Beruflich Dokumente
Kultur Dokumente
PROFESIONAL EN MATEMÁTICAS
ASESOR:
AREQUIPA - PERÚ
2015
DIFERENCIAS FINITAS Y MÉTODOS
ESPECTRALES PARA ECUACIONES
DIFERENCIALES ORDINARIAS Y
PARCIALES
Diciembre 2015
Resumen
En este trabajo hacemos una exposición de las generalidades de dos métodos numéri-
cos mas utilizados para resolver ecuaciones diferenciales ordinarias y parciales: para
nuestro caso son el de Diferencias Finitas y los métodos espectrales con respecto a
Fourier y Chebyshev.
Utilizamos los métodos espectrales de Fourier con sus matrices de diferenciación
y despues por motivo de uniformidad fue necesario usar los polinomios ortogonales
de Chebyshev que constituyen una alternativa adecuada a la base de Fourier.
Además, hemos aplicado los capítulos anteriores para resolver el ‡ujo de Pouseuille,
como un caso particular de la ecuación de Navier-Stokes a través de la aplicación de
la teoria espectral de Fourier y Chebyshev con el auxilio de diferencias …nitas.
Abstract
In this paper we show an overview of two most used numerical methods for solving
ordinary and partial di¤erential equations for our case are the Finite Di¤erence and
spectral methods with respect to Fourier and Chebyshev.
Use Fourier spectral methods with their di¤erentiation and then arrays because
of uniformity required using Chebyshev orthogonal polynomials which are a suitable
to alternative Fourier basis.
In addition, we applied the previous chapters to solve the ‡ow Pouseuille, as a
particular case of the Navier-Stokes through the application of Fourier spectral and
Chebyshev theory with the aid of …nite di¤erences.
Agradecimiento 2
Introducción 3
2. MÉTODOS ESPECTRALES 15
2.1. Métodos espectrales de Fourier . . . . . . . . . . . . . . . . . . . . . 15
2.1.1. Serie de Fourier Truncada . . . . . . . . . . . . . . . . . . . . 15
2.1.2. Métodos de Colocación según Fourier . . . . . . . . . . . . . . 16
2.2. Métodos espectrales de Chebyshev . . . . . . . . . . . . . . . . . . . 19
2.2.1. Polinomios de Chebyshev . . . . . . . . . . . . . . . . . . . . . 19
2.2.2. Métodos de Colocación según Chebyshev . . . . . . . . . . . . 22
2.3. Observaciones sobre la relación de diferencias …nitas con aproxima-
ciones espectrales. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
2.3.1. Diferencias …nitas versus colocación espectral . . . . . . . . . 26
3. APLICACIONES 29
3.1. Formulación del Flujo de Pouseuille . . . . . . . . . . . . . . . . . . . 29
3.1.1. Diferentes condiciones del ‡ujo: Gradiente de presión con-
stante o ‡ujo constante. . . . . . . . . . . . . . . . . . . . . . 32
3.2. Implementación Numérica . . . . . . . . . . . . . . . . . . . . . . . . 35
3.2.1. Aproximación Numérica: elección del método. . . . . . . . . . 35
3.2.2. Evaluación de los términos lineales . . . . . . . . . . . . . . . 38
3.2.3. Evaluación de los términos no lineales . . . . . . . . . . . . . . 40
3.2.4. Ecuaciones Reducidas. Evolución Temporal . . . . . . . . . . . 42
3.2.5. El Integrador Numérico del Flujo Constante . . . . . . . . . . 46
3.2.6. Comprobación del Integrador Numérico . . . . . . . . . . . . . 48
Bibliografía 54
1
Agradecimiento
Hay mucha gente que hizo y hace posible que yo esté acá, escribiendo mi tesis de
licenciatura. Mucha gente que me ayudó y acompaño todos estos años, de cerca o de
lejos, a nivel académico, familiar y brindándome su amistad. En particular, quiero
agradecer:
A la Universidad Nacional de San Agustin y en especial a la Escuela Profesional
de Matematicas por acogerme en sus aulas, y a sus docentes por darme la enseñanza
necesaria para poder triunfar en la vida.
De manera muy especial quiero extender mis agradecimientos a toda mi familia,
por su apoyo y la con…anza que depositan en mí, son todos el pilar de mi vida, gracias
por estar conmigo en los momentos felices así como en los mas difíciles, gracias por
darme ánimos para salir adelante y gracias por ser tan amables, cariñosos, gracias
por ser mi familia, sepan todos que los amo, mis agradecimientos a mis padres Dora,
Lino y mi hermano Alejandro por estar siempre conmigo, gracias por ello.
A mi asesor Angel Sangiacomo Carazas que siempre tuvo la paciencia necesaria
para poder ayudarme en las cosas que no comprendia, dandome consejos e
instrucciones necesarias para poder desarrollar mi tesis.
2
INTRODUCCIÓN
3
Para cada uno de ellos construiremos su aproximación por diferencias …nitas,
utilizando diferencias avanzada, atrasada o centrada.
Posteriormente en el Capitulo 2 trataremos sobre los métodos espectrales de
Fourier y Chebyshev. Así comenzaremos primeramente de…niendo los métodos es-
pectrales de Fourier que están representados por las series de Fourier o polinomios
de Fourier. Donde veremos que los métodos de Fourier son apropiados para proble-
mas periódicos, además construiremos su matriz de diferenciación con respecto de
Fourier, pero debemos aclarar que estos métodos se trabajan con respecto a los pun-
tos de colocación. Seguidamente de…niremos los métodos espectrales de Chebyshev
que tienen como base los polinomios de Chebyshev, además a diferencia de Fouri-
er este método trabaja para problemas no periódicos, así también construiremos su
matriz de diferenciación de Chebyshev. Por último, en este capítulo veremos algunas
observaciones que relacionan los métodos de diferencia …nita y métodos espectrales.
Y terminaremos mostrando un ejemplo donde compararemos ambos métodos veri-
…cando cuál de ellos es más preciso en los cálculos aproximados con respecto a la
solución analítica.
En el Capítulo 3 veremos una aplicación donde ponemos en práctica los conceptos
tratados en los capítulos 1 y 2, esta aplicación está ligada al ‡ujo de Pouseuille cuya
ecuación está gobernada por las ecuaciones de Navier-Stokes para ‡uidos incompren-
sibles. En donde utilizando diferencias …nitas y métodos espectrales de colocación
daremos una solución aproximada para el ‡ujo de Pouseuille. A comienzo daremos
una formulación del ‡ujo de Pouseuille, para luego dar una implementación numérica
utilizando los conceptos ya mencionados.
4
Capítulo 1
APROXIMACIÓN POR
DIFERENCIAS FINITAS
5
donde f 2 Rn+1 ; x 2 Rn y t 2 R:
Problema de Valor Inicial (PVI): Para f una función en Rn+1 , T > 0 y x0 2 Rn ,
encontrar una función diferenciable x (t) de…nida para t 2 [0; T ] tal que
00 f (x + h) 2f (x) + f (x h)
f (x)
h2
y podemos veri…car que f tiene cuarta derivada, el error de aproximación es O (h2 ) :
6
Ilustraremos utilizando el problema de valor en la frontera de segundo orden para
una función y : [a; b] ! R
y 00 + q (x) y = g (x) (1.3)
y (a) = ; y (b) =
suponiendo que q; g 2 C [a; b] (es decir q y g son funciones continuas en [a; b]) y
q (x) 0 para x 2 [a; b] ; esto puede probar que (1.3) tiene una unica solución y (x).
Para discretizar (1.3), subdividamos [a; b] en n + 1 subintervalos iguales,
b a
a = x0 < x 1 < < xn < xn+1 = b; xj = a + hj; h = ;
n+1
y, abreviando yj = y (xj ), reemplazamos el cociente diferencial yi00 = y 00 (xi ) para
i = 1; : : : ; n. por la diferencia de segundo orden
2 yi+1 2yi + yi 1
yi =
h2
estimando el error i (y) = y 00 (xi ) 2
yi , y utilizando la expansión de Taylor hasta
el cuarto orden, tenemos que el error queda de la siguiente manera:
h2 (4)
i (y) = y 00 (xi ) 2
y (xi + i h) para algún j i j < 1:
yi =
12
De (1.3), los valores yi = y (xi ) satisface la ecuación
y0 = (1.4)
2yi yi 1 yi+1
+ q (xi ) yi = g (xi ) + i (y) ; i = 1; : : : ; n;
h2
yn+1 =
abreviando qi = q (xi ) ; gi = g (xi ), los vectores
2 3
2 3 2 3 g1 + h2
y1 1 (y) 6 7
6 y2 7 6 2 (y) 7 6 g2 7
6 7 6 7 6 .. 7
y = 6 .. 7 ; (y) = 6 .. 7 ; k = 6 . 7
4 . 5 4 . 5 6 7
4 gn 1 5
yn n (y)
gn + h2
y la matriz simetrico tridiagonal n n
2 3
2 + q1 h2 1 0
6 1 2 + q 2 h2
1 7
1 66 ... ...
7
7
A= 26 1 7
h 6 .. .. 7
4 . . 1 5
0 1 2 + qn h2
la ecuación (1.4) es equivalente a
Ay = k + (y) (1.5)
El método de diferencia consiste en eliminar el término error (y) en (1.5) y tomando
la solución u = [u1 ; : : : ; un ]T del sistema resultante de la ecuación lineal,
Au = k
como una aproximación a y.
7
1.2. Diferencias …nitas para Ecuaciones Diferen-
ciales Parciales
¿Que es una EDP2 ? Es una ecuacion que envuelve dos o mas variables indepen-
dientes, una función incógnita, sus derivadas parciales con respecto a esas variables,
en general una EDP tiene la siguiente expresión
@2u 2
2@ u
= a
@t2 @x2
@u @2u
= a2 2
@t @x
@2u @2u
u= + = k, k es constante.
@x2 @y 2
Estos tres tipos de EDP’s son asociados con estados de equilibrio, estados de
difusión y sistemas de oscilación, respectivamente. Estudiaremos algunos métodos
numéricos para resolver estas EDP’s. Donde las soluciones analíticas son usualmente
difíciles de encontrar.
Por esta razón tenemos el método de diferencias …nitas que toma un h como
la longitud espacial y k longitud temporal, donde h y k son números positivos.
Entonces la rejilla tienen los puntos (tn ; xm ) = (nk; mh) para n; m 2 Z.
2
EDP: Ecuaciones Diferenciales Parciales.
8
Sabiendo que una ecuación diferencial parcial de…nido por
Lu = g
Lh uh = gh
u(x; 0) = f (x); 0 x L
ut (x; 0) = g(x); 0<x<L
9
Construcción de la ecuación en diferencias
Hagamos una partición del rectángulo
< = (x; t) 2 R2 ; 0 x L; 0 t T
en una malla que consta de n 1 por m 1 rectángulos de lados x = h; t = k,
como se muestra en la …gura 1.1
10
Teniendo esto en cuenta , obtenemos la ecuación en diferencias eliminando tér-
minos de orden o (k 2 ) y o (h2 ) de las relaciones anteriores, usando la aproximación
ui;j en vez de u (xi ; tj ) en dichas relaciones y sustituyendo en (1.7) nos da
ui;j+1 2ui;j + ui;j 1 ui+1;j 2ui;j + ui 1;j
= a2 (1.9)
k2 h2
que es la ecuación en diferencias que usaremos como aproximación a la ecuación
diferencial (1.7) . Si escribimos (1.9) asi
a2 k 2
ui;j+1 2ui;j + ui;j 1 = (ui+1;j 2ui;j + ui 1;j )
h2
ak
y llamando r = se tiene
h
ui;j+1 2ui;j + ui;j 1 = r2 (ui+1;j 2ui;j + ui 1;j ) (1.10)
Las ecuaciones (1.11) y (1.12) implican que el (j + 1) esimo paso de tiempo require
valores de los j esimo y (j 1) esimo. Esto produce un pequeño problema inicial,
por que los valores de j = 0, estan dadas por la ecuación (1.13), pero los valores de
j = 1, que se necesitan en la ecuación (1.11) para calcular ui;2 , deba obtenerse de la
condición inicial de la velocidad:
Observación 1.2 Hay que tener cuidado al utilizar la fórmula (1.11) si el error
cometido en una etapa de los cálculos no se ampli…ca en las etapas posteriores,
entonces se dice que el método es estable. Para garantizar la estabilidad de la fórmula
(1.11) es necesario que [2]
ak
r= 1.
h
11
1.2.2. Ecuaciones parabólicas
Como ejemplo de una EDP parabólico consideramos la ecuación del calor.
con C.I.
u (x; 0) = f (x) ; t = 0; 0 x L:
y C.F.
u (0; t) = c1 = 0; x = 0; 0 t T
u (L; t) = c2 = 0; x = L; 0 t T
< = f(x; t) ; 0 x L; 0 t Tg
12
hagamos notar que esta fórmula proporciona explícitamente el valor ui;j+1 en función
de ui 1;j ; ui;j ; ui+1;j .
Dado la condición inicial u (x; 0) = f (x) ; t = 0; 0 x L: implica que
ui;0 = f (xi ) ;para cada i = 1; 2; :::; n. Y las condiciones de frontera son dadas así
u(0; t) = u(L; t) = u0;j = un;j = 0; para cada j = 1; 2; :::.
Observación 1.3 La fórmula (1.17) es muy sencilla y nos invita a usarla rápi-
damente, sin embargo es importante usar técnicas numéricas estables y la fórmula
1
(1.17) no siempre lo es. La fórmula (1.17) es estable si, y solo si, 0 r 2
. Esto
h 2
signi…ca que el tamaño de paso k debe cumplir k 2a2
. Si esto no se cumple, en-
tonces puede ocurrir que los errores introducidos en la …la fui;j g se ampli…quen en
alguna …la posterior fui;p g para algún p > j [2].
13
Ahora dividamos el rectángulo < = f(x; y) ; 0 x a; 0 y bg en n 1 m 1
cuadrados de lado h (o sea a = nh y b = mh), como se muestra en la …gura 1.1,
donde en vez de t sea y. Para resolver la ecuación de Laplace, imponemos la
aproximación
xi+1 = xi + h; xi 1 = xi h; yi+1 = yi + h e yi 1 = yi h;
14
Capítulo 2
MÉTODOS ESPECTRALES
X
K
uK (x) = u^k eikx (2.1)
k= K
u^ k = u^k (2.2)
el coe…ciente u^0 es obviamente real. Por lo tanto, con (2.2), la expansión (2.1) tam-
bién contiene 2K + 1 incognitas reales. Generalmente, los coe…cientes complejos u^k
15
son calculados para k = 0; : : : ; K y entonces los coe…cientes restantes son dadas por
(2.2). La forma compleja de la expansión (2.1) es utilizado para aplicar la transfor-
mada rápida de Fourier. R
El producto escalar (u; v)w = uvwdx esta de…nido en L2 (0; 2 ), es valido para
w = 1, la cual es Z 2
(u; v) = uvdx
0
así que la propiedad de ortogonalidad en la función exponencial compleja es
Z 2
2 , si k = n
eikx e inx dx =
0 0 , si k 6= n
o
X
K
u^k eikxj = u (xj ) ; j = 1; : : : ; N: (2.3)
k= K
N = 2K + 1:
X
N
N; si k n = mN; m = 0; 1; 2; : : :
n) 2Nj
ei(k = (2.4)
0; en otros casos
j=1
16
inx
Por lo tanto, multiplicando en ambos lados de la ecuación (2.3) por e y sumando
de j = 1 hasta j = N . Entonces, debido a (2.4), obtenemos
1X
N
ikxj
u^k = u (xj ) e ; k= K; : : : ; K (2.5)
N j=1
(p)
X
N
(p)
uN (xj ) = dj;l uN (xj )
j=0
h i
(p)
donde dj;l = D es la matriz de diferenciación con j; l = 1; :::; N .
Tenemos como objetivo construir la matriz de diferenciación para los métodos
espectrales de Fourier. Comenzaremos considerando la expresión siguiente
X
uK (x) = u^k eikx (2.6)
k2IK
X
N
1 X
= (ik)p eik(xj xl )
u (xj )
l=1
N k2I K
X
N
(p)
= dj;l uK (xj ) ; j = 1; :::; N:
l=1
donde
(p) 1 X
dj;l = (ik)p eik(xj xl )
(2.8)
N k2I
K
1 X dp ik
= e
N k2I d p
K
1 dp X ik
= e
N d p k2I
K
17
por la de…nición del nucleo de Dirichlet1 ,con = xj xl , tenemos que
(p) 1 X
dj;l = (ik)p
N k2I
K
8
< 0 ; para p impar
(p) (N 0P1)=2
dj;l =
: ( 1)p=2 2
N
kp ; para p par
k=0
en particular, las expresiones para las dos primeras derivadas en el caso de coloca-
ciones impares son:
Derivada de primer orden:
(
( 1)l+j
(1) 2 sen(hl;j )
; si l 6= j
dj;l =
0 ; si l = j
(1)
1
( 1)l+j cot (hl;j ) ; si l 6= j
dj;l = 2
0 ; si l = j
2 1 3
0 2
cot h2 1
2
cot 2h
2
1
2
cot h2
6 ... 7
6 7
6 7
6 7
(1) 6 1 7
DN =6 2
cot 2h
2
1
2
cot h2 0 1
2
cot h2 1
2
cot 2h
2 7
6 .. 7
6 . 7
6 7
4 5
1
2
cot h2 1
2
cot 2h
2
1
2
cot h2 0
1
Nucleo de Dirichlet
P
N sen(N 1
)x
DN (x) = eikx = sen x
2
2
k= N
18
Derivada de segundo orden:
( ( 1)l+j+1
(2)
1
4
( 1)l+j2 sen2 (hl;j )
; si l 6= j
dl;j =
(N 1)(N 2)
12
; si l = j
Estos procesos pueden ser fórmulados como una multiplicación de matrices
U (p) = D(p) U; p 0;
donde
(p)
D(p) = dl;j ; l; j = 0; :::; N:
T
(p) (p)
U = (uN (x0 ) ; :::; uN (xN ))T ; U (p) = uN (x0 ) ; :::; uN (xN ) ;
19
por tanto, 1 Tk 1. Como x = cos z, tenemos
Tk = cos kz; (2.10)
del cual se deduce las expresiones para los primeros polinomios de Chebyshev
T0 = 1; T1 = cos z = x; T2 = cos 2z = 2 cos2 z 1 = 2x2 1;
generalizamos de la fórmula de Moivre, obteniendo
n o
k
cos kz = Re (cos z + i sen z)
20
Ahora veremos algunas propiedades útiles para el entendimiento y aplicación
de polinomios de Chebyshev a la solución de ecuaciones diferenciales ordinarias y
parciales.
Los valores Tk y su primer derivada Tk0 en x = 1 son dadas por
El conocimiento de estos valores puede ser de interes cuando se escriban las condi-
ciones de frontera. Es importante notar que
1
xj = cos j + ; j = 0; : : : ; k 1: (2.15)
2 k
j
xj = cos ; j = 0; : : : ; k (2.16)
k
Note que tales puntos de (2.16) son los ceros del polinomio (1 x2 ) Tk0 (x) :
Una relación de recurrencia en la derivada Tk pueden obtenerse fácilmente,
Primero, la diferenciación de Tk nos da
d dz sen kz
Tk0 = (cos kz) =k ;
dz dx sen z
donde usamos la representación (2.10). Entonces, aplicando fórmulas trigonométri-
cas, obtenemos la relación
0
Tk+1 Tk0 1
= 2Tk (2.17)
k+1 k 1
valido para k > 1. Una fórmula similar para la p esima derivada es obtenida
derivando sucesivamente a (2.17)
Los polinomios de Chebyshev son ortogonales en [ 1; 1] con función de peso
1=2
w= 1 x2 (2.18)
21
donde k;l es el delta de Kronecker y ck está de…nido por
2 si k = 0
ck = (2.21)
1 si k 1
con wj = ; j = 0; : : : ; N; y
cj N
2; si k = 0 o k = N
ck =
1; si 1 k N 1
Para k = l = N; esta última fórmula continua exacto siempre que ck sea reemplazado
en el lado derecho por cN (= 2). Por tanto, la relación discreta de ortogonalidad es
X
N
1 ck
Tk (xj ) Tl (xj ) = N k;l (2.23)
c
j=0 j
2
es valido para 0 k; l N.
X
N
u (xj ) = uN (xj ) = u^k Tk (xj ) ; j = 0; : : : ; N (2.25)
k=0
22
por notación uj = u (xj ) = uN (xj ) y usando la de…nicion (2.9), la ecuación anterior
da
XN
k j
uj = u^k cos ; j = 0; : : : ; N (2.26)
k=0
N
La ecuación (2.25)o [(2.26)] da un sistema algebraico de 2N +1 ecuaciones para deter-
minar los 2N + 1 coe…cientes de u^k . La expresión para los coe…cientes u^k (es decir, la
solución del sistema (2.25)) es obtenido directamente por medio la relación discreta
de ortogonalidad (2.23). Pero multiplicando cada lado de (2.25) por Tl (xj ) =cj , y
sumando de j = 0 hasta j = N , y usando la relación (2.23), obtenemos
2 X1
N
u^k = uj Tk (xj ) ; k = 0; : : : ; N (2.27)
ck N k=0 cj
o
2 X1
N
k j
u^k = uj cos ; k = 0; : : : ; N
ck N k=0 cj N
Las relaciones (2.26) y (2.27) demuestran que los valores de la rejilla uj , también
como los coe…cientes de u^k , son relacionados por la serie de Fourier discreta de
cosenos.
Por lo tanto, es posible usar el algoritmo de la transformada rápida de Fourier
(en su versión de cosenos) para conectar el espacio …sico (espacio de valores de la
rejilla) con el espacio espectral (espacio de coe…cientes).
(p)
X
N
(p)
uN (xi ) = di;j uN (xj ) ; i = 0; :::; N . (2.28)
j=0
(p)
Los coe…cientes di;j pueden ser calculados de acuerdo a cualesquiera de los siguientes
casos:
(i) Eliminando u^k de la derivada
(p)
X
N
(p)
uN (xi ) = u^k Tk (xi )
j=0
2 X1
N
u^k = ui Tk (xi ) ; k = 0; :::; N .
ck N i=0 ci
(p)
Entonces, expresar Tk (xi ) y la p esima derivada Tk (xi ) en términos de funciones
trigonométricas de acuerdo a Tk = cos kz.
23
Finalmente, aplicando las identidades trigonométricas evaluamos las sumas.
(ii) Derivando p veces el polinomio de interpolación
X
N
uN (x) = hj u (xj )
j=0
obtenemos
(p)
X
N
(p)
uN (x) = hj (xi ) uN (xj )
j=0
(p) (p)
Por lo tanto, di;j = hj (xi ), donde hj (xi ) es el polinomio de grado N , de…nido por
(2)
X
N
(1) (1)
di;j = di;k dk;i
k=0
24
En forma vectorial, las derivadas se pueden expresar como:
donde
T
(p) (p)
U = (uN (x0 ) ; :::; uN (xN ))T ; U (p) = uN (x0 ) ; :::; uN (xN ) ;
25
Además, las matrices asociadas con la aproximación de Chebyshev del problema
diferencial son no dispersas (llenas), al contrario de las aproximaciones locales que
forman matrices dispersas. Estas matrices no son simétricas ni poseen inclinación
simétrica, y por lo general son mal condicionada.
A pesar de los aparentes inconvenientes (aparente porque existen remedios para
remediarlos), el uso del método espectral es recomendado para soluciones suaves
que requieran una alta precisión. El error asociado a la aproximación de Cheby-
shev (así como Fourier) es O(1=N m ) donde N es el truncamiento y m es la serie
de derivadas continuas de la función en cuestión. En particular, para funciones in-
…nitamente diferenciables m es mayor que cualquier número entero y, entonces se
obtiene la precisión exponencial. Tal comportamiento tiene que ser comparado con
el O(1=N P ) error de aproximación local, como el método de diferencia …nita, donde
1=N es el tamaño de la malla y p, que depende del método, es esencialmente …nito
y generalmente pequeño [4].
Otra ventaja de la aproximación espectral es que está de…nida por todas partes
del dominio computacional. Por lo tanto, es fácil obtener un valor preciso de la
función bajo consideración en cualquier punto del dominio, al lado de los puntos
de colocación. Esta propiedad es utilizada en muchas ocasiones, en particular para
obtener una representación grá…ca signi…cativa de la solución, haciendo evidente las
posibles oscilaciones debido a la mala aproximación de la derivada.
Por último, una propiedad adicional de los métodos espectrales es la facilidad con
que se estima la exactitud de la solución calculada. Esto se hace controlando la dis-
minución de los coe…cientes espectrales. No necesitamos realizar varios cálculos para
modi…car la solución, como se suele hacer en diferencias …nitas y métodos similares
para estimar la red de convergencia.
26
Entonces, el proceso de diferenciación de (2.29) se expresa como
2 3 2 32 3
w0 .. u0
. 1 8
6 w1 7 6 7 6 u1 7
6 7 6 ...
6 .. 7 6 1 1 7 6
7 6 ..
7
7
6 . 7 6 7 6 7
6 . 7 6 ..
. 8
..
. 7 6 .. 7
6 . 7 1 6 76 . 7
6 . 7 6 . . . . 76 . 7
6 . 7= 6 . 0 . 76 . 7 (2.30)
6 .. 7 12h 6 7 6 .. 7
6 7 6 ..
.
..
. 76 7
6 .. 7 6 8 7 6 .. 7
6 . 7 6 . . 76 . 7
6 7 6 1 .. 1 .. 76 7
4 wN 1 5 4 5 4 uN 1 5
..
wN 8 1 . uN
note que los coe…cientes forman una matriz con valores dispersos, lo cual re‡eja la
naturaleza local de los métodos de diferencia …nita.
En el otro caso, la aproximación a la función u por el método espectral de colo-
cación es
X1
N
(x) = dk (x) uk (2.31)
k=0
0
ademas, aproximemos u (xj ) por
X1
N
0
wj = (xj ) = d0k (xj ) uk ; j = 0; :::; N; (2.32)
k=0
note que los coe…cientes de la matriz estan llenos, re‡ejando la naturaleza global de
los métodos espectrales de colocación.
Luego, tomando u (x) = ln (2 + sen x), con periodo 2 , y comparemos la deriva-
da exacta u0 (x) = cos x= (2 + sen x) con la derivada numérica fwj g obtenida por
diferencia …nita (2.30), y método de colocación (2.33) en la misma rejilla.
27
Figura 2.2: Convergencia del método de diferencia …nita y de colocación. Fuente: [7]
p.18.
También observemos que los métodos de colocación convergen mucho más rápido
que los métodos de diferencia …nita. Tenemos una clara imagen de la convergencia
de los métodos de colocación (2.33), determinados en la Fig 2.3. los errores con
escala semi log, el cual indica una razón de convergencia exponencial O e cN
para cualquier c > 0.
En general el principio fundamental del métodos de colocación es de dar datos dis-
cretos en una rejilla, interpolando los datos globalmente, entonces evalua la derivada
de interpolación en las rejillas. Para problemas periódicos, normalmente se usa inter-
polaciones trigonométricas en puntos equidistantes, y para problemas no-periódicos,
se usa polinomios interpolantes en puntos no-equidistantes.
28
Capítulo 3
APLICACIONES
Figura 3.1: Gra…ca del ‡ujo de Pouseuille. El ‡uido se mueve entre las placas verti-
cales u = h y está considerado periódico en x de periodo L.
29
o también expresada en coordenadas
@u @u @u @p @2u @2u
+u +v = + + (3.1a)
@t @x @y @x @x2 @y 2
@v @v @v @p @2v @2v
+u +v = + + (3.1b)
@t @x @y @y @x2 @y 2
@u @v
+ = 0: (3.1c)
@x @y
donde u = u (x; y; t) = (u; v) (x; y; t), son las componentes de la velocidad, p =
p (x; y; t) la presión y , constantes de densidad y viscosidad respectivamente. Con
condiciones de frontera no deslizable en las paredes del canal y = h y, fronteras
arti…ciales en la dirección de la corriente x, con periodo …jo L, es decir
u (x; h; t) = v (x; h; t) = 0
x 2 R; y 2 [ h; h] ; t 0 (3.2)
(u; v; p0 ) (x + L; y; t) = (u; v; p0 ) (x; y; t)
sea p0 = p + Gx, para G = G (t) el gradiente de presión media en el canal de
longitud L, en dirección de la corriente. En términos de la variación de presión,
p = p (L; y) p (0; y), siendo uniforme en y, se obtiene G como
Zh Zh ZL
p 1 1 @p
= pdy = dxdy (3.3)
L 2hL 2hL @x
h h 0
Zh ZL
1 @p0
= G dxdy = G
2hL @x
h 0
30
donde Uc = Gh2 = (2 ) es la velocidad central.
Las ecuaciones adimensionales. Para valores de viscosidad , densidad , el
canal de longitud medio h y la velocidad central del ‡ujo base Uc , con longitudes
x = x=h; y = y=h, con velocidad u = u=Uc , con tiempo t = Uc t=h y la p = p= ( Uc2 ).
Aplicando estos cambios de variable en (3.1) se obtiene
@u @u @u @p 1 @2u @2u
+u +v = + + ; (3.5)
@t @x @y @x Re @x2 @y 2
@v @v @v @p 1 @2v @2v
+u +v = + + ;
@t @x @y @y Re @x2 @y 2
@u @v
+ = 0:
@x @y
donde Re = hUc = , es el número de Reynolds para = = , la viscosidad cinemática.
Las condiciones de frontera son similares a (3.2)
u (x; 1; t) = v (x; 1; t) = 0
x 2 R; y 2 [ 1; 1] ; t 0 (3.6)
(u; v; p0 ) (x + L; y; t) = (u; v; p0 ) (x; y; t)
y el ‡ujo base en forma adimensional se escribe como
2
ub (y) = 1 y2; v b = 0; rpb = ;0 :
Re
Movimientos del Observador. Justi…caremos después que las condiciones
periódicas en las fronteras arti…ciales en dirección de la corriente x, producen una
gran simpli…cación en la estructura del ‡ujo: si el observador se mueve a una adecua-
da velocidad c en dirección de la corriente. Por lo tanto el sistema (3.5) haciendo un
cambio de variable xe = x ct, y de esta manera se de…ne la velocidad transformada
([6])
def
ue (e
x; y; t) = u (e
x + ct; y; t)
se obtiene las siguientes relaciones entre las derivadas.
@e
u @u @u
(e
x; y; t) = c (e x + ct; y; t) + (e
x + ct; y; t) ;
@t @x @t
@ku
e @ku @ku
e @ku
(e
x ; y; t) = (e
x + ct; y; t) ; (e
x ; y; t) = (e
x + ct; y; t) ; k = 1; 2:
xk
@e @xk @y k @y k
Fórmulas análogas tenemos para ve y pe. Sustituyendo estas derivadas en (3.5) se
convierte en
8
>
> @e
u @e
u @e
u @ pe 1 @2u e @2u e
>
> + (e
u c) + ve = + + ;
>
> @t @e
x @y @x Re @ex2 @y 2
<
@e
v @v @ev @ pe 1 @ 2 ve @ 2 ve
+ (e
u c) + ve = + + ; (3.7)
>
> @t @ex @y @y Re @ex2 @y 2
>
>
>
> @eu @e
v
: + = 0:
@ex @y
e. Se
junto con las condiciones de frontera de (3.6) en términos de la nueva variable x
retorna a (3.5) simplemente poniendo c = 0 en (3.7).
31
3.1.1. Diferentes condiciones del ‡ujo: Gradiente de presión
constante o ‡ujo constante.
Como hemos visto en (3.4), para determinado ; y L, al variar Uc , tenemos
una familia de ‡ujos laminares, soluciones de (3.1a) - (3.2), donde G = 2 Uc =h2 .
Evitamos esta falta de unicidad en el ‡ujo base mediante la …jación de cantidades
habituales del ‡uido, tal como el ‡ujo total Q o el gradiente de presión media G
a través del canal. Para cada elección probaremos que existe solo un valor Uc que
de…ne el ‡ujo base.
Dado el per…l de velocidades u = (u; v) para el ‡ujo de Pouseuille, el ‡ujo Q a
través del canal, se obtiene por
Zh
Q= u (x; y) dy
h
Zh Zh
@Q @u @v
= (x; y) dy = (x; y) dy = v (x; h) v (x; h)
@x @x @y
h h
X Zh
u (x; y) = bk (y) eik
u x
)Q= b0 (y) dy
u (3.8)
k2Z
h
Por otro lado podemos calcular el gradiente de presión media G sobre el canal por:
ZL Zh
1 @p
G= dydx
2hL @x
0 h
ZL Zh
1 1 @u @u @u @2u @2u
= +u +v + dydx
2hL @t @x @y @x2 @y 2
0 h
8 L h
Z Z ZL Zh ZL Zh
1 < @u @u @u
= dydx + u dydx + v dydx
2hL : @t @x @y
0 h 0 h 0 h
9
ZL Zh 2 ZL Zh 2 =
@ u @ u
dydx dydx
@x2 @y 2 ;
0 h 0 h
32
8
ZL Zh Zh ZL Zh
1 < @
L
2 u2 @v
= udydx + dy + u dydx (3.9)
2hL : @t 2 0 @y
0 h h 0 h
9
Zh L ZL h =
@y @u
dy dx
@x 0 @y h
;
h 0
8 9
ZL ZL Zh ZL
1 < @ =
h
3 @u @u
= Qdx + u dydx u dx
2hL : @t @x @y h
;
0 0 h 0
Zh h
4 @u0 @u0
= dy :
2h @t 2h @y h
h
h 3 Q0
G= [u0b ] h = :
2h 2 h3
Finalmente calculamos Re Q , el número de Reynolds.
3Q0
Re Q = hUc = = :
4
Análogamente si aplicamos el gradiente de presión media constante G0 , encontramos
la velocidad central para el ‡ujo base Uc = G0 h2 = (2 ) y el ‡ujo Q = 2h3 G0 = (3 ).
Ahora, para el número de Reynolds Re p tenemos
hUc G0 h3
Re p = = :
2 2
Para el ‡ujo laminar dado, es decir, si …jamos Uc , entonces ambas de…niciones del
número de Reynolds coincide con Re = hUc = . Ese no es el caso para ‡ujos
secundarios, de…nidos como aquellos para los que el ‡ujo y el gradiente de presión
media a través del canal se mantienen constantes. Consideraremos el caso del ‡ujo
constante Q y el ‡ujo laminar asociado a uQb = UQ (1 y 2 =h2 ) con UQ = 3Q= (4h).
33
Supongamos que uQ es ‡ujo secundario dada por (dejemos de lado por el momento
la dependencia del tiempo)
X Q
uQ (x; y) = bk (y) eik x
u
k2Z
Q
b0 , una magnitud adimensional, por lo que la relación entre los dos números
siendo u
de Reynolds se puede establecer como:
" Q
#1
Re Q b0
@u
Re p = d; d= : (3.10)
4 @y
1
Q
Observemos que si tenemos u b0 = 1 y 2 en (3.10) obtenemos Re p = Re Q y por lo
tanto ambas de…niciones del número de Reynolds coinciden para ‡ujos laminares
como se menciono anteriormente.
Por el contrario si up es un ‡ujo secundario que …ja G sobre el canal, vamos a
considerar el ‡ujo constante
Zh
Qp = up (x; y) dy:
h
El ‡ujo laminar asociado a este ‡uido alcanza una velocidad central UQ = 3Qp = (4h),
y similarmente deja a Up que sea la velocidad central para el ‡ujo laminar que
preserva G, la relacion entre UQ y Up da la razón de los números de Reynolds como
Zh Z1
Re p UQ 3Qp 3 up (x; y) dy 3
= = = = up (x; y) dy (3.11)
Re Q Up 4hUp 4 Up h 4
h 1
34
En la última integral se a cambiado el integrando en su forma adimensional. De esta
manera (3.11) establece la relación entre Re p y Re Q como proporcional al ‡ujo del
‡uido adimensional up (x; y) :
Debido a que las velocidades centrales Up y UQ para ‡ujos bases asociados a los
‡ujos secundarios son diferentes, cada uno de ellos da lugar a un aumento del mismo
‡ujo. En términos de las variables dimensionales un ‡ujo secundario es igualmente
expresado desde ambos puntos de vista. En efecto, si el mismo ‡ujo u (x; y) =
up (x; y) = uQ (x; y) es adimensional usando dos velocidades centrales diferentes UQ ;
Up , entonces tenemos.
up (x; y) UQ uQ (x; y) Re Q Q
= () up (x; y) = u (x; y) (3.12)
Up Up UQ Re p
Aplicar Q G
4 d
‡ujo 3 2Re Q
16 8
presión 3d dRe Q
35
tienden a cero más rápido que cualquier potencia negativa del número de términos
retenidos. En su lugar, las diferencias …nitas sólo producen tasas de convergencia
de orden …nito y así la solución espacial debe incrementarse a …n de obtener una
precisión comparable a métodos espectrales. Además, los métodos espectrales poseen
una gran solución en la capa límite cerca de las paredes del canal en nuestra situación.
Una de las principales di…cultades de los métodos espectrales son dominios
irregulares, pero no es el caso para el canal del ‡ujo, la posibilidad de usar la transfor-
mada rápida de Fourier han hecho métodos espectrales adecuados para problemas
de ‡uidos donde la alta precisión es importante para simular soluciones compli-
cadas. Discretizaciones tipicas emplean series de Fourier para condiciones de fron-
tera periódicas, como en la dirección del ‡uido en nuestro modelo, y polinomios de
Chebyshev para condiciones de frontera rígidas, como en las paredes del canal en
nuestro caso. Para ambas aproximaciones la posibilidad de aplicar la transformada
rápida de Fourier supone una gran mejora en los cálculos [4].
Enseguida vamos a escribir el procedimiento númerico. Siguiendo la evolución
temporal del ‡ujo inicial sometido a la condición de incomprensibilidad, ru = 0,
y las condiciones de frontera (3.6). Para ello usaremos métodos espectrales para las
velocidades aproximadas u; v y la desviación de presión p0 , que apartir de ahora
consideraremos magnitudes adimensionales. Recordemos de (3.3) que p = p0 Gx y
de (3.9) y la tabla 1.
1
1 @b
u0 2
G= o G= ;
2Re Q @y 1 Re p
respectivamente, para el ‡ujo constante o casos de presión, por lo que en el primer
caso el gradiente de presión varia con el tiempo y es constante para la segunda. La
aproximación elegida para la variable periódica x se basa en los métodos de Galerkin
y series de Fourier
Método de Galerkin: Dado que u; v; p0 son periódicos en x, reemplazamos por
su serie de Fourier truncada para N 2 Z+ :
X
N
0
(u; v; p ) (x; y; t) = uk ; vbk ; pbk ) (y; t) eik
(b x
(3.14)
k= N
36
escalar en L2 [0; L], sobre el espacio generado por exp (ik x) para k = N; :::; N .
El objetivo del proyecto consiste en obtener el residual en la sustitución de la serie
truncada de…nida previamente en el sistema (3.7).
Como u es una función real, se deduce que u b k y similar para v y p0 . Por lo
bk = u
tanto, podemos escribir (3.15) para términos negativos k = N; :::; 1, y en cuanto
a los términos no negativos k = 0; :::; N , y sus conjugados. Es su…ciente entonces
considerar los modos en u bk ; vbk ; pbk y ecuaciones en (3.15) para k = 0; ::; N . Para las
condiciones de frontera no deslizables en (3.6) resulta [6]
X
N
0 = u (x; 1; t) = bk ( 1; t) eik x ; 8x 2 R;
u
k= N
uk ; vbk ) ( 1; t) = 0; t
(b 0; k = 0; :::; N: (3.16)
P
M P
M P1
M
bk (y; t) =
u ekj (t) Tj (y) ; vbk (y; t) =
u vekj (t) Tj (y) ; pbk (y; t) = pekj (t) Tj (y) ;
j=0 j=0 j=0
siendo Tj (y) = cos (j arc cos (y)) para j = 0; :::; M , los polinomios de Chebyshev,
M 2 Z+ : En contraste con el método de Galerkin, en este caso interpolamos la serie
truncada en puntos de colocación seleccionados. En nuestro caso necesitamos dos
conjuntos diferentes de puntos de colocación.
bkm (t) = u
u bk (ym ; t) ; vbkm (t) = vbk (ym ; t) ; m = 0; ::; M (3.18)
pbkm (t) = pbk (y m ; t) ; m = 0; :::; M 1
37
y así pe0M no tiene ningún efecto sobre la velocidad en las ecuaciones del momento.
En efecto
@ @ 0
(e
p0M (t) TM (y)) = 0; p0M (t) TM (y)) = pe0M (t) TM
(e (y)
@x @y
también existe otro término falso, pe00 (t) T0 (y), que esta relacionado con el valor
medio de la presión y el que será revisado en la subsección 3.3.4. Las condiciones de
frontera (3.16) se aplica con facilidad, como para k = 0; :::; N
uk ; vbk ) ( 1; t)
(b = 0 () (b uk ; vbk ) (y0 ; t) = (b
uk ; vbk ) (yM ; t) = 0 (3.19)
bk0 (t) = u
() u bkM (t) = vbk0 (t) = vbkM (t) = 0;
@2u
bk @ 2 vbk @ pbk
(ym ) ; (ym ) ; pbk (ym ) ; (ym ) ; en la primera rejilla
@y 2 @y 2 @y
@b
vk
bk (y m ) ;
u (y ) ; en la segunda rejilla.
@y m
Supongamos que los valores de las incógnitas discretas de…nidas en (3.18), son dadas.
El esquema del proceso consiste en la construcción de los polinomios de interpolación
de Chebyshev en los valores dados de las incógnitas sobre su propia red, el cálculo de
las derivadas analíticas para este polinomio es necesario, y …nalmente la evolución
del polinomio resultante en la rejilla apropiada. Vamos a detallar estos pasos.
X
M
2 X wm
M
jm
w (y) = ej Tj (y) ;
w ej =
w cos ;
j=0
M cj m=0 cm M
38
y c0 = cM = 2; cj = 1 si j =
6 0; M . Por otro lado, de w e0 ; :::; w
eM tenemos que
wm = w (ym ) ;
XM XM
jm
wm = ej Tj (y) =
w ej cos
w :
j=0 j=0
M
Así estas dos transformaciones lineales se pueden abreviar como
2 jm
e = C1 w;
w (C1 )jm = cos ; (3.20)
M cj cm M
jm
w = C1 1 w;
e C1 1 jm
= cos ;
M
siendo w = (w0 ; : : : ; wM )t y w e = (w eM )t . En realidad solo necesitamos con-
e0 ; : : : ; w
siderar w = (w1 ; : : : ; wM 1 )t debido a (3.19). Por lo tanto C1 y C1 1 son considerados
matrices de dimensiones (M + 1) (M 1) y (M 1) (M + 1) respectivamente.
Entonces, para j 0, las relaciones entre los coe…cientes están dadas por la
recurrencia
ej0 = w
cj w 0
ej+2 0
ej+1;
+ 2 (j + 1) w (3.22)
ej00 = w
cj w 00
ej+2 00
ej+1
+ 2 (j + 1) w ;
39
y también para las fórmulas:
X
1 X
1
ej0
cj w = em ;
2mw ej00
cj w = m m2 j2 w
em
m=j+1 m=j+2
m+j impar m+j par
40
que se extiende hasta el orden P > N por de…nición u bk = vbk = 0, para N < jkj P ,
y queremos calcular w (x) = u (x) v (x), el producto de series truncadas de orden N
X
N X
w (x) = bk eik x ;
w bk =
w bm vbn ;
u (3.26)
k= N m+n=k
jmj;jnj P
1 X 1 X
2P 2P
ik xj ik xj
ek =
w wj e = uj v j e (3.27)
2P + 1 j=0 2P + 1 j=0
!
1 X X X
2P P P
= bm eim
u xj
vbm eim xj
e ik xj
2P + 1 j=0 m= P n= P
1 XP XP X2P
= bm vbn ei(m+n k)
u xj
2P + 1 m= P n= P j=0
X X
= bm vbn +
u bm vbn
u
m+n=k m+n=k (2P +1)
jmj;jnj P jmj;jnj P
Es claro que las fórmulas del segundo método, para calcular sumas de convolución no
es exacto. El término de discrepancia de wbk en (3.26) es llamado el error de Aliasing.
Aqui nuestro objetivo es encontrar una condición para P , con el …n de anular el error
de Aliasing. Usando la propiedad u bm = vbn = 0, para N < jmj ; jnj P , elegir P tal
que, para k N
m+n=k bm vbn = 0
(2P + 1) ) jmj > N o jnj > N ) u
y de esta manera garantizado que se anula el error de Aliasing. Para jmj ; jnj N
implica que jm + nj 2N , y la condición para P es
41
Algoritmo para calcular términos no lineales: Apartir del método descrito
anteriormente para calcular sumas de convolución, vamos a precisar los pasos para
evaluar en términos no lineales (3.15), es decir,
\ @u @u \ @v @v
(u c) +v ; (u c) +v (3.28)
@x @y k @x @y k
1. Evaluar @u@x
@v
y @x bk = ik u
por medio de las transformaciones lineales Dxk u bk ;
Dxk vbk = ik vbk para k = 0; : : : ; N .
2. Evaluar @u
@y
@v
y @y . Tomamos la transformada C1 en (3.20) por medio de la
transformada rápida de coseno, entonces el algoritmo (3.22) para evaluar y-
derivadas y …nalmente otra transformada rápida de cosenos para ejecutar C1 1 .
@u @u @v @v
(u c) +v ; (u c) +v
@x @y @x @y
6. Tomemos las transformadas rápidas de Fourier de los valores del último paso
en cada ym para m = 1; : : : ; M 1, para volver al espacio de Fourier y así
obtener …nalmente k = 0; : : : ; N los armónicos deseados (3.28).
Observemos que todas las transformadas de Fourier son empleadas en este algo-
ritmo, incluso para evaluar transformadas de coseno, son de tipo complejo a reales
o viceversa, costo que aproximadamente es una media de un complejo para trans-
formadas de Fourier compleja.
42
(3.24) de (2N + 1) (3M 2) a (2N + 1) (M 2) + 1 en las ecuaciones …nales, es de-
cir, más o menos un tercio de la dimensión original. En está subsección estudiaremos
este hecho para el caso del gradiente de presión constante. En la subsección 3.3.5 se
abordara el caso del ‡ujo constante. (vease [6])
donde Afi1 ;:::;in g denota las …las i1 ; : : : ; in de la matriz A. Las ecuaciones (3.24a) y
(3.24b) son ahora expresados como
(
uk = U k Qk pk
vk = V k Qk pk
uk = U k Qk Qk 1 V k vk = U k Qk Qk 1 V k Tk uk ;
43
donde I es la matriz identidad de dimensión M 2, tenemos extendido la de…ni-
ción de Uk para k = 0. Teniendo en cuenta la sustitución v k = Tk uk , observe-
mos que el sistema (3.29) no depende de v k y pk : solo depende de u0 y uk para
k = 1; : : : ; N . Como se comento al inicio de esta subsección, la dimensión real de
(3.29) es (2N + 1) (M 2) + 1. Además, debido a la eliminación de la presión en
(3.29), evitamos la indeterminación causada por la constante aditiva, la cual no tiene
efecto en el gradiente de presión [6].
t
wn+1 = wn + F wn+1 + F (wn ) ; (3.30)
2
para la difusión (términos lineales: presión y viscosidad), el método de Adams-
Bashfort explicita
t
wn+1 = wn + 3F (wn ) F wn 1
(3.31)
2
para la advección (términos no-lineales) siendo wn = w (tn ) para tn = n t, y
w = F (w) se aproxima a la EDO. Aplicar diferentes métodos en cada término de
F , suponemos que F (w) = L (w) + N (w) y así escribimos w = F (w) en forma
integral como
tZ
n+1 tZ
n+1
44
que, en cada longitud de tiempo t=2, obtenemos el método semi-implícito
t t
wn+1 L wn+1 = wn + N (wn ) : (3.33)
2 2
El error incurrido en (3.30) y (3.31) con respecto a la solución exacta es O ( t)2 ,
como es fácil de comprobar. El método de Crank-Nicolson es absolutamente estable
en todo el semiplano izquierdo, es decir, si Re ( t) 0 entonces la solución
n
aproximada w del problema escalar w = w esta acotado cuando n ! 1. En
cambio para el método de Adams-Bashforth la región de estabilidad es una área del
plano complejo contenido en [ 1; 0] [ 1; 1]. La estabilidad en este caso depende de
los autovalores de la parte lineal de la discretización espacial en (3.24) y t debe
restringirse de acuerdo a Re ( t) 0 con el …n de conseguir la estabilidad. Como
veremos en la subsección 3.3.6, para el tipo de soluciones consideramos en nuestro
estudio, el intervalo de tiempo t que se emplea en la región de estabilidad, donde
los errores estimados se mantienen pequeños.
Vamos a ver como se aborda la implementación actual. Podemos expresar (3.29)
como
uk = Lk (uk ) + Nk (u0 ; : : : ; uN ) ; k = 0; : : : ; N; (3.34)
donde u0 = u0 y Lk ; Nk corresponden a los términos lineales y no-lineales en
u0 ; : : : ; uN en el lado derecho de (3.29). En este punto consideramos sólo el caso
cuando el gradiente de presión constante G se mantiene constante y pone a Re p
como su número de Reynolds. Las ecuaciones de ‡ujo constante son estudiadas en
la subsección 3.3.5. Para enfatizar la dependencia en cada una de las variables en
(3.34), que precisa sus fórmulas:
Re p L0 (u0 ) = C1 1 Dy2 C1 u0 ;
2 I
Re p (I Pk Tk ) Lk (uk ) = Dxk + C1 1 Dy2 C1 f1;:::;M 2g (Tk )f1g
2
Dxk + C1 1 Dy2 C1 0 I
Pk uk ;
0 2
Dxk + C1 1 Dy2 C1 Tk
@u @u
N0 (u0 ; : : : ; uN ) = (u +v c) + G; (3.35)
@x @y 0
@u @u
(I Pk Tk ) Nk (u0 ; : : : ; uN ) = (u c) +v
@x @y k f1;:::;M 2g
0 h i 1
(u c) @u
@x
+ v @u
@y
+Pk @ h k ifM 1g A;
@v @v
(u c) @x + v @y
k
1
para k = 1; : : : ; N . Es fácil comprobar que Pk = Qk Qk tiene su primera columna
real y el resto imaginarios puros. Entonces Pk Tk es una matriz real y la matriz
Lk para k = 0; : : : ; N es también real. La sustitución de (3.34) en (3.32) da para
k = 0; : : : ; N
t t
un+1
k L un+1
k = unk + L (unk ) + 3Nkn Nkn 1
;
2 2
45
el cual se abrevia como
Ak un+1
k = bn+1
k ; (3.36)
donde
t t
Ak = I Lk ; bn+1
k = unk + L (unk ) + 3Nkn Nkn 1
;
2 2
y Nkj = Nk uj0 ; : : : ; ujN . Para k = 0 la matriz identidad tiene dimensión (M 1).
Observemos que Ak es una matriz real de tamaño M 1 para k = 0 y M 2 para
k = 1; : : : ; N y que sólo depende de M y t, que se mantiene constante en cada
simulación de ‡ujo. Por lo tanto tenemos que calcular la descomposicion LU de Ak .
La recurrencia de (3.36) necesita u0 ; : : : ; uN en dos instantes de tiempo. El primero
se toma de la condición inicial y para el segundo, adaptando (3.33) a nuestro caso,
tenemos
t t n
un+1 L un+1 = unk + N (3.37)
k
2 k
2 k
el cual puede ser aplicado dos veces con el …n de obtener la solución de u1k en t = t.
No es coincidencia que Ak sea también la matriz del sistema a resolverse en (3.37).
En este caso podemos aprovechar de la descomposición LU y su correspondiente
almacenamiento.
Esquema de avance en el Tiempo. Partimos de los valores …jos de t; M;
N; K = (2N + 1) (M 2) + 1 y (u00 ; : : : ; u0N ) 2 RK en el instante de tiempo t = 0.
En el siguiente algoritmo para la evolución del tiempo, todos los pasos referidos a
k = 0; : : : ; N . Se basan (3.36) y (3.37) :
46
tiempo. Según la tabla 1, tenemos que imponer Q = 4=3 y de (3.9) aplicado al caso
adimensional resulta
Z1 1 Z1 1
1 @b
u0 1 @b
u0 1@ 1 @b
u0
G = dy = b0 dy
u (3.38)
2 @t 2Re Q @y 1 2 @t 2Re Q @y 1
1 1
1 1
1 @Q 1 @b
u0 1 @b
u0
= = ;
2 @t 2Re Q @y 1 2Re Q @y 1
para ub0 como se de…nió en (3.14). Por lo tanto, de la última expresión, la restricción
en G tiene implícito al ‡ujo constante, como hemos utilizado @Q @t
= 0 en este caso. Sin
embargo, numéricamente (3.38) no es su…ciente para mantener constante al ‡ujo, ya
que, debido a errores de redondeo, el ‡ujo va variando ligeramente en cada espacio de
tiempo, produciendo errores sustanciales en la integración del tiempo (vease [6]). Por
lo tanto, además de aplicar (3.38) como el gradiente de presión media, restringimos
también la solución de Q = 4=3 en cada instante de tiempo. Ambas restricciones
afectan principalmente a la ecuación u0 = (u01 ; : : : ; u0M 1 ) en (3.29), porque Q y G
dependen sólo de u b0 y la dependencia es lineal. Incorporamos a L0 (u0 ) de (3.35).
Cálculo de G. Por medio de las transformaciones C1 y Dy de…nidos en (3.20) y
(3.23) respectivamente, la operación lineal u00 = u000 ; : : : ; u00M 1 = Dy C1 u0 calcula
b0
MP1 0
los coe…cientes del polinomio de Chebyshev @@y u
= u0m Tm (y). De ello se obtiene
m=0
1 X 0
1 M 1
1 @b u0
G = = u (Tm (1) Tm ( 1))
2Re Q @y 1 2Re Q m=0 0m
1 X 0 1 X 0
M 1 M 1
= u (cos m0 cos m ) = u (1 ( 1)m )
2Re Q m=0 0m 2Re Q m=0 0m
1 X 0
M 1
= u ;
Re Q m=0 0m
m impar
Z1 Z1 X
M X
M Z1
Q= b0 (y) dy =
u e0m Tm (y) dy =
u e0m
u cos (m arc cos (y)) dy (3.39)
1 1 m=0 m=0 1
X
M Z XM
2e
u0m
= e0m
u cos (m ) sen d = 2
= q t u0
m=0 m=0
1 m
0
m par
47
donde q = (q1 ; : : : ; qM 1 )t = (q00 ; : : : ; qM
0 0
) C1 , para qm = 2= (1 m2 ) si m es par y
qm = 0 en otros casos. Ahora la condición Q = 4=3 es transformado a q t u0 = 4=3,
0
1 4
u0M=2 = q t u0 ; (3.40)
qM=2 3
f (t + h) f (t h)
D (h) = (3.42)
2h
48
que de la expansión de Taylor sabemos que
donde a2k+1 = f 2k+1 (t) = (2k + 1)! para k = 0; 1; : : : ; m + 1 y m+1 (h) ! am+1
cuando h ! 0. Poniendo = 1=2 y r = 2, el método de extrapolación aplicado a
D (h) se escribe así
D (h=2) D (h)
D (h=2) + = f 0 (t) + O h4 : (3.43)
3
Fórmula Efectiva para el Error del Tiempo. Denotemos un = u (n t) para
n = 0; 1; : : : y u = (u0 ; : : : ; uN ) en su forma discreta como se de…ne en la subsección
3.3.4. El procedimiento adoptado para estimar los errores cometidos en la evolución
temporal se considera cinco instantes consecutivos de u, es decir un 2 ; un 1 ; un ; un+1
n
y un+2 [6]. Usando (3.42) para h = 2 t y h = t, aproximamos u por
un+2 un 2 n un+1 un 1 n
= u + O ( t)2 ; = u + O ( t)2 ;
4 t 2 t
el cual combinado con (3.43) se obtiene
un+1 un 1
1 un+1 un 1
un+2 un 2 n
+ u + O ( t)4 : (3.44)
2 t 3 2 t 4 t
ZL Z1
1
2 def
k(u; v)k = u (x; y)2 + v (x; y)2 dydx: (3.46)
L
0 1
Con el …n de evaluar (3.46) para un ‡ujo de datos discretos (u; v) como en (3.14) y
(3.18), si ponemos w (x; y) = u (x; y)2 + v (x; y)2 , expresados como series de Fourier
49
P
w (x; y) = wk (y) eik x , entonces
k2Z
ZL Z1 ZL X Z1
2 1 wk (y)
k(u; v)k = w (x; y) dxdy = eik x dxdy (3.47)
L k2Z
L
0 1 0 1
Z1
= w0 (y) dy = q t w0 :
1
X
N XN
w0m = (ukm u km + vkm v km ) = u20m +2 jukm j2 + jvkm j2 ;
k= N k=1
XN
u (xj ; ym ) = u0m + 2 Re ukm eik xj
k=1
XN
= u0m + 2 urkm cos (k xj ) uikm sen (k xj )
k=1
X
N XN
v (xj ; ym ) = 2 Re vkm eik xj
=2 r
vkm cos (k xj ) i
vkm sen (k xj ) ;
k=1 k=1
50
Figura 3.2: Campo de velocidades de (u; v) para un instante de tiempo de acuerdo a
la Tabla 2. El esquema representado corresponde a [0; L] [ 1; 1]. Fuente: [6] p.32.
51
Flujo constante Gradiente de presión constante
N M Re Q t Error N M Re p t Error
9
4 24 5737.26 0.020 8.50 10 4 24 7638.23 0.020 2.38 10 9
4 24 5737.26 0.010 2.12 10 9 4 24 7638.23 0.010 5.95 10 10
4 24 5737.26 0.005 5.30 10 10 4 24 7638.23 0.005 1.49 10 10
4 24 6000.00 0.020 1.62 10 8 4 24 8500.40 0.020 4.68 10 9
4 24 6000.00 0.010 4.04 10 9 4 24 8500.40 0.010 1.17 10 9
4 24 6000.00 0.005 1.01 10 9 4 24 8500.40 0.005 2.93 10 10
4 24 7401.06 0.020 9.46 10 6 4 24 9504.20 0.020 2.64 10 7
4 24 7401.06 0.010 2.37 10 6 4 24 9504.20 0.010 6.62 10 8
4 24 7401.06 0.005 5.88 10 7 4 24 9504.20 0.005 1.66 10 8
7 40 5269.03 0.020 6.81 10 8 7 40 6699.62 0.020 3.11 10 8
7 40 5269.03 0.010 1.70 10 8 7 40 6699.62 0.010 7.82 10 9
7 40 5269.03 0.005 4.26 10 9 7 40 6699.62 0.005 1.96 10 9
7 40 5835.42 0.020 8.06 10 7 7 40 7589.07 0.020 2.12 10 7
7 40 5835.42 0.010 2.02 10 7 7 40 7589.07 0.010 5.31 10 8
7 40 5835.42 0.005 5.04 10 8 7 40 7589.07 0.005 1.33 10 8
7 40 6658.21 0.020 3.38 10 6 7 40 8260.39 0.020 3.86 10 7
7 40 6658.21 0.010 8.46 10 7 7 40 8260.39 0.010 9.65 10 8
7 40 6658.21 0.005 2.12 10 7 7 40 8260.39 0.005 2.41 10 8
7 40 7539.27 0.020 8.03 10 6 7 40 9051.24 0.020 6.26 10 7
7 40 7539.27 0.010 2.01 10 6 7 40 9051.24 0.010 1.57 10 7
7 40 7539.27 0.005 5.03 10 7 7 40 9051.24 0.005 3.91 10 8
Tabla 2: Errores, de acuerdo a (3.45)-(3.47), cometidos durante la integración
de diferentes ‡ujos para los valores especi…cados de Re Q ; Re p ; N M; t y para
…jado = 1;02056. El error se calcula como un promedio de varias mediciones
de 3.45. Para valores …jos de Re y N M el mismo ‡ujo es integrado para
valores de t = 0;02; 0;01; 0;005. Fuente: [6] p.35.
52
Conclusiones
53
Bibliografía
[1] Trefethen, Lloyd : Finite Di¤erence and Spectral Methods for Ordinary and
Partial Di¤erential Equations, Cornell University 1996.
[4] Roger Peyret : Spectral Methods for Incompressible Viscous Flow, Springer-
Verlag
[6] Jose Pablo Sanchez Casas: Numerical Study of Hopf Bifurcations in the
two-dimensional plane Pouseuille ‡ow, Tesis Doctoral. Barcelona 2002.
[7] Jie Shen, Tao Tang, Li-Lian Wang: Spectral Methods, Algorithms, Analysis
and Applications. Springer-Verlag Berlin Heidelberg 2011.
[8] Won Y. Yang, Wenwu Cao, Tae S. Chung, John Morris: Applied
numerical methods using MATLAB. 2005 by John Wiley & Sons, Inc., Hobo-
ken, New Jersey.
[10] Beni Neta: Partial Di¤erential equations, MA 3132 Lecture Notes, Department
of Mathematics Naval Postgraduate School Code MA/Nd Monterey, California
93943 October 10, 2002
54