci´ on de las ecuaciones temporales Hasta ahora vimos como discretizar las ecuaciones espacialmente para obtener un estado estacionario.k−1 − φj −1.33: Definici´ on del tama˜ no de la celda seg´ un la l´ ınea de corriente Falta definir la expresi´ on general para hs en funci´ on del ´ angulo que forma v con la malla.yy ) ∆y 2 φj +1.k−1 + vy − 2∆x 2∆y − (k + knum. Consideremos ahora un problema no estacionario.xx ) φj +1. Una posibilidad mejor es tomar la mayor distancia dentro de la celda a lo largo de una direcci´ on paralela a v como el segmento AB en la figura 4.k+1 − φj +1.k+1 − φj.k − 2φj. La ecuaci´ on de convecci´ on-reacci´ on-difusi´ on Para el caso ∆x = ∆y tenemos vx φj +1. La idea es primero discretizar en el espacio.k+1 + φj −1.xy 4∆x∆y Notar la expresi´ on en diferencias de la u ´ltima fila que es una aproximaci´ on O(∆x∆y ) para ∂ 2 φ/∂x∂y .k + φj −1. La expresi´ on resulta ser ∆xj hs = min (4. Existen varias propuestas para esto.8.224) ∂t ∂x entonces un esquema estabilizado posible es ˙ j + v φj +1 − φj −1 − (k + knum ) φj +1 − 2φj + φj −1 + cφj = gj φ 2∆x ∆x2 (4.33.k+1 − 2φj.k + φj.223) j |sj | 4.k φj.k−1 − (k + knum.k − φj −1. La√ m´ as simple podr´ ıa ser tomar alguna media de los par´ ametros de la malla h = (∆x + ∆y )/2 o h = ∆x∆y . Notar que en realidad estas definiciones no son “seg´ un la l´ ınea de corriente”.222) − 2knum. es de esperarse que puedan ser muy sobre. no siendo ninguna de ellas totalmente satisfactoria.o sub-difusivas en ciertos casos. u O × B ¾ ¡Ý A ¡Ü Figura 4. Consecuentemente. Me Secci´ on 4. (4.0. ∂φ ∂φ +v = k ∆φ − cφ + g (4.k ∆x2 φj.225) ((docver curso-cfd-0.k−1 = 0. tal cual como se ha hecho hasta ahora.´todo de diferencias finitas Cap´ ıtulo 4.

por ejemplo φn+1 − φn + K φn = f n . y ≤ 1 φ = 0. ya que involucrar´ ıan funciones antisim´ etricas con 123 ((docver curso-cfd-0. entonces podemos notar que la matriz del sistema K es constante (no var´ ıa con el tiempo) de manera que podemos factorizarla una vez y posteriormen hacer solamente una retrosustituci´ on.9. 4.k=1 (4.228) . Fo = 2 < 1 h 4h (4. Conducci´ on del calor con generaci´ on en un cuadrado ˙ significa la derivada temporal de φ. k pares. ∆tcrit < min v 4k Notar que estos criterios pueden ponerse como Co = v ∆t k ∆t < 1.229) donde Co. y = 0. para pasos de tiempo grandes la soluci´ on se hace inestable y diverge.9. De todas formas el tiempo y memoria necesarios para avanzar un paso de tiempo en el backward Euler es mucho mayor que para el forward. Por el contrario.227) Donde φ(tn ) ≈ φn . Fo son los n´ umeros adimensionales de Courant y Fourier. El paso de tiempo cr´ ıtico viene dado por h h2 . ya que no necesita resolver ning´ un sistema lineal. backward Euler ∆t φn+1 + φn φn+1 − φn 1 +K = f n+ /2 . Por simetr´ ıa podemos descartar los t´ erminos para j. Soluci´ on exacta al problema de conducci´ on del calor con generaci´ on constante en un cuadrado ∆φ = −1. tn = n∆t.226) (4. y ) = ∞ ajk sin(jπx) sin(lπy ). en los otros dos casos s´ ı se necesita resolver un sistema. (4. Pero el forward tiene la limitaci´ on de que. x. j. Estas ecuaciones representan un “sistema de ecuaciones donde φ diferenciales ordinarias” (ODE’s) acoplado ˙ + Kφ = f . El m´ etodo de forward Euler permite avanzar un paso de tiempo con un costo en tiempo de procesamiento y memoria de almacenamiento muy bajos. 0 ≤ x. 1 (4.231) Este desarrollo satisface las condiciones de contorno y representa una base completa. Me Secci´ on 4.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) . forward Euler ∆t φn+1 − φn + K φn+1 = f n+1 .´todo de diferencias finitas Cap´ ıtulo 4. Si el problema es lineal.230) Ecuaciones de gobierno Proponemos un desarrollo φ(x.0. Crank Nicholson ∆t 2 (4. φ Al mismo puede aplicarse una serie de esquemas de integraci´ on temporal.

y ≤1 max φ(x. + m2 ) (4. Usando que 1 sin(lπx) sin(jπx) dx = 1/2 δjl 0 1 sin(lπx) dx = 0 2/(πl) 0 . Conducci´ on del calor con generaci´ on en un cuadrado respecto a x.237) ((docver curso-cfd-0. impar 16sl sm 4 π lm(l2 + m2 ) ≈ 0.234) Es decir que ajk = Pero sin((2p + 1)πx)|x=1/2 = sin((p + 1/2)π ) = sp = +1 .236) π 4 lm(l2 16 . Aplicando el operador de Laplace obtenemos ∞ π 2 (j 2 + k 2 ) ajk sin(jπx) sin(lπy ) = 1 j. m impares). −1 .´todo de diferencias finitas Cap´ ıtulo 4.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 124 .m=1.235) De manera que el valor m´ aximo de φ. y ) = φ(1/2. m impares).073671 ± 10−6 (4. Me Secci´ on 4. l impar . (l. que ocurre en el centro del cuadrado.9. y = 12. es ∞ 0≤x.0. p par p impar (4.233) De manera que 1 /4π 2 (j 2 + k 2 ) ajk = 4 π 2 lm .232) Multiplicamos miembro a miembro por sin(lπx) sin(mπy ) e integrando sobre el cuadrado. (l.k=1 (4. 1/2) = l. (4. l par (4.

1) donde en general am forman un conjunto finito de coeficientes con M la dimensi´ on del espacio finito dimensional empleado y Nm las funciones anal´ ıticas conocidas y elegidas para representar o expandir a la soluci´ on del problema. Desventajas claras del m´ etodo como su dif´ ıcil implementaci´ on en problemas gobernados por geometr´ ıas arbitrarias hizo que en los u ´ltimos a˜ nos gran cantidad de investigaci´ on en el area de fluidodin´ amica computacionalse volcase al uso de otras t´ ecnicas alternativas. M´ etodo de los residuos ponderados Introducci´ on Este m´ etodo es conceptualmente diferente a aquel empleado en diferencias finitas ya que asume que la soluci´ on a un problema planteado puede ser anal´ ıticamente representable mediante una expansi´ on del tipo: M ˆ=ψ+ φ≈φ m=1 am Nm (5. Su definici´ on se basa en aproximar los operadores diferenciales por otros denominados operadores en diferencias que se aplican a un vector de datos que representa la soluci´ on en un conjunto finito de puntos en el dominio. Su alta eficiencia para la resoluci´ on de problemas definidos en geometr´ ıas sencillas lo hace muy atractivo y es muchas veces la mejor opci´ on cuando existe la posibilidad de mapear el dominio real en otro completamente regular y estructurado.Cap´ ıtulo 5 T´ ecnicas de discretizaci´ on Habiendo presentado en la primera parte los modelos matem´ aticos que rigen el movimiento de los fluidos y estableciendo el conjunto de ecuaciones que gobiernan el caso general y algunos otros particulares ahora estamos en condiciones de pasar a tratar algunos aspectos num´ ericos relacionados con el dise˜ no de los esquemas m´ as com´ unmente empleados en fluidodin´ amica computacional.1. La mayor´ ıa de las mismas se pueden presentar bajo un m´ etodo general conocido como el m´ etodo de los residuos ponderados (WRM). 5.1. Estas funciones son com´ unmente denominadas soluciones de prueba y su 125 . Una de las t´ ecnicas m´ as empleadas en fluidodin´ amica computacionalha sido la de diferencias finitas. Esta fue una de las primeras en aparecer y conserva vigencia a pesar de algunas restricciones propias de la t´ ecnica. 5.1. Esta forma de discretizar un operador diferencial es una alternativa y no la u ´nica para tal fin.

Las dos gr´ aficas del medio corresponden a M = 3 mientras que las dos de abajo representan solamente el error que se comete cuando M = 4 y M = 9.2) De la elecci´ on de ψ y Nm depender´ a la calidad de la soluci´ on y la convergencia del m´ etodo num´ erico a medida que se refina la discretizaci´ on. La funci´ on ψ es introducida con el prop´ osito de satisfacer las condiciones de contorno del problema. .4) ((docver curso-cfd-0.´cnicas de discretizacio ´n Cap´ ıtulo 5. Si bien nuestra aplicaci´ on ser´ a la de obtener soluciones a ecuaciones a derivadas parciales un buen ejercicio para introducir los conceptos de aproximaci´ on es el caso simple de aproximar una funci´ on conocida a priori con una expansi´ on del tipo (5.1. an´ alisis funcional y an´ alisis num´ erico. 2.8π ) + 1 (5. o sea que M → ∞. Este requisito denominado completitud est´ a sustentado fuertemente en bases matem´ aticas con lo que a diferencia del m´ etodo de las diferencias finitas esta clase de t´ ecnica goza con el apoyo de s´ olidos conceptos matem´ aticos de teor´ ıa de operadores. entonces la elecci´ on de la funci´ on ψ es tal que ψ |Γ = φ|Γ Nm |Γ = 0 ∀m (5. Para graficar la explicaci´ on supongamos una funci´ on a aproximar como φ = sin(−1.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 126 . Sea Γ el contorno del dominio Ω del problema. Esto.1 en trazo lleno. Se debe on φ en reemplazar (5.1) para los M puntos interiores al dominio e igualarlos a los valores de la funci´ esos nodos. La forma de construir el sistema de ecuaciones algebraicas a resolver es bastante simple. Aproximaci´ on puntual de funciones ˆ bajo el requisito que ambas Este caso simple consiste en dada una funci´ on φ aproximarla por φ coincidan en M puntos distintos elegidos arbitrariamente sobre Ω. como veremos en breve. Te Secci´ on 5. En la misma figura se muestra la funci´ on lineal ψ que satisface las condiciones de contorno. .0.1 se grafica en la parte superior izquierda en linea de puntos la soluci´ on num´ erica obtenida con 2 t´ erminos y a su derecha el valor absoluto del error donde como vemos este vale cero en un conjunto de puntos equidistribuidos cuya cantidad coincide con M . m = 1.m permite definir una aproximaci´ on a φ usando una cantidad M de t´ erminos a elecci´ on del alumno. En la figura 5. M´ etodo de los residuos ponderados elecci´ on hace a la diferencia entre una vasta cantidad de m´ etodos num´ ericos. Este requisito conduce a un sistema de ecuaciones algebraicas lineales en el conjunto de par´ ametros inc´ ognita {am . o sea ψ (x = 0) = φ(x = 0) = 0 ψ (x = 1) = φ(x = 1) = sin(−1. .3) La rutina Ej 2 0. M }. . para el caso de M = 2 genera lo siguiente: ψ (x1 ) + N1 (x1 )a1 + N2 (x1 )a2 = φ(x1 ) ψ (x2 ) + N1 (x2 )a1 + N2 (x2 )a2 = φ(x2 ) N1 (x1 ) N2 (x1 ) N1 (x2 ) N2 (x2 ) a1 a2 φ(x1 ) − ψ (x1 ) φ(x2 ) − ψ (x2 ) (5.8πx) + x graficada en la parte superior izquierda de la figura 5.1) .

4 0.00429 0.6 0.6 0.07486 0.5 -1 0 |e| = 0.´cnicas de discretizacio ´n Cap´ ıtulo 5.04 -0. Te Secci´ on 5.6 0.0.15 0.199e-006 0.8 1 0 0 -5 0.12 0.05065 2 1.08 0.8 1 |e| = 0.05 0 0 0.4 0. M´ etodo de los residuos ponderados 2 1.8 1 |e| = 0.8 1 0.1.06 0 0.5 -1 0 0.4 0.5 1 0.1: Aproximaci´ on de una funci´ on por ajuste puntual ((docver curso-cfd-0.015 1 2 x 10 |e| = 2.25 ψ φ 0.5 0.01 0.2 0.1 φ 0.2 0.4 0.025 0.6 0.8 1 0.3 0.8 1 Figura 5.2 0.4 0.02 0.6 0.2 0.2 0.5 0 -0.005 0 0 0 0 0.4 0.2 0.2 0.14 0.1 0.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 127 .6 0.02 0.5 1 0.

5.1) siendo las dos formas anteriores casos particulares del mismo.2. En general el error en la aproximaci´ on se puede escribir como: (|e|) = ChM log(|e|) = log (C ) + M log (h) (5. Convergencia 10 10 -1 -2 log(|E|) 10 10 10 -3 -4 -5 10 -1 10 -6 10 0 log(M) Figura 5. M´ etodo de los residuos ponderados La figura 5. Te Secci´ on 5.1.´cnicas de discretizacio ´n Cap´ ıtulo 5. cosa que casi siempre ocurre en las aplicaciones.1.0.2: Convergencia de la aproximaci´ on Aproximaci´ on por series de Fourier Usando la teor´ ıa de series de Fourier es posible aproximar una funci´ on φ arbitraria siempre que esta cuente con un n´ umero finito de discontinuidades y de extremos locales.5) por lo que la pendiente en el gr´ afico nos da una idea de la convergencia en funci´ on de la discretizaci´ on. Definamos el error o residuo RΩ en la aproximaci´ on como: ˆ RΩ = φ − φ (5.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 128 .6) La inherente completitud de que gozan las series de Fourier le confiere la propiedad que al incrementar la dimensi´ on del espacio de trabajo la precisi´ on mejora. Aproximaci´ on por residuos ponderados A continuaci´ on se presenta un m´ etodo general que permite hallar los coeficientes de (5.2 muestra como var´ ıa el error en un gr´ afico semilogar´ ıtmico siendo su convergencia del tipo espectral. Entonces la aproximaci´ on se escribe como: M ˆ=ψ+ φ≈φ m=1 am sin mπx Lx 0 ≤ x ≤ Lx (5.7) ((docver curso-cfd-0.

Te Secci´ on 5.11) M´ etodo de colocaci´ on por subdominios 1 0 xl < x < xl+1 x < xl .´cnicas de discretizacio ´n Cap´ ıtulo 5. Klm = Ω aM 1 ≤ l. es decir: ˆ)dΩ = Wl (φ − φ Ω Ω W l RΩ d Ω = 0 l = 1. . La matriz K y el vector derecho se calculan como: Klm = Nm (xl ) fl = [φ − ψ ]x=xl (5. Esto equivale a anular el residuo en un conjunto finito de puntos xl . . La idea es que en lugar de pedir que esta funci´ on RΩ sea id´ enticamente nula en todo el dominio le pedimos que integrada mediante alguna funci´ on de peso esta sea nula.13) ((docver curso-cfd-0.7) obtenemos un conjunto o sistema de ecuaciones algebraicas lineales para los coeficientes inc´ ognitas am que puede ser escrito en forma gen´ erica como: Ka = f aT = a1 a2 . 2. En la figura chapV-1 hemos presentado funciones de este tipo. Diferentes funciones de peso dan or´ ıgen a diferentes m´ etodos. .1) en (5. De alguna manera se ˆ de puede verificar que esto u ´ltimo equivale a asumir que RΩ → 0 en todo el dominio. o sea es similar a la aproximaci´ on por ajuste puntual. Entonces en lugar de pedir que φ como M → ∞ le pedimos que chapV-7 se satisfaga para todo l como M → ∞. M (5. Reemplazando φ (5. M´ etodo de los residuos ponderados siendo ´ esta una funci´ on de la posici´ on en el dominio Ω. M´ etodo de colocaci´ on puntual En este m´ etodo las funciones de peso son de la forma: Wl = δ (x − xl ) (5. .1.10) con δ (x − xl ) la funci´ on delta de Dirac.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 129 . x > xl+1 Wl = (5.9) Wl Nm dΩ Wl (φ − ψ )dΩ Ω fl = Una vez que la funci´ on φ se conoce la aproximaci´ on se define mediante la elecci´ on de ψ y las funciones de peso Wl y de prueba Nm . xl+1 xl+1 Klm = xl Nm dx fl = xl (φ − ψ )dx (5.0. m ≤ M 1≤l≤M (5. . .12) donde en este caso se requiere que el error integrado sobre cada una de estas subregiones sea nulo. todos del tipo de residuos ponderados.8) ˆ → φ con Wl un conjunto de funciones de peso independientes.

((docver curso-cfd-0. ˆ 5.1. Otro m´ etodo del estilo de los presentados bajo el m´ etodo de los residuos ponderados es el m´ etodo de los cuadrados m´ ınimos. Para comenzar con un caso simple tomemos un operador diferencial sencillo como la ecuaci´ on de Poisson. Residuos ponderados para la resoluci´ on de ecuaciones diferenciales En la secci´ on anterior hemos visto como utilizar el m´ etodo de los residuos ponderados para aproximar funciones conocidas anal´ ıticamente o aquellas en donde conocemos su evaluaci´ on en un conjunto discreto de puntos. En esos casos el residuo estaba asociado a la diferencia entre la funci´ on a aproximar y la aproximante.17) equivale al m´ etodo de Galerkin y es un caso particular del mismo. aM ) = Ω ˆ)2 dΩ (φ − φ ∂I ∂al (5. Entre las m´ as conocidas a´ un l − 1 no presentadas podemos mencionar el m´ etodo de los momentos donde Wl = x donde se requiere que no solo la integral del error sea nula sino algunos de sus momentos. . en donde el residuo viene dado por la diferencia entre un operador diferencial aplicado a la funci´ on a aproximar y el mismo operador aplicado a la aproximante. Te Secci´ on 5.1. Esta caracter´ ıstica tan particular se debe a que la base elegida es ortogonal con lo que Ω Nl Nm dΩ = 0 l = m. a2 . Com´ unmente definido como la minimizaci´ on de un funcional formado como: I (a1 .17) ∂φ habiendo usado el hecho que ∂z = Nl a partir de (5. .0.16) la idea es hallar un extremo de dicho funcional mediante produce que ˆ)Nl dΩ = 0 (φ − φ Ω = 0.14) Klm = xl Nl Nm dx fl = xl Nl (φ − ψ )dx (5.15) Este m´ etodo goza con la ventaja de que la matriz del sistema es sim´ etrica Si elegimos como funciones de prueba y de peso aquellas que conforman la base de un desarrollo en series de Fourier se puede demostrar que el sistema queda reducido a una simple expresi´ on para los coeficientes am ya que la matriz del sistema es diagonal. l (5. .´cnicas de discretizacio ´n Cap´ ıtulo 5. En el primer cap´ ıtulo hemos hecho un repaso a los modelos f´ ısicos y matem´ aticos que gobiernan muchos de los problemas de inter´ es en fluidodin´ amica computacional.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 130 .16) (5.3. M´ etodo de los residuos ponderados M´ etodo de Galerkin Es uno de los m´ as populares m´ etodos y se basa en elegir Wl = Nl con lo cual el sistema a resolver est´ a formado por: xl+1 xl+1 (5. Otros pesos En general existen muchas posibles elecciones de la funci´ on de peso. . que al introducirla en (5. En esta secci´ on trataremos el caso de la resoluci´ on de ecuaciones diferenciales.1) .

Las m´ as conocidas son del tipo: sobre Γφ DIRICHLET Mφ = φ r = −φ ∂φ r = −q sobre Γq NEUMANN Mφ = −κ ∂n ∂φ Mφ = −κ + hφ r = −hφ sobre Γq+φ MIXTAS ∂n Aproximando la soluci´ on mediante funciones del tipo (5. Estas en general pueden ser escritas como otro operador diferencial.0. Sea el problema de Poisson: A(φ) = Lφ + p = 0 en Ω ∂φ ∂ ∂φ ∂ (κ ) + (κ ) Lφ = ∂x ∂x ∂y ∂y p=Q (5. del tipo: B (φ) = Mφ + r = 0 sobre Γ (5. Te Secci´ on 5.19) En general existen diferentes tipos de condiciones de frontera. M´ etodo de los residuos ponderados Funciones de prueba que satisfacen las condiciones de contorno En esta secci´ on trataremos el caso de funciones aproximantes que satisfacen exactamente las condiciones de contorno a trav´ es de la elecci´ on apropiada de las funciones de prueba. Aplicando el operador diferencial a la funci´ on aproximante (5.20) (5.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 131 .22) am m=1 M am m=1 ∂ 2 Nm ∂x2 Aqu´ ı se requiere que hasta la segunda derivada sea continua.21) ˆ autom´ entonces φ aticamente satisface las condiciones de borde chapV-19 para todos los valores de am .´cnicas de discretizacio ´n Cap´ ıtulo 5.1) y asumiendo que las funciones de prueba y sus derivadas son continuas tenemos: M ˆ=ψ+ φ≈φ ˆ ∂φ ∂ψ ∂φ ≈ = + ∂x ∂x ∂x ˆ ∂2φ ∂2φ ∂2ψ ≈ = + ∂x2 ∂x2 ∂x2 m=1 M am Nm ∂Nm ∂x (5. En general un problema de valores de contorno como ´ este para estar bien planteado requiere definir las condiciones de frontera. Cuando en las pr´ oximas secciones analicemos el m´ etodo de los elementos finitos veremos como estas restricciones ser´ an debilitadas.1) y eligiendo Mψ = −r MNm = 0 sobre Γ (5.1.18) donde κ puede ser la conductividad t´ ermica de un material y Q el flujo de calor aportado por una fuente y en este caso φ ser´ ıa la temperatura. La forma en la cual hemos construido la aproximaci´ on garantiza el cumplimiento de las condiciones de borde ((docver curso-cfd-0. En el caso lineal κ y Q son independientes de φ.

23) obtenemos el residuo de la misma con L asumido un operador lineal. entonces aplicando esta misma ecuaci´ on para l = 1. Adem´ as. A modo de ejemplo calcularemos la soluci´ on al siguiente problema de valores de contorno unidimensional: ˆ soluci´ Ejemplo 1D Hallar φ on aproximada de la siguiente ecuaci´ on diferencial d2 φ −φ=0 dx2 φ(x = 0) = 0 φ(x = 1) = 1 De acuerdo a las definiciones generales presentadas antes las condiciones de borde y las funciones de prueba elegidas son: Mφ = φ r=0 en x = 0 Mφ = φ ψ=x Nm = sin(mπx) ((docver curso-cfd-0.18) : M ˆ) = Lφ ˆ + p = Lψ + RΩ = A(φ m=1 am LNm + p (5. . m ≤ M 1≤l≤M (5. ˆ Sustituyendo φ en (5. . 2. Una vez definido el residuo aplicamos el m´ etodo de los residuos ponderados M W l RΩ d Ω = Ω Ω Wl Lψ + m=1 am LNm + p dΩ = 0 (5.1. Ya que las funciones de prueba elegidas para aproximar la soluci´ global entonces la matriz de coeficientes ser´ a llena y no tendr´ a estructura de banda. t´ ıpica de los m´ etodos de diferencias finitas y elementos finitos.´cnicas de discretizacio ´n Cap´ ıtulo 5. Te Secci´ on 5. . . en lo anterior nada se ha dicho acerca de la elecci´ on de las funciones de peso con lo cual uno puede aplicar todo lo anterior a las distintas alternativas mostradas en secciones anteriores.24) Esta ecuaci´ on contiene M inc´ ognitas. M´ etodo de los residuos ponderados ˆ debe satisfacer solo la ecuaci´ y entonces nos queda que φ on diferencial en el interior del dominio.26) r = −1 en x = 1 (5.27) 132 .18).2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) (5. M se obtiene un sistema de ecuaciones algebraicas que pueden ser escritas en forma compacta como: Ka = f Klm = Ω Wl LNm dΩ Wl LψdΩ Ω 1 ≤ l.0.25) fl = − Ω Wl pdΩ − El procedimiento requiere calcular los coeficientes de las matriz y del miembro derecho y luego invertir el sistema para calcular los coeficientes con los cuales se obtiene la soluci´ on aproximada al operador on tienen soporte diferencial de (5.

una mejor aproximaci´ on obtenida mediante el m´ etodo de Galerkin. Aplicando el m´ etodo de los residuos ponderados y la definici´ on de los coeficientes de la matriz y el vector del miembro derecho tenemos: 1 Klm = 0 Wl (1 + m2 π 2 ) sin(mπx)dx 1 (5.05857 a2 = 0.28) Wl xdx fl = − 0 Si tomamos M = 2 dos t´ erminos en la expansi´ on y si aplicamos el m´ etodo de colocaci´ on puntual obtenemos la siguiente matriz: K11 = (1 + π 2 ) sin(π/3) K21 = (1 + π 2 ) sin(2/3π ) K12 = (1 + 4π 2 ) sin(2/3π ) K22 = (1 + 4π 2 ) sin(4/3π ) f1 = −1/3 f2 = −2/3 (5.3) muestra a la derecha la solucion exacta. M´ etodo de los residuos ponderados La elecci´ on de ψ y Nm es arbitraria.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) . Te Secci´ on 5.33) on de este ejemplo. A la izquierda vemos una distribuci´ on puntual del error donde se alcanza a notar.29) mientras que si aplicamos Galerkin en virtud de la ortogonalidad de las funciones de prueba. 133 ((docver curso-cfd-0. La rutina Ej 2 1 contiene la resoluci´ La figura (5. la aproximada por Galerkin y la de colocaci´ on a la cual se le ha removido la funci´ on ψ = x para poder notar mejor las diferencias.05312 a1 = −0.32) La soluci´ on exacta a este problema es del tipo φ= 1 ex − e−x e − 1/e (5. existen muchas otras posibles alternativas a estas pero aqu´ ı usaremos la base trigonom´ etrica.1. 1 1 Klm = 0 (1 + m2 π 2 ) sin(mπx) sin(lπx)dx = (1 + m2 π 2 ) 0 sin(mπx) sin(lπx)dx = (5.31) (5.30) 1 mπx − sin(2mπx)/2 1 1 = /2(1 + m2 π 2 ) mπ 2 0 1 (−1)l sin(lπ ) − (lπ ) cos(lπ ) = fl = − x sin(lπx)dx = − (lπ )2 (lπ ) 0 = (1 + m2 π 2 ) tenemos: K11 = 1/2(1 + π 2 ) K21 = 0 K12 = 0 K22 = 1/2(1 + 4π 2 ) 1 1 f1 = − f2 = π 2π La soluci´ on num´ erica del sistema de ecuaciones resultante da: a1 = −0.´cnicas de discretizacio ´n Cap´ ıtulo 5.0.004754 a2 = 0.007864 COLOCACION PUNTUAL GALERKIN (5. para este ejemplo.

Por ejemplo la anterior tambi´ en surgur´ ıa si queremos resolver un problema de conducci´ on del calor con una fuente aplicada en todo el vol´ umen del material asumiendo que en la direcci´ on z la barra es infinita y la temperatura del contorno est´ a fija a un valor de referencia. con lo cual la ecuaci´ on a resolver se transforma en: ∂2φ ∂2φ + 2 = −2 ∂x2 ∂y φ=0 x ∈ [−3. Esta ecuaci´ on tiene la estructura de una ecuaci´ on de Poisson y analog´ ıas con otros experimentos gobernados por la misma ecuaci´ on pueden hacerse. De esta forma aplicando la aproximaci´ on (5.1). Cuando se pretende volcar estos conceptos en un programa para fines de c´ alculo intensivo deben adoptarse m´ etodos m´ as eficientes y generales para tal fin. Te Secci´ on 5.37) vemos que la derivada segunda de funciones tipo cosenos generan funciones cosenos. Por ejemplo. y considerando la ortogonalidad de estas bases las integrales en (5. si tomamos ψ = 0 y usamos 3 t´ erminos una elecci´ on posible ser´ ıa: N1 = cos(πx/6) cos(πy/4) N2 = cos(3πx/6) cos(πy/4) N3 = cos(πx/6) cos(3πy/4) La rutina Ej 2 2 muestra el aspecto que tienen estas tres funciones donde se alcanza a apreciar la paridad deseada. 2] x = ±3 . Siendo el problema sim´ etrico respecto a los ejes x e y deber´ ıamos elegir funciones de prueba que tengan esta propiedad y satisfagan las condiciones de contorno.´cnicas de discretizacio ´n Cap´ ıtulo 5.37) se simplifican notablemente.0. Nosotros aqu´ ı solo deseamos mostrar la metodolog´ ıa a usar y en este caso estas integrales las realizaremos a mano.1.34) y usando la definici´ on de la matriz y el vector derecho del sistema algebraico (5. Supongamos que en este ejemplo Gθ = 1.18) con (5. tema que veremos m´ as adelante cuando abordemos el estudio del m´ etodo de los elementos finitos . Detalles acerca de la forma que se obtiene esta ecuaci´ on pueden verse en libros sobre teor´ ıa de la elasticidad.37) 3 2 fl = − 2Nl dydx −3 −2 (5. θ es el ´ angulo que se gira la secci´ on y φ equivale a una funci´ on tensi´ on que de acuerdo a la teor´ ıa es nula en todo el contorno.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) .9) que permite calcular los coeficientes am tenemos: 3 2 ∂ 2 Nm ∂ 2 Nm Klm = Nl dydx + ∂x2 ∂y 2 −3 −2 (5. y ∈ [−2. M´ etodo de los residuos ponderados Ejemplo 2D La ecuaci´ on que gobierna la torsi´ on el´ astica de barras prism´ aticas es: ∂2φ ∂2φ + 2 = −2Gθ ∂x2 ∂y (5. como por ejemplo Timoschenko [Ti].36) Como vemos. como por ejemplo la integraci´ on num´ erica. ahora las integrales a calcular son bidimensionales por lo que debe estimarse con m´ as detalle la forma de realizar el c´ alculo. Analizando (5. 134 ((docver curso-cfd-0. y = ±2 (5. 3] . comparando (5.34) donde G es el m´ odulo el´ astico de torsi´ on.35) Aqu´ ı apelamos a la intuici´ on.

. M (5. on obtenida con la mencionada rutina en la La figura (5. . Esto muchas veces puede ser dificultoso y antes esto es preciso relajar tal requisito.96 5 % de error. . .4) muestra en la parte superior la soluci´ cual se incluye el valor de la tensi´ on m´ axima que es de 3. .0. . 2. 2. .2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) .41) 135 ((docver curso-cfd-0. Para poder elegir las funciones de prueba independientemente de las condiciones de contorno postulamos una expansi´ on del tipo: M ˆ= φ≈φ m=1 am Nm (5. . M´ etodo de los residuos ponderados La rutina Ej 2 2 contiene el c´ alculo de este ejemplo donde se puede apreciar la forma de calcular la matriz (diagonal) y el miembro derecho del sistema. .38) Wl = ∂RΩ = LNl ∂al o sea la funci´ on de peso que surge del m´ etodo de los cuadrados m´ ınimoses equivalente al operador diferencial del problema aplicado a las funciones de prueba. Funciones de prueba que no satisfacen las condiciones de contorno Hasta aqu´ ı hemos considerado aproximaciones elegidas de forma tal de satisfacer las condiciones de contorno. M l = 1.103. Te Secci´ on 5. En algunas circumstancias este tipo de aproximaci´ on es deseable mientras que en algunos casos no. Para ver esto tomemos como antes el funcional definido como: M I (a1 . cercano al te´ orico de 2.1. En este caso se ha empleado una resolucion anal´ ıtica de las integrales. La rutina mejorada Ej 2 2b muestra como puede emplearse una rutina de integraci´ on num´ erica con el fin de evitar tediosos calculos. .´cnicas de discretizacio ´n Cap´ ıtulo 5. Entonces el residuo en el interior del dominio (RΩ ) es suplementado por otro en el borde (RΓ ): ˆ) = Lφ ˆ+p RΩ = A(φ ˆ) = Mφ ˆ+r RΓ = B (φ En este caso el m´ etodo de los residuos ponderados consiste en escribir: W l RΩ d Ω + Ω Γ (5. Para terminar esta secci´ on mencionamos que el m´ etodo de los cuadrados m´ ınimos aplicado a la resolucion de ecuaciones a derivadas parciales no es equivalente al m´ etodo de los residuos ponderados de Galerkin. .40) W l RΓ d Γ = 0 (5.39) que no satisface las condiciones de contorno. aM ) = Ω 2 RΩ dΩ = Ω Lψ + m=1 am LNm + p 2 dΩ ∂I =0 ∂al ∂RΩ RΩ dΩ = 0 ∂al Ω l = 1. . a2 .

Tomando (5. M´ etodo de los residuos ponderados con Wl y Wl elegidas en forma arbitraria e independiente. m ≤ M 1≤l≤M (5.46) Ejemplo 2D .226 (5.45) (5. Entonces 1 Wl RΩ dx + [Wl RΓ ]x=0 + [Wl RΓ ]x=1 = 0 0 (5. .40) y (5. Te Secci´ on 5. m = 1. 1].26) con la diferencia que usaremos como funciones de prueba la base Nm = xm−1 . entonces: 1 Nl ( 0 ˆ ∂2φ ˆ)dx − [Nl φ ˆ]x=0 − [Nl (φ ˆ − 1)]x=1 = 0 −φ ∂x2 (5.068 a2 = 0. En este caso simple la integral de borde en (5.42) y reemplazando la anterior expresi´ on vemos que: 3 −3 2 Wl −2 ˆ ˆ ∂2φ ∂2φ + + 2 dydx + ∂x2 ∂y 2 2 −2 ˆ|x=3 dy − Wl φ 2 −2 ˆ|x=−3 dy = 0 Wl φ (5. Reemplazando (5. 2.44) Si usamos una expasi´ on en tres t´ erminos se llega a la siguiente matriz:   3 3/2 −2/3 K = 3/2 4/3 1/4  4/3 5/4 8/15   1  f = 1 1 La soluci´ on a este problema es: a1 = 0.632 a3 = 0.42) fl = − Ω Wl pdΩ− Para ilustrar el procedimiento tomaremos el ejemplo 1D anteriormente presentado.´cnicas de discretizacio ´n Cap´ ıtulo 5.0.40) en (5.41) se reduce a la evaluaci´ on del integrando en los dos puntos extremos de este dominio definido por el intervalo [0.43) En este ejemplo usaremos para el peso en el interior del dominio el m´ etodo de Galerkin Wl = Nl mientras que para el peso en el borde Wl = −Nl |Γ .47) 136 ((docver curso-cfd-0. .1.versi´ on 2 Usando como aproximaci´ on la siguiente ˆ = (4 − y 2 )(a1 + a2 x2 + a3 y 2 + a4 x2 y 2 + a5 x4 ) φ es obvio ver que la misma satisface las condiciones de contorno en y = ±2. Ejemplo 1D (chapV-26) versi´ on 2 Aqu´ ı resolveremos el mismo problema presentado en (5.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) .41) llegamos a la definici´ on del siguiente sistema de ecuaciones: Ka = f Klm = Ω Wl LNm dΩ+ Γ Wl MNm dΓ Wl rdΓ Γ 1 ≤ l. . mientras que la condici´ on x = ±3 debe incluirse en el c´ alculo.

1. on num´ erica obtenida donde se alcanza a ver La figura (5.4) en la parte inferior muestra la soluci´ que la condici´ on de contorno en y = ±2 se satisface exactamente pero aquella en x = ±3 se cumple solo aproximadamente. Pensando en el problema t´ ermico podemos imaginar que extraemos calor del contorno de una pieza con una magnitud q especificada.49) donde C .0. Usando (5. El primer item est´ a relacionado con la resoluci´ on de as de las integrales las integrales que permiten el c´ alculo de los coeficientes.51) Un ejemplo de condiciones de contorno natural que com´ unmente se tiene en las aplicaciones es la especificaci´ on de un flujo impuesto en el contorno.18) .4. 5. Se recomienda editar y leer esta rutina para entender la metodolog´ ıa que es extensible a otros ejemplos utilizando diferentes funciones de base.40) y (5. La figura chapV-4 en la parte inferior derecha muestra la variaci´ on de la tensi´ on a lo largo del contorno x = ±3 en funci´ on de la coordenada y . en el sentido que permiten cierta cancelaci´ on de t´ erminos cuando el problema se expresa en su forma d´ ebil. M´ etodo de los residuos ponderados Usando Wl = Nl y Wl = Nl |Γ se llega a armar el sistema de ecuaciones.´cnicas de discretizacio ´n Cap´ ıtulo 5. Esta es una de las diferencias entre las dos metodolog´ ıas propuestas. Aqu´ ı veremos que existen ciertas condiciones de contorno las cuales surgen como las naturales al problema. La rutina Ej 2 3 muestra una forma de resolver este problema apelando a las capacidades de c´ alculo simb´ olico de MatLab. Te Secci´ on 5. D.50) donde lo que se pretende es anular las contribuciones al contorno del miembro izquierdo . las cuales pueden contener operadores diferenciales que complican a´ un m´ as la situaci´ on. Condiciones de contorno naturales Como hemos visto en la secci´ on anterior es posible facilitar la selecci´ on de las funciones de prueba sin necesidad de que satisfagan las condiciones de contorno a expensas de un trabajo algebraico mayor y de una degradaci´ on en la calidad de la soluci´ on. W l RΩ d Ω = Ω Ω ˆ + p dΩ Wl Lφ (5. En (5.1. En esos casos la condici´ on de contorno viene expresada como: ((docver curso-cfd-0.49) en (5.48) La forma d´ ebil de la anterior formulaci´ on integral se obtiene mediante la integraci´ on por partes que en su versi´ on general puede escribirse como: ˆ Ω= Wl Lφd Ω Ω C Wl ˆ dΩ + Dφ Γ ˆ Γ Wl E φd (5. Supongamos que aplicamos el m´ etodo de los residuos ponderados al problema definido en (5. Adem´ as la tensi´ on m´ axima es un poco superior a la obtenida con la primera metodolog´ ıa alej´ andose un poco m´ as del valor te´ orico. o sea: ˆ + Wl Mφd ˆ Γ=0 Wl E φ Γ (5.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 137 .41) se llega a: C Wl Ω ˆ dΩ + Dφ Γ ˆ Γ+ Wl E φd Γ ˆ Γ=− Wl Mφd Ω Wl pdΩ + Γ Wl rdΓ (5.42) vemos que adem´ en el interior tenemos la necesidad de evaluar integrales en el contorno del dominio. E son operadores diferenciales lineales involucrando ´ ordenes de derivaci´ on inferiores a la del operadores L.

0.54) incluye solo derivadas de primer ´ es bien general como lo expresa chapV-46 e incluso se extiende al caso de funciones vectoriales. La raz´ on es que ((docver curso-cfd-0. flujo potencial.´cnicas de discretizacio ´n Cap´ ıtulo 5. M´ etodos de soluci´ on del contorno Hasta aqu´ ı los m´ etodos empleados resolv´ ıan el problema en el interior del dominio pudiendo trabajar con funciones de prueba que satisfagan o no las condiciones de contorno . 5. elasticidad lineal.40) vemos que M = ∂n y si lo que estamos resolviendo es la ecuaci´ on ∂ de conducci´ on t´ ermica en ese caso el operador E = ∂n = M. por lo cual Wl = −Wl satisface (5. definidas solamente sobre el borde del dominio deben definirse. Una de las aplicaciones m´ as divulgadas de esta t´ ecnica es la resoluci´ on de problemas gobernados por la ecuaci´ on de Laplace.1.1.51) simplificando (5. la t´ ecnica con α y β funciones escalares.54) orden. M´ etodo de los residuos ponderados −κ ∂φ =q ∂n (5.53) En lo anterior hemos utilizado el teorema de Green o su equivalente.55) con lo cual la definici´ on del m´ etodo de los residuos ponderados (chapV-38) se reduce simplemente a: W l RΓ d Γ = 0 Γ (5. Una versi´ on un poco m´ as detallada del mismo aplicada a un caso sencillo expresa que: α∇βdΩ = − Ω Ω ∇αβdΩ + Γ αβ ndΓ (5.5. Este es el principal limitante de esta t´ ecnica que se muestra atractiva por todo lo que implica reducir la dimensi´ on espacial. la f´ ormula de integraci´ on por partes. A pesar que (5.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 138 . De esta forma como las funciones de prueba satisfacen el operador diferencial en el interior entonces: M ˆ) = RΩ = A(φ m=1 am A(Nm ) = 0 (5. No obstante en la mayor´ ıa de las aplicaciones los operadores que se trabajan son de relativo bajo ´ orden. Si en lugar de elegir funciones de prueba que satisfagan las condiciones de contorno elegimos aquellas que satisfacen el operador diferencial en el interior del dominio el problema se reduce a resolver solo el residuo en el contorno. y otros.50) a: C Wl Ω ˆ dΩ = − Dφ Ω Wl pdΩ − Γ Wl rdΓ (5. por ejemplo: conducci´ on del calor. Este tipo de estrategia di´ o lugar al m´ etodo de los paneles y al m´ etodo de los elementos de contorno. Estas ventajas tiene su contracara en la dificultad de elegir funciones de prueba que satisfagan el operador diferencial en el interior del dominio.56) Un solo conjunto de funciones de prueba Wl .52) ∂ Si hechamos un vistazo a (5. Adem´ as como el problema se plantea sobre el contorno la dimensi´ on espacial se reduce en una unidad con lo cual problemas en 3D se transforman en bidimensionales y aquellos en 2D en unidimensionales. Te Secci´ on 5.

una por cada componente del vector inc´ ognita A1 (φ) = 0 A2 (φ) = 0 la cual en forma compacta puede escribirse como   A1 (φ)   A(φ) = A2 (φ) = 0 .0. Supongamos una funci´ on anal´ ıtica del tipo: f (z ) = u + iv luego.60) que debe satisfacer ciertas ecuaciones diferenciales. En esos casos la soluci´ on a obtener viene representada por un vector φ = {φ1 . ∂2f =f ∂x2 ∂2f = i2 f = −f ∂y 2 sumando m. Te Secci´ on 5.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 139 . El siguiente ejemplo muestra una aplicacion del m´ etodo de los elementos de contorno al problema de la torsi´ on de una viga. 5. . (5.57) (5.1.62) ((docver curso-cfd-0.59) 2 2 2 u.a. estas satisfacen autom´ aticamente la ecuaci´ on de Laplace. . Sistema de ecuaciones diferenciales El m´ etodo de los residuos ponderados en cualquiera de sus versiones puede ser extendido para tratar el caso de sistemas de ecuaciones diferenciales . v ∈ IR (5.61) en Ω (5.m.58) Todas las funciones u y v que surgen de (5. .59) satisfacen la ecuaci´ on de Laplace siendo todas ellas candidatas para integrar las funciones de prueba con las cuales armar una funci´ on aproximante que satisfaga este problema en particular en el interior del contorno.1. M´ etodo de los residuos ponderados si pensamos en funciones anal´ ıticas de variable compleja z = x + iy . ∇ f = ∇ u + i∇ v = 0 ⇒ ∇2 u = ∇ 2 v = 0 df con f = dz Por ejemplo tomando la funci´ on anal´ ıtica f (z ) = z n (5.´cnicas de discretizacio ´n Cap´ ıtulo 5. } (5. φ2 .6. Un sistema de ecuaciones diferenciales surge cuando en el modelo matem´ atico se pretende resolver campos vectoriales en una o varias dimensiones espaciales o cuando se pretenden acoplar varios campos escalares y/o vectoriales tanto en una como en varias dimensiones espaciales. .

.´cnicas de discretizacio ´n Cap´ ıtulo 5. con la variable de estado o funci´ on ((docver curso-cfd-0. que escrita en forma compacta se expresa como: M ˆ =ψ+ φ≈φ m=1 Nm am (5. φ = {u. tanto el del interior como el del contorno. Del mismo modo las funciones de peso. muchas veces tambi´ en agrega componentes al vector inc´ ognita. v. Esta no linealidad se expresa porque existe una dependencia de los operadores. v seg´ un las componentes x e y respectivamente. Los problemas de flujo viscoso incompresible tridimensional vienen muchas veces expresados en t´ ermino de las variables primitivas del problema.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 140 . las tres componentes de la velocidad y la presi´ on.1. El agregado de modelos adicionales. No obstante en 2D muchos prefieren la formulaci´ on vorticidad ω . Problemas no lineales Muchos problemas pr´ acticos modelados f´ ısicamente producen tanto ecuaciones diferenciales como condiciones de contorno que son no lineales. . De esta forma la extensi´ on del m´ etodo de los residuos ponderados escalar aplicado al caso vectorial es directa.7. M´ etodo de los residuos ponderados Del mismo modo con las ecuaciones en el contorno   B1 (φ)   B(φ) = B2 (φ) = 0 . w.63) Para cada componente del vector necesitamos definir una aproximaci´ on del tipo (5. por ej. ˆ )dΩ + Wl A(φ Ω Γ ˆ )dΓ = 0 Wl B(φ (5. Esta es solo una breve descripci´ on de algunos de los casos t´ ıpicos donde se necesita resolver un sistemas de ecuaciones diferenciales . funci´ on de corriente ψ que desde el punto de vista computacional tiene una implementaci´ on m´ as f´ acil y no requiere un tratamiento especial de la incompresibilidad como lo necesita la formulaci´ on en variables primitivas.64) donde Nm es una matriz diagonal donde en cada t´ ermino de la diagonal se halla la funci´ on de prueba de cada componente del vector inc´ ognita. turbulencia u otros. en Γ (5.1. Por u ´ltimo en pos de reducir el ´ orden de una ecuaci´ on diferencial se puede transformar la misma en un sistemas de ecuaciones diferenciales donde el orden se ha reducido completamente equivalente al original. v. (5.66) 5. u. ω } Flujo incompresible viscoso (b) φ = {ρ. Te Secci´ on 5. w.65) La mayor´ ıa de los casos de inter´ es tanto en la industria como en la ciencia involucran sistemas de ecuaciones diferenciales . p} Flujo incompresible viscoso (a) φ = {ψ.0. v } Elasticidad lineal φ = {u. los desplazamientos u.1) . El caso de flujo compresible 3D tiene un vector inc´ ognita con 5 componentes. p} Flujo compresible viscoso Los problemas de elasticidad bidimensional est´ an generalmente formulados en dos variables. tanto para la integral sobre el interior del dominio como para la del contorno son tambi´ en matrices diagonales.

Supongamos que queremos resolver un problema de conducci´ on del calor donde la conductividad depende de la misma temperatura. de B¨ urgers. Dado que en todas las secciones anteriores hemos considerado la aplicaci´ on del m´ etodo de los residuos ponderados al caso lineal se hace necesario hacer algunos comentarios respecto al caso no lineal. ((docver curso-cfd-0.69) (5.67) φ=φ en Γφ ∂φ = −q en Γq κ(φ) ∂n Planteando una aproximaci´ on del tipo (5.68) Adem´ as del caso de la ecuaci´ on de conducci´ on no lineal existen muchos otros problemas de inter´ es a mencionar como el caso de la ec. el caso de la ecuaci´ on de flujo viscoso incompresible expresada en una formulaci´ on ψ − ω donde la nolinealidad se halla en las condiciones de contorno.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 141 . El m´ etodo de los residuos ponderados es completamente aplicable al caso no lineal. La ecuaci´ on de gobierno puede escribirse como: ∂φ ∂ ∂φ ∂ (κ(φ) ) + (κ(φ) ) + Q = 0 en Ω ∂x ∂x ∂y ∂y (5. M´ etodo de los residuos ponderados inc´ ognita.1) .0.67) produce un sistema de ecuaciones algebraico no lineales del tipo: K(a)a = f que puede resolverse iterativamente en la forma: K(an−1 )an = f n−1 (5. Obviamente las ecuaciones de flujo compresible e incompresible expresada en las variables primitivas o conservativas son tambi´ en ejemplos claros de sistemas de ecuaciones diferenciales no lineales. Te Secci´ on 5.´cnicas de discretizacio ´n Cap´ ıtulo 5.1. introduciendo la misma en la formulaci´ on por residuos ponderados de (5.

07 0.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 142 . Te Secci´ on 5.0.001596 0.8 1 ((docver curso-cfd-0.1.01 0 e _Col = 0.01 0.006 0.002 0 0.´cnicas de discretizacio ´n Cap´ ıtulo 5.004067 0.4 0.06 0.2 0.6 0.04 0.6 0.8 1 0 0.4 0.004 0. M´ etodo de los residuos ponderados e _Gal = 0.2 0.02 0 0.03 Figura 5.008 0.05 0.3: Soluci´ on aproximada a una ODE mediante residuos ponderados 0.

2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 143 .1.103 4 3 2 1 0 2 4 0 −2 −2 −4 2 0 Funciones de prueba que satisfacen las condiciones de contorno max(|tau|) = 3.1 0 −0. Te Secci´ on 5.3 −2 −1 0 1 2 y Solucion en x=3 Funciones de prueba que no satisfacen las condiciones de contorno Figura 5. M´ etodo de los residuos ponderados max(|tau|) = 3.´cnicas de discretizacio ´n Cap´ ıtulo 5.2 0.4: Torsi´ on de una barra prism´ atica ((docver curso-cfd-0.1 1 0 −1 2 5 0 −2 −5 0 −0.0.217 4 3 2 φ 0.2 −0.

satisfaciendo o no las condiciones de contorno.8. Te Secci´ on 5. En realidad estos son muy frecuentemente utilizados en el contexto de los m´ etodos espectrales el cual en forma indirecta ha sido el ıa para una secci´ on aparte pero por el momento diferimos tema de esta secci´ on (5. ((docver curso-cfd-0.0.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 144 .1) . Conclusiones En esta primera parte de este cap´ ıtulo que trata acerca de diferentes t´ ecnicas num´ ericas de discretizaci´ on hemos presentado el caso del m´ etodo de los residuos ponderados aplicado a la resoluci´ on de ecuaciones a derivadas parciales utilizando para aproximar un conjunto de funciones de prueba definidas globalmente. Este tema dar´ un tratamiento m´ as detallado para futuras versiones de estas notas.´cnicas de discretizacio ´n Cap´ ıtulo 5. M´ etodo de los residuos ponderados 5. Esto se logra mediante el uso de polinomios de Legendre o de Chebyshev. Adem´ as. a medida que se aumenta el grado de la aproximaci´ on el condicionamiento del sistema lineal a resolver se vuelve cr´ ıtico salvo que se usen funciones base con mayor grado de ortogonalidad. En las pr´ oximas secciones trataremos de relajar algunas de las limitaciones de esta t´ ecnica. de f´ acil extensi´ on al caso de sistemas de ecuaciones diferenciales y al caso no lineal.1. en especial aquella relacionada con el tratamiento de dominios de forma arbitraria.1. como se desprende de los ejemplos incluidos la elecci´ on de dichas funciones no es tarea f´ acil. presentando primero el m´ etodo de los elementos finitos y posteriormente el m´ etodo de los vol´ umenes finitos . No obstante. incluso no es extensible al caso de geometr´ ıas arbitrarias si uno requiere que dichas funciones satisfagan las condiciones de contorno exactamente.

5 1. Te Secci´ on 5.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 145 . 0. M´ etodo de los residuos ponderados 5. Utilice colocaci´ on puntual.9. Ayuda: las integrales que aparecen del c´ alculo de los coeficientes pueden resolverse mediante integraci´ on num´ erica usando regla del trapecio bidimensional 4. Comience con M = 2 y ref´ ınelo para testear la convergencia de la aproximaci´ on.5: Ej.´cnicas de discretizacio ´n Cap´ ıtulo 5. colocaci´ on por subdominios y el m´ etodo de Galerkin e investigue num´ ericamente la convergencia de las sucesivas aproximaciones.0.25 X 1. 5. 3.0 X X 0.1. TP.75 X1. Demuestre que la aproximaci´ on por residuos ponderados del tipo Galerkin.75 X 0. 3 Torsi´ on de una barra Aproximar la deflecci´ on mediante M u ˆ(x. y ) = ψ (x.m y transf´ ormela para ser usada con funciones de prueba del tipo Nm = sin(mπx). tomando como funciones de prueba la base Nm = sin(mπx/Lx ) conduce a un sistema de ecuaciones con una matriz diagonal.25 X0. y ) + l. Mediante el uso de un adecuado conjunto de funciones de prueba aproxime la funci´ on φ = 1 + sin(πx/2) en el rango 0 ≤ x ≤ 1. 2.chapV– Trabajo Pr´ actico #2 1.70) y usando el m´ etodo de los residuos ponderados estimar los coeficientes alm . Tome la rutina Ej 2 0. Un ensayo experimental sobre la deflecci´ on u(x. y ) de una placa cuadrada de lado unitario con todo su contorno empotrado dio como resultado los valores que se muestran en la figura.25 X X 0.75 X0.m=1 l+m≤4 alm sin(lπx) sin(mπy ) ∆x ∆y (5. La rutina Ej 2 1 contiene la resoluci´ on del problema de valores de contorno presentado en las ((docver curso-cfd-0.1.5 Figura 5.

M´ etodo de los residuos ponderados notas te´ oricas: d2 φ −φ=0 dx2 φ(x = 0) = 0 φ(x = 1) = 1 (5. Condiciones de contorno naturales Resolver el problema de conducci´ on t´ ermica estacionaria ∂2φ ∂2φ + 2 =0 ∂x2 ∂y φ=0 ∂φ = cos(πy/2) ∂n κ=1 usando como funci´ on aproximante ˆ = (1 − y 2 )(a1 + a2 x2 + a3 y 2 + a4 x2 y 2 + a5 x4 ) φ Utilice la rutina Ej 2 3 para este fin. Te Secci´ on 5. Sugerencia: Realice un programa del tipo Ej 2 2 para el mismo y para resolver las integrales use integraci´ on num´ erica 9.´cnicas de discretizacio ´n Cap´ ıtulo 5. Elija Wl = on. Construya una rutina en base a la Ej 2 1 para resolver este problema y muestre la convergencia de la misma. Utilizando como base la rutina Ej 2 2 realice las modificaciones necesarias para realizar un estudio de convergencia de la aproximaci´ on.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 146 . 7. 6. Pruebe de modificar la cantidad de t´ erminos y trace una curva donde se muestre la convergencia de cada uno de los m´ etodos.72) ((docver curso-cfd-0.71) El mismo se ha usado con M = 2 t´ erminos en la expansi´ on. Utilice una expansi´ on del tipo ˆ = (4 − y 2 )(a1 + a2 x2 + a3 y 2 + a4 x2 y 2 + a5 x4 ) φ que satisface la condici´ on de contorno en y = ±2 pero no satisface aquella en x = ±3. 8. Resuelva el ejercicio anterior pero utilizando como conjunto de funciones de prueba la base Nm = xm (1 − x). Estudie la convergencia Nl y Wl = Nl |Γ y obtenga el sistema de ecuaciones a resolver y la soluci´ dl residuo al tomar diferente cantidad de t´ erminos en la expansi´ on arriba presentada. Utilice el m´ etodo de los residuos ponderados aplicado al residuo en el dominio interior y agregado el proveniente del contorno para resolver el problema de la torsi´ on de la barra definido en la teor´ ıa. Saque conclusiones respecto a los obtenido en este ejercico y el anterior. y = ±1(Γφ ) x = ±1(Γq ) (5. Tenga en cuenta de mantener la simetr´ ıa en la elecci´ on de las funciones de prueba y utilice las propiedades de ortogonalidad para calcular la matriz de coeficientes.0.1.

El problema de la torsi´ on de una viga definido en la teor´ ıa ∂2φ ∂2φ + 2 = −2 ∂x2 ∂y φ=0 en Ω = [−3.76) (5.74) puede descomponerse en un sistema de dos ecuaciones diferenciales de primer orden del tipo: q+κ dφ =0 dx dq −Q=0 dx siendo el vector inc´ ognita φ = q .Torsi´ on de una viga.75) (5.0. 12. M´ etodo de los residuos ponderados 10.73) puede ser transformado a una ecuaci´ on de Laplace mediante la siguiente igualdad: φ = θ − 1/2(x2 + y 2 ) Usando el m´ etodo de los residuos ponderados aplicado solo al contorno y la siguiente base de funciones ˆ = a1 + a2 (x2 − y 2 ) + a3 (x4 − 6x2 y 2 + y 4 ) θ ˆ y compararla con la obtenida por el m´ hallar la soluci´ on aproximada φ etodo de los residuos ponderados aplicado al interior.1. Ejemplo : Problemas no lineales Resolver la ecuaci´ on no lineal d dφ (κ ) = −10x dx dx φ(x = 0) = 0 φ(x = 1) = 0 κ = 1 + 0. Sistema de ecuaciones diferenciales El problema de conducci´ on t´ ermica ∂φ ∂ ∂φ ∂ (κ ) + ( )+Q=0 en Ω ∂x ∂x ∂y ∂y φ(x = 0) = 0 q (x = 1) = 0 (5.´cnicas de discretizacio ´n Cap´ ıtulo 5. M´ etodo de los elementos de contorno . 11.1φ ((docver curso-cfd-0.77) 147 . 2] en Γ (5. 3] × [−2.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) (5.1 = xm−1 (1 − x) Nm. Te Secci´ on 5.2 = xm calcular la soluci´ on a este problema usando dos t´ erminos. Usando la aproximaci´ on: φ Nm.

´cnicas de discretizacio ´n Cap´ ıtulo 5. ((docver curso-cfd-0. Te Secci´ on 5.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 148 . M´ etodo de los residuos ponderados usando como funciones de prueba la base Nm = xm (1 − x) con dos t´ erminos mediante un m´ etodo de los residuos ponderados por colocaci´ on puntual.1.0.

aM } representan las amplitudes de diferentes componentes ondulatorias de la soluci´ on y no el valor de la inc´ ognita del problema en cada posici´ on de la malla. Esto provocaba la aparici´ on de integrales adicionales sobre el contorno de dif´ ıcil tratamiento anal´ ıtico. Este no es el caso que m´ as interesa a los ingenieros de las u ´ltimas d´ ecadas los cuales requieren herramientas computacionales de c´ alculo que permitan tratar dominios arbitrarios. En cuanto a las condiciones de contorno estas presentan un tratamiento mucho m´ as simple debido a que las 149 . celdas. Introducci´ on El m´ etodo de los residuos ponderados presentado en el cap´ ıtulo anterior sirvi´ o como una teor´ ıa unificadora de una gran cantidad de m´ etodos num´ ericos a la vez que en s´ ı mismo puede concebirse como una t´ ecnica num´ erica en particular. A su vez las integrales a calcular para obtener los coeficientes de la matriz y del vector miembro derecho son integrales sobre elementos que tienen una forma completamente mapeable a un cuadrado o cualquier otra figura geom´ etrica simple (tri´ angulos) lo cual permite su c´ alculo en forma muy sencilla. . Si bien en el procedimiento antes empleado uno planteaba la aproximaci´ on de forma tal de satisfacer las condiciones de contorno. Aqu´ ı esta la gran idea en torno a estas t´ ecnicas las cuales no requieren demasiado trabajo para especificar las funciones de prueba ya que al ser de soporte compacto aproximan bien la mayor´ ıa de las funciones a´ un siendo de bajo orden. vol´ umenes. . . tanto anal´ ıticamente como mediante cuadratura num´ erica. Esa t´ ecnica com´ unmente denominada m´ etodo espectral goza de ciertas ventajas siendo su principal desventaja la de estar muy restringida a dominios con geometr´ ıas muy simples como zonas rectangulares. Esta descomposici´ on del dominio en pedazos (elementos. Una idea explorada en los u ´ltimos tiempos es la de trabajar con m´ etodos espectrales pero en el dominio f´ ısico del problema. Trabajar en el dominio f´ ısico del problema permite descomponer espacialmente el problema asi como el m´ etodo espectral lo descompone en el espacio de las frecuencias.1. En los m´ etodos empleados en el cap´ ıtulo anterior trabajamos en el espacio transformado en lugar que en el espacio f´ ısico y esto puede verse de inmediato si pensamos que el vector de inc´ ognitas a = {a1 . paralelep´ ıpidos u otras mapeables a las anteriores. hemos visto que existe la posibilidad de elegir funciones m´ as generales que no satisfacen las condiciones de contorno y para las cuales un m´ etodo de los residuos ponderados que incluya el residuo en el contorno debe plantearse.Cap´ ıtulo 6 M´ etodo de los elementos finitos 6. . a2 . etc) de tama˜ no finito le confiere el nombre al m´ etodo. Entonces para poder aplicar todo lo anterior es necesario hacer una transformaci´ on al dominio de la frecuencia para luego volver al dominio f´ ısico con la soluci´ on del problema.

el dominio. Me Secci´ on 6. de forma que la aproximaci´ on φ Expresando matem´ aticamente lo anterior. o sea esta ((docver curso-cfd-0.4) W l RΓ d Γ e=1 Γe W l RΓ d Γ = Γ donde Γe es el borde del elemento que cae sobre alg´ un borde del dominio Γ y es tal que ∪e Γe = Γ. Cierto grado de discontinuidad es permisible y esto limita fuertemente la formulaci´ on a emplear. E denota la cantidad total de elementos en la partici´ on.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 150 . E W l RΩ d Ω = Ω e=1 E Ωe W l RΩ d Ω (6. vimos que el m´ etodo de los residuos ponderados consiste en aproximar la soluci´ on mediante M ˆ=ψ+ φ≈φ m=1 am Nm (6. Los m´ etodos espectrales sirven y son insuperables para algunas aplicaciones donde el fen´ omeno f´ ısico requiere alto orden de precisi´ on y la geometr´ ıa no presenta dificultades. Resumiendo. ∩e Ωe = ∅ ∪e Ωe = Ω (6. Esto motivaba tener que elegir adecuadamente a priori las funciones de prueba antes de realizar el c´ alculo.3) De esta forma las integrales IV.1) definida a lo largo de todo el dominio Ω y las integrales W l RΩ d Ω + Ω Γ W l RΓ d Γ = 0 (6. No obstante esto. La ida alternativa consiste en dividir la regi´ on Ω en un n´ umero de subdominios o elementos Ωe sin solapamiento y que cubran todo ˆ se construya a pedazos o a trozos sobre cada subdominio.38 se pueden calcular agregando la contribuci´ on a la integral proveniente de cada elemento. Es de notar que el m´ etodo de los residuos ponderados al estilo del presentado en el cap´ ıtulo anterior equivale a hacer lo mismo pero sobre un solo elemento que coincide con el dominio Ω.´todo de los elementos finitos Cap´ ıtulo 6. La definici´ on a trozos de la aproximaci´ on introduce ciertas discontinuidades en la soluci´ on o en alguna de sus derivadas. Si se usan elementos de forma simple y si la definici´ on de las funciones de forma permite un c´ alculo de manera repetitiva entonces es posible tratar dominios con formas completamente arbitrarias con facilidad.1.0. Introducci´ on variables sobre las cuales se especifican coinciden con las variables a calcular. la selecci´ on de una t´ ecnica num´ erica no es una cosa obvia. Por otro lado el hecho de que las funciones de prueba se elijan a trozos provoca un beneficio computacional importante respecto a la estructura de la matriz resultante.2) se eval´ uan mediante una sola operaci´ on y sobre todo el dominio. Un funci´ on a trozos en general tiene un soporte compacto. mientras que los m´ etodos localizados son m´ as aplicables a los casos donde no interesa entrar en demasiado detalle de la soluci´ on pero el dominio del problema es muy complicado. Diferente era el caso de los m´ etodos espectrales en los cuales las condiciones de contorno se especifican sobre las variables del problema siendo la inc´ ognita las amplitudes de su descomposici´ on espectral.

Ya veremos que esto no es admisible en especial en problema con gran n´ umero de inc´ ognitas (sistemas de ecuaciones en 3D). com´ unmente llamados los nodos. x > xe+1 (6.´todo de los elementos finitos Cap´ ıtulo 6. En este ejemplo tan sencillo la numeraci´ on es obvia. . Mn } en Ω con xl = 0 y xMn = Lx definiendo el elemento Ωe como el intervalo xe ≤ x ≤ xe+1 . Me Secci´ on 6. . 6. x > xe+1 (6. .8) 151 ((docver curso-cfd-0.7) donde φm es el valor de la funci´ on en cada nodo m de la malla (el centro del elemento) y reemplazaa am la amplitud de cada componente espectral en el m´ etodo de los residuos ponderados presentado en el cap´ ıtulo anterior.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) .2. l = 1. Como vemos la funci´ on a trozos usada para aproximar la funci´ on φ es constante a trozos. lo cual equivale a hacer colocaci´ on en esos puntos. Esta es otra de las grandes diferencias entre los m´ etodos locales y aquellos globales. Esto lo veremos en m´ as detalle m´ as adelante al tratar el problema de la resoluci´ on num´ erica del sistema de ecuaciones. 2. Esto produce matrices con estructura de banda lo cual tratada convenientemente puede reducir much´ ıismo el costo computacional de obtener una soluci´ on. Sobre cualquier elemento e la aproximaci´ on global puede expresarse en t´ erminos del valor φe y de la funci´ on e de forma del elemento N como: ˆ = φe N e = φe φ=φ sobre el elemento e (6. La funci´ on ψ ha sido omitida por lo que la aproximante no coincidir´ a con el valor especificado en el borde aunque por un proceso de refinamiento se puede llegar tan cerca como se quiera a satisfacer los mismos. Siendo la funci´ on aproximante constante a trozos la funci´ on de prueba que da or´ ıgen a la misma es una funci´ on que vale: Ne = 1 0 xe ≤ x ≤ xe+1 xe > x.5) A nivel global la funci´ on aproximante que resulta es: Ne = 1 0 xe−1 ≤ x ≤ xe+1 xe−1 > x. All´ ı no hemos tenido mayor dificultad tanto porque los sistemas eran de un tama˜ no chico y adem´ as porque la matriz era completamente llena en cuyo caso recurr´ ımos directamente a una especie de eliminaci´ on gaussiana. .2. La divisi´ on de Ω en E (= Mn − 1) subregiones no solapadas se determina estableciendo un adecuado conjunto de puntos {xl . Funciones de forma locales de soporte compacto Para ilustrar lo anterior consideremos la aproximaci´ on de una funci´ on φ(x) en el espacio unidimensional definido por Ω = [0. la resoluci´ on del sistema de ecuaciones.0. Nosotros ya hemos pasado por una situaci´ on similar al resolver el sistema de ecuaciones para calcular los coeficientes a en el cap´ ıtulo anterior. constante dentro de cada elemento coincidiendo su valor con el de la funci´ on φ en el centro de cada elemento. Lx ]. Funciones de forma locales de soporte compacto no es nula solo en una regi´ on peque˜ na del dominio abarcando algunos pocos elementos del mismo.6) De esta forma la aproximaci´ on se escribe como: Mn −1 ˆ= φ≈φ m=1 φm Nm ∈Ω (6. Esto ya fue comentado previamente y tiene la ventaja que en este caso los coeficientes a calcular tienen un significado f´ ısico m´ as directo con el problema.

A su vez estas funciones son generalizables a varias dimensiones como puede verse en la figura 6.9) Ni =  0 en x = x i +1    0 en el resto de Ω con una variaci´ on lineal entre los valores mencionados. Estas funciones de forma desde el punto de vista global asumen   en x = xi 1   0 en x = xi−1 (6. los nodos de esta malla. ((docver curso-cfd-0.2.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 152 . Sobre cualquier elemento e con nodos i. Estos son ahora los puntos de colocaci´ on. Nj . Me Secci´ on 6. aquellos constantes a trozos y los lineales a trozos forman un conjunto completo en el sentido que refinando la partici’on se obtienen soluciones con cada vez mayor precisi´ on. La figura 6.2 muestra graficamente lo que recien se acaba de mencionar.3.11) siendo la variaci´ on en el interior del elemento lineal por ser lineales las funciones de prueba Ni . una por cada nodo del elemento. Los dos conjutnos de funciones de prueba usados. j la aproximaci´ on toma el valor: ˆ = φi N e + φj N e = φ=φ i j sobre el elemento e (6. Es de remarcar que esta aproximaci´ on satisfar´ a autom´ aticamente los valores en el contorno x = 0. Funciones de forma locales de soporte compacto Otro tipo de aproximaci´ on de frecuente uso y que mejora la anterior es la que surge de emplear funciones de forma lineales. Esto puede construirse a nivel elemental si por cada elemento definimos dos funciones de forma.´todo de los elementos finitos Cap´ ıtulo 6. La aproximaci´ on global para este caso es: Mn ˆ= φ≈φ m=1 φm Nm ∈Ω (6. x = Lx sin necesidad de agregar una funci´ on ψ ya que ahora los puntos de colocaci´ on est´ an justamente sobre los extremos de los elementos y para el caso del primer y u ´ltimo elemento estos coinciden con los extremos del dominio donde se agregan las condiciones de contorno . Ahora el concepto de nodo ya no coincide como antes con el centro del mismo sino que ahora se ubican en los extremos del intervalo que define al elemento.10) donde a diferencia del caso anterior la suma se extiende a Mn puntos.0.

Funciones de forma locales de soporte compacto Figura 6.´todo de los elementos finitos Cap´ ıtulo 6.1: Aproximaci´ on por funciones a trozos ((docver curso-cfd-0.2.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 153 . Me Secci´ on 6.0.

2.´todo de los elementos finitos Cap´ ıtulo 6. Me Secci´ on 6. Funciones de forma locales de soporte compacto Figura 6.2: Aproximaci´ on por funciones a trozos ((docver curso-cfd-0.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 154 .0.

2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 155 . Funciones de forma locales de soporte compacto ((docver curso-cfd-0.´todo de los elementos finitos Cap´ ıtulo 6.0. Me Secci´ on 6.2.

El primero es un caso particular del segundo donde el operador L es la identidad. En esa caso s = 1 y necesitamos que las funciones de forma sean C 0 .3.13) W l RΓ d Γ = 0 (6. Por ((docver curso-cfd-0.´todo de los elementos finitos Cap´ ıtulo 6.15) La idea de usar un m´ etodo num´ erico basado en aproximar una soluci´ on mediante funciones de forma locales plantea el interrogante de si es posible su uso sabiendo que tanto la funci´ on como alguna de sus derivadas pueden ser discontinuas. ya sea en el centro del elemento como en sus extremos. segunda derivada discontinua y tercera derivada puntualmente no acotada. Una observaci´ confundirse la continuidad de una funci´ on con el grado del polinomio que la aproxima localmente. Aproximaci´ on a soluciones de ecuaciones diferenciales. Al igual que en el cap´ ıtulo anterior el m´ etodo de los residuos ponderados puede aplicarse para aproximar una funci´ on como para resolver una ecuaci´ on diferencial.14) con ˆ) = Lφ ˆ+p RΩ = A(φ ˆ) = Mφ ˆ+r RΓ = B (φ (6. Pensemos que estas funciones pueden ser posibles candidatos a ser usados como funciones de forma para nuestro m´ etodo num´ erico. Para ilustrar la explicaci´ on observemos la figura 6. Me Secci´ on 6.0.3. Los detalles del procedimiento incluido en el m´ etodo de los elementos finitos se ver´ an en pr´ oximas secciones cuando resolvamos algunos ejemoplos en particular. Requisitos sobre la continuidad de las funciones de forma A su vez es posible tanto aplicar un m´ etodo de los residuos ponderados de colocaci´ on como uno tipo Galerkin. o sea funciones on a hacer es que no debe continuas. Requisitos sobre la continuidad de las funciones de forma El m´ etodo de los residuos ponderados aplicado a la resoluci´ on de una ecuaci´ on diferencial del tipo: A(φ) = Lφ + p = 0 con condiciones de contorno B (φ) = Mφ + r = 0 se escribe como W l RΩ d Ω + Ω Γ en Ω (6.4 donde se presentan tres tipos de funciones. la de la izquierda es discontinua con derivada puntualmente no acotada. En el primer caso las integrales se pesan con distribuciones tipo delta de dirac en los nodos. Para ello si los operadores involucrados en el c´ alculo de las matrices contienen derivadas de orden s entonces debemos garantizarnos que las funciones de forma tengan s − 1 derivadas continuas o sea las funciones deben pertenecer a la clase C s−1 .12) sobre Γ (6. la del centro continua con derivada primera discontinua y derivada segunda puntualmente no acotada y aquella de la derecha que es continua y tiene primera derivada continua.4.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 156 . Aproximaci´ on a soluciones de ecuaciones diferenciales. En el caso de la formulaci´ on de Galerkin las funciones de peso coinciden con las de interpolaci´ on dando resultados distintos pero equivalentes. 6. Un ejemplo concreto lo tenemos si observamos de la secci´ on anterior que la forma d´ ebil del problema de conducci´ on t´ ermica contiene a lo sumo primeras derivadas. como aquella ubicada en el centro de la figura 6. El hecho que alguna de las derivadas presente una singularidad puede provocar problemas en el c´ omputo de las matrices por lo cual se debe evitar su uso.

DE tienen un orden de diferenciaci´ on estrictamente inferior al de L. No obstante esto el procedimiento es bien general y puede extenderse tanto a mallas muy finas como al caso multidimensional y con funciones de alto orden. Mientras los primeros requieren que las funciones se peguen en forma continua entre los elementos los u ´ltimos son m´ as estrictos y requieren que la primera derivada tambi´ en sea continua.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 157 . La figura 6. independientemente de lo que suceda adentro.0.17) da or´ y el otro a la interpolaci´ on. Estos ejemplos consisten de dominios unidimensionales. Adem´ as de equiparar el grado de continuidad queda garantizada la simetr´ ıa del operador.4. Cuando hablamos del m´ etodo de colocaci´ on hemos empleado la funci´ on delta de Dirac para tal fin.17) donde los operadores lineales C . los m´ as standard en m´ etodo de los elementos finitos pertenecen a la clase C 0 mientras que 1 aquellos del tipo Hermite son C . Esto pone de manifiesto que la elecci´ on de la misma clase de funciones para W como para N . 6. En estos casos una sutileza debe remarcarse. Los requisitos de continuidad que estuvimos tratando tambi´ en se aplican a las funciones de peso.4.16.5. Formulaci´ on d´ ebil y el m´ etodo de Galerkin En el cap´ ıtulo anterior vimos como un t´ ermino como el siguiente ˆ Ω Wl Lφd Ω (6. con una partici´ on muy gruesa (pocos elementos empleados) y con funciones de prueba sencillas. Esto solo es factible si se garantiza que el residuo sea finito. uno aplicado a la funci´ on de peso debilitaci´ on (6.6. Tal reformulaci´ on es muy ventajosa cuando se usan funciones de forma definidas localmente debido a que esto disminuye el grado de continuidad a ser demandado sobre las mismas. La continuidad depende de como se pegan las funciones elemento a elemento y no de como se interpola en su interior. Aspectos computacionales del m´ etodo de los elementos finitos En esta secci´ on tomaremos algunos ejemplos muy simples que servir´ an para explicar la metodolog´ ıa empleada en el m´ etodo de los elementos finitos . Uno de los operadores que frecuentemente aparecen es el de segundo orden que cuando se lo somete a la ıgen a dos operadores de primer orden. base del m´ etodo de Galerkin.16) con L un operador diferencial lineal puede ser reemplazado por otro como C Wl Ω ˆ dΩ + Dφ Γ ˆ Γ Wl E φd (6. Me Secci´ on 6. Los elementos de la clase Lagrange. 6.5 pretende ilustrar una funci´ on de forma hermitiana para un elemento unidimensional de dos nodos.´todo de los elementos finitos Cap´ ıtulo 6. Formulaci´ on d´ ebil y el m´ etodo de Galerkin ejemplo una funci´ on de forma que usa polinomios de segundo ´ orden en el interior de los elementos no necesariamente tiene mayor continuidad que una lineal. ((docver curso-cfd-0. posee muchas ventajas.

22) se puede alcanzar en forma exacta. 2.5.19) Al establecer el m´ etodo de los residuos ponderados sobre este problema tenemos 1 Wl 0 ˆ d2 φ ˆ dx + Wl RΓ −φ dx2 1 0 =0 (6. Entonces si lo anulamos y si debilitamos la integral sobre el interior del dominio para poder usar funciones con menores requisitos de continuidad llegamos a: 1 − 0 ˆ ˆ dWl dφ ˆ dx + Wl dφ + Wl φ dx dx dx 1 0 =0 l = 1. .0.22) En este caso simple la partici´ on es trivial. Aspectos computacionales del m´ etodo de los elementos finitos 6.20) donde el u ´ltimo t´ ermino representa la contribuci´ on del residuo en el borde porque la aproximaci´ on elegida no necesariamente satisface las condiciones de borde. Paso 2: discretizacion de las variables independientes generacion de la malla en subdividir el dominio en elementos tales que ∩e Ωe = ∅ ∪e Ωe = Ω Esto consiste (6.5. . M + 1 (6. M. . . La situaci´ on unidimensional es muy particular y simple ya que (6.´todo de los elementos finitos Cap´ ıtulo 6. Ejemplo 1 Este primer ejemplo consiste en resolver: d2 φ −φ=0 dx2 φ(x = 0) = 0 φ(x = 1) = 1 Paso 1: Elecci´ on de la funciones de forma y formulaci´ on del problema Teniendo en cuenta las consideraciones acerca del grado de continuidad de las funciones de forma relativa al orden de diferenciaci´ on del operador involucrado en este ejemplo vemos de inmediato que funciones de la clase C 0 son suficientes para resolver este problema.21) Usando el m´ etodo de Galerkin Wl = Nl surge obviamente la necesidad de emplear funciones clase C 0. Me Secci´ on 6.1.22). Esto permite usar funciones lineales a trozos aunque si se desea tambi´ en puede aumentarse el grado del polinomio interpolante.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 158 . el dominio es un segmento de recta y la partici´ on consiste en dividir este segmento en intervalos que satisfagan (6.18) ˆ=ψ+ φ≈φ m=1 φm Nm 0≤x≤1 (6. En varias dimensiones esto ((docver curso-cfd-0. No obstante este t´ ermino puede omitirse si uno elije funciones de peso que se anulen sobre la parte del contorno donde se prescriben condiciones tipo Dirichlet. No obstante esto involucra en general un mayor costo computacional muchas veces innecesario para la precisi´ on requerida. como por ejemplo usar elementos cuadr´ aticos o de mayor orden. Entonces la aproximaci´ on se escribe como: M +1 0≤x≤1 (6.

5. L/3. Aspectos computacionales del m´ etodo de los elementos finitos se obtiene en general en forma aproximada.23) (6. j los nodos que lo definen.25) donde xk son las coordenadas del elemento en el dominio real del problema y ξk son las correspondientes en un elemento denominado master.27) donde se asume que xi < xj y tiene un valor unitario en el nodo cayendo linealmente hasta ser nula en el otro nodo del mismo elemento. A continuaci´ on presentamos una transformaci´ on de coordenadas que facilita mucho la tarea a nivel computacional. Habiendo elegido el tipo de funciones de forma necesarios para satisfacer los requerimentos de continuidad que plantea el operador diferencial a resolver y habiendo realizado la discretizaci´ on de las variables independientes surge de su combinaci´ on la definici´ on de las funciones de forma. . x4 } = {0. x2 . ndm (6.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) . x3 .0. 159 ((docver curso-cfd-0. Si bien este tema presentado en el caso unidimensional parece de poca importancia en varias dimensiones este mapeo es clave para poder facilitar los c´ alculos. 1] en 3 elementos (4 nodos) como se muestra en la figura 6. .24) En lo que siguen definimos el tama˜ no del elemento como he = |xj − xi | con i. En una dimensi´ on este elemento m´ aster se define como: ˆ e = {ξ |ξ ∈ [−1. Para simplificar los pasos siguientes dividamos el dominio Ω = [0. . Paso 3: Definici´ on de las funciones de forma Este paso es una consecuencia de los dos anteriores. Este tema ser´ a presentando con m´ as detalle m´ as adelante en el contexto del m´ etodo de los elementos finitos en varias dimensiones. 1]} Ω (6. Realizar c´ alculos de derivadas e integrales en el primero suele ser mucho m´ as trabajoso que en el elemento de forma simple. Estas se pueden escribir como: χ he he − χ e Nj = Nj = he con χ = x − xi Ni = Nie = (6.6. por ejemplo pensemos simplemente en una cuadr´ angulo en 2D completamente distorsionado y su mapeo a un cuadrado con sus aristas paralelas a los ejes coordenados. De esta forma quedan definidas las coordenadas de los nodos x = {x1 .26) La idea es transformar el elemento real en otro muy simple. Me Secci´ on 6. 2L/3L} y las conectividades de los elementos (los nodos asociados a cada elemento)   1 2 IX = 2 3 3 4 (6.´todo de los elementos finitos Cap´ ıtulo 6. Esta se define como: xk = f (ξk ) k = 1.

Esta tiene la ventaja que permite operar algebraicamente con m´ as flexilibidad. ξ = −1 ⇒ Ni = 1 y Nj = 0 mientras que en el nodo j . La siguiente si presenta esa idea y la incluimos porque ser´ a la que en definitiva usaremos al momento de calcular las integrales. calcular las integrales a nivel del elemento y luego ensamblarlas o agregarlas cada una de sus contribuciones es equivalente a integrar sobre todo el dominio. Me Secci´ on 6. Una definici´ on equivalente a la anterior que suele unificar la anterior y es v´ alida para los dos nodos es la siguiente: Nl = Nle = 1/2(1 + ξl ξ ) ξl = −1 .19).2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 160 . m ≤ M + 1 + Nl Nm dx dx dx 0 ˆ 1 dφ fl = Nl 1≤l ≤M +1 dx 0 1 (6. Entonces.5. Reemplazando en ella la aproximaci´ on (6. l = 1 +1 .21) la formulaci´ on del problema contiene el c´ alculo de varias integrales. entonces el c´ Klm = dNl dNm 1 ≤ l.0.2. la definici´ on de la funci´ on de peso que para este ejemplo coincide con la de interpolaci´ on (Galerkin) y la definici´ on de las funciones de forma alculo de estas integrales se puede escribir como: (6. 1] pueden descomponerse aditivamente por una de las propiedades de la integraci´ on en varias integrales.27). Ni = Nie = 1/2(1 − ξ ) e Nj = Nj = 1/2(1 + ξ ) (6. l = 2 (6. Ensambl´ andola sobre todo el conjunto de elementos produce una funci´ on que tiene la forma de un sombrero como fue mostrada en la figura 6. Paso 4: C´ alculo de la matriz del sistema y del miembro derecho Como hemos visto en el primer paso (6. una por cada elemento.´todo de los elementos finitos Cap´ ıtulo 6. Esto es as´ ı porque las funciones que aproximan a la soluci´ on fueron definidas elemento a elemento. en el nodo i.29) donde l representa la numeraci´ on local de los nodos. Por lo tanto lo dicho equivale a: ((docver curso-cfd-0. ξ = 1 ⇒ Ni = 0 y Nj = 1. una por cada nodo de la malla. a nivel del elemento.30) Estas integrales definidas sobre todo el dominio Ω = [0. Aspectos computacionales del m´ etodo de los elementos finitos Esta definici´ on es muy ad-hoc para el caso unidimensional y no usa la idea de mapeo al elemento master definida anteriormente.28) Esta definici´ on como vemos satisface la definici´ on de la funci´ on.

m =1 Kle .32) Esta expresi´ on contiene dos juegos de ´ ındices.0. Hay una relaci´ on entre ambos y viene expresada por la tabla de conectividades definida antes (6.m = e=1 l . unos sin primas que representan la numeraci´ on global de la matriz y est´ a asociado a la numeraci´ on global de la malla y otros ´ ındices primados que tienen la numeraci´ on local dentro del elemento. Nosotros para simplificar la notaci´ on lm y expresar este cambio de numeraci´ on en la expresi´ on (6.m (6. Paso 5: Resoluci´ on del sistema de ecuaciones Con el miembro derecho el procedimiento es similar y finalmente se alcanza el siguiente sistema de ecuaciones lineales a resolver: ((docver curso-cfd-0.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 161 . Esta relaci´ on entre numeraciones es la que permite el ensamble de contribuciones elementales en globales.31) + ξm ξ ) + ξm ξ ) he dξ = 2 he dξ = 2 = −1 1 2 he 1 /2ξm 2 + he 1 /2(1 + ξl ξ ) + ξl ξ ) 1 /2(1 2 2 1 /2ξm e + e h h −1 e 1 h 2 = e ξl ξm + (2 + ξl ξm ) h 8 3 Reemplazando por sus valores = 1 /2ξl 1 /2(1 1 /2(1 ξl = −1 +1 l =1 l =2 Ke = 1 he he + 3 e h 1 −h e + 6 1 h −h e + 6 he 1 he + 3 e (6. Si bien todo el c´ alculo ha sido llevado a cabo manualmente esto tiene un alto grado de automatizaci´ on debido a lo simple que resultan las funciones de forma y sus derivadas en el elemento master.5.24).33) con A el operador de ensamblaje. Me Secci´ on 6. Esto se ilustra en la figura 6.´todo de los elementos finitos Cap´ ıtulo 6.6. fila e del arreglo IX se satisface que con lo cual el ´ algebra anterior se pudo compactar bastante.31) usamos Υl m . Esto significa que e K = AE e=1 K E 2 Kl. Para el el elemento ´ e-simo. Aspectos computacionales del m´ etodo de los elementos finitos E Klm = e=1 e Υlm l m Kl m he Kle m = 0 1 = −1 1 dNle dNm + Nl (x)Nm (x) dx = dx dx dNle dξ dNm dξ dx + Nl (ξ )Nm (ξ ) dξ = dξ dx dξ dx dξ 1 /2ξl (6.

34) y despejando el valor de d . Ejemplo 2 Este ejemplo es similar al anterior salvo en el tipo de condiciones de contorno impuesta.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 162 .´todo de los elementos finitos Cap´ ıtulo 6. En este φ caso las mismas son: φ|x=0 = 0 y d dx |x=1 = 1 La formulaci´ on del m´ etodo de los residuos ponderados para este problema es la siguiente: 1 Wl 0 ˆ ˆ d2 φ ˆ dx + Wl dφ − 1 −φ 2 dx dx x=1 − Wl ˆ dφ dx x=1 =0 (6. Aspectos computacionales del m´ etodo de los elementos finitos Kφ = f 1 he he + 3 e  1 − h e + h 6  he 6 he + 3 e +h 6  1 −h e + 0 1 −h e + 2   0 1 he 1 −h e 2 0 0 1 he 1 −h e he 6 he + 3 e +h 6   φ1  φ2      =  1 he  φ3  −h +  e 6  φ4 he 1 he + 3 0 0     φ −d dx ˆ  x=0  (6. El tema de la integraci´ on num´ erica ser´ a abordado m´ as adelante. 2D o 3D y fundamentalmente teniendo en cuenta los recursos computacionales disponibles.1 Comentarios finales Para terminar con este ejemplo haremos dos comentarios. estacionario o transiente. soluci´ on a nuestro problema. lineal o no lineal. Respecto a la resoluci´ on del sistema se debe evaluar el m´ etodo a seguir seg´ un el tipo de problema a resolver.34) se transforman en otro m´ as reducido:   1 1 he he 2 h −h e + 3 e + 6 0  φ2 =  (6. etc. incluso con coeficientes variables dentro del elemento.2. Me Secci´ on 6.35) 1 he 1 1 he he φ − ( − 3 − e+ 2 e+ he + 6 ) h 6 h 3 La resoluci´ on de este sistema es inmediata obteniendo los valores del arreglo φ. Por lo tanto el sistema (6. Con ellos es posible estimar las derivadas en los extremos reemplazando simplemente el ˆ φ vector soluci´ on en (6. esto implica primero reemplazar dichos valores en el vector inc´ ognita y pasar para el miembro derecho todos aquellos t´ erminos que dichos valores generan para luego remover las filas y las columnas correspondientes a estas variables impuestas. 6.36) ((docver curso-cfd-0.5. Respecto al primero es de destacar que si bien aqu´ ı hemos recurrido a la integraci´ on anal´ ıtica en general se trabaja utilizando integraci´ on num´ erica con lo cual solo se necesita evaluar el integrando en determinados puntos del dominio y sumar las contribuciones. Con esto es posible extender el tratamiento a operadores de diferente tipo.0. Este tema que hoy en dia es un area en si misma ser´ a tratada en un pr´ oximo cap´ ıtulo.5. dx x=0. como es el caso de integraci´ on por cuadratura num´ erica. uno acerca del c´ alculo de las integrales elementales y otro acerca de la resoluci´ on del sistema algebraico.34) 0 0 ˆ dφ dx x=1     Dado que las condiciones de contorno definidas inicialmente implicaban imponer el valor de φ(x = 0) = 0 y φ(x = 1) = 1.

Ejemplo 3 Este ejemplo muestra como tratar un sistema de ecuaciones diferenciales e incluso para darle cierta generalidad usaremos una formulaci´ on mixta.2 dx l = 1. .1 = Nl.´todo de los elementos finitos Cap´ ıtulo 6.34) con un miembro derecho φ −d dx ˆ x=0 T 0 0 1 (6. O sea Nl.5.2 dx = QNl.40) Aqu´ ı hay varias alternativas para elegir las funciones de forma.1 dx + q ˆNl. esta u ´ltima queda igual que en la del ejemplo anterior.1 dx = 0 l = 1. o sea que al agregar la contribuci´ on de cada uno de los nodos del elemento contra todos los otros nodos del mismo elemento (en 1D. . La primera que vamos a adoptar es aquella en la que ambas variables se aproximan con funciones lineales a trozos con los pesos coincidentes entre si y coincidente a las funciones de interpolaci´ on.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 163 .5. .38) q≈q ˆ= m=1 Mφ qm Nm.41) ((docver curso-cfd-0. Mq dx 0 1 dˆ q Nl. Aspectos computacionales del m´ etodo de los elementos finitos Ya que la integral sobre el dominio no ha cambiado y los t´ erminos de contorno no influyen sobre la matriz del sistema.2 dξ dξ (6. de Poisson) reemplazado por una formulaci´ on mixta del tipo: dφ +q =0 dx dq −Q=0 dx Escribiendo para cada variable inc´ ognita su aproximaci´ on en la forma: κ Mq (6. .37) Lo restante es todo similar a lo ya visto.0.2 m=1 ˆ= φ≈φ El m´ etodo de los residuos ponderados aplicado a la anterior se puede escribir como: 1 0 1 0 κ 1 ˆ dφ Nl.3. 6.1 κ d ξ . Mφ dx 0 (6. . 2 nodos con 2 grados de libertad por nodo. .1 Nm . Me Secci´ on 6. 2.39) φm Nm.2 1 −1 Nl . Por el cambio en el tipo de derivada solo se modifica el miembro derecho con lo que el sistema a resolver se transforma en uno id´ entico a (6.m = dNm 1 − 1 N l . 2.1 dξ 0 1 he −1 Nl . El problema a resolver es el de conducci´ on del calor con fuente (ec.1 (6.2 = Nl Por cada elemento hay 4 inc´ ognitas.2 2 dξ dNm . . Las expresi´ on para el c´ alculo de las matrices elementales ahora contienen a su vez una matriz. . 2 × 2) se llega a: Ke l .

. No todas las combinaciones posibles para aproximar la velocidad y la presi´ on son ((docver curso-cfd-0.una combinaci´ on de las dos anteriores tipo h-p.1 constantes a trozos ).44) 1  dx dx  Ωe dNj φj 0 0 dx 6.6..1 κ dξ dξ  (6.42)    dN2. De esta forma en cada elemento la cantidad de grados de libertad se reduce de 4 a 3.2 dx 1 0 1 =− 0 QNl.2 1 0 −1 N2. El tratamiento de la compresibilidad pone una fuerte restricci´ on en la elecci´ on de los espacios funcionales.2 1 −1 N2. Desde el punto de vista pr´ actico la mejor soluci´ on es la alcanzar la mayor precisi´ on al menor costo posible. Interpolaci´ on de mayor orden en 1D lo cual produce la siguiente matriz elemental  1 dN1.1 N1..2 dξ dξ 1 he −1 N1.1 1 . La motivaci´ on de mejorar la aproximaci´ on a la soluci´ on del problema conduce a varias clases de refinamiento..1 = Nm. 2.´todo de los elementos finitos Cap´ ıtulo 6.2 2 dξ dN2.2 dξ dξ 1 he −1 N2.2 2 dξ dN2. en ciertas aplicaciones la definici´ on de las funciones de interpolaci´ on est´ a muy restringida por la formulaci´ on del problema.1 κ dξ dξ dN1.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 164 . 3. Interpolaci´ on de mayor orden en 1D Tanto en el cap´ ıtulo anterior como en las secciones anteriores del prsente hemos introducido el concepto de aproximaci´ on mediante el uso de funciones de prueba con cierta suavidad aplicada a todo el dominio m´ etodos globales o aquellas definidas elemento a elemento m´ etodos locales con interpolaci´ on constante o lineal por elemento. entre ellas las m´ as usuales son: 1.1 1  1 N N he dξ  − 1 2 .1 1  N κ dξ  dξ − 1 2 .2 2 dξ −1 N1. Otra alternativa para (6.43) y por haber disminuido el orden de diferenciaci´ on sobre q podemos usar funciones de forma constantes a trozo tanto para interpolar esta funci´ on como para pesar la misma (Nl.40) es debilitar la segunda ecuaci´ on y cambiarla de signo: 1 q ˆ 0 dNl.1 N2. Esta u ´ltima alternativa condujo a la forma m´ as simple de definir el m´ etodo de los elementos finitos . . Si bien la elecci´ on es muy dependiente del problema es cierto que en muchas aplicaciones refinar en el polinomio de aproximaci´ on es el camino ´ optimo. . No obstante.2 dx l = 1. Mφ (6. .1 1 −1 N1.6.1 1 he −1 N1.usar una malla fija y una interpolaci´ on de mayor orden tipo p. Ejemplos de este caso lo tenemos en las formulaciones aplicadas a la resoluci´ on de flujo compresible e incompresible.1 N2. 2.2 dx − q ˆNl. los dos valores de φ en los nodos y el valor de q en el centro del elemento.2  − 1 N 1 .1 0 0 Lo que sigue es simplemente calcular las integrales y resolver el sistema.1 κ dξ dξ  1 1.2 dξ dξ dN2. Me Secci´ on 6.usar una interpolaci´ on de bajo orden y refinar la malla tipo h. La contribuci´ on elemental se escribe como:    dNi 0 0 φi  dNi dx dNj    e e qe dx K φ = (6.0.2 d N 0 e dξ dξ K = dN1.2 2 −1 N2.2 1 −1 N1.

aunque la extensi´ on a muchas dimensiones es tan directa como la del caso lineal. no obstante. Me Secci´ on 6. Consideremos un dominio Ω subdividido en elementos Ωe de tama˜ no h y tomemos funciones de prueba interpoladas mediante un polinomio completo de grado p. Es claro que si la soluci´ on exacta del problema es un polinomio de grado menor o igual a p la soluci´ on num´ erica ser´ a exacta (sin tener en cuenta errores de redondeo) independientemente del peso utilizado. Entonces se requiere que: φ(∆x) = φ|O + ∆x p+1−d≥1⇒p−d≥0 (6. Hab´ ımos visto oportunamente que al debilitar la formulaci´ on disminu´ ıan los requisitos ((docver curso-cfd-0.1. Si nos limitamos a una interpolaci´ on polinomial el tratamiento se simplifica mucho. No obstante existen otros m´ etodos que son aditivos en el sentido que dada una funci´ on de forma de grado n se puede generar aquella de orden n + 1 usando la de grado n y agregandole alguna funci´ on adicional. Por otro lado la advecci´ on dominante requiere la estabilizaci´ on num´ erica del problema que se hace cada vez m´ as complicada de definir a medida crece el orden de los polinomios interpolantes. Esta forma vaga de definirla se deb´ ıa a la generalidad de la elecci´ on de las funciones de prueba.46) Este requisito de completitud pone de manifiesto la utilidad de la formulaci´ on d´ ebil presentada anteriormente. .0. Obviamente que la soluci´ on en general no ser´ a polinomial.6. La m´ as standard es la de utilizar una base de Lagrange en la cual cada grado polinomial diferente se alcanza con un juego de bases diferentes. Dado un grado polinomial. es claro que el menor orden para la aproximaci´ on de la soluci´ on debe ser tal que la representaci´ on del operador diferencial de la soluci´ on sea O(h) por razones de completitud. Es de notar que la aproximaci´ on a la primera derivada ser´ a O(hp ) y aquella correspondiente a la derivada d-´ esima ser´ a O(hp+1−d ) Volviendo a la formulaci´ on general del m´ etodo de los residuos ponderados o a aquella del m´ etodo de los elementos finitos vimos que estaban involucrados dos operadores diferenciales L y M. Estos operadores contienen derivadas y supongamos que la m´ axima derivada sea d. Estas son las principales causas por las cuales en el tratamiento num´ erico de modelos f´ ısicos m´ as complicados se prefiere el uso de funciones de interpolaci´ on de bajo orden y se refina sobre el tama˜ no de la malla. (6. Interpolaci´ on de mayor orden en 1D permisibles. Grado de las funciones de prueba y velocidad de convergencia La discusi´ on acerca de la estimaci´ on del error y la convergencia de una aproximaci´ on en general es algo complicado de tratar y anteriormente solo mencionamos que la convergencia se alcanzar´ a si la aproximaci´ on es completa.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 165 . 6. De todos modos nosotros aqu´ ı presentaremos algunos detalles acerca de la interpolaci´ on de mayor orden restringida al caso unidimensional. . Este m´ etodo es denominado formas jer´ arquicas de aproximaci´ on y son computacionalmente muy eficientes aunque su uso no ha sido muy difundido a´ un.6.´todo de los elementos finitos Cap´ ıtulo 6.45) dx 2 dx2 donde la serie de Taylor se ha tomado alrededor del punto O. Entonces al usar funciones de prueba polinomiales de grado p estamos aproximando exactamente los primeros p + 1 t´ ermino en (6. (∆x)2 d2 φ dφ |O + |O + . existen muchas formas para generar funciones de forma que tengan ese orden de aproximaci´ on. existiendo un criterio a satisfacer (critero de inf-sup) para los espacios funcionales. si no contiene singularidades (en la funci´ on o en alguna de sus derivadas) puede ser bien aproximada por una expansi´ on en series de Taylor.45) y el error de la aproximaci´ on se vuelve O(hp+1 .

reducir el orden de diferenciaci´ on del operador diferencial disminuye el orden de la m´ ınima interpolaci´ on necesaria para garantizar convergencia en malla. al debilitarlo usando el m´ etodo de Galerkin las mayores derivadas son de primer orden con lo cual se requieren funciones C 0 para satisfacer continuidad entre elementos y como m´ ınimo funciones lineales para obtener convergencia en malla. . Este contiene como m´ aximo segundas derivadas. Como ejemplo a esto podemos mencionar el caso del operador involucrado en un problema de conducci´ on del calor. La aproximaci´ on lineal mostrada en la parte superior de la figura asegura que la aproximaci´ on es lineal sobre todo el elemento y que los par´ ametros asociados a los nodos corresponden a los valores nodales en los mismos nodos. Ahora se pone de manifiesta una segunda ventaja de la debilitaci´ on.0.2. .7 y tomamos un elemento e de la malla con sus nodos extremos numerados como 0 y 1. .2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 166 .50) ξ = ξp De esta forma surgen las funciones de prueba para el caso cuadr´ atico: ((docver curso-cfd-0. En general.48) ξ0 = −1 Extendiendo lo anterior la caso c´ ubico y luego generalizando es posible definir cada una de estas funciones resolviendo un sistema lineal para los coeficientes de cada funci´ on de forma asociada con cada nodo. una por cada nodo. Me Secci´ on 6. . . . Adem´ as de esta forma se garantiza la continuidad C 0 . (6. . Funciones de forma de alto orden standard de la clase C 0 Sea el conjunto de elementos unidimensionales como el ilustrado en la figura 6. o sea: Nle (ξ ) ∈ P2 (ξ ) Nle (ξ ) = 1 0 ξ = ξl ξ = ξm l. m = 0. 2 p Nle = α0 + α1 ξp + α2 ξp + · · · + αp ξp (6.47) La extensi´ on al caso cuadr´ atico se logra definiendo un nodo intermedio y tomando ahora tres funciones. . Interpolaci´ on de mayor orden en 1D de continuidad de la aproximaci´ on.49) ξ = ξl Nle = α0 + α1 ξl + α2 ξl2 + · · · + αp ξlp . 2 ξ1 = 0 ym=l ξ2 = 1 (6. 6. si el grado del polinomio es p. con la condici´ on de ser cuadr´ atica dentro del elemento y valer uno en el nodo asociado y cero en los otros dos. Usando la idea de mapeo al elemento de referencia las funciones de forma se escriben como: e N0 = 1/2(1 − ξ ) e N1 = 1/2(1 + ξ ) (6. entonces habr´ a p + 1 nodos en el elemento y Nle = α0 + α1 ξ + α2 ξ 2 + · · · + αp ξ p ξ = ξ0 ξ = ξ1 p 2 Nle = α0 + α1 ξ0 + α2 ξ0 + · · · + αp ξ0 p 2 Nle = α0 + α1 ξ1 + α2 ξ1 + · · · + αp ξ1 . 1.6. .6. .´todo de los elementos finitos Cap´ ıtulo 6.

El decentraje deb´ ıa hacerse aguas arriba considerando la orientaci´ on del flujo y esto pudo explicarse desde muchos puntos de vista. u Pe = (6. Nuestro inter´ es por este tema surge de la gran popularidad que ha tomado este tipo de formulaciones en el ´ area de la mec´ anica de fluidos. La t´ ecnica del upwindind surgi´ o en el ´ area de las diferencias finitas como intento de evitar las mencionadas oscilaciones y fue planteada sobre la base de aplicar una aproximaci´ on en diferencias decentrada a la derivada primera. con L una dimensi´ on caracter´ ıstica del problema. Me Secci´ on 6. Problemas con advecci´ on dominante . de ser una el´ ıptica pasa a ser hiperb´ olica y este cambio depende sobre la competencia entre los t´ erminos convectivos y los difusivos.M´ etodo de PetrovGalerkin Como ya hemos visto al introducir los m´ etodo de los residuos ponderados estos m´ etodos se basan en definir funciones de peso diferentes a las elegidas para interpolar la soluci´ on. Si barremos el valor de Peclet desde 0 → ∞ vemos que la ecuaci´ on cambia de tipo. naturalmente hallados en problemas de mec´ anica de fluidos.0. lo cual da or´ ıgen a una gran variedad de posibilidades. Al resolver el problema por diferencias finitas centradas aparecen oscilaciones cuando el Peclet de la grilla supera un valor pr´ oximo a la unidad.52) 6. especialmente el m´ etodo denominado SUPG.´todo de los elementos finitos Cap´ ıtulo 6. d2 φ dφ =κ 2 dx dx Entonces adimensionalizando la ecuaci´ on anterior surge el n´ umero de Peclet.54) κ relaci´ on entre la convecci´ on y la difusi´ on.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) . Si bien no es nuestro inter´ es aqu´ ı hacer historia sobre este tema podemos mencionar que la idea del m´ etodo SUPG fue tratar de buscar el efecto producido por las ya conocidas y efectivas t´ ecnicas de upwinding para evitar oscilaciones num´ ericas producidas cuando en las ecuaciones de transporte dominan los t´ erminos convectivos sobre los restantes. Uno de los m´ as importantes es aquel ligado al concepto de error de truncamiento explic´ andose la aparici´ on de las oscilaciones del hecho que al truncar la aproximaci´ on centrada esta 167 ((docver curso-cfd-0. si φ es la temperatura equivale a la conducci´ on del calor. La siguiente es un ejemplo t´ ıpico de una ecuaci´ on de transporte donde el miembro izquierdo representa la convecci´ on y es proporcional a la velocidad con que se mueve el fluido mientras que el miembro derecho es el t´ ermino difusivo.53) |u|L (6. Lo que se pretende aqu´ ı es introducir este tema que inmediatamente encontrar´ a su utilidad cuando se pretenda resolver problemas dominados por advecci´ on.7.M´ etodo de Petrov-Galerkin e N0 = 1/2ξ (1 − ξ ) e N1 = (1 + ξ )(1 − ξ ) e N2 = 1/2ξ (1 + ξ ) (6. Problemas con advecci´ on dominante .7.51) y para el caso c´ ubico 9 1 1 (ξ + )(ξ − )(ξ − 1) 16 3 3 27 1 e N2 = − (ξ + 1)(ξ + )(ξ − 1) 16 3 e N0 =− 27 (ξ + 1)(ξ − 16 9 1 e N3 = (ξ + )(ξ − 16 3 e N1 = 1 )(ξ − 1) 3 1 )(ξ + 1) 3 (6.

combinaciones de Pei la soluci´ on constante y otra del tipo φ = 1+ 1−P e . Esta soluci´ oscilaci´ on num´ erica que puede arreglarse refinando el elemento siempre que exista algo de difusi´ on en el problema. Problemas con advecci´ on dominante . El esquema resultante es: φi+1 − 2φi + φi−1 φi+1 − φi−1 =k 2∆x ∆x2 P e(φi+1 − φi−1 ) = φi+1 − 2φi + φi−1 a (6.2 = 1 1+P e 1− P e (6. Me Secci´ on 6.59) El caso de P e → ∞ transforma la ecuaci´ on de segundo grado en otra de primer grado. del ´ orden de la unidad. lo cual implica una oscilaci´ on irremediable. ((docver curso-cfd-0.7. generando las raices ξ = ±1 . sea removida. Extrapolando al caso de mec´ anica de fluidos esta situaci´ on se presenta en el caso de flujo viscoso (Navier-Stokes) cuando el Reynolds del elemento supera un valor cr´ ıtico.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 168 . Usando diferencias finitas descentradas aguas arriba equivale a que la raiz negativa introducida por el t´ ermino cuadr´ atico. El problema surge cuando P e > 1 ya que en este caso 1+P e una de las ra´ ıces es negativa y genera soluciones del tipo φ = (−1)i |1 on contiene una −P e| .56) (6.57) (6.M´ etodo de Petrov-Galerkin introduce una especie de difusi´ on num´ erica negativa que compite con la f´ ısica.´todo de los elementos finitos Cap´ ıtulo 6. de forma de que ahora el esquema es: i φi+1 − 2φi + φi−1 φi − φi−1 =k ∆x ∆x2 2P e(φi − φi−1 ) = φi+1 − 2φi + φi−1 a (6. Para ver mejor esto recurrimos nuevamente a la ecuaci´ on de advecci´ on-difusi´ on en 1D y la discretizamos por diferencias finitas centradas. o sea que el P e = ∞. Si P e < 1 las dos ra´ ıces son positivas lo cual genera soluciones positivas. Es por ello que es usual aproximar la primera derivada con una diferencia hacia atr´ as. Una situaci´ on extrema ocurre en el caso de los modelos inv´ ıscidos. o sea el nodo aguas abajo.0. All´ ı la difusi´ on f´ ısica es nula y por m´ as que refinemos el P e → ∞. lo cual es completamente equivalente a haberlo hecho por m´ etodo de los elementos finitos .55) con P e = a∆x2k es el n´ umero de Peclet del elemento y aqu´ ı hemos asumido coeficientes constantes y malla uniforme.58) Vemos que si P e = 1 la ecuaci´ on degenera en una de primer grado con la soluci´ on ξ = 1 o sea φ = constante. Existe un cierto valor del n´ umero de Peclet para el cual la difusi´ on num´ erica supera a la f´ ısica y de acuerdo a argumentos termodin´ amicos se viola el segundo principio y el problema pasa a estar mal planteado. La soluci´ on exacta a este problema es del tipo: φi = ξ i que reemplazada en la ecuaci´ on produce la siguiente ecuaci´ on algebraica de segundo grado: ξ 2 (P e − 1) + 2ξ − (P e + 1) = 0 la cual produce las siguientes ra´ ıces: ξ1. lo cual genera una u ´nica soluci´ on (constante) lo cual tiene sentido f´ ısico ya que el operador diferencial tambi´ en cambia de tipo (´ orden) cuando sucede esto.

y por el lado contrario si no introducimos la suficiente aparecer´ an oscilaciones no f´ ısicas. por ejemplo mediante el uso del m´ etodo de los residuos ponderados Petrov-Galerkin.64) dξ aster y la funci´ on ψ (P e) es donde || d x u|| equivale al vector velocidad transformado al elemento m´ la llamada funci´ on m´ agica definida m´ as arriba.61) Pe En el contexto del m´ etodo de los elementos finitos el mismo efecto puede lograrse de varias formas. Para ello se ha recurrido al caso unidimensional lineal el cual tiene soluci´ on exacta y se ha demostrado que la forma de corregir es introducir una funci´ on denominada m´ agica del tipo: 1 (6.´todo de los elementos finitos Cap´ ıtulo 6.7.62) y definiendo a la funci´ on de peso como: dNl (6. Sin entrar en detalles las conclusiones han sido que el problema se suscita en los bordes entre elementos y que la formulaci´ on variacional que surge del planteamiento de la forma d´ ebil del m´ etodo de los residuos ponderados arroja la satisfacci´ on de las ecuaciones en el interior de los elementos y de los flujos en los bordes. Tomando la ecuaci´ on (6. Para ver esto se puede partir de la ecuaci´ on discreta centrada (6. ψ (P e) = coth(P e) − Wl u Ω ˆ dWl dφ ˆ dφ − κ =0 dx dx dx (6. luego Wl ∈ C −1 con lo cual se plantea una dificultad matem´ atica que ha sido muy bien estudiada.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 169 .55) ermino introducido artificialmente: y restarle la reci´ en obtenida (6. Me Secci´ on 6. Seg´ un la definici´ on Nl ∈ C 0 . Se sabe que esto es correcto solo cuando P e → ∞ y que cuando P e asume valores pr´ oximos al valor cr´ ıtico la difusi´ on introducida debe ser corregida para evitar soluciones muy suavizadas. lo cual pone en evidencia el t´ a∆x φi+1 − 2φi + φi−1 a φi+1 − 2φi + φi−1 = 2∆x 2 ∆x2 = (6.60) x on artificial. Un aspecto de importancia es la continuidad de las funciones de peso.M´ etodo de Petrov-Galerkin El upwind puede verse como el agregado de viscosidad artificial o difusi´ on artificial en pos de contrarestar la difusi´ on negativa que introduce la discretizaci´ on. Problemas con advecci´ on dominante . ((docver curso-cfd-0. El par´ ametro τ debe ajustarse en funci´ on de la cantidad de perturbaci´ on (difusi´ on artificial) a agregar. con a∆ 2 funcionando como una especie de difusi´ Lo anterior se lo conoce como la t´ ecnica de full upwind.53).59).0. De todos modos existen muchos trabajos que dan cuenta de la buena confiabilidad de la definici´ on: Wl = Nl + τ u τ = ψ (P e) 1 dξ || d x u|| (6. Controlar esta difusi´ on agregada artificialmente es importante ya que si nos excedemos la soluci´ on es sobredifusiva y estamos resolviendo un problema con mayor difusi´ on que la real.63) dx donde el primer t´ ermino reproduce el m´ etodo de Galerkin mientras que el segundo es una perturφ baci´ on cuyo efecto en la matriz es tal que al ser aplicado a un t´ ermino proporcional a d dx produce un t´ ermino similar a uno difusivo.

6. Nosotros aqu´ ı solo trataremos el caso de funciones de prueba de clase C 0 multilineales sobre elementos de forma triangular o cuadrangular. η ) = η Como se puede apreciar geom´ etricamente con 3 puntos definimos exactamente un plano y por lo tanto el gradiente de cualquier funci´ on φ definida como combinaci´ on lineal de sus tres valores nodales ser´ a constante dentro del elemento.2. k y ubicados en los v´ ertices del mismo como se muestra en la figura 6. 3 respectivamente. xk . k se posicionan en 1.65) en x = xj . 2.´todo de los elementos finitos Cap´ ıtulo 6. La extensi´ on al caso de sistemas de ecuaciones. y = yi (6.8. a diferencia del caso unidimensional. Dado que en el caso multidimensional se presentan situaciones geom´ etricas completamente arbitrarias lo mejor para ordenar el tratamiento del tema es introducir las funciones de forma en el elemento master y luego mencionar los detalles del mapeo que transforma las coordenadas reales en las del elemento de referencia. y ) = 0 ∪e∈Sie Ωe con Ni (x. y ) = 1 Nie (x. El caso multidimensional Introducci´ on En esta secci´ on por su simplicidad presentaremos el caso 2D siendo directa la extensi´ on a 3D. El caso multidimensional Su extensi´ on al caso multidimensional di´ o or´ ıgen a los m´ etodos denominados Streamline diffusion ya que introducen la difusi´ on seg´ un las l´ ıneas de corriente. El mapeo de cualquier tri´ angulo al elemento master puede verse en la figura 6.1. η ) = 1 − ξ − η N2 (ξ. y ) tal que.8. tal como ocurre con los modelos de Navier-Stokes y Euler requieren un estudio un poco m´ as detallado del tema y ser´ a abordado en futuros cap´ ıtulos. Calcularemos primero el mapeo. ahora no se cuenta con una soluci´ on que permita controlar la cantidad de difusi´ on a agregar y esta debe ser introducida acorde a criterios ad-hoc.8. j. Me Secci´ on 6. Elemento triangular El tri´ angulo es una forma particularmente muy u ´til porque permite representar con bastante precisi´ on dominios de forma arbitraria. Estos m´ etodos han mostrado ser muy robustos y eficientes a la hora de resolver problemas de flujo de fluidos no obstante. yk con Ni (x. 6. Nie (x. ((docver curso-cfd-0. η ) = ξ N3 (ξ.66) 170 .3 buscamos una funciones de forma elemental Nie (x.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) (6. y = yj . Para un tri´ angulo t´ ıpico e con nodos numerados en sentido antihorario i. En cuanto a las funciones de interpolaci´ on existe mucha bibliograf´ ıa en la cual se puede hallar las expresiones de las mismas tanto para funciones de diferente grado de continuidad como de diferente orden polinomial.8.0. j. y ) continua sobre ∪e∈Sie Γe Sie con el conjunto de elementos que contienen al nodo i. donde los nodos i.8. Las funciones de interpolaci´ on lineales que satisfacen lo anterior son: N1 (ξ. y ) =o en x = xi . 6.

y ¯) y viceversa. Retomando lo dicho antes con la aproximaci´ on de la soluci´ on tenemos 3 3 e uk Nk (x(ξ.73) Con toda esta informaci´ on es posible reemplazar en las integrales que surgen al aplicar el m´ etodo de los residuos ponderados y obtener tanto la matriz del sistema como el vector miembro derecho. ¯) podemos calcular inmediatamente su correspondiente (¯ x. El caso multidimensional 3 x(ξ.´todo de los elementos finitos Cap´ ıtulo 6.69) (6. Me Secci´ on 6.67) y (ξ.68) ue = u1 + ξ (u2 − u1 ) + η (u3 − u1 ) ∂ue ∂ξ ∂ue ∂η ∂ue ∂ξ ∂ue ∂η ∂ue ∂ue = . η ) = x1 (1 − ξ − η ) + x2 ξ + x3 η = x1 + ξ (x2 − x1 ) + η (x3 − x1 ) 3 (6. y ) = Entonces (6. u Lo mismo vale para los elementos del jacobiano y su inversa J= 1 |J | ∂ξ ∂x ∂ξ ∂y ∂η ∂x ∂η ∂y (6. η ) ue (x. y. + . η ). La ventaja del uso de elementos triangulares radica en que al ser los gradientes constantes permiten simples reglas de integraci´ on. η )) = k=1 k=1 e uk Nk (ξ.0.70) J −1 = ∂x ∂ξ ∂x ∂η ∂y ∂ξ ∂y ∂η (6. η ) = k=1 xk Nk (ξ. No obstante m´ as adelante veremos que en pos dee generalizar el tratamiento ((docver curso-cfd-0.8. + ∇u e = ∂x ∂y ∂ξ ∂x ∂η ∂x ∂ξ ∂y ∂η ∂y donde ∂φ = φ2 − φ1 = constante ∂ξ ∂φ = φ3 − φ1 = constante ∂η con φ = x.72) con el determinante del jacobiano expresado como |J | = (x2 − x1 )(y3 − y1 ) − (y2 − y1 )(x3 − x1 ) (6.71) J= (y3 − y1 ) −(y2 − y1 ) −(x3 − x1 ) (x2 − x1 ) J −1 = (x2 − x1 ) (y2 − y1 ) (x3 − x1 ) (y3 − y1 ) (6. y (ξ.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 171 . η ) = y1 (1 − ξ − η ) + y2 ξ + y3 η = y1 + ξ (y2 − y1 ) + η (y3 − y1 ) ¯η De lo cual surge que dado un par (ξ. η ) = k=1 yk Nk (ξ.

Elemento cuadrangular Los elementos cuadrangulares si bien poseen menos posibilidades de representar con precisi´ on un dominio de forma arbitraria tienen como ventaja su buena performance en aplicaciones de mec´ anica de fluidos. Me Secci´ on 6.0. un par´ ametro que afecta el costo de resolver el sistema en forma dr´ astica. El caso multidimensional introduciremos la integraci´ on num´ erica como medio para evaluar las mismas. En el caso de elementos cuadrangulares la transformaci´ on al elemento m´ aster se ilustra en la figura 6. ((docver curso-cfd-0. Este procedimiento puede visualizarse en la figura 6.3.´todo de los elementos finitos Cap´ ıtulo 6.8.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 172 . 6.8. Visualizando el elemento e = 1 si por un momento alteramos la numeraci´ on intercambiando aquella del nodo 4 con la del nodo 17.9 donde se muestra un ejemplo 2D discretizado mediante elementos triangulares lineales.10. entonces la matriz ser´ a llena y el ancho de banda coincide con la dimensi´ on completa de la matriz. Una vez que las contribuciones elementales han sido computadas se deben agregar a la matriz global. La forma en que se hace la numeraci´ on de la malla influye notablemente en la posici´ on de los elementos no nulos de la malla y esto influye directamente sobre la definici´ on del ancho de banda de la matriz.

8.´todo de los elementos finitos Cap´ ıtulo 6. Me Secci´ on 6. El caso multidimensional Figura 6.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 173 .4: Continuidad de las funciones de forma ((docver curso-cfd-0.0.

2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) .8.6: Malla del ejemplo 1 174 ((docver curso-cfd-0. Me Secci´ on 6.´todo de los elementos finitos Cap´ ıtulo 6. El caso multidimensional Figura 6.5: Funciones de forma de mayor orden e=1 e=2 e=3 I=1 2 3 4 1 1 2 3 4 2 3 4 Figura 6.0.

2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 175 .8.7: Aproximaciones de mayor orden ((docver curso-cfd-0. Me Secci´ on 6.0. El caso multidimensional Figura 6.´todo de los elementos finitos Cap´ ıtulo 6.

Me Secci´ on 6.0) Figura 6.0) ((docver curso-cfd-0. El caso multidimensional y k (0.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 176 .8.1) j η 3 i x ξ (0.0.´todo de los elementos finitos Cap´ ıtulo 6.8: Mapeo para elementos triangulares 1 2 (1.

8.9: Ensamble para mallas triangulares ((docver curso-cfd-0. El caso multidimensional Figura 6.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 177 .´todo de los elementos finitos Cap´ ıtulo 6.0. Me Secci´ on 6.

y η l i x k 4 j 1 (−1.1) 3 2 ξ Figura 6. +1 . Esto agrega complicaci´ on algebraica al c´ alculo de las integrales y es aqu´ ı donde m´ as r´ edito se obtiene de emplear integraci´ on num´ erica.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 178 .74) Esto origina un polinomio incompleto de segundo grado. η ) = k=1 xk Nk (ξ. −1 − 1 . −1 .75) ¯η Entonces dado (ξ. +1 .´todo de los elementos finitos Cap´ ıtulo 6. y ¯) pero no podemos plantear la correspondencia inversa ya que el sistema es incompletamente cuadr´ atico. El caso multidimensional Las funciones de interpolaci´ on se calculan como el producto cartesiano de las funciones de prueba unidimensionales (funciones bilineales) y pueden escribirse como: 1 Ni = (1 + ξi ξ )(1 + ηi η ) 4 ξi = ηi = − 1 . De la misma forma que en el caso triangular el mapeo se logra interpolando cada coordenada seg´ un: 4 x(ξ.8.0. En estos casos ni los gradientes ni los jacobianos son constantes por elemento sino que dependen de la posici´ on. η ) = 1 x1 (1 − ξ )(1 − η ) + x2 (1 + ξ )(1 − η ) + x3 (1 + ξ )(1 + η ) + x4 (1 − ξ )(1 + η ) = = 4 x1 + x2 + x3 + x4 (x3 + x4 ) − (x1 + x2 ) (x2 + x3 ) − (x1 + x4 ) = +η + +ξ 4 4 4 (x1 + x3 ) − (x2 + x4 ) + ξη 4 (6. Me Secci´ on 6. ¯) podemos calcular inmediatamente su correspondiente (¯ x.−1) (1. +1 (6.10: Mapeo elemento cuadrangular ((docver curso-cfd-0. +1 .

y ) a otro ˆ ξ.76) xk = fk (ξj ) con ndm el n´ umero de dimensiones del dominio o n´ umero de variables independientes espaciales. y ). Por transformaci´ on de coordenadas o mapeo del ingl´ es mapping entendemos una transformaci´ on un´ ıvoca entre (ξ. k = 1.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 179 . . Para entrar en tema consideremos la familiar transformaci´ on de coordenadas cil´ ındricas polares a cartesianas. η ) z = f3 (ξ. El caso multidimensional 6. . incluso sobre la totalidad del mismo.´todo de los elementos finitos Cap´ ıtulo 6.0. Me Secci´ on 6. No obstante eligiendo apropiadamente estas funciones se podr´ ıan obtener aproximaciones con mayor suavidad. . Con respecto a las derivadas especiales es necesario aplicar la regla de la cadena: ((docver curso-cfd-0.8. η ) y = f2 (ξ. Los requisitos de continuidad de las funciones en los contornos entre elementos se garantiza eligiendo apropiadamente las funciones de forma. o sea continuas con todas sus derivadas discontinuas. La complejidad de los dominios de c´ alculo hace necesaria una transformaci´ on de coordenadas de forma de poder llevar un dominio arbitrario Ω(x. tanto las coordenadas espaciales en el dominio global como el tiempo. donde x = r cos(θ) y = r sin(θ) ξ=r η=θ En la figura ?? vemos detalles bien conocidos de esta transformaci´ on. ndm (6. η ) donde realizar las operaciones tales como la integraci´ mucho m´ as simple Ω( on para el c´ alculo del sistema algebraico a resolver. En las aplicaciones standard del m´ etodo de los elementos finitos se usan funciones de forma del tipo C 0 . Cuando presentamos las diferentes t´ ecnicas num´ ericas aplicadas a los modelos vimos que existe la necesidad de derivar las funciones de forma respecto a las variables independientes. η ) y (x. .4. Transformaci´ on de coordenadas Tanto los m´ etodos globales como los locales de alto ´ orden requieren realizar integrales sobre porciones extendidas del dominio.8. los cuales dif´ ıcilmente pueden ser representados por elementos de forma simple. Una vez que se conocen las coordenadas en el dominio f´ ısico de cada uno de los elementos de la malla (xe . Supongamos que un mapeo en general se describa mediante funciones x = f1 (ξ. y e ) ∈ Ωe ⊂ Ω y elegido el tipo de mapeo a realizar fk (ξj ) se pueden escribir las funciones de forma y ˆ de tal forma de poder realizar las integraciones sus derivadas sobre el elemento de referencia master (Ω) propias del m´ etodo sobre este dominio sencillo apelando a t´ ecnicas standard de c´ alculo num´ erico como la integraci´ on por cuadratura gaussiana u otras. η ) () j.

En este caso cada una de las coordenadas espaciales pueden tratarse como si fueran una funci´ on m´ as a aproximar: M x= l=1 M Nle (ξ.0. η )yl l=1 y= Si elegimos las mismas funciones de forma para las variables dependientes e independientes. Con el mapeo se simplifica mucho el an´ alisis y la programaci´ on de los esquemas num´ ericos. η )xl (6.78) De esta forma tenemos todos los elementos necesarios para realizar cualquier integraci´ on que surge de la aplicaci´ on del m´ etodo de los elementos finitos . El caso multidimensional ∂Nle ∂ξ ∂Nle ∂η ∂Nle = + ∂x ∂ξ ∂x ∂η ∂x e e ∂Nl ∂ξ ∂Nle ∂η ∂Nl = + ∂y ∂ξ ∂y ∂η ∂y e −1 e ∇N l = J ∇ξ N l ∇ξ Nle = ∂Nle ∂ξ ∂Nle ∂η ∂x ∂ξ ∂x ∂η ∂y ∂ξ ∂y ∂η (6.77) J= donde J es el jacobiano de la transformaci´ on.´todo de los elementos finitos Cap´ ıtulo 6. entonces la aproximaci´ on se denomina isoparam´ etrica.79) κ(J −1 = −1 −1 ∇ξ Nle ) · (J −1 e ∇ξ N m )|J|dξdη Mapeo param´ etrico Una forma u ´til de definir un mapeo de entre muchas posibles alternativas es utilizando la misma clase de funciones utilizadas para interpolar la o las variables dependientes de un problema φ. De todas formas es posible aproximar a distinto orden las variables independientes y las dependientes aunque no es lo usual. Para ver como se transforma el area tomamos: dxdy = |J|dξdη (6. Me Secci´ on 6. una medida de la deformaci´ on que se requiere para llevar un diferencial de elemento en el dominio local a otro en el global.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 180 . Ya que las funciones de forma son continuas el mapeo param´ etrico ser´ a continuo. ((docver curso-cfd-0.80) Nle (ξ.8. Supongamos que tomamos la siguiente integral proveniente de un problema de conducci´ on t´ ermica sobre un dominio mapeable en un cuadrado: I= Ωe 1 e κ∇Nle · ∇Nm dxdy 1 (6. Como se alcanza a ver para que la transformaci´ on exista se requiere que el jacobiano sea inversible.

Sea la funci´ on Fp (ξ ) = α0 + α1 ξ + · · · + αp ξ p + cuya integral evaluada num´ ericamente mediante (6. Comparando este m´ etodo de cuadratura de Gauss-Legendre con el m´ etodo de Newton-Cotes vemos que este permite con 3 evaluaciones aproximar un integrando de 5to orden mientras que el de Newton-Cotes con 3 evaluaciones solo permite aproximar exactamente una funci´ on de tercer orden.82) I= −1 Fp (ξ )dξ = pg Fp (ξpg )wpg = (6.81) donde ξpg . El caso multidimensional 6.83) p p w0 (α0 + α1 ξ0 + · · · + αp ξ0 ) + w1 (α0 + α1 ξ1 + · · · + αp ξ1 ) + ···+ p wN pg (α0 + α1 ξN pg + · · · + αp ξN pg ) Comparando la integral exacta Iex = 2α0 + αp 2α2 + . Esto consiste en reemplazar la integral por una suma donde cada t´ ermino de la misma es el producto del integrando evaluado en cada punto de muestreo pesado con un valor correspondiente a cada uno de esos mismos puntos. Sin entrar en detalles t´ ecnicos acerca de este tema el cual es ampliamente tratado en cursos regulares de c´ alculo num´ erico podemos decir que en el contexto de m´ etodo de los elementos finitos es muy usual el m´ etodo de la cuadratura gaussiana.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) ..5. Para ganar en generalidad e incluso para facilitar la tarea se recurre a integrar num´ ericamente. Tanto la forma del elemento en principio arbitraria como el grado de las funciones de forma pueden complicar demasiado la evaluaci´ on anal´ ıtica del problema haciendo este procedimiento completamente dependiente de la aplicaci´ on.83) se establece un sistema de p + 1 ecuaciones con 2(N pg + 1) inc´ soluci´ on solo es posible cuando p + 1 = 2(N pg + 1) (6. La forma en que se deducen las coordenadas y los pesos en los puntos de muestreo diferencian a un m´ etodo de otro.0.81) nos da: 1 N pg (6..8.´todo de los elementos finitos Cap´ ıtulo 6. Este procedimiento define la posici´ on de los puntos de muestreo en el interior del dominio de forma de aproximar exactamente la integral de una funci´ on aproximada por un polinomio de grado ≤ p. wpg son las coordenadas de cada punto de muestreo y su correspondiente peso. 181 ((docver curso-cfd-0.8. Por ejemplo en 1D 1 N pg I= −1 G(ξ )dξ = pg G(ξpg )wpg (6. Me Secci´ on 6. [1 − (−1)p+1 ] 3 p+1 (6. Integraci´ on num´ erica El c´ alculo de las contribuciones elementales tanto de la matriz como del vector miembro derecho requiere resolver integrales sobre el dominio ocupado por cada elemento con un integrando que contiene al operador diferencial discreto pesado con alguna funci´ on de prueba.84) ognitas y la con la num´ erica (6.85) y ya que N pg es un entero p ser´ a siempre un n´ umero impar.

Podemos aproximar esta funci´ on de la forma habitual M ˆ=ψ+ φ≈φ m=1 am (y )Nm (x. La otra alternativa es en una segunda etapa discretizar la variable independiente tiempo mediante alguna t´ ecnica.87) con el orden de la ecuaci´ on diferencial ordinaria determinado por el m´ aximo orden de derivaci´ on respecto a y . Ahora.9. Discretizaci´ on parcial Si bien este m´ etodo fue presentado como para desacoplar el tratamiento de las variables espaciales respecto a la temporal tambi´ en puede ser aplicado al caso estacionario cuando queremos discretizar solo algunas de las variables espaciales y no todas.86) Reemplazando la anterior en el problema diferencial produce que todas las derivadas respecto a y permanecer´ an tal cual y las restantes derivadas asumir´ an su versi´ on discreta. Estos problemas. denominados de valores iniciales ocurren muy frecuentemente en las aplicaciones. discretizando en una primera etapa las variables espaciales se alcanza un sistema de ecuaciones diferenciales ordinarias que puede ser resuelto tal como est´ a aplicando t´ ecnicas ad-hoc para tal fin.1.9. llegando finalmente al sistema de ecuaciones diferenciales ordinarias siguiente: Ka + C da + ··· = f dy (6. Este tipo de soluci´ on prueba ser u ´til cuando el dominio es prism´ atico en y .´todo de los elementos finitos Cap´ ıtulo 6. Problemas dependientes del tiempo En esta clase de problemas el tiempo aparece como una variable independiente adicional y lo que se busca es la evoluci´ on temporal de la soluci´ on que a su vez es variable en el espacio. conduciendo nuevamente a un sistemas de ecuaciones algebraicas .1: Precisi´ on de la integraci´ on por Puntos de Gauss Las coordenadas de los puntos de muestreo y sus pesos correspondientes tanto para el caso 1D como para el multidimensional pueden consultarse en la abundante bibliograf´ ıa del tema. o sea no ((docver curso-cfd-0. En el caso estacionario la discretizaci´ on de las variables independientes (en este caso las espaciales) conduc´ ıa a un sistema de ecuaciones algebraicas. Supongamos que φ = φ(x.0. y.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 182 . Este m´ etodo se lo conoce como de semidiscretizaci´ on parcial. en problemas de inestabilidad de flujos. en problemas de difusi´ on transiente. z ) (6. 6. z ) sea una funci´ on a encontrar dependiente de las tres coordenadas espaciales. m´ etodo de los elementos finitos o m´ etodo de las diferencias finitas .9. Me Secci´ on 6. 6. Problemas dependientes del tiempo n+1 1 2 3 4 p 1 3 5 4 Cuadro 6. etc. en propagaci´ on de ondas.

2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 183 .2. La discretizaci´ on de la variable independiente tiempo se puede efectuar de muchas formas. 6. En general podemos decir que si el problema f´ ısico viene gobernado por la ecuaci´ on diferencial ∂2φ ∂φ −β 2 =0 ∂t ∂t entonces si la aproximaci´ on planteada es del tipo Lφ + p − α M en Ω (6. z ) (6. y. Discretizaci´ on espacio-temporal por elementos finitos La resoluci´ on del sistema de ecuaciones diferenciales ordinarias que fue presentado en la secci´ on anterior requiere de utilizar algoritmos num´ ericos que permitan integrar en el tiempo a las mismas.91) ecuaci´ on del calor lineal Posponemos para cap´ ıtulos posteriores la resoluci´ on de algunos problemas no estacionarios. Ejemplos t´ ıpicos de las ecuaciones anteriores son: ∂2φ 1 ∂2φ − =0 ∂x2 c2 ∂t2 ∂2φ ∂2φ ∂2φ κ( 2 + 2 ) + Q − ρc 2 = 0 ∂x ∂y ∂t propagaci´ on de ondas (6. entre ellas la m´ as usual es recurrir a esquemas simples en diferencias finitas.9.9. Esto consiste en discretizar la o las derivadas temporales mediante esquemas en diferencias y este tema ser´ a tratado con mayor grado de detalle m´ as ((docver curso-cfd-0. Problemas dependientes del tiempo depende de y . Me Secci´ on 6.89) entonces el sistemas de ecuaciones diferenciales ordinarias resultante se puede escribir como: M d2 a da +C + Ka = f 2 dt dt Mlm = Ω βWl Nm dΩ (6.90) αWl Nm dΩ Ω Clm = Klm = − Ω Wl LNm dΩ fl = Ω p + Lψ − α ∂ψ ∂2ψ − β 2 Wl dΩ ∂t ∂t Adecuadas condiciones de borde sobre Γ para todo instante t junto con valores iniciales para a a(t = 0) y para d dt (t = 0) si β = 0 deben suministrarse para un buen planteamiento del problema.´todo de los elementos finitos Cap´ ıtulo 6.0.88) ˆ=ψ+ φ≈φ m=1 am (t)Nm (x. La otra alternativa posible es la de discretizar el operador temporal de alguna forma para convertir el sistema de ecuaciones diferenciales ordinarias en un sistemas de ecuaciones algebraicas que puede resolverse de la misma forma que hemos visto para problemas en estado estacionario.

88) llegamos al siguiente sistema de ecuaciones diferenciales ordinarias da + Ka = f (6. 2. ahora exclusivamente en el tiempo. Por el momento solo ejemplificamos como se podr´ ıa efectuar esta discretizaci´ on para el caso de una ecuaci´ on como la (6. En los primeros no se requiere invertir ninguna matriz y el valor de la soluci´ on en un instante de tiempo se puede despejar directamente a partir de aquellos valores de la soluci´ on evaluada en tiempos anteriores.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 184 . La segunda alternativa que exploraremos con m´ as detalle a continuaci´ on es la de usar funciones de prueba dependientes del tiempo.92) M an+1 − 2an + an−1 an+1 − an−1 + C + Kan = f (∆t)2 ∆t tn + ∆ t donde vemos que existen tres niveles de tiempo tn−1 = tn − ∆t = (n − 1)∆t. M d2 a da +C + Ka = f 2 dt dt (6. tn = n∆t y tn+1 = = (n + 1)∆t y adem´ as hemos empleado operadores en diferencias centradas..0. Por su mayor grado de aplicaci´ on en el area de la mec´ anica de fluidos en la secci´ on que sigue trataremos exclusivamente el caso de ecuaciones de primer orden. Este tema ser´ a profundizado m´ as adelante.las matrices resultan en general no sim´ etricas aun usando el m´ etodo de Galerkin.93) dt Las condiciones iniciales implican conocer el valor de φ(t = 0) lo cual en forma discreta equivale a conocer a(t = 0) = a0 .90). En el caso impl´ ıcito esto no es factible y se requiere invertir un sistema. C ∞ ˆ= a≈a m=1 am N m (6.´todo de los elementos finitos Cap´ ıtulo 6. Me Secci´ on 6..9.problemas con tiempos caracter´ ısticos largos involucran un excesivo vol´ umen de c´ alculo. Entonces. La forma de llevar a cabo el c´ alculo da oria gen a dos clases de m´ etodos. los expl´ ıcitos y los impl´ ıcitos..94) ((docver curso-cfd-0. El hecho de que no sea esta una forma general de trabajo se debe a que: 1. para la inc´ ognita a se puede plantear.89) vemos que el problema espacial y el temporal est´ an desacoplados por lo que una posterior aproximaci´ on. 3. Problemas dependientes del tiempo adelante.la simple topolog´ ıa que existe en el dominio temporal ofrece poco atractivo para usar discretizaci´ on irregulares en el tiempo. De acuerdo a (6. En los u ´ltimos tiempos ha habido un gran inter´ es por el uso de formulaciones espacio-temporales para tratar problemas con dominios variables en el tiempo. Ecuaciones de primer orden Tomando el caso de β = 0 en (6.

2. 1. . 2.101) es v´ alida para cada elemento n de la discretizaci´ on temporal o sea que permite para cada n obtener los valores de la inc´ ognita a1 . a3 .96) se escribe como: tn+1 t < tn y t > tn+1 (6. . Existen extensiones a esto que involucran varios niveles de tiempo pero no ser´ an abordados por el momento. Consideremos un elemento n el tiempo con sus nodos extremos t = tn y t = tn+1 como se muestra en la figura 6. (6. (6.96) Si las funciones de peso elegidas satisfacen que Wn = 0 . .95) Aplicando el m´ etodo de los residuos ponderados a (6. 2. comenzando con el valor a0 . Si las matrices C y K fueran independientes del tiempo entonces: C ∆ tn 1 1 { Wn dT + K 0 0 T Wn dT }an+1 +{− = C ∆ tn 1 0 1 1 Wn dT + K 0 0 (1 − T )Wn dT }an = (6.0.9. 185 ((docver curso-cfd-0. Me Secci´ on 6. .8. (6. . . 1.97) C tn dˆ a ˆ − f (t) Wn dt = 0 + Ka dt n = 0. . Problemas dependientes del tiempo con am = a(t = tm ).´todo de los elementos finitos Cap´ ıtulo 6.99) la cual reemplazada en (6. Por lo tanto n n Nn =1−T Nn +1 = T n n dNn+1 −1 1 dNn = = dt ∆ tn dt ∆ tn t − tn T = ∆tn = tn+1 − tn ∆ tn (6. Este tipo de esquema de marcha temporal se lo denomina de dos niveles ya que cada c´ alculo involucra solo dos instantes de tiempo.93) llegamos a: ∞ C 0 dˆ a ˆ − f (t) Wn dt = 0 + Ka dt n = 0.98) produce 1 0 C (−an + an+1 ) + K{an (1 − T ) + an+1 T } − f (tn + ∆tn T ) Wn dT = 0 ∆ tn n = 0. .100) Estas funciones de peso equivalen a funciones constantes a trozos por elemento. .101) f (tn + ∆tn T )Wn dT (6. 1. a2 .2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) . el actual y el anterior. . .98) mientras que (6.94) se escribe como: n n ˆ = an N n a + an+1 Nn +1 (6. (6.

103) en (6.102) debe ser evaluado exactamente. . 1.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 186 .102) llegamos a: f = (1 − γn )f n + γn f n+1 con lo cual (6. o sea evaluada no en un punto en el espacio sino en un instante de tiempo.. .103) Reemplazando (6. 2. θ = 1.102) se escribe como: C + γn K an+1 + ∆ tn − C + (1 − γn )K an = (1 − γn )f n + γn f n+1 ∆ tn (6.0. Me Secci´ on 6.9. Algunos de los ejemplos m´ as citados son: 1.. Problemas dependientes del tiempo Para generalizar el tratamiento la expresi´ on (6. 3. En este caso lo de puntual debe reinterpretarse como su equivalente temporal.´todo de los elementos finitos Cap´ ıtulo 6. 0≤T ≤1 (6. .Crank-Nicolson.. entonces de (6.107) (6. θ = 0.101) puede reescribirse para ser usada con cualuquier funci´ on de peso de la siguiente forma: C + γn K an+1 + ∆ tn − C n + (1 − γn )K an = f ∆ tn 1 1 γn = 0 Wn T dT / 0 1 Wn dT Wn dT 0 (6. Si Wn = δ (T − θ).105) n (6.Esquema Forward Euler.105) nos da el bien conocido m´ etodo theta que se escribe como: C + θK an+1 + ∆ tn − C + (1 − θ)K an = (1 − θ)f n + θf n+1 ∆ tn (6. 2.104) Si f no fuera una funci´ on suave entonces (6.102) f = 0 n 1 f (tn + ∆tn T )Wn dT / y ya que la funci´ on f en general var´ ıan suavemente en el tiempo es algunas veces conveniente interpolarla mediante: n n f (tn + T ∆tn ) = f n Nn (T ) + f n+1 Nn +1 (T ) .102) surge que γn = θ la cual reemplazada en (6. n = 0.106) Este m´ etodo sirve como un marco te´ orico general ya que de ´ el se derivan muchos de los esquemas frecuentemente usado en la pr´ actica. θ = 1/2 ((docver curso-cfd-0. Algunos esquemas en particular Colocaci´ on Tomemos el caso del m´ etodo de los residuos ponderados utilizando como func´ on de peso la colocaci´ on puntual. .Esquema Backward Euler.

109) 2∆t 6 3 2∆t 6 6 3 6 que es un esquema de tres niveles de tiempo. Me Secci´ on 6. Consideremos las leyes de conservaci´ on de la forma: ∂U +∇·F=Q (6. t) = U1 (x) F · n ≡ Fn = g t=0 x∈Ω t ≥ 0 x ∈ Γ0 t ≥ 0 x ∈ Γ1 (6.10. Las leyes de conservaci´ on tal como fueron presentadas al comienzo forman un sistema de ecuaciones no lineales.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 187 . Su tratamiento no difiere a lo visto para el caso escalar y tampoco respecto a lo dicho sobre sistemas en el caso de la aplicaci´ on del m´ etodo de los residuos ponderados con aproximaciones globales. 6. 0) = U0 (x) U(x.10. El m´ etodo de los elementos finitos aplicado a las leyes de conservaci´ on Galerkin Si en lugar de usar colocaci´ on aplicamos el m´ etodo de Galerkin (Wn = Nn ) y si tomamos funciones de prueba de la clase C 0 satisfaciendo que: Nn = 0 ∀t ≤ tn−1 y t ≥ tn+1 (6. t´ ıpica en la modelizaci´ on matem´ atica de problemas de mec´ anica de fluidos.112) que seguido a una integraci´ on por partes conduce a ((docver curso-cfd-0. Hasta aqu´ ı hab´ ıamos considerado casi exclusivamente el caso escalar y lineal.0.´todo de los elementos finitos Cap´ ıtulo 6. Detalles acerca de la forma de resolver la semidiscretizaci´ on asi como la discretizaci´ on completa se posponen para un pr´ oximo cap´ ıtulo. El m´ etodo de los elementos finitos aplicado a las leyes de conservaci´ on En esta secci´ on presentamos una aplicaci´ on del m´ etodo de los elementos finitos a un sistema de leyes de conservaci´ on.110) ∂t siendo F el vector de flujos.108) al reemplazar en (6. Por lo tanto y por no abundar en detalles pasamos directamente a la aplicaci´ on del m´ etodo de los elementos finitos a las ecuaciones de conservaci´ on. De esta forma hemos visto que el tratamiento empleado sobre la discretizaci´ on espacial puede ser extendido a la temporal en forma directa donde los esquemas multipasos tienen su correspondencia con la aproximaci´ on de mayor orden en el tiempo.111) Definiendo una forma d´ ebil con W = 0 sobre Γ0 llegamos a W Ω ∂U dΩ + ∂t W(∇ · F)dΩ = Ω Ω WQ (6.98) se obtiene el siguiente esquema: 1 2 C 1 1 2 1 C + K an+1 + Kan + − + K an−1 = f n+1 + f n + f n−1 (6. Supongamos por un momento que solo incluimos los flujos convectivos dentro de ´ este y que aplicamos las siguientes condiciones iniciales sobre el dominio Ω y sobre el contorno Γ = Γ 0 ∪ Γ1 : U(x.

113) Interpolando la soluci´ on U= m Um (t)Nm (x) (6. la ecuaci´ on para el nodo j es: dUm dt Nm Nj dΩ − Ωj m Fm Ωj Nm · ∇Nj dΩ + Γ1 gNj dΓ = Ωj Nj Q (6.120) ((docver curso-cfd-0. En las aplicaciones habituales los sistemas a resolver son enormes en tama˜ no por lo que es casi imprescindible muchas veces recurrir a m´ etodos de resoluci´ on expl´ ıcitos.114) y debido a que el flujo es generalmente una funci´ on no lineal de U es preferible una representaci´ on separada para los flujos F= m Fm Nm (x) (6. t´ ecnica conocida con el nombre de lumping. La matriz de masa se define como: Mmj = Ωj Nm Nj d Ω (6. En diferencias dU finitas es usual una aproximaci´ on a dtj que conduce a una matriz diagonal mientras que en elementos finitos usando un m´ etodo tipo Galerkin la misma no es diagonal masa consistente. Lo anterior conduce a: Mmj m dUm − dt Fm · Kmj = m Ωj Nj Q − Γ1 Nj gdΓ (6.´todo de los elementos finitos Cap´ ıtulo 6.115) Usando el m´ etodo de Galerkin (W = N).2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 188 .10. Estos requieren que la matriz asociada al miembro izquierdo de la ecuaci´ on algebraica sea diagonal por lo que en el caso del m´ etodo de los elementos finitos lo que se suele hacer es concentrar los t´ erminos en la diagonal. Me Secci´ on 6.116) m donde Ωj es el subdominio formado por todos los elementos que contienen al nodo j y la suma sobre m cubre todos los nodos de Ωj .0. Mmj = ( m Mmj )δmj (6.119) Si tuvi´ eramos difusi´ on f´ ısica entonces la discretizaci´ on se lleva a cabo conforme a lo ya visto anteriormente y queda solo un comentario acerca del tratamiento de la matriz de masa. El m´ etodo de los elementos finitos aplicado a las leyes de conservaci´ on W Ω ∂U dΩ − ∂t (F · ∇)WdΩ + Ω Γ WF · dΓ = Ω WQ (6.117) mientas que la de rigidez es Kmj = Ωj Nm · ∇Nj dΩ (6.118) que como se alcanza a ver es no sim´ etrica.

i.Trabajo Pr´ actico m´ etodo de los elementos finitos en 1D 1.25 0.0. TP. .121) i.Repita (a) pero usando la siguiente numeraci´ on: x 0.. Me Secci´ on 6.00 Compare con (a) 2. b.00 0. TP.VI.funciones de prueba lineales a trozo definidas como Ni (xj ) = 1 0 i=j i=j .VI.´todo de los elementos finitos Cap´ ıtulo 6. con el extremo izquierdo en z = 0 y el derecho en x = 1.11. . Compare con la matriz obtenida en (a) c. j = 1. Eval´ ue que tipo de funciones de forma utilizar para resolver las ecuaciones diferenciales que abajo se muestran si se adopta el m´ etodo de Galerkin.Trabajo Pr´ actico 6.. 5 usando a. j nodos de la malla variando linealmente dentro de cada elemento. Fundamentar la selecci´ on hecha.75 1. (a) (b) (c) d2 φ +φ=0 dx2 2φ EI d +M =0 dx2 d2 M + kφ = −w dx2 EI d4 φ − kφ = −w dx4 189 i 1 5 3 4 2 (6.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) ..50 0.122) (6. Dada una malla unidimensional formada por 5 nodos equiespaciados y numerados consecutivamente de izquierda a derecha. Calcular la matriz K = {Kij } 1 Kij = 0 Ni Nj dx (6.123) ((docver curso-cfd-0.11. .usando funciones del tipo Ni = xi . .

Tome la ecuaci´ on del nodo central y eval´ ue el orden de precisi´ on del esquema. (Uso del FemCode en 1D) Usando el FemCode resolver el problema unidimensional d dφ (κ ) + φ = 1 dx dx φ(x = 0) = 0 φ(x = 1) = 1 utilizando elementos cuadr´ aticos y c´ ubicos. TP.16. 6. Me Secci´ on 6.Trazar la curva de error vs tama˜ no de elemento en forma logar´ ıtmica y estimar el orden de convergencia de la aproximaci´ on.32 y 64 elementos lineales. (Mapeo) Encuentre el mapeo isoparam´ etrico a un elemento serend´ ıpido de 8 nodos del elemento de la figura. (Integraci´ on num´ erica) En el c´ omputo por elementos finitos es muy usual evaluar integrales del tipo ∂Ni ∂Nj Ωe ∂xk ∂xl dxk dxl 0≤x≤1 (6. (Uso del FemCode en 1D) Usando el programa FemCode resolver la ecuaci´ on d2 φ −φ=1 dx2 φ(x = 0) = 0 φ(x = 1) = 1 usando 4. Determine el n´ umero de puntos de Gauss que se necesitan tomar si requerimos que ambas integrales se eval´ uen exactamente usando elementos : ((docver curso-cfd-0. c.8.VI. (Mapeo) Un elemento de 4 nodos se muestra en la figura siguiente. Resolver la ecuac´ on d + φ = 0 con φ(x = 0) = 1 y φ(x = 1) = 0 usando el m´ etodo de Galerkin dx2 con 4 elementos lineales de igual tama˜ no.Compare lo obtenido con lo te´ orico.. 5.125) y Ωe Ni Nj dxk dxl .0.11.Calcule la soluci´ on exacta de este problema. a.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 190 . Construya un mapeo isoparam´ etrico entre este y un elemento bilineal cuadrado sobre −1 ≤ ξ. b.. Ayuda: Expandir usando series de Taylor la ecuaci´ on del nodo 4. 8.. 7.´todo de los elementos finitos Cap´ ıtulo 6. η ≤ 1. con el borde curvo descripto por la funci´ on y 4 = 5x.Trabajo Pr´ actico 2 φ 3.124) (6. Hacer un estudio del orden de convergencia de cada uno de ellos.

´todo de los elementos finitos Cap´ ıtulo 6.Trabajo Pr´ actico (a) triangulares (b) cuadrangulares de 4 nodos (c) cuadrangulares de 9 nodos 9.11. Repita el ejemplo anterior usando una velocidad no alineada con la malla. Sacar algunas conclusiones de acuerdo a los resultados obtenidos.VI.v = [1.v = [1..2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 191 . y ) ∈ [0.1 y re = 1 un problema de conducci´ on t´ ermica con conductividad constante κ = 1 imponiendo la temperatura sobre la pared circular interior a un valor nulo. Tome lo mismo que antes con una velocidad orientada a 30 grados respecto al eje horizontal. c.. Determinar el campo de temperaturas resultante T = T (r.v = [10−3 . 11. 1] usando el programa FemCode para una malla bidimensional compuesta por 10 × 10 elementos tomando: a. 0] sin upwind. TP. (6. b. y ) = 0 T (x = 1. 0] sin upwind. 1] × [0. Me Secci´ on 6. (Uso del FemCode en 2D) Resolver para una geometr´ ıa plana anular con ri = 0. theta) y mostrar las isotermas. Sobre la pared circular exterior la misma est´ a aislada salvo en la porci´ on 0 < θ < π/2 donde el flujo t´ ermico alcanza un valor unitario. 10.. y ) = 1 κ = 10−3 (x. (Upwind) Resolver la ecuaci´ on de transporte v · ∇T = ∇ · (κ∇T ) T (x = 0. 0] con upwind.126) ((docver curso-cfd-0.0.

Me Secci´ on 6.11: Mapeo isoparam´ etrico ((docver curso-cfd-0.´todo de los elementos finitos Cap´ ıtulo 6.Trabajo Pr´ actico Figura 6. TP.11.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 192 .VI.0.

´todo de los elementos finitos Cap´ ıtulo 6. Me Secci´ on 6.Trabajo Pr´ actico Figura 6.0.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 193 .VI.11.12: Mapeo isoparam´ etrico ((docver curso-cfd-0. TP.

4) es la ecuaci´ on b´ asica del m´ etodo de los vol´ umenes finitos que tiene como una de sus principales ventajas la de trabajar con el t´ ermino de los flujos sobre el contorno del dominio.1) Los m´ etodos de colocaci´ on.3) el teorema de Gauss-Green o de la divergencia y transformar la integral de vol´ umen en otra de superficie. Introducci´ on Continuando con la presentaci´ on de los diferentes m´ etodos que surgen a partir del m´ etodo de los residuos ponderados ahora trataremos el caso del m´ etodo de los vol´ umenes finitos . Para poder arribar a la forma m´ as conveniente del m´ etodo de los vol´ umenes finitos debemos aplicar a (7. con lo cual si el costo computacional es dominado por esta operaci´ on la reducci´ on del mismo puede ser notable.1. ∂U dΩ + ∂t F · dS = Γj Ωj QdΩ (7. Si a cada nodo j del dominio le asignamos un subdominio Ωj y si tomamos una funci´ on de peso definida como: Wj (x) = 0 Wj (x) = 1 que aplicada a (7.4) Ωj (7. tanto el caso puntual como el de subdominios. A modo de res´ umen de lo visto antes la aplicaci´ on del m´ etodo de los residuos ponderados a las ecuaciones de conservaci´ on fue escrita como: W Ω ∂U dΩ + ∂t W∇ · FdΩ = Ω Ω WQ (7.3) Ωj que equivale a la misma ley de conservaci´ on aplicada a cada subdominio. A 194 .1) nos da: ∂U dΩ + ∂t ∇ · FdΩ = Ωj Ωj x∈ / Ωj x ∈ Ωj (7. La idea detr´ as del m´ etodo de los vol´ umenes finitos es discretizar cada integral siendo esta la principal diferencia del m´ etodo respecto a muchos otros que llevan el problema a una formulaci´ on diferencial.Cap´ ıtulo 7 M´ etodo de los vol´ umenes finitos 7. usan la ecuaci´ on residual sin integraci´ on parcial sobre la funci´ on de peso quedando el problema en forma diferencial.2) QdΩ (7.

6) Esta propiedad debe ser satisfecha si se requiere que el esquema sea conservativo.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) (7. Por ejemplo.1 llegamos a: B C Ω1 D Ω2 Ω3 E A Figura 7.5) F · dS = AEDA Ω3 QdΩ que sumados producen el mismo resultado que si lo hubi´ eramos aplicado a todo el dominio. ∂u ∂f + =q ∂t ∂x En la figura 7. caso contrario pueden aparecer contribuciones internas produciendo esquemas no conservativos. Me Secci´ on 7.4) se necesita discretizar las integrales de alguna forma y lograr el sistema discreto final a resolver. Esto se explica ya que dos subdominios vecinos por una cara o arista comparten los t´ erminos de flujo. Ya que el m´ etodo es planteado sobre la forma integral de las leyes de conservaci´ on es de notar que al satisfacer las mismas sobre cada subdominio implica satisfacerlas sobre el dominio global.2 se muestra la discretizaci´ on espacial adoptada.8) 195 . los mismos se deben balancear. F · dS = − ED DE F · dS (7. Como para ilustrar la diferencia entre un esquema conservativo y otro que no lo es planteamos el caso de una ley de conservaci´ on en un dominio unidimensional que solo cuenta con un t´ ermino de flujo convectivo. si planteamos las leyes de conservaci´ on sobre los 3 dominios de la figura 7. con la diferencia que debido a la orientaci´ on de la normal exterior a cada uno.1.0. Introducci´ on partir de (7. ∂ui fi+1/2 − fi−1/2 + = qi ∂t ∆x ((docver curso-cfd-0.1: Leyes de conservaci´ on para subdominios del dominio Ω ∂U dΩ + Ω1 ∂t ∂U dΩ + Ω2 ∂t ∂U dΩ + Ω3 ∂t F · dS = ABCA Ω1 QdΩ QdΩ Ω2 F · dS = DEBD (7.7) (7.´todo de los volu ´menes finitos Cap´ ıtulo 7.

Supongamos que f = f (u) como sucede en el flujo convectivo de la ecuaci´ on del momento lineal. entonces la forma erminos de este jacobiano es matem´ aticamente equivalente a (7.10) ∂x ∂u ∂x ∂x donde a(u) es conocido como el jacobiano del flujo convectivo. Si aplicamos (7. Veamos para este mismo problema como llegamos a un esquema no conservativo.8) para los nodos i + 1 e i − 1 y sumamos llegamos a: 1 ∂ (ui + ui+1 + ui−1 ) fi+3/2 − fi−3/2 + = (qi+1 + qi + qi−1 ) (7. Este esquema es conservativo. con el valor de la variable en cada nodo de la grilla.´todo de los volu ´menes finitos Cap´ ıtulo 7.1.9) ∂t 3 3∆x 3 Esto es posible ya que los flujos en los puntos intermedios se van cancelando por una propiedad denominada telesc´ opica.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) (7. entonces: ∂f ∂f ∂u ∂u =( ) = a(u) (7. Introducci´ on i−3/2 i−2 i−1/2 i ∆x i+1/2 i+1 i+3/2 i+2 i−1 A ∆x B Figura 7.0. similar a aquel obtenido por diferencias finitas equivale a haber tomado como vol´ umen la longitud de cada segmento que representa cada celda.12) (7.2: Grilla unidimensional Este esquema sencillo.7) expresada en t´ ∂u ∂u + a(u) =q ∂t ∂x Discretizando la (7. Pensando nuevamente en la ecuaci´ on de momento podemos tomar el caso de f = u2 /2 donde en este caso a(u) = u. la fuente evaluada tambi´ en en cada nodo de la misma y los flujos evaluados en los puntos medios entre los nodos.11) (7. Lo anterior tambien es equivalente a haber tomado los flujos en los nodos y tanto la variable como la fuente en el centro de cada celda.11) ui+1/2 − ui−1/2 ∂ui + ai = qi ∂t ∆x ai+1/2 + ai−1/2 ai = 2 Obteniendo similares expresiones para los nodos i − 1 e i + 1 y sumando llegamos a: ui+3/2 − ui−3/2 1 ∂ (ui + ui+1 + ui−1 ) + (ai+3/2 + ai−3/2 ) − (qi+1 + qi + qi−1 ) = ∂t 3 6∆x 3 ui+3/2 − ui−1/2 ui+1/2 − ui−3/2 − (ai+1/2 − ai−3/2 ) + (ai+3/2 − ai−1/2 ) 6∆x 6∆x ((docver curso-cfd-0. Me Secci´ on 7.13) 196 .

Tomando figura 7. . u) = f (u) Una consecuencia interesante de lo anterior la establece el siguiente teorema: Teorema de Lax y Wendroff (1960) Si la soluci´ on ui de (7. Formulaci´ on del m´ etodo de los vol´ umenes finitos Si hubi´ eramos discretizado (7. 56. Esto en diferencias finitas equivale a elegir la aproximaci´ on en diferencias para las derivadas. 23.4) . t) es una soluci´ on d´ ebil de (7.16) 7. . . La expresi´ on formal de una discretizaci´ on conservativa a (7. luego u(x.2. . Asimismo en la figura inferior Ωj est´ a representada por el area sombreada formada por los tri´ angulos que tienen como nodo com´ un al nodo j y los flujos se obtienen sumando sobre los lados 12.11) sobre un solo subdominio AB en lugar de agregar las contribuciones de 3 subdominios equivalentes hubi´ eramos obtenido solo el miembro izquierdo de (7. Formulaci´ on del m´ etodo de los vol´ umenes finitos Hemos visto que las leyes de conservaci´ on escritas en forma integral y aplicadas a un vol´ umen discreto Ωj pueden escribirse como en (7.2. Haciendo un an´ alisis num´ erico sobre el esquema no conservativo mediante expansi´ on en series de Taylor se puede ver que la importancia de estas fuentes internas es similar al error de truncamiento con lo cual en principio parecer´ ıa ser despreciable. . f ∗ (u. 45. . 34.14) converge acotadamente en casi todo punto a alguna funci´ on u(x. La umenes finitos. . y el usuario tiene que definir para un vol´ umen Ωj seleccionado c´ omo estimar´ a el vol´ umen y las caras de la celda y c´ omo aproximar´ a los flujos sobre estas caras. .2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 197 . Ωj = area (ABCD) y los t´ erminos de flujo se obtienen como suma sobre los 4 lados AB. CD. No obstante.17) donde la suma de los flujos se refiere a todos los contornos externos de la celda de control Ωj . Para definir una formulaci´ on conservativa se requiere: ((docver curso-cfd-0.13) . 61. (7.15) La consistencia de (7. fi∗ = f ∗ (ui+k .7) puede escribirse como: ∗ ∗ ∂ui fi+1/2 − fi−1/2 + = qi (7. Esta es la formulaci´ on general del m´ etodo de los vol´ umenes finitos .7) . La forma discreta de esta se escribe como: ∂ (Uj Ωj ) + ∂t (F · S) = Qj Ωj lados (7. t) cuando ∆x.0.´todo de los volu ´menes finitos Cap´ ıtulo 7. DA. j ) entonces Uj = Uij . lo anterior no es v´ alido en el caso de existir fuertes gradientes en la soluci´ on tal el caso de flujo trans´ onico con ondas de choque.14) ∂t ∆x donde f ∗ es llamado el flujo num´ erico y es una funci´ on de los valores de u en los puntos vecinos.14) requiere que cuando la soluci´ on u es constante el flujo num´ erico sea igual al del continuo. Me Secci´ on 7.3 muestra en su parte superior un ejemplo de grilla aplicable a vol´ la celda 1 identificada por los ´ ındice (i. con lo cual el miembro derecho equivale a una fuente interna num´ erica que no representa la f´ ısica del problema. ∆t → 0. bastante citado en la bibliograf´ ıa. ui−k+1 ) / +1 2 (7. BC.

La condici´ on (3) garantiza la conservatividad. 4.2.los flujos en las superficies de las celdas deben calcularse con independencia de a cual celda le corresponde.0.) Una vez que la malla se ha construido el usuario debe decidir entre 2 opciones propias del m´ etodo de los vol´ umenes finitos : ((docver curso-cfd-0. j ) en 2D o tres ´ ındices (i.3.El m´ etodo de los vol´ umenes finitos permite una f´ acil introducci´ on de las condiciones de contorno. Estas mallas son muy com´ unmente denominadas mallas de diferencias finitas. pueden solaparse pero solo si los contornos internos que surgen del solapamiento son comunes entre dos celdas. A continuaci´ on y tomando como referencia la figura 7. 2. por ejemplo en la misma figura superior las coordenadas A.. son aquellas en las cuales cualquier nodo puede ser ubicable en t´ ermino de dos ´ ındices (i.mallas estructuradas. Formulaci´ on del m´ etodo de los vol´ umenes finitos 1.∩Ωj = ∅. 7. (2) significa que todos los contornos de las celdas deben pertenecer a lo sumo a dos celdas y solo aquellos que est´ an en el contorno exterior del dominio pueden no satisfacer este requisito. (Ver figuras 7.. son aquellas com´ unmente empleadas por el m´ etodo de los elementos finitos y donde no es posible encontrar una expresi´ on de 2 o 3 ´ ındices que permita ubicar un nodo. 2.mallas no estructuradas.. Me Secci´ on 7. especialmente aquellas que vienen expresadas en t´ ermino de los flujos que pueden ser directamente impuestos en el respectivo t´ ermino. k ) en 3D. 3. 7.´todo de los volu ´menes finitos Cap´ ıtulo 7.Las coordenadas de la malla aparecen solamente para definir el vol´ umen de la celda y las areas de las caras. 1. 3.. (Ver figuras 7. Consecuentemente Uj no est´ a asociada con ning´ un punto fijo del dominio y puede considerarse como un valor promedio de la variable de flujo U sobre la celda..1.4. D son suficientes.3 mencionaremos algunas diferencias entre el m´ etodo de los vol´ umenes finitos con el m´ etodo de las diferencias finitas y el m´ etodo de los elementos finitos . j. C. B.Las coordenadas del nodo j que es la precisa ubicaci´ on de la variable U dentro de la celda Ωj no aparece explicitamente.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 198 . Esta interpretaci´ on surge inmediatamente inspeccionando la figura superior de la gr´ afica 7...) 2. Entre las mallas posibles podemos hacer una divisi´ on entre: 1.En problemas estacionarios sin fuentes el u ´nico t´ ermino que permanece es el de la suma de los flujos sobre las caras con lo cual el m´ etodo puede programarse para barrer estas caras e ir descargando los flujos sobre las dos celdas al mismo tiempo considerando la diferencia en signo.5..2.3.- j Ωj = Ω . Mallas y vol´ umenes de control En cuanto a las mallas que puede manipular el m´ etodo de los vol´ umenes finitos este cuenta con la misma flexibilidad que el m´ etodo de los elementos finitos pero restringido a elementos con lados rectas o caras planas.

centrado en los v´ ertices. las variables de flujo representan un promedio de los valores de la misma sobre la celda y est´ an asociadas a la celda.18) donde la derivada temporal pudo ser extraida de la integral siempre que consideremos el caso de dominio y malla fija. f y g representan las dos componentes cartesianas del vector flujo F.4) aplicada al vol´ ∂ ∂t UdΩ + Ωj ABCD (f dy − gdx) = Ωj QdΩ (7.3. Cconsideremos la ecuaci´ on (7. Malla estructurada. Formulaci´ on centrada en las celdas.3. 1.3 (b) y (d)) 7. (ver figura 7. Como es habitual en m´ etodos num´ ericos en ((docver curso-cfd-0.3 (a) y (c)) 2. (ver figura 7. El m´ etodo de los vol´ umenes finitos en 2D umen de control ABCD de la figura 7. Evaluaci´ on de los flujos convectivos La evaluaci´ on de los flujos fAB y gAB depende del esquema elegido tambien como de la localizaci´ on de las variables de flujo con respecto a la malla. El m´ etodo de los vol´ umenes finitos en 2D Figura 7.centrado en las celdas. Al discretizar estas integrales llegamos a la siguiente expresi´ on: ∂ (UΩ)ij + ∂t [fAB (yB − yA ) − gAB (xB − xA )] = (QΩ)ij ABCD (7. en este caso las variables de flujo representan los valores en los v´ ertices o los puntos de la malla.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 199 .1.´todo de los volu ´menes finitos Cap´ ıtulo 7.. Me Secci´ on 7.3 (a).3.19) ΩABCD = 1/2|xAC ∧ xBD | 7..3: Grillas bidimensionales de vol´ umenes finitos.0.

Me Secci´ on 7.centrado en la celda 1.4: Grillas bidimensionales de vol´ umenes finitos.3.20) (7. Esquema central ..j ) fij = f (Uij ) 2.23) (7.j −1 + Ui.j −1 ) 4 1 fA = (fij + fi+1.j −1 + fi.Promedio de flujos fAB = 1/2(fij + fi+1. Ahora exploraremos las distintas posibilidades.j 2 (7.0.j + fi+1.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 200 .24) ((docver curso-cfd-0.j −1 ) 4 (7..Otro promedio de flujos fAB = 1/2(fA + fB ) con fA = f (UA ) 1 UA = (Uij + Ui+1.El flujo de los promedios fAB = f 3.21) (7.j + Ui+1. Los primeros requieren estimaciones locales del flujo mientras que los u ´ltimos determinan los flujos acorde con la direcci´ on de propagaci´ on de las componentes ondulatorias.´todo de los volu ´menes finitos Cap´ ıtulo 7..22) Uij + Ui+1. Malla estructurada. mec´ anica de fluidos podemos distinguir entre esquemas centrados y aquellos que tienen upwinding. Formulaci´ on centrada en los v´ ertices. El m´ etodo de los vol´ umenes finitos en 2D Figura 7.

5: Grillas bidimensionales de vol´ umenes finitos.3 en su parte superior (centrado en las celdas). Me Secci´ on 7.0.28) La desventaja de esta t´ ecnica est´ a en que se aumenta bastante el soporte de informaci´ on en forma innecesaria ya que est´ an involucrados los v´ ertices (i − 2. ((docver curso-cfd-0.21) como (7.j si (A · S)AB > 0 si (A · S)AB < 0 (7. En especial esta u ´ltima equivale a integrar el flujo sobre cada cara usando la regla del trapecio AB f dy = (fA + fB )(yB − yA )/2.3. j − 2). Si pensamos en el caso escalar bidimensional esto u ´ltimo puede expresarse como: ∂F = a(U )i + b(U )j ∂U (7. Para el m´ etodo de los vol´ umenes finitos centrado en las celdas usando esquemas upwind el flujo convectivo es evaluado como una funci´ on de la direcci´ on de propagaci´ on de la asociada velocidad convectiva.26) ∂f ∂g a(U ) = b(U ) = ∂U ∂U Considerando la figura 7. Sumando sobre todas las caras llegamos a: F · dS = ABCD = 1/2[(fA (7.25) − fC )∆yDB + (fB − fD )∆yAC − (gA − gC )∆xDB − (gB − gD )∆xAC ] lo cual equivale al m´ etodo de Galerkin sobre elementos triangulares o cuadrangulares.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 201 . Malla no estructurada. El m´ etodo de los vol´ umenes finitos en 2D Figura 7. j ) e (i.22) son aproximaciones directas al flujo fAB .27) mientras que para el caso de centrado en los v´ ertices (figura (b)) tenemos: (F · S)AB = (F · S)CD (F · S)AB = (F · S)EF si (A · S)AB > 0 si (A · S)AB < 0 (7. b) Formulaci´ on centrada en los v´ ertices. Tanto (7.´todo de los volu ´menes finitos Cap´ ıtulo 7. a) Formulaci´ on centrada en las celdas. se podr´ ıa definir: A(U ) = (F · S)AB = (F · S)ij (F · S)AB = (F · S)i+1.

j +1/2 = 0 ∆xBC = xi−1/2.19) llegamos a ∆x∆y ∂Uij + (fi+1/2.j −1/2 ) ∂Uij + + = Qij ∂t ∆x ∆y Ahora tenemos que especificar como definir los flujos en los centros de los lados fi±1/2.j +1/2 − gi.j ±1/2 Caso (a) Aplicando (7.j ) (gi.0.j +1/2 − xi+1/2.j −1/2 = 0 LADO BC ∆yBC = yi−1/2.j −1/2 = ∆x Ωij = ∆x∆y fAB = fi+1/2.j )∆y + (gi.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 202 .j −1/2 − xi−1/2. Si miramos la malla superior de la figura 7.3.30) (fi+1/2.j − fi−1/2.j +1/2 − xi+1/2.j +1/2 fCD = fi−1/2. Me Secci´ on 7.j −1/2 − yi−1/2.j +1/2 − gi.j fDA = fi.j −1/2 Reemplazando lo anterior en (7.j −1/2 = ∆y ∆xAB = xi+1/2.j +1/2 = −∆x LADO CD ∆yCD = yi−1/2.´todo de los volu ´menes finitos Cap´ ıtulo 7.j −1/2 = 0 ∆xDA = xi+1/2.j fBC = fi.j − fi−1/2.j +1/2 − yi+1/2.j −1/2 )∆x = Qij ∆x∆y ∂t (7.j −1/2 − xi−1/2.j −1/2 − yi−1/2.29) ((docver curso-cfd-0.j +1/2 = 0 LADO DA ∆yDA = yi+1/2.3 y si por un momento la rectificamos un poco de forma de alinear los lados con los ejes cartesianos y planteamos las integrales de contorno sobre la curva ABCD encontramos: LADO AB ∆yAB = yi+1/2.j +1/2 = −∆y ∆xCD = xi−1/2.j +1/2 − yi+1/2.20) a un esquema centrado en las celdas (7. El m´ etodo de los vol´ umenes finitos en 2D Esquema central sobre una malla cartesiana Si bien el m´ etodo de los vol´ umenes finitos es tan general como el m´ etodo de los elementos finitos y puede ser aplicado a mallas completamente no estructuradas en esta secci´ on trataremos el caso de una grilla uniforme y demostraremos que el mismo es completamente equivalente a un esquema obtenido por el m´ etodo de las diferencias finitas .

Me Secci´ on 7.j +1 − gi+1.j −1 ) 2 + + = Qij 4 2∆y 2∆y 2∆y Comentarios: 1.31) (7.j ) (gi.3..j +1 − gi−1. Id´ entico tratamiento puede hacerse con el caso de formulaciones centradas en los v´ ertices pero esto es dejado como ejercicio pr´ actico.j +1 − gi.j ) (fi+1.j − fi−1.j − fi−1.35) (7.no dependen de los valores de los flujos fij .j −1 ) + 2 + + + ∂t 4 2∆x 2∆x 2∆x 1 (gi.j +1 − fi−1.3 pero rectificada de forma de lograr alinearla con los ejes coordenados cartesianos.Se puede demostrar que estos esquemas son de segundo orden de precisi´ on.19) aplicada a este problema nos da: ∂Uij a b + (Uij − Ui−1.j −1 ) (gi−1.34) ((docver curso-cfd-0.j −1 ) (gi+1. gij . El m´ etodo de los vol´ umenes finitos en 2D (fi+1.j ∆y = −aUi−1.j −1 ∆x que reemplazada en la (7.j +1 − gi. Esquemas upwind en mallas cartesianas Supongamos la ecuaci´ on de advecci´ on pura lineal en 2D.24) a un esquema centrado en las celdas ∂Uij 1 (fi+1.j +1 ) (fi+1.j −1 − fi−1.j ∆y (F · S)BC = gij ∆x = bUij ∆x (F · S)DA = −gij.0.j ) + (Uij − Ui.33) sobre una malla similar a la representada en la parte superior de la figura 7. b > 0 (7.(7. (F · S)AB = fij ∆y = aUij ∆y (F · S)CD = −fi−1..j −1 ) ∂Uij + + = Qij ∂t 2∆x 2∆y Caso (b) Aplicando (7.32) 3.j −1 ∆x = −bUi.´todo de los volu ´menes finitos Cap´ ıtulo 7. (7. 2.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 203 .31) puede generar oscilaciones debido al desacoplamiento de las ecuaciones correspondientes a (i + j ) par de aquellas donde (i + j ) es impar..j −1 ) = 0 ∂t ∆x ∆y (7. (7. ∂U ∂U ∂U +a +b =0 ∂t ∂x ∂y a. Si f = aU y g = bU entonces.32) no contiene este inconveniente.

En esto casos se hace necesario promediar derivadas de las variables en lugar de las variables en si misma. Por el momento nos conformamos con lo ya visto y debemos cuidar que las mallas no tengan fuertes gradientes. de la discretizaci´ on usada.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 204 .3.2. ∇U dΩ = Ω ∂U ∂x ∂U ∂y ∂U ∂U i+ j)dΩ = U dS ∂y S Ω ∂x 1 ∂U 1 U i · dS = dΩ = Ω Ω ∂x Ω S Ω 1 ∂U 1 = U j · dS dΩ = Ω Ω ∂y Ω S Ω dS = dy i − dxj ( 1 Ω Ω S 1 1 U dx = =− Ω Ω Ω S = 1 Ω U dy = − ydU S (7. Una forma bastante general de resolver esto es apelando al teorema de la divergencia y a la integraci´ on por partes. El m´ etodo de los vol´ umenes finitos en 2D Mallas no uniformes Garantizar la precisi´ on de segundo orden de algunos esquemas cuando las mallas involucradas son no uniformes no es tarea f´ acil.0. Esto hace que la generaci´ on de mallas para el m´ etodo de los vol´ umenes finitos sea bastante restrictiva. ∇U) .´todo de los volu ´menes finitos Cap´ ıtulo 7. 7. Entonces. Supongamos que tenemos integrales de flujo y la queremos aproximar por el valor promedio del integrando multiplicado por la medida del dominio de integraci´ on. Un ejemplo t´ ıpico de esto son las ecuaciones de Navier-Stokes que contienen Fd = Fd (U. etc. Me Secci´ on 7. F´ ormulas generales de integraci´ on A diferencia de los problemas convectivos donde los flujos son funciones homog´ eneas de primer orden en las variables de estado.37) Ul (yl+1 − yl−1 ) l yl (Ul+1 − Ul−1 ) l ((docver curso-cfd-0. aplicando el teorema de la divergencia. los problemas con difusi´ on contienen en general flujos difusivos que son dependientes tanto de la variable a resolver como de su gradiente. o sea que sean suaves.3.36) ∂U ∂x ∂U ∂y xdU S Aplicando la regla de integraci´ on del trapecio llegamos a: ∂U ∂x = 1 Ω 1 ∂U dΩ = ∂x 2Ω = −1 2Ω (Ul + Ul+1 )(yl+1 − yl ) l Ω Ω (yl + yl+1 )(Ul+1 − Ul ) l 1 = 2Ω −1 = 2Ω (7. No entraremos en detalles aqu´ ı por ser un tema demasiado espec´ ıfico pero hacer promedios sobre mallas no uniformes es muy dependiente del problema.

2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 205 . Ω= = 1 2 (xl + xl+1 )(yl+1 − yl ) l −1 2 (yl + yl+1 )(xl+1 − xl ) l 1 = 2 = −1 2 (7.40) (7. Esto queda para la pr´ actica. Me Secci´ on 7.7.7.19) llegamos a una ecuaci´ on para cada celda.42) ij ((docver curso-cfd-0. Ejemplo: Ecuaci´ on de difusi´ on en 2D Tomemos la ecuaci´ on ∂U ∂ ∂U ∂ ∂U + (κ )+ (κ )=0 ∂t ∂x ∂x ∂y ∂y considerando κ constante las componentes del flujo son: f =κ ∂U ∂x ∂U g=κ ∂y (7. El m´ etodo de los vol´ umenes finitos en 2D ∂U ∂y Ω = 1 Ω Ω −1 ∂U dΩ = ∂y 2Ω = 1 2Ω (Ul + Ul+1 )(xl+1 − xl ) l (xl + xl+1 )(Ul+1 − Ul ) l −1 = 2Ω = 1 2Ω (7.37. j ) escrita como: ∂U ∂t ∆x∆y + (fAB − fCD )∆y + (gBC − gDA )∆x = 0 (7.39) y agrupando por valores en los nodos opuestos.3.0.38) Ul (xl+1 − xl−1 ) l xl (Ul+1 − Ul−1 ) l donde la suma se extiende a todos los v´ ertices desde 1 hasta 6 que rodean al nodo j en la figura 7.39) xl (yl+1 − yl−1 ) l yl (xl+1 − xl−1 ) l Si las celdas fueras cuadrangulares se puede hallar una forma interesante y particular de la anterior tomando la tercera de las ecuaciones (7.41) Considerando (7.´todo de los volu ´menes finitos Cap´ ıtulo 7. La misma expresi´ on se puede aplicar para el c´ alculo del area de las celdas.3 con U0 = U6 y U7 = U1 . siendo la de (i.38.

0.j −1 − Ui.j −1 + Ui−1. mientras que con hexaedros el problema no es tan sencillo existiendo algunas restricciones.j − Ui.´todo de los volu ´menes finitos Cap´ ıtulo 7.j −1 ) ∂x 2∆x (7.1.j + Ui.6 donde se muestra el vector superficie exterior para algunas de las caras del hexaedro. Evaluaci´ on del area de las caras de la celda Una importante propiedad del vector area asociado con cada celda se puede derivar a trav´ es del teorema de la divergencia.4. fA = κ( ∂Uij κ + Ui+1.j + Ui. El m´ etodo de los vol´ umenes finitos en 3D El flujo fA se toma como valor promedio entre las celdas 1678 y de manera similar con fB sobre las celdas 1892 con lo cual se escriben como: κ ∂U )A = (Ui+1.j −1 + Ui−1. No obstante en lo que sigue pensaremos en vol´ umenes independientemente de su forma geom´ etrica para aplicar algunos conceptos particulares al caso 3D.j − Ui.j +1 − 4Uij = 0 + ∂t (∆x)2 (7.4.j + Ui+1. Con los primeros se tiene la ventaja de que son muy generales ya que cualquier dominio tridimensional puede ser mallado con tetraedros.44) 7.j +1 + Ui−1. 7.j +1 + Ui+1.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 206 .j +1 − Ui. Tomemos la figura 7.43) ∂U κ fB = κ( )B = (Ui+1.j −1 − 4Uij = 0 ∂t 4(∆x)2 Si en su lugar usamos κ ∂U (7.j + Ui+1. Si por ejemplo tomamos la cara ABCD vemos que entre las muchas alternativas para evaluar el vector area podemos citar a: ((docver curso-cfd-0.j +1 ) ∂x 2∆x Tomando fAB = 1/2(fA + fB ). multiplicando por ∆y y haciendo lo mismo con las restantes 3 caras se obtiene una expresi´ on sencilla si consideramos ∆x = ∆y .48) depende solamente del propio contorno de la cara.j − Uij ) ∂x AB ∆x esta conduce a la standard forma del operador de Laplace en el m´ etodo de las diferencias finitas fAB = κ ∂Uij κ Ui+1.45) = (Ui+1.4. Por ejemplo si en (7. El m´ etodo de los vol´ umenes finitos en 3D En el caso 3D los vol´ umenes finitos m´ as com´ unmente utilizados son los tetraedros y los hexaedros.46) (7.36) usamos U = 1 entonces dS = S Ω ∇1dΩ = 0 (7. Me Secci´ on 7.47) mostrando que el vector superficie de una dada cara contenida en una superficie cerrada S y orientado en la direcci´ on saliente Sf ace = f ace dS (7.

siendo la (7.0.4.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 207 .51) en 3D tomando a = x ⇒ ∇ · x = 3 3ΩP ABC = P ABC x · dS = f aces x · Sf aces ((docver curso-cfd-0.50) (7.49) No obstante ambas expresiones conducen a id´ enticos resultados aun en el caso general en el que as econ´ omica desde el punto de vista de la cantidad de la cara no sea coplanar.2.´todo de los volu ´menes finitos Cap´ ıtulo 7. Para calcular el vol´ umen de un tetraedro podemos apelar a las siguientes identidades: ∇ · ad Ω = Ω S a · dS en 2D tomando a = x ⇒ ∇ · x = 2 2Ω = S x · dS = S (xdy − ydx) (7.49) la m´ operaciones involucradas.. Me Secci´ on 7..6: Volumen finito hexa´ edrico en 3D 7.usando las diagonales SABCD = 1/2(xAC ∧ xBD ) 2. Evaluaci´ on del vol´ umen de la celda de control En la figura 7. El m´ etodo de los vol´ umenes finitos en 3D 1.4.7 vemos una forma de calcular el vol´ umen de un hexaedro mediante divisi´ on en tetraedros o pir´ amides.usando las aristas SABCD = 1/2[(xAB ∧ xBC ) + (xCD ∧ xDA )] (7. G S DCGH C H F E D B S ABCD S ADHE A Figura 7.

49) para evaluar el area de las caras de la celda y la reemplazamos en (7.´todo de los volu ´menes finitos Cap´ ıtulo 7. Ya que el punto P pertenece a todas las caras excepto a la cara ABC solo con ella el producto escalar es no nulo.53) ΩP ABC (7. El m´ etodo de los vol´ umenes finitos en 3D P G C H D F C A E D B B A G C H (a) (b) D F E B A (c) Figura 7. Este punto es arbitrario pero por comodidad conviene que coincida con uno de los v´ ertices del tetraedro.4.54) ((docver curso-cfd-0.0.51) es equivalente a 1 (7.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 208 .52) ΩP ABC = x(P ) · SABC 3 con x(P ) el vector posici´ on respecto al punto P .7: Calculo del vol´ umen de una celda en 3D La u ´ltima expresi´ on en (7.52) hallamos: 1 ΩP ABC = x(P A) · (xAB ∧ xBC ) 6 que puede escribirse tambi´ en como un determinante : xP 1 xA = 6 xB xC yP yA yB yC zP zA zB zC 1 1 1 1 (7. Me Secci´ on 7. Si recurrimos a la expresi´ on (7.

Una regla general podr´ ıa ser utilizar la regla de la mano derecha partiendo de la cara y tomando el cuarto nodo en el sentido que indica el pulgar.4. El m´ etodo de los vol´ umenes finitos en 3D Se debe tener cuidado con la numeraci´ on dada al tetraedro ya que de esta depender´ a el signo de algunas contribuciones. Como caso de inter´ es se puede demostrar que si alguna de las caras de la celda hexa edrica no es coplanar entonces las dos u ´nicas particiones del hexaedro en 5 tetraedros no producen el mismo valor de vol´ umen.´todo de los volu ´menes finitos Cap´ ıtulo 7. Otra recomendaci´ on importante es que cuando partimos una malla de hexaedros en tetraedros se debe tomar la precauci´ on de que las caras hexa´ edricas comunes a dos celdas tengan diagonal coincidente. ((docver curso-cfd-0. En el caso de una partici´ on del hexaedro en pir´ amides esta puede dividirse en dos tetraedros y el c´ alculo del vol´ umen y las areas se reduce a lo visto anteriormente. Me Secci´ on 7.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 209 .0. Estas diagonales surgen al hacer la partici´ on. Si tomamos un promedio de los dos valores obtenidos este equivale a hacer una transformaci´ on isoparam´ etrica trilineal al estilo m´ etodo de los elementos finitos e integrarla con 2 × 2 × 2 puntos de Gauss.

5.22). m´ etodo de los vol´ umenes finitos en 2D Hemos visto algunas formas de evaluar los flujos convectivos como las expresiones (7.7.32) respectivamente. condiciones de contorno del tipo Dirichlet y Neumann y como datos del problema f´ ısico la velocidad de transporte y el coeficiente de difusi´ on.VII. Me Secci´ on 7. Tome una celda cuadrangular y partiendo de las terceras expresiones de (7.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 210 . TP.38.´todo de los volu ´menes finitos Cap´ ıtulo 7. Aplique esta condici´ on a la variable espacial discretizada con una distribuci´ on arbitraria de puntos en la malla y muestre que la anterior condici´ on se reduce a: 1 /2 i +1 ∆u i = u n − un i = i ∆ui (xi+1 − xi−1 ) = 0 ∂ui ∆t ∂t ∂ ∂t b a udx (7. entre otras.56) Ayuda: Aplique la regla del trapecio para evaluar la integral aislando los t´ erminos en ui .55) udx a es constante en el tiempo.centrada en la celda. 2.Trabajo Pr´ actico Muestre que la ley de conservaci´ on integral sobre un dominio unidimensional a ≤ x ≤ b aplicada a ∂u ∂f + =0 ∂t ∂x f (a) = f (b) se reduce a que b m´ etodo de los vol´ umenes finitos en 1D (7. ((docver curso-cfd-0..Trabajo Pr´ actico 7.37.0.7. TP.31) y (7. = 0 y reescriba la suma Escriba un programa en MatLab para resolver la ecuaci´ on de advecci´ on difusi´ on 1D no estacionaria utilizando una formulaci´ on 1..39) obtenga una expresi´ on para el promedio de las derivadas y otra para el vol´ umen de la celda tratando de que la expresi´ on final quede expresada como diferencia entre valores opuestos por cada diagonal. Obtenga las expresiones equivalentes al m´ etodo de los vol´ umenes finitos centrado en los v´ ertices..20) y (7.. Su aplicaci´ on al caso del m´ etodo de los vol´ umenes finitos centrado en las celdas produjo las ecuaciones (7.centrada en los v´ ertices Tenga en cuenta la necesidad de ingresar una condici´ on inicial.VII.5.

j −1 ) + + 2 + + ∂t 4 2∆x 2∆x 2∆x 1 (gi.j +1 − fi−1.´todo de los volu ´menes finitos Cap´ ıtulo 7. TP. fAC = 1/2(fA + fC ) y compare con la expresi´ on (7. aplique la definici´ on del m´ etodo de los vol´ umenes finitos (7.Trabajo Pr´ actico Considere la ecuaci´ on de difusi´ on bidimensional ∂ ∂U ∂ ∂U ∂U + (κ )+ (κ )=0 ∂t ∂x ∂x ∂y ∂y y escriba la formulaci´ on centrada en la celda para una malla estructurada considerando que los coeficientes de difusi´ on son variables con la posic´ on y se definen en los v´ ertices de la celda.j ) (fi+1..VII.8 surgen algunas alternativas para definir las celdas en 2D para el m´ etodo de los vol´ umenes finitos .j +1 − fi.j −1 ) (gi+1. j ) usando como definici´ on de flujos por cara aquella definida como el promedio de los flujos en los puntos extremos. Tome la mostrada a la izquierda ((a) Mc Donald-1971).j +1 − fi−1.8: Vol´ umenes de control centrado en los v´ ertices ((docver curso-cfd-0.j +1 − fi+1.17) a la celda ACDEGH ∂ (Uj Ωj ) + ∂t (F · S) = Qj Ωj lados y derive el esquema para el nodo (i.j +1 ) (fi+1. Me Secci´ on 7.57) ∂Uij 1 (fi+1.j − fi−1. De la figura 7.j −1 ) 2 = Qij + + 4 2∆y 2∆y 2∆y (7.5.57) F E D F E D G C G C B A H H A B Figura 7.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 211 .0. siendo el valor en el centro de cada arista aquel que surge como promedio de los valores en los v´ ertices extremos de cada arista.j −1 − fi−1. es decir.j −1 ) (gi−1.

´todo de los volu ´menes finitos Cap´ ıtulo 7.58) (a) Qu´ e valores de vol´ umenes obtuvo ?.VII. TP. Realice las dos u ´nicas posibles particiones en 5 tetraedros cada una y calcule el vol´ umen de cada partici´ on utilizando la expresi´ on del determinante: x1 1 x2 = 6 x3 x4 y1 y2 y3 y4 z1 z2 z3 z4 1 1 1 1 Ω1234 (7. Me Secci´ on 7.Trabajo Pr´ actico m´ etodo de los vol´ umenes finitos en 3D Mostrar que las expresiones SABCD = 1/2[(xAB ∧ xBC ) + (xCD ∧ xDA )] o 1 SABCD = [(xAB + xDC ) ∧ (xBC + xAD )] 4 utilizadas para evaluar el area de las caras de la celda de control en 3D son equivalente a la expresi´ on: SABCD = 1/2(xAC ∧ xBD ) Tome un hexaedro con al menos una cara no coplanar. (c) Tome su promedio. ((docver curso-cfd-0.0.. (d) Demostrar que el promedio coincide con el vol´ umen obtenido mediante el c´ alculo por el m´ etodo de los elementos finitos usando una transformaci´ on isoparam´ etrica trilineal integrada con 2 × 2 × 2 puntos de Gauss.5. (b) son coincidentes ?.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 212 .

2. otros que incluyen el tratamiento del contorno y algunos otros que dan cuenta de la influencia de las no linealidades. la ecuaci´ on hiperb´ olica de advecci´ on pura no estacionaria. Un esquema num´ erico en general se lo representa mediante un stencil o estrella del operador discreto que permite vincular la soluci´ on entre los nodos de la malla. Definiciones b´ asicas Consideraremos una de las ecuaciones m´ as representativas de los modelos matem´ aticos que aparecen en mec´ anica de fluidos. Introducci´ on De acuerdo a lo establecido en los cap´ ıtulos precedentes vimos que la discretizaci´ on de las variables independientes y de las ecuaciones conducen a un esquema num´ erico particularmente dependiente del m´ etodo usado.2) 213 .1) ∂t ∂x donde a es la velocidad de propagaci´ on de la onda cuya amplitud es u. Antes de pasar a tratar los m´ as importantes m´ etodos de an´ alisis introduciremos al lector en los conceptos b´ asicos de los 4 t´ opicos antes mencionados. El an´ alisis m´ as cl´ asico incluye t´ opicos como consistencia. estabilidad y convergencia.1. Uno de los pasos que anteceden a la aplicaci´ on pr´ actica de los esquemas num´ ericos es llevar a cabo un an´ alisis del mismo para tener una idea de lo que puede esperarse del mismo. 8. Existe una gran variedad de m´ etodos de an´ alisis desde aquellos que estudian el comportamiento del operador discreto en un medio infinito. Si bien en el continuo el dominio de dependencia e influencia de un operador abarca regiones extensas del dominio espacial en el caso discreto este se restringe a una zona m´ as acotada y que depender´ a del orden y tipo de aproximaci´ on utilizado. precisi´ on.Cap´ ıtulo 8 An´ alisis de esquemas num´ ericos 8. que en su versi´ on unidimensional se escribe como: ∂u ∂u +a =0 (8. Reescribimos la anterior usando sub´ ındices para referirnos a las derivadas. entoces: ut + aux = 0 (8.

Ana Secci´ on 8. Usando esquemas de primer ´ orden en el espacio surgen los siguientes dos esquemas: ((docver curso-cfd-0.4) 2∆x Este es com´ unmente referenciado como el m´ etodo de las l´ ıneas. (ut )i = − Esquema expl´ ıcito Eligiendo una forma en diferencias hacia adelante.5) Surge por inspecci´ on directa que la soluci´ on se obtiene despejando directamente +1 n n un = f (un i−1 .6) Esquema impl´ ıcito Si en cambio evaluamos el lado derecho en el tiempo posterior y si usamos diferencias hacia atr´ as para la forma discreta de la derivada temporal tenemos el esquema backward Euler: +1 un − un a +1 i i =− (un+1 − un i−1 ) ∆t 2∆x i+1 (8. t) = g (t) 0≤x≤L t≥0 (8.2) necesitamos especificar : t=0 x=0 u(x.7) Como vemos aqu´ ı la soluci´ on se obtiene invirtiendo un sistema de ecuaciones de la forma +1 n+1 n+1 f (un . Definiciones b´ asicas Consideremos un problema de valores iniciales de frontera.´lisis de esquemas nume ´ricos Cap´ ıtulo 8. entonces el esquema semidiscreto nos queda a (ui+1 − ui−1 ) (8.0. entonces para poder resolver la (8. ui . ui+1 ) i (8. 0) = f (x) u(0. Esto implica el reemplazo de la derivada temporal por una forma discreta y adem´ as involucra tomar la decisi´ on de elegir el nivel de tiempo en el cual evaluar el lado derecho.2. El pr´ oximo paso es definir una discretizaci´ on para el tiempo.8) donde la matriz que representa el sistema es tridiagonal debido a que la estrella es centrada y fue generada mediante la combinaci´ on de tres nodos. ui+1 ) = un i i−1 . el esquema m´ as simple que se obtendr´ ıa ser´ ıa evaluar el lado derecho en el tiempo anterior. Este esquema se denomina forward Euler y se escribe como: +1 un − un a i i =− (un − un i−1 ) ∆t 2∆x i+1 (8.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 214 .3) Supongamos que aplicamos un esquema en diferencias finitas centradas de segundo ´ orden para la primera derivada espacial o uno de vol´ umenes finitos equivalente. ui (8. Estos esquemas producen aproximaciones con una precisi´ on de segundo ´ orden en el espacio y primer ´ orden en el tiempo.

−0.10) converge sin restricciones pero tiene una precisi´ on baja (primer ´ orden).10) se puede comprobar que los dos primeros son incondicionalmente inestables mientras que el tercero es condicionalmente estables y el cuarto es incondicionalmente estable.11) ∆x El cuarto esquema (8.5-8. Ana Secci´ on 8.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 215 .0.1 vemos un cuadro sin´ optico con la relaci´ on entre los operadores. ((docver curso-cfd-0. Tome distintos valores del n´ umero de Courant.12) con a = 1.10) para una funci´ on f (x)   0    1 + 1/ x 2 f (x) = 1  1 − /2x    0 .2. Como veremos m´ as adelante en problemas de advecci´ on pura el par´ ametro que gobierna la estabilidad de un esquema num´ erico es el n´ umero de Courant. x < −0.2 .2 ≤ x ≤ 0 . desde σ = 0.1 hasta valores superiores a σ = 1. 0 ≤ x ≤ 0. A continuaci´ on entraremos m´ as en detalle en ellos.2 (8.5-8. L = 10. Este se define como: a∆t (8. Este ejemplo simple muestra la importancia del an´ alisis antes de realizar cualquier experimento num´ erico.10) i−1 ) ∆t ∆x i Analizando lo que ocurre con los esquemas (8. Esto significa que los dos primeros producen un error que crece en amplitud con el paso de tiempo (divergen) mientras que en el tercer esquema debemos elegir una relaci´ on entre el paso de tiempo y el de la malla acorde a un criterio de estabilidad. g (x = −5) = 0. sus soluciones y los t´ opicos de an´ alisis. estabilidad Establece una relaci´ on entre la soluci´ on calculada y la soluci´ on exacta de las ecuaciones discretas convergencia Conecta la soluci´ on calculada con la soluci´ on exacta de la ecuaci´ on diferencial.´lisis de esquemas nume ´ricos Cap´ ıtulo 8. σ= Problema: Usando Matlab implementar los 4 esquemas (8. En la figura 8.9) +1 un − un a +1 i i =− (un+1 − un (8. x > 0.2 . Podemos formularnos las siguientes preguntas a la hora de analizar un esquema: Qu´ e condiciones imponer para una aproximaci´ on aceptable ? C´ omo predecir los l´ ımites de estabilidad del esquema ? C´ omo obtener informaci´ on cuantitativa de la precisi´ on ? Para responder estas preguntas recurrimos a los conceptos de: consistencia Esta define una relaci´ on entre la ecuaci´ on diferencial y la formulaci´ on discreta. ∆x = 1. Definiciones b´ asicas +1 un − un a i i =− (un − un i−1 ) ∆t ∆x i (8.

Ana Secci´ on 8.1: Definici´ on de consistencia . Apliquemos la definici´ on al caso (8.estabilidad 8.convergencia . Esto se puede expresar como: Lh u → Lu para ∆xj .´lisis de esquemas nume ´ricos Cap´ ıtulo 8. Para ello desarrollemos en series de Taylor alrededor del punto un an incluidos en el esquema num´ erico (8.3.0.2). ∆t → 0 (8. Consistencia Un esquema es consistente si la ecuaci´ on discreta tiende al operador diferencial cuando todos los incrementos de las variables independientes tienden a cero.3.13) con ∆xj representando los pasos de la malla en todas las direcciones. Consistencia Figura 8. Como vemos ambos operadores se aplican a la soluci´ on exacta del problema. i todas los valores nodales que est´ ((docver curso-cfd-0.5).2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 216 .

(8. . Este esquema es de primer ´ orden en el tiempo y de segundo ´ orden en el espacio. 2 6 i i i Para los esquemas de primer ´ orden como el aplicado a la derivada temporal hemos cortado el 2 desarrollo en el t´ ermino O(∆t ) mientras que en las aproximaciones espaciales centradas. No obstante la soluci´ on exacta de la ecuaci´ on en diferencias satisface una ecuaci´ on diferencial equivalente. Reemplazando (8.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 217 . consistente.14) en el esquema (8.13) vemos que n un i−1 = ui − ∆x ux n + +1 un − un a ∆t n n i i utt + (un i+1 − ui−1 ) − (ut + aux )i = ∆t 2∆x 2 n i + ∆x2 a uxxx 6 n i + O(∆t2 .3.16) 2 6 i i i mostrando que la soluci´ on exacta de una formulaci´ on discreta no satisface exactamente la ecuaci´ on diferencial para valores finitos del paso de tiempo y el incremento de la malla. ∆t4 ) (8. o sea las u ¯n i es la soluci´ i son tales que satisfacen exactamente (8.14) n n ∆x2 ∆x3 uxx − uxxx + .5) y usando la definici´ on (8. ∆t4 ) (8.17) tt T 2 6 i i que puede ser expresado en forma equivalente aplicando la ecuaci´ on diferencial sobre ´ el para eliminar la derivada temporal.0.. Otra forma interesante de interpretar la consistencia es la siguiente: Supongamos que u ¯n on exacta del esquema num´ erico. Consistencia +1 un = un i + ∆t u t i n i + ∆ t2 utt 2 n i + . que son de segundo ´ orden hemos extendido el desarrollo un t´ ermino m´ as.. llamada modificada. n un i+1 = ui + ∆x ux n i + ∆x2 uxx 2 n i + ∆x3 uxxx 6 n i + .. No obstante la precisi´ on global ∆t podr´ ıa alterarse si alguna relaci´ on entre ∆x y ∆t se establece. En este ejemplo n u ¯t + au ¯x =− n n ∆t ∆x2 u − uxxx + O(∆t2 .. ∆t4 ) (8. representado por los t´ erminos del lado derecho. Ana Secci´ on 8.5).15) Se ve claramente que si ∆x . que difiere de la original en el error de truncamiento. mientras que si se fija la relaci´ on ∆x2 constante ser´ a globalmente de segundo ´ orden. =− ((docver curso-cfd-0. Al reemplazarlas en el operador diferencial arrojan la siguiente identidad: n n ∆t ∆x2 utt − a uxxx + O(∆t2 . La precisi´ on del esquema puede verse en los t´ erminos que lideran el segundo miembro. por la definici´ on. . por ejemplo si se fija que ∆ x sea ∆t constante. entonces ser´ a globalmente de primer ´ orden. ∆t → 0 el segundo miembro se anula y el esquema es.´lisis de esquemas nume ´ricos Cap´ ıtulo 8.

5) genera un error de truncamiento equivalente a una difusi´ t 2 −∆ a 2 Finalmente la consistencia y el ´ orden de precisi´ on de un esquema lo dictamina el error de truncamiento. ∆x2 ) (8.0. o sea representable por matrices. si ut + aux = − T = O(∆tq . Estabilidad n ut utt i n i = −a ux = −a uxt n i i + O(∆t. q 8. Estabilidad La definici´ on de estabilidad ha sufrido bastantes cambios desde que fue por primera vez introducida por O’Brien en 1950. Supongamos que expresamos todas las inc´ ognitas en cada punto del espacio y del tiempo (variables nodales) en un arreglo. Tal como mencion´ aramos anteriormente el esquema on negativa. Ana Secci´ on 8. ∆x2 ) 2 6 i i lo cual equivale finalmente a resolver una ecuaci´ on diferencial modificada T =− (8. Sin entrar en detalles hist´ oricos saltamos hasta 1956 cuando Lax y Richtmyer introdujeron el concepto de estabilidad basado en la evoluci´ on temporal de la soluci´ on. con un coeficiente num´ erico (8.18) = −a2 uxx + O(∆t.´lisis de esquemas nume ´ricos Cap´ ıtulo 8. ∆xp ) (8. q > 0 la precisi´ on est´ a asociada con los valores de p .4. ∆x2 ) con lo cual el error de truncamiento puede ser escrito como n n ∆x2 ∆t 2 a uxx − a uxxx + O(∆t2 .19) ∆t 2 a uxx + O(∆t2 .20) 2 Esto muestra porqu´ e el esquema es inestable. Ritchmyer y Morton desarrollaron esta idea que se basa en definir en forma matricial la influencia del operador discreto. en 1967. en el primer caso tendiendo a cero con los incrementos espaciales y temporales y en el segundo caso a trav´ es de las potencias con las cuales se va a cero.4. Asi como un operador diferencial acepta una descomposici´ on espectral sobre un espacio de dimensi´ on infinita. ∆x2 ) n i n (8.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 218 . Posteriormente.21) la consistencia exige p > 0 . que al tiempo n∆t se puede expresar como: ((docver curso-cfd-0. Concluyendo. ∆x2 ) + O(∆t. el operador discreto acepta una equivalente pero en un espacio de dimensi´ on finita.

. .. . ... .. . .  CU n =  . . . . . .5) y veamos que forma toma el operador.. . +1   n .. . . . ... . . (8.... . . +1 n+1 n+1 un = un i − σ (ui+1 − ui−1 )/2 i BU n+1 .2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 219 . ...9) y el operador discreto B del esquema (8. Una ecuaci´ on t´ ıpica de aquel esquema es +1 n n un = un i − σ (ui+1 − ui−1 )/2 i .24) acter de impl´ ıcito debemos previamente Si tomamos en cambio el esquema (8.. . σ/2 1 −σ/2 .. . . −σ/2 1 +σ/2 .  .  ui+1  .. La condici´ on de estabilidad se establece del siguiente modo: Dada una soluci´ on inicial U 0 a tiempo t = 0 la acci´ on repetida de C sobre ella produce que ((docver curso-cfd-0. ..   .. i   n  . ... σ/2 1 −σ/2 .....  .......8) por su car´ definir un operador B sobre U n+1 para luego generar el operador C sobre U n . .25) Problema: Calcular el operador discreto C del esquema (8. .. . .  . ..0. −σ/2 1 +σ/2 . . −σ/2 1 +σ/2 .  ui+1  . .. . ...  El esquema num´ erico puede ser escrito en forma de operador C : IRN → IRN como: U n+1 = C · U n (8. Ana Secci´ on 8......10)...  . .  .. ...    n u  n i − 1  U = n    ui  un   i+1  . . ..22) (8. ..23) con C = C (∆x. . . .. . . . .´lisis de esquemas nume ´ricos Cap´ ıtulo 8.8....  . . .. .. ∆t) A modo de ejemplo tomemos el esquema num´ erico (8.. .  = . . . ..   (8.. . ...... . ..   ui−  un  . .. .   .. .7. . −1   ui n  +1  . . . Estabilidad  un 1   . . . . . .4. . . ..  ui  n+1  .. . . ...   n 1 σ/2 1 −σ/2 . .. .

29) i−1 ) ∆t 2∆x i+1 que es id´ entica al esquema original. Ya que el dominio tiene longitud finita la representaci´ on de Fourier ser´ a discreta y sumada sobre un conjunto finito de arm´ onicas.23). uno de los m´ etodos m´ as conocidos para el an´ alisis de estabilidad.5) sobre la soluci´ on exacta de la ecuaci´ on discreta vemos que por (8. Si las condiciones de borde son peri´ odicas entonces podemos descomponer al error en series de Fourier para la variable espacial en cada paso de tiempo.30) n+1 i con en un vector equivalente al definido en (8.5) entonces nos queda una ecuaci´ i satisface exactamente la ecuaci´ − n a i =− ( n − n (8. El m´ etodo de Von Neumann Este m´ etodo es bien popular y simple de aplicar.´lisis de esquemas nume ´ricos Cap´ ıtulo 8. como presentamos en (8. Del mismo modo podemos plantear algo equivalente aplicando una visi´ on de operadores. Por lo tanto un ¯n i =u i + n i (8. A continuaci´ on presentamos el m´ etodo de Von Neumann.22) pero conteniendo a los errores en lugar de los valores nodales.0. Ana Secci´ on 8.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 220 . llegando a que en+1 = Cen (8.27) +1 n+1 u ¯n −u ¯n − n a a i i i + i =− (¯ un ¯n ( n − n (8. Por lo tanto. El m´ etodo de Von Neumann U n = Cn · U 0 Para que todas las soluciones U n permanezcan acotadas y el esquema definido por C sea estable el operador C tiene que ser uniformemente acotado. ((docver curso-cfd-0. 8.5.26) para valores fijos de τ. existe una constante K tal que ||C n || < K para 0 < ∆t < τ 0 ≤ n∆ t ≤ T (8. seg´ un una visi´ on lineal los errores evolucionan con el tiempo en la misma forma que la soluci´ on. Esto es. T y ∀n.27) Aplicando el esquema (8. pero como tal tiene algunas limitaciones relacionadas con: • v´ alido solamente para operadores lineales • v´ alido solamente para coeficientes constantes • v´ alido solamente para problemas peri´ odicos alisis de estabilidad se basa en la relaci´ on que existe entre la Como vimos en la figura 8. Entre ellas existe una soluci´ on computada un y la soluci´ o n exacta de la ecuaci´ o n discretizada u ¯ i i diferencia que viene dada por los errores de redondeo y los errores en los valores iniciales.28) i+1 − u i−1 ) − i−1 ) ∆t ∆t 2∆x 2∆x i+1 on para el error Ya que u ¯n on (8.1 el an´ n .5.

Por lo tanto estableciendo que ∆x = L/N .37) 221 . Ej endola Iiφ umero de Courant σ y sacando factor com´ un e llegamos a en el esquema (8. El m´ etodo de Von Neumann Sea un dominio de longitud L. N (8.30) implica que existe un desacoplamiento de los modos n eIiφ . L) en (−L. .32) = (8. . introduciendo el n´ una ecuaci´ on del tipo: (E n+1 − E n ) + σ/2E n (eIφ − e−Iφ ) = 0 (8. La regi´ on alrededor de φ = 0 corresponden a las bajas frecuencias mientras que las cercanas a φ = π est´ an asociadas a las altas frecuencias.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) (8.31) La figura 8. donde I = −1 y Definimos la fase como jπ (8.36) La cantidad G(∆t.26) se satisface si las amplitudes del error no crecen con el tiempo. Factor de amplificaci´ on El hecho que cada arm´ onica satisfaga (8.29). L) con un rango de frecuencias y longitudes de onda (k = 2π/λ) como el siguiente: kmin = π/L kmax = π/∆x λmax = 2L λmin = 2∆x (8. linealidad del operador no solamente el error satisface (8.´lisis de esquemas nume ´ricos Cap´ ıtulo 8. la representaci´ on compleja de Fourier refleja la regi´ on (0.5. π ) en pasos de π/N . .1. introduci´ y cada uno de ellos puede tratarse por separado.34) N que cubre el dominio (−π.0. Por la onica.35) La condici´ on de estabilidad (8.5. Ana Secci´ on 8. 2∆x. ∆x. k ) = EE n se la define como el factor de amplificaci´ on. con N el n´ umero de nodos en una grilla definida como el conjunto de puntos de coordenadas xi = i∆x podemos representar todas las arm´ onicas visibles por la grilla como π π =j L N ∆x La descomposici´ on en series de Fourier del error es: kj = jkmin = j N n i N n Ikj ·i∆x Ej e = j =−N j =−N n Iijπ/N Ej e j = 0. uno que cubre todo el dominio 2L(ondas largas) y el otro que abarca la menor regi´ on en la cual se puede representar una onda. . o sea si |G| = n+1 E n+1 ≤1 En ∀φ (8. Para el esquema presentado llegamos a que el factor de amplificaci´ on es G = 1 − Iσ sin(φ) ((docver curso-cfd-0.33) es la amplitud de la j-´ esima arm´ onica.30) sino cada arm´ φ = kj · ∆x = √ n Ej 8. Consideremos una de ellas.2 muestra los dos modos extremos.

Hab´ ıamos visto anteriormente sin demostraci´ on evidente que el esquema (8.5. entonces arribamos a la siguiente expresi´ on para el factor de amplificaci´ on: G = 1 − σ + σe−Iφ = 1 − 2σ sin2 (φ/2) − Iσ sin(φ) (8.9) aplicado al error y saquemos factor com´ un E n eIiφ .3.9) esto se cumple solo si 0<σ≤1 (8. La versi´ on geom´ etrica de la condici´ on de estabilidad (8.9) +1 un − un a i i =− (un − un i−1 ) ∆t ∆x i (8. ingres´ emosla en el esquema (8. En el caso del esquema (8. Ana Secci´ on 8.´lisis de esquemas nume ´ricos Cap´ ıtulo 8.0.26) es que el factor de amplificaci´ on de todas las arm´ onicas deben ubicarse dentro de un c´ ırculo centrado en el or´ ıgen de radio unitario.2: Representaci´ on de Fourier del error num´ erico lo cual indica que su m´ odulo ser´ a siempre mayor que uno y por lo tanto incondicionalmente inestable.39) La condici´ on (8.39) es muy conocida y denominada condici´ on de Courant-Friedrichs-Lewy (CFL) ((docver curso-cfd-0. El m´ etodo de Von Neumann Figura 8.38) Esto se representa gr´ aficamente por un c´ ırculo centrado en 1 − σ de radio σ . Tratemos de justificarlo con las herramientas reci´ en presentadas. como lo muestra la figura 8.9) era condicionalmente estable.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 222 . Para ello tomemos una arm´ onica como la anterior.

10) =− (un+1 − un i−1 ) ∆t ∆x i vemos que este tiene una estabilidad incondicional. El m´ etodo de Von Neumann Figura 8. Otra forma de ver esta condici´ on es mediante teor´ ıa de caracter´ ısticas. Ana Secci´ on 8. Si trazamos las caracter´ ısticas a partir de un punto de la malla se debe elegir la relaci´ on entre el paso espacial y el temporal de forma tal de satisfacer que el dominio de dependencia de la ecuaci´ on diferencial debe estar contenido en el dominio de dependencia de las ecuaciones discretizadas.4 muestra lo que reci´ en comentamos. Es la discretizaci´ on empleada capaz de capturar el dominio de dependencia de las caracter´ ısticas del problema ? Finalmente si tomamos un esquema como el (8. llegando finalmente a que el factor de amplificaci´ on tiene una expresi´ on como: G= 1 1 + Iσ sin(φ) (8. Esto se puede demostrar siguiendo los mismos pasos que en los casos anteriores.5.2. Extensi´ on al caso de sistema de ecuaciones Consideremos que un esquema num´ erico es construido en dos pasos: 223 ((docver curso-cfd-0.0.40) lo cual implica que su m´ odulo ser´ a siempre menor que la unidad.´lisis de esquemas nume ´ricos Cap´ ıtulo 8.10) +1 un − un a +1 i i (8. 8. La figura 8.3: Factor de amplificaci´ on para un esquema con upwind.5.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) .

44) En estos casos C = 1 + ∆tS .5. El m´ etodo de Von Neumann Figura 8.42) (8.45) ((docver curso-cfd-0. Esto corresponde al caso de un esquema de dos niveles expl´ ıcitos.´lisis de esquemas nume ´ricos Cap´ ıtulo 8. +1 un = Cun ¯i i +q i (8. La representaci´ on matricial de lo anterior se transforma en dU = SU + Q dt (2) Aplicaci´ on de un esquema de integraci´ on temporal.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 224 .41) donde el t´ ermino qi contiene eventuales fuentes y las contribuciones del contorno.0.4: Interpretaci´ on geom´ etrica de la condici´ on CFL (1) Aplicaci´ on de la discretizaci´ on espacial dui = Sui + qi dt (8. El caso impl´ ıcito adopta la forma B1 U n+1 = B0 U n (8.43) que en forma matricial se escribe como ¯ U n+1 = CU n + Q (8. Ana Secci´ on 8.

Por ejemplo cuando la matriz de amplificaci´ on tiene autovalores de valor 1 con multiplicidad mayor que uno. Entonces una condici´ on suficiente de estabilidad es que ρ(G) ≤ 1 + O(∆t) ∆t finito . Propiedades de la matriz de amplificaci´ on 1. Existe una relaci´ on entre el concepto de matriz de amplificaci´ on G y el operador C . π ) (8.5. Definiendo ´ esta como: ||G|| = max u=0 |G · u| |u| (8. En el caso del esquema de integraci´ on temporal del tipo Forward Euler el operador C = I + ∆tS .51) 225 . ∀φ ∈ (−π. G = P (A). El concepto de m´ odulo del factor de amplificaci´ on cambia por el de norma de la matriz de amplificaci´ on. π ) en pasos de π/N . no obstante una condici´ on estricta del tipo ρ(G) ≤ 1 (8.47) y considerando el hecho que ||G|| ≥ ρ(G) (8. que en general est´ a asociado con el operador de desplazamientos E por eIφ . El m´ etodo de Von Neumann −1 donde el operador discreto se define como C = B1 B0 .48) donde ρ(G) = maxj =1. Ana Secci´ on 8. Si recordamos que φ est´ a definido desde (−π. Estas condiciones suficientes de estabilidad (b) son v´ alidas tambi´ en para el caso de matrices normales donde G conmuta con su hermitiana conjugada y el radio espectral coincide con la norma. El primero desplaza en la malla y el segundo en el espacio de las frecuencias.50) puede ser necesaria para evitar que algunos modos num´ ericos crezcan m´ as r´ apidamente que sus correspondientes modos f´ ısicos. con una relaci´ on como: G(φ) = C (eIφ ) (8.´lisis de esquemas nume ´ricos Cap´ ıtulo 8. Mientras el primero habita en el espacio de las frecuencias el segundo lo hace en el dominio espacial.49) La posibilidad que el radio espectral sea mayor que uno surge en considerar algunos problemas donde la soluci´ on exacta crece exponencialmente. Si la matriz de amplificaci´ on puede expresarse como un polinomio de la matriz A.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) (8.46) La anterior nos dice que la matriz de amplificaci´ on se puede obtener reemplazando el argumento de la matriz C . luego el teorema del mapeo espectral es v´ alido y establece que: λ(G) = P (λ(A)) ((docver curso-cfd-0. En general G(φ) o G(k ) se puede ver como el equivalente de Fourier discreto del operador de discretizaci´ on C .p |λj | es el radio espectral de la matriz G de p × p y λ sus autovalores. Habiendo establecido una forma de calcular la matriz de amplificaci´ on queda por ver como establecer un criterio de estabilidad general. En el caso de varias ecuaciones el factor de amplificaci´ on se transforma en la matriz de amplificaci´ on. entonces existe una equivalencia entre E y eIφ .0.

B tienen el mismo conjunto de autovectores y λ(G) = P (λ(A). esto es: G = P (A.0.5. entonces λ(G) = 1 − Iαλ(A) + β (λ(A))2 2. expresado en forma diferencial se puede escribir como: ∂U ∂U +A =0 ∂t ∂x U = {h . Ay =  0 v 0  g 0 v  u h 0 Ax =  g u 0  0 0 u  (8. A. u . λ(B )) Esta condici´ on deja de ser v´ alida cuando las matrices no conmutan como es el caso de las ecuaciones de movimiento fluido en varias dimensiones.52) El modelo unidimensional linealizado alrededor de un estado de referencia U0 = {h0 . v } Ay = v0 h0 g v0 (8. El m´ etodo de Von Neumann Por ejemplo. B ) con AB = BA entonces.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) (8.53) Un esquema espacialmente centrado se escribe como: dUi Ui+1 − Ui−1 = −A dt 2∆x Ui = Eφ eIiφ Ui+1 = Eφ eI (i+1) φ = Eφ eIiφ eIφ = Ui eIφ Ui−1 = Eφ eI (i−1)φ = Eφ eIiφ e−Iφ = Ui e−Iφ ((docver curso-cfd-0.´lisis de esquemas nume ´ricos Cap´ ıtulo 8. Ejemplo: Ecuaciones de shallow water Las ecuaciones de shallow water (aguas poco profundas) son un importante modelo para tratar la hidrodin´ amica de zonas costeras.54) 226 . algunos rios y lagos donde la profundidad es mucho menor que las restantes dos direcciones coordenadas. si G = 1 − IαA + βA2 . El modelo se puede escribir como: ∂U + A · ∇U = 0 ∂t U = {h . v }   v 0 h . Ana Secci´ on 8. Si G puede expresarse como una funci´ on de varias matrices que conmutan entre si. v0 }.

.55) donde ∆ representa el operador de corrimientos espaciales y si llevamos a cabo el ensamblaje de la matriz C esta se expresa como:  .59) ((docver curso-cfd-0.57) vemos que G(φ) = C(∆ = eIφ ) Aplicando la primera propiedad de la matriz de amplificaci´ on tenemos que λ(G(φ)) = P (λ(A)) A∆t Iφ G(φ) = I − (e − e−Iφ ) 2∆x λ(A)∆t Iφ (e − e−Iφ ) λ(G(φ)) = 1 − 2∆x o sea los autovalores de la matriz A se transforman conforme a 8.5. Ana Secci´ on 8.55). Esquema Euler +1 = Un Un i − A ∆t i ∆ − ∆−1 ∆ − ∆−1 n n Ui = I − A∆t Un i = CUi 2∆x 2∆x (8. El m´ etodo de Von Neumann En cuanto a la discretizaci´ on temporal primero consideraremos el caso de una integraci´ on temporal siguiendo el esquema de Euler y luego tomaremos el caso del esquema de Lax-Friedrichs.57) Comparando (8.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) . .´lisis de esquemas nume ´ricos Cap´ ıtulo 8.  A∆ t 1/2( ∆x )  C=    I ∆t 1 /2( A ∆x ) (8..59) Los autovalores de la matriz A se calculan en forma directa como: |A − λI| = 0 v0 − λ h0 =0 g v0 − λ λ(A)1.0. .60) (8.55) y (8.2 = v0 ± gh0 227 (8.54) en (8. I ∆t 1 /2( A ∆x ) ∆t 1 /2(− A ∆x )     A ∆ t  1 /2(− ∆x )  A ∆ t 1 I /2(− ∆x )  . A∆t Iφ (e − e−Iφ ) En i 2∆x A∆t Iφ (e − e−Iφ ) G(φ) = I − 2∆x +1 En = I− i (8.58) (8.56) Por otro lado podemos arribar a la matriz de amplificaci´ on reemplazando (8.

66) Entonces.64) con (8. En el caso en que los autovalores fueran de dificultosa evaluaci´ on podemos recurrir a una resoluci´ on num´ erica.64) con ω = ω (k ) una funci´ on compleja del n´ umero de onda que representa la dispersi´ on num´ erica.65) (8.0. Surgi´ o que dicha evoluci´ on estaba regida por una expresi´ on del tipo: v n+1 = G(φ)v n = [G(φ)]n v 1 Descomponiendo temporalmente a la soluci´ on num´ erica en arm´ onicas podemos ver que vn = v ˆe−Iωn∆t (8. Esquema Lax-Friedrichs En 1954 Lax sugiri´ o una forma de estabilizar el esquema anterior conservando la discretizaci´ on espacial centrada. G = e−Iω∆t (8.5.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) .´lisis de esquemas nume ´ricos Cap´ ıtulo 8.62) Realizando un procedimiento similar al caso del integrador Euler hacia adelante llegamos a que existe una condici´ on tipo CFL aqu´ ı del tipo. on directa entre el factor o matriz de Relacionando (8.68) 228 ((docver curso-cfd-0.61) Este esquema es a simple vista inestable.3.5.63) 8. la representaci´ on de la soluci´ on num´ erica en t´ ermino de arm´ onicas simples se puede escribir como: un ˆe−Iωn∆t eIiφ i =v Del mismo modo la soluci´ on exacta acepta una descomposici´ on similar obteniendo: ˜ n∆t Iiφ u ˜n ˆe−I ω e i =v (8. El m´ etodo de Von Neumann Por lo tanto los autovalores de la matriz de amplificaci´ on ser´ an: λ(G) = 1 − (v0 ± √ gh0 )∆t sin(φ) I ∆x (8. Este esquema bien popular en estos dias se puede escribir como: +1 n Un = 1/2(Un i+1 + Ui−1 ) − i A ∆t n (U − Un i−1 ) 2∆x i+1 (8. (|v0 | + gh0 ) ∆t ≤1 ∆x (8.67) (8.65) vemos que existe una relaci´ amplificaci´ on y esta dispersi´ on num´ erica. Ana Secci´ on 8. An´ alisis espectral del error num´ erico Hab´ ımos visto que una forma de caracterizar la evoluci´ on temporal del error en un esquema num´ erico era mediante la definici´ on de la matriz de amplificaci´ on o en el caso de modelos escalares simplemente del factor de amplificaci´ on.

El esquema se puede escribir como: α ∆t n n n (8.76) 229 .69) Para poder estudiar el espectro de los errores num´ ericos dividiremos la dispersion ω en su parte real y su parte imaginaria. caso contrario esta puede cambiarse por t´ erminos convectivos (Φ φ ˜ = Φ/Φ (8.72) Si comparamos ambos m´ odulos y ambas fases entre si llegamos a la definici´ on de dos par´ ametros de error muy importantes: D φ |G| ˜∆t eη ˜ =Φ−Φ = ERROR POR DISIPACION ERROR POR DISPERSION (8. An´ alisis de error en problemas parab´ olicos Tomemos la ecuaci´ on del calor discretizada en el espacio en forma centrada y en el tiempo con un esquema expl´ ıcito.74) mejor adecuada en aquellos problemas dominados por convecci´ on.5.71) (8.0.70) en (8.70) e−I Φ (8. Ana Secci´ on 8. El m´ etodo de Von Neumann con su correspondiente funci´ on de amplificaci´ on exacta ˜ ∆t ˜ = e−I ω G (8.69) tenemos ˜ = e+η∆t e−Iξ∆t = G G G = e+η∆t Φ = ξ ∆t Del mismo modo con la soluci´ on exacta podemos obtener ˜ G η ∆t = e+˜ ˜∆t ˜ =ξ Φ (8.73) olicos sin La definici´ on del error de dispersi´ on dada en (8.´lisis de esquemas nume ´ricos Cap´ ıtulo 8. ω = ξ + Iη de forma tal que si reemplazamos (8.73) es adecuada en problemas parab´ ˜ = 0).75) 2 (ui+1 − 2ui + ui−1 ) ∆x El factor de amplificaci´ on se obtiene mediante el procedimento presentado oportunamente y este se expresa como: +1 un = un i + i G = 1 − 4β sin2 (φ/2) α ∆t β= ∆x2 α≥0 β ≤ 1/2 ((docver curso-cfd-0.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) (8.

´lisis de esquemas nume ´ricos Cap´ ıtulo 8.78) β 2 φ4 βφ4 + + . G es la amortiguaci´ on num´ erica del esquema mientras que φ es el error por dispersi´ on. Si como hicimos para el caso parab´ olico reem− I ω ˜ t Ikx plazamos una arm´ onica del tipo u = e e en el operador diferencial encontramos que: ˜ ω ˜ = ka = ξ η ˜=0 (8.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) . El m´ etodo de Von Neumann El factor de dispersi´ on del continuo se obtiene reemplazando la representaci´ on espectral de la soluci´ on exacta en el operador diferencial.79) α2 k 4 ∆t2 αk 4 ∆t∆x2 1− + 2 12 Este esquema produce errores num´ ericos bajos para modos de baja frecuencia pero para aquellos de alta frecuencia estos pueden ser inaceptables. Adem´ as ya que G es real no existe error en phase por lo tanto no presenta dispersi´ on num´ erica. D 2 12 (8.0. 230 ((docver curso-cfd-0. Ana Secci´ on 8.82) φ Entonces.. Entonces.5.77) = (8. Si φ > 1 la soluci´ on num´ erica viaja m´ as r´ apido que la exacta mientras que si es φ < 1 viaja m´ as lento.81) Como vemos a diferencia del caso parab´ olico aqu´ ı el coeficiente de dispersi´ on num´ erica es un n´ umero real lo que le da un car´ acter ondulatorio a la soluci´ on y sin amortiguamiento. ∆x4 ). de acuerdo a la definici´ on (8.73) el error por disipaci´ on y por dispersi´ on vienen dados por: |G| = |G| ˜∆t eη ˜ = Φ/(ka∆t) = Φ/(σφ) = Φ/Φ D = (8. o sea sin amortiguarse ni dispersarse.80) ∂t ∂x F´ ısicamente el transporte por convecci´ on se puede ejemplificar colocando inicialmente en el dominio una onda y viendo que esta viaja en una determinada direcci´ on guiada por el campo de velocidades sin modificarse. 1− An´ alisis de error en problemas hiperb´ olicos Tomemos como ejemplo t´ ıpico de una ecuaci´ on hiperb´ olica la ecuaci´ on de advecci´ on pura: ∂u ∂u +a =0 (8. ω ˜ = −αk 2 I = −βφ2 /∆tI y el error de disipaci´ on se obtiene como: 1 − 4β sin2 (φ/2) e−βφ2 que si lo expandimos en series de potencias en φ se obtiene despu´ es de algo de algebra D (8. No obstante para β = 1/6 los dos u ´ltimos t´ erminos se cancelan y este esquema presenta un alto orden O(∆t2 .. especialmente para aquellos β ≤ 1/2 pr´ oximos a la cota superior.

5 muestra el error de disipaci´ on para un esquema expl´ ıcito de primer orden estabilizado espacialmente mediante la introducci´ on de upwind.5.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 231 . Esquema expl´ ıcito con upwind A modo de ilustraci´ on tomemos el caso de un esquema expl´ ıcito con upwind para resolver la ecuaci´ on de advecci´ on pura no estacionaria (8. de advecci´ on pura.5: Error de disipaci´ on del m´ etodo de Lax-Friedrichs para la ec. fundamentalmente para σ = 1/2 que da dispersi´ on ((docver curso-cfd-0. La primera se calcula mediante su definici´ on (8.83) erico lo podemos apreciar graficando la O sea que de acuerdo a (8.6 (FIXME:= la figura referenciada es para Lax-Friedrichs) muestra como es el error de dispersi´ on para diferentes n´ umeros de Courant.38) G = [(1 − σ + σ cos(φ))2 + σ 2 sin2 (φ)] /2 = [1 − 4σ (1 − σ ) sin2 (φ/2)] /2 1 1 (8.82) el amortiguamiento num´ expresi´ on (8.66) y finalmente el error de dispersi´ on se escribe como: Φ = ∆t Re {ω } = ∆t tan−1 − Im {G} Re {G} (8. El m´ etodo de Von Neumann Figura 8.80). El error de dispersi´ on se calcula a partir de la relaci´ on entre las velocidades de fase num´ erica y la exacta.0.83).´lisis de esquemas nume ´ricos Cap´ ıtulo 8. (FIXME:= la figura que se referencia es para Lax-Friedrichs). Ana Secci´ on 8.84) φ ˜= = Φ/Φ tan−1 σ sin(φ)/(1 − σ + σ cos(φ)) σφ La figura 8. La figura 8. Este esquema ya lo hemos tratado a la hora de calcular el factor de amplificaci´ on y hab´ ıamos obtenido una expresi´ on para el mismo (8.

8. El esquema leapfrog para la ecuaci´ on de convecci´ on +1 n n un = zi − σ (un i+1 − ui−1 ) i n+1 zi = un i (8. Ana Secci´ on 8.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) .4.5. Figura 8.5. El concepto de velocidad de grupo Un paquete de ondas contiene en general arm´ onicas con varias frecuencias.5. El m´ etodo de Von Neumann nula y para σ = 1/4 y 3/4 que son casos representativos de ondas num´ ericas que viajan m´ as lentas y m´ as r´ apido que las exactas respectivamente. De esta forma la matriz de amplificaci´ on que surge requiere un c´ alculo de autovalores para poder identificar los errores de disipaci´ on y dispersi´ on.85) El esquema Du Fort-Frankel para la ecuaci´ on de difusi´ on +1 −1 n (1 − 2β )un = (1 − 2β )un + 2β (un i+1 − ui−1 ) i i β = α∆t/∆x2 N´ umero de Fourier (8. de advecci´ on pura. En ese caso la velocidad de grupo representa la velocidad a la cual la energ´ ıa de la onda se propaga.0. Dejamos como ejemplos dos casos interesantes.86) 8.5. Extensi´ on a esquemas de tres niveles Una forma muy simple de ver un esquema de tres niveles es mediante la introducci´ on de una ecuaci´ on adicional. En el caso de una onda unidimensional la definici´ on matem´ atica de la velocidad de grupo de la soluci´ on exacta es: 232 ((docver curso-cfd-0.6: Error de dispersi´ on del m´ etodo de Lax-Friedrichs para la ec. De esta forma el problema queda definido mediante dos ecuaciones de 2 niveles y es completamente an´ alogo al caso de tratar con sistema de ecuaciones.´lisis de esquemas nume ´ricos Cap´ ıtulo 8.

t) ∼ v ˆe−Iωt eI k·x El producto escalar en su versi´ on discretizada se escribe como: (k · x)i.j −1 ∆y 2 (8. El m´ etodo de Von Neumann v ˜G (k ) = Su contraparte num´ erica la definimos como d˜ ω dk (8. π ].j ∆x2 + n n un i.88) se llega a que: vG (k ) = a cos(φ) a cos(φ) = cos(ω ∆t) (1 − σ 2 sin2 (φ))1/2 (8.ky v n eIkx i∆x eIky j ∆y (8.5. An´ alisis de Von Neumann multidimensional Para extender lo visto en las secciones anteriores al caso multidimensional introducimos el vector n´ umero de onda k.j = α∆t n n un i+1.0.j + ui−1. 8.90) (8. de forma que una soluci´ on descompuesta en arm´ onicas puede escribirse como: u(x.j − 2ui.j = kx .j − ui.89) Para bajas frecuencias la velocidad de grupo es similar a la velocidad de transporte a pero a altas frecuencias φ ≈ π esta tiende a −a o sea en contrafase con la exacta.j + ui.87) dξ dω = Re{ } (8.92) (8.´lisis de esquemas nume ´ricos Cap´ ıtulo 8. un ejemplo de una ecuaci´ on del tipo parab´ olica.93) Si usamos un esquema centrado en las variables espaciales y expl´ ıcito de primer ´ orden en el tiempo la versi´ on discreta se escribe como: +1 n un i.5.94) Una descomposici´ on de Fourier discreta se define por: un i.j. ∂u ∂2u ∂2u =α + 2 ∂t ∂x2 ∂y (8.6. Ana Secci´ on 8.k = kx i∆x + ky j ∆y + kz k ∆z = iφx + jφy + kφz (8. El resto del an´ alisis permanece id´ entico al caso unidimensional.95) ((docver curso-cfd-0. Para ejemplificar tomemos la ecuaci´ on del calor.88) dk dk Un ejemplo lo tenemos con el esquema leapfrog que tiene una relaci´ on de dispersi´ on num´ erica expresada como: vG (k ) = sin(ω ∆t) = σ sin(φ) y aplicando (8.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 233 .91) donde cada n´ umero de fase en cada direcci´ on espacial barre el rango [−π.j +1 − 2ui.

((docver curso-cfd-0. De esta forma la convergencia queda definida sin necesitar an´ alisis. la estabilidad es condici´ on necesaria y suficiente para la convergencia Con esto concluimos diciendo que los dos pasos necesarios del an´ alisis son: (1) La consistencia conduce a la determinaci´ on del ´ orden de precisi´ on del esquema y su error de truncaci´ on (2) la estabilidad nos brinda informaci´ on detallada de la distribuci´ on en frecuencias del error como funci´ on del contenido en frecuencia de la soluci´ on calculada.0.95) en (8. Convergencia La convergencia puede ser establecida siguiendo a Richtmyer y Morton de la siguiente forma: ∆t→0 .94) se llega a: G − 1 = β [(eIφx + e−Iφx − 2) + ( ∆x 2 Iφy ) (e + e−Iφy − 2)] ∆y (8.97) 8.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 234 . Convergencia Definiendo la matriz de amplificaci´ on en forma similar al caso unidimensional v n+1 = Gv n e introduci´ endola junto con (8.6. α>0 β (1 + ( ∆x 2 ) ) ≤ 1/2 ∆y (8.96) con β el n´ umero de Fourier antes definido. Ana Secci´ on 8. Siguiendo el teorema de equivalencia de Lax podemos decir que: para un problema de valores iniciales bien planteado y una discretizaci´ on consistente.´lisis de esquemas nume ´ricos Cap´ ıtulo 8. Otra vez.98) para n∆t fijo.6. haciendo que el factor de amplificaci´ on se mantenga en m´ odulo menor que la unidad se llega a dos condiciones similares al caso 1D apenas m´ as restrictivas. n→∞ lim ˜ (t)|| = 0 ||[C (∆t)]n U 0 − U (8.

Encuentre la condici´ on de estabilidad de este esquema.7.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 235 .. Escriba un programa en MatLab que grafique el factor de amplificaci´ on para la ecuaci´ on de adveccci´ on-difusi´ on discretizada en el espacio en forma central y en el tiempo usando un esquema expl´ ıcito Forward Euler para diferentes n´ umeros de Peclet.P eh << 1 b.. Trabajo Pr´ actico 8. Trabajo Pr´ actico 1..´lisis de esquemas nume ´ricos Cap´ ıtulo 8.P eh = 1 d.7. Ana Secci´ on 8.99) a. Calcule la matriz de amplificaci´ on para la ecuaci´ on de las ondas unidimensional de segundo orden: 2 ∂2w 2∂ w − a =0 ∂t2 ∂x2 usando el siguiente esquema de discretizaci´ on basado en una descomposici´ on del operador de segundo orden en 2 ecuaciones de primer orden: a∆t n n (w − wi ) ∆x i+1 a∆t n+1 n+1 n+1 n (v − wi wi − wi = −1 ) ∆x i n+1 n vi − vi = (8.. Obtener la matriz de amplificaci´ on para el modelo unidimensional linealizado de shallow water usando un esquema centrado espacialmente y un integrador temporal tipo Lax-Friedrichs.0.. Calcule el error por disipaci´ on y por dispersi´ on para la ecuaci´ on de advecci´ on pura discretizada espacialmente en forma centrada y temporalmente mediante un esquema del tipo Lax-Friedrichs.. Considere al menos lo que sucede cuando el Peclet de la malla es: a.P eh > 1 e. ((docver curso-cfd-0.Es este esquema adecuado para resolver una ecuaci´ on el´ ıptica del tipo 2 ∂2w 2 ∂ w + | a =0 | ∂t2 ∂x2 4. +1 n un = 1/2(un i+1 + ui−1 ) − i σ n (u − un i−1 ) 2 i+1 3..P eh < 1 c.P eh >> 1 2. TP. TP. b.

100) Programe un esquema de este tipo e inicialice la soluci´ on con: u(x. b.expl´ ıcito con upwind.0. Este se puede escribir partiendo de una expansi´ on en series de Taylor como la siguiente: +1 un = un i + ∆t i ∂u ∂2u + 1/2∆t2 2 + O(∆t3 ) ∂t i ∂t i ∂u reemplazando la ecuaci´ on diferencial ∂u on que surge de derivar esta u ´ltima ∂t + a ∂x = 0 y una versi´ nuevamente respecto al tiempo e intercambiar ´ ındices de derivaciones.... 3.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 236 . Analice el comportamiento bajo diferentes n´ umeros de Courant (σ ) y saque conclusiones. Trabajo Pr´ actico 5.centrado y Lax-Wendroff.7. TP.101) Estime la velocidad de grupo y analice la soluci´ on num´ erica obtenida compar´ andola con la te´ orica..una onda senoidal con fase φ = π/10..una onda senoidal con fase φ = π/5.´lisis de esquemas nume ´ricos Cap´ ıtulo 8.4 ∆x = 1/80 a=1 (8. 6.centrado y Lax-Friedrichs. t = 0) = e−αx sin(2πkx) 2 φ = k ∆x = π/4 σ = 0. Programe los siguientes esquemas aplicados a la ecuaci´ on de advecci´ on pura: a.una soluci´ on constante pero discontinua en el centro del dominio. ((docver curso-cfd-0.. Ana Secci´ on 8. El esquema leapfrog aplicado a la ecuaci´ on de advecci´ on no estacionaria ut + aux = 0 se puede escribir como: +1 −1 n un = un − σ (un i+1 − ui−1 ) i i (8. y ensayar su comportamiento para las siguientes condiciones iniciales: 1. A continuaci´ on calcule el error por disipaci´ on y por dispersi´ on para la ecuaci´ on de advecci´ on pura discretizada espacialmente en forma centrada y temporalmente mediante el esquema de Lax-Wendroff. 2. 7. Obtenga el esquema num´ erico de Lax-Wendroff. c.

Realice un an´ alisis de estabilidad de von Neumann y compare la condici´ on de estabilidad con aquella del caso 1D. 10.7. 9. Trabajo Pr´ actico 8.´lisis de esquemas nume ´ricos Cap´ ıtulo 8. Analice el esquema leapfrog en combinaci´ on con una discretizaci´ on espacial con upwind para resolver la ecuaci´ on de advecci´ on pura no estacionaria en 1D. Grafique el factor de amplificaci´ on en funci´ on de la fase para diferentes n´ umeros de Courant. TP. Ana Secci´ on 8. Compare con el caso 1D. Calcule la matriz de amplificaci´ on y muestre que el esquema es inestable.0. Escriba un programa para analizar la estabilidad de von Neumann del esquema de Lax-Wendroff aplicado a una discretizaci´ on espacial centrada en 2D para resolver la ecuaci´ on de advecci´ on pura.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 237 . ((docver curso-cfd-0. Aplique una discretizaci´ on espacial con full upwind en ambas direcciones a la ecuaci´ on de convecci´ on pura no estacionaria en 2D ut + aux + buy = 0 usando un esquema expl´ ıcito de primer order para integrarla en el tiempo.

La soluci´ on del sistema la denotamos como x∗ = A−1 b ∈ RN . es decir como se comporta el error x − xk para k → ∞. Conceptos b´ asicos de m´ etodos iterativos estacionarios Notaci´ on y repaso Ax = b (9.2) Debemos asegurar la convergencia del m´ etodo iterativo y si es posible determinar la tasa de convergencia. definida (9.4) 238 .1. . Los m´ etodos iterativos se basan en encontrar una secuencia {xk }∞ k=0 tal que k→∞ lim xk = x∗ (9. denotamos por A la norma de A inducida por Ax x .1) Denotamos a un sistema lineal como con A no-singular de N × N y b ∈ RN . 9.1. mientras que x representa una soluci´ on potencial.1.3) Las normas inducidas tienen la importante propiedad de que Ax ≤ A y tambi´ en: AB ≤ A B (9.Cap´ ıtulo 9 M´ etodos iterativos para la resoluci´ on de ecuaciones lineales 9.5) x (9. . Normas inducidas Dada una norma para vectores por A = max Ax = max x =1 x=0 .

13) (9.16) Adem´ as. Conceptos b´ asicos de m´ etodos iterativos estacionarios ya que AB = max ABx x =1 (9. entonces Sean {vj . Sea B = AT A entonces B es sim´ etrica y definida positiva. λj }N los autovalores de B .15) y A 2 2 = max j 2λ αj j j 2 αj a∈IRN = max λj j (9.12) (9.8) (9. entonces AT A = A2 y autovalores de A2 = (λj )2 ((docver curso-cfd-0. v k jk j =1 j A Si x = j 2 2 = max x=0 xT Bx xT x (9.10) αj vj entonces Bx = j αj λj vj (9.14) T αk αj λj vk vj 2 αj λj j = Por otra parte.9) ≤ max A x =1 x =1 Bx = A max Bx = A Obviamente I = 1 y 0 = 0.17) 239 . xT x = j 2 αj (9. si A es sim´ etrica.0.´todos iterativos para la resolucio ´ n de ecuaciones lineales Cap´ ıtulo 9.11) y xT Bx =( = jk T )( αk vk αj λj vj ) (9. Diferentes normas utilizadas son A A A 2 B = maximo autovalor de(AT A) j ∞ 1 = maxi |aij | = maxj ( i |aij |) Norma inducida L2 de una matriz. con autovalores λj . entonces es diagonalizable. T v = δ .6) (9.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) (9.7) (9.1. Me Secci´ on 9.

26) (9.1.21) = max  i j (9.18) Norma infinito inducida de una matriz.19) = max | i j aij xj | ≤ max i j |aij | |xj | (9.28) (9. (9. j ≤ max  i (9. Por definici´ on x ∞ = max |(x)i | y entonces. Av ∞ = Av ∞ = max i v ∞ |aij | j (9.30) (9.0.32) ((docver curso-cfd-0.23) con i = argmax k j |akj | (9. Me Secci´ on 9. entonces.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 240 .27) j Para k = i se satisface que |(Av )i | = = = aij vj aij sign aij |aij |.24) =1 (9.25) akj vj |akj | < ≤ |akj | |vj | |aij | (9.´todos iterativos para la resolucio ´ n de ecuaciones lineales Cap´ ıtulo 9. es obvio que v y |(Av )k | = ≤ j ∞ ∞  |aij | . Conceptos b´ asicos de m´ etodos iterativos estacionarios de manera que A 2 = max |autovalores de A| (9. la norma inducida es Ax ∞ (9.31) Por lo tanto.22) por lo tanto  A Tomemos v tal que (v )j = sign aij .20) ≤ max i     j   |aij | max |xk |  k  |aij | x ∞ (9.29) (9.

si A = 0 αA = |α| A A+B ≤ A + B ((docver curso-cfd-0.35) ≤ j max k i |aik | |xj | (9. entonces δij = 1 i v y como 1 = (9. Es f´ acil demostrar que existen normas que no son inducidas.38) y (9.39) (Av )i = aij entonces Av y por definici´ on de norma inducida A 1 1 (9. Me Secci´ on 9. Ax 1 1 = i |(x)i | (9.0.45) (9. Por definici´ on. de (9.40) |aik | i = i |aij | = max k (9. Conceptos b´ asicos de m´ etodos iterativos estacionarios Norma inducida 1 de una matriz.43) Normas no inducidas.44) (9. es decir que satisfacen A > 0.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) (9.34) ≤ i j |aij | |xj | = j i |aij | |xj | (9.36) = y entonces max k i |aik | x 1 (9.41) ≥ Av 1 = max k v 1 |aik | i (9. x y entonces.´todos iterativos para la resolucio ´ n de ecuaciones lineales Cap´ ıtulo 9.42) se deduce que A 1 = max k i |aik | (9.46) 241 .37) A Sea v tal que (v )i = δij con j = argmaxk 1 ≤ max k i |aik | (9.1.38) i |aik |.33) = i |(Ax)i | = i | j aij xj | (9.42) y entonces.

entonces es claro que es una norma pero I N´ umero de condici´ on = c = 1 y por lo tanto no es inducida. Por ejemplo. Me Secci´ on 9.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 242 . ∗ como (9. A no-singular y x∗ = A−1 b.54) (9. pero como no cono∗ cemos x esto es imposible en los casos pr´ acticos.50) Si rk es suficientemente peque˜ no esperamos que ek sea peque˜ no y podemos poner como criterio de detenci´ on rk ≤ tol (9. si consideramos un problema t´ ermico.1.47) =c A 2 ∗ con c > 0. Por ejemlo.51) r0 El siguiente lema nos permite relacionar ambos criterios de detenci´ on Lema 1.1.´todos iterativos para la resolucio ´ n de ecuaciones lineales Cap´ ıtulo 9.48) A−1 = κ(A) (9. c = 1. es (9. Criterios de convergencia de los m´ etodos iterativos A−1 . El n´ umero de condici´ on de una matriz no-singular en la norma κ(A) = A Podemos ver que 1 = I = AA−1 ≤ A Si A es singular tomamos como que κ(A) = ∞. el miembro derecho q tendr´ a dimensiones de potencia (Watts) y los coeficientes ((docver curso-cfd-0. Conceptos b´ asicos de m´ etodos iterativos estacionarios pero no provienen de ninguna norma para vectores. x. Dados b.49) Desear´ ıamos “detener” un m´ etodo iterativo cuando ek = x − xk < tol. r = b − Ax = Ax∗ − Ax = A(x − x∗ ) = −Ae entonces e = A−1 Ae ≤ A−1 y r0 ≤ A Por lo tanto A− 1 e ≤ e0 A−1 e0 .55) Ae = A−1 r (9.1. entonces r e ≤ κ(A) e0 r0 Demostraci´ on.0.53) (9. entonces x puede representar temperaturas nodales y por lo tanto tendr´ a dimensiones ◦ de temperatura ( C).52) r r = κ(A) r0 r0 (9. si definimos la norma A ∗ . Pero s´ ı podemos calcular el residuo de la ecuaci´ on para la iteraci´ on k como rk = b − Axk (9. x0 ∈ IRN . (9.56) La divisi´ on por e0 y r0 es para adimensionalizar el problema.

) Los m´ etodos de Krylov que discutiremos m´ as adelante no son m´ etodos estacionarios.63) (9. .1.57) b Ambos coinciden si x0 = 0.2. El lema de Banach La forma m´ as directa de obtener (y posteriormente analizar) un m´ etodo iterativo es reescribir (9. .58) El an´ alisis de tales secuencias recursivas es m´ as general y vamos a estudiar la convergencia de relaciones recursivas generales de la forma xk+1 = M xk + c (9.61) N´ otese que rk act´ ua como una peque˜ na correcci´ on a la iteraci´ on k para obtener la siguiente k + 1. Asumamos por simplicidad que x0 = 0.60) donde M es la llamada matriz de iteraci´ on o matriz de amplificaci´ on. entonces x1 = c x2 = M c + c = (M + I ) c x3 = M (M + I ) c + c = (M + M + I ) c . Es interesante tambi´ en ver que el esquema de Richardson puede ponerse de la forma xk+1 = xk + (b − Axk ) = xk + rk (9. Me Secci´ on 9. xk−2 . xk−1 .60) obtenemos una expresi´ on general para la iteraci´ on xk . .64) (9. . . .1. Otra posibilidad es rk < tol (9. Por otra parte.´todos iterativos para la resolucio ´ n de ecuaciones lineales Cap´ ıtulo 9.66) xk =  Mj c ((docver curso-cfd-0. este criterio depende de la soluci´ on inicial x0 lo cual puede llevar a iterar demasiado en el caso en que partimos de una buena soluci´ on ( r0 muy peque˜ no). Aplicando recursivamente (9. Conceptos b´ asicos de m´ etodos iterativos estacionarios ◦ [Ai j ] = W/ C. .65) (9. 9.62) (9. pero lo importante es que el residuo tendr´ a las mismas dimensiones que b es decir potencia (Watts).   k −1 j =0 2 (9.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 243 . mientras que r / r0 es el mismo en los dos sistemas de unidades. Una forma de hacer esto es reescribir la ecuaci´ on como x = (I − A)x + b lo cual induce el siguiente m´ etodo iterativo de Richardson xk+1 = (I − A)xk + b (9. . Ahora si hacemos un cambio de unidades tomando como unidad de potencia a cal/s entonces el criterio de parada r < tol es completamente diferente. Estos m´ etodos son llamados m´ etodos iterativos estacionarios porque la transici´ on de xk a xk+1 no depende de la historia anterior: M´ etodos estacionarios: xk+1 = f (xk ) M´ etodos no estacionarios: xk+1 = f (xk .1) como un problema de iteraci´ on de punto fijo.0.59) (9. Si ∗ estamos suficientemente cerca de la soluci´ on x entonces rk ser´ a peque˜ no y la correcci´ on ser´ a peque˜ na.

1.77) (9.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 244 .69) M k+1 (9. Entonces Sk → S para alg´ un S . Si M ∈ IR satisface M < 1 entonces I − M es no-singular y (I − M )−1 ≤ 1 1− M k l l=0 M . Veremos que la serie converge a (1 − M )−1 .78) (I − Λ)S ((docver curso-cfd-0. En el caso en que M es diagonalizable y consideramos la norma M 2 es m´ as f´ acil de visualizar las implicancias del lema.67) Mostraremos que Demostraci´ on. Conceptos b´ asicos de m´ etodos iterativos estacionarios Es claro que la convergencia del m´ etodo est´ a ligada a la convergencia de la suma de M j .71) (9. Sean S no-singular y Λ diagonal las matrices que dan la descomposici´ on diagonal de M M (I − M ) = S −1 Λ S =S −1 (9.70) = M →0 1 − M m−k 1− M (9.´todos iterativos para la resolucio ´ n de ecuaciones lineales Cap´ ıtulo 9.73) obtenemos MS + I = S Por lo tanto (I − M )S = I de donde I − M es no-singular y S = (I − M )−1 .74) (9.72) para m. (9.2. Sea Sk = es una secuencia de Cauchy m Sk − Sm = l=k+1 m Ml Ml l=k+1 m l (9.75) (I − M ) −1 ≤ l=0 M l = (1 − M )−1 . Pero entonces tomando el l´ ımite en la relaci´ on de recurrencia M Sk + I = Sk+1 (9.1. (9. N ×N Lemma 1.0.76) Matrices diagonalizables bajo la norma 2. Por otra parte ∞ (9. k → ∞.68) ≤ ≤ l=k+1 (9. Me Secci´ on 9.

est´ an estrictamente contenidos en el intervalo −1 < λj < 1. por lo tanto xk converge a (I − M )−1 c + x0 = (I − M )−1 [c − (I − M ) x0 ] + x0 = (I − M ) −1 (9.86) c . A veces podemos precondicionar el sistema de ecuaciones multiplicando ambos miembros de (9.2.87) de manera que la convergencia del m´ etodo iterativo es mejorada.84) El cual converge y converge a (I − M )−1 c . (9. (9.90) 1 − I − BA ((docver curso-cfd-0. Si x = x0 ya est´ a demostrado. Si A y B ∈ IRN ×N y B es una inversa paroximada de A. Por otra parte (I − M )−1 2 1 j 1 − λj 1 = min |1 − λj | 1 = 1 − max λj 1 1 ≤ = 1 − max |λj | 1− M = max (9.´todos iterativos para la resolucio ´ n de ecuaciones lineales Cap´ ıtulo 9.83) (9.1.81) (9.80) (9. entonces A y B son no singulares y A B . Sea M = I − BA. Me Secci´ on 9.1.1. Teorema 1. Demostraci´ on. Una consecuencia del corolario es que la iteraci´ on de Richardson (1.85) (9. Si x = x0 haciendo el cambio de variables xk = xk − x0 llegamos al esquema recursivo xk+1 − x0 xk+1 = M (xk − x0 ) + c − (I − M ) x0 = M xk + c (9.82) 2 Corolario 1.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 245 .2.60) converge a x = (I − M )−1 c para cualquier punto inicial x0 . Si M < 1 entonces la iteraci´ on (9. B es una inversa aproximada de A si I − BA < 1. El siguiente teorema es llamado com´ unmente Lema de Banach.89) 1 − I − BA 1 − I − BA Demostraci´ on.0.1.2. que son reales ya que M es sim´ etrica. Conceptos b´ asicos de m´ etodos iterativos estacionarios Como M = maxj |λj | < 1 esto quiere decir que todos los autovalores λj de M . entonces I − M = BA es no singular y por lo tanto B y A son no-singulares y 1 (BA)−1 = A−1 B −1 ≤ (9. En el contexto de la iteraci´ on de Richardson las matrices B tales que permiten aplicar el Lema de Banach y su corolario se llaman inversas aproximadas Definici´ on 1. B −1 ≤ .88) A−1 ≤ 1 − I − BA 1 − I − BA y B I − BA A I − BA A−1 − B ≤ .1) por una matriz B BA x = Bb (9.6) converge si I − A < 1. A − B −1 ≤ .79) (9.

97) 246 . Teorema 1.1. En realidad puede demostrarse algo as´ ı como que ρ(A) es el ´ ınfimo de todas las normas de A. Notar que hay una cierta simetr´ ıa en el rol jugado por A y B .60) a la norma de la matriz El an´ alisis de §9. Tomemos x0 = v . Me Secci´ on 9. Sin embargo la norma de M puede ser peque˜ na en alguna norma y grande en otras. precondicionada aproximadamente. 1 − I − BA (9.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) (9.60) diverge. A−1 − B = (I − BA)A−1 ≤ B I − BA 1 − I − BA (9. tiene la forma xk+1 = (I − BA) xk + Bb (9. entonces A ≥ Av = |λmax | = ρ(A) v (9.91) La demostraci´ on de las otras desigualdades es similar. El concepto de radio espectral da una descripci´ on completa. Sea σ (A) el conjunto de autovalores de A. si Av = λmax v . ((docver curso-cfd-0. Para cada > 0 existe una norma inducida . Esto es el enunciado del siguiente teorema (que no demostraremos aqu´ ı).94) El radio espectral de A es independiente de la norma particular de M . (por el Lema 1. entonces xk = M k x0 = λk x0 es claro que no converge. La iteraci´ on de Richardson.96) (9.2 relacion´ M .95) Siempre que .3.92) B ≤ B . Conceptos b´ asicos de m´ etodos iterativos estacionarios y A−1 ≤ A−1 B −1 Por otra parte. sea v el autovalor tal que M v = λv y |λ| = ρ(M ) ≥ 1. sea una norma inducida.1. Efectivamente.3.1) las decisiones basadas en el residuo precondicionado B (b − A x) reflejar´ an muy bien el error cometido. De hecho deber´ ıamos definir inversa aproximada por derecha y por izquierda y B ser´ ıa la inversa aproximada por derecha de A.2.1.´todos iterativos para la resolucio ´ n de ecuaciones lineales Cap´ ıtulo 9.93) Si I − BA 1 las iteraciones convergen r´ apido y adem´ as. tal que ρ(A) > A − .3. c = 0. Puede verse que. si ρ(M ) ≥ 1 entonces existen x0 y c tales que (9. De aqu´ ı que la performance de la iteraci´ on no sea completamente descripta por M .0. Radio espectral o la convergencia del esquema iterativo (9. Sea A ∈ IRN ×N . Definici´ on 1. De hecho ρ(A) ≤ A ya que. El radio espectral de A es ρ(A) = max |λ| = lim An λ∈σ (A) n→∞ 1/n (9.1. 9.1.

102) (9.104) Es usual visualizar la convergencia del m´ etodo graficando rk versus k . si ρ(M ) < 1 entonces. La iteraci´ on (9. Conceptos b´ asicos de m´ etodos iterativos estacionarios Figura 9.100) (9.103) no s´ olo es una estimaci´ on de la tasa de convergencia sino que. es usual usuar ejes logar´ ıtmicos para rk 2 . muchas veces el residuo de la ecuaci´ on termina comport´ andose de esta forma.99) (9.3. Demostraci´ on. Sea M ∈ IRN ×N . existe una norma tal que 1 M < ρ(M ) + = (1 + ρ(M )) < 1 (9. despu´ es de un cierto transitorio inicial (ver figura) es decir rk ∼ γ k r0 (9. Me Secci´ on 9. Si ρ(M ) > 1 entonces en cualquier norma tal que M > 1 la iteraci´ on no converge por el p´ arrafo anterior.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 247 .103) (9. Como rk 2 puede reducirse en varios ´ ordenes de magnitud durante la iteraci´ on.1: Historia de convergencia t´ ıpica Teorema 1. Por otra parte. xk − x∗ = (I − BA) xk−1 + BA x∗ − x∗ = (I − BA) (xk−1 − x ) y por lo tanto xk − x∗ ≤ I − BA ≤ I − BA k ∗ (9. tomando = (1 − ρ(M ))/2.0.105) ((docver curso-cfd-0.2. de hecho.´todos iterativos para la resolucio ´ n de ecuaciones lineales Cap´ ıtulo 9. Para un esquema convergente de la forma xk+1 = (I − BA) xk + Bb podemos estimar la tasa de convergencia como. Por otra parte (9.1. c ∈ IRN ×N sy y solo si ρ(M ) < 1.98) 2 y por lo tanto converge. Tasa de convergencia de m´ etodos estacionarios.60) converge para todos x0 .101) xk−1 − x∗ x0 − x ∗ (9.

111) (9.107) (9. y entonces.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 248 .110) 1 (9. n= log 10 (9.2). A medida que vamos iterando el residuo va bajando en magnitud.1.105) (ver figura 9. n = log(1/γ ) para problemas muy mal condicionados γ =1− .112) 9.109) γ k +n k (9.1.´todos iterativos para la resolucio ´ n de ecuaciones lineales Cap´ ıtulo 9. un efecto de saturaci´ on ((docver curso-cfd-0. n= (k2 − k1 ) (log 10) (k2 − k1 ) = log( r1 / r2 ) log10 ( r1 / r2 ) (9.108) A veces podemos calcular la tasa de convergencia “experimentalmente” conociendo el valor del residuo rk para dos iteraciones k1 . Un ´ ındice de la velocidad de convergencia es el n´ umero de iteraciones n necesario para bajar el residuo un factor 10.4. entonces r2 = γ k2 − k1 r1 de donde log γ = y entonces.0. Cuando el valor del residuo pasa por debajo de cierto valor umbral dependiendo de la precisi´ on de la m´ aquina (∼ 10−15 en Octave. Saturaci´ on del error debido a los errores de redondeo. rk+n = 1/10 rk r0 = 1/10 γ r0 log 10 log 10 = −n log γ. k2 . debido a errores de redondeo.113) log( r2 / r1 ) k2 − k1 (9. log(1/γ ) ∼ . Fortran (real *8) o C (tipo double)) se produce. Me Secci´ on 9. Conceptos b´ asicos de m´ etodos iterativos estacionarios Figura 9. Asumiendo que en el intervalo k1 ≤ k ≤ k2 la tasa de convergencia es constante como en (9.106) (9.2: Estimaci´ on de la tasa de convergencia Este tipo de comportamiento se refleja en una recta de pendiente log γ en el gr´ afico.

es claro que incluso reemplazando xk por la soluci´ on exacta x∗ el residuo (calculado en una m´ aquina de precisi´ on finita) dara un valor no nulo del orden de la precisi´ on de la m´ aquina. Conceptos b´ asicos de m´ etodos iterativos estacionarios 1 máquina de precisión finita 1e-10 máquina de precisión infinita 1e-20 0 2000 4000 6000 8000 iter 10000 Figura 9. Iteraci´ on de Jacobi.1. A = A1 + A2 (9.3: Saturaci´ on del error por errores de redondeo.0.117) (9. Me Secci´ on 9. Es decir.3). es decir que r sat ≈ 10−15 × κ(A) × b (9.115) con A1 no-singular y f´ acil de factorizar. el umbral se alcanza antes por un factor κ(A).´todos iterativos para la resolucio ´ n de ecuaciones lineales Cap´ ıtulo 9. Gauss-Seidel y relajaciones sucesivas se basan en descomposiciones de A (“splittings”) de la forma.5.50). Por supuesto este umbral de saturaci´ on es relativo a la norma de cada uno de los t´ erminos intervinientes y adem´ as para sistemas mal condicionados.114) 9. Los m´ etodos como Jacobi. al momento de calcular (9. El nuevo problema de punto fijo es 1 x = A− 1 (b − A2 x) 1 El an´ alisis del m´ etodo se basa en estimar el radio espectral de M = −A− 1 A2 .116) A1 A2 = D = diag(A) =L+U =A−D (9.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) . M´ etodos iterativos estacionarios cl´ asicos Hay otras formas alternativas a (9. (ver figura 9.118) 249 ((docver curso-cfd-0.58) de llevar Ax = b a un problema de punto fijo. Corresponde a tomar (9.1.

Sea A ∈ IRN ×N y asumamos que para cualquier 1 ≤ i ≤ N 0< j =i (9.1. superior y diagonal de A = L + U + D.130) (9.4.0. trivial de invertir. A2 = L (9.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 250 .129) 1 A1 es triangular inferior y por lo tanto A− acil de calcular.121) entonces A es no-singular y Jacobi converge.124) −1 A)x + D b (9. Notar tambi´ en que a diferencia de 1 es f´ Jacobi. D son las partes triangular inferior. Tambi´ en podemo hacer un “backward GaussSeidel” con el splitting A1 = D + U. por lo tanto. U.120) |aij | < |aii | (9. El esquema iterativo es   1  (xk+1 )i = a− bi − ii j =i aij (xk )j  (9. Demostraci´ on.122) Entonces. Conceptos b´ asicos de m´ etodos iterativos estacionarios donde L. Veamos que N |mij | = j =1 j =i |aij | |aii | <1 (9.   1 (xk+1 )i = a− bi − ii j<i aij (xk+1 )j − j>i aij (xk )j  (9.123) Por lo tanto la iteraci´ on converge a la soluci´ on de x x = M x + D −1 b = (I − D −1 (9. A2 = U y la matriz de iteraci´ on MGS = −(D + L)−1 U (9.1.119) Notar que A1 es diagonal y.125) entonces Ax = b y I − M = D−1 A es no-singular y A es no-singular. depende del ordenamiento de las inc´ ognitas.127) (9. MJac ∞ = max i j |mij | < 1 (9.´todos iterativos para la resolucio ´ n de ecuaciones lineales Cap´ ıtulo 9. En este esquema se reemplaza la soluci´ on aproximada con el nuevo valor tan pronto como ´ este es calculado. La matriz de iteraci´ on correspondiente es MJac = −D−1 (L + U ) Teorema 1.128) ((docver curso-cfd-0. Iteraci´ on de Gauss-Seidel.126) que puede escribirse como (D + L) xk+1 = b − U xk El split correspondiente es A1 = D + L. Me Secci´ on 9.

Efectivamente.´todos iterativos para la resolucio ´ n de ecuaciones lineales Cap´ ıtulo 9.140) (9.1. BJac = D−1 (9.133) (9.148) 251 ((docver curso-cfd-0. Debemos demostrar que MSGS = I − BSGS A.0. Conceptos b´ asicos de m´ etodos iterativos estacionarios La iteraci´ on es (D + U ) xk+1 = (b − Lxk ) y la matriz de iteraci´ on MBGS = −(D + U )−1 L (9.147) (9.141) (9.137) y para Gauss-Seidel sim´ etrico BSGS = (D + LT )−1 D (D + L)−1 Verificaci´ on.145) D (I + (D + L) T −1 −1 T L ) −1 T [D + L − D − D(D + L) [I − D(D + L) L (D + L) −1 L ] ]L T −1 [(D + L) − D] (D + L) L T L T Si vemos que xk se acerca mon´ otonamente y lentamente a x∗ podemos pensar en “acelerarlo” (ver figura 9.134) (9. Para la iteraci´ on de Jacobi.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) .143) (9.135) (9.131) Queremos escribir estos esquemas como una iteraci´ on de Richardson precondicionada.138) (9. Me Secci´ on 9. Consideremos iteraci´ on simple de Richardson xk+1 = xk + (b − Axk ) (9. I − BSGS A = I − (D + LT )−1 D (D + L)−1 (D + L + LT ) = I − (D + L ) = (D + L ) = (D + L ) = (D + L ) = (D + L ) = MSGS Sobrerelajaci´ on.146) T −1 T −1 T −1 T −1 T −1 (9. Podemos combinar alternando una iteraci´ on de forward GS con una de backward GS poniendo (D + L) xk+1/2 = b − U xk (D + U ) xk+1 = b − Lxk+1/2 La matriz de iteraci´ on es MSGS = MBGS MGS = (D + U )−1 L (D + L)−1 U Si A es sim´ etrica. y buscamos el vector de iteraci´ on xk+1 sobre la recta que une xk con xk+1 xk+1 xk+1 = xk + (b − Axk ) = xk + ω (xk+1 − xk ) (9.132) Gauss-Seidel sim´ etrico.136) (9.142) (9.139) (9.4) diciendo que el m´ etodo iterativo en realidad nos predice un estado intermedio xk+1 .144) (9. entonces U = LT y MSGS = (D + LT )−1 L (D + L)−1 LT (9. es decir que queremos encontrar B tal que M = I − BA y usar B como inversa aproximada.

150) (9. λmax = λ1 .0. se cumple que γ = max(|1 − ωλmin |.152) (9. ωcrit = 2 λmax (9.154) 252 . el espectro de MSR esta dado por σ (MSR ) = 1 − ωσ (A) (9.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) (9. Aplicando el m´ etodo de relajaci´ on a la iteraci´ on b´ asica de Richardson obtenemos el esquema xk+1 = xk + ωrk que puede reescribirse como xk+1 = (I − ωA) xk + ωb de manera que la matriz de iteraci´ on es MSR = I − ωA Asumiendo que A es sim´ etrica y definida positiva (spd). Asumamos que est´ an ordenados λ1 ≥ λ2 ≥ . 1 − ωλmax . El valor de ωcrit est´ a dado entonces por 1 − ωcrit λmax = −1. es decir el m´ ınimo γ . Para un dado ω todos los autovalores de MSR est´ an comprendidos entre los autovalores correspondientes a λmin y λmax (la regi´ on rayada de la figura). Conceptos b´ asicos de m´ etodos iterativos estacionarios Figura 9. y queremos buscar el ω que da la mejor tasa de convergencia.1. ≥ λN . Mientras tanto podemos ver intuitivamente que ω = 1 deja el esquema inalterado ω > 1 tiende a acelerar la convergencia si el esquema converge lenta y mon´ otonamente ω < 1 tiende a desacelerar la convergencia si el esquema se hace inestable. Para ω suficientemente chico todos los autovalores se concentran cerca de la unidad. los autovalores λ ∈ σ (A) son reales y positivos.4: Aceleraci´ on de la convergencia por sobre-relajaci´ on Veremos m´ as adelante que el valor ´ optimo de ω est´ a relacionado con la distribuci´ on de autovalores de la matriz de iteraci´ on en el plano complejo. . Me Secci´ on 9.5. Los autovalores de MSR se comportan en funci´ on de ω como se observa en la figura 9. Para un cierto valor ωcrit el autovalor correspondiente a λmax se pasa de −1 con lo cual la iteraci´ on no converge. Como los 1 − ωλj est´ an comprendidos en el intervalo 1 − ωλmin . Tambi´ en denotaremos λmin = λN .153) La tasa de convergencia est´ a dada por γ = maxj |1 − ωλj |. .149) pero como A es spd. |1 − ωλmax |) ((docver curso-cfd-0.´todos iterativos para la resolucio ´ n de ecuaciones lineales Cap´ ıtulo 9. Esquema iterativo de Richardson con relajaci´ on para matrices spd.151) (9.

Partiendo de (9.1. 1 ωcrit ∼ ωcrit (9.159) (9.157) ωopt = 1 + κ(A)−1 La tasa de convergencia que se obtiene para ωopt es de nopt = = log 10 log(1/γopt ) (9.166) (9. La combinaci´ on de Gauss-Seidel puede mejorarse dram´ aticamente con sobre-relajaci´ on para una cierta elecci´ on apropiada del par´ ametro de relajaci´ on.´todos iterativos para la resolucio ´ n de ecuaciones lineales Cap´ ıtulo 9.158) (9. Conceptos b´ asicos de m´ etodos iterativos estacionarios Ahora bien. de ah´ ı el nombre de coeficiente de relajaci´ on optimo.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 253 . Este m´ etodo es muy popular y se llama SSOR por “Successive Standard Over-Relaxation”.162) y combinando con la sobre-relajaci´ on est´ andar (9.163) ((docver curso-cfd-0.156) Adem´ as es f´ acil ver que γ es m´ ınimo para ω = ωopt . para un cierto intervalo de valores 0 < ω < ωopt el m´ aximo corresponde a 1 − ωλmin y γ decrece al crecer ω .148) xk+1 = ω −1 (xk+1 − (1 − ω ) xk ) llegamos a D[xk+1 − (1 − ω ) xk ] + ωLxk+1 = ω (b − U xk ) (D + ω L)xk+1 = [(1 − ω ) D − ωU ]xk + ωb de manera que la matriz de iteraci´ on es MSOR = (D + ω L)−1 [(1 − ω ) D − ω U ] (9. mientras que para ωopt < ω < ωcrit el m´ aximo est´ a dado por −1 + ωλmax y crece con ω .161) M´ etodo de relajaciones sucesivas.165) (9. Para ω = ωopt ambos valores coinciden y entonces 1 − ωopt λmin = −1 + ωopt λmax de donde ωopt = 2 λmax + λmin (9.160) log 10 log[1 − 2λmin /(λmax + λmin )] log 10 = log[(κ + 1)/(κ − 1)] que para sistemas mal condicionados (κ nopt = 1) es κ log 10 ∼ 1. para n´ umeros de condici´ on muy altos el valor ´ optimo se encuentra muy cerca del valor cr´ ıtico. Me Secci´ on 9.164) (9. ´ Podemos ver tambi´ en que.127) y reescribi´ endolo como D xk+1 + L xk+1 = b − U xk (9.15 κ 2 (9.155) (9.0.

Ar0 . k≥1 (9.171) (9. De hecho.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 254 . .170) ((docver curso-cfd-0. con x b x0 =x−x ¯ = b + Ax ¯ = x0 − x ¯ (9. es decir las iteraciones para los dos sistemas siguientes Ax = b.173) inicializando en x0 inicializando en x0 (9.172) (9.1.´todos iterativos para la resolucio ´ n de ecuaciones lineales Cap´ ıtulo 9.168) Nota: El papel de x0 y b puede intercambiarse. Me Secci´ on 9.2. lo importante es r0 (esto vale pr´ acticamente para todos los m´ etodos iterativos). .2. .5: Comportamiento de los autovalores de la matriz de iteraci´ on en funci´ on del par´ ametro de relajaci´ on 9. Los que describiremos m´ as en profundidad son Gradientes Conjugados y GMRES. M´ etodo de Gradientes Conjugados M´ etodos de Krylov y propiedad de minimizaci´ on Los m´ etodos de Krylov (a diferencia de los m´ etodos estacionarios que vimos hasta ahora). 9. Ak−1 r0 }.0. . no tienen una matriz de iteraci´ on. A2 r0 .169) (9.167) donde x0 es la iteraci´ on inicial y el subespacio de Krylov Kk es Kk = span{r0 . Ambos se basan en que la k -´ esima iteraci´ on minimiza alguna medida del error en el espacio af´ ın x0 + Kk (9. Ax = b . el esquema es invariante ante translaciones del origen. M´ etodo de Gradientes Conjugados Figura 9.2.

precondicionamiento Implementaci´ on La k -´ esima iteraci´ on de GC xk minimiza el funcional cuadr´ atico φ(x) = (1/2)xT Ax − xT b en x0 + Kk .174) (9.180) x A = xT Ax es la llamada “norma A” o “norma energ´ ıa” ya que en muchos problemas pr´ acticos el escalar resultante ( x 2 ) representa la energ´ ıa contenida en el campo representado por el vector x. es la soluci´ on del sistema.179) Luego veremos que podemos extender cualquier sistema (no sim´ etrico ni definido positivo) a un sistema spd.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) . para un cierto k con k ≤ N (9. o bien eliminar b haciendo x ¯ = x∗ o eliminar x0 haciendo x ¯ = x0 . de hecho veremos m´ as adelante que converge en N (o menos) iteraciones.175) (9. ya que r0 = b − Ax0 = b + Ax ¯ − Ax0 − Ax ¯ = b − Ax0 = r0 (9. performance.178) GC es un m´ etodo que sirve en principio s´ olo para matrices (spd). Me Secci´ on 9. Recordemos que A es sim´ etrica si T A = A y definida positiva si xT Ax > 0. podemos definir una norma como √ (9. implica x ˜ = x∗ (9. entonces si x ˜ = argmin φ(x). x∗ = A−1 b.183) 255 ((docver curso-cfd-0. de manera que {rk } para k ≥ 0 denota la secuencia de residuos rk = b − Axk . El m´ etodo de GC es en realidad un m´ etodo directo. A El esquema a seguir ser´ a Descripci´ on formal del m´ etodo y consecuencias de la propiedad de minimizaci´ on Criterio de terminaci´ on. Como A es spd.´todos iterativos para la resolucio ´ n de ecuaciones lineales Cap´ ıtulo 9. en el sentido de que llega a la soluci´ on en un n´ umero finito de pasos. para todo x = 0 (9.0.182) vale que ∇φ(˜ x) = Ax ˜ − b = 0. xk = xk − x ¯). Notemos que si hacemos el m´ ınimo sobre todo IRN .177) de manera que el espacio de Krylov es el mismo. Entonces podemos. El residuo es r = b − Ax.181) (9. x∈IRN (9. Como antes.2.176) (9. M´ etodo de Gradientes Conjugados son equivalentes (es decir. es decir que xk = x∗ .

entonces. entonces tambi´ en minimiza x∗ − x sobre S .192) para todo w ∈ x0 + Kk .191) (b − Ax) .188) = eT A e = [A(x − x )] A = (b − Ax) A = b − Ax T −1 2 A−1 ∗ T −1 [A(x − x )] ∗ (9.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) .1. si xk minimiza φ sobre S . El lema 2.1. entonces x∗T A x = xT AT x∗ = xT A x∗ y Ax∗ = b.190) (9.1.186) (9.196) (9.184) T ∗ ∗T Ax − x Ax + x Ax ∗ (9. x∗ − xk A ≤ x∗ − w A (9. Usaremos este lema para el caso S = x0 + Kk . 9. Sea S ∈ IRN .2. Como w ∈ x0 + Kk puede ser escrito como k −1 w= j =0 γj Aj r0 + x0 (9.189) (9. podemos expresar x∗ − w como k −1 x∗ − w = x∗ − x0 − j =0 γj Aj r0 (9.185) pero A = AT . Me Secci´ on 9.0.2. como xk minimiza φ sobre x0 + Kk .2.187) Ax ∗ Pero x∗T A x∗ =cte de manera que xk minimiza x − x∗ e 2 A A. (9.193) para ciertos coeficientes {γj }.197) 256 = p(A) (x∗ − x0 ) ((docver curso-cfd-0.1 implica que.´todos iterativos para la resolucio ´ n de ecuaciones lineales Cap´ ıtulo 9. Consecuencias de la propiedad de minimizaci´ on.195) x∗ − w = (x∗ − x0 ) − j =0 γj Aj +1 (x∗ − x0 ) (9. M´ etodo de Gradientes Conjugados Lema 2. Sea e = x − x∗ . Notemos que x − x∗ 2 A A = r A−1 = (x − x∗ )T A (x − x∗ ) = x Ax − x T ∗T (9. de manera que x − x∗ 2 A = xT Ax − 2x∗T b + x∗T A x∗ = 2φ(x) + x ∗T (9. Demostraci´ on.194) Pero r0 = b − Ax0 = A(x∗ − x0 ) entonces k −1 (9.

201) = u1 u2 .202) (9. .209) = A /2 p(A) x = p(A) A /2 x ≤ p(A) p(A) 2 1 2 1 1 2 2 2 (9. Entonces.199) Pk denota el conjunto de los polinomios de grado k . uN (9. M´ etodo de Gradientes Conjugados donde el polinomio k −1 p(z ) = 1 − j =0 γj z j +1 (9.204) (9.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) . es decir que uT i uj = δij Adem´ as formamos las matrices U Λ La descomposici´ on diagonal de A es A = U Λ UT Adem´ as Aj = (U ΛU T ) (U ΛU T ) .205) (9.2.208) 2 2 = xT A x = A1/2 x (9. . .206) (9.´todos iterativos para la resolucio ´ n de ecuaciones lineales Cap´ ıtulo 9. (U ΛU T ) = UΛ U y p(A) = U p(Λ) U T Definamos A1/2 = U Λ1/2 U T y notemos que x Entonces.207) (9. .p(0)=1 min p(A) (x∗ − x0 ) A (9. . λ2 .213) 257 A /2 x A x ((docver curso-cfd-0. Me Secci´ on 9.0.200) (9.212) (9. λi reales.210) (9. λi > 0 y los ui ortogonales entre s´ ı. λN } (9. El teorema espectral para matrices spd afirma que existe una base de autovectores {ui }N i=1 con autovalores {λi } A ui = λ i u i con ui .198) tiene grado k y satisface p(0) = 1.211) (9. . x∗ − xk A = p∈Pk . . .203) = diag{λ1 . para todo x ∈ IRN p(A) x A 2 A j T (9.

1. si evaluamos a GC como un m´ etodo iterativo. Definici´ on 2. Demostraci´ on. . p ¯(z ) = 0 para todos los z ∈ σ (A). la convergencia puede ser muy lenta y desde el punto de vista pr´ actica haya que esperar hasta N iteraciones para que el residuo baje de la tolerancia aceptable.2.215) xN − x∗ A ≤ x0 − x∗ A z ∈σ (A) max |p ¯(z )| = 0 (9. Por el teorema espectral k x∗ = l=1 (γl /λl ) ul (9.1. Sea {λi }N i=1 los autovalores de A.2.0. Teorema 2.2. a lo sumo.´todos iterativos para la resolucio ´ n de ecuaciones lineales Cap´ ıtulo 9. Un primer resultado es ver que GC es un m´ etodo directo Teorema 2.217) Pero p ¯ ∈ PN ya que tiene grado N y p ¯(0) = 1. El conjunto de polinomios residuales de orden k es Pk = {p / p es un polinomio de grado k y p(0) = 1} (9.216) La forma de estimar la convergencia de GC es construir secuencias de polinomios residuales basados en la informaci´ on de como est´ an distribuidos los autovalores de A (es decir de σ (A)). Sea p ¯k cualquier polinomio de grado k tal que p ¯k (0) = 1. Entonces GC converge antes de las N iteraciones. de la estimaci´ on de error (9.2.2. Es decir. Veremos que.218) ya que. Sin embargo. bajo ciertas condiciones. Corolario 2. k iteraciones Demostraci´ on. entonces xk − x∗ A ≤ max |p ¯k (z )| (9.214) donde σ (A) es el conjunto de autovalores de A.p(0)=1 min z ∈σ (A) max |p(z )| (9. Sea A spd con autovalores {ui }N on lineal de k de los i=1 . desde el punto de vista pr´ actico esto no es tan bueno como suena. Por simplicidad asumiremos que los autovectores de A est´ an ordenados de manera que estos autovectores son los primeros k k b= l=1 γl ul (9.219) Entonces la iteraci´ on de GC para Ax = b con x0 = 0 termina en. Sea b una combinaci´ autovectores de A. M´ etodo de Gradientes Conjugados y volviendo a (9.1. Me Secci´ on 9.199) xk − x∗ A ≤ x0 − x∗ A p∈Pk . Sea A spd. Entonces.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 258 . entonces debemos poder evaluar la tasa de convergencia para k < N (la pendiente de la curva de convergencia).220) ((docver curso-cfd-0. por construcci´ on. Tomemos como polinomio residual N p ¯(z ) = i=1 (λi − z )/λi (9.215) x0 − x∗ A z ∈σ (A) Los polinomios que satisfacen p ¯k (0) = 1 se llaman polinomios residuales.2. Sea A spd y {xk } las iteraciones de GC.

6: GC con tasa de convergencia muy lenta. Usar el polinomio residual k p ¯k (z ) = l=1 (λl − z )/λl . M´ etodo de Gradientes Conjugados tasa de convergencia muy lenta N k nivel de residuo aceptable Figura 9.0.226) Teorema 2. (9. (9.3.2.199) y x0 = 0 se deduce que x∗ − xk A ≤ p ¯(A) x∗ A =0 .´todos iterativos para la resolucio ´ n de ecuaciones lineales Cap´ ıtulo 9.2.227) ((docver curso-cfd-0. ya que k Ax ∗ = l=1 k (γl /λl )Aul (9. k iteraciones Demostraci´ on.225) De manera que.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 259 .222) (9. Entonces GC termina en. a lo sumo.223) =b Usamos el polinomio residual k p ¯(z ) = l=1 (λl − z )/λl (9. Sea A spd y supongamos que hay exactamente k ≤ N autovalores distintos de A.224) y puede verse que p ¯ ∈ Pk y p ¯(λl ) = 0 para 1 ≤ l ≤ k y k p ¯(A) x∗ = l=1 p ¯(λl ) (γl /λl ) ul = 0 (9.221) = l=1 (γl /λl )λl ul (9. Me Secci´ on 9. por (9.

como hemos visto en algunos casos especiales).1. Criterio de detenci´ on del proceso iterativo. .´todos iterativos para la resolucio ´ n de ecuaciones lineales Cap´ ıtulo 9. las estimaciones de error basadas en la propiedad de minimizaci´ on est´ an expresadas en la norma energ´ ıa del error xk − x∗ A ≤ max |p ¯k (z )| (9. pero en la pr´ actica no se itera GC hasta encontrar la soluci´ on exacta sino hasta que cierto criterio sobre el residuo (por ejemplo rk < 10−6 ) es alcanzado. Entonces.0. 1/2 2 = z A (9.7: Comportamiento del residuo en m´ aquinas de precisi´ on finita. debido a errores de redondeo. 9. de manera que lo importante es la tasa de convergencia media del m´ etodo. Me Secci´ on 9.231) ((docver curso-cfd-0. si ese nivel de residuo est´ a por encima del valor del residuo que obtendr´ ıamos en la iteraci´ on N − 1 (ver figura 9.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 260 .2.228) Sin embargo. Sea A spd.2.230) z A ≤ z 2 ≤ λ1 1/2 z A (9. En una m´ aquina de precisi´ on infinita debemos ver que el residuo desciende bruscamente a cero en la iteraci´ on N (puede ser antes bajo ciertas condiciones. En la pr´ actica se usa usualmente como criterio de detenci´ on del proceso iterativo b − Axk 2 ≤η b 2 (9. M´ etodo de Gradientes Conjugados N k máquina de precisión finita precisión de la máquina máquina de precisión infinita Figura 9. .7).229) x0 − x∗ A z ∈σ (A) El siguiente lema relaciona la norma eucl´ ıdea del error con la norma energ´ ıa del error Lema 2. ocurre que no se puede bajar de un cierto nivel de residuo relacionado con la precisi´ on de la m´ aquina (10−15 en Fortran doble precisi´ on y tambi´ en en Octave) y el n´ umero de operaciones necesarias para calcular el residuo.3. sino que GC se comporta como un m´ etodo iterativo. no veremos el efecto de la convergencia en N iteraciones. De hecho. Entonces para todo z ∈ IRN A1/2 z y λN Demostraci´ on. con autovalores λ1 ≥ λ2 ≥ .3. ≥ λN .

Me Secci´ on 9.231) b − Axk b − Ax0 Consideremos un ejemplo simple 2 2 = A (x∗ − xk ) A (x∗ − x0 ) 2 2 ≤ λ1 1/2 x∗ − xk x∗ − x0 A A 1/2 λN (9. b − Axk b 2 2 ≤ κ2 (A) r0 b 2 2 xk − x∗ x0 − x∗ A A (9. λ N A1 / 2 z 2 2 = (9.237) Lema 2.239) (9.241) κ2 (A) Usando (9.234) N = λN i=1 N 2 λi (uT i z) (9. λi } los autovectores. Entonces.0.2. (9.8) p ¯(z ) = (10 − z )k /10k ∈ Pk (9. Tomemos el polinomio (ver figura 9.238) Recordemos que en la norma L2 para matrices spd. Por lo tanto k2 = 1.240) (9. autovalores de A. con uT i uj = δij .232) Sean {ui .236) ≤ λ1 i=1 2 1/2 λi (uT z i z ) = λ1 A . λN = 9.2.243) (9.22 (relativamente peque˜ no). M´ etodo de Gradientes Conjugados z 2 A = z T AZ = (A1/2 z )T (A1/2 z ) = A1/2 z 2 2 (9.233) Az Entonces.235) 2 2 2 2 ≤ i=1 T 2 λ2 i (ui z ) = Az N (9.242) x0 = 0.244) ((docver curso-cfd-0.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 261 . vale que A A −1 2 2 = m´ ax autovalor de A = λ1 = m´ ın autovalor de A = λN = λ1 /λN (9. λ1 = 11.230) y (9.´todos iterativos para la resolucio ´ n de ecuaciones lineales Cap´ ıtulo 9.3. N z = i=1 N (uT i z ) ui λi (uT i z ) ui i=1 (9.

248) (9. Efectivamente.250) de manera que θ = 0 en z = λN y θ = π en z = λ1 . para los residuos √ Axk − b 2 ≤ 1.9). Esta regi´ on est´ a sombreada en la figura.249) Para obtener la mejor estimaci´ on basada solamente en la informaci´ on del autovalor m´ aximo y m´ ınimo debemos construir un polinomio de tal forma que tome los valores m´ as bajos posibles en el intervalo λ1 ≤ z ≤ λn (ver figura 9.243) Como vemos en la figura todos los polinomios se anulan en z = 10 la mitad del intervalo donde se encuentran los autovalores. Los polinomios de Tchebyshev Tn (x) se definen como Tn (x) = cos nθ (9. hagamos el cambio de variable (z − λN )/(λ1 − λN ) = (1 − cos θ)/2 = (1 − x)/2 (9. Estos polinomios pueden construirse en base a los polinomios de Tchebyshev.245) lo cual implica que la tasa de convergencia es γ = 1/10 y el n´ umero de iteraciones por orden de magnitud es log(10) =1 (9. El m´ aximo valor de p ¯k (z ) sobre el intervalo se alcanza en los extremos del intervalo 9≤z ≤11 max |p ¯k (z )| = |p ¯k (9)| = |p ¯k (11)| = 10−k (9.´todos iterativos para la resolucio ´ n de ecuaciones lineales Cap´ ıtulo 9. Me Secci´ on 9.254) 262 ((docver curso-cfd-0.8: Polinomio residual apropiado para el caso (9.22 × 10−k (9. M´ etodo de Gradientes Conjugados 1 9 11 z Figura 9.0.247) b 2 = 1.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) .2.252) (9.251) Por ejemplo T0 (x) T1 (x) T2 (x) =1 =x = 2x − 1 2 (9.10 × 10−k (9.253) (9.246) n= log(1/γ ) Mientras tanto.

259) ((docver curso-cfd-0. Mediante estimaciones apropiadas para el valor de Tn (x(z = 0)) puede demostrarse que xk − x∗ Podemos ver que.255) 1.´todos iterativos para la resolucio ´ n de ecuaciones lineales Cap´ ıtulo 9. entonces podemos aproximar √ κ2 − 1 2 ≈1− √ √ κ2 + 1 κ (9. Me Secci´ on 9.15 400 = 23 mientras que si tomamos el polinomio residual de la forma p ¯3k = (1. si κ A ≤ 2 x0 − x∗ A √ κ2 − 1 √ κ2 + 1 k (9.257) 2 que debe ser comparada con n ≈ 1. La ventaja es clara. dependiendo de la distribuci´ on de los autovalores.25 − z )k (400 − z )2k 1. es de esperar que Tn (x(z = 0)) 1 y entonces |pk (z )| 1 en λn ≤ z ≤ λ1 . o sea λn ≤ z ≤ λ1 . la convergencia puede ser mucho mejor que la dada por la estimaci´ on anterior.10) 1 ≤ λ ≤ 1.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) . M´ etodo de Gradientes Conjugados 1 z Figura 9.5 ´ o 399 ≤ λ ≤ 400 (9.25k 4002k (9.15 κ (9. Como x(z = 0) cae fuera del intervalo |x| ≤ 1 y Tn crece fuertemente (como xn ) fuera del mismo.0. asumamos que los autovalores est´ an distribuidos en (ver figura 9. Sin embargo. Entonces tomamos pk (z ) = Tn (x(z ))/Tn (x(z = 0)).2. Por ejemplo.260) 263 y entonces (9.15κ para Richardson con ω = ωopt .256) √ log(10) √ κ = 1.9: Polinomio residual basado en los polinomios de Tchebyshev Por construcci´ on vemos que |Tn | ≤ 1 en |x| ≤ 1. teniendo en cuenta que (como veremos despu´ es) el costo (n´ umero de operaciones) de una iteraci´ on de gradientes conjugados es similar al de una iteraci´ on de Richardson.258) n≈ Entonces κ = 400 y la estimaci´ on anterior (basada s´ olo en el n´ umero de condici´ on) da √ n = 1.

M´ etodo de Gradientes Conjugados 1 1.5 max |p3k (z )| = (0. o bien xk+1 = xk + αk+1 pk+1 (9.25 × 400)k (9. Me Secci´ on 9.25/1.29 (1/3) log(1/0.11).264) y γ = 0.´todos iterativos para la resolucio ´ n de ecuaciones lineales Cap´ ıtulo 9. 9.266) donde pk+1 = 0 es una direcci´ on de b´ usqueda que puede obtenerse en forma sencilla y αk+1 es un escalar que se obtiene minimizando el funcional de GC sobre la recta. O bien xk+1 = xk = x∗ . n= log 10 = 4. z ∈σ (A) max |p ¯3k (z )| ≤ 0.25)k = 0.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) (9. Implementaci´ on de gradientes conjugados La implementaci´ on de GC se basa en que conociendo xk pueden ocurrir dos situaciones.2. En el contexto de GC la convergencia se puede mejorar tratando de encontrar precondicionamientos que disminuyan el n´ umero de condici´ on o bien que los autovalores est´ an agrupados en peque˜ nos “clusters” (ver figura 9.262) (9.25)k (1/400)2k = 1/(1.261) y 399≤z ≤400 max |p3k (z )| ≤ (400/1.2k (9.4.265) que representa una tasa de convergencia 5 veces m´ as rapida que la predicha s´ olo en base al n´ umero de condici´ on de A.10: Polinomio residual apropiado para un espectro con dos clusters de autovalores Entonces debemos estimar 1 ≤ z ≤ 1 .0.2k (9. en α = αk+1 dα ((docver curso-cfd-0.263) Por lo tanto.5 1 399 400 z Figura 9. d φ(xk + αpk+1 ) = 0.2.267) 264 .2) (9.21/3 .

M´ etodo de Gradientes Conjugados Problema no precondicionado z Reducción del número de condición (Richardson y GC) z z Agrupar autovalores en pequeños clusters (GC) Figura 9. Pero k −1 xk = x0 + j =0 αj Aj r0 (9.269) (9. Para k = 1 Kk = span{r0 } y obviamente se verifica que r0 ∈ Kk .4. rl ∈ Kk para todo l < k Demostraci´ on. para todo 0 ≤ l < k (9. Me Secci´ on 9.273) αj Aj +1 r0 ∈ Kk+1 .´todos iterativos para la resolucio ´ n de ecuaciones lineales Cap´ ıtulo 9. se cumple que rl ∈ Kk ⊂ Kk+1 .1.271) Si xk+1 = xk entonces α = 0.0. pero esto s´ olo ocurre si xk es la soluci´ on.11: Posibles estrategias de precondicionamiento Recordar que el funcional estaba definido como φ(x) = Entonces dφ dα = pT k+1 ∇φ = pT k+1 [A(xk + αk+1 pk+1 ) − b] = 0 de donde αk+1 = pT k+1 (b − Axk ) pT k+1 A pk+1 (9.268) (9. Lema. Lo haremos por inducci´ on en k .270) 1 T x Ax − xT b 2 (9. (9.274) = r0 − j =0 Lema 2. rk = b − Axk k −1 (9.2. Para l < k .272) y entonces. entonces T rk rl = 0. y {xk } las iteraciones de GC.275) 265 ((docver curso-cfd-0. Ahora asumiendo que es v´ alido para k lo demostraremos para k + 1. Sea A spd.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) . por lo tanto s´ olo resta demostrarlo para rk .

280) (9. entonces para todo ξ ∈ Kk d φ(xk + tξ ) = ∇φ(xk + tξ )T ξ = 0. kmax ) ((docver curso-cfd-0. para todo ξ ∈ Kk (9. . Ver libro. αk+1 = Demostraci´ on.285) Teorema 2. ver libro. b. Demostraci´ on. A.De paso esto permite ver tambi´ en que GC converge en N iteraciones (cosa que ya hemos demostrado bas´ andonos en la propiedad de minimizaci´ on. Como Kk ⊂ Kk+1 ∇φ(xk+1 )T ξ = 0. M´ etodo de Gradientes Conjugados Demostraci´ on. entonces T − rk ξ = 0.286) 266 .283) ∈ Kk+1 = 0. y asumamos que rk = 0.279) Pero para k = N dim Kk = N entonces rk+1 = 0.276) para todo ξ ∈ Kk .3.) Efectivamente.4. Me Secci´ on 9.0. Entonces pk+1 = rk + βk+1 pk para alg´ un escalar βk+1 y k ≥ 0. Entonces.2.277) Ahora bien. cg(x. supongamos que rk = 0 entonces dim Kk+1 = dim Kk + 1 (9. Sea A spd. Si xk = x∗ entonces xk+1 = xk + αk+1 pk+1 donde pk+1 est´ a determinado (a menos de una constante multiplicatva) por pk+1 T pk+1 Aξ Demostraci´ on.278) por lo tanto xk = x∗ . (9. tomando rk y ortogonaliz´ andolo con respecto a Kk podemos obtener pk+1 .4. dt pero ∇φ = −r. con wk ∈ Kk (9.4. pT Ap k+1 k+1 βk+1 = rk rk − 1 2 2 2 2 (9. Las siguientes f´ ormulas son tambi´ en v´ alidas para obtener los αk y βk . Algoritmo 2.1.´todos iterativos para la resolucio ´ n de ecuaciones lineales Cap´ ıtulo 9. pk+1 = rk + wk . Sea p0 = 0. esto define u ´nicamente a pk+1 . para todo ξ ∈ Kk (9. en t = 0 (9.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) rk 2 2 . Lema 2. Lema 2.284) y como dim Kk+1 = dim Kk + 1.281) [Axk + αk+1 Apk+1 − b]T ξ = 0 pero Axk − b = rk ⊥ ξ para todo ξ ∈ Kk de manera que pT k+1 Aξ = 0 (9. si xk+1 = xk entonces rk = rk+1 y rk 2 2 T T = rk rk = rk rk+1 = 0 (9. Como xk minimiza φ en x0 + Kk . Esta propiedad se llama que pk+1 es “conjugado” a Kk .1.2.4.282) (9. Ahora bien.

Debido a esta propiedad de no necesitar tener la matriz almacenada.a. si x representa el vector de potenciales nodales guardados por columnas para una malla homog´ enea de paso h (como en la funci´ on laplacian. ((docver curso-cfd-0.e). entonces la implementaci´ on de Ax es phi=reshape(phi. 2. Me Secci´ on 9. aij }). M´ etodo de Gradientes Conjugados 1.m usada en la Gu´ ıa 1).d y 2. De todos. w. sino que solo es necesario definir una rutina que. Do while ρk−1 > b 2 y k < Kmax a. r = r − αw f. sobre todo en la versi´ on matrix free y sobre todo cuanto m´ as compleja es la f´ ısica del problema.2. ρ0 = r 2 2. r = b − Ax. dado x calcule Ax.c y 2.b) 2 productos escalares (pasos 2. el que requiere m´ as operaciones es generalmente el producto matriz vector.n-1. If k = 1 then p=r else β = ρk−1 /ρk−2 p = r + βp endif b. k = k + 1 Notar que no es necesario formar expl´ ıcitamente la matriz A (ni siquiera en forma “sparse”. k = 1 √ 2. JJ=II. x = x + αp e.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 267 .´todos iterativos para la resolucio ´ n de ecuaciones lineales Cap´ ıtulo 9. p. Por ejemplo. la lista de {i. Costo de GC. % Include the boundary nodes Phi=zeros(n+1). Las variables que se deben mantener almacenadas durante la iteraci´ on son x. (El nombre proviene de que la rutina de la librer´ ıa BLAS que realiza esta operaci´ on y que a su vez es una descripci´ on mnemot´ ecnica de la operaci´ on que se realiza.f) 3 “axpys” (pasos 2. α = ρk−1 /(pT w) d. es decir adicionar a un vector x un m´ ultiplo escalar de otro vector y .). r o sea 4N elementos. GC es llamado un m´ etodo m´ atrix free. % range of indices of internal nodes II=(2:n). es decir. j. w = Ap c. Esto se llama una operaci´ on matriz-vector. 1 producto matriz vector (paso 2.0. ρk = rk 2 g. Una operaci´ on “axpy” es aquella de la forma y ← αx + y .n-1). En cuanto al n´ umero de operaciones.

% Use the standard 5 point formula lap_phi=((-Phi(II+1. × nro. entonces habr´ a que calcular los coeficientes m´ etricos de la malla. por iter. De todas formas. por el problema de precisi´ on finita (ver figura 9.. es decir si el h no es constante. incluso como m´ etodo directo. donde vemos que b´ asicamente el n´ umero de operaciones necesario es O(5N ). GC obviamente requiere mucho menos memoria (O(N ) para GC contra O(N 1. Ancho de banda de la matriz: m = n en 2D. N´ umero total de inc´ ognitas: N = n2 en 2D.JJ-1). Me Secci´ on 9. -Phi(II. N´ umero de op. por razones que veremos m´ as adelante. -Phi(II-1. N = n3 en 3D. si la malla est´ a refinada hacia los lados. ya que 5 es el n´ umero de puntos involucrados en el stencil de Poisson. entonces hay que multiplicar cada fila por un h distinto. M´ etodo de Gradientes Conjugados Phi((2:n).JJ)..288) Vemos que. de op. ((docver curso-cfd-0.) = O(N ) 2 (9.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 268 . como ya hemos mencionado.JJ+1).66 ) en 3D para Gauss). Si bien el m´ etodo de GC se usa raramente como m´ etodo directo. lap_phi=lap_phi(:). GC llega a ser m´ as competitivo en 3D.JJ))/h^2).5 ) en 2D y O(N 1. Por ejemplo.. Sin embargo. N 2 en 3D Hemos hecho uso de que el n´ umero de operaciones para eliminaci´ on de Gauss es N m2 . Considerando un cuadrado de N = n × n nodos en 2D y un cubo de N = n × n × n en 3D.0. +4*Phi(II... Si consideramos el uso de mallas no estructuradas con el m´ etodo de los elementos finitos el c´ alculo de las matrices de cada elemento aumentar´ a todav´ ıa m´ as el n´ umero de operaciones por nodo.. GC/directo: N 2 en 2D. Gauss: N 2 en 2D. En cuanto a la capacidad de almacenamiento.JJ). = O(n´ umero de iter.(2:n))=phi. -Phi(II. tenemos que. N 2.2. m = n2 en 3D.´todos iterativos para la resolucio ´ n de ecuaciones lineales Cap´ ıtulo 9..33 en 3D N´ umero de op. Para GC hemos usado n´ umero de op. Costo de GC como m´ etodo directo.287) (9. vamos a estimar el n´ umero de operaciones necesarios y compararlo con eliminaci´ on de Gauss. Si adem´ as permitimos que las l´ ıneas de la malla no sean paralelas a los ejes.7) en general para problemas grandes se llega a la precisi´ on de la m´ aquina antes de las N iteraciones. si la complejidad de la representaci´ on aumenta el c´ omputo se mantiene en general O(N ) pero con cada vez m´ as operaciones por nodo..

n(Richardson con ω = ωopt ) n(GC ) con lo cual la ganancia es evidente.5. ∼ κ = N 2/3 √ ∼ κ = N 1/3 (9.0.12: Gradientes Conjugados y los residuos verdaderos. El comportamiento de los verdaderos residuos es similar al observado para Richardson en §9. M´ etodo de Gradientes Conjugados 1e+10 1 1e-10 1e-20 1e-30 1e-40 1e-50 1e-60 1e-70 0 residuos verdaderos residuos calculados de la relacion en diferencias 100 200 300 400 500 600 700 Figura 9. El algoritmo cg(.2. por ejemplo FEM).. de oper. entonces los costos relativos est´ an dados por las tasas de convergencia y. En la figura 9. es ((docver curso-cfd-0.290) (9.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 269 . Comparaci´ on como m´ etodo iterativo con Richardson. Tanto para Richardson como para GC el costo para bajar el error un order de magnitud es. Me Secci´ on 9.289) 9. de opr. por iteraci´ on Donde n es el n´ umero de iteraciones necesario para bajar el error un orden de magnitud.50) sino que son calculados en el paso (2e).´todos iterativos para la resolucio ´ n de ecuaciones lineales Cap´ ıtulo 9.1.2. Si bien las expresiones coinciden en una m´ aquina de precisi´ on infinita. para bajar el residuo un orden de magnitud = = n × nro.. Sin embargo. b´ asicamente Nro. usando que en 3D 2 2 / 3 κ∼n =N .291) (9.12 vemos los residuos calculados en un experimento calculados de las dos formas. 266) descripto m´ as arriba tiene la particularidad de que los residuos no son calculados directamente usando (9. debido a errores de redondeo los valores num´ ericos obtenidos con uno u otro m´ etodo pueden diferir en una m´ aquina de precisi´ on finita. Los “verdaderos residuos”.4.) (ver p´ ag. Asumiendo que el costo de las iteraciones es pr´ acticamene el mismo para los dos m´ etodos (lo cual es v´ alido si hacemos una implementaci´ on matrix free con una formulaci´ on relativamente compleja.

293) en vez del sistema original.295) no es sim´ etrica. A M A y M son spd. Una posibilidad es buscar M = S 2 y entonces redefinir (SAS ) y = (Sb) ((docver curso-cfd-0. Precondicionamiento.292) De manera que tambi´ en podr´ ıamos calcular los residuos utilizando recursivamente esta relaci´ on. sin embargo esto involucra un producto matriz vector adicional por iteraci´ on. s´ olo a los efectos de chequear convergencia. puede demostrarse simplemente que los residuos tambi´ en satisfacen una relaci´ on como la (9. por ejemplo GMRES y los m´ etodos que veremos despu´ es. Esta inestabilidad de GC se debe al hecho de que asume que los residuos van formando una base ortogonal y las direcciones de b´ usqueda van siendo conjugadas (ec. Pero esta relaci´ on no involucra diferencias entre magnitudes grandes como en (9. en vez de rebotar como lo hacen los verdeaderos residuos. mientras que GC es inestable. Me Secci´ on 9. Asumamos que tenemos una matriz M f´ acil de invertir y tal que κ(M A) κ(A) o tal que los autovalores est´ an agrupados en clusters. Cuando calculamos los residuos directamente a partir de (9.297) 270 . Esto es muy peligroso desde el punta de vista pr´ actico. Esta inestabilidad es compartida por todos los m´ etodos que se basan en estas propiedades de conjugaci´ on. Efectivamente...2.0. ya que este est´ a bien condicionado. puede entenderse m´ as f´ acilmente en el algoritmo de Richardson. ınea en cada iteraci´ on Una forma de corregir el el algoritmo cg(. M´ etodo de Gradientes Conjugados todav´ ıa peor para GC. ya que en el caso de Richardson el efecto de saturaci´ on s´ olo ocasiona un gasto de tiempo de c´ alculo innecesario.294) (9.50) y por lo tanto rk calculado por esta expresi´ on sigue descendiendo. Para peor los residuos calculados por la expresi´ on recursiva (2e) tienden a seguir descendiendo. y estas propiedades se van perdiendo por errores de redondeo. de manera que si el usuario no verifica el verdadero valor del residuo. el producto de dos matrices spd. pero MA = 2 2 1 4 (9. Podemos decir que Richardson es un m´ etodo estable ante errores de redondeo.. El residuo no s´ olo no baja de el umbral r sat de saturaci´ on sino que empieza a crecer lentamente. Sin embargo.50) decimos que se trata de los verdaderos residuos.) (ver p´ ag. El porqu´ e los residuos calculados seg´ un el algoritmo cg(. incluso si M es spd. (9.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) (9. Basta con ver el ejemplo.´todos iterativos para la resolucio ´ n de ecuaciones lineales Cap´ ıtulo 9.) (ver p´ ag. 266) es agregar una l´ que calcule el verdadero residuo. Entonces podemos tratar de resolver (M A) x = (M b) (9. no es necesariamente spd. 266) tienden a bajar. (9.296) = = 1 0 0 2 2 1 1 2 .281)).. pero en el caso de GC puede ocasionar una p´ erdida de precisi´ on. mientras que el error verdadero est´ a en el orden de 3 × 10 . independientemente de la precisi´ on de la m´ aquina.101) a saber rk+1 = (I − BA) rk (9. puede creer que realmente el error ha bajado (despu´ es de 600 iteraciones) − 64 − 3 hasta 2 × 10 . es decir pr´ acticamente duplica el costo del m´ etodo.

al evaluar la efectividad de un precondicionador es no s´ olo evaluar c´ omo aumenta la tasa de convergencia sino tambi´ en tener en cuenta el costo de evaluar M x.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 271 . es decir su aplicaci´ on es general para toda clase de problema (tal vez no su efectividad!). α = ρk−1 /(pT w) d. entonces el costo es ´ ınfimo. r = b − Ax. k = 1 √ 2. τ0 = rT M r. Existen una variedad de precondicionadores propuestos para diferentes problemas. x = x + αp e.1. La soluci´ on pasa por reproducir el algoritmo de Gradiente Conjugado pero reemplazando el producto escalar por xT M x y finalmente resulta en el siguiente algoritmo de GC precondicionado. El costo del producto matriz-vector para el precondicionamiento puede variar mucho y depende de la complejidad del precondicionamiento. Adem´ as. Do while ρk−1 > b 2 y k < Kmax a. Me Secci´ on 9. k = k + 1 La modificaci´ on principal del algoritmo pasa por reemplazar p por M p en las definiciones de los p y reemplazar los productos escalares xT y por la forma cuadr´ atica xT M y . Por ejemplo. Pero falta resolver el problema de hallar S . r = r − αw T f. b.2. contra uno s´ olo si precondicionamos de la forma (9.298) Cuanto m´ as complejo es el precondicionador el n tiende a disminuir pero el n´ umero de operaciones tiende a aumentar debido al costo del c´ alculo del precondicionamiento. El costo adicional m´ as importante para el esquema precondicionado es un producto matriz-vector adicional con la matriz precondicionada. Algoritmo 2. w = αp c.0. Entonces GC converge en una iteraci´ on pero el costo de calcular M x es el costo de invertir A!! Tenemos entonces que Costo total = n × nro de oper. M. A.´todos iterativos para la resolucio ´ n de ecuaciones lineales Cap´ ıtulo 9.τk = rk M r g. por iteraci´ on (9. ρk = rk 2 2 . Lo importante entonces. si tomamos M como la inversa de la parte diagonal de A (precondicionamiento Jacobi). pcg(x. pero en el otro extremo podemos tomar M = A−1 . kmax ) 1. (Mientras que en la versi´ on no precondicionada.293). En el contexto de la resoluci´ on de sistemas lineales provenientes de la discretizaci´ on de ecuaciones en derivadas parciales por diferencias finitas o vol´ umenes finitos podemos mencionar los siguientes ((docver curso-cfd-0. . If k = 1 then z = Mr else β = ρk−1 /ρk−2 p = M r + βp endif b.4. ρk = τk ). ρ0 = r 2 . M´ etodo de Gradientes Conjugados y una vea obtenido y obtener x = Sy . ahora calculamos escalares τk para el c´ alculo de las direcciones pk y escalares ρk para chequear la convergencia. Precondicionadores. lo cual puede ser m´ as complicado que hallar M y por otra parte el c´ alculo de SAS por un vector involucra el c´ alculo de dos productos matriz-vector adicionales. Algunos son muy espec´ ıficos para ciertas aplicaciones otros son puramente algebraicos. Como SAS es equivalente a S 2 A = M A tienen la misma distribuci´ on de autovalores y SAS s´ ı es spd.

. Como las columnas de F son autovectores de A.. 0 −1 2 Sea x de la forma (xk )i = ei2πki/N (9. 0     0 −1 2 −1 . 0     0 −1 2 −1 0 . . −1  −1 2 −1 0 0 .302) donde fft(z ) indica el operador de transformada de Fourier tal como est´ a definido en Matlab.   . . no s´ olo para la matriz del laplaciano 1D. entonces F −1 AF es diagonal y podemos tomar como precondicionamiento M = F −1 [diag(A)]−1 F (9. Me Secci´ on 9. . es decir: ˆi−j Aij = A (9. vale que F z = fft(z ). M´ etodo de Gradientes Conjugados Intr´ ınsecos al problema • Resolvedores r´ apidos de Poisson • Multigrilla • Descomposici´ on de dominios • ADI De tipo general • Jacobi • Factorizaci´ on incompleta • Precondicionamiento polinomial A continuaci´ on haremos una breve descripci´ on de los mismos Resolvedores r´ apidos de Poisson. Esto vale. Pero los x de la forma (9.. −1 2 −1  −1 0 0 . . . ∀z (9. Si consideramos la ecuaci´ on de Poisson 1D con condiciones de contorno peri´ odicas la matriz resulta ser   2 −1 0 0 0 . . . . . . de manera que si F es la matriz que tiene como columnas estos autovectores. . . .2. s´ olo que se van corriendo una posici´ on hacia la derecha a medida que bajamos una fila. . .2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 272 .300) donde i es la unidad imaginaria.. 0  A= 0 (9...    0 0 0 . . es decir A base que induce la transformada de Fourier. En este caso las filas de la matriz A son las mismas. sino tambi´ en para cualquier operador homog´ eneo (que no depende de x) discretizado sobre una malla homog´ enea..303) ((docver curso-cfd-0.301) ˆµ es c´ ˆp+N = A ˆp .299)    .300) son la donde A ıclico en p de per´ ıodo N .. . Puede verse que (x)i es un autovector de A.0.´todos iterativos para la resolucio ´ n de ecuaciones lineales Cap´ ıtulo 9.

Consiste en simplemente tomar M = (diag A)−1 .9.2. M´ etodo de Gradientes Conjugados malla fina malla gruesa Figura 9. donde los factores de amplificaci´ on 1 − ωλi son muy cercanos a 1 para los autovalores m´ as peque˜ nos. La idea es que (9. ya que al iterar en la malla gruesa va a volver a ocurrir que despues de una serie de iteraciones va a quedar una fuerte componente del error en las frecuencias bajas y estas las podemos corregir iterando sobre una malla h = 2h = 4h y as´ ı siguiendo. multigrilla se basa en resolver el problema en una serie de mallas con paso de malla h. Cuando la malla no es homog´ enea (ver figura. 4h. Como las funciones suaves pueden ser restringidas a una malla m´ as gruesa sin perder informaci´ on. para matrices peri´ odicas. Esto ocurre por ejemplo para el Laplaciano (tanto en 1D como en m´ as dimensiones) cuando el paso de la malla es constante. Esto es m´ as evidente para el m´ etodo de Richardson.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 273 . En cuanto al costo del precondicionamiento. .14) entonces el n´ umero ((docver curso-cfd-0. Este precondicionamiento no aporta nada en situaciones donde los elementos de la diagonal son aproximadamente constantes (precondicionar con un m´ ultiplo escalar de la identidad no puede nunca mejorar el n´ umero de condici´ on). Ver §9. Multigrilla. por ejemplo cuando la matriz no es peri´ odica o cuando la malla no es homog´ enea.13) y realizar una serie de iteraciones sobre esta malla para obtener una correcci´ on.13: Mallas fina y gruesa para las t´ ecnicas de multigrilla. . 2m h. Descomposici´ on de dominios.´todos iterativos para la resolucio ´ n de ecuaciones lineales Cap´ ıtulo 9. Estas requieren O(N log2 (N )) operaciones y la inversi´ on de la parte diagonal de A s´ olo requiere O(N ) operaciones. . Esto significa que despu´ es de un cierto n´ umero de iteraciones el error para las frecuencias altas se debe haber reducido mucho mientras que el grueso del error est´ a en las componentes de baja frecuencia. los autovalores altos est´ an asociados a frecuencias altas (funciones que son muy oscilatorias espacialmente) mientras que los autovalores bajos est´ an asociados a autofunciones suaves. 2h. . Como la matriz a invertir es diagonal el costo de invertirla es muy bajo (O(N ) opeaciones). La idea es que la correcci´ on va a ser tan buena como si hubi´ eramos iterado sobre la malla original pero a un costo igual a la 1/2nd ya que la malla gruesa tiene la mitad de nodos. Esta idea puede ser aplicar recursivamente. Si hacemos una descomposici´ on modal del error. Una vez obtenida ´ esta se interpola sobre la malla original y se agrega al vector de iteraci´ on. Me Secci´ on 9. A su vez. haciendo una serie de iteraciones en la malla fina seguida de iteraciones sobre la malla m´ as gruesa y as´ ı siguiendo. por lo visto. De esta manera. puede verse que el error en las componentes correspondientes a los autovalores m´ as peque˜ nos converge en general mucho m´ as lentamente que para los autovalores m´ as altos.1 Precondicionamiento Jacobi. La idea puede extenderse f´ acilmente a 2D y 3D. como ya hemos visto en los ejemplos. M = A−1 y entonces GC converger´ a en una iteraci´ on. ver figura 9.303) puede ser un buen precondicionamiento incluso en condiciones m´ as generales.4. esto sugiere la idea de proyectar el problema a una malla m´ as gruesa (digamos con h = 2h y por lo tanto con la mitad de nodos.0. multiplicar por F y −1 es equivalente a aplicar transformadas y antitransformadas de Fourier (aplicar las operaciones fft( ) y ifft( ) de Matlab.

14: Malla refinada hacia una esquina. El costo de un tal precondicionmiento es evaluar M x = p(A)x que involucra m productos matriz-vector. se utiliza la forma anidada. de condici´ on es κ(A) = O L hmin 2 (9. + pm+1 y los coeficientes pi est´ an almacenados en un vector de longitud m + 1.2. Precondicionamiento polinomial.255) en base a los polinomios de Tchebyshev. como en el siguiente script y=0. Entonces este precondicionamiento consiste en descartar elementos de B de manera de reducir su ancho de banda.304) donde hmin es el m´ ınimo h sobre toda la malla y entonces puede ser bastante peor que O(n2 ) donde n 2 es el n´ umero de elementos en una direcci´ on caracter´ ıstica. Consiste en encontrar un polinomio p(z ) tal que M = p(A) ≈ A−1 . A = BB T .0. Por supuesto se trata de descartar aquellos elementos que tienen un menor valor absoluto y que se encuentran m´ as alejados de la diagonal. donde m es el orden del polinomio de Tchebyshev.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 274 . hy ) ) y puede verse que este precondicionamiento corrige el mal condicionamiento producido por el refinamiento de manera que κ(diag(A)−1 A) = O(n2 ) (9. for k=0:m y=p(k)*x+A*y. Me Secci´ on 9. el producto Ax est´ a definido por medio de una rutina. . Consideremos la factorizaci´ on Cholesky A. El criterio para construir el polinomio en cuesti´ on es similar al utilizado para construir los polinomios residuales que permiten obtener la estimaci´ on de convergencia (9. . bas´ andose en el valor absoluto del elemento Bij que se est´ a evaluando y su distancia a la diagonal |i − j |. Como es usual en la evaluaci´ on de polinomios. En la implementaci´ on pr´ actica el descarte se va haciendo a medida de que se va factorizando la matriz. M´ etodo de Gradientes Conjugados Figura 9.´todos iterativos para la resolucio ´ n de ecuaciones lineales Cap´ ıtulo 9. end donde (usando la notaci´ on de Octave) p(x) = p1 xm + p2 xm−1 + . Sea w=prodvec(x) la rutina que retorna w = Ax cuando se le pasa x entonces el algoritmo se escribe como ((docver curso-cfd-0.305) Factorizaci´ on incompleta. En la versi´ on matrix free. tambi´ en llamada de H¨ orner. Los elementos diagonales de A son ∝ h− x + − 2 − 2 hy = O(min(hx .

3.3. 9. 9.306) en el cual aparece la matriz AT A que es sim´ etrica y definida positiva si A es no singular. entonces podemos considerar resolver (AT A) x = (AT b) (9. for k=0:m y=p(k)*x+prodvec(y).311) (9.0. Notar que en cada iteraci´ on de GC sobre este sistema estamos minimizando x∗ − x AT A = (x∗ − x)T AT A (x∗ − x) = (b − Ax) (b − Ax) = r T 2 2 (9.2.310) (9. Me Secci´ on 9.1. Se necesitan 2 productos matriz vector por iteraci´ on En la versi´ on matrix free hay que programar no s´ olo una rutina que calcule Ax sino tambi´ en una T que calcule A x.6. En contraposici´ on ((docver curso-cfd-0. lo cual augura muy bajas tasas de convergencia si el κ(A) es grande.3. Para problemas provenientes de discretizaciones por FEM o FDM de PDE’s.312) de ah´ ı el nombre de “Conjugate Gradient on the Normal Equations to minimize the Error” (CGNE). El m´ etodo GMRES La propiedad de minimizaci´ on para GMRES y consecuencias GMRES (por “Generalized Minimum RESidual” fue popuesto en 1986 por Y.308) de ah´ ı el nombre de “Conjugate Gradient on the Normal Equations to minimize the Residual” (CGNR).2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 275 . El m´ etodo GMRES y=0.309) para y . Saad y m. Una vez encontrado y .307) (9.´todos iterativos para la resolucio ´ n de ecuaciones lineales Cap´ ıtulo 9. esto puede resultar bastante complicado. x se obtiene con una operaci´ on matriz vector adicional x = AT y . M´ etodos CGNR y CGNE Si A es nosim´ etrica o no definida positiva. La norma que se minimiza es en este caso y∗ − y AAT = (y ∗ − y )T AAT (y ∗ − y ) = (A y − A y ) (A y − A y ) = (x − x) (x − x) = x − x ∗ T ∗ ∗ 2 2 T ∗ T T T ∗ T (9. Otra posibilidad es hacer el cambio de variable x = AT y y resolver (AAT )y = b (9. Observaciones En general ocurre que κ(AT A) ∼ κ(A)2 . end 9. Schulz como un m´ etodo iterativo por subespacios de Krylov para sustemas no-sim´ etricos.

pero es necesario guardar una base de Kk lo cual requiere un costo de almacenamiento adicional a medidad que la iteraci´ on progresa.´todos iterativos para la resolucio ´ n de ecuaciones lineales Cap´ ıtulo 9. Ar0 .1. Esta diferencia es muy importante ya que es la que hace que la tasa de convergencia de GMRES c con la salvedad de que con GMRES no debemos calcular productos AT -vector pero en contraparte debemos mantener una base del espacio de Krylov.316) (9. lo cual es una gran ventaja en muchos casos. Como x ∈ x0 + Kk puede ponerse de la forma k −1 x = x0 + j =0 γj Aj r0 (9.. entonces vemos que GMRES es en parecido a CGNR.1. El m´ etodo GMRES con CGNR o CGNE no requiere el c´ alculo de productos de AT con un vector.}.2. (AT A)2 r0 ..318) p∈Pk Corolario 3.}..1. con la ı estamos contemplando la posibilidad diferencia que en GC se aplica al funcional (9. Sea A no-singular. pero con la diferencia de que el espacio de Krylov contiene span{r0 . A2 r0 . donde p(z ) = det(A − zI ) es el polinomio caracter´ ıstico. Sea A no-singular y xk la k -´ esima iteraci´ on de GMRES. .317) =p ¯(A) r0 donde p ¯ ∈ Pk es un polinomio residual. La iteraci´ on k -´ esima (k ≥ 1) es xk = argmin b − A x x∈ x0 + K k 2 (9. AT Ar0 . Me Secci´ on 9.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 276 .0. .181). Usar p ¯(z ) = p(z )/p(0). Entonces para todo p ¯ ∈ Pk rk 2 = min p(A) r0 2 ≤ p ¯(A) r0 2 (9.313) N´ otese que esta propiedad de minimizaci´ on es muy similar con la de Gradientes Conjugados. ((docver curso-cfd-0. Entonces GMRES encuentra la soluci´ on dentro de las N iteraciones Demostraci´ on. no span{r0 .3. Sea A no-singular. entonces rk r0 2 2 ≤ p ¯k (A) 2 (9.1. entonces no podemos tomar este funcional. Como aqu´ que A no sea sim´ etrica o definida positiva.1. Teorema 3..315) = r0 − j =1 γj −1 Aj r0 (9. Si consideramos atica que minimizar b − A x 2 es equivalente a minimizar b − A x 2 2 el cual contiene en la forma cuadr´ AT A.314) entonces k −1 b − Ax = b − A x0 − j =0 k γj Aj +1 r0 (9.319) Teorema 3.

Esto puede verse con un ejemplo simple.320) ≤ V 2 V −1 z ∈σ (A) 2 p ¯k (Λ) 2 (9. si existe. Basta con ver que p ¯k (A) 2 2 2 ≤ κ2 (V ) max |p ¯k (Z )| z ∈σ (A) (9.0. El m´ etodo GMRES Para GC hemos usado el teorema espectral para encontrar estimaciones de la tasa de convergencia. Es obvio que si A es herm´ ıtica (sim´ etrica en el caso real) entonces A es normal Teorema 3. El producto escalar de dos vectores pertenecientes a C N se define como xH y = n k=1 (x)k (y )k . preserva la norma y entonces V 2 = V −1 2 = κ2 (V ) = 1 V 2 = max x=0 Vx 2 x 2 (V x)H (V x) √ xH x H x (V H V ) x √ xH x (9. entonces κA () → ∞. entonces V es unitaria. Por otra parte. Si A es normal.322) = κ2 (V ) max |p ¯k (Z )| .3.324) (9. si A se aproxima a una matriz no diagonalizable. Cuando A es real y sim´ etrica Λ es real y podemos elegir a V como real.325) (9. para todo p ¯ − k ∈ Pk rk r0 Demostraci´ on. Recordemos que A es diagonalizable si A = V ΛV −1 con Λ diagonal. No est´ a claro como puede estimarse el κ2 (V ). Me Secci´ on 9. V es unitaria si V H V = I (es la extensi´ on del concepto de matriz ortogonal a complejos).323) (9.3.321) (9.´todos iterativos para la resolucio ´ n de ecuaciones lineales Cap´ ıtulo 9.326) = max x=0 = max x=0 =1 y similarmente para V −1 .327) 277 ((docver curso-cfd-0. Cuando A es no-sim´ etrica tando Λ como V pueden ser complejos.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) . Puede verse que si A conmuta con su transpuesta conjugada (es decir AH A = A AH ) entonces A es normal. Sin embargo podemos restringir el an´ alisis al caso de que A sea diagonalizable aunque los autovalores y autovectores pueden ser ahora comlejos.1. La matriz A= 0 1 0 0 (9. A es normal si es diagonalizable y si la matriz de cambio de base correspondiente V es unitaria. En ´ algebra compleja muchos conceptos pueden extenderse f´ acilmente si reemplazamos la “tranpuesta” de A por la “transpuesta conjugada” de A que denotaremos como AH . Esto no puede asumirse en general si A no es sim´ etrica. Nota sobre la condici´ on de diagonalizabilidad de matrices.

00000 ((docver curso-cfd-0.0000e+05 octave> Ahora consideremos que ocurre si utilizamos una rutina num´ erica de diagonalizaci´ on (como el eig( ) de Octave) sobre una matriz que no es diagonalizable.0000e-05 octave> cond(v) ans = 2. ya que tiene dos autovalores distintos (λ = 1.0.00000 0. ). Sin embargo. Cuanto m´ as grande es este n´ umero “menos diagonalizable” es la matriz.0 1e-5] a = 0. debido a los errores de redondeo.00000 1.00001 octave> [v.00000 0.´todos iterativos para la resolucio ´ n de ecuaciones lineales Cap´ ıtulo 9. Perturbando ligeramente uno de los elementos diagonales de la forma 0 1 A= (9. Lo deseable ser´ ıa que la rutina num´ erica nos mostrara un mensaje de eror diciendo que la matriz no es diagonalizable.d]=eig(a) v = 1.d]=eig(a) v = 1.00000 0.3.00001 d = 0.0 0] a = 0 0 1 0 octave> [v. Me Secci´ on 9. Sin embargo podemos ver que la matriz de cambio de base V correspondiente tiene un n´ umero de condici´ on que crece como 2/ : octave> a=[0 1.00000 0.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 278 . El m´ etodo GMRES es un bloque de Jordan y es claramente no diagonalizable.00000 0.0000e+00 1.0000e+00 0. octave>a=[0 1. la matriz aparece ser como diagonalizable desde el punto de vista num´ erico y entonces la forma efectiva de verificar “cu´ an diagonalizable es una matriz” es chequear κ2 (V ).00000 1.00000 0.328) 0 con muy peque˜ no la matriz pasa a ser diagonalizable.00000 d = -1.0000e+00 0.

329) es v´ para cualquier ω es v´ alido para aquel que minimize I − ωA 2 .´todos iterativos para la resolucio ´ n de ecuaciones lineales Cap´ ıtulo 9. Me Secci´ on 9.1 puede representar un cambio en la magnitud del determinante por un factor 10−100 . Adem´ as. Su demostraci´ on se basa nuevamente en la construcci´ on de polinomios residuales apropiados que se anulan en los autovalores de la matriz. la misma matriz multiplicada por una factor a < 1 tiene un determinante que es un factor aN veces menor. por errores de redondeo este n´ umero siempre resulta ser diferente de cero. entonces este GMRES con restart tendr´ ıa una tasa de convergencia mejor que la mejor que podr´ ıamos obtener con el mejor par´ ametro de relajaci´ on ω .5. Pero si hacemos la estrategia del “restart” que veremos m´ as adelante.329) Esta estimaci´ on de convergencia tiene algunos puntos en com´ un con las estimaciones de convergencia que hemos obtenido para el m´ etodo de Richardson.3.4. Si r0 es una combinaci´ on lineal de k autovectores de A entonces GMRES converge dentro de las k iteraciones. Para matrices grandes (digamos N = 100) un peque˜ no factor 0. Sin embargo la diferencia fundamental alido est´ a en que con GMRES no es necesario conocer el valor de ω . Los siguientes Teoremas reproducen los resultados ya obtenidos para GC. Teorema 3.9958e+292 Esto es similar a cuando nos preguntamos si una matriz es inversible o no. Tomando el polinomio de p ¯k (x) = (1 − ωz )k podemos obtener la estimaci´ on de convergencia r k 2 ≤ ρk r 0 2 (9. es decir que su convergencia es mejor que la de Richardson sobre-relajado con el mejor valor del par´ ametro de relajaci´ on que pudi´ eramos obtener.3.2. seg´ un la cual se realizan un cierto n´ umero m (bajo) de iteraciones de GMRES y obtenido el xm se vuelve a iterar GMRES de cero desde xm . Si calculamos el determinante de la matriz. 9.0.1. de hecho. ((docver curso-cfd-0.1. Por otra parte. Como en GC el criterio de detenci´ on es rk 2 ≤ tol b 2 Una estimaci´ on bastante cruda de la tasa de convergencia se puede obtener asumiendo que existe un ω tal que I − ωA 2 = ρ < 1. Sia A tienen autovalores distintos entonces GMRES converge en k iteraciones.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 279 . GMRES tiene en su contra que debe guardar la base del espacio de Krylov. Criterio de detenci´ on: Pensando a GMRES como un m´ etodo iterativo las estimaciones de la tasa de convergencia son similares a las de GC. a un costo similar por iteraci´ on y con un requerimiento de capacidad de almacenamiento no demasiado alto. Notemos que bajoe estas mismas condiciones el m´ etodo de Richardson predice la misma tasa de convergencia. Teorema 3. El m´ etodo GMRES 0 0 0 0 octave> cond(v) ans = 1. Todo esto indica que el determinante no es un buen indicador de “cuan singular es una matriz” y un an´ alisis m´ as detallado muestra que el indicador correcto es el n´ umero de condici´ on de la matriz: cuanto m´ as alto es el n´ umero de condici´ on “m´ as singular es la matriz”. como (9. sin necesidad de conocer ning´ una norma ni estimaci´ on de los autovalores de A.

0 λ vale que I − ωA 2 > 1 para todo ω . . si el resto de los autovalores es real y positivo.3.. 9... a la vez..331) para k > kJ . . y la rutina que calcula el producto matriz vector retorna (M A) x en vez de A x. Too esto har´ ıa pensar que si la matriz no es diagonalizable (o “casi no diagonalizable’ ) entonces GMRES no converger´ a. Pero si la forma de Jordan de una Matriz incluye un peque˜ no bloque de Jordan de dimension kJ y el resto es diagonalizable.3.3. entonces basta con tomar polinomios residuales de la forma p ¯k (z ) = (z − λJ ) λJ kJ qk−kJ (z ) (9. . Por ejemplo. resolver con GMRES el sistema (AM ) y = b (9. una vez encontrado y obtener x de x = M y .333) y finalmente. ((docver curso-cfd-0.330) A=   . El m´ etodo GMRES Como esta estimaci´ on no depende de una diagonalizaci´ on de A podr´ ıamos esperar que nos de alguna estimaci´ on de la convergencia en el caso en que A no es diagonalizable. 1  0 0 . . Por otra parte se pueden usar precondicionadores por derecha y por izquierda. Deafortunadamente.332) sea ni sim´ etrico ni definido positivo. Precondicionamiento La forma de implementar el precondicionamiento en GMRES difiere con GC en cuanto a que para GMRES no es necesario que el sistema precondicionado (M A) x = (M b) (9. es decir que no hay ω que haga convergente a Richardson y.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 280 . donde λJ es el autovalor correspondiente al bloque de Jordan y q es un polinomio apropiado para estimar una buena convergencia sobre el espectro de autovalores restantes. Entonces basta con encontrar un precondicionamiento M tal que I − M A 2 < 1 y se resuelve directamente el sistema precondicionado.´todos iterativos para la resolucio ´ n de ecuaciones lineales Cap´ ıtulo 9.      .. 0  0 λ 1 0 .0... El precondicionamiento por izquierda es como fue expuesto en el p´ arrafo anterior mientras que el precondicionamiento po derecha consiste en encontrar un M tal que I − AM 2 < 1 y entonces hacer el cambio de variable x = M y . Debido a esto.. sino que directamente se pasa M b como miembro derecho.  (9. En cuanto a las ideas para desarrollar precondicionadores son similares a las utilizadas con GC.  0 . entonces podr´ ıamos usar los polinomios de Tchebyshev usados para estimar la tasa de convergencia de GC. λ 1 . nos permita obtener una estimaci´ on de la tasa de convergencia para GMRES. puede verificarse que para un bloque de Jordan de la forma   λ 1 0 .. 0   . Me Secci´ on 9.. . la rutina de GMRES no incluye nada en especial en cuanto al precondicionamiento..

337) = (r0 − Bk y )T (r0 − Bk y ) = T r0 r0 (9. . Me Secci´ on 9.335) = r0 − AVk y 2 (9.  . Ak r0 entonces el cuadrado de la norma se escribe como r0 − Bk y 2 2 (9.4.340) (9. Ak−1 r0 Entonces x − x0 es una combinaci´ on lineal de las columnas de Vk .334) y ∈ IRk (9.341) lo cual ocurre cuando T T y = (Bk Bk )−1 Bk r0 Esto puede implementarse en Octave con el comando y=(B’*B)\B*r0 pero a´ un m´ as simplemente y=B\r0 hace lo mismo ya que para matrices rectangulares el operador \ se interpreta como resolver el sistema de m´ ınimos cuadrados asociado.339) − T 2r0 By + y (B B ) y T T que alcanza su m´ ınimo cuando T T − Bk r0 + (Bk Bk )y = 0 (9.342)    =  q k −1 r0 Ak r0 (9. El m´ etodo GMRES 9. Sea Vk una matriz que contiene los vectores que expanden Kk es decir Vk = r0 Ar0 .3. En cuanto a la implementaci´ on pr´ actica. notemos que el vector qk T = Bk r0  r0 A r0  r0 A2 r0  = .343) r0 Ak r0 ((docver curso-cfd-0.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 281 . .338) (9. es decir x − x − 0 = Vk y. . .313).336) (9. (9.0. Entonces y debe ser tal que minimize b − A(x0 + Vk y ) Sea ahora Bk = AVk = Ar0 A2 r0 . Implementaci´ on b´ asica de GMRES Recordemos que xk se obtiene del problema de minimizaci´ on (9. .´todos iterativos para la resolucio ´ n de ecuaciones lineales Cap´ ıtulo 9.3.

k − 1 T w = Avi − i j =1 ((Avi ) vj ) vj vi+1 = wi / wi 2 Si en alg´ un i sucede que w = 0 entonces decimos que el algoritmo falla o colapsa (“breakdown”). i pertenecen a Ki . entonces podemos que El algoritmo no falla. Para i = 1 es obvio.347) (9.344) Bk−1 Ak r0 T Ak r Bk 0 −1 T r0 (Ak )T Ak r0 (9. .0.348) (9. . v1 = r0 / r0 2 2. observemos que w es otogonal a todos los vj para j ≤ i i T vj i A vi − l=1 ((Avi ) vl ) vl ) T = T vj A vi − l=1 (Avi )T vl ) δjl (9.3. Algo similar ocurre con el c´ alculo de la matriz Hk = Bk k Hk T = Bk Bk T Bk −1 = k (A r0 )T (9. ya que v1 es igual a r0 normalizado.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 282 . El algoritmo es el siguiente 1.349) T = vj A vi − (Avi )T vj ) =0 Ahora bien Avi pertenece a Ki+1 y los vl para l = 1. Ar0 . . Mientras mantengamos k N (m´ as estrictamente es k2 N ) este costo es despreciable contra las k N operaciones. Como Ki=1 ((docver curso-cfd-0. La u ´ltima fila es igual a la transpuesta de la u ´ltima columna ya que Hk es sim´ etrica y definida positiva por construcci´ on. lo cual T B a invertir. .´todos iterativos para la resolucio ´ n de ecuaciones lineales Cap´ ıtulo 9. 9. Asumiendo que los r0 . r0 = b − Ax0 .345) (9. Implementaci´ on en una base ortogonal En la pr´ actica es muy com´ un ir cosntruyendo una base ortogonal de Kk mediante el proceso de ortogonalizaci´ on de Gram-Schmidt. . . . Para demostrarlo para i + 1. .3. .5. Me Secci´ on 9. . El c´ alculo de esta u ´ltima columna requiere de O(kN ) operaciones. El m´ etodo GMRES de donde vemos que en cada iteraci´ on s´ olo necesitamos calcular el u ´ltimo elemento del vector. Para i = 1. Esto se puede demostrar por inducci´ on en i. . Los {vi }k ı generados forman una base ortogonal de Kk .346) = Hk −1 T Ak r )T (Bk 0 −1 con lo cual s´ olo es necesario calcular la u ´ltima columna y el elemento diagonal. . i=1 as´ vk = αk Ak−1 r0 + wk con wk ∈ Kk−1 y αk = 0. Si w = 0 entonces podemos +1 normalizar w apra obtener vi+1 y {vl }i l=1 es un conjunto de vectores ortonormales en Ki+1 . Finalmente la inversi´ on del sistema cuya matriz es Hk requiere O(k 3 ) operaciones. involucra O(N ) operaciones. Ak−1 r0 son linealmente independientes (o sea que: dim Kk = k ).

0]. vi+1 y {vl }i olo falta demostrar entonces l=1 es una base ortogonal. Podemos ver que esto ocurre si x 0 k j =1 Lemma 3. Me Secci´ on 9.359) = (βe1 − Hy ) Pero basta con tomar y = βH −1 e1 para el cual ri 2 ViT 2 2 Vi (βe1 − Hy ) = 0 y GMRES ha convergido. Si wi+1 = 0 entonces x∗ = A−1 b ∈ Ki Demostraci´ on.354) (9.352) con y ∈ IRi ya que xi − x0 ∈ Ki . Pero como Vi = [v1 v2 . que {Aj −1 r0 }i son linealmente dependientes. . entonces quiere decir que Avi es una combinaci´ on lineal de los {vl }l = 1i y i eso implicar´ ıa que A r0 es una combinaci´ on lineal de los mismos e indicar´ ıa que los {Aj −1 r0 }i j =1 son linealmente dependientes. Adem´ as r0 por construcci´ on es proporcional a v1 la primera columna de Vi lo cual puede escribirse como r0 = βVi e1 (9.357) (9.356) con eT 1 = [1 0 .4. 283 ((docver curso-cfd-0. H es no singular ya que A no lo es.355) (9.3. . con lo que resulta que AKi ⊂ Ki . preserva la norma ri 2 2 = Vi (βe1 − Hy ) = (βe1 − Hy ) T 2 2 (9. Si w = 0 para alg´ un i entonces eso implica j Avi = i=1 αj vj ∈ Ki (9. Efeectivamente si z == 0.´todos iterativos para la resolucio ´ n de ecuaciones lineales Cap´ ıtulo 9. La columna j -´ esima de H son los coeficientes de la expansi´ on de +1 ermino de los {vl }j Avj en t´ . entonces Vi z es un vector no nulo y A (Vi z ) = Vi H z = 0 Consideremos ahora el residuo en la i-´ esima iteraci´ on ri = b − Axi = r0 − A(xi − x0 ) = Vi y (9. v )i] es una base de Ki entonces AVi = Vi H (9. por inducci´ on podemos asumir que Avi = αi Ai r0 + Awi (9. Como Vi es ortogonal. El m´ etodo GMRES +1 es de dimensi´ on a lo sumo i + 1.353) para una cierta matriz H de i × i.1. z ∈ IRi l=1 es tal que Hz = 0.350) Pero si el algoritmo falla.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) .351) Por construcci´ on Avj ∈ Ki para j < i. Ahora bien.358) (9. Colapso de GMRES (Breakdown) Puede ocurrir que w = 0 para alg´ un i. S´ que bajo las hip´ otesis asumida el algoritmo no falla.0. . . en cuyo caso (por lo visto en el p´ arrafo anterior) indicar´ ıa ∗−x ∈K .

Es decir. . en Octave y=beta*H\e1 si usamos la soluci´ on por m´ ınimos cuadrados interna de Octave.   h32 h33 . l > j + 1.. . Consideremos la expresi´ on i vi+1 = wi+1 −1 2 (Avi − j =1 αj vj ) (9.0.7. Implementaci´ on eficiente La matriz H que contiene los coeficientes que expanden Avi en t´ ermino de los vl tiene una estructura particular que permite una implementaci´ on m´ as eficiente del algoritmo. . .3.. k T v )v vk+1 = vk+1 − (vk +1 j j 9. .365) Para resolver este problema se recurre a una estrategia similar a la anterior. . . . el algoritmo de GMRES es ((docver curso-cfd-0. Me Secci´ on 9. . por lo cual debe prestarse especial atenci´ on al proceso de ortogonalizaci´ on.   0 h43 . .   .6. . El algoritmo de Gram-Schmidt modificado Uno de los principales problemas de GMRES es que por errores de redondeo se va perdiendo la ortogonalidad de los vectores vi .3.361) (9.363) (9.364) = βe1 − Hk y k 2 (9.. Independientemente de la implementaci´ on de la resoluci´ on del problema de cuadrados m´ ınimos.´todos iterativos para la resolucio ´ n de ecuaciones lineales Cap´ ıtulo 9. o y=beta*(H’*H)\H*e1 si lo resolvemos expl´ ıcitamente..3. . .2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 284 . .362) Este tipo de matriz se llama Hessenberg superior (upper Hessenberg ). El residuo se puede escribir como rk = b − Axk = r0 − A(xk − x0 ) = Vk+1 (βe1 − Hk y ) y como Vk es ortogonal rk 2 k (9. h22 h23 . Como la columna j -´ +1 son los coeficientes de la expansi´ on de Avj en t´ ermino de los {vl }j l=1 A Vk = VK Hk vemos los hlj deben ser de la forma hlj = 0 para  h11  h21   Hk =  0  0  . (9. . Finalmente. . . Es decir  h12 h13 . .360) +1 Esto quiere decir que Avi es una combinaci´ on lineal de los {vj }i esima de Hk j =1 . existen algoritmos especiales que permiten factorizar la matriz con un algoritmo QR en forma m´ as eficiente usando la estructura Hessenberg superior de Hk . Una primera observaci´ on es que la siguiente versi´ on modificada del proceso de ortogonalizaci´ on de Gram-Schmidt resulta ser mucho m´ as estable ante errores de redondeo vk+1 = Avk for j = 1. El m´ etodo GMRES 9.

m. k = m 3. r = b − Ax.k = vk+1 2 (d) vk+1 = vk+1 / vk+1 2 (e) e1 = [1 0 0 . pero es necesario guardar una base de Kk .10. . A. . ρ) 1. CGNE y CGNR comparten las siguientes (buenas) caracter´ ısticas Son f´ aciles de implementar Se analizan con residuos polinomiales Por otra parte los CGN* tienen la desventaja de que necesitan un producto AT x y su tasa de convergencia est´ a regida por κ(AT A) ∼ κ(A)2 . Otros m´ etodos para matrices no-sim´ etricas GMRES. 9. lo cual representa una ((docver curso-cfd-0. v1 = r/ r 2 . While ρ > b 2 y k < kmax (a) gmres(x. gmres(x. While ρ > b 2 y k < kmax (a) k = k + 1 (b) vk+1 = Avk . m. b.3. Restart Como debemos almacenar una base para Kk esto requiere kN reales lo cual va creciendo con k y eventualmente excede la memoria de la m´ aquina.9. A. 0]T yk = argminy∈IRk βe1 − Hk y k 2 (f) ρ = βe1 − Hk y k 2 3. El siguiente algoritmo gmresm refleja esto. . ρ) 2.3. . A. ρ = r 2 . xk = x0 + Vk y k 9. sea cuando alg´ un indicador de p´ erdida de ortogonalidad se activa. .0. Una soluci´ on es hacer un segundo paso de ortogonalizaci´ on sea entodas las iyeraciones. ρ) 1. ρ) (b) k = k + m 9. k = 0 2. . A. β = ρ. . Para j = 1.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 285 . Estrategias de reortogonalizaci´ on Se puede perder ortogonalidad por errores de redondeo. es decir aplicar GMRES inicializando con x0 ← xm .3. b. k T v−j (i) hjk = vk +1 (ii) vk+1 = vk+1 − hjk vj (c) hk+1.8. b. El m´ etodo GMRES Algoritmo gmresb(x. . . kmax .´todos iterativos para la resolucio ´ n de ecuaciones lineales Cap´ ıtulo 9. b.3. kmax . . m. mientras que GMRES s´ olo necesita calcular A x y la convergencia est´ a basada en κ(A). Me Secci´ on 9. Algoritmo gmresm(x. Entonces la idea es iterar GMRES m iteraciones y empezar de nuevo a partir de la u ´ltima iteraci´ on.

El m´ etodo ideal deber´ ıa ser como CG: S´ olo necesitar calcular A x (no AT x) Estar basado en una propiedad de minimizaci´ on o conjugaci´ on Requerir baja capacidad de almacenamiento. Bi-CG: (por Biconjugate Gradient Squared ) No se basa en una propiedad de minimizaci´ on sino de ortogonalidad T (9. Es muy u ´til si A es aproximadamente spd. Bi-CG necesita un c´ alculo AT x. El m´ etodo GMRES capacidad de almacenamiento que va creciendo con las iteraciones. Como esto es virtualmente imposible para grandes sistemas desde el punto de vista pr´ actico se utiliza el GMRESm. Adem´ as una iteraci´ on de Bi-CG requiere dos productos matriz vector.3. . entonces Bi-CG es equivalente a GC (pero computa todo el doble. p ˆk } tales que hay biortogonalidad entre los residuos T r ˆk rl = 0.366) rk w = 0. .370) con p ¯k un polinomio residual. . pk } y sus correspondientes conjugados {r ˆk . k=l (9. para todo w ∈ Kk donde Kk Kk = span{r ˆ0 .´todos iterativos para la resolucio ´ n de ecuaciones lineales Cap´ ıtulo 9.367) es el espacio de Krylov conjugado.369) Si A es sim´ etrica y definida positiva y r ˆ0 = r0 . k=l (9. pero lo m´ as usual es tomar r ˆ0 = r0 . r ˆ0 es un vector que debe ser provisto por el usuario. . Me Secci´ on 9.371) pero debe recordarse que Bi-CG comparado con GMRES no necesita un espacio de almacenamiento creciente. lo cual puede involucrar un serio deterioro de la convergencia. Converger en N iteraciones. El algoritmo genera secuencias de residuos y direcciones de b´ usqueda {rk . pero el costo de GMRES tambi´ en crece con las iteraciones. ((docver curso-cfd-0.0.368) y de bi-conjugaci´ on entre las direcciones de b´ usqueda p ˆT k A pl = 0. AT r ˆ0 .2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 286 . Podemos comparar Bi-CG con GMRES en cuanto a la tasa de convergencia si consideramos que resulta ser que rk = p ¯k (A) r0 (9. En esta secci´ on describiremos algunos m´ etodos que tratan de aproximarse a estos requerimientos con menor o mayor ´ exito. (Sobre todo que no crezca con las iteraciones). es decir si los autovalores de A est´ an cerca de la recta real. es decir que tiene el doble de costo por iteraci´ on). (AT )k−1 r ˆ0 } (9. pero la ventaja con respecto a los CGN* es que su tasa de convergencia est´ a basada en κ(A) no en κ(AT A). y entonces por la propiedad de minimizaci´ on de GMRES (rk )GMRES 2 ≤ (rk )Bi−CG 2 (9.

Sea ri = (1 − ωi A) i=1 (1 − ωi z ) p ¯i (A) r0 (9. es decir las iteraciones de Bi-CG no son las mismas que para CGS.376) donde ωi se selecciona para minimizar ri 2 = qi (A) p ¯i (A) r0 k 2 (9.378) (9. Con manipulaciones similares se puede llegar a transformar todos las expresiones donde aparece AT .384) Bi-CGstab entonces no necesita del c´ alculo de AT x como CGS pero tiende a tener una tasa de convergencia mejor.382) Aw (9. El m´ etodo GMRES CGS (por Conjugate Gradient Squared ).383) − 2ωi w Aw + T 2 ωi (Aw)T (9.379) (9..0. 266).381) = (1 − ωi A) w = w − ωi A w de manera que ri y el valor que minimiza es ωi = wT (Aw) Aw 2 2 2 2 = (w − ωi A w)T (w − ωi A w) = w 2 2 (9. (ver el algoritmo cg(. El costo computacional involucrado por iteraci´ on es Almacenamiento para 7 vectores 4 productos escalares 2 productos matriz-vector (Ax) ((docver curso-cfd-0. puede reescribirse de la forma T rk r ˆk = (¯ pk (A) r0 )T (¯ pk (AT ) r ˆ0 ) = ([¯ pk (A)] r0 ) r ˆ0 2 T (9.372) T r entonces el factor rk ˆk (que juega el papel de ρk en GC. r ˆk = p ¯k (AT ) r ˆ0 (9.3. Este m´ etodo trata de ser una extensi´ on de Bi-CG pero tal que no necesita calcular AT x.´todos iterativos para la resolucio ´ n de ecuaciones lineales Cap´ ıtulo 9. pero el algoritmo resulta modificado.) en p´ ag.375) (1 − ωi z ) (9.380) (9.374) en el cual no es necesario calcular AT x..2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 287 . Puede verse que en la iteraci´ on k rk = p ¯k (A) r0 . Trata de mejorar CGS reemplazando rk = q (k ) p ¯( k ) r0 donde qk (z ) = i=1 k (9. esto es usualmente conocido como line-searching.377) como funci´ on de ωi .373) (9. Me Secci´ on 9. Bi-CGstab (por Biconjugate Gradient Squared stabilized).

En la figura 9.´todos iterativos para la resolucio ´ n de ecuaciones lineales Cap´ ıtulo 9. GMRES Consideremos la ec.387) (9. La discretizaci´ on num´ erica pasa por reemplazar las derivadas por diferencias num´ ericas Pe = φj ≈ (φj +1 − 2φj + φj −1 )/h2 (9. El m´ etodo GMRES 1 2 3 Figura 9.3.389) 2k Aqu´ ı L = 1. mientras que para Pe grandes y positivos el fluido va en la direcci´ on +x y arrastra el valor de la condici´ on aguas arriba una cierta longitud hasta que a una distancia peque˜ na δ sube r´ apidamente para tomar el valor dado por la condici´ on en x = 1.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) .16 vemos Para a → 0 el problema se acerca a la ec.0.388) aL (9.3.11. de advecci´ on-difusi´ on kφ − aφ = 0 φ(0) = 0 φ(1) = 1 donde φ = temperatura del fluido k = conductividad t´ ermica del fluido a = velocidad del fluido (puede ser positiva o negativa) La soluci´ on exacta es φ(x) = donde e2Pex − 1 e2Pe − 1 (9. de Laplace y la soluci´ on tiende a ser una recta que une los valores de contorno.15: Descomposici´ on de dominios 9. Me Secci´ on 9.390) 288 ((docver curso-cfd-0. Gu´ ıa Nro 3.386) (9.385) (9.

3. 1 y 100 2.391) Lamentablemente. 6. El m´ etodo GMRES x Figura 9.01.392) = (ah/2) = ah 2k 1 1 − Peh tanh(Peh ) (9. en los l´ ımites dominado por difusi´ on y por advecci´ on y φj ≈= (φj +1 − φj −1 )/(2h) (9.16: Soluci´ on para el problema de advecci´ on difusi´ on.394) 289 . Verificar que la matriz no es sim´ etrica. La soluci´ on usual es agregar una cierta cantidad de difusi´ on num´ erica.0. 4. Es diagonalizable? 5. ((docver curso-cfd-0.´todos iterativos para la resolucio ´ n de ecuaciones lineales Cap´ ıtulo 9. Resolver por GMRES y CGNE. Pensar como se podr´ ıa hacer para calcular AT x sin construir A. Ver la distribuci´ on en el plano complejo.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) (9. Me Secci´ on 9.3. Ver a que tiende la matriz para k → 0.393) (9. Calcular la matriz para Peh = 0. en el sentido de que produce fuertes oscilaciones num´ ericas. es decir que se modifica la ecuaci´ on original a (k + knum ) φ − aφ = 0 donde knum Peh Realizar las siguientes tareas: 1. esta discretizaci´ on falla cuando el Pe 1. Calcular los autovalores. Ver que la parte correspondiente a φ es sim´ etrica mientras que la que corresponde a φ es antisim´ etrica.

Esto corresponde a resolver problemas independientes sobre cada uno de los dominios con condiciones Dirichlet sobre la interfase.397) en la contribuci´ la izquierda SL y de la derecha SR S SL SR = SR + SL = (1/2)A22 − = 1 A21 A− 11 A12 1 −A23 A− 33 A32 (9.402) 290 ((docver curso-cfd-0. Me Secci´ on 9.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) . Descomposici´ on de dominios.396) (9. y en el l´ ımite podemos lograr que en cada procesador se resuelva un sistema lineal lo suficientemente peque˜ no como para ser resuelto en forma directa.´todos iterativos para la resolucio ´ n de ecuaciones lineales Cap´ ıtulo 9.398) (9. Podemos eliminar x1 y x3 de la primera y u ´ltima l´ ınea de ecuaciones y obtener una ecuaci´ on para los grados de libertad de interfase x2 1 −1 (−A23 A− 33 A32 + A22 − A21 A11 A12 )x2 = b2 (9. Descomposici´ on de dominios.395) b3 x3 0 A32 A33 La descomposici´ on en bloques refleja el hecho de que como los grados de libertad contenidos en x1 y x3 no est´ an compartidos por ning´ un elemento.401) Es M un buen precondicionamiento? O mejor dicho: Porqu´ e habr´ ıa M de parecerse a S −1 ? Bien. Para los t´ erminos primero y tercero de la matriz es necesario factorizar y resolver un sistema lineal con las matrices A33 y A11 . los estricatamente contenidos en el dominio de la derecha x3 y los que est´ an sobre la interfase x2 . La eficiencia del m´ etodo puede ser mejorada a´ un m´ as encontrando un buen precondicionamiento. La ecuaci´ on se descompone en bloques de la siguiente forma      b1 A11 A12 0 x1  A21 A22 A23   x2  =  b2  (9. Descomponemos el problema en dos dominios de manera que podemos separar las inc´ ognitas en x en tres grupos.0.397) S x2 = b 2 Ahora consideremos resolver este sistema por GC.400) + (1/2)A22 Entonces podemos poner como precondicionamiento −1 −1 M = (1/4) (SL + SR ) (9. los bloques correspondientes A13 y A31 son nulos.4. on por el dominio de Si separamos la matriz S que aparece en el sistema (9. 9. Esto se puede extender a m´ as procesadores. si el operador es sim´ etrico (el laplaciano lo es) y los dominios son iguales y la malla es sim´ etrica. En cada iteraci´ on debemos calcular el producto de la matriz entre par´ entesis por un vector x2 .4. por lo tanto estos problemas pueden ser resueltos en procesadores independientes lo cual implica un alto grado de paralelizaci´ on del problema. entonces − 1 puede verse que SL = SR y entonces M y S coinciden −1 M = S −1 = (1/2)SL (9.399) (9. aquellos que est´ an estrictamente contenidos en el dominio de la izquierda x1 .15. Consideremos la soluci´ on de una ecuaci´ on en derivadas parciales en un dominio como muestra la figura 9.

Descomposici´ on de dominios.403) y (9.4. Condicionamiento del problema de interfase.406) (9.407) (9.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 291 .´todos iterativos para la resolucio ´ n de ecuaciones lineales Cap´ ıtulo 9. Para hacer una estimaci´ on de estos n´ umeros de condici´ on nos basaremos en un an´ alisis de Fourier del problema del continuo para la ecuaci´ on de Laplace. Figura 9.0. el hecho de que ambos problemas sobre cada dominio sean independientes favorece la paralelizaci´ on del algoritmo.404) equivale a resolver problemas independientes con condiciones tipo Neumann sobre la interfase.17: Descomposici´ on de dominios.404) 9.405) y el punto es que ambos sistemas (9. Obviamente la aplicabilidad de la descomposici´ on de dominios descripta depende del n´ umero de iteraciones necesarias para resolver el problema de interfase y por lo tanto del n´ umero de condici´ on de la matriz complemento de Schur S o de su precondicionada M S . Por otra parte resolver x = M y es equivalente a resolver A11 A12 A21 (1/2) A22 (1/2) A22 A23 A32 A33 y despu´ es x = (1/2)(x2L + x2R ) (9. x1 x2L x2R x3 = 0 (1/2) y (1/2) y 0 (9. Me Secci´ on 9.4. An´ alisis de Fourier. Problema del continuo.408) ((docver curso-cfd-0.1.403) = (9. Las ecuaciones de gobierno son ∆φ = −f en Ω ¯ en Γ1 φ=φ (9. De nuevo.

411) y ∆φ2 = −f en Ω2 ¯2 en Γ2 φ2 = φ (9. Descomposici´ on de dominios. La restricci´ on de φ a cada uno de los dominios debe satisfacer ∆φ1 = −f en Ω1 ¯1 en Γ1 φ1 = φ (9.422) (9.´todos iterativos para la resolucio ´ n de ecuaciones lineales Cap´ ıtulo 9.419) ((docver curso-cfd-0.418) (9.417) (9.410) (9.421) (9.0.413) (9.412) (9. de manera que ψ = 0 en ΓI .409) (9.415) (9.424) (9.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 292 .414) y la continuidad de φ y su derivada normal a trav´ es de ΓI (φ1 )ΓI = (φ2 )ΓI ∂φ1 ∂φ2 = ∂x ΓI ∂x (9. Me Secci´ on 9. Consideremos la soluci´ on en dos dominios Ω1 . es decir Ahora consideremos una descomposici´ on φ = ψ + φ ∆ψ1 = −f en Ω1 ¯1 en Γ1 ψ1 = ψ ψ1 = 0 en ΓI y ∆ψ2 = −f en Ω2 ¯2 en Γ2 ψ2 = φ ψ2 = 0 en ΓI ˜ definido por y por lo tanto falta hallar φ ˜1 = 0 en Ω1 ∆φ ˜1 = 0 en Γ1 φ ˜1 = u en ΓI φ y ˜2 = 0 en Ω2 ∆φ ˜2 = 0 en Γ2 φ ˜2 = u en ΓI φ (9.4. Ω2 .420) (9.423) (9.416) ΓI ˜.

431) Reemplazando en las ecuaciones que definen (9.423). L1 resulta ser ˆ(x) = sinh km y φ sinh km L1 ((docver curso-cfd-0. Me Secci´ on 9. Podemos mostrar que las funciones de la forma um = sin(km y ). Descomposici´ on de dominios.434) 293 . . km = mπ/L. .423).429) donde S = S1 + S2 . .428) donde φ2 est´ a definido en funci´ on de u por (9. La soluci´ on φ on de (9. Cada uno de los operadores de Stekhlov-Poincar´ e act´ ua sobre el espacio de funciones definidas sobre ΓI .2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) (9. φ (9.0.397).430) ˜1 que es soluci´ son autofunciones de estos operadores. la primera de las ecuaciones resulta ser ˆ − k2 φ ˆ φ m =0 de donde ˆ(x) = a ekm y + b e−km y φ y de las condiciones de contorno en x = 0.424) y el signo − viene de que la normal exterior a Ω2 sobre ΓI va ahora seg´ un la direcci´ on −x . ∞ (9. para el correspondiente u.426) ΓI Definimos ahora el operador de Stekhlov-Poincar´ e S1 del dominio Ω1 como S1 {u} = ∂φ1 ∂φ1 = ∂n ∂x (9.427) 1 donde ∂φ on.433) (9.423) correspondiente a u = um es de la forma ˜1 = φ ˆ(x) sin(km y ). Ec. 2. (9.425) ∂ψ2 ∂x (9. An´ alogamente se puede definir S2 por S2 {u} = ∂φ2 ∂φ2 =− ∂n ∂x (9. que para el ∂n denota la derivada normal tomando la normal exterior al dominio en cuesti´ dominio Ω1 coincide con la direcci´ on de +x.429) es la versi´ on del continuo de (9.432) (9.4. . donde u es una inc´ ognita del problema y debe ser tal que ˜1 ∂φ ∂x donde ˜ b=− ∂ψ1 ∂x − ΓI − ΓI ˜2 ∂φ ∂x =˜ b ΓI (9. m = 1. Entonces S{u} = g (9.´todos iterativos para la resolucio ´ n de ecuaciones lineales Cap´ ıtulo 9. y φ1 es la soluci´ on de (9. Calcularemos el n´ umero de condici´ on de S a partir del c´ alculo de autovalores de S .

El autovalor m´ as bajo es λmin = λ1 = si L1 = L2 = L/2. para los autovalores λ1 de S .4. de manera que el n´ umero de condici´ on de S va a infinito. donde NI es la dimensi´ on de S . para m → ∞ los autovalores tienden a hacerse independientes de las longitudes de los dominios en la direcci´ on normal a la interfase. el operador S2 tiene autovalores λ2 m = El operador S tiene autovalores λm = km 1 1 + tanh km L1 tanh km L2 (9. L2 /L no son demasiado peque˜ nos.46 NI (9.436) (9.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 294 .435) Vemos entonces. mientras que recordemos que el n´ umero de condici´ on de A (la matriz del sistema) va como 1/h2 (Gu´ ıa de ejercicios Nro.440) El autovalor m´ aximo se obtiene para m = NI y asumiendo que NI 1 y L1 /L.443) Notar que κ(S ) va como 1/h al refinar. En el continuo S tiene infinitos autovalores y los λm van a infinito para m → ∞.438) km tanh km L1 (9. que um es una autofunci´ on de S1 con autovalor λ1 m = An´ alogamente. Me Secci´ on 9.´todos iterativos para la resolucio ´ n de ecuaciones lineales Cap´ ıtulo 9.6 = L tanh(1/2) L (9.439) km tanh km L2 (9. dijimos que estimar´ ıamos el n´ umero de condici´ on de la matriz S a partir de los autovalores de S . Obtendremos una estimaci´ on para el n´ umero de condici´ on de S asumiendo que los autovalores de S se aproximan a los primeros NI autovalores de S .0. entonces λmin = π 2 13. Por ejemplo. la derivada normal en ΓI es entonces ˜1 ∂φ km cosh km L1 = = km ∂n sinh km L1 tanh km L1 de manera que S1 {um } = km tanh km L1 um (9. L aparece en el argumento de la tangente hiperb´ olica y esta tiende a 1 para 1 1 m ((docver curso-cfd-0. Otro punto interesante a notar es que.441) π L 1 1 + tanh(L1 /L) tanh(L2 /L) (9. 1).442) y el n´ umero de condici´ on es κ(S ) ≈ tanh(1/2) NI = 0.437) Ahora bien. Descomposici´ on de dominios. entonces km L1 = NI πL1 /L 1 y tanh km L1 ≈ 1 y similarmente tanh km L2 ≈ 1 y por lo tanto λmax = 2km = 2NI π/L (9.

446) m → 1 para m → ∞ Pero entonces esto quiere decir que κ(M S ) se hace independiente de NI para m suficientemente grandes. en el caso del discreto adem´ as la malla tambi´ en tiene que ser sim´ etrica alrededor − 1 de x = 1/2). S2 y S .444) Como mencionamos previamente (ver p´ ag. entonces la longitud de onda es β = 2L/m la cual se va achicando a medida que m → ∞. Si L1 = L2 . Si u es de la forma sin mπy/L sobre ΓI . Como todos las um de la forma (9. Las perturbaciones inducidas decaen como e−n/β donde n es una coordenada en la direcci´ on normal a ΓI y si β es muy peque˜ no la perturbaci´ on no llega al contorno opuesto. entonces 2 λ1 (9. es decir 1 −1 −1 1 2 λprec + (λ2 m = (1/4) [(λm ) m ) ] (λm + λm ) (9.4.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 295 . ((docver curso-cfd-0. Descomposici´ on de dominios.0. Me Secci´ on 9. entonces M = S .´todos iterativos para la resolucio ´ n de ecuaciones lineales Cap´ ıtulo 9. m → ∞. Ahora consideremos los autovalores del problema precondicionado. Incluso puede verse que para m → ∞ los autovalores se hacen independientes del tipo de condici´ on de contorno sobre el borde opuesto (es decir sobre x = 0). independientemente del valor de L1 . si el problema es sim´ etrico (en el caso del continuo basta con L1 = L2 . En el caso del continuo ocurre lo mismo ya que si los dos dominios son iguales. Este resultado es muy importante desde el punto de vista pr´ actico. el n´ umero de condici´ on del problema precondicionado no se deteriora bajo refinamiento para el precondicionamiento Dirichletto-Neumann.430) son autofunciones de los operadores S1 . entonces los autovalores de M S son aproxi−1 −1 madamente los primeros NI autovalores de (1/4)(S1 + S2 )(S1 + S2 ).2 y de la condici´ on de contorno en el contorno opuesto y por lo tanto λprec (9. entonces puede verse que para m grandes λ1 ≈ λ2 ya que ambos se hacen independientes de L1. Esta observaci´ on se basa en el hecho de que el operador de Laplace es muy local. 290).445) m = λm y por lo tanto λprec m = 1 para todo m.

30. d ) Graficar las autofunciones de A para los autovalores m´ as bajos y para los m´ as altos. . Gu´ ıa de Trabajos Pr´ acticos 9. . Observar el comportamiento de una componente dada en funci´ on de las iteraciones (Graficar curvas de (xk )i en funci´ on de k .. Ecuaci´ on de Poisson 1D: Consideremos la ecuaci´ on de Poisson 1-dimensional en un dominio 0 < x < 1 con condiciones Dirichlet en x = 0. .  . Porqu´ e es esta matriz spd? 2.  −1 2 −1  −1 2  f1  . El sistema puede ponerse de     −1  . a=expm(c*a).0. Me Secci´ on 9. c=1. Determinar la tasa de convergencia.448) Consideramos una discretizaci´ on por diferencias finitas de paso constante h = 1/N . Determinar para qu´ e valores del par´ ametro de relajaci´ on ω el esquema de Richardson es convergente..1). . Gu´ ıa de Trabajos Pr´ acticos 1. g ) Evaluar las tasas de convergencia en forma experimental y te´ orica.  fN  (9.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 296 ..   (9.. 100. c ) Verificar que el n´ umero de condici´ on de A se comporta de la forma cond(A) ∼ N 2 = 1/h2 . para N = 10. como antes. . Que se observa para ω = ωopt ? Explicar. 1: φ = −f (9. . b=rand(n. a=(a+a’). ((docver curso-cfd-0. 4.  b= .  . N y las ecuaciones para los nodos interiores 1 < j < N − 1 son h−2 (−φj +1 + 2φj − φj −1 ) = fj φ0 y φN son datos dados por las condiciones la forma Ax = b con  2 −1  −1 2 −1   0 −1 2  A = h− 2  .447) 3.449) de contorno Dirichlet. xk+1 = xk + ω (b − Axk ) (9.´todos iterativos para la resolucio ´ n de ecuaciones lineales Cap´ ıtulo 9. etc. e ) Verificar cu´ an buena es la aproximaci´ on de A al radio espectral de A. a=rand(n).5. Los nodos son xj = jh.450) a) Verificar que A es sim´ etrica y definida positiva.5.7ωopt . al refinar.. . j = 0. f ) Efectuar experimentos num´ ericos con ω = ωopt . . b) Calcular los autovalores de A y el n´ umero de condici´ on de A. Generar aleatoriamente una matriz sim´ etrica y positiva definida A y un miembro derecho b con n=5. 0.

Puede usar las rutinas de Octave provistas por la c´ atedra. Si f(x) es una forma cuadr´ atica f (x) = 1 2 x Ax − b x + c. 8. GC como m´ etodo directo. En efecto. Mostrar que si A es spd. Me Secci´ on 9. Entonces podemos generar m´ etodos iterativos integrando este sistema en forma num´ erica. Evaluar tasas de convergencia en forma experimental. donde el paso de tiempo equivale al factor de relajaci´ on ω . f (x) es minimizada por la soluci´ on de Ax = b.5. en Ω = {x.453) (9. b) Efectuar experimentos num´ ericos con varios valores de ω .´todos iterativos para la resolucio ´ n de ecuaciones lineales Cap´ ıtulo 9. y / 0 ≤ x. donde A es una matriz en R n son vectores en R y c es un escalar constate. Analog´ ıa entre el m´ etodo de Richardson relajado y la soluci´ on seudo-temporal. 8 y 10 y ver en cuantas iteraciones converge a precisi´ on de m´ aquina. y < 1 con condiciones dirichlet homog´ eneas en todo el contorno y f = 1. se converger´ a a la soluci´ on exacta en la pr´ oxima iteraci´ on. En poisson. Consideremos el sistema ODE’s dx = −Ax + b (9. Estudiar la implementaci´ on que se provee a trav´ es del script poisson.j +1 + φi. El laplaciano es calculado convirtiendo primero el vector de entrada a una matriz cuadrada de (N − 1) × (N − 1) y despues se eval´ ua la aproximaci´ on est´ andar de 5 puntos al laplaciano (∆φ)ij = h−2 (φi. i + 1..1) y ver en cuantas iteraciones converge.e.j −1 + φi+1. ((docver curso-cfd-0.m. 6. Gu´ ıa de Trabajos Pr´ acticos 5. y ≤ 1} = 0. Calcular f (x).452) dt Entonces si A tiene autovalores con parte real positiva. Una ventaja de los m´ etodos iterativos es que no es necesario armar la matriz del sistema.j − 4φij ) a) Estimar el autovalor m´ aximo con la norma 1 de A. Consigna: Demostrar que aplicar el m´ etodo de forward Euler a esta ecuaci´ on (dx/dt ≈ (xk+1 − xk )/∆t) equivale al m´ etodo de Richardson. la soluci´ on x(t) tiende a la la soluci´ on de Ax = b para t → ∞.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 297 . en ∂ Ω (9. Para el M´ etodo de Steepest Descent demostrar que si el error ei en la iteraci´ on i es un autovalor de la matriz A cuyo autovalor es λe . 10.m que llama sucesivamente a la funci´ on laplacian. T T n×n .m el vector de estado es de tama˜ no (N − 1)2 donde hemos puesto todos los valores de φ encolumnados. Calcular los autovalores de A y ver cuantos distintos hay.j + φi−1. i. Usar N = 4. Porqu´ e?.454) (9. Ecuaci´ on de Laplace 2-dimensional: Lo mismo que en el ejercicio anterior pero en 2D en el dominio 0 < x. Inicializar con x0=rand(n.451) con una grilla de diferencias finitas de (N + 1) × (N + 1) puntos. La funci´ on laplacian(phi) calcula el laplaciano del vector de iteraci´ on φ. Resolver la ecuaci´ on de Poisson ∆φ φ = −f.0. x y b 7. s´ olo necesitamos poder calcular el residuo rk a partir del vector de estado xk . Dar una interpretaci´ on geom´ etrica del ejercicio anterior y decir cuanto tiene que valer α (la long del paso en la direcci´ on de b´ usqueda) para obtener convergencia inmediata. 6. 9.

´todos iterativos para la resolucio ´ n de ecuaciones lineales Cap´ ıtulo 9. (No tratar de construir la matriz! La matriz llena ocupa 800Mbytes y la banda 8Mbytes). ((docver curso-cfd-0. con y sin precondicionamiento de Jacobi (point Jacobi). Verificar la escalabilidad del M´ etodo CG (con prec. Resolver los puntos anteriores en el cluster usando 4 procesadores. Comparar la convergencia con el m´ etodo de Richardson (con ω = ω´ ).2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 298 . Sacar conclusiones acerca de la escalabilidad del algoritmo. 13. GC como m´ etodo iterativo. 14. 12. Sacar conclusiones acerca de los resultados obtenidos en relaci´ on a los resultados de los puntos anteriores.0. Me Secci´ on 9. Sacar conclusiones acerca de los resultados obtenidos en relaci´ on a los resultados de los puntos anteriores.5. Gu´ ıa de Trabajos Pr´ acticos 11. en n´ u meros de iteraciones opt y en tiempo de CPU. Es decir el comportamiento de la cantidad de iteraciones de CG para bajar el residuo un cierto orden de magnitud (por ejemplo 5 ´ ordenes) en funci´ on de la cantidad de procesadores cuando el problema crece en la misma proporci´ on al n´ umero de procesadores nproc . Puede usar las rutinas de Octave provistas por la c´ atedra. point Jacobi) para el problema de Poisson √ √ usando una grilla de 100 · nproc × 100 · nproc . anterior pero ahora para N = 100. Idem que el ej. Resolver el punto anterior en el cluster en forma secuencial usando las rutinas de PETSc provistas. Graficar la curva de convergencia y comparar el n experimental con el te´ orico (basado en una estimaci´ on del n´ umero de condici´ on de la matriz). con y sin precondicionamiento de Jacobi (point Jacobi).

Si bien en principio uno podr´ ıa pensar que la incompresibilidad es una ventaja. digamos 0. etc. es decir que la variaci´ on relativa de la densidad ∆ρ = O(M 2 ) ρ donde M= (10. expansi´ on solutal (p. Definici´ on de flujo incompresible Un flujo incompresible es ´ aquel donde el fluido no se comprime. salinidad). puede demostrarse que los efectos compresibles van con el n’umero de Mach al cuadrado. un auto a 100 Km/h en atm´ osfera est´ andar posee un Mach de approx.ej. Por ejemplo..Cap´ ıtulo 10 Flujo incompresible 10. Podemos decir entonces que el flujo es compresible si el n´ umero de Mach es menor que un cierto valor.. ya que permite eliminar (en muchos casos) una variable (la densidad).1. desde el punto de vista num´ erico suele traer m´ as problemas que soluciones.1.2) c es el n´ umero de Mach. como es t´ ıpicamente el caso de los l´ ıquidos. con lo cual en esas condiciones podemos considerar que el flujo es incompresible.1) u (10. u es la velocidad del fluido y c es la velocidad del sonido. El t´ ermino compresible/incompresible se aplica a las variaciones de densidad producidad exclusivamente por efecto de la presi´ on.1. Es de notar que si las variaciones de densidad son provocadas por otros efectos que no sean la presi´ on mec´ anica como la dilataci´ on t´ ermica. 0. a´ un si la densidad resulta no ser constante ni espacialmente ni en el tiempo. En ese caso se le asigna a la propiedad de flujo compresible o incompresible al patr´ on de flujo. Para los fluidos compresibles. 299 . entonces el patr´ on de flujo puede considerarse (con respecto a los efectos sobre los algoritmos num´ ericos) incompresible. pero tambi´ en puede pasar que bajo ciertas condiciones un fluido que es compresible (como los gases en general) no manifiesta efectos de compresibilidad para un patr´ on o r´ egimen de flujo en particular.

Cap´ ıtulo 10. Por ejemplo. Las ecuaciones son no locales: Esto es m´ as f´ acil de ver en el caso de elasticidad. 10.1). por lo tanto los desplazamientos en Γ2 ser´ an del mismo orden que aquellos impuestos en Γ1 (asumiendo que ambas regiones de la frontera tienen dimensiones similares). de manera que hay una cierta localidad de los efectos. Esto se debe a que la ecuaci´ on de continuidad “no tiene t´ ermino en derivadas segundas”. pasa a ser el multiplicador de Lagrange asociado. consideremos un s´ olido incompresible que ocupa una regi´ on Ω (ver figura 10.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) . La presi´ on.5) 300 La vorticidad se define como ((docver curso-cfd-0. si reemplazamos el vector de velocidad por el de desplazamiento y la viscosidad por el m´ odulo de elasticidad. Si el tama˜ no de ambas regiones es similar y muy peque˜ nos con respecto a la distancia que los separa. etc. El estado del fluido s´ olo st´ a dado por la velocidad. entonces los desplazamientos en Γ2 ser´ an despreciables. Es importante notar que en el l´ ımite de “flujo reptante” o “flujo de Stokes” (es decir. Se sabe bien que en el caso de elasticidad compresible el problema es el´ ıptico. estacionario las ecuaciones dejan de ser el´ ıpticas al pasar al caso incompresible. Esto se pierde en el caso incompresible. el cambio de volumen total en Γ2 debe ser igual al impuesto en Γ1 .0.3) (10. m´ as que como una ecuaci´ on de evoluci´ on. las ecuaciones resultantes son exactamente iguales a las de elasticidad lineal incompresible isotr´ opica. Formulaci´ on vorticidad-funci´ on de corriente Ω=∇×u (10. Por el contrario.3. en el caso incompresible. mientras que la segunda es la “ecuaci´ on de continuidad” o “balance de masa”. local. Ecuaciones de Navier-Stokes incompresible 1 ∂u + (u · ∇)u = − ∇p + ν ∆u ∂t ρ ∇·u=0 Las ecuaciones de Navier-Stokes incompresibles son (10. La ecuaci´ on de la energ´ ıa se desacopla de la de momento y continuidad: El campo de temperaturas se puede obtener a posteriori a partir de el campo de velocidades obtenido. el operador es el´ ıptico. Tambi´ en podemos decir que la ecuaci´ on de continuidad aparece como una restricci´ on. En el caso compresible. Ecuaciones de Navier-Stokes incompresible 10. despreciando el t´ ermino convectivo).2. y la influencia del desplazamiento impuesto sobre el dominio Γ1 en el dominio Γ2 depender´ a de la distancia entre ambas regiones. Las siguientes observaciones nos permiten adelantar el problema ocasionado por la incompresibilidad: La condici´ on de incompresibilidad no tiene un t´ ermino temporal: Esto quiere decir que “la presi´ on no tiene historia”.. es decir tracci´ on nula. menos en una cierta parte Γ1 donde se aplica un cierto desplazamiento uniforme. sus tama˜ nos relativos. y otra cierta parte Γ2 donde las condiciones son libres. Cambia el c´ aracter matem´ atico de las ecuaciones: Tambi´ en en el caso el´ astico.2.. Flujo incompresible Secci´ on 10.4) La primera es la “ecuaci´ on de momento”. Las condiciones son de desplazamiento nulo en toda la frontera.

ya que ∇u debe estar en el plano y Ω est´ a fuera del plano.0.7) (10.3) se llega. de manera que la ecuaci´ on se reduce a una ecuaci´ on de advecci´ on difusi´ on para la vorticidad ∂Ω + (u · ∇)Ω = ν ∆Ω ∂t (10. Flujo incompresible Secci´ on 10.11) La “formulaci´ on vorticidad/funci´ on de corriente” consiste en resolver (10.3-10. Formulaci´ on vorticidad-funci´ on de corriente 11111111111111 00000000000000 00000000000000 11111111111111 00000000000000 11111111111111 00000000000000 11111111111111 00000000000000 11111111111111 00000000000000 11111111111111 00000000000000 11111111111111 00000000000000 11111111111111 00000000000000 11111111111111 L 00000000000000 11111111111111 00000000000000 11111111111111 00000000000000 11111111111111 00000000000000 11111111111111 00000000000000 11111111111111 00000000000000 11111111111111 00000000000000 11111111111111 00000000000000 11111111111111 00000000000000 11111111111111 00000000000000 11111111111111 00000000000000 11111111111111  ½ ª  ¾ Figura 10.8) Tomando rotor de (10.4) son ((docver curso-cfd-0.9) pero (s´ olo en 2D!) el tercer t´ ermino es nulo.1: No localidad en elasticidad incompresible.3. despues de un cierto trabajo algebraico.10) Por otra parte. para un flujo bidimensional se reduce a Ω = Ωz = ∂u ∂v − ∂x ∂y (10. Las ventajas y desventajas de la formulaci´ on. con respecto a la formulaci´ on en variables primitivas (10.6) con (10.7) se llega a una ecuaci´ on de Poisson para la funci´ on de corriente: ∆ψ = −Ω (10. recombinando (10. a ∂Ω + (u · ∇)Ω − (Ω · ∇)u = ν ∆Ω ∂t (10.6) En 2D se puede encontrar una funci´ on de corriente ψ tal que u= ∂ψ ∂y ∂ψ v=− ∂x (10.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 301 . el cual.11) en forma acoplada.Cap´ ıtulo 10.10) y (10.

j +1 + ui.j − pi−1.0.Cap´ ıtulo 10. Si despreciamos el t´ ermino convectivo (problema de Stokes) y consideramos el caso estacionario en una malla de paso homog´ eneo h.j + ui. Flujo incompresible Secci´ on 10. Discretizaci´ on en variables primitivas pressure node u velocity node v velocity node j+1 j j−1 i−1 i i+1 Figura 10. Las condiciones de contorno para la vorticidad son desconocidas para la formulaci´ on vorticidad/funci´ on de corriente . Las condiciones de contorno para la presi´ on son desconocidas para la formulaci´ on en variables primitivas.j − ui−1.j =0 2ρh pi.4.j −1 − 4uij h2 (10.j + ui−1.2) : pi+1.j −1 + =0 2h 2h donde ∆h reresenta el operador de Laplace discreto est´ andar de 5 puntos ν (∆h u)ij − (∆h u)ij = ui+1.12) (10. la siguiente discretizaci´ on (espacial) de segundo orden parece ser un buen punto de partida (ver figura 10.j +1 − vi. La formulaci´ on vorticidad/funci´ on de corriente tiene un grado de libertad menos por nodo.j +1 − pi.13) 302 ((docver curso-cfd-0.j vi.2: Grilla est´ andar (no staggered) usada para flujo incompresible en variables primitivas.j −1 ν (∆h v )ij − =0 2ρh ui+1. La formulaci´ on vorticidad/funci´ on de corriente requiere de cierto cuidado en cuanto a la discretizaci´ on.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) . 10.4. Discretizaci´ on en variables primitivas La extensi´ on a 3D de la formulaci´ on vorticidad/funci´ on de corriente es muy compleja.

4. Discutiremos a continuaci´ on el uso de mallas staggered. Stencil para la ecuaci´ on de momento seg´ un x j+1 j j−1 i−1 i i+1 Figura 10. Pero resulta ser que las presiones en los nodos impares se desacopla de los pares dando lugar a modos “checkerboard” en la presi´ on.3.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 303 .5 pueden verse los stenciles usados para cada una de las ecuaciones.4 y 10. Las formas des resolver esto es Resolver una ecuaci´ on alternativa para la presi´ on llamada PPE (Poisson Pressure Equation). 10.0. Usar mallas “staggered” (en espa˜ nol “desparramadas” (???)) Usar m´ etodos de compresibilidad artificial. Discretizaci´ on en variables primitivas j+1 j j−1 i−1 i i+1 Figura 10.4: Grilla no staggered.Cap´ ıtulo 10. Stencil para la ecuaci´ on de momento seg´ un y En las figuras 10. ((docver curso-cfd-0.3: Grilla no staggered. Flujo incompresible Secci´ on 10.

j ≈ u((i + 1/2)h. las condiciones de contorno tambi´ en se simplifican algo.0. Por otra parte.5: Grilla no staggered.j −1/2 304 .j +1 − pi.j − ui−1/2. Flujo incompresible Secci´ on 10. la ecuaci´ on de continuidad tambi´ en queda en un stencil m´ as compacto. Uso de mallas staggered Si consideramos la ecuaci´ on de momento seg´ un x. si lo imponemos sobre los nodos de presi´ on (ver figura 10.j =0 ρh (10.j − pi+1.16) h h Por otra parte. para la ecuaci´ on de momento seg´ un y tenemos (ver figura 10. ya que utilizando s´ olo contornos que coinciden con lineas semienteras (i. jh) Los nodos de velocidad y : vi. j =entero+1/2).8) ν (∆h v )i.14) Similarmente.15) Esto evita el desacoplamiento de las presiones entre nodos pares e impares.5.j +1/2 ≈ v (ih.j =0 ρh (10.j + vi.7) ν (∆h u)i+1/2.j +1/2 − pi. entonces vemos que lo ideal ser´ ıa tener una malla para los nodos de velocidad x desplazada en h/2 con respecto a la malla de los nodos de presi´ on.5.6) Los nodos de presi´ on: pij ≈ p(ih.j +1/2 − vi. en ese caso podr´ ıamos tener una ecuaci´ on de la forma (ver figura 10. (j + 1/2)h) con i.j − pi. El m´ etodo de mallas staggered es probablemente el m´ as robusto y prolijo para tratar flujo incompresible por diferencias finitas.Cap´ ıtulo 10. jh) Los nodos de velocidad x: ui+1/2.9) =0 (10. Stencil para la ecuaci´ on de continuidad 10. ((docver curso-cfd-0. j enteros. en cuanto a las condiciones sobre la presi´ on. Uso de mallas staggered j+1 j j−1 i−1 i i+1 Figura 10. Entonces tenemos 3 redes “staggered” a saber (ver figura 10.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) ui+1/2.

0.21) La formulaci´ on d´ ebil Galerkin se obtiene pesando la ecuaci´ on de momento por una funci´ on de interpolaci´ on de velocidad y pesando la ecuaci´ on de continuidad con las funciones de interpolaci´ on de presi´ on.17) (10. .2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 305 .20) (10.22) f · v dΩ + Ω Γ (∇ · φ)p dΩ + Ω Ω ν (∇v : ∇u) dΩ = ˆ dΓ. 10. . flujo reptante. ((docver curso-cfd-0. ∀v ∈ Vh v·t·n (10. u=u y espacios de interpolaci´ on en Ω en Γ en Ω (10. φ (∇ · u) dΩ = 0. El sistema al que se llega es.23) Notar que. N } Vh = span{Nuµ .6: Grilla staggered usada para flujo incompresible en variables primitivas. ∀φ ∈ Xh Ω (10.6.19) Xh = span{Npµ . Flujo incompresible Secci´ on 10. Discretizaci´ on por elementos finitos Considerando el caso estacionario. Discretizaci´ on por elementos finitos j+1 j+1/2 j j−1/2 j−1 i−1 i−1/2 i i+1/2 i+1 Figura 10. µ = 1 . N } (10. como no aparecen derivadas de p ni φ entonces es posible utilizar aproximaciones discontinuas para p.6. .18) (10. . µ = 1 . un t´ ermino forzante f y condiciones de contorno Dirichlet.Cap´ ıtulo 10. las ecuaciones de gobierno son ν ∆u − ∇p = f ∇·u=0 ¯.

.k Npν dΩ Nuµ. .0. mientras que la matriz total A s´ olo es 306 ((docver curso-cfd-0. Discretizaci´ on por elementos finitos j+1 punto alrededor del cual se hace la aproximación j+1/2 j j−1/2 j−1 i−1 i−1/2 i i+1/2 i+1 Figura 10.Cap´ ıtulo 10.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) .7: Grilla staggered. Flujo incompresible Secci´ on 10.27) uµ Nuµ  u1 u2 .29) Nuµ. pN      (10. uN      (10.28)   P=  Qµkν = Ω (10.26)   P=  uh = µ (10. . Stencil para la ecuaci´ on de momento seg´ un x 0 −QT −Q ν K o P U = 0 F (10.25) AX = B donde ph = µ pµ Npµ  p1 p2 .k δij Nuν.6.24) (10.31) Kiµjν = N´ otese que la matriz K es sim´ etrica y definida positiva. .k dΩ Ω (10.30) (10.

7. Por otra parte. Flujo incompresible Secci´ on 10. Efectivamente. Para que el problema este bien planteado debemos al menos exigir que la matriz sea no-singular. 10. Si bien esto parece un requerimiento bastante simple. P n denota el espacio de funciones que ((docver curso-cfd-0.10).8: Grilla staggered. El test de la parcela j+1 punto alrededor del cual se hace la aproximación j+1/2 j j−1/2 j−1 i−1 i−1/2 i i+1/2 i+1 Figura 10. Como K es no-singular podemos eliminar U de la ecuaci´ on de momento e insertarla en la ecuaci´ on de continuidad obteniendo una ecuaci´ on para P de la forma HP = (QT K−1 Q) P = −QT K−1 F (10. a menos que se mencione lo contrario el espacio para velocidades se asume continuo y el de presiones discontinuo.0.Cap´ ıtulo 10.33) con lo cual H resulta ser definida positiva y por lo tanto no-singular. En general.32) La matriz H es sim´ etrica y semidefinida positiva. (La convenci´ on aqu´ ı es poner primero el espacio de interpolaci´ on para velocidades y despu´ es el que se usa para presiones. si Q tiene rango menor que Np entonces existe algun vector P tal que QP = 0 y entonces HP = 0. El test de la parcela Ahora bien Q es de dimensi´ on Nu × Np . Stencil para la ecuaci´ on de momento seg´ un y sim´ etrica y de hecho no puede ser definida positiva ya que tiene elementos diagonales (en el bloque 0) nulos. Consideremos por ejemplo la interpolaci´ on m´ as simple que se nos pueda ocurrir es P 1/P 0 para tri´ angulos.7. en realidad sirve para descartar toda una serie de familias de interpolaci´ on y da lugar al famoso “test de la parcela” (“patch test”). de manera que. es decir velocidades lineales continuas y presiones constantes por elemento (ver figura 10. Podemos ver que esto ocurre si y s´ olo si Q tiene rango de filas (el n´ umero de filas linealmente independiente) Np (el n´ umero de grados de libertad de presi´ on). para que Q sea no singular debemos pedir que al menos Nu ≥ Np .2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 307 . si Q tiene rango igual a Np entonces para todo P = 0 vale que u = QP = 0 y entonces PT (QT K−1 Q) P = uT K−1 u > 0 (10.

Por ejemplo para la interpolaci´ on Q1/P 0 el an´ alisis asint´ otico da Nu por celda = 2. Flujo incompresible Secci´ on 10. donde dividimos cada cuadr´ angulo en dos tri´ angulos. por lo tanto no se satisface el test de la parcela y la aproximaci´ on es inestable.7. (10. Si tomamos parcelas m´ as peque˜ nas la situaci´ on es peor. tenemos (para una malla suficientmente grande) Np =2 grados de libertad de presi´ on por cada cuadr´ angulo y un nodo de velocidad (es decir Nu = 2). mientras que Qn denota el espacio de funciones bilineales (trilineales en 3D) de grado n.9: Grilla staggered. Np por celda = 1 lo cual en principio est´ a bien. La relaci´ on asint´ otica m´ as apropiada parece ser Nu = 2Np .Cap´ ıtulo 10. si bien el test de la parcela asint´ otico permite descartar una serie de familias de interpolaci´ on. Np = 3 (uno de los nodos de presi´ on siempre est´ a restingido) lo cual est´ a mal.0.) En una malla estructurada de cuadr´ angulos. Sin embargo. puede verse que un macroelemento triangular formado por 3 elementos Q1/P 0 es estable.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 308 . es polinomial de grado n por elemento. ya que el Nu es mayor o igual al Nu asint´ otico pero imponiendo las condiciones de contorno “m´ as inestables posibles”. Stencil para la ecuaci´ on de continuidad. es decir todo el contorno de la parcela con velocidades impuestas el Nu resulta ser Nu = (Nu por elemento) × (n´ umero de elementos) + (n´ umero de nodos adicionales de contorno) − (n´ umero de condiciones de contorno) ≤ (Nu por elemento) × (n´ umero de elementos) = (Nu asint´ otico) Entonces. pero cuando vamos a una parcela de 2 × 2 = 4 elementos cuadrangulares tenemos Nu = 2 (s´ olo el nodo de velocidad del medio est´ a libre). el test aplicado sobre parcelas m´ as peque˜ no resulta ser m´ as restrictivo. El test de la parcela j+1 punto alrededor del cual se hace la aproximación j+1/2 j j−1/2 j−1 i−1 i−1/2 i i+1/2 i+1 Figura 10.34) ((docver curso-cfd-0.

Cap´ ıtulo 10. R´ ıos de tinta han corrido en cuanto a cual es la condici´ on para asegurar convergencia en problemas de este tipo y la respuesta es la conocida “condici´ on de . de manera que podemos tomar tambi´ en BB = m´ ınimo autovalor de{QK−1 QT } ((docver curso-cfd-0.0. La condici´ on de Brezzi-Babuska Q1/P0 inestable Q2/P1 estable Q2/Q1 inestable Q2(s)/Q1 Q2(s)/P1 Q2(s)/P0 inestable inestable estable P1/P0 P2/P1 P2/P0 inestable inestable estable nodo de presión nodo de velocidad P2+/P1 estable Figura 10.38) 309 . presiones discontinuas.10: Combinaciones de espacios de interpolaci ’on de elementos finitos.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) (10. tiene un n´ umero de condici´ on muy bajo y no afecta mucho la expresi´ on anterior.37) Como Mp es una “matriz de masa”. Flujo incompresible Secci´ on 10.8. 10. inf sup Ω qh ∇ · vh dΩ 1 1 / / 2 2 2 2 Ω |qh | dΩ Ω |∇vh | dΩ qh ∈Xh −0 vh ∈vh −0 = BB ≥ C = C (h) (10. Brezzi-Bab. no es suficiente para asegurar la convrgencia. .36) donde Mp es la “matriz de masa” de las funciones de presi´ on es decir Mpµν = Ω Npµ Npν dΩ (10. Velocidades continuas. La condici´ on de Brezzi-Babuska Si bien el test de la parcela es muy u ´til para descartar posibles familias de interpolaci´ on.8.35) Trabajando un poco esta ecuaci´ on puede llegarse a la conclusi´ on de que 1 BB = m´ ınimo autovalor de{QK−1 QT M− p } (10.uska” tambien conocida como condicion “inf-sup”.

11: Parcela de 2 × 2 elementos cuadrangulares.2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 310 .9. M´ etodos FEM estabilizados Q1/P0 Figura 10.Cap´ ıtulo 10. Por otra parte el sistema es ahora el´ ıptico.33).0.40) son aproximaciones a los operadores de Laplace (vectorial) y “grad-div”.k dΩ Nuµ.9. 10.42) (10. Notemos que la matriz en cuesti´ on es la misma que se obtiene si condensamos el sistema total en el vector de presiones. ((docver curso-cfd-0. El sistema modificado es ν ∆u − ∇p − β ∇(∇ · u) = f ∇ · u − α∆p = −α(∇ · f ) El sistema de ecuaciones es −αL −QT −Q ν K + β G donde Hµν = Giµ. M´ etodos FEM estabilizados Podemos modificar el sistema de ecuaciones a resolver si agregamos a la ecuaci´ on de momento un t´ ermino de estabilizaci´ on que proviene de tomar el gradiente de la ecuaci´ on de continuidad y otro proporcional a la divergencia de la ecuaci´ on de momento a la ecuaci´ on de continuidad. Notar que con el agregado de estos t´ erminos de estabilizaci´ on ahora el bloque que antes era nulo ya no lo es. ec.43) P U = −αS F (10. En la pr´ actica “se deja la presi´ on libre” lo cual ∂p = 0) lo cual no es cierto pero se es equivalente a imponer derivada normal de la presi´ on nula ( ∂n absorbe en una capa l´ ımite de espesor h. (10.jν = Npµ.j dΩ (10.i Nuν. De manera que el criterio de BB parece relacionar la convergencia del espacio de interpolaci´ on con el comportamiento de los autovalores para h → 0.k Npν. con lo cual deber´ ıan imponerse tambi´ en condiciones de contorno sobre la presi´ on.39) (10.41) (10. (Lo cual no es trivial). Nodos pintados de negro indican grados de libertad restringidos. Flujo incompresible Secci´ on 10.

78 diferencia hacia adelante. 80 mapeo del dominio de integraci´ on. 77 difusi´ on. 100 alto orden esquemas en dif. 111 convecci´ on-reacci´ on-difusi´ on. 84 irregular dominios de forma. 90 backward difference. 88 convergencia cuadr´ atica. 104 convariante tensor m´ etrico. 100 Lax. Teorema de Lax. v´ ease diferencia hacia atr´ as banda ancho de. 104 convecci´ on. 80 no-lineales problemas. 79 contravariante tensor m´ etrico. 111 Dirichlet condici´ on de contorno tipo. fin. 99 matriz. 85 compresible flujo potencial subs´ onico c. 104 311 . 103 multidimensional m´ et.f. 74 diferencia hacia atr´ as. 84 conservativo esquema. 92 Neumann condici´ on de contorno tipo. 99 orden de convergencia. factores de. de . 89 definida positiva matriz. 73 sistema de ecuaciones. 105 estabilidad.´ Indice alfab´ etico ajuste del contorno. de d. 80 ficticio nodo. 73 numeraci´ on de nodos. m. 81 forward difference. de eliminaci´ on de.. 79 ortogonales coordenadas curvil´ ıneas. 111 convergencia lineal. 83 nodos. 76 escala. v´ ease diferencia hacia adelante Gauss m´ et. 84 consistencia. 105 esf´ ericas coordenadas. 97 hiper´ elastico material. 96 centrada diferencia. 75 choque ondas de. 74 diferencias finitas m´ etodo de..

85 secante m´ etodo. en diferencias..2-15-gb72220a ’clean) (docdate Sun Sep 30 12:31:24 2007 -0300) (proc-date Sun Sep 30 12:33:23 2007 -0300)) 312 . 105 tri-diagonal matriz.´ ´ INDICE ALFABETICO ´ ´ INDICE ALFABETICO precisi´ on de la m´ aquina. 97 stencil. 86 punto fijo. 86 tolerancia para la resol. 87 sim´ etrica matriz. de un sistema no-lin. 78. para aprox. 90. 95 tangente m´ etodo. 111 residuo de un sistema no-lineal de ecs. 85 transformaci´ on conforme. 89 Taylor serie de T.0.. 94 ((docver curso-cfd-0. m´ etodo de. 104 tolerancia. 85 reacci´ on. 73 tensor m´ etrico contravariante.