APLICACIONES PRACTICAS DE LOS MODELOS DE CALIDAD DE. …
Transcript of APLICACIONES PRACTICAS DE LOS MODELOS DE CALIDAD DE. …
MINISTERIO DE INDUSTRIA Y ENERGIASECRETARIA DE LA ENERGIA Y RECURSOS MINERALES
APLICACIONES PRACTICAS DE LOSMODELOS DE CALIDAD DE. LOS ACUIFEROS
MEMORIA
VOLUMEN III. Principales Métodos Numéricos Empleados En La Resolución DeLa Ecuación General De La Dispersión
1985 -1986
Este estudio ha sido realizado por GEOMECANICA S.A.en régimen de contratación con la División de AguasSubterráneas y Geotécnia del Instituto Geológico y Mi-nero de España:
INDICE SINTETICO DEL INFORME
VOLUMEN I. PRESENTACION Y OBJETIVOS DEL PROYECTO
1.1. Antecedentes y objetivos del Proyecto
1.2. Estructuración del informe
1.3. los manuales de uso de los programas de ordenador1.4. La recopilación de la informaciónI.S. Equipo de trabajo
VOLUMEN II. FUNDAMENTOS TEORICOS DEL TRANSPORTE DE SOLUTOS EN MEDIOS POROSOS SATURADOS
II.1. Definición, orígenes y características físicas de lacontaminación de las aguas subterráneas
11.2. La teoría de la dispersión en medios porosos11.3. El problema especial de la intrusión marina en acuí-
feros costeros11.4. La determinación experimental de los principales pa-
rámetros de la ecuación general de la dispersión11.5. Bibliografía
VOLUMEN III. PRINCIPALES METODOS NUMERICOS EMPLEADOS EN LA RESOLUCION DELA ECUACION GENERAL DE LA DISPERSION
111.1. Introducción111.2. El método de las diferencias finitas111.3. El método de las características111.4. Un método de residuos ponderados: el método de ele -
mentos finitos de Galerkin
111.5. Análisis comparativo de los distintos métodos numéri-cos existentes. Ventajas e inconvenientes
111.6. Bibliografía
VOLUMEN IV. MODELOS MATEMATICOS DE TRANSPORTE DE SOLUTOS EN AGUAS SUBTE
RRANEAS
IV.1. IntroducciónIV.2. Grupo 1 : Los modelos de advecciónIV.3. Grupo 11 : los modelos de advección-dispersión
IV.4. Grupo 111: los modelos de agua dulce-agua salada
VOLUMEN V. CONCLUSIONES Y RECOMENDACIONES
V.1. Introducción
V.2. Breve presentación de los problemas de contaminaciónmás frecuentes en los sistemas acuíferos españoles
V.3. Orientación a la simulación matemática de los proble-mas de contaminación más frecuentes en los sistemas -
aculferos españoles
V.4. Bibliografía
INDICE GENERAL DEL VOLUMEN
Pág.
INDICE GENERAL 1INDICE DE FIGURAS III
INDICE DE ANEXOS IV
III.1. INTRODUCCION 1
III.1 . 1. Ecuaciones diferenciales. Clasificación de losproblemas físicos. 2
111.1.2. Clasificación de las ecuaciones diferencialesparciales (EDP) 8
111.1.3. Resolución de la ecuación general de dispersión 11
111.2. EL METODO DE LAS DIFERENCIAS FINITAS 14
111.2.1. Exposición del método . Fórmulas aproximadorasen diferencias finitas 14
111.2.2. Estabilidad de las aproximaciones en diferen-cias finitas 24
111.2.3. Consistencia y convergencia de las aproxima -ciones en diferencias finitas 25
111.3. EL METODO DE LAS CARACTERISTICAS 27
111.3.1. Introducción 27111.3.2. Tratamiento de ecuaciones hiperbólicas de pri
mer orden 28111.3.3. Tratamiento de ecuaciones hiperbólicas de se-
gundo orden 32
II.
Pág.
III.4. UN METODO DE RESIDUOS PONDERADOS: El METODO DE ELEMENTOSFINITOS DE GALERKIN 37
111.4.1. Exposición del método . Problemas independien-tes del tiempo. 37
111.4.2. Problemas dependientes del tiempo 50III-.4.3. Estabilidad y convergencia del método 55
III.5. ANALISIS COMPARATIVO DE LOS DISTINTOS METODOS NUMERI -COS. VENTAJAS E INCONVENIENTES. CONCLUSIONES 58
111.6. BIBLIOGRAFIA 65
III.
INDICE DE FIGURAS
N° TITULO Pág.
1. Discretización por diferencias finitas de u(x) segúnn incrementos de longitud ¿x 14
2. Diferentes tipos de mallado en el MDF 17
3. Discretización por diferencias finitas de u(xl, x2)según n incrementos de 1x1 y m incrementos de Ax2 18
4. Nodos empleados en la aproximación de la derivadacruzada 19
5. Proceso de resolución por el MOC 34
6. Discretización por el MEF en un problema bidimensional 38
7. Elementos unidimensionales y funciones de base lineales 44
8. Elemento triangular 47
9. Discretización temporal 52
10. Errores numéricos en la solución de un problema de tran s
porte unidimensional 59
IV.
INDICE DE ANEXOS
Nº TITULO
1. Numerical solutions for dispersion on porous mediumsSHAMIR, U.Y. y HARLEMAN , R.F., 1967WATER RES . RESEARCH, V.3, N.2 ., p.557 - 581
2. A general numerical solution of the two-dimensionaldiffusion-convection equation by the finite element methodGUYMON G.L., SCOTT, V . M. y HERRMANN, L.R., 1970WATER RES . RESEARCH , V.6, N.6, p.1611 - 1617
3. Rayleigh - Ritz and Galerkin finite elements for diffusion-convection problemsSMITH, I . M., FARRADAY , R.V. y O'CONNOR, B.A., 1973WATER RES . RESEARCH , V.9, N.3 , p.593 - 606
4. Groundwater Pollution (p.246-261)FRIED, J . J. 1975Ed. ELSEVIER SCIENT. PUB. COMP.
5. On the relationship between the finite element and finite
difference methodsGRAY , W.G. y PINDER , G.F., 1976INTERN . JOUR. FOR NUMERICAL METHODS IN ENGINEERING,
V.10, p . 893 - 923
6. An analysis of the numerical solution of the transport
equationGRAY, W . G. y PINDER, G . F., 1976
WATER RES. RESEARCH, V.12, N . 3, p.547 -555
V.
N4 TITULO
7. The finite element method in groundwater transportGRAY, W.G., 1976ADVANCES IN GROUNDWATER HYDROLOGY (A.W.R.A.), p.130-143
8. The use of Galerkin finite element methods to solve mass- transport equationsGROVE, D.B., 1977U.S. GEOLOGICAL SURVEY, WATER RES. INV. 77-49
9. Finite element simulation insurface and subsurface hidrology (p.1-15, 39-125)GRAY, W.G. y PINDER, G.F., 1977Ed. ACADEMIC PRESS, INC.
10. Introduction to groundwater modeling ( p.113-203)ANDERSON , M.P. y WANG, H . F., 1982Ed. W.H . FREEMAN AND CO.
11. Computational methods in subsurface flow (p.1-98, 341-353,435-440)HUYAKORN, P.S. y PINDER, G.F., 1983Ed. ACADEMIC PRESS, INC.
12. Programación y cálculo numérico (p.237-285)MICHAVILA, F. y GAVETE, L., 1985
Ed. REVERTE, S.A.
III.1 . INTRODUCCION
Se pretende en este Volumen recordar una serie de conceptos
y métodos , así como introducir otros nuevos relativos al cálculo
numérico, que serán empleados con frecuencia en el Volumen IV MODELOS
MATEMATICOS DE TRANSPORTE DE SOLUTOS EN AGUAS SUBTERRANEAS.
La resolución de la ecuación general de la dispersión
o ecuación advección-dispersión planteada en el Volumen II. FUNDAMENTOS
TEORICOS DEL TRANSPORTE DE SOLUTOS EN MEDIOS POROSOS SATURADOS,
puede abordarse , como a continuación se detallará, mediante métodos
analíticos que proporcionan soluciones exactas de la ecuación para pro
blemas sencillos y, generalmente, no presentes en la realidad física,
y mediante métodos numéricos que proporcionan soluciones aproximadas
de la ecuación en problemas reales. La presentación de estos últimos
a nivel orientativo y abstracto ( es decir, no se presentarán aplica
dos a la resolución de la ecuación general de la dispersión, cuestión
que se abordará en el Volumen IV, sino a ecuaciones genéricas ) consti
tuye el objetivo de este Volumen ; si bien alguno de estos métodos
es suficientemente conocido por los hidrogeólogos e ingenieros españo
les, como por ejemplo el método de las diferencias finitas, dada
su utilización desde hace años para resolver problemas distintos
a los de transporte ( por ejemplo , de flujo), otros presentan un
carácter más innovador, como es el caso del método de elementos
finitos, y cuya aplicación reciente a ciertos problemas de transporte
ha sido muy fructífera.
2.
111.1.1. ECUACIONES DIFERENCIALES. CLASIFICACION DE LOS PROBLEMAS
FISICOS
La ecuación general de la dispersión que debe resolverse
es una ecuación diferencial parcial de segundo orden no lineal.
Como es sabido , se entiende por ecuación diferencial
aquélla que relaciona dos o más variables en términos de derivadas
o diferenciales; cuando en dicha ecuación hay presentes dos variables
exclusivamente , una de las cuales depende de la otra, la ecuación
se denomina ecuación diferencial ordinaria (EDO). Si por el contratio,
existen más de dos varibles , figurando las derivadas parciales de
una de ellas respecto de las restantes , la ecuación se denomina
ecuación diferencial parcial (EDP) o ecuación diferencial en derivadas
parciales.
Una EDO de orden n puede escribirse como
2 nF (x,u, du , d u . .... d u) - 0 (1)
dx í2 dxn
en donde F es una función especificada , u la variable dependiente
que es una función desconocida de la variable independiente x, y
n es el orden de la derivada más alta.
Esta ecuación se llama lineal cuando presenta términos
en u y en su derivada primera, y quasi- lineal cuando presenta grado
uno en la mayor derivada . Por consiguiente una EDO lineal de orden
n puede ser escrita:
3.
nao u + al ( d!) + .... + an (dn) = f(x) (2)
dx dx
o bien
F ak (dkk) = f(x) (3)k=o dx
en donde los coeficientes ak son constantes o funciones de x.
Además, si f(x) = 0, la ecuación se llama homogénea;
en caso contrario, la ecuación es no homogénea . Análogamente, una
EDP que relaciona tres variables , de orden n, puede escribirse
F (x,y,u, )u� aun 2u a 2u a 2u � nu , nu ) = 0 (4)a x 2 y x2 My a y2 xn yn
La ecuación ( 4) se llama lineal cuando presenta término
en u y en las derivadas parciales de primer grado , y quasi-lineal
cuando presenta grado uno en las mayores derivadas parciales de
U.
Independientemente de que se trate de una EDO o una
EDP, una solución de las mismas se define como una función u cuya
sustitución en la ecuación ( así como la correspondiente sustitución
de las derivadas de u presentes) la reduce a una identidad.
Por consiguiente , la ecuación general de la dispersión
es una EDP de segundo orden ( como consecuencia de la contribución
al transporte del mecanismo de dispersión hidrodinámica ) y lineal.
4.
Por otra parte , una EDO o una EDP no es suficiente para
describir un problema físico concreto ; una solución general de una.
EDO envuelven constantes arbitrarias independientes , mientras que
en el caso de una EDP se presentan n funciones arbitrarias independien
tes, que deberán ser especificadas para un problema físico dado.
Para ello es necesario información adicional en la forma
de condiciones auxiliares asociadas con el problema físico a resolver;
dichas condiciones se denominan condiciones iniciales y condiciones
de contorno, pudiendo clasificarse los problemas físicos en base
a sus condiciones auxiliares como se indica a continuación:
- Problemas de valor inicial
Son problemas dependientes del tiempo gobernados por
una EDO o un tipo especial de EDP. La descripción completa de un
problema dado gobernado por una EDO de orden n, exige la solución
de dicha ecuación sujeta a sus condiciones iniciales, es decir:
d2u nF (t,u , duo d� ... d ) = 0 (5)dt dt dt
en un dominio temporal to c t s tm , con las condiciones iniciales
u (t°) = uo
dk(6)
udtk °k
(k = 1, ... n-1)
La descripción completa de un problema gobernado por una EDP de
primer orden exige la solución de
5.
F (x,t,u, 2u, 2 uu) = 0 (7)D x D t
en un dominio espacial - < x < co y temporal 0 6 t c co, con la con
dición inicial
u (x,0) = uo (x) (8)
- Problemas de contorno
Se trata de problemas gobernados bien por EDO o por
EDP en los que las variables independientes son coordenadas espaciales.
En el caso de un problema gobernado por una EDO de orden n, una
descripción completa del problema requiere la solución de
2 nF (x,u, du, d�, ..
*dñ) = 0 (9)
dx dx dx
en una región espacial x1 < x < x2, sujeta a unas condiciones de contor
nodu(x
1) dn-lu(x
1)xl, u(xl), ... n-1 = 0gkdx dx
du(x ) dn -lu(x ) (10)gs x2, u(x2), 2 " = 0
dx dx
en donde k = 1,2, ... M s = 1,2, ... N y M + N = n
Para el caso de un problema bidimensional gobernado por una
EDP de orden n, una descripción completa del mismo exige la solución de
n nF (x,Y,u, 2u, 9 u, .., a u
'2 u ) = 0 (11)
x a y xn 2 yn
6.
en una región espacial cerrada R de (x,y ), sujeta a las condiciones
de contorno en la frontera r de la región R
n-1 n-1gk x,y,u, 2u, D u� ... 2 u , ... 2 u = 0 (12)
a x a y xn-1 a yn-l
en donde k = 1,2, ... m , n-1
- Problemas mixtos
Son problemas gobernados por EDP en donde las variables
independientes son coordenadas espaciales y la variable tiempo.
Para un problema bidimensional gobernado por una EDP de orden n,
la descripción completa del mismo exige la solución de
F (x,Y,t, u D u9
2u9 ...9n
u , ...2
'1u ...anu ) = 0 (13)
2x 2y at axn ,yn 2tn
en el interior de la región espacial R (x,y) durante el intervalo
tos ts -, sujeta a unas condiciones iniciales en la región R(x,y)
u (x,y,t0) = uo (x,y)k (14)
d u (x,y,to) = uok (x,y) k = 1 ... n-ldtk
y a unas condiciones de contorno en la frontera r de R
n-1 n-1g (x,y,t, au,áu, ...
2u ...
2u ) = 0 (15)
k 2x D Y xn-1,
2 yn-1
con k = 1,2 ... m s n-1 para t > to
7.
Si bien se ha asumido en (13) el mismo orden en las.
derivadas espaciales y temporales , eso no es lo frecuente, pudiendo
hacerse las modificaciones pertinentes.
En resumen, el problema físico del transporte de solutos
en aguas subterráneas a través de medios porosos saturados es un
problema gobernado por una EDP de segundo orden cuya descripción
completa exige la resolución de la misma sujeta a una condición
inicial, y a unas condiciones de contorno en la frontera de la región
en estudio que, usualmente , serán del tipo especificación de la
variable concentración c (condición esencial o de Dirichlet) o del
tipo especificación de la derivada direccional de c (condición natural
o de Neumann).
8.
111.1.2. CLASIFICACION DE LAS ECUACIONES DIFERENCIALES PARCIALES (EDP)
Las EDP de segundo orden lineales o quasi-lineales con
dos variables independientes (x e y) son susceptibles de ser clasifi
cadas con una terminología análoga a la asociada a secciones cónicas.
Es decir, para una EDP
2 2 2aau+b a u + c F (x,y,u, au 2u) (16)ax2 ax ay ay2 a x 2y
en donde a, b, c son, en general , funciones de x e y, y la ecuación
es lineal si F es lineal , pueden darse tres casos:
- Discriminante mayor que cero (b2 - 4ac > 0). En cuyo caso (16)
se denomina ecuación hiperbólica ; por medio del cambio de coordenadas
5= 5 (x,y), i = q (x,y) se puede demostrar que la ecuación hiperbólica
se reduce a la siguiente forma canónica
a 2 u a 2 u G (5 ,,g,u, au, au) (17)152 a -q 2 a5 Tl
- Discriminante igual a cero (b2 - 4ac = 0). En cuyo caso (16)
se denomina ecuación parabólica pudiendo reducirse a la forma canónica
a 2 u = G u, P u, PU) (18)aq2 z5 a1l
9.
Discriminante menor que cero ( b2 - 4ac < 0). En cuyo caso (16)
recibe el nombre de ecuación elíptica pudiendo reducirse a la forma
canónica
2 2
5+ � = G (5,ii,u, 25' 71) (19)
Este criterio de clasificación puede generalizarse para
EDP de segundo orden lineales o quasi-linealescon n variables indepen
dientes x1 , x2, ... xn tales como
2a.. 2 u =F (x, x 2 .. xn, u, 2u � ... u )
2xi 2xj 1 2x1 2xn (20)
i,j = 1,2 ... n
Para clasificar la ecuación (20), es necesario buscar
los autovalores de la matriz de coeficientes aij. Es decir,
a11 -X al2 ... aln
a21 a22-X ... a2n = 0 (21)
an1 an2 ... ann
teniendo en cuenta que la parte izquierda de (21) constituye un polinomio
de grado n en X , existirán n raíces o autovalores de X . En el caso
de que todas ellas sean positivas , ( 20) es una EDP elíptica; si
algunas raíces son nulas , ( 20) es parabólica y. si algunas raíces
son positivas y otras negativas, es hiperbólica.
10.
Las ecuaciones parabólicas e hiperbólicas van asociadas
a problemas físicos de tipo mixto, dependientes del tiempo , mientras
que las ecuaciones elípticas van asociadas a problemas de contorno,
en régimen permanente independientes del tiempo.
Es interesante esta clasificación , pues la elección
de uno u otro método numérico para su resolución se apoya en el
tipo de ecuación que se encuentre ; así, por ejemplo , el denominado
método de las características es aplicado con frecuencia para resolver
EDP hiperbólicas mientras que EDP parabólicas pueden ser resueltas
con eficacia por el método de diferencias finitas. Por otra parte,
es necesario comentar que, puesto que los coeficientes a, b y c
en (16) son, en general, función de las variables independientes,
la clasificación de una EDP puede cambiar en diferentes lugares
de la región en donde la ecuación está definida.
Por último, citar que una ecuación de advección - dispersión
en dos dimensiones, para un medio homogéneo e isótropo.
D 9 2c+ D a2c - v
2c - vDc = ác (22)
x 2x2 y ay2 x ax y a y 2t
puede demostrarse que es de tipo parabólico, mientras que si se
trata de un problema en régimen permanente (con2t
= 0 en (22))
entonces la ecuación es de tipo elíptico.
11.
111.1.3. RESOLUCION DE LA ECUACION GENERAL DE LA DISPERSION
La resolución de la ecuación general de la dispersión consis
tirá en buscar aquella función c (concentración de una o varias especies
químicas ) que la satisfaga, ajustándose a unas ciertas condiciones ¡ni
cial y de contorno. Los métodos disponibles para resolver esta ecuación
son de dos tipos: analíticos y numéricos.
Los métodos analíticos permiten obtener soluciones exactas
de la ecuación sólo en el caso de problemas de geometría simple o regu
lar, por lo que , en general , no son operativos para problemas de campo a
escala real . Algunos de estos métodos son , por ejemplo: separación de va
riables, técnicas de variable compleja, transformaciones de Fourier y de
Laplace, etc. Pueden verse algunas soluciones analíticas de problemas
sencillos , por ejemplo , en Ogata (1970) (ver referencia n° 9, del Volu
men II ) y en Custodio y Llamas (Hidrología subterránea, p. 1177-
1181, 1976).
Los métodos numéricos permiten obtener soluciones aproxima
das de la ecuación de la dispersión , para problemas de tipo real
con geometrías complejas. Tres son los métodos utilizados hasta
la fecha en los problemas de transporte : el método de diferencias
finitas, el método de características y el método de elementos finitos.
El método de diferencias finitas (MDF) ha sido cronológicamen
te el primero en ser utilizado; dados los buenos resultados obtenidos para
problemas de flujo, el MDF fue empleado para problemas de transporte ya en
12.
1962 por Peaceman y Rachford. Otras aplicaciones de interés fueron
realizadas por Shamir y Harleman (1967), Oster y otros (1970), Fried
y Ungemach (1971), etc. No obstante, el MDF ha presentado dificultades
de orden numérico en su aplicación a problemas de transporte soslaya
bles, en general , a base de encarecer el método . Como alternativa
al MDF, empezó a utilizarse a comienzos de los 70 el método de las
características (MOC), método desarrollado para resolver ecuaciones
de tipo hiperbólico. Garder y otros (1964) introdujeron el método
para una ecuación de dispersión en la que dominase el término advectivo
en cuyo caso la ecuación de la dispersión se aproxima mucho a una
ecuación hiperbólica. Entre las aplicaciones más notables pueden
citarse Pinder y Cooper (1970), Reddel y Sunada (1970) y Bredehoeft
y Pinder (1973). Si bien las dificultades de orden numérico desaparecen
con el empleo del MOC, aparecen otras ligadas especialmente a la
sofisticación en la programación del método.
Por último , y también en la década de los 70 comienza
a aplicarse el método de elementos finitos (MEF) a problemas de
transporte; entre otras aplicaciones notables cabe citar Price (1968),
Guymon y otros (1970), Pinder (1973), Segol y Pinder (1976), etc.
Si bien el MEF no ha conseguido eliminar las dificultades de orden
númerico, salvo en el caso de ecuación de advección-dispersión en
que predomina el término de dispersión hidrodinámica, es el método,
junto con el MOC, más empleado actualmente debido a su capacidad
de adaptación a límites o contornos complejos e irregulares y a
las heterogeneidades del sistema acuífero a modelar.
13.
En las secciones siguientes se expondrán brevemente
las características más importantes de los citados métodos. En el
capítulo I1I . 5. ANALISIS COMPARATIVO DE LOS DISTINTOS METODOS . VENTAJAS
E INCONVENIENTES . CONCLUSIONES , se indicarán las ventajas e inconvenien
tes de cada uno de ellos.
Por otra parte, cada uno de los métodos se desarrollará
aplicado estrictamente a la resolución de la ecuación general de
la dispersión ( capítulo IV.3. GRUPO II: LOS MODELOS DE ADVECCION-
DISPERSION , VOLUMEN IV ) y a la resolución simultánea o acoplada
de la ecuación de la dispersión y del flujo (capítulo IV.4. GRUPO
III: LOS MODELOS DE AGUA DULCE -AGUA SALADA, VOLUMEN IV).
14.
111.2. EL METODO DE LAS DIFERENCIAS FINITAS
111.2.1. EXPOSICION DEL METODO. FORMULAS APROXIMADORAS EN DIFERENCIAS FI
NITAS
Si se considera una variable u dependiente de una sola
variable independiente x según una función continua u(x) y se discre
tiza el dominio de la variable independiente según puntos o nodos
xr (figura n° 1), puede escribirse:
.(al eao-ó0
a0 �•
0 1 ! 3 a-1 a caz
Fig. n9 1. Discretización por diferencias finitas de u(x) según n°incrementos de longitudA x (según Huyakorn y Pinder, 1983).
u (xr) u (r A x) ur
r=0,1,2, ...n
L a aproximación de las derivadas puede realizarse de varias
maneras; una de las más conocidas se basa en el desarrollo en serie
de Taylor de la función continua u(x). En efecto, el desarrollo
en serie de Taylor para u(x) alrededor del punto r A x:
15.
u «r+1) 0 x) ur+l = ur + 0 x d + (A x) 2 2 u +ddx Irá x 2! dx rA x
+ (t x)3 du + . .. (24)3! dx3 rAx
y también
2 2u ((r-1) A x) ur_1 = ur - x du + (0 x) d u -
dx rtx 2! dx2 rAx
_ (A x)3 d3u + ... (25)3! dx3 rAx
Despejando en (24) y (25) el término de la derivada primera
puede obtenerse , respectivamente:
du =ur+l - ur _ A x d2u _ (A x) 2 d 3 u - (26)
dx rAx Ax 2! dx2 rAx 3! dx3
2du = Ur - ur-1 _ A x d2u _ (A x) d 3 u + ... (27)dx rAx Ax 2! dx2 rAx 3! dx3
Si estos desarrollos en serie son truncados a partir del pri
mer término , se comete un error de truncadura del orden de A x
du = ur+l ur + 0 (Ax) (28)dx rAx 15 x
du = ur - ur-1 + 0 (A x) (29)dx rAx Ax
16.
en donde 0( A x) es un error menor en valor absoluto que K. A x (en don
de K es una constante arbitraria para un valor suficientemente pe
queño de A x. La fórmula (28) recibe el nombre de aproximación hacia
delante de la derivada primera; consiguientemente (29) se denomina
aproximación hacia atrás.
Puede encontrarse otra fórmula aproximadora de la derivada
primera con un error de truncadura menor, por simple suma de (26)
y (27):
du =u r+l ur-1 - (0x)2 d3 u - ... (30)
dx rAx 2Ax 6 dx3 rAx
en donde el error de truncadura es del orden de (A x)i es decir
-du =u r+l u r-1 - 0 ((A x)2) (31)
dx rAx 2Ax
Obviamente, para valores de á x suficientemente pequeños,
(31) es una fórmula más precisa que (28) 6 (29); la fórmula (31)
recibe el nombre de aproximación central.
Para obtener aproximaciones de derivadas de orden superior
se procede de manera análoga; asi por sustracción entre (26) y (27),
se obtiene una expresión aproximadora de la segunda derivada:
d2u = ur+1 - 2ur + ur -1 - (0x)2 d4 u - ... (32)dx2 rAx (¿x)2 12 dx4 rAx
17.
en donde el error de truncadura es del orden de (0x)2, es decir
d2u u r+l -2ur +ur-1 + 0 ((A x)2) (33)dx2 rLx (¿x)2
Son dos los tipos de mallados (o redes) que se emplean.
en el MDF: mallado centrado en los nodos (o vértices para más de
una dimensión) del elemento discreto y mallado centrado en el centro
geométrico del elemento discreto (figura n° 2). En la práctica,
el segundo tipo de mallado es el más empleado porque puede ser progra
mado de una manera algo más eficiente; además resulta más atractivo
e intuitivo pensar en parámetros y flujos, en el medio físico, identi
ficados con un elemento discreto que rodea al nodo.
e■.-ve e■..us
1 - D � r-1 r r♦1
e■,-, e e■,.,
o O
r-1,• r,• r41,•
2-Dr-1,• r,• r,1,•
,,•-1
(a) `' (b)
Fig. n? 2. Diferentes tipos de mallados en el ?DF: mallados• centrados en los centros geométricos (a); mallados centrados en los nodos (b). (según Huyakorn y Pinder, -1983)
18.
La representación, para variables dependientes de dos
o más variables independientes, de sus derivadas parciales es general
mente una extensión directa de las aproximaciones vistas hasta ahora
para derivadas ordinarias. Así por ejemplo, para el caso de una
variable y dependiente de xi, x2, independientes, según una función
continua u(xl, x2), si se discretiza el dominio de las variables
independientes según m x n elementos discretos (figura n° 3) puede es
cribirse
r,t�1
eatl
et,l �.
qt -1
0 1 ! 5-11 t res,tl
Fig. nQ 3. Discretización por diferencias finitas de u(xl, x2) según n incrementos de Ax1
y m incrementos de Ax2 (según Huyakorn y Pinder, 1983)
u(xlr, x2s) u(rAxl, sAx2) = ur,s (34)
con r = 0, 1, 2, ... n; s = 0, 1, 2, ..., m
pudiendo escribirse, entre otras, las siguientes fórmulas aproximadoras:
D u(x , x) = ur+l,s ur-l,s + 0 ((o x )2) (35))x 1
1 2 r A xl , s A x2 2 A xl1
19.
áu(xl,x2)
ur , s+l - 2ur,s+ ur,s-1 + 0 ((A x2)2) (36)ax2 rAx1, sÉx2 (0x2)
2
fórmulas aproximadoras análogas a sus correspondientes en el caso
de una sola variable independiente. Para el caso de la derivada cruzada• a
puede demostrarse que una fórmula precisa es:2X 1 2 x2
2
2x 2 xu(x19x2)
c x , s A 2A x 12A x [ ur+l,s+l ur-1,s-11 2 1 2 1 2
ur+l,s-1 + ur-1, s-1J
+ 0 (0x1)2)+0((0x2)2) (37)
en donde los nodos o vértices empleados que aparecen sombreados
en la figura n° 4 no coinciden con los utilizados en las fórmulas
(35) y (36).
r,aNr- 1,� H rN,��1
r-1,s r � rt1,•
r-1.•-1 • r N,•-1 .r.1-1
Fig. n°- 4. Modos empleados en la aproximación de la derivada cruzada (según Huyakorn y
Pinder, 1983)
20.
La aproximación de las condiciones de contorno para
dos y tres variables independientes dependerán del tipo de mallado
elegido. La condición de contorno esencial o de Dirichlet se aproxi
mará , para el caso de mallado centrado en los nodos, reemplazando
el valor de la función en el nodo por un valor especificado en el
mismo; si se emplea un mallado centrado en los centros geométricos
de los elementos discretos y el limite físico coincide con el borde
de un elemento, es más preciso introducir un elemento ficticio fuera
de la región o dominio en estudio. Es decir, si el borde físico
está localizado en x1 = r 1 x1 (figura n° 2.b) la condición de Dirichlet
u = u en (r A x1, sA x2) es aproximada por
u = ! (ur+l s + ur,s) (38)2 '
en donde u es la especificación de la función y ur+l,s es el valor de u
en el centro geométrico de un elemento ficticio; si bien en (38)
u r+l,s es una incógnita, ésta puede ser eliminada combinando (38) con
la aproximación en diferencias finitas de la ecuación diferencial
parcial para el elemento (r,s).
Las condiciones de contorno del tipo natural (o de Neumann)
y mixto deben ser también aproximadas; si se considera una condición
mixta (que se reduce a la de Neumann con hacer nulo el coeficiente a):
au + au = c a,c constantes (39)2x l
21.
y el borde físico a simular está situado en rt xl, la aproximación de
la condición expresada en (39) seria para un mallado centrado en
los centros geométricos:
ur+l,s ur,s + a ( ur+l,s + ur,s ) = c (40)0 xl 2
empleándose nuevamente el valor de u en el centro geométrico de
un elemento ficticio (r+l,s). Para un mallado centrado en los nodos,
(39) puede aproximarse:
ur+l,s - ur,s + aurs = c (41)
0x1 '
en donde se ha empleado un nodo ficticio ( r+l,s) localizado fuera
de la región.
La aplicación de este tipo de fórmulas aproximadoras
en diferencias finitas en una ecuación diferencial parcial permite
plantear el correspondiente sistema de ecuaciones algebraicas cuya
resolución , por cualquiera de los métodos de que dispone el cálculo
numérico , conduce a la obtención de una solución aproximada de aquélla.
Así, por ejemplo, si se considera una típica EDP parabólica para
una función u(x,t):
J u = 9 2u (42)a t a x2
22.
en donde x puede ser una coordenada espacial y t el tiempo, y se
aplica una fórmula central para la derivada espacial y una fórmula
de aproximación hacia atrás para la derivada temporal, puede escri
birse
ur,s+1 ur,s _ ur+l,s+l - 2ur,s+1 ur-l,s+l + 0 (t t,(0 x)2) (43)0t ( 1x)
en donde s representa el paso de tiempo anterior y s+l el actual
paso de tiempo en el que se está calculando. La expresión (43) consti
tuye un esquema de aproximación en diferencias finitas de la EDP
(42); este esquema recibe el nombre de implícito, al estar evaluada
la derivada espacial en el propio paso de tiempo en que se calcula,
esto es, en s+l. Además caben otras posibilidades: un esquema explí
cito se obtendría evaluando la derivada espacial en el paso de tiempo
anterior, es decir, s, y en general, para cualquier nivel de tiempo
comprendido entre s y s+l, se obtendrá un esquema semiimplícito.
Entre estos el más empleado es el llamado esquema de Crank-Nicholson,
que evalúa la derivada espacial en s+l/2.
Puede demostrarse que el esquema explícito, si bien
es el más sencillo en cuanto a nivel de operaciones se refiere,
es un esquema condicionalmente estable ( ver sección 111.2.2. ESTABI
LIDAD DE LAS APROXIMACIONES EN DIFERENCIAS FINITAS) lo que obliga
a emplear A t muy pequeños, que en la práctica lo hacen inutilizable.
Por el contrario, los esquemas implícito y de Crank-Nicholson (aunque
éste con ciertas restricciones en el tamaño de A t) son incondicional
23.
mente estables . Puede demostrarse también que los errores de truncadura
cometidos en los esquemas explícito e implícito son del orden de
magnitud de A t , mientras que en el esquema de Cranck-Nicholson
el error es del orden de (0 t)2, por lo que para A t suficientemente
pequeños este esquema es más preciso que los primeros.
La expresión ( 43) conduce al planteamiento de un sistema
de N ecuaciones algebraicas, tantas como nodos o elementos discretos
(según el tipo de mallado elegido ) se hayan empleado en la discreti
zación espacial de la región en estudio, con N incógnitas que son
los valores de la función u en los nodos o elementos , y que debe
ser resuelto para cada paso de tiempo en que se haya discretizado
el periodo de simulación elegido . Estas ecuaciones algebraicas deben
ser implementadas con las correspondientes aproximaciones de las
condiciones de contorno existentes en el problema; es importante
tener en cuenta que la precisión del método puede verse afectada
negativamente si la aproximación de estas condiciones es menos precisa
que la aproximación realizada para la ecuación diferencial parcial.
24.
111.2.2. ESTABILIDAD DE LAS APROXIMACIONES EN DIFERENCIAS FINITAS
El concepto de estabilidad se refiere al comportamiento
que siguen durante el proceso de cálculo los errores numéricos introdu
cidos al realizar las aproximaciones. Cuando estos errores son amor
tiguados al ir avanzando de un paso de tiempo a otro, se dice que
el esquema adoptado es estable; por el contrario, cuando los errores
crecen ilimitadamente el esquema es inestable; puede suceder que
el error siga un comportamiento oscilatorio a través del tiempo,
como es el caso del esquema de Cranck-Nicholson para ciertos valores
del incremento de tiempo A t.
Existen varias maneras de establecer la estabilidad
de un esquema de cálculo. Entre las más usuales pueden mencionarse
tres: la realización de un experimento numérico y el análisis directo
de la evolución del error (estabilidad heurística), el examen de
los autovalores en el sistema de ecuaciones algebraicas y el empleo
de series de Fourier (análisis de estabilidad de Von Neumann). Este
último método puede verse aplicado a la determinación de la evolución
del error en un caso paráctico en la referencia n° 11.
25.
111.2.3. CONSISTENCIA Y CONVERGENCIA DE LAS APROXIMACIONES EN DIFERENCIAS
FINITAS
El concepto de consistencia se refiere a la capacidad
de una aproximación numérica para representar la EDP deseada mejor
que a cualquier otra ecuación, cuando se afina la discretización
espacio-temporal. Es decir, y para el caso de una sola dimensión,
una aproximación numérica es consistente con la EDP que se desea
aproximar cuando el error de truncadura tiende a cero al hacer
Lxx, it-O.
El concepto de convergencia se refiere al comportamiento
de la desviación entre solución analítica y numérica de una EDP,
cuando se afina la discretización. Una aproximación en diferencias
finitas es convergente si cumple:
IIU (rtxx, sAt) - Urs!1 para At,Ax O
en donde U (rAx, slxt) es la solución analítica para el punto (rAx,
s At), Ur,s es la solución numérica .v II II una cierta norma.
En general, la convergencia es mucho más difícil de
establecer que la consistencia y la estabilidad. Afortunadamente,
pueden emplearse estas dos últimas propiedades para determinar la
convergencia de una aproximación en diferencias finitas en virtud
del teorema de Lax que dice que "Dado un problema de valor inicial
26.
correctamente planteado y una aproximación en diferencias finitas
que cumple la condición de consistencia, el cumplimiento de la condi
ción de estabilidad es condición necesaria y suficiente para el
cumplimiento de la convergencia".
27.
111.3. EL MET000 DE LAS CARACTERIST1CAS
111.3.1. INTRODUCCION
Como ya se ha comentado, la ecuación general de la disper
sión se aproxima mucho, para el caso en que la componente advectiva
del transporte es predominante, a una ecuación hiperbólica.
E) método de las características (MOC) ha recibido una
amplia aceptación en el análisis de prob1emas físicos asociados
a ecuaciones diferenciales parciales de tipo hiperbólico. Se considera
a continuación el procedimiento general de obtención de las ecuaciones
"características" y de los algoritmos de solución para ecuaciones
hiperbólicas de primer y segundo orden.
28.
111.3.2. TRATAMIENTO DE ECUACIONES HIPERBOLICAS DE PRIMER ORDEN
Si se considera la ecuación quasi-lineal siguiente
+ b.L'! =c (44)
en donde x y t son las variables espacial y temporal respectivamente,
y a, b y c son, en general, funciones de x, t y u, puede escribirse,
para el caso en que b O
+ - O (45)b x b
Si se aplica ahora la regla de la cadena de la diferenciación
(46)dt t dt x
o bien
+ (47)dt x t dt
sustrayendo (47) de (45) se obtiene
(L_) =0 (48)b dt x b dt
Resulta evidente que (48) se reduce a una ecuación diferencial ordi
nana según la curva definida por
29.
a dx = 0b dt
o bien
dx = a (49)dt b
Esta curva se denomina curva "característica" o simplemente caracterís
tica. A lo largo de esta curva, la EDP (48) se convierte en
du = c (50)dt b
esto es , en una EDO que puede ser resuelta por simple integración
numérica . Por conveniencia las ecuaciones ( 49) y (50) se escriben
conjuntamente
dx = dt = du(51)
a b c
A título de ejemplo se incluye la siguiente EDP.
xl/2 u + u au + u2 = 0 (52)x at
con la condición inicial
uo = u (x,0) = 1 para 0 < x <
En este caso, a = x1/2, b = u, c = -u2 con lo que (51) es
30.
dx _ dt = du (53)x1/2 u - u2
En primer lugar es necesario calcular la curva caracterís
tica que pasa por x = xI para t = 0 en el plano (x,t). Para ello:
Jxix dx _ t dt
x1/2 Jo u(54)
2 (xl/2 - X1112) =t dt
fo u
Para evaluar la integral que aparece en (54) es necesario expresar
u en función de t, lo cual puede conseguirse a partir de:
dt _ duu -ú
y por tanto
fotdtu du
uo u (55)
Teniendo en cuenta que la condición inicial es uo = 1
t = ln (1 )
o bien
= et (56)u
La sustitución de (56) en (54) y su posterior integración permite
obtener la ecuación de la característica
t = ln (2x1/2 + 1 - 2x11/2) (57)
- 31.
A 1 largo de esta caracteristica la solución de la EDP (52) es
dada por
u = e(2x2 + 1 - 2x12)
(58)
:32.
111.3.3. TRATAMIENTO DE ECUACIONES HIPERBOLICAS DE SEGUNDO ORDEN
Para el caso de ecuaciones hiperbólicas de segundo orden
el proceso de resolución por el MOC es el siguiente; se considera la
EDP
a U+b U +c U+eO (59)?x2 t2
en donde a,b,c y e son, en general, funciones de x, t y las primeras
derivadas de u; se definen p y q como:
pudiendo escribirse2 2
dp= dx+ U dttx
(60)
dq= U dx+ Udt
cuya resolución conduce a
___ - 2udx xt dx
(61)
___ - cixdt xt dt
la sustitución de (61) en la EDP de partida conduce a
(-a-c+b) + (e+aE+c) =0 (62)xt dx dt dx dt
33.
que puede transformarse por multiplicación por -dt/dx en
2U Ía()2+c.b!- (63)
x fl t. dx dx dx dx dt dx dx
Las curvas ascaracteristicashi quedan definidas, en el
plano (x,t), igualando a cero el primer corchete de (63). A lo largo
de dichas curvas, la EDP de partida se reduce a una ecuación diferen
cial ordinaria
a -E 5-! + c + e = Odxdx dx dx
• obien
a(!)dp+cdq+edt=O (64)dx
Las curvas "características" están, además, definidas por
2a(!) -b(!!)+c=O
dx dx
o bien
(!) = b ± Jb2- 4ac (65)
dx± 2a
En el caso de que la EDP de partida sea lineal con coefi
cientes constantes, hay dos curvas características que son líneas
rectas cuyas pendientes quedan definidas por (65). Es necesario
precisar que en el plano (x,t) el eje x corresponde a la línea inicial
en que las condiciones iniciales son especificadas, mientras queen el eje t y en la vertical x = L (figura n9 5) se especifican
34.
las condiciones de contorno. El proceso de resolución de la EDP
a lo largo de estas curvas es el siguiente: se consideran los dos
primeros puntos, P y Q, en la línea inicial; el movimiento según
las líneas características que pasan por estos puntos permite localizar
otro punto R (figura n2 5).
t
dr drd� i s d a d
Nivel d tiempo 3
Nivel do tiempo 2
�- _ Nlwl do llempo 1
p O w LÍaoo Weiol x
X • O x • L
Fig. n"- S. Proceso de resolución por el NOC (según Huyakorn y Pinder, 1983)
La determinación de la información completa en este
punto R se realiza según el siguiente proceso:
1. Se determinan las coordenadas de R en el plano (x,t) según
tR - tp = fp (xR - xP)
tR - tQ =IQ
(xR - xQ) (66)
en donde fp = ( ) y g = dX
35.
La resolución de (66) para xR y tR es
xR= ( fp x + t tP IQf )
P gQ
tR = tp + fp ( xR - xP) (67)
2. Se aplica el método de diferencias finitas a ( 64) sobre los
segmentos discretos PR y QR, lo que conduce a
a p f P (PR - pP)+cP (qR qP)+eP R(t tP) 0
aQ gQ (PR - PQ ) + cQ (qR - qQ) + eQ ( tR tQ ) = 0 (68)
cuya resolución permite obtener PR y qR
3. Finalmente , el valor de la variable u en el punto R puede deter
minarse a partir de la siguiente ecuación:
du = pdx + qdt (69)
a la que se aplican diferencias finitas , escribiéndose
uR=
2
r up + 2 ( pR+pP ) N - xP ) + 2 ( qR + qP) (tR - tP) +
+ uQ + 2 (PR + pQ) (xg - xQ ) +2
(qR + qQ) N - tQ) l (70)
36.
Este proceso de cálculo en tres pasos puede repetirse
para otro punto S, intersección de las líneas características que
pasan por Q y otro punto de la línea inicial, W (figura n2 5) y
para otros puntos en el plano ( x,t) con lo cual puede evaluarse
el valor de la función u en todos ellos.
37.
111.4. UN METODO DE RESIDUOS PONDERADOS: EL METODO DE ELEMENTOS
FINITOS DE GALERKIN
111.4.1. EXPOSICION DEL METODO . PROBLEMAS INDEPENDIENTES DEL TIEMPO
El denominado método de elementos finitos es un método
numérico para la resolución aproximada de ecuaciones diferenciales
que proporciona una "aproximación a trozos" de la solución, según
un conjunto de subregiones interconectadas o elementos finitos en
que se ha discretizado la región en estudio.
La aplicación del método a un cierto problema físico
puede ser descrita de la siguiente forma:
1.- Se discretiza la región en estudio en una serie de elementos
finitos que están conectados entre sí según un número discre
to de puntos nodales o nodos , los cuales no sólo pueden estar
situados en los vértices de los elementos sino también dis
tribuídos a lo largo de los lados ( o caras , en un problema
tridimensional) e incluso situados en el centro geométrico
de los mismos ( figura n ° 6); cada elemento es identificado
por su número de elemento y las líneas que conectan los nodos
situados en el borde o contorno del elemento.
38.
a17
4
2
Fig. n? 6. Discretización por el MEE en un problema bidimensional(según Huyakorn y Pinder, 1983)
2.- Se desarrolla una expresión matricial denominada "matriz ele
mental" que relaciona las variables nodales (o valores de la
función solución en los nodos) para cada elemento; para proble
mas continuos, estas matrices deben ser obtenidas por medio
de formulaciones matemáticas que utilizan, en general, métodos
variacionales o métodos de residuos ponderados, como se verá
más adelante.
3.- Las matrices elementales son "ensambladas" para constituir
un sistema de ecuaciones algebraicas que describe el sistema
completo (salvo sus condiciones de contorno). La matriz de
coeficientes de este sistema se denomina "matriz global". El
proceso de "ensamblaje" de las matrices elementales se realiza
de tal manera que ciertas condiciones de compatibilidad sean
satisfechas por aquellos nodos compartidos o pertenecientes
a varios elementos.
39.
4.- Las condiciones de contorno son incorporadas finalmente al
sistema de ecuaciones, afectando sólo a aquellas ecuaciones
que corresponden a elementos con un lado (o lados) en la frontera
de la región en estudio.
5.- Se resuelve el sistema de ecuaciones algebraicas por cualquiera
de los métodos de resolución de que dispone el cálculo numérico,
obteniéndose los valores aproximados de la función en los nodos.
La formulación matemática del método de elementos finitos
para problemas continuos puede abordarse de dos formas: realizar
una aproximación variacional del problema diferencial planteado
(resolución de una cierta ecuación diferencial, con unas ciertas
condiciones inicial y de contorno) o realizar una aproximación
por un método de residuos ponderados. El segundo tipo de aproxima
ción es, sin duda, el más empleado en la práctica, por las razones
que se comentarán más adelante. En una aproximación variacional,
se sustituye el objetivo de encontrar la solución aproximada del
problema diferencial planteado por el de encontrar una función incóg
nita que extremiza una cierta cantidad integral- sujeta a unas ciertas
condiciones de contorno (problema variacional); la cantidad integral
es una funcional dado que es una función de la función incógnita.
Ambos problemas, diferencial y variacional, son equivalentes en
el sentido de que la solución exacta de uno es también solución
del otro. No obstante, es frecuente encontrar problemas físicos
para los que no pueden plantearse funciones clásicas y la aproximación
variacional no puede ser realizada; en estos casos debe ser empleada
40.
una aproximación más general , por medio de un método de residuos
ponderados. la exposición de un método de residuos ponderados (el
método de Galerkin) es el objeto de esta sección ; en cualquier caso,
la exposición con detalle de la aproximación variacional puede verse
en las referencias n2 10 y 11.
Si se considera una ecuación diferencial para un problema
independiente del tiempo en una cierta región R de frontera B
L(u) - f = 0 (71)
en donde u es la función incógnita a determinar y L un operador
diferencial, la construcción de una solución aproximada de u se
realiza mediante los tres pasos siguientes:
En primer lugar se determina la forma de la función aproximadora
ú de la función incógnita u
nú N1 CI (72)
I=1
en donde NI son las denominadas funciones de base, linealmente
independientes, definidas sobre toda la región del problema y
CI son los parámetros incógnita que deben ser determinados.
Dado que ú es sólo una aproximación, no cumplirá la
ecuación ( 71) exactamente, por lo que resultará un cierto error
o residuo
41.
L (ú) - f (73)
A continuación se plantean las integrales ponderadas del residuo
e sobre la región del problema, empleándose n funciones pondera
doras WI, linealmente independientes , requiriéndose el cumplí
miento de
WI . e . dR jw1 . (L(ú) - f) dR = 0 para I = 1,2, (74)
R
Una vez seleccionadas las funciones WI, la sustitución
de (72 ) en (74) proporciona un sistema de n ecuaciones con n
incógnitas CI.
La resolución de este sistema proporciona los parámetros CI cuya
sustitución en (72 ) permite obtener la solución aproximada u
del problema diferencial planteado por (71). Existen varios métodos
de residuos ponderados según las funciones ponderadoras W1 que
se seleccionen ( ver ref . n° 11, p. 40 - 41). En el presente informe,
sólo se va a considerar uno de ellos , el método de Galerkin,
por ser el más ampliamente utilizado en la práctica; en este
método las funciones ponderadoras se eligen idénticas a las funcio
nes de base NI, por lo que ( 74) puede escribirse como
. e . dR = N1 (L(ú ) - f) . dR = 0 1 = 1,2, ... n (75)JN1
R
42.-
Asimismo , al emplearse en el informe las siglas MEF
(método de elementos finitos) debe sobreentenderse que la formula
ción del método de elementos finitos es realizada según el método
de residuos ponderados de Galerkin , como a continuación se expone.
Paso 1 2 . La región R es discretizada en una serie de
elementos finitos, siendo la función incógnita u aproximada para
cada elemento por una función aproximadora
neú = F NI , uI (76)
I=1
en donde NI son ahora las funciones de base para el elemento
o funciones de base elementales, u1 los valores aproximados de
la función u en los nodos (o valores nodales) y ne el número de
nodos en el elemento.
Paso 22. Bajo el cumplimiento por las funciones de base,
de ciertos requerimientos, que más adelante se comentan, puede
descomponerse la integral sobre toda la región R expresada en
(75) en una suma de integrales para cada elemento ; esto permite
escribir las ecuaciones que gobiernan el comportamiento de un
elemento e como
fRe
(L(ú) - f) dR = I = 1,2, ne
Paso 32. Se aplica el teorema de Green (integración
por partes ) a las integrales ( 77) con el objeto de rebajar el
4.3 .
orden de los términos diferenciales presentes (lo que también
se denomina formulación débil o variacional ) de manera que sean
menores los requerimientos de continuidad exigidos a las funciones
de base elementales y en consecuencia pueda ser empleado un abanico
más amplio de éstas.
Paso 49. Las ecuaciones elementales (77) se "ensamblan"
en la ecuación matricial global, incorporándose las condiciones
de contorno. Una muy clara exposición de este proceso de "ensambla
je" así como de la introducción de las condiciones de contorno
en la ecuación matricial global puede verse, para el caso de
un problema típico de flujo subterráneo en Anderson y Wang (ref.
n2 10, p. 121-128).
Requerimientos y obtención de las funciones de base--------------------------
Los requerimientos exigibles a las funciones de base,
tal como se apuntan en el paso n ° 2 del método de Galerkin, son
los siguientes: 12 Requerimiento de continuidad, que implica que
si en el integrando de una ecuación elemental existen derivadas
de orden (m+l) de la función ú, en la frontera del elemento debe
haber continuidad en la derivada de orden m de la función ú. 2 9 Reque
rimiento de "integridad", que implica que la función 0 y sus derivadas
deben ser capaces de representar cualesquiera valores constantes
de u y sus derivadas que aparezcan en la ecuación elemental, cuando
en el límite, el tamaño del elemento tiende a cero.
44.
A continuación se obtienen funciones de base elementales,
usualmente empleadas en forma de polinomios, para el caso de elementos
unidimensionales y triangulares.
Elementos unidimensionales
Si se considera el elemento e de la figura n° 7.a. con
dos nodos de coordenadas x = x1 y x = x2, y la función aproximadora
ú(x) en el elemento, con forma de polinomio (en este caso lineal):
0=a1 + a2 x (78)
a�a, a� as
t
Fig. n9 1.a. Elemento unidimensional (según Huyakorn y Pinder, 1983)
las constantes al y a2 pueden ser determinadas escribiendo (78)
para cada uno de los nodos, es decir, en forma matricial.
u1 1 x1 al(79)
u2 1 x2 a2
45.
de manera que resolviendo para al y a2
al 1 x2 -x1 u1
(80)a2 L -1 1 u2
en donde 1 = x2-x1. La función 0 puede ser escrita, reordenando
términos en u1 y u2:
ú = L (x2 - x ) u1 + 1 (x - x1) u2 (81)
Si se comparan ahora (81) y (76) pueden deducirse las
correspondientes expresiones de las funcioes de base elementales
(figura n° 7.b.)
N, N=
Fig. nQ 7.b. Funciones de base elementales (según Huyakorn y Pinder, 1983)
Ne (x2 - x), Ne = 1 (x - x1) para x1 c x c x2 (82)L L
46.
en donde el superíndice indica el hecho de que estas funciones
son pertenecientes al elemento e, si bien están definidas sobre
toda la región (es decir, toman el valor unidad en el nodo al
cual están asociadas y el valor cero en todos los demás). Cuando
se ensamblan todos los elementos de la región, las funciones
de base globales asociadas con cada nodo interno 1 vienen dadas
por (figura n° 7.c.)
li Nl � t
1 -1 1 1 �1 11t
Fig. n? 7.c. Funciones de base globales (según Huyakorn y Pinder, 1983)
(x - x1-1)/(x1 - x1-1) para x1-1 c x xlN1 = (83)
(x1+1 - x)/(xl+l - x1) para x1 < x s X1+1
El conocimiento de las funciones de base N1 para todos
los nodos del mallado permite construir la función ú sobre toda
la región en estudio, como se representa en la figura n° 7.d;
como puede observarse la función ú resulta ser una aproximación
(lineal, en este caso) a "trozos" de la función u incógnita.
47.
0 0
Fig. n2 7.d. Aproximación lineal a "trozos" de la función u, por el MEE (según Huy akorn y Pinder, 1983)
- Elementos triangulares
Si se considera el elemento triangular de la figura
n2 8, con nodos en los vértices numerados en el sentido de las
agujas del reloj, y la función aproxiadora ú (x,y) con forma
de polinomio (en este caso lineal):
X x3
r =ys
y=y,
n =x2y 2ya
0 =
Fig. ná 8. Elemento triangular ( según Huyakorn y Pinder, 1983)
48.
ú = al + a2x+ a3y (84)
en donde las constantes al, a2 y a3 son resueltas , análogamente,
a partir de
ul 1 x1 yl al
u2 = 1 x2 y2 a2 (85)
u3 1 x3 y3 a3
y cuya sustitución en (84 ) permite escribir
ú = (1) [ (al + Rlx +Y y) u1 + (a2 +R 2x + 'yY 2Y) u2 +2A
+ (a 3 + 33x +Y 3y)u3 J
(86)
en donde
a 1 = x2y3 - x3y2, P 1 = y2 - y3, Yl = x3 - x2
a 2 = x3y1 - x1y3, 2 = y3 - yl, Y2 = xl - x3
a 3 = xl y2 - x2y1, a 3 = yl - Y2' Y3 = x2 - x1
y
1 x1 yl
A = 1 x2 y2 = área del elemento triangular.2
1 x3 y3
49.
La comparación de (86) y (76) permite deducir las fun
ciones de base elementales
Ni = (�) (ai + (3 1x + Y ly) para 1 = 1,2,3 (87)2A
Es conveniente reseñar aquí que, si bien las funciones
de base elegidas hasta el momento han sido polinomios de orden uno
(lineales), otro tipo de polinomios de mayor grado pueden ser emplea
dos para conseguir una mayor precisión de la solución aproximada
ú. La cuestión es ahora determinar cuál es el tipo de elemento más
apropiado para cada problema, cuestión que no presenta una clara
respuesta, pues el elemento óptimo varía generalmente de un problema
a otro. Por consiguiente en la selección del tipo de elemento e
independientemente de factores como la geometría de la región, grado
de precisión deseado y complejidad y coste computacionales, interviene
en gran medida la experiencia del modelista. En Huyakorn y Pinder
(ref. n2 11, p. 65-98) y Pinder y Gray (ref. n° 9, p. 64-125) pueden
estudiarse distintas funciones de base y familias de elementos.
50.
111.4.2. PROBLEMAS DEPENDIENTES DEL TIEMPO
En el caso de que haya que resolver problemas físicos
dependientes del tiempo representados por EDP de tipo parabólico
o hiperbólico, es necesario realizar una discretización espacial
de la región en estudio y una discretización temporal del período
de simulación elegido. Esta última puede realizarse por medio del
MDF o bien por un método de residuos ponderados ; en esta sección
sólo se considera la primera posibilidad por ser la más usual en
problemas de transporte. No obstante, en Huyakorn y Pinder (ref.
n2 11, p. 57-59) puede verse una discretización temporal por el
método de residuos ponderados.
Si se considera la EDP (42) empleada en el capítulo
dedicado al MDF
22u auJ x2 2 t
en una región 0 4 x < L, y con unas condiciones inicial y de contorno:
u(x,o) = uo
u(o,t) = 0 (88)
u(L,t) = 0
y se aplica el MEF en la discretización espacial a realizar, se
tendrá una función aproximada de u, sobre toda la región:
ú(x,t) = NJ(x) uJ(t) J = 1,2, ... n (89)
51.
en donde N j son las funciones de base globales (independientes del
tiempo), uJ los valores nodales (dependientes del tiempo) y n el
número total de nodos.
Las integrales ponderadas del residuo serán:
r 2-NI. ( 2 2..u - 2ú) d,, = N 2 u . dx - rN 2u dx = 0
R 2 x2 t fR 1 2x2 fR I 2t(90)
I = 1, ... n
de forma que ( 90) representa un sistema de n ecuaciones, una para
cada nodo.
La aplicación del teorema de Green a la integral que
contiene en su integrando el término 22ú/ 2 x2 permite obtener
L- N auu .dx+ 2ú. NI NIaO dx= 0
R dx 2x 2x o JR 2t(91)
1 = 1, 2, ... n
Sustituyendo (89) en ( 91) y prescindiendo del término
segundo ( que sólo afectará a los nodos de la frontera ) por claridad
en el desarrollo, queda
dNI
dN duu dx + N N dx = 0 I= 2, ... n-1 (92)
R dt dx R 1 dt
52.
o biendu
CIJ uJ + MIJ t =dt
0 1 = 2, ... n-l (93)
en donde
dN dNCIA = I dx
R dx dx
M1J = NI N j . dxR
La resolución del sistema de ecuaciones diferenciales
que representa (93) implica la realización de una discretización
temporal en un cierto número de incrementos de tiempo iguales (figura
n° 9.a.).
VALOR a pt Lit 3�1 ( �-tlof ( t-1)Ot k&$TEMPORAL
NIVEL OE t = s 4 A-t k t+�TIEMPO
Fig. nQ 9.a. Discretización te.poral ( según Huyakorn y Pinder, 1983)
53.
Para la resolución de los valores nodales uJ para un nivel de tiempo
k+l siendo conocidos para el nivel k, se escribe (93) en el nivel
k+ & (con 0 1):
k+ OduCIJ
uJk+9 +M1J
(-) = 0 (94)dt
Si se realiza una aproximación por diferencias finitas de la deriva
da temporal
du k+6 u k+l - u k( J) = J J (95)dt At
y se asume que los valores nodales uJ varían linealmente entre los
dos niveles k y k+l (figura n° 9.b.), es decir:
► t+s �+t
Fig. nQ 9.b. Variación temporal lineal de los valores nodales ( según Huyakorn
y Pinder, 1983)
uJk+e- _ (1 - B) uJk + &uJk+l (96)
54.
Sustituyendo ahora (95) y (96) en (94 ) se obtiene:
CIJ [9 ujk+ ] + ( 1 - 9) udk ] + (M1 J/ A t) (udk+l - udk ) = 0 (97)
Se dispone así de un sistema de ecuaciones algebraicas que
se resuelve para facilitar los valores nodales uj en cada nivel
de tiempo. Análogamente al MDF, se dispone de varios esquemas de
cálculo según el valor de & : esquema explícito ( 9 = 0), esquema
implícito ( & = 1) y esquema de Crank-Nicholson para 9 = 1/2; por
supuesto , deben ser tenidas en cuenta análogas consideraciones a
las realizadas en la sección 111.2.1. EXPOSICION DEL METODO . FORMULAS
APROXIMADORAS EN DIFERENCIAS FINITAS.
5 5.
111.4.3. ESTABILIDAD Y CONVERGENCIA DEL METODO
Recordando los conceptos de estabilidad y convergencia
de un esquema de cálculo ( 111.2.2. ESTABILIDAD DE LAS APROXIMACIONES
EN DIFERENCIAS FINITAS y 111.2.3. CONSISTENCIA Y CONVERGENCIA DE
LAS APROXIMACIONES EN DIFERENCIAS FINITAS) se analiza en esta sección
la estabilidad del MEF por medio del examen de los autovalores en
el sistema de ecuaciones algebraicas ; por otra parte, en Pinder
y Gray ( ref. n ° 9, p.57 -62) se establecen las condiciones suficientes
para la convergencia del MEF.
Si se expresan los valores nodales uj para dos niveles
consecutivos de tiempo k y k+l según la relación:
k+1 k[A] ju
= L 8 ] 1 u} (98)
puede escribirse
{}k+l_ [G] {u}k (99)
en donde [G] es denominado comúnmente matriz de "amplificación", y
[G] = [A]-1 [8]. El vector error se define para el nivel de tiempo
k como
{EI {u}kk=k
-link (100)
t
56.
¡ ken donde jU representa la solución exacta en el nivel k, que debe sa
tisfacer también (99) :
Hk+] =[G] {u}k (101)
y sustrayendo (99) de (100)
k+1j E} = [G] {E}k (102)
Haciendo compatibles las normas en matriz y vectores
y empleando la desigualdad de Schwartz puede escribirse
IlE II k+l, ¡¡Gil IIEII k (103)
de donde se deduce que el error no crecerá de un paso de tiempo
a otro (y por lo tanto el método será estable ) sólo si IkIH 1. Si [G]
es una matriz simétrica, la norma más apropiada a emplear es la
llamada norma espectral 11611 2que se define como
IIG1I = max I k 11 (104)2 1
en donde XI son los autovalores de la matriz [G] . Por lo tanto el
criterio de estabilidad queda establecido como
max I xII s 1 (105)
57.
Así, por ejemplo, para el esquema implícito (9 = 1 en (97 )) la matriz [á1es
[6] L c + ( M1 / At ) ] - 1 f MId/At ] (106)
Puede demostrarse que para cualquier valor de A t se
cumple ( 105) por lo que el esquema implícito es incondicionalmente
estable.
58.
111.5. ANALISIS COMPARATIVO DE LOS DISTINTOS METODOS NUMERICOS. VENTAJAS
E INCONVENIENTES. CONCLUSIONES
Se pretende en este capitulo realizar un análisis compara
tivo entre los tres métodos numéricos , anteriormente expuestos,
empleados en la resolución de la EDP de la dispersión , con objeto
de permitir la elección del método numérico más apropiado para cada
problema de transporte . Este análisis se va a realizar en base a
cinco criterios:
12 Errores numéricos
22 Concepto de la solución aproximada
32 Capacidad de adaptación a la geometría y heterogeneidad del sistema
42 Complejidad en la comprensión del método
52 Complejidad en la programación del método
Otros criterios también muy importantes a la hora de
elegir el método numérico más apropiado como son, por ejemplo, la
dificultad de la entrada de datos a un cierto programa , el consumo
de tiempo de CPU requerido , las necesidades de almacenamiento en
memoria del ordenador, etc., serán considerados, una vez expuestos
los modelos específicos existentes , en el VOLUMEN IV. MODELOS MATEMA
TICOS DE TRANSPORTE DE SOLUTOS EN AGUAS SUBTERRANEAS.
19 Errores numéricos
La solución numérica facilitada por dos de los tres
métodos expuestos (MDF y MEE) se encuentra afectada por dos tipos
59.
de errores numéricos conocidos con el nombre de saturación y disper
sión numérica, cuyo efecto se ilustra en la figura n° 10 para el
caso de un problema de transporte unidimensional. Como puede observar
se, la saturación produce un efecto de oscilación en el perfil de
concentraciones calculadas; por su parte, la dispersión numérica
(y de ahí el nombre que se da al error) introduce una dispersión
ficticia que se adiciona a la dispersión física existente, alterando
consiguientemente la forma del perfil de concentraciones. Puede
afirmarse que las soluciones numéricas proporcionadas por MDF son
particularmente sensibles a estos errores numéricos, mientras que
el MEF aparece como un método más seguro.
c
c
---- Solución cokubdo
Sdadón anWilicp ' ión oiafieo
ookubdo
1 R
(o) Saturocioé (b) Dispersión numefico
Fig. n? 10. Errores numéricos en la solución de un problema de transporte unidimensional
(según Fried, 1975)
Pinder y Gray (ref. n° 6) presentan una discusión sobre
las causas de estos errores y comparan los resultados de varios
esquemas en diferencias finitas y elementos finitos aplicados a
60.
un problema unidimensional . Para ello expresan la distribución espacial
de la concentración como una serie de Fourier con componentes de
diferentes longitudes de onda y analizan la capacidad de cada esquema
numérico para transmitir cada componente de la serie con la frecuencia
y amplitud correctas. Según este análisis , la propagación a frecuencia
incorrecta de una componente de la serie provoca el error de satura
ción; la transmisión de componentes de la serie con amplitudes in
correctas provocaría el error de dispersión numérica . El MDF amplifica
los términos de longitud de onda pequeña, los cuales carecen de
importancia en la solución analítica correcta del frente de concentra
ciones, y los cambia de fase provocando la saturación; el MEF, por
el contrario , amortigua estas longitudes de onda, por lo que estos
términos carecen de importancia en la solución numérica al igual
que en la analítica. No obstante y esto es importante , si el coefi
ciente de dispersión hidrodinámica es pequeño, los términos de la
serie de longitud de onda pequeña cobran mayor importancia en la
solución analítica , mientras que tanto MDF como MEF propagan o trans
miten débilmente dichos términos , por lo que en ambos métodos las
soluciones numéricas se ven afectadas por el error de saturación,
si bien las oscilaciones son menos pronunciadas para el MEF. En
consecuencia , puede afirmarse que las soluciones proporcionadas
por el MDF tienen una menor consistencia que las proporcionadas
por el MEF.
Otros autores han realizado otras interpretaciones sobre
estos errores ; así por ejemplo, Fried ( ref. n ° 4) describe la causa
de la saturación como un desajuste en la discretización espacio-
61.
temporal de manera que el modelo del acuífero no puede "absorber"
numéricamente la masa de contaminante inyectada; la causa de la
dispersión numérica radicaría en los errores de truncadura cometidos
en las fórmulas en diferencias finitas usualmente empleadas.
Como medios para combatir la presencia de estos errores
pueden citarse los siguientes: un correcto ajuste de la discretiza
ción espacio-temporal elimina la saturación; para pequeños valores
del coeficiente de dispersión, puede reducirse la saturación disminu
yendo los incrementos espaciales y temporales. La saturación puede
ser minimizada o eliminada también empleando una correcta aproxima
ción de primer orden de la derivada temporal; no obstante, esta
medida puede provocar el incremento de la dispersión numérica. Esta
última suele ser eliminada de los esquemas de cálculo introduciendo
en ellos un término corrector; Pinder y Gray han demostrado que
esta medida no incrementa mucho la precisión del MDF pero si mejora
sustancialmente la precisión del MEF (ref. n2 6).
29 Concepto de la solución aproximada-
Mientr
-
as que las fórmulas en diferencias finitas son
siempre fórmulas aplicadas a puntos o nodos del espacio, las fórmulas
en elementos finitos pueden ser consideradas como integraciones
espaciales de estas fórmulas puntuales. Como consecuencia las solu
ciones del MDF (y también del MOC) proporcionan el valor de la función
incógnita (por ejemplo, la concentración) sólo en los nodos de cálculo
no pudiendo en principio especular sobre el valor de aquélla en
62.
otros puntos de la región en estudio; por el contrario el MEF propor
ciona una aproximación a "trozos" de la función incógnita sobre
toda la región, a través de los elementos finitos en que aquélla
ha sido discretizada, lo que conceptualmente es una ventaja de este
método.
Por otra parte, si bien en el MDF la precisión de la
solución numérica es la misma en todos los nodos, en el MEF la pre
cisión de la solución depende del nodo en consideración; Pinder
y Gray (ref. n2 5) han empleado distintos elementos y funciones
de base obteniendo interesantes conclusiones como por ejemplo que
la solución numérica generada por el MEF con nodos en los centros
de los lados ( o caras ) será más precisa en los nodos vértice que
en los primeros y que la introducción de nodos en los centros geomé
tricos de los elementos con uso de funciones de base de segundo
orden incrementan la precisión de la solución sólo levemente.
3 2 Capacidad de-adaptación a la-geometría y_heterogeneidad del sistema
Bajo este criterio, el MEF resulta ser el más poderoso
de los métodos citados. La gran versatilidad y variedad de los elemen
tos finitos que pueden ser empleados dentro de un mismo mallado
permiten al MEF adaptarse con facilidad a sistemas de fronteras
y geometrías irregulares, así como de amplias heterogeneidades.
Por el contrario, MDF y MOC son métodos mucho más rígidos en este
sentido que presentan serios inconvenientes al tratar con el tipo
de sistemas anteriormente citados.
&3.
4 2 Complejidad en la comprensión del método--------------------
No cabe duda de que en este sentido el MDF es el método
conceptualmente más sencillo , siendo su comprensión rápida y directa,
sin exigir avanzados conocimientos en matemáticas aplicadas. Por
otra parte y dado que es el método de historia más extensa , dispone
de unos sólidos y rigurosos fundamenteos teóricos . Adicionalmente,
y teniendo en cuenta la simplicidad de las ecuaciones algebraicas
a las que conduce la aplicación del MDF, han sido desarrollados
numerosos y potentes algoritmos para su solución . Por el contrario,
MEF y MOC requieren del técnico unos conocimientos matemáticos más
avanzados; dado el gran desarrollo que el empleo del MEF ha tenido
en los últimos años puede afirmarse que, actualmente, también dispone
de numerosos y potentes algoritmos de resolución para los sistemas
de ecuaciones algebraicas que genera su aplicación.
5 2 Complejidad en la programación del método--------------------
No existen en este sentido marcadas diferencias entre
MDF y MEF, presentando pues ambos un grado de complejidad análogo
en su programación. Por el contrario, la programación del MOC es
extremadamente sofisticada , haciendo uso de partículas virtuales
que se mueven según curvas características ; la generación de un
programa eficiente y general de este método exige grandes esfuerzos.
Como conclusiones de este análisis deben citarse las
siguientes:
64.
En la actualidad , debido fundamentalmente a la gran sensibilidad
a los errores numéricos que presenta , el MDF puede considerarse
en desuso para los problemas de transporte.
El MEF que aún hoy no es el método más empleado en la resolución
de problemas de transporte , dada la gran aceptación que entre
los hidrogeólogos e ingenieros tiene el MOC, debe considerarse
como el método que más ventajas presenta , en general. Su insen
sibilidad relativa a la saturación ( salvo para coeficientes de
dispersión hidrodinámica pequeños) y la posible eliminación de
la dispersión numérica lo presentan como una clara alternativa
al MDF; por otra parte, su rigor matemático, capacidad de adapta
ción a todas las geometrías y heterogeneidades y su relativa
sencillez de comprensión y programación lo presentan como alterna
tiva al MOC.
El MOC, muy usado para todo tipo de problemas de transporte,
está especialmente justificado cuando la dispersión hidrodinámica
es débil y prima la advección, pues en este caso la EDP de la
dispersión se parece mucho a una EDP de tipo hiperbólico. Dado
que justamente en este caso ( dispersión pequeña ) el MEF es especial
mente sensible a los errores numéricos, debe considerarse al
MOC como una alternativa válida del MEF para este tipo de problemas.
65.
111.6. BIBLIOGRAFIA
1 Numerical solutions for dispersion on porous mediumsSHAMIR, U.Y. y HARLEMAN, R.F., 1967WATER RES. RESEARCH, V.3, N.2., p.557 - 581
2:`* A general numerical solution of the two-dimensionaldiffusion - convection equation by the finite element methodGUYMON G.L., SCOTT, V.M. y HERRMANN, L.R., 1970WATER RES. RESEARCH, V.6, N.6, p.1611 - 1617
3** Rayleigh - Ritz and Galerkin finite elements for diffusion-convection problemsSMITH, I.M., FARRADAY, R.V. y O'CONNOR, B.A., 1973WATER RES. RESEARCH, V.9, N.3, p.593 - 606
4* Groundwater Pollution (p.246-261)FRIED, J.J. 1975Ed. ELSEVIER SCIENT. PUB. COMP.
5* On the relationship between the finite element and finitedifference methodsGRAY, W.G. y PINDER, G.F., 1976INTERN. JOUR. FOR NUMERICAL METHODS IN ENGINEERING,V.10, p.893 - 923
6* An analysis of the numerical solution of the transportequationGRAY, W.G. y PINDER, G.F., 1976WATER RES. RESEARCH, V.12, N.3, p.547 -555
66.
7 * The finite element method in groundwater transportGRAY, W.G., 1976ADVANCES IN GROUNDWATER HYDROLOGY (A.W.R.A.), p.130-143
*8. The use of Galerkin finite element methods to solve mass
- transport equationsGROVE, D . B., 1977U.S. GEOLOGICAL SURVEY, WATER RES. INV. 77-49
9.* Finite element simulation insurface and subsurface hidrology (p. 1-15, 39-125)GRAY, W. G. y PINDER, G .F., 1977Ed. ACADEMIC PRESS, INC.
10.* Introduction to groundwater modeling (p.113-203)ANDERSON, M.P. y WANG, H.F., 1982Ed. W.H. FREEMAN AND CO.
11. Computational methods in subsurface flow (p . 1-98, 341-353,
435-440)HUYAKORN, P.S. y PINDER, G.F., 1983Ed. ACADEMIC PRESS, INC.
12.** Programación y cálculo numérico (p.237-285)
MICHAVILA, F. y GAVETE, L., 1985
Ed. REVERTE, S.A.
* Publicación de carácter básico e imprescindible
** Publicación de carácter complementario , sugerida para ampliar temas no
suficientemente desarrollados en el Volumen