Captulo 1

Introducci
on

1.1. Antecedentes y origen de este proyecto.

Este documento se constituye como proyecto fin de carrera de la titulacion
de Ingeniera Aeron
autica. El problema que abordara sera el analisis y la com-
paraci
on del metodo numerico propuesto por Philip M. Gresho, David F.
Griffiths y David J. Silvester para la resolucion de ciertos problemas de
convecci
on-difusi
on, respecto al uso de las formulas de diferenciacion regresi-
va de orden variable con orden m aximo igual a 2. En el resto del documento,
abreviaremos formulas de diferenciacion regresiva como BDF, el acronimo de su
nombre en ingles, Backward Dierentiation Formulae.

El metodo numerico propuesto por los autores aparece publicado en 2008 ba-
jo el ttulo de ADAPTIVE TIME-STEPPING FOR INCOMPRESSI-
BLE FLOW PART I: SCALAR ADVECTION-DIFFUSION [5], orien-
tado a las soluciones a largo plazo de problemas de evolucion con caracter sti,
especialmente a aquellos relacionados con las ecuaciones de Navier-Stokes.

En general, las formulas BDF de orden variable se consideran uno de los

metodos numerico m as efectivos para la resolucion de problemas de evolucion
con car acter sti, permitiendo el uso de orden variable mejorar el comporta-
miento respecto al uso de orden constante [7, Chapter V]. En el citado artculo
[5], se exponen los objetivos considerados al idear dicho metodo y las supues-
tas ventajas del mismo, sin embargo no se presenta ninguna comparacion con
metodos anteriores que las respalde.

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

5
6 CAPITULO 1. INTRODUCCION

tacional de dicho metodo respecto a las formulas BDF de orden variable con
orden m aximo igual a 2, para concretar en la medida de lo posible que meto-
do resulta mas adecuado en los problemas de conveccion-difusion. En particu-
lar usaremos una implementacion de las formulas BDF ampliamente utilizada:
ode15s del entorno Matlab [15]. La restriccion del orden maximo de las formu-
las BDF a 2 es debido a que solo para ordenes 1 y 2 las formulas BDF son
metodos A-estables [7, Section V.I].

De aqu en adelante se entendera el metodo propuesto por Gresho - Griffiths

- Silvester como metodo GGS y el metodo BDF de orden variable con orden
maximo igual a 2 como metodo BDF2.

As los objetivos del presente proyecto pueden concretarse en:

Comparar la eficiencia del metodo GGS con las formulas BDF2.

Analizar la evolucion de longitud de paso de ambos metodos.
Concluir si es posible cual metodo resulta mas adecuado para los proble-
mas de conveccion-difusion.

1.3. Descripci
on del modelo de convecci
on-difusi
on.
El estudio desarrollado en [5] se centra en un modelo simple de conveccion-
difusi
on escalar, dado por la ecuacion en derivadas parciales:

@u @u @2u
+a = 0, para 0 x 1, (1.1)
@t @x @x2
con condiciones de contorno:

u(0, t) = uL ,
@u
u(1, t) = uR o (1, t) = 0,
@x
y con condici
on inicial:
u(x, 0) = u0 (x),
donde el coeficiente de adveccion es a 0, la difusividad 0 y uL y uR son
constantes dadas. Dicho modelo describe los fenomenos de transporte unidimen-
sional de cierta magnitud fsica en el interior de un fluido, debido a los procesos
de difusi
on y advecci
on. La ecuacion (1.1) resulta por tanto de la combinacion
de una ecuacion en derivadas parciales parabolica que describe la difusion y una
ecuacion en derivadas parciales hiperbolica que describe la adveccion.

Ecuaci
on de advecci on: De forma general, los fenomenos de transporte por
advecci
on homogeneo pueden modelarse por problemas de valor inicial
como el siguiente:
 DEL MODELO DE CONVECCION-DIFUSI
1.3. DESCRIPCION
ON. 7

@u
+ r (u a) = 0, u(x, 0) = u0 (x), (1.2)
@t
donde el segundo termino del primer miembro modela la adveccion debi-
da a los gradientes de u en cada direccion del espacio, siendo el campo
vectorial a los coeficientes de adveccion.
Las curvas x = X(t) tangentes en el espacio (x, t) al campo vectorial a(x, t)
se denominan curvas caractersticas. Sobre dichas curvas la ecuacion de
advecci
on puede ser integrada, considerando una curva caracterstica X(t)
y denotando el valor de u(x, t) sobre dicha curva como U (t) = u(X(t), t):

dX dU du (X(t), t)
= a(X(t), t), = ,
dt dt dt
donde

du (X(t), t) dX
= ut (X(t), t) + (ru(X(t), t)) = u(X(t), t) (r a) .
dt dt

Las curvas caractersticas X(t) y el valor de u(x, t) sobre las curvas ca-
ractersticas U (t) = u(X(t), t) se obtienen del siguiente sistema, donde
es un par ametro vectorial condicion inicial de X(t), tal que al evaluarlo
definimos la curva caracterstica estudiada:

X(t) a(X(t), t) X(0)
= , = . (1.3)
U (t) U (t) (r a) U (0) u0 ()

Es de especial interes observar que el problema de valor inicial de la ecua-

ci
on (1.2), correspondiente a una ecuacion en derivadas parciales, se trans-
forma en las curvas caractersticas en un sistema de ecuaciones diferen-
ciales ordinarias. Resulta tambien importante observar que la solucion
evoluciona de manera independiente a lo largo de las caractersticas, di-
cha particularidad de la solucion implica que las posibles discontinuidades
presentes en la condici on inicial se mantendran durante la evolucion del
sistema.
En buena parte de las aplicaciones el campo vectorial a es de divergencia
nula lo que da lugar a simplificaciones en la ecuacion de adveccion (1.2) y
por tanto en el sistema de ecuaciones diferenciales ordinarias (1.3):

@u
+ a ru = 0, u(x, 0) = u0 (x),
@t


X(t) a(X(t), t) X(0)
= , = .
U (t) 0 U (0) u0 ()
8 CAPITULO 1. INTRODUCCION

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

caractersticas se manifiesta al verificar el valor de u(x, t) sobre ellas,
U (t) = u(X(t), t), que U (t) = 0 y por tanto U (t) = u0 (). Por ello,
para el caso donde el campo vectorial a es de divergencia nula el valor
de u(x, t) permanece para cada caracterstica constante e igual al que en
ellas exista en el instante inicial.

Evolucion de u(x, t) a lo largo de las caractersticas. Se representa por

sencillez el caso unidimensional de coeficiente de adveccion constante.

En particular, las curvas caractersticas seran rectilneas en el caso de

coeficientes de adveccion constantes x = X(t) = at + .

Curvas caractersticas en el caso unidimensional de coeficiente de

adveccion constante.

Debido a que en este caso las curvas caractersticas son rectilneas en todo
el plano (x, t), la solucion para dicho problema es u(x, t) = u0 (x at).
Esto indica el desplazamiento de la condicion inicial a lo largo de las
caractersticas sin variacion de la amplitud [12, p. 6268].
 DEL MODELO DE CONVECCION-DIFUSI
1.3. DESCRIPCION
ON. 9

Ecuaci
on de difusion: De forma general, los fenomenos de transporte por
difusi
on homogeneo pueden modelarse por problemas de valor inicial como
el siguiente:

@u
r (D(ru)) = 0, u(x, 0) = u0 (x),
@t
donde el segundo termino del primer miembro modela la difusion an-
isotr
opica de u en cada direccion del espacio. Considerando el caso parti-
cular donde la matriz D es constante espacialmente y se reduce a un solo
parametro , la ecuaci
on de difusion se escribe:

@u
r2 u = 0, u(x, 0) = u0 (x). (1.4)
@t

Resulta de interes observar la evolucion del problema (1.4) ante una condi-
ci
on inicial que presenta discontinuidades, para ello consideraremos u0 (x) =
(x), siendo esta la distribucion delta de Dirac. La funcion u(x, t) resul-
tante es [1, p. 47]:

1 |x|2
u(x, t) = (x, t) = p exp ,
4t 4t

donde |x| es la norma eucldea de x = [x, y, z]T .

La funcion (x, t) se denomina soluci on fundamental del problema de
valor inicial (1.4) y permite escribir la solucion u(x, t) para tal problema
como:
ZZZ
u(x, t) = (x , t) u0 () d d d ,

donde = [, , ]T .
Al ser integrada la condicion inicial en la expresion de u(x, t), las posi-
bles discontinuidades existentes inicialmente no se mantendran durante la
evolucion del sistema, suavizandose cualquier irregularidad de los datos
iniciales.
En particular para el caso unidimensional la solucion fundamental es:

1 x2
u(x, t) = (x, t) = p exp .
4t 4t

Para este caso y con condiciones de contorno u(0, t) = u(1, t) = 0, se puede

demostrar [9, Chapter VII] que la solucion en forma de serie de Fourier al
problema de valor inicial es:
10 CAPITULO 1. INTRODUCCION

1
X
u(x, t) = Bn sin(nx) exp( (n)2 t),
n=1

Z1
Bn = 2 u0 (x) sin(nx)dx.
0

Ecuaci
on de convecci on-difusi on: La descripcion de los fenomenos fsicos
de transporte por adveccion y difusion que realiza el modelo (1.1) se basa
en la independencia de ambos procesos [16, Chapter 2]. Al actuar conjun-
tamente, la evolucion del sistema esta regida por ambos mecanismos, de
tal forma que discontinuidades en los datos dan lugar a capas internas de
transici
on brusca.

1.4. Descripci
on del m
etodo GGS.
Se elabora una discretizacion espacial del modelo de conveccion-difusion (1.1)
usando la aproximacion Galerkin estandar con elementos finitos lineales a trozos
en una red de N -elementos. Esto lleva al sistema de ecuaciones diferenciales
ordinarias:

M u + Au = f , u(0) = u0 ,
donde el vector f proviene de las condiciones de contorno y las matrices M y A
son las debidas a la discretizacion. Para una condicion de contorno Dirichlet en
x = 1, u(t) sera tal que u(t) := [U1 (t), U2 (t), ...UN 1 (t)]T , donde {Uj } son los
valores nodales de la aproximacion de elementos finitos, y para una condicion
de contorno Neumann en x = 1 el vector u(t) contendra en este caso N compo-
nentes [5, p. 20182019].

El metodo GGS se basa en la regla de los trapecios (TR) y el metodo de

Adams-Bashford de 2 pasos (AB2), par TR-AB2, y lleva a cabo los tres procesos
que se describen en [5, p. 20192022]: integracion en tiempo, metodo de seleccion
del paso y estabilizaci
on del integrador.
Integracion en tiempo: Definiendo la aproximacion del vector u(t) para un
instante tn como un u(tn ) y un paso de longitud tn tal que tn+1 =
tn + tn , se calcula un+1 u(tn + tn ) conocidos un y tn dando un
paso con la regla de los trapecios. Para evitar la posible influencia adversa
del error de redondeo ([6, p. 273]) se implementa utilizando un vector vn
soluci
on de:
1
(M + tn A)vn = M u n Aun + f . (1.5)
2
Tras lo cual se obtienen:
1
un+1 = un + tn vn , u n+1 = vn u n .
2
 DEL METODO
1.4. DESCRIPCION GGS. 11

La forma m as obvia de escribir el segundo miembro de (1.5) como 2Aun +

2f es mas propensa al ringing phenomenon, la razon de esto se discute en
[6, p. 272273].
M
etodo de selecci on de paso: Se utiliza AB2 para proporcionar otra apro-
ximaci on un+1 a u(tn + tn ), que junto con la obtenida mediante TR
permiten estimar el error local. De forma analoga, para evitar la posible
influencia adversa del error de redondeo, la implementacion se lleva a cabo
a traves de un vector wn :

1 u n u n 1
wn = u n + tn ,
2 tn 1
un+1 = un + tn w n .
Una serie de c
alculos est
andar ([6, p. 265]) muestran que el error local se
puede estimar como:

tn 1
dn = v n wn .
3(1 + tn 1 / tn ) 2
Con la norma de dicha estimacion y una tolerancia prefijada de antemano
" se decide si se acepta o rechaza el paso, tal que el paso se acepta si se
verifica ||dn+1 || 1.1 " y se rechaza en caso contrario.
Tras esto, se estima la longitud del paso a utilizar, bien para el paso
siguiente:
tn+1 = tn ("/||dn ||)1/3 ,
bien para repetir el presente paso:
tn = tn ("/||dn ||)1/3 .

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

Como se indica en [5], para la estabilizacion del integrador se considera un

promedio de la aproximaci on numerica, el cual se ejecuta periodicamen-
te cada n pasos, siendo el numero de pasos requeridos para alcanzar el
on t = 10 4 :
tiempo de evoluci
1 1
un = (un + un 1 ), u n = (u n + u n 1 ),
2 2
1 1
un+1 = un + ( tn vn ), u n+1 = vn .
4 2
En problemas no lineales, como por ejemplo las ecuaciones de Navier-Stokes,
la aproximaci
on dada por AB2 puede emplearse como el iterante inicial para el
sistema de ecuaciones no lineal de TR.
12 CAPITULO 1. INTRODUCCION

1.5. Inter
es del proyecto.
El interes de este proyecto es la multitud de problemas cientficos y de in-
geniera que requieren de la resolucion de problemas de evolucion con caracter
sti :

Modelos de mec anica de fluidos:

El transporte de contaminantes en el seno de grandes fluidos en movi-
miento, como la atmosfera, aguas superficiales o subterraneas, es mode-
lado frecuentemente con sistemas del tipo (1.1). En las simulaciones de
la poluci
on del aire atmosferico se puede llegar a considerar gran n
umero
de variables, actualmente se estudian las concentraciones de alrededor de
100 especies gaseosas de emisiones antropogenicas mediante modelos de
conveccion-difusion [8, p. 18].
Otro problema de interes donde se aplican modelos de conveccion-difusion
es el transporte de solutos en el torrente sanguneo [14].
Simulaciones de reacciones qumicas:
En la comprensi on de procesos biologicos tiene cada vez mas utilidad el uso
de modelos numericos. Los problemas de quimiotaxis toman la forma de
sistemas de conveccion-difusion-reaccion, donde el termino reaccion hace
referencia a casos del tipo (1.1) no homogeneos, y son de especial interes en
lo concerniente a angiogenesis e invasion tumoral y patrones de formacion
bacteriana [8, p. 20].
An alisis de dinamica poblacional:
El estudio de migracion y dispersion de poblaciones encuentra actualmente
una herramienta muy u til en los modelos de conveccion-difusion. Ejemplo
de ello es el estudio realizado de la dinamica poblacional del Katsuwonus
pelamis en el Oceano Indico [3].

Otros.

La frecuencia con la que hay que afrontar problemas de dicho caracter sti
requiere de un metodo numerico eficiente. Muestra de dicho interes es la con-
tinuaci
on del citado artculo en una segunda parte, donde Gresho, Griffiths y
Silvester exponen la aplicacion de dicho algoritmo a problemas de Navier-Stokes
[10].