El Algoritmo Round-Trip para el Operador de Elasticidad

Documentos relacionados
MÉTODOS NUMÉRICOS DE LA

Tema 1: Matrices. El concepto de matriz alcanza múltiples aplicaciones tanto en la representación y manipulación de datos como en el cálculo numérico.

Métodos de elemento finito Formulación n de elemento finito en 2 dimensiones

PROBLEMAS COMPUTACIONALES DE MECÁNICA DE FLUIDOS EN GEOMETRÍAS COMPLEJAS

Producto Escalar. AMD Grado en Ingeniería Informática. AMD Grado en Ingeniería Informática (UM) Producto Escalar 1 / 31

Formulación de Galerkin El método de los elementos finitos

Capítulo VI. Diferenciabilidad de funciones de varias variables

FEM para Mecánica 3D. Miguel Ángel Otaduy. Animación Avanzada 7 de Marzo de 2014

Métodos de factorización para resolver sistemas de ecuaciones lineales. 22 de agosto, 2012

Jorge Hans Alayo Gamarra 15 de abril de Definición del problema: Determinación de precio de la reserva en un mercado eléctrico centralizado

Profesor Francisco R. Villatoro 13 de Diciembre de 1999 SOLUCIONES. 1. Una matriz A de n n es diagonalmente dominante (estrictamente) por filas si

Proyección ortogonal sobre un vector normalizado (ejercicios teóricos simples)

Espacios Vectoriales Asturias: Red de Universidades Virtuales Iberoamericanas 1

1.3.1 Fundamentos de cálculo vectorial

Teorema fundamental del cálculo vectorial (a.k.a. Teorema de Helmholtz)

Introducción al Método de los Elementos Finitos

Resolución numérica de sistemas de ecuaciones. Introducción

Diseño óptimo de estructuras. p. 1/30. mecánicas bajo incertidumbre en las cargas

Definición Dados dos números naturales m y n, una matriz de orden o dimensión m n es una tabla numérica rectangular con m filas y n columnas.

Gustavo Rodríguez Gómez. Agosto Dicembre 2011

Resolución de la ecuación de Ondas en 2-D y 3-D utilizando diferencias finitas generalizadas. Consistencia y Estabilidad.

Elasticidad Ecuaciones constitutivas

Matrices, determinantes y sistemas de ecuaciones lineales

MÉTODO DE DIFERENCIAS FINITAS (FDM)

Espacios Vectoriales Euclídeos. Métodos de los mínimos cuadrados

Subespacios de espacios vectoriales

Clasificación de Ecuaciones Diferenciales Parciales

Espacios vectoriales con producto interno

[25] EJERCICIO 1. Se considera el problema isoperimétrico consistente en calcular el mínimo relativo de

A d) Estudiar la diagonalización del endomorfismo T. Es posible encontrar una base de vectores propios de R 2 [x]? Razonar la respuesta.

Capítulo V. Valores y vectores propios. Diagonalización de operadores lineales.

Matrices y Sistemas de Ecuaciones lineales

Introducción al Método de los Elementos Finitos

Interpolación. Escuela de Ingeniería Informática de Oviedo. (Dpto. de Matemáticas-UniOvi) Computación Numérica Interpolación 1 / 35

Curso de Elemento Finito con el software ALGOR

Tema 1. Espacios Vectoriales. Sistemas de ecuaciones.

Multiplicación de matrices simétricas

PAU Madrid. Matemáticas II. Año Examen de septiembre. Opción A. Ejercicio 1. Valor: 2 puntos.

Examen de Investigación Operativa (Plan 96) Febrero de er Parcial

Las matrices se denotarán usualmente por letras mayúsculas, A, B,..., y los elementos de las mismas por minúsculas, a, b,...

TEMA 4 SISTEMAS DE 2 GRADOS DE LIBERTAD. Sistemas de 2 Grados de Libertad

Factorización de rango completo y aplicaciones

ÁLGEBRA Algunas soluciones a la Práctica 4

Resolución de Sistema de Ecuaciones Lineales

Volúmenes Finitos. Yarko Niño C. y Paulo Herrera R. Departamento de Ingeniería Civil, Universidad de Chile. Semestre Primavera 2011

2.1 Descripción en espacio de estado de sistemas dinámicos

Tema 1. Espacios Vectoriales. Sistemas de ecuaciones.

ELEMENTOS DE GEOMETRÍA. Eduardo P. Serrano

Optimización de Problemas no lineales.

Algunos Tipos de matrices. Matrices. Algunos Tipos de matrices. Algunos Tipos de matrices

APÉNDICE A. Algebra matricial

Álgebra lineal Prof: Leonid Fridman

dx = x El tensor x/ X se denomina tensor gradiente de la deformación F = x

Elementos de Cálculo Numérico

CÁLCULO Primer curso de Ingeniero de Telecomunicación Segundo Examen Parcial. 11 de Junio de 2003

CURSO DE POSTGRADO. Matemáticas I. N o m b r e C u r s o. Rodrigo Assar (ICBM) ICBM, Facultad de Medicina, U-Chile U N I D A D A C A D É M I C A

Tema 1. 1 Álgebra lineal. Aurea Grané Departamento de Estadística Universidad Carlos III de Madrid. 1.1 Vectores de R n. 1. Vectores. 2.

Parte 3. Vectores y valores propios

Ejercicio 1 Sea el circuito de la siguiente figura: a) Calcula la resistencia equivalente del circuito.

Descomposición en valores singulares de una matriz

f(x, y, z, t) = (x + y t, x + 2y z 3t, 3x + 5y 2z 7t).

Teoria de Semigrupos y su estabilidad. Jaime E. Muñoz Rivera LNCC IM-UFRJ

Resolución de la ecuación de Difusión en 2-D y 3-D utilizando diferencias finitas generalizadas. Consistencia y Estabilidad.

Métodos en diferencias para problemas de contorno

Ecuaciones lineales de orden superior

Valores y Vectores Propios

Capítulo 3 El Método de los Elementos de Contorno y la Formulación Hipersingular.

Tema 11.- Autovalores y Autovectores.

Tema 1: Matrices. Sistemas de ecuaciones. Determinantes

Definición 13.1 Definimos el conjunto de los polinomios de Laguerre {L n (t)} n N 0 mediante una cualquiera de las siguientes ecuaciones:

Interp r o p la l c a ió i n seccio i nal a l (S ( pl p i l n i e) Val a o l re r s pr p e r scri r t i os N (x)

Cálculo numérico. Sistemas de ecuaciones lineales.

MATEMÁTICAS II. Práctica 3: Ecuaciones diferenciales de orden superior

Soluciones de los ejercicios del examen de Análisis Matemático Primer curso de Ingeniería Informática - Febrero de 2005

a) Como mucho puede haber 3 vectores linealmente independientes. 1 2 = 3 x = 1, y = 2 3 No tiene solución, luego no se puede.

Ejercicios de ECUACIONES DIFERENCIALES ORDINARIAS

Clase No. 13: Factorización QR MAT 251. Joaquín Peña (CIMAT) Métodos Numéricos (MAT 251) / 16

Pruebas de Acceso a enseñanzas universitarias oficiales de grado Castilla y León

Departamento de Matemáticas. ITAM Programación lineal (+ extensiones). Objetivos y panorama del c

2. Sistemas de ecuaciones lineales

Dualidad. Dpto. Ingeniería Industrial, Universidad de Chile. 22 de abril de IN3701, Optimización

FUNDAMENTOS MATEMÁTICOS (Grado en Ingeniería Informática) Práctica 8. SISTEMAS DE ECUACIONES LINEALES

Método de diferencias finitas para ecuaciones diferenciales parciales elípticas. (Parte I)

TEMA 1: ECONOMÍAS DE INTERCAMBIO October 6, 2015

Multiplicación de Matrices Naïve

Lista de problemas de álgebra, 2016

Uso de LS. Esta matriz de 3x3 simétrica y definida positiva es un tensor de difusión de hidrógeno. , con gi en R 3. i S 0 exp bgt i Dg i i

1 Repaso. Cálculo I. 1 o Matemáticas. Curso 2002/2003. Cálculo de Primitivas. (5x 6) f(x) 1 2 f (x) dx, que es inmediata: + 1 x 1

Algoritmos de Planos de Corte

Multiplicadores de Lagrange y dualidad

CAPÍTULO 1. Ecuaciones de Movimiento del Sistema

Matrices y sistemas lineales

SEL - Métodos Directos

VALORES Y VECTORES PROPIOS

Conjuntos de Vectores y Matrices Ortogonales

1. ESPACIO EUCLÍDEO. ISOMETRÍAS

Clase. 1. Resolución de sistemas de ecuaciones lineales: preliminares

ÁLGEBRA LINEAL I Práctica 5

Tema 5 Dualidad y condiciones de Karush-Kuhn-Tucker

SISTEMAS DE ECUACIONES LINEALES MÉTODO DE LA MATRIZ INVERSA

Transcripción:

El Algoritmo Round-Trip para el Operador de Elasticidad Posgrado en Ciencia e Ingeniería de la Computación. Unión Geofísica Mexicana, Octubre 2008.

Introducción Descripción La paralelización del cálculo de la solución numérica de EDPP ha propiciado el desarrollo de diversos métodos que, utilizando la idea original de Descomposición de Dominio, mejoren la calidad de la solución disminuyendo el tiempo de procesamiento y la utilización de memoria. Es decir que tengan beneficios a priori de su implementación computacional. Algunos de estos métodos son

Introducción Descripción La paralelización del cálculo de la solución numérica de EDPP ha propiciado el desarrollo de diversos métodos que, utilizando la idea original de Descomposición de Dominio, mejoren la calidad de la solución disminuyendo el tiempo de procesamiento y la utilización de memoria. Es decir que tengan beneficios a priori de su implementación computacional. Algunos de estos métodos son Los métodos de Schwarz

Introducción Descripción La paralelización del cálculo de la solución numérica de EDPP ha propiciado el desarrollo de diversos métodos que, utilizando la idea original de Descomposición de Dominio, mejoren la calidad de la solución disminuyendo el tiempo de procesamiento y la utilización de memoria. Es decir que tengan beneficios a priori de su implementación computacional. Algunos de estos métodos son Los métodos de Schwarz FETI

Introducción Descripción La paralelización del cálculo de la solución numérica de EDPP ha propiciado el desarrollo de diversos métodos que, utilizando la idea original de Descomposición de Dominio, mejoren la calidad de la solución disminuyendo el tiempo de procesamiento y la utilización de memoria. Es decir que tengan beneficios a priori de su implementación computacional. Algunos de estos métodos son Los métodos de Schwarz FETI Libres de Multiplicadores de Lagrange

Descomposición de Dominio

Descomposición de Dominio Lu = f en Ω (1) u = g en Ω (2) Sea u 0 una función inicial definida en Ω y que se anula en Ω y establecemos que û 0 := u 0. Para k 0 definimos dos secuencias i \Ω i û k+1 y û k+1 y resolvemos respectivamente 1 2 junto con Lu n 1 = f en Ω 1 (3) u n 1 = g en Ω 1 \ Γ 1 (4) u n 1 = un 1 2\Γ 1 en Γ 1 (5) Lu n 2 = f en Ω 2 (6) u n 2 = g en Ω 2 \ Γ 2 (7) u n 2 = un 1\Γ 2 en Γ 2 (8)

Complemento de Schur Dado que la matriz A se obtiene de un método de discretización podemos descomponer dicha matriz en bloques donde se identifiquen los subdominios y los nodos que estan involucrados. de esta manera el sistema de ecuaciones queda representado como A 1 ΠΠ A 2 ΠΠ A 1 Π A 2 Π..... A n ΠΠ A 1 Π A2 Π... A u Π u = f Π f

Complemento de Schur El sistema anterior se puede resolver obteniendo el complemento de Schur de forma tal que (A n i=1 Donde identificamos A (i) Π A(i) 1 ΠΠ A(i) Π )u = f S = (A como el complemento de Schur. n i=1 n i=1 A (i) Π A(i) 1 ΠΠ A(i) Π ) A (i) Π A(i) ΠΠ f (i) (9) Π

Operador de Elasticidad Sea el operador diferencial de elasticidad Dado el operador diferencial L u = f Ω (10) con condiciones L u = (λ + µ) ( u) µ u (11) u u en Ω (12)

FEM aplicado a la ecuación de Elasticidad Si w es una función en Ω tal que w existe, entonces wl u = (λ + µ)(w ( u)) µw u (13) Desarrollando e integrando por partes {(λ + µ)( w)( u) + µ w : u}dx = Ω w f Ω dx (14) Ω

Espacios Dual-Primal De manera análoga al procedimiento de incluir una frontera interior, en este desarrollo además de considerar la diferencia entre los nodos interiores y los que estan en Γ, vamos a partir los nodos que estan en esta última frontera. Cada partición esta identificada como Z i. Generamos un conjunto Ω el cual contendrá a todos los nodos(grados de libertad) una vez hecha la partición P = Z 1, Z 2,, Z n (15) Así Z i Ω y denominamos como Z al conjunto total después de dividir. Ω = Zi PZ i Distinguimos a los nodos como duales, aquellos que se dividen, y como primales aquellos que no se dividen. De manera concreta, los primales tienen cardinalidad uno y los duales cardinalidad mayor a uno.

Descomposición de Dominio

Proyecciones Definimos a : D( Ω) D( Ω) (16) a es la proyección en D( Ω) Dado u D( Ω) su proyección au D( Ω) es tal que u v = (au) v (17) Definimos j : D( Ω) D( Ω) (18) donde u = au + ju por lo que a + j = I (19) j es el complemento ortogonal del espacio de las continuas denotado como D( Ω).

Fórmulas Green-Herrera para Matrices Introducimos la siguiente igualdad A = L + R tal que Aplicando (19) L = [ ] [ ] AΠΠ A Π 0 0 R = 0 0 A Π A (20) R = ar + jr (21) podemos decir que L + ar + jr = L T + R T a + R T j (22) asumiendo que son simétricos. Así reordenando L + ar R T j = L T + R T a jr (23) tendrá una equivalencia con la formulación introducida por Herrera para EDP.

Fórmulas Green-Herrera para Matrices Ahora introducimos una formulación del problema usando el enfoque anterior, Encontrar una u D( Ω) que satisfaga Si utilizamos funciones armónicas, es decir (L + ar R T j)u = f (24) Lu = 0 La formulación (24) puede ser reescrita como (ar R T j)u = f 2 (25)

Algoritmos Round-Trip Algoritmo Neumann-Neumann Encontrar una u D 12 ( ) tal que as 1 asu = as 1 f 1 (26) Algoritmo FETI precondicionado Encontrar una u D 22 ( ) tal que S 1 jsju FT = S 1 jsjs 1 f 1 (27)

El caso del Laplaciano Dominios Flotantes Revisamos la forma de proceder en caso de que la matriz A no sea positiva definida y en consecuencia el complemento de Schur,S, tampoco lo sea. Un subdominio sin las condiciones de frontera suficientes para prevenir que S i sea singular es llamado un subdominio flotante. Para solucionar esta situación se propone la matriz con columnas linealmente independientes I C que genera el nulo de S denotado S como N S.

Problemas mal planteados Mientras que el espacio nulo de un problema elíptico escalar consiste de constantes, para el problema de elasticidad se tiene un espacio nulo de seis dimensiones conformado los modos rígidos de un cuerpo. El espacio de los modos rígidos de un cuerpo esta generado por tres traslaciones y tres rotaciones 1 0 0 r 1 = 0 ; r 2 = 1 ; r 3 = 0 0 0 1 0 x 3 x 2 r 4 = x 3 ; r 5 = 0 ; r 6 = x 1 x 2 x 1 0

Problemas mal planteados Los modos rígidos de un cuerpo son funciones lineales y estan contenidas en el espacio polinomial. Una consecuencia de lo anterior es que el espacio nulo de la matriz A (i) de cualquier subdominio flotante Ω i es el mismo. De manera similar, dado que los modos rígidos de un cuerpo no tienen energía elástica, el complemento de Schur S de cualquier subdominio tiene el mismo espacio nulo. Así, para construir un algoritmo de Descomposición de Dominio debemos incluir completamente el espacio nulo del operador.

El caso no positivo definido Operador Positivo Definido D w 11 jn S (28) Definimos los operadores I = a w + j w (29) Construimos la matriz M = S + j w (30)

El caso no positivo definido La inversa de M Para cualquier u N S definimos a k w como la inversa de I C, esto es S que satisface I C S k w u = u (31) Mientras que para cualquier u D( ) este operador k w se define k w u k w I C S u (32) El operador k w esta definido de manera única cuando se aplica en el espacio N S ya que I C S u N S

El caso no positivo definido Para u D( ) se tiene que I C k w u = I C u (33) S S Si asumimos que v = M 1 u. Entonces Sv + j w v = u (34) Si aplicamos I C S a la ecuación (34) obtenemos I C S Sv + jw v = I C S u = IC S k w u (35)

El caso no positivo definido Dado que j w v D w 11 ( ) y k w v D w ( ) deducimos que 11 j w v = k w u (36) Si consideramos que el operador I C es uno a uno y sustituyendo en S (34) tenemos Sv + k w u = u (37) La aplicación de I R genera S Sv = I R (u k w u) (38) S Lo anterior es equivalente a (S + I C )v = S IR(u k w u) (39) S

Conclusiones El enfoque de un método de descomposición de dominio libre de multiplicadores de Lagrange disminuye el número de grados de libertad. Para elasticidad esto es significativo dado que las funciones son valuadas vectorialmente. El precondicionamiento de las matrices es más sencillo. Además de que con esta formulación se pueden obtener métodos equivalentes a los más representativos de la literatura actual.

Fin de la presentación Muchas Gracias