1553 7364 1 PB

Mecánica Computacional Vol XXVII, págs.
2279-2293 (artículo completo)

Alberto Cardona, Mario Storti, Carlos Zuppa. (Eds.)
San Luis, Argentina, 10-13 Noviembre 2008
APROXIMACIONES EFICIENTES PARA PROBLEMAS DE

VIBRACIONES EN SISTEMAS FLUIDO-ESTRUCTURA
Mario Scheblea , Maria Gabriela Armentanob y Claudio Padraa

a Grupo de Mecánica Computacional, Centro Atómico Bariloche, 8400 Bariloche, Argentina,
[email protected], [email protected]
b Departamento de Matemática. Facultad de Ciencias Exactas y Naturales. Universidad de Buenos
Aires. 1428 Buenos Aires, Argentina, [email protected]
Palabras Clave: Vibraciones. Interacción fluido-estructura. Adaptividad hp.
Resumen.
En este trabajo se presenta un algoritmo que calcula eficientemente soluciones de elementos finitos
para problemas de vibraciones en sistemas fluido-estructura que tienen una matriz de masas con núcleo
de gran dimensión y que tiene intersección con el núcleo de la matriz de rigidez no nulo.
En este trabajo, hemos diseñado un algoritmo adecuado y eficiente para problemas con esta dificul-
tad. También se ha implementado la versión p de elementos finitos para este problema y se validó con
problemas de solución analı́tica y resultados obtenidos por otros métodos existentes en la bibliografı́a.
Luego de introducir un estimador a-posteriori del error se desarrolló un algoritmo hp-adaptivo ade-
cuado para soluciones con singularidades. Por último, se obtuvieron resultados en un problema de interés
en el área de la ingenierı́a nuclear.
Copyright © 2008 Asociación Argentina de Mecánica Computacional http://www.amcaonline.org.ar

2280 M. SCHEBLE, M.G. ARMENTANO, C. PADRA
1. INTRODUCCIÓN
En el campo del modelado por el método de elementos finitos ya hace mucho tiempo que se
conoce la importancia de desarrollar códigos adaptivos. Para ello es imprescindible desarrollar
estimadores a posteriori del error. En la biblografı́a hay numerosos estimadores para distintos
tipos de problemas (ver por ej. (Ainsworth y Oden, 2000; R. Verfürth , 1996, 1989)). En este
trabajo se presenta un algoritmo que calcula eficientemente soluciones de elementos finitos
para problemas de vibraciones en sistemas fluido-estructura. Consideramos las vibraciones de
un conjunto de tubos elásticamente montados e inmersos en un fluido perfecto incompresible,
contenidos dentro de una estructura rı́gida. En el modelo utilizado, suponemos que los tubos son
rı́gidos y solo son admisibles pequeñas oscilaciones del fluido alrededor del estado de equilibrio.
Además, el fluido se supone irrotacional, de donde se sigue que el campo de velocidades deriva
de una función potencial. Este potencial es solución de un problema de autovalores de tipo
Steklov, llamado usualmente modelo de Laplace.
En la sección 2 se describirá el modelo continuo; y en la sección 3 introduciremos la dis-
cretización por elementos finitos. Como el objetivo es desarrollar adaptividad hp, se presenta
la versión p del MEF para el problema modelo. Al discretizar estas ecuaciones por elementos
finitos se obtiene un problema matricial de autovalores generalizado donde la matriz de rigidez
y la de masas tienen núcleos no nulos y con intersección no nula. Más aún, el rango de la la
matriz de masas es el doble de los tubos inmersos en los fluidos, en general, mucho menor que
la dimensión de la matriz. En esta sección se también se presentará un algoritmo adecuado y
eficiente para problemas con esta dificultad.
En la sección 4 se introduce un estimador a-posteriori del error y se presenta un algoritmo
adaptivo adecuado para soluciones con singularidades. Finalmente, en la sección 5 se comienza
validando el código con problemas de solución analı́tica. Por último, se presentan resultados en
problemas de interés para la ingenierı́a.
2. EL PROBLEMA CONTINUO
El modelo que aquı́ se presenta puede verse en (Conca y Planchard y Vanninathan , 1995).
Consideramos las vibraciones de un conjunto de tubos elásticamente montados e inmersos en un
fluido perfecto incompresible, contenidos dentro de una estructura rı́gida. Suponemos que los
tubos son rı́gidos y solo son admisibles pequeñas oscilaciones del fluido alrededor del estado
de equilibrio. Además, el fluido se supone irrotacional, de donde se sigue que el campo de
velocidades v deriva de una función potencial φ.
2.1. Ecuaciones en el fluido

Por tratarse de un fluido incompresible se tiene
∆φ = div v = 0 en Ω (1)
Si introducimos la hipótesis de pequeñas deformaciones en la ecuación de equilibrio, la

misma queda reducida a
∂v
ρ − div σ = 0
∂t
y en virtud de la hipótesis de fuido ideal tenemos que
σ = −pI

Mecánica Computacional Vol XXVII, págs. 2279-2293 (2008) 2281
En consecuencia, obtenemos µ ¶
∂φ
∇ ρ +p =0
∂t
de donde se sigue
∂φ
p = c(t) − ρ (2)
∂t
2.2. Ecuaciones en los sólidos
Ahora pasamos a considerar el movimiento de los sólidos. Supondremos que son sólidos
rı́gidos y elásticamente montados de manera que pueden moverse transversalmente. Entonces,
suponiendo que son osciladores armónicos, su ecuación de movimiento es
Z
d2 Ri
mi 2 + ki R i = pndΓ
dt Γi
y reemplazando la expresión de p obtenida en (2) obtenemos

Z
d2 Ri dφ
mi 2 + ki Ri = −ρ ndΓ (3)
dt Γi dt
2.3. Ecuaciones en las fronteras

Suponemos que en las fronteras se verifican las siguientes condiciones de acople:
∂φ
en Γ0 v·n=0 ⇒ =0 (4)
∂n
y,
dRi ∂φ dRi
en Γi v·n= ·n ⇒ = ·n (5)
dt ∂n dt
2.4. Movimiento armónico
Suponemos que 
 φ(x, t) = ϕ(x)eiwt
(6)
 iwt
Ri (t) = r i e
Reemplazando estas expresiones en la ecuación (3) resulta
Z
−iρw
ri = − ϕndΓ (7)
k i − m i w 2 Γi
Supondremos también que ki = k y mi = m para todo i.
Ahora reemplazando (6) y (7) en las ecuaciones (1), (4), (5) se obtiene que el potencial debe
ser solución del siguiente problema:


 ∆ϕ = 0 en Ω





 ∂ϕ = 0

en Γ0
∂n

 ÃZ !



 ∂ϕ


 ∂n = λ ϕndΓ n en Γj , ∀j = 1, . . . , J
Γj

ρ0 ω 2
donde Γ0 es la frontera exterior y Γj , j = 1, . . . , J son las fronteras interiores y λ =
k − mω 2
con k la rigidez por unidad de longitud, m masa por unidad de longitud y ω es la frecuencia de
resonancia (incógnita) del sistema acoplado. Este modelo es conocido como modelo de Laplace.
La formulación débil de este problema es:


 Hallar (ϕ, λ) ∈ H 1 (Ω) − {0} × IR tal que ∀ψ ∈ H 1 (Ω)


Z ÃZ ! ÃZ !
XJ (8)



 ∇ϕ∇ψdx = λ ϕndΓ ψndΓ
Ω j=1 Γj Γj
3. DISCRETIZACIÓN
Dada una triangulación T del dominio Ω definimos el espacio Vde elementos finitos con-
formes
V := {u ∈ H 1 (Ω) : u|T ∈ Pp (T ) ∀T ∈ T }
µ ¶
p + 2 (p + 1)(p + 2)
donde Pp := span {xi y j : i + j ≤ p}. Observemos que dim Pp = p = .
2
Con estos espacios, resulta que la aproximación por elementos de V verifica



 Hallar (ϕh , λh ) ∈ V − {0} × IR tal que ∀ψ ∈ V


Z ÃZ ! ÃZ !
X J (9)



 ∇ϕh ∇ψdx = λh ϕh ndΓ ψndΓ
Ω j=1 Γj Γj
Este problema se puede escribir matricialmente como un problema de autovalores general-

izado de la forma
KX = λh M X
, donde la matriz de rigidez K y la de masas M tienen núcleos no nulos y con intersección
no nula. Más aún, el rango de la la matriz de masas es 2J, en general, mucho menor que la
dimensión de la matriz.
Como K y M tienen la intersección del núcleo de dimensión positiva, podemos realizar las
proyecciones ortogonales a la intersección, o por lo que hemos optado, fijamos un nodo de
Dirichlet nulo. Esto convierte en inversible a la matriz de rigidez K.
Las matrices por bloques se escriben
µ ¶ µ ¶ µ ¶
K11 K12 0 0 X1
K= t , M= y X=
K12 K22 0 M22 X2
donde los nodos con subindices 22 estan asociados a la frontera de interfaz. Observemos que la
matriz M aún sigue siendo no inversible de rango 2J. Operando por bloques podemos escribir:
t −1
(K22 − K12 K11 K12 )X2 = λh M22 X2

−1
Utilizamos la descomposición LU de la matriz K11 en formato ralo para calcular K11 K12 .
Resolvemos el sistema tantas veces como nodos en la frontera de interfaz. Observemos que la
t −1
matriz K22 − K12 K11 K12 es llena, pero chica. LLamando
t −1
A = K22 − K12 K11 K12 y B = M22
escribimos el sistema:
AX2 = λh BX2
con A y B matrices llenas de orden número de nodos de frontera interfaz, y B semidefinida
positiva de rango 2J.
La matriz B puede diagonalizarse por medio de una matriz ortogonal Q de manera que
Qt BQ = diag (0, . . . , b11 , b12 , . . . , bJ1 , bJ2 ) = D con bji 6= 0
LLamando Y2 = Qt X2 tenemos
ÃY2 = (Qt AQ)Y2 = λ(Qt BQ)Y2 = λDY2
Nuevamente realizamos una descomposición en bloques

µ ¶ µ ¶ µ ¶
A11 A12 0 0 Z1
Ã = , D= y Y2 =
At12 A22 0 B22 Z2
siendo B22 = diag (b11 , b12 , . . . , bJ1 , bJ2 ) ∈ IR2J×2J . Queda el sitema de 2J × 2J:
(A22 − At12 A−1

11 A12 )Z2 = λB22 Z2
Una vez obtenido los 2J pares de autovalores y autovectores podemos recuperar el autovector
del sistema
µ original
¶ de la siguiente manera: Sea Z1 = −A−1 11 A12 Z2 . De aqui se puede obtener
Z1
Y2 =
Z2
−1
Ahora
µ podemos
¶ calcular X2 = QY2 y por último X1 = −K11 K12 X2 . Recordando que
X1
X= obtenemos el autovector buscado.
X2
Observemos que hay sólo 2J autovalores positivos del problema.
El método matricial expuesto, puede sintetizarse de la siguiente manera: En un primer paso
trabajando con matrices ralas, reducimos el problema a otro de matrices llenas de orden número
de nodos de la frontera interna. Recién en el segundo paso proyectamos sobre la imagen de la
matriz de masas, trabajando con matrices llenas pero pequeñas.
4. ESTIMADOR A POSTERIORI
En esta sección introducimos en primer lugar un indicador del error definido para cada ele-
mento y luego, un estimador del error global. Los indicadores del error nos permitirán ordenar
los elementos en orden para saber cuales de ellos tienen concentrado el error, y a partir de esa
distribución del error obtener una nueva malla refinando los elementos con más error. El refi-
namiento se hará con los algoritmos usuales que no permitan que se deteriore la calidad de la
malla.

Sea E el conjunto de lados de la malla y EI será el subconjunto de los lados interiores. Para
` ∈ E definimos
 ·· ¸¸
 ∂ϕh

 si ` ∈ EI

 ∂n `





∂ϕh
J` = |` si ` ∈ Γ0

 ∂n



 µZ ¶

 ∂ϕh

 |` − λ h ϕh ndΓ n` si ` ∈ Γi , i = 1, . . . , J
∂n Γi
y para cada T ∈ T definimos el siguiente indicador del error

( )1/2
1 X
ηT = h2T k∆ϕh k2L2 (T ) + h` kJ` k2L2 (`)
2 `⊂∂T
Definimos el siguiente estimador del error global

( )1/2
X
η= ηT2
T ∈T
El estimador verifica la siguiente acotación global por arriba del error,
k∇ϕ − ∇ϕh kL2 (Ω) ≤ C1 η + h.o.t.
donde h.o.t. indica términos de mayor orden. Esta estimación muestra que si el estimador,
asintoticamente tiende a cero, entonces el error también lo hará. También puede demostrarse
una acotación local por abajo del error,
ηT ≤ C2 k∇ϕ − ∇ϕh kL2 (T ∗ ) + h.o.t.
donte T ∗ es el conjunto de los elementos de T que tienen un vértice en común con T . Esta
estimación muestra que donde sean grande los indicadores, mayor será el error de la autofun-
ción, y dicho elemento deberı́a refinarse. Las demostraciones de estas desigualdades siguen las
ideas desarrolladas en (Durán y Gastaldi y C. Padra , 1999; Durán y Padra y Rodrı́guez , 2003)
y son una variación del trabajo (Armentano y Padra , 2008) Son conocidos algoritmos que no
deterioran la calidad de la malla a medida que se ralizan los refinamientos (ver (Rivara , 1984;
Rivara y Vénere , 1996)).
En la sección que sigue se presentan varios ejemplos, en los cuales se ha utilizado el criterio
de selección de elementos a ser refinados aquellos elementos T que verifiquen
ηT ≥ 0,5ηmax
donde ηmax := máx{ηT : T ∈ T }.

5 EJEMPLOS NUMÉRICOS
5.1 Tubos circulares concéntricos.

En primer lugar presentamos un ejemplo con solución analítica, utilizado para
validar el código de cálculo. Se trata de dos tubos circulares concéntricos de radios ri y
re , tal como se muestra en la Figura 1.
re r
θ
ri
Figura 1. Tubos circulares concéntricos
Resolviendo la ecuación de Laplace por separación de variables en coordenadas

polares, e imponiendo las condiciones de borde en la frontera del dominio anular, puede
demostrarse que el problema tiene un único autovalor doble
1 re 2 − ri 2
λ1 = λ2 = ⋅
π ri 2 ( re 2 + ri 2 )
El subespacio asociado está generado por las siguientes autofunciones ortogonales
⎧ ⎛ re 2 ⎞
⎪ϕ1 ( r , θ ) = ⎜ r + ⎟ cos θ
⎪ ⎝ r ⎠
⎨
⎪ ϕ r ,θ = ⎛ r + re ⎞ sin θ
2
⎪ 2 ( ) ⎜ ⎟
⎩ ⎝ r ⎠
Empleando el código desarrollado, calculamos la solución para el caso particular

ri = 1 , r2 = 3 , utilizando una malla uniforme de 25796 nodos y 50838 elementos. Para el
caso p = 2 (elementos cuadráticos), con un número total de 102429 incógnitas, el valor
obtenido para los dos autovalores fue λ1 = λ2 = 0.25465 , mientras que el valor exacto es
λexacto = 0.25475 .
En la Figura 2 se muestran los mapas de zonas de nivel de la función potencial de los
campos de velocidades correspondientes a los dos modos normales calculados. Un
esquema vectorial de dichos campos se presenta la Figura 3 y en la Figura 4, en las que
r es el vector que indica la parte espacial del desplazamiento transversal del tubo
interior, calculado como se indica en la ecuación (7). Finalmente, la Figura 5 ofrece un
gráfico tridimensional de la función potencial de ambos modos normales, debiendo

tenerse en cuenta que se ha utilizado una perspectiva diferente a la orientación de los
gráficos anteriores, para facilitar su visualización.
Figura 2. Zonas de nivel de las autofunciones 1 y 2.
Figura 3. Campo de velocidades del modo normal 1.

Figura 5. Gráfico tridimensional de las autofunciones.
5.2 Cavidad rectangular con dos tubos cuadrados.

Como ejemplo de problema con singularidades, presentamos el caso de una cavidad
rectangular con dos tubos cuadrados de las dimensiones que se muestran en laFigura 6.
Este problema fue resuelto con una malla uniforme y luego haciendo adaptividad h con
p constante en todos los elementos.
5.2.1 Resolución con una malla uniforme

La Tabla 1 muestra los autovalores calculados utilizando p=3 con una malla
uniforme de 16799 nodos y 32768 elementos, lo que produce un sistema con un total de
148702 incógnitas.

2 2
2 2
6 2 2
2 2
12
Figura 6. Cavidad rectangular con dos tubos cuadrados.
Modo Autovalor
1 0.1647278
2 0.1647278
3 0.1669340
4 0.1868538
Tabla 1. Autovalores del sistema.
Las zonas de nivel de las correspondientes autofunciones se presentan en la Figura 7

y en la Figura 8, y los campos de velocidades desde la Figura 9 hasta la Figura 12.
Figura 7. Zonas de nivel para las autofunciones 1 y 2.
Figura 8. Zonas de nivel para las autofunciones 3 y 4.

Figura 10 Campo de velocidades del modo normal 2.

5.2.2 Adaptividad h con p constante.
Como ejemplo de adaptividad, se calcularon el primer autovalor y autofunción del

mismo problema, partiendo de una malla uniforme con pocos elementos y refinando en
cada paso los triángulos con un error superior al 50% del error máximo. El valor de p se
fijó igual a 2 para todos los elementos.
La Tabla 2 muestra la convergencia del primer autovalor en función del número de
elementos e incógnitas, para cada paso de adaptividad. La Figura 13 ilustra el
refinamiento sucesivo de la malla cerca de las esquinas de los tubos interiores. Puede
observarse una densificación mayor en la proximidad los vértices ubicado a 90º de la
dirección de desplazamiento transversal de los tubos.
Paso Autovalor 1 Nº de elementos Nº de incógnitas

0 0.175693 128 306
1 0.168995 240 538
2 0.166567 352 770
3 0.165625 464 1002
4 0.165078 632 1346
5 0.164865 824 1746
6 0.164808 936 1978
7 0.164768 1142 2406
8 0.164693 1568 3284
9 0.164668 1576 3674
10 0.164654 3162 4494
Tabla 2. Convergencia de λ1 en función del refinamiento de la malla
De la comparación con la Tabla 1 surge que con tan sólo 3284 grados de libertad se
mejora la estimación del autovalor obtenida con 148702 incógnitas, utilizando una
malla uniforme.

Paso 0 Paso 4
Paso 7 Paso 10
Figura 13. Refinamientos sucesivos de la malla.
5.2.3 Orden de convergencia.

Finalmente, repetimos el cálculo del primer autovalor con p=1, partiendo de la
misma malla. El objetivo era ver si el proceso adaptivo recupera el orden h de
convergencia que la teoría predice para mallas uniformes en el caso de problemas
regulares.
Error Nº de
Paso
Estimado (e) incógnitas (n)
0 7.634e-1 88
1 5.317e-1 124
2 4.033e-1 204
3 3.368e-1 308
4 2.805e-1 436
5 2.530e-1 566
6 1.907e-1 982
7 1.718e-1 1230
8 1.421e-1 1815
9 1.211e-1 2489
10 9.664e-2 3860
Tabla 3. Error vs. Nº de incógnitas

En la Tabla 3 se muestra el error calculado con el estimador a posteriori en cada paso
de refinamiento en función del número de incógnitas del sistema. En la Figura 14
graficamos estos datos en escala logarítmica, y realizamos una ajuste lineal de los
puntos obtenidos. La pendiente de la recta resulta de -0.51533, lo que indica un orden
aproximado h de convergencia.
0.0
-0.2
-0.4
log(e)
-0.6
-0.8
-1.0
1.8 2.0 2.2 2.4 2.6 2.8 3.0 3.2 3.4 3.6 3.8
log(n)
Figura 14. Convergencia del error en función del número de incógnitas.
6 CONCLUSIONES
Se desarrolló un código de cálculo para resolver en forma adaptiva problemas de

interacción fluido-estructura en 2D utilizando el método de elementos finitos, versión p.
Se implementó la versión h de adaptividad, con p arbitrario, pero constante en todos los
elementos.
El código incorpora un algoritmo que permite atacar eficientemente las dificultades
que surgen en la resolución de sistemas generalizados de autovalores con matrices de
masa con núcleo de dimensión muy grande, e intersección no nula con el núcleo de la
matriz de rigidez, situación característica en este tipo de problemas físicos.
El código se validó con un problema regular con solución analítica. El algoritmo
adaptivo mostró ser muy eficiente cuando se aplica a problemas singulares utilizando
p>1. Por otro lado, en el caso p=1, se constató numéricamente que se recupera el orden
h de convergencia que la teoría predice para problemas regulares con mallas uniformes.

REFERENCIAS
M. Ainsworth y J. T. Oden A Posteriori Error Estimation in Finite Element Analysis. Wiley,
2000.
G. Armentano y C. Padra A Posteriori Error Estimates For The Steklov Eigenvalue Problem.
Applied Numerical Mathematics, Vol. 58 , 5, 593-601, 2008.
C. Conca, J. Planchard y M. Vanninathan Fluid and periodic Structures, John Wiley & Sons,
NY, 1995.
R. Durán, C. Padra y R. Rodrı́guez A posteriori error estimates for the finite element approx-
imation of eigenvalue problems, Math. Mod. & Met.in Appl. Sc. (M3 AS), vol 13, no 8, pp
1219-1229, 2003.
R. G. Durán, L. Gastaldi y C. Padra A posteriori error estimators for mixed approximations of
eigenvalue problems, Math. Mod. & Met.in Appl. Sc. (M3 AS), vol 9, no 8, pp 1165-1178,
1999.
M. C. Rivara Mesh refinement processes based on the generalized bisection of simplices, SIAM
J. Numer. Anal.,21 (1984) 604–613.
M. C. Rivara, M. J. Vénere, Cost analysis of the longest-side refinement algorithm for triangu-
lations Eng. Comput. 12 (1996) 224–234.
R. Verfürth A Review of A Posteriori Error Estimation and Adaptive Mesh-Refinement Tech-
niques (Wiley & Teubner, 1996).
R. Verfürth A posteriori error estimates for nonlinear problems Math. Comp. 62 (1989) 445–
475.

1553 7364 1 PB

Cargado por

Copyright:

Formatos disponibles

1553 7364 1 PB

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

1553 7364 1 PB

Cargado por

Copyright:

Formatos disponibles

Mecánica Computacional Vol XXVII, págs.

2279-2293 (artículo completo)

APROXIMACIONES EFICIENTES PARA PROBLEMAS DE

Mario Scheblea , Maria Gabriela Armentanob y Claudio Padraa

Palabras Clave: Vibraciones. Interacción fluido-estructura. Adaptividad hp.

Copyright © 2008 Asociación Argentina de Mecánica Computacional http://www.amcaonline.org.ar

2.1. Ecuaciones en el fluido

Si introducimos la hipótesis de pequeñas deformaciones en la ecuación de equilibrio, la

Copyright © 2008 Asociación Argentina de Mecánica Computacional http://www.amcaonline.org.ar

y reemplazando la expresión de p obtenida en (2) obtenemos

2.3. Ecuaciones en las fronteras

Copyright © 2008 Asociación Argentina de Mecánica Computacional http://www.amcaonline.org.ar

Con estos espacios, resulta que la aproximación por elementos de V verifica

Este problema se puede escribir matricialmente como un problema de autovalores general-

Copyright © 2008 Asociación Argentina de Mecánica Computacional http://www.amcaonline.org.ar

Qt BQ = diag (0, . . . , b11 , b12 , . . . , bJ1 , bJ2 ) = D con bji 6= 0

ÃY2 = (Qt AQ)Y2 = λ(Qt BQ)Y2 = λDY2

Nuevamente realizamos una descomposición en bloques

(A22 − At12 A−1

Copyright © 2008 Asociación Argentina de Mecánica Computacional http://www.amcaonline.org.ar

y para cada T ∈ T definimos el siguiente indicador del error

Definimos el siguiente estimador del error global

El estimador verifica la siguiente acotación global por arriba del error,

k∇ϕ − ∇ϕh kL2 (Ω) ≤ C1 η + h.o.t.

ηT ≤ C2 k∇ϕ − ∇ϕh kL2 (T ∗ ) + h.o.t.

donde ηmax := máx{ηT : T ∈ T }.

Copyright © 2008 Asociación Argentina de Mecánica Computacional http://www.amcaonline.org.ar

5.1 Tubos circulares concéntricos.

Figura 1. Tubos circulares concéntricos

Resolviendo la ecuación de Laplace por separación de variables en coordenadas

El subespacio asociado está generado por las siguientes autofunciones ortogonales

Empleando el código desarrollado, calculamos la solución para el caso particular

Copyright © 2008 Asociación Argentina de Mecánica Computacional http://www.amcaonline.org.ar

Figura 2. Zonas de nivel de las autofunciones 1 y 2.

Figura 3. Campo de velocidades del modo normal 1.

Copyright © 2008 Asociación Argentina de Mecánica Computacional http://www.amcaonline.org.ar

Figura 4. Campo de velocidades del modo normal 2.

Figura 5. Gráfico tridimensional de las autofunciones.

5.2 Cavidad rectangular con dos tubos cuadrados.

5.2.1 Resolución con una malla uniforme

Copyright © 2008 Asociación Argentina de Mecánica Computacional http://www.amcaonline.org.ar

Las zonas de nivel de las correspondientes autofunciones se presentan en la Figura 7

Figura 7. Zonas de nivel para las autofunciones 1 y 2.

Figura 8. Zonas de nivel para las autofunciones 3 y 4.

Copyright © 2008 Asociación Argentina de Mecánica Computacional http://www.amcaonline.org.ar

Figura 9. Campo de velocidades del modo normal 1.

Figura 10 Campo de velocidades del modo normal 2.

Figura 11 Campo de velocidades del modo normal 3.

Copyright © 2008 Asociación Argentina de Mecánica Computacional http://www.amcaonline.org.ar

Figura 12 Campo de velocidades del modo normal 4.

5.2.2 Adaptividad h con p constante.

Como ejemplo de adaptividad, se calcularon el primer autovalor y autofunción del

Paso Autovalor 1 Nº de elementos Nº de incógnitas

Copyright © 2008 Asociación Argentina de Mecánica Computacional http://www.amcaonline.org.ar

5.2.3 Orden de convergencia.

Copyright © 2008 Asociación Argentina de Mecánica Computacional http://www.amcaonline.org.ar

Figura 14. Convergencia del error en función del número de incógnitas.

Se desarrolló un código de cálculo para resolver en forma adaptiva problemas de

Copyright © 2008 Asociación Argentina de Mecánica Computacional http://www.amcaonline.org.ar