TALLER DE MODELACION MATEMATICA

UNIVERISDAD NACIONAL DE COLOMBIA

DEPARTAMENTO DE MECANICA Y MECATRONICA

PUNTO 1. ECUACIÓN DE BURGERS UNIDIMENSIONAL

1. INTRODUCCIÓN:
La ecuación de burgers es una simplificación a la ecuación de navier stokes, en donde se
desprecia el término del gradiente de presión, que nos lleva a considerar el estudio con a
presión constante.
El propósito de este informe es solucionar esta ecuación por medio de una ecuación parcial
no lineal, representando al final el resultado en una curva con dos variables independientes
(x,t).

2. DESCRIPCIÓN DEL PROBLEMA:

1. Formular el problema en forma discreta usando:
a) Un esquema de discretización con diferencias finitas de 2◦ orden espacial.
b) Un esquema temporal semi-implícito (Crank-Nicolson)
2. Implementar un código computacional para resolver el modelo discreto planteado.
3. Presentar superficie de evolución de u(x,y)), usando ν = 0.02, ν = 0.04, y ν = 0.1. En
todos los casos considere que M =1.0, y que la simulación debe cubrir el periodo 0.1≤ t
≤1.0.
4. Presentar un corto estudio del impacto de hacer refinamiento de malla (mediante cálculo
del error absoluto)
5. Validar los resultados obtenidos con los resultados analíticos de la ecuación 4.
6. Obtener curvas de error que le permitan analizar los resultados obtenidos con distintos
pasos de tiempo ∆t

3. ANÁLISIS DE LA ECUACIÓN:
∂u u∗∂u v∗∂2 u
+ =
∂t 1 ∂ x 2 ∂ x2 3

(1). Es el cambio de velocidad con respecto al tiempo o el termino transitorio.

(2). Es el termino generado por convección, el cual vuelve no lineal la ecuación.
(3). Es el termino que se da por la viscosidad de un fluido en una tubería, en donde esta
fuerza es proporcional a la viscosidad del fluido que se analiza.

3.1 CONDICIONES DE FRONTERA:

Se tienen valores iniciales y finales para la solución de la ecuación parcial no lineal, en
donde estos valores nos reducen las variables para que el sistema de ecuaciones sea
homogéneo.
El análisis está limitado por el dominio de x (0 ≤ x ≤ L), y en sus limites presenta las
siguientes consideraciones.
u ( 0 , t ) =g 1( t); u ( L ,t )=g 2(t)

3.2 ADIMENSIONALIZAR DE ECUACIÓN:

Es necesario comenzar determinando cuales serán los valores de referencia.

x ref =L ; U ref =u ;
¿ ui ¿ t∗u ¿ x
u= ;t = ;x =
u L L
Posteriormente se analiza cada termino por separado gracias a la regla de la cadena, de
esta forma adimensionalizamos toda la ecuación termino a término.
1 termino:
∂ ¿ ∂ u2
¿ ∗∂ t ¿ ∗∂t∗u ∗∂ u¿
∂u i ∂ t ∂t L
= ∗ui= ∗u¿∗u=
∂t ∂t ∂ t∗L ∂ t¿

2 termino:
u¿∗u=ui

∂ ¿ ∂ u
¿ ∗∂ x ¿ ∗∂ x
¿
∗∂u
∂u i ∂ x ∂x ¿ L
= ∗ui= ∗u ∗u=
∂x ∂x ∂ x∗L ∂x
¿

3 termino:

∂ ∂ u ∂ u u 2 ¿
∗∂ u
( ) ( )
¿
∗∂ ui ¿ ∗∂ x ∗∂ u¿ ¿ ∗∂ x ∗∂ u¿
∂x ∂x L ∂x L L2
= ∗ = ∗ =
∂x ∂x ∂ x¿ ∂ x∗L ∂ x¿ ∂x
¿2

La ecuación adimensionalizada se presenta a continuación.

u2 u¿∗u2 v∗u 2 ¿
∗∂u¿ ∗∂ u¿ ∗∂ u
L L L2
+ =
∂t ¿ ∂ x¿ ∂ x ¿2

v
∗∂2 u ¿
∂u ¿ u ¿∗∂u ¿ L∗u
+ =
∂ t¿ ∂ x¿ ∂ x ¿2

L∗u
ℜ= ; u¿ =∅
v

1 2
∂ ∅ ℜ ∗∂ ∅ u¿∗∂ ∅
= −
∂t ∂ x2 ∂x
También es necesario adimensional izar las condiciones iniciales.
 2
x

δ β=
1 ( )
∗e 4∗ β
√ 4∗π∗β
x
x ¿=
L
1
δ ¿β = ∗e ¿¿
√ 4∗π∗β
u ( 0 , t ) =g 1 ( t ) y u ( L ,t )=g2 (t )

1
1 1 ( )
g1 ( t )= y g2 ( t ) = ∗e 4∗β
√ 4∗π∗β √ 4∗π∗β

3.2 DISCRETIZACIÓN SEMI-IMPLICITA DE LA ECUACIÓN DE BURGUERS

UNIDIMENSIONAL:
Utilizamos diferencias finitas centradas para resolver la ecuación por el método de Crank-
Nicholson, en donde las diferencias finitas centradas son las que nos generan un esquema
de discretización de segundo orden.

∅ n+1 n
i −∅i 1 n 1 n +1
= Fi + Fi
2∗∆ t 2 2

1 1
∗∅ ni+1−2 ∅ ni +∅ ni−1 ∅n∗∅ n −∅n ∗∅ni +1 −2 ∅ n+1 +∅ n+ 1

( ) ( )
+1
∅ n+1 n
∅ n+1 n+1 n+1
i −∅ i 1 ℜ i i+1 i−1 1 ℜ i i−1
i ∗∅ i+1 −∅ i−1
= − …+ −
2∗∆ t 2 ∆ x2 2∗∆ x 2 ∆ x2 2∗∆ x

1 n +1 n+1 n+1 1
∗∅ni+1 −2 ∅ni + ∅ni−1 ∅ n∗∅n −∅ n
2∗∆t 2
− (
∅ni +1 1 ℜ ∗∅i +1 −2 ∅ i +∅ i−1 ∅ n+1
∆ x2
− i
∗∅ n+1
i+1
2∗∆ x
−∅ n+1
i−1 ∅ n
…= i +
1
2∗∆ t 2
ℜ
)∆ x2 ( − i i +1 i−1
2∗∆ x )
∆t n n n
ℜ ∗∅ i+1−2 ∅i + ∅i−1 ∆ t∗∅ i
n
n
H ( t ) =∅ i + 2
− ∗( ∅ ni+1−∅ni−1)
∆x 2∗∆ x

2∗∆ t n+1
∗∅ i+1 −2 ∅ n+1 + ∅ni−1
+1
t∗∅in+1
i n +1
2∗ℜ +1 −∅i−1
∅ ni +1− n +1
+ ∅ i ∗2∗∆ =H (t )
∆ x2 4∗∆ x

∆ t n+1
∗∅ i+1 −2 ∅ni +1+ ∅ n+1
i−1 ∆t∗∅ n+1
n +1 ℜ
∗(∅ n+1
i n +1
∅i − + i+1 −∅i−1 )=H (t)
∆ x2 2∗∆ x

n+1
n +1 ∆t n+1 n +1 n+1 2∗∆ t∗∅ i n+1 n+1
∅ i − 2
∗(∅ i+1 −2 ∅i + ∅i −1 )+ ∗(∅ i+1 −∅ i−1 )=H (t)
ℜ∗∆ x 4∗∆ x
 n+1
n +1 ∆t n+1 n +1 n+1 2∗∆ t∗∅ i n+1 n+1
∅i − 2
∗(∅ i+1 −2 ∅i + ∅i −1 )+ ∗(∅ i+1 −∅ i−1 )=H (t)
ℜ∗∆ x 4∗∆ x

β=
∆t 2∗∆ t∗∅ n+1
i
2 ; δ= ;
ℜ∗∆ x 4∗∆ x

∅ ni +1−β∗(∅ n+1 n+1 n +1 n+1 n+1

i+1 −2 ∅ i + ∅i−1 )+δ∗(∅ i+1 −∅ i−1 )=H (t)

∅ ni +1−β∗(∅ n+1 n+1 n +1 n+1 n+1

i+1 −2 ∅ i + ∅i−1 )+δ∗(∅ i+1 −∅ i−1 )=H (t)

−∅ni−1 ( δ + β )+ ∅ n+1 (1+2 β ) +∅ n+1

+1
i i+1 (δ −β )=H (t )

2∗∆ t∗∅ni ¿
δ=
4∗∆ x
n +1 ¿ n+ 1 n +1 ¿
−∅i−1 ( δ + β ) +∅ i ( 1+2 β ) + ∅i +1 (δ −β )=H (t)

Para el punto i = 1;
−g 1(t) ( δ ¿ + β )+ ∅ n+1 n+1 ¿
1 ( 1+ 2 β ) +∅ 2 (δ −β)=H (t)

∅ n1 +1 ( 1+2 β ) + ∅n2 +1 ( δ ¿ −β )=H ( t ) + g 1(t) ( δ ¿ + β )

H 1 (t )=H ( t )+ g 1(t ) ( δ ¿ + β )

Para el punto i = k;
−∅nk−1 ( δ ¿ + β )+ ∅ n+1
+1 n+1
k (1+2 β ) +∅ k+1 ( α 3 )=H (t)

−∅nk−1 ( δ ¿ + β )+ ∅ n+1
+1 ¿
k (1+2 β ) =H ( t )−g 2(t)(δ −β)

H 2 (t )=H ( t )−g 2(t )(δ ¿ −β)

α 1=δ ¿ + β
α 2=1+2 β
α 3=δ ¿ −β

n+1
α2 α3 0 0 0 0 0 . H1

[ ][ ] [ ]
−α 1 α 2 α 3 0 0 0 0 . .
¿
0 … … … 0 0 0 ∅i−1 .
0 0 −α 1 α 2 α 3 0 0 ∅ ¿i = H ij
0 0 0 … … … 0 ∅ ¿i+1 .
0 0 0 0 −α 1 α 2 α 3 . .
0 0 0 0 0 −α 1 α 2 . H2
 ¿ n+1
2∗∆ t∗∅i
¿∗¿= ¿
4∗∆ x
δ

α 1¿=δ ¿∗¿+β ¿
α 3¿=δ ¿∗¿− β ¿

α 2 α 3¿ 0 0 0 0 0 H1

[ ] []
¿ ¿
−α 1 α 2 α 3 0 0 0 0 n+1 .
.
0
0
0
0
…

0
0
… …

0
0
… …
0
0 −α 1¿ α 2 α 3¿
0
0
…
0
0
0
0 −α 1¿ α 2 α 3¿
∅ ¿∗¿
i−1 ∅ i
.
¿ ¿∗¿ ¿ ¿∗¿ ¿

.
∅ i+1 .
[ ] .
= H ij
.
.
H2
0 0 0 0 0 −α 1¿ α 2

¿∗n+1
¿∗¿ 2∗∆ t∗∅ i
δ =
4∗∆ x
¿∗¿
+β¿
α 1¿∗¿=δ
¿∗¿
−β¿
α 3¿∗¿=δ

¿∗¿¿
α2 α3 0 0 0 0 0
[ ¿∗¿¿
−α 1 α2
¿∗¿¿
α3 0 0 0 ¿ ¿
… ¿ … ¿ … ¿ 0 ¿ 0 ¿ 0 ¿ 0 ¿ 0 ¿−α 1¿∗¿¿ α 2¿ α 3¿∗¿¿ 0 ¿ 0 ¿ 0 ¿ 0 ¿ 0 ¿ … ¿ … ¿ … ¿ 0 ¿ 0 ¿ 0 ¿ 0

Esta iteración se tiene que hacer hasta que el error sea menor a uno establecido en los
parámetros iniciales, por lo que se tiene la siguiente desigualdad:

∑|∅ ¿∗n
i
+1
−∅ ¿i n+1|<error
i
n +1 ¿∗¿… .n+1
Cuando se cumple esta desigualdad notamos que el valor de ∅ i ≈ ∅ i por lo que,
aunque nos quede un error de truncamiento se mejorara el resultado de la ecuación.

Comparamos los resultados para determinar cuales son las ventajas y desventajas de
utilizar diferentes métodos por esta razón el problema se resuelve por el método de Euler
forward.

1 n n n
∅ n+1 ℜ ∗∅i+1 −2 ∅i + ∅i−1 ∅ i ∗∅i +1−∅ i−1
n n n n
i −∅ i
= −
2∗∆ t ∆ x2 2∗∆ x
 2∗∆ t n n n
n +1 n ℜ ∗∅ i+1−2 ∅i + ∅i−1 n t∗∅ ni+1 −∅ ni−1
∅ i −∅ =
i −∅ i ∗2∗∆
∆ x2 2∗∆ x

n +1 n 2∗∆ t n n n ∅ ni ∗∅ ni+1∗∆ t ∆ t∗∅ ni ∗∅ni−1

∅ i =∅ i + ∗( ∅ i+1 −2 ∅ i +∅ i−1 )− +
ℜ∗∆ x2 ∆x ∆x

n n n n
n +1 n 2∗∆ t n n n ∆ t∗∅i ∗∅ i+1 ∆ t∗∅ i ∗∅i−1
∅ i =∅ +
i ∗ ∅ −2 ∅ i +∅ i−1 )−
2 ( i+1
+
ℜ∗∆ x ∆x ∆x

α=
2∗∆ t ∆ t∗∅ni
2 ; δ= ;
ℜ∗∆ x ∆x

∅ ni +1=∅ ni +α∗( ∅in+1−2 ∅ ni + ∅ ni−1) −δ∗∅in+1+ δ∗∅ ni−1

∅ ni +1=∅ ni−1∗( α+ δ)−∅ ni +∅ ni+1∗(α −δ)

Para i = 1;
∅ n1 +1=∅ n0∗(α + δ )−∅n1 + ∅n2∗(α−δ)

∅ n1 +1=g1 (t)∗(α +δ)−∅1n+ ∅ n2∗( α −δ )

Para i = k;
∅ nk +1=∅ nk−1∗(α + δ)−∅nk + ∅nk +1∗(α −δ )

∅ nk +1=∅ nk−1

∅ nk =g 2 (t)

∅ nk +1=2∗∅nk−1∗( α ) −g2 (t)

α 1=α + δ
α 2=α −δ

n+1 n
∅1 −1 α 1 0 0 0 0 0 ∅1 −g1 ( t )∗α 2

[] [ ][ ] [ ]
. α 2 −1 α 1 0 0 0 0 . .
. 0 … … … 0 0 0 . .
∅i = 0 0 α 2 −1 α 1 0 0 ∗ ∅i + 0
. 0 0 0 … … … 0 . .
. 0 0 0 0 α 2 −1 α 1 . .
∅n 0 0 0 0 0 2∗α 0 ∅n −g2 (t)
3.3 SOLUCIÓN COMPUTACIONAL:
Se implementa un código computacional que nos resuelve cada uno de los métodos de
discretización que se plantearon en la sección anterior, determinando las siguientes curvas
que resultan de la implementación del código.

3.3.1 MÉTODO DE CRANK-NICHOLSON:

Este método es muy útil, ya que tiene mejor estabilidad que los métodos de Euler, esto se
debe a que utiliza tanto los datos del presente como los del futuro, mitad y mitad.
Aunque este método tiene mejores condiciones de estabilidad, se debe tener presente que
no necesariamente el valor será correcto si se toman diferenciales de tiempo y espacio
demasiado grandes.

3.3.2 MÉTODO DE EULER FORWARD:

Este método es simple en su programación, aunque presenta bastantes problemas con la
estabilidad, por esta razón se tiene que establecer diferenciales muy pequeños, además se
realiza el método gracias a una ecuación adimensional, lo que nos ayuda a reducir las
variables que se involucran en el fenómeno.

Figura 1. Resultado de la ecuación adimensional por el método de Euler forward.

Es necesario re escalar la ecuación para que se pueda realizar una comparación por medio
del error absoluto entre este método de solución y la solución analítica que se propone para
el ejercicio.
 Figura 2. Resultado de la ecuación re escalada por el método de Euler forward.

3.3.3 MÉTODO ANALÍTICO:

Para la solución analítica es necesario iniciar determinando como se comporta la función
erf(x), en donde se tienen que:

x
erf ( x )=∫ exp ( −z2 )
0
Matlab contiene esta función en su contenido, en donde se grafica la siguiente curva, que es
la solución de la ecuación de burguers unidimensional.

Figura 3. Se presenta la solución a la ecuación unidimensional de burgers con v = 0.1, M

=1.

3.4 SOLUCION CON DIFERENTES CONDICIONES:

Se implementa un código computacional para solucionar los dos modelos planteados, en
donde se presenta una superficie de evolución de u(x,y)), usando ν = 0.02, ν = 0.04, y ν =
0.1. En todos los casos considere que M =1.0, y que la simulación debe cubrir el periodo
0.1≤ t ≤1.0.
Este análisis se realiza en base a la ecuación analítica que tenemos, esto con el fin de
obtener curvas lo mas verdaderas al fenómeno real, cambiando la variable “v” que se trata
de la viscosidad dinámica del fluido, esto para determinar cual es la relación de esta
variable con respecto a la solución de la ecuación, se presentan las siguientes soluciones:

Figura 4. Se presenta la solución a la ecuación unidimensional de burgers con v = 0.02, M

=1.

Figura 5. Se presenta la solución a la ecuación unidimensional de burgers con v = 0.04, M

=1.
 Figura 6. Se presenta la solución a la ecuación unidimensional de burgers con v = 0.1, M
=1.

4. REFINAMIENTO DE MALLA MEDIANTE CÁLCULO DEL ERROR ABSOLUTO.

En este punto ya se tiene la solución de la ecuación por medio de métodos numéricos y por
la solución analítica, en donde para comparar estas ecuaciones es necesario re escalar la
ecuación adimensional que convertimos en un inicio para la solución numérica
Una vez se tiene una ecuación re-escalada, se tiene que observar el error que tiene nuestra
solución numérica en comparación con la analice, para esto utilizamos la siguiente ecuación
para el cálculo de error.

error =( ∑ ( U a−U n ) ) / N
U a =Solucion de ecuacionanalitica .
U n =solucion de ecuacionnumerica .
N=tamaño del vector tiempo .
Esta ecuación de error nos va a resultar un vector del tamaño de x(posición unidireccional
analizada), en el cual obtenemos la suma de los errores en cada tiempo para cada posición,
de esta manera podemos observar la siguiente curva.
 Figura 7. Error que se tiene entre la solución analítica y con métodos numéricos, con
parámetros L =1, Ui = 13, v = 0.1 y M =1.

Como se puede ver se tiene un error relativamente alto, para esto debemos refinar la
solución numérica para obtener menores errores, estos errores se deben en su mayoría a
los parámetros de referencia que se utilizan para el calculo de la ecuación numérica, por lo
que si los cambiamos obtendremos menores errores entre estas curvas como se muestra a
continuación.

Figura 8. Error que se tiene entre la solución analítica y con métodos numéricos, con
parámetros L =1.5, Ui = 13, v = 0.1 y M =1.

De esta forma se va refinando nuestro resultado obtenido, hasta llegar a tener un error
mínimo posible para la ecuación.

5. ANALSIIS DEL ERROR CON DIFERENTES ∆t:

Se realiza un análisis de como el delta de tiempo afecta al error obtenido en la solución

numérica, en donde para esto se hizo un ciclo para tres valores de ∆t [0.005 0.0005
0.00005], determinando de esta forma como varia este error.
 Figura 9. Errores de la solución numérica con diferentes valores de dt.

6. CONCLUSIONES:
- Es necesario re-escalar la ecuación adimensional para poderla comparar con la
ecuación analítica, esto se debe a que las ecuaciones adimensionales sus máximos
valores son la unidad, por lo que al re-escalarla se tienen que utilizar los mismos
parámetros de referencia que se utilizaron cuando se realiza la adimensionalizacion
- Cuando variamos el dt en el modelo numérico se puede observar que el error crece
exponencialmente, esto se debe a que al tener pocos datos a analizar las soluciones
no serán precisas y confiables.
- El método de discretización de Crank-Nicolson es un modelo que tiene buena
estabilidad, aunque presenta un problema fundamental, ya que nos genera
soluciones con cualquier dt, dx, así sean valores grandes, por lo que se debe tener
cuidado con la elección de estos crecimientos para obtener una curva optima.

7. REFERENCIAS:
- Ferziger Peric - Computational Methods for Fluid Dynamics, 3rd Ed.