Está en la página 1de 25

MMéétodotodo dede ResiduosResiduos Ponderados:Ponderados:

MMéétodotodo dede GalerkinGalerkin yy ColocaciColocacióónn PuntualPuntual

Galerkin y y Colocaci Colocaci ó ó n n Puntual Puntual Programa de Ingeniería Mecánica Universidad

Programa de Ingeniería Mecánica Universidad Nacional de Colombia

GrupoGrupo dede ModeladoModelado yy MMéétodostodos NumNumééricosricos enen IngenierIngenierííaa -- GNUMGNUM http://http://www.gnum.unal.edu.cowww.gnum.unal.edu.co//

ricos en en Ingenier Ingenier í í a a - - GNUM GNUM http:// http:// www.gnum.unal.edu.co

FormulaciFormulacióónn deldel MMéétodotodo dede loslos ElementosElementos FinitosFinitos

Modelado de Fenómenos Físicos

Solución de Ecuación Diferencial Residuos Ponderados Método de Galerkin
Solución de
Ecuación
Diferencial
Residuos
Ponderados
Método de
Galerkin
Métodos Analíticos
Métodos
Analíticos
Métodos Numéricos Elementos Finitos
Métodos
Numéricos
Elementos
Finitos
Formulación directa
Formulación
directa
Métodos Variacionales

Métodos

Variacionales

Métodos Variacionales
Métodos Variacionales
Métodos Variacionales
Finitos Formulación directa Métodos Variacionales Minimización de Energía Potencial C a r l o s H
Minimización de Energía Potencial

Minimización de Energía Potencial

Minimización de Energía Potencial
Minimización de Energía Potencial

MMéétodotodo dede ResiduosResiduos PonderadosPonderados parapara AproximaciAproximacióónn dede FuncionesFunciones

Aproximaci Aproximaci ó ó n n de de Funciones Funciones Qué función debe ser empleada? Qué

Qué función debe ser empleada? Qué forma debe tener esta función?

Definiendo residuo como:

ˆ

R = φ − φ

Ecuación de Residuos Ponderados:

‡ W l .R Ω Ω = 0 Ω FunciFuncióónn dede PonderaciPonderacióónn
W l .R Ω Ω = 0
FunciFuncióónn dede PonderaciPonderacióónn
ˆ ‡ Ω W l . I φ − φ
ˆ
‡ Ω W l . I φ − φ

M Ω = 0

MMéétodotodo dede ResiduosResiduos PonderadosPonderados ::

MMéétodotodo dede GalerkinGalerkin

En forma general, la función de aproximación se planteará como una combinación lineal de una base funcional, más un término de contorno.

lineal de una base funcional, más un término de contorno. M φ > φ = ψ

M

φ > φ = ψ +

ˆ

más un término de contorno. M φ > φ = ψ + ‚ ˆ m =

m=1

término de contorno. M φ > φ = ψ + ‚ ˆ m = 1 a

a m .N m

contorno. M φ > φ = ψ + ‚ ˆ m = 1 a m .N

FunciFuncióónn dede bordeborde

ψ

§

Γ

= φ § Γ

CoeficientesCoeficientes dede lala combinacicombinacióónn lineallineal

FuncionesFunciones basebase

N m § Γ

= 0

Probando inicialmente con una familia de funciones de ponderación de forma igual a la de la familia de funciones NN mm , la ecuaciecuacióónn dede residuosresiduos ponderadosponderados toma la forma:

N l . I φ − φ

ˆ

M Ω = 0

MMéétodotodo dede GalerkinGalerkin

MMéétodotodo dede ResiduosResiduos PonderadosPonderados ::

MMéétodotodo dede GalerkinGalerkin

Incluyendo la función de aproximación en la ecuación de residuos ponderados y despejando:

M

N l . φ − ψ + a m .N m

m=1

Ω N l . φ − ψ + ‚ a m .N m m = 1

Ω = 0

M

N l Hφ − ψL Ω − N l . a m .N m Ω = 0

m=1

Se obtiene un sistema de ecuaciones lineales, en donde las incógnitas son los coeficientes de la combinación lineal.

N l . H φ − ψL

lineal. ‡ Ω N l . H φ − ψ L Ω @ f l D

@ f l D

M

=

m=1

N l . H φ − ψ L Ω @ f l D M = ‚

N l .N m

f l D M = ‚ m = 1 ‡ Ω N l .N m Ω

@ a m D @ k lm D

MMéétodotodo dede ResiduosResiduos PonderadosPonderados ::

MMéétodotodo dede GalerkinGalerkin

Esta expresión representa un sistema de l ecuaciones con m incógnitas:

M

N l . H φ − ψL Ω =

m=1

a m

N l .N m

@ f l D lx1 =

@ k lm D lxm . @ a m D mx1

N 1 . H φ − ψL Ω = a 1 N 1 .N 1 Ω + a 2 N 1 .N 2 Ω +

N 2 . H φ − ψL Ω = a 1 N 2 .N 1 Ω + a 2 N 2 .N 2 Ω +

ª

ª

N M . H φ − ψ L Ω = a 1 N M .N 1 Ω + a 2 N M .N 2 Ω +

+ a M N 1 .N M

+ a M N 2 .N M

+ a M N M .N M

MMéétodotodo dede ResiduosResiduos PonderadosPonderados ::

ColocaciColocacióónn PuntualPuntual

Si la función de ponderación se selecciona como la FunciFuncióónn DeltaDelta dede DiracDirac :

M

δ H x x l L .H φ − ψL x =

m=1

a m

δ H x x l L .N m x

H φ − ψ L § x=x l

M

=

m=1

.N m x H φ − ψ L § x = x l M = ‚

x=x l

.N m

Hφ − ψx=x 1 = a 1 N 1 x=x 1 + a 2

Hφ − ψx=x 2 = a 1 N 1 x=x 2 + a 2

N 2 x=x 1 +

N 2 x=x 2 +

ª Hφ − ψx=x M = a 1 N 1 x=x M + a 2 N 2 x=x M +

+ a M N M x=x 1

+ a M N M x=x 2

ª

+ a M N M x=x M

Ejemplo:Ejemplo: AproximaciAproximacióónn dede FuncionesFunciones

Considerando la función:

φ = e x .

x 3

y empleando el método de Galerkin, determinar una función que se aproxime de la mejor forma a la original.

Seleccionando

funcional y como contorno:

como

base

función de

N m =x m H1xL

ψ= x

e

como base función de N m = x m H 1 − x L ψ= x

NotaNota: Obsérvese que el dominio del problema es 0 ≤ x ≤ 1

Ejemplo:Ejemplo: AproximaciAproximacióónn dede FuncionesFunciones

La

comportamiento de los cinco primeros términos de la familia de funciones base seleccionada:

gráfica muestra el

N m =x m H1xL

gráfica muestra el N m = x m H 1 − x L Tomando una expansión

Tomando una expansión a tres términos en la sumatoria, la función de aproximación tendrá la forma:

φ ˆ = x + a 1 .HH1 xLxL + a 2 .IH1 xLx 2 M + a 3 .IH1 xLx 3 M

e

Ejemplo:Ejemplo: AproximaciAproximacióónn dede FuncionesFunciones

Haciendo uso de la ecuación de residuos ponderados previamente deducida:

0

1

M

0 1 N l . H φ − ψL x =

m=1

a m 0

1 N l .N m x

x l H 1 xL . e x .

x x 3 − e
x
x 3 −
e

3

x =

m=1

1

a m . 0 x l+m H 1 xL 2 x

se encuentra el siguiente sistema de ecuaciones:

l

l

l

= 1

= 2

= 3

0

1

0

1

0

1

x H1xL.

x

e

x 2 H1xL.

x 3 H1xL.

x

e

x

e

2 H 1 − x L . − x 3 H 1 − x L .

+e x . x 3 x=a 1 .

x L . − x e x e + e − x . x 3 x

+e x . x 3 x=a 1 .

x = a 1 . + e − x . x 3 x = a 1

+e x . x 3 x=a 1 .

1

1

+a 2 . 60 +a 3 .
30

1

105

1

60

1

105 +a 2 . 168 +a 3 . 252

1

1

+a 2 .

105 +a 3 . 168

1

1

Ejemplo:Ejemplo: AproximaciAproximacióónn dede FuncionesFunciones

Desarrollando las integrales del lado izquierdo y desarrollando el sistema de ecuaciones se obtiene:

0.00356145

0.00212278

0.00133301

=

1

1

1

 

30

60

105

1

1

1

.

60

105

168

1

1

1

105

168

252

a 1

a

a 3

2

@f l D = @k lm D.@a m D

a 1 a 2 = a 3
a 1
a 2
=
a 3

0.137376

0.756588

0.4692618

φ ˆ = x 0.137376 H1 xL x + 0.756588 H1 xL x 2 0.4692618 H1 xL x 3

e

Ejemplo:Ejemplo: AproximaciAproximacióónn dede FuncionesFunciones

La gráfica muestra la aproximación obtenida para MM == 33 :

muestra la aproximación obtenida para M M = = 3 3 : C a r l

Ejemplo:Ejemplo: AproximaciAproximacióónn dede FuncionesFunciones

La gráfica muestra el residuo obtenido para diferentes valores de MM :

el residuo obtenido para diferentes valores de M M : C a r l o s

Ejemplo:Ejemplo: AproximaciAproximacióónn dede FuncionesFunciones

Para emplear el mméétodotodo dede colocacicolocacióónn puntalpuntal con MM == 55, se requiere definir 5 puntos de precisión:

M M = = 5 5 , se requiere definir 5 puntos de precisión: x x

x

x

x

x

x

1

2

3

4

5

requiere definir 5 puntos de precisión: x x x x x 1 2 3 4 5

=

definir 5 puntos de precisión: x x x x x 1 2 3 4 5 =

0.18

0.36

0.54

0.72

0.9

de precisión: x x x x x 1 2 3 4 5 = 0.18 0.36 0.54
de precisión: x x x x x 1 2 3 4 5 = 0.18 0.36 0.54

M

Hφ − ψx=x l =

m=1

x=x l

a m .N m

La matriz kk lmlm se calcula ahora como:

@k lm D =

k k l m l m se calcula ahora como: @ k l m D =

x 1 H1x 1 L x 1 H1x 1 L x 1 H1x 1 L x 1 H1x 1 L x 1 H1x 1 L x 2 H1x 2 L x 2 2 H1x 2 L x 3 2 H1x 2 L x 4 H1x 2 L x 5 H1x 2 L

2

2

2

3

4

5

x 3 H1x 3 L x 3 2 H1x 3 L x 3 3 H1x 3 L x 4 H1x 3 L x 5 H1x 3 L x 4 H1x 4 L x 4 H1x 4 L x 4 H1x 4 L x 4 4 H1x 4 L x 4 H1x 4 L

2

3

3

3

5

x 5 H1x 5 L x 5 H1x 5 L x 5 H1x 5 L x 4 H1x 5 L x 5 5 H1x 5 L

5

2

3

4 H 1 − x 5 L x 5 5 H 1 − x 5 L

Ejemplo:Ejemplo: AproximaciAproximacióónn dede FuncionesFunciones

Evaluando en cada uno de los puntos de precisión:

@ k lm D =

0.1476

0.0266 0.0048 0.0009 0.0002

0.2304

0.0829 0.0299 0.0107 0.0039

0.2484

0.1341 0.0724 0.0391 0.0211

0.2016

0.1452 0.1045 0.0752 0.0542

0.0900

0.0810 0.0729 0.0656 0.0590

Por otro lado, el vector ff ll será:

Hφ − ψx=x l

M

=

m=1

a m .N m

x=x l

ψ L§ x = x l M = ‚ m = 1 a m .N m

f l =

x = x l M = ‚ m = 1 a m .N m x =

0.0024

0.0183

0.0326

0.0325

0.0160

m x = x l f l = − 0.0024 0.0183 0.0326 0.0325 0.0160 Los coeficientes

Los coeficientes de la función de aproximación calculados a partir del sistema de ecuaciones serán:

φ Ô = x

e

0.190828 H1 xL x + 1.269604 H1 xL x 2 1.934453 H1 xL x 3

+ 1.551277 H1 xL x 4 0.514442 H1 xL x 5

Ejemplo:Ejemplo: AproximaciAproximacióónn dede FuncionesFunciones

La gráfica muestra la aproximación obtenida para MM == 55 :

muestra la aproximación obtenida para M M = = 5 5 : C a r l

AproximaciAproximacióónn dede FuncionesFunciones concon residuosresiduos dede bordeborde

La aproximación también podría ser construida omitiendo la función de borde, es decir, admitiendo unos residuos sobre el borde de la función. Desde este punto de vista, la selección de la familia de funciones NN mm no tendrá ningún requerimiento especial, más allá de la independencia lineal de sus términos.

Así, la función de aproximación y la ecuación de residuos ponderados se reducirán a:

ˆ

φ > φ

M

=

m=1

a m .N m

M

W l .φ Ω = a m W l .N m

m=1

Ejemplo:Ejemplo: AproximaciAproximacióónn dede FuncionesFunciones

Considérese para este caso la función , en el intervalo [[--1,1, 1]1]:

φ = e

x

x

3 2

2 +1

como

funciones base Polinomios

M=3M=3, la

de Legendre,

aproximación será:

Empleando

y

ˆ

φ

M

=

m=0

a m .N m

ˆ

será: Empleando y ˆ φ M = ‚ m = 0 a m .N m ˆ

φ = a 0 .L 0 + a 1 .L 1 + a 2 .L 2 + a 3 .L 3

Ejemplo:Ejemplo: AproximaciAproximacióónn dede FuncionesFunciones

Aplicando la ecuaciecuacióónn dede residuosresiduos ponderadosponderados -- GalerkinGalerkin para calcular los coeficientes de la combinación lineal, se obtiene:

@ k lm D =

1

1

2 0 0 3 2 0 0 0 0
2
0
0
3 2
0
0
0
0

M

N l . φ x =

m=0

0

0

0

0

2 0

5

0

2

7

0 0 M N l . φ x = ‚ m = 0 0 0 0
0 0 M N l . φ x = ‚ m = 0 0 0 0

1

a m 1

N l .N m x

@a m D =

0.226465

0.110235

0.184003

0.0795432

Nótese que la forma diagonal de la matriz kk lmlm facilita el calculo progresivo de aproximaciones de mayor grado polinomial.

ˆ φ = 0.226465 + 0.110235 x + 0.0920016 I3 x 2 1M

+ 0.0397716 I5 x 3 3xM

Ejemplo:Ejemplo: AproximaciAproximacióónn dede FuncionesFunciones

La gráfica muestra la aproximación obtenida para MM == 33 :

muestra la aproximación obtenida para M M = = 3 3 : C a r l

Ejemplo:Ejemplo: AproximaciAproximacióónn dede FuncionesFunciones

La gráfica muestra el residuo obtenido para diferentes valores de MM :

el residuo obtenido para diferentes valores de M M : C a r l o s
Anexos Anexos C a r l o s H u m b e r t

AnexosAnexos

FunciFuncióónn DeltaDelta dede DiracDirac

Definición:

δ Hx x l L = 0, x x l δ Hx x l L = ∞, x = x l

Propiedad:

x>x l G H xL .δ H xx l L x=G H x l L

x<x l

δHxx l L

µµµµµµµµ x l
µµµµµµµµ
x l

x

L x < x l δ H x − x l L µµµµµµµµ x l x

PolinomiosPolinomios dede LegendreLegendre

Polinomios Polinomios de de Legendre Legendre C a r l o s H u m b

BibliografBibliografííaa

Zienkiewicz, O.C., Finite Elements and Aproximations. Editorial John Wiley & Sons. New York. 1983. Pág.38-49.

Hutton, D., Fundamentals of Finite Element Analysis. Editorial Mc. Graw Hill. New York. 2003. Pág. 131-142.

Segerlind, L. J., Applied Finite Element Analysis. Segunda Edición. Editorial John Wiley & Sons. New York. 1984. Pág. 3-13.