Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Tesis JA Infante.-Modelos-Matematicos PDF
Tesis JA Infante.-Modelos-Matematicos PDF
D IRECTORES :
D. NGEL M ANUEL R AMOS DEL O LMO
D. J OS M ARA R EY C ABEZAS
J.A. Infante
Agradecimientos
Es una obligacin (y un placer) para m comenzar esta seccin citando a quienes, sin duda,
ms me han ayudado en los trabajos de investigacin que han dado lugar a esta memoria: mis
dos directores de Tesis, los profesores ngel Manuel Ramos y Jos Mara Rey. Quiero agradecer
al Prof. Ramos su acertada eleccin de los problemas a estudiar, su inters en los momentos de
trabajo lento pero seguro, sus indicaciones sobre el camino a seguir y su dedicacin en los tiempos
de dificultades. Tambin con el Prof. Rey tengo deuda de agradecimiento: sus acertadas intuiciones
e ideas, la generosidad que ha mostrado en la cantidad de tiempo invertido en este proyecto y su
cercana, fructfera, infatigable y siempre amable colaboracin han aumentado la calidad de este
trabajo.
No quiero dejar de expresar mi agradecimiento a aqullos que tambin han realizado aporta-
ciones, algunas muy concretas, otras ms extensas: el Prof. Jess Ildefonso Daz, con sus suge-
rencias tcnicas y sus tiles consejos bibliogrficos; el Prof. Andrs Fraguela, de la Benemrita
Universidad Autnoma de Puebla, quien me introdujo en el mundo de los problemas inversos y
las estrategias de regularizacin que utilizamos en el Captulo 3, y me acogi en Mxico, donde
perfilamos la unicidad de solucin del Captulo 4; el Prof. Javier Gmez Gil, quien me sugiri la
idea de usar las funciones localmente analticas en dicho captulo; el Prof. Jacques Henry (INRIA
Bordeaux-Sud-Ouest) por la conversacin en la que surgi la idea que fue germen del diseo del
experimento ad hoc del Captulo 2; el Prof. Benjamin Ivorra, uno de los coautores del trabajo [34]
y cuya aportacin al Captulo 1 ha sido determinante; finalmente, la Profa. ngeles Prieto, quien
me proporcion ejemplos de perversas funciones oscilatorias.
Un poco de historia . . .
Mi inters por los temas que han dado lugar a esta Tesis Doctoral comenz tras una conferencia
que imparti en nuestro Departamento la Profa. Laura Otero, del Instituto del Fro (CSIC), en el
curso 2002-2003. A raz de ella, me puse en contacto con el Prof. Ramos (su anfitrin en el
Departamento y coautor suyo) y acometimos las tareas que dieron lugar al trabajo [20]; ste fue el
punto de partida de la investigacin que, posteriormente, se ha materializado en esta memoria.
Pero yo comenc la tesis hace mucho tiempo, y no puedo dejar, en estos momentos, de
recordar y agradecer a quienes han contribuido a mi formacin cientfica:
En primer lugar, y por orden cronolgico, quiero citar al Prof. Jos Carrillo, quin dirigi
mi Tesina y me introdujo en el modus operandi de la investigacin. Su empeo como director
y su vala como investigador no fueron suficientes para contrarrestar mi falta de coraje cuando
comenzaron los resultados adversos.
El Prof. Nstor Aguilera, de la Universidad de Santa F (Argentina), con quien trabaj intensa-
mente durante casi dos aos; tras su estancia de seis meses aqu, los cientos de mensajes de correo
V
VI
. . . y otras historias.
Veinticinco aos de vida (profesional y personal) dan para mucho y para muchos. Por ello, me
gustara escribir aqu unas lneas que se pretenden como una mezcla de agradecimiento, reconoci-
miento y dedicatoria:
En todo este tiempo he tenido la suerte de relacionarme con algunos muy buenos compaeros.
Un primer recuerdo es para los que ya no estn: Jess Esquinas y Chema Fraile; cada uno en
su estilo, contribuyeron a mejorar mi vida en el Departamento. Tambin quiero citar aqu a los
compaeros amigos, los que siguen (Jose, Merche) y los que se exiliaron (Ana a Trento, Julio a la
Carlos III); con ellos he disfrutado de los mejores das dentro y fuera de la Facultad.
No puedo dejar de citar a mi familia, especialmente a los ausentes: mi padre, mi hermano y mi
madre. Estoy seguro de que se habran sentido llenos de orgullo si hubieran podido asistir a este
momento, aunque no fueran totalmente conscientes de su trascendencia. El tiempo transcurrido no
borra el cario que me deja su recuerdo.
Un recuerdo tambin para los compaeros de los equipos decanales durante mis dos pocas
como Secretario de la Facultad (ngel, Carlos, Javier y Raquel, en la primera; Antonio, Javier,
Juan, Luis y Yolanda, en la segunda) con los que compart un trabajo que, aunque fue duro, tena
el motivador aliciente de intentar que nuestro Centro funcionara mejor.
Y, finalmente, mis amigos. Todos, los ms antiguos y los ms nuevos, los matemticos y los
no iniciados, los de los dos hemisferios. Siempre me han brindado su apoyo, tanto personal como
profesional, y siempre he sentido su cercana y afecto. Entre ellos, a la cabeza, Angelines, persona
generosa, considerada, respetuosa y amable (Silvio Rodrguez dixit) como ninguna otra, y con la
que tengo la suerte de estar compartiendo mi vida.
ndice
Introduccin 1
Introduccin 37
VII
VIII ndice
Bibliografa 151
Introduccin
1
2 Introduccin
Nuestro objetivo es la modelizacin de este tipo de procesos, haciendo especial nfasis en los
aspectos numricos, es decir, en su simulacin computacional, con vistas a marcar pautas que per-
mitan disear metodologas que contribuyan a la optimizacin de los tratamientos. Los modelos
que se utilizan en este contexto son complejos (ecuaciones de NavierStokes para fluidos dbil-
mente compresibles acopladas con transferencia de calor) y requieren sofisticadas herramientas
numricas para su resolucin aproximada. Pero adems, en las ecuaciones aparecen un conjun-
to de coeficientes ligados a parmetros fsicos (densidad, calor especfico, conductividad trmica,
coeficiente de intercambio de calor, coeficiente de dilatacin, etc.) caractersticos de los materiales
en los que estn planteadas. Se da la circunstancia de que los valores de estos coeficientes, que son
sensibles a los cambios de presin y temperatura, no suelen ser conocidos para presiones distintas
de la atmosfrica.
Esto hace que para aproximar numricamente el comportamiento del modelo haya que pres-
cribir dichos valores mediante argumentos heursticos o basados en metodologas experimentales,
como se hace en el estudio llevado a cabo en el Captulo 1. All se presenta un modelo matem-
tico, que constituye una variante del que en [60] se describe para alimentos de tipo slido, y que
permite trabajar con fluidos compresibles. Mediante su simulacin numrica se consigue describir
el comportamiento trmico y fluidodinmico de la muestra de alimento, cuando es sometida a un
tratamiento a altas presiones, no slo si se trata de un alimento de tipo slido sino tambin cuando
se trata de un alimento lquido.
Por otro lado, puesto que parte de la degradacin de los alimentos la producen enzimas presen-
tes en ellos, es importante que los tratamientos aplicados consigan reducir al mximo su actividad.
Con la vista puesta en este objetivo, el modelo termofluidodinmico citado se acopla con ecuacio-
nes cinticas que modelizan la actividad de diversas enzimas. Mediante su resolucin numrica se
consigue estimar la actividad de estas enzimas tras el uso de diversos tratamientos.
Existen en la literatura otros trabajos con objetivos similares (vanse, v. gr., [10], [24] y [25])
aunque en ninguno se explicitan los modelos en la medida en que aqu se hace; adems, nuestra
forma de acoplar la actividad enzimtica con la transferencia de masa y calor es original, pues se
realiza a posteriori, una vez aproximada la distribucin de temperatura. Asimismo, nosotros pre-
sentamos un estudio comparativo del modelo completo frente a otros modelos ms sencillos; este
estudio es de gran inters, pues puede justificar el uso de modelos simplificados en los primeros
pasos de una eventual optimizacin del diseo de los tratamientos (los resultados obtenidos para
las enzimas estudiadas dan prueba de ello). Finalmente, en esta primera parte llevamos a cabo un
novedoso anlisis de sensibilidad de los modelos respecto a errores en los datos; la conveniencia
de conocer cmo de sensibles se muestran los modelos a estos errores se justifica, no slo en la
probable presencia de errores de medicin, sino en la citada metodologa con la que se determi-
nan los parmetros termofsicos que aparecen en las ecuaciones que gobiernan los modelos. Este
anlisis muestra que dicha sensibilidad depende, en gran medida, de la enzima en consideracin.
Fijamos ahora nuestro inters en la mencionada falta de informacin relativa a los parmetros
fsicos de este tipo de problemas, la cual es la motivacin del trabajo que se recoge en las partes
segunda y tercera de esta memoria. Se plantea la posibilidad de identificar los valores que, para
cada material en concreto, toman esos coeficientes en un rango de temperaturas y presiones dados.
La idea es realizar una cantidad (lo menor posible) de experimentos en los que se realicen medi-
ciones de la temperatura (magnitud sencilla de medir) y, a partir de ellas, intentar determinar los
valores de algunos de los parmetros. Esto nos coloca en el contexto de los problemas inversos
en los que, a partir de cierto conocimiento de la solucin de un problema, se pretende obtener in-
formacin sobre el modelo que lo gobierna. ste es el contexto en el que se desarrollan las partes
Introduccin 3
segunda y tercera de nuestro trabajo, en las que se disean algoritmos numricos mediante los que
se consigue identificar dos de estos parmetros.
En concreto, en la segunda parte se suponen simplificaciones del modelo que llevarn a plan-
tearlo como un problema de valor inicial en dimensin uno, en el que el parmetro que se pretende
identificar es un coeficiente de intercambio de calor que puede depender de la presin (que se
supone conocida) y de la temperatura (que es la incgnita de la ecuacin diferencial ordinaria).
En la tercera parte, el modelo simplificado se plantea como una ecuacin en derivadas parciales
con condiciones de contorno mixtas, siendo el coeficiente de conductividad trmica el objeto de la
identificacin.
Hay que destacar que, puesto que el objetivo ltimo es aproximar el comportamiento de las
magnitudes modelizadas (en nuestros casos, la temperatura), la bondad de la identificacin residi-
r, no tanto en que el error en el parmetro identificado sea pequeo como en que lo sea el error
cometido en dicha magnitud, cuando se usa el modelo con el parmetro aproximado.
Es lgico que la estrategia que se utilice para identificar un coeficiente dependa de la infor-
macin de la que se disponga sobre l. En determinadas ocasiones se sabe que dicho coeficiente
se expresa mediante una frmula en la que aparecen una cantidad finita de parmetros que son
los que hay que determinar. En esta situacin, el mtodo de mnimos cuadrados suele conducir
a una solucin adecuada del problema. ste es el mtodo empleado, por ejemplo, en los traba-
jos [18], [20], [46], [53], [66] y [67], todos ellos planteados en el contexto de la Tecnologa de
Alimentos. Muy distinto es cuando la nica informacin que se tiene sobre el coeficiente que se
necesita determinar es meramente cualitativa (continuidad, positividad, . . . ). sta es la situacin
que nosotros abordamos presentando una variada gama de metodologas (experimentos especial-
mente diseados, algoritmos basados en la diferenciacin aproximada, estrategias de regulariza-
cin, mtodos de colocacin) todas ellas originales en este contexto. Se han explorado tambin
otros mtodos (por ejemplo, aplicar mnimos cuadrados a los parmetros que constituyen las coor-
denadas respecto a una base de elementos finitos del coeficiente a determinar, como se hace en [12]
y [75], por ejemplo) que no han producido los resultados deseados.
Los mtodos utilizados en esta memoria se han mostrado eficaces para resolver los problemas
planteados. Han proporcionado resultados adecuados para la aproximacin de los coeficientes que
se pretenda identificar y proporcionan una muy satisfactoria aproximacin de la temperatura para
las distintas simulaciones que, utilizando tal identificacin aproximada, se han realizado para una
variada gama de datos de partida.
Para una presentacin ms especfica del trabajo realizado, remitimos al lector a las intro-
ducciones respectivas de cada parte o captulo.
Parte I
Introduccin
Entre las tecnologas que pueden usarse para la preparacin de estos productos destaca la que
se conoce como tratamiento a altas presiones, la cual ya ha probado su vala desde el punto de
vista industrial, mostrndose muy efectiva para prolongar la vida til de algunos alimentos (zumos,
guacamole, ostras, jamn cocido, etc.). Una de las mayores ventajas de este tratamiento es la total
ausencia de aditivos, sustancias que no gozan de las simpatas de los consumidores. Adems, al
contrario de lo que ocurre con procesos como la pasteurizacin, este tipo de tratamientos permiten
eludir el uso de altas temperaturas, con lo que no se producen los correspondientes efectos adversos
sobre las propiedades nutricionales y organolpticas del alimento (vanse, v. gr., [28] y [32]).
7
8 Modelizacin y simulacin del tratamiento trmico a altas presiones y de la inactivacin enzimtica
Realizamos la aproximacin numrica del modelo que denominaremos completo (que incluye
ecuaciones de transferencia de calor y de masa, con parmetros relativos a las propiedades ter-
mofsicas dependientes de la temperatura y la presin), la cual tiene una alta complejidad desde
el punto de vista computacional, tanto en su implementacin como en el tiempo de clculo que
1.1 Modelo matemtico de la inactivacin enzimtica 9
requiere. Es por esta razn por lo que tambin introducimos versiones simplificadas del modelo
anterior, las cuales pueden ser de gran utilidad a la hora de disear equipos industriales adecuados
y para optimizar los procesos seguidos en los tratamientos.
La organizacin del captulo es la siguiente:
En la Seccin 1.1 se presentan algunos modelos de inactivacin enzimtica, los cuales nece-
sitan como datos de partida los perfiles de presin y temperatura en la muestra de alimento. A
continuacin, la Seccin 1.2 contempla el desarrollo de todos los modelos, tanto el completo co-
mo los simplificados, y describe el estudio del anlisis de su sensibilidad respecto a los datos. Los
resultados numricos obtenidos al implementar estos modelos se recogen en la Seccin 1.3. En
la Seccin 1.4 se lleva a cabo el acoplamiento de los modelos de inactivacin enzimtica estudia-
dos en la Seccin 1.1 con los de la Seccin 1.2. Los resultados numricos para el decaimiento de
la actividad de las enzimas consideradas tras dicho acoplamiento se presentan en la Seccin 1.5.
Finalmente, la Seccin 1.6 contiene las conclusiones finales, as como una descripcin de la me-
todologa propuesta para optimizar el tratamiento trmico a altas presiones para cada alimento y
equipo en particular.
El contenido de este captulo est recogido en el trabajo On the Modelling and Simulation of
High Pressure Processes and Inactivation of Enzymes in Food Engineering que fue aceptado en
enero de 2009 para su publicacin en Mathematical Models and Methods in Applied Sciences.
donde Tref y Pref son, respectivamente, una temperatura (K) y una presin (MPa) de refe-
rencia, ref representa la razn de inactivacin en las condiciones de referencia (min1 ), y
B (K) y C (MPa1 ) son parmetros que expresan la dependencia de respecto a la tempe-
ratura y la presin, respectivamente.
La segunda relacin, propuesta en [31], est basada en una adaptacin de un modelo termo-
dinmico ([27]) que puede convertirse en un modelo cintico mediante la teora de estado
de transicin de Eyring:
Vref Sref
(P, T ) =ref exp (P Pref ) exp (T Tref )
RT RT
2 2
exp (P Pref ) exp (P Pref )(T Tref ) (1.3)
2RT RT
Cp T
exp T ln 1 + Tref + trminos de orden superior,
RT Tref
donde R = 8.314 (J mol1 K1 ) es la constante universal de los gases, Vref (cm3 mol1 )
y Sref (J mol1 K1 ) representan la variacin del volumen y de la entropa, respectiva-
mente, respecto a las condiciones de referencia, Cp es la variacin del calor especfico
(J mol1 K1 ), es el factor de dilatacin (cm3 mol1 K1 ) y el de compresibilidad
(cm6 J1 mol1 ). En funcin de cul sea la enzima en estudio, se pueden aadir otros trmi-
nos de orden superior, con el objetivo de afinar la aproximacin que de la dependencia de
la actividad respecto a la presin y la temperatura se est llevando a cabo (as se hace, por
ejemplo, en [52]).
Para determinar los parmetros que aparecen en estas relaciones suelen utilizarse tcnicas de re-
gresin a partir de los datos obtenidos mediante mediciones experimentales de la actividad (un
ejemplo de ello puede verse en [11]). Para los experimentos numricos que hemos llevado a ca-
bo, hemos utilizado las estimaciones que de estos parmetros se consignan en los trabajos [33],
[49] y [52]. Es necesario destacar que, como se refleja en [50], estos valores pueden depender
fuertemente del lote concreto de producto con el que se est trabajando.
Una vez elegida la descripcin del factor de inactivacin, y determinados los parmetros que
en dicha descripcin aparezcan, la solucin de la ecuacin (1.1) vendr, obviamente, dada por la
expresin: Z t
A(t) = A(0) exp (P (), T ()) d . (1.4)
0
1.2 Modelizacin de la transferencia de masa y de calor 11
Por cuestiones prcticas supondremos la condicin inicial A(0) = 100; esto es equivalente a decir
que la actividad A(t) en el instante t es un porcentaje de la actividad en el instante inicial.
Estos modelos de evolucin de la actividad enzimtica han proporcionado resultados exitosos
en el estudio de varias enzimas bajo diferentes condiciones de presin y temperatura (muestra
de ello son los trabajos [33], [49] y [52]). Sin embargo, slo pueden usarse cuando se conoce la
evolucin temporal de la temperatura y la presin (lo que se consigue, tpicamente, a travs de
mediciones experimentales). Esto los convierte en poco prcticos desde el punto de vista de la
optimizacin numrica, situacin en la que no se puede suponer que se disponga de datos experi-
mentales.
Por otra parte, la ecuacin (1.1) (y su correspondiente solucin (1.4)) proporciona una des-
cripcin macro del comportamiento de la actividad enzimtica, por lo que no sirve para capturar la
eventual distribucin no homognea de la actividad que puede aparecer (debida a la distribucin,
a su vez, no homognea de la temperatura) dentro del alimento.
Ambos inconvenientes quedarn solventados en las siguientes secciones, mediante el desa-
rrollo de modelos capaces de describir convenientemente la distribucin de temperaturas en la
muestra de alimento, a lo largo del tiempo (Seccin 1.2), y su posterior acoplamiento con los
modelos aqu descritos (Seccin 1.4).
mitad de una seccin axial (es decir, la interseccin del cilindro con un plano que contenga a su
eje).
Vamos a introducir la siguiente notacin, relativa a las regiones donde se plantear el problema:
En primer lugar, consideramos cuatro subdominios planos (cf. la Figura 1.1):
F : Parte correspondiente a la muestra de alimento
C : Tapn (tpicamente de caucho) del contenedor de la muestra
P : Dominio ocupado por el medio presurizante
S : Pared de acero que rodea los dominios anteriores.
Nuestro dominio en las coordenadas (r, z) (que se corresponden con el radio y la altura de la
geometra cilndrica en consideracin) estar conformado por la unin de los cuatro anteriores; se
trata del rectngulo = [0, L] [0, H] definido por = F C P S . El eje de simetra
es la recta prolongacin del segmento {0} (0, H).
En la frontera de , que denotaremos por , distinguimos tres partes:
r {L} (0, H), zona en la que se supone conocido el valor de la temperatura.
up = [0, L] {H}; en esta parte supondremos que se produce un intercambio de calor
entre el equipo y la sala en la que est situado.
\ {r up }, zona con flujo nulo. Esta condicin surge, en la parte correspondiente al eje,
al traducir la simetra axial a dos dimensiones en la frontera artificial en que se convierte el
eje de simetra; en el resto, se tiene porque el equipo se supone aislado.
Figura 1.1: Dominio plano en el que, tras utilizar la simetra axial, se plantea el problema.
T dP
Cp (kT ) = T in (0, tf ), (1.5)
t dt
donde = (T, P ) representa la densidad (kg m3 ), Cp = Cp (T, P ) denota el calor especfico
(J kg1 K1 ), k = k(T, P ) es la conductividad trmica (W m1 K1 ) y tf el tiempo final del
proceso (s).
El segundo miembro de la ecuacin se corresponde con la generacin (o reduccin) del calor
interno debida al cambio de presin (cf. [60], trabajo en el que nos basamos para este caso y que
guiar nuestros primeros pasos). La presin P = P (t) (Pa) que aqu aparece es la que se aplica
mediante el equipo (y ser elegida por el usuario, dentro de las limitaciones de la mquina). En
cuanto al coeficiente = (T, P ), su significado depende del subdominio que se considere:
1
coeficiente de dilatacin (K ) del alimento en F
= coeficiente de dilatacin (K1 ) del fluido presurizante en P
0, en el resto de .
Este trmino tiene su origen en la siguiente ley ([60]), que describe la variacin de la tempera-
tura T debida a la variacin de la presin P , cuando se suponen cambios isoentrpicos de
temperatura (vase, v. gr., [3, pg. 165]) en la fase en que hay cambio de presin:
T T V T
= = . (1.6)
P M Cp Cp
Figura 1.2: Unidad piloto de altas presiones (imagen cedida por el Instituto del Fro del CSIC) y
esquema de su funcionamiento.
T 1 T T dP
Cp rk k = T en (0, tf )
t r r r z z dt
n
T (1.8)
n
amb up f
T = Tr sobre r (0, tf )
T (0) = T0 en .
Este modelo resulta adecuado cuando la parte del interior de la vasija que ocupa la muestra
de alimento es mucho mayor que la que ocupa el medio presurizante. As puede verse en [60],
donde se lleva a cabo una validacin del modelo a travs de varios estudios comparativos entre los
resultados obtenidos numricamente y los resultados experimentales. Estos autores tambin mues-
tran que, cuando la razn de rellenado entre el alimento y el fluido no es suficientemente grande,
los resultados obtenidos a partir de la resolucin numrica del modelo muestran discrepancias
con los experimentales. Para intentar solventar esta disfuncin del modelo pueden plantearse dos
estrategias:
(I ) Utilizar el mismo modelo, corrigindolo mediante la adopcin, en el medio presurizante, de
un valor aparente para la conductividad trmica mayor que el real. Con ello se conseguiran
resultados aceptables para la distribucin de temperaturas dentro del alimento pero no para
la temperatura del fluido que transmite la presin. sta no ser la va por la que optaremos.
(II ) Tomar en consideracin en el modelo el fenmeno de conveccin que tiene lugar en el
medio presurizante. Con ello, como se muestra en [60], se modeliza mejor el problema pues,
aunque se aumenta la complejidad computacional del clculo aproximado de la solucin,
los resultados que se obtienen son ms precisos. Analizamos esta estrategia en el siguiente
epgrafe.
1.2 Modelizacin de la transferencia de masa y de calor 15
u 2
(u + ut ) + (u )u = p ( u) + g,
t 3
siendo g el vector de gravedad. Ntese que en el trmino correspondiente al gradiente de presin
slo aparece la presin p generada por la transferencia de masa en el interior del fluido. Esto se
debe a que la presin que aporta el equipo P = P (t) no depende de la variable espacial y, por
tanto, se tiene que (P + p) = p.
La ecuacin de conservacin de la masa viene dada, en el domino correspondiente al fluido
presurizante, por
+ (u) = 0.
t
Acoplando las ecuaciones de conservacin de energa y del momento, el transporte debido a
la conduccin y la conveccin se modeliza por la ecuacin, vlida en todo el dominio,
T dP
Cp (kT ) + Cp u T = T,
t dt
donde se est suponiendo que las variaciones de temperatura producidas por el calor procedente
de la disipacin de energa debida al rozamiento interno que provoca la transferencia de masa son
despreciables (vase, v. gr., [44, pg. 229 y ss.]).
En resumen, el campo de velocidades del fluido en cuestin, u (m s1 ) y la temperatura T (K)
verifican las ecuaciones de NavierStokes (conservacin del momento y conservacin de la masa)
acopladas con la ecuacin de transferencia de calor, es decir:
T dP
Cp (kT ) + Cp u T = T en (0, tf )
t dt
u
(u + ut ) + (u )u
t (1.9)
2
= p ( u) + g en P (0, tf )
3
+ (u) = 0 en P (0, tf ).
t
En este sistema, g es el vector gravedad (m s2 ), = (T, P ) representa la viscosidad din-
mica (Pa s), p = p(x, t) denota la presin generada por la transferencia de masa en el interior del
16 Modelizacin y simulacin del tratamiento trmico a altas presiones y de la inactivacin enzimtica
Con vistas a determinar la solucin, es necesario completar el sistema anterior mediante apro-
piadas condiciones iniciales, de contorno y puntuales, a saber:
T
k =0 sobre \(r up ) (0, tf )
n
T
k = h(Tamb T ) sobre up (0, tf )
n
T = Tr sobre r (0, tf )
(1.10)
u=0 sobre P (0, tf )
T (0) = T0 en
u(0) = 0 en P
p = 105 sobre A1 (0, tf ),
De la misma forma que en el epgrafe anterior la ecuacin de conduccin de calor (1.5), junto
con las condiciones (1.7), pueden escribirse como un modelo equivalente en dos dimensiones (1.8),
el sistema (1.9)(1.10) puede tambin reescribirse, mediante el uso de coordenadas cilndricas y
gracias a la simetra axial del problema, como un sistema plano. Destacamos que, para ello, la
seccin axial debe tomarse en el semiplano correspondiente a la coordenada angular constante
que contiene al punto A1 . Todos los ensayos numricos que se presentan en este captulo se han
realizado sobre esta versin bidimensional del modelo.
El modelo que proponemos para los alimentos lquidos contempla que se produzca conveccin
tambin en la parte correspondiente al alimento. Supondremos que ambos fluidos (presurizante y
alimento) son newtonianos y dbilmente compresibles, y que estn separados por el contenedor
de la muestra, por lo que no pueden mezclarse. Distinguiremos dos campos de velocidades, uF y
uP , para la comida y el fluido presurizante, respectivamente.
De nuevo la conveccin jugar un papel importante, no slo en el medio que transmite la pre-
sin, sino tambin en el alimento. Por ello, despreciar este efecto puede producir unos resultados
muy lejanos del comportamiento trmico real.
apartado 1.2.1, el sistema (1.8) ser el modelo matemtico completo (que denominaremos
SFull) considerado.
Esta cantidad la llamaremos, con un pequeo abuso de lenguaje, error medio en la temperatura,
y lo compararemos con el valor medio de la temperatura del modelo completo, M(T ; (0, tf )),
para obtener el correspondiente error relativo en trminos porcentuales
AET
RAET = 100 , (1.14)
M(|T |; (0, tf ))
el cual denominaremos error medio relativo en la temperatura.
1.2 Modelizacin de la transferencia de masa y de calor 19
Hagamos una consideracin final: Obviamente la actividad enzimtica tiene nicamente lugar
en el alimento; por consiguiente, debemos centrar nuestro inters en lo que ocurra en el dominio
correspondiente F . Con tal fin, definimos el error medio en la temperatura en el alimento AETF y
el correspondiente error relativo porcentual RAETF, sin ms que cambiar por F en las frmulas
(1.13) y (1.14), respectivamente.
a) Para el caso slido utilizaremos un modelo simplificado con coeficientes constantes, reempla-
zando los coeficientes Cp , k, , y por sus valores medios (Cp , k, , y , respectivamente)
en el rango de temperaturas y presiones que se dan en el proceso. Este modelo lo denotaremos
por SCC.
Puesto que nuestro inters es evaluar cmo de eficiente resulta tomar en consideracin los
modelos simplificados en lugar de los completos, realizaremos una comparacin de los resulta-
dos obtenidos mediante los primeros con los conseguidos utilizando los segundos. En concreto,
denotando por Tsim la temperatura obtenida al resolver numricamente cualquiera de las simpli-
ficaciones y llamando T a la anloga del modelo completo asociado, vamos a calcular el error
medio cometido en el dominio completo (espaciotemporal),
Para cada uno de estos cuatro casos (slido/lquido, P1/P2) se ha calculado la solucin del
modelo completo descrito en el apartado 1.2.3, se ha llevado a cabo el anlisis de sensibilidad
explicado en el apartado 1.2.4 y se ha hecho el estudio comparativo, descrito en el apartado 1.2.5,
respecto a los modelos simplificados.
para los cuatro casos est representada en la Figura 1.4. Por otra parte, las grficas de la evolucin
de la temperatura media en la muestra, i. e., la funcin
se dibujan en la Figura 1.5, donde tambin estn representadas las grficas de la evolucin de la
temperatura en dos puntos (Figura 1.1): el primero, B1 , situado en el centro de la muestra (en el
eje de simetra); el segundo, B2 , en la superficie de la muestra, a la misma altura que B1 .
1.3 Resultados numricos para los modelos de transferencia de masa y calor 23
Figura 1.4: Media temporal, durante los primeros 15 minutos, de la distribucin de temperatura ( o C) en
la muestra de alimento slido (Arriba) y lquido (Abajo), durante los tratamientos P1 (Izquierda) y P2
(Derecha).
Como ya se destacaba en [60] para alimentos de tipo slido, nuestros resultados numricos
para alimentos lquidos apuntan el inters de la estrategia consistente en trabajar con una tem-
peratura inicial inferior a la de referencia, como se hace en el tratamiento P1, con el objeto de
anticiparse al incremento de temperatura resultante de la compresin. Esto conducir a un proceso
ms uniforme, que evitar la aparicin de gradientes de temperatura grandes dentro del alimen-
to, y de temperaturas mucho mayores que Tr (recurdese que una de las mejores aportaciones de
la tecnologa de altas presiones es permitir tratamientos que eludan el uso de altas temperaturas,
las cuales degradan, en general, la calidad de los alimentos). En la Figura 1.5 se puede observar
claramente cmo, bajo el tratamiento P1, se produce el comportamiento descrito.
24 Modelizacin y simulacin del tratamiento trmico a altas presiones y de la inactivacin enzimtica
54
45
52
40
50
Temperature (c)
Temperature (c)
35 48
Mean
46 Center
Boundary
30
44
Mean
25 Center 42
Boundary
40
0 200 400 600 800 0 200 400 600 800
Time (s) Time (s)
54
45 Mean
52 Center
Boundary
40
50
Temperature (c)
Temperature (c)
35 48
46
30
44
Mean
25 Center 42
Boundary
40
0 200 400 600 800 0 200 400 600 800
Time (s) Time (s)
Figura 1.5: Evolucin de la temperatura media de la muestra de alimento (), temperatura en el punto me-
dio B1 (- -) y en el punto de la frontera de la muestra B2 (...) (vase la Figura 1.1) durante los tratamientos
P1 (Izquierda) y P2 (Derecha) para alimento slido (Arriba) y lquido (Abajo).
Tabla 1.1: MT: Valor medio de la temperatura, M(T ; (0, tf )) ( o C); AET: Media de los valores
medios de los errores en temperatura ( o C) (vase (1.13)); RAET: Relativizacin de AET al tamao de
MT ( %) (vase (1.14)); MTF , AETF , RAETF : dem en la muestra de alimento, cambiando por F .
La media aritmtica AET de los valores medios de los errores en temperatura, definida en (1.13),
es menor que 1.15 o C, lo que representa un error relativo REAT (cf. (1.14)) del 2.83 %. Adems,
1.3 Resultados numricos para los modelos de transferencia de masa y calor 25
las cantidades anlogas en la muestra de alimento, es decir, AETF y REATF , son menores que
1.45 o C y 3.34 %, respectivamente. Hay que resaltar que ambos errores porcentuales son del orden
de las perturbaciones a las que han sido sometidos los parmetros, lo cual da cuenta de la robustez
de los modelos.
Tabla 1.2: Resultados obtenidos para los modelos completos y simplificados. MT: Valor medio de la
temperatura, M(T ; (0, tf )) ( o C); ET: Valor medio del error en temperatura ( o C) (vase (1.15));
RET: Relativizacin de ET al tamao de MT ( %) (vase (1.16)); MTF , ETF , RETF : dem en la muestra
de alimento; CT: Tiempo de clculo (s) para la resolucin del modelo.
Como puede observarse, el valor medio del error en la temperatura es, en todos los modelos
simplificados, mayor cuando se toma slo en la muestra que cuando se toma en el domino com-
pleto. Se trata de un resultado esperado, habida cuenta de que los parmetros termofsicos del
acero y del caucho son los mismos en todos los modelos, por lo que las mayores discrepancias se
sitan en el alimento y en el medio presurizante. En trminos relativos, el porcentaje que supone
el valor medio del error en la temperatura es, para todas las simplificaciones, del mismo orden que
el obtenido al realizar el anlisis de sensibilidad del apartado 1.3.2. Esto asegura la bondad de los
resultados obtenidos.
Cuando se comparan los tratamientos, se percibe que el error cometido en los tres modelos
simplificados (SCC, LCC y LB) es, si se aplica el tratamiento P2, menor que si es el P1 el aplicado.
La explicacin de este hecho se encuentra en que el rango de presin y temperatura en P2 es menor
que en P1 y, por consiguiente, la sustitucin de los coeficientes por su valor medio es una mejor
aproximacin en el segundo tratamiento que en el primero.
En la comparacin alimento slido vs. alimento lquido, las discrepancias para el segundo son
menores. El dismil tamao de los rangos de temperatura (mayor en el caso del alimento de tipo
slido) da razn de este comportamiento.
26 Modelizacin y simulacin del tratamiento trmico a altas presiones y de la inactivacin enzimtica
Si, finalmente, atendemos al tiempo de clculo, vemos que en el caso slido ste se ve reducido
en un factor de 13, mientras que para la muestra de comida lquida la reduccin no llega a la
mitad. La explicacin estriba en que el modelo SCC es lineal, mientras que los modelos LCC y
LB mantienen su condicin de no lineales. En cualquier caso, estos dos ltimos generan errores
similares, aunque el segundo es ms rpido y fcil de implementar que el primero.
La reduccin del tiempo de clculo combinada con unos tamaos de error aceptables y del
mismo orden que los errores debidos a la imprecisin de los datos, hace de los modelos simplifi-
cados una buena alternativa a los modelos completos, sobre todo cuando se necesitan implementar
procesos de optimizacin.
Para este tipo de alimentos en que las partculas no se mueven, de acuerdo con la ecua-
cin (1.4), la actividad A en una partcula situada en el punto x F en el instante t la suponemos
dada por
Z t
A(x, t) = A(x, 0) exp P (), T (x, ) d . (1.17)
0
La presin aportada por el equipo P (MPa) es una funcin conocida (suponemos que la presin
p, debida a la transferencia de masa, es despreciable comparada con P ) y la temperatura T (K) se
obtiene resolviendo el sistema (1.8).
Alimentos lquidos
Puesto que ahora las partculas se mueven dentro del dominio correspondiente al alimento F ,
para cada punto x F consideramos la trayectoria de una partcula de comida que finaliza en el
punto x. Esta trayectoria, que denominaremos X, es la solucin del problema de valor final
dX (t) = u (X(t), t), t (0, t )
F f
dt (1.18)
X(tf ) = x,
1.4 Acoplamiento de los modelos de inactivacin enzimtica con los de transferencia de masa y calor 27
Alimentos lquidos
Dado el mismo mallado de F que en el epgrafe anterior, para cada nodo x denotamos por
X la trayectoria de una partcula que satisfaga X(tf ) = x. Definimos las aproximaciones Xi de
X(ti ), con i = 0, 1, . . . , n, mediante la discretizacin de (1.18) con el siguiente esquema implcito
regresivo (
Xn = x
(1.20)
Xi = Xi+1 uF (Xi , ti ), i = n 1, n 2, . . . , 0.
En cada paso de (1.20) debe resolverse una ecuacin no lineal, tarea que se acomete mediante
la aproximacin numrica de la solucin del problema de minimizacin
Para ello, se utiliza el mtodo de mximo descenso tomando como valor inicial el que proporciona
el esquema regresivo explcito
(0)
yi = Xi+1 uF (Xi+1 , ti+1 ).
28 Modelizacin y simulacin del tratamiento trmico a altas presiones y de la inactivacin enzimtica
(m)
La iteracin del mtodo de descenso se detiene cuando se alcanza un punto yi F tal que
(m) (m) (0)
Xi+1 yi uF (yi , ti ) < 104 Xi+1 yi .
2 2
Utilizando la notacin j (X) = P (tj ), T (Xj , tj ) , consideramos la siguiente aproxima-
cin de (1.19)
i1
X
A(x, ti ) A(X0 , 0) exp j (X) + j+1 (X) , i = 1, 2, . . . , n.
2
j=0
PectinMetilEsterasa (PME): Comn a muchos vegetales, esta enzima puede estar presente en
los zumos o jugos, disminuyendo el grado de esterificacin de las pectinas. Este proceso reduce la
viscosidad de los zumos y afecta a su sabor, color, textura y aroma.
El ejemplo aqu analizado se corresponde con el jugo de zanahoria (cf. [52]). De nuevo
se usa la expresin (1.3) para describir el factor de inactivacin , esta vez con los valores
Pref = 700 MPa, Tref = 323.15 K, ref = 0.0705 min1 , Vref = 44.0124 cm3 mol1 ,
Sref = 168.4 J mol1 K1 , Cp = 1376.6 J mol1 K1 , = 0.0339 cm3 mol1 K1 y
= 0.1195 cm6 J1 mol1 .
Tabla 1.3: Actividad final en los modelos completos y su correspondiente anlisis de sensibilidad, para
las enzimas BSAA, LOX y PME. MA: Valor medio de la actividad para los modelos completos en el
tiempo final tf = 15 min, M(A(, tf ); F ) ( %); AEA: Media de los valores medios de los errores en la
actividad final ( %) (vase (1.21)).
Para la enzima BSAA se puede concluir que el tratamiento P2 es ms eficiente, puesto que
la actividad final es menor. No obstante, la diferencia entre ambos tratamientos en el caso
lquido (5 %) es menos importante que en el slido (23 %). Puesto que la diferencia de los
valores medios de la temperatura entre P2 y P1 (cf. Tabla 1.1) es mayor para el alimento
de tipo slido (10 o C) que para el de tipo lquido (5 o C), este comportamiento es consistente
con el hecho (vase [49]) de que esta enzima es sensible a las altas temperaturas.
Finalmente, en lo que atae a la enzima PME, ninguno de los tratamientos es tan eficiente
como para las otras dos enzimas. Esta enzima resulta ser bastante resistente a ambos trata-
mientos, si bien se obtienen mejores resultados con el primero.
A la vista de estos resultados, no se puede presumir que ninguno de los dos tratamientos sea
mejor que el otro en un contexto general. De hecho, habr que disear un tratamiento especfico
para cada tipo de enzima cuyo efecto se desee minimizar.
En la Figura 1.7 se dibuja la actividad enzimtica final de la Lipoxigenasa en la muestra de
comida para el alimento de tipo slido y el alimento lquido tras los dos tratamientos propuestos
30 Modelizacin y simulacin del tratamiento trmico a altas presiones y de la inactivacin enzimtica
100 100
60 60
40 40
BSAA BSAA
LOX LOX
CPE CPE
20 20
0 200 400 600 800 0 200 400 600 800
Time (s) Time (s)
100 100
Enzymatic Activity (%)
60 60
40 40
BSAA BSAA
LOX LOX
CPE CPE
20 20
0 200 400 600 800 0 200 400 600 800
Time (s) Time (s)
(los resultados para las otras dos enzimas son cualitativamente similares). Para las tres enzimas
consideradas podemos concluir que:
Para el alimento lquido se observa de nuevo una mayor homogeneidad, en este caso de la
actividad enzimtica final, debida al fenmeno de transferencia de masa.
donde hemos denotado por Aper la actividad enzimtica para los modelos perturbados.
En el apartado 1.3.2 se ha visto que las perturbaciones del orden del 5 % introducidas en los
parmetros termofsicos generan errores relativos en la temperatura de la muestra de alimento
de este mismo orden. Los resultados recogidos en la Tabla 1.3 ponen de manifiesto que dichas
perturbaciones provocan errores absolutos en la actividad final de hasta 7.45 %. Parece razonable
deducir, por tanto, una cierta sensibilidad de la inactivacin a los citados errores en la temperatura
y a las perturbaciones de la presin. Consecuentemente, cuanto ms sensible a estos cambios sea
la enzima en cuestin, mayor debe ser la precisin con que se toma la curva de presin y los
parmetros termofsicos del modelo.
Los resultados que se reflejan en la Tabla 1.4 nos indican que, cuando se aplica el tratamiento
P2, los errores son siempre menores que cuando es P1 el tratamiento aplicado. Destaca tambin
el hecho de que los modelos simplificados en el caso lquido, LCC y LB, se ajustan ms al mo-
delo completo de lo que lo hace el correspondiente modelo simplificado SCC en el caso slido.
Todo ello es consistente con los diferentes errores en las distribuciones de temperatura recogidos
en la Tabla 1.2. No obstante, este estudio comparativo permite asegurar que los modelos simpli-
ficados resultan adecuados para calcular la inactivacin enzimtica, por cuanto proporcionan una
informacin aceptable sobre ella con un menor coste computacional.
32 Modelizacin y simulacin del tratamiento trmico a altas presiones y de la inactivacin enzimtica
Tabla 1.4: Actividad final en los modelos completos y simplificados para las enzimas BSAA, LOX y
PME. MA: Valor medio de la actividad en el instante final tf = 15 min, M(A(, tf ); F ) ( %); EA: Valor
medio del error en la actividad final ( %) (vase (1.22)).
1.6. Conclusiones
Los modelos matemticos aqu descritos constituyen una til herramienta para el diseo y
optimizacin de tratamientos que, basados en la combinacin de altas presiones y temperaturas
moderadas, son de uso comn en Tecnologa de Alimentos. Se fundamentan en el acoplamiento
de la transferencia de masa y calor con la evolucin de la actividad enzimtica que tienen lugar,
ambas, durante el proceso.
El anlisis de la sensibilidad de la solucin respecto a cambios en los datos termofsicos reali-
zado muestra la robustez del modelo.
Las versiones simplificadas propuestas conducen a distribuciones de temperatura similares a
las de las versiones completas. Por esta razn, y teniendo en cuenta su menor coste computacio-
nal, los modelos simplificados se revelan como un instrumento de utilidad en los procesos de
optimizacin, en los cuales es preciso calcular la solucin de un modelo en un nmero elevado de
ocasiones, para distintos juegos de datos.
Los resultados numricos obtenidos no permiten asegurar que haya un tratamiento que, de
manera general, optimice la inactivacin enzimtica. Para cada tipo particular de alimento, y cada
equipo de altas presiones, proponemos la siguiente metodologa:
(I ) Identificar las enzimas cuya actividad es ms importante reducir y, para cada una de ellas,
elegir la apropiada ecuacin cintica que describa la evolucin de su actividad en trminos
de la presin y la temperatura (cf. las Secciones 1.1 y 1.5).
(III ) Utilizar la distribucin de temperatura calculada en la etapa anterior como dato de la ecua-
cin cintica de la actividad enzimtica y resolverla. Con ello se obtendr el valor de la
actividad final tras el tratamiento APTM (cf. la Seccin 1.4).
1.6 Conclusiones 33
(IV ) Aplicar tcnicas de optimizacin (las cuales pueden precisar diversos ensayos numricos
modificando la temperatura inicial, la presin aplicada, etc.) con el objeto de reducir la
actividad enzimtica sin usar altas temperaturas (cuyos inconvenientes se han comentado
a lo largo del captulo). Esta tarea puede acometerse con la ayuda del software disponible
como, por ejemplo, Global Optimization Platform, desarrollado en el seno del grupo de
investigacin MOMAT, y que ha sido validado en diferentes problemas modelo (cf. [38]
y [39]) y del entorno industrial (vase [7], [36] y [37]). Este recurso puede encontrarse en la
direccin electrnica http://www.mat.ucm.es/momat/software.htm .
Parte II
Identificacin de un coeficiente de
intercambio de calor
Introduccin
La segunda parte de esta memoria la conforman dos captulos. En ellos se aborda el estudio del
problema inverso consistente en identificar, a partir de mediciones experimentales de la tempera-
tura, el coeficiente de intercambio de calor de un cierto material con el medio exterior, suponiendo
que dicho coeficiente depende de la temperatura del material (algunas aplicaciones prcticas en
cuya modelizacin matemtica aparece este coeficiente se recogen, por ejemplo, en [20] y [60]). El
objetivo ltimo de dicha identificacin es poder aproximar las soluciones del modelo para distintos
conjuntos de datos, sin necesidad de realizar nuevos experimentos.
El problema fsico que pretendemos modelizar es el de la evolucin de la temperatura en una
muestra homognea de un material (que, en consonancia con el contexto de la memoria, podemos
suponer que se trata de un alimento), inserta en un equipo que puede comprimirla (lo cual har
que aumente su temperatura) y que, adems, se est calentando (respectivamente, enfriando) de-
bido al intercambio de calor con un medio exterior que est ms caliente (respectivamente, ms
fro). Para describir la distribucin de temperatura dentro de la muestra se suelen utilizar modelos
complejos basados en ecuaciones en derivadas parciales (cf. los Captulos 1 y 4). Estas ecuaciones
(ecuaciones directas) involucran funciones y parmetros que es necesario conocer con anteriori-
dad para poder calcular la solucin. Dichas funciones y parmetros se determinan, habitualmente,
bien mediante protocolos basados en la experimentacin (como hemos hecho en el Captulo 1),
bien (como se har en el resto de esta memoria) mediante la resolucin de problemas inversos
que deben plantearse en un adecuado contexto matemtico (vanse, v.g., [14], [16], [17] y [19]).
Cuando el objetivo es identificar parmetros, el mtodo de mnimos cuadrados constituye una bue-
na herramienta en la resolucin de este tipo de problemas (cf., por ejemplo, [20]). Sin embargo,
cuando de lo que se trata es de identificar una funcin, el problema es mucho ms complicado,
especialmente si dicha funcin depende de la solucin de la ecuacin de estado y los datos expe-
rimentales pueden verse afectados por errores de medida.
Por simplicidad, supondremos que la muestra est compuesta de un material homogneo y
que el gradiente de temperaturas en su interior es despreciable. Un acercamiento sencillo a la
modelizacin de este fenmeno est basado en la Ley de Enfriamiento de Newton y en la ley (1.6)
analizada en el Captulo 1; se formula matemticamente mediante el siguiente problema de valor
inicial (problema directo):
dT (t) = H(T (t), P (t))(T e T (t)) + P (t)T (t), t t
0
dt (P)
T (t0 ) = T0 ,
37
38
En ciertos contextos, y bajo ciertas condiciones, se puede suponer que H tiene una forma
conocida (por ejemplo, H es constante o es una funcin en la que tan slo hace falta identificar
uno o varios parmetros reales). Sin embargo, el reto que nos planteamos en nuestro trabajo es
conseguir identificar la funcin H cuando la nica informacin disponible sobre ella es que se
trata de una funcin continua y positiva.
En primer lugar, en el Captulo 2, abordamos el caso ms sencillo de que el coeficiente H
dependa slo de la presin (cuyo perfil recordamos que suponemos conocido), proponiendo un
experimento especialmente diseado para la determinacin de tal coeficiente. Ante la eventualidad
de que el equipo de presin no sea suficientemente verstil como para llevar a cabo el experimento
requerido, proponemos un algoritmo numrico que permite aproximar la solucin H del problema
inverso, incluso con mayor precisin que el mtodo anterior.
A continuacin, en el Captulo 3, se estudia el caso en el que existe dependencia solamente con
respecto a la temperatura, i. e., H = H(T ). En tal caso, y con vistas a la identificacin, podemos
suponer que en el experimento la presin se mantiene constante (no necesitamos cambiar la presin
para llevar a cabo la identificacin de H), por lo que no intervendr en nuestro modelo el segundo
sumando del lado derecho de la ecuacin del problema (P). Tras presentar mtodos clsicos de
regularizacin, se adapta a este contexto el algoritmo introducido en el Captulo 2 y se comparan
los resultados obtenidos para diversos ejemplos ilustrativos.
El caso general en el que el coeficiente de transferencia de calor depende, simultneamente,
de la temperatura y la presin, no lo abordamos. Para su tratamiento bastara realizar sucesivos
experimentos para valores fijos de la presin (en concreto, para los valores de una particin del in-
tervalo [Pmn , Pmax ], de dimetro suficientemente pequeo), todos ellos con la misma temperatura
inicial y exterior. En cada uno de esos valores tendramos planteado un problema como el que se
resuelve en el Captulo 3.
39
Identificacin de un coeficiente de
intercambio de calor que vara con la
presin
Introduccin
El presente captulo lo dedicamos a la identificacin del coeficiente de transferencia de calor
H del problema (P), bajo la hiptesis adicional de que slo depende de la presin. Se trata de un
problema ms sencillo, habida cuenta de que el coeficiente que se pretende determinar no involucra
la solucin de la ecuacin. Para fijar las ideas, el contexto en que nos movemos es el siguiente:
Supondremos que el equipo aplica un aumento de presin entre los instantes t0 y tf y, a partir de
este ltimo, la presin permanece constante. El problema se plantea como
(
T (t) = H(P (t))(T e T (t)) + P (t)T (t), t (t0 , tf )
(2.1)
T (t0 ) = T0 ,
donde T (t) es la temperatura en el instante t, P (t) representa la presin ejercida por el equipo en
el tiempo t, T0 y T e denotan la temperatura inicial y del medio exterior, respectivamente, 0
es un coeficiente en el que intervienen la dilatacin, la densidad y el calor especfico, y la funcin
H que se pretende identificar es el coeficiente de intercambio de calor.
Con el objetivo de definir un adecuado marco de trabajo en el que se pueda llevar a cabo esta
identificacin, supondremos que:
41
42 Identificacin de un coeficiente de intercambio de calor que vara con la presin
lineal en el tiempo, de forma que la velocidad con la que aumente la presin sea constante; as se
ha hecho en los experimentos numricos que presentamos.
Disearemos estrategias que permitan, a partir de las mediciones de temperaturas que pro-
porcione este experimento (las cuales estarn afectadas por el error inherente a los aparatos de
medida), encontrar una aproximacin de la funcin H. Una vez identificado as el coeficiente de
transferencia de calor, se podrn aproximar, sin necesidad de realizar nuevos experimentos, las
temperaturas correspondientes a otros juegos de datos T0 , T e y P.
El captulo se desarrolla con arreglo a la siguiente estructura:
En la Seccin 2.1 se lleva a cabo el anlisis cualitativo del problema directo; la Seccin 2.2
recoge la descripcin de los distintos escenarios en los que se va a tratar el problema inverso, desde
el ms sencillo, en el que se conoce una funcin que proporciona, de forma exacta, la temperatura
en todo instante de tiempo, al ms realista, en el que se slo se conocen, y con un cierto error, un
nmero finito de mediciones de la temperatura; a continuacin, en la Seccin 2.3, se presenta un
experimento ad hoc, especialmente diseado para la identificacin de la funcin H; en caso de
que tal experimento no pueda realizarse en nuestro equipo, dicha identificacin podr conseguirse
mediante un algoritmo como el que se analiza y describe en la Seccin 2.4; la Seccin 2.5 est
dedicada al estudio adimensional del problema, el cual ser de utilidad con vistas a minimizar la
cantidad de experimentos numricos necesarios a la hora de comprobar la eficacia del algoritmo;
finalmente, los resultados obtenidos en estos experimentos se presentan en la Seccin 2.6.
Teorema 2.1.2 Bajo las hiptesis realizadas de que H es una funcin continua y positiva en
[P0 , Pf ], P es continua, creciente y de clase uno a trozos en [t0 , tf ], T0 > T e 0 y 0, el
problema (2.1) tiene una nica solucin T que es continua y de clase uno a trozos y est dada por
Rt
e (P (t)P0 ) H(P (s)) ds
T (t) = (T0 T )e e t0
Z t Rt
(2.2)
e (P (t)P (s)) H(P (r)) dr
+T 1+ P (s)e e s ds , t [t0 , tf ].
t0
2.1 Anlisis cualitativo del problema directo 43
Adems, si denotamos
para todo t [t0 , tf ]. En particular, en este intervalo se tienen las acotaciones inferior y superior
D EMOSTRACIN. Puesto que la ecuacin del problema (2.1) es lineal no homognea, mediante
el mtodo de variacin de las constantes podemos expresar su solucin como
Rt Z t Rt
(P (s)H(P (s))) ds
T (t) = T0 e t0 + Te H(P (s))e s (P (r)H(P (r)) dr ds.
t0
A continuacin escribimos
Rt Z t Rt
(P (t)P0 ) H(P (s)) ds (P (r)H(P (r)) dr
T (t) = T0 e e t0
+T e
(H(P (s) P (s))e s ds
t0
Z t Rt (r)H(P (r)) dr
+T e
P (s)e s (P ds
t0
Z
(P (t)P0 )
Rt
H(P (s)) ds e
t
d R t (P (r)H(P (r)) dr
= T0 e e t0
+T es ds
t0 ds
Z t Rt
+ Te P (s)e(P (t)P (s)) e s H(P (r)) dr
ds
t0
Rt Rt
H(P (s)) ds (P (r)H(P (r)) dr
= T0 e(P (t)P0 ) e t0
+ T e 1 e t0
Z t Rt
+ Te P (s)e(P (t)P (s)) e s H(P (r)) dr
ds,
t0
lo cual conduce a la expresin (2.2). La funcin as definida es, obviamente, continua y de clase
uno a trozos (los mismos trozos en que lo sea P ).
La unicidad de solucin del problema (2.1) se deduce de la lipschitzianidad respecto a T
del segundo miembro de la ecuacin. Los clculos son sencillos: si suponemos que existen dos
soluciones T1 y T2 , tendremos
Z t
Ti (t) = T0 + H(P (s))(T e Ti (s)) + P (s)Ti (s) ds, i = 1, 2.
t0
44 Identificacin de un coeficiente de intercambio de calor que vara con la presin
siendo L una cota de |P (t) H(P (t))| en [t0 , tf ]. La aplicacin del Lema de Gronwall (Le-
ma 2.1.1) en [t0 , tf ], con
lleva a que T1 = T2 .
Finalmente, las desigualdades (2.3) se deducen trivialmente de (2.2). A partir de ellas, la aco-
tacin inferior de (2.4) es evidente, mientras que la superior se obtiene a partir de la desigualdad
Z t
T (t) (T0 T e )e(Pf P0 ) + T e 1 + P (s)e(P (t)P (s)) ds
t0
Z t
d (P (t)P (s))
= (T0 T e )e(Pf P0 ) + T e 1 e ds
t0 ds
= (T0 T e )e(Pf P0 ) + T e 1 1 + e(P (t)P0 ) . 2
Observacin 2.1.3 La cota inferior que aparece en (2.4) muestra, en primer lugar, que la tem-
peratura siempre permanece por encima de T e . Asimismo, indica que el aumento del valor de la
temperatura inicial T0 lleva aparejado un aumento del valor de la cota inferior de la temperatura
T correspondiente a dicha temperatura inicial. Por tanto, la temperatura se mantendr tanto ms
alejada de T e cuanto mayor se tome la temperatura inicial. 2
El siguiente resultado muestra la dependencia continua de la solucin del problema (2.1) res-
pecto a la funcin H. Se trata de un hecho relevante, puesto que esto nos asegura que las tem-
peraturas calculadas a partir de una aproximacin de H (que, en definitiva, es lo que nosotros
encontraremos) estn cerca de las reales (cuanto mejor aproximemos H, mejores sern las apro-
ximaciones correspondientes de T ).
Teorema 2.1.4 (Dependencia continua respecto a la funcin H) Bajo las mismas hiptesis que
en el Teorema 2.1.2, sean T la solucin del problema (2.1) y T la solucin del problema
(
T (t) = H(P (t))(T e T (t)) + P (t)T (t), t (t0 , tf )
T (t0 ) = T0 ,
)(t t )
(Pf P0 )
e(HM +PM
e
f 0 1
||T T ||C([t0 ,tf ]) T0 e T .
HM + PM
2.2 Escenarios de planteamiento del problema inverso 45
D EMOSTRACIN. Consideremos la funcin z(t) = T (t) T (t). Para todo t [t0 , tf ] se verifica
que
|z (t)| = H(P (t)) T e T (t) H(P (t)) T e T (t) + P (t) T (t) T (t)
|H(P (t)) H(P (t))||T e T (t)| + H(P (t))|T (t) T (t)| + PM |T (t) T (t)|
T0 e(Pf P0 ) T e + (HM + PM
)|z(t)|,
donde hemos usado que para T se tienen anlogas acotaciones a las de T , gracias al Teorema 2.1.2.
A partir de la desigualdad anterior se tiene
Z t Z t
|z(t)| = z(t0 ) + z (s) ds
z (s) ds
t0 t0
Z t
(Pf P0 ) e
T0 e T (t t0 ) + (HM + PM )|z(s)| ds.
t0
Llamando C1 = T0 e(Pf P0 ) T e y C2 = HM + PM , y aplicando el Lema de Gronwall en
[t0 , tf ], con
y(t) = |z(t)|, f (t) = C1 (t t0 ) y g(t) = C2 ,
se tiene que
Z t Rt
C2 dr
|T (t) T (t)| C1 (t t0 ) + C1 (s t0 )C2 e s ds
t0
Z t
C2 (ts)
= C1 t t0 + C2 (s t0 )e ds
t0
" t Z t #!
eC2 (ts) 1
= C1 t t0 + C2 (s t0 ) + eC2 (ts) ds
C2 C2 t0
t0
t
eC2 (ts) eC2 (tt0 ) 1 eC2 (tf t0 ) 1
= C1 = C1 C1 ,
C2 C2 C2
t0
E1) En el caso ms favorable (y, en la prctica, irreal) de que se conociera la funcin T en todo el
intervalo [t0 , tf ] (y, por tanto, tambin su derivada) bajo las hiptesis de que H C([P0 , Pf ])
y sea positiva, la identificacin de H se obtendra de la igualdad
ser una funcin constante en tal intervalo, por lo que podemos tomar cualquier instante t
T (t )
en l para determinar H(Pc ) = e unvocamente.
T T (t )
E3) El siguiente escenario se plantea cuando se supone conocida una funcin Te que representa el
valor aproximado de la temperatura en todo instante de tiempo.
E4) No obstante, la situacin habitual en la realidad es que tan slo se conocen una cantidad
discreta de valores Tbk que aproximan los valores de la funcin T en los instantes correspon-
dientes.
Para acometer el tratamiento de los tres ltimos escenarios, buscaremos un mtodo estable
de aproximar T a partir de los datos y, con ello, obtener una cantidad discreta de valores aproxi-
mados de H en puntos del intervalo [P0 , Pf ]. Con tal fin, habr que asegurarse de que los valores
de la temperatura se encuentran suficientemente lejos de T e ; en otro caso, en los instantes corres-
pondientes, el coeficiente H tendra una influencia insignificante en la ecuacin, y sera ilusorio
pretender identificarlo para los valores de P correspondientes. La acotacin (2.4) da cuenta de la
separacin respecto a T e de los valores exactos de la temperatura (es decir, cuando trabajamos
en el segundo escenario). Para los dos ltimos casos se fijar un cierto umbral de la siguiente
forma:
consideraremos el umbral
e T e,
=m
donde
e = mn Te(t).
m (2.5)
t[t0 ,tf ]
b) En el cuarto escenario, estamos suponiendo que tenemos a nuestra disposicin una serie de
mediciones Tbk de forma que |T (k ) Tbk | < , b con b > 0, donde {0 = t0 , 1 , 2 , . . . , p = tf }
es una secuencia de instantes de tiempo. Vamos a denotar por Te a una funcin que interpole
los valores {Tb0 , Tb1 , . . . , Tbp } en los puntos {0 , 1 , . . . , p } y a considerar > 0, una cota de la
norma de la diferencia entre T y Te en el intervalo [t0 , tf ], esto es,
T Te < .
C([t0 ,tf ])
P
f
Presin
P
0
t Tiempo t
0 f
1 T (t2k ) T e 1 T (t2k ) T e
H(P (t2k )) = ln = ln . (2.6)
t2k+1 t2k T (t2k+1 ) T e h T (t2k+1 ) T e
!
e k = 1 ln Tb2k T e
H . (2.7)
h Tb2k+1 T e
Tbk Tk
Introduciendo la notacin Tk = T (tk ) y k = , se tiene el siguiente resultado:
Tk T e
Proposicin 2.3.1 El error que se comete al aproximar los valores de H mediante (2.7) viene
dado por
e 1 1 + 2k
Hk H(P (t2k )) = ln
h 1 + 2k+1
n1
para k = 0, 1, . . . , .
2
n1
para k = 0, 1, . . . , . A partir de aqu, basta restar las ecuaciones (2.7) y (2.6) para obtener
2
!
1 b2k T e
T 1 T2k T e
e
Hk H(P (t2k )) = ln ln
h Tb2k+1 T e h T2k+1 T e
!
1 Tb2k T e T2k+1 T e
= ln
h Tb2k+1 T e T2k T e
1 (1 + 2k )(T2k T e ) T2k+1 T e
= ln
h (1 + 2k+1 )(T2k+1 T e ) T2k T e
1 1 + 2k
= ln . 2
h 1 + 2k+1
Observacin 2.3.2 Ntese que si, como en el segundo de los escenarios planteados, las medi-
ciones de la temperatura son exactas (y, en consecuencia, todos los k son nulos) entonces este
mtodo proporciona los valores exactos de H. 2
Observacin 2.3.3 De la proposicin anterior tambin se deduce que el error cometido cuando
se aproxima la funcin H mediante este mtodo slo depende del tamao de los errores relativos
entre las mediciones de temperatura (menos T e ) y la temperatura (menos T e ) (vase (2.8)). Como
dicho tamao es caracterstico del equipo de medida, se tiene el poco usual hecho de que el error
cometido en la aproximacin de la funcin H es independiente de dicha funcin. Este hecho queda
reflejado en las Figuras 2.3 a 2.10 de la Seccin 2.6, en las que puede observarse el mismo valor
del error, para cada perturbacin, en los cuatro ejemplos de funcin H. 2
Tk = T (tk ) y Pk = P (tk ), k = 0, 1, . . . , n.
50 Identificacin de un coeficiente de intercambio de calor que vara con la presin
e k del cociente
el objetivo es encontrar, para cada k = 0, 1, . . . , n, una aproximacin H
o, lo que es lo mismo, de H(Pk ). Con este fin, consideramos el operador de diferenciacin apro-
ximada
Rh : C([t0 , tf ]) C([t0 , tf ])
dado por
3v(t) + 4v(t + h) v(t + 2h)
+ h (v)(t0 ), t [t0 , t0 + h]
2h
v(t + h) v(t h)
Rh (v)(t) = , t [t0 + h, tf h]
2h
3v(t) 4v(t h) + v(t 2h)
+ h (v)(tf 3h), t [tf h, tf ],
2h
donde
v(t + 3h) 3v(t + 2h) + 3v(t + h) v(t)
h (v)(t) = .
2h
Observacin 2.4.1 Este trmino h (v) que aparece en el primer y ltimo intervalos de definicin
de Rh (v) se introduce para que la imagen por Rh de una funcin continua sea una funcin con-
tinua. Este operador de derivacin aproximada proporciona una cota del error ligeramente peor
que la que proporciona el operador habitual de orden 2 (que prescinde del tmino h (v) y con el
que tambin se podra haber desarrollado esta parte). Sin embargo, esta definicin de Rh permite
considerarlo como un operador del espacio de Banach de las funciones continuas con la norma
del supremo, en s mismo; esto servir para establecer la analoga con los mtodos clsicos que se
presentan en la Seccin 3.3. 2
Por otra parte, para t [t0 , tf 3h], mediante desarrollos de Taylor, se tiene
h3
v(t + 3h) 3v(t + 2h) + 3v(t + h) v(t) = 9v (3 ) 8v (2 ) + v (1 )
2
2.4 Un algoritmo numrico para la identificacin 51
9 2
|h (v)(t)| h v C([t0 ,t ]) , t [t0 , tf 3h].
2 f
La relacin (2.9) sugiere tomar las aproximaciones de los valores H(Pk ) como
e k = Rh (T )(tk ) P (tk )Tk ,
H
T e Tk
|T e Tk | = Tk T e m T e . 2
Observacin 2.4.4 Gracias a la acotacin (2.4) sabemos que m > T e , por lo que la cota anterior
no explota. 2
Observacin 2.4.5 Ntese que la estimacin del error para H resulta ser del orden que tenga
el mtodo de derivacin aproximada utilizado. Por tanto, si se usara un mtodo de derivacin
aproximado de un orden superior, se obtendran mejores estimaciones. 2
52 Identificacin de un coeficiente de intercambio de calor que vara con la presin
Rh (Te)(t) P (t)Te(t)
u
eh (t) = , t0 < t < tf .
T e Te(t)
Veamos una estimacin del error que se comete en dicha aproximacin:
Proposicin 2.4.6 Si T C 3 ([t0 , tf ]) y Te C([t0 , tf ]) verifica (2.14) con 0 < < , entonces
T e
1 29M3 2 4 f PM
||u u
eh ||C([t0 ,tf ]) h + M m e + 2 + , (2.15)
6 h ( )
donde
e = mn Te(t), M
m f = max Te(t) y P = max P (s).
M
t[t0 ,tf ] t[t0 ,tf ] s[t0 ,tf ]
R (T )(t) R (Te)(t)
h h
+
e e
T T (t)
T (t) Rh (T )(t) T (t) Te(t)
= + |Rh (T )(t)|
T e T (t) (T T (t))(T Te(t))
e e
R (T )(t) R (Te)(t)
h h
+ .
e e
T T (t)
2.4 Un algoritmo numrico para la identificacin 53
De estos tres sumandos, el primero puede acotarse, aplicando el Lema 2.4.2, por
29h2 29M3
T h2 .
6 |T e T (t)| C([t0 ,tf ]) 6( )
Para los otros dos sumandos distinguimos tres casos, en funcin de la definicin del operador
Rh :
a) Si t [t0 + h, tf h], puesto que
T (tf ) T0 f + ) (m
(M e ) fm
M e + 2
|Rh (T )(t)| = ,
2h 2h 2h
entonces
T (t) Te(t) Mfme + 2
Rh (T )(t) .
e e e
(T T (t))(T T (t)) 2h ( )
Proposicin 2.4.7 Si T C 3 ([t0 , tf ]) y Te C([t0 , tf ]) verifica (2.14) con 0 < < , entonces el
menor valor de la cota en la estimacin (2.15) se obtiene cuando se toma como paso temporal
!1
fm
12(M e + 2) 3
h = . (2.17)
29M3
PM Te
29M3 4 f 1
a= , b = (M m
e + 2), c = y d= . 2
6 ( )
2.4 Un algoritmo numrico para la identificacin 55
Observacin 2.4.8 El valor h dado en (2.17) es el que proporciona la mejor acotacin (es decir,
la ms pequea) en la estimacin (2.15). Sin embargo, puede ocurrir que para algn h 6= h se
tenga que
eh ||C([t0 ,tf ]) ||u u
||u u eh ||C([t0 ,tf ]) . 2
Mediante la Proposicin 2.4.7, tomando como paso de tiempo el valor ptimo h dado por (2.17),
tf t0
considerando como n la parte entera1 de , denotando tk = t0 + kh y Tek = Te(tk ), y to-
h
mando como aproximaciones de H(Pk ) los valores
e k , k = 0, 1, . . . , n,
Teorema 2.4.9 Bajo las hiptesis de la Proposicin 2.4.7, y considerando H
dados por (2.18), se verifica que
!1
1 fm
(M e + 2)2 2 3
PM Te
e k
max H(Pk ) H 522M3 + . (2.19)
k=0,1,...,n 2 ( )
2
Observacin 2.4.10 El orden de error en la estimacin anterior es 3 . 2
Observacin 2.4.11 El Teorema 2.4.9 proporciona una cota del error que se comete cuando se
aproxima H tomando como paso temporal el ptimo h . El problema es que tal valor es des-
conocido, pues depende de M3 , la norma infinito de la derivada tercera de la solucin T . En el
siguiente apartado introducimos un algoritmo iterativo mediante el que, a partir de unas medi-
ciones de temperatura, se calculan los valores dados en (2.18) para sucesivas aproximaciones de
h . 2
Una vez construida de esta forma la funcin Te nos encontramos en la situacin del apartado
anterior, por lo que basta considerar el umbral = m e T e , tomar como paso temporal h el dado
tf t0
por (2.17), como n la parte entera de y como Tek = Te(tk ), siendo tk = t0 + kh para
h
k = 0, 1, . . . , n. Con todo ello, las cantidades H e k dadas en (2.18) proporcionan una aproximacin
de H y se tiene, gracias al Teorema 2.4.9, una cota del error cometido.
En lo que resta de seccin vamos a describir un algoritmo para aproximar los valores de H en
ciertos puntos Pk del intervalo [P0 , Pf ], correspondientes a instantes de tiempo tk de particiones
equiespaciadas de [t0 , tf ]. El paso de estas particiones se definir, de forma iterativa, aproximando
el valor de h .
h= , (2.21)
293
Algoritmo
ste ser el problema para el que trataremos de identificar el coeficiente H . Una vez que
se haya obtenido su aproximacin, la usaremos para encontrar la distribucin de temperaturas
correspondiente a distintas funciones P (que se mantengan en el rango de la presin P original)
y distintos valores del parmetro T ea .
Observacin 2.5.1 El valor mximo que puede alcanzar la temperatura adimensionalizada viene
dado por
Tad T e
Tmax = ,
T0 T e
siendo Tad la temperatura mxima que se puede alcanzar en condiciones adiabticas (i. e., cuando
no hay intercambio de calor con el medio externo). Para determinar este valor, basta considerar el
problema de valor inicial (
T (t) = P (t)T (t), t (t0 , tf )
(2.24)
T (t0 ) = T0 ,
cuya solucin es
T (t) = T0 e(P (t)P0 ) , t [t0 , tf ].
Puesto que la funcin P es creciente, se tiene que
(1)
Tad = T0 e(Pf P0 ) = T0 eP ,
Tad T e
Tmax = = (1 + T ea )eP (1) T ea .
T0 T e
Ntese que el valor de Tad no es otro que el de la cota superior obtenida en (2.4). 2
Observacin 2.5.2 Una vez identificada la funcin H del problema adimensionalizado (2.23),
la expresin
1
H(s) = H ((s P0 )) , s [P0 , Pf ] (2.25)
tf t0
conduce a la funcin de partida que se quera identificar. La solucin T del problema adimensio-
nalizado conduce, deshaciendo el cambio de variable, a la temperatura
e e t t0
T (t) = T + (T0 T )T , t [t0 , tf ],
tf t0
solucin del problema de partida. 2
2.5 Adimensionalizacin del problema 59
con 0 < c 1. Si T1 es la temperatura que se obtiene con esta curva de presin, los cambios de
variable
c(t t0 ) T1 (t) T e
t1 = , T1 (t1 ) = y P1 (t1 ) = P1 (t) P0
tf t0 T0 T e
conducen a la ecuacin
dT1 tf t0 P1 (t1 ) dP1 Te
(t ) = H + P0 T (t ) + (t ) T (t ) +
dt1 1 c 1 1
dt1 1 1 1
T0 T e
(2.26)
1 dP
= H P1 (t1 ) T1 (t1 ) + 1 (t1 ) (T1 (t1 ) + T ea ) ,
c dt1
Puesto que
dP1 dP
(t ) = a(t f t 0 ) = (t ),
dt1 1 dt
la ecuacin del problema (2.27) es idntica a la del problema (2.23) salvo en que la funcin H se
1
ha visto amplificada por el factor 1. 2
c
Observacin 2.5.4 El problema adimensionalizado se rige por una ecuacin distinta de la inicial,
y esto habr que trasladarlo a los mtodos que vamos a utilizar:
a) Para el mtodo que se basa en el experimento ad hoc de la Seccin 2.3 basta tener en cuenta
que, en cada intervalo en que la presin es constante, la temperatura verifica la misma ecuacin
pero con T e = 0. Por tanto, debemos considerar, en lugar de (2.7), las aproximaciones
!
1 b2k
T
e k = ln
H .
h Tb2k+1
60 Identificacin de un coeficiente de intercambio de calor que vara con la presin
b) En cuanto al algoritmo iterativo de la Seccin 2.4, podemos decir que la expresin (2.21) del
paso ptimo h y las cantidades (2.20) que se usan para el clculo de 3 siguen siendo las
mismas (cambiando, obviamente, el papel de Te por el de la correspondiente T
f ), mientras que
e
la aproximacin (2.22) de Hk se transforma en
f )(t ) dP (t )(T
Rh (T f + T ea )
k k k
e
Hk = dt . 2
Tek
Una vez identificada H de forma aproximada, se calcula la temperatura que resuelve el pro-
blema (2.23) con tal aproximacin, y se compara con la solucin conocida del problema directo.
Asimismo, se prescriben distintos valores a los parmetros del problema adimensional (la curva
de presin y T ea ) y se calcula, tambin con dicha aproximacin, la solucin correspondiente. sta
es comparada con la temperatura exacta asociada a esos parmetros, con objeto de dar cuenta de
la bondad de la identificacin realizada. En cada situacin mostraremos: la identificacin aproxi-
mada de la funcin H, la temperatura calculada a partir de dicha aproximacin y los perfiles de
temperatura, calculados usando esta identificacin, para nueve juegos de valores de los parmetros
del problema, siempre junto a las correspondientes soluciones exactas.
1
Los citados juegos de valores se generan multiplicando por los factores d = 2, d = 1 y d = 2
el valor de partida de T ea y eligiendo como funciones para la presin (vase la Figura 2.2)
a) P (t) = a sen t
b) P (t) = a(e2t2 e2 )
a
c) P (t) = t(3 t).
2
Curvas de presin
0.015
seno
exponencial
0.01 parbola
0.005
0
0 0.2 0.4 0.6 0.8 1
Figura 2.2: Presiones consideradas en las pruebas numricas realizadas tras la identificacin de H.
Sobre los grficos de H, identificado como Error, se muestra el error cometido en norma
infinito. Sobre los grficos de las temperaturas se muestra, con la denominacin % Error, el error
relativo porcentual, es decir, el porcentaje que, de la norma infinito de cada temperatura, supone
el error cometido en dicha norma. Dicho de otra forma, si se tienen valores Tek que aproximan Tk
para k = 1, 2, . . . , n, entendemos por error relativo porcentual la cantidad
max |Tek Tk |
k
100. (2.28)
max |Tk |
k
Las funciones H (constante, oscilante, creciente y decreciente) con las que vamos a trabajar
son:
1) H(s) = 12
s
2) H(s) = 3 2 + sen 4
a
s
3) H(s) = 4 e a
s
4) H(s) = 12 1 + e a .
Como el intervalo [0, a] (el rango de presiones para el problema adimensionalizado) de nues-
tros ejemplos es pequeo, para elegir las funciones H hemos partido de funciones reconocibles
en el intervalo [0, 1], cuya variable hemos dividido entre a, con objeto de dilatar el intervalo y que
el dibujo de nuestras funciones en [0, a] sea como el de las de partida en [0, 1].
En el caso de la funcin H constante, su identificacin aproximada y la temperatura obteni-
da a partir de ella, para el caso en que se produce el menor error, se muestran en la Figura 2.3.
Asimismo, en dicha figura se dibujan las temperaturas exactas y las que se obtienen con el coefi-
ciente H identificado y variando los parmetros del problema. De igual forma, en la Figura 2.4 se
representan resultados anlogos para la perturbacin que proporciona el mayor error en H.
Para el segundo caso de la funcin H oscilante, los resultados correspondientes al menor error
en H se pueden ver en la Figura 2.5, mientras que la Figura 2.6 muestra los relativos al mayor error.
Las Figuras 2.7 y 2.8 recogen, respectivamente, los resultados para cuando se produce el menor y
mayor error en H, para la eleccin de tipo creciente. Lo anlogo ocurre con las Figuras 2.9 y 2.10
en el caso de la funcin decreciente.
Este mtodo (que, recordemos, proporciona los valores exactos si el error de medicin es nulo)
est muy influido por lo oscilatoria que sea la perturbacin: el error en H crece con el valor de q,
siendo menor para q = 3 (esto es, cuando la perturbacin es la ms suave de las elegidas) y mayor
para q = 97 (la perturbacin ms oscilatoria).
Puesto que este algoritmo utiliza la interpolacin de los valores aproximados de T en puntos
que no son de la particin en que se toman las mediciones, su comportamiento no est ligado
directamente a lo oscilatorio de las perturbaciones. As, los casos de menor y mayor error se
obtienen para valores variados de q.
En ambos mtodos se puede apreciar que, aunque el tamao del error en H sea moderado,
las temperaturas calculadas a partir de las identificaciones aproximadas son bastante precisas (el
error cometido es siempre del orden del error en las mediciones). El primero suele proporcionar
una mejor aproximacin de la temperatura cuando se resuelve con los parmetros iniciales. Sin
embargo, si se observa la temperatura identificada para los nueve juegos de datos, el segundo
mtodo es en general ms exacto en los casos del peor error en H y, por tanto, puede considerarse
ms robusto.
64 Identificacin de un coeficiente de intercambio de calor que vara con la presin
0 0 0
0 0.5 1 0 0.5 1 0 0.5 1
0 0 0
0 0.5 1 0 0.5 1 0 0.5 1
0 0 0
0 0.5 1 0 0.5 1 0 0.5 1
Figura 2.3: Experimento ad hoc y H constante (menor error en H). Perfiles de temperatura co-
rrespondientes a las curvas de presin P (t) = a sen t (Arriba), P (t) = a(e2t2 e2 ) (Centro)
y P (t) = at(3 t)/2 (Abajo), y a los factores sobre T ea d = 2 (Izquierda), d = 1 (Centro) y
d = 0.5 (Derecha).
2.6 Resultados numricos 65
0.4
5
H exacta 0.2
H identificada
0 0
0 0.005 0.01 0.015 0 0.2 0.4 0.6 0.8 1
0 0 0
0 0.5 1 0 0.5 1 0 0.5 1
0 0 0
0 0.5 1 0 0.5 1 0 0.5 1
0 0 0
0 0.5 1 0 0.5 1 0 0.5 1
Figura 2.4: Experimento ad hoc y H constante (mayor error en H). Perfiles de temperatura co-
rrespondientes a las curvas de presin P (t) = a sen t (Arriba), P (t) = a(e2t2 e2 ) (Centro)
y P (t) = at(3 t)/2 (Abajo), y a los factores sobre T ea d = 2 (Izquierda), d = 1 (Centro) y
d = 0.5 (Derecha).
66 Identificacin de un coeficiente de intercambio de calor que vara con la presin
4 0.4
2 H exacta 0.2
H identificada
0 0
0 0.005 0.01 0.015 0 0.2 0.4 0.6 0.8 1
0 0 0
0 0.5 1 0 0.5 1 0 0.5 1
0 0 0
0 0.5 1 0 0.5 1 0 0.5 1
0 0 0
0 0.5 1 0 0.5 1 0 0.5 1
Figura 2.5: Experimento ad hoc y H oscilante (menor error en H): Perfiles de temperatura corres-
pondientes a las curvas de presin P (t) = a sen t (Arriba), P (t) = a(e2t2 e2 ) (Centro) y
P (t) = at(3 t)/2 (Abajo), y a los factores sobre T ea d = 2 (Izquierda), d = 1 (Centro) y
d = 0.5 (Derecha).
2.6 Resultados numricos 67
8 0.6
6
0.4
4
0.2
2
0 0
0 0.005 0.01 0.015 0 0.2 0.4 0.6 0.8 1
0 0 0
0 0.5 1 0 0.5 1 0 0.5 1
0 0 0
0 0.5 1 0 0.5 1 0 0.5 1
0 0 0
0 0.5 1 0 0.5 1 0 0.5 1
Figura 2.6: Experimento ad hoc y H oscilante (mayor error en H): Perfiles de temperatura corres-
pondientes a las curvas de presin P (t) = a sen t (Arriba), P (t) = a(e2t2 e2 ) (Centro) y
P (t) = at(3 t)/2 (Abajo), y a los factores sobre T ea d = 2 (Izquierda), d = 1 (Centro) y
d = 0.5 (Derecha).
68 Identificacin de un coeficiente de intercambio de calor que vara con la presin
2 H exacta 0.2
H identificada
0 0
0 0.005 0.01 0.015 0 0.2 0.4 0.6 0.8 1
0 0 0
0 0.5 1 0 0.5 1 0 0.5 1
0 0 0
0 0.5 1 0 0.5 1 0 0.5 1
0 0 0
0 0.5 1 0 0.5 1 0 0.5 1
Figura 2.7: Experimento ad hoc y H creciente (menor error en H): Perfiles de temperatura corres-
pondientes a las curvas de presin P (t) = a sen t (Arriba), P (t) = a(e2t2 e2 ) (Centro) y
P (t) = at(3 t)/2 (Abajo), y a los factores sobre T ea d = 2 (Izquierda), d = 1 (Centro) y
d = 0.5 (Derecha).
2.6 Resultados numricos 69
0.4
5
0.2
0 0
0 0.005 0.01 0.015 0 0.2 0.4 0.6 0.8 1
0 0 0
0 0.5 1 0 0.5 1 0 0.5 1
0 0 0
0 0.5 1 0 0.5 1 0 0.5 1
0 0 0
0 0.5 1 0 0.5 1 0 0.5 1
Figura 2.8: Experimento ad hoc y H creciente (mayor error en H): Perfiles de temperatura corres-
pondientes a las curvas de presin P (t) = a sen t (Arriba), P (t) = a(e2t2 e2 ) (Centro) y
P (t) = at(3 t)/2 (Abajo), y a los factores sobre T ea d = 2 (Izquierda), d = 1 (Centro) y
d = 0.5 (Derecha).
70 Identificacin de un coeficiente de intercambio de calor que vara con la presin
5 0.2
0 0
0 0.005 0.01 0.015 0 0.2 0.4 0.6 0.8 1
0 0 0
0 0.5 1 0 0.5 1 0 0.5 1
0 0 0
0 0.5 1 0 0.5 1 0 0.5 1
0 0 0
0 0.5 1 0 0.5 1 0 0.5 1
Figura 2.9: Experimento ad hoc y H decreciente (menor error en H): Perfiles de temperatura
correspondientes a las curvas de presin P (t) = a sen t (Arriba), P (t) = a(e2t2 e2 ) (Centro)
y P (t) = at(3 t)/2 (Abajo), y a los factores sobre T ea d = 2 (Izquierda), d = 1 (Centro) y
d = 0.5 (Derecha).
2.6 Resultados numricos 71
5 H exacta 0.2
H identificada
0 0
0 0.005 0.01 0.015 0 0.2 0.4 0.6 0.8 1
0 0 0
0 0.5 1 0 0.5 1 0 0.5 1
0 0 0
0 0.5 1 0 0.5 1 0 0.5 1
0 0 0
0 0.5 1 0 0.5 1 0 0.5 1
Figura 2.10: Experimento ad hoc y H decreciente (mayor error en H): Perfiles de temperatura
correspondientes a las curvas de presin P (t) = a sen t (Arriba), P (t) = a(e2t2 e2 ) (Centro)
y P (t) = at(3 t)/2 (Abajo), y a los factores sobre T ea d = 2 (Izquierda), d = 1 (Centro) y
d = 0.5 (Derecha).
72 Identificacin de un coeficiente de intercambio de calor que vara con la presin
0 0 0
0 0.5 1 0 0.5 1 0 0.5 1
0 0 0
0 0.5 1 0 0.5 1 0 0.5 1
0 0 0
0 0.5 1 0 0.5 1 0 0.5 1
Figura 2.11: Algoritmo iterativo y H constante (menor error en H): Perfiles de temperatura co-
rrespondientes a las curvas de presin P (t) = a sen t (Arriba), P (t) = a(e2t2 e2 ) (Centro)
y P (t) = at(3 t)/2 (Abajo), y a los factores sobre T ea d = 2 (Izquierda), d = 1 (Centro) y
d = 0.5 (Derecha).
2.6 Resultados numricos 73
0 0 0
0 0.5 1 0 0.5 1 0 0.5 1
0 0 0
0 0.5 1 0 0.5 1 0 0.5 1
0 0 0
0 0.5 1 0 0.5 1 0 0.5 1
Figura 2.12: Algoritmo iterativo y H constante (mayor error en H): Perfiles de temperatura co-
rrespondientes a las curvas de presin P (t) = a sen t (Arriba), P (t) = a(e2t2 e2 ) (Centro)
y P (t) = at(3 t)/2 (Abajo), y a los factores sobre T ea d = 2 (Izquierda), d = 1 (Centro) y
d = 0.5 (Derecha).
74 Identificacin de un coeficiente de intercambio de calor que vara con la presin
2 0.4
1 H exacta 0.2
H identificada
0 0
0 0.005 0.01 0.015 0 0.2 0.4 0.6 0.8 1
0 0 0
0 0.5 1 0 0.5 1 0 0.5 1
0 0 0
0 0.5 1 0 0.5 1 0 0.5 1
0 0 0
0 0.5 1 0 0.5 1 0 0.5 1
Figura 2.13: Algoritmo iterativo y H oscilante (menor error en H): Perfiles de temperatura corres-
pondientes a las curvas de presin P (t) = a sen t (Arriba), P (t) = a(e2t2 e2 ) (Centro) y
P (t) = at(3 t)/2 (Abajo), y a los factores sobre T ea d = 2 (Izquierda), d = 1 (Centro) y
d = 0.5 (Derecha).
2.6 Resultados numricos 75
0 0
0 0.005 0.01 0.015 0 0.2 0.4 0.6 0.8 1
0 0 0
0 0.5 1 0 0.5 1 0 0.5 1
0 0 0
0 0.5 1 0 0.5 1 0 0.5 1
0 0 0
0 0.5 1 0 0.5 1 0 0.5 1
Figura 2.14: Algoritmo iterativo y H oscilante (mayor error en H): Perfiles de temperatura corres-
pondientes a las curvas de presin P (t) = a sen t (Arriba), P (t) = a(e2t2 e2 ) (Centro) y
P (t) = at(3 t)/2 (Abajo), y a los factores sobre T ea d = 2 (Izquierda), d = 1 (Centro) y
d = 0.5 (Derecha).
76 Identificacin de un coeficiente de intercambio de calor que vara con la presin
5 T para H exacta
0.8
T para H identificada
4
0.6
3
0.4
2
1 H exacta 0.2
H identificada
0 0
0 0.005 0.01 0 0.2 0.4 0.6 0.8 1
0 0 0
0 0.5 1 0 0.5 1 0 0.5 1
0 0 0
0 0.5 1 0 0.5 1 0 0.5 1
0 0 0
0 0.5 1 0 0.5 1 0 0.5 1
Figura 2.15: Algoritmo iterativo y H creciente (menor error en H): Perfiles de temperatura co-
rrespondientes a las curvas de presin P (t) = a sen t (Arriba), P (t) = a(e2t2 e2 ) (Centro)
y P (t) = at(3 t)/2 (Abajo), y a los factores sobre T ea d = 2 (Izquierda), d = 1 (Centro) y
d = 0.5 (Derecha).
2.6 Resultados numricos 77
0 0 0
0 0.5 1 0 0.5 1 0 0.5 1
0 0 0
0 0.5 1 0 0.5 1 0 0.5 1
0 0 0
0 0.5 1 0 0.5 1 0 0.5 1
Figura 2.16: Algoritmo iterativo y H creciente (mayor error en H): Perfiles de temperatura co-
rrespondientes a las curvas de presin P (t) = a sen t (Arriba), P (t) = a(e2t2 e2 ) (Centro)
y P (t) = at(3 t)/2 (Abajo), y a los factores sobre T ea d = 2 (Izquierda), d = 1 (Centro) y
d = 0.5 (Derecha).
78 Identificacin de un coeficiente de intercambio de calor que vara con la presin
0 0 0
0 0.5 1 0 0.5 1 0 0.5 1
0 0 0
0 0.5 1 0 0.5 1 0 0.5 1
0 0 0
0 0.5 1 0 0.5 1 0 0.5 1
Figura 2.17: Algoritmo iterativo y H decreciente (menor error en H): Perfiles de temperatura
correspondientes a las curvas de presin P (t) = a sen t (Arriba), P (t) = a(e2t2 e2 ) (Centro)
y P (t) = at(3 t)/2 (Abajo), y a los factores sobre T ea d = 2 (Izquierda), d = 1 (Centro) y
d = 0.5 (Derecha).
2.6 Resultados numricos 79
0 0 0
0 0.5 1 0 0.5 1 0 0.5 1
0 0 0
0 0.5 1 0 0.5 1 0 0.5 1
0 0 0
0 0.5 1 0 0.5 1 0 0.5 1
Figura 2.18: Algoritmo iterativo y H decreciente (mayor error en H): Perfiles de temperatura
correspondientes a las curvas de presin P (t) = a sen t (Arriba), P (t) = a(e2t2 e2 ) (Centro)
y P (t) = at(3 t)/2 (Abajo), y a los factores sobre T ea d = 2 (Izquierda), d = 1 (Centro) y
d = 0.5 (Derecha).
Captulo 3
Identificacin de un coeficiente de
intercambio de calor que vara con la
temperatura
Introduccin
Como se coment en la introduccin a la segunda parte de la memoria, en el presente captulo
abordamos un estudio paralelo al realizado en el Captulo 2, aunque ahora bajo el supuesto de que
el coeficiente de intercambio de calor que se pretende identificar es funcin de la temperatura y
no de la presin. Por un lado, el hecho de que H dependa de la solucin de la ecuacin de estado
complica sustancialmente la resolucin del problema inverso. Por otro, su independencia respecto
la presin permitir trabajar a presin constante.
En concreto, se supone que el fenmeno fsico que se estudia est modelizado por el problema
de valor inicial (
T (t) = H(T (t))(T e T (t)), t t0
(3.1)
T (t0 ) = T0 ,
donde T (t) representa la temperatura en el instante de tiempo t, T0 es la temperatura inicial, T e
denota la temperatura del medio exterior y la funcin H(T ) es el coeficiente de intercambio de
calor que se pretende identificar.
Las hiptesis sobre los datos del problema que configuran el contexto en el que vamos a
trabajar son las siguientes:
81
82 Identificacin de un coeficiente de intercambio de calor que vara con la temperatura
error) de la temperatura. Esta aproximacin deber servir para proporcionar soluciones satisfacto-
rias del problema cuando se cambian los datos de partida. Destacamos que ahora tales datos son,
simplemente, la temperatura inicial y la exterior.
Para obtener la identificacin de H en el mayor rango de temperaturas posible, ser convenien-
te tomar las mediciones durante un experimento que parta de una temperatura inicial y se realice a
una temperatura externa que, dentro de lo admisible en el contexto fsico, sean la ms baja y ms
alta, respectivamente, posibles.
El desarrollo de este captulo discurre en paralelo al del Captulo 2; a continuacin describimos
su organizacin:
En primer lugar (Seccin 3.1), se realiza un anlisis cualitativo del problema directo, estu-
diando la existencia y unicidad de solucin, as como propiedades de regularidad y dependencia
continua. Seguidamente, en la Seccin 3.2, se estudian los distintos escenarios en los que se va a
tratar el problema inverso; en esta ocasin, la eleccin de los umbrales de trabajo deber ser un
tanto ms sofisticada que la efectuada en el Captulo 2, y servir para delimitar el intervalo tem-
poral en el que podremos realizar la identificacin. A continuacin, la Seccin 3.3 muestra cmo
abordar el problema mediante algoritmos clsicos basados en la teora de regularizacin, como son
el principio de discrepancia de Morozov o el mtodo iterativo de Landweber. En la Seccin 3.4 se
hace un estudio paralelo al realizado en la Seccin 2.4 y, en particular, se presenta una adaptacin
del algoritmo iterativo all introducido. Finalmente, los resultados numricos obtenidos mediante
los distintos mtodos y para diversas situaciones de partida, estn recogidos en la Seccin 3.5.
Una aproximacin al problema anloga a la de este captulo, utilizando esquemas de orden
uno, puede encontrarse en el trabajo [15].
Teorema 3.1.1 Sea H una funcin continua y positiva en el intervalo [T0 , T e ]. Entonces, existe
una nica solucin T del problema (3.1) con las siguientes propiedades:
D EMOSTRACIN. Gracias a resultados clsicos (vase, v. gr., [13, Teorema 1, pg. 51]), se puede
asegurar que el problema (3.1) admite una nica solucin T definida en un cierto intervalo a la
derecha de t0 . Adems, si consideramos H extendida por continuidad de forma constante a toda
la recta real, la acotacin de dicha extensin permite afirmar (cf., por ejemplo, [13, Corolario 4,
pg. 192]) que esta (nica) solucin est definida en todo [t0 , +). Por otra parte, es claro que
existe > 0 tal que
Veamos que, de hecho, las desigualdades anteriores se cumplen para todo t t0 . En otro caso,
teniendo en cuenta que
T (t ) = 0 T (t ) = T e ,
existira t > t0 tal que
(
T (t) > 0 y T0 T (t) < T e , t [t0 , t )
T (t ) = 0 y T (t ) = T e .
De esta forma, quedan demostrados los tres primeros apartados. Para demostrar el apartado d )
basta integrar en la cadena de desigualdades
T (t)
0 < Hm H(T (t)) = HM para todo t t0 .
T e T (t)
El apartado e) se deduce haciendo tender t a + en la desigualdad d).
Finalmente, el ltimo apartado se obtiene escribiendo
El Lema de Gronwall (cf. el Lema 2.1.1) servir para demostrar un resultado de dependencia
continua de la solucin del problema (3.1) respecto a la funcin H, cuando se trabaja en un inter-
valo temporal acotado [t0 , tf ]. De nuevo se trata de un resultado importante, pues permite asegurar
que las temperaturas calculadas con una aproximacin de H sern cercanas a las correspondientes
a la H exacta (de forma que una mejor aproximacin de H supone mejores aproximaciones de T ).
84 Identificacin de un coeficiente de intercambio de calor que vara con la temperatura
Teorema 3.1.2 (Dependencia continua respecto a la funcin H) Sean T la solucin del proble-
ma (3.1) y T la solucin del problema
(
T (t) = H(T (t))(T e T (t)), t (t0 , tf )
T (t0 ) = T0 ,
con tf > t0 arbitrario, y donde supondremos que:
a) H es positiva y lipschitziana en [T0 , T e ], con constante de Lipschitz L > 0.
b) H es continua y positiva en [T0 , T e ].
D EMOSTRACIN. Consideremos la funcin z(t) = T (t) T (t). Para todo t [t0 , tf ] se verifica
que
|z (t)| = |H(T (t))(T e T (t)) H(T (t))(T e T (t))|
HM |z(t)| + L|z(t)|(T e T0 ) + (T e T0 )
= C|z(t)| + (T e T0 ),
El resultado se tiene, igual que en el Teorema 2.1.4, sin ms que aplicar el Lema de Gronwall
(Lema 2.1.1) en [t0 , tf ] con
Son equivalentes:
3.2 Escenarios de planteamiento del problema inverso 85
Observacin 3.1.4
a) Ntese que la funcin G(s) = H(s)(T e s) no puede ser creciente en todo el intervalo [T0 , T e ]
puesto que, al ser G(T e ) = 0, la funcin H debera ser negativa. En consecuencia, T no puede
ser una funcin convexa en todo el intervalo [t0 , +).
b) Una condicin suficiente para que esta funcin G sea decreciente en [T0 , T e ] es que
H < 0 en [T0 , T e ],
c) Si las mediciones observadas tienen una distribucin creciente y cncava, entonces la funcin
H identificada, si se supone que es suficientemente suave, deber ser tal que la funcin G
correspondiente sea decreciente. 2
I) Se fijar un umbral > 0, que depender del rango admisible de valores en los que se nece-
sita aproximar la temperatura, de forma que la identificacin de la funcin H en el intervalo
[T e , T e ] no forma parte de nuestros objetivos. A partir de este umbral se determinar
(mediante los argumentos que se explicarn ms adelante) un tiempo tf = tf (, T, T e ) para
el que se verifique
T (t) T e , t tf . (3.2)
86 Identificacin de un coeficiente de intercambio de calor que vara con la temperatura
Observacin 3.2.1 Si, una vez fijado el umbral , se requiere alargar el intervalo temporal en
el que trabajar (por ejemplo, si fuera necesario aumentar el nmero de mediciones, y stas no se
pudieran espaciar menos en el tiempo, debido a las limitaciones del equipo de medida) bastara con
disminuir la temperatura inicial T0 , siempre que esto fuera fsicamente posible. La explicacin de
ello es que la solucin T es una funcin creciente y que dos soluciones no pueden cruzarse al ser
la solucin nica para todo instante y valor inicial (de hecho, al ser la ecuacin del problema (3.1)
autnoma, la solucin para la nueva temperatura inicial ser una traslacin en t de la solucin para
el T0 original). La acotacin
la cual se deduce, de forma trivial, del apartado d) del Teorema 3.1.1, da idea de cmo estn
relacionados, en estos trminos, (tf t0 ) y T0 . 2
E1) El primer escenario que consideramos es el caso de que se conozca la funcin T en todo el
intervalo [t0 , tf ] (y, por tanto, tambin su derivada); como ya se ha comentado, se trata de un
problema meramente acadmico. Bajo las hiptesis realizadas sobre H, su identificacin se
obtendra de manera inmediata a partir de la igualdad
T (t)
H(T (t)) =
T e T (t)
o, equivalentemente,
T (T 1 (s))
H(s) = ,
Te s
dado que la funcin T es inyectiva, por ser creciente. De esta forma, la solucin del problema
inverso puede determinarse de manera nica.
E2) Si se conocen los valores de la funcin T , de forma exacta, en un nmero finito de instantes
arbitrarios de tiempo del intervalo [t0 , tf ], el problema se reduce, como en el Captulo 2 a un
problema estndar de derivacin aproximada.
E3) El tercer escenario en que nos situamos es cuando se conoce una funcin Te que aproxima la
temperatura en todo instante de tiempo.
E4) Finalmente, consideramos la situacin ms interesante en que tan slo se conoce una cantidad
discreta de valores Tbk que aproximan los correspondientes valores de la funcin T .
Con objeto de llevar a cabo la identificacin en los tres ltimos escenarios, buscaremos un m-
todo estable que aproxime T en ciertos instantes de tiempo; estas aproximaciones servirn para
calcular una cantidad discreta de valores aproximados de H en puntos del intervalo [T0 , T (tf )].
Veamos cmo proceder a la determinacin de tf en las distintas situaciones que pueden plan-
tearse:
3.2 Escenarios de planteamiento del problema inverso 87
a) En el primer escenario, el valor de tf (con propiedad, el mnimo valor de tf que verifica (3.2))
es la solucin de la ecuacin T (t) = T e ; es decir,
tf = T 1 (T e ).
k = T e Tk .
En la prctica, el valor de se modifica para que coincida con uno de los k . Si el umbral
de partida es menor que todas las cantidades k (i. e., cuando los valores conocidos de la
temperatura estn lejos de T e ), se toma = p y se define tf = p ; en caso contrario, se define
m = max{k : k } y se toma = m y tf = m .
Si Te(t) < T e + para todo t t (es decir, si los valores aproximados que tenemos
de la temperatura estn alejados de T e ) tomaremos tf = t , pero deberemos aumentar el
valor de y tomar = T e Te(t ) + .
En caso contrario, se considera tf = mn{t : Te(t) = T e + }.
En resumen, tomamos
(
t , si Te(t) < T e + para todo t t
tf = (3.3)
mn{t : Te(t) = T e + }, en caso contrario,
con el valor de adecuado a cada caso. Ntese que, con esta eleccin de tf , se tiene que
Para garantizar que estas cotas inferiores sean positivas necesitaremos imponer al umbral la
restriccin > 3. 2
88 Identificacin de un coeficiente de intercambio de calor que vara con la temperatura
d) En el cuarto escenario, la eleccin del valor tf se har de una forma un poco ms laboriosa.
Los datos de partida son las mediciones Tbk para las que suponemos que |T (k ) Tbk | < , b con
b
> 0, donde {0 = t0 < 1 < 2 < . . . < p } es una secuencia de instantes de tiempo. A
partir de ellos se construye Te como una funcin interpoladora de los valores {Tb0 , Tb1 , . . . , Tbp }
en los instantes {0 , 1 , . . . , p }, y se considera > 0 tal que
T Te < .
C([0 ,p ])
Nuevamente, (que ser mayor o igual que ) b da cuenta del error cometido al aproximar la
temperatura por una funcin que ahora interpola, no ya los valores de T , sino valores que son,
a su vez, aproximaciones de los valores de T en los puntos k .
en el que se pretende determinar la funcin H continua y positiva, cuando se tiene una funcin Te
(generada a partir de un nmero finito de mediciones, eventualmente, con error) que aproxima la
temperatura T .
Con este objetivo, presentamos la teora de regularizacin y dos algoritmos clsicos fundamen-
tados en ella. Previamente, debemos plantear el problema inverso en un marco funcional adecuado,
cuando los datos vienen dados sin error.
se tiene que
Z Z Z
t t t
T (s) T e T (t)
u(s) ds = H(T (s)) ds = ds = ln .
t0 t0 t0 T e T (s) T e T0
Ku = y
3.3 Teora de regularizacin. Algoritmos clsicos 89
donde
T e T (t)
y(t) = ln , t [t0 , tf ]. (3.7)
T e T0
Ntese que, gracias al Teorema 3.1.1, podemos afirmar que la funcin y est bien definida y
es positiva (de hecho, es de clase uno).
Con vistas a aplicar la teora clsica de regularizacin, la cual se enmarca en espacios de
Hilbert (vanse [9], [35] y [42], por ejemplo), elegiremos X = Y = L2 (t0 , tf ), siendo
Z tf
L2 (t0 , tf ) = f : (t0 , tf ) R : (f (s))2 ds < .
t0
c) El operador K es inyectivo.
D EMOSTRACIN. Veamos, en primer lugar, que el operador K lleva las funciones de L2 (t0 , tf )
en funciones de ese mismo espacio, por lo que est bien definido. Para ello, basta considerar
x L2 (t0 , tf ) y escribir
Z tf Z tf Z t 2 Z tf Z t Z t
2 2 2
|Kx(t)| dt |x(s)| ds dt 1 ds |x(s)| ds dt
t0 t0 t0 t0 t0 t0
(3.8)
Z tf Z tf
(tf t0 )2
(t t0 ) |x(s)|2 ds dt = ||x||2L2 (t0 ,tf ) .
t0 t0 2
90 Identificacin de un coeficiente de intercambio de calor que vara con la temperatura
Por otra parte, es claro que el operador K es lineal. Que es compacto se deduce directamente
del Teorema 3.3.1, tomando como la funcin k(t, s) que en l aparece, para cada t (t0 , tf ), la
funcin caracterstica del intervalo (t0 , t), i. e.,
(
1, t0 < s < t
k(t, s) =
0, en otro caso.
Aqu estamos usando la notacin habitual h, i para denotar el producto de dualidad entre el
espacio de las distribuciones en (t0 , tf ) y el espacio de funciones test Cc (t0 , tf ).
Kx = 0 (Kx) = 0 x = 0.
El resultado se sigue teniendo en cuenta la densidad de Cc (t0 , tf ) en L2 (t0 , tf ) (cf., por ejem-
plo, [4]).
Por tanto,
Z tf
K y(t) = Y (t) = y(s) ds. 2
t
3.3 Teora de regularizacin. Algoritmos clsicos 91
Recuperando ahora el problema original en el que nuestros datos son valores de la temperatura
b y una
afectados de un cierto error, partimos de unas mediciones Tbk tales que |T (k ) Tbk | < ,
e
funcin interpoladora de ellas T de forma que
T Te < .
C([t0 ,tf ])
T = T (t) + (1 )Te(t),
por lo que
|T (t) Te(t)|
|y(t) y (t)| < ,
3 3
obtenindose la primera acotacin.
La segunda acotacin se deduce sin ms que tomar norma en L2 (t0 , tf ) en la anterior desigual-
dad. 2
Observacin 3.3.5 Ntese que e() es una O(), es decir, e() y tienen el mismo orden de
convergencia a cero. 2
Estas familias de operadores regularizantes se utilizan del siguiente modo: Cuando se pretende
resolver el problema Kx = y, pero en lugar del dato exacto y se tiene una aproximacin y con
||y y ||Y , se definen las soluciones aproximadas
x, = R y .
a) lm () = 0.
0
b) lm sup {R() y xX : ||Kx y ||Y } = 0, para cada x en X. 2
0 y Y
||x, x||X ||R y R y||X + ||R y x||X ||R || + ||R Kx x||X , (3.11)
3.3 Teora de regularizacin. Algoritmos clsicos 93
una forma de conseguir una estrategia de regularizacin admisible es elegir R() , con () ten-
diendo a cero con , e intentar minimizar superior en (3.11) respecto a . Puede probarse
la cota
(cf. Teorema 2.2 de [42, pg. 25]) que R() tiende a infinito cuando tiende a cero; el argu-
s
la eleccines que esta convergencia sea de orden con 0 < s < 1, habida
mento para decidir
cuenta de que R() Kx xX converge a cero cuando tiende a cero, por la propia definicin
de estrategia de regularizacin. 2
(I + K K)x = K y (3.13)
(cf. el Teorema 2.11 de [42, pg. 38]). En este caso, la estrategia de regularizacin viene dada por
la familia de operadores lineales
R : L2 (t0 , tf ) L2 (t0 , tf )
definidos como
R y = (I + K K)1 K y. (3.14)
Observacin 3.3.9 Ntese que si se toma = 0 en la ecuacin (3.13) se obtienen las ecuaciones
normales del operador K, asociadas a la minimizacin del funcional (cuadrtico) J0 , minimiza-
cin que constituye un problema mal planteado en el sentido de Hadamard, puesto que no hay
continuidad de la solucin respecto a los datos (cf. el Lema 2.10 de [42, pg. 37]). sta es la razn
de que se introduzca esta penalizacin en trminos de . 2
Veamos que la solucin de (3.13) es, a su vez, solucin de un problema de contorno de segundo
orden.
siendo Z tf
(t) = y (s) senh (s) ds
, t
Z t
, (t) = y (s) cosh (s) ds tanh (t0 ), (t0 ).
t0
de donde se deduce, en primer lugar, que x(tf ) = 0. Adems, como y H 1 (t0 , tf ) e y (t0 ) = 0
(vase la Observacin 3.3.3), podemos derivar la expresin anterior para obtener
Z t
x (t) x(s) ds = y (t),
t0
2
lm () = 0 y lm = 0,
0 0 ()
R = (I + K K)1 K ,
es admisible.
Observacin 3.3.12 Puesto que el operador K es lineal y compacto (cf. la Proposicin 3.3.2),
aplicando el Teorema 3.3.11 obtenemos que si se elige = () de forma que
(e())2
lm () = 0 y lm = 0,
0 0 ()
ya que, gracias a la Proposicin 3.3.4, se tiene que ||y y ||L2 (t0 ,tf ) < e(). 2
3.3 Teora de regularizacin. Algoritmos clsicos 95
Observacin 3.3.13 Ntese que, cualquiera que sea 6= 0, la solucin del problema (3.16) se
anula en tf . Esto es as porque la condicin de contorno es, en realidad,
x(tf ) = 0.
El hecho de que la solucin aproximada se anule en el instante final es un mal condicionante
para todas las aproximaciones que se basen en la estrategia de Tikhonov, pues la solucin sin error
no verifica, en general, esta propiedad. Esto hace que, aunque el error en L2 (t0 , tf ) sea pequeo, el
error en C([t0 , tf ]) con la norma del supremo pueda ser grande. Trataremos de evitar ese problema
con una metodologa alternativa que desarrollaremos en la Seccin 3.4. 2
El principio de discrepancia de Morozov (vase [55]) determina una forma de elegir el par-
metro = () en la estrategia de regulacin de Tikhonov. En concreto, se trata de elegir () de
forma que la solucin u(), de la ecuacin (3.13), dada por la expresin (3.16), verifique que
Ku(), y 2 = e() (3.17)
L (t ,t ) 0 f
supuesto que
||y y ||L2 (t0 ,tf ) < e() < ||y ||L2 (t0 ,tf ) .
En esta situacin, los Teoremas 2.16 y 2.17 de [42, pg. 48 y ss.] aseguran que existe un nico
que verifique (3.17) y de forma que la estrategia de regularizacin definida por los operado-
res (3.14) asociados a esta eleccin de sea admisible.
As pues, gracias a este principio, la solucin de nuestro problema para los datos y descritos
en (3.9) vendr dada por la frmula (3.16) cuando se elige como la nica raz de la funcin
F () = ||Ku y ||2L2 (t0 ,tf ) (e())2 ,
donde u , y y e() vienen dados por (3.16), (3.9) y (3.10), respectivamente.
Como se ver en la Seccin 3.5, utilizaremos el mtodo de la secante para aproximar numri-
camente la (nica) solucin de esta ecuacin no lineal.
Otras metodologas para la eleccin del parmetro de forma que la regularizacin de Tikho-
nov siga produciendo una estrategia admisible (por ejemplo, el mtodo de la Lcurva) pueden
encontrarse en trabajos como [22] y [23].
De esta forma, el mtodo de Landweber queda tambin enmarcado en el contexto de las estra-
tegias de regularizacin.
En nuestro problema asociado al operador K, siguiendo el Teorema 2.19 de [42, pg. 53],
tomaremos un parmetro a que verifique
1
0<a< (3.19)
||K||2
y usaremos como test de parada de las iteraciones el hecho de que
Observacin 3.3.15 Hay que destacar que, puesto que x0 (tf ) = 0, y al aplicar K a cualquier
funcin, la imagen se anula en tf , todas las iteraciones de Landweber verificarn tambin
xm (tf ) = 0.
Nuevamente, las aproximaciones que se obtengan mediante este mtodo tendrn esta mala
propiedad. 2
T (t)
= H(T (t)), t0 < t < tf ,
T e T (t)
3.4 Un algoritmo numrico para la identificacin 97
e k = Rh (T )(tk )
H
T e Tk
para k = 0, 1, . . . , n; de nuevo tomamos como Rh el operador de derivacin aproximada introdu-
cido en el apartado 2.4.1 y que reproducimos a continuacin:
3v(t) + 4v(t + h) v(t + 2h)
+ h (v)(t0 ), t [t0 , t0 + h]
2h
v(t + h) v(t h)
Rh (v)(t) = , t [t0 + h, tf h]
2h
3v(t) 4v(t h) + v(t 2h) + h (v)(tf 3h), t [tf h, tf ]
2h
donde
v(t + 3h) 3v(t + 2h) + 3v(t + h) v(t)
h (v)(t) = .
2h
e k as definidos se verifica la siguiente acotacin del error:
Para los valores de H
Proposicin 3.4.1 Si T C 3 ([t0 , tf ]) entonces
max H(Tk ) H e k 29M3 h2 , (3.20)
k=0,1,...,n 6
donde M3 = ||T ||C([t0 ,tf ]) .
D EMOSTRACIN. La monotona de T implica que
T e Tk T e T (tf ) = .
Por tanto, basta aplicar el Lema 2.4.2 para tener el resultado. 2
para algn (0, ). Por simplicidad y consistencia con las propiedades de T , asumiremos que
Te(t) T0 , t [t0 , tf ] (en otro caso, bastara truncar Te(t) por T0 o despreciar las mediciones que
estn por debajo de la temperatura inicial). Definiendo
T (t)
u(t) = , t0 < t < tf
T e T (t)
y su aproximacin
Rh (Te)(t)
u
eh (t) = , t0 < t < tf ,
T e Te(t)
obtenemos la estimacin del error anloga a la de la Proposicin 2.4.6:
98 Identificacin de un coeficiente de intercambio de calor que vara con la temperatura
Proposicin 3.4.2 Sean T C 3 ([t0 , tf ]) y Te C([t0 , tf ]) verificando (3.21) con 0 < < .
3
Entonces,
1 29M3 2 4 T e T0 + 2
||u u
eh ||C([t0 ,tf ]) h + . (3.22)
2 6 h 3
D EMOSTRACIN. La demostracin discurre paralelamente a la de la Proposicin 2.4.6, sin ms
que utilizar las acotaciones (3.4) y el hecho de que los valores menor y mayor de Te son T0 y
T e + , respectivamente.
Escribiendo
T (t) Rh (T )(t) T (t) Te(t) Rh (T )(t) Rh (Te)(t)
u(t)e
uh (t) = +Rh (T )(t) + ,
T e T (t) (T e T (t))(T e Te(t)) T e Te(t)
el primer sumando se acota, gracias al Lema 2.4.2, por
29h2 29M3
T h2 .
e
6(T T (t)) C([t0 ,tf ]) 6( 2)
El segundo y tercer sumandos se tratan en funcin de los intervalos de definicin del operador
Rh :
a) Cuando t [t0 + h, tf h] tenemos
T (tf ) T0 Te(tf ) + T0 T e T0 + 2
|Rh (T )(t)| = .
2h 2h 2h
As pues,
T (t) Te(t) T e T + 2
0
Rh (T )(t)
e e e
(T T (t))(T T (t)) 2h ( 2)( 3)
e
T T0
= 1 .
2( 3)h 2
Consecuentemente,
T (t) Te (t) 4(T e T + 2)
0
Rh (T )(t)
(T e T (t))(T e Te(t)) h ( 2)( 3)
e
4 T T0
= 1 .
( 3)h 2
Observacin 3.4.3 Tiene inters comparar la acotacin (3.22) con la acotacin (3.11) relativa a
la estrategias de regularizacin, que se analiza en la Observacin 3.3.8, aunque el marco funcional
sea distinto, puesto que la teora de regularizacin se ha planteado en espacios de Hilbert.
Consideremos el operador
K : C([t0 , tf ]) C([t0 , tf ])
T (t0 ) = T0 ,
es decir, Ku = T , donde Rt
u(s) ds
T (t) = T e (T e T0 )e t0
.
100 Identificacin de un coeficiente de intercambio de calor que vara con la temperatura
Rh : C([t0 , tf ]) C([t0 , tf ])
mediante
Rh (Ih (y))
Rh y = ,
T e Ih (y)
donde Ih es el operador de interpolacin que estamos usando para construir Te. Si este operador de
interpolacin verifica
(esto ocurre si, por ejemplo, se trabaja con interpolacin lineal a trozos), dicha familia constituye
una estrategia de regularizacin del operador K (aqu h juega el papel del parmetro de regulari-
zacin de la Definicin 3.3.6). As pues, el algoritmo que estamos considerando en esta seccin
puede pensarse en el marco de la teora de regularizacin, aunque trabajando en este caso con el
espacio de las funciones continuas.
La cantidad
1 29M3 2
h
2 6
en (3.22) es la correspondiente ||Rh Ku u|| de (3.11). Asimismo, el factor que aparece multi-
plicando a en (3.22) se corresponde con el trmino ||Rh || de (3.11).
En consecuencia, como se deca en la Observacin 3.3.8, la idea ser elegir h en funcin de
de forma que se minimice el valor de la cota obtenido en (3.22). 2
Proposicin 3.4.4 Bajo las hiptesis de la Proposicin 3.4.2, el valor mnimo del segundo miem-
bro de la desigualdad (3.22) se obtiene cuando se toma como paso temporal
1
12(T e T0 + 2) 3
h = . (3.23)
29( 3)M3
tf t0
Eligiendo h como en (3.23), tomando n como la parte entera de y con la notacin
h
correspondiente, tk = t0 + kh , Tek = Te(tk ) y
ek = u Rh (Te)(tk )
H eh (tk ) =
T e Tek
para k = 0, 1, . . . , n, podemos enunciar el principal resultado de esta seccin:
Teorema 3.4.6 Si H C 1 ([T0 , T e ]) y Te C([t0 , tf ]) satisface (3.21) con 0 < < , entonces
3
13
e 1 (T e T + 2)2
0
max H(Tk ) H e k H + 522M3 2
.
k=0,1,...,n C([T0 ,T e ]) 2 ( 3)2
max |T (k ) T (k1 )| + b
1kp
max |Te(k ) Te(k1 )| + 2b + b
1kp
b
= max |Tbk Tbk1 | + 3.
1kp
Por lo tanto, cuando se usa este tipo de interpolacin, y b son del mismo orden siempre que
la diferencia entre dos medidas consecutivas sea del orden de , b lo cual es una hiptesis bastante
razonable, si bien puede requerir un incremento del nmero de mediciones.
102 Identificacin de un coeficiente de intercambio de calor que vara con la temperatura
El algoritmo que se propone es una adaptacin del que se introduce en el apartado 2.4.3, con
ligeras modificaciones. An as, las sutiles diferencias en su aplicacin nos llevan a describirlo
con todo detalle.
Suponemos conocidas las mediciones {Tb0 , Tb1 , . . . , Tbp }, una cota del error de medida b y el
umbral admisible > 0. El algoritmo que se propone comienza con la construccin de la funcin
Te que interpola los valores {Tbk }pk=0 , tras lo que se determinar una cota, > 0, del error cometido
en dicha interpolacin. Mediante los valores y se determina el tiempo final tf utilizando la
relacin (3.3).
Tras ello, comienza un proceso iterativo en el que se parte de un valor tentativo inicial del paso
temporal h. A partir de l, se definen los instantes tk = t0 + kh, k = 0, 1, . . . , n, siendo n la parte
tf t0
entera de , y se obtienen los valores Tek = Te(tk ).
h
A continuacin, se calcula 3 , aproximacin de la norma infinito de la derivada tercera de la
temperatura, como el mximo, en valor absoluto, de las cantidades
5Tek + 18Tek+1 24Tek+2 + 14Tek+3 3Tek+4
, k = 0, 1
2h3
(3.24)
Tek+2 2Tek+1 + 2Tek1 Tek2
, k = 2, 3, . . . , n.
2h3
Los valores Ten+1 = Te(tn+1 ) y Ten+2 = Te(tn+2 ) estarn definidos si la eleccin de tf ha dejado
fuera suficientes mediciones. Si no fuera as, la derivada tercera en los dos ltimos puntos se
calcular mediante una frmula regresiva, la misma que se usaba en el apartado 2.4.3.
Con el valor de 3 obtenido se calcula un nuevo valor del paso temporal mediante la expresin
1
12(T e T0 + 2) 3
h= , (3.25)
29( 3)3
El proceso iterativo se detendr cuando el paso en el tiempo h se estabilice. Con dicho valor
final de h, se calculan los nuevos instantes tk y la interpolacin de Te en ellos. Por ltimo, se
calculan los valores
ek = u Rh (Te)(tk )
H eh (tk ) = , (3.26)
T e Tek
Algoritmo
En cada una de estas dos situaciones, los dos primeros grficos comparan, por una parte, el coefi-
ciente H exacto con la aproximacin calculada; por otra, la temperatura exacta con la temperatura
hallada con esta aproximacin para el valor de partida de T ea = 1. A su vez, los tres grficos
restantes muestran las temperaturas exactas para los otros tres valores propuestos del parmetro
T ea , junto con las soluciones calculadas mediante la identificacin aproximada de H. Al igual
que en el Captulo 2, en los grficos aparece etiquetado como Error el error en H en las normas
correspondientes y como % Error el error relativo porcentual en la temperatura (cf. (2.28)).
Para construir la funcin aproximada Te se utiliza la interpolacin lineal a trozos de las medi-
ciones. Todas la integrales definidas que aparecen en los clculos realizados se han implementado
mediante la regla de los trapecios, usando como puntos donde valorar la funcin, exactamente los
puntos donde se tienen las medidas. As pues, estos clculos son independientes de la interpola-
cin empleada (o, dicho de otra forma, no cambiarn si, en lugar de interpolacin lineal a trozos,
se usa otro tipo de interpolacin).
Se ha elegido como valor inicial del umbral = 0.2. Una vez construida la funcin Te, este
valor habr que corregirlo de acuerdo con lo establecido en la Seccin 3.2, con vistas a fijar el
valor de tf dado por (3.3).
En la aplicacin del principio de discrepancia de Morozov, para el clculo del valor del par-
metro que resuelve la ecuacin (3.17) hemos aplicado el mtodo de la secante a la funcin
Como puede observarse en las Figuras 3.1, 3.2, 3.3 y 3.4, este mtodo proporciona, salvo en
el caso constante, una identificacin de H poco adecuada: las temperaturas aproximadas quedan
relativamente alejadas de las exactas, especialmente en el caso de la funcin oscilante, con errores
relativos porcentuales (cf. (2.28)) altos; la situacin empeora cuando se disminuye el valor de
T ea , debido al mal comportamiento de la aproximacin de H para los valores ms pequeos de la
temperatura.
De acuerdo con la Observacin 3.3.14, se ha tomado como valor del parmetro a en la itera-
0.9
cin (3.18) el proporcionado, en cada caso, por a = 2 . Para otros valores de dicho parmetro
tf
(dentro del rango admisible) los resultados obtenidos son muy similares.
Las Figuras 3.5, 3.6, 3.7 y 3.8 recogen los resultados obtenidos cuando se aplica el mtodo
de Landweber. Puede observarse ahora, en los tres casos en que el mtodo anterior proporcionaba
resultados poco adecuados, un comportamiento mucho mejor, aunque todava se producen errores
poco aceptables en el caso de la funcin oscilatoria, sobre todo, como ocurra en el mtodo ba-
sado en el principio de discrepancia de Morozov, cuando se disminuye el valor de la temperatura
exterior.
106 Identificacin de un coeficiente de intercambio de calor que vara con la temperatura
0.4 0.2
0.6
0.3 0.15
0.4
0.2 0.1
0.2
0.1 0.05
T para H exacta T para H exacta T para H exacta
T para H identificada T para H identificada T para H identificada
0 0 0
0 0.1 0.2 0.3 0.4 0 0.1 0.2 0.3 0.4 0 0.1 0.2 0.3 0.4
4 0.6
H exacta
H identificada 0.4
2
0.2
T para H exacta
T para H identificada
0 0
0 0.2 0.4 0.6 0.8 0 0.1 0.2 0.3 0.4
0.4 0.2
0.6
0.3 0.15
0.4
0.2 0.1
0.2
0.1 0.05
T para H exacta T para H exacta T para H exacta
T para H identificada T para H identificada T para H identificada
0 0 0
0 0.1 0.2 0.3 0.4 0 0.1 0.2 0.3 0.4 0 0.1 0.2 0.3 0.4
Figura 3.1: Principio de Morozov y H constante. Menor error en H (Arriba) y mayor error en H
(Abajo). Valor de T ea : d = 0.75 (Izquierda), d = 0.5 (Centro), d = 0.25 (Derecha).
108 Identificacin de un coeficiente de intercambio de calor que vara con la temperatura
1 0.2
H exacta T para H exacta
H identificada T para H identificada
0 0
0 0.2 0.4 0.6 0.8 0 0.2 0.4 0.6 0.8
0.15
0.4 0.2
0.1
0.2 0.1
T para H exacta T para H exacta 0.05
T para H exacta
T para H identificada T para H identificada T para H identificada
0 0 0
0 0.2 0.4 0.6 0.8 0 0.2 0.4 0.6 0.8 0 0.2 0.4 0.6 0.8
0.8
3
0.6
2
0.4
1
H exacta 0.2
T para H exacta
H identificada T para H identificada
0 0
0 0.2 0.4 0.6 0.8 0 0.2 0.4 0.6 0.8
0.15
0.4 0.2
0.1
0.2 0.1
T para H exacta T para H exacta 0.05
T para H exacta
T para H identificada T para H identificada T para H identificada
0 0 0
0 0.2 0.4 0.6 0.8 0 0.2 0.4 0.6 0.8 0 0.2 0.4 0.6 0.8
Figura 3.2: Principio de Morozov y H oscilante. Menor error en H (Arriba) y mayor error en H
(Abajo). Valor de T ea : d = 0.75 (Izquierda), d = 0.5 (Centro), d = 0.25 (Derecha).
3.5 Resultados numricos. Comparacin entre los mtodos descritos 109
1 0.2
H exacta T para H exacta
H identificada T para H identificada
0 0
0 0.2 0.4 0.6 0.8 0 0.2 0.4 0.6 0.8
1 0.2
H exacta T para H exacta
H identificada T para H identificada
0 0
0 0.2 0.4 0.6 0.8 0 0.1 0.2 0.3 0.4 0.5
Figura 3.3: Principio de Morozov y H creciente. Menor error en H (Arriba) y mayor error en H
(Abajo). Valor de T ea : d = 0.75 (Izquierda), d = 0.5 (Centro), d = 0.25 (Derecha).
110 Identificacin de un coeficiente de intercambio de calor que vara con la temperatura
1 H exacta 0.2
T para H exacta
H identificada T para H identificada
0 0
0 0.2 0.4 0.6 0.8 0 0.1 0.2 0.3 0.4 0.5
0.4 0.2
0.6
0.3 0.15
0.4
0.2 0.1
0.2
0.1 0.05
T para H exacta T para H exacta T para H exacta
T para H identificada T para H identificada T para H identificada
0 0 0
0 0.1 0.2 0.3 0.4 0.5 0 0.1 0.2 0.3 0.4 0.5 0 0.1 0.2 0.3 0.4 0.5
1 H exacta 0.2
T para H exacta
H identificada T para H identificada
0 0
0 0.2 0.4 0.6 0.8 0 0.1 0.2 0.3 0.4 0.5
0.4 0.2
0.6
0.3 0.15
0.4
0.2 0.1
0.2
0.1 0.05
T para H exacta T para H exacta T para H exacta
T para H identificada T para H identificada T para H identificada
0 0 0
0 0.1 0.2 0.3 0.4 0.5 0 0.1 0.2 0.3 0.4 0.5 0 0.1 0.2 0.3 0.4 0.5
Figura 3.4: Principio de Morozov y H decreciente. Menor error en H (Arriba) y mayor error en
H (Abajo). Valor de T ea : d = 0.75 (Izquierda), d = 0.5 (Centro), d = 0.25 (Derecha).
3.5 Resultados numricos. Comparacin entre los mtodos descritos 111
6 0.8
0.6
4 H exacta
H identificada 0.4
2
0.2
T para H exacta
T para H identificada
0 0
0 0.2 0.4 0.6 0.8 0 0.1 0.2 0.3 0.4
0.4 0.2
0.6
0.3 0.15
0.4
0.2 0.1
0.2
0.1 0.05
T para H exacta T para H exacta T para H exacta
T para H identificada T para H identificada T para H identificada
0 0 0
0 0.1 0.2 0.3 0.4 0 0.1 0.2 0.3 0.4 0 0.1 0.2 0.3 0.4
6 0.8
0.6
4 H exacta
H identificada 0.4
2
0.2
T para H exacta
T para H identificada
0 0
0 0.2 0.4 0.6 0.8 0 0.1 0.2 0.3 0.4
0.4 0.2
0.6
0.3 0.15
0.4
0.2 0.1
0.2
0.1 0.05
T para H exacta T para H exacta T para H exacta
T para H identificada T para H identificada T para H identificada
0 0 0
0 0.1 0.2 0.3 0.4 0 0.1 0.2 0.3 0.4 0 0.1 0.2 0.3 0.4
Figura 3.5: Mtodo de Landweber y H constante. Menor error en H (Arriba) y mayor error en H
(Abajo). Valor de T ea : d = 0.75 (Izquierda), d = 0.5 (Centro), d = 0.25 (Derecha).
112 Identificacin de un coeficiente de intercambio de calor que vara con la temperatura
2 0.4
1 0.2
T para H exacta
T para H identificada
0 0
0 0.2 0.4 0.6 0.8 0 0.2 0.4 0.6 0.8
0.15
0.4 0.2
0.1
0.2 0.1
T para H exacta T para H exacta 0.05
T para H exacta
T para H identificada T para H identificada T para H identificada
0 0 0
0 0.2 0.4 0.6 0.8 0 0.2 0.4 0.6 0.8 0 0.2 0.4 0.6 0.8
4 0.8
3 0.6
2 0.4
1 H exacta 0.2
T para H exacta
H identificada T para H identificada
0 0
0 0.2 0.4 0.6 0.8 0 0.2 0.4 0.6 0.8
0.15
0.4 0.2
0.1
0.2 0.1
T para H exacta T para H exacta 0.05
T para H exacta
T para H identificada T para H identificada T para H identificada
0 0 0
0 0.2 0.4 0.6 0.8 0 0.2 0.4 0.6 0.8 0 0.2 0.4 0.6 0.8
Figura 3.6: Mtodo de Landweber y H oscilante. Menor error en H (Arriba) y mayor error en H
(Abajo). Valor de T ea : d = 0.75 (Izquierda), d = 0.5 (Centro), d = 0.25 (Derecha).
3.5 Resultados numricos. Comparacin entre los mtodos descritos 113
3 0.6
2 0.4
1 H exacta 0.2
T para H exacta
H identificada T para H identificada
0 0
0 0.2 0.4 0.6 0.8 0 0.2 0.4 0.6 0.8
4 0.8
3 0.6
2 0.4
1 H exacta 0.2
T para H exacta
H identificada T para H identificada
0 0
0 0.2 0.4 0.6 0.8 0 0.2 0.4 0.6 0.8
Figura 3.7: Mtodo de Landweber y H creciente. Menor error en H (Arriba) y mayor error en H
(Abajo). Valor de T ea : d = 0.75 (Izquierda), d = 0.5 (Centro), d = 0.25 (Derecha).
114 Identificacin de un coeficiente de intercambio de calor que vara con la temperatura
5 0.8
4
0.6
3
0.4
2
1 H exacta 0.2
T para H exacta
H identificada T para H identificada
0 0
0 0.2 0.4 0.6 0.8 0 0.1 0.2 0.3 0.4 0.5
0.4 0.2
0.6
0.3 0.15
0.4
0.2 0.1
0.2
0.1 0.05
T para H exacta T para H exacta T para H exacta
T para H identificada T para H identificada T para H identificada
0 0 0
0 0.1 0.2 0.3 0.4 0.5 0 0.1 0.2 0.3 0.4 0.5 0 0.1 0.2 0.3 0.4 0.5
5
0.8
4
0.6
3
0.4
2
1 H exacta 0.2
T para H exacta
H identificada T para H identificada
0 0
0 0.2 0.4 0.6 0.8 0 0.1 0.2 0.3 0.4 0.5
0.4 0.2
0.6
0.3 0.15
0.4
0.2 0.1
0.2
0.1 0.05
T para H exacta T para H exacta T para H exacta
T para H identificada T para H identificada T para H identificada
0 0 0
0 0.1 0.2 0.3 0.4 0.5 0 0.1 0.2 0.3 0.4 0.5 0 0.1 0.2 0.3 0.4 0.5
Figura 3.8: Mtodo de Landweber y H decreciente. Menor error en H (Arriba) y mayor error en
H (Abajo). Valor de T ea : d = 0.75 (Izquierda), d = 0.5 (Centro), d = 0.25 (Derecha).
3.5 Resultados numricos. Comparacin entre los mtodos descritos 115
6 0.8
0.6
4
0.4
2
H exacta 0.2
T para H exacta
H identificada T para H identificada
0 0
0 0.2 0.4 0.6 0.8 0 0.1 0.2 0.3 0.4
0.4 0.2
0.6
0.3 0.15
0.4
0.2 0.1
0.2
0.1 0.05
T para H exacta T para H exacta T para H exacta
T para H identificada T para H identificada T para H identificada
0 0 0
0 0.1 0.2 0.3 0.4 0 0.1 0.2 0.3 0.4 0 0.1 0.2 0.3 0.4
0.8
6
0.6
4
0.4
2
H exacta 0.2
T para H exacta
H identificada T para H identificada
0 0
0 0.2 0.4 0.6 0 0.1 0.2 0.3 0.4
0.4 0.2
0.6
0.3 0.15
0.4
0.2 0.1
0.2
0.1 0.05
T para H exacta T para H exacta T para H exacta
T para H identificada T para H identificada T para H identificada
0 0 0
0 0.1 0.2 0.3 0.4 0 0.1 0.2 0.3 0.4 0 0.1 0.2 0.3 0.4
Figura 3.9: Algoritmo iterativo y H constante. Menor error en H (Arriba) y mayor error en H
(Abajo). Valor de T ea : d = 0.75 (Izquierda), d = 0.5 (Centro), d = 0.25 (Derecha).
116 Identificacin de un coeficiente de intercambio de calor que vara con la temperatura
3 0.6
2 0.4
1 0.2
T para H exacta
T para H identificada
0 0
0 0.2 0.4 0.6 0.8 0 0.2 0.4 0.6 0.8
0.15
0.4 0.2
0.1
0.2 0.1
T para H exacta T para H exacta 0.05
T para H exacta
T para H identificada T para H identificada T para H identificada
0 0 0
0 0.2 0.4 0.6 0.8 0 0.2 0.4 0.6 0.8 0 0.2 0.4 0.6 0.8
5 H exacta
0.8
H identificada
4
0.6
3
0.4
2
1 0.2
T para H exacta
T para H identificada
0 0
0 0.2 0.4 0.6 0.8 0 0.2 0.4 0.6 0.8
0.15
0.4 0.2
0.1
0.2 0.1
T para H exacta T para H exacta 0.05
T para H exacta
T para H identificada T para H identificada T para H identificada
0 0 0
0 0.2 0.4 0.6 0.8 0 0.2 0.4 0.6 0.8 0 0.2 0.4 0.6 0.8
Figura 3.10: Algoritmo iterativo y H oscilante. Menor error en H (Arriba) y mayor error en H
(Abajo). Valor de T ea : d = 0.75 (Izquierda), d = 0.5 (Centro), d = 0.25 (Derecha).
3.5 Resultados numricos. Comparacin entre los mtodos descritos 117
2 0.4
1 H exacta 0.2
T para H exacta
H identificada T para H identificada
0 0
0 0.2 0.4 0.6 0.8 0 0.2 0.4 0.6 0.8
3 0.4
2
0.2
1 H exacta T para H exacta
H identificada T para H identificada
0 0
0 0.2 0.4 0.6 0 0.1 0.2 0.3 0.4 0.5
Figura 3.11: Algoritmo iterativo y H creciente. Menor error en H (Arriba) y mayor error en H
(Abajo). Valor de T ea : d = 0.75 (Izquierda), d = 0.5 (Centro), d = 0.25 (Derecha).
118 Identificacin de un coeficiente de intercambio de calor que vara con la temperatura
3 0.4
2
H exacta 0.2
1 T para H exacta
H identificada T para H identificada
0 0
0 0.2 0.4 0.6 0.8 0 0.1 0.2 0.3 0.4 0.5
0.4 0.2
0.6
0.3 0.15
0.4
0.2 0.1
0.2
0.1 0.05
T para H exacta T para H exacta T para H exacta
T para H identificada T para H identificada T para H identificada
0 0 0
0 0.1 0.2 0.3 0.4 0.5 0 0.1 0.2 0.3 0.4 0.5 0 0.1 0.2 0.3 0.4 0.5
6 H exacta
0.8
H identificada
0.6
4
0.4
2
0.2
T para H exacta
T para H identificada
0 0
0 0.2 0.4 0.6 0.8 0 0.1 0.2 0.3 0.4 0.5
0.4 0.2
0.6
0.3 0.15
0.4
0.2 0.1
0.2
0.1 0.05
T para H exacta T para H exacta T para H exacta
T para H identificada T para H identificada T para H identificada
0 0 0
0 0.1 0.2 0.3 0.4 0.5 0 0.1 0.2 0.3 0.4 0.5 0 0.1 0.2 0.3 0.4 0.5
Figura 3.12: Algoritmo iterativo y H decreciente. Menor error en H (Arriba) y mayor error en H
(Abajo). Valor de T ea : d = 0.75 (Izquierda), d = 0.5 (Centro), d = 0.25 (Derecha).
Parte III
Identificacin de un coeficiente de
conductividad trmica
Captulo 4
Introduccin
Como se ha visto en el Captulo 1, los tratamientos que combinan altas presiones con tem-
peraturas moderadas se modelizan mediante ecuaciones en las que aparecen distintos parmetros
fsicos cuyo valor, si bien se suele conocer a presin atmosfrica, est por determinar para otros
valores de la presin. En este captulo fijamos nuestra atencin en las ecuaciones de transferencia
de calor que pueden aparecer en los modelos matemticos de estos procesos (vanse, por ejemplo,
[60] y el primer captulo de esta memoria). Supondremos que la conductividad trmica depende
slo de la presin: k = k(P ); esta hiptesis es adecuada, por ejemplo, en los procesos en los que
el rango de temperaturas es moderado y no hay cambio de fase. Nos planteamos el problema de
identificar esta funcin k(P ) a partir de ciertas mediciones experimentales de la temperatura. Si
para determinar las mediciones se realiza un experimento en el que la curva de presin P consi-
derada sea inyectiva (por ejemplo, si se trata de una funcin estrictamente creciente) el problema
de identificar k(P ) es equivalente a identificar k(t) = k(P (t)).
Teniendo en cuenta todas estas consideraciones, el modelo simplificado para el que abordamos
121
122 Identificacin del coeficiente de conductividad trmica, cuando sta depende de la distribucin de presiones
y, con ello,
x Te(x, t) = x T (x, t).
De esta forma, para todo (x, t) BR (0, tf ) se verifica que
Te T
Cp (x, t) k(t)x Te(x, t) = Cp (x, t) k(t)x T (x, t)
t t
Te D E
(x, t) = x Te(x, t), ~n(x) = AT x T (x, t), ~n(x)
~n
= hx T (x, t), A~n(x)i = hx T (x, t), ~n(x)i
T
= (x, t)
~n
(aqu h, i denota el producto escalar eucldeo en R2 ), entonces
Te T
k(t) (x, t) = k(t) (x, t) = h (T e (t) T (x, t)) = h T e (t) Te(x, t) .
~n ~n
Por ltimo,
Te(x, 0) = T (x, 0) = T0 , x BR .
As pues, la funcin Te(x, t) es tambin solucin del problema (4.1); la unicidad de solucin
del mismo permite concluir que
v : [0, R] [0, tf ] R
Con el objetivo de facilitar el estudio cualitativo de nuestro problema, vamos a realizar dos
cambios de variable que nos conducirn a un problema equivalente en el que tanto la ecuacin
diferencial como la condicin inicial son homogneas.
124 Identificacin del coeficiente de conductividad trmica, cuando sta depende de la distribucin de presiones
u T Cp (P (0)P (t))
(P (0)P (t))
Cp = Cp e P (t)T (x, t)e Cp
t t
(P (0)P (t))
= k(t)e Cp T = k(t)u,
siendo
(P (0)P (t))
f (t) = T e (t) e Cp .
obteniendo el problema
v
Cp k(t)v = 0 en BR (0, tf )
t
v (4.5)
k(t) = h (f (t) T0 v) en BR (0, tf )
~n
v=0 en BR {0}.
Observacin 4.1.4 Ntese que v X y es radial. De hecho, el problema (4.5) puede expresarse,
tras tomar coordenadas polares, como el problema espacialmente unidimensional
v 1 v
Cp k(t) r =0 en (0, R) (0, tf )
t r r r
v = 0 en {0} (0, tf )
r
v
k(t) = h (f (t) T0 v) en {R} (0, tf )
r
v=0 en (0, R) {0}.
Si denotamos
L() = Cp k(t),
t
entonces su adjunto formal (vase, v. gr., [68, pg. 170]) viene dado por
L () = Cp k(t).
t
Z tf Z
k(t) dxdt.
0 BR ~n ~n
En primer lugar, integrando por partes en la variable t, el primer sumando se transforma como
sigue:
Z Z tf Z
Cp dt dx = Cp (x, tf )(x, tf ) (x, 0)(x, 0) dx
BR 0 t BR
Z Z tf
Cp dt dx.
BR 0 t
Por otra parte, podemos reescribir el segundo sumando integrando por partes dos veces en la
variable espacial:
Z tf Z Z tf Z Z
k(t) dxdt = k(t) dx dx dt
0 BR 0 BR ~n BR
Z tf Z
= k(t) dxdt
0 BR ~n
Z tf Z Z
k(t) dx dx dt
0 BR ~n BR
Z tf Z Z tf Z
= k(t) dxdt + k(t) dxdt.
0 BR 0 BR ~n ~n
126 Identificacin del coeficiente de conductividad trmica, cuando sta depende de la distribucin de presiones
Corolario 4.1.6 Si v X es la solucin del problema (4.5), entonces para toda w X que
verifique la condicin final
w(x, tf ) = 0, x BR , (4.6)
se tiene que
Z tf Z Z tf Z
L (w) vdxdt = h f (t) v(R, t) T0 w dxdt
0 BR 0 BR
Z tf Z
w
k(t)v(R, t) dxdt.
0 BR ~n
Z tf Z
v w
k(t) wv dxdt
0 BR ~n ~n
Z tf Z
= h f (t) v(R, t) T0 w dxdt
0 BR
Z tf Z
w
+ k(t) v(R, t) dxdt. 2
0 BR ~n
El siguiente resultado proporciona un principio de comparacin para el problema (4.5).
Proposicin 4.1.7 (Principio de comparacin) Sean v1 , v2 X verificando
L(v1 ) L(v2 ) en BR (0, tf )
v1 v2
k(t) + hv1 k(t) + hv2 en BR (0, tf )
~n ~n
v1 v2 en BR {0}.
Entonces
v1 (x, t) v2 (x, t), (x, t) BR [0, tf ].
4.2 Expresin de la solucin en funcin de sus valores en el borde 127
v0 = v1 v2
entonces
L(v0 ) 0 en BR (0, tf )
v0
k(t) + hv0 0 en BR (0, tf )
~n
v0 0 en BR {0}.
Aplicando el principio fuerte del mximo (cf., por ejemplo, [63, Teorema 7, pg. 174]), si la
funcin v0 alcanza un mximo positivo en un punto P entonces P BR (0, tf ) y
v0
(P ) > 0,
~n
con lo que se obtendra la contradiccin
v0
k(t) (P ) + hv0 (P ) > 0
~n
As pues, v0 no puede tener un mximo positivo o, lo que es lo mismo, v0 0. 2
En esta seccin vamos a encontrar una representacin integral de la solucin del problema (4.5)
en funcin de los valores que toma en la frontera de la bola. Deshaciendo los cambios de variable,
obtendremos una representacin de la temperatura solucin de (4.1) en funcin de sus valores en
el borde (que posteriormente supondremos obtenidos por medio de mediciones experimentales).
Con este objetivo, en primer lugar, vamos a encontrar una solucin fundamental del operador L ,
es decir, una funcin que al aplicarle el operador L d como resultado una delta de Dirac. Para
ello utilizaremos la expresin conocida de la solucin fundamental del operador L para el caso
k(t) 1 (vase, v. gr., [74, pg. 178]), es decir,
H(t) C |x|2
(x, t) = e 4 t , (4.7)
4t
siendo H la funcin de Heaviside
(
1, t > 0
H(t) =
0, t 0.
siendo Z tf
K(s) = k(z)dz,
s
donde la funcin k se ha extendido por continuidad, de forma constante, a todo R.
128 Identificacin del coeficiente de conductividad trmica, cuando sta depende de la distribucin de presiones
Lema 4.2.2 Fijados y BR y (0, tf ), las funciones y w definidas en (4.7) y (4.8), respecti-
vamente, verifican las siguientes propiedades:
a) C (R3 \{(0, 0, 0)}). Consecuentemente, se tiene que w C (R2 R)\{(y, )} .
Z
b) Cp (x y, s) dx = H(s) para todo s R.
R2
d) Cp (x y, s) (x y) cuando s 0+ en D (R2 ).
w
L (w(x, t; y, )) = Cp (x, t; y, ) k(t)x w(x, t; y, ) = 0.
t
D EMOSTRACIN.
lm (x, t) = 0
t0
y que
1 s 1 1
lm (x, t) = lm 2 = lm 2 = 0,
t0+ 4 s+ e C|x|
4
s 4 s+ Cp |x|2 C|x| s
e 4
4
la funcin es continua en (x, 0) siempre que x 6= 0. De forma anloga, tras clculos similares,
se demuestra que las derivadas de cualquier orden son tambin continuas en todo el plano
t = 0 salvo el origen. De hecho, en este punto, la funcin no es siquiera continua pues, si nos
acercamos a cero segn la curva t = |x|2 , se tiene que
Cp
2 e 4
lm (x, |x| ) = lm = .
|x|0 r0+ 4r 2
Por ltimo, los puntos de singularidad de w se reducen a aquellos (x, t) tales que
es decir, el punto (y, ), puesto que K es una funcin inyectiva por ser estrictamente creciente.
Z Z
H(s) Cp |xy|2
Cp (x y, s)dx = Cp e 4 s dx
R2 R2 4s
Z 2 Z
H(s) Cp r2
= Cp e 4 s rdrd
0 0 4s
Z
H(s) Cp r2
= 2Cp e 4 s rdr
0 4s
Z
2Cp r Cp r2
= H(s) e 4 s dr
0 4s
C 2 r=
4 p rs
= H(s) e = H(s).
r=0
Z Z Z bZ
|w(x, t; y, )|dxdt = w(x, t; y, )dxdt w(x, t; y, )dxdt
a R2
Z b
1 ba
= H(K(t) K( ))dt .
Cp a Cp
Z
hCp (x y, s), iD D = Cp (x y, s)(x)dx
R2
Z
= Cp (y) (x y, s)dx
R2
Z
+ Cp (x y, s) (x) (y) dx
R2
Z
= (y)H(s) + Cp (x y, s) (x) (y) dx
R2
Z
= (y) + Cp (x y, s) (x) (y) dx.
R2
Ahora, denotando L = || ||C(R2 ) , basta hacer el cambio de variable (4.9) para obtener el
130 Identificacin del coeficiente de conductividad trmica, cuando sta depende de la distribucin de presiones
1 C |xy|2
p
w(x, t; y, ) = e 4 K(t)K( ) .
4(K(t) K( ))
Por una parte,
w 1 k(t) C |xy|2
4p
(x, t; y, ) = e K(t)K( )
t 4 (K(t) K( ))2
1 1 Cp |x y|2 k(t) C4 p |xy|2
e K(t)K( )
4 K(t) K( ) 4(K(t) K( ))2
k(t)w(x, t; y, ) Cp |x y|2
= 1 .
K(t) K( ) 4(K(t) K( ))
En consecuencia,
k(t)Cp w(x, t; y, ) Cp |x y|2
k(t)x w(x, t; y, ) = 2
2(K(t) K( )) 2(K(t) K( ))
k(t)w(x, t; y, ) Cp |x y|2
= Cp 1
K(t) K( ) 4(K(t) K( ))
w
= Cp (x, t; y, ). 2
t
se tiene que
Z Z
I= w(x, t; y, ) Cp (x, t) k(t)(x, t) dxdt
R2 t
Z Z
= lm w(x, t; y, ) Cp (x, t) k(t)(x, t) dxdt.
0+ R2 t
132 Identificacin del coeficiente de conductividad trmica, cuando sta depende de la distribucin de presiones
Observacin 4.2.4 Aunque no ser necesario para la obtencin de nuestros resultados, resaltamos
que la Proposicin 4.2.3 permite, formalmente, representar cualquier funcin u C(BR (0, tf ))
como Z Z tf
u(y, ) = L (w(x, t; y, ))u(x, t) dxdt (4.10)
0 BR
La solucin fundamental del operador L que hemos construido verifica la condicin (4.6). El
siguiente paso es demostrar que para ella, a pesar de que no pertenece al espacio X, es vlida la
igualdad descrita en el Corolario 4.1.6. Previamente, necesitamos un resultado tcnico:
Lema 4.2.5 Sean un abierto acotado de RN y f C p ()L2 (), p N{0}. Entonces, para
cada abierto fuertemente contenido en (es decir, ) existe una sucesin {f } D()
tal que:
D EMOSTRACIN. En primer lugar, puesto que f L2 (), existe una sucesin {f } D()
que converge fuertemente a f en L2 () (vase, v. gr., [4, pg. 71]). Adems, el Teorema de Weiers-
trass asegura que existe una sucesin {f } C () con la propiedad de que todas sus derivadas
de orden menor o igual que p convergen uniformemente a las respectivas derivadas de f en (cf.,
por ejemplo, [74, pg. 18]).
A continuacin, dado d = dist(, ) > 0, es claro que si se elige < d3 , entonces el
entorno de (los puntos de RN que distan de menos que ) verifica que . Para cada
< d3 consideramos una funcin f que verifique
(
f en
f =
f en \ ,
definida en \ de forma que est uniformemente acotada en y que sea de clase infinito en .
Obviamente, la sucesin as definida verifica que {f } D() y cumple el apartado b).
Adems,
Z Z Z Z
|f (x)f (x)|2 dx = |f (x)f (x)|2 dx+ |f (x)f (x)|2 dx+ |f (x)f (x)|2 dx.
\ \
Ntese que los tres sumandos del segundo miembro tienden a cero cuando 0: el primero
y el tercero, por las respectivas convergencias de las sucesiones {f } y {f } ; el segundo, por
la acotacin uniforme en del integrando y el hecho de tender a cero la medida del dominio de
integracin. 2
Estamos ya en condiciones de demostrar una frmula que proporciona una representacin de
la solucin del problema (4.5) en trminos de sus valores en la frontera:
Corolario 4.2.6 La solucin del problema (4.5) puede expresarse, para (y, ) BR (0, tf ),
como
Z Z Cp |xy|2
h f (t) v(R, t) T0 4(K(t)K(
v(y, ) = e )) dxdt
4 0 K(t) K( ) BR
(4.11)
Z Z Cp |xy|2
1 k(t)v(R, t)
e 4(K(t)K( )) dxdt.
4 0 K(t) K( ) BR ~n
permitira escribir
Z tf Z Z Z C |xy|2
1 f (t) v(R, t) T0 p
4(K(t)K(
f (t) v(R, t) T0 w dxdt = e )) dxdt
0 BR 4 0 K(t) K( ) BR
134 Identificacin del coeficiente de conductividad trmica, cuando sta depende de la distribucin de presiones
y
Z tf Z Z Z C |xy|2
w 1 k(t)v(R, t) p
4(K(t)K(
k(t)v(R, t) dxdt = e )) dxdt.
0 BR ~n 4 0 K(t) K( ) BR ~n
Vamos a demostrar que, a pesar de que w 6 X, la igualdad (4.11) sigue siendo correcta. Para
ello, definimos
mn{R ||y|| , , tf }
=
2
y denotamos por Q el cilindro
Q = B (y) ( , + )
Ntese que w X y verifica la condicin (4.6). Por tanto, aplicando el Corolario 4.1.6, se
tiene que
Z tf Z Z tf Z
L (w ) vdxdt = h f (t) v(R, t) T0 w (x, t) dxdt
0 BR 0 BR
Z tf Z
w
k(t)v(R, t) (x, t) dxdt
0 BR ~n
Z tf Z
=h f (t) v(R, t) T0 w(x, t) dxdt
0 BR
Z tf Z
w
k(t)v(R, t) (x, t) dxdt,
0 BR ~n
puesto que w coincide con w en un entorno de BR (lo que hace que tambin coincidan sus
derivadas normales en BR ).
Slo nos queda probar que
Z tf Z
lm L (w ) vdxdt = v(y, ).
0 0 BR
2
C,
Cp
136 Identificacin del coeficiente de conductividad trmica, cuando sta depende de la distribucin de presiones
y, por tanto, tambin es radial la expresin dada en (4.11) (aunque, a primera vista, pudiera no
parecerlo). 2
Veamos cmo se expresa la solucin del problema (4.5) en coordenadas polares:
D EMOSTRACIN. Para (x, t) BR (0, tf ) el Corolario 4.2.6 permite escribir, tras intercambiar
los papeles de las variables t y y de las variables x e y,
Z t Z
h Cp 2
v(x, t) = f ( ) v(R, ) T0 g(t, ) e 4 |xy| g(t, ) dyd
4 0 BR
Z Z
1 t
Cp |xy|2 g(t, )
k( )v(R, )g(t, ) e 4 dyd.
4 0 BR ~n
4.2 Expresin de la solucin en funcin de sus valores en el borde 137
Sea (r, t) [0, R) (0, tf ); puesto que la funcin v es radial, v(r, t) = v(x, t) para todo x con
|x| = r. Si elegimos x = (r, 0) R2 , para cada y = (R cos , R sen ) BR se tiene que
Z t Z 2
R Cp Cp
+ k( )v(R, )g(t, ) (R r cos )g(t, )e 4
(r,)g(t, )
dd.
4 0 2 0
Esta frmula es tambin vlida, de forma obvia, para t = 0 y se extiende por continuidad a
t = tf . 2
Corolario 4.2.9 La solucin del problema (4.5) puede tambin expresarse como
Z t Z 2
Rh Cp
v(r, t) = f ( ) v(R, ) T0 g(t, ) e 4
(r,)g(t, )
dd
4 0 0
Z t Z 2
R v R r cos Cp (r,)g(t, )
+ (R, ) e 4 dd
2 0 0 (r, )
g K ( )
(t, ) = = k( )g2 (t, ),
(K( ) K(t))2
138 Identificacin del coeficiente de conductividad trmica, cuando sta depende de la distribucin de presiones
se obtiene
Z t Z
Cp 2 Cp
k( )v(R, )g(t, ) (R r cos )g(t, )e 4 (r,)g(t, ) dd
0 4 0
Z 2 Z t
R r cos Cp Cp
= v(R, ) (r, )k( )g2 (t, )e 4 (r,)g(t, ) d d
0 (r, ) 0 4
Z 2 Z t
R r cos Cp (r,)g(t, )
= v(R, ) e 4 d d
0 (r, ) 0
Z 2 =t Z
R r cos v(R, )e 4 (r,)g(t, )
Cp t
v Cp
= (R, )e 4 (r,)g(t, ) d
d
0 (r, ) | {z =0
} 0
=0
Z 2 Z
R r cos t v Cp
= (R, )e 4 (r,)g(t, ) d d,
0 (r, ) 0
lo cual lleva al resultado. 2
Deshaciendo los cambios de variable que nos permitieron pasar del problema original al pro-
blema con ecuacin y condicin inicial homogneas, llegamos al resultado fundamental de esta
seccin, el cual proporciona una representacin de la solucin del problema de partida escrita en
funcin de sus valores en la frontera.
Teorema 4.2.10 Denotando
(P (t)P ( ))
m(t) = T (R, t) y Q(t, ) = e Cp ,
la solucin del problema (4.1) puede expresarse como
Z Z 2
Rh t e Cp
T (r, t) = T0 Q(t, 0) + T ( ) m( ) Q(t, )g(t, ) e 4 (r,)g(t, ) dd
4 0 0
Z t Z 2
R R r cos Cp (r,)g(t, )
+ m ( ) m( )P ( ) Q(t, ) e 4 dd
2 0 Cp 0 (r, )
para r [0, R) y t [0, tf ].
D EMOSTRACIN. A partir del Corolario 4.2.9, deshaciendo en primer lugar el cambio de varia-
ble (4.4), se tiene que
Z Z 2
Rh t Cp
u(r, t) = T0 + v(r, t) = T0 + f ( ) u(R, ) g(t, ) e 4 (r,)g(t, ) dd
4 0 0
Z Z 2
R t u R r cos Cp (r,)g(t, )
+ (R, ) e 4 dd.
2 0 0 (r, )
Si a continuacin deshacemos el cambio (4.2), teniendo en cuenta que
u
(P (0)P ( ))
(R, ) = m( )e Cp
(P (0)P ( ))
= m ( ) P ( ) m( ) e Cp
Cp
= m ( ) P ( ) m( ) Q(0, )
Cp
4.3 Unicidad de solucin del problema inverso 139
y que
Q(t, 0)Q(0, ) = Q(t, ),
llegamos a
Z t Z 2
R
R r cos Cp (r,)g(t, )
+ m ( ) P ( ) m( ) Q(t, ) e 4 dd. 2
2 0 Cp 0 (r, )
Z t Z 2
Cp R (R r cos )g(t, )
+ k( ) m( ) T0 Q(, 0) Q(t, )g(t, ) C dd
8 0 0 e 4
(r,)g(t, )
Observacin 4.3.1 Ntese que, dado que nuestro objetivo es identificar k, lo que suponemos es
que podemos disear un experimento que satisface estas hiptesis. 2
Gracias al principio de comparacin se llega a los siguientes resultados, que nos ayudarn a
demostrar la unicidad del coeficiente k.
Lema 4.3.2 Bajo las hiptesis (H1), (H2) y siendo k lipschitziana en [0, tf ] con k k0 > 0, se
verifica que
(P (t)P (0))
T0 T (x, t) T0 e Cp (4.17)
para todo (x, t) BR [0, tf ]. Adems, para cada t (0, tf ) existe (0, t ) tal que
T0 < m( ).
Lema 4.3.3 Bajo las hiptesis (H1), (H2), supongamos que k C 1 ([0, tf ]), k k0 > 0 y que se
verifica la condicin
f (t) 1
k (t) k(t) = k(t)
. (4.19)
f (t) T0 Cp t
e Cp
1
cuando t [0, tf ]. Entonces,
T
(x, t) T (x, t)P (t) 0 (4.20)
t Cp
4.3 Unicidad de solucin del problema inverso 141
m (t) m(t)P (t) = m (t) m(t) 0
Cp Cp
si t (0, tf ).
v
(x, t) 0.
t
v
Si derivamos respecto a t en las ecuaciones del problema (4.5) obtenemos que verifica las
t
igualdades
v v k k v
Cp k = k v = (kv) = Cp
t t t k k t
y
v v v k
k +h = hf k = hf h(f T0 v).
~n t t ~n k
Adems, puesto que v es constantemente cero en el instante inicial, la primera ecuacin
de (4.5) nos asegura que
v
(x, 0) = 0
t
v
As pues, hemos demostrado que V = es solucin del problema
t
V k
C p kV = C p V en BR (0, tf )
t k
V k (f T v)
k + hV = h f 0 en BR (0, tf )
~n k
V =0 en BR {0}.
1 1 v
Si ahora consideramos la funcin = V = (es decir, realizamos el cambio de variable
k k t
anlogo a (4.2)), tendremos que verifica
Cp k = 0 en BR (0, tf )
t
h k
k + h = f (f T0 v) en BR (0, tf )
~n k k
=0 en BR {0}.
Con este objetivo, distinguiremos dos casos: los instantes t para los que se tenga que k (t) 0 y
los instantes t en que k (t) > 0. As,
142 Identificacin del coeficiente de conductividad trmica, cuando sta depende de la distribucin de presiones
hk (t)
+ v(x, t)
k2 (t)
h k (t)
f (t) (f (t) T0 )
k(t) k(t)
h
= k(t)f (t) k (t)(f (t) T0 ) .
k2 (t)
La condicin (4.19), junto con el hecho de que f (t) T0 0, proporciona el signo requerido.
Observacin 4.3.5 La condicin (4.19) sobre el crecimiento de k slo supone una restriccin en
los intervalos de tiempo en que la funcin k crezca (de hecho, la verifican de forma automtica las
funciones constantes y las decrecientes). Adems, puesto que
1
lm = ,
t0+ t
e Cp
1
dicha condicin no supone ninguna restricin sobre k para tiempos cortos.
Las funciones elegidas en los ejemplos numricos de la Seccin 4.4 verifican esta acotacin,
la cual hay que interpretar como parte de la informacin a priori necesaria para poder identificar
el coeficiente de conductividad. Esta informacin viene a decir que el coeficiente k no puede tener
cambios bruscos, tpicos de los procesos en que se produce cambio de fase, lo cual no ocurre en
los casos que estamos analizando, como ya se coment en la Introduccin de este captulo. 2
Con vistas a simplificar la exposicin, trataremos en primer lugar el caso en que la conductivi-
dad trmica sea constante. Posteriormente, se extender la argumentacin anterior al caso general.
y, gracias al Teorema 4.2.10, la solucin del problema (4.1) viene dada por
Z Z Cp (r,)
Rh t
T e ( ) m( ) 2
e 4k t
T (r, t) = T0 Q(t, 0) + Q(t, ) dd
4 0 t 0 k
Z t Z 2
R R r cos Cp (r,)
+ m ( ) m( )P ( ) Q(t, ) e 4k t dd.
2 0 Cp 0 (r, )
Supongamos que existen dos constantes positivas k1 y k2 que proporcionan la misma medicin
m(t) en el extremo derecho R y, adems, una misma medicin en algn otro punto r0 [0, R).
Supongamos, por ejemplo, que k1 k2 y veamos que, de hecho, k1 = k2 . Denotando por
R r0 cos
0 () = (r0 , ) y 0 () = ,
0 ()
puesto que
Z t Z 2
C
4k p
0 ()
Rh T e ( ) m( ) e 1 t
T0 Q(t, 0) + Q(t, ) dd
4 0 t 0 k1
Z t Z 2
R
C ()
p 0
+ m ( ) m( )P ( ) Q(t, ) 0 () e 4k1 t dd
2 0 Cp 0
Z t Z 2
C
4k p
0 ()
Rh T e ( ) m( ) e 2 t
= T0 Q(t, 0) + Q(t, ) dd
4 0 t 0 k2
Z t Z 2
R
C ()
p 0
+ m ( ) m( )P ( ) Q(t, ) 0 () e 4k2 t dd,
2 0 Cp 0
se tiene que
Z t Z 2
C
4k p
0 () C
4k p
0 ()
Rh T e ( )
m( ) e
1 t e 2 t
dd
0= Q(t, )
4 0 t 0 k1 k2
Z t Z 2 C ()
R 4k p t
0 C 0 ()
4k p t
+ m ( ) m( )P ( ) Q(t, ) 0 () e 1 e 2 dd.
2 0 Cp 0
(4.22)
con igualdad slo en el caso en que k1 = k2 . En efecto, en primer lugar, destacamos que, para
todo c > 0, la funcin xecx es estrictamente decreciente si x > 1c (puesto que su derivada
144 Identificacin del coeficiente de conductividad trmica, cuando sta depende de la distribucin de presiones
1
ecx (1 cx) slo se anula en y es positiva a la izquierda y negativa a la derecha de ese
c
punto). En particular, para
es decir,
Cp (R r0 )2
0 < k2 k1 < , [0, t ].
4(t )
Esta condicin se verifica sin ms que elegir t de forma que
Cp (R r0 )2
t < ,
4k1
Cp (R r0 )2
k1 (t ) k1 t .
4
b) Dado t como en a), es claro que, para todo [0, t ] y todo [0, 2],
C 0 () C 0 ()
4k p 4k p
e 1 t e 2 t 0,
puesto que la funcin ecx es estrictamente decreciente para c > 0 (en particular, para el c
dado en (4.23)).
Z t Z 2 C ()
R 4k p t0
C ()
4k p t0
+ m ( ) m( )P ( ) Q(t , ) 0 () e 1 e 2 dd.
2 0 Cp 0
El apartado a) anterior y la desigualdad (4.17) determinan que el integrando del primer suman-
do es no positivo; anlogamente, el Lema 4.3.3 y el apartado b) anterior, junto con la propiedad
R r0 cos (R r0 )
0 () = > 0, [0, 2],
0 () (R + r0 )2
4.3 Unicidad de solucin del problema inverso 145
hacen que el integrando del segundo sumando sea tambin no positivo. Por tanto, cada integrando
en dicha expresin debe ser la funcin idnticamente nula. Evaluando el primer integrando en el
correspondiente instante del Lema 4.3.2 se tiene que
C 0 () C 0 ()
4k p 4k p
e 1 t e 2 t
= 0,
k1 k2
por lo que, gracias al apartado a), se concluye que k1 = k2 .
Todo lo anterior queda recogido en el siguiente resultado:
Teorema 4.3.6 Sean T1 y T2 las respectivas soluciones de los problemas
T
Cp k1 T = P (t)T en BR (0, tf )
t
T
k1 = h (T e (t) T ) en BR (0, tf )
~n
T = T0 en BR {0}
y
T
Cp
k2 T = P (t)T en BR (0, tf )
t
T
k2 = h (T e (t) T ) en BR (0, tf )
~n
T = T0 en BR {0},
siendo k1 y k2 dos constantes positivas. Supongamos (H1), (H2) y que para todo t [0, tf ] se
verifica
T 1 (R, t) = T 2 (R, t) y T 1 (r0 , t) = T 2 (r0 , t) para algn r0 [0, R).
Entonces k1 = k2 . 2
1 1
xi ( ) = =Z t ,
Ki ( ) Ki (t )
ki (s)ds
146 Identificacin del coeficiente de conductividad trmica, cuando sta depende de la distribucin de presiones
Z t Z 2
R m( )P ( )
C ()x ( )
p 04 1
C ()x ( )
p 04 2
+ m ( ) Q(t , ) 0 () e e dd.
2 0 Cp 0
Para poder llegar a hacer un razonamiento parecido al del caso k constante, veamos en primer
lugar que x1 ( ) < x2 ( ) si 0 < < t :
a) Si [0, t0 )
1 1 1
x1 ( ) = Z t
=Z t0 Z t
=Z t0 Z t
k1 (s)ds k1 (s)ds + k1 (s)ds k2 (s)ds + k1 (s)ds
t0 t0
1
<Z t0 Z t
= x2 ( ).
k2 (s)ds + k2 (s)ds
t0
b) Si [t0 , t ]
1 1
x1 ( ) = Z t
<Z t
= x2 ( ).
k1 (s)ds k2 (s)ds
1
Por otra parte, utilizando que la funcin xecx es estrictamente decreciente si x , para la
c
eleccin de
Cp Cp (R2 2Rr0 cos + r02 )
c= 0 () = , (4.24)
4 4
se tiene que
x1 ( )ecx1 ( ) x2 ( )ecx2 ( ) > 0
1
siempre que x1 . Esta condicin se cumple si, por ejemplo, se pide a la funcin k (y, por tanto,
c
a las funciones k1 y k2 que queremos demostrar que son iguales) que verifique
Z tf
Cp (R r0 )2
k(s)ds c,
0 4
lo cual debe ser interpretado como parte de la informacin a priori que debe conocerse sobre k
para poder determinarla de forma unvoca.
Puesto que la funcin f (x) = ecx es decreciente para c > 0, la eleccin de c en (4.24) hace
que se tenga
ecx1 ( ) ecx2 ( ) > 0.
Suponiendo las hiptesis (H1) y (H2), gracias a los Lemas 4.3.2 y 4.3.3 volvemos a encontrar-
nos con que la suma de dos integrales definidas de sendas funciones no positivas se anula. Puesto
que el primer integrando tiene puntos en los que es estrictamente negativo (todo un entorno del
instante del Lema 4.3.2), llegamos a una contradiccin, la cual proviene de suponer que hay
puntos en [0, tf ] en los que k1 6= k2 . As pues, se concluye que k1 = k2 en [0, tf ].
Estamos en condiciones de enunciar el siguiente resultado:
4.4 Resultados numricos 147
Observacin 4.3.8 El resultado anterior nos indica que si suponemos que las mediciones de que
disponemos en r0 y en R son las correspondientes a una temperatura que se modeliza mediante
las ecuaciones (4.1), con k verificando las hiptesis requeridas en el Teorema 4.3.7, entonces la
funcin k queda unvocamente determinada a partir de dichas mediciones. 2
Observacin 4.3.9 Cuanto ms separadas se hayan hecho las dos mediciones (i. e., cuanto ms
cercano a cero est r0 ) menos restrictiva ser la condicin (4.25) relativa a la informacin a priori
sobre k y, por tanto, podremos garantizar la unicidad de solucin del problema inverso para un
conjunto ms amplio de funciones. 2
Conductividades
1
0.8
0.6
0.4 lineal
raz
potencia
0.2
0 500 1000 1500
Los resultados obtenidos se muestran en la Figura 4.2. Como se observa, el error en la identi-
ficacin de k es mayor al final del intervalo temporal. Esto lo explica el hecho de que los valores
de k en los instantes finales intervienen tan slo en las ltimas ecuaciones y, al ser su valor menos
determinante en el sistema no lineal, la solucin numrica con el grado de precisin requerido
admite mayores errores al final de dicho intervalo. Esto implica que sea ms difcil que, en dichos
instantes, los valores que se obtengan para k cambien respecto al valor inicial que se propone para
la iteracin.
Los mayores errores en la temperatura calculada tras la identificacin se obtienen, coherente-
mente, cuando se produce el mayor error en k, mantenindose ligados ambos errores a lo largo
del tiempo. En cualquier caso, los errores cometidos en la aproximacin de T estn por debajo del
orden del error en las mediciones, i. e., del orden de la perturbacin, lo cual hace que los resultados
sean muy satisfactorios.
Tambin se indica en la Figura 4.2 (identificado como % mx. de error), para cada uno de los
tres experimentos numricos, el mayor valor del error relativo porcentual, es decir, si denotamos
por Te la solucin del problema correspondiente a la identificacin aproximada de k, la cantidad
Te(, tk ) T (, tk )
C(BR )
max 100 .
k=1,2,...,n ||T (, tk )||C(BR )
150 Identificacin del coeficiente de conductividad trmica, cuando sta depende de la distribucin de presiones
0.8
0.3
0.6 0.2
0.4 0.1
0.2 0
0 500 1000 1500 2000 0 500 1000 1500 2000
0.6 0.1
0.4 0
0 500 1000 1500 2000 0 500 1000 1500 2000
0.6 0.2
0.5 0.1
0.4 0
0 500 1000 1500 2000 0 500 1000 1500 2000
[1] R. Aris. Vectors, Tensors, and the Basic Equations of Fluid Mechanics. Dover Publications,
Inc. 1989.
[2] A. Baars, C. Rauh y A. Delgado. High pressure rheology and the impact on process homo-
geneity. High Pressure Research 27(1) (2007) 7783.
[5] F. Brezzi y K. J. Bathe. A discourse on the stability conditions for mixed finite element
formulations. Comp. Meth. in Appl. Mech. Eng. 82(1-3) (1990) 2757.
[8] A. Delgado, C. Rauh, W. Kowalczyk y A. Baars. Review of modelling and simulation of high
pressure treatment of materials of biological origin. Trends in Food Science & Technology
19(6) (2008) 329336. DOI: 10.1016/j.tifs.2008.01.009.
[9] A. M. Denisov. Elements of the Theory of Inverse Problems. Inverse and IllPosed Problems
Series. VSP. 1999.
[10] S. Denys, A. van Loey y M. E. Hendrickx. A modelling approach for evaluating process
uniformity during batch high hydrostatic pressure processing: combination of a numerical
heat transfer model and enzyme inactivation kinetics. Innovative Food Science and Emerging
Technologies 1 (2000) 519. DOI: 10.1016/S1466-8564(99)00003-X.
[12] L. A. Fernndez y C. Pola. Identification of a quasilinear parabolic equation from final data.
International Journal of Applied Mathematics and Computer Science 4 (2001) 859879.
151
152 Bibliografa
[14] A. Fraguela, C. Gamio y D. Hinestroza. The inverse problem of Electrical capacitance To-
mography and its application to GasOil two phase flow imaging. WSEAS Transactions on
Systems 1(2) (2002) 130-137. ISSN: 1109-2777.
[18] B. A. Fricke y B. R. Becker. Calculation of heat transfer coefficients for foods. Int. Comm.
Heat Mass Transfer 29(6) (2002) 731740. DOI: 10.1016/S0735-1933(02)00363-9
[22] M. Hanke y C. Hansen. Regularization method for large scale problems. Surv. Math. Ind.
3(4) (1993) 253315.
[23] C. Hansen. Analysis of discrete ill posed problems by means of the Lcurve. SIAM Rev. 34
(1992) 561580.
[24] Chr. Hartman y A. Delgado. Numerical simulation of thermal and fluiddynamical transport
effects on a high pressure induced inactivation. Simulation Modelling Practice and Theory
13 (2005) 109118.
[25] Chr. Hartman, A. Delgado y J. Szymczyk. Convective and diffussive transport effect in a
high pressure induced inactivation process of packed food. Journal of Food Engineering 59
(2003) 3344.
[28] R. Hayashi. Application of High Pressure to Food Processing and Preservation: Philosophy
and Development. En Engineering and Food 2, W.E.L. Spiess y H. Schubert eds. Elsevier
Applied Science. 1989. 815826.
Bibliografa 153
[30] T. J. R. Hughes, L. P. Franca y G. M. Hulbert. A new finite element formulation for compu-
tational fluid dynamics: VIII. The Galerkin least squares method for advective-difusive equa-
tions. Comp. Meth. in Appl. Mech. Eng. 73(2) (1989) 173189.
[32] I. Indrawati, A. M. van Loey, C. Smout y M. E. Hendrickx. High hydrostatic pressure techno-
logy in food preservation. En Food preservation techniques, P. Zeuthen y L. Bogh-Sorensen
eds. Woodhead Publ. Ltd. Cambridge, 2003. 428448.
[35] V. Isakov. Inverse Problems for partial differential equations. Springer. 1998.
[40] F. John. Partial Differential Equations (3a Edicin) Applied Mathematical Sciences 1. Sprin-
ger. 1980.
[41] R. P. Kanwal. Generalized Functions: Theory and Technique. Mathematics in Science and
Engineering 171. Academic Press. 1983.
[42] A. Kirsch. An Introduction to the Mathematical Theory of Inverse Problems. Applied Mat-
hematical Sciences 120. Springer. 1996.
[44] L. D. Landau y E. M. Lifshitz. Mecnica de fluidos. Curso de Fsica Terica 6. Revert. 1986.
154 Bibliografa
[45] L. Landweber. An iteration formula for Fredholm integral equations of the first kind. Amer.
J. Math. 73 (1951) 615-624.
[46] J. D. Lee, I. Tanabe y K. Takada. Identification of Heat Transfer Coefficient on Machine Tool
Surface by Inverse Analysis. JSME international journal. Series C, Mechanical systems,
machine elements and manufacturing, 42(4) (1999) 10561060.
[48] G. M. Lieberman. Second Order Parabolic Differential Equations. World Scientific. 1996.
[54] K. Miyagawa y K. Suzuki. Studies on Takaamylase A under high pressure: Some kinetic
aspects of pressure inactivation of Takaamylase. A. Arch. Biochem. Biophys. 105 (1964)
297302.
[55] L. Morozov: Regularization methods for Ill Posed Problems. CRC Press. 1993.
[56] T. Norton y D. W. Sun. Recent Advances in the Use of High Pressure as an Effective Pro-
cessing Technique in the Food Industry. Food Bioprocess Technol 1 (2008) 234. DOI:
10.1007/s11947-007-0007-0
[61] M. J. D. Powell. A Hybrid Method for Nonlinear Equations. En Numerical Methods for
Nonlinear Algebraic Equations (pg. 87114), P. Rabinowitz ed. Gordon and Breach. 1970.
[62] M. J. D. Powell. A Fortran Subroutine for Solving Systems of Nonlinear Algebraic Equa-
tions. En Numerical Methods for Nonlinear Algebraic Equations (pg. 115161), P. Rabino-
witz ed. Gordon and Breach. 1970.
[66] S. Simal, . Berna, A. Mulet y C. Rossell. A method for the calculation of the heat transfer
coefficient in potato drying. Journal of the Science of Food and Agriculture 63(3) (1993)
365367.
[68] I. Stakgold. Greens Functions and Boundary Value Problems. John Wiley & Sons. 1979.
[69] K. Suzuki y K. Kitamura. Inactivation of enzyme under high pressure: Studies on the kine-
tics of inactivation of amylase of Bacillus subtilis under high pressure. J. Biochem. 54(3)
(1963) 214219.
[71] A. N. Tikhonov y V. Y. Arsenin. Solutions of ill posed problems. V.H. Winston & Sons. 1977.
[75] J. Zueco, F. Alhama y C. F. Gonzlez Fernndez. Inverse determination of the specific heat
of foods. Journal of Food Engineering 64(3) (2004) 347353.