T Uce 0011 5 PDF
T Uce 0011 5 PDF
T Uce 0011 5 PDF
ECUADOR
QUITO-ECUADOR
2014
i
DEDICATORIA
A mis padres por ser el pilar fundamental en todo lo que soy, en toda mi edu-
cación, tanto académica, como de la vida, por su incondicional apoyo perfectamente
mantenido a través del tiempo.
¡Gracias a ustedes!
A mis maestros: Dr. Hernán Benalcázar por su gran apoyo y motivación para
la culminación de mis estudios profesionales y para la elaboración de esta tesis;
Msc.Guillermo Albuja por su tiempo compartido y su invalorable ayuda en asesorías
y dudas presentadas en la elaboración de la tesis; Msc. Eduardo Dávila por su apoyo
ofrecido en este trabajo.
ii
AGRADECIMIENTO
iii
iv
v
vi
vii
viii
CONTENIDO
1.2.1. Geológicos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.2.2. Climatológicos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.2.4. Pozos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
ix
2.2.5. Teorema (de Green-Gauss) . . . . . . . . . . . . . . . . . . . . . . . . . 31
2.3.1. Aplicaciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
3.1. Resumen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60
x
3.6. Espacios Lp ( ) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
3.7.1. De…niciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
3.7.2. El espacio D0 ( ) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70
1
3.8.2. Dual H ( ) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74
xi
4.3.3. Existencia de la solución de (Pd ) . . . . . . . . . . . . . . . . . . . . . 83
4.4. Discretización . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 88
xii
Lista de …guras
Figura 7. Triángulos de . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87
xiii
Figura 15. Solución grá…ca Ch . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 111
xiv
Lista de tablas
xv
Resumen
MODELO MATEMÁTICO, NUMÉRICO Y COMPUTACIONAL
PARA LA CONTAMINACIÓN DE AGUAS SUBTERRÁNEAS
SUBTERRÁNEAS/MODELO MATEMÁTICO/
xvi
Summary
MATHEMATICAL, NUMERICAL AND COMPUTATIONAL MODEL
FOR CONTAMINATION OF UNDERGROUND WATER
The present document shows the study of the mathematical model of groundwa-
ter pollution. This model is based on a linear partial di¤erential equation of parabolic
type, called convection-di¤usion equation.
In chapter II we obtain the balance equation of matter with its initial and bound-
ary conditions, later a model simpli…cation and the exact solutions.
In chapter IV we make the analysis of the model with respect to the existence,
uniqueness and convergence of the solution, we also study the spatial discretization
( …nite elements method) and temporal ( Cranck-Nicholson method).
WATER/MATHEMATICAL MODEL/
xvii
xviii
xix
INTRODUCCIÓN
OBJETIVOS
1
3. Desarrollar un programa computacional que simule el movimiento y la
evolución de los contaminantes en un acuífero en base a resultados de la
mecánica de medios continuos.
FUNDAMENTACIÓN
!
dc
dt
div(Drc) + V rc + rc = f sobre ]0; T [;
2
r reacciones químicas del contaminante con el subsuelo (conocida), f in…ltración
del contaminante en el acuífero (función dada), t variable temporal, c concentración
del contaminante en el acuífero (función incógnita) ([8], pág 29).
dc(x;y;t)
dn
= (x; y; t) 8(x; y; t) 2 n [0; T ];
dadas.
3
Las soluciones analíticas han probado ser de mucha importancia para el estudio
de los procesos de transporte de contaminantes en aguas subterráneas. Reescribiendo
!
dc
la ecuación como dt
=D c V rc , y considerando las siguientes condiciones
iniciales y de borde : c(x; y; t) = (x; y; t) 8(x; y; t) 2 d [0; T ] , c(x; y; t0 ) = 0
8(x; y) 2 , es posible obtener una solución exacta de la ecuación de convección-
difusión para una fuente continua, que se conoce como ecuación de Ogata-Banks
(1961) ([15], pág 6-11).
CONVERGENCIA
4
Capítulo 1
Las diferentes formaciones geológicas poseen ciertas propiedades que son de…niti-
vas para constituir buenos acuíferos, los cuales se de…nen como toda una formación
geológica que contiene agua y permite su circulación por los poros y las grietas, y
5
Capítulo 1. Modelos Físicos de Contaminación de Aguas Subterráneas
El nivel freático de…ne el límite de saturación del acuífero libre y coincide con la
super…cie piezométrica. Su posición no es …ja sino que varía en función de las épocas
secas o lluviosas. Si se perfora total o parcialmente la formación acuífera, la super…cie
obtenida por los niveles de agua de cada pozo forma una super…cie real: super…cie
freática o piezométrica, que coinciden.
En estos acuíferos, el agua está sometida, en general, a una presión mayor que la
atmosférica y al perforar un pozo en ellos, el agua se eleva por encima de la parte
superior (techo) del acuífero hasta un nivel que se denomina nivel piezométrico. La
super…cie imaginaria que representa la carga piezométrica en los distintos puntos
del acuífero se conoce como super…cie piezométrica. En algunos casos, la super…cie
6
Capítulo 1. Modelos Físicos de Contaminación de Aguas Subterráneas
piezométrica puede estar por encima del nivel del terreno natural, por lo que un pozo
perforado en el lugar ‡uirá solo, como si fuera un manantial.
Acuíferos monocapa.- son aquellos acuíferos con una sola capa de agua sub-
terránea.
1.2.1. Geológicos
Las diferentes formaciones poseen ciertas propiedades que son de…nitivas para
poder constituir buenos acuíferos. Estas propiedades son el coe…ciente de almace-
7
Capítulo 1. Modelos Físicos de Contaminación de Aguas Subterráneas
Coe…ciente de almacenamiento
1
Acuíferos libres: 3 10 a 10 2 .
3
Acuíferos semicon…nados: 10 a 10 4 .
5
Acuíferos con…nados: 10 a 10 6 .
Porosidad
8
Capítulo 1. Modelos Físicos de Contaminación de Aguas Subterráneas
Permeabilidad
Permeables
Impermeables
9
Capítulo 1. Modelos Físicos de Contaminación de Aguas Subterráneas
Transmisividad
Este parámetro hidráulico del acuífero puede ser determinado mediante bombeos
de ensayo. Para ello se necesitan dos puntos de observación, dos sondeos que estén
abiertos en el mismo acuífero que se está bombeando; se miden las distancias y los
descensos, y conocido el caudal de bombeo se despeja la transmisividad, de acuerdo
con la fórmula de Theis (1935) ([8], pág 49).
Potencial hidráulico
Hubbert (1940) de…ne potencial como el parámetro físico, capaz de ser medido en
cada punto en un sistema de ‡ujo, cuyas características son tales que el ‡ujo ocurre
siempre desde las regiones con valores más altos hasta los que tienen valores más
bajos, sin importar la dirección en espacio ([8], pág 50).
1.2.2. Climatológicos
10
Capítulo 1. Modelos Físicos de Contaminación de Aguas Subterráneas
nantes desde la super…cie del suelo hasta los acuíferos. Entre las consideraciones más
relevantes se encuentran:
Pluviosidad
Temperatura
11
Capítulo 1. Modelos Físicos de Contaminación de Aguas Subterráneas
al agua para pasar a través de él. La vegetación puede facilitar la in…ltración aún en
los suelos más duros y arcillosos.
Evapotranspiración
12
Capítulo 1. Modelos Físicos de Contaminación de Aguas Subterráneas
13
Capítulo 1. Modelos Físicos de Contaminación de Aguas Subterráneas
Coe…ciente de cultivo
Evapotranspiración real
14
Capítulo 1. Modelos Físicos de Contaminación de Aguas Subterráneas
estructura de las raíces en ella, la generación de fuerzas de succión desde las ca-
pas superiores de secado, la presencia de niveles freáticos someros, etc. ([8], pág 54).
15
Capítulo 1. Modelos Físicos de Contaminación de Aguas Subterráneas
Según Custodio y Llamas (1976), los métodos de Coutagne y de Turc son los más
utilizados para determinar la ETR. Según el método de Turc la Evapotranspiración
Real se puede calcular por la ecuación siguiente
P
ETR = r 2
,
0;9+ P 2
L
Coe…ciente de in…ltración
16
Capítulo 1. Modelos Físicos de Contaminación de Aguas Subterráneas
EH = P –ETR
EH = I + ES
I
I = EH
17
Capítulo 1. Modelos Físicos de Contaminación de Aguas Subterráneas
1.2.4. Pozos
Pozos de bombeo
Los pozos de bombeo son aquellos empleados para la extracción de agua de los
acuíferos para asentamientos urbanos, usos industriales y fundamentalmente para
regadío. Una aplicación adicional de este tipo de pozos es el bombeo de ensayo (tam-
bién conocido como ensayo de bombeo), el cual se realiza para medir los parámetros
hidráulicos del acuífero, en régimen variable determina la transmisividad y el coe…-
ciente de almacenamiento y en el caso de régimen permanente solo la transmisividad.
Pozos de recarga
18
Capítulo 1. Modelos Físicos de Contaminación de Aguas Subterráneas
19
Capítulo 1. Modelos Físicos de Contaminación de Aguas Subterráneas
Las tierras labradas se clasi…can en dos grupos, según soporten cultivos herbáceos
o leñosos que, a su vez pueden ser, en ambos casos, de secano o regadío.
Cultivos leñosos: son cultivos que ocupan el terreno durante largos periodos y
no necesitan ser replantados después de cada cosecha. Incluye tierras ocupadas por
árboles frutales y árboles de fruto seco, etc., pero excluye la tierra dedicada a árboles
para la producción de leña o madera.
Los tipos de cultivo, según les baste con el agua de lluvia o además necesiten
regarse se clasi…can en:
Cultivos de secano: no necesitan riego arti…cial sino que les basta con el agua
de lluvia, como los cereales, el trigo, la cebada y árboles frutales.
Abonado recomendado
Entre los tipos de fertilizantes más utilizados se encuentran los derivados nitro-
genados; la forma de nitrógeno predominante en el suelo es el N-orgánico, el cual
20
Capítulo 1. Modelos Físicos de Contaminación de Aguas Subterráneas
no está a disposición de las plantas ya que éstas sólo pueden absorber tal elemento
en la forma nítrica y en menor grado en la amoniacal: el NH3 (amoníaco), el NH+
4
(ion amonio) o el NO3 (ion nitrato) aportados con los fertilizantes minerales, el NH3
(amoníaco) o el NH+
4 (ion amonio) generados a partir de la mineralización de la ma-
teria orgánica y el NO3 (ion nitrato) que se origina con la nitri…cación de las formas
amoniacales.
Las plantas absorben el nitrógeno bajo las formas nítrica y amoniacal, como se
ha comentado en el párrafo anterior. El hecho de que la absorción en forma nítrica
sea la predominante en la mayoría de los suelos se debe, seguramente, a una mayor
disponibilidad en el suelo. Las bajas temperaturas o un pH bajo favorecen la absor-
ción amoniacal. En climas de mucha pluviosidad, en donde las pérdidas de nitratos
por lixiviación son muy importantes, la absorción del nitrógeno amoniacal predomina
sobre la del nítrico.
A pesar de este ciclo, el Nitrógeno suele ser uno de los elementos que escasean y
21
Capítulo 1. Modelos Físicos de Contaminación de Aguas Subterráneas
Prácticas de abonado
Entre las fuentes que contribuyen a la contaminación difusa de las aguas, la más
importante actualmente es la aplicación excesiva o inadecuada de los fertilizantes
nitrogenados en la agricultura. Entendiendo por contaminación difusa por nitrato, el
vertido indiscriminado de ión NO3 (ion nitrato) en el suelo y consecuentemente en
el agua, hasta alcanzar los 50 mg/l de concentración máxima admisible establecida.
22
Capítulo 1. Modelos Físicos de Contaminación de Aguas Subterráneas
Abonos inorgánicos: Se entiende por abono mineral todo producto cuya fun-
ción principal es proporcionar elementos nutrientes a las plantas, obtenido mediante
extracción o mediante procedimientos industriales de carácter físico o químico, cuyos
nutrientes declarados se presentan en forma mineral.
Los abonos minerales más comunes son: abonos nítricos (de acción rápida),
abonos amoniacales (de acción lenta), abonos nítrico - amoniacales (combinan la
acción de amoniacales y nítricos), abonos ureicos (de acción lenta), y abonos de
liberación lenta ([8], pág 63) .
23
Capítulo 1. Modelos Físicos de Contaminación de Aguas Subterráneas
especial importancia pues aquellos con fuerte demanda de nitrógeno disminuyen los
riesgos de lixiviación; también incide el periodo de crecimiento de las plantas, el
desarrollo radicular y los residuos que quedan después de las cosechas. La cantidad
de materia orgánica presente es primordial como fuente de energía para la biomasa
que interviene en el ciclo del nitrógeno (mineralización, nitri…cación, inmovilización
y desnitri…cación).
Los principales mecanismos de llegada del contaminante nitrato son los de propa-
gación a partir del suelo que incluyen los casos de arrastres de contaminantes desde
la super…cie del terreno por las aguas de in…ltración (vertidos con contenido nítrico
sobre el terreno, uso de fertilizantes, etc.), y los de in…ltración de las aguas super…-
ciales contaminadas desde los ríos, acequias, etc., provocadas por la acción humana;
y los de propagación desde la zona no saturada cuyos ejemplos más típicos son los sis-
temas de tratamiento de aguas residuales domésticas y de embalsamiento super…cial
de residuos líquidos de procedencia nítrica.
24
Capítulo 2
Modelos Matemáticos de
In…ltración
2.1. Resumen
25
Capítulo 2. Modelos Matemáticos de In…ltración
! P
n
x !
y = xi yi :
i=1
r
P
n
k!
x k= x2i :
i=1
!x !
cos( ) = k!
y
x kk!yk
; k!
x k6= 0; k !
y k6= 0; donde 0 ;
26
Capítulo 2. Modelos Matemáticos de In…ltración
se tiene que si 0 2
o si 3
2
2 entonces !
x !
y 0, y si 2
3
2
entonces !x ! y 0:
Dos vectores !
x;!y de Rn son ortogonales si su producto escalar es nulo es decir,
si !
x !y = 0 y se nota !
x ?!y:
rf (x1 ; :::; xn ) = rf (!
x)= @f !
@x1
( x ); :::; @f !
@xn
(x) :
!
Sea un subconjunto de Rn abierto (n 2), F un campo vectorial diferenciable
!
en !
x 2 , existen f1; f2 ; :::; fn campos escalares diferenciables en !
x tal que F =
Pn ! !
fi e i : La divergencia de F se de…ne como
i=1
! P
n
@fi @f1 @fn
div( F ) = @xi
= @x1
+ ::: + @xn
i=1
! ! P
n
@ !
En algunos libros la divergencia de F se denota con r F cuando r = e :
@xi i
i=1
n
Sea un dominio acotado de R y g : ! R un campo escalar que posee
!
segundas derivadas parciales en todo punto de . Si F = rg; entonces
! P
n
@ @g @ @g @ @g
div( F ) = div(rg) = @xi @xi
= @x1 @x1
+ ::: + @xn @xn
i=1
que se denomina laplaciano de g y se le nota con g; donde es el operador de
Laplace; es decir
P
n
@2g @2g @2g
g= @x2i
= @x21
+ ::: + @x2n
:
i=1
27
Capítulo 2. Modelos Matemáticos de In…ltración
!
Sea I un intervalo abierto de R: Una función vectorial de I en Rn la no-
! !
taremos = ( 1 ; :::; n) donde 1 ; :::; n son funciones reales y para t 2 I; =
( 1 (t); :::; n (t)):
!0 0 0
(t) = ( 1 (t); :::; n (t)):
!0
La derivada (t)se interpreta geométricamente como el vector tangente a la curva
!
en el punto (t); t 2 I:
!
Si 1 ; :::; n son integrables en [a; b] I; la integral de la función vectorial se
de…ne como
Rb ! Rb Rb
(t)dt = 1 (t)dt; :::; n (t)dt :
a a a
!
Sea un dominio de Rn ; I = [a; b] un intervalo de R; : I ! Rn una función
!
vectorial derivable en ]a; b[ con su recorrido tal que : Sea F : ! Rn un
!
campo vectorial de…nido en : La integral de linea de F a lo largo de se de…ne
como
R ! Rb ! ! !0
F d = F ( (t)) (t)dt;
a
28
Capítulo 2. Modelos Matemáticos de In…ltración
!
Sea un dominio acotado de R3 con su frontera, = [ yF : ! R3 un
! ! !
campo vectorial tal que div(F ) integrable en y F n integrable sobre : Entonces
se tiene
R ! R ! !
div(F )dx = F nds;
! ! !
@f1 @f2 @f3
donde F = (f1 ; f2 ; f3 ); div(F ) = @x1
+ @x2
+ @x3
y n es el vector normal exterior
a : Note que la integral del lado izquierdo es una integral triple y la integral del
lado derecho es una integral de super…cie.
!
Sea x0 2 y n(x0 ) el vector normal exterior a en x0 : Sea 2 [0; ] el ángulo
! ! ! !
que forman F (x0 ) y n(x0 ): Entonces F (x0 ) n(x0 ) 0 si 2 0; 2
, en cuyo
!
caso F (x0 ) está dirigido hacia el exterior de y signi…ca que existe salida de ‡ujo a
! ! !
través de la frontera ; F (x0 ) n(x0 ) 0 si 2 2
; es decir F (x0 ) está dirigido
hacia el interior dey signi…ca que ingresa ‡ujo a través de : La integral del primer
R! !
miembro representa el ‡ujo acumulado en el dominio y la integral de linea F nds
29
Capítulo 2. Modelos Matemáticos de In…ltración
!
representa la circulación de F a lo largo de :
!
Si F = rg; entonces
R ! R R
div(F )dx = div(rg)dx = gdx;
luego
R R !
gdx = rg nds:
!
El término rg n se llama derivada normal de g con respecto a la normal en
@g
y se le nota con @n
; esto es,
@g !
@n
= rg n:
R
f (x)dx = 0;
A
f (x) = 0; ctp de :
medida nula.
30
Capítulo 2. Modelos Matemáticos de In…ltración
R ! R ! R ! !
'div(F )dx + r' F dx = 'F nds
@f
en [a; b] [c; d] tal que @t
(x; t) integrable en [a; b] : Sea g una función de…nida
en [c; d] como
Ra
g(t) = f (x; t)dx; t 2 [c; d]
b
d
Ra Ra @f
g0(t) = dt
f (x; t)dx = @t
(x; t)dx; t 2 [c; d]
b b
análogamente si R3 se tiene
R
g(t) = f (x; t)dx; (x; t) 2 [c; d]
entonces
d
R R @f
g0(t) = dt
f (x; t)dx = @t
(x; t)dx; (x; t) 2 [c; d]
31
Capítulo 2. Modelos Matemáticos de In…ltración
d
R R @f
R ! !
dt
f (x; y; z; t)dxdydz = @t
(x; y; z; t)dxdydz + f (x; y; z; t) v (x; y; z; t) nds
(t) (t) (t)
m
en m3 como m = V
; donde V es el volumen ocupado por la masa m:
32
Capítulo 2. Modelos Matemáticos de In…ltración
m dm
(x; t) = l m V
= dV
:
V !0
volumen elemental se veri…ca la relación dm(t) = (x; t)dV que nos permite
de…nir
R
m(t) = (x; t)dx; 8 x 2 (t) :
(t)
dm(t) d
R
dt
= dt
(x; t)dx:
(t)
se transf orma”, para todo volumen individual establece que m = cte; o bien
dm
dt
=0
dm(t) d
R
dt
= dt
(x; t)dx = 0:
(t)
precedente; tenemos
d
R R @
R ! !
dt
(x; t)dx = @t
dx + v nds = 0;
(t) (t) (t)
33
Capítulo 2. Modelos Matemáticos de In…ltración
de Gauss se tiene
R @ !
@t
+ div( v ) dx = 0
(t)
@ !
@t
+ div( v ) = 0; ctp de :
!
Observación: Si en vez de se considera la concentración c y c(x; t) v (x; t)
!
Q(x; t) = c(x; t) v (x; t)
@c !
@t
(x; t) + div(c v ) = 0;
@c
@t
(x; t) + div( D(x; t)rc(x; t)) = 0;
@c
@t
(x; t) div(D(x; t)rc(x; t)) = 0; 8 (x; t) 2 [T1 ; T2 ] :
34
Capítulo 2. Modelos Matemáticos de In…ltración
R
Consideramos g(t) = (x; t)dx; t 0:
(t)
R
Con frecuencia g 0 (t) = q(x; t)dx; luego
(t)
R @ !
@t
+ div( v ) q dx = 0
(t)
de donde
@ !
@t
+ div( v ) q = 0; ctp de :
@ !
@t
+ div( v ) = 0: (1)
@
el proceso, es decir si @t
' 0; luego la ecuación de continuidad se reduce a
!
div( v ) = 0; (2)
!
div( v ) = 0;
o bien
!
r v = 0 sobre :
35
Capítulo 2. Modelos Matemáticos de In…ltración
!
Por lo tanto un ‡uido es incompresible si div( v ) = 0:
@
Si q 6= 0 y @t
' 0; se tiene ‡ujo incompresible con fuente q; esto es
!
div( v ) = q sobre : (3)
Las ecuaciones anteriores (1); (2) y (3) se complementan con las condiciones
R
K(t) = c(x; t)dx; t > 0:
(t)
36
Capítulo 2. Modelos Matemáticos de In…ltración
R ! ! R ! ! R !
(t) = ' n ds = c v n ds = div(c v )dx.
(t) (t) (t)
cerrado.
Notamos con
(x; y; z) 2 (t);
37
Capítulo 2. Modelos Matemáticos de In…ltración
pozo (salida).
! !
q =q n:
fuentes de volumen.
@K(t)
dK(t) = @t
dt = Q dt Q dt (t)dt
luego
@
R R ! ! R R
@t
c(x; t)dx + c v n ds = q (x; t)dx q (s; t)ds
(t) (t) (t) (t)
tiene
R @c
R ! R R !
@t
(x; t)dx + div(c v ) dx = q (x; t)dx div(q )dx
38
Capítulo 2. Modelos Matemáticos de In…ltración
@
R R @c !
@t
c(x; t)dx = @t
(x; t) + div(c v ) dx;
(t) (t)
luego
R @c ! R ! R R !
@t
(x; t) + div(c v ) dx + div(c v )dx = q (x; t)dx div(q )dx
(t) (t) (t) (t)
de donde
R @c ! R !
@t
(x; t) + div(c v T ) dx = q (x; t) div(q ) dx
(t) (t)
! ! !
con v T = v + v :
@c ! !
@t
(x; t) + div(c v T ) = q (x; t) div(q )
donde
39
Capítulo 2. Modelos Matemáticos de In…ltración
2.3.1. Aplicaciones
@ ! !
@t
(x; t) + div( v ) = q (x; t) div(q ):
@ !
@t
(x; t) + div( v ) = 0;
R @ ! R !
@t
( A + B) + div(( A + B) v ) dx = (qI;A + qI;B ) div(qs ) dx
(t) (t)
R @ A ! R !
@t
+ div( Av) dx = qI;A div(qs ) dx
(t) (t)
@ A ! !
@t
+ div( Av) = qI;A div(qs )
40
Capítulo 2. Modelos Matemáticos de In…ltración
@cA ! !
@t
+ div(cA v ) = qI;A div(qs )
!
donde qs = D(cA )rcA y D(cA ) es la constante de difusión (dispersión) de Fick.
!
El término div(cA v ) se interpreta como el transporte advectivo.
@cA !
@t
+ div(cA v ) div(D(cA )rcA ) = qI;A
local químico.
! ! ! ! !
Si qs = q s;dif + q s;quim con q s;dif = D(cA )rcA y q s;quim = d rcA ; se tiene
@cA !
@t
+ div(cA v ) div(D(cA )rcA ) div(d rcA ) = qI;A
@cA !
@t
+ div(cA v ) div(D(cA )rcA ) d cA = qI;A :
0< 1) se obtiene
@cA !
@t
div(D(cA )rcA ) + div(cA v ) + dad cA = f:
!
Si = 1; v constante, r = dad y D = D(cA ); se tiene
@cA !
@t
div(DrcA ) + v rcA + rcA = f:
41
Capítulo 2. Modelos Matemáticos de In…ltración
Se supone, en primer lugar, que el medio geológico real, compuesto por granos
entre los que existen poros, micro y macro …suras, puede ser representado mediante
una idealización del mismo como un medio continuo con una serie de propiedades,
de…nidas por sus valores medios en los volúmenes elementales.
Para este estudio se descartan los mecanismos no conservativos, como los que
pueden darse en el caso de contaminantes radiactivos por desintegración o …liación.
En cuanto a los mecanismos de transporte conservativos, son aquellos que respetan la
conservación de la masa de una sustancia en el transcurso del transporte. A nivel mi-
croscópico de un medio poroso, hay dos procesos básicos de transporte conservativos:
convección y difusión molecular.
42
Capítulo 2. Modelos Matemáticos de In…ltración
Jx = Drc;
43
Capítulo 2. Modelos Matemáticos de In…ltración
donde
44
Capítulo 2. Modelos Matemáticos de In…ltración
!
v = Krh;
donde
!
v es la velocidad de Darcy o volumen de agua que circula a través de una
k g
K= ;
45
Capítulo 2. Modelos Matemáticos de In…ltración
@c
@t
+ div(j) + rc = f;
46
Capítulo 2. Modelos Matemáticos de In…ltración
j = jd + ja ;
jd = Drc:
ja = !
v c:
j= Drc + !
v c:
@c !
@t
div(Drc) + v rc + rc = f .
@c !
@t
div(Drc) + v rc + rc = f; sobre ]0; T [;
47
Capítulo 2. Modelos Matemáticos de In…ltración
48
Capítulo 2. Modelos Matemáticos de In…ltración
condición de Dirichlet la zona de contacto del acuífero con un río o lago cuyo nivel
de contaminación no sea directamente dependiente de la contaminación del acuífero.
La condición en la frontera tipo Dirichlet se formula como
@c(x;y;t)
@n
= (x; y; t) 8(x; y; t) 2 n [0; T ] :
Las soluciones analíticas han probado ser de mucha importancia para el estudio
de los procesos de transporte de contaminantes en aguas subterráneas. La forma más
compleja de la ecuación de convección-difusión capaz de ser solucionada en forma
analítica incluye 3 componentes de difusividad, una velocidad advectiva constante,
y un término cinético, y se expresa como
@c @c @c @c @c
@t
= Dx @x2
+ Dy @y 2 + Dz @z 2 vx @x ,
49
Capítulo 2. Modelos Matemáticos de In…ltración
c(x; y; z; t)
c0
=
1 (x vt) y+ Y2 y Y
z+Z z Z
8
erfc 1 erf 1 erf 2
1 erf 1 erf 1
2(Dt) 2 2( y x) 2 2( y x) 2 2( z x) 2 2( z x) 2
c(x; y; z; t)
c0
=
1 (x vt) y+ Y2 y Y
z+Z z Z
8
erfc 1 erf 1 erf 2
1 erf 1 erf 1
2( x vt) 2 2( y x) 2 2( y x) 2 2( z x) 2 2( z x) 2
50
Capítulo 2. Modelos Matemáticos de In…ltración
h i
c0 V0 (x vt)2 y2 z2
c(x; y; z; t) = 3 1 exp 4Dx t 4Dy t 4Dz t
t :
8( t) 2 (Dx Dy Dz ) 2
complementario. Valores para erfc( ) y erf( ) (o función del error de ) para varios
valores del argumento se presentan en la tabla 2 ([15], págs 8-11 ).
51
Capítulo 2. Modelos Matemáticos de In…ltración
erf( ) erfc( )
0 0 1.0
0.1 0.11246 0.88754
0.2 0.22270 0.77730
0.3 0.32863 0.67137
0.4 0.42839 0.571608
0.5 0.52050 0.47950
0.6 0.60386 0.39614
0.7 0.67780 0.322120
0.8 0.74210 0.25790
0.9 0.79691 0.20309
1.0 0.84270 0.15730
1.1 0.88021 0.11970
1.2 0.91031 0.08969
1.3 0.93401 0.06599
1.4 0.95229 0.04772
1.5 0.96611 0.03390
1.6 0.97635 0.02365
1.7 0.98379 0.01621
1.8 0.98909 0.01091
1.9 0.99279 0.00721
2.0 0.99532 0.00468
52
Capítulo 2. Modelos Matemáticos de In…ltración
Zx
t2
2.6.1. Discretización de la función erf(x)= p2 e dt:
0
Zx
t2
erf(x)= p2 e dt; (1.1)
0
función que involucra una integral que no puede ser expresada mediante cuadratu-
ras, la discretización de la función lo haremos utilizando series de potencias.
Sabemos que
X
1
zk
e = k!
; (1.2)
k=0
X
1
1)k t2k
t2 (
e = k!
; (1.3)
k=0
X
1
( 1)k t2k
erf(x)= p2 k!
; (1.4)
k=0
1 Z
X
x
( 1)k t2k
erf(x)= p2 k!
dt; (1.5)
k=0 0
X
1
( 1)k x2k+1
erf(x)= p2 k!(2k+1)
; (1.6)
k=0
53
Capítulo 2. Modelos Matemáticos de In…ltración
X
1
( 1)k x2k+1
Utilizando el criterio del cociente, se demuestra que la serie k!(2k+1)
es ab-
k=0
solutamente convergente para todo x 2 R:
Si 0 x 1
X
1
( 1)k x2k+1
X
1
jxj2k+1
X
1
1
k!(2k+1) k!(2k+1) k!(2k+1)
; (1.7)
k=0 k=0 k=0
X
1
1 1 1
sea ak = k!(2k+1)
y bk = k(k+1)
; la k(k+1)
es una serie telescópica cuya suma
k=0
es 1.
10
Utilizando la tolerancia de 10 ; tenemos
ak 10
bk
< 10 ; (1.8)
k+1 10
(k 1)!(2k+1)
< 10 , (1.9)
X
14
( 1)k x2k+1
erf(x)= p2 k!(2k+1)
; (1.10)
k=0
Notando
54
Capítulo 2. Modelos Matemáticos de In…ltración
con lo que
Si 1 x 2
X
1
1)k x2k+1
X
1
jxj2k+1
X
1 X
1
( 22k+1 4k
k!(2k+1) k!(2k+1) k!(2k+1)
=2 k!(2k+1)
; (1.14)
k=0 k=0 k=0 k=0
X
1
4k 1 1
sea ak = k!(2k+1)
y bk = k(k+1)
; la k(k+1)
es una serie telescópica cuya suma
k=0
es 1.
ak
bk
< ; (1.15)
(k+1)4k
(k 1)!(2k+1)
< , (1.16)
k+1
ln ( 2k+1 )+k ln 4 ln(k 1)! < ln ; (1.17)
dado que
la suma del área de los rectángulos inferiores se puede aproximar con la integral
de la función ln (x) en el intervalo [1, k 1].
55
Capítulo 2. Modelos Matemáticos de In…ltración
k+1
ln ( 2k+1 )+k ln 4 (k 1) ln(k 1) + k 2 < ln ; (1.20)
10
que con una tolerancia de 10 resulta un valor de k = 24; con lo que
X
24
( 1)k x2k+1
erf(x)= p2 k!(2k+1)
: (1.21)
k=0
Zx Z+1
t2 t2
erf(x)= p2 e dt = 1 p2 e dt:
0 x
Z+1
p2 t2
Para la aproximación de la integral e dt; escribimos
x
Z+1 Z+1
2
p2 t2 p2 2te t
e dt = 2t
dt; (1.22)
x x
1 1
u= 2t
=) du = 2t2
dt;
t2 t2
dv = 2te dt =) v = e ;
(1.22) se escribe
56
Capítulo 2. Modelos Matemáticos de In…ltración
2 3
Z+1 Z+1
t2 x2 t2
p2 2te
dt = p1 4e 2te
dt5 ; (1.23)
2t x 2t3
x x
1 3
u= 2t3
=) du = 2t4
dt;
t2 t2
dv = 2te dt =) v = e ;
2 3
Z+1 Z+1
2 x2 2 2
2te t 4e e x 2te t
p2
2t
dt = p1
x 2x3
+ 3
2 2t5
dt5 ; (1.24)
x x
1 5
u= 2t5
=) du = 2t6
dt;
t2 t2
dv = 2te dt =) v = e ;
2 3
Z+1 Z+1
t2 x2 x2 x2 t2
p2 2te
dt = p1 4e e
+ e 3 5 e
dt5 ;
2t x 2x3 2 2 x5 22 t6
x x
Z+1 h i
2
t2 epx ( 1)n 1 3 ::: (2n 3)
p2 e dt = 1 1
+ 3 3 5
+ ::: + + Rn (x) ;
x 2x3 2 2 x5 2 3 x7 2n 1 x2n 1
x
donde
57
Capítulo 2. Modelos Matemáticos de In…ltración
Z+1
2
( 1)n 1 3 ::: (2n 1) e t
Rn (x) = 2n 1 t2n
dt:
x
Cálculo de Pn (x)
INICIO
1
b= 4n+1
2
k = 1; 2; :::; n
6
6
6 j =n+1 k
4
1 b x
b= 4j 3
+ 2j(2j 1)
Pn (x) = b
FIN.
Cálculo de Qn (x)
INICIO
1
b= 4m+1
58
Capítulo 2. Modelos Matemáticos de In…ltración
2
k = 1; 2; :::; m
6
6
6 j =m+1 k
4
1 b x
b= 4j 1
+ 2j(2j+1)
Qn (x) = b
FIN.
59
Capítulo 3
3.1. Resumen
1. N (x) 0 8 x 2 V;
60
Capítulo 3. Resultados Fundamentales de los Espacios Funcionales
2. N (x) = 0 () x = 0;
3. N ( x) = j j N (x); 8 2 R; 8 x 2 V;
de I en V se llama sucesión en V:
De…nición Sea (un ) una sucesión en (V; k:k): Diremos que (un ) es convergente
siguiente:
De…nición Una sucesión (un ) en (V; k:k) se dice sucesión de Cauchy si veri…ca
la siguiente condición :
Teorema Toda sucesión convergente (un ) en (V; k:k) es una sucesión de Cauchy.
61
Capítulo 3. Resultados Fundamentales de los Espacios Funcionales
hx; yi llamado producto escalar de x con y y que veri…ca las siguientes pro-
piedades:
1. hx; yi = hy; xi ; 8 x; y 2 V
3. h x; yi = hx; yi ; 8 2 R; 8 x; y 2 V
4. hx; xi 0 si x 6= 0 y hx; xi = 0 () x = 0:
De…nición
8 y 2 A: Escribiremos x ? A:
si hx; yi = 0; 8 x 2 A; 8 y 2 B: Notaremos A ? B:
1
La aplicación k:k de V en R+ de…nida por kxk = hx; xi 2 es una
norma sobre V:
1
De…nición La norma k:k de V en R+ de…nida por kxk = hx; xi 2 se dice
inducida por el producto escalar. El espacio normado (V; k:k) se dice inducido
62
Capítulo 3. Resultados Fundamentales de los Espacios Funcionales
Se veri…ca que jhx; yij kxk kyk ; 8 x; y 2 V: Esta desigualdad se conoce como
T ( x + y) = T (x) + T (y) 8 ; 2 R; 8 x; y 2 V:
8 " > 0; 9 > 0 tal que kx ykV < ) kT (x) T (y)kW < ":
a. T es continua.
b. T es continua en el origen.
63
Capítulo 3. Resultados Fundamentales de los Espacios Funcionales
Por otra parte se puede probar que una aplicación lineal T de V en W es continua,
es convergente a T (x) 2 W:
jT (x)j
kT kV = sup jT (x)j = sup kxkV
; 8T 2 V ;
kxkV 1 x2V
x6=0
64
Capítulo 3. Resultados Fundamentales de los Espacios Funcionales
a(x; y) kxk2V ; 8 x 2 V:
Aplicaciones
tal que
65
Capítulo 3. Resultados Fundamentales de los Espacios Funcionales
Además
kukV = kf kV .
Teorema (de Stampacchia) Sea a(u; v) una forma bilineal, continua y coer-
tal que
a(u; v u) hf; v ui ; 8 v 2 K:
u2K
1 1
2
a(u; u) hf; ui = Min 2
a(v; v) hf; vi
v2K
a(u; v) = hf; vi ; 8 v 2 V:
1 1
u2K y 2
a(u; u) hf; ui = Min 2
a(v; v) hf; vi :
v2V
66
Capítulo 3. Resultados Fundamentales de los Espacios Funcionales
i) Desigualdad de H½older
1 1
Sean f 2 Lp ( ); g 2 Lq ( ) con p; q 2 [1; 1] tales que p
+ q
= 1 (si p = 1;
q = 1): Entonces
desigualdad de Cauchy-Schwarz:
67
Capítulo 3. Resultados Fundamentales de los Espacios Funcionales
R
hf; gi = f (x)g(x)dx 8f; g 2 L2 ( );
L2 ( )
y su norma asociada es
1
R 2
2
kf kL2 ( ) = jf (x)j dx 8f 2 L2 ( ):
a Lq ( ) esto es (Lp ( )) = Lq ( ):
El espacio L1 ( ) no es re‡exivo.
El espacio L1 ( ) no es separable.
68
Capítulo 3. Resultados Fundamentales de los Espacios Funcionales
R R
fn (x)'(x)dx ! f (x)'(x)dx; cuando n ! 1; 8' 2 Lq ( )
1 1
donde q 2 [1; 1] tal que p
+ q
= 1:
3.7.1. De…niciones
Sea Rn un abierto, m 2 N.
69
Capítulo 3. Resultados Fundamentales de los Espacios Funcionales
8 9
< u: ! R j D u 2 C( ); 8 = ( 1 ; :::; n ) 2 N = n
m
iv) C ( ) =
: tal que j j = 1 + ::: + n m ;
v) C0m ( ) = C m ( ) \ C0 ( ):
T
1
vi) C 1 ( ) = C m ( ) es el espacio de funciones que poseen derivadas parciales
m=0
vii) C01 ( ) = C 1 ( ) \ C0 ( ):
D( ), esto es D( ) = C01 ( ):
3.7.2. El espacio D0 ( )
sobre D( ):
' 2 D( ); entonces
70
Capítulo 3. Resultados Fundamentales de los Espacios Funcionales
Notación
D( ) se cumple que
71
Capítulo 3. Resultados Fundamentales de los Espacios Funcionales
R
hTf ; 'i = f (x)'(x)dx; 8' 2 D( )
Entonces
D E R
@Tf @'
@xi
; ' = f @xi
dx; 8' 2 D( ); i = 1; :::; n:
Si f 2 C 1 ( ); entonces
D E R
@Tf @'
@xi
; ' = f @xi
dx; i = 1; :::; n; 8' 2 D( )
@Tf
@xi
= T @f ; i = 1; :::; n:
@xi
72
Capítulo 3. Resultados Fundamentales de los Espacios Funcionales
sobre ; al espacio
n o
@u
H ( ) = u 2 L2 ( ) j
1
@xi
2
2 L ( ); i = 1; :::; n ;
R P
n
@u @v
R
hu; viH 1 ( ) = @xi @xi
+ uv dx = (rurv + uv) dx:
i=1
Es evidente que H 1 ( ) L2 ( ):
1
R 2 2
2
kukH 1 ( ) = jruj + juj ;
2 2
donde jruj2 = @u
@x1
+ ::: + @u
@xn
= ru ru:([3], pág 55).
H01 ( ) = D( ) en H 1 ( ):
73
Capítulo 3. Resultados Fundamentales de los Espacios Funcionales
1
R 2
2
juj1;2 = jruj ; 8 u 2 H 1 ( ):
kukL2 ( ) c krukL2 ( )
R 2 2
donde kruk2L2 ( ) = @u
@x1
+ ::: + @u
@xn
:
3.8.2. Dual H 1 ( )
1
De…nición Se nota con H ( ) al dual de H01 ( ); es decir que
1
H ( ) = fT : H01 ( ) ! R j T es lineal y continuag = (H01 ( )) :
1
Sea T 2 H ( );
74
Capítulo 3. Resultados Fundamentales de los Espacios Funcionales
1
con lo cual H ( ) es un espacio de Banach.
H01 ( ) L2 ( ) = (L2 ( )) H 1
( );
i) Si 1 p < n; entonces
1 1 1 n p
W 1; p ( ) = Lq ( ); 8 q 2 [1; p ] ; donde p
= p n
= np
:
ii) Si p = n; entonces
W 1; n ( ) = W 1; p ( ) Lq ( ); 8 q 2 [1; 1[:
75
Capítulo 3. Resultados Fundamentales de los Espacios Funcionales
La inmersión de W 1; p ( ) en C( ) es compacta.
De donde se veri…ca
1 1 1
i) Si n > 2 entonces u 2 H 1 ( ) =) u 2 Lq ( ); con p
= 2 n
:
iii) Si n = 1 entonces H 1 ( ) C( ):
76
Capítulo 3. Resultados Fundamentales de los Espacios Funcionales
1
RT p
RT
hu; viL2 ([0;T ]; X) = hu(t); v(t)iX dt;
0
77
Capítulo 4
d [ n = ; d \ n =Ø; la frontera de :
78
Capítulo 4. Análisis del Modelo y Discretización
V = fv 2 H 1 ( ) / v = 0 sobre 1 g;
@u
W = fu 2 H 1 ( ) / @n
= 0 sobre 2 g;
H = L2 ( ):
R @c
R R ! R R
@t
vdx div(Drc)vdx + (V rc)vdx + rcvdx = f vdx:
79
Capítulo 4. Análisis del Modelo y Discretización
R R R R ! R R
d
dt
cvdx + D(rc rv)dx D(rc !
n ) vds + (V rc)vdx + rcvdx = f vdx;
@
d
R R R ! R R R dc R dc
dt
cvdx+ D(rc rv)dx+ (V rc)vdx+ rcvdx = f vdx+ D dn vds+ D dn vds:
1 2
@c
Sobre 2 se tiene la condición de frontera @n
= 0; de la de…nición del espacio V
se tiene v = 0 sobre 1: Luego los dos últimos términos se anulan, con lo cual
d
R R R ! R R
dt
cvdx + D(rc rv)dx + (V rc)vdx + rcvdx = f vdx:
R R
c(x; y; 0) vdx = c0 vdx 8v 2 V:
y la forma lineal
Lt : V ! R
R
v ! Lt (v) = f vdx: (9)
dc
Hallar C tal que C 2 L2 (0; T ; V ) \ C 0 (0; T ; L2 ( )) y dt
2 L2 (0; T ; V ) solución
débil de (P ) si veri…ca:
80
Capítulo 4. Análisis del Modelo y Discretización
8
< d
(c(t); v) + a(t; c(t); v) = Lt (v) 8v 2 V;
dt
(Pd )
: (c(0); v) = (c0 ; v) 8v 2 V:
Sea T > 0 …jo; para casi todo t 2 [0; T ] se considera una forma bilineal a(t; u;
v) : V V ! R que veri…ca las propiedades
du
u 2 L2 (0; T ; V ) \ C([0; T ] ; H) y dt
2 L2 (0; T ; V )
8
< d
(u(t); v) + a(t; u(t); v) = (f (t); v) c.t.p. t 2 [0; T ] ; 8v 2 V;
dt
: u(0) = u0 :
81
Capítulo 4. Análisis del Modelo y Discretización
Sean g(t) y v(t) dos funciones continuas en C([0; T ]): Sea h 2 L1 (0; T ) tal que
h(t) 0; c.t.p. t 2 ]0; T [ se tiene
Rt
v(t) g(t) + h( )v( )d :
0
Entonces
Rt Rt
v(t) g(t) + h( )v( )eH(t) H( )
d = eH(t) g(0) + g 0 ( )e H( )
d ; t 2 [0; T ]
0 0
Rt
con H(t) = h( )d ; donde la segunda de esta desigualdad se cumple para
0
funciones g(t) diferenciables. (Véase Wloka, págs. 436 437).
Una consecuencia muy importante del lema anterior es que si v(t) 2 C([0; T ])
con v(t) 0 y se cumple que
Rt
v(t) c v( )d para t 2 [0; T ] ;
0
82
Capítulo 4. Análisis del Modelo y Discretización
Sea H = L2 ( ):
En efecto:
R @c
i) d
dt
(c(t); v) = @t
(t)vdx 8v 2 V;
R
(f (t); v) = f (x; t)v(x)dx 8v 2 V:
8
>
< i) f es medible
f 2 L2 ( [0; T ]) , R RT
>
: ii) jf (x; t)j2 dt dx < +1
0
u(t) 2 V:
R R ! R
Es decir a(t; c(t); v) = Drc(t) rvdx + V rc(t) vdx + rc(t)vdx es
medible.
ii) Sean M1 = Sup kD( ; t)kL2 ( ) = Sup Sup D(x; t); igualmente
t2[0; T ] t2[0; T ] x2
M5 = M ax fM3 ; M4 g ;
luego
R ! R @c
R @c
a) (V rc)vdx = v1 @x vdx + v2 @y vdx
83
Capítulo 4. Análisis del Modelo y Discretización
R @c
R @c
M3 @x
vdx + M4 @y
vdx
R @c @c
M5 @x
+ @y
vdx
R R ! R
jDrc(t) rvj dx + V rc(t) v dx + jrc(t)vj dx
R R ! R
M1 jrc(t)j jrvj dx + V rc(t) v dx + M2 jc(t)j jvj dx;
ja(t; c(t); v)j M1 krckL2 ( ) krvkL2 ( ) + 2M5 kckV kvkV + M2 kckL2 ( ) kvkL2 ( )
kc(t)kL2 kc(t)kH 1 ;
krc(t)kL2 kc(t)kH 1 ;
84
Capítulo 4. Análisis del Modelo y Discretización
iii)
R ! R R @c !
(V rc)cd!
x = @c
v1 @x cd!
x + v2 @y cd x
R R
@c
v1 @x c d! @c
x + v2 @y c d!
x
R R
M3 @c
@x
c d!
x + M4 @c
@y
c d!
x
R R
M5 @c
@x
c d!
x + @c
@y
c d!
x
R R 2
M5
2
@c 2
@x
d!
x + c2 d!
x + @c
@y
d!
x + c2 d!
x
h i
M5
2
krck2L2 ( ) + 2 kck2L2 ( )
Luego se tiene
R ! h i
(V rc)cd!
x M5
2
krck2L2 ( 2
) + 2 kckL2 ( ) :
R R ! R
a(t; c(t); c(t)) = D jrc(t)j2 d!
x + (V rc(t))cd!
x + r (c(t))2 d!
x;
R R ! R
jrc(t)j2 d!
x + (V rc(t))c(t)d!
x + (c(t))2 d!
x
R R R !
jrc(t)j2 d!
x + (c(t))2 d!
x (V rc(t))c(t)d!
x
R R
jrc(t)j2 d!
x+ (c(t))2 d!
x M5
2
krck2L2 ( ) M5 kck2L2 ( )
= M5
2
krck2L2 ( ) + kck2L2 ( ) M5 kck2L2 ( )
Hipótesis a introducir
M5
= M {n 2
;
85
Capítulo 4. Análisis del Modelo y Discretización
8
< d
(c (t); v) + a(t; c2 (t); v) = Lt (v) 8v 2 V; (12)
dt 2
: (c2 (0); v) = (c0 ; v) 8v 2 V: (13)
d
dt
(w(t) + c2 (t); v) + a(t; w(t) + c2 (t); v) = Lt (v) 8v 2 V:
d d
dt
(w(t); v) + (c (t);
dt 2
v) + a(t; w(t); v) + a(t; c2 (t); v) = Lt (v) 8v 2 V;
d
dt
(w(t); v) + a(t; w(t); v) = 0 8v 2 V: (14)
86
Capítulo 4. Análisis del Modelo y Discretización
(w(0); v) = 0 8v 2 V:
d
dt
(w(t); w(t)) + a(t; w(t); w(t)) = 0:
Como 1 d
2 dt
kw(t)k2V = d
dt
(w(t); w(t)); entonces
0= d
dt
(w(t); w(t)) + a(t; w(t); w(t)) 1 d
2 dt
kw(t)k2V + kw(t)k2V :
Rt Rt
h0 (t)dt 2 h( )d
0 0
Rt
h(t) k h( )d ;
0
87
Capítulo 4. Análisis del Modelo y Discretización
kw(t)k2V = 0; entonces
w(t) = 0; luego
4.4. Discretización
88
Capítulo 4. Análisis del Modelo y Discretización
Figura 7. Triángulos de
i) Ti 2 () T i 6= f?g :
8 9
>
> Ti \ Tj = f?g ; >
>
>
< >
=
ii) Ti ; Tj 2 =) Ti \ Tj = un vértice, i 6= j o
>
> >
>
>
: >
;
Ti \ Tj = una arista.
En general e 6= :
Además no está permitido mallas que contengan triángulos como los siguientes:
Ejemplo:
89
Capítulo 4. Análisis del Modelo y Discretización
90
Capítulo 4. Análisis del Modelo y Discretización
vh 2 Vh () 8T 2 ; vh (x; y) = aT x + bT y + cT ; 8(x; y) 2 T:
91
Capítulo 4. Análisis del Modelo y Discretización
Se nota por (xi ; yi ) ; i = 1:::nnin los vertices de los triángulos de la malla siempre
que estos sean interiores o Neumann y se considera 'j (j = 1:::nnod) la función de
Vh tal que
donde nnin es el número total de nodos interiores y nodos frontera con condiciones
de Neumann y
1 si i = j;
ij =
0 si i 6= j:
Las funciones '1 ; :::; 'nnin forman un conjunto que constituye una base de Vh y
en la …gura 7 se muestra un elemento de este conjunto, el cual es una función de la
base de Vh que tiene una forma piramidal con su soporte constituido por todas las
regiones triangulares que tienen como vértice común el punto Pi :
Puesto que f'i = i = 1::nning es una base de Vh ; existen 1 (t); ::; nnin (t) tal que
P
nnin
Ch (x; t) = i (t)'i (x) (15)
i=1
92
Capítulo 4. Análisis del Modelo y Discretización
Se supone que 1 (t); :::; nnin (t) son funciones derivables en todo punto de ]0; T [
entonces
dCh (x;t) P
nnin
0
dt
= i (t)'i (x) (16)
i=1
P
nnin
0
P
nnin
i (t)('i ; vh )+ i (t)a(t; 'i ; vh ) = Lt (vh ) 8vh 2 Vh
i=1 i=1
93
Capítulo 4. Análisis del Modelo y Discretización
! !
Introducimos los vectores C (t); F (t) 2 Rnnin con t 2 [0; T ] ; del modo siguiente
! T
C (t) = ( 1 (t); :::; nnin (t))
!
F (t) = (f1 (t); :::; fnnin (t))T donde fj (t) = Lt ('j ):
! ! !
B C ’(t) + A(t) C (t) = F (t) t 2 [0; T ]
tiene
P
nnod
i (0)('i ; 'j ) = (h; 'j ) 8 j = 1; :::nnin
i=1
! !
B C (0) = G
donde
! T !
C (0) = ( 1 (0); ::; nnin (0)) y G = (g1 ; ::; gnnin )T con gj = (g; 'j ) y j = 1::nnin:
rias
! ! !
B C ’(t) + A(t) C (t) = F (t) (18)
! !
B C (0) = G
94
Capítulo 4. Análisis del Modelo y Discretización
Sea el triángulo Te ; el objetivo es calcular los coe…cientes de los planos 'i jTe ;
tiene que
P jTe (x; y) = b ;1 x+ b ;2 y +b ;3
1 si =
P jTe (x ; y ) = ; = 0 si 6 =
; = 1; 2; 3 (19)
95
Capítulo 4. Análisis del Modelo y Discretización
2 3 2 3 2 3
b b b x x x 1 0 0
6 1;1 1;2 1;3 7 6 1 2 3 7 6 7
6 7 6 7 6 7
B = 6 b2;1 b2;2 b2;3 7; A = 6 y1 y2 y3 7 y I=6 0 1 0 7
4 5 4 5 4 5
b3;1 b3;2 b3;3 1 1 1 0 0 1
1
B A = I =) B = A
donde B es la matriz que contiene los coe…cientes de 'i jTe ; 'j jTe y 'k jTe la
cual está dada por la siguiente expresión
2 3
y y3 x3 x2 x2 y3 x3 y2
6 2 7
6 7
B = 6 y3 y1 x1 x3 x3 y1 x1 y3 7
4 5
y1 y2 x2 x1 x1 y2 x2 y1
96
Capítulo 4. Análisis del Modelo y Discretización
Construcción de la matriz B
Entonces
R R
bij = 'i 'j = 'i 'j
sop('i\ 'j )
P R
= 'i 'j ; 8Tk 2 sop('i\ 'j ):
Tk 2 Tk
R
Nos interesa calcular 'i 'j :
Tk
x1 +x2 +x3
Sea P = (Px ; Py ) el punto medio del triángulo Tk donde Px = 3
y Py =
y1 +y2 +y3
3
. Utilizando la fórmula de integración que es exacta para polinomios de grado
2, tenemos:
R det(ATk )
'i 'j = 2
'i ( x1 +x32 +x3 ; y1 +y32 +y3 )'j ( x1 +x32 +x3 ; y1 +y32 +y3 ) (21)
Tk
Puesto que A(t) = (aij (t))nnin nnin = (a(t; 'i ; 'j ))nnin nnin entonces
R R ! R
aij (t) = Dr'i r'j + ( V r'i )'j + r'i 'j :
R R
Dr'i r'j = Dr'i r'j
sop('i\ 'j )
P R
= Dr'i r'j 8Tk 2 sop('i\ 'j ):
Tk 2 Tk
97
Capítulo 4. Análisis del Modelo y Discretización
Como 'i y 'j son polinomios de grado 1, sus derivadas parciales son constantes,
por lo tanto el producto escalar r'i r'j es constante y en consecuencia tenemos
el siguiente resultado
R R
Dr'i r'j = r'i r'j D
Tk Tk
R jdet(ATk )j
Dr'i r'j = r'i r'j 2
D(P; t): (22)
Tk
R R P R
r'i 'j = r'i 'j = r'i 'j 8Tk 2 sop('i\ 'j )
sop('i\ 'j ) Tk 2 Tk
El segundo término es
R ! P R !
V r'i 'j = V r'i 'j
Tk 2 Tk
!
como r'i es una constante que se la notará (ai ; bi ) y V = (v1 ; v2 ) se tiene
R ! R R
V r'i 'j = ai v1 'j + bi v2 'j ;
Tk Tk
R ! det(A ) det(A )
V r'i 'j = ai 2 Tk v1 (P; t)'j (P ) + bi 2 Tk v2 (P; t)'j (P )
R ! det(ATk )
V r'i 'j = 2
ai v1 (P; t)'j (P ) + bi v2 (P; t)'j (P ) (24)
98
Capítulo 4. Análisis del Modelo y Discretización
!
Construcción del vector C0
! ! R
El vector C0 está de…nido por C0 = (g1 ; :::; gnnin ); donde gi = g'i entonces
R R
gi = g(x ; t)'i = g'i
sop('i )
P R
= g'i 8Tk 2 sop('i )
Tk 2 Tk
R det(ATk )
g'i = 2
[g(P )'i (P )] :
Tk
!
Construcción del vector F (t)
!
De la de…nición del vector F (t) = (f1 (t); :::; f (t)nnin ) se sigue que fj (t); cambia
de acuerdo con las condiciones de frontera es decir
R P P
fj (t) = f 'j gj (t)a(t; 'p ; 'j ) gj0 (t)('p ; 'j )
p2N f p2N f
Se construye el término
R det(ATk )
f 'j = 2
f (P )'j (P ) :
Tk
Ahora se analiza el segundo término de fj (t) que lo llamaremos gbj (t) entonces
P
gbj (t) = g1j (t)a(t; 'p ; 'j )
p2N f
99
Capítulo 4. Análisis del Modelo y Discretización
Note que para construir gbj (t) 8j 2 N i necesitamos los valores de a(t; 'p ; 'j )
que ya está analizado anteriormente pero con la modi…cación de que p 2 N f y el
valor de g1 es g1j (xj ; yj ; t) donde (xj ; yj ) 2 N i que es la condición de Dirichlet.
Por último queda por analizar el tercer sumando de fj al que llamaremos gej (t) y
se calcula de forma similar al anterior pero necesitamos conocer la función g10 ; que es
la derivada de g1 ; la cual debe ser un dato más del problema.
R det(ATk )
f 'j = 2
f (P )'j (P ) gbj (t) gej (t) .
Tk
!
En la discretización temporal se busca la solución C (tk ) para una subdivisión del
intervalo de tiempo [0; T ] con el método de Cranck-Nicholson.
Sea p 2 N; p > 0:
T
Sea h = m
; de…nimos tk = hk; k = 0; :::; p:
Método
! !
Sea 2 [0; 1]: Notamos C (k) la aproximación de C (tk ):
!(k)
Aproximamos C por:
100
Capítulo 4. Análisis del Modelo y Discretización
!(k)
Reemplazando C en (18) se obtiene
!(k+1) !(k) h! ! i h! ! i
BC tk
C
= f (tk ) + A(tk ) C (k) + (1 ) f (tk+1 ) + A(tk+1 ) C (k+1) :
1
Si = 2
se tiene
! ! ! !
[B+ t2k A(tk+1 )] C (k+1) =[B tk
2
t
A(tk )] C (k) + 2k [ f (tk )+ f (tk+1 )]; k=0;1::; p: (25)
! !
B C (0)=C0 :
Algoritmo de Cranck-Nicholson
Construir tk ; k = 0; :::; p:
BC(t0 ) = C0 :
Poner num = h0 =2
k = 1; 2; :::; p 1
101
Capítulo 4. Análisis del Modelo y Discretización
D = B + (num)A1
F2 = F [tk ]
Z = num(F + F2 )
d = DC + Z
A2 = A[tk ];
H=B (num)A2
HX = d
Poner A1 = A2 ; F = F2 ; U = X:
hk
num = 2
:
!
La matriz A(tk ) se la calculará junto con el vector F (tk ) y la matriz B junto con
!
el vector C0 : En esta parte se indicará como calculamos los dos primeros puesto que
para los otros dos el procedimiento es similar.
102
Capítulo 4. Análisis del Modelo y Discretización
El segundo arreglo será TRIANTOTAL, estará formado por los números corre-
spondientes a la numeración general de los tres nodos que forman cada uno de los
triángulos de la malla. Estos serán valores enteros positivos.
N ECU = 0
N V AL = 0
N ECU = N ECU + 1
103
Capítulo 4. Análisis del Modelo y Discretización
N V AL = N V AL + 1
ECU (i) = N V AL
Para realizar el programa que efectue estos cálculos haremos uso del arreglo ECU
construido anteriormente, el algoritmo respectivo lo describimos a continuación.
104
Capítulo 4. Análisis del Modelo y Discretización
2 3
Y Y3 X3 X2 X2 Y3 x3 y2
6 2 7
1 6 7
('i; j )3 3 = DET 6 Y3 Y1 X1 X3 x3 y1 x1 y3 7
4 5
Y1 Y2 X2 X1 x1 y2 x2 y1
x1 +x2 +x3
Px = 3
y1 +y2 +y3
Py = 3
Para j = 1; :::; 3
Para k = 1; :::; 3
DET
R=R+ 2
[r(Px ; Py ; tk )]
DET
R = R+ 2
'j1 (v1 (Px ; Py ; tk )) + 'j2 (v2 (Px ; Py ; tk ))
P = TRIANTOTAL (i; j)
Q = TRIANTOTAL (i; k)
Si no
105
Capítulo 4. Análisis del Modelo y Discretización
F (ECU (P )) = F (ECU (P )) AU X
Fin de k
DET
R2 = 2
[f (Px ; Py ; tk )]
F (ECU (P )) = F (ECU (P )) + R2
Fin de j
Fin de i
106
Capítulo 5
Resultados de la simulación
numérica
5.1. Resumen
1. Datos experimentales.
107
Capítulo 5. Resultados de la simulación numérica
Se supone que con los datos obtenidos tanto en el campo como en el laboratorio
se han construido las funciones D; v1 ; v2 ; r; c0 ; g y su procesamiento se lo hace
mediante el uso de un evaluador de funciones ya existente.
Ch (t) ! C(t)
t!0
Para el caso de una malla uniforme se requieren los siguientes datos geométricos
del rectángulo: coordenadas iniciales, longitud horizontal, longitud vertical, número
de divisiones en el eje x y número de divisiones en el eje y:
108
Capítulo 5. Resultados de la simulación numérica
109
Capítulo 5. Resultados de la simulación numérica
Para mostrar la solución grá…ca se debe dar un click en Graf ica y se desplegará
una ventana con el grá…co de la solución Ch :
110
Capítulo 5. Resultados de la simulación numérica
111
Capítulo 5. Resultados de la simulación numérica
112
Capítulo 5. Resultados de la simulación numérica
113
Capítulo 5. Resultados de la simulación numérica
114
Capítulo 6
Conclusiones y recomendaciones
Cabe indicar que el artículo que se presentó no debe interpretarse como si fuese
el diseño completo. Más bien, el objetivo es demostrar la forma en que los modelos
matemáticos pueden ser puestos en práctica.
115
Capítulo 6. Conclusiones y recomendaciones
Los modelos matemáticos más utilizados son los que están basados sobre ecua-
ciones de conservación de masa, debido a que estos permiten integrar en una sola
ecuación o en un conjunto de ecuaciones los efectos de todos los procesos dinámicos
(velocidad del agua, presión, gravedad, reacciones químicas de los contaminantes)
que in‡uyen en el equilibrio de masa de un volumen determinado del suelo.
Los modelos físicos no pueden analizar procesos en los cuales dos o más variables
actúan dependiendo unas de las otras . Otra limitación de los modelos físicos es que
su construcción, veri…cación y modi…cación son costosos, toman mucho tiempo y
necesitan locales enormes para instalarlos.
116
Capítulo 6. Conclusiones y recomendaciones
Dado que los usuarios de prueba fue un grupo reducido de personas y por lo
informal del procedimiento de prueba, el programa computacional presentado solo
puede considerarse como un programa en su etapa inicial.
117
Capítulo 6. Conclusiones y recomendaciones
REFERENCIAS BIBLIOGRÁFICAS
[1] Albuja, G.A., Naula, I.C., Proaño, H.V., Modelos Matemáticos de Contami-
[2] Benalcázar, H., Notas de curso, Optiva II, Universidad Central del Ecuador,
2008.
[3] Benalcázar, H., Notas de curso, Análisis Numérico II, Universidad Central del
Ecuador, 2008.
118
Capítulo 6. Conclusiones y recomendaciones
[9] Brézis, H., Análisis Funcional. Teoría y aplicaciones, Editorial Masson, Alianza
[10] Burden L. Richard, Faires J. Douglas, Análisis Numérico, Sexta edición, In-
[12] Díaz L.M., Modelización de la contaminación difusa por nitratos en las aguas
subterráneas de la cuenca del río Henares. Tesis Doctoral. Dpto. Ing. Forestal,
[13] Foust S.A., Wenzel A.L., Clump W.C., Maus L., Principios de Operaciones
[15] González, O., Stuart A., A First Course in Continuum Mechanics, Cambridge
[17] Wloka, J., Partial Di¤erential Equations, Cambridge University Press, New
York, 1987.
119
Capítulo 6. Conclusiones y recomendaciones
[18] Zeidler E., Nonlinear Functional Analysis and its Applications, vol. II/A,
[19] Zhuang, F.G., Lee J.C., New Trends in Fluids Mechanics Research, Springer
Shanghai, 2007.
[20] Zienkiewics, O.C., Taylor L.R., El método de los elementos …nitos, Centro
120