diffusione-trasporto 2d
Transcript
diffusione-trasporto 2d
ANALISI NUMERICA Problemi di diffusione, trasporto a.a. 2014–2015 Maria Lucia Sampoli ANALISI NUMERICA – p.1/32 DIFFUSIONE TRASPORTO e REAZIONE Il metodo di Galerkin applicato a problemi ellittici nella forma: trovare u ∈ V = H 1 (Ω) tale che a(u, v) = F (v), ∀v ∈ V fornisce sotto le ipotesi del Lemma di Lax-Milgram una soluzione stabile e convergente, ossia: kuh kV ≤ 1 kF kV 0 , α ku − uh kV ≤ M α inf wh ∈Vh ku − wh kV con M, α costante di continuità e coercività di a(·, ·). Nella pratica queste disuguaglianze possono essere di scarsa utilità se le costanti sono molto grandi. Se M α: la seconda disuguaglianza è poco significativa a meno che inf wh ∈Vh ku − wh kV non sia molto piccolo: occorre Vh molto grande e in temini di elementi finiti occorre h molto piccolo numero elevato di gradi di libertà ⇒ problema oneroso (se non intrattabile) dal punto di vista computazionale. ANALISI NUMERICA – p.2/32 DIFFUSIONE TRASPORTO e REAZIONE Analizzeremo problemi che modellano i processi fisici di diffusione, trasporto e reazione, in Ω ⊂ R2 : − div(ε∇u) + b · ∇u + σu = f, in Ω u = 0, su ∂Ω dove ε, σ, f, b sono costanti o funzioni assegnate t.c.: - ε ∈ L∞ (Ω), ε(x) ≥ ε0 > 0 - σ(x) ∈ L2 (Ω), σ(x) ≥ 0 q.o. in Ω - b ∈ [L2 (Ω)]2 , div(b) ∈ L2 (Ω)2 ,f ∈ L2 (Ω) in molte applicazioni il termine di diffusione − div(ε∇u) è dominato dal termine trasporto (convezione) b · ∇u (Pb. a trasporto dominante) reazione (assorbimento) σu (Pb. a reazione dominante) ⇒ presenza di strati limite: regioni in cui la soluzione è caratterizzata da forti gradienti, di solito in prossimità del bordo di Ω; (k∇uk L2 (Ω) ≤ 1/ε0 ) si dimostra: M = kεkL∞ (Ω) + kbkL∞ (Ω) + kσkL2 (Ω) α = Cε0 quindi M/α è grande se kbkL∞ (Ω) /kεkL∞ (Ω) o kσkL∞ (Ω) /kεkL∞ (Ω) sono grandi ANALISI NUMERICA – p.3/32 DIFFUSIONE-TRASPORTO 1D −εu00 + bu0 = 0, u(0) = 0, 0<x<1 u(1) = 1 dove ε, b sono costanti positive la sua forma debole: trovare u ∈ H 1 (0, 1), con u(0) = 0, u(1) = 1: Z 1 (εu0 v 0 + bu0 v) dx = 0 ∀v ∈ H01 (0, 1). 0 introducendo la funzione di rilevamento R g = x possiamo riformulare il e + Rg : problema per u = u Z 1 Z 1 e ∈ H01 (0, 1), : (εe u0 v 0 +be u0 v) dx = − (εRg0 v 0 +bRg0 v) dx ∀v ∈ H01 (0, 1). trovare u 0 trovare u e∈ H01 (0, 1), : Z 0 1 0 0 0 0 (εe u v + be u v) dx = − trovare u e ∈ H01 (0, 1), : a(e u, v) = F (v) Z 1 bv dx 0 ∀v ∈ H01 (0, 1). ∀v ∈ H01 (0, 1). ANALISI NUMERICA – p.4/32 DIFFUSIONE-TRASPORTO 1D Definiamo il numero di Péclet globale per un dominio di ampiezza L Peg := |b|L 2ε misura quanto il termine di trasporto domina su quello diffusivo. 1 La soluzione esatta 0.9 u(x) = b eεx b eε −1 −1 0.8 0.7 0.6 0.5 0.4 0.3 0.2 0.1 0 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 b/ε 1 sviluppando in serie di Taylor u(x) ' x; b/ε 1 b b b u(x) ' e ε x /e ε = e− ε (1−x) soluzione prossima a zero q.o. tranne che in un intorno di x = 1 di ampiezza ε/b dove si raccorda a 1: strato limite di ampiezza O(ε/b) con derivata dipendente da b/ε. ANALISI NUMERICA – p.5/32 DIFFUSIONE-TRASPORTO 1D Risolviamo con il metodo di Galerkin ad elementi finiti lineari: 1 in cui v (0) = v (1) = 0 Vh = Xh1 e V0h = X0h h h su partizione uniforme xi = xi−1 + h, i = 0, . . . , N + 2 P si ottengono per le incognite ui dove uh = N i=1 ui ϕi le equazioni: ui−1 ε Z xi xi−1 ϕ0i−1 ϕ0i + b − b ε + 2 h Z xi xi−1 ui−1 ϕ0i−1 ϕi ! + ui ε xi+1 xi−1 Z +ui+1 ε 2ε + ui + h Z xi+1 xi b ε − 2 h (ϕ0i )2 + b Z ϕ0i+1 ϕ0i + b xi+1 xi−1 Z ϕ0i ϕi xi+1 xi ! ϕ0i+1 ϕi =0 ui+1 = 0 Dividiamo per ε/h e definiamo il numero di Péclet locale Pe := |b|h/2ε − (Pe + 1) ui−1 + 2ui + (Pe − 1) ui+1 = 0 equazione alle differenze di tipo lineare che assume soluzioni di tipo esponenziale della forma ui = ρi , risolvendo si ottiene: ANALISI NUMERICA – p.6/32 DIFFUSIONE- TRASPORTO 1D ui = 1− 1− Se Pe = |b|h/(2ε) > 1 ⇒ 1+Pe 1−Pe 1+Pe 1−Pe i N +1 al numeratore compare una potenza con base negativa quindi la soluzione approssimata risulta oscillante al contrario della soluzione esatta che è monotona Occorre scegliere h sufficientemente piccolo in modo da garantire Pe < 1 ovvero 2ε h≤ |b| tale strategia risulta impraticabile quando b/ε 1, per b = 1, ε = 1/5000, si deve avere h ≤ 2/5000 = 10−4 , in (0, 1) occorrono più di 10 000 intervalli. ANALISI NUMERICA – p.7/32 DIFFUSIONE-TRASPORTO 1D: esempio ε= 1 , 100 b=1 Peg = 50 ⇒ ⇒ h< 1 1 1 0.8 0.8 0.8 0.6 0.6 0.6 0.4 0.4 0.4 0.2 0.2 0.2 0 0 0 −0.2 −0.2 −0.2 −0.4 −0.4 −0.4 −0.6 −0.6 −0.6 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 N + 1 = 10, h = 0.1 0.9 1 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 N + 1 = 20, h = 0.05 0.9 1 0 0.1 1 = 0.02 200 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 N + 1 = 40, h = 0.025 Le oscillazioni nel metodo di Galerkin possono essere evitate solo se si sceglie un passo di griglia sufficientemente piccolo da garantire Pe < 1; raffinamento adattivo: si infittisce la griglia solo in corrispondenza dello strato limite; tecniche di stabilizzazione : upwind , Scharfetter-Gummel. ANALISI NUMERICA – p.8/32 DIFFUSIONE-TRASPORTO 1D: DF Tecniche di stabilizzazione: La tecnica di stabilizzazione upwind ha origine dalle relazioni tra Elementi Finiti (EF) e Differenze Finite (DF) su problemi di diffusione-trasporto: nel metodo DF si discretizzano le derivate presenti nell’equazione mediante rapporti incrementali con errori di discretizzazione locale dello stesso ordine. Ad esempio: u0 (xi ) = u00 (xi ) = u(xi+1 ) − u(xi−1 ) + O(h2 ), i = 1, . . . , N 2h u(xi+1 ) − 2u(xi ) + u(xi−1 ) + O(h2 ), i = 1, . . . , N 2 h Sostituendo i rapporti incrementali alle derivate esatte nell’equazione e denotando u = u(xi ), si ottiene: −ε ui+1 −2ui +ui−1 + b ui+1 −ui−1 = 0, i = 1, . . . , N 2h h2 u0 = 0, u N +1 = 1 Moltiplicando per h e riordinando i termini l’equazione sopra è la stessa ottenuta con EF lineari sulla stessa partizione di [0, 1]. ANALISI NUMERICA – p.9/32 DIFFUSIONE-TRASPORTO 1D: DF Le oscillazioni nella soluzione numerica dipendono dallo schema alle differenze utilizzato per discretizzare il termine di trasporto: DFC ovvero DF Centrate; il significato fisico del termine bu0 (x) suggerisce di utilizzare uno schema decentrato per approssimare la derivata in xi a seconda del segno di b; si ottiene la tecnica upwind (DFUP) e per b > 0 −ε ui − ui−1 ui+1 − 2ui + ui−1 + b = 0, h2 h i = 1, . . . , N Il rapporto incrementale decentrato introduce un errore locale di discretizzazione che è O(h) e quindi si ha una riduzione dell’ordine di convergenza (soluzione meno accurata). ANALISI NUMERICA – p.10/32 DIFFUSIONE-TRASPORTO 1D: DF Riscrivendo il rapporto incrementale decentrato in termini di rapporto incrementale centrato e approssimazione della derivata seconda ui − ui−1 ui+1 − ui−1 h ui+1 − 2ui + ui−1 = − h 2h 2 h2 si può riscrivere lo schema upwind come uno schema DFC in cui è stato introdotto un termine di diffusione artificiale proporzionale ad h: bh − ε+ 2 con −εh ui+1 − 2ui + ui−1 ui+1 − ui−1 + b = 0, 2 h 2h ui+1 − 2ui + ui−1 ui+1 − ui−1 + b = 0, h2 2h εh = ε + i = 1, . . . , N i = 1, . . . , N bh = ε(1 + Pe) = ε(1 + ψ(Pe)) 2 Lo schema corrisponde alla discretizzazione con DFC del problema perturbato −εh u00 + bu0 = 0 La correzione εh − ε = bh/2 è detta viscosità artificiale ANALISI NUMERICA – p.11/32 DIFFUSIONE-TRASPORTO 1D: stabilizzazione La tecnica upwind o viscosità artificiale aumenta la viscosità del problema aggiungendo un termine diffusivo (ossia di derivata seconda) della forma − |b|h 00 u = −εPe u00 = −εψ(Pe) u00 2 ψ è in generale una funzione del numero di Peclét locale che tende a zero per valori piccoli di Pe ψ(t) = t : schema upwind (DFUP) ψ(t) = t − 1 + B(2t) con B(t) = t/(et − 1), t > 0 : schema Scharfetter-Gummel La viscosità effettiva diventa : εh = ε(1 + Pe) = ε(1 + ψ(Pe)) Il numero di Peclét effettivo: Peh = |b|h Pe ψ(Pe) = = < 1, 2εh 1 + Pe 1 + ψ(Pe) ∀h ⇒ l’approssimazione con il metodo upwind non presenta oscillazioni e quindi risulta stabile per ogni valore di h. ANALISI NUMERICA – p.12/32 DIFFUSIONE-TRASPORTO 1D: stabilizzazione ε= 1 , 100 b=1 Peg = 50 ⇒ Stabilizzazione Upwind ⇒ 1 1 1 0.8 0.8 0.8 0.6 0.6 0.6 0.4 0.4 0.4 0.2 0.2 0.2 0 0 0 −0.2 −0.2 −0.2 −0.4 −0.4 −0.4 −0.6 −0.6 −0.6 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 0 h< 0.1 1 = 0.02 200 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 Stabilizzazione Scharfetter-Gummel 1 1 1 0.8 0.8 0.8 0.6 0.6 0.6 0.4 0.4 0.4 0.2 0.2 0.2 0 0 0 −0.2 −0.2 −0.2 −0.4 −0.4 −0.4 −0.6 −0.6 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 N + 1 = 10, h = 0.1 1 −0.6 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 N + 1 = 20, h = 0.05 1 0 0.1 N + 1 = 40, h = 0.025 ANALISI NUMERICA – p.13/32 DIFFUSIONE-TRASPORTO 1D: analisi Il problema può esser visto come la risoluzione di uno schema di Galerkin generalizzato: trovare uh ∈ Vh t.c. ah (uh , vh ) = Fh (vh ), ∀vh ∈ Vh dove ah (uh , vh ) = a(uh , vh ) + bh (uh , vh ), Fh (vh ) = F (vh ) + Gh (vh ) I termini aggiunti hanno lo scopo di eliminare le oscillazioni prodotte dal metodo di Galerkin. Parlare di stabilizzazione è in realtà improprio in quanto il metodo di Galerkin è stabile nel senso della dipendenza continua della soluzione dai dati. Stabilizzazione si intende in questo caso la riduzione delle oscillazioni presenti nella soluzione numerica quando Pe > 1. Per il problema 1D visto, si considera al solito u = u eh + Rgh e si cerca u eh ∈ V0h : ah (e uh , vh ) = F (vh ), ∀vh ∈ V0h con Fh (vh ) = F (vh ) e con schema upwind Z 1 0 bh (e uh , vh ) = εPe u e0h vh dx 0 ANALISI NUMERICA – p.14/32 DIFFUSIONE-TRASPORTO 1D: analisi Analizzando la coercività si ha: ah (vh , vh ) = εh Z 1 0 0 2 (vh ) dx = εh |vh |2V0h essendo εh ≥ ε la costante di coercività è più grande. Per quanto riguarda l’accuratezza: dal Lemma di Strang (per metodi Galerkin generalizzati) con s = min{r, p}, per u ∈ H p+1 posto V = H 1 (Ω): ku − uh kV inf ( M εh wh ∈Vh ≤ hs Pe C |u|H s+1 + kukV ε(1 + Pe) 1 + Pe 1+ ku − wh kV + 1 εh ≤ sup vh ∈Vh \0 |a(wh , vh ) − ah (wh , vh )| kvh kV ) Se ε è fissato e h tende a 0: ku − uh kV ≤ C1 [hs |u|H s+1 + PekukV ] Se h è fissato e ε tende a 0: ku − uh kV ≤ C2 hs−1 |u|H s+1 + kukV ANALISI NUMERICA – p.15/32 DIFFUSIONE-TRASPORTO 1D: analisi In generale se εh = ε(1 + ψ(Pe)) ku − uh kV hs ψ(Pe) ≤C |u|H s+1 + kukV ε(1 + ψ(Pe)) 1 + ψ(Pe) Se ε è fissato e h tende a 0 si ha ψ(Pe) → 0: ku − uh kV ≤ C1 [hs |u|H s+1 + ψ(Pe)kukV ] Se h è fissato e ε tende a 0: ku − uh kV ≤ C2 hs−1 |u|H s+1 + kukV nel caso upwind ψ(Pe) = Pe ε(1 + ψ(Pe)) = ε + b h, 2 ψ(Pe) h = 1 + ψ(Pe) h + 2ε/b per Scharfetter-Gummel quando ε → 0 si ha ψ(Pe) = Pe ANALISI NUMERICA – p.16/32 DIFFUSIONE-TRASPORTO 1D: analisi Osservando il caso ε fissato e h tendente a 0: ku − uh kV ≤ C1 [hs |u|H s+1 + ψ(Pe)kukV ] il metodo stabilizzato upwind: ψ(Pe) = Pe = O(h) genera un errore lineare rispetto ad h (primo ordine) indipendentemente dal grado r scelto. La perturbazione prodotta sulla forma bilineare dall’aggiunta della viscosità numerica degrada l’ordine di accuratezza della soluzione a 1. il metodo stabilizzato Scharfetter-Gummel ψ(Pe) = O(h2 ) genera un errore quadratico ripetto ad h (secondo ordine) per r ≥ 2. ANALISI NUMERICA – p.17/32 DIFFUSIONE-TRASPORTO-REAZIONE: 2D − div(ε∇u) + b · ∇u + σu = f, u = 0, in Ω ⊂ R2 su ∂Ω dove ε, σ, f, b sono funzioni o costanti assegnate: - ε(x) ∈ L∞ (Ω), ε(x) ≥ ε0 > 0 - σ(x) ∈ L2 (Ω), σ(x) ≥ 0 q.o. in Ω - b ∈ [L2 (Ω)]2 , f ∈ L2 (Ω) La forma debole consiste nel trovare u ∈ V tale che a(u, v) = a(u, v) = F (v), ∀v ∈ V = H01 (Ω) Z Z Z ε∇u · ∇v dΩ + vb · ∇u dΩ + σuv dΩ, Ω F (v) = Z Ω Ω f v dΩ Ω Ricordiamo che la norma in L∞ (Ω) è definita come: kvkL∞ (Ω) = sup{|v(x)|, q.o. in Ω} ANALISI NUMERICA – p.18/32 DIFFUSIONE-TRASPORTO-REAZIONE: 2D a(u, v) = Z Ω ε∇u · ∇v dΩ + Z Ω vb · ∇u dΩ + Coercività di a(·, ·): a(v, v) ≥ αkvk2H 1 (Ω) , Z σuv dΩ Ω v∈V Termine diffusivo: dalla disuguaglianza di Poincaré si ha Z ε0 2 ε∇v · ∇v dΩ ≥ ε0 k∇vk2L2 (Ω) ≥ kvk H 1 (Ω) 2) (1 + CP Ω Termine convettivo: Z 1 vb · ∇v dΩ = 2 Ω Z 1 b · ∇(v 2 ) dΩ = − 2 Ω Z 1 v 2 div(b) dΩ + 2 Ω Z ∂Ω v 2 b · n dγ sommando questo termine a quello reattivo e considerando che v = 0 sul bordo: Z Z Z 1 vb · ∇v dΩ + σv 2 dΩ = v 2 − div(b) + σ dΩ 2 Ω Ω Ω risulta positivo sotto la condizione − 12 div(b) + σ ≥ 0 e la forma risulta coerciva con 2) α = ε0 /(1 + CP ANALISI NUMERICA – p.19/32 DIFFUSIONE-TRASPORTO-REAZIONE: 2D a(u, v) = Z Ω ε∇u · ∇v dΩ + Z Ω vb · ∇u dΩ + Continuità di a(·, ·): |a(u, v)| ≤ M kukH 1 (Ω) kvkH 1 (Ω) , Z σuv dΩ Ω u, v ∈ V Termine diffusivo: dalla disuguaglianza di Cauchy-Schwarz e poichè k∇ukL2 (Ω) ≤ kukH 1 (Ω) si ha Z ε∇u · ∇v dΩ ≤ kεkL∞ (Ω) k∇uk 2 L (Ω) k∇vkL2 (Ω) Ω Termine convettivo: Z vb · ∇u dΩ Ω ≤ kεkL∞ (Ω) kukH 1 (Ω) kvkH 1 (Ω) ≤ kbkL∞ (Ω) kvkL2 (Ω) k∇ukL2 (Ω) ≤ kbkL∞ (Ω) kvkH 1 (Ω) kukH 1 (Ω) Termine reattivo: Z σuv dΩ ≤ kσkL∞ (Ω) kuk 2 L (Ω) kvkL2 (Ω) ≤ kσkL∞ (Ω) kukH 1 (Ω) kvkH 1 (Ω) Ω sommando i termini ottenuti si ottiene la continuità prendendo M = kεkL∞ (Ω) + kbkL∞ (Ω) + kσkL∞ (Ω) ANALISI NUMERICA – p.20/32 DIFFUSIONE-TRASPORTO-REAZIONE: 2D a(u, v) = Z Ω ε∇u · ∇vdΩ + Z Ω b · ∇u vdΩ + Z σu vdΩ Ω Le ipotesi del Lemma di Lax-Milgram sono verificate, esiste una e una sola soluzione e valgono 1 CP kukV ≤ kf kL2 (Ω) , k∇ukL2 (Ω) ≤ kf kL2 (Ω) α ε0 Per il metodo di Galerkin in un sottospazio V h 1 CP kuh kV ≤ kf kL2 (Ω) , k∇uh k|L2 (Ω) ≤ kf kL2 (Ω) α ε0 dal Lemma di Céa : ku − uh kV ≤ M α inf wh ∈Vh ku − wh kV e la costante M/α kεkL∞ (Ω) + kbkL∞ (Ω) + kσkL∞ (Ω) M =C α ε0 è grande se kbkL∞ (Ω) /kεkL∞ (Ω) o kσkL∞ (Ω) /kεkL∞ (Ω) sono grandi ANALISI NUMERICA – p.21/32 DIFFUSIONE-TRASPORTO 2D Il metodo della diffusione artificiale può essere generalizzato al caso bidimensionale per problemi del tipo: − div(ε∇u) + b · ∇u + σu = f, in Ω u = 0, su ∂Ω si aggiunge alla forma bilineare un termine di tipo Z Qh ∇uh · ∇vh dΩ, Q > 0 Ω equivale ad aggiungere il termine di diffusione artificiale −Qh4u al problema di partenza. Si ottiene il metodo di diffusione artificiale upwind. La diffusione viene introdotta in tutte le direzioni e non in quella del campo b; si può aggiungere un termine di stabilizzazione di tipo ∂u −Qhdiv[(b · ∇u)b] = −Qhdiv b , Q = |b|−1 ∂b nel problema di Galerkin si aggiunge il termine: bh (uh , vh ) = Qh(b · ∇uh , b · ∇vh ) = Qh ∂uh ∂vh , ∂b ∂b ANALISI NUMERICA – p.22/32 DIFFUSIONE-TRASPORTO 2D Il problema discreto diventa: trovare uh ∈ Vh t.c. ah (uh , vh ) = Fh (vh ), ∀vh ∈ Vh dove ah (uh , vh ) = a(uh , vh ) + bh (uh , vh ), Fh (vh ) = F (vh ) si ottiene il metodo stabilizzato streamline diffusion in quanto si aggiunge un termine proporzionale alla derivata seconda in direzione del campo b (dall’inglese streamline); anche in questo caso l’accuratezza è solo O(h) ANALISI NUMERICA – p.23/32 DIFFUSIONE-TRASPORTO 2D Galerkin generalizzato: consistenza ed errore di troncamento Definiamo errore di troncamento la differenza tra il primo e il secondo termine quando si sostituisce la soluzione esatta u: τh (u; vh ) = ah (u, vh ) − Fh (vh ) Diremo che il metodo di Galerkin generalizzato è consistente se l’errore di troncamento tende a zero quando h tende a zero: lim τh (u; vh ) = 0, ∀vh ∈ Vh h→0 fortemente consistente se l’errore di troncamento è nullo per ogni valore di h: τh (u; vh ) = 0, ∀vh ∈ Vh il metodo di Galerkin è fortemente consistente: τh (u; vh ) = a(u, vh ) − F (vh ) = 0, ∀vh ∈ Vh il metodo di Galerkin generalizzato è in generale solo consistente solo se a − ah e F − Fh tendono a 0 per h che tende a 0. ANALISI NUMERICA – p.24/32 DIFFUSIONE-TRASPORTO 2D Galerkin generalizzato: consistenza ed errore di troncamento Per i metodi di diffusione artificiale di tipo upwind e streamline-diffusion si ha τh (u; vh ) = = ah (u, vh ) − F (vh ) = ah (u, vh ) − a(u, vh ) Qh(∇u, ∇vh ), Qh ∂u , ∂vh , ∂b ∂b upwind; streamline-diffusion. sono consistenti ma non fortemente consistenti cercheremo di costruire metodi fortemente consistenti ANALISI NUMERICA – p.25/32 DIFFUSIONE-TRASPORTO 2D Alcune definizioni preliminari Un operatore L : V → V con V ⊂ L2 (Ω) si dice rispetto al prodotto scalare di L2 (Ω) simmetrico se (Lu, v) = (u, Lv), ∀u, v ∈ V antisimmetrico se (Lu, v) = −(u, Lv), ∀u, v ∈ V Un generico operatore ellittico L può essere scomposto nella somma tra la sua parte simmetrica LS e la sua parte antisimmetrica LSS Lu = LS u + LSS u ad esempio se Lu = −ε∆u + div(bu) + σu div(bu) = = 1 div(bu) + 2 1 div(bu) + 2 1 div(bu) 2 1 1 udiv(b) + b · ∇u 2 2 ANALISI NUMERICA – p.26/32 DIFFUSIONE-TRASPORTO 2D Alcune definizioni preliminari possiamo riscrivere l’operatore come Lu = 1 1 −ε∆u + σ + div(b) u + [div(bu) + b · ∇u] 2 2 = LS u + LSS u il coefficiente di reazione è diventato σ ∗ = σ + 12 div(b) (LS u, v) = = (LSS u, v) = = = −ε(∆u, v) + (σ ∗ u, v) = ε(∇u, ∇v) + (σ ∗ u, v) −ε(u, ∆v) + (u, σ ∗ v) = (u, LS v) 1 1 (div(bu), v) + (b · ∇u, v) 2 2 1 1 − (bu, ∇v) + (∇u, bv) 2 2 1 1 − (bu, ∇v) − (u, div(bv)) = −(u, LSS v) 2 2 ANALISI NUMERICA – p.27/32 DIFFUSIONE-TRASPORTO 2D Metodi fortemente consitenti: GLS , SUPG , DW Dato un problema di reazione-trasporto-diffusione Lu = f , in Ω con condizioni di Dirichlet omogenee su tutto il bordo; Consideriamo la forma debole trovare u ∈ V = H01 (Ω) tale che a(u, v) = F (v), ∀v ∈ V si ottiene un metodo stabilizzato fortemente consistente considerando il seguente problema trovare uh ∈ Vh t.c. a(uh , vh ) + Lh (uh , vh ) = F (vh ), ∀vh ∈ Vh scegliendo Lh tale che una possibile scelta: Lh (u, vh ) = 0, ∀vh ∈ Vh (ρ) Lh (uh , vh ) = X K∈Th (ρ) δ(Luh − f, SK (vh ))L2 (K) ANALISI NUMERICA – p.28/32 DIFFUSIONE-TRASPORTO 2D Metodi fortemente consistenti: GLS , SUPG , DW (ρ) Lh (uh , vh ) = X K∈Th (ρ) δ(Luh − f, SK (vh ))L2 (K) ρ e δ sono parametri da specificare e (ρ) SK (vh ) = hK [LSS vh + ρLS vh ] |b| (ρ) essendo Lu − f = 0 si ha Lh (u, vh ) = 0 per cui τh (u; vh ) = a(u, vh ) − F (vh ) = 0 e quindi il metodo risulta fortemente consistente; alcuni esempi più comuni: ρ = 1: Galerkin Least-Squares (GLS) ρ = 0: Streamline Upwind Petrov-Galerkin (SUPG) ρ = −1: Douglas-Wang (DW) ANALISI NUMERICA – p.29/32 DIFFUSIONE-TRASPORTO 2D Metodi fortemente consistenti: GLS , SUPG , DW (ρ) Lh (uh , vh ) X = K∈Th (ρ) δ(Luh − f, SK (vh ))L2 (K) ρ = 1: Galerkin Least-Squares (GLS) (1) SK (vh ) = hK Lvh |b| prendendo vh = uh , il termine aggiunto in ogni triangolo è proporzionale a R 2 K (Luh ) dK e quindi si tratta di un metodo ai minimi quadrati ρ = 0: Streamline Upwind Petrov-Galerkin (SUPG) (0) SK (vh ) = ρ = −1: Douglas-Wang (DW) (−1) SK (vh ) = hK LSS vh |b| hK (LSS − LS ) vh |b| ANALISI NUMERICA – p.30/32 DIFFUSIONE-TRASPORTO 2D Metodi fortemente consistenti: GLS , SUPG , DW: analisi (ρ) Lh (uh , vh ) = X K∈Th (ρ) δ(Luh − f, SK (vh ))L2 (K) Definiamo una norma dipendente da ρ: 1 2 X √ (ρ) kvk(ρ) = εk∇vk2L2 (Ω) + k γvk2L2 (Ω) + δ (LSS + ρLS )v, SK (v) 2 L (K) K∈Th dove γ è una costante positiva tale che − 12 div(b) + σ ≥ γ > 0. Disuguaglianza di stabilità: ∃α∗ (γ) : kuh k(ρ) ≤ C kf kL2 (Ω) α∗ Stima dell’errore ku − uh k(ρ) ≤ Chr+1/2 |u|H r+1 (Ω) l’ordine di accuratezza cresce all’aumentare del grado r dei polinomi utilizzati come per il metodo di Galerkin ANALISI NUMERICA – p.31/32 DIFFUSIONE-TRASPORTO 2D Metodi fortemente consistenti: GLS , SUPG , DW: analisi Lh (uh , vh ) (ρ) = X K∈Th (ρ) δ(Luh − f, SK (vh ))L2 (K) Nella pratica la scelta del parametro δ (parametro di stabilizzazione) risulta di fondamentale importanza: misura quanta viscosità artificiale viene introdotta. Studi teorici mostrano intervalli di valori ammissibili per tale parametro SUPG 0 < δ < 1/C0 GLS 0<δ DW 0 < δ < 1/(2C0 ) C0 è la costante della seguente disuguaglianza inversa X K∈Th h2K Z K |∆vh |2 dK ≤ C0 k∇vh k2L2 (Ω) , ∀ vh ∈ Xhr ANALISI NUMERICA – p.32/32