Argueta Hernández, Fidel Alejandro 11 de noviembre del 2018

Física de la atmósfera
Método de diferencias finitas para problemas de advección
El documento que se sintetizará a continuación pertenece al profesor Peter
Duffy del departamento de Física matemática de la University College Dublin, y
ha sido utilizado para la clase de Predicción numérica del tiempo de la maestría
en Meteorología. Los objetivos son:
 Introducir y discutir la solución analítica de la ecuación de advección
lineal, la cual se escribe a continuación:

u u
v 0
t x
Donde v ( x, t ) está ya dada y queremos resolver para u ( x, t )
comenzando por alguna condición inicial. Esta ecuación describe la advección
de la función u a velocidad v
 Introducir el método numérico de diferencias finitas para resolver la
ecuación de advección numéricamente.
 Discutir la parte de la estabilidad numérica y la condición de Courant
Friedrich Lewy (condición CFL)
 Extender estos métodos a problemas no lineales como la ecuación no
viscosa de Burgers la cual es:

u u
u 0
t x
Que es muy parecida a la ecuación de advección lineal, pero con la velocidad

de advección igual a u ( x, t )
 Por último, se mencionan los programas hechos en MATLAB para los
métodos que se presentaron en este documento y se plantean
ejercicios.

Definiciones básicas
Consideremos un gas en movimiento en una dimensión, a lo largo del eje x, y
sea  ( x, t ) la densidad de masa en el punto x y tiempo t. Si u ( x, t ) es la
velocidad de flujo de gas entonces  v es el flujo másico en x y t. Si la materia
no es creada ni destruida entonces la densidad de masa en un punto solo
puede cambiar si hay un gradiente en el flujo másico,
  
 ( u)  0
t x
La cual es un ejemplo de una ley de conservación y el tipo de ecuación que
estamos interesados en resolver. Para meteorología estamos interesados en el
flujo tridimensional en cuyo caso esta ley toma la forma:


   ( U )  0
t
También podemos escribir dos ecuaciones que describen conservación de
momento y energía. El caso anterior describe cómo el fluido se acelera como
resultado de un gradiente de presión y puede ser escrito como:

 u 
 (  u 2  P)  0
t x
Donde P es la presión. Combinando esta ecuación con la de la conservación
de la masa y reescribiendo queda como:

u u 1 P
u 
x x  x …… (1)

Que contiene la derivada lagrangiana de u y el término del gradiente de presión

que ya hemos visto en las ecuaciones primitivas.
Queremos estudiar métodos para resolver las ecuaciones cuando los métodos
exactos o analíticos no se encuentran disponibles.

Ecuación de advección lineal

Físicamente la ecuación 1 dice que a medida seguimos un elemento fluido (la
derivada lagrangiana temporal), se va a acelerar como resultado del gradiente
de presión local y esta es una de las ecuaciones más importantes que
necesitaremos resolver. Sin embargo, comenzaremos por observar una mucho
más simple ecuación que es conocida como la ecuación de advección lineal
para la cantidad u ( x, t )

u u
 v ( x, t ) 0 …….. (2)
t x
Donde v ( x, t ) es conocida. También vamos a añadir a esta ecuación una
condición inicial u ( x, 0) y de ser necesario, condiciones de frontera.
Físicamente esta ecuación dice que si comenzamos desde cualquier punto en
tiempo y subsecuentemente nos movemos con una velocidad dada por v ( x, t )
entonces u nunca va a cambiar de su valor inicial. Para ver esto consideremos
el cambio en u en moverse del punto ( x, t ) al punto ( x  dx, t  dt ) ,

u u
du  dt  dx
t x
Por lo tanto, si nos movemos sobre cualquier curva x(t) en el plano (x,t)
entonces, sobre la curva u va a cambiar a la tasa de

du u  dx  u
  
dt t  dt  x
Hay dos contribuciones del lado derecho. La primera es la dependencia
explícita en t y la segunda es el cambio que vemos por nuestro movimiento a lo
largo del eje x.
Para el problema dado en la ecuación (2) hay curvas especiales llamadas
curvas características definidas por:

dx
 v( x, t ) …… (3)
dt
A lo largo del cual u es constante

du u u
  v ( x, t ) 0
dt t x

Métodos de diferencias finitas para advección lineal

Como podemos resolver la ecuación de advección lineal si v ( x, t ) fuera tan
complicada para usar el método analítico de curvas características, es decir,
¿cómo podemos resolver la ecuación de advección lineal numéricamente?

Comenzamos reemplazando el plano continuo ( x, t ) por un grid donde hay un

espaciamiento uniforme h, a lo largo del eje x y un paso de tiempo  en el eje
temporal
Si queremos resolver una ecuación diferencial parcial para u ( x, t ) en un grid
computacional, solo consideramos los valores de u en puntos discretos.
Decimos que un esquema numérico es convergente si hacemos el grid
progresivamente más refinado y vemos que la solución tiende a la analítica, de
otra manera el esquema es inútil.
Muchos métodos numéricos pueden ser construidos para la ecuación (2).
Aunque esta ecuación tiene una solución analítica simple la solución numérica
no es trivial, es en realidad uno de los problemas con mayor dificultad que
tenemos que resolver numéricamente.

Diferencias finitas

¿Cómo expresamos las derivadas de u ( x, t ) en términos de u nj ?

Antes de responder a esa pregunta consideremos una función de una variable

f(x). Introducimos un grid de puntos en el eje x equiespaciados por la distancia
h; …, x j 1 , x j , x j 1 ,… En estos puntos las aproximaciones numéricas están
denotadas por f j y los valores analíticos están dados por f ( x j )

Con f j ' la primera derivada de f j y en relación con x en el punto x j podemos

escribir la expansión de Taylor para f(x) a ambos lados de x j
 h2
f ( x j 1 )  f ( x j )  hf j ' f j '' O(h3 )
2
h2
f ( x j 1 )  f ( x j )  hf j ' f j '' O(h3 )
2
Restando esto la serie de Taylor da,

f ( x j 1 )  f ( x j 1 )
fj '  O( h 2 )
2h
Así la primera derivada puede ser reemplazada por la diferencia de entre f de
2
cada lado dividida por 2h, lo cual produce un error proporcional a h
Computacionalmente podemos usar esta diferencia centrada para aproximar la
primera derivada en nuestro grid y esto es llamado la aproximación de
diferencia centrada para la primera derivada

f ( x j 1 )  f ( x j 1 )
fj ' ……. (4)
2h
La cual es de precisión de segundo orden en h.
Podríamos haber usado cada expansión de Taylor por separado para
aproximar la derivada

f ( x j 1 )  f j
fj ' Diferencias hacia adelante
h
f j  f ( x j 1 )
fj ' Diferencias hacia atrás
h

¿Cómo generalizamos esto a una función de dos variables?

Ahora tenemos un grid de dos dimensiones, u nj  u( x j , tn )

En el enésimo paso de tiempo:

 u  u nj 1  u nj 1
    O( h 2 )
 x  j ,n 2h

  2u  u nj 1  2u nj  u nj 1
 2   2
O ( h )
 x  j ,n
2
h
En cada una de estas fórmulas el índice n no cambia: t es constante

u
Similarmente, en la jotaésimo posición espacial xj podemos determinar y
t
 2u
:
t 2

 u  u nj 1  u nj 1
    O( 2 )
 t  j ,n 2

  2u  u nj 1  2u nj  u nj 1
 2   O( 2 )
 t  j ,n  2

Esta vez el índice j no cambia: x es contante

Método centrado en el espacio hacia adelante en el tiempo (FTCS)

Usando tiempo hacia adelante (porque debemos comenzar desde alguna
condición inicial) y centrado en el espacio (porque es preciso) en ecuación (2)
da:
 u nj 1  u nj u nj 1  u nj 1
 v n

 j
2h
Ahora si sabemos todos los valores en el tiempo tn podemos calcular todos

los valores de tn 1 desde:

v
u nj 1  u nj  (u nj 1  u nj 1 ) (método FTCS) …. (6)
2
u nj  u( x j , tn ) y v  u j / h . Esto es conocido como el método FTCS
n
Donde
para la ecuación de advección. Pero es inútil :3 Necesitamos condiciones de
frontera y ocupar diferentes esquemas que nos permiten adaptar o darle
estabilidad al método FTCS para resolver la ecuación de advección.