Aislamiento de estructuras coherentes para la ecuación BBM discretizada mediante elementos finitos Nuria Reguera Dpto. de Matemática y Computación, Universidad de Burgos [email protected] Isaı́as Alonso-Mallo, Ángel Durán Dpto. de Matemática Aplicada, Universidad de Valladolid [email protected],[email protected] Resumen Nos ocupamos, desde un punto de vista numérico, de la generación y persistencia bajo perturbaciones de estructuras coherentes asociadas a la ecuación BBM. En este trabajo proponemos una técnica de limpieza implementada de manera automática que permite el estudio de dichas estructuras de interés. Sección en el CEDYA 2011: AN 1. Introducción En este trabajo nos vamos a centrar en la ecuación BBM ut + ux + uux − utxx = 0, x ∈ R, t > 0, (1) aunque el algoritmo numérico que presentamos se puede generalizar a otras ecuaciones en derivadas parciales. Es interesante la posibilidad de analizar en detalle las estructuras que emergen bajo perturbaciones de perfiles iniciales y que están sometidas a pequeñas turbulencias, en forma de colas dispersivas, estructuras no lineales menores, ruido aleatorio, etc. Para ello, es necesario ‘limpiar’ la solución numérica dentro de la ventana computacional, aislando la estructura que nos interesa, eliminando las turbulencias y dejándola evolucionar con el tiempo. La principal novedad que presenta la técnica de limpieza que proponemos frente a otras utilizadas en la literatura [5, 4] es el diseño dinámico de todo el proceso. De esta manera, proponemos un algoritmo que en cada paso en tiempo calcula una región de limpieza dependiendo de la solución numérica en ese instante y ‘limpia’ la solución dentro de dicha región. Para los experimentos numéricos, consideramos la ecuación BBM con condiciones de frontera periódicas. La discretización espacial elegida está basada en elementos finitos cúbicos de Hermite [1, 2] y la integración en tiempo se lleva a cabo mediante la regla del punto medio implı́cita. Nuestros experimentos numéricos confirman que se obtienen buenos resultados y el algoritmo permite estudiar las nuevas estructuras formadas. 2. Descripción del problema Para resolver numéricamente la ecuación (1) debemos restringir el problema a un dominio finito. Para ello, vamos a considerar condiciones de frontera periódicas, ut + ux + uux − utxx = 0, x ∈ [0, L], t ≥ 0, u(0, t) = u(L, t) ux (0, t) = ux (L, t) u(x, 0) = u0 (x), x ∈ [0, L] (2) Con el objetivo de describir el método numérico que proponemos y que nos permitirá llevar a cabo simulaciones numéricas de la solución de (2), vamos a explicar tres etapas: la discretización espacial, la integración en tiempo y la técnica de limpieza. 3. Discretización espacial La técnica de limpieza que describiremos en la Sección 5 requiere que la base de la discretización espacial sea de carácter local. Aunque existen otras posibilidades adecuadas, vamos a considerar en este trabajo, una discretización espacial de (2) mediante elementos finitos cúbicos. Para ello, fijado N ∈ N denotamos por xj los nodos espaciales. Es decir, xj = jh, j = 0, . . . , N, con h = L/N . Consideramos Vh , el espacio de funciones cúbicas de Hermite a trozos en el intervalo [0, L] y que satisfacen condiciones de frontera periódicas (véase [1]). El problema semidiscreto en espacio es entonces h(uh )t , wh i + h(uh )tx , (wh )x i = huh , (wh )x i + 12 hu2h , (wh )x i, uh (0) = u0,h . ∀wh ∈ Vh , t ≥ 0 Esta discretización espacial conduce a la obtención de un sistema de ecuaciones diferenciales ordinarias: Rh dUh = Mh Uh + F (Uh ), dt (4) con Uh = [u0 , u e0 , . . . , uN −1 , u eN −1 ]T , donde uj y , u ej denotan las aproximaciones a la solución y su derivada en los nodos xj . 4. Integración en tiempo Para elegir un integrador en tiempo adecuado que nos permita resolver el sistema de ecuaciones diferenciales ordinarias (4), debemos tener en cuenta que dicho sistema retiene la estructura hamiltoniana y conserva las correspondientes versiones discretas de los invariantes del problema original. Es bien conocido [6] que la conservación de dichos invariantes durante la integración numérica es una buena propiedad para el integrador temporal y permite una mejor simulación (3) de la dinámica de las ondas solitarias (véase también [1, 3]). Es más, esta propiedad del integrador temporal nos garantizará una mejor aproximación a los parámetros de las ondas como la amplitud, velocidad o fase. Existen varias posibilidades en esta lı́nea. Entre ellas, en este trabajo hemos elegido la regla del punto medio implı́cita. Nuestra elección se ha basado en el hecho de que este integrador presenta un buen comportamiento para los invariantes del problema y al mismo tiempo su implementación es sencilla y nos permite estudiar la técnica de limpieza que proponemos. Para la implementación de la regla del punto medio implı́cita, denotaremos por ∆t > 0 el paso en tiempo y por Uh,n la aproximación numérica a la solución en tiempo tn = n∆t. Para obtener la aproximación Uh,n+1 en tiempo tn+1 , necesitamos resolver el sistema no lineal Rh Gh,n = ∆t (Mh (Uh,n + Gh,n ) + Fh (Uh,n + Gh,n )) , 2 (5) y avanzar para obtener Uh,n+1 = Uh,n + 2Gh,n . El sistema (5) lo resolvemos mediante una técnica iterativa. 5. Técnica de limpieza Con el objetivo de explicar la técnica de limpieza que proponemos, vamos a suponer que la condición inicial de (2) se transforma, con el tiempo, en un pulso principal junto con una cola dispersiva. Si nuestro interés se centra en el pulso principal, es necesario aislarlo y limpiar la solución numérica para eliminar la pequeñas ondas que forman la cola dispersiva. Es más, queremos que todo el proceso se implemente de manera automática y que en cada paso en tiempo se elija la región de limpieza de forma dinámica y dependiendo de la solución numérica en ese instante de tiempo. Inicialmente se fijará una tolerancia ε y llamaremos ‘soporte’ de la onda solitaria a un intervalo donde sea mayor que ε. Es más, para la ecuación BBM existe una relación entre amplitud, velocidad y soporte de las ondas solitarias que será utilizado en el algoritmo de limpieza. Describamos a continuación cómo funciona el algoritmo de limpieza en el paso de tn−1 a tn . En este instante de tiempo vamos a realizar los siguientes pasos: 1. Calculamos la amplitud umax (n) del pulso principal, el punto donde es alcanzado xmax (n) y la velocidad cn del pulso principal. Para ello: partimos de una estimación estxmax (n) del punto xmax (n) calculada a partir de la velocidad cn−1 y del valor de xmax (n − 1) del paso anterior tn−1 . buscamos entre los nodos próximos a estxmax (n), el nodo donde la onda principal alcanza su máximo. 2.5 0.25 0.2 2 0.15 anulación 0.1 1.5 0.05 0 1 anulación −0.05 anulación 0.5 −0.1 −0.15 −0.2 0 −0.25 −0.5 β1(n) β (n) β1(n) 2 Figura 1: Técnica de limpieza sin suavizado. La gráfica de la derecha es un zoom de la de la izquierda. 2.5 0.25 0.2 2 interpolación 0.15 0.1 1.5 0.05 0 1 −0.05 −0.1 0.5 anulación −0.15 0 −0.2 −0.25 −0.5 γ1(n) β (n) 1 β2(n) γ2(n) γ1(n) β1(n) Figura 2: Técnica de limpieza con suavizado. La gráfica de la derecha es un zoom de la de la izquierda. a partir de este nodo, en sus dos intervalos adyacentes se calcula, de manera analı́tica, el máximo del interpolante cúbico de Hermite a trozos asociado a la solución numérica, obteniéndose ası́ umax (n) y xmax (n). a partir de xmax (n − 1) y xmax (n) se calcula la velocidad cn en tn . 2. Se elige la región de limpieza: se calcula el intervalo (β1 (n), β2 (n)), centrado en xmax (n) donde los valores de la onda solitaria con velocidad cn son mayores que la tolerancia ε. La región de limpieza es el complementario de dicho intervalo. 3. Se ‘limpia’ la solución en la región de limpieza. Este paso se puede realizar de dos maneras, dando lugar a dos algoritmos distintos: (3.a) Limpieza sin suavizado: se hace uj = 0, u ej = 0 para todos los nodos xj en la región de limpieza. (3.b) Limpieza con suavizado: se calcula otra región (γ1 (n), γ2 (n)) donde la onda solitaria de velocidad cn es mayor que otra tolerancia ²1 < ². Fuera de (γ1 (n), γ2 (n)) se anula la solución, mientras que en los intervalos (γ1 (n), β1 (n)) y (β2 (n), γ2 (n)) se realiza una interpolación cúbica. Aunque la técnica (3.a) de limpieza sin suavizado (véase la Figura 1) en la práctica es bastante eficiente, puede presentar un problema. Las derivadas de la solución numérica en la frontera de la región de limpieza pueden ser muy grandes. Esto podrı́a ser un inconveniente en algunos casos. Por ello, proponemos la técnica 3.b de limpieza con suavizado (véase la Figura 2). 6. Experimentos numéricos Con el objetivo de analizar el resultado del algoritmo de limpieza, hemos realizado varios experimentos numéricos para la ecuación BBM tomando como condición inicial distintas perturbaciones de ondas solitarias. En todos ellos se ha observado muy buenos resultados. Mostramos aquı́ sólo uno de ellos. Las ondas solitarias para la ecuación BBM tienen la forma: u(x, t) = Asech2 (K(x − ct − L0 )), donde A = 3(c − 1), 1 K= 2 (6) r 1 1− . c (7) Vamos a realizar la integración numérica del problema (2) tomando como condición inicial u0,j = Asech2 ((1 + α)K(xj − L/2)) donde A y K están dados por (7) con c = 2 y α = 0,5. t=0 t=100 3 2.5 2.5 2 2 1.5 1.5 1 1 0.5 0.5 0 0 −0.5 0 50 100 150 0 50 t=200 100 150 100 150 t=300 3 2.5 2.5 2 2 1.5 1.5 1 1 0.5 0.5 0 0 −0.5 −0.5 0 50 100 150 0 50 Figura 3: Solución numérica en distintos instantes de tiempo: −− sin limpieza, − con la técnica de limpieza con suavizado. En la Figura 3 podemos observar la solución numérica en distintos instantes de tiempo tanto si no se realiza limpieza, como cuando se utiliza la técnica de limpieza con suavizado. El uso de la técnica de limpieza permite estudiar el pulso principal perturbado y permite analizar los parámetros asociados, como por ejemplo la velocidad. Esto se puede ver en la Figura 4. Por otro lado, en la Figura 5 podemos ver la evolución de la norma infinito del error, cuando se considera en cada paso en tiempo como solución exacta la onda solitaria con velocidad cn . Hay que hacer notar que aunque en este trabajo se ha considerado únicamente la ecuación BBM, para la que se conocen expresiones de las ondas solitarias, la técnica descrita se puede llevar a cabo para otras ecuaciones. La única diferencia es que, en general, no se va a disponer de una expresión de las ondas solitarias ni de la relación exacta entre la amplitud, la velocidad y el ‘soporte’ de la solución. En estos casos es necesario utilizar un algoritmo que nos proporcione perfiles numéricos que serán utilizados como condiciones iniciales de nuestro problema. A su vez, para la elección de la región de limpieza, utilizaremos una relación aproximada de la amplitud, la velocidad y el ‘soporte’ de la solución que puede ser obtenida a partir de un estudio numérico de varios perfiles asociados a distintas velocidades. 2 1.95 velocidad 1.9 1.85 1.8 1.75 0 50 100 150 200 250 300 Figura 4: Evolución de la velocidad con el tiempo: −− sin limpieza, − con la técnica de limpieza con suavizado. 0 10 −1 norma infinito del error 10 −2 10 −3 10 −4 10 −5 10 −6 10 0 50 100 150 200 250 300 Figura 5: Evolución del error con el tiempo: −− sin limpieza, − con la técnica de limpieza con suavizado.. Agradecimientos Este trabajo está parcialmente subvencionado por MICINN mediante el proyecto MTM2007-66343 cofinanciado con fondos FEDER y el proyecto MTM201019510/MTM. Bibliografı́a [1] I. Alonso-Mallo, A, Durán & N. Reguera Simulation of coherent structures in nonlinear Schrödinger-type equations J. Comput. Phys. 229 (2010), no. 21, 8180-8198 [2] I. Alonso-Mallo & N. Reguera, A high order finite element discretization with local absorbing boundary conditions of the linear Schrödinger equation, J. Comput. Phys. 220, 2006, no. 1, 409–421. [3] J. Álvarez and A. Durán, A numerical scheme for periodic travelling-wave simulations in some nonlinear dispersive wave models, J. Comp. Appl. Math. 235 (2011), 1790–1797. [4] J. Bona, V. Dougalis & D. Mitsotakis, Numerical solution of KdV-KdV systems of Boussinesq equations: I. The numerical scheme and generalized solitary waves, Mat. Comp. Simul., 74(2007), 214-228. [5] V. Dougalis, A. Durán, M. A. López-Marcos, D. Mitsotakis, A numerical study of the stability of solitary waves of the Bona-Smith family of Boussinesq systems, J. Nonlinear Sci, 17 (2007), 569-607. [6] E. Hairer, C. Lubich and G. Wanner, Geometric Numerical Integration, StructurePreserving Algorithms for Ordinary Differential Equations, Springer-Verlag, New YorkHeidelberg-Berlin, 2002. [7] A. Scott, Nonlinear Science, Emergence and Dynamics of Coherent Structures, Oxford University Press, Oxford, 1999.