Tesis Erwin Final

Implementaci
on de un Modelo Matem
atico
de Conducci
on-Convecci
on de Tipo
Entalpa para Solidificaci
on
Erwin Henriquez Lagos
Universidad de la Frontera
Facultad de Ingeniera, Ciencias y Administracion
Departamento de Ingeniera Matematica
Profesores Guas :
Dr. Andres
Avila,
Universidad de La Frontera
Dr. Mauricio Sepulveda, Universidad de Concepcion
Temuco-Chile
Septiembre de 2003
Mi vivir es Cristo y morir ganancia...

Dedicado a Sabino Pfeuffer.
Hrno. Menor Capuchino.
Indice general
1. Modelo T
eorico
1.1. Un Problema de Evolucion . . . . . . . . . . . . . . . . . . . . . . . . .
1.1.1. Introduccion . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.1.2. Descripcion del Modelo . . . . . . . . . . . . . . . . . . . . . . .
1.1.3. Hipotesis y Formulacion Debil del Problema . . . . . . . . . . .
1.2. El Problema Regularizado . . . . . . . . . . . . . . . . . . . . . . . . .
1.2.1. Aproximacion del Problema Regularizado . . . . . . . . . . . . .
1.2.2. Existencia para el Problema Regularizado . . . . . . . . . . . .
18
2. Estructura N
umerica
25
2.1. Discretizacion de la Ecuacion de Navier-Stokes (ENS) . . . . . . . . . .
26
2.1.1. La Estructura MAC (marker and cell) . . . . . . . . . . . . . .
27
2.1.2. Discretizacion del Tiempo . . . . . . . . . . . . . . . . . . . . .
28
2.1.3. Discretizacion Espacial . . . . . . . . . . . . . . . . . . . . . . .
29
2.1.4. Discretizacion de la ecuacion de continuidad . . . . . . . . . . .
30
2.1.5. Discretizacion de la ecuacion de momento . . . . . . . . . . . .
30
2.1.6. Aproximacion de los terminos convectivos . . . . . . . . . . . .
31
2.1.7. Discretizacion para la presion . . . . . . . . . . . . . . . . . . .
31
2.1.8. Celdas fronteras . . . . . . . . . . . . . . . . . . . . . . . . . . .
31
2.1.9. Aproximaciones para Celdas Fronteras. . . . . . . . . . . . . . .
32
2.1.10. Discretizacion de las derivadas temporales . . . . . . . . . . . .
32
2.1.11. El algoritmo . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
32
2.1.12. La ecuacion discretizada de Poisson . . . . . . . . . . . . . . . .
33
INDICE GENERAL
II
2.1.13. El termino fuente gx y gy . . . . . . . . . . . . . . . . . . . . . .
33
2.1.14. Consideraciones especiales . . . . . . . . . . . . . . . . . . . . .
35
2.1.15. El Metodo Iterativo SOR (Successive Over Relaxation). . . . . .
35
2.1.16. Condicion de estabilidad . . . . . . . . . . . . . . . . . . . . . .
37
2.2. Discretizacion de la Ecuacion del Calor . . . . . . . . . . . . . . . . . .
37
2.2.1. Metodo de Crank-Nicolson . . . . . . . . . . . . . . . . . . . . .
38
2.2.2. Discretizacion del Laplaciano . . . . . . . . . . . . . . . . . . .
39
2.2.3. Discretizacion de ~v q
. . . . . . . . . . . . . . . . . . . . . .
39
2.2.4. Estabilidad del Metodo de Crank-Nicolson . . . . . . . . . . . .
40
2.3. La fuente no lineal . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
41
2.3.1. Consideraciones especiales . . . . . . . . . . . . . . . . . . . . .
42
2.3.2. Discretizacion alternativa para la parte no lineal . . . . . . . . .
42
3. El C
odigo
3.1. Resumen Codigo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
4. Resultados
44
45
46
4.1. Condiciones Iniciales y de Frontera . . . . . . . . . . . . . . . . . . . .
47
4.2. Resultados del primer esquema de discretizacion . . . . . . . . . . . . .
48
4.3. Resultados del esquema alternativo . . . . . . . . . . . . . . . . . . . .
50
4.4. Observaciones sobre los resultados . . . . . . . . . . . . . . . . . . . . .
53
5. Conclusiones
55
A. Algunas Nociones Utiles
57
B. Notaciones y Espacios Funcionales
59
C. Resultados Auxiliares
64
Agradecimientos
No puedo dejar de agradecer:
Al Dr. Michael Vielhaber, por su gran cooperacion en la implementacion en el
lenguaje de programacion FORTRAN ( ...FORTRAN, lo mejor...).
Al profesor e ingenero Abdusamad Salih (Ingeniero de Dise
no: Crompton Greaves
Hydro-division, Chandigarh).
Al Centro de Modelacion y Computacion Cientfica CMCC y a su Director Dr.
Jaime Bustos G., por acogerme durante el desarrollado de este trabajo.
A Tomas Bautista, Tobias Oetiker y a tantos otros autores que me sumergieron
en el sistema de composicion de textos LATEX, en el cual esta escrita esta Tesis.
A mi familia y compa
neros.
Y a Dios por acompa
narme a lo largo de todo este camino.
Resumen
En el primer captulo, se presenta un resultado de existencia de solucion para un
modelo matematico de un problema de solidificacion de materiales puros obtenido por
el profesor Herme Soto en su tesis de doctorado [21]. Este modelo utiliza el llamado
Metodo de Entalpa y toma en cuenta tanto la conduccion de calor en el material, como
la posibilidad de procesos convectivos en las regiones no solidas.
El problema esta constitudo por un sistema de ecuaciones (inclusiones) en derivadas
parciales no lineales, una de las cuales describe el balance de energia termica en todo
el material y esta acoplada a ecuaciones que describen el flujo del material y que
son validas apenas en la region no solida y, por tanto, a priori regiones desconocidas.
Estas u
ltimas ecuaciones son del tipo Navier-Stokes, modificadas apropiadamente por
un termino de tipo Boussinesq que toma en cuenta los efectos termoconvectivos y por
un termino de tipo Carman-Koseny que controla el flujo del material en las llamadas
zonas mushy 1 .
Para obtener una solucion generalizada, procedemos de la siguiente manera: consideramos inicialmente una sucesion de problemas aproximados, haciendo una regularizacion adecuada del problema original, de modo que en los problemas aproximados las
ecuaciones de Navier-Stokes pasen a ser validas en toda la region del material. Luego,
aplicando argumentos de punto fijo, y tambien el metodo semi-Galerkin, obtenemos una
sucesion de soluciones aproximadas. Finalmente, usando argumentos de compacidad,
pasando al lmite en las ecuaciones aproximadas, obtenemos soluciones generalizadas
del problema original.
En la segunda parte se plantea un esquema de discretizacion del modelo teorico,
considerando un dominio particular en 2D, especificamente un cuadrado y una malla
homogenea, as basandonos en los Metodos de CrankNicolson para la Ecuacion de
Difusion del Calor y la estructura MAC (Marker and Cell) para las Ecuaciones de
NavierStokes, de este modo se consigue una version discretizada del sistema de ecuaciones presentado en el primer captulo, las que son resueltas con la ayuda del conocido
metodo de Sobrerelajacion (SOR) e iteradas para tiempos consecutivos.
Esta discretizaciones son implementadas en el tercer captulo, a traves de un bosquejo del pseudocodigo del programa original que fue escrito en el lenguaje de programacion
FORTRAN y cuyos resultados son visualizados en MatLab.
Es la region de mezcla que no es solida ni lquida del material
El proposito principal de este trabajo es dar una implementacion del sistema de

ecuaciones e inclusiones dado por el Dr. Herme Soto, y conseguir un cierto grado de
convergencia de tal esquema.
Captulo 1
Modelo T
eorico
1.1.
Un Problema de Evoluci
on
1.1.1.
Introducci
on
Presentamos un resultado de existencia de soluciones generalizadas de un modelo

matematico para la evolucion de procesos de solidificacion/liquidacion, para ciertas
clases de materiales puros expuesto en [21]. Tal modelo toma en cuenta los procesos
de conduccion de energia termica, como su generacion o absorcion debido a cambios
de fases, y tambien los procesos convectivos que se realizan en las fases no solidas,
y esta constituido de las ecuaciones que describen el balance de energia termica
acopladas a ecuaciones que gobiernan el movimiento del material en la region no solida (lquida/mushy). Estas u
ltimas ecuaciones son del tipo Navier-Stokes con terminos
adicionales del tipo Boussinesq para tomar en cuenta los efectos termoconvectivos y un
termino del tipo Carman-Koseny que modela la dinamica del fluido en la zona mushy.
El modelo esta basado en los trabajos de DiBenedetto y OLeary [9], en cuanto a
los aspectos de balance de energia termica y en cuanto a los cambios de fases tambien
este u
ltimo junto con Blanc [2] y otros trabajos en cuanto a los aspectos convectivos.
1.1.2.
Descripci
on del Modelo
Consideramos un proceso fsico en el cual puede ocurrir cambios de fase de un

cierto material puro que este evolucionando en una region Rn , (n = 2, 3), que
consideramos como un dominio limitado con frontera regular. Del punto de vista
matematico, tal proceso ocurre en el cilindro del espacio-tiempo:
1.1 Un Problema de Evoluci

on
Q = [0, T ]
En el aparecen tres regiones distintas, que denotaremos Qs , Ql , Qm , que dependen
de como se realiza el proceso de cambio de fase correspondiente a las diversas fases en
que se puede encontrar el material. Qs y Ql seran respectivamente las regiones en las
cuales el material esta en fase solida y lquida, respectivamente; Qm correspondera a
la region conocida como region mushy.
Como estamos adoptando un modelo del tipo entalpa, la fase del material en un
punto (x, t) Q dependera del valor de la entalpa w(x, t) del material en aquel punto;
esta, a su vez, depende de la temperatura (x, t) de una forma altamente no lineal que
describiremos posteriormente.
Es importante destacar que a lo largo de este trabajo supondremos, por simplicidad,
que la temperatura del cambio de fase es igual a cero. De esta forma la region donde
(x, t) < 0 estara necesariamente contenida en la region solida, al igual que aquella
en la cual w(x, t) 0. La region donde (x, t) > 0 estara en la region lquida, la cual
es caracterizada por w(x, t) L; la region mushy es aquella donde 0 < w(x, t) < L,
con L una constante que depende del material y se llama calor latente; esta region
esta contenida en la region donde (x, t) = 0.
Por otro lado, como estamos considerando los efectos convectivos, el termino de
Carman-Koseny en las ecuaciones de movimiento del material, el cual depende de la
fraccion solida fs , requiere que tenga la siguiente relacion de compatibilidad: el valor
de la fraccion solida debe ser fs = 1 en la region solida, fs = 0 en la region lquida
y 0 < fs < 1 en la region mushy. As, fs debe ser una funcion de entalpa w, esto
es, fs = fs (w) donde fs es una funcion real tal que fs (w) = 1 cuando w (, 0],
fs (w) = 0 cuando w [L, +) y 0 < fs (w) < 1 cuando w (0, L).
De forma mas precisa, siendo L > 0 el calor latente del material, definimos las
regiones Qs , Ql y Qm como:
Qs = {(x, t) Q; w(x, t) 0} = {(x, t) Q; fs (w(x, t)) = 1},
Ql = {(x, t) Q; w(x, t) L} = {(x, t) Q; fs (w(x, t)) = 0},
Qm = {(x, t) Q; 0 < w(x, t) < L} = {(x, t) Q; fs (w(x, t)) < 1}
Se define tambien la region no solida como:
Qml = Qm Ql = {(x, t) Q; 0 < w(x, t)}
Necesitaremos tambien los siguientes conjuntos definidos para cada t [0, T ] como:

on
s (t)
l (t)
m (t)
ml (t)
Ademas de
= {x ; w(x, t) 0},
= {x ; w(x, t) L},
= {x ; 0 < w(x, t) < L},
= m (t) l (t) = {x ; 0 < w(x, t)}
esto, denotaremos la frontera lateral de la region no solida por:
X
ml
ml (t) {t}
0<t<T
Nuestro problema sera hallar funciones v, , w y p, representando respectivamente

la velocidad, la temperatura, la entalpa y la presion del material, satisfaciendo en
un sentido generalizado a ser precisado en la proxima seccion el siguiente sistema de
ecuaciones (inclusiones) en derivadas parciales (P0 ):
t w K() + v
w
w(x, 0)
t v v + v v + p F ()
div v
v
v
v(x, 0)
=
=
=
=
=
=
0
()
w0 (x)
J(fs (())))v
0
0
0
v0 (x)
en Q,
en Q,
sobre [0, T ],
en ,
en int (Qml ),
en int (Qml ),
en int (Qml ),
sobre ml ,
en int (Qml ),
(1.1)
En la proxima seccion, se daran las hipotesis precisas sobre los distintos terminos
del sistema. Aqu, describiremos solo sus significados fsicos.
La funcion K(s) se supone conocida y describe el cociente entre la conductividad
termica y el calor especfico del material.
(s) es una multiaplicacion que describe la relacion entre la temperatura y la entalpa.
El termino F () simula los efectos termoconvectivos que actuan en la region no
solida. La aproximacion de Boussinesq mas comunmente usada toma la forma:
F () = C( r ) g,
(1.2)
donde C es una constante; es la densidad media del material no solido; r una

temperatura referencial (que puede ser asumida sin perdida de generalidad como cero)
y g la fuerza de gravedad.
El termino J(fs )v act
ua en la zona mushy, modificando las ecuaciones de momento
lineal. Una expresion bastante utilizada en la literatura es aquella de Carman-Koseny,
en la cual J(fs ) es de la forma:

on
J(fs ) =
Cfs
(1 fs )3
(1.3)
donde C es una constante positiva. Note que J(fs ) + cuando fs 1 (esto

es, cuando nos aproximamos a la region solida a partir de la region no solida).
Observaci
on 1. El modelo a estudiar puede ser considerado un problema de frontera
libre pues las regiones Qs , Ql y Qm son desconocidas a priori.
1.1.3.
Hip
otesis y Formulaci
on D
ebil del Problema
En todo este captulo estaremos suponiendo validas las siguientes hipotesis:

(H1 )
Rn , n = 2 o 3, es un dominio limitado de clase C 2 .
(H2 )
(s) es una multiaplicacion de R en R, estrictamente monotona creciente y
tal que para s 6= 0 esta funcion satisface 0 < 0 0 (s) 1 ; ademas de esto tiene un
salto en el origen, esto es, (0) = [ 0, L], con L > 0.
(H3 )
K(s) es una funcion monotona continua y diferenciable fuera del origen y
tal que K(0) = 0, y 0 < K0 K 0 (s) K1 si s 6= 0.
(H4 )
F : R Rn es uniformemente Lipschitz continua y F (0) = 0.
(H5 )
J C 1 (, 1) es no decreciente, J 0 sobre R y tal que lm J(x) = +.
(H6 )
(0, L).
x1
fs
Cb0 (R)
tal que fs = 1 en(, 0], fs = 0, en [L, +) y 0 < fs < 1 en

3
v0 H() y ademas se cumple

(H7 ) L2 (0, T ; W 2 ,2 ())L (Q), w0 C 2 (),
que supp v0 int ml (0).
Pasaremos ahora a explicar en que sentido entenderemos una solucion generalizada
del problema (P0 ). La definicion que adoptaremos tiene un aspecto complejo (en su
tem (iii)) que tiene que ver con el tipo de escurrimiento en la parte no solida y que
explicaremos enseguida, basados en algunas conjeturas fsicas.

on
Definici
on 2. Sobre las hipotesis (H1 ) (H7 ), la tripleta (, w, v) es solucion generalizada del problema (P0 ) si valen las siguientes condiciones:
i. L (Q)L2 (0, T ; H 1 ()), w L (Q) C([0, T ]; H 1 ()) y v L2 (0, T ; H01 ()),
ii. Para toda C01 (0, T ; H01 ()) se tiene que
Z
wt dx dt
Q
K()dx dt +
Q
vdx dt = 0
(1.4)
c.t.p. en Q
w (),
2
1
L (0, T ; H0 ()),
w(, 0) = w0 ,
en
(1.5)
iii. Siendo Qs = {(x, t) Q; w(x, t) 0}, Qml = {(x, t) Q; 0 < w(x, t)} y
ml (t) = {x ; 0 < w(x, t)}, valen las siguientes propiedades:
Debemos tener que:
v = 0,
en int Qs
(1.6)
Ademas de eso, debe existir un subconjunto F de medida total en Qml , de forma

que:
F=
Qmli ,
i=1
int Qmli
donde
son regiones no solidas y {i }
on de n
umeros
i=1 es una sucesi
positivos
tendiendo
a
cero,
con
Qml \ Qi < i y tal que para el subconjunto

ml
intf (F) =
int Qmli
i=1
donde int Qmli denota el interior de Qmli relativamente al conjunto [0, T ),

y que llamaremos de interior fluido de F , existe una funcion h L2loc (intf (F))
satisfaciendo h J(fs (())) y, ademas, C1 ([0, T ]; H 1 ()) tal que
supp (x, t) intf (F) y div ( , t) = 0, t [0, T ), la siguiente igualdad es
satisfecha:
intf (F )
R
R
vt dxdt = intf (F ) vdxdt intf (F ) (v )vdxdt
R
R
intf (F ) hvdxdt + intf (F ) F () dx dt
R
+ ml(0) v(x, 0) (x, 0)dx.
(1.7)

on
Observaci
on 3. Para entender el significado de la definicion anterior, observamos
que el tem (iii) requiere que la velocidad sea nula en el interior de la parte solida y que
el escurrimiento sea controlado por las ecuaciones del tipo Navier-Stokes en la region
de interior fluido.
Si tuvieramos Qml \ intf (F) = 0 entonces practicamente toda la region no solida

sera constituida de interior fluido, restando un conjunto de medida zero en el cual el
escurrimiento no se realiza. En este caso tenemos una solucion debil en un sentido
proximo al intuitivo.
Entretanto, si Qml \ intf (F) > 0, habra una region de medida estrictamente positiva, exactamente la region Qml \ intf (F), que del punto de vista del escurrimiento no
tenemos ninguna informacion, esto es, nuestra solucion no se aplica a esta region.
El modelo presupone que en la region no solida el escurrimiento sea controlado por
una ecuacion del tipo de Navier-Stokes. Sin embargo, para que esto ocurra en modelos
macroscopicos como es el de nuestro caso, es necesario que haya suficiente espacio
para tal escurrimiento. Cuando esto no ocurre, como es el caso usual de medios porosos,
la ecuacion macroscopica que controla el escurrimiento no es mas del tipo de NavierStokes, sino una ecuacion de los medios porosos, que es obtenida de la llamada ley de
Darcy ( que relaciona la velocidad del fluido y el gradiente de presion) o por mecanismos
de homogenizacion.
En otras palabras, sucede que la region Qml \ intf (F) sea una region donde la zona
de mezcla se torne tan intercalada de fragmentos solidos que ella se debe comportar de
forma semejante a un medio poroso, y, por tanto, la ecuacion macroscopica que controla
el escurrimiento no puede ser mas del tipo Navier-Stokes . Tal vez otra ecuacion, semejante a aquella de medios porosos, pero que tampoco tenemos condiciones de preveer,
deba controlar el escurrimiento en esta region.
Teorema 4. Bajo las hipotesis (H1 )(H7 ), existe solucion generalizada del problema
(P0 ) en el sentido de la definicion 2.
El camino a seguir para probar la existencia y unicidad es introducir un problema
regularizado, que hace mas abordable el problema, luego al darnos una sucesion de
estos problemas regularizados, mediante un espacio de dimension finita, introducimos
elementos de Galerkin, y as mediante conceptos de continuidad y compacidad se consigue definir un operador que cuenta con un punto fijo, el que equivale a encontrar la
solucion del problema original.
1.2 El Problema Regularizado
1.2.
El Problema Regularizado
A continuacion se introduce una sucesion de problemas regularizados, asociados

al problema (P0 ), en los cuales nos sera permitido considerar la ecuacion del tipo
Navier-Stokes en todo Q. Ademas de ello, para tornar estos problemas aproximados
mas tratables, tomaremos regularizaciones adecuadas de las funciones (y multifuncion)
involucradas.
De esta forma, sean fs , y K , aproximaciones suaves de fs , y K respectivamente
tales que.
K (0) = 0,
(0) = 0,
0 < K0 K0 (s) K1 ,
(1.8)
1
0 < 0 0 (s) ,
(1.9)
ademas
(s) 1 s+L, s,
(s) min{ 1 s, 0} s,

0
(s) 1 si para s y , s =
6 0, 0 ,

tal que (s) = (s), si < 0 .
(1.10)
Podemos tomar las convergencias de las funciones y K en el siguiente sentido:

,
K K,
uniformemente en R \ {0},
uniformemente en R.
Vale entonces el siguiente resultado de existencia de soluciones.

Teorema 5. Sobre las hipotesis (H1 )(H7 ), para cada (0, 1] existen,
v L2 (0, T ; V ()) L (0, T ; H()), L (Q) L2 (0, T ; H 1 ()) y
w L (Q) C([0, T ]; H 1 ()), donde w = ( ), las cuales satisfacen el problema
(P )1 .
L2 (0, T ; H01 ()),
R
R
v
dx
dt
=
v
dx
dt
(v )v dxdt
Q
Q
RQ
Q J(fs (w ) )v dxdt
R
R
+ Q F ( ) dx dt + v (x, 0) (x, 0)dx
C 1 ([0, T ]; V ()) tal que (T ) = 0.

1
El problema ahora regularizado
(1.11)
v (x, 0) = v0 (x, 0),
c.t.p. en
(1.12)
donde v0 es una aproximacion suave de v0 tal que.
lm v0 v0 H() = 0,
(1.13)
w t dx dt
Q
C01 ([0, T ]; H01 ()),
K ( )dx dt +
Q
w (, 0) = w0
v dx dt = 0
(1.14)
en
(1.15)
Ademas las funciones v , , w y wt son uniformemente limitadas con respecto al

parametro en L2 (0, T ; V ()) L (0, T ; H()), L (Q) L2 (0, T ; H 1 ()) , L (Q) y
L2 (0, T ; H 1 ()) respectivamente.
1.2.1.
Aproximaci
on del Problema Regularizado
A continuacion presentamos una sucesion de problemas que constituyen aproximaciones del problema regularizado y se probara un resultado de existencia para estos
problemas aproximados, los que seran construidos de la siguiente manera.
Consideramos la base {uj }
on del problema espectral:
j=1 de V (), dada por la soluci
(u, )V () = (u, )H() , V (), > 0.
Sea W m () el espacio generado por u1 , ..., um .
Definamos el problema (Pm ), con 1 m, de la siguiente manera:
Encontrar funciones vm L2 (0, T ; V ()) L (0, T ; H()), m L (Q)L2 (0, T ; H 1 ())
y wm L (Q) con wm = (m ), las cuales satisfacen:
m
(vt
, uk ) + (vm , uk ) = ((vm )vm , uk ) J(fs (wm ) )vm , uk )
+(F (m ), uk )
(1.16)
t [0, T ]; k, tal que 1 k m.
vm (0) = vm0
(1.17)
lm vm 0 v0 2, = 0
(1.18)
donde
siendo v0 una aproximacion suave de v0 y

vm0 =
m
X
(v0 , uj ) = Pm (v0 )
j=1
donde Pm : H() W () es la proyeccion ortogonal.

Z
wm t dx dt
Q
C01 ([0, T ]; H01 ()).
K (m )dx dt
Q
wm (, 0) = w0
m vm dx dt = 0
(1.19)
en
(1.20)
m L2 (0, T ; H01 ()), donde es una aproximacion suave de tal que
lm L2 (0,T ;H 1 ()) = 0,
0
(1.21)
La existencia de solucion para (Pm ) es dada por el siguiente teorema.

Teorema 6. Sobre las hipotesis (H1 )(H7 ), para cada m = 1, 2, . . . , existen funciones
vm , m y wm , las cuales satisfacen el problema (Pm ). Ademas, las limitaciones de: vm
en L2 (0, T ; V ()) L (0, T ; H()), m en L (Q) L2 (0, T ; H 1 ()) , wm en L (Q),
m
m
wt
en L2 (0, T ; H 1 ()),y vt
en L2 (0, T ; V 0 ()) si n = 2 y en L1 (0, T ; V 0 ()) si n = 3,
son todas uniformes con relacion a m.
Para probar este teorema necesitaremos los lemas que expondremos a continuacion:
La idea general de la prueba es la siguiente. Construiremos un cierto operador
G : L2 (Q) L2 (Q) y mostraremos que el tiene un punto fijo, usando el Teorema de
punto fijo de Leray-Schauder. Para esto, mostraremos que G es continuo, compacto y
que el conjunto de soluciones de la ecuacion:
= G(), [0, 1]
10
es uniformemente limitado en L2 (Q), con relacion a .

El operador G se define atraves del siguiente proceso. Sea L2 (Q), entonces
resolvemos para la u
nica funcion v L2 (0, T ; V ()) L (0, T ; H()) la cual satisface
(1.16) y (1.17). Luego, dada v L2 (0, T ; V ()) L (0, T ; H()),
para la
P resolvemos
u
nica funcion la cual satisface (1.19) y (1.20), con = , en , y w = ().
Entonces, se define
G() =
(1.22)
Al ver el detalle de los pasos que definen G, observaremos claramente que resolver
el problema (Pm ) es equivalente a determinar puntos fijos de G.
El primer paso en la definicion de G, es dado en el siguiente lema, en cuyo enunciado
y demostracion se omitira el ndice de las variables vm , m y wm , para facilitar la
lectura.
Lema 7. Sobre las hipotesis (H1 )(H6 ) dada m L2 (Q), existe una u
nica funcion
m
2
v L (0, T ; V ()) L (0, T ; H()) que satisface (1.16) y (1.17) con w m = (m ).

Ademas v m es limitada en L2 (0, T ; V ()) L (0, T ; H()) y vtm en L2 (0, T ; V0 ()) si
n = 2 y en L1 (0, T ; V 0 ()) si n = 3, con limitaciones que dependen de m L2 (Q) y

vm0 2 .
L ()
n: Para cada m N, consideramos las aproximaciones de Galerkin
Demostracio
m
v (t) =
m
X
cj (t)uj (x)
(1.23)
j=1
Introduciendo en (1.16) la expresion para v m dada por (1.23), obtenemos

m
m
X
X
j
k
0
( uj , uk ) cj (t)
( u , u ) cj (t) =
j=1
j=1
m
X
B( uj , ui , uk ) ci (t)cj (t)
i,j=1
m
X
(1.24)
(J(fs (wm ) ) uj , uk ) cj (t)
j=1
+(F ( m ), uk )
ck (0) = (v0 , uk )
(1.25)
11
Como m L2 (Q), F es uniformemente Lipschitz y J es Lipschitz para fijo, las

ecuaciones anteriores constituyen un sistema de ecuaciones diferenciales ordinarias para
el cual vale el teorema de existencia local de soluciones. As, para cada m N, existe
Tm > 0 tal que v m (t) es la u
nica solucion del sistema (1.24) y (1.25) en el intervalo
[0, Tm ]. Las estimativas a priori seran probadas a continuacion, ellas mostraran que
podemos tomar Tm = T .
Multiplicando (1.24) por ck y sumando con respecto a k y observando que
B( v m , v m , v m ) = 0, obtenemos
2
1 d m 2
v (t) 2, + v m V () + (J(fs (wm ) )v m , v m ) = (F ( m ), v m )
2 dt
en [0, Tm ].
Aplicando desigualdad de Holder y Young, y por ser (J(fs (wm ) )v m , v m ) 0,
se tiene:
2
2
d m 2
v (t) 2, + v m V () F (m )V 0 ()
dt
Integrando en el tiempo (0, t), obtenemos

m 2
v (t) +
2,
t
0
m 2
v
V ()
t
0
F (m )2 0 + vm0 2
2,
V ()
(1.26)

Por ser F Lipschitz, m L2 (Q) M y por (1.18), tenemos que el lado derecho de
(1.26) es limitado con respecto a t, se deduce entonces que:
m 2
v
L
m 2
2
v 2
F (m )2 2
vm0
+
+
0
(0,T ;H())
L (0,T ;V ())
L (0,T ;V ())
2,
(1.27)
De (1.27) obtenemos que {v m }

m=1 es limitada en L (0, T ; V ()) L (0, T ; H())
de forma continua con respecto a t [0, Tm ], entonces podemos tomar Tm = T .
m
2
Obtenemos tambi
m en de (1.27),
2 que la limitacion de v en L (0, T ; V ()) L (0, T ; H()),
depende de L2 (Q) y vm0 L2 () .
A continuacion probaremos una estimacion para la sucesion {vtm }

m=1 . Consideramos
los siguientes operadores definidos por:
hA(v m ), i = ((v m , )) ,
hD(v m ), i = B(v m , v m , ),
hE(v m ), i = (Jfs (wm ) )v m , )
V ().
12
Si consideramos la proyeccion ortogonal Pm : H() W m () como un operador

en L(V () , V ()), el cual tiene norma kPm kL(V () ,V ()) 1, obtenemos de (1.16):
vtm = Pm (A(v m )) Pm (D(v m )) Pm (E(v m )) + Pm (F ( m ))
(1.28)
en V 0 (), donde Pm es el operador adjunto de Pm , el cual satisface :

kPm kL(V 0 () ,V 0 ()) 1
De la definicion de operadores A(v m ), D(v m ) y E(v m ) se tiene que

kA(v m )kV 0 () v m V ()
kD(v m )kV 0 ()
y
2
C v m V ()
2
C v m v m
2,
V ()
(1.29)
n = 3,
n = 2,

kE(v m )kV 0 () C()v m 2, .
(1.30)
(1.31)
Finalmente, como F ( m ) L2 (0, T ; V 0 ()), de (1.27), (1.28), (1.29), (1.30) y (1.31),

concluimos que {vtm }
on limitada en L2 (0,T ; V 0 ())
m=1 es una sucesi
si2n = 2 y en
m
1
0
L (0, T ; V ()) si n = 3, con limitaciones que dependen L2 (Q) y vm0 L2 () .

El siguiente lema habla de la dependencia continua de v m con relacion a m .
Lema 8. Si im L2 (Q), i = 1, 2, entonces

m
v2 v1m
L (0,T ;H())
C 2m 1m L2 (Q)
(1.32)
donde vim es la u
nica solucion de (1.16), (1.17), correspondiente a im y C es una
constante que depende de , m y T .
n: Por la linealidad , tenemos que (1.16) vale W m (), entonces,
Demostracio
se tiene:
(vitm , ) +(vim , ) +B(vim , vim , ) = (J(fs (wim )))vim , ) +(F (im ), ) (1.33)
Restando estas igualdades para i = 1, 2 y haciendo = Sm = v2m (t) v1m (t) en
(1.33), obtenemos

2
1 d
2 n
S
(t)
m
2 dt
L ()
13
2
+ Sm V () = B(Sm , v2m , Sm ) (J(fs (w1m )) )Sm , Sm )
((J(fs (w2m )) ) (J(fs (w1m )) ))v2m , Sm )
+(F (2m ) F (1m ), Sm )
Como (J(fs (w1m )) )Sm , Sm ) 0, aplicando la desigualdad de Holder en esta

u
ltima igualdad, obtenemos
2

R m
R
1 d
2 n + Sm 2
Sm v2 Sm +c0 () 2m 1m v2m Sm
S
(t)
m
2 dt
R
L ()
V ()

+c1 2m 1m Sm

2

Sm L4 ()n v2m V () + c0 ()2m 1m 2, v2m L4 ()n Sm L4 ()n

+c1 2m 1m 2, Sm L2 ()n

c2 Sm V () v2m V () Sm L4 ()n

+ c3 ()2m 1m 2, v2m V () Sm V ()

+c4 2m 1m Sm
2,
V ()
Aplicando la desigualdad de Young y teniendo en cuenta que en W m () todas las

normas son equivalentes ( con constantes que pueden depender de m), se tiene:
2
2
2
d
Sm (t)L2 ()n c5 (m)Sm L2 ()n v2m L2 ()n
dt
2
2 2
+c6 (, m)2m 1m v2m 2 n + c7 2m 1m

L ()
2,
2,
Integrando ahora en (0, t) obtenemos

R
Sm (t)2 2 n c5 (m) t Sm 2 2 n v2m 2 2 n
0
L ()
2
2L () 2
Rt
R t L ()
+c6 (, m) 0 2m 1m 2, v2m L2 ()n + c7 0 2m 1m 2,

R t 2
c5 (m) 0 Sm L2 ()n v2m L2 ()n
2
2
2
Rt
Rt
+c6 (, m)v2m L (0,T ;H()) 0 2m 1m 2, + c7 0 2m 1m 2,
2
y como v2m L (0,T ;H()) C, m, obtenemos
Sm (t)2 2
L
()n
c8 (m)
Sm (t)2 2
L
Por el Lema de Gronwall se tiene que
Sm (t)2 2
L ()n
y finalmente

Sm
()n
+ c9 (, m)2m 1m L2 (Q)
c9 (, m)2m 1m L2 (Q) (1 + c8 (m)tec8 t ),
L (0,T ;H())
2
c(, m, T )2m 1m L2 (Q) .
Continuando con la construccion del operador G, para v m conocida, determina-
14
remos la u
nica funcion m , y entonces w m = (m ) tal que m L2 (0, T ; H01 ())
que satisface (1.19) y (1.20). Mostraremos tambien la dependencia continua de m con
respecto a v m . Esto es obtenido de los siguientes lemas.
Pm
j
m
Lema 9. Para > 0 y para vm =

j=1 cj (t)u , como en (1.23), tal que v
2
2
1
L (0, T ; V ()) L (0, T ; H()) , existe una u
nica funcion L ()L (0, T ; H ()),
m
y entonces tambien existe una u
nica w = (m ), tal que m L2 (0, T ; H01 ())
satisfacen (1.19) y (1.20). Ademas de eso valen las siguientes estimativas:

m

1
L (Q)
max {w0 L () , 1 L (Q) + L} ,
0
(1.34)
(1.35)
L2 (0,T ;H 1 ()) c,
0

donde c es una constante que depende de w0 L () , L (Q) , L2 (0,T ;W 32 ,2 ()) , y
m
v
, se obtiene tambien
L (0,T ;H())
m
w
t
L2 (0,T ;H01 ())
c,
(1.36)
donde c es una constante

que depende de las constantes c y c, dadas en (1.34) y (1.35)
y tambien de vm L2 (0,T ;V ()) .

n: Como la funcion vm tiene la forma
Demostracio
vm
m
X
cj (t)uj
j=1
con uj dado por (uj , )V () = (uj , )H() , V (), > 0, ella tiene la regularidad
necesaria ( la regularidad de vm es dada por las funciones uj ) para utilizar el lema 18
y obtener por la observacion 20, que existen funciones m y wm , las cuales satisfacen
(1.19), (1.20) y m = sobre con wm = (m ). Se obtiene tambien:
m
L (Q) c,
m
w
(1.37)
m
donde c es dada como en (1.35) y c1 es una constante que depende de w0 L (Q) y

.
L (Q)
L (Q)
c1
Tambien obtenemos por la observacion 20 del Apendice C que

m
L2 (0,T ;H 1 ()) c2 ,
15

con c2 es una constante que depende de vm L (0,T ;H()) , w0 L () , L2 (0,T ;W 32 ,2 ()) .
De esta forma son probadas la estimacion (1.34) y (1.35).
Probaremos ahora la estimativa (1.36). Sea H01 (), de (1.19) obtenemos:
m
R
R
m ) + m v m
(w
t , ) = K
(
R m R m m
K1
+
v
m L () vm H() }H 1 ()
m H 1 () + C2
{C1
0
Entonces tenemos:
m
wt
H 1 ()
m

m
L () vm V () .
H 1 () + C2
C1
Usando la desigualdad de Young, obtenemos
m
m
m 2
m
wt 1 (C3 + C4
v
)(
+
),
L ()
H 1 ()
H ()
V ()
con C3 y C4 constantes que son independientes de y m.

De esta u
ltima desigualdad obtenemos:
T
0
m 2
m 2
m 2
m 2
wt 1 (
)(
2
v 2
c
+
c
+
).
3
4
1
H ()
L ()
L (0,T ;H ())
L (0,T ;V ())
(1.38)
As, de (1.35), (1.37) y (1.38) se obtiene la estimacion (1.36).
Finalmente, la unicidad de la funcion m es obtenida directamente del lema 10.

El siguiente lema trata de la dependencia continua de m con respecto a vm .
Lema 10. Para i = 1, 2, sean im y wim = (im ) satisfaciendo (1.19) y (1.20), generadas por vim como en el lema 9, con im L (Q) L2 (0, T ; H 1 ()) y
im L2 (0, T ; H01 ()). Entonces
2 1m L2 (Q) cv2m v1m L2 (0,T ;H()) .
m
i L (Q) , im L2 (Q) , T y 0 .
donde c es una constante que depende de
(1.39)
n: Por el lema 21 del Apendice C, tomando = obtenemos

Demostracio
m
w2 w1m
L (0,T ;L2 ())
cv2m v1m L2 (0,T ;H())
(1.40)
16
i L (Q) y im L2 (Q) .
donde c es una constante que depende solamente de
Como 1 es Lipschitz con constante l que depende de 0 , obtenemos:
m
2
2
2 (t) 1m (t)2, l2 w2m (t) w1m (t)2, ,
y por tanto,
2
m
2 1m L (0,T ;L2 ()) l2 w2m w1m L (0,T ;L2 ())
De esta forma, de la u
ltima desigualdad y de (1.40) se concluye (1.39).
Volviendo ahora a considerar el operador G, notamos que en su construccion, otra
vez para no complicar la notacion, omitiremos los ndices y m de las funciones temperatura y entalpa.
De los lemas 8 y 9 se tiene que G : L2 (Q) L2 (Q) esta bien definida por (1.22).
Por los lemas 8 y 9, obtenemos que G es continuo.
Ademas de eso, denotando por:
R=
1

1
1
(max {w0 L () , 1 L (Q) + L}) + L T 2 | 2 ,
0
se obtiene de (1.34) que
G()
L2 (Q)
R.
(1.41)
Mostraremos ahora que G es compacto. Sea F L2 (Q) limitado, vamos a verificar

que el conjunto G(F) es relativamente compacto en L2 (Q).
Sabemos por (1.27), (1.35) y (1.41) que el conjunto G(F) = {G(); F} es limitado en L2 (Q) L2 (0, T ; H01 ()), uniformemente con relacion a . Entonces, por (1.36)
y (1.27), obtenemos que el conjunto = {wt ; w = (G()), F} es limitado en
L2 (0, T ; H 1 ()) uniformemente con relacion a wt , luego, se tiene:
17
R T h
G()(t + h) G()(t)2 1 ) 12
H ()
R0T h 1
(w(t + h)) 1 (w(t)2 1 ) 12
= ( 0
H ()
2
R T h
1
l( 0
w(t + h)) w(t) H 1 () ) 2
2
R T h R th
1 ) 12
(
= l( 0
w
(s)ds
s
0
H ()
R
( T h hdt ) 21
= lM
0
h 12 (T h) 12
= lM
es una constante independiente de la eleccion de y de esta forma, independonde M
diente de w y wt .
Obtenemos entonces:
h G() G()
L2 (0,T h;H 1 ())
= (
h G() G()
L2 (0,T h;H 1 ())
0,
uniformemente con respecto a , cuando h 0.

Como H 1 () L2 () H 1 (), son inclusiones compactas, se concluye que
G(F) es relativamente compacto en L2 (0, T ; L2 ()) lo que implica que G es un operador
compacto.
Consideramos ahora las soluciones de la ecuacion:
= G()
(1.42)
para 0 1. Claramente = 0 para = 0. De esta forma podemos restringir

nuestro analisis al caso 0 < 1. Sustituyendo 1 = G() en (1.41), obtenemos

1 L2 (Q) R.
(1.43)
Entonces, toda solucion posible de (1.42) es limitada en L2 (Q) por una constante
independiente de .
Por el lema 17, conclumos que G tiene un punto fijo.
Podemos realizar ahora la demostracion del teorema 6
Demostraci
on Teorema 6:
n: La existencia de solucion es consecuencia directa del lema 17 apliDemostracio
cado a G, esto es, la ecuacion
m = G(m )
18
tiene solucion para cada m = 1, 2, 3, ..., el cual, por construccion del operador G, es
equivalente a probar la existencia de solucion para el problema (Pm ).
De la estimacion (1.34) dada en el lema 9 obtenemos que m es limitada en L (Q)
uniformemente con respecto a m, luego por la estimativa (1.27), dada en el lema 7, se
obtiene que vm es limitada en L2 (0, T ; V ()) L (0, T ; H()) con limitaciones que
no dependen de m.
Ahora, de (1.35) obtenemos que m es limitada tambien en L2 (0, T ; H 1 ()) unim
en
formemente con relacion a m y por (1.36) lo mismo ocurre con la limitacion de wt
2
0
L (0, T ; V ()).
Finalmente, como la limitacion de m en L (Q) no depende de m, obtenemos por
m
el lema 7 que la limitacion de vt
en L2 (0, T ; V 0 ()) si n = 2 y en L1 (0, T ; V 0 ()) si
n = 3 es independiente de m. Conclumos de esta forma la prueba del Teorema 6.
Observaci
on 11. Si vm es limitada en L2 (0, T ; V ()) L (0, T ; H()), uniformemente con respecto a y m, lo cual corresponde a nuestro caso, entonces para la familia {wm } valen las hipotesis del lema 21, obteniendose que las estimativas requeridas
dependen de los datos de frontera, condiciones iniciales y las limitaciones de v m en
L2 (0, T ; V ()) L (0, T ; H()). Luego, de la misma manera que en la observacion
20 se obtiene que si m
wm (x, t) w (x, t),
c. t. p. en ,
t [0, T ),
(1.44)
y se tiene tambien (ver observacion 20), que

w (x, t) w(x, t),
c. t. p. en ,
t [0, T ),
(1.45)
en ,
(1.46)
cuando 0, luego tenemos que

w (x, 0) = w(x, 0) = w0 (x),
1.2.2.
Existencia para el Problema Regularizado
Probaremos ahora el Teorema 5.

n: Por simplicidad en la notacion, toda subsucesion sera denotada
Demostracio
de la misma forma que la sucesion original.
19
Del Teorema 6 obtenemos que las sucesiones {vm }m , {m }m y {wm }m , son uniformemente limitadas con respecto a m en L2 (0, T ; V ()) L (0, T ; H()),
L (Q) L2 (0, T ; H 1 ()) y L (Q) respectivamente.
De esta forma, tenemos que existen funciones v L2 (0, T ; V ()) L (0, T ; H()),
L (Q) L2 (0, T ; H 1 ()) y w L (Q) y subsucesiones, tales que:
vm * v ,
debilmente en L2 (0, T ; V ()),
vm * v , debilmente en L (0, T ; H())
m * ,
debilmente en L2 (0, T ; H 1 ()),
m * ,
debilmente en L (Q),
wm * w ,
debilmente en L (Q).
(1.47)
(1.48)
(1.49)
(1.50)
(1.51)
De (1.44) ( ver observacion 11), tenemos que

wm (x, t) w (x, t),
c.t.p. en ,
t [0, T ).
(1.52)
m
Del Teorema 6, tambien tenemos que {vt
} es limitada en L2 (0, T ; V 0 ()) si
1
0
n = 2 y en L (0, T ; V ()) si n = 3, entonces de lo anterior y de (1.47) obtenemos que
la sucesion {vm }m es relativamente compacta en L2 (0, T ; H()),. Luego, existe una
subsucesion {vm }m tal que
vm (x, t) v (x, t),
en L2 (0, T ; H()).
(1.53)
m
Tambien por el Teorema 6, se tiene que la sucesion {wt
}m es limitada de manera
2
1
uniforme con respecto a m en L (0, T ; H ()), de esta manera tenemos que existe
una subsucesion tal que
wm * w ,
debilmente en L2 (0, T ; H 1 ()),
(1.54)
Podemos obtener tambien que la sucesion {m } es relativamente compacta en

L2 (0, T ; L2 ()). De hecho, sabemos que {m } es limitada en L2 (0, T ; H 1 ()) uniformemente con respecto a m, tambien se tiene:
20
R T h m
(t + h) m (t)2 1 ) 12
0
H ()
2
R T h 1 m
1
= ( 0
(w (t + h)) 1 (wm (t)H 1 () ) 2
R T h m
w (t + h)) wm (t)2 1 ) 12
l( 0
H ()
2
R T h R th m
1
(
w
(s)ds
= l( 0
)2
s
0
H 1 ()
R
( T h hdt ) 21
= lM
0
h 12 (T h) 21
= lM
(1.55)
es una constante independiente de la eleccion de m y de esta forma, indedonde M
pendiente de m y , l es la constante de Lipschitz de 1 . Obtenemos entonces:
h (m ) m
L2 (0,T h;H 1 ())
= (
h (m ) m 2
0
L (0,T h;H 1 ())
uniformemente con respecto a m , cuando h 0.
Como H 1 () L2 () H 1 (), son inclusiones compactas, se concluye que

{m }m es relativamente compacto en L2 (0, T ; L2 ()), lo que implica que existe una
subsucesion tal que
m ,
en L2 (Q).
(1.56)
Probaremos ahora que las funciones , v y w , satisfacen el problema (P ).

Tomamos una funcion C 1 ([0, T ]) tal que (T ) = 0. Multiplicando (1.16) por
(t) e integrando por partes, obtenemos:
RT R
0
RT R
RT R m
m k 0
m
k
v
u
dxdt
=
v
u
dxdt
(v )vm uk dxdt
0

R0T R
0 J(fs (wm ) )vm uk dx dt
RT R
R
+ 0 F (m ) uk dx dt + vm0 uk (0)dx
Tomando lmite cuando m , obtenemos las convergencias:

Por (1.53) tenemos
Z
T
0
vm uk 0 dxdt
T
0
v uk 0 dxdt.
Por (1.47), vale que

Z
T
0
vm uk dxdt
T
0
v uk dxdt.
21
Por ser F Lipschitz y por (1.56), se tiene

Z
T
0
F (m ) uk dx dt
F ( ) uk dx dt
La convergencia del termino no lineal

Z
T
0
(vm
)vm uk dxdt
se obtiene de (1.47) y (1.53).
(v )v uk dxdt.
Para el otro termino no lineal, de (1.52), (1.53) y del hecho de que J y fm (), son
Lipschitz ( para fijo en el caso de J ), obtenemos
Z
T
0
J(fs (wm )
)vm uk dxdt
T
0
J(fs (w ) )v uk dxdt
Finalmente, por (1.18) tenemos

Z
vm0 u (0)dx
v0 uk (0)dx
Se concluye que v y , satisfacen la identidad integral
RT R
RT R
RT R
v uk 0 dxdt = 0 v uk dxdt 0 (v )v uk dxdt
RT R
0 J(fs (w ) )v uk dx dt
RT R
R
+ 0 F ( ) uk dx dt + v0 uk (0)dx.
k = 1, 2, ..., C 1 ([0, T ]) tal que (T ) = 0. Por otro lado, como vt L2 (0, T ; V 0 ())
si n = 2 y pertenece a L1 (0, T ; V ()) si n = 3, tenemos que v C([0, T ]; V 0 ()),
podemos verificar entonces que v satisface
RT R
RT R
RT R
k 0
k
v
u
dxdt
=
v
u
dxdt
(v )v uk dxdt
0

R0T R
0 J(fs (w ) )v uk dxdt
RT R
R
+ 0 F ( ) uk dx dt + v (x, 0) uk (0)dx.
k = 1, 2, ..., C 1 ([0, T ]) tal que (T ) = 0, entonces se tiene.

Z
v (x, 0) u (0)dx =
v0 uk (0)dx,
(1.57)
22
como es arbitraria, tomamos tal que (0) 6= 0 y obtenemos que v (x, 0)=v0 (x),
c.t.p. en , esto es, se satisface (1.12).
Por linealidad, tenemos que (1.57) es valida para sumas finitas de la forma
m
X
uk i i ,
i=1
con i C ([0, T ]), tal que i (T ) = 0 y uki un elemento de la base escogida para V ().
Por otro lado, el conjunto de todas las sumas finitas posibles
A={
n
X
uki i , n N, i C 1 ([0, T ]), tal que i (T ) = 0}
i=1
es denso en el conjunto de las clases de funciones C 1 ([0, T ]; V ()), tal que

supp [0, T ). Entonces, por linealidad y continuidad, de (1.57) obtenemos finalmente, que vale la identidad integral:
R
R
v
dx
dt
=
v
dx
dt
(v )v dxdt
Q
Q
RQ
Q J(fs (w ) )v dx dt
R
R
+ Q F ( ) dx dt + v (x, 0) (x, 0)dx,
C 1 ([0, T ]; V ()) tal que (T ) = 0. Entonces se satisface (1.11).
Verificamos ahora (1.14). C01 ([0, T ]; H01 ()), de (1.19) tenemos:

Z
wm t dx dt
Q
K (m )dx dt
Q
m vm dx dt = 0
Q
Hacemos ahora m y obtenemos de (1.52) la convergencia

Z
wm t dx dt
w t dx dt
Q
Para probar la convergencia del segundo termino, consideramos primero una funcion
test C01 ([0, T ]; C02 ()). Por (1.8) y (1.56) tenemos que
Z
K (m )4dx dt
Q
K ( )4dx dt
Q
Ahora, por la densidad de C01 ([0, T ]; C02 ()) en C01 ([0, T ]; H01 ()), dado > 0,
arbitrariamente peque
no, para C01 ([0, T ]; H01 ()), tenemos que existe una funcion
1
2
C0 ([0, T ]; C0 ()) tal que 2
< .
1
L (0,T ;H0 ())
23
Entonces tenemos:
(K (m )K( ))
(K (m )K( ))4+
como C01 ([0, T ]; H01 ()), tenemos que
cuando m .
(K (m )K( ))()
(1.58)
(K (m ) K( ))4 0,
Para el otro termino, tenemos

R
R
m
(K (m ) K( ))( )
( )
Q (K
(
)
K(
))
C m L2 (0,T ;H 1 ()) L2 (0,T ;H 1 ())

0

2
+C 2
1
1
L (0,T ;H ())
L (0,T ;H0 ())
Entonces, como es arbitrariamente peque

no, concluimos de (1.58) que, cuando
m , vale
(K (m ) K( )) 0,
Finalmente, de (1.53) y (1.56), obtenemos

Z
m vm
dx dt
v dx dt
Q
cuando m .
Vale por tanto, la identidad (1.14).
Tenemos tambien , por (1.20) y (1.52), que
w (x, 0) = w0 (x),
en
y as tambien (1.15) es valida.

Verificamos, que w = ( ), q.t.p. en Q. De hecho tenemos de wm = (m ), y de
(1.52), cuando m , tenemos que
wm (x, t) w (x, t),
c.t.p. en Q
24
Tambien, por (1.56), vale que

m (x, t) (x, t),
c.t.p. en Q
cuando m , luego, como es Lipschitz para fijo, se concluye que w = ( ),

q.t.p. en Q.
Probaremos ahora que L2 (0, T ; H01 ()). Por el Teorema 6, tenemos que m
L2 (0, T ; H01 ()) y ademas {m }
on limitada en L2 (0, T ; H01 ()).
m=1 , es una sucesi
As, existe una subsucesion tal que
m * g,
debilmente en L2 (0, T ; H01 ())
cuando m . De aqu, obtenemos:

m * + g,
debilmente en L2 (0, T ; H 1 ())
cuando m , y por (1.49), tenemos, cuando m

m * ,
debilmente en L2 (0, T ; H 1 ())
Concluimos entonces que = g L2 (0, T ; H01 ()).

Verificamos ahora las estimativas para v , , w y wt .
De (1.34) y (1.50) obtenemos que es limitada en L (Q), de forma uniforme con
relacion a , luego por (1.10) y del hecho que w = ( ), obtenemos tambien para w
una limitacion uniforme con relacion a en L (Q).
Por (1.27), (1.47) y (1.48), se tiene que v es limitada en L2 (0, T ; V ()) L (0, T ; H()),
uniformemente con relacion a . Por la limitacion de v , de (1.35) y (1.49), se concluye
que es limitada en L2 (0, T ; H 1 ()), uniformemente con relacion a .
Finalmente, por (1.36) y (1.54), tenemos que wt es limitada en L2 (0, T ; H 1 ()),
de manera uniforme con respecto a . De esta forma finalizamos la prueba del Teorema
5.
Captulo 2
Estructura N
umerica
Introducci
on
En este captulo presentamos la version discretizada del sistema de ecuaciones e
inclusiones presentados anteriormente, considerando un dominio en 2D (un cuadrado)
con condiciones de frontera y condiciones iniciales particulares acordes a las hipotesis
mencionadas en el captulo previo.
De este modo planteamos en la seccion 2.1 un desacoplamiento de las Ecuaciones
de Navier-Stokes (ENS), basados en la gran utilidad que han prestado los metodos de
proyeccion para resolver este tipo de ecuaciones. En particular adoptamos la estructura
MAC (Marker and Cell) la que nos permite llegar a una Ecuacion de Poisson para la
presion, la que se resuelve utilizando el metodo iterativo SOR, luego de obtener la
nueva presion se procede a actualizar la velocidad.
En tanto en la seccion 2.2 la Ecuacion del Calor o de Difusion se discretiza por el
conocido Metodo de Crank-Nicolson en su parte lineal.
Por u
ltimo en la seccion 2.3 se discretiza la Ecuacion del Calor donde la funcion de
entalpa es altamente no lineal en un intervalo simetrico centrado en el cero.
La idea principal en este captulo es entender la velocidad en la Ecuacion del Calor
como dato fuente y resolver para la temperatura o entalpa en un t peque
no, para
posteriormente tomar este dato en las ENS. En definitiva estamos adoptando la misma
idea de punto fijo que se tomo para probar la existencia teorica, esto es, resolver por
separado cada una de las ecuaciones con sus datos correspondientes y utilizarlos para
la siguiente iteracion en el tiempo, hasta obtener una repeticion de los datos o que se
cumpla una condicion de termino.
Para realizar todo esto, generamos una sucesion de sistemas lineales para la Ecuacion
del Calor de orden n n, el que es resuelto por el Metodo SOR, luego se ocupa la
2.1 Discretizaci
on de la Ecuaci
on de Navier-Stokes (ENS)
26
temperatura actualizada para generar un nuevo sistema en la ENS para la velocidad y

la presion donde generamos nuevamente una matriz de nn, la que vuelve a ser resuelta
por el Metodo SOR para la presion la que se utiliza para calcular la actualizacion de
la velocidad en sus dos componentes.
2.1.
Discretizaci
on de la Ecuaci
on de Navier-Stokes
(ENS)
El Metodo de Proyeccion se basa en la siguiente filosofa: en los flujos incompresibles,

la presion no lleva ning
un significado termodinamico y esta presente solamente como
multiplicador de Lagrange para la coaccion de la incompresibilidad. Esta observacion
motivo un esquema que desacopla el calculo de la velocidad y presion, una caracterstica dominante de la discretizacion de tiempo, que parte del Metodo de Proyeccion. En
el primer paso, se calcula un intermedio de la velocidad, usando la ecuacion de momento y no haciendo caso de la coaccion de la incompresibilidad. En el segundo paso,
la velocidad intermedia se proyecta al espacio del vector divergencia, para conseguir
la actualizacion siguiente de la velocidad y presion. Este procedimiento es mucho mas
eficiente que solucionar un sistema acoplado, para la velocidad y la presion que presentaran una discretizacion directa del tiempo para las ENS. El precio pagado es que
introduce una capa numerica de las fronteras en las aproximaciones de la presion y los
campos de velocidad intermedios. Esto tambien significa mayor dificultad en el dise
no
y la puesta en practica de metodos mas eficientes que el Metodo de proyeccion: el
tratamiento de las condiciones de frontera.
En los u
ltimos a
nos el Metodo de Proyeccion ha desempe
nado un papel dominante
en el calculo de los flujos viscosos incompresibles basados en la formulacion variable
primitiva. Recientemente ha habido un floreciente interes en el uso de los metodos de
proyeccion para la simulacion directa de flujos viscosos incompresibles para n
umeros
moderados de Reynolds.
El analisis de los Metodos de Proyeccion tambien fue iniciado por Chorin [8] y
Temam [22]. En el caso de las condiciones de frontera periodicas, Chorin probo la
convergencia de un metodo de proyeccion, el cual utiliza backward-Euler en el tiempo y diferencias centradas en el espacio. Su analisis se puede ampliar facilmente a
otros metodos de una naturaleza similar mientras se conserva la condicion de frontera
periodica. El analisis de Chorin fue facilitado por el hecho de que con condiciones de
frontera periodicas, el operador de la proyeccion y el Laplaciano conmutan. Esto no
se tiene para otros tipos de condiciones de frontera. Consecuentemente, es mucho mas
dificil estudiar los Metodos de Proyeccion cuando la condicion de frontera se cambia a
otra condicion fsica tal como una condicion no-slip, especialmente cuando se aplica la
exactitud. Un analisis crudo indica de hecho que hay un peligro verdadero que la capa
2.1 Discretizaci
on de la Ecuaci
27
lmite numerica en la presion podra contaminar las soluciones numericas en el interior

del dominio y signicativamente reducir la exactitud total (incluso para la velocidad),
aunque la evidencia numerica parece indicar otra cosa.
El progreso mas considerable fue hecho en los artculos recientes de Shen [20]. Para
condiciones de frontera no-slip, Shen probo convergencia junto con algunas estimaciones
del error para varios Metodos de Proyeccion. Aunque las estimaciones obtenidas no
podan resolver el misterio mencionado anteriormente, Shen afirmo que la clave es
entender la discretizacion del tiempo.
La ventaja de esta aproximacion es que las capas lmites numericas estan caracterizadas explcitamente. Esto nos permite proponer maneras simples de quitar la capa
lmite numerica post-procesando las soluciones numericas. La desventaja, sin embargo,
es que requiere mucho mas regularidad de las soluciones exactas que las necesarias.
Esto traslada a una dependencia del n
umero de Reynolds de las estimaciones del
error que estan lejos de ser optimas. Esto ocurre muy a menudo en calculos reales, el
tama
no de acoplamiento mas peque
no se fija por la memoria de la maquina y la idea
es resolver flujos con el n
umero de Reynolds mas grande posible.
2.1.1.
La Estructura MAC (marker and cell)
La estructura MAC es un metodo n

umerico usado para resolver la ecuacion incompresible de Navier-Stokes en la formulacion velocidad-presion. Para nuestro estudio
consideraremos el movimiento del fluido en una region RN , (N = 2, 3) a lo largo
de un intervalo de tiempo [0, T ].
~v (~x, t) : [0, T ] RN campo de velocidad.
p(~x, t) : [0, T ] R presion.
Los flujos incompresibles son caracterizados por la divergencia nula, esto es div~v = 0
(cambios insignificantes en la densidad , es decir, (~x, t) = = constante). Las ENS
se reducen a
t v v + v v + p = 0
divv = 0
(2.1)
donde ~v = (u, v). Para nuestro caso solo utilizaremos el caso de condicion de frontera
no-slip para (2.1)
v = 0,
en ,
donde es un dominio en R2 con frontera suave o suave a pedazos.
(2.2)
2.1 Discretizaci
on de la Ecuaci
2.1.2.
28
Discretizaci
on del Tiempo
Como primer paso a la construccion de un esquema numerico eficiente para (2.1) y

(2.2), discretizamos (2.1) en el tiempo, usando Euler backward, donde las incognitas
son la velocidad y la presion:
v n+1 v n
+
t
n+1
(v n )v n + pn+1 = 4v n+1 ,
= 0.
(2.3)
No se vacila en utilizar un esquema implcito, pues las ENS son intrnsicamente implcitas. Alternativamente se puede discretizar (2.1), usando la regla trapezoidal, resultando el esquema de Crank-Nicolson:
v n+1 v n
+
t
n+1
(v n+ 2 )v n+ 2 + pn+1 = 4 v
= 0.
n+1 +v n
(2.4)
No es importante a este punto especificar la discretizacion para los terminos de la

conveccion. (2.3) y (2.4) se solucionan junto con la condicion de frontera:
v n+1 = 0,
en .
(2.5)
Sin embargo, ambos esquemas son altamente ineficientes puesto que requieren, en
cada paso, la solucion de (2.3) o (2.4) los cuales son sistemas acoplados. Esta
es la razon
de proponer el Metodo de Proyeccion como dispositivo numerico para desemparejar el
calculo de v n+1 y de pn+1 . Calculando una velocidad intermedia v , con la ecuacion del
momento y entonces proyectando v de nuevo al espacio de los vectores incompresibles
para obtener v n+1 y pn+1 . El procedimiento para el esquema de primer orden se puede
resumir como:
Estructura de Primer Orden
Paso 1:
Paso 2:
v v n
t
+ (v n )v n = 4v ,
v = 0, en .
v = v n+1 + tpn+1 ,
v n+1 = 0.
(2.6)
(2.7)
La condicion de frontera para v en (2.6), es algo natural, por lo menos para el esquema
de primer orden. La condicion extrema se hace en la frontera para (2.7). Si tomamos
el producto interno de (2.1), con el vector normal y tangente unitario en , n y t
respectivamente, llegamos a
2.1 Discretizaci
on de la Ecuaci
p
= n 4v,
n
p
= t 4v,
t
en .
29
(2.8)
Tanto las condiciones de frontera de Neumann y de Dirichlet parecen recomendables

para la presion en (2.7). El punto de vista que prevalece para resolver esta ambig
uedad
es el siguiente. La condicion de frontera en (2.7) es parte de la especificacion del operador de proyeccion. Si uno requiere que el espacio de divergencialibres sea ortogonal
(con respecto al producto interno usual en L2 ) al espacio de los campos irrotacionales
del vector, entonces los campos de divergencialibre satisfacen la condicion de frontera
v n = 0,
en .
(2.9)
Por lo tanto, para (2.7), uno tiene

pn+1
= 0, en .
(2.10)
n
En este caso (2.7) no es otra cosa que la descomposicion estandard de Helmholtz. Esta
condicion de frontera esta presente fuertemente en la literatura.
v n+1 n = 0,
2.1.3.
Discretizaci
on Espacial
La tarea restante es solucionar el tipo de ecuaciones de Poisson en (2.6)(2.7) etc,

en vez del sistema acoplado de ecuaciones de tipo Stokes en (2.3) y (2.4). Cualesquiera
de los metodos populares, tales como diferencias finitas, elemento finitos, espectrales,
o elementos espectrales, se pueden utilizar para este proposito. En muchos casos, los
solvers rapidos de Poisson o los metodos de descomposicion del dominio pueden ser
utilizados para acelerar drasticamente el calculo. Cuando el n
umero de Reynolds es
grande, las ENS son dominadas efectivamente por conveccion. Entonces uno puede utilizar las tecnicas desarrolladas para las soluciones numericas de ecuaciones hiperbolicas
o de flujos compresibles.
Asumiendo como un dominio rectangular, usaremos una malla escalonada. Para
ello consideraremos las celdas (i, j), i = 1, . . . , n; j = 1, . . . , m, ocupando cada celda la
region espacial [(i 1)x, ix] [(j 1)y, jy]. La variable presion p se define en
el centro de cada celda (i, j), y la primera y segunda componente de la velocidad en
el centro de las aristas verticales (M) y horizontales () respectivamente (i 1/2, j),
(i, j 1/2), como lo muestra la figura 2.1.
Una caracterstica especial de la estructura MAC es el uso de una grilla escalonada,
una discretizacion en diferencias finitas de N-S.
2.1 Discretizaci
on de la Ecuaci
30
Figura 2.1: Diagrama de la estructura MAC.
2.1.4.
Discretizaci
on de la ecuaci
on de continuidad
La ecuacion de continuidad
div v =
u v
+
=0
x y
(2.11)
se discretiza en el centro de cada celda (i, j) usando diferencias centradas donde

ui,j ui1,j
v
vi,j vi1,j
u
,
,
(2.12)
:=
:=
x i,j
x
y i,j
y
donde i, j = 1, . . . , n y u0,j corresponde a las condiciones de frontera para las celdas
fronteras del lado izquierdo (oeste del cuadrado).
2.1.5.
Discretizaci
on de la ecuaci
on de momento
Podemos reescribir las ecuaciones de momento como

u
t
v
t
p
x
p
y
1
Re
1
Re
2u
2
x
2v
x2
+
+
2u
y 2
2v
y 2
(u2 )
x
(uv)
x
(uv)
y
(v 2 )
y
+ gx ,
+ gy
(2.13)
donde gx y gy son los terminos fuentes.
La ecuacion de momento para u se discretiza en la mitad de la arista vertical de la

celda, mientras que para v en la mitad de la arista horizontal de la celda.
2.1 Discretizaci
on de la Ecuaci
31
Los terminos difusivos de segundo orden 2 u/x2 , 2 u/y 2 , 2 v/x2 y 2 v/y 2

pueden ser aproximados por
2
ui1,j 2ui,j + ui+1,j
u
:=
.
(2.14)
x2 i,j
(x)2
y de manera analoga se definen los demas terminos.
2.1.6.
Aproximaci
on de los t
erminos convectivos
El tercer termino de la ENS lo escribimos como:
u
u x + v u
y
(~v grad)~v :=
v
v
u x
+ v y
(2.15)
Los terminos convectivos (u2 )/x,(uv)/x, (uv)/y y (v 2 )/y se discretizaran

de la siguiente manera:
(u2 )
:=
x i,j
uv
:=
y i,j
1
x
1
y
ui,j +ui+1,j 2
2
ui1,j +ui,j 2
2
(ui,j +ui,j+1 )(vi,j +vi+1,j )

4
(ui,j1 +ui,j )(vi,j1 +vi+1,j1 )

4
(2.16)
,
con i, j = 1, . . . , n, y de manera analoga se definen los dos terminos restantes.
2.1.7.
Discretizaci
on para la presi
on
2.1.8.
p
x
i,j
pi+1,j pi,j
,
:=
x
p
y
:=
i,j
pi,j+1 pi,j
,
y
Celdas fronteras
Requerimos los valores de

u0,j , un,j ,
j = 1, . . . , m,
vi,0 , ui,m ,
ui,0 , ui,m+1 ,
j = 1, . . . , m,
v0,j , un+1,j ,
i = 1, . . . , n,
ademas de
i = 1, . . . , n,
(2.17)
2.1 Discretizaci
on de la Ecuaci
32
la manera mas simple de tratar la frontera es utilizar la tecnica de la reflexion, esto

es, sobre el segmento de x (fronteras oeste y este), la condicion de frontera v = 0
es impuesta exactamente en el punto (): vi 1 ,0 = 0. La condicion de frontera u = 0
2
es impuesta aproximadamente en el punto (), teniendose ui, 1 = ui, 1 . Similarmente
2
2
para y (fronteras sur y norte), tenemos v 1 ,j = v 1 ,j , u0,j 1 = 0.
2
2.1.9.
Aproximaciones para Celdas Fronteras.
Para la velocidad en la frontera sur y norte.

Para un calculo mas exacto, se toman las siguientes aproximaciones en la frontera
V F (i, 1) =
8vi1,1 6vi,1 + vi+1,1

3
con i = 1, . . . , n.
vi1,n 6vi,n + 8vi+1,n

3
con i = 1, . . . , n , y de manera analoga se aproximan las velocidades en las celdas de
las fronteras este y oeste de nuestro dominio.
V F (i, n) =
2.1.10.
Discretizaci
on de las derivadas temporales
Hacemos uso de diferencias de primer orden en el tiempo.
2.1.11.
u
t
(n+1)
un+1 un
:=
,
t
v
t
(n+1)
:=
v n+1 v n
,
t
(2.18)
El algoritmo
Introduciendo
1 2u 2u
(u2 ) (uv)
F := u + t
+
+ gx ,
Re x2 y 2
x
y
1 2v 2v
(uv) (v 2 )
+
+ gy ,
G := v + t
Re x2 y 2
x
y
(2.19)
(2.20)
donde se tiene por (2.7) que

un+1 = F (n) t
p(n+1)
x
(2.21)
2.1 Discretizaci
on de la Ecuaci
v n+1 = G(n) t
33
p(n+1)
y
(2.22)
donde p(n+1) puede ser determinado implcitamente derivando (2.21) con respecto a x
y (2.22) con respecto a y junto con la ecuacion de continuidad.
~v n+1 =
u(n+1) v (n+1)
+
=0
x
y
As llegamos a la Ecuacion de Poisson

2 p(n+1) 2 p(n+1)
1
+
=
x2
y 2
t
F (n) G(n)
+
x
y
En resumen, los (n + 1) pasos de tiempo consisten de:

Calcular F (n) y G(n) usando u(n) y v (n) ;
Resolver la ecuacion de Poisson para p(n+1) ;
Calcular u(n+1) y v (n+1) .
2.1.12.
(n+1)
La ecuaci
on discretizada de Poisson
(n+1)
(n+1)
(n+1)
(n+1)
(n+1)
pi+1,j 2pi,j + pi1,j pi,j+1 2pi,j + pi,j1

1
+
=
2
2
(x)
(y)
t
(n)
(n)
(n)
(n)
Fi,j Fi1,j Gi,j Gi,j1

+
x
y
donde i = 1, . . . , n y j = 1, . . . , m.
Usaremos que grad p(n+1)

n = 0 como condicion de frontera. En otras palabras, se
debe tener que p0,j = p1,j , pn+1,j = pn,j , con j = 1, . . . , m,
pi,0 = pi,1 , pi,m+1 = pi,m ,
con i = 1, . . . , n.
2.1.13.
El t
ermino fuente gx y gy
Aunque en la ENS el termino que aparece (J()~v ) no es estrictamente un termino

fuente, ya que depende de la temperatura, la cual en gran medida tambien depende
de la velocidad debido al acoplamiento con la ecuacion del calor y al estar ademas
multiplicada por la velocidad, sin embargo, en esta seccion la consideraremos haciendo
el papel de termino fuente, aun cuando le daremos un tratamiento apropiado. De este
modo consideramos:
gx = J()u,
2.1 Discretizaci
on de la Ecuaci
34
gy = J()v + F g(),
donde J y F g vienen dadas por las expresiones (1.3) y (1.2).
La discretizacion del termino F g() en la ENS solo se realiza evaluando la temperatura promedio de las dos celdas aleda
nas a la velocidad, solo en la componente en y
(debido a la gravedad). En tanto el funcional J, se aproxima por la funcion J , la cual
tiene la forma
C 1 fs
J (fs ) =
(1 + fs )3
para cumplir los fines descritos en el primer captulo.
Por u
ltimo, el producto Jv, se separa en dos, debido a las componentes de la velocidad (u, v) y la evaluacion se realiza tomando los promedios de J en las celdas aleda
nas
a las velocidades multiplicadas por las componentes correspondientes.
Las figuras siguientes muestran como se realiza tal discretizacion
Figura 2.2: Aproximacion de F ().
Figura 2.3: Aproximacion de Jv.
As, la discretizacion de gx y gy quedara como

J(i 1, j) + J(i, j)
2
(2.23)
J(i, j 1) + J(i, j) F g(i 1, j) + F g(i, j)

+
2
2
(2.24)
gx (i, j) = ui,j+1
gy (i, j) = vi+1,j
La aproximacion del funcional J (fs ) se hace seg

un la temperatura que tenga cada
celda (i,j), donde se cumple
fs =
1,
Lw()
,
L
0,
<0
=0
>0
(2.25)
2.1 Discretizaci
on de la Ecuaci
2.1.14.
35
Consideraciones especiales
Para que la implementacion sea mas exacta debemos dar algunas aproximaciones
especiales en el calculo en las celdas de las fronteras, algunas de ellas son:
Para la velocidad en las casillas fronteras, se aproxima con una estructura de
segundo orden, por ejemplo en el caso de la frontera sur.
8ui,1 6ui,2 + ui,3
3
8ui1,1 6ui1,2 + ui1,3
ui1,1 =
3
donde u es la velocidad en la direccion de x, y i = 3, . . . , n.
ui,1 =
Para las esquinas se procede de modo similar agregando en este caso (Esquina
sur-oeste) las aproximaciones para la velocidad en la direccion de y, esto es de
vi1,j y vi1,j1 .
2.1.15.
El M
etodo Iterativo SOR (Successive Over Relaxation).
El Metodo SOR o Metodo de Relajacion Sucesiva, es un procedimiento iterativo que

acelera el Metodo de Gauss-Seidel mediante un parametro positivo w.
Sea la matriz A, representada como:
A=
UA
DA
LA
(2.26)
donde DA es la diagonal de A y LA , UA son sus matrices triangulares inferior y superior

respectivamente.
Escribiendo:
D :=
0
DA
0
E :=
0
0
LA
F :=
UA
0
0
Se debe asumir que aii 6= 0 para i = 1, . . . , n, para as obtener la nueva iteracion

x
desde xk . Mas precisamente se tiene el siguiente algoritmo
k+1
2.1 Discretizaci
on de la Ecuaci
xk+1
i
w
= (1 w)xki +
aii
bi
para k 0, i = 1, . . . , n.
i1
X
aij xk+1
j=1
n
X
aij xkj
j=i+1
36
(2.27)
Utilizando las matrices

D
+ E, N =
P =
w
la matriz de iteracion correspondiente es:
1
1 DF
w
Bw =:= (D + wE)1 [(1 w)D wF ].
(2.28)
(2.29)
Teorema 12. (Stein-Rosenberg). Si A es tal que (BJ )ij 0 para i, j = 1, . . . , n,

entonces una y solamente una de las siguientes relaciones mutuamente excluyentes es
valida:
(BGS ) = (BJ ) = 0,
(BGS ) = (BJ ) = 1,
(BGS ) < (BJ ) < 1,

(BGS ) > (BJ ) > 1.
(2.30)
As la matriz de Jacobi y de Gauss-Seidel son ambas convergentes o ambas divergentes.

Teorema 13. (Kahan). La matriz de iteracion S.O.R. verifica
(Bw ) |w 1|,
(2.31)
por lo tanto una condicion necesaria para la convergencia esta dada por
0 < w < 2.
(2.32)
n: Si {i |i = 1, . . . , n} denota los valores propios de BW , de (2.29)

Demostracio
facilmente obtenemos
ni=1 |i | = |det Bw | = |det D|1 |w 1|n |det D|.
As [(Bw )]n |w 1|n , por lo tanto se sigue (2.32).
Teorema 14. (Ostrowski-Reich). Si A es simetrica y definida positiva, el metodo
S.O.R. converge ssi (2.32) se satisface.
n: Ver [17].
Demostracio
2.2 Discretizaci
on de la Ecuaci
on del Calor
2.1.16.
37
Condici
on de estabilidad
Para evitar oscilaciones n

umericas, necesitamos hacer cumplir:
2t
<
Re
1
1
+
2
(x)
(y)2
la que resulta de un modo analoga a la ecuacion (2.39)

|umax |t < x,
|vmax |t < y.
Aqu |umax | y |vmax | son los maximos valores absolutos de las velocidades. Un paso
adaptivo de control puede ser
!
x
1
1
y
Re
,
+
,
,
t := min
2 (x)2 (y)2
|umax | |vmax |
donde [0, 1] es un factor de seguridad, estas condiciones las podemos encontrar en
[4].
Por otra parte, en [24] se prueba un orden de convergencia de la estructura MAC
de 4t, para condiciones iniciales suaves de la velocidad, obteniendo as, acotamientos
de la solucion asumiendo solamente que 4t h (la que viene dada por la condicion
anterior), donde h = min{4x, 4y} y que la solucion numerica tenga un cierto grado
de suavidad.
2.2.
Discretizaci
on de la Ecuaci
on del Calor
Para discretizar la Ecuacion del Calor, debemos considerar la relacion w = ()

y una aproximacion w de esta multiaplicacion. Recordando la primera ecuacion del
sistema P0
t w K() + v = 0 en Q,
y la inclusion
w () en Q,
las hipotesis
(H2 )
(s) es una multiaplicacion de R en R, estrictamente monotona creciente y
tal que para s 6= 0 esta funcion satisface 0 < 0 0 (s) 1 ; ademas de esto tiene un
salto en el origen, esto es, (0) = [ 0, L], con L > 0.
3
v0 H() y supp v0 int ml (0).
(H7 ) L2 (0, T ; W 2 ,2 ())L (Q), w0 C 2 (),
2.2 Discretizaci
on de la Ecuaci
on del Calor
38
Definimos, considerando como una aproximacion de y tomando la igualdad

w = ()
+A
a3 3 + a 1 + a 0
=
+C
si
si ||
si
(2.33)
las siguientes figuras muestran las graficas de y de .

15
10
5
5
Figura 2.4: Grafica de la multiaplicacion

w().
Figura 2.5: Grafica de la aproximacion

w ().
Entonces, necesitamos discretizar la Ecuacion del Calor en dos dominios, tomando

una funcion lineal para | |> y una c
ubica para | |< .
2.2.1.
M
etodo de Crank-Nicolson
Para la parte lineal usaremos la estructura de CrankNicolson. Para ello consideremos q = f () (q la temperatura) y la ecuacion de difusion simple en dos dimensiones:
q
=D
t
donde q = A + B.
2q
2q
+
x2 y 2
~v q
(2.34)
La figura 2.6 representa el esquema que se utiliza para discretizar la Ecuacion del
Calor.
2.2 Discretizaci
on de la Ecuaci
on del Calor
39
Figura 2.6: Diagrama de la estructura Crank-Nicolson.
2.2.2.
Discretizaci
on del Laplaciano
Con respecto a x
n+1
n+1
n+1
n
n
n
qi1,j
2qi,j
+ qi+1,j
+ qi1,j
2qi,j
+ qi+1,j
2q
'
,
x2
(x)2
(2.35)
con respecto a y
n+1
n+1
n+1
n
n
n
qi,j1
2qi,j
+ qi,j+1
+ qi,j1
2qi,j
+ qi,j+1
2q
'
.
y 2
(y)2
(2.36)
Definiendo
n
n
n
L(n, x) = qi1,j
2qi,j
+ qi+1,j
,
n
n
n
L(n, y) = qi,j1
2qi,j
+ qi,j+1
.
2.2.3.
Discretizaci
on de ~v q
El termino ~v q se discretiza del siguiente modo. Primero realizamos el producto

punto
~v = u
q
q
+v
x
y
2.2 Discretizaci
on de la Ecuaci
on del Calor
40
q
se discretiza considerando un promedio de la velocidad en las aristas aleAs, u x
da
nas en la direccion x, llegando a
n
n
qi,j
q
ui,j+1 + ui+1,j+1 qi+1,j
.
'
x i,j
2
4x
q
De manera analoga se calcula v y
.
Reemplazando las discretizaciones de cada termino de la ecuacion (2.34) llegamos a

n+1
n
qi,j
qi,j
L(n, x) + L(n + 1, x) L(n, y) + L(n + 1, y)
=
+
+ vGr
t
2(x)2
2(y)2
(2.37)
donde vGr corresponde a la discretizacion completa de ~v q. Dejando los terminos con

paso de tiempo n + 1 a la izquierda y los terminos con paso de tiempo n a la derecha
obtenemos
n+1
qi,j
1
1
+
1+
(x)2
(y)2
2.2.4.
n+1
n+1
n+1
n+1
qi1,j
+ qi+1,j
qi,j1
+ qi,j+1
t
n
= qi,j
2(x)2
2(y)2
2
L(n, x) L(n, y)
+
+ vGr .
(x)2
(y)2
(2.38)
Estabilidad del M
etodo de Crank-Nicolson
Para otros esquema explcitos se tiene la desventaja que el error en la formula para
q
es proporcional al tama
no de 4t o mas bien a (4t2 ). Esto significa que para valores
t
peque
nos se obtendra una exactitud razonable. En cambio para el Metodo de CrankNicolson, se tiene que para cualquier 4t se tendra una cierta convergencia.
Para ver esto volvamos a la estructura de CrankNicolson (2.38) escrita del modo
siguiente
(1 w)L(n, x) + wL(n + 1, x) (1 w)L(n, y) + wL(n + 1, y)

n+1
n
qi,j = qi,j +4t
+
+ vGr
(x)2
(y)2
donde el parametro w controla el grado de lo implcito del esquema.
Para w = 0 (completamente explcito), se tiene el siguiente criterio de estabilidad
Factor de amplificacion = 1 4 sin2 ( 12 k4x) para || 1, requerimos 4t
en 1D.
(4x)2
2
Para w = 1/2 obtenemos una estabilidad incondicional y exactitud de segundo orden

en el tiempo.
Suponiendo que el error aritmetico en q n es en , sigue la misma estructura numerica
que (2.38). (por simplicidad se deducira la expresion para el error en una dimension)
Entonces definiendo
2.3 La fuente no lineal
41
eni = n ej(ih)
y sustituyendo q n por en en (2.38) llegamos a
r
r
r
r
n+1 ej(ih) ejh + (1 + r) ejh = n ej(ih) ejh + (1 r) + ejh
2
2
2
2
entonces, dividiendo por ej(ih) , se sigue
r
r
r
r
ejh + (1 + r) ejh = ejh + (1 r) + ejh
2
2
2
2
expandiendo la exponencial compleja y simplificando obtenemos
(r cos(h) + 1 + r) = r cos(h) + 1 r
Usando ahora la identidad
2
cos(2) = 1 2 sin A cos(h) = 1 2 sin
h
2
finalmente llegamos a
donde r =
2.3.
4t
(x)2
y h = 4x.

1 2r sin2 h
2
=
2 h
1 + 2r sin 2
(2.39)
La fuente no lineal
En esta seccion adoptamos para en el intervalo en que es un polinomio c

ubico, la
discretizacion que presenta [16] para el tratamiento de las propiedades termofsicas de
un pescado.
t w q + ~v q = 0
donde q y w corresponden a la temperatura y la entalpa respectivamente. La discretizacion para la fuente no lineal es
n+1
n
wi,j
wi,j
= L(n, x) + L(n, y) + vGr
t
(2.40)
42
aqui L(n, x), L(n, y) y vGr son las mismas discretizaciones definidas anteriormente.
n+1
Esto nos permite despejar wi,j
y utilizar la relacion w = (q) para determinar, por
medio de la entalpa, el valor de q en el tiempo n + 1.
n+1
n
wi,j
= wi,j
+ t (L(n, x) + L(n, y) + vGr)
2.3.1.
(2.41)
Consideraciones especiales
Al igual que en la discretizacion de las ENS, se toman aproximaciones en la frontera

para la temperatura, por ejemplo, la componente del Laplaciano en y en las casillas de
la frontera sur, se aproxima por:
8qsur(i) 12qi,1 + 4qi,2
(2.42)
8
donde qsur(i) , es la condicion de frontera para la celda (i, 1), con i = 2, . . . , n 1.
L(n, y)i,1 =
Ademas para las esquinas, tomamos la siguiente aproximacion para el Laplaciano

(en particular para la esquina sur-oeste)
2.3.2.
8qoeste(j) 12qi,j + 4qi+1,j

8
8qsur(i) 12qi,j + 4q1,j+1
=
8
L(n, x)i,j =
(2.43)
L(n, y)i,j
(2.44)
Discretizaci
on alternativa para la parte no lineal
Nos damos cuenta que al calcular la inversa de la funcion () y reemplazarla,

resulta una ecuacion muy complicada de discretizar, y no podemos adoptar el Metodo
de Crank-Nicolson para difusion no lineal.
Por esta razon reescribimos la ecuacion de la siguiente manera
()t K() + v = 0,
(2.45)
donde () = ().
As, discretizando (2.45) en la celda (i, j) resulta
n
(qi,j
)
n+1
n
n
n
qi,j
qi,j
qn
qi,j
qn
qi,j
L(n, x) + L(n + 1, x) L(n, y) + L(n + 1, y)
n i,j+1
n i+1,j
=
+v
.
+
+u
i,j
i,j
t
2(x)2
2(y)2
x
y
43
Ahora, procedemos a separar los terminos con tiempo n y n + 1. As,

n+1
n
)qi,j
(qi,j
L(n+1,x)
2(x)2
L(n+1,y)
2(y)2
n
)q n
= (qi,j
i,j
L(n,x)
+t 2(x)
2 +
L(n,y)
2(y)2
q
qi,j
uni,j i+1,j
x
n qi,j+1 qi,j
vi,j
y
n+1
n
Cuando tengamos que dividir por (qi,j
) para despejar qi,j
, no tendremos ning
un
problema dado que corresponde a un polinomio de grado dos con discriminante negativo, por lo que no corremos el riesgo de dividir por cero al utilizar un camino iterativo
como el metodo SOR. Para ver esto con mas cuidado, se calcula el discriminante de 0 ,
donde solo debe cumplirse que L > , que es una condicion muy facil de satisfacer.
Captulo 3
El C
odigo
Introducci
on
Luego de completar las discretizaciones para cualquier situacion, corresponde la implementacion en un lenguaje de programacion apropiado.
Siguiendo la misma filosofa de encontrar un punto fijo descrita en el Captulo 1,
construimos el algoritmo iterando la Ecuacion del Calor y la ENS. La implementacion
de las discretizaciones desarrolladas en el captulo anterior son efectuadas en el lenguaje
de programacion FORTRAN debido a la gran cantidad de calculos y ciclos que deben
realizarse y porque el trabajo es desarrollado mediante vectore y no a traves de matrices. Ademas la base de los codigos se encuentra implementada en este lenguaje la que
hemos obtenido de [18], y que fueron adaptados a nuestros requerimientos, agregando
los terminos faltantes y acoplandolas en un nuevo programa que permite la resolucion de cada ecuacion en un 4t peque
no, iterando cada programa con los resultados
obtenidos en el anterior. Es as, como necesitamos dar y discretizar las condiciones de
frontera e iniciales, que cumplan las condiciones descritas en el primer captulo, para
comenzar a correr el algoritmo.
En el codigo se pueden distinguir facilmente las etapas que guardan relacion con las
discretizaciones entregadas anteriormente, tambien se pueden ver las consideraciones
realizadas en las casillas fronteras y en las esquinas, donde se realizan aproximaciones
de primer y de segundo orden.
3.1 Resumen C
odigo
3.1.
45
Resumen C
odigo
A continuacion damos un resumen del codigo

program principal
call parametros
call inicial
call frontera
if condicion then
call calor
call navier-stokes
contador
endif
end
Figura 3.1: Programa principal
subroutine calor
call sor
call imprimir
end
subroutine navier-stokes
call tmarch
call sor
call imprimir
end
Figura 3.2: Rutinas calor y navier-stokes
principal Aqu se ingresan las medidas del rectangulo a considerar, junto al n

umero
de particiones que se realizaran a este dominio. Tambien se calcula el tama
no
de paso de tiempo maximo que se puede considerar. Se crean las condiciones de
frontera y condiciones iniciales para la temperatura, velocidad presion y entalpa.
Por u
ltimo se invocan mediante un ciclo las rutinas que resuelven la ecuacion del
calor y la de Navier-Stokes hasta que se cumpla una condicion de convergencia.
calor Su funcion es resolver la Ecuacion del Calor, teniendo como entrada los parametros ingresados por el usuario y las condiciones de frontera de la temperatura
y velocidad, se discretiza la Ecuacion del Calor utilizando la expresion dada
por la ecuacion (2.38) y se resuelve por medio del metodo de sobrerelajacion
implementado en la rutina sor, en ella se actualizan las condiciones iniciales de
temperatura guardandose en un archivo.
navier-stokes Resuelve la ENS. Primeramente se genera las discretizaciones de todos
los terminos de las ecuaciones del algoritmo (2.19) y (2.20) en la rutina tmarch,
para luego resolver la Ecuacion de Poisson llevada a la froma descrita en la
seccion 2.1.12 para la presion por el Metodo SOR implementada en la rutina de
igual nombre, despues de obtener la presion actualizada, se procede a actualizar
tambien la velocidad y guardar los resultados en distintos archivos por medio de
la rutina imprimir.
Captulo 4
Resultados
Introducci
on
En este captulo, se presentan los resultados obtenidos con las implementaciones del
algoritmo, antes de hacerlo damos en la seccion 4.1, las condiciones iniciales y condiciones de frontera que se han considerado, junto a las constantes fsicas del material,
del cual como se menciono en el captulo previo, no se pudo encontrar informacion adecuada para nuestro problema, por esta misma razon, no fue posible realizar ninguna
comparacion de los resultados con alg
un trabajo previo.
En la seccion 4.2 se exhiben las graficas de la temperatura y del campo de velocidad
con una tabla de errores de las mismas; lo propio se realiza en la seccion 4.3.
Finalmente, en la seccion 4.4 se intentan explicar los resultados y los fenomenos
ocurridos en la ejecucion del programa, con una malla de 21 21, simplemente para
efectos visuales, pues en una malla mas fina se torna muy dificil ver el campo velocidad.
Las pruebas que se realizaron con mallas mas finas no alteran los resultados, solo se
consiguen mas iteraciones con un 4t necesariamente mas peque
no.
Este trabajo se realizo en un computador Intel(R)Pentium(R)4 CPU 2.00GHz, con
384 MB de RAM, con el Sistema Microsoft Windows XP, con los software Force 2.0
(compilador y editor para Windows del lenguaje Fortran) y Matlab 6.5 para la interfaz
grafica.
4.1 Condiciones Iniciales y de Frontera
4.1.
47
Condiciones Iniciales y de Frontera
Como condicion inicial para la temperatura tenemos la funcion
Inicial(x, y) = 20(sin( (x + y 1))) + 1,

2
(4.1)
con condicion de frontera
(4.2)
F rontera(x, y) = 20(sin( (x + y 1))) + 1.
2
Definimos ambas condiciones igual por la hipotesis H7 del primer captulo, que exige que
w0 C(). La eleccion de estas condiciones fue pensada en la extension de la frontera
del cuadrado en la recta real, de modo que la funcion fuera al menos de clase C 1 para
este dominio, as se consigue minimizar los efectos de las esquinas en la ejecucion del
programa. Obviamente, si nuestro dominio fuese un circulo hasta podramos tomar
una condicion de frontera constante en todo el dominio y desde luego cumplira las
condiciones exigidas en el primer captulo, pero en un cuadrado esto no es factible, ya
que las esquinas provocaran discontinuidades desde la primera derivada.
Como condicion inicial para la velocidad tenemos la funcion
U 0(i, j) = 0,05(xy),
V 0(i, j) = 5 106 sin((x 0,5)y),
(4.3)
con condicion de frontera

U 0(i, j) = V 0(i, j) = 0.
(4.4)
dada en el primer captulo, que la velocidad sea 0 en toda la frontera del dominio al
igual que en la frontera de la region no solida. La presion sera tomada 0 (cero) como
condicion inicial en toda la region.
Dada estas condiciones y considerando una malla homogenea de 2121 con = 0,1 y
un material con Calor Latente de 30 y temperatura de solidificacion 0 (no se considera
ninguna unidad de calor especifica) y n
umero de Reynold igual a 100.
4.2 Resultados del primer esquema de discretizaci

on
4.2.
48
Resultados del primer esquema de discretizaci

on
Para la primera discretizacion obtenemos los resultados dadas por las siguientes
figuras.
Grfica de la Temperatura
Grfica del Campo Velocidad

25
60
2
4
20
50
6
8
40
15
10
30
12
10
14
20
16
5
18
10
20
2
10
12
14
16
18
20
Figura 4.1: Iteracion 2.
10
15
20
25

25
60
2
4
20
50
6
8
40
15
10
30
12
10
14
20
16
5
18
10
20
2
10
12
14
16
18
20
10
15
20
25

25
60
2
4
20
50
6
8
40
15
10
30
12
10
14
20
16
5
18
10
20
2
10
12
14
16
18
20
10
15
20
25
4.2 Resultados del primer esquema de discretizaci

on
49

25
60
2
4
20
50
6
8
40
15
10
30
12
10
14
20
16
5
18
10
20
2
10
12
14
16
18
20
10
15
20
25

25
60
2
4
20
50
6
8
40
15
10
30
12
10
14
20
16
5
18
10
20
2
10
12
14
16
18
20
10
15
20
25

25
60
2
4
20
50
6
8
40
15
10
30
12
10
14
20
16
5
18
10
20
2
10
12
14
16
18
20
10
15
20
25
4.3 Resultados del esquema alternativo
50
Iteracion Error Velocidad Error Temperatura

102
1010
1
1.32147519
4.16048423
2
1.32186356
3.90979087
3
1.32186356
4.26654985
4
1.32186356
4.25900510
5
1.32186356
4.25767343
7
1.32186356
4.26331752
9
1.32186356
4.27907983
11
1.32186356
4.30136637
13
-1.#INDE+0
4.33056976
Cuadro 4.1: Errores del primer esquema
4.3.
Resultados del esquema alternativo
Los resultados obtenidos con el metodo alternativo, son los siguientes:


25
60
2
4
20
50
6
8
40
15
10
30
12
10
14
20
16
5
18
10
20
2
10
12
14
16
18
20
10
15
20
25

25
60
2
4
20
50
6
8
40
15
10
30
12
10
14
20
16
5
18
10
20
2
10
12
14
16
18
20
10
15
20
25
51

25
60
2
4
20
50
6
8
40
15
10
30
12
10
14
20
16
5
18
10
20
2
10
12
14
16
18
20
10
15
20
25

25
60
2
4
20
50
6
8
40
15
10
30
12
10
14
20
16
5
18
10
20
2
10
12
14
16
18
20
10
15
20
25

25
60
2
4
20
50
6
8
40
15
10
30
12
10
14
20
16
5
18
10
20
2
10
12
14
16
18
20
10
15
20
25
52

25
60
2
4
20
50
6
8
40
15
10
30
12
10
14
20
16
5
18
10
20
2
10
12
14
16
18
20
10
15
20
25

25
60
2
4
20
50
6
8
40
15
10
30
12
10
14
20
16
5
18
10
20
2
10
12
14
16
18
20
10
15
20
25

25
60
2
4
20
50
6
8
40
15
10
30
12
10
14
20
16
5
18
10
20
2
10
12
14
16
18
20
10
15
20
25
4.4 Observaciones sobre los resultados
53
Iteracion Error Velocidad Error Temperatura

101
1010
1
2.90695106
4.25137856
2
2.89897766
3.90979087
3
2.89671920
4.27796511
4
2.89989508
4.17740255
5
2.90845426
3.74602144
7
2.93815060
3.70453575
9
2.97937887
4.66509295
11
3.03146285
3.87330188
13
3.09509131
3.43677391
15
3.17106790
3.83286894
16
-1.#INDE+0
3.66676506
Cuadro 4.2: Errores del esquema alternativo.
4.4.
Observaciones sobre los resultados
Como se puede ver en los resultados de la primera implementacion, aparece una

franja de colores en la zona obscura (o fraccion solida), la que aparentemente no se
puede justificar de ning
un modo. Seg
un trabajos realizados con medios extremadamente
porosos, esto es, tenemos un material que esta evolucionando en sus estados de fases
a lo largo del tiempo, llegando en un instante a llenarse de fragmentos solidos de
manera tan densa, que impide el movimiento de la parte no solida, donde obviamente
no se cumpliran las ENS, a pesar de que se encuentre una porcion de fragmentos
diludos. Esto nos indica que estamos obligando a que se satisfagan las ENS, cuando
en la realidad no es as, lo que tambien se refleja en el hecho contrario, que tambien
se comenta en la literatura (ver [1]), donde la acumulacion de fragmentos no impide
el movimiento del fludo. Esto necesariamente dependera del material y del grado de
porosidad o concentracion. Sin embargo, creemos que esta mancha en la zona solida se
debe al cambio brusco que se experimenta en el cambio de fase del material. Sabemos
por experiencia que la temperatura de solidificacion del agua es de 0 Celsius, sin
embargo el congelamiento requiere en algunas ocasiones estar por muy debajo de esta
barrera.
El profesor Herme Soto nos advierte, luego de plantear la definicion de solucion debil,
que el modelo presupone que en la region no solida el coagulamiento sea controlado
por una ecuacion del tipo Navier-Stokes. Sin embargo, para que esto ocurra en modelos
macroscopicos, como es el de nuestro caso, es necesario que exista suficiente espacio
para tal coagulacion. Cuando esto no ocurre, la ecuacion que modela este fenomeno
corresponde a los medios porosos, que se rigen por la llamada Ley de Darcy.
4.4 Observaciones sobre los resultados
54
Por otra parte, tambien podemos decir que la tendencia del material es a solidificarse ya que los graficos van obscureciendose a medida que pasa el tiempo. El comportamiento del campo de la velocidad nos indica un cierto movimiento del material
hacia el centro que se justifica dado que el calor viaja de las zonas de temperaturas mas
elevadas a las mas bajas. Por u
ltimo el programa se cae de forma abrupta por el lado
de la velocidad, la respuesta a este hecho se puede explicar al haber establecido una
capa lmite en el desacoplamiento de la velocidad con la presion, la que al aumentar
las iteraciones los errores en los resultados de la presion van contaminando los de la
velocidad hasta llegar a producir valores indefinidos en la velocidad.
Se debe indicar que al aumentar o disminuir el n
umero de Reynold los resultados son
los mismos solo que se disminuye e incrementa respectivamente el n
umero de iteraciones
antes de colapsar el programa.
Tambien se probaron otras condiciones de frontera menos regulares, pero el programa
no podia correrse debido a las discontinuidades que se producen en las esquinas del
dominio.
En tanto para la implementacion alternativa, podemos apreciar que existe una mayor
relacion en el comportamiento del campo velocidad con el de la temperatura, es decir,
el movimiento del material obedece en gran medida a lo que ocurre con el campo de
la velocidad, produciendose un movimiento circular para la temperatura, como ocurre
con la velocidad. Aqu no se ve ninguna invasion del material dentro de alguna zona
bien definida, como ocurra en la primera implementacion.
Al analizar los errores expuestos en las tablas 4.3 y 4.3, nos damos cuenta que el
comportamiento de la velocidad en el primer caso es totalmente extra
no, manteniendose
los errores para iteraciones consecutivas para finalmente colapsar de modo repentino, en
los errores del esquema alternativo se aprecia el incremento que tienen en la velocidad,
en cambio la temperatura permanece mas estable. Esto nos vuelve a sugerir que es
probable que el calculo de la velocidad se vea afectado por el de la presion.
Por u
ltimo, se repite una cada del programa siempre por el lado de la velocidad, la
que creemos que se debe a los argumentos indicados anteriormente, la capa introducida
para el desacoplamiento nuevamente es culpable de producir valores irreales para la
velocidad.
Captulo 5
Conclusiones
Al presentar el modelo teorico, desarrollado por el Dr. Herme Soto, lo primero que
se comento fue que el trabajo se realizara sobre un dominio Rn , con n = 2, 3, con
frontera regular, y fue as como se probo la existencia y unicidad de solucion para
el sistema de ecuaciones e inclusiones. Sin embargo, en el Captulo 2 hemos adoptado
un dominio en dos dimensiones, especificamente un cuadrado. Luego de implementar
la discretizacion expuesta en el Captulo 2, surgieron una serie de inconvenientes que
acusan quizas a la eleccion del dominio ya mencionado.
En la Hipotesis H7 del primer captulo se exige que w0 C 2 (). Sabemos que a pesar
de la eleccion de la funcion que suavisaba , ella no podra cumplir esta condicion ni
ninguna otra eleccion, debido a las esquinas del cuadrado. Es por eso que al comenzar a
iterar el programa, se generan tempranamente valores elevados de la temperatura en las
fronteras, sobretodo en las esquinas. Esto tambien podra explicarse por la condicion de
frontera no-slip, es decir, v = 0 en . Existe la posibilidad que la capa lmite numerica
de la presion, calculadas en el desacoplamiento, contamine las soluciones numericas
en el interior y as reducir significativamente la exactitud total en las velocidades y
consecuentemente en la temperatura, a traves de la siguiente iteracion.
Otra alternativa, para obtener mejores resultados fue variar el n
umero de Reynold
disminuyendolo. Se realizaron muchas pruebas y a pesar de ello, los valores tardaban
solo un par de iteraciones mas antes que arrojara valores gigantescos de la temperatura
y valores no determinados de la velocidad.
Creemos que el problema mayor de la discretizacion del modelo radica en el termino
t w de la Ecuacion del Calor, dada su alta no linealidad y en el termino Jv de la
ecuacion de Navier-Stokes, debido a su definicion que obliga mantenerse alejado de la
region solida de manera muy artificial.
El refinamiento de la malla, solo contribuye a ver con mas detalle la evolucion del
material en el tiempo, aumentando el n
umero de iteraciones, pero reduciendo el tama
no
56
de paso del tiempo.
Todos los puntos anteriores nos sugieren considerar un dominio mas regular, como ser
un crculo y considerar otro tipo de discretizacion, para ver si es posible implementar el
trabajo teorico expuesto en el primer captulo, y realizar las comparaciones respectivas
con el cuadrado. La literatura [24, 14, 12, 7, 19] nos da cuenta de las buenas propiedades
que tienen las estructuras elegidas para un dominio cuadrado, (Crank-Nicolson y la
MAC, pero todas ellas nos hablan de la convergencias para terminos fuentes nulos o
en conjuntos determinados y en ninguna medida se puede afirmar que el esquema es
convergente ni estable, dado que la parte no lineal en la Ecuacion del Calor interviene
en un tiempo y en una region y para el siguiente tiempo quizas ya no.
A pesar de la eleccion del dominio que nos impide cumplir una de las condiciones
basicas de las hipotesis (dominio regular), creemos que el intento fue mejor de lo que en
un momento esperabamos, dado que en un principio era imposible correr el programa
hasta que se pudo encontrar unas condiciones de frontera que disminuyera la influencia
de las esquinas, lo que se traduce en una regularizacion ficticia del dominio.
Por u
ltimo, volviendo al modelo teorico, vemos que las exigencias del material,
de su dominio, de las condiciones iniciales y condiciones de frontera no escapan a
los requerimientos habituales para este tipo de estudios, pero el modelo de entalpa
sumado a la aparicion del termino Jv el cual modifica las ecuaciones de momento
lineal, obliga al autor a darse una serie de hipotesis, para posteriormente probar la
existencia y unicidad de una solucion debil, quizas este argumento nos justifique el
colapso de nuestra implementacion.
Ap
endice A
Algunas Nociones Utiles

Ecuaciones de Navier Stokes. Son la base de la hidrodinamica, las ecuaciones
fundamentales del movimiento de un lquido viscoso, las expresiones matematicas de
la ley de conservacion de momento y masa.
La descripcion inicial de los fenomenos que corresponden a la hidrodinamica fue
hecha aplicando las leyes de movimiento de Newton a los fluidos. De esta manera se
encontro una ecuacion que resulto ser no lineal. En la bibliografa tecnica esta ecuacion
recibe el nombre de Navier-Stokes. Como ha ocurrido con la mayoria de las ecuaciones
no lineales, la ecuacion de Navier-Stokes no se ha podido resolver de manera exacta. En el caso en que la velocidad del lquido es muy reducida, el termino no lineal
de la ecuacion de Navier-Stokes resulta ser extraordinariamente peque
no y es posible
no tomarlo en cuenta, obteniendose as una ecuacion lineal que s se ha podido resolver.
Las ecuaciones de movimiento para un fluido real, se pueden obtener considerando
las fuerzas que act
uan sobre un peque
no elemento del material, incluyendo los esfuerzos
cortantes generados por el movimiento del fluido.
Las ecuaciones de Navier-Stokes han de deducirse bajo ciertas condiciones de flujo,
las cuales estan sujetas a las siguientes relaciones que se pueden expresar en forma
analtica:
a) Las leyes del movimiento de Newton deben cumplirse para cada partcula en todo
instante.
b) La relacion de continuidad; es decir, la ley de la conservacion de la masa.
c) Primera y segunda ley de la Termodinamica.
d) Condiciones de frontera; afirmaciones analticas de que un fluido real tiene ve-
58
locidad nula relativa a una frontera F que en fluidos sin friccion no pueden penetrar
una frontera.
Fases de una sustancia pura. Es obvio, por la experiencia, que las sustancias existen en fases diferentes. A temperatura y presion ambiente el cobre es un solido, el
mercurio un lquido y el nitrogeno un gas. En condiciones diferentes, cada uno aparece
en una fase diferente. Aunque hay tres fases principales -solida, lquida y gaseosa- una
sustancia tiene varias fases dentro de una fase principal, cada una con una estructura
molecular diferente. Una fase es un arreglo molecular distinto, homogeneo en todas
partes y que se separa de las demas por medio de superficies fronteras.
En Termodinamica, al estudiar fases o cambios de fase, no es necesario interesarse
en la estructura y comportamiento moleculares de las diferentes fases. No obstante, es
muy u
til entender el fenomeno molecular implicado en cada fase.
Convecci
on. La conveccion es el modo de transferencia de energa entre una superficie solida y un lquido o gas adyacente que esta en movimiento, e implica los efectos
combinados de la conduccion y del movimiento de un fluido. Cuanto mayor es el
movimiento de un fluido, tanto mayor es la transferencia de calor por conveccion. Ante
la ausencia de cualquier movimiento del fluido, la transferencia del calor entre una
superficie solida y el fluido adyacente se da mediante conduccion pura. La presencia de
movimiento en el fluido incrementa la transferencia termica entre la superficie solida
y el fluido, pero tambien complica la determinacion de las tasas de transferencia de
calor.
M
etodo de Entalpa. La entalpa, tambien llamada solucion debil, se bas en el hecho
que la ley de conservacion de la energia, expresada en terminos de energia (entalpa )
y temperatura, junto con la ecuacion de estado, contiene toda la informacion necesaria
para determinar la evolucion de las fases.
Ap
endice B
Notaciones y Espacios Funcionales
A lo largo de este trabajo se utilizan las siguientes notaciones:

denotara un abierto limitado de Rn con medida de Lebesgue y frontera .
Q representara el cilindro [0, T ].
= (0, T ) denotara la superficie lateral del cilindro Q.

n
denotara el operador gradiente.
= x i
i=1
P
2
a el operador Laplaciano.
4 = ni=1 x
2 denotar
i
div = es el operadorPdivergente, as para una funcion vectorial ~u = (u1 , ..., un ),

n
ui
se tiene div ~u = ~u =
i=1 xi .
1

1
P
Pn u 2 2
x = ( n x2i ) 2 y u =
son las normas euclidianas de x R
i=1
i=1 xi
y del vector gradiente.
(~u ) ~u es el campo vectorial con i-esima componente
Necesitaremos ademas los siguientes espacios funcionales:
Pn
j=1
ui
.
uj x
j
C m () es el espacio de funciones con todas las derivadas de orden m continuas

en ( m entero o m = ).
C0 () es el espacio de las funciones vectoriales en C () con soporte compacto en
.
D0 () es el espacio dual de C0 ().
Una funcion f se llama uniformemente Holder continua con exponente en si la
cantidad.
60
[f ],
f (x) f (y)
, 0 < 1,
= sup
x y
x,y, x6=y
es finita, y f sera llamada localmente Holder continua con exponente en , si f es

uniformemente Holder continua con exponente sobre subconjuntos compactos de
. En el caso = 1, la funcion se llama uniformemente Lipschitz continua.
k,
Si k es un entero no negativo, los espacios de Holder C k, ()(C

()) son definidos
k
k
como los subespacios de C ()(C ()), de las funciones cuyas derivadas parciales de
orden k son uniformemente Holder continuas (localmente Holder continuas) con exponente en .
Por simplicidad escribiremos
= C ()
C 0, () = C (), C 0, ()
y tambien denotamos
= C k ().
C k,0 () = C k (), C k,0 ()

Denotamos C0k, () el espacio de las funciones de C k, () que tienen soporte compacto en .
Sean

D f , k = 1, 2, ..
[f ]k,0; = Dk f 0; = sup
sup
=k
[D f ]; .
[f ]k,; = Dk f ; = sup
sup
=k
Con estas seminormas, se definen las normas
k
k
X
X

j
f k =
D f ,
[f ]j,0; =
C ()
0;
j=0
C k, ()
j=0

f k + [Dk f ];
= f C k ()
+
[f
]
=
k,;
C ()
y C k, ()
respectivamente. Con estas normas los espacios
sobre los espacios C k ()
k
k,
C () y C () son espacios de Banach.
Lq () es el espacio de Banach de (clases de) funciones u(x) de en R medibles (en
el sentido de Lebesgue) y q-integrables (q 1) cuya norma esta dada:
61
q,
=(
u(x)q dx) 1q
(1 q )
= ess sup u(x)
(q = )
El espacio L2 () es un espacio de Hilbert con el producto interno dado por:

(u, v) =
u(x)v(x)dx
Lqloc () es el espacio de las funciones u Lq (0 ), para todo dominio limitado 0 tal

0 .
que
es el espacio de las funciones u Lq (0 ), para todo dominio limitado
Lqloc (),
= Lq ().
0 . Es claro que para limitado se tiene Lqloc ()
W l,q () es el espacio de Banach (con l entero) de las funciones u(x) en Lq () con
derivadas generalizadas (en el sentido usual) de orden l que pertenecen a Lq () y
cuya norma es dada por
l
l
X
X

k
u l,q =
D u .
W ()
q,
j=0
k=j
En el caso particular q = 2 denotamos W l,2 () = H l ()

W0l,q () denotara el cierre de C0 () en W l,q (). Como caso especial para q = 2
denotamos W0l,2 () = H0l ().
1
W 1 q ,q () es el espacio de trazos con la norma

1 1
q ,q
()

= inf {uW l,q () ; u =
sobre }.
Del mismo modo, cuando es suficientemente regular, podemos definir el espacio

1
1
W
(). En el caso q = 2, denotamos W k 2 ,2 () = H k 2 ().
k q1 ,q
En el caso de espacios de funciones vectoriales con n componenetes en los espacios enunciados anteriormente, usaremos la notacion C0 ()n , Lq ()n , W p,q ()n y
suponemos que ellos son equipados con la norma del producto usual (excepto C0 ()n
que no es un espacio normado).
62
Para los resultados asociados a las ecuaciones de Navier-Stokes, necesitaremos definir
los siguientes espacios.
V() denotara el espacio de las funciones u(x) en C0 ()n con divergente nulo.
H() representa el cierre de V() en L2 ()n .
V () representa el cierre de V() en H01 ()n .
Cuando es Lipschitz continua, los espacios H() y V () pueden ser caracterizados por:
H() = {u L2 ()n ;
div u = 0, en ; u = 0 en }
V () = {u H01 ()n ;
div u = 0, en },
donde es la normal unitaria de .

El espacio V () es equipado con el producto interno (, )V () y la norma V ()
dados por:
Z
(u, v)V () =
u v,
V ()

= u2, .
El espacio L2 ()n puede ser descompuesto seg

un Helmholtz como:
L2 ()n = H() H ,
donde
H = {u L2 ()n ;
u = q, q L2 () }.
Para funciones vectoriales u, v, w adecuadas, se define:

B(u, v, w) =
n Z
X
i,j=1
y valen las siguientes propiedades:
uj (x)
vi (x)
wi (x) dx
xj
B(u, v, w) = 0, u V (), v H01 ()n Ln ()n

B(u, v, w) = B(u, w, v), u V (), v H01 ()n Ln ()n
63
Si u es una funcion vectorial, y son funciones escalares, entonces se puede definir
b(u, , ) =
n Z
X
j=1
y vale lo siguiente
b(u, , ) = 0,
uj (x)
(x)
(x) dx
xj
u V (), H01 () Ln ().
Sean ahora B un espacio de Banach y 1 q .

Lq (0, T ; B) es un espacio (de clases de funciones iguales c.t.p.) de funciones medibles
(en el sentido de Lebesgue) f definidas en (0, T ) con valores en B y tal que

f (t) Lq (0, T ).
B
El espacio Lq (0, T ; B) con la norma

f
Lq (0,T ;B)
es un espacio de Banach.
L (0,T ;B)
T
0
f (t)q dt
B
1q
= ess sup f (t)B ,

0<t<T
C([0, T ]; B) es el espacio de las funciones continuas de [0, T ] en B provisto con la

norma

f
C([0,T ];B)
= sup f (t)B
[0,T ]
El espacio C([0, T ]; B) es denso en Lq (0, T ; B) para 1 q < .

Como casos especiales tenemos los espacios Lq (0, T ; Lp ()) que denotamos tambien
L (Q) que es el espacio de Banach de (clases de) funciones f (x, t) de Q en R medibles
(en el sentido de Lebesgue) cuya norma es dada por
q,p
Lq (0,T ;Lp ())

= f q,p,Q =
T
0
f (x, t)q dx
pq ! p1
En el caso p = q usamos la notacion Lq (0, T ; Lq ()) = Lq (Q).
, (q, p 1)
Ap
endice C
Resultados Auxiliares
Enunciamos algunos lemas que se usaron a lo largo del primer captulo.
Lema 15. Sea F una familia equicontinua de funciones de un espacio topologico separable X para un espacio metrico Y . Sea {fn } una sucesion en F tal que para cada
x en X el cierre del conjunto {fn (x) : 0 n < } sea compacto. Entonces existe
una subsucesion {fnk } que converge puntualmente para una funcion continua f y la
convergencia es uniforme sobre cada subconjunto compacto de X.
Lema 16. Sea
n
n
n
X
X
X
fi
(aij uxj + ai u) +
,
bi uxi + cu = f +
Lu =
x
x
i
i
i=1
i=1
i,j=1
donde L es un operador uniformemente elptico. Sean a, b, f Lq (), c L 2 () para

q > n, y
Si u H 1 () es solucion generalizada de la ecuacion anterior,
regular.
para alg
ess sup u(x) < M < y u/ C 0, (), entonces u C 0, (),
un
(0,1] y

u
C,

donde C es una constante que depende de q, u1, , uC () y .
C ()
Enunciaremos el Teorema de Punto Fijo de Leray-Schauder (caso especial).
Lema 17. Sea B un espacio de Banach y sea T : B B una funcion continua y

compacta (la imagen de conjuntos limitados tiene cierre compacto).
Supongamos que existe una constante M tal que:

x M,
B
x B satisfaciendo x = T x, con [0, 1]. Entonces T tiene un punto fijo.
65
En el lema siguiente se resalta en el enunciado algunas estimaciones que OLeary
obtiene en la demostracion original para nuestra conveniencia.
Lema 18. Sea Rn , con n 2 un dominio limitado con frontera regular,
sea un grafico estrictamente creciente con un posible salto en el origen tal que
(0) = [0, L], 0 < 0 0 (s) 1 , si s 6= 0 y K(s) una funcion monotona continua, diferenciable fuera del origen, tal que K(0) = 0, 0 < K0 K 0 (s) K1 , si s 6= 0,
y sea T > 0. Sea v L2 (0, T ; H 1 ()) L (0, T ; L2 ()), con divergente nulo en el
3
y
sentido debil, sea g L2 (0, T ; W 2 ,2 ()) L (Q) y supongamos que w0 C 2 ()
u0 = 1 (w0 ).
Entonces existen funciones u L (Q) L2 (0, T ; H 1 ()) y w (u) tales que:
wt 4K(u) + v u = 0,
u = g,
debilmente en (0, T )
sobre
w(, 0) = w0
en ,
g
max
{
,
+
L}
(C.1)
w
1
0 L ()
L (Q)
L (Q)
0

u 2
C,
(C.2)
L (0,T ;H 1 ())

donde C es una constante que depende solo de w0 L () , g L (Q) y v L (0,T ;H()) .

u
Lema 19. Sea Br+ Rn , la bola abierta y T > 0, con 0 < 2 r, supongamos que
w L (Br+ [0, T ])
(C.3)
y
ess sup
0tT
Br
w(x, t)dx M.
(C.4)
Si existe una constante tal que para cada C02 (Br ) y tal que 0 t < t + < T
Br
{w(x, t + ) w(x, t)}(x)dx sup{ 2,Br + 2,Br + 4 2,Br }. (C.5)

Br
Entonces, para todo 0 t < t + < T

Z
w(x, t + ) w(x, t)dx C mn { + M + }

0<
2
Br
(C.6)
66

donde C es una constante que depende de wL (Br ) , M, , r y n.
Es claro que la conclusion del Lema 16 da la equicontinuidad de la familia {w,h }.
Observaci
on 20. A continuacion exponemos algunas estimativas importantes que se
obtienen en la prueba de los lemas 19 y 21 (la prueba integra de ellos se encuentran en
[11] y [15].
w,h (x, t) = w0 (x), si 0 t < h

u,h C2
L (Q)
w,h C3
L (Q)
(C.7)
(C.8)
(C.9)

donde C2 es la constante dada en (C.1) y C3 es una constante que depende de w0 L (Q)

y g L (Q) .

u,h
L2 (0,T ;H 1 ())
C4
(C.10)

donde C4 es una constante que depende de v L (0,T ;H()) , w0 L () , g L (Q) y

g
3
.
L2 (0,T ;W 2 ,2 ())
Z
w,h (x, t)dx C5
(C.11)
g
3
,
donde C5 es una constante que depende de w0 C 1 ()
,
,
g
,
L (Q)
L2 (0,T ;W 2 ,2 ())

v
y v L2 (0,T ;V()) .
L (0,T ;H())
Z
Z
{w,h (x, t + ) w,h (x, t)} dxdx
t+
K (u,h )4 + u,h v,h dxds

t

C6 sup {4 2, + 2, }
(C.12)

donde C6 es una constante que depende de K1 , , u,h L (Q) y v L (0,T ;H()) .

wkk ,hk (t) w(t),
en L1loc (), c.t.p. en ,
t [0, T )
(C.13)
Como las estimativas (C.9), (C.11), (C.12) son independientes de y h, podemos

hacer , h 0 y obtener que
w,h (x, t) w (x, t),
c.t.p. en ,
t [0, T ]
(C.14)
67
como por (C.7) se tiene w,h (x, 0) = w0 = w0 , en , tenemos entonces que
w (x, 0) = w0 = w0 ,
en .
(C.15)
Ademas de eso, existe una funcion u que satisface:

wt 4K (u ) + v u
w
u
w (x, 0)
De (C.8) y (C.9) se tiene:
De (C.10) tenemos
=
=
=
=
0, debil en (0, T )
(u ),
g , sobre (0, T )
w0 , en .
L (Q)
Ahora de (C.13) tenemos:
C2 ,
L (Q)
C3 .

u 2
C4
L (0,T ;H 1 ())
w (x, t) w(x, t),
c.t.p. en t [0, T ),
(C.16)
(C.17)
(C.18)
cuando 0, y entonces por (C.15) tenemos que

w(x, 0) = w0 ,
en .
(C.19)
Lema 21. Sea Rn para n 2, dominio con frontera regular y sea T > 0. Suponga
que v1 , v2 L2 (Q), tiene divergente nulo en el sentido debil. Si wi (ui ) y
ui L (Q) L2 (0, T ; H 1 ()) satisfacen, para i = 1, 2,
wi
t
4K(ui ) + vi ui = 0
ui = g, sobre
wi /t=0 = w0,i ,
As,
ess sup w2 (, t) w1 (, t)2, C w0,2 w0,1 1, + C v2 v1 L2 () ,

0<t<T
donde C es una constante que depende de ui L (Q) y ui L2 () .
68
Finalmente, queremos resaltar que a lo largo de este trabajo recurriremos muchas
veces a subconjuntos (y a sus interiores) definidos por desigualdades con funciones no
regulares (funciones en espacios Lp ).
Para que no se produzcan ambig
uedades en tales situaciones, insistimos que durante
todo este trabajo estaremos tomando tales desigualdades utilizando el (
unico) representante de Lebesgue asociado a la clase de equivalencia de la funcion. Por ejemplo,
en una desigualdad del tipo {x : w(x) 0}, la funcion w es aquella definida para
cada x por
1
w(x) = lm+ inf

r0
B(x, r)
w (z) dz,
B(x,r)
donde B(x, r) denota la bola de centro x y radio r en ; B(x, r) denota la medida

de Lebesgue de la bola y w es cualquier representante de la clase. Valen definiciones
analogas para funciones definidas en Q
Bibliografa
[1] V. Alexiades and A. D. Solomon, Mathematical modeling of melting and freezing
processes, Hemisphere Publishing Corporation, Washington, 1993.
[2] Ph. Blanc, L. Gasser and J. Rappaz, Existence for a Stationary Model of Binary
alloy Solidification, Math. Modelling, 1995.
[3] Ham Brezis, Analisis Funcional Teora y Aplicaciones, Alianza Editorial, 1983.
[4] Xing Cai, Introduction to NavierStokes Equations, 2001.
[5] J. R. Cannon, E. DiBenedetto, and G. K. Knightly, The bidimensional Stefan
problem with convection, Comm. Part. Diff. Eqns. 8 (1983), 1549-1604.
[6] Yunus Cengel, Michael Boles, Termodinamica, M c Graw Hill, 1998.
[7] Computational Astrophysics and Cosmology, Diffusion Solvers; Nuclear Reactions, http://www.astro.uiuc.edu/classes/archive/astr496/s03 cac/graphics 0305.pdf,
2003.
[8] A.J. Chorin, Numerical Solution of the NavierStokes Equations, Math, 1968.
[9] E. DiBenedetto and M. OLeary, Conductionconvection problems with change of
phase, SIAM Special Volume for the 70th Birthday of I. Stackgold (1995), 104-114.
[10] Kai Hoefler Simulation and Modeling of Mono and Bidisperse Suspensions
http://ica1.uni-stuttgart.de/Recent publications/Papers/kai/thesis/d/node15.html,
2000.
[11] S.N. Kruzkov, First Order Quasilinear Equations in Several Independet Variables,
Math. USSR Sbornik, 1970.
[12] Maciej Matyka, Computer Simulations in Physics,
http://panoramix.ift.uni.wroc.pl/ maq/stara/equations.html, 2001.
[13] D. Michelson, Convergence Theorems for Finite Difference Approximations for
Hyperbolic Quasilinear Initial-Boundary value Problems, Math. 1987.
BIBLIOGRAFIA
70
[14] R.A. Nicolaides, X. Wu, Analysis and Convergence of the MAC Scheme.II. Navier
Stokes Equations, Mathematics of Computation, 1996.
[15] M. OLeary, Analysis of the Mushy Region in Conducction-Convection Problems
with Change of Phase, Elect. Journal. Diff. Eqs. vol 43, 1997
[16] K. Parrot, C. Aldridge, P. Nesvadba, Identification of the Thermophisical Properties of Fish European Study Group with Industry 1997, 1997
[17] Alfio Quarteroni, Alberto Valli Numerical Approximation of Partial Differential
Equations, Springer, 2000
[18] Abdusamad Salih, Some Basic CFD and Numerical Heat Transfer Codes in Fortran, http://www.sali.freeservers.com/engineering/cfd/cfd codes.html, 2001.
[19] Sheffield Hallam University, Finite Difference,
http://maths.sci.shu.ac.uk/units/VecPDE/, 2003
[20] Jie Shen, On error estimates of projection methods for Navier-Stokes equations:
first order schemes, SIAM, 1992.
[21] H. Soto Segura, Analisis de un Modelo Matematico de Conduccion-Conveccion de
Tipo Entalpa para Solidificacion, Tesis de doctorado, Universidad de Campina,
Brasil, (2000).
[22] Roger Temam, NavierStokes Equations, Theory and Numerical Analysis, NorthHolland Publishing Company, 1977.
[23] V. R. Voller, M. Cross, and N. C. Markatos, An enthalpy method for convection/diffusion phase change, Internat. J. Numer. Methods Engrg. 24 (1987), 271284.
[24] Weinan, Jian-Guo Liu, Projection Method I: Convergence and Numerical Boundary Layers, New York, NY10012.2000.

Tesis Erwin Final

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Tesis Erwin Final

Uploaded by

Copyright:

Available Formats

Implementaci

Mi vivir es Cristo y morir ganancia...

1.1. Un Problema de Evolucion . . . . . . . . . . . . . . . . . . . . . . . . .

1.1.2. Descripcion del Modelo . . . . . . . . . . . . . . . . . . . . . . .

1.1.3. Hipotesis y Formulacion Debil del Problema . . . . . . . . . . .

1.2. El Problema Regularizado . . . . . . . . . . . . . . . . . . . . . . . . .

1.2.1. Aproximacion del Problema Regularizado . . . . . . . . . . . . .

1.2.2. Existencia para el Problema Regularizado . . . . . . . . . . . .

2.1. Discretizacion de la Ecuacion de Navier-Stokes (ENS) . . . . . . . . . .

2.1.1. La Estructura MAC (marker and cell) . . . . . . . . . . . . . .

2.1.2. Discretizacion del Tiempo . . . . . . . . . . . . . . . . . . . . .

2.1.3. Discretizacion Espacial . . . . . . . . . . . . . . . . . . . . . . .

2.1.4. Discretizacion de la ecuacion de continuidad . . . . . . . . . . .

2.1.5. Discretizacion de la ecuacion de momento . . . . . . . . . . . .

2.1.6. Aproximacion de los terminos convectivos . . . . . . . . . . . .

2.1.7. Discretizacion para la presion . . . . . . . . . . . . . . . . . . .

2.1.8. Celdas fronteras . . . . . . . . . . . . . . . . . . . . . . . . . . .

2.1.9. Aproximaciones para Celdas Fronteras. . . . . . . . . . . . . . .

2.1.10. Discretizacion de las derivadas temporales . . . . . . . . . . . .

2.1.12. La ecuacion discretizada de Poisson . . . . . . . . . . . . . . . .

2.1.13. El termino fuente gx y gy . . . . . . . . . . . . . . . . . . . . . .

2.1.14. Consideraciones especiales . . . . . . . . . . . . . . . . . . . . .

2.1.15. El Metodo Iterativo SOR (Successive Over Relaxation). . . . . .

2.1.16. Condicion de estabilidad . . . . . . . . . . . . . . . . . . . . . .

2.2. Discretizacion de la Ecuacion del Calor . . . . . . . . . . . . . . . . . .

2.2.1. Metodo de Crank-Nicolson . . . . . . . . . . . . . . . . . . . . .

2.2.2. Discretizacion del Laplaciano . . . . . . . . . . . . . . . . . . .

2.2.4. Estabilidad del Metodo de Crank-Nicolson . . . . . . . . . . . .

2.3. La fuente no lineal . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

2.3.1. Consideraciones especiales . . . . . . . . . . . . . . . . . . . . .

2.3.2. Discretizacion alternativa para la parte no lineal . . . . . . . . .

4.1. Condiciones Iniciales y de Frontera . . . . . . . . . . . . . . . . . . . .

4.2. Resultados del primer esquema de discretizacion . . . . . . . . . . . . .

4.3. Resultados del esquema alternativo . . . . . . . . . . . . . . . . . . . .

4.4. Observaciones sobre los resultados . . . . . . . . . . . . . . . . . . . . .

A. Algunas Nociones Utiles

B. Notaciones y Espacios Funcionales

Es la region de mezcla que no es solida ni lquida del material

El proposito principal de este trabajo es dar una implementacion del sistema de

Presentamos un resultado de existencia de soluciones generalizadas de un modelo

Consideramos un proceso fsico en el cual puede ocurrir cambios de fase de un

1.1 Un Problema de Evoluci

1.1 Un Problema de Evoluci

Nuestro problema sera hallar funciones v, , w y p, representando respectivamente

donde C es una constante; es la densidad media del material no solido; r una

1.1 Un Problema de Evoluci

donde C es una constante positiva. Note que J(fs ) + cuando fs 1 (esto

En todo este captulo estaremos suponiendo validas las siguientes hipotesis:

Rn , n = 2 o 3, es un dominio limitado de clase C 2 .

F : R Rn es uniformemente Lipschitz continua y F (0) = 0.

J C 1 (, 1) es no decreciente, J 0 sobre R y tal que lm J(x) = +.

tal que fs = 1 en(, 0], fs = 0, en [L, +) y 0 < fs < 1 en

v0 H() y ademas se cumple

1.1 Un Problema de Evoluci

Ademas de eso, debe existir un subconjunto F de medida total en Qml , de forma

Qml \ Qi < i y tal que para el subconjunto

donde int Qmli denota el interior de Qmli relativamente al conjunto [0, T ),

1.1 Un Problema de Evoluci

Si tuvieramos Qml \ intf (F) = 0 entonces practicamente toda la region no solida

1.2 El Problema Regularizado

A continuacion se introduce una sucesion de problemas regularizados, asociados

Podemos tomar las convergencias de las funciones y K en el siguiente sentido:

Vale entonces el siguiente resultado de existencia de soluciones.

C 1 ([0, T ]; V ()) tal que (T ) = 0.