Luccas Cassimiro Campos

Modelagem do escoamento de fluidos em meios

porosos utilizando a estrutura de dados Autonomous
Leaves Graph

Belo Horizonte - MG, Brasil

Dezembro de 2013

Luccas Cassimiro Campos

Modelagem do escoamento de fluidos em meios

porosos utilizando a estrutura de dados Autonomous
Leaves Graph

Dissertao apresentada para obteno do

Grau de Mestre em Matemtica pela
Universidade Federal de Minas Gerais

Orientador:

Rodney Josu Biezuner

Co-orientadora:

Denise Burgarelli Duczmal

DEPARTAMENTO DE MATEMTICA
INSTITUTO DE CINCIAS EXATAS
UNIVERSIDADE FEDERAL DE MINAS GERAIS

Belo Horizonte - MG, Brasil

Dezembro de 2013

Dissertao de Mestrado sob o ttulo Modelagem do escoamento de fluidos em meios

porosos utilizando a estrutura de dados Autonomous Leaves Graph, defendida por Luccas
Cassimiro Campos e aprovada em 09/12/2013, em Belo Horizonte, Estado de Minas
Gerais, pela banca examinadora constituda pelos professores:

Prof. Rodney Josu Biezuner

Orientador

Profa . Denise Burgarelli Duczmal

Co-orientadora

Prof. Ricardo Hiroshi Caldeira Takahashi

Universidade Federal de Minas Gerais

Prof. Eduardo Cardoso de Abreu

Universidade Estadual de Campinas

Agradecimentos

Agradeo aos meus pais e minha famlia pelo incentivo incondicional aos meus estudos.
Aos meus orientadores, Rodney e Denise, por acreditarem no meu trabalho e me emprestarem sua experincia durante os ltimos anos.
Ao CNPq e CAPES, pela criao do PICME e pela concesso da bolsa durante o perodo
do mestrado.
Sylvie por levar adiante o projeto do PICME na UFMG e permitir a realizao desse
trabalho.
Aos professores e funcionrios do Departamento de Matemtica, por todo o apoio prestado.
Por fim, agradeo Universidade Federal de Minas Gerais por ter me acolhido como aluno
desde o bacharelado.

Foi o tempo que perdeste com

tua rosa que fez tua rosa to
importante
(Antoine de Saint-Exupry)

Resumo
A simulao do escoamento multicomponente de fluidos em meios porosos requer o tratamento de fenmenos localizados, tais como frentes de concentrao e gradientes de presso,
assim como a considerao da geometria do meio. O fato de serem localizados nos sugere
a utilizao de uma malha adaptativa, altamente refinada nas regies onde necessria
uma melhor resoluo, e pouco refinada onde o fluxo de massa menor. O presente trabalho tem como objetivo a utilizao da metodologia conhecida como Autonomous Leaves
Graph (ALG) na simulao do escoamento de fluidos em meios porosos. A estrutura ALG
tem se mostrado eficiente em problemas que envolvem refinamento adaptativo da malha,
permitindo um refinamento local e a coexistncia de regies vizinhas com nveis de refinamento arbitrariamente diferentes. Utilizaremos o mtodo misto-hbrido de elementos
finitos para a soluo da Equao Diferencial Parcial elptica dada pela Lei de Darcy, e o
mtodo donor cell upwind scheme de volumes finitos para avanar no tempo a concentrao do tracer (marcador) em cada clula. Aplicamos a tcnica de refinamento adaptativo
simulao do escoamento monofsico bicomponente em um meio poroso. So discutidos
os resultados numricos obtidos na simulao do escoamento bidimensional.
Palavras-chave: Escoamento em meios porosos. Refinamento adaptativo da malha
(AMR). Autonomous Leaves Graphs (ALG). Mtodo Misto-Hbrido. Donor cell upwind
scheme.

Abstract
Multicomponent flow through porous media simulation involves the treatment of localized
phenomena, such as concentration fronts, pressure gradients or geometry of the media.
This suggests the use of an adaptive mesh, that is highly refined in the regions on which
a better resolution is needed and less refined where the mass flow is small. The present
work intends to use the methodology known as Autonomous Leaves Graph (ALG) to
simulate fluid flow through porous media. The ALG structure have been showing being
efficient on problems that involve adaptive mesh refinement, allowing local refining and
the coexistence of neighbor regions with arbitrarily different refinement levels. We use
a mixed-hybrid finite element method to solve the elliptic Partial Differential Equation
given by Darcys Law, and the donor cell upwind scheme finite volume method to update
tracer concentrations within each cell. The adaptive refinement technique is applied to
monofasic bicomponent flow through a porous medium and numerical results of the bidimensional flow simulation are discussed.
Keywords: Flow through porous media. Adaptive mesh refinement (AMR). Autonomous Leaves Graphs (ALG). Hybrid mixed method. Donor cell upwind scheme.

Contedo
Lista de Figuras

10

Lista de Tabelas

12

Lista de Smbolos

13

Introduo

13

1 Mecnica dos Fluidos

1.1 Viscosidade . . . . . . . .
1.2 Hiptese do contnuo . . .
1.3 Meios Porosos . . . . . . .
1.4 Lei de Darcy . . . . . . . .
1.5 Equao da Continuidade
1.6 Fluxo Mssico . . . . . . .
1.7 Conservao do Volume .

.
.
.
.
.
.
.

16
16
17
17
18
19
19
20

.
.
.
.
.
.
.
.

21
21
25
26
28
28
28
32
33

.
.
.
.

34
35
36
37
44

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

2 Mtodos Numricos para a resoluo de EDPs

2.1 O Mtodo de Galerkin . . . . . . . . . . . . . . . . . . .
2.1.1 Propriedades da aproximao de Galerkin . . . .
2.2 O Mtodo dos Elementos Finitos (FEM) . . . . . . . . .
2.3 O Mtodo dos Volumes Finitos (FVM) . . . . . . . . . .
2.4 Mtodos numricos para a resoluo de Sistemas Lineares
2.4.1 O Mtodo do Gradiente Conjugado . . . . . . . .
2.4.2 O Mtodo do Gradiente Biconjugado Estabilizado
2.4.3 A fatorao LU incompleta . . . . . . . . . . . .
3 Discretizao da Lei de Darcy
3.1 Formulaes do problema elptico . . . . . .
3.2 A formulao mista . . . . . . . . . . . . . .
3.2.1 Existncia, unicidade e convergncia
3.3 A formulao mista-hbrida . . . . . . . . .

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.

3.4
3.5
3.6
3.7

A formulao mista-hbrida e o escoamento em meios porosos .

Construo do sistema linear . . . . . . . . . . . . . . . . . . .
Positividade definida do sistema linear . . . . . . . . . . . . .
Implementao numrica do mtodo hbrido-misto . . . . . . .

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

47
48
49
50

4 Discretizao das equaes convectivo-difusivas

53
4.1 Fluxo convectivo em 1D . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
4.2 Fluxo convectivo em 2D . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
4.3 Fluxo difusivo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59
5 Refinamento Adaptativo da Malha
5.1 Malhas Adaptativas . . . . . . . . . . . .
5.2 A estrutura de dados Autonomous Leaves
5.2.1 A estrutura da malha . . . . . . .
5.3 Refinamento da malha . . . . . . . . . .
5.4 Desrefino da malha . . . . . . . . . . . .
5.5 Ordenao Total da Malha . . . . . . . .
5.6 Refinando e Desrefinando . . . . . . . . .

. . . .
Graph
. . . .
. . . .
. . . .
. . . .
. . . .

6 Implementao e resultados numricos

6.1 Clculo do campo de presses e de velocidades
6.1.1 Exemplo Numrico 1 . . . . . . . . . .
6.1.2 Exemplo Numrico 2 . . . . . . . . . .
6.1.3 Exemplo Numrico 3 . . . . . . . . . .
6.2 Transporte de massa e refinamento adaptativo
6.2.1 Exemplo Numrico 1 . . . . . . . . . .
6.2.2 Exemplo Numrico 2 . . . . . . . . . .
6.2.3 Exemplo Numrico 3 . . . . . . . . . .
7 Concluses
7.1 Perspectivas . . . . . . . . . . . . .
7.1.1 Permeabilidade Heterognea
7.1.2 Poos (wells) . . . . . . . .
7.1.3 Escoamento Multifsico . .
7.1.4 Escoamento Tridimensional
7.2 Principais Contribuies . . . . . .

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.

. . . . .
(ALG) .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .

.
.
.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.
.

60
60
62
62
63
65
66
67

.
.
.
.
.
.
.
.

70
70
71
71
74
76
76
78
79

.
.
.
.
.
.

81
81
81
82
82
83
83

Lista de Figuras

2.1

Funo base. Fonte: GIACCHINI (2012, p. 13) [28] . . . . . . . . . . . . . 27

5.1

Malha de 4 clulas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62

5.2

Definindo os ns de transio . . . . . . . . . . . . . . . . . . . . . . . . . 63

5.3

Esquema completo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63

5.4

Esquema no-direcional . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64

5.5

Sucesso de refinamentos . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64

5.6

Elos de um n e estrutura bsica de refinamento . . . . . . . . . . . . . . . 64

5.7

Refinando a clula noroeste . . . . . . . . . . . . . . . . . . . . . . . . . . 65

5.8

Mais um nvel de refinamento . . . . . . . . . . . . . . . . . . . . . . . . . 65

5.9

Sequncia de desrefinamento . . . . . . . . . . . . . . . . . . . . . . . . . . 66

5.10 Exemplo de ordenao pela Curva de Hilbert Modificada . . . . . . . . . . 67

6.1

Campo de presses em diferentes nveis de refinamento . . . . . . . . . . . 72

6.2

Campo de presses em diferentes nveis de refinamento . . . . . . . . . . . 73

6.3

Presso versus posio x . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74

10

6.4

Presena de clulas impermeveis . . . . . . . . . . . . . . . . . . . . . . . 75

6.5

Campo de concentraes em diferentes intervalos de tempo . . . . . . . . . 77

6.6

Campo de concentraes em diferentes intervalos de tempo . . . . . . . . . 78

6.7

Campo de concentraes em diferentes intervalos de tempo . . . . . . . . . 80

11

Lista de Tabelas

6.1

Tempo gasto para atualizar as concentraes . . . . . . . . . . . . . . . . . 76

6.2

Tempo gasto para atualizar as concentraes . . . . . . . . . . . . . . . . . 79

12

Lista de Smbolos

Principais caracteres romanos

p
K
v
c
D
N

presso em atm = 1.01325 105 Pa

tensor permeabilidade, com cada entrada em milidarcy (mD) = 9.869 1016 m2
velocidade de Darcy, dada por v = u, em que u a velocidade do fluido
frao volumtrica, em geral, do tracer
parte do domnio na qual a presso especificada
parte do domnio na qual a velocidade especificada

Principais caracteres gregos

ij

densidade em g cm3
viscosidade em cP = 1 102 g cm1 s1
porosidade do meio (razo entre o volume dos poros e o volume total)
domnio computacional do problema
clula da malha, em que i representa sua posio x e j sua posio y

13

Introduo

O processo de escoamento em meios porosos de interesse de uma grande variedade de

engenheiros e cientistas, bem como de polticos e economistas que reconhecem a importncia dos lencis freticos e de uma variedade de processos de extrao de petrleo. A
lei unidimensional descoberta empiricamente em 1856 por Darcy serviu como ponto de
partida para numerosas aplicaes prticas e como um desafio constante para os tericos.
Enquanto as condies originais estudadas por Darcy so encontradas em vrias situaes
prticas, suas extenses para casos mais gerais necessitam de uma anlise terica especial,
por se tratarem de situaes nas quais experimentos so difceis de se realizar [55].
Alm disso, o escoamento multicomponente em meios porosos envolve fenmenos localizados, tais como frentes de concentrao, gradientes de presso e mesmo a geometria do
meio. J as frentes de concentrao podem se dispersar por meio de transporte convectivo
ou difuso na matriz slida. Em [52], vemos uma abordagem que utiliza o refinamento
adaptativo da malha (AMR) para estudar o escoamento em meios porosos em um meio
de permeabilidade (possivelmente) heterognea, levando em conta os efeitos convectivos
e difusivos existentes. Nesse artigo, mtodos de alta resoluo para as frentes de concentrao so utlizados, de forma a tratar os fenmenos localizados, com grande nfase nas
tcnicas de lgebra linear utilizadas.
Utilizando ideias de [52], temos como objetivo neste trabalho a utilizao da estrutura
de dados Autonomous Leaves Graphs (ALG) na simulao do escoamento de fluidos em
meios porosos. Essa estrutura foi proposta em [11], e pode ser utilizada em problemas
que envolvem refinamento adaptativo da malha. Devido eficiencia e flexibilidade do
ALG no tocante ao refinamento e desrefinamento, o resultado esperado uma melhora
significativa no esforo computacional para o clculo da conveco.
A fim de estabelecer o background terico, relembraremos no Captulo 1 alguns conceitos
fundamentais da mecnica dos fluidos, como a viscosidade de um fluido e a permeabilidade
de um meio, e introduziremos as equaes que regem o escoamento em meios porosos (Lei
14

de Darcy e Equao da Continuidade).

O Captulo 2 voltado para os conceitos de mtodos numricos, especialmente os Mtodos
dos Elementos Finitos e dos Volumes Finitos, bem como a parte de lgebra linear esparsa,
que sero necessrios para as simulaes.
Reservamos o Captulo 3 para a apresentao e discusso das formulaes mista e hbridamista do sistema elptico que surge da Lei de Darcy e da Equao da Continuidade,
incluindo teoremas de existncia, unicidade e aproximao.
A discretizao da Equao da Continuidade para o transporte de massa convectivo ser
vista no Captulo 4. L, apresentamos a forma discreta dos fluxos difusivo e convectivo,
levando tambm em conta a estabilidade do esquema.
O Captulo 5 apresenta a estrutura de dados Autonomous Leaves Graph (ALG), como
proposto em [11]. Descrevemos como se d o refinamento e o desrefinamento, bem como
a ordenao das clulas da malha.
Os resultados dos testes numricos so apresentados no Captulo 6, e a concluso se d
no Captulo 7, juntamente com as perspectivas futuras para o trabalho.

15

Captulo 1
Mecnica dos Fluidos

Um fluido pode ser definido, informalmente, como uma substncia que no possui forma
definida, e que assume o formato do recipiente que o contm. Do ponto de vista mecnico,
um fluido uma substncia que se deforma continuamente sob a ao de uma tenso
cisalhante (i.e., o efeito de uma fora paralela superfcie). Assim, os fluidos compreendem
as fases lquida e gasosa (ou vapor) nas quais a matria existe. A diferena principal
entre um slido e um fluido a seguinte: um slido deforma-se quando uma tenso de
cisalhamento lhe aplicada, mas no continuamente [27]. Relembraremos aqui alguns
conceitos e equaes fundamentais no estudo do escoamento.

1.1

Viscosidade

Um fluido cuja taxa de deformao varia linearmente com as tenses de cisalhamento

chamado Fluido Newtoniano. Em termos um pouco mais precisos: tomando coordenadas
cartesianas, se ij representa a componente da tenso cisalhante perpendicular a ei e na
direo ej , um fluido newtoniano incompressvel satisfaz, para i 6= j [9]:

vi
vj
+
ij =
xj xi

A constante de proporcionalidade chamada de viscosidade, e assume-se que varia

apenas com a temperatura do fluido.

16

1.2

Hiptese do contnuo

Fisicamente falando, os fluidos so compostos por molculas em constante movimento.

Porm, na maioria das aplicaes, em especial na Engenharia, estamos interessados apenas
nas propriedades macroscpicas de muitas molculas. Estamos interessados, portanto, em
propriedades mdias: so essas propriedades que geralmente podemos medir. Tratamos,
portanto, um fluido como algo arbitrariamente divisvel, algo contnuo, e deixamos de
lado o comportamento das molculas individuais.
Essa a chamada Hiptese do Contnuo. a base da mecnica dos fluidos clssica, e
ser usada nesse texto, implicitamente, em todas as equaes relacionadas ao movimento
de fluidos. Porm, devemos estar atentos s condies nas quais a Hiptese vlida.
S podemos assumi-la quando a ordem de grandeza da menor dimenso significativa do
problema superior trajetria mdia livre das mleculas (cerca de 6 x 108 m nas
condies normais de temperatura e presso (CNTP) [27]). Caso contrrio, mtodos que
estudam fluidos a nvel molecular devem ser utilizados, rea conhecida como Mecnica
Estatsitica .

1.3

Meios Porosos

Em nossas simulaes, assumiremos a existncia de um meio poroso e rgido, de tal forma

que o escoamento se d apenas por meio dos poros. Definimos, ento, a porosidade
como a razo entre o volume total dos poros e o volume total do meio.
Outro conceito importante a permeabilidade K do meio poroso. Essa grandeza tensorial
corresponde resistncia oferecida pelo meio passagem do fluido. No caso de escoamento
unidirecional em um meio homogneo, a permeabilidade uma grandeza escalar e podemos
escrever

u =

K dP
,
dx

em que u a velocidade do fluido e P a presso do fluido. Essa equao conhecida como

Lei de Darcy, e nos diz que a fora motriz do escoamento em meios porosos o gradiente
de presso.

17

Quando se trata de meios porosos, normalmente se utiliza a chamada velocidade de Darcy

no lugar da velocidade usual. A relao entre as duas velocidades dada pela equao:

v = u,

(1.1)

onde v a velocidade de Darcy e u a velocidade de fluido. De agora em diante, a menos

que dito expressamente o contrrio, trabalharemos apenas com a velocidade de Darcy.

1.4

Lei de Darcy

No caso mais geral, K uma matriz simtrica positivo-definida, chamada matriz de

permeabilidades, e a equao que rege o escoamento pode ser escrita como:

K v dV =

pn ds.

(1.2)

importante ressaltar que essa equao s vlida para o escoamento laminar; para
velocidades muito altas do fluido, devem ser usadas as equaes de Navier-Stokes. De fato,
a Lei de Darcy derivada das equaes de Navier-Stokes sob as hipteses de escoamento
laminar, incompressvel, permanente e de uma relao linear entre as foras viscosas e a
velocidade do fluido. Os interessados encontraro a deduo da Lei de Darcy a partir de
Navier-Stokes em [55].
Adicionalmente, convm notar que a expresso a permeabilidade em um determinado
ponto no possui sentido fsico: K s tem sentido em regies mensurveis do domnio
que sejam grandes comparadas com o volume dos poros, e possivelmente menores que
o domnio total do escoamento (de maneira anloga Hiptese do Contnuo). Porm,
ignorando essas observaes, comum usar o teorema da divergncia e escrever a equao
(1.2) na forma diferencial:

v=

K
p.

18

1.5

Equao da Continuidade

Como estamos trabalhando com um modelo do mundo fsico, a massa deve ser conservada.
Essa conservao d origem a uma equao conhecida como Equao da Continuidade.
Podemos escrev-la como:

Z
Z
d Z
c dV +
F n ds = cw dV
dt

(1.3)

Na equao acima, representa a densidade do componente em questo, c a sua concentrao volumtrica, F o fluxo de massa pela fronteira do domnio , n o vetor normal
exterior unitrio e w o termo de fonte (ou sorvedouro) de massa.
Consideraremos o escoamento incompressvel de uma mistura de gua e um soluto miscvel, que chamaremos tracer. Esses componentes sero indicados pelos subndices w e
t, respectivamente. Dessa forma, as equaes da continuidade para os componentes em
uma regio so:

d Z
t ct dV
dt
d Z
w cw dV
dt

Ft n ds =
Fw n ds =

t ct wt dV
(1.4)

w cw ww dV

Devido incompressibilidade do escoamento, t e w so considerados constantes.

1.6

Fluxo Mssico

Os fluxos de massa envolvem, principalmente, dois efeitos: o transporte convectivo pelo

fluido e a difuso. Porm, em muitas aplicaes, a contribuio difusiva desprezvel com
relao convectiva. Desse modo, desprezando-se a difuso, os fluxos de massa F podem
ser escritos como:
Os fluxos de massa Ft envolvem trs efeitos: o transporte convectivo pelo fluido, a disperso devida s conexes aleatrias entre poros e a difuso molecular. Se n o vetor
normal unitrio a , assumiremos que os vetores de fluxos de massa Ft e Fw satisfazem:

19

vn
Ft nds =
(l t ) v ct kvk t +
n ct ds
ct v n
kvk

!
Z
Z

vn
(l t ) v cw kvk w +
n cw ds
Fw nds =
cw v n
kvk

(1.5)

Aqui, l e t so constantes fsicas, a saber: os coeficientes de disperso longitudinal e

transversal, parte do modelo de disperso Fickiana. A difuso molecular representada
pela difusividade e tortuosidade .

1.7

Conservao do Volume

Por definio, as soma das concentraes dos componentes um:

ct + cw = 1.

(1.6)

Podemos substituir os fluxos de massa em (1.5) nas equaes (1.4), dividir pelas respectivas densidades (t e w ) e somar sobre os dois componentes para obter:

v n ds =

w dV

(1.7)

Uma vez que v n representa a componente normal do fluxo de fluido, essa equao
representa a conservao do volume.
Comumente, fazemos o volume de tender a zero e, utilizando o teorema da divergncia,
obtemos:

v=w

(1.8)

Longe de poos (fontes ou sorvedouros de fluido), essa equao diz que a velocidade de
Darcy v possui divergente nulo. Em 1D, isso significa que o campo de velocidades
constante entre poos.
20

Captulo 2
Mtodos Numricos para a resoluo
de EDPs

Vimos, no Captulo 1, as equaes que descrevem o comportamento de um fluido num

meio poroso. Agora precisamos de ferramentas para realizar a simulao numrica. Temos
dois problemas aqui envolvidos: o primeiro deles envolve a determinao do campo de
velocidades, pela Lei de Darcy (Eq. 1.2) e pela continuidade do volume (Eq. 1.7).
Veremos mais adiante (Captulo 3) que essa uma EDP elptica. Uma vez estabelecido o
escoamento do fluido, o segundo problema computar o transporte convectivo do tracer,
pela Equao da Continuidade (Eq. 1.4). Problemas de conveco so bastante conhecidos
por seu carter hiperblico.
Dessa forma, precisamos de mtodos tanto para equaes elpticas quanto para hiperblicas. Seguindo o procedimento descrito em [52], utilizaremos o mtodo de Elementos
Finitos (que baseado no mtodo de Galerkin) para o problema elptico, e Volumes
Finitos para o problema hiperblico. Vejamos como funciona cada um desses mtodos.

2.1

O Mtodo de Galerkin

Dada uma EDP na sua formulao variacional, introduziremos um mtodo para encontrar
uma soluo aproximada, que posteriormente ser utilizado no mtodo dos Elementos
Finitos.

21

Dado um espao de Hilbert V , uma forma bilinear B(, ) : V V R (procedente da

formulao variacional da EDP) e l V 0 (l representando o termo independente da EDP
e V 0 o dual de V ), queremos encontrar u V tal que:
B(u, v) = l(v) v V.

(2.1)

Assumiremos tambm que a forma B(, ) limitada e coerciva. Ou seja, existem constantes k e tais que
|B(u, v)| kkukV kvkV v V
(2.2)

B(v, v) kvk2V v V.

(2.3)

A ideia do mtodo de Galerkin muito simples. A dificuldade de resolver (2.1) vem do

fato que V um espao muito grande (em geral, tem dimenso infinita!), impedindo a
criao de um procedimento para calcular a soluo exata. O mtodo de Galerkin se
baseia, ento, em uma famlia enumervel de subespaos de dimenso finita {Vn }
n=1 V ,
tais que

Vn = V

(2.4)

n=1

e que satisfazem Vn Vn+1 e dim(Vn ) = Nn < para todo n N. Cada espao Vn

n
obtido selecionando-se funes linearmente independentes {i }N
i=1 em V . Por serem de
dimenso finita (portanto, fechados), os Vn so tambm espaos de Hilbert.
Temos em mos, portanto, o seguinte problema: para cada n N, encontrar un satisfazendo

B(un , v) = l(v) v Vn

(2.5)

Esse problema normalmente chamado de aproximao de Galerkin. Mostraremos que,

sob hipteses apropriadas, a sequncia de solues obtidas converge para a soluo exata
do problema (2.1). Comecemos com um lema de unicidade:
Lema 1. O problema variacional discreto (2.5) possui soluo nica un Vn , para todo n
22

N.

Demonstrao. A restrio da forma B(, ) a Vn Vn elptica e coerciva. Da mesma

forma, a restrio do funcional l a Vn continua sendo linear e limitada, portanto l Vn0 .
Assim, as hipteses do teorema de Lax-Milgram so satisfeitas, mostrando que a soluo
de (2.5) existe e nica.

A essncia do mtodo de Galerkin se deve ao fato de que a soluo un Vn pode ser

escrita como uma combinao linear finita de elementos da base de Vn . Portanto, existem
escalares aj e, para qualquer v Vn , escalares bi que satisfazem

un =

Nn
X

aj j ,

j=1

v=

Nn
X

bi i .

(2.6)

i=1

Substituindo (2.6) em (2.5), e usando a linearidade de B(, ), obtemos

Nn
X

bi

Nn
X

B(j , i )aj l(i ) = 0,

(2.7)

j=1

i=1

ou, de forma mais clara:

Nn
X
i=1

bi

Nn
X

Kij aj Fi = 0,

(2.8)

j=1

em que

Kij := B(j , i ) e Fi := l(i )

(2.9)

so, respectivamente, uma matriz Nn Nn (chamada de matriz de rigidez) e um vetor de

dimenso Nn (chamado de vetor de carga). Note que podem-se calcular explicitamente Kij
e Fi , posto que as funes i so conhecidas e tanto B quanto l so dados explicitamente.
Uma vez que os coeficientes bi so arbitrrios, segue que o termo entre parnteses da
equao (2.8) deve ser zero, o que reduz a equao a um sistema linear:
23

Ka = F.

(2.10)

Uma vez resolvido esse sistema de equaes, pode-se escrever a soluo aproximada un
pela equao (2.6).
Notemos, por curiosidade, uma propriedade inerente aos un . Caso B seja uma forma
simtrica (e coerciva, por hiptese), podemos definir um produto interno (, )B como
(u, v)B = B(u, v). Esse produto interno induz uma norma k kB , chamada de norma da
energia. Subtraindo as equaes (2.1) e (2.5), obtemos

B(u un , v) = 0 v Vn .

(2.11)

Assim, no produto interno definido por B, uun ortogonal a Vn , o que nos leva a concluir
que un uma espcie de projeo ortogonal de u em Vn . De fato, temos o seguinte teorema:
Teorema 1.
ku un kB = inf ku vkB .
vVn

Em outras palavras, na norma da energia, un a melhor aproximao de u em Vn .

Demonstrao. Temos:

B(u v, u v) = B(u un + un v, u un + un v)
= B(u un , u un ) + 2B(u un , un v) + B(un v, un v)

Como B(u un , un v) = 0, por (2.11), temos

ku vk2B = ku un k2B + kun vk2B .

Fixando u e un , vemos que ku vkB assume um mnimo (global) quando un = v, isto

24

ku un kB = inf ku vkB
vVn

como queramos demonstrar.

Procuraremos, agora, cotas para u un usando a norma de V . Isso nos dar respaldo
para concluir sobre a convergncia da sequncia {un }.

2.1.1

Propriedades da aproximao de Galerkin

Provaremos nesta seo os teoremas que faltam para estabelecer a convergncia de {un }
para a soluo exata u. Comearemos pelo:
Teorema 2 (Lema de Ca). Se B satisfaz (2.2) e (2.3), ento
ku un kV

k
inf ku vkV
vVn

Demonstrao. Usando (2.11), obtemos:

B(u un , u un ) = B(u un , u v) + B(u un , un v)

= B(u un , u v).

Ora, temos
B(u un , u un ) ku un k2V

B(u un , u un ) kku un kV ku vkV v Vn

donde
25

ku un kV

k
ku vkV v Vn

o que completa a prova.

Estamos, finalmente, prontos para provar a convergncia das solues un :

Teorema 3. Seja V um espao de Hilbert e V1 V2 V3 uma famlia enumervel de
espaos de dimenso finita que cumpra

Vn = V.

(2.12)

n=1

Adicionalmente, suponhamos que B(, ) : V V R seja uma forma bilinear limitada e

coerciva e que l V 0 . Ento

lim ku un kV = 0

(2.13)

Ou seja, o mtodo de Galerkin para o problema (2.1) convergente.

Demonstrao. Dada uma soluo u de (2.1), por (2.12) possvel encontrar uma sequncia tal que {vn } Vn para todo n N e

lim ku vn kV = 0

O resultado segue pelo Lema de Ca.

2.2

O Mtodo dos Elementos Finitos (FEM)

Uma vez compreendida a essncia do mtodo de aproximao de Galerkin, precisamos

encontrar os espaos Vn apropriados para que se ponha em prtica a simulao. Um
26

procedimento simples e sistemtico para tal o Mtodo dos Elementos Finitos. Este
consiste em dividir o domnio em uma coleo de polgonos k (chamados de elementos).
A coleo desses elementos chamada de malha. Definimos, ento, a base do espao Vn
usando funes suaves (em geral, polinmios) em cada k . Esses elementos devem cobrir
todo o espao , e a interseo de dois elementos deve ser um vrtice, uma aresta ou o
conjunto vazio. Alm disso, a base de Vn definida dessa maneira deve pertencer ao espao
V (pois Vn V ).
A ltima afirmativa causa certa dificuldade em aplicar o FEM: em geral, as funes de
Vn devem ser contnuas em . Como um vrtice pode pertencer a mais de um elemento,
se Vn satisfaz (x0 ) 6= 0 para algum x0 i j , ento as restries de ao interior
de i e de j no podem ser identicamente nulas. Dessa forma, faz sentido definir as
funes-base por meio dos seus valores nos vrtices, com cada funo-base possuindo o
valor 1 em um vrtice e 0 em todos os outros. Tambm podem ser usados pontos das
arestas, faces ou clulas [18]. Uma tpica funo base linear por partes em uma malha
triangular mostrada na Fig. 2.1.

Figura 2.1: Funo base.

Fonte: GIACCHINI (2012, p. 13) [28]
A restrio quanto continuidade das funes-base acaba por introduzir um acoplamento
entre as clulas. Retomando o mtodo de Galerkin, precisamos calcular os valores de
Kij = B(j , i ).

Em geral, a forma bilinear B dada por uma integral envolvendo i , j e suas derivadas.
Assim, se i e j no so identicamente nulas em uma determinada clula, o termo Kij
no ser necessariamente igual a zero. De modo a evitar essa dificuldade, gostaramos de
trabalhar em espaos de funes possivelmente descontnuas, que nos permitam zerar o
mximo de elementos da matriz K. Um dos trunfos da Formulao Mista-Hbrida para
a soluo da Lei de Darcy, que ser apresentada no Captulo 3, ser a possibilidade de
trabalhar em espaos descontnuos (no sendo, porm, o nico mtodo com essa carac27

terstica: h tambm os mtodos de Galerkin descontnuos [30]). Mtodos de Elementos

Finitos que trabalham com funes-base descontnuas so chamados de no-conformes.

2.3

O Mtodo dos Volumes Finitos (FVM)

O mtodo dos Volumes Finitos um mtodo de discretizao utilizado para a simulao

numrica de leis de conservao (sejam elas elpticas, hiperblicas ou parablicas). Tem
sido usado extensivamente em vrios campos da engenharia, como a mecnica dos fluidos,
a transferncia de calor e massa e a engenharia de petrleo [25]. Alguns aspectos importantes do mtodo dos Volumes Finitos so similares aos dos Elementos Finitos [40]: pode
ser usado em geometrias arbitrrias e gera esquemas robustos. Um aspecto adicional a
conservao local dos fluxos numricos, i.e, o fluxo numrico conservado de uma clula
da discretizao para outra. Essa ltima caracterstica torna o FVM bastante atraente
na modelagem de problemas para os quais o fluxo importante, como na transferncia de
calor, massa e na mecnica dos fluidos. O FVM localmente conservativo por ser baseado
numa abordagem de balanos: um balano local escrito em cada clula da discretizao,
normalmente chamada de volume de controle; pelo teorema da divergncia, uma formulao integral dos fluxos na fronteira do volume de controle ento obtida. Para uma
abordagem completa, veja por exemplo [37], [51], [49], [25] ou [26].

2.4

Mtodos numricos para a resoluo de Sistemas

Lineares

Vimos que, em nossas simulaes, precisaremos resolver sistemas lineares. Veremos tambm que esses sistemas sero de grande porte e esparsos. Para tal, mtodos convencionais
de resoluo de sistemas densos no so efetivos, pois o grande porte do sistema causa
uma vasta utilizao de memria. Alm disso, o extenso nmero de clculos feitos implica
na necessidade de uma grande capacidade de processamento. Surgem, ento, os mtodos
iterativos, adaptados aos sistemas esparsos e de grande porte.

2.4.1

O Mtodo do Gradiente Conjugado

O mtodo do Gradiente Conjugado (CG) efetivo na resoluo de sistemas da forma

28

Ax = b

(2.14)

nos quais A simtrica e positivo-definida. O mtodo surge pela definio da forma

bilinear:

1
f (x) = xt Ax bt x
2
cuja derivada

1
1
f 0 (x) = At x + Ax b.
2
2

(2.15)

Se A for simtrica, sistema (2.15) se torna

f 0 (x) = Ax b.

(2.16)

Assim, encontrar as solues do sistema (2.14) equivale a encontrar os pontos crticos de

f . Agora, se x tal que Ax = b, temos:
1
f (x + h) = (x + h)t A(x + h) bt (x + h)
2
1
1
= xt Ax bt x + ht Ax + ht Ah bt h
2
2
t
t
t
= f (x) + h b b h + h Ah
= f (x) + ht Ah

(pois A simtrica)
(pois Ax = b)
(ht = bt h).

Adicionalmente, se A for positivo-definida, vale f (x + h) f (x) h, e o ponto x o

mnimo do funcional f . Portanto, podemos utilizar uma tcnica de minimizao para
encontrar a soluo do sistema (2.14).

29

O Mtodo da Mxima Descida

Vimos que a soluo do sistema (2.14) pode ser visto como um problema de minimizao de
uma forma bilinear. Para resov-lo, comeamos com uma estimativa inicial x0 e criamos
uma sequncia {xn } que esperamos que convirja para a soluo. Para tal, em cada
iterao, escolhemos a direo na qual f decresce mais rapidamente. Essa direo a
oposta a f 0 (xn ). De acordo com a equao (2.15), a direo desejada f 0 (xn ) = bAxn .
Se denotarmos o resduo na ensima iterao por rn = bAxn , temos que o vetor buscado
para a prxima iterao tem a forma xn+1 = xn + rn .
Falta-nos determinar . Isso feito de forma a minimizar o valor de f (xn+1 ) = f (xn +
n rn ). Um clculo simples nos mostra que
n =

rnt rn
.
rnt Arn

(2.17)

Para o mtodo da mxima descida, pode-se mostrar (vide [48]) que, se x a soluo de
(2.14), vale:

f (xn ) f (x)

f (x0 ) f (x)

k1
k+1

!2n

(2.18)

em que k = kAk kA1 k o nmero de condio da matriz A.

Vemos que o mtodo da mxima descida convergente, embora para nmeros de condio
altos essa convergncia possa ser lenta. Gostaramos, portanto, de alterar um pouco o
mtodo de forma a melhorar a convergncia.
Trabalharemos com direes de busca pn , de forma que xn+1 = xn + n pn . No mtodo da
mxima descida, tnhamos pn = rn . Generalizaremos esse mtodo, construindo os pn de
tal forma que xn+1 seja o mnimo de f restrita ao espao gerado pelas direes de busca
j tomadas {p1 , p2 , , pn }. Assim, caso trabalhemos com aritmtica de preciso infinita
(ou seja: apenas teoricamente), aps no mximo n iteraes, atinge-se o mnimo de f em
todo o espao.
Esse o Mtodo do Gradiente Conjugado, proposto originalmente por Hestenes e Stiefel

30

[33]. So construdas sequncias de vetores

rn+1 =rn n Apn
pn+1 =rn + k pn

que satisfazem as condies de ortogonalidade e conjugao

rit rj = 0
pti Apj = 0
rit pj = 0

para todo i 6= j.
Os escalares k e k so dados por

t
rk1
rk1
t
pk Apk
t
r rk1
k = k1
.
t
rk2
rk2

k =

Assim, como proposto por Reid [42], o algoritmo fica na forma

1:
2:
3:
4:
5:
6:
7:
8:
9:
10:
11:

x0 estimativa inicial
 tolerncia
r0 = b Ax0
k=1
p 1 = r0
1 = (r0t r0 ) \ (pt1 Ap1 )
x1 = x0 + 1 r1
r1 = r0 1 Ap1
while krk k >  do
k =k+1
t
t
k = (rk1
rk1 )\(rk2
rk2 )
31

(2.19)
(2.20)

12:
13:
14:
15:
16:
17:

pk = rk1 + k pk1
t
k = (rk1
rk1 )\(ptk Apk )
xk = xk1 + k pk
rk = rk1 k Apk
end while
x = xk

Notemos que esse mtodo requer apenas uma multiplicao matriz-vetor por iterao.
Note tambm que somente 4 vetores so armazenados: x, r, p e Ap.
Analisemos, agora, a convergncia. Caso no haja erros de arredondamento, o mtodo se
encerra em exatamente n iteraes, sendo n a ordem da matriz A. Porm, em simulaes,

esse nunca o caso. Definindo kxkA = xt Ax, pode-se mostrar (vide [48]) que

!n
k1
kx0 xkA .
kxn xkA 2
k+1

(2.21)

Assim, o Gradiente Conjugado mais eficiente que o da mxima descida. Porm, em

qualquer um dos dois mtodos, a convergncia depende do nmero de condio da matriz
A.

2.4.2

O Mtodo do Gradiente Biconjugado Estabilizado

Uma generalizao do Mtodo do Gradiente Conjugado aplicvel a matrizes no-simtricas

foi proposta em 1992 por H. A. Van der Vorst [54]. chamado de Gradiente Biconjugado
Estabilizado (normalmente abreviado como BiCGSTAB), e pertence classe de mtodos
numricos conhecidos como Metdos de Krylov.
Dado um precondicionador K = K1 K2 A, o mtodo do BiCGSTAB descrito abaixo:
1:
2:
3:
4:
5:
6:
7:

x0 estimativa inicial
 > 0 tolerncia
r0 = b Ax0
r0 = r0
0 = 0 = 0 = 1
p 0 = v0 = 0
k=1

32

8:
9:
10:
11:
12:
13:
14:
15:
16:
17:
18:
19:
20:
21:
22:
23:

while krk k >  do

k =k+1
k = r0t rk1
k = (k /k1 )(k1 /k1 )
pk = rk1 + k (pk1 k1 vk1 )
Resolver Ky = pk
vk = Ay
k = k /(
r0t vi )
sk = rk1 k vk
Resolver Kzk = sk
tk = Azk
2

k = (K11 tk )t (K11 sk )/ K11 tk
xk = xk1 + k yk + k zk
rk = sk k tk
end while
x = xk

Como esperado, esse mtodo tem um maior custo computacional que o CG.

2.4.3

A fatorao LU incompleta

A fatorao LU incompleta (abreviada como iLU) uma alternativa dentre os vrios

possveis precondicionadores de um sistema. Consiste em realizar uma eliminao gausssiana aproximada na matriz, de forma que apenas a diagonal e termos significativos
mantenham-se no-nulos. Dessa forma, se a matriz esparsa, podemos tomar sua fatorao iLU (composta de uma matriz triangular inferior L e uma triangular superior
U ) composta de matrizes esparsas, mantendo assim a eficincia na resoluo de sistemas
esparsos e de grande porte.
Para um estudo mais completo sobre a escolha de precondicionadores ou sobre fatoraes
de matrizes aplicadas soluo de equaes, pode-se consultar, por exemplo, [7] e [50].

33

Captulo 3
Discretizao da Lei de Darcy

Este captulo dedicado ao estudo do sistema associado Lei de Darcy e equao da

conservao do volume. Relembrando o captulo 1, essas equaes podem ser descritas,
na forma forte, como

p
v = K

v = 0

= pD

(3.1)
em D

v n = vN n em N

Aqui, D a parte da fronteira onde especificada a presso pD , e N a parte onde

especificada a componente normal da velocidade vN n. Essas equaes so, na verdade,
um caso particular de equaes da forma:

T1 v + p

v = w

=g

= pD (x)

v n = vN n

na qual T :=

simtrica e positivo-definida.

34

(3.2)
em D
em N

Fisicamente, podemos atribuir o termo g ao da gravidade, por exemplo, e o termo

w a uma fonte ou sorvedouro de fluido. Para um tratamento completo, mostraremos os
resultados vlidos no caso geral (3.2). Veremos agora, maneiras de tratar esse problema,
que culminaro no mtodo hbrido-misto, o qual ser utilizado nas simulaes.

3.1

Formulaes do problema elptico

primeira vista, parece interessante substituir a primeira das equaes (3.2) na segunda,
obtendo uma equao somente em p:

(Tp)

= w (Tg)
(3.3)

= pD em D

(Tp) n = (vN Tg) n em N

ou simplesmente:

(Tp)

=f

p = pD em D

(Tp) n = v

(3.4)
N

n em N

Essa formulao a famosa forma divergente de um problema elptico, e uma variao

da conhecida Equao de Laplace (que corresponde ao caso T = I). Sabemos que esse
problema tem soluo nica (supondo a regularidade necessria, vide [29], [24]), e que
pode ser visto como um problema de minimizao de um certo funcional. Porm, estamos
interessados no campo de velocidades, obtido por meio do gradiente de p. Computacionalmente, essa abordagem pouco interessante, pois derivao numrica implica em perda
de preciso. Dessa forma, precisamos de uma maneira de obter o campo de velocidades
diretamente. Surge, ento, o mtodo misto para a soluo do problema.

35

3.2

A formulao mista

Podemos tentar resolver diretamente o sistema (3.2). Porm, o tratamento das equaes
pode ser mais fcil em espaos de funes que requerem menor regularidade. Faz sentido,
ento, tentar reduzir a exigncia de suavidade das funes e buscar solues num espao
mais geral. Essa a essncia da formulao fraca das EDPs.
Consideraremos, por ora, vN n 0. Multipliquemos a primeira das equaes de (3.2)
por uma funo arbitrria u U e a segunda por q Q (em que U e Q sero definidos
posteriormente), e integremos em . Ento, se (u, p) satisfazem (3.2), tambm satisfazem

Z
Z

u T1 v +
u p

qv =

u g u U

q Q

qw

p = pD

v n =

(3.5)

em D
0

em N

Se tomarmos U = H0,N (div, ) := {u L2 () : u L2 () e u n|N = 0} , podemos

aplicar o teorema da divergncia funo F = u p para obter

Z
Z
1

T
v

( u) p

Z
Z

qv =

ug

(u n) pD

u H0,N (div, )
q L2 ()

qw

(3.6)

p L2 ()

v H (div, )
0,N

.
Note que agora podemos buscar uma soluo (u, p) H0,N (div, ) L2 (). E mais: se p
for suficientemente suave, pelo teorema de Hahn-Banach, o problema (3.6) equivalente
ao problema (3.2) em H0,N (div, ) L2 () com condies de Neumann homogneas em
N.
A vantagem desse mtodo obter o campo de velocidades v diretamente, resultando numa
maior preciso numrica. Resta, portanto, mostrar a existncia e unicidade da soluo
do problema (3.6), obtendo com eles os teoremas de convergncia usados para estimar o
erro da simulao.
36

Antes disso, porm, retiremos a homogeneidade da condio de Neumann. Seja v

qualquer
funo que satisfaa v
n = vN n. Isso pode ser feito, por exemplo, tomando uma soluo
clssica (veja [29] ou [24]) de

(T
p)

p = 0

(T
p) n

=0
(3.7)

em D
=v
N n em N

Tomando a soluo (v0 , p) do problema

Z
Z
1

u T v + ( u) p

Z
Z
Z

qv =

qw

ug

(u n) pD

u T1 v
u H0,N (div, )
q H0D ()

qv

p L2 ()

v H (div, )
0,N

(3.8)
e definindo v = v
+ v0 , vemos que (v, p) a soluo procurada. Isso nos diz que, em
N , condies de contorno no homogneas significam, simplesmente, uma mudana no
lado direito das equaes (3.5). Vejamos agora um tratamento mais formal da formulao
mista.

3.2.1

Existncia, unicidade e convergncia

Trabalharemos, nesta seo, com um problema mais abstrato. Seja V um espao de

Hilbert com a norma kkV , produto interno (, )V e dual V 0 . Consideraremos uma forma
linear limitada em V V

|a(u, v)| kak kukV kvkV .

Essa forma define um operador contnuo A : V V 0

37

(3.9)

(Au, v)V 0 V = a(u, v) u, v V.

(3.10)

Seja outro espao de Hilbert Q com norma kkQ , produto interno (, )Q e dual Q0 . Seja
tambm uma forma bilinear contnua em V Q

|b(u, q)| kbk kukV kqkQ .

(3.11)

Novamente, introduzimos um operador linear B : V Q0 e o operador transposto B t :

Q V 0 , definidos por
(Bu, q)Q0 Q = (u, B t q)V V 0 = b(u, q) u V, q Q.

(3.12)

Sejam f V 0 , g Q0 . Queremos encontrar u V, p Q tais que

a(v, u) + b(u, p)

b(v, q)

= f (u) u V

(3.13)

q Q

= g(q)

ou

Av

+ Btp = f

em V 0

Bv

=g

em Q0

(3.14)

Por exemplo, para o problema (3.6), temos as seguintes formas bilineares:

a : H0,N (div, ) Z H0,N (div, ) R

T1 v u

(v, u)

(3.15)

b : H0,N (div, )Z L2 () R
(u, p)

( u) p

38

(3.16)

Supondo que o operador T 1 : H0,N (div, ) H0,N (div, ) seja contnuo, temos

|a(u, v)| T 1 kukH0,N (div,) kvkH0,N (div,)

(3.17)

|b(u, p)| kukH0,N (div,) kpkL2 () .

(3.18)

e
Lema 2. Se g Im B e a forma bilinear a(, ) coerciva em Ker B, i.e., existe 0 tal
que

a(u0 , u0 ) 0 ku0 k2V u0 Ker B,

(3.19)

ento existe um nico u V soluo de

a(u, v0 ) = f (v0 ) v0 Ker B

(3.20)

Bu = g em V 0 .

(3.21)

que satisfaa

Demonstrao. Tomemos ug V tal que Bug = g. Pela coercividade de a em Ker B,

podemos encontrar u0 Ker B satisfazendo

a(u0 , v0 ) = f (v0 ) a(ug , v0 ) v0 Ker B.

(3.22)

.
Escrevendo u = u0 + ug , conclumos a existncia. Tomemos, ento, u1 e u2 solues de
(3.20) e (3.21). Temos
a(u1 u2 , v0 ) v0 Ker B.
(3.23)

Como u1 u2 Ker B, a coercividade de a em Ker B implica u1 = u2 .

claro que, se (3.13) tem uma soluo (u, p), ento u ser soluo de (3.20) e (3.21).
O lema acima implica, ento, que o primeiro componente da soluo (u, p) de (3.13) (se
39

existir) nico. Notemos tambm que, pela prova do lema:

kuk kug k +

1
(kf kV 0 + kak kug k) .
0

(3.24)

Assim, se encontrarmos uma cota superior para kug k, teremos feito o mesmo para kuk.
Notemos tambm que a coercividade de a pode ocorrer apenas em Ker B, sem que ocorra
em todo V .
Temos agora o problema de encontrar p. Para tal, mais hipteses tm de ser feitas sobre
o operador B. Mais precisamente, precisaremos que Im B seja fechada em Q0 . A razo
para tal est no seguinte resultado da anlise funcional, cuja prova pode ser vista em [56].
Lema 3. As afirmaes abaixo so equivalentes:

Im B fechada em Q0 .
Im B t fechada em V 0 .
(Ker B) = Im B t .
(Ker B t ) = Im B.
Existe k0 > 0 tal que, para todo g Im B, existe vg V com Bvg = g e
kvg kV 1/k0 kgkQ0 .
Existe k0 > 0 tal que, para todo f Im B t , existe qf Q com B t qf = f e
kqf kQ 1/k0 kf kV 0 .

Se qualquer uma das condies acima acontecer, dizemos que B admite um levantamento
contnuo de V 0 a Q.

Podemos, finalmente, provar a existncia da soluo de (3.13).

Teorema 4. Seja g Im B e seja u a soluo do problema (3.20) e (3.21). Se Im B
fechada em Q0 , existe p Q tal que (u, p) soluo de (3.13). Alm disso, as seguintes
cotas so vlidas:

1
1
kak
kf kV 0 +
1+
kgkQ0 ,
kukV
0
k0
0
40

(3.25)

kpkQ\Ker B t

kak
kak
kak
1
1+
kf kV 0 + 2 1 +
kgkQ0 .

k0
0
k0
0

(3.26)

Demonstrao. Para obter (3.25), podemos tomar ug satisfazendo (3.20), (3.21) e

kug k

1
kgkQ0 ,
k0

portanto (3.24) nos d (3.25).

Considere o funcional em V 0 :

L(v) = f (v) a(u, v).

Temos ento que L(v0 ) = 0 v0 Ker B. Logo, pelo lema (3), L Im B t , mostrando que
existe p Q que satisfaz
L(v) = b(v, p) v V,
ou seja:
a(u, v) + b(v, p) = f (v) v V.

Por meio de projees ortogonais, podemos tomar p (Ker B t ) . Se p0 Ker B t , o lema

(3) ainda nos diz

sup
vV
v6=0

b(v, p + p0 )
b(v, p)
L(v)
= sup
= sup

inf k0 kp + p0 kQ = k0 kpkQ/ Ker B t .

p0 Ker B t
kvk
kvk
vV
vV kvk
v6=0

v6=0

Das desigualdades acima, e do fato que b(v, p) = L(v) = f (v) a(u, v) v V , obtemos
a desigualdade (3.26).

Note que no conclumos a unicidade de p. De fato, pela primeira equao de (3.13), vemos
que p est definida a menos de um elemento de Ker B t . A unicidade estar garantida se,
e somente se, Ker B t = 0, ou seja, se B for sobrejetiva.

41

Resta-nos verificar se as hipteses do teorema so satisfeitas no caso da Lei de Darcy.

Basta verificar que o operador B igual a -div restrito a H0,N (div, ) e que

div : H0,N (div, ) L2 ()

sobrejetivo se D 6= . Para tal, dado f L2 (), basta utilizar a existncia da soluo

([29], [24]) de

|D

=f
(3.27)

=0

n N

=0

e tomar = , obtendo H0,N (div, ) com div = f . No caso em que D = , a

soluo estar definida a menos de uma constante arbitrria.
Vejamos como utilizar o Mtodo dos Elementos Finitos para construir uma aproximao para o problema. Trabalharemos num domnio quadrado , dividido em quadrados
abertos disjuntos ij tais que
[
ij = .
(3.28)
i,j

Denotemos, num elemento ij da partio,

P0 (ij ) : o espao de funes constantes em ij

RT0 (ij ) : {(ax + b, cy + d) : a, b, c, d P0 } .

Denotemos por h o supremo dos dimetros (i.e, dos dimetros dos crculos circunscritos)
desses quadrados e

Vh := vh H0,N (div, ) : vh |ij RT0 (ij ) i, j ,

42

Qh := ph L2 (div, ) : ph |ij P0 (ij ) i, j .

Note que div Vh = Qh . Procuramos ento (vh , ph ) satisfazendo

a(u, vh ) + b(u, ph )

b(vh , q)

= f (u) u Vh

(3.29)

q Qh

= g(q)

ou mesmo

Ah u + B t p
h

Bh u

=f

em Vh0
em Q0h .

=g

(3.30)

Aqui, o operador Bh a restrio de B a Vh . Como B = div, pela igualdade div Vh = Qh

vemos que Bh sobrejetiva e Ker Bh Ker B. Alm disso, como a(, ) coerciva em
Ker B, tambm o ser em Ker Bh . Assim, o problema discreto 3.29 tem soluo nica.
Pode ser visto, tambm, em [10]:
Teorema 5. Sejam (v, p) soluo de (3.13) e (vh , ph ) soluo de (3.29). Ento, existe K
independende de h tal que as seguintes estimativas so vlidas:

kv vh kH0,N (div,) + kp ph kL2 () Kh

(3.31)

Isso significa que temos uma aproximao de primeira ordem ao utilizar o mtodo misto.
Vimos que o mtodo misto uma alternativa interessante por permitir a computao
direta do campo de velocidades. Porm, pode-se mostrar ([10]) que a formulao mista
envolve a determinao de um ponto de sela. Computacionalmente, problemas de ponto de
sela so mais difceis que problemas de minimizao. Alm disso, o espao Vh composto
de funes contnuas, o que gera um certo acoplamento no sistema associado, de forma
que a matriz de rigidez tenha menos zeros. Procuramos (se possvel) um mtodo que nos
leve a um problema de minimizao, preferencialmente que envolva funes descontnuas.
Esse mtodo o chamado mtodo misto-hbrido, tema da prxima seo.

43

3.3

A formulao mista-hbrida

A ideia desta seo trabalhar em um espao menos restritivo que H0,N (div, ). Comecemos definindo

X() = {v : v ij H(div, ij )} .

claro que H0,N (div, ) X(). Para trabalhar nesse espao, precisamos saber sob
quais condies uma funo em X() pertence a H0,N (div, ).
Seja E o conjunto das arestas dos ij e 0,D as funes em L2 (E) que se anulam em D
(a parte da fronteira com condies de Dirichlet). Definimos a seguinte forma bilinear:

c : X() Z 0,D R

(v, )

v n ds

(3.32)

ij

i,j

Como usual, denotaremos por C : X() 00,D o operador linear definido por c(, ).
imediato ver que

Cu =

v|ij nij

i,j

Esse operador sobrejetivo. De fato, dado 0,D podemos resolver em cada ij :

ij

=0
em ij D

ij = 0

ij = |
n

em ij N

ij

e escrever v como uma soma (direta) dos ij .

Em [10], temos as seguintes caracterizaes:

44

Lema 4. Seja v X(). Ento

(c(v, ) = 0 0,D ) (v H0,N (div, )).

(3.33)

Lema 5. Se 0,D e
c(v, ) = 0 v X()

(3.34)

ento 0.

Podemos ver, ento, a condio v H0,N (div, ) como uma restrio em X() dada
por c(v, ) = 0 0,D .
Vejamos como uma nova formulao do problema pode ser apresentada. Escreveremos,
em X0,N (), v|ij = vij e, em L2 (), p|ij = pij . Seja (v, p) soluo de (3.13) e considere
o mapa

: u f (u) a(v, u)

b(uij , pij ).

(3.35)

ij

claro que (u) = 0 para todo u H0,N (div, ) = Ker C. Pelo lema (3), isso implica na
existncia de um 0 tal que
c(u, 0 ) = (u) u X().

(3.36)

Ou seja, temos
a(v, u) +

b(uij , pij ) + c(u, 0 ) = f (u).

(3.37)

ij

Para ver que 0 nico, basta usar o lema (5).

Podemos resumir os resultados obtidos no seguinte teorema:
Teorema 6. [Formulao mista-hbrida] Sejam (v, p) soluo de (3.13) e 0 definido
por (3.36). Ento o terno ordenado (v, p, 0 ) a unica soluo do seguinte problema:

45

encontrar (v, p, 0 ) X() L2 () 0,D tais que

a(v,
u)
+

i,j b(uij , pij ) + c(u, 0 )

P
i,j b(vij , qij ) = g(q)

c(v, ) = 0

= f (u)

u H()
q L2 ()

(3.38)

0,D .

Denotaremos por Vh = v X() : v|ij RT0 (ij ) i, j , Ph = p L2 () : p|ij P0 ()i, j

e h = { 0,N ; constante em cada aresta de E}. Esses espaos so normados (e de
Hilbert): Vh e Ph herdam a norma natural de X() e L2 (). Alm disso:

kk2h =

|e| k|e k2L2 (E) .

eE

Podemos, ento, estender nosso resultado para o problema discreto:

Teorema 7. [Formulao mista-hbrida discreta] Existe um nico terno (vh , ph , h )
Vh Ph h soluo de

a(v, u) + ij b(uij , pij ) + c(u, )

P
ij b(vij , qij ) = g(q)

c(v, ) = 0

= f (u) u Vh
q Ph

(3.39)

h .

Finalmente, em [10], encontramos o seguinte teorema para a convergncia do Mtodo dos

Elementos Finitos:
Teorema 8. [Convergncia dos multiplicadores de Lagrange] Seja (v, p, ) soluo de
(3.38), (vh , ph , h ) soluo de (3.39) e a projeo de L2 () em h . Ento existe uma
constante K independente de h tal que
kp h kh Kh2

(3.40)

Assim, vemos que h converge para a projeo de p nas arestas das clulas. E mais:
h uma aproximao de segunda ordem de p, enquanto kp ph kPh somente O(h)
(vide Equao (3.31)). Assim, os multiplicadores de Lagrange sero identificados com as
presses nas arestas.
As prximas sees so devotadas a estabelecer a implementao numrica da formulao
46

mista-hbrida no escoamento de fluidos em meios porosos.

3.4

A formulao mista-hbrida e o escoamento em

meios porosos

Utilizaremos a abordagem descrita em [52] para a soluo da equao de Darcy. Seja

o domnio do problema uma coleo de retngulos = i,j ij e seja E o conjunto dos
lados desses retngulos interiores a . De acordo com a seo anterior, a formulao
mista-hbrida consiste em encontrar v ij H(div, ij ), p L2 () e 0,D (funes
em L2 (E) que se anulam em D) tais que:

uT

"
X Z
i,j

( u) p

(u n) =

ij

ij

(ug)

(u n) p

u ij H(div, ij ) (3.41)

XZ
i,j

qv =

q w q L2 ()

(3.42)

ij

XZ
i,j

ij

v n = 0 0,N

(3.43)

Os multiplicadores de lagrange sero associados s presses nos lados das clulas. De

fato, para solues fortes, o teorema da divergncia nos diz que o somatrio na equao
R
(3.41) deve ser igual a u p, implicando em p|E = . Essa hiptese vai ao encontro
do teorema de convergncia (8), e assim passaremos a identificar os multiplicadores de
Lagrange com as presses nas arestas das clulas.
Para encontrar uma soluo aproximada, trabalharemos em subespaos Vh ij H(div, ij ),
Ph L2 () e h L2 (E). Assim, procuramos vh Vh , ph Ph e h h tais que

47

uT

"
X Z
i,j

( u) p

(u n) =

ij

ij

(u g)

(n u) p

u Vh (3.44)

XZ
i,j

q .v =

ij

XZ
i,j

ij

q w q Ph

v n = 0 h .

(3.45)

(3.46)

Retomando a seo anterior, escolhemos Vh = v ij H(div, ij ) : v|ij RT0 (ij ) i, j ,

n

Ph = p L2 () : p|ij P0 ()i, j e h = { 0,N ; constante em cada aresta de E}.

Veremos agora o formato do sistema linear associado s equaes do mtodo misto-hbrido

3.5

Construo do sistema linear

Seja {ui } uma base para o espao Vh , {qi } uma base para Ph e {i } uma base para h .
R
R
R
R
R
Definimos aij = ui T1 uj , bij = .ui qj , cij = E i (ui n)+ p (ui n), gi = ui g
R
e wi = qi w . Definamos, ento, as matrizes A = (aij ), B = (bij ), C = (cij ), g = (gi ) e
w = (wi ). As equaes (3.44)-(3.46) se tornam, ento:

Av + Bp + C = g

(3.47)

Bt v = w

(3.48)

Ct v = 0

(3.49)

Notemos que so permitidas funes descontnuas nos espaos Vh e Ph . A vantagem disso

o desacoplamento das funes em cada clula.
Mostraremos agora que o sistema de equaes para os multiplicadores de lagrange
48

positivo-definido.

3.6

Positividade definida do sistema linear

Examinando as equaes (3.47) - (3.49), vemos que o sistema linear associado da seguinte
forma:

A B C v g

p = w
Bt 0 0

Ct 0 0

(3.50)

Sabemos que a matriz A diagonal em blocos e positivo-definida. Sendo assim, resolvendo

a primeira linha de blocos da equao (3.50) para v, obtemos:

v = A1 (g Bp C)

Substituindo nas outras linhas, obtemos o seguinte sistema em p e :

B t A1 B B t A1 C p w B t A1 g

.
=
C t A1 B C t A1 C

C t A1 g
Isolamos p na primeira linha:

p = (B t A1 B)1 B t A1 C + B t A1 g w

Substituimos p na segunda linha, obtendo um sistema na forma H = R, no qual:

H = C t A1 C C t A1 B(B t A1 B)1 B t A1 C.

Ou seja:

49

H = C t A1 I B(B t A1 B)1 B t A1 C.

A quantidade entre colchetes uma projeo ortogonal (pois simtrica e idempotente),

o que nos mostra que H no-negativa. Invocando a unicidade da soluo do sistema
de equaes do mtodo hbrido misto (Teorema 6), conclumos que o sistema positivodefinido.

3.7

Implementao numrica do mtodo hbrido-misto

No caso em que temos as presses especificadas em toda a fronteira (ou seja, N = ),

obtemos uma grande simplificao do problema. Vejamos mais a fundo o formato do
sistema nesse caso. Para fixar as ideias, consideremos a clula [0, x] [0, y]. Podemos
tomar uma base de Vh na qual cada elemento nulo exceto em uma clula ij . Em
[0, x] [0, y] h quatro elementos que no so identicamente nulos. So eles:

uL (t, s) =

1


uR (t, s) =
uU (t, s) =
uD (t, s) =

t
,0
x 

t
,0
x

0, 1


s
y


s
0, y

Dessa forma, podemos escrever, nessa clula, a velocidade na forma v = vL uL + vR uR +

vU uU + vD uD , em que vL , vR , vU e vD indicam, respectivamente, a velocidade na aresta
esquerda, direita, superior e inferior da clula. Analogamente, denotaremos os multiplicadores de lagrange por pL , pR , pU e pD .
Tomaremos como base de Ph os elementos que valem 1 em apenas uma clula, e 0 nas
demais clulas. A base de h obtida de forma anloga. Definimos o tensor transmissibilidade T = K/ e a matriz auxiliar S:

x 0 T11 T12
S=

0 y
T21 T22

x 0 1

0 y xy

Nessas condies, a as equaes (3.47) e (3.48) tm o seguinte formato:

50

pR

1
S
3 11

1
S
6 11

1
S
4 12

1
S
4 12

1 vL y

1
S
6 11

1
S
3 11

1
S
4 12

1
S
4 12

1
S
4 21

1
S
4 21

1
S
3 22

1
S
6 22

v y
1

1
S
4 21

1
S
4 21

1
S
6 22

1
S
3 22

v x =
1

v x
1

pL

pU

pD

Simularemos o caso em que K uma matriz diagonal. Nessa situao, temos um sistema
ainda mais simples, pois S diagonal:

1
S
3 11

1
6 S11

1
S
6 11

1
S
3 11

1
S
3 22

1
S
6 22

1
S
6 22

1
S
3 22

1 vL y

vR y
1

v x =
1

v x
1

pR

pL

pU

(3.51)

pD

O sistema (3.51) pode ser invertido, de forma a obter:

v y
L

vR y

vU x
vD x
p

M1 M2 M4

M2 M3 M5

M4 M5 M6

M7
M8
M9

M7 M8 M9 M10
m1 m2 m3

m4

m3

m4

pU

pD

m1 pL

pR
m2

(3.52)

Agora, (3.49) nos d:

(vL )i+1,j = (vR )i,j

(vU )i,j+1 = (vD )i,j

(3.53)

em que os ndices i, j indicam, respectivamente, a posio horizontal e vertical da clula.

As equaes (3.53) nos dizem que o fluxo volumtrico contnuo entre clulas, i.e., todo
o fluido que vem de uma clula transportado para a clula vizinha.
51

Combinando (3.52), (3.53) e (3.53), podemos eliminar as velocidades do sistema linear,

resultando num sistema que envolve apenas as presses nas arestas das clulas. Alm disso,
como vimos na seo anterior, esse sistema positivo-definido, permitindo a utilizao do
mtodo do gradiente conjugado para sua resoluo. O mtodo ser ainda mais eficiente
por se acoplar a matriz de rigidez malha, pois aquela esparsa e requer alguns cuidados
no armazenamento de forma a garantir a otimizao dos recursos computacionais.
Uma vez obtidas as presses, podemos usar as equaes (3.52) para obter as velocidades
em cada clula, e proceder para o clculo do transporte de massa convectivo, que ser
visto na prxima seo.
No caso em que as condies de fronteira determinam a presso (condio do tipo de
Dirichlet) em uma parte, e da velocidade (que pode ser vista como condio do tipo
de Neumann, pois v proporcional ao gradiente de p) na outra parte da fronteira, o
sistema no envolve apenas as presses, e o mtodo acima no mais utilizvel. Tambm
no podemos garantir que o sistema seja simtrico ou positivo-definido. Dessa forma,
um mtodo diferente para a resoluo do problema deve ser utilizado. Como a matriz de
rigidez ainda esparsa, escolhemos aqui o mtodo do Gradiente Biconjugado Estabilizado.
As experincias feitas indicaram a necessidade de um precondicionamento do sistema e,
para tal, utilizamos a decomposio LU incompleta. Assim, em qualquer tipo de condio
de fronteira, j sabemos como obter as velocidades, e assim resta-nos apenas resolver as
equaes convectivas.

52

Captulo 4
Discretizao das equaes
convectivo-difusivas

Aps integrar a Eq.(1.4) no tempo, podemos escrever a conservao da massa do tracer

em uma clula da malha por

n+1

c(x, t

) dV =

c(x, t ) dV +

Z tn+1

tn

F n dtds.

(4.1)

Definimos

A =

(4.2)

dV

cn

Z

c(x, t ) dV

1
.
A

(4.3)

Nas faces S da clula, temos as integrais no tempo para o fluxo volumtrico

n+ 21

VS

Z Z tn+1
S

tn

53

v n dtds.

(4.4)

A equao da diferena conservativa para o tracer, Eq.(4.1) toma a forma

1 X n+ 12
f
A S S

cn+1
= cn +

(4.5)

n+ 1

em que fS 2 a integral no tempo do fluxo do tracer na face S da clula. Vejamos como

se d o clculo desse fluxo.
Dividiremos o fluxo em uma parcela hiperblica (correspondente contribuio convectiva) e em uma parcela difusiva:
n+ 12

fS

H,n+ 12

= fS

D,n+ 12

+ fS

(4.6)

A parcela convectiva definida por:

H,n+ 21

fS

n+ 12

= cS

n+ 12

VS

Z Z tn+1
S

tn

cv.ndtds.

(4.7)

n+ 1

Aqui, a concentrao do tracer na face S da clula, cS 2 , calculada de diferentes maneiras, dependendo do nmero de dimenses espaciais. J o fluxo difusivo ser calculado por
diferenas finitas explcitas. Trataremos do fluxo convectivo na seo seguinte. A parcela
difusiva ser tratada numa seo posterior.

4.1

Fluxo convectivo em 1D

Por razes ilustrativas, exibimos o clculo dos fluxos convectivos em 1D. Esse clculo ser
feito utilizando uma variao do conhecido MUSCL Scheme, que consiste em uma reconstruo linear por partes da concentrao do tracer, seguido do uso das retas caractersticas
para obter as concentraes nas faces da clula. A reconstruo detalhada a seguir.
Definimos

54

muscl(a, b) =

sign (a) min {2 |a| , 2 |b| , |a + b| /2}

se ab 0

se ab < 0

(4.8)

cni = muscl(cni cni1 , cni+1 cni ).

(4.9)

A reconstruo tem a forma

cni (x) = cni + cni

em que xi = xi+ 1 xi 1 e xi =
2



x xi
, x xi+ 1 , xi 1
2
2
xi

xi+ 1 +xi 1
2

(4.10)

Se aproximarmos

n+ 1

Vi+ 1 ,j2 (vR )i tn+ 2

(4.11)

(com vR definido no Captulo 3, no caso bidimensional, sendo a restrio para o caso

unidimensional imediata), computamos as concentraes nas faces da clula:

n+ 1

cni

ci+ 12 =
2

+ 21 1

cni+1

n+ 1
2
1
i+ 2
xi

12
1 +

cn
i

n+ 1
V 12
i+ 2
xi+1

n+ 1

se Vi+ 1 2 0
2

(4.12)

cn
i+1

se

n+ 1
Vi+ 1 2
2

< 0.

n+ 1

Note que essa equao necessariamente difere do MUSCL Scheme padro, no qual Vi+ 1 2
2
substitudo pela velocidade caracterstica vezes o intervalo de tempo.
Completamos os clculos para o fluxo puramente convectivo usando:

55

H,n+ 12

fi+ 1
2

n+ 1

n+ 1

= ci+ 12 Vi+ 1 2 .
2

(4.13)

possvel determinar as circunstncias nas quais esse mtodo ser estvel e convergente.
Lembramos que, na ausncia de poos em 1D, a velocidade independente de x (j que
1
n+ 1
div v = w = 0), e assim Vi+ 1 2 = v n tn+ 2 . Utilizando o Lema de Harten [32], vemos que
2
esse mtodo ser TVD (Total Variation Diminishing) se:

i tn+ 2 tH
i

xi
.
|v n |

(4.14)

Fisicamente, isso significa que o fluxo de fluido (i.e., vt) se restrinja a, no mximo, o
volume de vazio da clula (i.e., xi ). fato conhecido que os mtodos TVD so estveis
e convergentes [32].

4.2

Fluxo convectivo em 2D

Em 2D, usaremos uma verso do donor cell upwind scheme ([53]). Nesse mtodo, a massa
do tracer na clula aps um intervalo de tempo igual ao valor no tempo anterior mais
ou menos correes nas regies trapezoidais associadas s arestas das clulas.
Como no caso unidimensional, utilizamos uma reconstruo linear por partes. Em cada
clula, calculamos os incrementos:

cn1,ij = muscl(cnij cni1,j , cni+1,j cnij )

cn2,ij = muscl(cnij cni,j1 , cni,j+1 cnij )

alm do volume dos poros na clula:

56

Aij = x1i x2j .

(4.15)

Definindo a aproximao

n+ 1

Vi+ 1 ,j2 (vR )i,j x2j tn+ 2

(4.16)

n+ 1

e equaes anlogas para Vi,j+21 (lembrando que vL , vR , vU e vD foram definidos no

2
Captulo 3), computamos as concentraes nas arestas:

cni+ 1 ,j =
2

cnij

1
n+ 2
i+ 1
2 ,j
Aij

+ 12
1

cni+1,j

12 1 +

n+ 1

cn
1,ij

se Vi+ 1 ,j2 0
2

(4.17)

n+ 1
V 12
i+ 2 ,j

cn
1,i+1,j

Ai+1,j

se

n+ 1
Vi+ 1 ,j2
2

<0

(cni,j+ 1 similar) e proceder para calcular o fluxo numrico

2

n+ 1

n
2 n
fi+
1
,j = Vi+ 1 ,j ci+ 1 ,j
2

(4.18)

n
similar). Agora, corrigimos os cni+ 1 ,j e afins:
(com fi+
1
,j
2

n+ 12
i+ 21 ,j

cn

i+ 12 ,j

cn

i+ 12 ,j

fn

f n

fn

2Aij
n
1 f

1
i,j+ 2

1
i,j 2

i+1,j 1
2

i+1,j+ 2

n+ 1

se Vi+ 1 ,j2 0,

2Ai+i,j

, se

n+ 1
Vi+ 1 ,j2
2

(4.19)

< 0,

n+ 1

com uma equao anloga para ci,j+21 . Calculamos os fluxos corrigidos

2

n+ 1

n+ 1

n+ 1

fi+ 12,j = Vi+ 1 ,j2 ci+ 12,j ,

2

n+ 1

(4.20)

computando fi,j+21 de maneira anloga. Finalmente, aplicamos a diferena conservativa

2

57

cn+1
= cnij
ij

1
n+ 1
n+ 1
n+ 1
n+ 1
fi+ 12,j fi 12,j + fi,j 12 fi,j21 .
2
2
2
2
Aij


(4.21)

As equaes (4.15) - (4.21) constituem o esquema 2D para o clculo das concentraes

em cada instante de tempo. De acordo com [52], o esquema ser estvel e de segunda
ordem caso

max

n+ 1 +

V 12
i+ 2 ,j

n+ 1
Vi 1 ,j2
2

Aij

n+ 1 +
Vi,j+21
2

n+ 1

Vi,j21

Aij

(4.22)

em que V + e V so as partes positiva e negativa de V :

V + = max {V, 0} e V = min {V, 0} .

(4.23)

No caso de uma malha uniforme, podemos equivalentemente definir os incrementos temporais direcionais

n+ 1 +

n+ 1

1
=
t1,ij

vi+ 12,j vi+ 12,j

1
=
t2,ij

vi,j+21 vi,j+21

(4.24)

ij xij

n+ 1 +

n+ 1

(4.25)

ij xij
1

restringindo o incremento de tempo tn+ 2 de forma que

n+ 21

1
1
max
,
t1,ij t2,ij

1.

(4.26)

Note que no exigimos que o mtodo bidimensional seja TVD, pois fato conhecido que
os esquemas TVD so, no mximo, de primeira ordem [31].
58

4.3

Fluxo difusivo

Espera-se que a difuso desempenhe um papel pequeno no fluxo mssico, sendo uma
pequena correo do fluxo convectivo. Dessa forma, utilizaremos integrao explcita
no tempo. Um tratamento mais acurado exigiria um mtodo implcito, mas os custos
computacionais extras seriam grandes comparados ao efeito esperado da difuso.
No escoamento unidimensional, aproximamos o fluxo difusivo por:
Z

Z tn+1 "
tn

l |v| +

c
x

D,n+ 12

fi+ 1

(4.27)

xi+ 1
2



1

l V n+1 2  +
 i+ 2 

n+ 12

cni+ 1

xi+ 1

(4.28)

Aqui usamos a notao cni+ 1 cni+1 cni e xi+ 1 21 (xi + xi+1 ).

2

H uma restrio quanto aos incrementos temporais na utilizao do fluxo difusivo juntamente com o convectivo. Seguindo [52], caso a desigualdade
l 

2xi+ 1 xi 1
2

xi+ 1 + xi 1
2

(4.29)

seja verdadeira, o tratamento da difuso no implicar em uma restrio adicional significativa no incremento temporal. Nas nossas simulaes, verificamos que uma reduo de
5% suficiente para garantir a estabilidade do mtodo.
O tratamento da difuso em mltiplas dimenses anlogo. Obtemos as velocidades de
Darcy pela soluo do sistema linear, como visto no captulo anterior. A partir delas, e
com as concentraes de cada clula, obtemos as derivadas necessrias para o clculo do
fluxo difusivo, de forma a atualizar as concentraes de cada clula.

59

Captulo 5
Refinamento Adaptativo da Malha

5.1

Malhas Adaptativas

A soluo numrica de EDPs pode muitas vezes exigir uma malha no-uniforme, que se
adapte ao problema, sendo mais refinada onde a soluo ou as suas derivadas variem mais
rapidamente e menos refinada onde essa variao ocorra menos abruptamente. Em sistemas dependentes do tempo, essa necessidade mais expressiva, uma vez que a natureza
dinmica desses problemas pode produzir regies de rpida variao na soluo.
H essencialmente dois mtodos de se modificar malhas. A primeira mov-las juntamente
com as frentes de onda (vide [4, 14, 15, 38]). O segundo mtodo no movimenta a malha
no tempo, mas refina as regies de grande variao da soluo. Nessa situao, a cada
instante de tempo, a malha deve ser atualizada de forma a refletir a dinmica do problema
(veja [3, 5, 8, 19, 39, 41, 43, 44, 45]). Alguns autores, inclusive, preferem combinar os dois
mtodos, como pode ser visto em [2].
Uma malha formada por clulas que cobrem todo o domnio estudado, cada uma delas
associada a um n da estrutura de dados. Dada uma malha inicial, que representada
como a raiz de uma rvore, ns-filho com graus crescentes de refinamento podem ser
criados. Cada n pode agora ser um n-pai para os refinamentos seguintes. Esse procedimento pode ser executado em regies que atendam a um certo critrio de refinamento de
acordo com o problema em questo. Dessa forma, diferentes graus de refinamento podem
ser encontrados em regies adjacentes do domnio estudado [12].

60

De acordo com [47], esse procedimento conhecido como quadtree, uma classe de estruturas de dados hierrquica cuja propriedade em comum a todas serem baseadas no
princpio da decomposio recursiva do espao. Em [36], uma nova estrutura de dados,
chamada de fully threaded tree (FTT), apresentada e aplicada a simulao do escoamento de fluidos. FFT representa um avano comparado s abordagens baseadas em
rvores mencionadas. Cada n (seja ele uma folha ou no) possui fcil acesso a seus
filhos, vizinhos e pais, por meio de ponteiros especiais. Mais ainda, no FFT, o acesso a
clulas vizinhas e mais rpido, pois no necessrio percorrer toda a rvore para tal.
Implementaes do tipo quadtrees permitem que regies adjacentes do domnio possuam
diferentes nveis de refinamento. Como consequncia, para alcanar clulas vizinhas, o
algoritmo realiza uma busca na rvore. FFT consegue evitar esses custos permitindo a
diferena de apenas um nvel de refinamento entre clulas vizinhas. No entanto, essa
restrio impe um efeito de mdio alcance na malha: se uma clula necessita de mais
refinamento, seus vizinhos tero de ser refinados tambm. H, ento, uma perda de
localidade no refinamento, impondo um custo computacional adicional.
Nesse trabalho, ser utilizada a estrutura de dados Autonomous Leaves Graph (ALG),
descrita em [12]. Trata-se de uma estrutura simples, embora flexvel, que nos proporciona um refinamento local da malha, a um baixo custo computacional. Nele, em vez
da estrutura quadtree convencional, criado um grafo no qual os ns filho (os quais sero chamados folhas) tornam-se autnomos quando os respectivos ns pai so deletados.
Alm disso, essa estrutura permite a coexistncia de vizinhos com graus de refinamento
(arbitrariamente) diferentes por meio dos chamados ns de transio bem como a
comunicao rpida entre esses vizinhos ([12]).
O ordenamento das clulas feito por meio de uma space-filling curve. A vantagem desse
tipo de curva a utilizao de um mtodo simples e sistemtico para visitar todas as clulas
da malha. Alm disso, space-filling curves possuem um alto grau de localidade (vide [46,
47]). Nesse trabalho, ser utilizada a chamada Curva de Hilbert Modificada, uma verso da
curva de Hilbert tradicional, mas adaptada a malhas de diferentes nveis de refinamento.
Essa curva foi proposta em [13] e descrita em detalhes em [15]. Apresentaremos agora o
funcionamento do ALG.

61

5.2

A estrutura de dados Autonomous Leaves Graph

(ALG)

A explicao e as ilustraes dessa seo at o fim do captulo foram retirados de [12]. A

estrutura de grafo utilizada no ALG constituda por dois tipos de ns: os cell nodes, que
correspondem s clulas da malha, e os transition nodes, que so usados para conectar
cell nodes de diferentes nveis de refinamento.
No caso bidimensional, cada cell node possui quatro ponteiros, chamados norte, sul, leste
e oeste, orientados respectivamente na direo do eixo y positivo, y negativo, x positivo e
x negativo. Esses ponteiros podem apontar tanto para cell nodes quanto para transition
nodes. Cada transition node possui apenas trs ponteiros, para conectar cell ou transition
nodes.
Os cell nodes possuem variveis adicionais correspondentes s coordenadas espaciais dos
seus centros e as propriedades fsicas pertinentes. Ambos os ns possuem informao sobre
o seu tipo (cell ou transition node) e sobre o seu nvel de refinamento. Por conveno,
representaremos os cell nodes por pontos negros, e os transition nodes por pontos brancos.

5.2.1

A estrutura da malha

Para descrever a malha, mostraremos o caso do quadrado unitrio (embora a generalizao possa ser feita para malhas com polgonos arbitrrios, em duas ou mais dimenses
espaciais). Comecemos com uma malha constituda por quatro clulas, cada uma delas
identificadas pelo seu centro: (0.25, 0.25), (0.75, 0.25), (0.75, 0.25) e (0.75, 0.75). Cada
um dos quatro cell nodes possuem elos orientados nas quatro direes: norte, sul, leste e
oeste. Como resultado, temos o diagrama representado na Figura 5.1.

Figura 5.1: Malha de 4 clulas

Os elos restantes, que no apontam para um dos quatro ns no quadrado so ento
62

conectados aos quatro transition nodes mostrados na Figura 5.2.

Figura 5.2: Definindo os ns de transio

Finalmente, como mostrado na Figura 5.3, esses transition nodes so aterrados (ou seja,
apontam para um ponteiro nulo).

Figura 5.3: Esquema completo

De forma a simplificar a representao grfica, cada par de setas conectando dois ns ser
substitudos por uma nica linha, como mostrado na Figura 5.4.
Quatro clulas com o mesmo nvel de refinamento e originadas do mesmo vertic v so
chamadas de cacho (bunch), com pai v. O n pai deletado, mas cada clula munida de
um identificador de forma a determinar que as quatro clulas pertencem ao mesmo cacho.

5.3

Refinamento da malha

Para mostrar como se realiza o refinamento da malha, suponha que a clula centrada em
(0.25, 0.75) seja escolhida para ser refinada. Nesse caso, a configurao mostrada em na
Figura 5.5(a) ser criada:

63

Figura 5.4: Esquema no-direcional

11
00
00 1010 01
11
11 01
00
01 01
(a)

1
0
00
11
011
1
00
11
00
00
11
1
0
00
00
11
111
0
00
11
00
11
1 0
0
1

1
0
0
1
00
0
011
1
011
1
00 1
11
0
1
00
00
11
00
00
11
111
0
11
00
1
00
11
00 0
11
11 00
00
11

(b)

(c)

Figura 5.5: Sucesso de refinamentos

Esse refinamento implementado substituindo a estrutura bsica representando os elos do
n em questo (parte esquerda da Fig 5.6) pela estrutura desenvolvida para o quadrado
unitrio (parte direita da Fig 5.7). Cada n (a, b) no centro da clula de lado c a ser
refinada substituido pelos ns (a c/4, b c/4), (a c/4, b + c/4), (a + c/4, b + c/4) e
(a + c/4, b c/4). Os quatro elos partindo dos transition nodes so ento conectados aos
vizinhos do n que est sendo substituido. O grafo resultante exibido na figura 5.7; o
nmero prximo a cada n indica o seu nvel de refinamento.

Figura 5.6: Elos de um n e estrutura bsica de refinamento

Consideremos agora um nvel a mais de refinamento, como mostrado na Figura 5.5(b). A
aplicao do mesmo princpio para o refinamento resulta no grafo da Figura 5.8:

64

1
2
2

2
2
2

Figura 5.7: Refinando a clula noroeste

1
2
2

2
3

2
3

1
2

Figura 5.8: Mais um nvel de refinamento

5.4

Desrefino da malha

Antes de entrar em detalhes sobre o processo de desrefino, devemos ter em mente que,
para manter a estrutura bsica de blocos do grafo, necessrio que todas as quatro
clulas que sero desrefinadas pertenam ao mesmo bunch, permitindo a recuperao da
configurao anterior. Essa condio garante que configuraes antigas da malha possam
ser recuperadas executando-se mudanas locais mutuamente independentes, mesmo aps
um nmero arbitrariamente grade de refinos e desrefinos. O procedimento de derrefino
pode ser esquematizado da seguinte forma:

1. Transformao do cacho a ser desrefinado em um nico n

2. Alimentao desse n com as variveis pertinentes (coordenadas espaciais, nvel e
parmetros fsicos relativos ao problema)
3. Conexo do novo n com seus vizinhos
4. Simplificao da malha, eliminando ns desnecessrios

65

A conexo do novo n com seus vizinhos feita com a criao de quatro transition nodes, com o mesmo nvel de refinamento do bunch original. Ilustremos a sequncia de
desrefinamento com as figuras abaixo:

00
11
1010
11
01 00
11
000
110000
10 11
00
11
11
11
00
01 00
01 01

00
11
1010
00
01 11
11
01000
11
10 00
1100
11
01

(a) Seleo do cacho para desrefinamento

(b) Colapso do cacho

00
11
1010
00
0110 11
11
01000
11
1100
00
11
01

01

00
11
1010
00
0110 11
11
11
00
01 00
1100
00
11

01

01

(c) Criao dos ns de transio

01

(d) Configurao final aps simplificao

Figura 5.9: Sequncia de desrefinamento

Adotando as estratgias acima, a configurao mostrada na Figura 5.9a torna-se aquela
mostrada na Figura 5.9d. Note as trs simplificaes que ocorreram nesse exemplo.

5.5

Ordenao Total da Malha

A ordenao das clulas da malha feita utilizando uma Curva de Hilbert Modificada
(MHC). Trata-se de um algoritmo baseado na curva de Hilbert original, mas adaptado
diviso do domnio em uma malha no-uniforme. Essa ordenao implementada por
meio de uma lista, e a cada vez que um refinamento executado, as novas clulas so
inseridas nessa lista. O procedimento detalhado para a construo da MHC pode ser
encontrado em [12]. Podemos ver um exemplo da MHC na Figura 5.10 abaixo.

66

Figura 5.10: Exemplo de ordenao pela Curva de Hilbert Modificada

5.6

Refinando e Desrefinando

Descreveremos aqui como se d o refinamento e o desrefinamento da malha em termos

das propriedades fsicas armazenadas nas clulas.
Temos, no problema, um campo de velocidades esttico, em regime estacionrio. Esse
campo causa o transporte convectivo do tracer de clula para clula. Utilizamos como
critrio de refinamento a norma (da soma) do gradiente de concentrao; caso o seu valor
fosse superior a um limite predeterminado, a clula seria refinada.
Resta-nos saber como calcular os valores de presso e velocidade nas clulas refinadas.
Nossa primeira abordagem foi realizar um clculo local, resolvendo a Equao de Darcy
com condies de contorno iguais s propriedades da clula a ser refinada. Esse procedimento mostrou-se ineficaz, pois a soluo obtida se afastava muito daquela obtida
com a malha uniforme (como nosso problema no tem soluo analtica, a alternativa a
comparao com os resultados da aplicao do mesmo mtodo a uma malha uniforme).
Dessa forma, apelamos para um mtodo diferente. No incio da simulao, resolve-se a
Equao de Darcy no maior nvel de refinamento permitido. Armazenamos esse resultado
parte na memria (numa malha auxiliar), e buscamos informao ali sempre que necessrio. Ao refinar uma clula da malha, percorremos essa malha auxiliar (que contm
a melhor informao fsica disponvel), e calculamos as mdias necessrias para definir as
propriedades das clulas refinadas. Denotaremos por I e J a posio espacial de uma clula da malha do problema e por i e j a posio de uma clula na malha auxiliar. Quando
a aresta da malha auxiliar Si+ 1 ,j est contida na aresta SI+ 1 ,J , calculamos as mdias da
2
2
seguinte maneira:

67

VI+ 1 ,J =
2

pI+ 1 ,J =
2

1
yIJ

Vi+ 1 ,j

Si+ 1 ,j SI+ 1 ,J

(5.1)

pi+ 1 ,j yij

(5.2)

pij xij yij .

(5.3)

Si+ 1 ,j SI+ 1 ,J
2

e se a clula ij est contida em IJ :

pIJ =

1
xIJ yIJ

X
ij IJ

Essas equaes garantem a conservao da massa do fluido. A Eq. (5.1) diz que o fluxo
volumtrico na aresta de uma clula menos refinada a soma dos fluxos volumtricos nas
arestas das clulas mais refinadas. Equaes (5.2) e (5.3) nos dizem que as presses, tanto
nas faces quanto nos centros das clulas, so mdias das presses nas respectivas clulas
mais refinadas. Quanto concentrao do tracer, as clulas refinadas recebem o mesmo
valor da clula menos refinada original, pois no h como se determinar qual a proporo
de tracer que deve ir para cada nova clula.
O procedimento de resolver a Equao de Darcy inicialmente para toda a malha no nvel
de refinamento mximo requer um certo esforo computacional. Porm, lembramos que
o sistema linear ser resolvido apenas uma vez: os clculos para a atualizao da concentrao do tracer nas clulas usam um mtodo explcito. Assim, esse custo computacional
inicial compensado por no termos que resolver um novo sistema para determinar o
campo de velocidades a cada iterao na malha no-uniforme.
O desrefinamento inteiramente anlogo: caso um grupo de clulas com o mesmo nvel de
refinamento e pertencentes ao mesmo cacho tenham um gradiente de concentrao menor
que um valor limite, efetuamos o desrefinamento, como visto na seo 5.2. Nesse caso,
para esse grupo de clulas, calculamos as mdias pelas equaes (5.1) - (5.3). Alm disso,
calculamos a concentrao mdia do tracer:

cIJ =

1
xIJ yIJ

cij xij yij .

(5.4)

ij IJ

Esses valores mdios sero as propriedades fsicas da clula desrefinada. Note que a
68

Equao (5.4) conserva a massa em cada clula, como era de se esperar.

Podemos resumir, ento, o procedimento adotado na simulao no pseudocodigo:
1:
2:
3:
4:
5:
6:
7:
8:
9:
10:
11:
12:
13:
14:
15:

Definir o nvel mximo de refinamento

Definir as condies de contorno
Montar a matriz de rigidez da malha
if Presso especificada em toda a fronteira then
Resoluo do sistema pelo CG
else
Fatorao LU incompleta
Resoluo do sistema pelo BiCGSTAB
end if
Definir condio inicial das concentraes
while Massa total for positiva do
Refinar\Desrefinar a malha
Calcular t para esta iterao
Atualizar as concentraes nas clulas
end while

69

Captulo 6
Implementao e resultados
numricos

Mostraremos nesta seo os resultados numricos obtidos com a abordagem computacional

descrita nos captulos anteriores. O simulador foi programado na linguagem C++, com
grficos produzidos via OpenGL e compilado com o Dev Cpp 4.9.9.3, e todos os testes
foram executados num Intel(R) Core(TM) i5 2.50 GHz equipado com Windows 7 Home
Premium (C).
Vimos nos captulos anteriores que o programa pode ser dividido, grosso modo, em duas
partes: na primeira, o clculo dos campos de presso e de velocidades feito, por meio
da resoluo de um sistema linear. Na segunda parte, com os campos de velocidades em
mos, realiza-se o clculo da transferncia de massa entre as clulas da malha. Vejamos
primeiro os resultados obtidos na resoluo do sistema linear.

6.1

Clculo do campo de presses e de velocidades

Como vimos no Captulo 3, foram utilizadas duas abordagens diferentes: uma para o caso
de presses especificadas no contorno, e outra para a condio de contorno mista, na qual
p era especificada em uma parte do contorno e v na outra. Essas abordagens nos levam
a sistemas diferentes, e veremos agora alguns exemplos do resultado obtido em cada um
desses casos.

70

6.1.1

Exemplo Numrico 1

Para ilustrar a aplicao do mtodo ao caso de presses especificadas, utilizamos uma

presso igual a 2 atm nas fronteiras norte e oeste, e igual a 1 atm nas fronteiras sul e
leste de um domnio quadrado, de lado 1m. Foi utilizado um campo de permeabilidades
uniforme e isotrpico igual a 1000 milidarcy, e uma porosidade igual a 0, 27. O fluido
simulado foi a gua, com viscosidade igual a 1cP.
Para a soluo do sistema, aplicamos o Gradiente Conjugado (CG) ao sistema linear
obtido. Por envolver apenas multiplicaes matriz-vetor, uma forma bastante eficiente de
se aplicar o CG utilizar a prpria malha para o armazenamento da matriz e para realizar
as operaes necessrias. Dessa forma, nenhum pacote extra de lgebra linear precisa ser
utilizado, otimizando o uso de memria e de processamento.
Exibimos na Figura 6.1 o campo de presses obtido em diferentes nveis de refinamento.

6.1.2

Exemplo Numrico 2

Gostaramos de verificar a exatido do mtodo empregado. No caso geral, no existe

soluo analtica para a Lei de Darcy. Porm, condies de contorno bem-escolhidas nos
levam a um resultado conhecido. Sendo assim, realizamos a simulao com condio de
contorno mista: v = 0 (no-flow) nas fronteiras norte e sul, p = 2 atm na fronteira oeste e
p = 1 atm na fronteira leste.
Os testes iniciais indicaram a necessidade de um precondicionamento: o solver no convergia utilizando simplesmente o BiCGSTAB aplicado a esse sistema. Buscamos, ento,
alternativas que fossem satisfatrias em termos de eficincia e praticidade. H vrias bibliotecas para C ++ especializadas em lgebra linear, como por exemplo LAPACK, Amadillo
e Eigen. Existem tambm aplicaes como o SciLab e MATLAB(R) que possuem mdulos
para a resoluo de sistemas.
O programa que demonstrou melhor eficincia na resoluo do sistema, alm de oferecer
as ferramentas necessrias para seu uso, foi o MATLAB(R). Sendo assim, utilizamos
uma aplicao desenvolvida em MATLAB(R) e compilada (via MATLAB(R) Compiler)
num arquivo executvel standalone, que pode ser executado mesmo em mquinas que
no possuem MATLAB(R) instalado. Esse arquivo executvel l a matriz de rigidez e o
vetor de cargas, realiza a fatorao LU incompleta (iLU) e resolve o sistema utilizando
71

(a) Nvel 4

(b) Nvel 6

(c) Nvel 7

(d) Nvel 8

Figura 6.1: Campo de presses em diferentes nveis de refinamento

72

o BiCGSTAB. Os arquivos gerados pelo MATLAB(R) Compiler gozam de livre uso e

distribuio, no implicando em problemas de licena na utilizao do simulador.
Utilizando esse programa misto, podemos resolver o sistema desse exemplo (e todos os
que utilizam uma condio de fronteira mista). Mostramos na Figura 6.2 abaixo o campo
de presses obtido em vrios nveis de refinamento.

(a) Nvel 4

(b) Nvel 6

(c) Nvel 7

(d) Nvel 8

Figura 6.2: Campo de presses em diferentes nveis de refinamento

Para essas condies de contorno, fcil ver que a soluo analtica :

73

p(x, y) = 2 x atm
!
K
,0
v(x, y) =

mD-atm
= (1000, 0)
cP-m
(8.64, 0) m/dia.

Dessa forma, podemos comparar a soluo obtida na simulao com a soluo analtica.
Realizamos a simulao em diversos nveis de refinamento, obtendo valores exatos para
as velocidades, presses nas arestas e presses no centro das clulas. O grfico p versus x
(Figura 6.3) no nvel 4 de refinamento (256 clulas) ilustra esse resultado.

Figura 6.3: Presso versus posio x

Na figura acima, a linha reta indica a soluo analtica, enquanto os crculos denotam a
soluo numrica.

6.1.3

Exemplo Numrico 3

Simulamos tambm o caso em que a permeabilidade no igual para todas as clulas.

Isso pode acontecer, por exemplo, quando h rochas diferentes compondo o meio poroso.
Nesse caso, ao se desrefinar um cacho que possui clulas de diferentes permeabilidades,
necessrio clcular uma determinada mdia das permeabilidades dessa clulas. H vrias
74

maneiras de se definir a permeabilidade mdia, sendo notrias as tcnicas de renormalizao ([16, 17, 21, 22, 23]), as mdias volumtricas ([34, 35, 55]) e a homogeneizao
([1, 6, 20]). Porm, por estar fora do escopo dessa dissertao, simplesmente tomamos o
cuidado de no desrefinar cachos de clulas que possuem permeabilidades diferentes.
Nesse exemplo, colocamos a permeabilidade igual a zero em um certo conjunto das clulas.
Se isso acontece, a velocidade na clula deve ser nula. Nesse caso, certo cuidado deve ser
tomado para evitar a diviso por zero na resoluo do sistema. Simulamos um domnio
quadrado, em cujo centro h um disco de clulas impermeveis. Abaixo (Figura 6.4)
podemos ver o campo de presses nos centros das clulas obtido numa malha de 16384
clulas.

Figura 6.4: Presena de clulas impermeveis

Podemos notar uma regio circular central no qual a presso varia de forma diferenciada: o gradiente de presso maior nas regies de maior permeabilidade, resultando num
maior fluxo de fluido. J espervamos esse resultado, pela prpria definio de permeabilidade. Esse comportamento ser mais claramente observado na seo seguinte, onde
sero mostrados mais detalhes do escoamento.
75

6.2

Transporte de massa e refinamento adaptativo

Exibiremos aqui os resultados obtidos no clculo da transferncia de massa entre as clulas,

evoluindo a concentrao do tracer com relao ao tempo. Retomaremos, para tal, os
exemplos da seo anterior.

6.2.1

Exemplo Numrico 1

Utilizaremos nesse exemplo uma concentrao inicial igual a 0.8 em um crculo de raio
0.3 centrado na origem. A evoluo da concentrao do tracer ao longo do tempo pode
ser vista na Figura 6.5 a seguir.
Podemos notar regies de maior refinamento onde h maior fluxo de massa, e regies
pouco refinadas onde esse fluxo baixo. Essa propriedade das malhas adaptativas nos
permite reduzir custos computacionais, desde que as regies de interesse ocupem uma
poro relativamente pequena do domnio a cada instante de tempo. A comparao
entre os tempos necessrios para atualizar as concentraes em malha uniforme e malha
adaptativa pode ser vista na tabela abaixo (Tabela 6.1).
Nvel
2
3
4
5
6
7

Nmero de Clulas
16
64
256
1024
4096
16384

Malha Uniforme(s)
6.3E-2
0.26
1.45
10.28
193.99
2937.59

ALG(s)
5.84E-2
0.22
0.31
1.94
12.79
109.79

Tabela 6.1: Tempo gasto para atualizar as concentraes

Vemos uma clara vantagem na utilizao de uma malha adaptativa: no nvel 7, por
exemplo, o tempo gasto em malha adaptativa para atualizar as concentraes foi menos
de 4% do tempo gasto em malha uniforme, com uma diferena de 2827.8s. Essa diferena
tende a aumentar com o aumento do nmero de clulas, pois enquanto a malha uniforme
sempre trabalha no nvel mais refinado, a malha adaptativa rapidamente desrefina as
clulas nas quais o fluxo de massa baixo, realizando menos clculos desnecessrios e
reduzindo o custo computacional.
Podemos notar tambm a coexistncia de regies vizinhas com nveis distintos de refinamento. Essa uma das caractersticas do ALG que o coloca em vantagem com relao a
outras estruturas de dados, como quadtrees e FTT.
76

(a) 0s

(b) 200s

(c) 400s

(d) 600s

(e) 800s

(f) 1200s

Figura 6.5: Campo de concentraes em diferentes intervalos de tempo

77

6.2.2

Exemplo Numrico 2

Utilizaremos o mesmo campo de concentraes do exemplo anterior. Como vimos na seo

anterior, esse problema anlogo a um escoamento unidimensional. Essa caracterstica
pode ser vista na Figura 6.6 abaixo.

(a) 200s

(b) 400s

(c) 600s

(d) 800s

Figura 6.6: Campo de concentraes em diferentes intervalos de tempo

Podemos tambm ver a vantagem da malha adaptativa sobre a malha uniforme comparando os tempos gastos na atualizao das concentraes, na tabela a seguir (Tabela 6.2).

Aqui tambm notamos a vantagem da utilizao da malha adaptativa. No nvel 8, por

exemplo, o tempo gasto em malha adaptativa para atualizar as concentraes foi pouco
mais do que 50% do tempo gasto em malha uniforme, com uma diferena de 24, 59s.

78

Nvel
2
3
4
5
6
7
8

Nmero de Clulas
16
64
256
1024
4096
16384
65536

Malha Uniforme(s)
1.11E-2
7.36E-3
2.82E-2
0.14
1.04
9.11
49.93

ALG(s)
4.37E-3
4.00E-3
2.73E-2
0.11
0.62
4.88
25.34

Tabela 6.2: Tempo gasto para atualizar as concentraes

6.2.3

Exemplo Numrico 3

Nesse exemplo podemos ver o efeito de clulas com permeabilidade nula. Utilizamos uma
concentrao inicial de 0.8 em uma faixa vertical na parte oeste do domnio. Abaixo
(Figura 6.7) exibimos o campo de concentraes em diferentes intervalos de tempo.
Agora podemos ver claramente que no h transferncia de massa para as clulas de
permeabilidade nula. Em vez disso, o campo de concentraes sofre um desvio ao redor
dessas clulas. Convm notar que essa condio ocorre naturalmente: a soluo do sistema
linear nessas clulas produz um fluxo nulo na regio. Assim, apesar de ser um obstculo
ao escoamento do fluido, no tratamos essas clulas como contorno, mas sim como uma
clula qualquer interna malha.

79

(a) 80s

(b) 300s

(c) 400s

(d) 600s

(e) 700s

(f) 800s

(g) 1000s

(h) 1200s

Figura 6.7: Campo de concentraes em diferentes intervalos de tempo

80

Captulo 7
Concluses

7.1
7.1.1

Perspectivas
Permeabilidade Heterognea

Nesse trabalho, utilizamos (salvo no ltimo exemplo) uma permeabilidade constante. Normalmente, porm, o tensor de permeabilidade uma funo das coordenadas espaciais.
Uma abordagem comum modelar a permeabilidade como uma varivel aleatria na
escala mais fina permitida no problema. Apesar de ser aleatria, h uma correlao espacial (que leva em conta as permeabilidades das clulas vizinhas) como tambm esto
correlacionadas a permeabilidades e a porosidades da clulas.
Ao se trabalhar com uma permeablidade heterognea, surge a dificuldade de definir a
mdia das permeabilidades no desrefino das clulas. Como citado no Exemplo 3 da seo
6.1.3, existem diversos mtodos de se definir a permeabilidade mdia. Porm, de forma
geral, todos envolvem uma mdia harmnica das permeabilidades de cada clula. Em 1D,
ou no caso de fluxo unidirecional, a mdia de fato a mdia harmnica, ponderada pelo
tamanho da clula. Em situaes mais gerais, porm, clculos mais complexos devem
ser feitos para encontrar a mdia. Esses clculos podem envolver, inclusive, a soluo de
outra equao diferencial, como ocorre na homogeneizao.

81

7.1.2

Poos (wells)

Em simulaes voltadas para a indstria de petrleo, comum a presena de termos fonte,

chamados de poos (wells, no original em ingls). Derivam das perfuraes feitas no meio
poroso, de forma a caracterizar o terreno (poos exploratrios) e eventualmente produzir
petrleo (utilizando poos injetores ou produtores).
Os poos devem ser levados em conta tanto na resoluo da Lei de Darcy (por terem uma
presso de trabalho) quanto na Equao da Continuidade (pois efetivamente alteram o
balano de massa do sistema). Alm disso, por terem um carter semelhante a uma
condio de contorno (j que temos massa injetada ou removida diretamente em uma
determinada regio), necessitam de uma ateno especial quanto a refinamentos, j que
a comunicao na vizinhana de poos mais rpida que no restante do domnio.
A variedade de poos existentes, bem como o tratamento especial que requerem, adiciona
um grau extra de complexidade ao problema. Agrega, em contrapartida, uma vasta gama
de aplicaes ao simulador, especializadas principalmente na indstria de petrleo.

7.1.3

Escoamento Multifsico

Algumas aplicaes requerem a simulao de vrios fluidos imiscveis num mesmo meio
poroso. Novamente, a indstria de petrleo nos d uma aplicao imediata: no raro h
a presena de gua e leo (eventualmente, gs) quando se trata de extrao de petrleo.
Alguns poos de petrleo no produzem naturalmente, devido presso na rocha ser
menor que a presso externa. Nesse caso, necessria uma injeo, em geral de CO2 , para
que o poo comece a produzir. O gs carbnico penetra, ento, na rocha, expulsando o leo
l contido. H tambm poos que produzem gs (principalmente metano), juntamente
com o leo. Esses tipos de poos geram a necessidade de entender melhor o escoamento
com vrias fases em um meio poroso.
Para a simulao, uma verso multifsica da Lei de Darcy deve ser utilizada, mas tambm devem-se levar em conta outros fatores importantes, como as tenses superficiais, as
interaes que ocorrem entre cada fase e o meio, e mesmo a morfologia e saturao da
matriz.

82

7.1.4

Escoamento Tridimensional

Foram realizadas nesse trabalho simulaes bidimensionais. Porm, em algumas aplicaes, fazem-se necessrias (naturalmente) as simulaes em 3D. A formulao terica da
Lei de Darcy (inclusive em sua forma hibrida-mista) apresentada no Captulo 3 pode ser
aplicada em qualquer nmero de dimenses. No entanto, uma modificao no tratamento
da conveco deve ser feita, utilizando-se (por exemplo) uma generalizao do donor cell
upwind scheme para o caso tridimensional [52].

7.2

Principais Contribuies

Desenvolveu-se um simulador do escoamento em meios porosos unifsico bidimensional.

Este se caracteriza pela soluo numrica da Lei de Darcy, que por sua vez usada para a
simulao do transporte de massa de um tracer miscvel. No contexto de aplicabilidade, a
simulao do escoamento em meios porosos permite a compreenso da dinmica de filtros,
de gua subterrnea e at mesmo da extrao de petrleo em reservatrios.
Para a soluo da Lei de Darcy, foi utilizada a formulao mista-hbrida em elementos
finitos, gerando um sistema linear esparso que resolvido por mtodos iterativos. Para
a conveco, utilizou-se o donor cell upwind scheme, um mtodo explcito em volumes
finitos para a atualizao do campo de concentrao do tracer no tempo.
Com relao malha, utilizou-se a estrutura de dados ALG, uma estrutura adaptativa que
possui uma srie de vantagens. Em especial, permite refinamentos locais e a coexistncia
de regies prximas com nveis de refinamento arbitrariamente diferentes, sem perder a
eficincia computacional.
As clulas da malha foram ordenadas com uma Curva de Hilbert Modificada (MHC), que
generaliza a Curva de Hilbert clssica, e que pode ser aplicada no caso de refinamentos
no-uniformes. Obteve-se um bom desempenho computacional ao se acoplar a matriz de
rigidez malha; desempenho esse possibilitado pela eficncia da ordenao pela MHC.
No caso em que a condio de fronteira mista, recorreu-se ao emprego de um aplicao
gerada via MATLAB(R) e dotada de livre uso e distribuio.
Dessa forma, esse trabalho cria mais uma alternativa para a simulao do escoamento em
meios porosos, possibilitando futuramente sua adaptao para utilizao em problemas
especficos, em especial na Matemtica Aplicada e na Engenharia.
83

Bibliografia
[1] B. Amaziane, A. Bourgeat, and J. Koebbe. Numerical simulation and homogenization
of two-phase flow in heterogeneous porous media. Transp Por Media, 6:51947, 1991.
[2] D.C. Arney and J.E. Flaherty. An adaptive mesh-moving and local refinement
method for time-dependent partial differential equations. ACM Trans. Math. Software, 16:4871, 1990.
[3] I. Babuska, J.P.S.R. Gago, D.W. Kelly, and C. Zienkiewicz. A posteriori error analysis and adaptive processes in the finite element method: part iiadaptive mesh
refinement. Internat. J. Numer. Methods Eng., 19:16211656, 1982.
[4] M.J. Baines and A.J. Wathen. Moving finite element modelling of compressible flow.
Appl. Numer. Math., 2:495514, 1986.
[5] J. Bell, M. Berger, J. Saltzman, and M. Welcome. Three-dimensional adaptive mesh
refinement for hyperbolic conservation laws. SIAM J. Sci. Comput., 15(1):127138,
1994.
[6] A. Bensoussan, J. L. Lions, and G. Papanicolaou. Asymptotic analysis for periodic
structures. Elsevier, 1978.
[7] Michele Benzi. Preconditioning techniques for large linear systems: A survey. Journal
of Computational Physics, 182:418477, 2002.
[8] M. Berger and J. Oliger. Adaptive methods for hyperbolic partial differential equations. J. Comput. Phys., 53:484512, 1984.
[9] R. Byron Bird, Edwin N. Lightfoot, and Warren E. Stewart. Transport Phenomena,
Revised Second Edition. Wiley, 2006.
[10] Franco Brezzi and Michel Fortin.
Springer-Verlag, 1991.

Mixed and Hybrid Finite Element Methods.

84

[11] D. Burgarelli. Modelagem computacional e simulao numrica adaptativa de equaes diferenciais parciais evolutivas aplicadas a um problema termoacstico. Masters
thesis, Tese de doutorado, PUC-Rio, Rio de Janeiro, 1998.
[12] D. Burgarelli, M. Kischinhevsky, and R. J. Biezuner. A new adaptive mesh refinement
strategy for numerically solving evolutionary pdes. J. Comput. Appl. Math., 196:115
131, 2006.
[13] D. Burgarelli, M. Kischinhevsky, P.J. Paes Leme, and O.T. Silveira. Refinamento de
malha adaptativa em paralelo. Colloquia em Computao Cientfica de Alto Desempenho, Rio de Janeiro, RJ, 1995.
[14] N. Carlson and K. Miller. Design and application of a gradient-weighted moving
finite element code, part i, in 1-d. SIAM J. Sci. Comput., 19(3):728765, 1994.
[15] N. Carlson and K. Miller. Design and application of a gradient-weighted moving
finite element code, part ii, in 1-d. SIAM J. Sci. Comput., 19(3):766798, 1994.
[16] G. Christakos, C. T. Miller, and D. Oliver. Cleopatras Nose and the Diagrammatic
Approach to Flow Modelling in Random Porous Media. In: Geostatistics for the Next
Century. Kluwer Academic, 1994.
[17] M. A. Christie. A renormalization based upscaling technique for WAG flood in heterogeneous reservoirs. In: Symposium on Reservoir Simulation. SPE, 1995.
[18] M. Crouzeix and P.A. Raviart. Conforming and non-conforming finite elements for
solving the stationary stokes equations. R.A.I.R.O. Anal., 7:33 76, 1973.
[19] P. De Oliveira. On the caracterization of finite differences optimal meshes. J.
Comput. Appl. Math., 36:137148, 1991.
[20] L. J. Durlofsky. Numerical calculation of equivalent grid block permeability tensors
for heterogeneous porous media. Water Resourc Res, 27:699708, 1991.
[21] M. G. Edwards and M. A. Christie. Dynamically adaptive Godunov schemes with
renormalization for reservoir simulation. In: Twelfth SPE Reservoir Simulation Symposium, New Orleans, Louisiana. SPE, 1993.
[22] M. G. Edwards and C. F. Rogers. Multigrid and renormalization for reservoir simulation. In: Hemker D, Wesseling P, editors. Multi-Grid Methods IV, The Netherlands.
Birkhuser Basel, 1993.
[23] M. G. Edwards and C. F. Rogers. A flux continuous scheme for the full tensor
pressure equation. In: Christie MA, Da Silva FV, Farmer CL, Guillon O, Heinmann

85

ZE, editors. 4th European Conference on the Mathematics of Oil Recovery, Norway,
1994.
[24] Lawrence C. Evans. Partial Differential Equations, Second Edition. American Mathematical Society, 2010.
[25] R. Eymard, T. Gallout, and R. Herbin. Finite volume methods. In: P.G. Ciarlet
and J.L. Lions, editors, Techniques of Scientific Computing, Part III, Handbook of
Numerical Analysis, VII:7131020, 2000.
[26] R. Eymard, T. Gallout, and R. Herbin.
Finite volume methods. schemes and analysis. <http://www.math.uni.wroc.pl/~olech/courses/skrypt_
Roberta_wroclaw.pdf>, 2008. University Course Notes [Online; acessado em
29/09/2013].
[27] Fox and McDonald. Introduction to Fluid Mechanics, Fifth Edition. Wiley, 1999.
[28] B. L. Giacchini.
Uma breve introduo ao mtodo dos elementos finitos. <http://www.mat.ufmg.br/~rodney/notas_de_aula/elementos_finitos.
pdf>, 2012. Acessado em 31/10/2013.
[29] David Gilbarg and Neil S. Trudinger. Elliptic Partial Differential Equations of Second
Order. Springer, 2001.
[30] V. Girault, S. Sun, M. F. Wheeler, and I Yotov. Coupling discontinuous galerkin and
mixed finite element discretizations using mortar finite elements. SIAM J. on Num.
Anal, 46:949979, 2008.
[31] J Goodman and RJ LeVeque. On the accuracy of stable schemes for 2d scalar conservation laws. Math. Comp., 45:1521, 1985.
[32] A. Harten. High resolution schemes for hyperbolic conservation laws. J. Comput.
Phys., 49:357393, 1983.
[33] M.R. Hestenes and E. Stiefel. Methods of conjugate gradients for solving linear
systems. J. Res. Nat. Bur. Stand., 49:409436, 1952.
[34] P. Indelman and G. Dagan. Upscaling of permeability of anisotropic formations 1.
the general framework. Water Resourc Res, 29:91723, 1993.
[35] P. Indelman and G. Dagan. Upscaling of permeability of anisotropic formations 2.
the general framework. Water Resourc Res, 29:92533, 1993.
[36] A.M Khokhlov. Fully threaded tree algorithms for adaptive refinement fluid dynamics
simulations. J. Comput. Phys., 143:519543, 1998.
86

[37] Randall J. LeVeque. Numerical Methods for Conservation Laws. Birkhauser, 1992.
[38] K. Miller and R. Miller. Moving finite elements, part i. SIAM J. Numer. Anal.,
18:10191032, 1981.
[39] W.F. Mitchell. Adaptive refinement for arbitrary finite-element spaces with hierarchical bases. J. Comput. Appl. Math., 36:6578, 1991.
[40] J. T. Oden. Finite elements: An introduction. In: P.G. Ciarlet and J.L. Lions, editors, Techniques of Scientific Computing, Part III, Handbook of Numerical Analysis,
II:315, 1991.
[41] J. Oliger and X. Zhu. Stability and error estimation for component adaptive grid
methods. Appl. Numer. Math., 20:407426, 1996.
[42] J.K. Reid. On the method of conjugate gradients for the solution of large sparse
systems of linear equations. In: Large sparse sets of linear equations, J. K. Reid,
ed., Academic Press, pages 231254, 1971.
[43] W.C. Rheinboldt. On a theory of mesh-refinement processes. SIAM J. Numer. Anal.,
17(6):766778, 1980.
[44] M.C. Rivara. Mesh refinement processes based on the generalized bisection of simplices. SIAM J. Numer. Anal., 21(3):604612, 1984.
[45] M.C. Rivara. Local modification of meshes for adaptive and/or multigrid finiteelement methods. J. Comput. Appl. Math., 36:7989, 1991.
[46] H. Sagan. Space-Filling Curves. Springer, Berlin, 1994.
[47] H. Samet. The Design and Analysis of Spatial Data Structures. Addison-Wesley,
Reading, MA, 1990.
[48] Jonathan Richard Shewchuk. An introduction to the conjugate gradient method
without the agonizing pain. School of Computer Science, Carnegie Mellon University,
Pittsburg, 1994.
[49] John C. Tannehill, Dale A. Anderson, and Richard H. Pletcher. Computational Fluid
Mechanics and Heat Transfer, 2nd Ed. Taylor and Francis, 1997.
[50] Hlia Valrio Thibes. Um estudo da fatorao incompleta lu e cholesky como
pr-condicionadores nos mtodos iterativos. Masters thesis, Dissertao(Mestrado
em Matemtica Aplicada) - Instituto de Matemtica, Universidade Federal do Rio
Grande do Sul, 2002.

87

[51] E. F. Toro. Riemann Solvers and Numerical Methods for Fluid Dynamics. SpringerVerlag, 1999.
[52] John A. Trangenstein. Multi-scale iterative techniques and adaptive mesh refinement
for flow in porous media. Advances in Water Resources, 25:1175 1213, 2002.
[53] John A. Trangenstein. Numerical Solution of Hyperbolic Partial Differential Equations. Cambridge University Press, 2009.
[54] H. A. Van der Vorst. Bi-cgstab: A fast and smoothly converging variant of bi-cg
for the solution of nonsymmetric linear systems. SIAM J. Sci. and Stat. Comput.,
13:631644, 1992.
[55] S. Whitaker. Flow in porous media i: A theoretical derivation of darcys law. Transport in Porous Media, 1:325, 1986.
[56] Kosaku Yoshida. Functional Analysis. Springer, 1995.

88