Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Lab 3
Lab 3
Facultad de Ingeniera
Departamento de Ingeniera Civil Mecnica
Mtodos de Diferencias
Finitas en Aletas
Transferencia de Calor, Laboratorio N3
Bernarda Flores lvarez
Yennifer Williams Bermont
Rogelio Nuez Cerda
L-6
RESUMEN
En esta experiencia, se busca resolver ecuaciones referentes a la transferencia de calor, utilizando 3 mtodos
de diferencias finitas dentro de los que se encuentran el Mtodo Explicito, Mtodo Implicito y Mtodo de
Crank-Nicolson. Con el fin de establecer cul o cules de ellos es la ms eficiente. Para esto de utilizo el
software MathCad 14.0 el cual fue de importante ayuda, ya que nos permiti concluir que en el mtodo
explicito el caso ms eficiente fue el de 5 nodos y paso de tiempo 0.2, el mtodo implicito el caso donde se
calcul con 7 nodos y un paso de tiempo de 0.102 segundos y en el mtodo de Crank-Nicolson caso de 5
nodos con un paso de tiempo de 0.2 segundos.
1. INTRODUCCIN
1.1 PLANTEAMIENTO DEL PROBLEMA
1.1.1 Introduccin
En anlisis numrico, el mtodo de las diferencias finitas es utilizado para calcular de manera aproximada las
soluciones a las ecuaciones diferenciales usando ecuaciones diferenciales finitas para aproximar derivadas.
Esto ha sido de gran utilidad, aplicadas en la resolucin de ecuaciones de transferencia de calor, es por esto
que se crearon distintos mtodos de anlisis numricos como lo que se utilizaran en esta experiencia, los
cuales son llamados Mtodo Explicito, Mtodo Implcito y Mtodo de Crank- Nicolson. Antiguamente todos
estos clculos eran realizados manualmente, o por el uso de dispositivos mecnicos. En la actualidad, con el
advenimiento de las computadoras electrnicas las operaciones son ejecutadas por medio de un programa de
cmputo que en el caso de la experiencia que se realizara ser el software MathCad 14.0.
2. REVISION DE ANTECEDENTES
2.1 Elaboracin de un marco terico
3. DESARROLLO
(2)
Sea
r=
k
2
h , entonces (2) toma la forma
(3)
La ecuacin (3) se denomina formula explicita o modelo explicito para la solucin de una EDP usando MDF.
El mtodo explicito es convergente siempre que
METODO IMPLICITO
Como una aproximacin alternativa, podemos tomar la derivada espacial al final del paso de tiempo, a la
mitad del paso de tiempo, o en general, en algn punto intermedio:
(4)
(5)
Esta es la ecuacin para el mtodo completamente implcito.
El mtodo iterativo de Gauss-Seidel permite
formular la ecuacin en la forma:
(6)
El proceso iterativo definido por el algoritmo produce un nmero de clculos por paso de tiempos mayores
comparados con el mtodo explcito. Sin embargo, esto es balanceado por el hecho de que el proceso es
estable para todos los tamaos del paso de tiempo. As, stos pueden ser ms largos cuando el proceso se hace
ms lento. Si en lugar de tomar = 0, se toma = 1/2, resultar una formulacin ms exacta conocida como el
Esquema Crank Nicholson: sta es muy exacta e incondicionalmente estable. El mtodo completamente
implcito tiene la importante ventaja de que tambin puede ser usado para estudiar problemas de flujo estable.
CRANK-NICOLSON
En el campo del anlisis numrico, el mtodo de Crank-Nicolson es un mtodo de diferencias finitas usado
para la resolucin numrica de ecuaciones en derivadas parciales, tales como la ecuacin del calor. Se trata de
un mtodo de segundo orden en tiempo, implcito y numricamente estable. El mtodo fue desarrollado
por John Crank yPhyllis Nicolson a mediados del siglo XX.
Para ecuaciones difusivas (y para muchos otros tipos de ecuaciones), puede demostrarse que el mtodo de
CrankNicolson es incondicionalmente estable. Sin embargo, las soluciones aproximadas pueden an
contener algunas oscilaciones espurias (decrecientes) si el ratio entre el paso de tiempo y el cuadrado de la
talla en espacio es grande (tpicamente, mayor que 1/2). Por este motivo, siempre que sean necesarios pasos
de tiempo grande o pequeas tallas espaciales, puede considerarse el uso del mtodo de Euler implcito, que
es a la vez estable e inmune a oscilaciones (aunque es de menor orden).
(7)
Entonces, tomando:
(8)
la ecuacin para el mtodo de CrankNicolson es una combinacin del mtodo de Euler implcito y el mtodo
de Euler explcito en la etapa de tiempo n + 1 (obsrvese que, sin embargo, el mtodo en s no es simplemente
la media de estos dos mtodos, puesto que la ecuacin depende implcitamente de la solucin):
(9)
La funcin F debe ser discretizada espacialmente mediante diferencias centrales.
Como se puede ver, se trata de un mtodo implcito: para obtener el valor de u en el "siguiente instante de
tiempo", debe resolverse un sistema de ecuaciones algebraicas. Si la ecuacin en derivadas parciales no es
lineal, la discretizacin tampoco lo ser, de forma que para avanzar en tiempo resultar necesario resolver un
sistema de ecuaciones algebraicas no lineales, siendo necesario emplear para ello algn tipo de mtodo
numrico.
DIFUSIN EN 1D
El mtodo de CrankNicolson se usa a menudo en problemas difusivos. Por ejemplo, en el caso de difusin
lineal,
(10)
Cuya discretizacin mediante CrankNicolson es:
(11)
o, tomando :
(12)
Tenemos:
(13)
Que es un sistema con matriz tridiagonal, por lo que, como se ha comentado, puede ser resuelto mediante
mtodos mucho ms eficientes.
DIFUSIN EN 2D
Cuando se extiende a dos dimensiones en una malla Cartesiana, el mtodo se deduce de forma similar y el
resultado conduce de nuevo a un sistema de ecuaciones algebraicas con matriz banda. Por ejemplo, la
ecuacin del calor bi-dimensional:
(14)
Puede resolverse mediante una discretizacin de CrankNicolson:
(15)
suponiendo que se usa una malla cuadrada en la que dx=dy. Estas ecuaciones pueden ser simplificadas algo,
ordenando sus trminos y usando el nmero de Courant:
(16)
En el esquema numrico de CrankNicolson, el tener un nmero de Courant pequeo no es un requisito para
la estabilidad, aunque es necesario para la precisin numrica. Ahora podemos escribir el esquema como:
(17)
METODO EXPLICITO
Tabla 1. Mtodo explicito con x=L/5, t=0.2
t0
t1
t2
t3
t4
t5
t6
t7
x0
100
100
100
100
100
100
100
100
x1
20
60
60
70
70
75
75
77.5
x0
x1
t0
100
20
t1
100
52
t2
100
58.4
t3
100
64.8
t4
100
68.128
Tabla 2. Mtodo explicito con x=L/5, t=0.16
x2
20
20
40
40
50
50
55
55
x3
20
20
20
30
30
35
35
37.5
x4
20
20
20
20
20
20
20
20
x2
20
20
32.8
37.92
43.552
x3
20
20
20
25.12
28.192
x4
20
20
20
20
20
x0
100
100
100
100
100
100
x1
20
44
53.6
59.6
63.728
66.805
x2
20
20
27.2
32.96
37.712
41.629
x3
20
20
20
22.16
24.752
27.214
x4
20
20
20
20
20
20
x2
20
20
23,2
27,04
30,752
34,131
37,147
x3
20
20
20
20,64
21,792
23,226
24,762
x4
20
20
20
20
20
20
20
x0
100
100
100
100
100
100
100
x1
20
36
45,6
52
56,608
60,115
62,895
x0
100
100
100
100
100
100
100
100
x1
20
60
60
70
70
75
75
78,125
x2
20
20
40
40
50
50
56,25
56,25
x3
20
20
20
30
30
37,5
37,5
43,125
x4
20
20
20
20
25
25
30
30
x5
20
20
20
20
20
22,5
22,5
25
x6
20
20
20
20
20
20
20
20
x3
20
20
20
25,12
28,192
x4
20
20
20
20
22,148
x5
20
20
20
20
20
x6
20
20
20
20
20
x3
20
20
20
2,16
24,752
27,409
x4
20
20
20
20
20,648
21,685
x5
20
20
20
20
20
20,194
x6
20
20
20
20
20
20
x5
20
20
20
20
20
20,026
20,102
x6
20
20
20
20
20
20
20
x0
100
100
100
100
100
x1
20
53
58,4
64,8
68,128
x2
20
20
32,8
37,92
43,552
x0
100
100
100
100
100
100
x1
20
44
53,6
59,6
63,728
66,65
x2
20
20
27,2
32,96
37,712
41,629
x0
x1
x2
t0
100
20
20
t1
100
36
20
t2
100
45,6
23,2
t3
100
52
27,04
t4
100
56,608
30,752
t5
100
60,115
34,131
t6
100
62,895
37,152
Tabla 8. Mtodo explicito con x=L/7, t=0.041
IMPLICITO
Tabla 9. Mtodo implicito con x=L/5, t=0.2
x3
20
20
20
20,64
21,792
23,251
24,864
x4
20
20
20
20
20,128
20,435
20,916
x0
100
100
100
100
100
100
t0
t1
t2
t3
t4
t5
x1
20
41,429
53,776
61,407
66,422
69,884
x2
20
25,714
32,245
38,076
42,874
46,691
x3
20
21,429
23,776
26,407
28,922
31,134
x4
20
20
20
20
20
20
x2
20
24,384
29,788
34,950
39,463
43,259
46,394
x3
20
20,974
22,716
24,831
27,009
29,063
30,9
x4
20
20
20
20
20
20
20
x2
20
21,702
24,237
27,107
30,034
32,866
35,527
37,983
x3
20
20,243
20,779
21,572
22,556
23,664
24,835
26,023
x4
20
20
20
20
20
20
20
20
t0
t1
t2
t3
t4
t5
t6
x1
20
38,752
50,371
57,972
63,199
66,946
69,724
x0
x1
t0
100
20
t1
100
31,672
t2
100
40,371
t3
100
46,995
t4
100
52,144
t5
100
56,226
t6
100
59,523
t7
100
62,228
Tabla 11. Mtodo implicito con x=L/5, t=0.12
x0
100
100
100
100
100
100
100
t0
t1
t2
t3
t4
t5
t6
x1
20
35,567
46,049
53,404
58,732
62,724
65,798
x2
20
23,025
27,093
31,291
35,226
38,753
41,842
x3
20
20,567
21,684
23,17
24,836
26,537
28,182
x4
20
20
20
20
20
20
20
x0
100
100
x1
20
41,436
x2
20
25,744
x3
20
21,538
x4
20
20,41
x5
20
20,103
x6
20
20
t2
t3
t4
t5
t6
100
100
100
100
100
53,812
61,609
66,639
70,27
72,971
32,375
38,412
43,537
47,801
51,343
24,201
27,39
30,687
33,86
36,799
21,353
22,744
24,431
26,265
28,133
20,389
20,881
21,548
22,20
23,204
20
20
20
20
20
x3
20
21,031
22,947
25,392
28,063
30,76
33,364
x4
20
20,241
20,837
21,798
22,991
24,387
25,883
x5
20
20,054
20,216
20,515
20,951
21,503
22,142
x6
20
20
20
20
20
20
20
x3
20
20,59
21,782
23,421
25,334
27,382
29,465
x4
20
20,115
20,423
20,95
21,681
22,579
23,604
x5
20
20,021
20,093
20,236
20,463
20,773
21,159
x6
20
20
20
20
20
20
20
x3
20
20,248
20,804
21,641
22,704
23,93
25,265
26,664
x4
20
20,036
20,144
20,347
20,654
21,065
21,571
22,159
x5
20
20,005
20,024
20,067
20,141
20,253
20,405
20,598
x6
20
20
20
20
20
20
20
20
x0
100
100
100
100
100
100
100
x1
20
38,755
50,386
58,019
63,302
67,14
70,046
x2
20
24,397
29,85
35,119
39,814
43,875
47,355
x0
100
100
100
100
100
100
100
x1
20
35,568
46,064
53,419
58,768
62,795
65,922
x2
20
23,03
27,015
31,354
35,365
39,011
42,267
x0
100
100
100
100
100
100
100
100
x1
20
31,672
40,372
46,997
52,15
56,24
59,548
62,271
x2
20
21,703
24,241
27,121
30,065
32,928
35,636
38,159
CRANK-NICOLSON
Tabla 17. Crank-Nicolson con x=L/5, t=0.2
x0
x1
x2
x3
x4
t0
t1
t2
t3
t4
100
100
100
100
100
20
47.123
57.542
62.793
66.119
20
22.74
28.264
33.411
37.717
20
20.274
21.265
22.926
24.869
20
20
20
20
20
x2
20
21.941
26.128
30.449
34.336
37.7
x3
20
20.162
20.78
21.902
23.333
24.892
x4
20
20
20
20
20
20
x2
20
21.218
24.042
27.289
30.473
33.417
x3
20
20.079
20.402
21.036
21.924
22.98
x4
20
20
20
20
20
20
x2
20
20.61
22.137
24.107
26.245
28.4
x3
20
20.028
20.148
20.405
20.802
21.321
x4
20
20
20
20
20
20
t0
t1
t2
t3
t4
t5
x1
20
43.134
53.925
59.764
63.44
66.051
t0
t1
t2
t3
t4
t5
x1
20
38.602
49.085
55.43
59.589
62.535
t0
t1
t2
t3
t4
t5
x1
20
33.384
42.485
48.844
53.425
56.837
x0
100
100
100
100
100
x1
20
47.123
57.542
62.793
66.122
x2
20
22.74
28.264
33.413
37.731
x3
20
20.274
21.265
22.945
24.974
x4
20
20
20.093
20.464
21.18
x5
20
20
20.009
20.061
20.201
x6
20
20
20
20
20
x0
100
100
100
100
100
100
x1
20
43.134
53.925
59.765
63.441
66.055
x2
20
21.941
26.128
30.45
34.341
37.72
x3
20
20.162
20.78
21.909
23.38
25.037
x4
20
20
20.047
20.247
20.669
21.298
x5
20
20
20.004
20.027
20.094
20.227
x6
20
20
20
20
20
20
x3
20
20.079
20.402
21.038
21.939
23.031
x4
20
20
20.018
20.104
20.3
20.623
x5
20
20
20.001
20.009
20.033
20.085
x6
20
20
20
20
20
20
x3
20
20.028
20.148
20.405
20.804
21.332
21.966
x4
20
20
20.005
20.028
20.087
20.194
20.356
x5
20
20
20
20.002
20.007
20.018
20.04
x6
20
20
20
20
20
20
x0
100
100
100
100
100
100
x1
20
38.602
49.085
55.43
59.589
62.536
x2
20
21.218
24.042
27.289
30.474
33.422
x0
100
100
100
100
100
100
100
x1
20
33.384
42.485
48.844
53.425
56.837
59.466
x2
20
20.61
22.137
24.107
26.245
28.401
30.492
4. RESULTADOS
4.1. ANLISIS DE DATOS Y PRESENTACIN CON DISCUSIN DE RESULTADOS
Para el clculo de los tres mtodos dispusimos de distintas configuraciones de pasos de tiempo y nmero de
nodos, donde calculamos casos con 5 y 7 nodos, y con 4 diferentes pasos de tiempo para ambas
discretizaciones de la barra.
En primera instancia para el mtodo explicito, luego de todas las iteraciones que logramos hacer y de las
cuales recopilamos los datos obtenidos de las temperaturas de cada nodo, para cada paso de tiempo, logramos
darnos cuenta que al variar el paso de tiempo algunas iteraciones no alcanzaron los valores esperados, ya que
al disminuir el paso de tiempo se requiere una mayor cantidad de iteraciones para cumplir con el tiempo total
donde se espera se estabilicen las temperaturas. Tambin al tener un paso de tiempo menor, cabe la
posibilidad de perder estabilidad en los clculos y es por eso que vemos que en algunos casos al disminuir el
paso de tiempo el mtodo converge en menos iteraciones en comparacin a casos con mayor paso de tiempo,
donde se espera que se obtengan ms nmero de iteraciones. Al momento de variar la cantidad de nodos,
logramos ver en el grfico 1 que la curva se adapta mucho mejor a la distribucin de temperaturas, por lo que
es esperable que se tengan resultados ms exactos en comparacin a cuando se tiene menos nodos, como es
posible apreciar en el grfico 2.
rpido a los resultados que se obtienen iteracin tras iteracin. Este ltimo punto es muy importante ya que es
el que nos ayuda a ahora tiempo de clculo.
Finalmente para el mtodo de Crank-Nicolson, el cual es el ms exacto de los tres, vemos que cada iteracin
se acerca mucho ms rpido a la final, pero en este caso particular falta un mayor paso de tiempo para que el
resultado final sea el esperado, ya que es preciso que se estabilicen los clculos y esto depende directamente
del paso de tiempo y en nuestro caso los pasos de tiempos escogidos son grandes debido a que la varilla al
tener un largo de 10 cm, la temperatura se estabiliza rpidamente lo que no podemos visualizar al tener ese
tamao de paso de tiempo no apropiado. La evolucin de las iteraciones con respecto a la disminucin del
paso de tiempo se comporta como se esperaba ya que al ir disminuyendo el paso de tiempo encontramos ms
iteraciones lo que es consecuente con nuestros clculos. La curva de distribucin de temperaturas de este
mtodo se acopla mucho mejor a lo que pasa realmente con las temperaturas dentro de la varilla y se logran
apreciar en los grficos 6 y 7. Al variar la cantidad de nodos en el problema contamos con un mayor ajuste de
la curva, como se mencion anteriormente, y esto se traduce en mejores resultados para nuestro anlisis.
5. CONCLUSIN
Con los resultados obtenidos podemos hacer eleccin claramente del caso ms eficiente para cada mtodo,
donde destacan el caso de 5 nodos y paso de tiempo 0.2 ya que comparado con todos los casos que logramos
calcular del mtodo explicito es el que logr acercarse ms al resultado esperado, el cual era una distribucin
lineal de las temperaturas en la varilla, y cumple con la consigna de tener un nmero razonable de iteraciones
y de nodos, donde logramos ratificar el resultado al notar la semejanza de valores con el segundo mejor caso
que obtuvimos, el cual es posible apreciar en el Grfico 1.
En el mtodo implcito el mejor resultado obtenido fue el caso donde se calcul con 7 nodos y un paso de
tiempo de 0.102 segundos debido a que es el que mejor se apega a una recta, como es lo que se esperaba al
principio. Al comparar este caso con los dems se pudo apreciar que es el ms estable y encuentra un
equilibrio entre nmero de iteracin, paso de tiempo y cantidad de nodos.
Por otra parte para el caso de Crank-Nicolson, es apreciable a simple vista que no se alcanz un resultado
muy apegado a la realidad ya que el criterio de convergencia es muy alto para este problema, como se nombr
en la discusin de resultados, pero a pesar de esto fue el caso de 5 nodos con un paso de tiempo de 0.2
segundos el cual alcanzo a apegarse ms a lo esperado.
Como conclusin final de los tres mtodos, el cual se apeg mucho ms al resultado final y del cual se pueden
obtener los mejores resultados, en este caso, fue el mtodo explicito, a pesar de ser el ms inestable y simple
de los tres. Estas caractersticas ayudaron al mtodo a amoldarse mucho mejor al problema ya que al igual que
este mtodo este problema no es de gran complejidad, por lo que no se requiere de mtodos tan sofisticados
para ser resuelto.
6. BIBLIOGRAFIA
http://mmc2.geofisica.unam.mx/cursos/hidrogeologia/NotasCurso/1-MDF-06-Notas.pdf
http://www.icmc.usp.br/CMS/Arquivos/arquivos_enviados/BIBLIOTECA_113_RT_327.pdf
http://pelusa.fis.cinvestav.mx/tmatos/LaSumA/LaSumA2_archivos/Supercomputo/S_Valdez.pdf