Pb. DiffusioneTrasporto 2D - Dipartimento di Matematica, Tor Vergata
Transcript
Pb. DiffusioneTrasporto 2D - Dipartimento di Matematica, Tor Vergata
TECNICHE COMPUTAZIONALI AVANZATE Francesca Pelosi e Salvatore Filippone Università di Roma “Tor Vergata” Problemi di diffusione, trasporto, reazione 2D http://www.mat.uniroma2.it/∼pelosi/ TECNICHE COMPUTAZIONALI AVANZATE – p.1/16 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} TECNICHE COMPUTAZIONALI AVANZATE – p.2/16 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 TECNICHE COMPUTAZIONALI AVANZATE – p.3/16 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) TECNICHE COMPUTAZIONALI AVANZATE – p.4/16 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 TECNICHE COMPUTAZIONALI AVANZATE – p.5/16 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 TECNICHE COMPUTAZIONALI AVANZATE – p.6/16 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) TECNICHE COMPUTAZIONALI AVANZATE – p.7/16 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. TECNICHE COMPUTAZIONALI AVANZATE – p.8/16 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 TECNICHE COMPUTAZIONALI AVANZATE – p.9/16 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 TECNICHE COMPUTAZIONALI AVANZATE – p.10/16 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 TECNICHE COMPUTAZIONALI AVANZATE – p.11/16 DIFFUSIONE-TRASPORTO 2D Metodi fortemente consitenti: GLS , SUPG , DW Dato un problema di reazione-trasporto-diffusione Lu = f , in Ω con codizioni 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) TECNICHE COMPUTAZIONALI AVANZATE – p.12/16 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) TECNICHE COMPUTAZIONALI AVANZATE – p.13/16 DIFFUSIONE-TRASPORTO 2D Metodi fortemente consitenti: 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| TECNICHE COMPUTAZIONALI AVANZATE – p.14/16 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 TECNICHE COMPUTAZIONALI AVANZATE – p.15/16 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 TECNICHE COMPUTAZIONALI AVANZATE – p.16/16