Métodos iterativos eficientes para problemas de convección-difusión transitorios

Diversos procesos naturales e industriales de interés medioambiental se modelan a través de la ecuación de convección-difusión-reacción transitoria. Dos aplicaciones tecnológicas que han motivado esta tesis son el funcionamiento de filtros de carbón activo y la dispersión de contaminantes en la atmósfera. Para que la modelización numérica de estos problemas sea eficaz es indispensable contar con un solver lineal eficiente para resolver los sistemas de ecuaciones obtenidos al discretizar la ecuación en derivadas parciales, mediante elementos finitos.<br/>Por ello, el objetivo de esta tesis es resolver de forma eficiente los grandes sistemas de ecuaciones, simétricos definidos positivos (SDP), tipo sparse asociados a los problemas de convección-difusión transitorios. Con este fin se estudian los precondicionadores tanto explícitos como implícitos, así como los métodos de descomposición de dominios (DD). La tesis se estructura en tres partes. En la primera se elabora un análisis computacional detallado del comportamiento de dos familias de factorizaciones incompletas de Cholesky (FIC): de memoria prescrita y de umbral. Estas técnicas se utilizan para precondicionar el método iterativo de gradientes conjugados (PCG). En la segunda parte se construye una inversa aproximada sparse simétrica (SSPAI) basada en la minimización en la norma de Frobenius. El precondicionador explícito se diseña para resolver en paralelo grandes sistemas de ecuaciones sparse, SDP, tridiagonales por bloques con múltiples lados derechos. <br/>Finalmente, se desarrolla el método multiplicativo de Schwarz (MSM) en dominios activos, es decir, DD solapados con la innovación de activar y desactivar dominios. Se estudia el comportamiento de esta estrategia al resolver los subproblemas mediante: (1) el método directo de Cholesky y (2) PCG + FIC de umbral.<br/>De los resultados numéricos presentados se concluye que es preferible utilizar el método directo de Cholesky para sistemas con menos de 30,000 variables. Para sistemas mayores y hasta 80,000 incógnitas se sugiere emplear una FIC de umbral. Y para sistemas aún más grandes, el MSM en dominios activos + PCG + FIC de umbral propuesto es el más eficiente usando un solo procesador. Por su parte, la SSPAI presentada podría superar a las FIC de umbral si se trabaja en paralelo. Many natural and industrial processes of environmental interest are modeled through the transient convection-diffusion-reaction equation. Two technological applications that have motivated this thesis are the operation of activated-carbon filters and the dispersion of pollutants in the atmosphere. In order to ensure the effectiveness of numerical modeling of these problems it is necessary to have an efficient linear solver to solve the systems obtained when discretizing the partial differential equation by means of the finite element method.<br/>For that reason, the goal of this thesis is to solve in an efficient way the large sparse symmetric positive definite (SPD) systems of linear equations associated to the transient convection-diffusion problems. With this purpose, we have studied the explicit and implicit preconditioners, as well as domain decomposition (DD) methods.<br/>The thesis is structured in three parts. In the first one we have elaborated a detailed analysis of the numerical performance of two families of incomplete Cholesky factorizations (ICF): drop tolerance and prescribed-memory strategies. These techniques are used to precondition conjugate gradient iterations (PCG). In the second part a symmetric sparse approximate inverse (SSPAI) based on the minimization of the Frobenius norm is built. The explicit preconditioner is designed to solve in parallel large block tridiagonal SPD systems with multiple right hand sides.<br/>Finally, the multiplicative Schwarz method (MSM) in active domains is developed, which consists of overlapped domain decomposition with the innovation to activate and to deactivate domains. The behavior of this strategy is studied when solving the subproblems by means of: (1) the Cholesky direct solver and (2) PCG + drop-tolerance ICF. <br/>According to our numerical experiments we conclude that it is preferable to use the Cholesky direct solver for systems with less than 30,000 variables. For larger systems and up to 80,000 equations we suggest to use a drop tolerance ICF. And for even lager systems, the proposed MSM in active domains is the most efficient when using a single processor. On the other hand, the presented SSPAI could overcome the drop-tolerance ICF if one works in parallel.