Electromagnetismo computacional

Simulación numérica de campos electromagnéticos mediante discretización, convergencia y control del error.

Contexto conceptual

El electromagnetismo computacional convierte un problema continuo de campos en una representación discreta que puede resolver un ordenador. El dominio se divide en celdas, el $V$ se aproxima en nodos y el $E_x$ se recupera a partir de diferencias entre valores vecinos. La elección del $h$ no es un detalle gráfico: determina qué estructuras espaciales pueden resolverse y cuánto se aleja el $E_num$ del $E_ref$. Una malla gruesa puede borrar gradientes intensos; una malla demasiado fina puede elevar el coste sin mejorar el resultado si dominan otros errores. El objetivo central es reconocer cuándo la disminución del $\epsilon _E$ sigue la convergencia esperada y cuándo deja de hacerlo.

🟢 Nivel esencial

Una simulación electromagnética reemplaza el espacio continuo por una red de puntos. El $h$ indica la separación característica entre esos puntos.

Cuando se reduce, la representación puede seguir mejor las variaciones del $V$ y del $E_x$, sobre todo cerca de bordes, electrodos o cambios de material. Por ello, el $\epsilon _E$ suele disminuir al refinar la malla. Sin embargo, la mejora no es automática: depende de que el método sea estable, las condiciones de contorno sean correctas y el $E_ref$ sea suficientemente fiable. El $E_num$ también puede quedar limitado por errores de redondeo, tolerancias del solucionador o singularidades geométricas. La idea clave es comparar varias mallas, no confiar en una sola ejecución. Una tendencia ordenada del error revela convergencia; una tendencia irregular advierte que otro mecanismo está dominando. El refinamiento de malla es, por tanto, un experimento realizado sobre el propio modelo numérico, no solo una petición de más píxeles.

Esta disciplina experimental distingue una simulación creíble de una imagen bonita: solo una secuencia de mallas comparadas bajo las mismas condiciones puede demostrar que el error decrece por la razón correcta, y no por casualidad numérica.

🔵 Nivel formal

Fórmulas básicas

La electrostática bidimensional parte de la relación entre $V$, $\rho$ y $\epsilon$. En una malla rectangular, la ecuación continua se sustituye por diferencias centrales usando $\Delta x$ y $\Delta y$:

Poisson discretizada en dos dimensiones

Después, el $E_x$ se obtiene como gradiente negativo discreto del $V$:

Campo eléctrico desde el potencial

Al despejar esta relación para el potencial, $V_C$ y $V_E$ representan los mismos potenciales nodales que $V$ evaluado en el nodo central y en el nodo vecino situado al este, respectivamente.

La discrepancia entre $E_num$ y $E_ref$ se cuantifica mediante:

Error relativo del campo eléctrico

Invertir esta relación para el campo numérico da $E_num$, el mismo $E_num$ recuperado a partir de un error relativo objetivo.

Preguntas reales del alumno

¿Una malla más fina siempre es mejor? Mejora la resolución espacial, pero puede ser innecesaria si dominan otros errores o si el modelo físico es incorrecto.

¿Por qué el campo converge peor que el potencial? Porque $E_x$ se obtiene derivando $V$, y la derivación amplifica variaciones locales y ruido numérico.

¿Qué referencia debo usar? Una solución analítica, una medición fiable o una simulación mucho más refinada cuyo error se haya estudiado.

¿Puede ser pequeño el error y estar mal la simulación? Sí. El $\epsilon _E$ compara dos resultados; no valida por sí solo condiciones de contorno, materiales ni ecuaciones.

¿Por qué explota una simulación FDTD? Una causa típica es elegir $\Delta t$ demasiado grande para $\Delta x$, $\Delta y$ y $c_m$.

Síntesis final

El $h$ controla cuánto detalle espacial conserva la simulación. En un esquema regular de segundo orden, el $\epsilon _E$ disminuye de forma predecible al refinar, hasta que otros errores dominan. La confianza nace del estudio de convergencia, la coherencia física y la estabilidad, no de una única ejecución.