Implementacion Del Metodo Meshless Local Petrov-Galerkin en La Ecuacion de Conveccion-Difusion

MASTER DE INVESTIGACIN EN INGENIERIA CIVIL
Trabajo Fin de Master

(junio de 2014)
IMPLEMENTACIN DEL MTODO MESHLESS
LOCAL PETROV-GALERKIN EN LA ECUACIN
DE CONVECCIN-DIFUSIN
Vctor Manuel Gmez Traba
Director: Xess Antn Nogueira Garea
Junio de 2014
2
Universidade da Corua
ETS Enxeeiros de Camios, Canais e Portos
Campus de Elvia
A Corua
ndice general
1. Introduccin
2. Formulacin
2.1. La ecuacin de conveccin-difusin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.1.1. Ecuacin escalar de la conveccin-difusin . . . . . . . . . . . . . . . . . . . . . . .
2.1.2. Nmero de Peclet . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.2. El mtodo MLPG (Meshless Local Petrov-Galerkin) . . . . . . . . . . . . . . . . . . . . .
2.2.1. Definiciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.2.2. Formas dbiles locales 1D . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.2.3. Esquema de integracin local . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.2.4. Funciones de test . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.2.5. Aproximacin de la solucin mediante funciones de forma . . . . . . . . . . . . . .
2.2.6. Obtencin de los sistemas de ecuaciones . . . . . . . . . . . . . . . . . . . . . . . .
2.2.6.1. Imposicin de condiciones de contorno naturales . . . . . . . . . . . . .
2.2.6.2. Imposicin de condiciones de contorno esenciales . . . . . . . . . . . . .
2.3. Estabilizacin de la solucin mediante tcnicas upwind . . . . . . . . . . . . . . . . . . . .
2.4. Funciones de Forma basadas en Funciones de Base Radial de soporte compacto . . . . . .
2.4.1. Las funciones de base radial y soporte compacto . . . . . . . . . . . . . . . . . . .
2.4.2. Aproximacin mediante funciones de base radial de soporte compacto . . . . . . .
2.4.2.1. caractersticas de la matriz R0 . . . . . . . . . . . . . . . . . . . . . . . .
2.4.3. Eleccin del tipo de funcin de base radial . . . . . . . . . . . . . . . . . . . . . .
2.4.3.1. caso unidimensional . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.4.4. Algunas propiedades de las funciones de forma NI (x) basadas en RBFs. . . . . .
2.4.5. Errores numricos en la aproximacin mediante RBF de soporte compacto. . . . .
2.4.6. Errores en la aproximacin de funciones mediante funciones de forma basadas en
RBFs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.4.7. Errores en la aproximacin de derivadas mediante funciones de forma basadas en
RBFs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.4.8. Clculo eficiente en un programa de ordenador . . . . . . . . . . . . . . . . . . . .
7
7
7
8
8
9
10
12
13
15
17
18
18
19
20
21
21
23
23
24
25
28
3. Validacin de resultados
3.1. Definiciones . . . . . . . . . . . . . . . . . . .
3.2. Medida del error y del orden de convergencia .
3.3. Caso puramente convectivo (CP) . . . . . . . .
3.3.1. Resultados y convergencia . . . . . . . .
3.3.2. Influencia del del radio de integracin en
3.3.3. Influencia del soporte en la precisin . .
41
41
42
43
43
44
44
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
la precisin
. . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
30
32
34
NDICE GENERAL
3.4. Caso de difusin pura con condiciones de contorno Dirichlet (DP) . . . . . . . . . . .
3.4.1. Resultados y convergencia . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3.4.2. Influencia del radio de integracin . . . . . . . . . . . . . . . . . . . . . . . .
3.5. Caso de conveccin-difusin con condiciones de contorno Dirichlet (CD1 y CD2) . .
3.5.1. Caso CD1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3.5.1.1. Resultados y convergencia . . . . . . . . . . . . . . . . . . . . . . .
3.5.1.2. Influencia del soporte . . . . . . . . . . . . . . . . . . . . . . . . . .
3.5.2. Caso CD2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3.5.2.1. Resultados y convergencia . . . . . . . . . . . . . . . . . . . . . . .
3.5.2.2. Influencia del soporte . . . . . . . . . . . . . . . . . . . . . . . . . .
3.6. Caso de conveccin-difusin con condiciones de contorno Dirichlet y Neuman (CD3)
3.7. Conclusiones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
44
50
52
52
52
52
55
61
61
61
68
70
Captulo 1
Introduccin
El presente trabajo constituye el Trabajo Fin de Master necesario para la obtencin de la titulacin de
Master de Investigacin en Ingeniera Civil (curso 2013/2014) impartido en la Escuela Tcnica Superior
de Ingenieros de Caminos, Canales y Puertos de A Corua. Los trabajos se inician en el mes febrero
de 2014 y finalizan en junio de 2014, correspondiendo este trabajo a la intensificacin del master en
simulacin numrica y visualizacin.
El alcance del trabajo comprende la formulacin, implementacin y comprobacin de un mtodo de
residuos ponderados sin malla, el mtodo Meshless Local Petrov-Galerkin (MLPG), a la resolucin de la
ecuacin de conveccin-difusin estacionaria 1D. Dentro del mtodo general se utilizan varias formulaciones basadas en distintas formas dbiles y distintas funciones de test.
En el captulo 2 se ofrece la introduccin terica necesaria para la implementacin del mtodo que
abarca desde el planteamiento general del mtodo Meshless Local Petrov-Galerkin, el planteamiento de
las formas dbiles hasta el esquema de integracin utilizado , pasando por la aproximacin de la funcin
buscada mediante funciones de forma basadas en funciones de base radial y soporte compacto. Se analizan
algunas caracterticas de este tipo de funciones como interpolantes.
En el captulo 3 se validan los resultados comparndolos con soluciones analiticas de problemas conocidos, primero analizando por separado el trmino convectivo y el trmino difusivo y despus en problemas
combinados de conveccin-difusin, analizando la bondad de los resultados, la convergencia de los mtodos, la influencia de los distintos parmetros en los resultados y comparacin de las distintas formulaciones
entre s y enunciando la posible causa de las diferencias.
Para la realizacin de los clculos se ha implementado el cdigo de ordenador en lenguaje Fortran 95
en doble precisin (64 bits para nmeros en coma flotante) en su casi totalidad de elaboracin propia.
Se han utilizado las subrutinas de biblioteca de lgebra lineal LaPack tanto para factorizar matrices
en banda simtricas y definidas positivas como para resolver sistemas de ecuaciones lineales con matriz
general. Asimismo se ha utilizado el compilador GNU Fortran 4.8.2 de la Free Software Foundation para
compilar el programa y se ha ejecutado en un ordenador con sistema operativo OSX 10.9 y procesador
de 64 bits Intel Core 2 Duo. Los grficos donde se analizan los datos han sido elaborados con el software
GNU Plot 4.6.
CAPTULO 1. INTRODUCCIN
Captulo 2
Formulacin
2.1.
2.1.1.
La ecuacin de conveccin-difusin
Ecuacin escalar de la conveccin-difusin
La ecuacin escalar de conveccin-difusin (o ecuacin del transporte) viene dada por:

u (v i u)
u
+
k
Q=0
t
xi
xi
xi
(2.1.1)
En donde:
u
es la magnitud transportada (p.e. concentracin de un contaminante)
vi
es el campo de velocidades
es el coeficiente de difusin
xi
son las coordenadas espaciales cartesianas
es el trmino fuente/sumidero (positivo si hay aportacin y negativo si hay prdida)
Desarrollando el trmino convectivo (esto es, el que contiene el campo de velocidades) tenemos

u
u
vi
u
+ vi
+u
k
Q=0
t
xi
xi
xi
xi
(2.1.2)
Si consideramos flujo incompresible entonces la divergencia del campo de velocidades se anula [13]
v i
=0
xi
con lo que podemos simplificar la ecuacin 2.1.2 y reescribirla de la siguiente forma:

u
u
u
+ vi
k
Q=0
t
xi
xi
xi
(2.1.3)
Si adems consideramos el caso estacionario entonces desaparece el trmino temporal y la ecuacin queda:

u
u
vi
k
Q=0
(2.1.4)
xi
xi
xi
7
CAPTULO 2. FORMULACIN
En el presente trabajo nos limitaremos a la resolucin del caso estacionario unidimensional. En este
caso la expresin 2.1.4 se reduce a la siguiente ecuacin diferencial ordinaria:

d
du
du
k
Q=0
(2.1.5)
vx
dx dx
dx
Para la resolucin de la ecuacin es necesario conocer las condiciones de contorno del problema, que se
distinguen en dos tipos :
Condicin de contorno esencial (o tipo Dirichlet) donde se conoce el valor de la funcin buscada u
en el contorno u :
u=u
en u
Condicin de contorno natural (o tipo Neumann) donde se conoce el flujo de la funcin buscada u
en direccin normal al contorno t :
u
= t en t
n
2.1.2.
Nmero de Peclet
En la resolucin de la ecuacin de conveccin-difusin es necesario tener en cuenta la relacin existente

entre el trmino convectivo (o adveccin) y el difusivo.
El nmero de Peclet (P e) es un nmero adimensional que en un flujo relaciona la importancia de la
adveccin frente a la importancia de la difusin. En el caso del transporte de un contaminante en un fluido
relacionara la importancia del transporte debida al movimiento de ese fluido frente a la importancia del
transporte debida a la difusin del contaminante dentro de ese fluido. Su valor viene dado como:
Pe =
v
L
k
siendo:
v la velocidad del flujo
k el coeficiente de difusin
L una longitud caractersitica, que vara segn el caso
Valores altos P e indican que la adveccin prevalece sobre la difusin, y al contrario si son bajos.
El nmero de Peclet ser utilizado en la tcnica upwinding para la resolucin numrica de la ecuacin
de conveccin-difusin.
2.2.
El mtodo MLPG (Meshless Local Petrov-Galerkin)
De forma similar a otros mtodos, como el de de los elementos finitos, MLPG es un mtodo de residuos
ponderados, donde se halla la forma dbil de la ecuacin a resolver y se aproxima la solucin mediante
una combinacin lineal de funciones de forma.
Como ventaja frente al mtodo de los elementos finitos o el mtodo de elementos de contorno, el
MLPG reduce los costes en tiempo humano ya que no es necesaria la generacin de una malla, ni para
construir las funciones de forma o las de test, ni para integrar la forma dbil [1].
De acuerdo con Atluri y Shen [1], a diferencia de mtodos autodenominados sin malla que se basan
en una forma dbil global integrada sobre el dominio global del problema, en el mtodo MLPG, como
caracterstica particular ms distintiva, la forma dbil se integra sobre un subdominio local s en el
2.2. EL MTODO MLPG (MESHLESS LOCAL PETROV-GALERKIN)
interior del dominio global . No es necesaria una malla subyacente para realizar la integracin y la
matriz de rigidez global se ensambla a travs de la integracin sobre los distintos subdominios locales.
Adems, los subdominios s pueden ser de forma arbitraria (asumimos que es una forma compacta), no
tienen porqu formar globalmente una malla contigua y puede existir solapamiento entre subdominios.
La forma dbil as planteada en cada subdominio proporciona una ecuacin lineal, por lo que para
resolver el problema habr que plantear tantas formas dbiles locales como puntos tenga el sistema, es
decir, un subdominio por cada punto. El procedimiento a seguir es la colocacin de una serie de puntos
pertenecientes al dominio global y a su contorno , planteando en cada punto interior su subdominio
local s y ecuacin correspondiente, as como las condiciones de contorno en los puntos del contorno.
El resultado es un sistema de ecuaciones lineales que se resuelve con el mtodo pertinente al caso.
2.2.1.
Definiciones
Definimos (ver figura 2.2.1)
el dominio global de definicin de la ecuacin

el contorno global del dominio , siendo = u
t donde
u es el contorno donde se da la condicin de contorno esencial

t es el contorno donde se da la condicin de contorno natural
s un subdominio local del mismo donde plantea la forma dbil. s es tambin el dominio de
integracin local de la forma dbil.
s es el radio de s cuando s es de forma circular (que en 1D es la mitad de la longitud para
s interior a ).
s el contorno local correspondiente a s , cumplindose que s = sl
su
st donde
sl
/ es la parte de s dentro del dominio global , donde no se han impuesto condiciones
de contorno
T
su = s u es la parte de s con condicin de contorno esencial
T
st = s t es la parte de s con condicin de contorno natural
w la funcin de test utilizada
10
t
st
su
sl
Figura 2.2.1: Dominio global y dominios locales
2.2.2.
Formas dbiles locales 1D
En el caso unidimensional, el subdominio local s es un segmento lontigudinal mientras que el contorno

local s se corresponde con los dos puntos extremos del dominio s : el punto inferior y el punto superior
que denominaremos respectivamente inf y sup .
Denotamos como Is el subdominio local (interior) centrado en un punto I del dominio .
I
I
Denotamos como Is el contorno de Is , que en 1D se corresponde con los puntos inf
y sup
I
Partiendo de la ecuacin 2.1.5, la forma dbil local correspondiente al subdominio s , interior al
dominio global siendo w (x) la funcin de test es:

du
d
du
vx
k
Q wdx = 0
(2.2.1)
dx dx
dx
Is
y separando los sumandos:

du
d
du
vx wdx
k
wdx
Qwdx = 0
dx
dx
Is
Is dx
Is
(2.2.2)
A continuacin podemos integrar por partes el segundo trmino, con objeto de reducir el orden de
derivacin de u:

d
du
dw du
du
k
wdx =
k
dx + wk
(2.2.3)
dx
dx I
Is dx
Is dx dx
s
y sustituyendo este resultado en la ecuacin 2.2.2 tenemos:

du
du
dw du
dx wk
=
vx wdx +
k
Qwdx
dx
dx I
Is
Is dx dx
Is
s
que denominaremos forma dbil 1 o abreviadamente, FD1.
(2.2.4)
11

Podemos adems integrar por partes el primer trmino de la expresin 2.2.4 anterior
vx
Is
du
wdx = [vx uw]I
s
dx
u
Is
d
(vx w) dx
dx
(2.2.5)
y sustituir en la expresin 2.2.4. Asumiendo que tanto k como vx son constantes, resulta la expresin
[vx uw]Is
uvx
Is
dw
dx +
dx
k
Is

du
dw du
=
dx wk
Qwdx
dx dx
dx I
Is
(2.2.6)

Adicionalmente, podemos integrar por partes el tercer trmino de 2.2.6

dw du
dw
d2 w
k
dx = uk
uk 2 dx
dx I
dx
Is dx dx
Is
(2.2.7)
y sustituirlo en la expresin 2.2.6 resultando
[vx uw]Is
uvx
Is

dw
dw
du
d2 w
dx + uk
uk 2 dx wk
=
Qwdx
dx
dx I
dx
dx I
Is
Is
s
(2.2.8)
reordenando:
[vx uw]Is

d2 w
dw
du
dw
u vx
+ k 2 dx wk
=
Qwdx
+ uk
dx I
dx
dx
dx I
Is
Is
s

En el cuadro 2.1 se resumen las tres formas dbiles obtenidas:
FORMAS DBILES
FD1
FD2
FD3
Is
vx du
dx wdx +
[vx uw]Is
Is
Is
du
du
k dw
dx dx dx wk dx I = I Qwdx
s
uvx dw
dx dx +
Is
du
du
k dw
dx dx dx wk dx I = I Qwdx
s

du
dw
d2 w
[vx uw]Is + uk dw
dx I I u vx dx + k dx2 dx wk dx I = I Qwdx

Cuadro 2.1: formas dbiles de la ecuacin de conveccin-difusin
(2.2.9)
12
2.2.3.
Esquema de integracin local
inf
x i-1
sup
xi
x i+1
lupw
Figura 2.2.2: Esquema de integracin 1D
En la figura 2.2.2 se representa el esquema de integracin 1D elegido en torno a un punto genrico

de la discretizacin xi . Se distingue el subdominio de integracin local s , sus contornos inf y sup ,
el centro del subdominio que denominamos c que es tambin el centro de la funcin de test w(x) y la
traslacin contracorriente o upwind lupw (para ver cmo calcular lupw ver seccin 2.3 ).
En el mtodo Meshless Local Petrov Galerkin s puede tener en principio cualquier forma, que
asumiremos compacta. La forma elegida para un s interior al dominio global (esto es, sin interseccin
con el contorno global) es circular (que en 1D significa que es un segmento simtrico respecto a c ).
Si no emplesemos estabilizacin upwind el centro de subdominio c coincidira siempre con el punto
xi de la discretizacin. Debido a la estabilizacin upwind utilizada, el centro de subdominio se traslada
contracorriente respecto a xi en un valor igual a lupw .
Definimos s como el radio de integracin, esto es, la distancia entre c y los contornos locales, para
s interior a . s es el parmetro que define el subdominio para cada punto de la discretizacin.
La obtencin de c , inf y sup es como sigue, para s interior a :
vx
lupw
|vx |
=c s
c =xi
inf
(2.2.10)
sup =c + s
Para el caso de que s e interseque a , la forma es igualmente un segmento pero asimtrico respecto
a c . Bastara sustituir en la ecuacin 2.2.10 el valor de inf de sup , segn corresponda, por x1 xN
(contornos de ) respectivamente.
El mtodo de integracin elegido consiste en dividir s en dos segmentos y utilizar una cuadratura
de Gauss ( 3 puntos por segmento en el caso de MLPG1 y 5 puntos en el resto). En el siguiente cuadro
se ofrecen los lmites de integracin de cada segmento y seguidamente se explica el motivo de la eleccin.
13
SEGMENTOS DE INTEGRACIN
SEGMENTO 1 SEGMENTO 2
desde
hasta
desde
hasta
MLPG1
inf
xi
xi
sup
MLPG2
no es necesario integrar
MLPG3
inf
c
c
sup
MLPG4
inf
c
c
sup
MLPG5
inf
c
c
sup
La integral resultante quedara de la siguiente forma, para MLPG1:
sup
()dx
()dx +
()dx =
Is
xi
xi
inf
y para los mtodos MLPG3, MLPG4 y MLPG5 quedara:
()dx =
Is
sup
()dx +
inf
()dx
c
Cuando la funcin de test es distinta de la unidad (mtodos MLPG3, MLPG4 y MLPG5) se elige
su centro c como separador de los dos segmentos de integracin, ya que divide la funcin de test en
dos polinomios exactos, dentro de su soporte. Cuando la funcin de test es la unidad (MLPG1), se
elige como separador el punto de discretizacin xi , ya que divide el integrando (que es la derivada de
la funcin de forma) en dos partes que son aproximadamente polinomios si s es lo bastante pequeo.
El mtodo MLPG1 exige menos puntos de integracin ya que su integrando (la funcin de forma) es
aproximadamente un polinomio de grado 5 a trozos. En los ensayos realizados para el mtodo MLPG1
no se han obtenido mejoras con un nmero de puntos de Gauss superiopr a 3, utilizando 2 segmentos de
integracin. En los mtodos MLPG3, MLPG4 y MLPG5 s se consiguen mejoras pero se ha optado por
usar 5 puntos por segmento con el fin de evitar tiempos excesivos de computacin.
Otra posibilidad no explorada en el presente trabajo ya que se presume complicada su extensin a 2D
es utilizar un tercer segmento entre xi y c que se aplicara cuando w(x) no es constante. Se motiva en el
descentrado de las funciones de test w(x) (polinmica a trozos centrada en c ) respecto a la funcin de
forma (cuasi-polinmica a trozos, centrada en xi ). La razn del descentrado de la funcin de test respecto
a la funcin de forma es su mejor comportamiento en los ensayos realizados ante la estabilizacin upwind.
El mtodo MLPG2 no incluye integrales en su formulacin.
2.2.4.
Funciones de test
Se han considerado las siguientes funciones de test simtricas, donde c representa a la posicin donde
la funcin de test est centrada y s hace de parmetro de escala que coincide con el soporte de la funcin
de test (para w(x) con soporte local), y tambin con el radio de s (se representan grficamente en las
figuras 2.2.3 y 2.2.4):
14
funcin de test
w=1
TEST1
TEST2
w(x) = 1
derivadas
dw
=0
(dx
1
x < c
= s 1
s > c
dw
dx
|xc |
s
d2 w
(dx2
TEST3
(
(1r)3 (1 + 3r) r 1
w(r) =
0
r1
dw
dr
d2 w
dr 2
observaciones
soporte global
soporte global
(x c ) = Delta Dirac
= 2s (x c )
2
12 r (r1) 0 r 1
=
0
r1
(
12 (1 r) (1 3r) r 1
=
0
r1
r = distancia escalada:
r=
|xc |
s
Cuadro 2.2: funciones de test utilizadas
funcin TEST2
Derivada funcin TEST2
1
1
0.9
0.8
0.5
derivada / s
0.7
0.6
0.5
0.4
0.3
-0.5
0.2
0.1
-1
0
-1
-0.5
0.5
-1
(x-xcentro) / s
-0.5
0.5
(x-xcentro) / s
Figura 2.2.3: Funcin de test TEST2 y su primera derivada

Las funciones de test presentan las siguientes caractersticas:
Debido a la tcnica de estabilizacin upwind utilizada (explicada en la seccin 2.3) el centro de la
funcin de test no coincide, de forma general, con el centro del subdominio local s , no obstante
dicho centro se encuentra dentro de s
La funcin TEST1 tiene la ventaja de anular los trminos donde se multiplica a su derivada
dw
dx .
La funcin TEST2 se anula en los extremos del dominio de integracin, lo cual permite simplificar
la forma dbil para un subdominio interior (cuyo dominio de integracin no interseca al contorno).
En la funcin TEST2, el termino (x c ) en la 2 derivada es la delta de Dirac centrada en el
punto c (centro del subdominio de integracin local).
La funcin TEST3, con soporte igual al dominio de integracin, se anula en los extremos de dicho dominio, al igual que su primera derivada, lo cual permite simplificar la forma dbil para un
subdominio interior (cuyo dominio de integracin no interseca al contorno).
A continuacin se puede particularizar cada forma dbil segn la funcin de test elegida, resultando el
siguiente cuadro:
La expresin MLPG3 se deducir a continuacin. El tercer trmino de la forma dbil FD3 se simplifica
de esta forma:
15

funcin TEST3
Derivada funcin TEST3
0.9
1.5
0.8
1
derivada / s
0.7
w(x)
0.6
0.5
0.4
0.3
0.5
0
-0.5
-1
0.2
-1.5
0.1
0
-2
-1
-0.5
0.5
-1
-0.5
(x-xcentro) / s
0.5
(x-xcentro) / s
2 Derivada funcin TEST3

4
2
derivada / 2
s
0
-2
-4
-6
-8
-10
-12
-1
-0.5
0.5
(x-xcentro) / s
Figura 2.2.4: Funcin de test TEST3 y su primera y segunda derivada

dw
1
1
k
uk
= u(sup )k
u(inf )k = (u(sup ) + u(inf ))
dx s
s
s
s
El cuarto trmino de la forma dbil FD3 se simplifica de esta forma, asumiendo que la el centro de la
funcin de test queda dentro del subdominio s :
d2 w
2
2k
uk 2 dx = +
uk (x c )dx =
u(c )
dx
s
I
I
s
s
s
Sustituyendo en la ecuacin FD3, queda la expresin MLPG3:

k
dw
du
dx
=
Qwdx
[vx uw]s
uvx
(u(sup ) 2u(c ) + u(inf )) wk
dx
s
dx s
Is
Is
como la funcin te test TEST3 se anula en s en el caso de un subdominio interior, la expresin se
simplifica a :
k
dw
uvx
dx
(u(sup ) 2u(c ) + u(inf )) =
Qwdx
dx
s
Is
Is
2.2.5.
Aproximacin de la solucin mediante funciones de forma
Se busca aproximar la funcin buscada u mediante la funcin uh , resultado de una combinacin lineal
de funciones de forma NJ conocidas, una por cada punto J de la discretizacin.
16
mtodo
forma dbil
funcin test
MLPG1
MLPG2
MLPG3
MLPG4
FD1
FD2
FD3
FD2
TEST1
TEST1
TEST2
TEST3
MLPG5
FD3
TEST3
FORMA DBIL SIMPLIFICADA (s INTERIOR)

v du dx k du
=
I Qdx
dx
Is x dx
du s s
[vx u]s k dx s = I Qdx
s
dw
I uvx dx dx ks (u(sup ) 2u(c ) + u(inf )) = I Qwdx
s
s
du
I uvx dw
dx + I k dw
dx = I Qwdx
dx
dx
dx
s
s

s
d2 w
I u vx dw
+
k
dx
=
Qwdx
2
I
dx
dx
Cuadro 2.3: mtodos utilizados y sus formas dbiles simplificadas para un subdominio interior
La funcin aproximada en el punto X viene dada por la expresin:
u (X) ' uh (X) =
N
X
u
J NJ (X)
(2.2.11)
J=1
siendo:
J
cada punto genrico o nodo en que se discretiza el problema.
el nmero de puntos o nodos en que discretiza el problema.
u
J
el coeficiente correspondiente al punto J, tambin llamado valor nodal ficticio de la funcin

en el punto J, ya que en el caso general uh (J) 6= u
J
NJ
la funcin de forma correspondiente al punto J, que vara segn el tipo de aproximacin

elegida
Segn el tipo de funciones de forma utilizadas, puede cumplirse la propiedad uh (J) = u

J en cuyo caso
puede escribirse:
u (X) ' uh (X) =
N
X
uJ NJ (X)
(2.2.12)
J=1
En el que uJ es el valor de la funcin aproximada uh en el punto J, lo cual facilita la imposicin de

las condiciones de contorno esenciales.
Para conseguir esto se buscan funciones de forma que cumplan propiedad de la delta de Kronecker,
esto es, si I y J son dos nodos de la discretizacin entonces NI (xJ ) = IJ con
(
1 I=J
IJ =
0 I 6= J
siendo xJ la coordenada del punto J.
Posteriormente se comprobar que la aproximacin mediante funciones de base radial y soporte compacto cumple esta propiedad, desarrollndose la formulacin necesaria.
La aproximacin de la derivada puede obtenerse de la forma:
N
X
du
duh
dNJ
'
=
uJ
dx
dx
dx
J=1
(2.2.13)
17
2.2.6.
Obtencin de los sistemas de ecuaciones
Para la a forma dbil FD1, sustituyendo pues las ecuaciones 2.2.12 y 2.2.13 en 2.2.4 tenemos:
Is
dw X J dNJ
u
k
dx
dx
dx +
vx
Is
J=1
N
X
J=1
"
N
X
wk
J=1
!
dN
J
w dx
uJ
dx
dNJ
u
dx
(2.2.14)
I
#sup
=
I
x=inf
Qwdx
Is
sacando factor comn uJ y reordenando sumatorios

N
X
J=1
uJ
dw dNJ
dx+
dx dx
!
I

sup
dNJ
dNJ
+
vx
wdx k
w
=
Qwdx
dx
dx
Is
Is
x= I
k
Is
(2.2.15)
inf
resulta por tanto el siguiente sistema de ecuaciones lineales

(2.2.16)
KIJ uJ = fI
donde
KIJ
dw dNJ
dx +
=
k
I
s dx dx
I

sup
dNJ
dNJ
vx
wdx k
w
dx
dx
Is
x= I
(2.2.17)
inf
fI =
(2.2.18)
Qwdx
Is
I
sup
Anlogamente, si tomamos la forma dbil FD2, abreviando []x=
I
inf
rigidez KIJ
KIJ = [vx NJ w]Is
NJ v x
Is
dw
dx +
dx
k
Is
= []I , resultara la matriz de

s

dw dNJ
dNJ
dx k
w
dx dx
dx
I
(2.2.19)
fI =
(2.2.20)
Qwdx
Is
Del mismo modo, si tomamos la forma dbil FD3, la matriz de rigidez KIJ resultara

dw
dw
d2 w
dNJ
KIJ = [NJ vx w]Is + NJ k
NJ v x
+ k 2 dx wk
dx I
dx
dx
dx I
Is
s
(2.2.21)
fI =
Qwdx
Is
(2.2.22)
18
2.2.6.1.
Imposicin de condiciones de contorno naturales
Una forma de imponer las condiciones de contorno naturales, tipo du

dx = t es imponer directamente
la condicin en el sistema de ecuaciones a partir de la aproximacin uh mediante funciones de forma.
Partiendo de la expresin:
N
X
duh
du
dNJ
=
uJ
dx
dx
dx
J=1

Si en el nodo I de coordenada xI se impone du
dx x=xi = t la expresin queda
N
X
uJ
J=1
dNJ
(xI ) = t
dx
Que equivale a realizar la siguiente sustitucin en la fila I de la matriz de rigidez y en el vector de

fuerzas nodales:
..
.
..
.
..
.
..
.
dN
1 (xI )
dx
..
..
..
..
.
.
.
.

..
.

..
.
I
dNN
u =

dx (xI )
.
..
.
.
.
.
..
..
.
..
.
..
.
..
.
..
.
No obstante, como se comprobar posteriormente, este mtodo de evaluacin de derivadas tiende a cometer errores grandes en en los puntos extremos del dominio, que es precisamente donde es necesario
imponer la condicin de contorno, por lo que opta por imponer la condicin a partir del nodo del contorno
y su nodo ms cercano, es decir:
.
..

..
..
..
..
..
.
.
.
.
.
.
..
..
.
..
..
..
..
.
.
.
.
.
.
. uI1
0 0 1 1
uI
..
.
..
.
..
.
..
.
t(xI xI1 )
Otra posibilidad no explorada en el presente trabajo, sera utilizar una cuadratura diferencial, que de
forma anloga a la cuadratura integral obtiene la derivada en un punto a partir de la suma ponderada
de los valores de la funcin en los puntos de la discretizacin. Una aplicacin de la misma se puede ver
en [10].
2.2.6.2.
Imposicin de condiciones de contorno esenciales
Si en el nodo I de coordenada xI se impone u(xI ) = uI equivale a sustituir la fila I de la matriz de

rigidez del vector de fuerzas nodales de la siguiente forma:
2.3. ESTABILIZACIN DE LA SOLUCIN MEDIANTE TCNICAS UPWIND
..
.
..
.
.
..
..
.
..
.
..
.
..
.
..
.
0
..
.
..
.
..
.
1
..
.
..
.
..
.
0
..
.

..
.

..
..
..
.
..
.
..
.
uI
..
.
..
.
f1
..
.
..
.
uI
..
.
19
fN
Alternativamente, se puede adems sustituir la columna I de la siguiente forma, despejando el valor

conocido en el nodo al vector de fuerzas nodales:
2.3.
..
.
..
.
.
..
..
.
..
.
..
.
..
.
..
.
0
..
.
0
0
0
1
0
0

..
..
.
.

..
..
.
.
0
0
..
..
.
.
..
.
..
.
..
.
uI
..
.
..
.
f1 k1I uI
f k uI

2
2

..

.

=
uI

..

fN kN I uI
Estabilizacin de la solucin mediante tcnicas upwind
El objetivo de la estabilizacin upwind (o contracorriente) es mejorar la precisin de la solucin

numrica evitando fuertes oscilaciones (wiggles) de la solucin numrica alrededor de la solucin real
del problema, fenmeno que se da cuando predomina la componente convectiva sobre la difusiva, y
especialmente en zonas con fuertes variaciones de la solucin u buscada [6].
Un mtodo muy popular es el mtodo Streamline Upwind Petrov-Galerkin (SUPG). El enfoque consiste en ponderar en mayor medida la informacin aguas arriba del punto o nodo concreto que la de aguas
abajo y para ello se propone para el caso 1D la modificacin de la funcin de peso o test utilizada mediante una funcin de perturbacin y un coeficiente que controla el peso adicional sobre los nodos aguas
arriba [6]. En Atluri y Lin [7] se usan dos tcnicas adaptadas en mtodos sin malla, la primera traslada
el mximo de la funcin de test aguas arriba, y la segunda traslada aguas arriba el propio dominio de
integracin.
El mtodo que hemos elegido, utilizado por Lin y Atluri [7], consiste en desplazar el dominio de
integracin local Is aguas arriba , que tiene la ventaja de aportar estabilizacin incluso utilizando una
funcin de test w constante. En el caso de utilizar una funcin de test w genrica distinta a la constante
hemos optado por desplazarla tambin de forma conjunta al dominio de integracin, lo cual nos ha ofrecido
mejores resultados que mantenerla fija, centrndose as en el punto medio del dominio de integracin (ver
figura 2.3.1).
Para el mtodo elegido se define el nmero de Peclet local mediante la expresin:
Pe =
2s |vx |
K
donde s es el radio de integracin local (el radio de s ), vx la velocidad y K el coeficiente de difusin.

El desplazamiento contracorriente lupw del dominio local de integracin s viene dado por
20
lupw = s
siendo:
= coth
Pe
2
2
Pe
Para valores muy altos de P e (predominio de la conveccin) el valor de se acerca a 1 y el desplazamiento a efectuar se acerca a s (quedando el nodo en uno de los extremos del nuevo dominio de
integracin).
En el siguiente cuadro se resume las diferencias de aplicacin del mtodo de upwind en cada uno de
los mtodos
MLPG1
MLPG2
MLPG3
MLPG4
MLPG5
funcion de test
TEST1
TEST1
TEST2
TEST3
TEST3
soporte f. test
global
global
global
local
local
desplazamiento de s
SI
SI
SI
SI
SI
desplazamiento f. de test
NO (indiferente)
NO (indiferente)
SI
SI
SI
Figura 2.3.1: Desplazamiento del subdominio de integracin local en la estabilizacin upwind. Caso 2D
2.4.
Funciones de Forma basadas en Funciones de Base Radial de

soporte compacto
Las funciones de base radial se suelen denominar de forma abreviada por sus acrnimos FBR o RBF1
(en ingls).
En la resolucin de la EDP2 de conveccin-difusin est extendido el uso de las aproximaciones de
mnimos cuadrados para aproximar la solucin. No obstante en el presente trabajo se probar el funcionamiento de las RBF de soporte compacto para dicha aproximacin. stas presentan la ventaja de dar
funciones de forma que poseen la propiedad Delta de Kronecker, lo cual hace que imponer las condiciones
de contorno esenciales sea muy sencillo. Otras caractersticas deseables [8] de la aproximacin RBF es
1 RBF:
2 EDP:
radial basis functions

ecuacin en derivadas parciales
2.4. FUNCIONES DE FORMA BASADAS EN FUNCIONES DE BASE RADIAL DE SOPORTE COMPACTO21

que son independientes de la dimensin del espacio (R,R2 ,R3 ) lo cual puede facilitar la programacin a
la hora de extender el mtodo a 2D y 3D.
Dentro de la funciones de base radial, existen RBF de soporte global y soporte compacto. En el caso
de las RBF de soporte global, algunas [8] tienen una muy buena convergencia en el error de interpolacin
(como la multicudrica y la Gaussiana). No obstante obtener funciones de forma con RBF de soporte
global implica la inversin de una matriz llena y mal condicionada cuando crece tu tamao ([11, 8])
con los consiguientes inconvenientes de tiempo de computacin y memoria. Adems, existe el principio
de incertidumbre de Schaback en virtud del cual un error de aproximacin pequeo va acompaado de
un mal condicionamiento mientras que un buen condicionamiento resulta en errores de aproximacin
comparativamente mayores [8]. Para mejorar el condicionamiento de la matriz se utilizan mtodos como
la descomposicin de dominio, precondicionamiento y uso de RBF de soporte compacto [8], mtodo
que seguiremos en el presente trabajo. El uso de RBF de soporte compacto mejora el condicionamiento
introduciendo ceros en la matriz a invertir, al tiempo que permite su almacenamiento en banda, mejorando
los tiempos de cmputo.
2.4.1.
Las funciones de base radial y soporte compacto
Definicin. Se dice que una funcin R es de base radial cuando satisface la siguiente definicin:
R :Rn R
x R (x) = R (kxk)
en donde x Rn y kxk es la norma (en nuestro caso la norma euclidiana o distancia geomtrica) en el
espacio Rn , cuya expresin es:
v
u n
uX
x2i
kxk = t
i=1
Es decir, que la funcin de base radial devuelve un valor que depende de la distancia entre el vector x y
el origen de coordenadas.
Alternativamente, la funcin de base radial puede definirse centrada en otro punto que no sea el
origen. En este caso denominamos Rj a la funcin de base radial centrada en un punto xj de tal forma
que se cumple:
Rj (x) = R (kx xj k) = R (rj )
Siendo rj R a la distancia de un punto genrico x al punto xj , rj = kx xj k
Definicin. Una funcin de base radial R(r) tiene soporte compacto con radio de soporte si se cumple
que:
(
6= 0, si 0 r < )
R(r) =
= 0, si r >
2.4.2.
Aproximacin mediante funciones de base radial de soporte compacto
Aproximamos la funcin u(x) mediante la funcin uh (x), como combinacin lineal de funciones RJ (x)
de base radial centradas en cada punto J en que se discretiza eldominio global del problema:
22
u (x) ' uh (x) =
N
X
aJ RJ (x)
(2.4.1)
J=1
El soporte compacto de radio de las funciones RJ hace que, a efectos de clculo, el sumatorio se
pueda restringir convenientemente sin prdida de exactitiud, como se comprobar ms adelante.
En forma matricial sera
(2.4.2)
uh (x) = RT (x) a
Podemos hallar los coeficientes aJ imponiendo la condicin
uh (xI ) = uI =
N
X
aJ RJ (xI )
(2.4.3)
J=1
donde uI , I = 1, ....., N son los valores nodales de la funcin uh (x) en cada punto del dominio global.
Esta expresin se puede poner de forma matricial:
(2.4.4)
R0 a = u
donde

uT = u1 u2 uN
aT = [a1 a2 aN ]
R1 (x1 )
R1 (x2 )
R0 =
..
R2 (x1 )
R2 (x2 )
..
.
RN (x1 )
RN (x2 )
..
..
.
R1 (xN ) R2 (xN )
(2.4.5)
RN (xN )
Eligiendo funciones de base radial que hagan definida positiva la matriz R0 , aseguramos que sta es
invertible [1].
Resolviendo el sistema de ecuaciones se pueden hallar las componentes de a:
a = R1
0 u
(2.4.6)
Sustituyendo la ecuacin 2.4.6 en 2.4.2 tenemos

T
uh (x) = RT R1
0 u=N u
(2.4.7)
donde NT es el vector de funciones de forma cuya expresin es

NT = RT (x) R1
0
(2.4.8)
De tal manera que cada funcin de forma NI (x) se puede calcular a partir de las funciones de base
radial de la siguiente forma:
NI (x) =
N
X
J=1
RJ (x) rJI
(2.4.9)

siendo rIJ las componentes de R1
0 que sern en general no nulas dado que la inversa no conserva el
ancho de banda.
Asimismo la derivada de la funcin de forma NI (x) respecto de la coordenada geomtrica xk viene
dada por
N
N
X
dR rj
NI (x) X RJ (x)
=
rJI =
rJI
xk
xk
drj xk
2.4.2.1.
(2.4.10)
J=1
J=1
caractersticas de la matriz R0
Es fcil comprobar que si usamos un mismo radio de soporte en todos los puntos se cumple que
RI (xJ ) = RJ (xI ) y por tanto la matriz R0 es simtrica.
Como se ha dicho anteriormente, dado que la funcin de base radial usada es de soporte compacto
y radio entonces
kxI xJ k > RI (xJ ) = RJ (xI ) = 0
Esta propiedad hace que, escogiendo un radio de soporte suficientemente pequeo, la matriz R0
es de tipo sparse o dispersa (la mayor parte de sus coeficientes son nulos). En la implementacin
1D se escoger un almacenamiento en banda para esta matriz.
Una adecuada eleccin de la funcin de base radial R(r) hace que R0 sea definida positiva.
2.4.3.
Eleccin del tipo de funcin de base radial
Se desea elegir una funcin R(r) de base radial y soporte compacto que asegure que la matriz R0
definida en 2.4.5 sea definida positiva y que la aproximacin uh sea del orden de continuidad suficiente
para permitir su derivacin en los rdenes requeridos en la formulacin.
Para asegurar que la matriz R0 es definida positiva es condicin suficiente que R(r) sea definida
positiva de acuerdo con la siguiente definicin[5]
Definicin. Se dice que una funcin continua R : [0, ) R : es definida positiva en Rd si se cumple
que la forma cuadrtica cT AX,R c, es estrictamente positiva para cualquier posible combinacin de
X = {x1 , . . . , xN } , xi Rd y c = {c1 , . . . , cN } , c RN \ {0}. La matriz AX,R se construye de la forma
AX,R = [R (kxi xj k)]1i,jN
Se puede comprobar que si una funcin es definida positiva en Rd lo es tambin en Rk , k d.
En Floater e Iske (1996) [5] se pueden encontrar una serie de funciones polinmicas de base radial
y soporte compacto con distintas clases de continuidad y que satisfacen la condicin de ser definidas
positivas en espacios de distintas dimensiones. Adems estas funciones polinmicas tienen el mnimo
grado posible para un orden de continuidad dado y condicin de definida positiva en Rd .
Se escoger entre ellas la siguiente funcin de radio de soporte igual a la unidad:
4
R(r) = (1 r)+ (4r + 1)
(2.4.11)
que tiene un orden de continuidad C 2 y es definida positiva en R3 , permitiendo su implementacin en

modelos 1D,2D y 3D.
Su derivada respecto de r viene dada por:
dR
= 20r(r1)3
dr
(2.4.12)
24
RBF R(r)=(1-r)4 (4r+1)

1
0.9
0.8
0.7
R(x)
0.6
0.5
0.4
0.3
0.2
0.1
0
-1
-0.5
0.5
(x-xcentro) /
4
Figura 2.4.1: grfica de la funcin R(r) = (1 r) (4r + 1) para problemas 1D

Es necesario escalar el soporte de R(r) para adaptarse a distintos radios de soporte y con ello a distintas
densidades de puntos en el dominio. Para ello efectuamos un cambio de variable en 2.4.11 sustituyendo
r por d/ (d es la distancia y el radio de soporte) resultando
4
R (d) = (1 d/)+ (4d/ + 1)

2.4.3.1.
(2.4.13)
caso unidimensional
En el caso 1D tenemos que para una funcin Rj (r) = R(rj ) centrada en el punto xj la distancia
escalada rj viene dada por:
kx xj k
rj =
=
( xx
xj x
x>xj
x < xj
La expresin de Rj (x) definida en 2.4.11 se puede escribir como:

4

kxx k
kxx k
1 j
4 j +1
kx xj k <
Rj (x) =
0
kx xj k >
(2.4.14)
Y su derivada respecto a la coordenada x viene dada (conservando por comodidad la variable r ) por:
20
3
+ rj (rj 1)
dRj
3
= 20
rj (rj 1)
dx
x >xj , kx xj k <
x < xj , kx xj k <
kx xj k >

su derivada segunda respecto a la coordenada x viene dada por:
20
d2 Rj
= 2 (rj 1)2 (4rj 1)
dx2
Funciones de Base Radial y Soporte Compacto.=2.8h
R(x)
0.5
0
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
Figura 2.4.2: Representacin 1D de las funciones de base radial Rj (x) = (1 dj/) (4dj/ + 1) para el
dominio [0, 1] y una discretizacin en 11 nodos con distancia entre nodos consecutivos h = 0, 1. Se ha
escogido un radio de soporte = 0,28h
2.4.4.
Algunas propiedades de las funciones de forma NI (x) basadas en RBFs.
De la expresin 2.4.9 y de las propiedades de las funciones RJ (x) se deduce que:

NI (x) es de soporte global, es decir, devuelve en general valores no nulos para cualquier posicin
de x
NI (x) Es (
interpolante en los nodos, cumpliendo la propiedad de la delta de Kronecker. NI (xJ ) =
1 I=J
IJ IJ =
0 I 6= J
Las funciones de forma NI (x) dependen nicamente de la distribucin de puntos en el dominio.
Sea una distribucin de puntos equidistantes entre s un distancia h, con radio de soporte de las
RBF mltiplo de h. Entonces entre dos puntos consecutivos la funcin NI (x) es polinmica con
grado igual al grado de las RBF. Esto es as dado que las RBF estn formadas por un polinomio a
su derecha y otro a su izquierda, y en ese intervalo, la funcin NI (x) es combinacin lineal de las
26
partes izquierdas de las RBF a su derecha y de las partes derechas de las RBF a su izquierda, que
son polinomios.
En el clculo de NI (x) en un punto concreto x

solamente intervienen aquellas RJ (x) centradas en
nodos J prximos a x
, mientras que el resto no tienen influencia. Si es el radio de soporte de las
RJ (x) entonces se anulan aquellas RJ (x) tales que k
x xJ k > . Esta condicin (o una condicin
suficiente que garantice sta) permite el ahorro de numerosos clculos.
Funciones de forma basadas en RBF

1
0.8
Nj(x)
0.6
0.4
0.2
0
-0.2
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
Figure 2.4.3: Funciones de forma correspondientes a una discretizacin del dominio [0, 1] en 11 puntos
equiespaciados con h = 0, 1 y = 3, 9h para las RBFs.

1
N0
N3
N8
0.8
Nj(x)
0.6
0.4
0.2
0
-0.2
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
Figura 2.4.4: En la figura se visualiza que las funciones de forma basadas en RBFs cumplen la propiedad
de delta de Kronecker. Las funciones se corresponden a los puntos 0, 3 y 8. Discretizacin de 11 puntos
equiespaciados con h = 0, 1 y = 3, 9h para las RBFs.
28
Derivadas de funciones de forma basadas en RBF. =3.9h

15
dN1/dx
dN3/dx
dN8/dx
dN10/dx
10
dN/dx
5
0
-5
-10
-15
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
Figura 2.4.5: Derivadas de las funciones de forma. Las funciones se corresponden a los puntos 1, 3, 8 y
10. Discretizacin de 11 puntos equiespaciados con h = 0, 1 y = 3, 9h para las RBFs.
2.4.5.
Errores numricos en la aproximacin mediante RBF de soporte compacto.
Las fuentes principales de errores en la resolucin de una EDP mediante el mtodo empleado en este
trabajo son los errores en la aproximacin de las RBF y la forma dbil empleada (pero no los nicos,
como la cuadratura de integracin usada). Respecto a los errores de aproximacin mediante RBF, stos
se pueden analizar a travs del condicionamienteo de R0 y a travs de los errores cometidos al aproximar
funciones conocidas y sus derivadas.
En este apartado se tratar el condicionamiento de la matriz R0 a travs del estudio del error numrico
cometido al invertir la matriz. El procedimiento seguido para medir el error se detalla en la seccin 3.2. En
la figura 2.4.6 se representa el error al calcular R1
0 en funcin del nmero de puntos y del soporte de las
RBF, para una distribucin regular de puntos. En la figura 2.4.7 se comparan los errores correspondientes
a patrones aleatorios de puntos frente a una distribucin regular, resultando un incremento del error en
varios rdenes de magnitud cuando la distribucin es aleatoria.
Los errores al calcular R1
0 se incrementan a medida que aumenta el soporte relativo /h y con ello el
ancho de banda y puntos vecinos que intervienen en la interpolacin, como se puede ver en la figura 2.4.6.
Los errores tambin son muy sensibles a la distribucin de puntos, resultando mejor una distribucin
regular que una aleatoria.
Los factores que influyen en el condicionamiento de R0 son pues:
el soporte relativo /h, que influye en el ancho de banda de la matriz R0
la distribucin de puntos, sea regular o irregular.

El nmero de puntos N de la discretizacin (en relacin con el soporte /h ), que determina el
tamao de la matriz R0 .
Cuando N es grande y la distribucin de puntos regular, el soporte relativo /h es el que determina casi
en exclusiva los errores de R1
0 .
En la figura 2.4.8 se ha calculado el error que producen las funciones de forma evaluadas en los puntos
de la discretizacin respecto a su valor terico, la delta de Kronecker. Sus valores son casi idnticos a los
errores de R1
0 .
Error al evaluar la inversa de R0 (distribucion de puntos regular)
Error cuadratico medio I-R0R-1

0
1e+00
1e-02
1e-04
N=100
N=1000
N=2000
N=4000
ptos
ptos
ptos
ptos
1e-06
1e-08
1e-10
1e-12
1e-14
1e-16
1e-18
1e+00
1e+01
1e+02
1e+03
1e+04
soporte relativo a la distancia entre puntos (/h )
Figura 2.4.6: Error al calcular R1

0 respecto al soporte relativo /h. Intervalo [0,1]. Puntos equiespaciados.
8 bytes de precisin para nmeros en coma flotante.
Error al evaluar la inversa de R0 N= 100 puntos
Error al evaluar la inversa de R0 N= 1000 puntos
1e-06
1e-08
1e+02
distrib. regular
aleatoria 1
aleatoria 2
aleatoria 3
aleatoria 4

0

0
1e-04
1e-10
1e-12
1e-14
1e-16
1e-18
0.01
0.1
relacion entre radio soporte RBF y longitud del dominio ( /L )
1e+00
1e-02
1e-04
distrib. regular
aleatoria 1
aleatoria 2
aleatoria 3
aleatoria 4
1e-06
1e-08
1e-10
1e-12
1e-14
1e-16
1e-18
0.001
0.01
0.1
relacion entre radio soporte RBF y longitud del dominio ( /L )
Figura 2.4.7: Error al calcular R1

0 . Intervalo [0,1]. Comparacin entre puntos aleatorios y puntos equiespaciados. 8 bytes de precisin para nmeros en coma flotante.
En las figuras 2.4.9y 2.4.10 se representa el aspecto de una funcin de forma centrada en el dominio y
de su derivada para distinto nmero de puntos. Se comprueba que el aumento del nmero de puntos no
altera su aspecto general, tan slo estrechndose el intervalo donde la funcin de forma devuelve valores
significativos, pero sin variacin apreciable del rango de valores mximos y mnimos. Este estrechamiento
implica que su derivada aumenta sus valores mximos y mnimos, concretamente de forma inversa a la distancia entre puntos, sufriendo tambin el estrechamiento del intervalo donde ofrece valores significativos,
pero sin alterar de forma apreciable su aspecto general.
En la figura 2.4.11 se aprecia el efecto en las funciones de forma al escoger valores de /h demasiado
altos. Cuando el nmero de puntos es pequeo ello no conlleva el aumento de puntos que intervienen en
30
Error medio cuadrtico comprobando Delta de Kronecker
Error maximo evaluando Delta de Kronecker
1e+00
1e-02
1e-04
10
100
1000
2000
4000
ptos
ptos
ptos
ptos
ptos
1e+00
1e-02
1e-04
1e-08
Error
Error
1e-06
1e+02
1e-10
1e-08
1e-10
1e-14
1e-12
1e-16
1e-14
1e+01
1e+02
1e+03
1e+04
ptos
ptos
ptos
ptos
ptos
1e-06
1e-12
1e-18
1e+00
10
100
1000
2000
4000
1e-16
1e+00
1e+01
1e+02
1e+03
1e+04
Figura 2.4.8: Error en el cumplimiento de la condicin Delta de Kronecker para distintos soportes de
RBF. Intervalo [0,1]. Puntos equiespaciados. Error medio cuadrtico y error mximo.
la interpolacin, y se producen unas oscilaciones de pequeo periodo previas al error en la factorizacin

de R0 . Cuando el nmero de puntos es grande, sta deja de cumpir la condicin Delta de Kronecker, observndose una clara traslacin respecto a sus valores esperados. En cambio las derivadas de las funciones
de forma se comportan mucho mejor, como se puede apreciar en la figura 2.4.12.
2.4.6.
Errores en la aproximacin de funciones mediante funciones de forma

basadas en RBFs
Se utilizar la expresin vista anteriormente:
u (x) ' u (x) =
N
X
J=1
u NJ (x) =
N
X
J=1
N
X
rKJ RK (x)
(2.4.15)
K=1
En la figura 2.4.13 se muestra una serie de figuras donde se aproximan diversas funciones 1D mediante
funciones de forma basadas en la RBF definida en 2.4.14. Todas ellas se evalan en el dominio [0, 1] discretizado en nodos equiespaciados con distancia entre nodos h = 0, 1. En la figura 2.4.14 se representan
los errores en la aproximacin de varias funciones segn N (el nmero total de puntos del problema) y
el soporte de las RBF (relativo a la distancia h entre puntos consecutivos). El soporte relativo, en un
problema con N suficientemente grande es un indicador del nmero de puntos vecinos que intervienen
en la interpolacin. As, un soporte de 10, 1h para puntos equiespaciados significa que se toman, adems del punto central, 10 puntos a la derecha y 10 a la izquierda para interpolar la funcin en una
coordenada dada. Se observa que un aumento del soporte relativo /h (y consecuentemente de puntos
intervinientes en la interpolacin) produce en general un aumento de la precisin pero existe un mximo
debido al creciente malcondicionamiento de R0 . A partir de ese mximo la precisin disminuye debido al
malcondicionamiento de R0 .

1
1001 puntos =100h
0.8
0.6
0.6
N(x)
N(x)
11 puntos =100h
0.8
0.4
0.4
0.2
0.2
-0.2
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
-0.2
0.495 0.496 0.497 0.498 0.499
0.5
0.501 0.502 0.503 0.504 0.505
x
1.2
10001 puntos =100h
1
N(x)
0.8
0.6
0.4
0.2
0
-0.2
0.4995 0.4996 0.4997 0.4998 0.4999
0.5
0.5001 0.5002 0.5003 0.5004 0.5005
Figura 2.4.9: Funciones de forma para varias discretizaciones.
Figura 2.4.13: Aproximacin de varias funciones (f (x) = 2, una funcin escaln H(x), L(x) = 2x 0, 25
y P (x) = (x 0, 2)(x 0, 6)(x 0, 9)(x 20)) en el dominio [0, 1] mediante funciones de forma basadas en
RBFs. Discretizacin de 11 puntos equiespaciados con h = 0, 1 y = 3, 9h. El peor grado de exactitud
se da en los extremos, donde se usan 4 RBFs mientras que en el centro se usan 7.
32
Derivadas de funciones de forma basadas en RBF
15
1500
1001 puntos =100h
1000
500
dN/dx
dN/dx
11 puntos =100h
10
-5
-500
-10
-1000
-15
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
-1500
0.495 0.496 0.497 0.498 0.499
0.5
0.501 0.502 0.503 0.504 0.505
x
15000
10001 puntos =100h
10000
dN/dx
5000
0
-5000
-10000
-15000
0.4995 0.4996 0.4997 0.4998 0.4999
0.5
0.5001 0.5002 0.5003 0.5004 0.5005
Figura 2.4.10: Funciones de forma para varias discretizaciones.
Error de aproximacin de la funcin exp(x) entre 0 y 5
Error de aproximacin de la funcin cos(x) entre 0 y

1e-02
1e-01
N=10 puntos
N=100 puntos
N=1000 puntos
N=2000 puntos
Error relativo
Error relativo
1e-03
1e-04
1e-05
1e-06
1e-07
1e+01
N=10 puntos
N=100 puntos
N=1000 puntos
N=2000 puntos
1e-02
1e-03
1e-04
1e-05
1e-06
1e+02
1e+03
soporte relativo a la distancia entre puntos ( h)
1e+04
1e-07
1e+01
1e+02
1e+03
1e+04
soporte relativo a la distancia entre puntos (/h)
Figura 2.4.14: Errores cometidos en la aproximacin de funciones, segn N (nmero total de puntos del
problema) y soporte de lass RBF. Para el clculo del error se ha evaluando la diferencia entre solucin
exacta y numrica en 2500 puntos.
2.4.7.
Errores en la aproximacin de derivadas mediante funciones de forma

basadas en RBFs
Es inmediato comprobar que la aproximacin de la derivada de una funcin se puede obtener a partir
de las funciones de forma mediante la expresin:

Influencia del soporte de las RBF en las funciones de forma. 11 puntos
1
=4h
=4000h
=105h
0.8
NJ(x)
0.6
0.4
0.2
0
-0.2
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
x
-7.6
=1x104h
=4h
-7.8
0.8
-8
0.6
N
-8.2
0.4
-8.4
0.2
-8.6
-8.8
-0.2
-9
0.4994
0.4996
0.4998
0.5
0.5002
0.5004
0.5006
0.4994
0.4996
0.4998
0.5
0.5002
0.5004
0.5006
Figura 2.4.11: Influencia de valores extremos del soporte en las funciones de forma.
N
N
N
X
X
X
du
duh
dRK
J dNJ
J
=
=
rKJ
u
u
dx
dx
dx
dx
J=1
J=1
K=1
En las figuras 2.4.16, 2.4.17 y 2.4.18 se representa la aproximacin de la derivada de la funcin

f (x) = x, f 0 (x) = 1 en el dominio [0, 1] partiendo de los valores de f (x). Se utiliza distinto nmero de
puntos y distintos radios de soporte de las RBF. Se comprueba que los errores mximos en las derivadas
se producen en los extremos del dominio,significativamente superiores a los de la zona central, y que la
precisin aumenta al aumentar el radio de soporte (para ver el mtodo de medida de errores, consultar
la seccin 3.2). En la figura 2.4.15 se muestran los errores en la aproximacin de derivadas de varias
funciones a partir de funciones de forma basadas en RBF (se excluyen los puntos extremos del cculo
dado que en la resolucin de una EDP se sustituyen por las condiciones de contorno). Se constata que :
El aumento de soporte incrementa la precisin del clculos de las derivadas hasta un valor crtico
del cociente /h en el que la precisin empeora debido al condicionamiento de R0 (errores en el
clculo de su inversa).
Un aumento de N manteniendo constante mejora la precisin, hasta que se alcanza el cociente
/h crtico conde empieza a disminuir con N.
Un aumento de N manteniendo /h constante empeora la precisin.
Este soporte relativo crtico /h es superior al observado en la aproximacin de las funciones. Ello
es congruente con el hecho de que las derivadas de las funciones de forma son menos sensibles a los
34
Derivadas de funciones de forma basadas en RBF. 5001 puntos
Derivadas de funciones de forma basadas en RBF. 5001 puntos
8000
8000
=1x104h
=4h
4000
4000
2000
2000
dN/dx
6000
dN/dx
6000
-2000
-2000
-4000
-4000
-6000
-6000
-8000
-8000
0.4994
0.4996
0.4998
0.5
0.5002
0.5004
0.5006
0.4994
0.4996
0.4998
0.5
0.5002
0.5004
0.5006
Figura 2.4.12: Influencia de valores extremos del soporte en las derivadas de las funciones de forma.
errores de R1
0 . Asimismo, el uso de una relacin /h excesivamente grande produce el fallo en la
factorizacin de R0 ,
2.4.8.
Clculo eficiente en un programa de ordenador
A efectos de implementacin en un programa de ordenador interesa excluir del clculo de la funcin

de forma NI (x) aquellos puntos cuya funcin RJ devuelve valor nulo. Una comprobacin estricta de
este extremo obligara a calcular, para cada punto concreto x
de evaluacin de la funcin, sus puntos
prximos, lo cual sera costoso computacionalmente. Se impondr por tanto una condicin suficiente para
excluir la mayora de esos puntos, basada en las distancias entre los nodos de la discretizacin, cuyo valor
se obtiene anteriormente al construir la matriz R0 (ver figura 2.4.19).
Proposicin 1. Dados dos puntos o nodos I y J, es condicin suficiente para que RJ (
x) = 0, x
Is
que se cumpla que kxI xJ k >s + + lupw , siendo:
RJ (
x):
funcin de base radial y soporte compacto (RBF), centrada en el nodo J y con radio de soporte
igual a
Is :
subdominio de integracin local de radio s correspondiente al nodo I y en el caso general,

no centrado en el nodo I.
radio de soporte de las RBF
radio de integracin de Is , subdominio local correspondiente al nodo I .
lupw
longitud mxima de traslacin upwind o distancia mxima entre el centro del subdominio
de integracin local Is y la posicin del nodo I
Proof. En virtud del teorema de la desigualdad triangular y teniendo en cuenta que x

Is k
x xI k
s + lupw (ver figura 2.4.19) tenemos:
kxI xJ k k
x xI k + k
x xJ k s + lupw + k
x xJ k
despejando:
k
x xJ k kxI xJ k s lupw
imponiendo la condicin propuesta kxI xJ k >s + + lupw tenemos
k
x xJ k kxI xJ k s lupw > (s + + lupw ) s lupw =

k
x xJ k >
Lo cual significa que x
y J estn a una distancia mayor que el soporte de RJ y por tanto, el valor que
devuelve es nulo.
Excluiremos por tanto, en todas las evaluaciones de las funciones de forma en torno al nodo I, todas
aquellas RJ (x) centradas en nodos J que cumplan kxI xJ k >s + + lupw .
Dados los puntos o nodos en los que se discretiza el dominio global del problema, es suficiente obtener
para cada nodo los nodos vecinos, es decir, aquellos que son cercanos a una distancia mxima de s +
+ lupw . Esto tiene la doble utilidad de obtener:
Los nodos vecinos a efectos de evaluacin de las funciones de forma NI (x), excluyendo evaluar la
mayora de funciones RJ (x) que devuelven valores nulos.
El clculo eficiente de la matriz R0 y su inversa, utilizando los nodos vecinos situados a una distancia
inferior o igual a .
36
Error de aproximacin de la derivada de f(x)=cos(x) entre 0 y
Error de aproximacin de la derivada de la funcin cos(x) entre 0 y

1e+00
Error relativo (excepto extremos)
1e+00
1e-01
1e-02
1e-03
1e-04
1e-05
10 puntos
100 puntos
1000 puntos
2000 puntos
5000 puntos
1e-06
1e+01
1e+02
1e+03
1e-02
1e-03
1e-04
1e-05
1e-06
0.0
1e+04
N=10 puntos
N=100 puntos
N=1000 puntos
N=2000 puntos
N=5000 puntos
1e-01
0.1
ratio h
Error de aproximacin de la derivada de f(x)=exp(x) entre 0 y 1
1e-01
1e-02
10 puntos
100 puntos
1000 puntos
2000 puntos
5000 puntos
1e-05
1e+01
1e+02
1e+03
1e-01
0.7
0.8
0.9
1.0
1e-03
1e-04
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1.0
soporte relativo a la longitud del dominio global (/L)
Error de aproximacin de la derivada de f(x)=x entre 0 y 1
Error de aproximacin de la derivada de la funcin f(x)=x entre 0 y 1

1e+00
0.6
1e-02
1e-05
0.0
1e+04
1e+00
1e-01
1e-02
1e-03
1e-05
0.5
N=10 puntos
N=100 puntos
N=1000 puntos
N=2000 puntos
N=5000 puntos
1e+00
ratio /h
1e-04
0.4
1e+01
1e+00
1e-04
0.3
Error de aproximacin de la derivada de la funcin exp(x) entre 0 y 1
1e+01
1e-03
0.2
soporte relativo a la longitud del dominio global ( L)
10 puntos
100 puntos
1000 puntos
2000 puntos
5000 puntos
1e-06
1e+01
1e+02
1e+03
ratio /h
1e+04
N=10 puntos
N=100 puntos
N=1000 puntos
N=2000 puntos
N=5000 puntos
1e-01
1e-02
1e-03
1e-04
1e-05
1e-06
0.0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1.0
soporte relativo a la longitud del dominio global (/L)
Figura 2.4.15: Errores cometidos en la aproximacin de derivadas de funciones, segn nmero de puntos
y soporte de lass RBF. Para el clculo del error se ha evaluando la diferencia entre solucin exacta y
numrica en 2500 puntos.
20 funciones de forma. Soporte RBF: 10.00 h

1.4
1.2
Derivada df/dx
1
0.8
0.6
0.4
0.2
0
EXACTA
NUMERICA
-0.2
0
0.2
0.4
0.6
0.8
x
1.03
1.02
1.01
1
Derivada df/dx
Derivada df/dx
1
0
-1
-2
0.99
0.98
0.97
0.96
0.95
0.94
-3
EXACTA
NUMERICA
EXACTA
NUMERICA
0.93
-4
0.92
0
0.2
0.4
0.6
0.8
0.2
0.4
0.6
0.8
1.1
1
0.9
-10
Derivada df/dx
Derivada df/dx
-5
-15
-20
-25
-30
0.8
0.7
0.6
-35
0.5
EXACTA
NUMERICA
-40
-45
EXACTA
NUMERICA
0.4
0
0.2
0.4
0.6
x
0.8
0.2
0.4
0.6
0.8
Figura 2.4.16: Aproximacin de la derivada de f (x) = x, f 0 (x) = 1 a partir de los valores de f (x)
38

1.1
Derivada df/dx
1.05
0.95
EXACTA
NUMERICA
0.9
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
x
1.1
1.00002
1.00002
1.00001
Derivada df/dx
Derivada df/dx
1.05
0.95
1.00001
1.00000
1.00000
0.99999
0.99999
EXACTA
NUMERICA
0.9
EXACTA
NUMERICA
0.99998
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
0.8
0.9
1.1
1.00002
1.00002
1.00001
Derivada df/dx
Derivada df/dx
1.05
0.95
1.00001
1.00000
1.00000
0.99999
0.99999
EXACTA
NUMERICA
0.9
EXACTA
NUMERICA
0.99998
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
0.1
0.2
0.3
0.4
0.5
0.6
0.7
x
1000 funciones de forma. Soporte RBF:1000.00 h
1.00002
1.00002
Derivada df/dx
1.00001
1.00001
1.00000
1.00000
0.99999
0.99999
EXACTA
NUMERICA
0.99998
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
Figura 2.4.17: Detalle de la zona central. Aproximacin de la derivada de f (x) = x, f 0 (x) = 1 a partir
de los valores de f (x). Se modifica la escala vertical para ms detalle.
1.03
1.02
1.01
1
Derivada df/dx
Derivada df/dx
1
0
-1
-2
0.99
0.98
0.97
0.96
0.95
0.94
-3
EXACTA
NUMERICA
EXACTA
NUMERICA
0.93
-4
0.92
0.9
0.91
0.92
0.93
0.94
0.95
0.96
0.97
0.98
0.99
0.9
0.91
0.92
0.93
0.94
0.95
0.96
0.97
0.98
0.99
0.99
1.1
1
0.9
-10
Derivada df/dx
Derivada df/dx
-5
-15
-20
-25
-30
0.8
0.7
0.6
-35
0.5
EXACTA
NUMERICA
-40
-45
EXACTA
NUMERICA
0.4
0.9
0.91
0.92
0.93
0.94
0.95
x
0.96
0.97
0.98
0.99
0.9
0.91
0.92
0.93
0.94
0.95
0.96
0.97
0.98
Figura 2.4.18: Detalle en el extremo. Aproximacin de la derivada de f (x) = x, f 0 (x) = 1 a partir de los
valores de f (x)
40
Figure 2.4.19: Si la distancia entre los nodos I y J es mayor que + s + lupw entonces RJ (x) = 0 para
todo punto x incluido en el entorno de integracin de I. La evaluacin de la funcin de forma en x puede
entonces prescindir de RJ
Captulo 3
Validacin de resultados
En este captulo se proceder a validar los resultados del mtodo implementado con distintas variantes
y se comparan con soluciones analticas conocidas, y viendo la influencia de los parmetros empleados en
el mtodo en los resultados obtenidos.
Se contrastarn las siguientes formulaciones, con las caractersticas reflejadas en el siguiente cuadro:
mtodo
forma dbil
funcin de test
MLPG1
MLPG2
MLPG3
MLPG4
FD1
FD2
FD3
FD2
TEST1
TEST1
TEST2
TEST3
MLPG5
FD3
TEST3
FORMA DBIL SIMPLIFICADA (DOMINIO INTERIOR)

v du dx k du
=
I Qdx
dx
Is x dx
du s s
[vx u]s k dx = I Qdx
s
s
dw
I uvx dx dx ks (u(sup ) 2u(xj ) + u(inf )) = I Qwdx
s
s
du
I uvx dw
dx + I k dw
dx = I Qwdx
dx
dx
dx
s
s

s
d2 w
+
k
dx
=
Qwdx
I u vx dw
2
I
dx
dx
Cuadro 3.1: mtodos utilizados

Las formulacin MLPG2 presenta a priori la ventaja computacional de no requerir la evaluacin de
integrales en los puntos.
En los resultados ofrecidos se comprobar la necesidad de implementar la estabilizacin contracorriente
o upwind para mejorar los resultados en los casos en que la conveccin es dominante.
Para relacionar la importancia de la conveccin frente a la difusin se utiliza el nmero de Peclet,
definido de la siguiente forma:
vx
L
k
donde vx es la velocidad , k el coeficiente de difusin y L la longitud del dominio.
Se han realizado las verificaciones reflejadas en el cuadro 3.2. Se ha utilizado por regla general una
distribucin regular de puntos debido a su mejor comportamiento frente al malcondicionamiento de R0 ,
sin perjuicio del anlisis del comportamiento de los mtodos con distribuciones aleatorias.
Pe =
3.1.
Definiciones
Definimos:
L es la longitud del dominio 1D donde se resuelve el problema planteado
41
42
CAPTULO 3. VALIDACIN DE RESULTADOS

experimento
CP
DP
CD1
CD2
CD3
problema
Conveccin pura
Difusin Pura
Conveccin-difusin
Conveccin-difusin
Conveccin-difusin
condiciones de contorno
Dirichlet
Dirichlet
Dirichlet
Dirichlet
Dirichlet-Neuman
Q
variable
0
0
50
50
Cuadro 3.2: experimentos realizados para el estudio del comportamiento de los mtodos
N es el nmero total de puntos en que discretizamos el dominio
h es la distancia media entre puntos contiguos obtenida mediante la frmula h =
L
N 1
es el radio de soporte de las RBF de acuerdo con la definicin dada en la seccin: 2.4.1
3.2.
Medida del error y del orden de convergencia
Para medir el error de la solucin numrica respecto de la solucin exacta, haremos uso de la norma
de orden 0 de Sobolev kk0 definida como sigue:
s
kuk0 =
u2 d
El error relativo se define como:

exacta

u
unumerica 0
r =
kuexacta k0
(3.2.1)
A efectos de clculo el error en la EDP se obtiene comparando los valores numricos con los analticos en
los puntos de la discretizacin.
Para medir el error de una matriz con respecto a su valor exacto, se utilizar el error cuadrtico medio
erica
de sus componentes. Sean Anum
y Aexacta
mn
mn las matrices a comparar, entonces el error M (A) se define
como:
v
u
m X
n
u 1 X

erica 2
aexacta anum
(3.2.2)
M (A) = t
ij
m n i=1 j=1 ij
Para evaluar el error numrico al calcular la inversa de una matriz A, que denominamos I (A), se
utilizar la expresin
I (A) = M (I AA1
num
erica )
(3.2.3)
donde I es la matriz identidad y M () es el error cuadrtico medio definido en la ecuacin 3.2.2.

Decimos que el orden de convergencia del mtodo es m si se cumple que

m
k+1
hk+1
=
k
hk
siendo k el nmero ordinal que indica la sucesiva aplicacion del mtodo con refinamientos crecientes de la
discretizacin, hk y hk+1 los tamaos de malla (distancia entre puntos contiguos) y k y k+1 los errores
43
3.3. CASO PURAMENTE CONVECTIVO (CP)
correspondientes a esos tamaos. Es decir, que si refinamos la malla dividiendo su tamao por un ractor
r, el error cometido se divide por rm .
El orden de convergencia de obtendr, por tanto, despejando m de la ecuacin:
m=
3.3.
log
log
k+1
k
hk+1
hk
(3.2.4)
Caso puramente convectivo (CP)
El caso de conveccin pura servir para analizar el funcionamiento de los mtodos en la parte convectiva de la formulacin (la parte de los trminos de la matriz de rigidez multiplicados por vx )
Figura 3.3.1: caso de conveccin pura

Resolveremos el problema puramente convectivo 1D representado en la figura 3.3.1 en el domino [0, 11]
, con k = 0, vx = 1, condicin de contorno esencial u(0) = 0 y
0x5
1 0,3x
Q(x) = 0,25(x 7) 5 x 7
0
7x
La solucin analtica viene dada por
u(x) = u(0) +
1
vx
x
0
3.3.1.
0x5
x 0,15x

1
Q(x)dx = 1,25 + 8 x2 14x + 45 5 x 7
0,75
7x
Resultados y convergencia
Los resultados para una discretizacin de 15 y 40 puntos se representan en la figuras 3.3.2 y 3.3.3,
comparando las soluciones con correccin upwind y sin upwind. Se ha utilizado un radio de integracin
s = 0, 5h y un soporte de las RBF = 10h. Se pueden ver los resultados para una distribucin aleatoria
de 20 puntos en la figura 3.3.4.
En la figura 3.3.5 se analiza la convergencia de los mtodos frente al tamao de la discretizacin, representada por la distancia h entre puntos consecutivos. Se observa que cuando no se aplica la estabilizacin
upwind los 5 mtodos dejan de converger a la solucin exacta para tamaos de h relativamente grandes,
mientras que la estabilizacin upwind proporciona convergencia en todos los valores de h considerados
(en nuestro caso hasta h = 3, 67 103 equivalente a 3000 puntos).
44
En el siguiente cuadro se obtienen los rdenes de convergencia para el caso CP y estabilizacin

upwind (se calculan a partir de los datos del segundo tramo recto del grfico de menores h) . Ntese
que los mtodos MLPG4 y MLPG5 son idnticos en su parte convectiva , con lo que sus resultados en el
problema CP sern idnticos.
MLPG1
MLPG2
MLPG3
MLPG4
MLPG5
3.3.2.
Orden de convergencia
(CP, upwind)
1,92
1,92
1,12
1,06
1,06
Influencia del del radio de integracin en la precisin
En la figura 3.3.6 se representa la influencia del radio de integracin en la precisin de las formulaciones,
para distintos tamaos de discretizacin. Se puede observar que en las formulaciones con upwind el radio
ptimo se sita en el entorno de 0, 5h mientras que en las formulaciones sin upwind es recomendable
escoger un radio menor de la unidad. Se utiliza el error relativo medido con la norma 0 de Sobolev,
comentada en la seccin 3.2. Cabe destacar que en las formulaciones MLPG3, MLPG4 y MLPG5 el
error es ms sensible al radio de integracin cuando se utiliza la estabilizacin upwind, estabilizacin que
conlleva en nuestro caso que la funcin de test se descentre con respecto a la coordenada del punto de
discretizacin, complicando la funcin a integrar cuando la longitud de integracin es mayor que h.
3.3.3.
Influencia del soporte en la precisin
En la figura 3.3.7 se muestra la influencia del soporte de las RBF en el error de los mtodos. Se
observa que los mtodos MLPG3, MLPG4, y MLPG5 (idntico en su parte convectiva al MLPG4 en
subdominios interiores) tienen un comportamiento muy similar frente al aumento del soporte relativo
/h. La precisin aumenta con /h al menos hasta /h = 1000 y luego el error aumenta bruscamente. Si
comparamos estos resultados con el error de aproximacin de una funcin con RBF vista en el captulo 2
(figura 2.4.14), vemos que el valor /h ptimo es similar. El mtodo MLPG3 se comporta un poco mejor
que los equivalentes entre s MLPG4 y MLPG5.
Respecto a los mtodos MLPG1 y MLPG2, conviene ignorar el caso de 100 puntos ya que es un caso
singular de una precisin serendpita que no sigue la tendencia general a tenor de la grfica 3.3.5 de
convergencia y las grficas 3.3.6.
3.4.
Caso de difusin pura con condiciones de contorno Dirichlet

(DP)
El caso de difusin pura servir para analizar el funcionamiento de los mtodos en la parte difusiva
de la formulacin (la parte de los trminos de la matriz de rigidez multiplicados por k). Los datos del
caso son los siguientes:
caso
DP
u(0)
0
u(L)
1
Q
0
L
1
k
1
vx
0
La solucin analtica es inmediata, siendo la recta que une los puntos (0,0) y (1,1).
45
3.4. CASO DE DIFUSIN PURA CON CONDICIONES DE CONTORNO DIRICHLET (DP)
Conveccin pura. MLPG1. 15 puntos
Conveccin pura. MLPG2.15 puntos
1.6
1.6
1.4
1.4
1.2
1.2
1
u(x)
1.8
u(x)
1.8
0.8
0.8
0.6
0.6
0.4
0.4
EXACTA
con upwind
sin upwind
0.2
EXACTA
con upwind
sin upwind
0.2
0
0
10
10
1.6
1.6
1.4
1.4
1.2
1.2
1
u(x)
1.8
u(x)
1.8
0.8
0.8
0.6
0.6
0.4
0.4
EXACTA
con upwind
sin upwind
0.2
EXACTA
con upwind
sin upwind
0.2
0
0
10
10
x
1.8
1.6
1.4
1.2
u(x)
1
0.8
0.6
0.4
EXACTA
con upwind
sin upwind
0.2
0
0
10
Figura 3.3.2: Resultados obtenidos para el caso de conveccin pura. 15 puntos. Radio de soporte de las
RBF de 10h. Radio de integracin de 0, 5h
46
Conveccin pura. MLPG1. 40 puntos
1.6
1.6
1.4
1.4
1.2
1.2
1
u(x)
1.8
u(x)
1.8
0.8
0.8
0.6
0.6
0.4
0.4
EXACTA
con upwind
sin upwind
0.2
EXACTA
con upwind
sin upwind
0.2
0
0
10
10
1.6
1.6
1.4
1.4
1.2
1.2
1
u(x)
1.8
u(x)
1.8
0.8
0.8
0.6
0.6
0.4
0.4
EXACTA
con upwind
sin upwind
0.2
EXACTA
con upwind
sin upwind
0.2
0
0
10
10
x
1.8
1.6
1.4
1.2
u(x)
1
0.8
0.6
0.4
EXACTA
con upwind
sin upwind
0.2
0
0
10
Figura 3.3.3: Resultados obtenidos para el caso de conveccin pura. 40 puntos. Radio de soporte de las
RBF de 10h. Radio de integracin de 0, 5h
47
CP. Resultados. Coord aleatorias. N=20 puntos =10h

1.8
1.6
1.4
1.2
u(x)
1
0.8
EXACTA
MLPG1
MLPG2
MLPG3
MLPG4
MLPG5
0.6
0.4
0.2
0
0
10
Figura 3.3.4: CP. Resultados con coordenadas aleatorias y estabilizacin upwind. 20 puntos. Radio de
soporte de las RBF de 10h. Radio de integracin de 0, 49h
CP. Convergencia sin estabilizacion upwind.s=0.5h.=100h

0.1
0.01
0.01
0.001
0.001
Error relativo
Error relativo
CP.Convergencia.Upwind.s=0.5h.=100h
0.1
0.0001
1e-05
MLPG1
MLPG2
MLPG3
MLPG4
MLPG5
1e-06
1e-07
0.001
0.01
0.1
h
0.0001
1e-05
MLPG1
MLPG2
MLPG3
MLPG4
MLPG5
1e-06
10
1e-07
0.001
0.01
0.1
10
Figura 3.3.5: Convergencia de los mtodos respecto a la distancia h entre puntos consecutivos . Puntos
equiespaciados. Soporte de las RBF de 100h. Radio de integracin de 0,5h
48

CP.MLPG1.Upwind.Error segn radio de integracin. =100h
CP.MLPG1.No upwind.Error segn radio de integracin. = 100h

1e-01
Error relativo
Error relativo
1e-02
1e-03
1e-02
1e-03
50 puntos
100 puntos
200 puntos
50 puntos
100 puntos
200 puntos
1e-04
1e-04
0
0.25
0.5
0.75
1.25
1.5
1.75
0.25
0.5
0.75
s / h
CP.MLPG2.Upwind.Error segn radio de integracin. =100h
1.25
1.5
1.75
CP.MLPG2.NO upwind.Error segn radio de integracin. = 100h

1e-01
Error relativo
1e-02
Error relativo
1
s / h
1e-03
1e-02
1e-03
50 puntos
100 puntos
200 puntos
50 puntos
100 puntos
200 puntos
1e-04
1e-04
0
0.25
0.5
0.75
1.25
1.5
1.75
0.25
0.5
0.75
s / h
1.25
1.5
1.75
s / h
CP.MLPG3.Upwind.Error segn radio de integracin. = 100h
1e+02
1e-01
1e+01
1e-02
Error relativo
Error relativo
1e+00
1e-01
1e-02
1e-03
1e-03
1e-04
50 puntos
100 puntos
200 puntos
50 puntos
100 puntos
200 puntos
1e-04
1e-05
1e-05
0
0.25
0.5
0.75
1.25
1.5
1.75
0.25
0.5
0.75
s / h
1.25
1.5
1.75
s / h
CP.MLPG4.Upwind.Error segn radio de integracin. = 100h
1e+01
1e-02
1e-01
Error relativo
Error relativo
1e+00
1e-02
1e-03
1e-03
1e-04
50 puntos
100 puntos
200 puntos
50 puntos
100 puntos
200 puntos
1e-04
1e-05
1e-05
0
0.25
0.5
0.75
1.25
1.5
1.75
0.25
0.5
0.75
s / h
1.25
1.5
1.75
s / h
CP.MLPG5.Upwind.Error segn radio integracin. 2x5 ptos Gauss. =100h
CP.MLPG5.No upwind.Error segn radio integracin. 2x5 ptos Gauss. =100h
1e+01
1e-02
1e-01
Error relativo
Error relativo
1e+00
1e-02
1e-03
1e-03
1e-04
50 puntos
100 puntos
200 puntos
1e-04
50 puntos
100 puntos
200 puntos
1e-05
1e-05
0
0.25
0.5
0.75
1
s / h
1.25
1.5
1.75
0.25
0.5
0.75
1.25
1.5
1.75
s / h
Figura 3.3.6: Influencia del radio de integracin en la precisin de las formulaciones. Se ha utilizado una
cuadratura de 5 puntos de Gauss a cada lado
49
CP. Error segun soporte RBF.MLPG1. s= 0.5h
1e-03
1e-02
100 puntos
1000 puntos
2500 puntos
1e-03
100 puntos
1000 puntos
2500 puntos
Error relativo
Error relativo
1e-04
1e-05
1e-04
1e-05
1e-06
1e-06
1e-07
1e+01
1e+02
1e+03
1e-07
1e+01
1e+04
1e+02
/h
1e+03
1e+04
/h
1e-02
1e-01
100 puntos
1000 puntos
2500 puntos
1e-02
100 puntos
1000 puntos
2500 puntos
Error relativo
1e-04
1e-03
1e-04
1e-05
1e-05
1e-06
1e+01
1e+02
1e+03
1e+04
1e-06
1e+01
1e+02
/h
1e+03
1e+04
/h
1e-01
1e-02
Error relativo
Error relativo
1e-03
100 puntos
1000 puntos
2500 puntos
1e-03
1e-04
1e-05
1e-06
1e+01
1e+02
1e+03
1e+04
/h
Figura 3.3.7: Influencia del radio de soporte de las RBF en el error. Radio de integracin de 0, 5h
50

Orden de convergencia
(DP, = 0, 4L)
1,86
1,86
1,95
-
MLPG1
MLPG2
MLPG3
MLPG4
MLPG5
Cuadro 3.3: DP.ordenes de convergencia
3.4.1.
En la figura 3.4.1 se representan los resultados obtenidos para los 5 mtodos con una discreticzacin
de 15 puntos y radio de integracin de 0,5h en todos los casos, obtenindose una buena aproximacin.
Ntese que las formulaciones MLPG1 Y MLPG2 contienen el mismo trmino difusivo, diferencindose
nicamente en el convectivo, con lo que en el caso de difusin pura son idnticas en todos los aspectos.
DP. 15 puntos.=100h.s=0.5h
1
0.8
u(x)
0.6
0.4
EXACTA
MLPG1
MLPG2
MLPG3
MLPG4
MLPG5
0.2
0
0
0.2
0.4
0.6
0.8
Figura 3.4.1: Resultados obtenidos para el caso de difusin pura. 15 puntos. Radio de soporte de las RBF
de 100h. Radio de integracin de 0, 5h
En la figura 3.4.2 se representa la convergencia manteniendo fijo el valor de y en la figura 3.4.3 se
analiza la convergencia cuando se mantiene constante la relacin /h. Los rdenes de convergencia para
fijo se calculan en el cuadro 3.3. Se evidencia que:
Los mtodos que divergen son MLPG3 y MLPG5, que comparten la caracterstica de que su trmino
difusivo en la matriz de rigidez se basa en la evaluacin de funciones de forma sin derivar, que son
ms sensibles a los errores producidos al invertir R0 que sus derivadas.
El mtodo MLPG5 diverge antes que el mtodo MLPG3 probablemente porque el trmino difusivo
de su forma dbil amplifica los errores de traslacin de la funcin de forma, al contrario que el
mtodo MLPG3 que resta valores de la funcin de forma.
La convergencia del mtodo MLPG4 es fuertemente dependiente de la relacin /h .
DP.Convergencia.s=0.5h.=0,4 L
1e+00
1e-01
1e-01
1e-02
1e-02
Error relativo
Error relativo
DP.Convergencia.s=0.5h.=0,25 L
1e+00
1e-03
1e-04
1e-04
MLPG1
MLPG2
MLPG3
MLPG4
MLPG5
1e-05
1e-06
1e-04
1e-03
1e-03
1e-02
1e-01
MLPG1
MLPG2
MLPG3
MLPG4
MLPG5
1e-05
1e-06
1e-04
1e+00
1e-03
1e-02
1e-01
1e+00
Figura 3.4.2: Caso DP. Convergencia para = 0, 25L y = 0, 4L
DP.Convergencia.s=0.5h.=10h
1e+00
1e-01
Error relativo
1e-02
1e-03
1e-04
1e-03
MLPG1
MLPG2
MLPG3
MLPG4
MLPG5
1e-03
1e-02
1e-01
MLPG1
MLPG2
MLPG3
MLPG4
MLPG5
1e-04
1e-05
1e-04
1e+00
1e-03
1e-02
h
1e-01
1e-02
Error relativo
Error relativo
1e-02
1e-01
1e-03
1e-04
1e-05
MLPG1
MLPG2
MLPG3
MLPG4
MLPG5
1e-06
1e-07
1e-04
1e-03
1e-02
1e-01
1e+00
Figura 3.4.3: Caso DP. Convergencia para varios /h
1e-01
1e+00
51
52
3.4.2.
Influencia del radio de integracin
En la figura 3.4.4 se representa la influencia del radio de integracin en la precisin de los resultados,
para distinto nmero de puntos y soporte de las RBF.
Llama la atencin el mtodo MLPG3 en el brusco incremento de precisin para un radio de integracin
s /h = 1 . El trmino difusivo del mtodo MLPG3 se basa en la evaluacin de diferencias de la funcin
de forma. La explicacin al brusco incremento de precisin ha de buscarse en que las funciones de forma
tienen analticamente la propiedad Delta de Kroneker y que el mtodo las est evaluando, cuando s /h = 1
y los puntos son equiespaciados, justamente en los puntos donde la funcin vale tericamente 1 0, y
esos puntos son evaluados de forma precisa aunque el nmero de puntos y el soporte de RBF sea bajo.
Esta circunstancia no se puede aprovechar fuera de la difusin pura debido a que el upwinding traslada
el dominio de integracin.
3.5.
Caso de conveccin-difusin con condiciones de contorno Dirichlet (CD1 y CD2)
Figura 3.5.1: caso de conveccin-difusin con Q constante

Se trata de resolver el problema de conveccin-difusin de la figura 3.5.1, para diferentes nmeros de
Peclet, Q constante y condiciones de contorno esenciales (Dirichlet). La solucin analtica viene dada por
u(x) = u(0) +
u(L) u(0)
e
vx
k
Q
vx L
vx
k
Q
1 + x
vx
siendo u(0) y u(L) el valor de u en x = 0 y x = L, respectivamente.

Se distinguen dos casos, en funcin de las condiciones de contorno elegidas y el valor de Q. En el
siguiente cuadro se muestran las caractersticas de cada caso:
caso
CD1
CD2
u(0)
0
0
3.5.1.
Caso CD1
3.5.1.1.
u(L)
1
0
Q
0
50
L
1
1
k
1
1
vx
varias
varias
En la figura 3.5.2 se ofrecen los resultados obtenidos con estabilizacin upwind. Estos resultados
numricos son satisfactorios para los 5 valores de P e estudiados an para bajo nmero de puntos. En
la figura 3.5.3 se ofrecen los resultados prescindiendo del upwinding. En este caso se puede apreciar
3.5. CASO DE CONVECCIN-DIFUSIN CON CONDICIONES DE CONTORNO DIRICHLET (CD1 Y CD2)53

DP.MLPG1.Error segn radio de integracin. = 100h
1e-01
1e-01
1e-02
Error relativo
Error relativo
1e-02
1e-03
1e-03
1e-04
1e-05
1e-04
10 puntos
100 puntos
1000 puntos
10 puntos
100 puntos
1000 puntos
1e-06
1e-05
1e-07
0
0.2
0.4
0.6
0.8
1.2
1.4
1.6
1.8
0.2
0.4
0.6
0.8
s / h
1.2
1.4
1.6
1.8
1.8
1.8
1.8
1.8
s / h
1e-01
1e-01
1e-02
Error relativo
Error relativo
1e-02
1e-03
1e-03
1e-04
1e-05
1e-04
10 puntos
100 puntos
1000 puntos
10 puntos
100 puntos
1000 puntos
1e-06
1e-05
1e-07
0
0.2
0.4
0.6
0.8
1.2
1.4
1.6
1.8
0.2
0.4
0.6
0.8
s / h
1.2
1.4
1.6
s / h
1e-01
1e-01
1e-02
1e-02
1e-03
1e-04
Error relativo
Error relativo
1e-03
1e-05
1e-06
1e-07
1e-08
1e-04
1e-05
1e-06
1e-09
10 puntos
100 puntos
1000 puntos
1e-10
10 puntos
100 puntos
1000 puntos
1e-07
1e-11
1e-08
0
0.2
0.4
0.6
0.8
1.2
1.4
1.6
1.8
0.2
0.4
0.6
0.8
s / h
1.2
1.4
1.6
s / h
1e-01
1e-04
Error relativo
Error relativo
1e-02
1e-03
1e-04
1e-05
1e-05
1e-06
10 puntos
100 puntos
1000 puntos
10 puntos
100 puntos
1000 puntos
1e-06
1e-07
0
0.2
0.4
0.6
0.8
1.2
1.4
1.6
1.8
0.2
0.4
0.6
0.8
s / h
1.2
1.4
1.6
1e+00
1e-01
10 puntos
100 puntos
1000 puntos
1e-02
Error relativo
1e-01
Error relativo
1
s / h
1e-02
1e-03
1e-04
1e-03
1e-04
1e-05
1e-05
10 puntos
100 puntos
1000 puntos
1e-06
0
0.2
0.4
0.6
0.8
1
s / h
1.2
1.4
1.6
1.8
0.2
0.4
0.6
0.8
1.2
1.4
1.6
s / h
Figura 3.4.4: Influencia del radio de integracin en la precisin de las formulaciones.
54
que cuando la conveccin es dominante (P e elevados) aparecen las conocidas oscilaciones espreas de la
solucin numrica (wiggles). Un ejemplo de resultados para coordenadas aleatorias se ofrece en la figura
3.5.4
Pe=1. CD1.Upwind.40 puntos.=20h.s= 0.5h
1
EXACTA
MLPG1
MLPG2
MLPG3
MLPG4
MLPG5
0.8
EXACTA
MLPG1
MLPG2
MLPG3
MLPG4
MLPG5
0.8
u(x)
0.6
u(x)
0.6
0.4
0.4
0.2
0.2
0
0
0.2
0.4
0.6
0.8
0.2
0.4
x
0.8
1
EXACTA
MLPG1
MLPG2
MLPG3
MLPG4
MLPG5
0.8
EXACTA
MLPG1
MLPG2
MLPG3
MLPG4
MLPG5
0.8
0.6
u(x)
0.6
u(x)
0.6
x
0.4
0.4
0.2
0.2
-0.2
-0.2
0
0.2
0.4
0.6
0.8
0.2
0.4
0.6
0.8
x
1
EXACTA
MLPG1
MLPG2
MLPG3
MLPG4
MLPG5
0.8
u(x)
0.6
0.4
0.2
0
-0.2
0
0.2
0.4
0.6
0.8
Figura 3.5.2: Caso CD1. Comparacin de resultados con solucin exacta. Correccin upwind
En las figuras 3.5.5 3.5.6 y 3.5.7 se analiza la convergencia de los mtodos para este problema, utilizndose en la primera figura un soporte constante = 0, 4L y en las siguientes = 100h y = 1000h. Se
aprecia el efecto sobre el mtodo MLPG4 del aumento de /h cuando la difusin es dominante, haciendo
que sea convergente para = 1000h. Para P e elevados los mtodos MLPG1 y MLPG2 no son montonamente convergentes sino que tienen un empeoramiento transitorio de la convergencia, la cual vuelve a
mejorar, efecto no observado en los casos CP y DP.

Pe=1.CD1.No Upwind.40 puntos.=20h.s= 0.5h
1
EXACTA
MLPG1
MLPG2
MLPG3
MLPG4
MLPG5
0.8
EXACTA
MLPG1
MLPG2
MLPG3
MLPG4
MLPG5
0.8
u(x)
0.6
u(x)
0.6
0.4
0.4
0.2
0.2
0
0
0.2
0.4
0.6
0.8
0.2
0.4
x
0.8
1
EXACTA
MLPG1
MLPG2
MLPG3
MLPG4
MLPG5
0.8
EXACTA
MLPG1
MLPG2
MLPG3
MLPG4
MLPG5
0.8
0.6
u(x)
0.6
u(x)
0.6
x
0.4
0.2
0.4
0.2
-0.2
-0.2
0
0.2
0.4
0.6
0.8
0.2
0.4
0.6
0.8
x
1
EXACTA
MLPG1
MLPG2
MLPG3
MLPG4
MLPG5
0.8
u(x)
0.6
0.4
0.2
0
-0.2
-0.4
0
0.2
0.4
0.6
0.8
Figura 3.5.3: Caso CD1. Comparacin de resultados con solucin exacta. Sin upwinding
3.5.1.2.
Influencia del soporte
En las siguientes figuras 3.5.8 se analiza la influencia del soporte relativo /h en la precisin para
los valores para P e = 1 y P e = 500. Se constata que en ambos casos el aumento de soporte mejora la
precisin al menos hasta valores de = 1000h.
56
CD1. Resultados. Coord aleatorias. N=20 puntos =10h

1
EXACTA
MLPG1
MLPG2
MLPG3
MLPG4
MLPG5
0.8
u(x)
0.6
0.4
0.2
0
-0.2
0
0.2
0.4
0.6
0.8
Figura 3.5.4: CD1. Pe=10. Resultados con coordenadas aleatorias y estabilizacin upwind. 20 puntos.
Radio de soporte de las RBF de 10h. Radio de integracin de 0, 5h
Pe=10.CD1. Convergencia.Upwind.=0,40 L, s=0.5h
1e+00
1e-01
1e-01
1e-02
1e-02
Error relativo
Error relativo

1e+00
1e-03
1e-04
1e-04
MLPG1
MLPG2
MLPG3
MLPG4
MLPG5
1e-05
1e-06
1e-04
1e-03
1e-03
1e-02
1e-01
MLPG1
MLPG2
MLPG3
MLPG4
MLPG5
1e-05
1e-06
1e-04
1e+00
1e-03
1e-02
1e-01
1e+00
1e+00
1e+00
1e-01
Error relativo
1e-03
1e-05
1e-04
1e-02
MLPG1
MLPG2
MLPG3
MLPG4
MLPG5
1e-04
1e-03
1e-02
1e-01
MLPG1
MLPG2
MLPG3
MLPG4
MLPG5
1e-03
1e-04
1e-04
1e+00
1e-03
1e-02
h
1e+00
1e-01
Error relativo
Error relativo
1e-01
1e-02
1e-02
MLPG1
MLPG2
MLPG3
MLPG4
MLPG5
1e-03
1e-04
1e-04
1e-03
1e-02
1e-01
1e+00
Figura 3.5.5: Caso CD1. Convergencia. Soporte constante = 0, 4 L
1e-01
1e+00
Pe=10.CD1. Convergencia.Upwind.=100h s=0.5h. 2x5 p. Gauss

1e-01
1e-02
1e-02
Error relativo
Error relativo

1e-01
1e-03
MLPG1
MLPG2
MLPG3
MLPG4
MLPG5
1e-04
1e-05
1e-04
1e-03
1e-03
1e-02
1e-01
MLPG1
MLPG2
MLPG3
MLPG4
MLPG5
1e-04
1e-05
1e-04
1e+00
1e-03
1e-02
1e-01
Error relativo
1e-01
1e-02
1e-02
MLPG1
MLPG2
MLPG3
MLPG4
MLPG5
1e-03
1e-03
1e+00

1e+00
1e-02
1e-01
MLPG1
MLPG2
MLPG3
MLPG4
MLPG5
1e-03
1e-04
1e-04
1e+00
1e-03
1e-02
h
1e+00
1e-01
Error relativo
Error relativo

1e+00
1e-04
1e-04
1e-01
1e-02
MLPG1
MLPG2
MLPG3
MLPG4
MLPG5
1e-03
1e-04
1e-04
1e-03
1e-02
1e-01
1e+00
Figura 3.5.6: Caso CD1. Convergencia. Soporte relativo = 100h.
1e-01
1e+00
58

1e-01
1e-02
1e-02
Error relativo
Error relativo

1e-01
1e-03
1e-04
1e-04
MLPG1
MLPG2
MLPG3
MLPG4
MLPG5
1e-05
1e-06
1e-04
1e-03
1e-03
1e-02
1e-01
MLPG1
MLPG2
MLPG3
MLPG4
MLPG5
1e-05
1e-06
1e-04
1e+00
1e-03
1e-02
1e-01
1e+00
1e+00
1e+00
1e-01
Error relativo
1e-03
1e-05
1e-04
1e-02
MLPG1
MLPG2
MLPG3
MLPG4
MLPG5
1e-04
1e-03
1e-02
1e-01
MLPG1
MLPG2
MLPG3
MLPG4
MLPG5
1e-03
1e-04
1e-04
1e+00
1e-03
1e-02
1e-01
h
1e+00
1e-01
Error relativo
Error relativo
1e-01
1e-02
1e-02
MLPG1
MLPG2
MLPG3
MLPG4
MLPG5
1e-03
1e-04
1e-04
1e-03
1e-02
1e-01
1e+00
Figura 3.5.7: Caso CD1. Convergencia. Soporte relativo /h = 1000h.
1e+00
CD1. Pe=1. MLPG1. influencia soporte RBF , s=0.5h
CD1. Pe=1. MLPG2. Influencia soporte RBF , s=0.5h
1e-02
1e-02
100 puntos
1000 puntos
3000 puntos
100 puntos
1000 puntos
3000 puntos
1e-03
Error relativo
Error relativo
1e-03
1e-04
1e-05
1e-06
1e+01
1e-04
1e-05
1e+02
1e-06
1e+01
1e+03
1e+02
/ h
1e+03
/ h
CD1.Pe=1. MLPG3. Influencia soporte RBF , s=0.5h
CD1. Pe=1. MLPG4. Influencia soporte RBF , s=0.5h
1e+00
1e+00
100 puntos
1000 puntos
2500 puntos
100 puntos
1000 puntos
2500 puntos
1e-01
Error relativo
Error relativo
1e-01
1e-02
1e-02
1e-03
1e-04
1e-03
1e-05
1e-04
1e+01
1e+02
1e+03
1e-06
1e+01
1e+02
/ h
1e+03
/ h
1e+00
100 puntos
1000 puntos
2500 puntos
Error relativo
1e-01
1e-02
1e-03
1e-04
1e+01
1e+02
1e+03
/ h
Figura 3.5.8: CD1. Pe=1.Influencia del radio de soporte de las RBF en el error. Radio de integracin de
0, 5h
60
1e-01
1e-01
100 puntos
1000 puntos
2500 puntos
Error relativo
Error relativo
100 puntos
1000 puntos
2500 puntos
1e-02
1e-03
1e+01
1e+02
1e-02
1e-03
1e+01
1e+03
1e+02
/ h
1e-01
1e+00
100 puntos
1000 puntos
2500 puntos
Error relativo
100 puntos
1000 puntos
2500 puntos
Error relativo
1e+03
/ h
1e-02
1e-03
1e+01
1e+02
1e+03
1e-01
1e-02
1e-03
1e+01
1e+02
/ h
1e+03
/ h
1e+00
Error relativo
100 puntos
1000 puntos
2500 puntos
1e-01
1e-02
1e-03
1e+01
1e+02
1e+03
/ h
Figura 3.5.9: CD1. Pe=500.Influencia del radio de soporte de las RBF en el error. Radio de integracin
de 0, 5h
3.5.2.
Caso CD2
3.5.2.1.
En las figuras 3.5.10 y 3.5.11 se ofrecen los resultados obtenidos con estabilizcin upwind y prescindiendo de ella, respectivamente. Cuando se prescinde del upwinding los mayores errores se observan para
P e elevados (conveccin dominante) como era de esperar. Un ejemplo de resultados para coordenadas
aleatorias se ofrece en la figura 3.5.12. Se han ensayado los mtodos con distribuciones de puntos aleatorias para el caso CD2 con N = 20 y N = 200, Pe=10 y con un soporte fijo = L y radio de integracin
s = 0, 5h. Para estos parmetros del problema se ha constatado:
En los mtodos MLPG1, MLPG2 y MLPG4 el error cometido desciende cuando aumenta N de 20
a 200. En los mtodos MLPG3 y MLPG5 el error sube cuando aumenta N.
En los mtodos MLPG1, MLPG2 y MLPG4 la desviacin del error respecto a su media tiende a
bajar cuando aumenta N de 20 a 200.
En los mtodos MLPG1 y MLPG2, los errores hallados con distribuciones aleatorias son superiores
a su equivalente en una distribucin regular de puntos.
En el mtodo MLPG4 los errores hallados con distribuciones aleatorias pueden ser superiores o
inferiores a su equivalente en una distribucin regular de puntos.
Para N = 500, = L ya se hace patente el mal condicionamiento de R0 y los mtodos MLPG1, MLPG2
y MLPG4 arrojaron errores superiores respecto a N = 200.
En la figura 3.5.13 se puede apreciar el mal funcionamiento de los mtodos MLPG3 y MLPG5 con
coordenadas aleatorias.
En las figuras 3.5.14, 3.5.15 y 3.5.16 se analiza la convergencia de los mtodos para este problema,
utilizndose en la primera figura un soporte constante de = 0, 4L y para las otras dos un soporte
de = 100h y de = 1000h respectivamente. Al igual que en el caso CD1 Se aprecia el efecto sobre
el mtodo MLPG4 del aumento de /h cuando la difusin es dominante, haciendo que sea convergente
para = 1000h. Tambin del mismo modo, para P e elevados los mtodos MLPG1 y MLPG2 no son
montonamente convergentes sino que tienen un empeoramiento transitorio de la convergencia, la cual
vuelve a mejorar, efecto no observado en los casos CP y DP.
3.5.2.2.
Influencia del soporte
En las siguientes figuras se analiza la influencia del sooprte /h en la precisin para los valores de
P e = 1 y P e = 500. Al igual que en el caso CD1 se evidencia que en ambos casos el aumento de soporte
mejora la precisin al menos hasta valores de = 1000h.
62
Pe=1. Upwind. 40puntos. =20h s=0.5h
3.5
EXACTA
MLPG1
MLPG2
MLPG3
MLPG4
3
2.5
u(x)
u(x)
EXACTA
MLPG1
MLPG2
MLPG3
MLPG4
1.5
0.5
0
0
0.2
0.4
0.6
0.8
0.2
0.4
x
0.8
0.25
EXACTA
MLPG1
MLPG2
MLPG3
MLPG4
0.9
0.8
0.7
EXACTA
MLPG1
MLPG2
MLPG3
MLPG4
0.2
0.15
u(x)
0.6
0.5
0.4
0.1
0.3
0.2
0.05
0.1
0
0
0
0.2
0.4
0.6
0.8
0.2
0.4
0.6
0.8
x
0.1
EXACTA
MLPG1
MLPG2
MLPG3
MLPG4
0.09
0.08
0.07
0.06
u(x)
u(x)
0.6
x
0.05
0.04
0.03
0.02
0.01
0
-0.01
0
0.2
0.4
0.6
0.8
Figura 3.5.10: Caso 2. Comparacin de resultados con solucin exacta. Correccin upwind
Pe=1. No Upwind. 40puntos. =20h s=0.5h
Pe=10.No Upwind. 40puntos. =20h s=0.5h
3.5
EXACTA
MLPG1
MLPG2
MLPG3
MLPG4
3
2.5
u(x)
u(x)
EXACTA
MLPG1
MLPG2
MLPG3
MLPG4
1.5
0.5
0
0
0.2
0.4
0.6
0.8
0.2
0.4
0.6
0.8
0.3
EXACTA
MLPG1
MLPG2
MLPG3
MLPG4
0.9
0.8
0.7
EXACTA
MLPG1
MLPG2
MLPG3
MLPG4
0.25
0.2
u(x)
u(x)
0.6
0.5
0.15
0.4
0.1
0.3
0.2
0.05
0.1
0
0
0
0.2
0.4
0.6
0.8
0.2
0.4
0.6
0.8
x
0.3
EXACTA
MLPG1
MLPG2
MLPG3
MLPG4
0.25
u(x)
0.2
0.15
0.1
0.05
0
-0.05
0
0.2
0.4
0.6
0.8
Figura 3.5.11: Caso 2. Comparacin de resultados con solucin exacta. Sin upwinding
CD2. Pe=500. Resultados. Coord aleatorias. N=20 puntos =10h
0.1
EXACTA
MLPG1
MLPG2
MLPG3
MLPG4
MLPG5
0.09
0.08
0.07
u(x)
0.06
0.05
0.04
0.03
0.02
0.01
0
-0.01
0
0.2
0.4
0.6
0.8
Figura 3.5.12: CD2. Pe=500. Resultados con coordenadas aleatorias y estabilizacin upwind. 20 puntos.
Radio de soporte de las RBF de 10h. Radio de integracin de 0, 5h
64
CD2. Pe=10. Resultados. Coord aleatorias. N=200 puntos =1L

3.5
EXACTA
MLPG1
MLPG2
MLPG3
MLPG4
MLPG5
3
2.5
u(x)
2
1.5
1
0.5
0
-0.5
-1
0
0.2
0.4
0.6
0.8
Figura 3.5.13: CD2. Pe=10. Mal comportamiento de los mtodos MLPG3 Y MLPG5 con coordenadas
aleatorias. 200 puntos. Radio de soporte de las RBF de 1L. Radio de integracin de 0, 5h
1e+00
1e-01
1e-01
1e-02
1e-02
Error relativo
Error relativo

1e+00
1e-03
1e-04
1e-04
MLPG1
MLPG2
MLPG3
MLPG4
MLPG5
1e-05
1e-06
1e-04
1e-03
1e-03
1e-02
1e-01
MLPG1
MLPG2
MLPG3
MLPG4
MLPG5
1e-05
1e-06
1e-04
1e+00
1e-03
1e-02
1e-02
Error relativo
1e-02
1e-03
1e-03
MLPG1
MLPG2
MLPG3
MLPG4
MLPG5
1e-04
1e-03
1e+00

1e-01
1e-02
1e-01
MLPG1
MLPG2
MLPG3
MLPG4
MLPG5
1e-04
1e-05
1e-04
1e+00
1e-03
1e-02
1e-01
h
1e-01
Error relativo
Error relativo

1e-01
1e-05
1e-04
1e-01
1e-02
1e-03
1e-04
1e-04
MLPG1
MLPG2
MLPG3
MLPG4
MLPG5
1e-03
1e-02
1e-01
1e+00
Figura 3.5.14: Caso CD2. Convergencia. Soporte constante = 0, 4L
1e+00
CD2. Convergencia.Upwind Pe=10. =100h s=0.5h. 2x5 p. Gauss

1e-01
1e-02
1e-02
Error relativo
Error relativo

1e-01
1e-03
1e-04
1e-04
MLPG1
MLPG2
MLPG3
MLPG4
MLPG5
1e-05
1e-06
1e-04
1e-03
1e-03
1e-02
1e-01
MLPG1
MLPG2
MLPG3
MLPG4
MLPG5
1e-05
1e-06
1e-04
1e+00
1e-03
1e-02
1e-02
Error relativo
1e-02
1e-03
1e-03
MLPG1
MLPG2
MLPG3
MLPG4
MLPG5
1e-04
1e-03
1e+00

1e-01
1e-02
1e-01
MLPG1
MLPG2
MLPG3
MLPG4
MLPG5
1e-04
1e-05
1e-04
1e+00
1e-03
1e-02
h
1e-01
1e-02
Error relativo
Error relativo

1e-01
1e-05
1e-04
1e-01
1e-03
MLPG1
MLPG2
MLPG3
MLPG4
MLPG5
1e-04
1e-05
1e-04
1e-03
1e-02
1e-01
1e+00
Figura 3.5.15: Caso CD2. Convergencia. Soporte relativo = 100h
1e-01
1e+00
66

1e-01
1e-02
1e-02
Error relativo
Error relativo

1e-01
1e-03
1e-04
1e-04
MLPG1
MLPG2
MLPG3
MLPG4
MLPG5
1e-05
1e-06
1e-04
1e-03
1e-03
1e-02
1e-01
MLPG1
MLPG2
MLPG3
MLPG4
MLPG5
1e-05
1e-06
1e-04
1e+00
1e-03
1e-02
1e-01
1e+00
1e-01
1e-01
1e-02
Error relativo
1e-03
1e-04
1e-06
1e-04
1e-03
MLPG1
MLPG2
MLPG3
MLPG4
MLPG5
1e-05
1e-03
1e-02
1e-01
MLPG1
MLPG2
MLPG3
MLPG4
MLPG5
1e-04
1e-05
1e-04
1e+00
1e-03
1e-02
h
1e-01
Error relativo
Error relativo
1e-02
1e-02
1e-03
1e-04
1e-04
MLPG1
MLPG2
MLPG3
MLPG4
MLPG5
1e-03
1e-02
1e-01
1e+00
Figura 3.5.16: Caso CD2. Convergencia. Soporte relativo = 1000h
1e-01
1e+00

1e-02
1e-02
100 puntos
1000 puntos
2500 puntos
100 puntos
1000 puntos
2500 puntos
1e-03
Error relativo
Error relativo
1e-03
1e-04
1e-05
1e-06
1e+01
1e-04
1e-05
1e+02
1e-06
1e+01
1e+03
1e+02
/ h
1e+03
/ h
1e+00
1e+00
100 puntos
1000 puntos
2500 puntos
100 puntos
1000 puntos
2500 puntos
1e-01
Error relativo
Error relativo
1e-01
1e-02
1e-02
1e-03
1e-04
1e-03
1e-05
1e-04
1e+01
1e+02
1e+03
1e-06
1e+01
1e+02
/ h
1e+03
/ h
1e+00
100 puntos
1000 puntos
2500 puntos
Error relativo
1e-01
1e-02
1e-03
1e-04
1e+01
1e+02
1e+03
/ h
Figura 3.5.17: CD2. P e = 1.Influencia del radio de soporte de las RBF en el error. Radio de integracin
de 0, 5h
68

1e-02
1e-02
100 puntos
1000 puntos
2500 puntos
1e-03
Error relativo
Error relativo
100 puntos
1000 puntos
2500 puntos
1e-04
1e-05
1e+01
1e+02
1e-03
1e-04
1e-05
1e+01
1e+03
1e+02
/ h
1e+00
1e+00
100 puntos
1000 puntos
2500 puntos
100 puntos
1000 puntos
2500 puntos
1e-01
Error relativo
Error relativo
1e-01
1e-02
1e-03
1e-04
1e+01
1e+03
/ h
1e-02
1e-03
1e+02
1e+03
1e-04
1e+01
1e+02
/ h
1e+03
/ h
1e+00
100 puntos
1000 puntos
2500 puntos
Error relativo
1e-01
1e-02
1e-03
1e-04
1e+01
1e+02
1e+03
/ h
Figura 3.5.18: CD2. P e = 500.Influencia del radio de soporte de las RBF en el error. Radio de integracin
de 0, 5h
3.6.
Caso de conveccin-difusin con condiciones de contorno Dirichlet y Neuman (CD3)
A continuacin se resuelve el problema con condiciones de contorno Dirichlet-Neuman, varios valores

de P e y de condiciones de contorno. En el siguiente cuadro se detallan las caractersticas de dichos
valores. Podemos ver en la figura 3.6.1 los resultados obtenidos con estabilizcin upwind, comprobndose
la bondad de la aproximacin. El anlisis de convergencia se representa en la figura 3.6.2, viendo que su
comportamiento es similar a los casos CD1 y CD2.
3.6. CASO DE CONVECCIN-DIFUSIN CON CONDICIONES DE CONTORNO DIRICHLET Y NEUMAN (CD3)
CD3.1
CD3.2
CD3.3
u(0)
0
0
0
u0 (L)
0
5
0
Q
50
50
50
L
1
1
1
CD3.1 Pe=1. Upwind. 35 puntos. =100h s=0.5h
k
1
1
1
vx
1
50
10
25
1.2
EXACTA
MLPG1
MLPG2
MLPG3
MLPG4
20
EXACTA
MLPG1
MLPG2
MLPG3
MLPG4
1
0.8
u(x)
u(x)
15
0.6
10
0.4
5
0.2
0
0
0.2
0.4
0.6
0.8
0.2
0.4
0.6
0.8
x
5
EXACTA
MLPG1
MLPG2
MLPG3
MLPG4
4.5
4
3.5
u(x)
3
2.5
2
1.5
1
0.5
0
0
0.2
0.4
0.6
0.8
Figura 3.6.1: CD3. Comparacin de resultados con solucin exacta. Correccin upwind
70

CD 3.2. Convergencia.Upwind.=1000h s=0.5h. 2x5 p. Gauss
1e+00
1e-01
1e-01
Error relativo
Error relativo

1e+00
1e-02
MLPG1
MLPG2
MLPG3
MLPG4
MLPG5
1e-03
1e-04
1e-04
1e-02
1e-03
1e-02
1e-01
MLPG1
MLPG2
MLPG3
MLPG4
MLPG5
1e-03
1e-04
1e-04
1e+00
1e-03
1e-02
1e-01
1e+00
h
1e-01
Error relativo
1e-02
1e-03
MLPG1
MLPG2
MLPG3
MLPG4
MLPG5
1e-04
1e-05
1e-04
1e-03
1e-02
1e-01
1e+00
Figura 3.6.2: Casos CD3.1 CD3.2 y CD3.3. Convergencia para distintos valores de /h.
3.7.
Conclusiones
El uso de RBF de soporte compacto pretende paliar algunas de las definicencias de la interpolacin
con RBF de soporte global, como el mal condicionamiento de la matriz R0 y los requerimientos de
memoria y tiempo de computacin que conlleva la inversin de una matriz llena. Siguiendo esta lnea y
de acuerdo con el principio de incertidumbre de Schaback se ha escogido una RBF polinmica a trozos que
garantiza la inversibilidad de la matriz, pero en este trabajo se ha mostrado que es a costa de disminuir
la convergencia de la aproximacin respecto de otras funciones de interpolacin.
Los mtodos estudiados arrojan resultados satisfactorios para un nmero N de puntos equiespaciados
bajo o mediano, en especial cuando la conveccin es dominante. Cuando N crece se observa la no convergencia en difusin dominante de los mtodos MLPG3 y MLPG5, que comparten la caracterstica de que
su trmino difusivo se basa en la integracin de funciones de forma sin derivar. Asimismo los mtodos
MLPG3 y MLPG5 no convergen con distribuciones aleatorias de puntos.
Los mtodos que han dado mejores resultados son los MLPG1 y MLPG2, que comparten la caractertisca de usar una funcin de test constante w = 1 y donde la expresin a integrar, en el caso MLPG1,
se asimila a un polinomio a trozos de grado 5, siendo ptima una cuadratura de Gauss de 3 puntos.
Es fuertemente aconsejable el uso de una distribucin regular de puntos especialmente cuando N y
son grandes.
Las principales fuentes de error son las introducidas por la forma dbil utilizada y los errores de
aproximacin mediante RBF, dependiendo stos ltimos de la distribucin de puntos, de N y de la
relacin /h. Se ha comprobado experimentalmente que para dos distrituciones regulares de puntos de
tamaos grandes N1 y N2 , si comparten similar relacin /h tambin comparten errores similares de
R1
0 . Las distribuciones aleatorias de puntos tienen mucho peor condicionamiento de R0 , manteniendo
3.7. CONCLUSIONES
71
asimismo una fuerte correlacin entre /h y los errores de R1

0 . Como efecto apreciable en las funciones
de forma del mal condicionamiento de R0 cabe destacar una ostensible traslacin de la funcin de forma
respecto a su valor terico. La forma dbil utilizada podr amplificar ese error, segn el caso.
A la hora de resolver una EDP existe una clara limitacin en el uso de RBF de soporte compacto
cuando N crece. Por una parte, un aumento de nmero de puntos necesita un aumento del soporte relativo
/h para obtener convergencia, pero por otro lado dicho aumento de /h empeora los errores numricos
en R1
0 que tienden a contrarrestar e invertir el incremento de precisin en la solucin de la EDP.
La evaluacin de derivadas de funciones de forma es menos sensible a los errores numricos de R1
0
que las funciones de forma. Es por ello que se comportan mejor frente al aumento de /h para N grande.
Son pues preferibles en ese sentido los mtodos que evalan derivadas de las funciones de forma frente a
los que evalan funciones de forma.
De cara a futuras investigaciones seria interesante la caracterizacin de patrones no regulares de puntos
que mejoren el condicionamiento de R0 respecto a un patrn aleatorio. Otra lnea interesante de cara a
la resolucin de EDPs, dado que son conocidos los errores de las funciones de forma en los puntos de la
discretizacin (que tericamente son la Delta de Kronecker), sera el estudio de la funcin error resultante
y la implementacin de un refinamiento al cclculo de funciones de forma y sus derivadas basado en la
funcin de error obtenida.
72
Bibliografa
[1] SN Atluri and S. Shen. The meshless local petrov-galerkin (mlpg) method: a simple & less-costly
alternative to the finite element and boundary element methods. CMES(Computer Modelling in
Engineering & Sciences), 3(1):1151, 2002. 2.2, 2.4.2
[2] SN Atluri and T1 Zhu. A new meshless local petrov-galerkin (mlpg) approach in computational
mechanics. Computational mechanics, 22(2):117127, 1998.
[3] Martin D Buhmann. Radial basis functions. Acta Numerica 2000, 9:138, 2000.
[4] Martin D Buhmann. Radial basis functions: theory and implementations, volume 12. Cambridge
university press, 2003.
[5] Michael S Floater and Armin Iske. Multistep scattered data interpolation using compactly supported
radial basis functions. Journal of Computational and Applied Mathematics, 73(1):6578, 1996. 2.4.3
[6] Carlos H. Galeano Urea, Juan M. Mantilla Gonzlez, and Diego A. Garzn Alvarado. Implementacin del mtodo de estabilizacin de petrov-galerkin en contracorriente para la solucin numrica
de problemas altamente convectivos. Revista Ingeniera e Investigacin, (2):8187, agosto 2009. 2.3
[7] H. Lin and SN Atluri. Meshless local petrov-galerkin(mlpg) method for convection diffusion problems.
CMES(Computer Modelling in Engineering & Sciences), 1(2):4560, 2000. 2.3
[8] J.A. Muoz-Gmez, Pedro Gonzlez-Casanova, and Gustavo Rodrguez-Gmez. Mtodos libres de
malla para ecuaciones diferenciales parciales evolutivas. Technical Report CCC-05-001, INAOE,
2005. 2.4
[9] William H. Press, Saul A. Teukolsky, William T. Vetterling, and Brian P. Flannery. Numerical
Recipes in FORTRAN 77. The Art of Scientific Computing, volume 1. Cambridge University Press,
New York, NY, USA, 2 edition, 1992.
[10] C Shu. Application of differential quadrature method to simulate natural convection in a concentric
annulus. International journal for numerical methods in fluids, 30(8):977993, 1999. 2.2.6.1
[11] JG Wang and GR Liu. On the optimal shape parameters of radial basis functions used for 2-d
meshless methods. Computer methods in applied mechanics and engineering, 191(23):26112630,
2002. 2.4
[12] YL Wu and GR Liu. A meshfree formulation of local radial point interpolation method (lrpim) for
incompressible flow simulation. Computational Mechanics, 30(5-6):355365, 2003.
[13] O. C. Zienkiewicz, R. L. Taylor, and P. Nithiarasu. El Mtodo de los elementos finitos- Vol. 3,
Dinmica de fluidos. CIMNE (Centro Internacional de Mtodos Numricos en Ingeniera), Barcelona,
6a edition, 2010. Volumen 3 de un total de 3 volumenes. 2.1.1
73
74
BIBLIOGRAFA
[14] O. C. Zienkiewicz, R. L. Taylor, and J.Z. Zhu. El Mtodo de los elementos finitos- Vol. 1. Las
Bases, volume 1. CIMNE (Centro Internacional de Mtodos Numricos en Ingeniera), Barcelona,
6a edition, 2010. Volumen 1 de un total de 3 volumenes.
ndice alfabtico
B
base radial, funcin de, 21
F
FBR, 20
M
MLPG, 8
P
Peclet, nmero de, 8, 41
R
RBF, 20, 34, 42
S
Schaback, principio de incertidumbre de, 21, 70
Sobolev, norma de, 42
soporte compacto, 21
sparse, 23
Streamline Upwind Petrov-Galerkin, 19
SUPG, 19
U
upwind, 12, 19, 52
upwinding, 8, 52
W
wiggles, 19, 54
75

Implementacion Del Metodo Meshless Local Petrov-Galerkin en La Ecuacion de Conveccion-Difusion

Cargado por

Información del documento

Título original

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

Implementacion Del Metodo Meshless Local Petrov-Galerkin en La Ecuacion de Conveccion-Difusion

Cargado por

Copyright:

Formatos disponibles

MASTER DE INVESTIGACIN EN INGENIERIA CIVIL

Trabajo Fin de Master

La ecuacin escalar de conveccin-difusin (o ecuacin del transporte) viene dada por:

es la magnitud transportada (p.e. concentracin de un contaminante)

son las coordenadas espaciales cartesianas

es el trmino fuente/sumidero (positivo si hay aportacin y negativo si hay prdida)

En la resolucin de la ecuacin de conveccin-difusin es necesario tener en cuenta la relacin existente

El mtodo MLPG (Meshless Local Petrov-Galerkin)

2.2. EL MTODO MLPG (MESHLESS LOCAL PETROV-GALERKIN)

Definimos (ver figura 2.2.1)

el dominio global de definicin de la ecuacin

u es el contorno donde se da la condicin de contorno esencial

s el contorno local correspondiente a s , cumplindose que s = sl

w la funcin de test utilizada

Figura 2.2.1: Dominio global y dominios locales

Formas dbiles locales 1D

En el caso unidimensional, el subdominio local s es un segmento lontigudinal mientras que el contorno

y sustituyendo este resultado en la ecuacin 2.2.2 tenemos:

que denominaremos forma dbil 1 o abreviadamente, FD1.

2.2. EL MTODO MLPG (MESHLESS LOCAL PETROV-GALERKIN)

que denominaremos forma dbil 2 o abreviadamente, FD2.

y sustituirlo en la expresin 2.2.6 resultando

que denominaremos forma dbil 3 o abreviadamente, FD3.

Cuadro 2.1: formas dbiles de la ecuacin de conveccin-difusin

Esquema de integracin local

En la figura 2.2.2 se representa el esquema de integracin 1D elegido en torno a un punto genrico

2.2. EL MTODO MLPG (MESHLESS LOCAL PETROV-GALERKIN)

y para los mtodos MLPG3, MLPG4 y MLPG5 quedara:

Cuadro 2.2: funciones de test utilizadas

Derivada funcin TEST2

Figura 2.2.3: Funcin de test TEST2 y su primera derivada

2.2. EL MTODO MLPG (MESHLESS LOCAL PETROV-GALERKIN)

Derivada funcin TEST3

2 Derivada funcin TEST3

Figura 2.2.4: Funcin de test TEST3 y su primera y segunda derivada

Aproximacin de la solucin mediante funciones de forma

FORMA DBIL SIMPLIFICADA (s INTERIOR)

cada punto genrico o nodo en que se discretiza el problema.

el nmero de puntos o nodos en que discretiza el problema.

el coeficiente correspondiente al punto J, tambin llamado valor nodal ficticio de la funcin

la funcin de forma correspondiente al punto J, que vara segn el tipo de aproximacin

Segn el tipo de funciones de forma utilizadas, puede cumplirse la propiedad uh (J) = u

En el que uJ es el valor de la funcin aproximada uh en el punto J, lo cual facilita la imposicin de

2.2. EL MTODO MLPG (MESHLESS LOCAL PETROV-GALERKIN)

Obtencin de los sistemas de ecuaciones

sacando factor comn uJ y reordenando sumatorios

resulta por tanto el siguiente sistema de ecuaciones lineales

KIJ = [vx NJ w]Is

= []I , resultara la matriz de

Imposicin de condiciones de contorno naturales

Una forma de imponer las condiciones de contorno naturales, tipo du

Que equivale a realizar la siguiente sustitucin en la fila I de la matriz de rigidez y en el vector de

Imposicin de condiciones de contorno esenciales

Si en el nodo I de coordenada xI se impone u(xI ) = uI equivale a sustituir la fila I de la matriz de

2.3. ESTABILIZACIN DE LA SOLUCIN MEDIANTE TCNICAS UPWIND

Alternativamente, se puede adems sustituir la columna I de la siguiente forma, despejando el valor

Estabilizacin de la solucin mediante tcnicas upwind

El objetivo de la estabilizacin upwind (o contracorriente) es mejorar la precisin de la solucin

donde s es el radio de integracin local (el radio de s ), vx la velocidad y K el coeficiente de difusin.

Funciones de Forma basadas en Funciones de Base Radial de

radial basis functions

2.4. FUNCIONES DE FORMA BASADAS EN FUNCIONES DE BASE RADIAL DE SOPORTE COMPACTO21

Las funciones de base radial y soporte compacto