Ricardo 1

Estructura
Introduccion
El sistema de Fourier
Metodo Espectral Tau
Una breve introduccion a los Metodos
Espectrales
Ricardo Becerril Barcenas
Instituto de Fisica y Matematicas
Universidad Michoacana
Pachuca, Hidalgo, agosto 2009.
Ricardo Becerril Barcenas Una breve introduccion a los Metodos Espectrales
Estructura
Introduccion
Estructura
1
Introduccion
Por que usar metodos espectrales?
Ejemplo Ilustrativo
2
Metodo de Galerkin
Expansion Discreta de Fourier
Aliasing
Polinomios de Chebyshev
Metodo de Colocacion
3
Ecuacion de Calor
Ecuacion de Burgers
Implementacion del metodo Tau
Conveccion Marangoni
Ricardo Becerril B arcenas Una breve introduccion a los Metodos Espectrales
Estructura
Introduccion
Estructura
1
Introduccion
Ejemplo Ilustrativo
2
Metodo de Galerkin
Aliasing
3
Ecuacion de Calor
Ecuacion de Burgers
Estructura
Introduccion
Estructura
1
Introduccion
Ejemplo Ilustrativo
2
Metodo de Galerkin
Aliasing
3
Ecuacion de Calor
Ecuacion de Burgers
Estructura
Introduccion
Ejemplo Ilustrativo
Introduccion
Blinova en 1944 propuso los metodos espectrales (MS) como una
herramienta para simulaciones a gran escala en dinamica de uidos.
Despues su uso de abandono hasta que Orszag y Eliason los hicieron
resurgir a principios de los 70s.
Los MS probaron ser particularmente utiles en estudios numericos de la
dinamica de uidos. Se utilizaron codigos espectrales en estudios de
turbulencia, modelaje global del comportamiento climatico y en la
dinamica de los oceanos.
Con el trabajo de Gottlieb y Orszag que los condujo a la publicacion del
libro Numerical Analysis of Spectral Methods: theory and applications
se presentaban los primeros fundamentos matematicos despues de los
cuales el uso de los MS alcanzo otras areas en los 80s y entron en la
corriente principal de la computacion cientca en los 90s.
El libro de Canto et al Spectral methods in uid dynamics (1988) fue
un baluarte de los MS y contribuyo a su expansion. En la primera decada
del siglo XXI, han aparecido varios libros sobre MS que le han ido dando
madurez.
Estructura
Introduccion
Ejemplo Ilustrativo
Por que usar los metodos espectrales?
Una de las razones mas importantes es el mayor grado de precision de sus
soluciones que las logradas con otros metodos.
Pero los muchos decimales de precision de los ME se requieren realmente
en la practica? La respuesta es: a veces.
En algunos problemas de fusion, en los pronosticos del clima, en
problemas de aereodinamica, en inestabilidades hidrodinamicas y
transiciones a la turbulencia, por citar algunos ejemplos, s, si se necesita
un grado de precision elevado.
Estructura
Introduccion
Ejemplo Ilustrativo
Introduccion
Entonces los ME son utiles solo cuando se necesita una gran precision?
La respuesta es no, porque tambien los ME minimizan el uso de memoria,
debido a la economa del n umero de grados de libertad.
Dada una precision numerica se requieren menos grados de libertad que
en el caso de diferencias nitas.
Especcamente, podemos decir que los MS el n umero de puntos de la
red se reduce por un factor de 5 por cada dimension espacial. De modo
que en el caso 3-D el n umero de puntos de la red se reducira por un
factor de 5
3
= 125. Si uno considera un problema dinamico donde el paso
de tiempo de integracion se escala por lo menos como N, donde N es el
n umero de grados de libertad, la ventaja se torna obvia.
Estructura
Introduccion
Ejemplo Ilustrativo
En los metodos espectrales se buscan soluciones aproximadas u(x) a un
sistema de ecuaciones diferenciales en terminos de series (truncadas) de
funciones ortogonales conocidas
u(x) =
N
n=0
a
n
n
(x) (1)
as que las incognitas aqu son los coecientes de la expansion a
n
. La
forma en que estos se encuentran da lugar a los diferentes metodos
espectrales que se encuentran en la literatura. Los mas conocidos son: el
metodo de colocacion, de Galerkin y de Tau.
Estructura
Introduccion
Ejemplo Ilustrativo
Ejemplo ilustrativo
Ejemplo simple:
dy
dx
+ 2y = 0, 0 x 1, y(0) = 1. (2)
La solucion exacta es y(x) = e
2x
.
Construyamos una solucion de la forma
y
N
(x) =
N
n=0
a
n
T
n
(x) (3)
Donde T
n
(x) son los polinomios de Chebyshev T
n
(x) = cos(ncos
1
(x)),
especicamente
T
0
(x) = 1 , T
1
(x) = x, T
2
(x) = 2x
2
1
T
3
(x) = 4x
3
3x , T
4
(x) = 8x
4
8x
2
+ 1, ... (4)
Estructura
Introduccion
Ejemplo Ilustrativo
En el metodo de Colocacion se seleccionan N + 1 puntos en el dominio
para generar N + 1 ecuaciones para los coecientes a
n
.
Una eleccion adecuada de estos puntos para la base de funciones de
Chebyshev es
x
j
= cos(
j
N
) , j = 0, ..., N
As que T
n
(x
j
) = cos(nj /N). {x
j
} se usan para colocar la funcion en
esos puntos,
y
N
(x
j
) = y(x
j
). (5)
Es decir, se requiere que la ecuacion diferencial se satisfaga exactamente
en los puntos de colocacion {x
j
}.
Como el dominio del problema es [0, 1] y el de los polinomios T
n
(x) es
[1, 1] se utiliza el mapeo x = 2x 1. Con este mapeo el problema se
convierte en
dy
d x
+ y = 0, 1 x 1, y(1) = 1
Estructura
Introduccion
Ejemplo Ilustrativo
Sustituya y
N
en la ecuacion a resolver, y eval ue en los puntos de
colocacion. Elejimos N = 4
Figura: Puntos de colocacion x
j
= cos(j /N) con N = 4.
N
n=0
a
n
d
d x
T
n
( x
j
) +
N
n=0
a
n
T
n
( x
j
) = 0, j = 0, 1, ..., N 1. (6)
T
n
( x) y
d
d x
T
n
( x) son conocidas.
Estructura
Introduccion
Ejemplo Ilustrativo
(6) junto con la condicion y
N
(1) = 1, esto es
y
N
(1) =
N
n=0
a
n
T
n
(1) = 1 (7)
constituyen un sistema de N + 1 ecuaciones para los N + 1 coecientes
a
n
. Con N = 4 el sistema especcamente es
_
_
_
_
_
_
1 2 5 10 17
1 1,707 2,828 2,292 1
1 1 1 3 1
1 0,292 2,828 3,707 1
1 1 1 1 1
_
_
_
_
_
_
_
_
_
_
_
_
a
0
a
1
a
2
a
3
a
4
_
_
_
_
_
_
=
_
_
_
_
_
_
0
0
0
0
1
_
_
_
_
_
_
(8)
Estructura
Introduccion
Ejemplo Ilustrativo
Cuya solucion es: a
0
=0.466129, a
1
= -0.41612 , a
2
=0.1 , a
3
=
-0.016129, a
4
=0.001613
La solucion esta dada en todo el dominio [1, 1] y no solo en los puntos
de colocacion y esta es
y
4
( x) =
4
n=0
a
n
T
n
( x)
y la solucion en el dominio original se encuentra mapeando a x la
soluci on ( x = 2x 1).
Estructura
Introduccion
Ejemplo Ilustrativo
Usando diferencias nitas, 2do orden
Mismo ejemplo dy/dx + 2y = 0, y(0) = 1 en [0, 1], con solucion exacta
y(x) = e
2x
, con diferencias nitas. Para comparar con el MS, usaremos
tambien una red de 5 puntos, as que x =0.25
j
= j /4.
y
0
= 1 ,
_
dy
dx
_
i
=
y
i +1
y
i 1
2x
i = 1, 2, 3
_
dy
dx
_
i
=
3y
i
4y
i 1
+ y
i 2
2x
i = 4
Estructura
Introduccion
Ejemplo Ilustrativo
Del que se obtiene el siguiente sistema lineal
_
_
_
_
_
_
1 0 0 0 0
1 1 1 0 0
0 1 1 1 0
0 0 1 1 1
0 0 1 4 4
_
_
_
_
_
_
_
_
_
_
_
_
a
0
a
1
a
2
a
3
a
4
_
_
_
_
_
_
=
_
_
_
_
_
_
y
0
y
1
y
2
y
3
y
4
_
_
_
_
_
_
(9)
que al resolver da la solucion en los puntos de la red y
0
=1.0 , y
1
=0.619,
y
2
=0.3809, y
3
=0.238, y
4
=0.1428
Estructura
Introduccion
Ejemplo Ilustrativo
x e
2x
Dif. Finitas ( % error) Colocacion ( % error)
0.0 1.0 1.0 (0 %) 1.0 (0 %)
0.5 0.367879 0.380952 (3.5 %) 0.367742 (0.037 %)
1.0 0.135335 0.142857 (5.5 %) 0.135484 (0.11 %)
Cuadro: Comparacion de la precision con el mismo n umero de grados de
libertad usando DF y el metodo de colocacion espectral en x = 0, 1/2, 1.
Estructura
Introduccion
Metodo de Galerkin
Aliasing
Series de Fourier
La serie de Fourier de una funcion general es
u(x) = a
0
+
n=1
a
n
cos (nx) +
n=1
b
n
sin (nx) (10)
donde los coecientes se calculan con
a
0
=
1
2
_

u(x)dx
a
n
=
1
u(x) cos (nx)dx

b
n
=
1
u(x) sin (nx)dx (11)

Estructura
Introduccion
Metodo de Galerkin
Aliasing
Tambien puede tenerse la serie de Fourier en el intervalo [0, 2] y los
coecientes se calculan con (11) cambiando los limites de integracion de
0 a 2. En la forma compleja, la serie de Fourier se escribe
u(x) =
n=
u
n
e
inx
(12)
donde los coecientes se calculan con
u
n
=
1
2
_

u(x)e
inx
dx (13)
Estructura
Introduccion
Metodo de Galerkin
Aliasing
Por supuesto que los coecientes de las dos formas de la serie estan
relacionados
u
n
=
_
_
_
a
0
, n = 0
(a
n
ib
n
)/2 , n > 0
(a
n
+ ib
n
)/2 , n < 0
Estructura
Introduccion
Metodo de Galerkin
Aliasing
Algunos casos de interes
1. Si la funcion u(x) es real, los coecientes a
n
y b
n
son numeros reales,
consecuentemente u
n
= u
n
.
2. Si u(x) es real y par (u(x) = u(x)), b
n
= 0 para todo n y se tiene
una serie coseno
3. Si u(x) es real e impar (u(x) = u(x)), a
n
= 0 para todo n y se
tiene una serie seno
Estructura
Introduccion
Metodo de Galerkin
Aliasing
Desde el punto de vista de los metodos espectrales, la pregunta relevante
es c uan bien la serie truncada de Fourier
P
N
u(x) =
|n|N/2
u
n
exp(inx) (14)
aproxima a la funcion u(x). P
N
u(x) es una proyeccion al espacio de
dimensi on nita
B
N+1
= span{exp(inx)||n| N/2}, dim(
B
N
) = N + 1. (15)
Teorema
If
|n|<
| u
n
|
2
< entonces la serie truncada converge en la norma L
2
||u P
N
u||
L
2
|0,2|
0 cuando N (16)
Estructura
Introduccion
Metodo de Galerkin
Aliasing
El hecho de que la serie truncada converja implica que el error es
dominado por la cola de la serie, es decir, se tiene que el error de
truncaci on es
||u P
N
u||
2
L
2
|0,2|
= 2
|n|>N/2
| u
n
|
2
(17)
De modo que el error cometido al reemplazar u(x) con la serie de Fourier
de N-esimo orden depende solamente de que tan rapido decaen los
coecientes de la expansion de u(x).
Estructura
Introduccion
Metodo de Galerkin
Aliasing
Teorema
Si u(x), sus primeras (m 1) derivadas y sus extensiones periodicas son
continuas y si su m-esima derivada u
(m)
(x) L
2
[0, 2] entonces para
toda n = 0 los coecientes de Fourier u
n
de u(x) decaen como
| u
n
|
_
1
n
_
m
Que pasa si u(x) C
[0, 2]? En ese caso u

n
decae mas rapido que
cualquier potencia negativa de n, esta propiedad se conoce como
convergencia espectral. Se sigue que entre mas suave sea la funcion mas
rapido converge la serie truncada.
Estructura
Introduccion
Metodo de Galerkin
Aliasing
Ejemplos
Considere la funcion antisimetrica f (x) = x
Figura: Funci on diente de sierra, antisimetrica y discontinua en .
Los coecientes del coseno se anulan a
n
= 0, y los coecientes de la serie
seno son
b
n
=
1
xsin(nx)dx = (1)
n+1
2
n
(18)
Estructura
Introduccion
Metodo de Galerkin
Aliasing
Figura: Sumas parciales de la serie de Fourier u
N
(x) para la funci on discontinua
diente de sierra para diferentes Ns. Por claridad se han subido las gracas.
Estructura
Introduccion
Metodo de Galerkin
Aliasing
Figura: Los errores correspondientes u
N
(x) u(x) para diferentes Ns.
Estructura
Introduccion
Metodo de Galerkin
Aliasing
Ejemplos
Considere la funcion recticadora de media onda f (x) = sen(x) para
0 < t < que se anula en < t < 2 que se extiende a todo t
periodicamente.
Figura: Funci on media onda, extendida periodicamente.
Estructura
Introduccion
Metodo de Galerkin
Aliasing
Esta funcion es continua en su dominio pero su primera derivada no lo es
en , 2, 3, ....
Los coecientes de la serie de Fourier de la funcion de media onda,
especicamente son
a
0
= 1/ , a
2n
= 2/[(4n
2
1)] y a
2n1
= 0
El resto son b
1
= 1/2, b
n
= 0.
Estructura
Introduccion
Metodo de Galerkin
Aliasing
Figura: Comparacion de la funci on de media onda con u
4
(t) = 0.318+ 0.5
sin(t) 0.212 cos(2t) 0.042 cos(4t) (linea negra), funcion exacta en rojo.
Las dos curvas son casi indistinguibles. Errores O(10
2
).
Estructura
Introduccion
Metodo de Galerkin
Aliasing
La serie de la funcion de media onda converge mas rapidamente que la
del diente de sierra porque es mas suave. Esta ultima es de hecho no
continua y sus coecientes decrecen como O(1/n) mientras que la
funcion de media onda en continua pero con su primera derivada
discontinua, as que sus coefcientes decaen como O(1/n
2
)
Entre mas suave sea la funcion los coecientes de Fourier decreceran
mas rapido
Estructura
Introduccion
Metodo de Galerkin
Aliasing
Ordenes de Covergencia
Si los coecientes de una serie son a
n
y si para n >> 1
a
n
O(1/n
k
)
entonces k es el ndice de convergencia algebraica.
Para n >> 1 se tiene los siguientes ordenes de convergencia
log(|a
n
|)
n
=
_
_
_
, supergeometrico
constante , geometrico
0 , subgeometrico
Estructura
Introduccion
Metodo de Galerkin
Aliasing
Figura: |a
n
| vs n para cuatro ordenes de convergencia. Convergencia algebraica
k = 2 (crculos), convergencia subgeometrica (lineas punteadas), convergencia
geometrica (linea continua), convergencia supergeometrica (cruces).
Estructura
Introduccion
Metodo de Galerkin
Aliasing
Figura: Convergencia geometrica de la funci on u(x) =
3
54cos(x)
Estructura
Introduccion
Metodo de Galerkin
Aliasing
Si no se conoce la solucion exacta, el error de truncacion puede estimarse
(si la serie tiene convergencia geometrica) con el siguiente criterio
|u P
N
u| O(|a
N
|)
Claro que la prueba nal de una solucion numerica es repetir el calculo
con diferentes Ns y hacer comparaciones. El criterio aqu mencionado
solo tiene la intencion de proveer de una forma rapida de estimar el error
en un calculo simple: si |a
N
| no es peque no comparado con la precision
deseada, entonces se necesita un N mas grande, si s lo es, y los |a
n
|
decrecen suavemente hacia |a
N
|, es muy probable que la simulacion sea
correcta.
Estructura
Introduccion
Metodo de Galerkin
Aliasing
Figura: Comportamiento de a
n
para u = 3/(5 4cos(x)), el ultimo termino de
la expansion |a
32
|O 10
9
10
10
as que el error de truncaci on se espera de
ese orden.
Estructura
Introduccion
Metodo de Galerkin
Aliasing
Figura: Error de truncacion para N = 2 (negro), N = 4 (rojo), N = 8 (verde),
N = 16 (azul), para N = 32 (naranja) en efecto, el error de truncaci on es
10
10
. Para N 8 se observa una convergencia muy rapida.
Estructura
Introduccion
Metodo de Galerkin
Aliasing
Sobre la convergencia
Uno espera que la solucion numerica |u
N
u(x)| 0 a medida que
N 0, pero u(x) = u
exacta
no se conoce generalmente, as que uno
verica convergencia a traves del residuo del sistema. En el caso del
ejemplo dy/dx = 2y, el residuo es
Res =
dy
N
dx
+ 2y
N
y en la norma L
2
: |f |
2
=
_
_
D
f
2
dx se verica la convergencia cuando
|Res|
2
0 N
Estructura
Introduccion
Metodo de Galerkin
Aliasing
Figura: Comportamiento del error en el residuo en funci on de N, que es el
ultimo termino en la truncaci on espectral: u
N
=
P
N
n=0
a
n
T
n
(x). En el caso del
ejemplo con N = 10 ya se tiene una solucion con una alta precisi on
Estructura
Introduccion
Metodo de Galerkin
Aliasing
La aplicabilidad de los ME se da mayormente en ecuaciones parabolicas y
elpticas, pero se aplican tambien en hiperbolicas si no aparecen
discontinuidades.
La aplicacion de ME en gravitacion puede verse en
Spectral methods in general relativistic astrophysics S. Bonazzola, E.
Gourgoulhon, J. Marck aiXiv:gr-qc/9811089v1.
Los textos mas conocidos son
1.Spectral methods in single domains C. Canuto ...
2.Chebyshev and Fourier Spectral Methods J. Boyd
3. Spectral methods for Time-independent problems J. Hesthaven,...
La arena en que se trabajan los aspectos teoricos son los espacios de
Sobolev.
Estructura
Introduccion
Metodo de Galerkin
Aliasing
Metodo de Galerkin
Para una funcion bien comportada generalmente su desarrollo en
terminos de una serie truncada de un conjunto ortogonal {
n
} los
coecientes de la expansion decrecen muy rapidamente.
Al sustituir la expansion u
N
(x, t) =
N
n=0
a
n
(t)
n
(x) en la ecuacion, se
tiene que el Residuo R(x, t, a
n
) no se anula
R =
u
N
(x, t)
t
O(x, t)u
N
(x, t) = 0 (19)
Estructura
Introduccion
Metodo de Galerkin
Aliasing
Esta funcion residual puede expandirse, como cualquier funcion, en
terminos de un conjunto ortogonal,
R(x, t, a
0
, ..., a
N
) =
k=0
r
k
(a
0
, ..., a
N
)
k
(x) (20)
donde, debido a la ortogonalidad de la base de funciones
k
(x), los
coecientes r
k
se determinan por el producto interno
r
n
= (R,
n
) =
_
R
n
(x)dx. (21)
Estructura
Introduccion
Metodo de Galerkin
Aliasing
En el metodo espectral Galerkin, se pide que el residuo sea peque no, en
el sentido de que los primeros (N + 1) terminos de la serie espectral (20)
se anulen.
Presumiblemente todos los r
k
para k > N seran muy peque nos para N
grandes. As que, forzar que los primeros r
k
sean cero, minimiza a R(x).
En el lmite en el que N R(x) 0, y por lo tanto, la
aproximacion, debe converger muy rapido a la solucion exacta. Todo esto
entonces se traduce a:
Para minimizar el residuo se pide que (R,
n
) = 0 para n = 0, 1, 2, ...N.
Estructura
Introduccion
Metodo de Galerkin
Aliasing
En el metodo Galerkin, se pide que la base (o un arreglo de esta base)
cumplan de entrada las condiciones de frontera. Por ejemplo, con
condiciones de frontera periodicas, lo natural es elegir una base de
Fourier.
Un ejemplo muy simple: considere la siguiente ecuacion hiperbolica y
lineal (ecuacion de adveccion)
u
t
=
u
x
(22)
en el intervalo x [0, 2], condiciones periodicas, y condicion inicial
u(x, 0) = g(x).
Estructura
Introduccion
Metodo de Galerkin
Aliasing
Se busca una solucion de la forma
u
N
(x, t) =
n
a
n
(t)
n
(x)
La condicion de minimizacion del residuo
R(x, t, a
n
) =
_

t

x
_
N
k=0
a
k
(t)e
ikx
. (23)
es en este caso
1
2
_
2
0
_
_

t

x
_
N
k=0
a
k
(t)e
ikx
_
e
inx
dx = 0. (24)
Estructura
Introduccion
Metodo de Galerkin
Aliasing
Haciendo la derivada espacial, esta relacion se convierte en
1
2
_
2
0
_
N
k=0
_
da
k
dt
ika
k
_
e
ikx
_
e
inx
dx = 0. (25)
Como la base es ortogonal, la integral en x es proporcional a una delta de
Kronecker, dando por resultado un conjunto de ecuaciones diferenciales
para los coecientes a
k
, a saber
da
k
dt
ika
k
= 0 (26)
Estructura
Introduccion
Metodo de Galerkin
Aliasing
La condicion inicial u(x, 0) = g(x) =
N
n=0
a
n
(t = 0)
n
(x) nos da las
condiciones iniciales a
k
(0) para este conjunto de ecuaciones al multiplicar
por
k
e integrar la expansion
a
k
(0) =
_
2
0
g(x)
k
(x)dx (27)
El problema consiste en evaluar a
k
(0) y resolver las ecuaciones
diferenciales (26)
da
k
dt
ika
k
= 0
para encontrar las a
k
(t) a todo tiempo.
Estructura
Introduccion
Metodo de Galerkin
Aliasing
Usando como condicion inicial g(x) = u(x, 0) = sin ( cos x), es posible
probar que los coecientes tienen la forma
a
k
(t) = sin (
k
2
)J
k
()e
ikt
(28)
donde J
k
(t) son las funciones de Bessel de orden k, cuyas propiedades
asintoticas implican k
m
a
k
(t) 0 cuando k para todo natural m.
Esto nos dice que la serie truncada de Fourier converge mas rapido que
cualquier potencia nita de 1/N, que es la propiedad conocida como
convergencia espectral
Estructura
Introduccion
Metodo de Galerkin
Aliasing
Figura: Errores maximos en terminos de N para la ecuaci on de advecci on en
t = 2 usando el metodo de Galerkin.
Estructura
Introduccion
Metodo de Galerkin
Aliasing
Figura: Decaimiento de | u
n
| al tiempo t = 2.
Estructura
Introduccion
Metodo de Galerkin
Aliasing
Expansion Discreta de Fourier EDF
Las series de Fourier continuas de una funcion arbitraria u(x) requieren
de la evaluacion de los coecientes
u
n
=
1
2
_
2
0
u(x)e
inx
dx
que en general no se conocen en forma cerrada y deben aproximarse.
Tambien es necesario recuperar en el espacio sico la informacion que se
calcula en el espacio transformado o espectral y con las no-linealidades
eso se complica.
Estructura
Introduccion
Metodo de Galerkin
Aliasing
Siendo mas precisos, si se conoce los coecientes a
n
y b
n
de las
expansiones
f (x) =
N
n=0
a
n
n
(x) y g(x) =
N
k=0
b
k
k
(x)
cuales son los coecientes del producto fg ?
(fg)(x) =
N
n=0
p
n
n
(x)
Teoremas de convolucion no son tan ecientes, y son practicamente
imposibles con nolinealidades como
1
u
2
du
dx
. (29)
Estas inconveniencias se pueden superar con las transformadas discretas
de Fourier.
Estructura
Introduccion
Metodo de Galerkin
Aliasing
Dado N par, considere los puntos x
j
=
2j
N
con j = 0, 1, ..., N 1
La transformada de Fourier discreta de una funcion u(x) es
u
n
=
1
N
N1
j =0
u(x
j
)e
inx
j
n = N/2, ..., N/2 1 (30)
Se puede mostrar que la formula de inversion es
u(x
j
) =
N/21
n=N/2
u
n
e
inx
j
j = 0, 1, ..., N 1. (31)
En consecuencia se dene en polinomio interpolante trigonometrico de
orden N/2 de u en los nodos x
j
como
I
N
u(x) =
N/21
n=N/2
u
n
e
inx
(32)
es decir I
N
(x
j
) = u(x
j
) con j = 0, ..., N 1. (32) tambien se conoce como
serie de Fourier discreta de u.
Estructura
Introduccion
Metodo de Galerkin
Aliasing
La transformada discreta de Fourier es el mapeo entre los N n umeros
complejos {u(x
j
)}, j = 0, 1, ..., N 1 y el conjunto { u
k
}
k = N/2, ..., N/2 1. (30) se conoce como la transformada inversa de
Fourier.
La transformacion discreta de Fourier (TDF) (30) y (31) requiere de
O(N
2
) operaciones, pero se realiza ecientemente con el algoritmo de la
transformada de Fourier rapida 5Nlog
2
(N).
u
n
puede considerarse como una aproximacion a u
n
.
Estructura
Introduccion
Metodo de Galerkin
Aliasing
El fenomeno de aliasing
Como se conectan las transformadas de Fourier continuas y discretas
basadas en N par?
N otese que los modos discretos de Fourier se basan en {x
j
= 2j /N} para
los cuales el (n + Nm)-esimo modo es indistinguible del n-esimo modo
e
i (n+Nm)x
j
= e
inx
j
e
i 2mj
= e
inx
j
Este fenomeno se conoce como aliasing .
Si la serie de Fourier de
n=
u
n
e
inx
converge a u(x) en cada nodo x
j
,
entonces (33) implica
u
k
= u
k
+
m=,m=0
u
k+Nm
k = N/2, ..., N/2 1 (33)
Estructura
Introduccion
Metodo de Galerkin
Aliasing
Figura: Fenomeno de aliasing. Tres ondas sinusoidales que tienen la misma
interpretaci on de k = 2 sobre una red con N = 8. Los puntos nodales estan
representados por crculos negros. Las ondas con k = 6 (verde) y k = 10
(azul) se confunden con la de k = 2 (roja) sobre la red.
Estructura
Introduccion
Metodo de Galerkin
Aliasing
Una formulacion equivalente de
u
k
= u
k
+
m=,m=0
u
k+Nm
k = N/2, ..., N/2 1
es I
N
u = P
N
u + R
N
u con
R
N
u =
N/21
k=N/2
_
_
m=,m=0
u
k+Nm
_
_
e
ikx
k = N/2, ..., N/2 1
llamado el error aliasing. Puede probarse que es ortogonal al error de
truncaci on as que
|u I
N
u|
2
= |u P
N
u|
2
+|R
N
u|
2
Estructura
Introduccion
Metodo de Galerkin
Aliasing
|u I
N
u|
2
= |u P
N
u|
2
+|R
N
u|
2
Aunque el error debido a interpolacion es siempre mayor que el error
debido a la truncacion de la serie de Fourier, se ha demostrado que el
error de truncacion y de interpolacion decaen al menos con la misma
razon.
Para el caso de la ecuacion de adveccion
u
t
=
u
x
Usando como condicion inicial g(x) = u(x, 0) = sin ( cos x), los
coecientes calculados analticamente son
a
k
(t) = sin (
k
2
)J
k
()e
ikt
(34)
Al calcular a
n
con la TDF se tiene que la diferencia mas grande entre
a
n
a
n
O(10
9
) aun para N moderadas.
Estructura
Introduccion
Metodo de Galerkin
Aliasing
Los polinomios de Chebyshev (PCH) de orden k, que tienen dominio en
[1, 1] se dene como
T
k
(x) = cos(k cos
1
x) k = 0, 1, 2, ... (35)
Haciendo x = cos , se tiene que T
k
(x) = cos k, de modo que los
polinomios de Chebyshev son funciones coseno. De este hecho, es facil
determinar los primeros PCH
T
0
= 1, T
1
= cos = x, T
2
= cos 2 = 2 cos
2
1 = 2x
2
1, ...
Estructura
Introduccion
Metodo de Galerkin
Aliasing
La expresion T
k
= cos (k) para estos polinomios nos permite usar
relaciones trigonometricas para obtener relaciones de recurrencia para T
k
.
Por ejemplo cos (k + 1) + cos (k 1) = 2 cos cos k conduce a
T
k+1
(x) 2xT
k
(x) + T
k1
(x) = 0, k 1, (36)
que se emplea para generar cualquier T
k
(x) a partir de T
0
(x) = 1 y
T
1
(x) = x.
Estructura
Introduccion
Metodo de Galerkin
Aliasing
La relacion trigonometrica 2 sin cosk = sin (k + 1) sin(k 1) tiene
su contraparte de Chebyshev
2T
k
(x) =
1
k + 1
T
k+1
(x)
1
k 1
T
k1
(x) (37)
de la que se tiene una relacion de recurrencia muy util
2ka
k
= c
k1
a
(1)
k1
a
(1)
k+1
, k 1 (38)
Estructura
Introduccion
Metodo de Galerkin
Aliasing
donde
c
k
=
_
2 if k = 0,
1 if k 1
(39)
y a
(1)
k
son los coecientes de la expansion de la derivada espacial de u(x)
u
(x) =
N1
k=0
a
(1)
k
T
k
(x) (40)
Estructura
Introduccion
Metodo de Galerkin
Aliasing
Notese que como
u(x) =
N
k=0
a
k
T
k
(x) (41)
es un polinomio de grado N, entonces u
(x) es un polinomio de grado

N 1 por eso en su expansion k corre de 0 to N 1.
Estructura
Introduccion
Metodo de Galerkin
Aliasing
En general, los coecientes de la expansion de la q-esima derivada de u
pueden calcularse con
c
k
a
(q)
k
= a
(q)
k+2
+ 2(k + 1)a
(q1)
k+1
(42)
Aunque hay expresiones explicitas para calcular a
(q)
n
la forma mas
eciente para calcularlos es usando (42).
Estructura
Introduccion
Metodo de Galerkin
Aliasing
Los PCH son mutuamente ortogonales sobre (1, 1) con respecto al peso
w = (1 x
2
)
1/2
y con el producto escalar (u, v)
w
=
_
1
1
uvwdx:
(T
k
, T
j
)
w
=
_
1
1
T
k
(x)T
j
(x)w = (1 x
2
)
1/2
dx =

2
c
k
k,j
. (43)
donde
k,j
es la delta de Kronecker. Para la implementacion de
condiciones de frontera, las siguientes relaciones son muy utiles
T
n
(1) = (1)
n
T
k
(1) = (1)
k+1
k
2
(44)
Estructura
Introduccion
Metodo de Galerkin
Aliasing
Metodo de Colocacion Espectral
En este metodo se asume que la solucion aproximada u
N
satisface la
ecuacion diferencial en cuestion en algunos puntos x
1
, x
2
, ..., x
N
, llamados
puntos de colocacion del dominio respectivo.
Es decir, se sustituye la expansion
u(x) =
N1
k=0
a
k
T
k
(x) (45)
en el sistema O(u
N
(x
i
)) = f (x
i
), que junto con las condiciones de
frontera, forman un sistema lineal de ecuaciones (N + 1) (N + 1) para
los coecientes a
n
.
Estructura
Introduccion
Metodo de Galerkin
Aliasing
Resolveremos la ecuaci on de Helmholtz d
2
u/dx
2
+ u = f (x), donde
> 0 es una constante con valores de frontera ( = 0 y se tiene Poisson)
u(1) = F
1
u(1) = F
2
(46)
La solucion la queremos de la forma
u(x) =
N
n=0
a
n
T
n
(x) (47)
Sean {x
i
} un conjunto nito de puntos interiores al dominio [1, 1], a
estos puntos se les llama puntos de colocacion, La red que se utiliza para
denir estos puntos es x
i
= cos (i /N).
Estructura
Introduccion
Metodo de Galerkin
Aliasing
Al sustituir (47) en la ecuacion diferencial d
2
u/dx
2
= f (x), y al evaluar
en los puntos de colocacion x
i
= cos(i /N) se obtiene
N
n=0
a
n
d
2
dx
2
T
n
(x
i
) = f (x
i
) (48)
que junto con las condiciones de frontera forman un sistema lineal de
ecuaciones (N + 1) (N + 1) para los coecientes a
n
.
Veamos mas de cerca. Digamos que N = 5, los puntos de colocacion son
x
0
= 1, x
1
= cos(/5) =0.809016, x
2
= cos(2/5) =0.309,
x
3
= cos(3/5) = -0.309, x
4
= cos(4/5) = -0.809016,
x
1
= cos() = 1 Estos valores se usan en (48) para obtener el sistema
lineal AX = b donde la primera la corresponde a i = 0, la segunda la a
i = 1 y asi sucesivamente. La primera y ultima la corresponden a las
condiciones de frontera. El sistema especcamente es
Estructura
Introduccion
Metodo de Galerkin
Aliasing
_
_
_
_
_
_
_
_
T
0
(1) T
1
(1) T
2
(1) T
3
(1) T
4
(1) T
5
(1)
T
0
(x
1
) T
1
(x
1
) T
2
(x
1
) T
3
(x
1
) T
4
(x
1
) T
5
(x
1
)
T
0
(x
2
) T
1
(x
2
) T
2
(x
2
) T
3
(x
2
) T
4
(x
2
) T
5
(x
2
)
T
0
(x
3
) T
1
(x
3
) T
2
(x
3
) T
3
(x
3
) T
4
(x
3
) T
5
(x
3
)
T
0
(x
4
) T
1
(x
4
) T
2
(x
4
) T
3
(x
4
) T
4
(x
4
) T
5
(x
4
)
T
0
(1) T
1
(1) T
2
(1) T
3
(1) T
4
(1) T
5
(1)
_
_
_
_
_
_
_
_
_
_
a
0
a
1
a
2
a
3
a
4
a
5
_
_
=
_
_
F
2
f (x
1
)
f (x
2
)
f (x
3
)
f (x
4
)
F
1
_
_
o bien, puesto que T
n
(1) = 1 y T
n
(1) = (1)
n
para toda n, se tiene
_
_
_
_
_
_
_
_
1 1 1 1 1 1
T
0
(x
1
) T
1
(x
1
) T
2
(x
1
) T
3
(x
1
) T
4
(x
1
) T
5
(x
1
)
T
0
(x
2
) T
1
(x
2
) T
2
(x
2
) T
3
(x
2
) T
4
(x
2
) T
5
(x
2
)
T
0
(x
3
) T
1
(x
3
) T
2
(x
3
) T
3
(x
3
) T
4
(x
3
) T
5
(x
3
)
T
0
(x
4
) T
1
(x
4
) T
2
(x
4
) T
3
(x
4
) T
4
(x
4
) T
5
(x
4
)
1 1 1 1 1 1
_
_
_
_
_
_
_
_
_
_
a
0
a
1
a
2
a
3
a
4
a
5
_
_
=
_
_
F
2
f (x
1
)
f (x
2
)
f (x
3
)
f (x
4
)
F
1
_
_
Estructura
Introduccion
Metodo de Galerkin
Aliasing
Al invertir la matriz A se tendran los coecientes a
n
, y de ese modo la
solucion (47) estara completa.
C omo invertir la matriz? Notese primero que la matriz es densa (de
hecho no tiene ning un cero) Se puede utilizar el metodo de
descomposicion LU.

Este consiste en escribir la matriz A como A = LU
donde L es una matriz Lower triangular, es decir, tiene solo ceros arriba
de la diagonal, y U es una matriz Upper triangular, es decir, tiene solo
ceros abajo de la diagonal. De este modo el problema original AX = b se
escribe AX = (LU)X = L(UX) = b, y dividimos el proceso de solucion
en dos pasos. Primero se resuelve LY = b y desp ues UX = Y (notese
que es el mismo problema, pues la primera ecuacion b = LY al usar la
segunda Y = UX da AX = b. La ventaja de tener dos pasos en el
proceso de solucion es que en estos, se lidia con conjuntos triangulares de
ecuaciones, que son sencillitos de resolver. La descomposicion matricial la
hace la rutina ludcmp.c y la solucion la da lubksb.c.
Estructura
Introduccion
Metodo de Galerkin
Aliasing
Buscamos una solucion de la forma
u(x, y) =
N
n=0
N
m=0
a
nm
T
n
(x)T
m
(y) (49)
Para encontrar los coecientes a
nm
, sustituimos la expansion en la
ecuacion de Poisson
2
u(x, y) = f (x, y), y asumimos que en los puntos
de colocacion se cumple la ecuacion, as que al sustituir la expansion y
evaluarla en los puntos de colocacion se tiene:
N
n=0
N
m=0
a
nm
_
d
2
T
n
(x
i
)
dx
2
T
m
(y
j
) + T
n
(x
i
)
d
2
T
m
(y
i
)
dy
2
_
= f (x
i
, y
j
) (50)
Estructura
Introduccion
Metodo de Galerkin
Aliasing
Junto con las condiciones de frontera (que es el permetro del cuadrado
de lado 2 centrado en el origen)
u(x = 1, y = 1) (51)
se tendran (N + 1)
2
ecuaciones lineales para las (N + 1)
2
incognitas a
nm
,
asi que se tendra que resolver una ecuacion matricial del tipo A
X =

b,
donde el vector columna

X tiene como elementos

X = (a
00
, a
01
, ..., a
NN
).
Parte importante de la elaboracion del codigo, sera visualizar como
arreglar en el vector X = (X
1
, X
2
, ..., X
(N+1)
2 ) los coecientes a
nm
, y
como escribir los elementos de la matriz A. La manera natural de arreglar
el vector es
X = (a
00
, a
01
, ...a
0N
, ..., a
N0
, a
N1
, ..., a
NN
) (52)
Estructura
Introduccion
Metodo de Galerkin
Aliasing
Notese que para n = 0, se tiene que en a
00
, a
01
, ...a
0N
hay N + 1
elementos que asociamos con X
1
, X
2
, ..., X
N+1
, asi que aqu se escribira
X
m+1
= a
0m
para m = 0, 1, 2, ..., N
Cuando n = 1, se tiene que los N + 1 elementos a
10
, a
11
, ...a
1N
se asocian
con X
(N+1)+1
, X
(N+1)+2
, ..., X
2(N+1)
, as que escribiramos (recuerde que
n = 1) X
(N+1)+(m+1)
= a
1m
para m = 0, 1, ..., N
Cuando n = 2, se tiene que los N + 1 elementos a
20
, a
21
, ...a
2N
se asocian
con X
2(N+1)+1
, X
2(N+1)+2
, ..., X
3(N+1)
, as que escribiramos (recuerde que
n = 2) X
2(N+1)+(m+1)
= a
2m
para m = 0, 1, ..., N
Cuando se tiene un n N arbitrario, se tiene que los N + 1 elementos
a
n0
, a
n1
, ...a
nN
se asocian con X
n(N+1)+1
, X
n(N+1)+2
, ..., X
(n+1)(N+1)
,
as que escribiramos X
n(N+1)+(m+1)
= a
nm
para m = 0, 1, ..., N
Estructura
Introduccion
Metodo de Galerkin
Aliasing
Ahora veamos como a partir del sistema de ecuaciones lineales
N
n=0
N
m=0
a
nm
_
d
2
T
n
(x
i
)
dx
2
T
m
(y
j
) + T
n
(x
i
)
d
2
T
m
(y
i
)
dy
2
_
= f (x
i
, y
j
)
junto con las condiciones de frontera u(x 1, y 1), debemos escribir los
elementos de la matriz A. La primera la se obtiene cuando i = 0, j = 0,
la segunda cuando i = 0, j = 1, la tercera i = 0, j = 2, y
as sucesivamente. Siguiendo el mismo razonamiento para construir el
vector X, dada un valor arbitrario de i y de j , la la correspondiente
sera = i (N + 1) + (j + 1). La columna de la matriz A se localiza
dados los valores de n y m, a saber = n(N + 1) + (m + 1). De este
modo, dados los valores de los indices i , j , n, m los elementos de matriz
son (para i,j=0,N, estamos en la frontera)
A
= A
i (N+1)+(j +1),n(N+1)+(m+1)
=
d
2
T
n
(x
i
)
dx
2
T
m
(y
j
) + T
n
(x
i
)
d
2
T
m
(y
i
)
dy
2
(53)
con tal de que i , j = 0, N.
Estructura
Introduccion
Metodo de Galerkin
Aliasing
Una vez que se tiene, la matriz, y se usa ludcmp y lubksb, se tendran los
coecientes a
nm
, esa es la busqueda fundamental en los metodos
espectrales: los coecientes. Una vez obtenidos, se tiene la solucion
buscada u(x, y) que debe guardarse en un archivo de datos para gracar.
Estructura
Introduccion
Ecuacion de Calor
Ecuacion de Burgers
El metodo de Tau es una version modicada del metodo de Galerkin, que
resuelve un sistema un poco diferente (al de Galerkin) para poder
incorporar ecientemente las condiciones de frontera en la solucion.
Nuevamente, se toma una base ortogonal de funciones
n
(x), en este
metodo se utiliza una solucion aproximada de la forma
u
N
(x, t) =
N+K
n=0
a
n
(t)
n
(x) (54)
donde N es el n umero de terminos de la expansi n y K es el n umero de
condiciones de frontera del problema.
Estructura
Introduccion
Ecuacion de Calor
Ecuacion de Burgers
Ecuacion de Calor
Ejemplo simple para ilustrar la implementacion del metodo
u
t
=
u
2
x
2
, |x| 1 (55)
con las condiciones de frontera
u(1, t) = 0 (56)
y condicion inicial
u(x, 0) =
1
2
(1 x
2
) sin 2x
Estructura
Introduccion
Ecuacion de Calor
Ecuacion de Burgers
Desarrollamos u(x, t) en terminos de N + 1 polinomios de un conjunto
ortogonal de funciones, usaremos los polinomios de Chebyshev
u
N
(x, t) =
N
n=0
a
n
(t)T
n
(x) (57)
Para minimizar el residuo
R(x, t) =
u
N
t

2
u
N
x
2
(58)
uno demanda que R(x, t) sea ortogonal al espacio expandido por
{T
k
(x)}
N2
k=0
, es decir
_
1
1
R(x, t)T
k
(x)
dx
1 x
2
= 0 0 k N 2 (59)
Estructura
Introduccion
Ecuacion de Calor
Ecuacion de Burgers
debido a la ortogonalidad de los polinomios T
k
(x), la integral anterior se
convierte en
a
k
= a
(2)
k
0 k N 2 (60)
donde a
(2)
k
= f
k
(a
n
) son los coecientes de la expansion de la segunda
derivada de u(x, t) con respecto a la variable espacial x. Como hemos
dicho, la manera mas eciente de calcularlos es usando la relacion de
recurrencia
c
k
a
(2)
k
= a
(2)
k+2
+ 2(k + 1)a
(1)
k+1
. (61)
con
c
k
=
_
2 if k = 0,
1 if k 1
(62)
Estructura
Introduccion
Ecuacion de Calor
Ecuacion de Burgers
Las condiciones de frontera u(x = 1, t) = u(x = 1, t) = 0 en terminos
de los coecientes son
u(1, t) =
N
n=0
a
n
= 0 u(1, t) =
N
n=0
(1)
n
a
n
= 0 (63)
donde se uso T
k
(1) = (1)
k
, (63) es equivalentes al par de ecuaciones
n=0
n par
a
k
= 0,
n=1
n impar
a
k
= 0. (64)
Estructura
Introduccion
Ecuacion de Calor
Ecuacion de Burgers
El sistema de ecuaciones diferenciales
a
n
= a
(2)
n
(a
k
) 0 n N 2
Evoluciona a los coecientes a
n
0 n N 2, y con las condiciones de
frontera
n=0
n par
a
k
= 0,
n=1
n impar
a
k
= 0.
se encuentra a
N
y a
N1
a cada paso temporal.
Estructura
Introduccion
Ecuacion de Calor
Ecuacion de Burgers
Figura: Se muestra el residuo en funci on de la N para vericar convergencia de
la solucion.
Estructura
Introduccion
Ecuacion de Calor
Ecuacion de Burgers
Ecuacion de Burgers
Vamos a resolver la ecuacion diferencial de Burgers usando el metodo de
Tau
u
t
+ u
u
x
=
u
2
x
2
, |x| 1 (65)
con las condiciones de frontera
u(1, t) = 0 (66)
y condicion inicial
u(x, 0) = sin x (67)
donde es la viscosidad.
Estructura
Introduccion
Ecuacion de Calor
Ecuacion de Burgers
Para viscosidades peque nas, la solucion se desarrolla como una onda de
diente de sierra en el origen. La solucion teorica de este problema es
conocida, la obtuvo J. D. Cole y fue compilada por Benton y Platzmann
u(x, t) = 4
_

n=1
na
n
e
n
2
2
t
sin nx
a
0
+ 2
n=1
a
n
e
n
2
2
t
cos nx
_
, (68)
donde a
n
= (1)
n
I
n
(1/2) e I
n
() denota las funciones de Bessel
modicadas del primer tipo. A veces se piensa que una solucion analtica
es siempre mucho mejor que una n umerica, pero esto no es siempre as,
para gracarla con una computadora, la solucion (68) es intratable para
valores peque nos de t y , donde I
n
(), cuando , se comporta
asintoticamente como e
(2)
1/2
independiente de n.
Estructura
Introduccion
Ecuacion de Calor
Ecuacion de Burgers
Una representacion manejable de la solucion es
u(x, t) =
I (x, t)
J(x, t)
(69)
donde I (x, t) y J(x, t) estan denidas por
I (x, t) =
_

sin [(x )]f (x ) exp (

2
/4t)d (70)
J(x, t) =
_

f (x ) exp (
2
/4t)d (71)
donde f () = exp ( cos(/2)).
Estructura
Introduccion
Ecuacion de Calor
Ecuacion de Burgers
Esta solucion exacta nos permitira comparar nuestra solucion numerica.
Usaremos el metodo trapezoidal con limites nitos. Debido al hecho de
que los integrandos decaen muy rapidamente cuando || aumenta, la
integracion se hara en un intervalo entre [n, n] y luego en [2n, 2n] y si
no cambia el resultado dentro de una tolerancia previamente establecida
(por ejemplo 10
10
), entonces ah nos detenemos.
Estructura
Introduccion
Ecuacion de Calor
Ecuacion de Burgers
Como se ha dicho, empezamos desarrollando u(x, t) en terminos de los
primeros N + 1 polinomios de un conjunto ortogonal de funciones. En
este caso usamos los polinomios de Chebyshev
u
N
(x, t) =
N
n=0
a
n
(t)T
n
(x) (72)
A n de minimizar el residuo
R(x, t) =
u
N
t
+ u
N
u
N
x

2
u
N
x
2
(73)
uno demanda que R(x, t) sea ortogonal al espacio expandido por
{T
k
(x)}
N2
k=0
, es decir
_
1
1
R(x, t)T
k
(x)
dx
1 x
2
= 0 0 k N 2 (74)
Estructura
Introduccion
Ecuacion de Calor
Ecuacion de Burgers
esta integral, debido a la ortogonalidad de los polinomios T
k
(x), nos
conduce a
a
k
=

N
k
+ a
(2)
k
0 k N 2 (75)
donde

N = (u
N
x
u
N
)
k
, y a
(2)
k
son los coecientes de la expansion de la
segunda derivada de u(x, t) con respecto a la variable espacial x. La
manera mas eciente de calcularlos es usando la relacion de recurrencia
c
k
a
(2)
k
= a
(2)
k+2
+ 2(k + 1)a
(1)
k+1
. (76)
Estructura
Introduccion
Ecuacion de Calor
Ecuacion de Burgers
El sistema de ecuaciones (75) junto con las condiciones de frontera
u(x = 1, t) = u(x = 1, t) = 0, constituyen un conjunto completo para
calcular los coecientes de la expansion a todo tiempo con la condicion
inicial dada. Las condiciones de frontera en terminos de los coecientes
son
N
n=0
a
n
=
N
n=0
(1)
n
a
n
= 0 (77)
que son equivalentes al par de ecuaciones
n=0
n par
a
k
= 0,
n=1
n impar
a
k
= 0. (78)
Estructura
Introduccion
Ecuacion de Calor
Ecuacion de Burgers
El sistema (75) evoluciona a los coecientes a
n
para 0 N 2, y con las
condiciones de frontera (78), se calculan a
N1
y a
N
a cada paso de
tiempo.
El termino no lineal de (75) requiere de trato especial. Tanto u(x, t)
como
x
u(x, t) tienen su expansion en terminos de los polinomios T
n
y
tienen sus coecientes respectivos a
n
y a
(1)
n
. La pregunta es, cuales son
los coecientes < uu >
k
= b
k
de la expansion del producto u
x
u
Estructura
Introduccion
Ecuacion de Calor
Ecuacion de Burgers
u
N
u
N
x
=
N
k=0
b
k
T
k
(x), (79)
en terminos de a
k
y a
(1)
k
. En principio podra usarse la relacion
b
k
=< uu >
k
=
1
2
_
_

p+q=k
a
p
a
(1)
q
+
|pq|=k
a
p
a
(1)
q
_
_
(80)
que puede demostrarse facilmente con ayuda de las propiedades de los
polinomios de Chebyshev. Sin embargo, es mucho mas eciente utilizar
un calculo pseudo-espectral con la ayuda de las Transformadas de Fourier
Rapidas (TFR). El proceso del calculo se sistematiza a continuacion
Estructura
Introduccion
Ecuacion de Calor
Ecuacion de Burgers
Calculo de < u
x
u >
k
= b
k
dados los coecientes a
k
1. Use la relacion de recurrencia
c
k
a
(1)
k
= a
(1)
k+2
+ 2(k + 1)a
k+1
(81)
para calcular los coecientes de la expansion de la primera
derivada con respecto a x de u(x, t)
2. Las TFR necesitan de entrada los coecientes de la
expansion de una funcion u(x, t), y dan de salida la funcion
valuada en varios puntos (de colocacion) u
N
(x
i
). As que,
teniendo a
k
y a
(1)
k
, utilice las TFR y obtenga u
N
(x
i
) y
(u
N
/x)(x
i
) (esto es, u y su derivada con respecto a x en el
espacio fsico).
Estructura
Introduccion
Ecuacion de Calor
Ecuacion de Burgers
a
k
u
N
(x
i
) a
(1)
k

u
N
(x
i
)
x
(82)
3. Realice los productos en el espacio sico:
u
N
(x
i
)
u
N
x
(x
i
) (83)
4. A traves de la TFR inversas, regrese al espacio espectral. La
TFR inversa tienen por entrada los valores dados por (83), y
por salida los coeciientes < u
x
u >
k
= b
k
Estructura
Introduccion
Ecuacion de Calor
Ecuacion de Burgers
u
N
(x
i
)
x
< u
x
u >
k
= b
k
(84)
Esta danza entre el espacio espectral y el fsico, se realiza a cada paso
de tiempo. La evolucion temporal se realizara usando el esquema
Adams-Bashforth para el termino no lineal, y el esquema Crank-Nicolson
para el termino lineal. De este modo se tiene el esquema ABCN
Estructura
Introduccion
Ecuacion de Calor
Ecuacion de Burgers
a
n
(t + t) = a
n
(t) +
t
2
[b
n
(t t) 3b
n
(t)]
+
t
2
_
a
(2)
n
(t) + a
(2)
n
(t + t)
_
0 n N 2(85)
que puede re-escribirse como
_
a
(2)
n
a
n
_
(t + t) = f
n
(a
n
, b
n
, t, t t) 0 n N 2 (86)
donde = 2/t y la funcion f
n
es explcitamente
Estructura
Introduccion
Ecuacion de Calor
Ecuacion de Burgers
f
n
= a
n
(t)
1
[b
n
(t t) 3b
n
(t)] a
(2)
n
(t) (87)
Si usamos la ecuacion
a
(2)
k
=
1
c
k
N
p=k+2
(p+k)par
p(p
2
k
2
)a
p
(88)
en 86, sta ultima se escribira como
1
c
k
N
p=k+2
(p+k)par
p(p
2
k
2
)a
p
a
k
= f
k
k = 0, ..., N 2 (89)
Estructura
Introduccion
Ecuacion de Calor
Ecuacion de Burgers
Usando (78) y (89) llegamos a un sistema de ecuaciones lineales de la
forma
LX = b (90)
donde L es una matriz triangular superior, cuya soluci on requiere N
2
operaciones. Un procedimiento de solucion mas eciente se consigue
rearreglando las ecuaciones 86 con ayuda de la relacion de recurrencia
2ka
(1)
k
= c
k1
a
(2)
k1
a
(2)
k+1
(91)
la ecuacion 86 queda
2ka
(1)
k
= c
k1
[f
k1
+ a
k1
] [f
k+1
+ a
k+1
] k = 1, ..., N 3.
(92)
Estructura
Introduccion
Ecuacion de Calor
Ecuacion de Burgers
Desp ues, usando la relacion de recurrencia (??) para la primera derivada,
en combinacion con la (92), resulta una ecuacion con solamente los
coecientes a
k
, a saber
c
n2
4n(n 1)
a
n2
_
1 +

n
2(n
2
1)
_
a
n
+

n+2
4n(n + 1)
a
n+2
=
c
n2
4n(n 1)
f
n2
+

n
2(n
2
1)
f
n

n+2
4n(n + 1)
f
n+2
, k = 2, .., N (93)
donde
n
=
_
1 0 n N 2
0 n > N 2
(94)
Estructura
Introduccion
Ecuacion de Calor
Ecuacion de Burgers
Note que los coecientes pares e impares estan desacoplados en 93 y en
78. El sistema de ecuaciones que surge para los coecientes pares e
impares resulta ser uno con una matriz tridiagonal con una trenza (en
la primera la). Un procedimiento muy eciente (mas que el de Gauss) se
expone en el apendice, y es el que se uso para integrar en el tiempo la
ecuacion de Burgers.
Para manejar el error de aliasing explicado en el apendice A, se us
la
regla de 2N/3. Es decir, en la expansion de u
N
(x, t) se tienen 32
terminos, realmente se usaran 21; si se tienen 64, realmente se usaran 42,
etc.
Estructura
Introduccion
Ecuacion de Calor
Ecuacion de Burgers
Figura:
Estructura
Introduccion
Ecuacion de Calor
Ecuacion de Burgers
La ecuacion de evolucion para la altura de la interface h(x, t) la derivo J.
Swift y S. Van-Hook, y esta es
h
t
+

x
_
3D(1 + F)h
2
2(1 + F Fh)
2
h
x
h
3
h
x
+
h
3
B
h
x
_
= 0 (95)
O bien,
h
t

J(x,t)
x
donde D
T
T/gd
2
, B g(L/2)/ y
F (1 k
g
/k)/(d
g
/d + k
g
/k).
Estructura
Introduccion
Ecuacion de Calor
Ecuacion de Burgers
Figura:
Estructura
Introduccion
Ecuacion de Calor
Ecuacion de Burgers
Figura:
Estructura
Introduccion
Ecuacion de Calor
Ecuacion de Burgers
j
= cos(j /N) con N = 4.
Estructura
Introduccion
Ecuacion de Calor
Ecuacion de Burgers
Figura:
Estructura
Introduccion
Ecuacion de Calor
Ecuacion de Burgers
Figura:
Estructura
Introduccion
Ecuacion de Calor
Ecuacion de Burgers
En el protocolo experimental, para tener diferentes valores de d se
sobrellenaba o medio llenaba el contenedor que tena una altura ja, de
este modo, la supercie inicial no es plana ni aun en la ausencia de
gradientes de temperatura.
Ademas el uido permaneca adherido a las paredes laterales del
contenedor de modo que h(x 1) = h
0
. A n de incorporar estas
caractersticas del experimento, se resuelve la ecuacion Swift-Van-Hook
con las condiciones de frontera adecuadas y partiendo de una supercie
no plana.
Estructura
Introduccion
Ecuacion de Calor
Ecuacion de Burgers
Figura:
Estructura
Introduccion
Ecuacion de Calor
Ecuacion de Burgers
Figura:
Estructura
Introduccion
Ecuacion de Calor
Ecuacion de Burgers
Figura:
Estructura
Introduccion
Ecuacion de Calor
Ecuacion de Burgers
Figura:
Estructura
Introduccion
Ecuacion de Calor
Ecuacion de Burgers
Figura:
Estructura
Introduccion
Ecuacion de Calor
Ecuacion de Burgers
Figura:

Ricardo 1

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Ricardo 1

Cargado por

Copyright:

Formatos disponibles

Estructura

u(x) cos (nx)dx

u(x) sin (nx)dx (11)

[0, 2]? En ese caso u

(x) es un polinomio de grado

sin [(x )]f (x ) exp (

También podría gustarte