Modelado y discretización

Explica cómo transformar un sistema físico continuo en un modelo discreto computable y verificable.

Contexto conceptual

La física describe sistemas continuos mediante campos, geometrías y leyes que contienen infinitos puntos. Un ordenador, en cambio, solo puede almacenar una cantidad finita de datos. Modelar significa decidir qué fenómenos, variables y escalas son esenciales. Discretizar significa sustituir el continuo por nodos, celdas, elementos y pasos temporales. $h$ controla la resolución, $N$ y $N_dof$ determinan el tamaño algebraico, $E_h$ mide la pérdida de fidelidad y $Co$ enlaza resolución espacial y temporal. La representación es útil cuando conserva el comportamiento relevante sin exigir un coste imposible.

🟢 Nivel esencial

Un modelo computacional no copia la realidad punto por punto. Selecciona variables, hipótesis y fronteras, y después divide el dominio en piezas manejables.

$h$ indica el tamaño de esas piezas. Si disminuye, suelen aumentar $N$, nodos y grados de libertad, por lo que también crecen memoria y tiempo de cálculo. La ventaja es que $E_h$ puede reducirse y se representan mejor gradientes, ondas o capas finas. Sin embargo, una malla más fina no corrige un modelo físico equivocado. Además, en problemas dependientes del tiempo, reducir el tamaño espacial puede obligar a disminuir $\Delta_{t}$ para conservar la estabilidad. La discretización correcta equilibra detalle, estabilidad, coste y fidelidad física. También exige comprobar que las magnitudes de interés cambian poco al refinar y que los balances físicos permanecen coherentes.

Un mismo dominio puede discretizarse de formas muy distintas según qué escala se considere relevante: resolver bien una capa límite delgada exige un $h$ mucho menor que el necesario para el resto del dominio, incluso si la geometría global es sencilla.

🔵 Nivel formal

Fórmulas básicas

En una malla unidimensional uniforme, el número de celdas se estima dividiendo la $L$ entre el tamaño de celda elegido:

Número de celdas en una discretización unidimensional

El tamaño algebraico del problema se aproxima mediante:

Estimación de grados de libertad

El error de representación sigue, en régimen asintótico:

Error de discretización de orden p

Aquí $p$ describe la rapidez de reducción y $C$ reúne método, geometría, regularidad y norma.

Preguntas reales del alumno

¿Más celdas siempre significa mejor resultado? No. Solo si resuelven escalas relevantes y el modelo es correcto.

¿Nodos y grados de libertad son lo mismo? No. Los grados dependen de variables y restricciones.

¿Por qué una malla fina puede ser inestable? Porque el paso temporal puede dejar de ser compatible con el tamaño espacial.

¿Cuándo debo parar de refinar? Cuando el error objetivo se cumple y otra fuente comienza a dominar.

¿Una malla adaptativa es siempre mejor? Es útil si el indicador de refinamiento identifica correctamente las regiones importantes.

Síntesis final

Modelar decide qué física conservar. Discretizar decide cómo representarla con recursos finitos. Una solución fiable equilibra resolución, error, estabilidad y coste sin confundir detalle numérico con verdad física.