Está en la página 1de 100

UNIVERSIDAD DE EL SALVADOR

TICA
FACULTAD DE CIENCIAS NATURALES Y MATEMA
TICA
ESCUELA DE MATEMA

PERFIL DEL PROYECTO DE SEMINARIO TITULADO:

METODOS
NUMERICOS
PARA ECUACIONES
DIFERENCIALES PARCIALES

Estudiante:

Willian Armando Miranda Tobar. Carne: MT09001

Asesor :

MSc. Carlos Ernesto Gamez Rodrguez.

Co-asesor :

Dr. Simon Alfredo Pena Aguilar.

Ciudad Universitaria, Ciclo II - 2013.

INDICE

Indice
1. Introducci
on

2. Bosquejo Hist
orico

3. Objetivo General

10

4. Objetivos Especficos

10

5. Preliminares

11

5.1. Acerca de la ecuaciones diferenciales parciales. . . . . . . . . . . . . . . . . . . .

11

5.1.1. Que es una ecuacion diferencial parcial? . . . . . . . . . . . . . . . . . .

11

5.1.2. Las tres ecuaciones diferenciales parciales basicas. . . . . . . . . . . . . .

14

5.2. Aproximando las derivadas. . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

17

5.2.1. Formula para la primera derivada va series de taylor. . . . . . . . . . . .

17

5.2.2. Formulas para la segunda derivada a traves de series de taylor . . . . . .

18

5.3. El metodo de diferencias finitas. . . . . . . . . . . . . . . . . . . . . . . . . . . .

19

5.3.1. La notacion big o . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

19

5.3.2. El uso de 4f (x) /h para aproximar f 0 (x) . . . . . . . . . . . . . . . . .

21

5.3.3. La aproximacion de O (h2 ) para f 0 (x)

. . . . . . . . . . . . . . . . . . .

21

5.4. Desarrollos de fourier . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

22

5.5. Definiciones del algebra lineal . . . . . . . . . . . . . . . . . . . . . . . . . . . .

23

5.5.1. Sistemas tridiagonales y banda . . . . . . . . . . . . . . . . . . . . . . .

23

5.5.2. Sistemas tridiagonales . . . . . . . . . . . . . . . . . . . . . . . . . . . .

24

5.6. Condiciones iniciales y condiciones de frontera.

. . . . . . . . . . . . . . . . . .

27

5.6.1. Condiciones iniciales: posicion, velocidad y temperatura. . . . . . . . . .

27

5.6.2. Condiciones de frontera: dirichlet (valor fijo) y neumann (flujo fijo). . . .

27

5.6.3. Algunas leyes de conservacion para la ecuacion de calor . . . . . . . . . .

28

5.6.4. Linealidad: superposicion y homogeneizacion. . . . . . . . . . . . . . . .

29

5.6.5. Separacion de variables en la ecuacion del calor 1d. . . . . . . . . . . . .

30

6. Problemas parab
olicos
6.1. La ecuacion del calor 1D.

33
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

6.2. Problema Modelo de la ecuacion de Calor

. . . . . . . . . . . . . . . . . . . . .

33
35

INDICE

6.3. Metodo de diferencias finitas. . . . . . . . . . . . . . . . . . . . . . . . . . . . .

36

6.4. Pseudocodigo para el metodo explicito . . . . . . . . . . . . . . . . . . . . . . .

37

6.5. Metodo de Crank-Nicolson . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

39

6.6. Version alternativa del metodo de crank . . . . . . . . . . . . . . . . . . . . . .

42

6.7. Estabilidad . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

43

7. Ecuaciones hiperb
olicas

43

7.1. La ecuacion de onda 1D . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

43

7.1.1. Sistemas de ecuaciones hiperbolicos . . . . . . . . . . . . . . . . . . . . .

44

7.1.2. Diferencias finitas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

45

7.1.3. Consistencia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

46

7.1.4. Error global y convergencia . . . . . . . . . . . . . . . . . . . . . . . . .

48

7.1.5. Estabilidad . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

50

7.1.6. Convergencia. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

51

7.2. Problema modelo de la ecuacion de onda . . . . . . . . . . . . . . . . . . . . . .

51

7.2.1. Solucion analtica

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

52

7.2.2. Solucion numerica

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

53

7.2.3. Pseudocodigo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

55

7.3. Ecuacion de adveccion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

56

8. Soluci
on Num
erica a Ecuaciones Diferenciales Parciales

60

8.1. Problemas de valores de frontera para EDPs elpticas de segundo orden . . . . .

60

8.2. La discretizacion de 5 puntos del laplaciano . . . . . . . . . . . . . . . . . . . .

62

8.2.1. Analisis va el principio del maximo. . . . . . . . . . . . . . . . . . . . .

66

8.2.2. Analisis de fourier. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

67

8.2.3. Analisis va un estimador de energia . . . . . . . . . . . . . . . . . . . .

69

8.2.4. Fronteras curvadas. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

71

8.3. El metodo de Elemetos Finitos

. . . . . . . . . . . . . . . . . . . . . . . . . . .

73

8.3.1. La formulacion debil del problema de Dirichlet. . . . . . . . . . . . . . .

73

8.3.2. Metodo de Galerkin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

76

8.3.3. Un metodo de elementos finitos simple.

. . . . . . . . . . . . . . . . . .

78

8.3.4. Aplicacion a problemas mas generales. . . . . . . . . . . . . . . . . . . .

80

INDICE

9. Problemas Elpticos

86

9.1. Metodo de diferencias finitas . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

87

9.2. Metodo Iterativo de Gauss Seidel . . . . . . . . . . . . . . . . . . . . . . . . . .

91

9.3. Ejemplo Numerico y Pseudocodigo . . . . . . . . . . . . . . . . . . . . . . . . .

92

9.4. Metodos de Elementos Finitos

94

10.Referencias Bibliogr
aficas

. . . . . . . . . . . . . . . . . . . . . . . . . . .

100


1 INTRODUCCION

1.

Introducci
on

Las ecuaciones diferenciales son modelos matematicos que estudian problemas que surgen en disciplinas muy diversas. Desde sus comienzos han contribuido de manera muy notable a solucionar
muchos problemas y a interpretar numerosos fenomenos de la naturaleza. Su origen historico es
inherente de sus aplicaciones a las ciencias naturales e ingeniera, ya que para resolver muchos
problemas significativos se requiere la determinacion de una funcion que debe satisfacer una
ecuacion en la que aparece su derivada.
Muchos fenomenos fsicos pueden ser modelados matematicamente por las ecuaciones diferenciales. Cuando la funcion que esta siendo estudiada involucra dos o mas variables independientes,
la ecuacion diferencial es por lo general una ecuacion diferencial parcial. Dado que las funciones
de varias variables son intrnsecamente mas complicadas que las de una variable, las ecuaciones
diferenciales parciales puede llevar a algunos de los mas difciles problemas, pues la solucion
analtica puede no existir, es ah cuando se utilizan diversos metodos numericos.
El presente trabajo pretende ser una introduccion al extenso tema de metodos numericos para
ecuaciones diferenciales parciales. Estara dividido preliminarmente en 4 captulos. En el capitulo
1 se espera dar la teora basica necesaria para iniciar nuestro estudio, se explicara el concepto
de ecuacion diferencial parcial y una clasificacion de estas y en el capitulo 2 se explicaran
algunos metodos numericos para la solucion de un problema modelo de la ecuacion de calor.
En los siguientes captulos se explicaran estos mismos metodos aplicados a otras ecuaciones
importantes.
El trabajo se centrara en saber aplicar estos metodos a ecuaciones de tipo hiperbolico (problemas
que refieren fenomenos oscilatorios: vibraciones de cuerda, membranas, oscilaciones electromagneticas), ecuaciones de tipo parabolico (problemas que se presentan al estudiar los procesos de
o conductibilidad termica y difusion), ecuaciones de tipo elptico (problemas que aparecen al
estudiar procesos estacionarios, o sea que no cambian con el tiempo).
Las ecuaciones diferenciales parciales, se clasifican en lineales si la variable dependiente y todas
sus derivadas aparecen elevadas a la primera potencia. Sea u (x, y) una funcion de dos variables
independientes, tenemos la forma general de una ecuacion diferencial parcial de segundo grado
A

2u
2u
u
u
2u
+
B
+
C
+D
+E
+ Fu = 0
2
2
x
xy
y
x
y

Y algunas de las ecuaciones en las cuales centraremos nuestra atencion en nuestro estudio son:
la ecuacion de calor unidimensional
u
2u
= 2
t
x


1 INTRODUCCION

la ecuacion de onda:

2
2u
2 u
=
a
t2
x2
y la ecuacion de Laplace en dos dimensiones:

2u 2u
+
=0
x2 y 2
Las cuales se pueden resolver por metodos analticos o numericos, entre los primeros se encuentra
la separacion de variables donde se plantea una solucion del tipo u (x, t) = X (x) T (t), de manera
que la EDP de segundo orden se transforma en dos EDOs.


2 BOSQUEJO HISTORICO

2.

Bosquejo Hist
orico

El analisis ha sido durante trescientos a


nos una de las ramas mas importantes de la matematica,
y las ecuaciones diferenciales constituyen la parte central del analisis, ademas es la que mejor
permite comprender las ciencias fsicas y la tecnica. Las cuestiones que plantean proporcionan
una fuente de teora e ideas que permiten avanzar al pensamiento.
En la historia de las ecuaciones diferenciales se pueden considerar varias etapas, donde cada una
de ellas marca un avance definitivo. Una primera etapa comienza desde los inicios hasta 1,820
cuando Cauchy publica su teorema de existencia, que da inicio a la segunda etapa. La tercera
comienza en 1,870 con M. S. Lie (1,842-1,899) y la aplicacion de la teora de grupos continuos
a las ecuaciones diferenciales, particularmente aquellos de la dinamica de Hamilton-Jacobi. La
cuarta comienza en 1,880 con el trabajo de E. Picard (1,856-1,941) y su teorema de existencia. La
construccion de las ecuaciones diferenciales es analoga a la teora de las ecuaciones algebraicas
de Galois. La u
ltima etapa comienza en 1,930 donde el analisis se hace mas general. Ya E. H.
Moore en 1,908 estudia ecuaciones con un n
umero infinito numerable de variables; ahora se
estudiaran ecuaciones diferenciales de dimension infinita, y comienza el calculo de variaciones y
el analisis funcional.
Quiza se podra situar la primera idea sobre ecuacion diferencial hacia finales del siglo XVI
y principios del siglo XVII en los trabajos realizados por John Napier (1,550-1,617) cuando
invento los logaritmos. Vistas las tablas confeccionadas por el, si se utilizara el simbolismo
moderno del calculo infinitesimal, se podran considerar como la resolucion numerica de una
ecuacion diferencial.
Las ecuaciones diferenciales encontraran un gran n
umero de aplicaciones durante la segunda
mitad del siglo XVIII. Su estudio llego a ser una de las disciplinas matematicas mas importantes
debido a su utilizacion como herramienta fundamental en el campo cientfico y por la gran
cantidad de problemas practicos que con ellas se podan resolver. Los matematicos mas famosos
del siglo XVIII contribuyeron enormemente al desarrollo de las ecuaciones diferenciales. Se
pueden citar de una manera especial por la importancia de sus trabajos en este campo a Euler
(1,707-1,783), Clairaut (1,713-1,765), DAlembert (1,717-1,783), Daniel Bernoulli (1,700-1,782),
Lagrange (1,736-1,813) y Laplace (1,749-1,827). Se estudiaron los distintos tipos de ecuaciones
diferenciales integrables por cuadraturas, se elaboraron los primeros procesos de aproximacion
y se introdujeron conceptos fundamentales dentro de la teora como los de solucion singular y
solucion general de una ecuacion diferencial. Se estudiaron algunos tipos de ecuaciones de orden
superior y se elaboraron los cimientos para una teora geometrica de las ecuaciones en derivadas
parciales.


2 BOSQUEJO HISTORICO

La b
usqueda de soluciones aproximadas a problemas matematicos en general, es un proceso
antiguo. Se puede citar como ejemplo los polinomios de Taylor que aproximan a una funcion
o los polinomios interpoladores obtenidos por Newton y Lagrange para ajustar una funcion
polinomica a una tabla de n valores, o el metodo de Newton para hallar una solucion aproximada
de una ecuacion, o por u
ltimo, el metodo de Euler para el calculo de una solucion aproximada
de una ecuacion diferencial.
El primer estudio riguroso de la teora matematica encerrada en la resolucion numerica de
ecuaciones diferenciales se debe a Germund Dahlquist, matematico sueco (1,925-2,005) que
escribio su tesis en el a
no 1,956, siendo publicada en 1,959. Es el primero en escribir una teora
que explique conceptos como estabilidad o el orden alcanzable.

3 OBJETIVO GENERAL

3.

10

Objetivo General

Estudiar e implementar diferentes metodos numericos para resolver ecuaciones


diferenciales parciales tomando en cuenta los aspectos teoricos sobre estabilidad,
convergencia entre otros aspectos del analisis matematico.

4.

Objetivos Especficos

Explicar algunos de los metodos mas usados para resolver ecuaciones diferenciales parciales
de manera numerica.
Dar la teora basica necesaria para un estudio detallado del tema que nos ocupa.
Aplicar los metodos estudiados para resolver problemas parabolicos, mostrando la solucion
analtica y la solucion numerica a la ecuacion de calor.
Aplicar los metodos estudiados para resolver problemas hiperbolicos, mostrando la solucion
analtica y la solucion numerica a la ecuacion de onda.
Proveer los codigos de implementacion de los metodos estudiados en GNU Octave y MATLAB.
Visualizar graficamente las soluciones a las ecuaciones diferenciales parciales estudiadas.

5 PRELIMINARES

5.

11

Preliminares

5.1.

Acerca de la ecuaciones diferenciales parciales.

5.1.1.

Qu
e es una ecuaci
on diferencial parcial?

Una ecuacion en derivadas parciales (EDP) de orden n N es una ecuacion en la que aparece
una funcion desconocida que depende (al menos) de dos variables reales, junto a algunas de sus
derivadas parciales hasta orden n. Cuando la funcion incognita solo depende de una variable
real, se trata de una ecuacion diferencial ordinaria (EDO) de orden n.
Se dice que una EDP es lineal si es lineal respecto de la funcion desconocida y de todas sus
derivadas parciales. En otro caso, se dice que es no lineal.
Dada una funcion u(x, y), es habitual utilizar la siguiente notacion abreviada para designar sus
derivadas parciales
u
(x, y) = ux (x, y)
x

u
(x, y) = uy (x, y)
y
2u
(x, y) = uyx (x, y)
yx

2u
(x, y) = uxx (x, y)
x2

2u
(x, y) = uxy (x, y)
xy

2u
(x, y) = uyy (x, y) ...
y 2

A partir de ahora, supondremos que las funciones que manejamos son suficientemente regulares
de forma que todas las derivadas parciales que aparecen estan bien definidas y sean continuas.
Por otra parte, si la funcion u es de clase C en un cierto dominio (existen todas las derivadas
parciales o hasta orden 2 de dicha funcion y son continuas en el dominio), se sabe que uyx (x, y) =
uxy (x, y), gracias al Teorema de Schwarz (igualdad de las derivadas cruzadas). Por ello, en las
EDP de segundo orden solo aparecera uxy (y no uyx (x, y)). En general, es irrelevante el orden
en el cual se aplican k (o menos) derivadas parciales a una funcion de clase C k en un cierto
dominio.
Definici
on (Ecuacion diferencial en derivadas parciales) Se llama ecuacion diferencial en
derivadas parciales a la ecuacion de la forma:


u u
u
mu
F x1 , x2 , ..., xn , u,
,
, ...,
, ..., k1
=0
(5.1)
x1 x2
xn
x1 k2 x2 ... kn xn
que relaciona las variables independientes xi i = 1, 2, ..., n , la funcion que se busca y sus
derivadas parciales. Se cumple que ki i = 1, 2, ..., n son enteros no negativos tales que k1 + k2 +
... + kn = m.
Definici
on (Orden) Se llama orden de una EDP, el orden superior de las derivadas parciales
que figuran en la ecuacion.

5 PRELIMINARES

12

As, por ejemplo si x, y son variables independientes, u = u(x, y) es la funcion buscada, entonces:
a) yux xuy = 0
b) uxx uyy = 0

es una EDP de 1er orden


es una EDP de 2do orden

Definici
on (Solucion) Sea la EDP definida en (6.1) de orden m, se llama solucion de dicha
EDP en cierta region D de variacion de las xi , i = 1, 2, , n a una funcion cualquiera u =
u(x1 , x2 , ..., xn ) C m (D) (conjunto de funciones continuas en la region D junto con todas las
derivadas de hasta orden m inclusive), tal que al sustituir u, y sus derivadas en (6.1) la ultima
se convierte en la identidad respecto a xi , i = 1, 2, , n en la region D.

Algunas ecuaciones diferenciales parciales de problemas aplicados:


A continuacion se listan algunas de las ecuaciones diferenciales parciales mas importantes y los
fenomenos fsicos que gobierna:
La ecuacion de onda en tres variables (x, y, z) y tiempo t es
2u 2u 2u
2u
=
+
+
t2
x2 y 2 z 2
la funcion u representa el desplazamiento en el tiempo t de una partcula cuya posicion de reposo
en (x, y, z). Con las condiciones de frontera apropiadas, esta ecuacion gobierna las vibraciones
de un cuerpo elastico tridimensional.
La ecuacion de calor es

u
2u 2u 2u
=
+
+
t
x2 y 2 z 2

la funcion u representa la temperatura en el tiempo t en un cuerpo fsico en el punto que tiene


de coordenadas (x, y, z).
La ecuacion de laplace es
2u 2u 2u
+
+
=0
x2 y 2 z 2
gobierna la distribucion del estado estacionario de la temperatura en un cuerpo o la distribucion
del estado estacionario da la carga electrica en un cuerpo. La ecuacion de Laplace tambien
gobierna el potencial electrico, gravitacional y magnetico y el potencial de velocidad de flujos
de irrotacionales de fluidos incompresibles.
La ecuacion biarmonica es

4u
4u
4u
+
2
+
=0
x4
x2 y 2 y 4

se produce en el estudio de la tension elastica y de su solucion se puede conocer la tension


normal para un cuerpo elastico.

5 PRELIMINARES

13

Las ecuaciones de Navier-stokes son


u
u p
2u 2u
u
+u
+u
+
=
+
t
x
y x
x2 y 2
u
u
u p
2v 2v
+u
+u
+
=
+
t
x
y y
x2 y 2
donde u y v son componentes del vector velocidad en un flujo de fluido. La funcion p es la
presion, y el fluido se asume que es incompresible pero viscoso.
En tres dimensiones, los siguientes operadores son u
tiles al escribir muchas ecuaciones diferenciales parciales estandar

+
+
x y z
2
2
2
+
+
=
x2 y 2 z 2

=
2

laplaciano

Por ejemplo, tenemos


1 u
k t
u
Ecuacion de difusion
t
1 2u
Ecuacion de onda
v 2 t2
Ecuacion de laplace 2 u
Ecuacion de calor

= 2 u
= (du) +
= 2 u
= 0

Ecuacion de poisson 2 u = 4
Ecuacion de helmhotz 2 u = k 2 u
La Ecuacion de Difusion con difusion contante d tiene la misma estructura que la ecuacion de
calor por que la transferencia de calor es un proceso de difusion.
Ejemplos adicionales de la mecanica cuantica, electromagnetismo, hidrodinamica, elasticidad,
y otros podran tambien ser dados, pero los cinco ecuaciones diferenciales parciales mostradas
ya exhiben una gran diversidad. Las ecuaciones de Navier-Stokes, en particular, ilustran un
problema complicado: un par de ecuaciones diferenciales parciales no lineales, simultaneas.
Para encontrar una u
nica solucion a una ecuacion diferencial parcial, las condiciones iniciales
deben ser impuestas a la funcion solucion. Por lo general, estas condiciones se dan en forma
de valores de frontera que se prescriben en todo o en parte del permetro de la zona en la que
se busca la solucion. La naturaleza de la frontera y los valores de frontera son por lo general
factores determinantes en la creacion de un esquema numerico apropiado para la obtencion de
la solucion aproximada.

5 PRELIMINARES

5.1.2.

14

Las tres ecuaciones diferenciales parciales b


asicas.

Las tres ecuaciones diferenciales parciales basicas son: ondas, calor y Laplace/Poisson. Todas
las EDPs que estudiaremos a provienen de modelos fsicos: la vibracion vertical de las cuerdas
de una guitarra o la membrana de un tambor; la evolucion de la temperatura en piezas 1D, 2D
o 3D; los equilibrios elasticos y termicos de los problemas anteriores, etc. Esto proporciona una
valiosa intuicion del comportamiento que deben tener las soluciones de las EDPs consideradas
y podremos interpretar fsicamente los resultados obtenidos.
Podemos proponer una clasificacion de las EDPs de segundo orden de dos o variables independientes:
Definici
on: Sea la EDP de segundo orden
A (x, y)

2 u (x, y)
2 u (x, y)
u (x, y)
2 u (x, y)
+
2B
(x,
y)
+
C
(x,
y)
+ a (x, y)
+
2
2
x
xy
y
x
b (x, y)

u (x, y)
+ c (x, y) u (x, y) = f (x, y)
y

en cierta region R2 . Se dice:


1. Hiperbolica en si 4 = B 2 AC > 0 en .
2.Parabolica en si 4 = B 2 AC = 0 en .
3.Elptica en si 4 = B 2 AC < 0 en .

Matlab incluye una caja de herramientas para ecuaciones en derivadas parciales (PDE Toolbox)
que contiene muchos comandos para tareas como la que describe el dominio de una ecuacion, la
generacion de mallas, el calculo de soluciones numericas, y la grafica.
En Matlab, el comando pdetool invoca una interfaz grafica de usuario (GUI), que es un entorno
grafico independiente para la resolucion de ecuaciones diferenciales parciales. Uno dibuja el
dominio e indica el lmite, rellena los men
us con el problema y las especificaciones de frontera,
y selecciona los botones para resolver el problema y la trama de los resultados.
Aunque esta interfaz puede proporcionar un entorno de trabajo comodo, hay situaciones en las
que se necesitan funciones de lnea de comandos para la flexibilidad adicional.
Por ejemplo, este software puede manejar las EDP de los siguientes tipos:
u
(cu) + au = f Parabolica
t
2u
b 2 (cu) + au = f Hiperbolica
t
(cu) + au = f Eliptica
b

5 PRELIMINARES

15

para x y y en dos dimensiones con dominio .

La ecuaci
on del calor en 1D.
Consideramos la evolucion de la temperatura en una barra homogenea de longitud L sin focos
ni sumideros de calor internos. Notamos por u(x, t) la temperatura del punto x [0, L] en el
instante t 0. Tambien podemos considerar una barra de longitud infinita, en cuyo caso x R.
La EDP que modela la evolucion de la temperatura es
ut = k 2 uxx , t (0, L) , t > 0
El parametro k 2 = /c > 0 depende de la conductividad termica , la densidad y el calor
especfico c del material que conforma la barra.
La ecuaci
on de ondas 1D (cuerda vibrante).
Consideramos el movimiento ondulatorio vertical de una cuerda vibrante horizontal de longitud
L de densidad constante y composicion homogenea no sometida a fuerzas externas. Notamos
por u(x, t) el desplazamiento vertical respecto la posicion de equilibrio del punto x [0, L] de
la cuerda en el instante t R. Tambien podemos considerar una cuerda vibrante de longitud
infinita, en cuyo caso x R. La EDP que modela el movimiento es
utt = c2 uxx x (0, L) t R
Aqu los smbolos utt y uxx denotan las segundas derivadas parciales respecto el tiempo y la
posicion, respectivamente. El parametro c > 0 depende de las propiedades fsicas del material
y sera interpretado a mas adelante como la velocidad a la que viajan las ondas en el material
considerado.
Equilibrios el
asticos y t
ermicos 1D.
Equilibrio significa que el estado del cuerpo no cambia, sino que se mantiene estacionario en el
tiempo, luego buscamos soluciones u = u(x) que no dependan del tiempo y as desaparecen las
derivadas parciales ut y utt . En tal caso, las EDPs utt = c2 uxx y ut = k 2 uxx se reducen a la
EDO lineal de segundo orden u00 = 0, cuyas u
nicas soluciones son las funciones lineales de la
forma u(x) = ax + b, con a, b R.
Queda probado pues que los u
nicos equilibrios elasticos de una cuerda vibrante o equilibrios
termicos de una barra son los estados (desplazamiento o temperatura) lineales.
Las versiones multidimensionales.
Antes de dar las versiones multidimensionales de las ecuaciones anteriores, necesitamos recordar
el operador Laplaciano 4. Dada una funcion u : Rn R que depende de n variables

5 PRELIMINARES

16

x = (x1 , ..., xn ), su Laplaciano es la suma de sus n derivadas parciales dobles:


4u =

n
X
2u
j=1

x2j

= ux1 x1 + ... + uxn xn

Por ejemplo, si la funcion u depende de una u


nica variable x, entonces 4u = uxx . En cambio,
si depende de dos variables x, y, entonces 4u = uxx + uyy . Ademas, cuando la funcion dependa
de la posicion x = (x1 , ..., xn ) y el tiempo t, interpretaremos que el Laplaciano solo afecta a las
variables de posicion, sin incluir el termino utt .
Las versiones n-dimensionales de las ecuaciones anteriores son las siguientes.
La ecuacion de ondas que modela el movimiento ondulatorio de un cuerpo elastico Rn es
utt = c2 4 u, u = u (x, t) , x = (x1 , ..., xn ) , t R
La ecuacion del calor que modela la evolucion de la temperatura en un cuerpo Rn es
ut = k 2 4 u, u = u (x, t) , x = (x1 , ..., xn ) , t > 0
Desde un punto de vista fsico, solo interesan los casos 1D, 2D o 3D. Es decir, n 3. Al igual que
en las versiones 1D estamos suponiendo que el cuerpo es completamente homogeneo y que no
existen fuerzas exteriores (ecuacion de ondas) ni fuentes o sumideros de calor internas (ecuacion
de calor).
La ecuaci
on de Laplace/Poisson.
A partir de las versiones n-dimensionales de las ecuaciones de ondas y calor, vemos que tanto
los equilibrios termicos como los equilibrios elasticos de un cuerpo Rn estan modelados por
la llamada ecuacion de Laplace
4u = 0, u = u (x, t) , x = (x1 , ..., xn )
La ecuacion de Poisson es la version no homogenea de la ecuacion de Laplace. Consiste en, dada
una funcion F : Rn R, buscar las soluciones de la ecuacion
4u = F (x) , u = u (x, t) , x = (x1 , ..., xn )
La ecuacion de Poisson admite muchas interpretaciones fsicas. Aqu tan solo mencionamos que
modela los equilibrios elasticos de un cuerpo Rn sometido a la accion de una fuerza externa
F (x).

5 PRELIMINARES

5.2.

17

Aproximando las derivadas.

La determinacion de la derivada de la funcion f en el punto x no es un problema numerico


que sea tan facil, especficamente, si f (x) se puede calcular con n dgitos de precision, es difcil
calcular f 0 (X) numericamente con n dgitos de precision. Esta dificultad se puede remontar a
la resta entre cantidades que son casi iguales. En esta seccion, estudiaremos varias alternativas
para el calculo numerico de f 0 (x) y f 00 (X).
5.2.1.

F
ormula para la primera derivada va series de taylor.

En primer lugar, consideremos el metodo, sobre la definicion de f (x). El cual consiste en seleccionar uno o mas valores peque
nos para h y escribimos:
1
f 0 (x) [f (x + h) f (x)]
h
Cual es el error involucrado en esta formula?, para encontrarlo usamos el Teorema de taylor
(suponga que f C n [a, b], que f (n+1) existe en [a, b] y x0 [a, b]. Para cada x [a, b] , existe
un numero (x) entre x0 y x tal que f (x) = Pn (x) + Rn (x) donde
n

X 1
1
1
f (k) (x0 ) (x x0 )k
Pn = f (x0 )+f (x0 ) (x x0 )+ f 00 (x0 ) (x x0 )2 +...+ f (n) (x0 ) (x x0 )n =
2!
n!
k!
k=0
0

y
Rn =

1
f (n+1) ( (x)) (x x0 )n+1 .
(n + 1)!

En ente caso, Pn (x) es el n-esimo polinomio de Taylor para f con respecto a x0 y Rn (x) se
llama el termino del residuo o error de truncamiento asociado a Pn (x). La serie infinita obtenida
al tomar el limite de Pn (x) cuando n es la serie de taylor para f entorno a x0 .)
1
f (x + h) = f (x) + hf 0 (x) + h2 f 00 ()
2
arreglado esta ecuacion tenemos
f 0 (x) =

1
1
[f (x + h) f (x)] hf 00 ()
h
2

Entonces vemos que la aproximacion dada tiene un error de 12 hf 00 () = O (h), donde esta en
el intervalo que tiene por puntos finales x y x + h.
Esa u
ltima ecuacion muestra que en general cuando k 0, la diferencia entre f 0 (x) y la
estimacion h1 [f (x + h) f (x)] se aproxima a cero con la misma tasa que h lo hace, es decir
O (h). De hecho, si f 00 (x) = 0, entonces el termino del error seria 61 hf 000 (), el cual converge a
cero con la misma rapidez que O (h2 ), pero usualmente f 00 (x) no es cero.
Es ventajoso tener una convergencia en los procesos numericos que se aproxime a cero con
potencias superiores, para el caso queremos aproximar f 0 (x) con un error que se comporte

5 PRELIMINARES

18

como O (h2 ), para obtenerlo desarrollamos las dos series de Taylor


1
1
1 2 00
h f (x) + h3 f 000 (x) + h4 f (4) (x) + ...
2!
3!
4!
1
1
1
f (x h) = f (x) hf 0 (x) + h2 f 00 (x) h3 f 000 (x) + h4 f (4) (x) ...
2!
3!
4!
f (x + h) = f (x) + hf 0 (x) +

(5.2)
(5.3)

y restando tenemos
f (x + h) f (x h) = 2hf 0 (x) +

2 3 000
2
h f (x) + h5 f (5) (x) + ...
3!
5!

Esto conduce a una formula muy importante para aproximar f 0 (x):


1
1
1
f 0 (x) =
[f (x + h) f (x h)] h2 f 000 (x) h4 f (5) (x) ...
2h
3!
5!
Expresando de otro modo
f 0 (x)

1
[f (x + h) f (x h)]
2h

con un termino para el error de 3!1 h2 f 000 (x) que hace que sea O (h2 ).
5.2.2.

F
ormulas para la segunda derivada a trav
es de series de taylor

En la solucion numerica de las ecuaciones diferenciales, a menudo es necesario aproximar segundas derivadas. Vamos a deducir la formula mas importante para lograr esto. Basta con sumar
las dos series de Taylor de la ecuacion (5.2) , (5.3) y se obtiene


1 4 (4)
2 00
f (x + h) + f (x h) = 2f (x) + 2h f (x) + 2
h f (x) + ...
4!
cuando despejamos f 00 (x) obtenemos
f 00 (x) =

1
[f (x + h) 2f (x) + f (x h)] + E
h2

donde el error de la serie es





1 2 (4)
1 4 (6)
E = 2
h f (x) + h f (x) + ...
4!
6!
y llevando a cabo el mismo proceso usando la formula de taylor con resto, se obtiene que
1 2 (4)
E = 12
h f () para alg
un en el intervalo (x h, x + h). Y hemos obtenido la aproximacion
f 00 (x)
con error O (h2 )

1
[f (x + h) 2f (x) + f (x h)]
h2

5 PRELIMINARES

5.3.

19

El m
etodo de diferencias finitas.

Estudiaremos un procedimiento para aproximar la derivada de una funcion f (x) en el punto x,


esta derivada esta definida como
4f (x)
f 0 (x) = lm
h0
h
donde

4f (x)
h

es conocido como el cociente diferencial de f (x) en x y 4f (x) es definido por


4f (x) := f (x + h) f (x)

5.3.1.

La notaci
on big o

Definici
on. Se dice que f (h) es de orden g(h) cuando h 0 y h 6= 0, se denotara por
f (h) = O(g(h)), si existen n
umeros reales M > 0 y k > 0 tales que,
|f (h)| M |g(h)|
siempre que |h| < k.
Definici
on. Sean p y f funciones, se dice que p(h) aproxima a f (h) con un orden de aproximacion O(hn ), lo que se denota por f (h) = p(h) + O(hn ), si existe un n
umero real M > 0 y un
n
umero natural n tales que,
|f (h) p(h)|
M
|hn |
para h suficientemente peque
no.
Al considerar el caso en que p(x) es la n-esima aproximacion por polinomios de Taylor a f (x)
alrededor de x0 , es decir
f (x) =

n
X
f (k) (x0 )
k=0

k!

(x x0 )k +

f (n+1) (c)
(x x0 )n+1
(n + 1)!

para alg
un c entre x y x0 . Cuando x x0 0, por la definicion anterior se tiene que
O((x x0 )n+1 ) =

f (n+1) (c)
(x x0 )n+1
(n + 1)!

as
f (x) = p(x) + O((x x0 )n+1 )
es decir, p(x), con p(x) el primer termino del lado derecho de la igualdad, se aproxima a f (x)
con un orden de aproximacion O((x x0 )n+1 ). Luego, el Teorema de Taylor o se puede enunciar
de la siguiente forma:

5 PRELIMINARES

20

Teorema (Teorema de Taylor). Si f C n+1 [a, b] y x0 [a, b], entonces para cada x [a, b],
f (x0 + h) =

n
X
f (k) (x0 )
k=0

k!

hk + O hn+1

donde h = x x0 .
La derivada f 0 (x) es un caso de una cantidad numerica Q definida como
Q = lm F (h)
h0

donde F (h) es la formula que aproxima a Q. De hecho Q puede ser obtenida hasta la precision
definida usando Q F (h) donde h es suficientemente peque
no.
El error cometido en la aproximacion es dado por (h) = |Q F (h)| y es conocido como el
error de truncamiento. Este error es inherente a la formula F (h) .
Es deseable conocer la tasa a la que (h) decae cuando h 0. Esto es normalmente hecho
encontrando el termino significativo de la serie de Maclaurin de (h). Expresando (h) como
(h) = cn hn + cm hm + ...
donde n < m y ci son constantes. Cuando esto ocurre decimos que la aproximacion F (h) para
Q es de n-esimo orden.
Como ilustracion, supongamos que queremos aproximar la solucion exacta del valor de la funcion
f en el punto x + h en la proximidad del punto x. La aproximacion obvia de n-esimo orden es
el polinomio de Taylor Pn (x + h) el cual establece:
hn
0
n
+ Rn (x, h)
f (x + h) = f (x) + f (x) h + ... + f (x)
n!
donde
hn
0
n
Pn (x + h) := f (x) + f (x) h + ... + f (x)
n!
y Q = f (x + h) y la aproximacion es f (x + h) = Pn (x + h). El error de truncamiento es dado
por :
f n+1 (x) hn+1 f n+2 (x) hn+2
(h) = Rn (x, h) =
+
+ ...
(n + 1)!
(n + 2)!
el termino significativo de (h) es entonces

f n+1 (x)hn+1
.
(n+1)!

Cuando decimos que la aproximacion Q f (x + h) es de n-esimo orden, estamos diciendo que


cn hn (donde c es una constante) es el termino significativo de la serie de Maclaurin para (h). En
esta caso podemos escribir que (h) = O (hn ) o equivalentemente escribimos Q = F (h)+O (hn )

5 PRELIMINARES

21

denotando que O (hn ) decrece con cn hn . Esto debido a que




cm mn
h
+ ...
(h) = cn h 1 +
cn
n


y que 1 +

cm mn
h
cn


+ ... 1 cuando h 0.

Consecuentemente, cuando cn 6= 0 tenemos (h) = O (hn ) (h) cn hn cuando h 0.


5.3.2.

El uso de 4f (x) /h para aproximar f 0 (x)

La primera aproximacion que podemos hacer a la derivada f 0 (x) consiste en usar el cociente
diferencial para aproximarla en el punto x, es decir f 0 (x) 4fh(x) donde h 0. Queremos
usar la expresion anterior para determinar el orden de la aproximacion. Comenzamos por la
expansion de Maclaurin de f (x) en el punto x + h:
hn
0
n
f (x + h) = f (x) + f (x) h + ... + f (x)
+ Rn (x, h)
n!
de la expresion anterior obtenemos
f 0 (x) =

h
hn1
f (x + h) f (x)
f 00 (x) ... f n (x)
h
2
n!

donde podemos interpretar Q = f 0 (x) , F (h) =

f (x+h)f (x)
h

y (h) = f 0 (x)

4f (x)
h

f (x+h)f (x)
h

Observe que la aproximacion f 0 (x) =


es exacta cuando f 0 (x) es lineal. Ademas, esta
aproximacion es de primer orden, es decir O (h) y es conocida con el nombre de aproximacion
en avance de Euler si h > 0, o Euler en retroceso si h < 0.
5.3.3.

La aproximaci
on de O (h2 ) para f 0 (x)

Substrayendo
f (x h) = f (x) f 0 (x) h + f 2 (x)

h3
h2
f 3 (x)
+ ...
2
3!

de

h2
h3
+ f 3 (x)
+ ...
2
3!
los terminos asociados a las derivadas de orden par se cancelan y queda
f (x + h) f (x h)
h2
h4
f 0 (x) =
f 3 (x)
f 5 (x)
...
h
6
120
De esta forma se obtiene la aproximacion de diferencias centradas de f 0 (x) en x:
f (x)
f (x + h) f (x h)
F (h) =
=
2h
2h
f (x + h) = f (x) + f 0 (x) h + f 2 (x)

que es de segundo orden O (h2 ) es decir (h)

f 3 (x) 2
h.
6

5 PRELIMINARES

5.4.

22

Desarrollos de fourier

Ahora vamos a introducir las series de Fourier. Estas surgieron historicamente al resolver por el
metodo de separacion de variables un problema de contorno de ecuaciones en derivadas parciales.
Cuando estas formulas fueron propuestas por Daniel Bernouilli en 1,753, muchos matematicos
pensaron que era imposible expresar una funcion f (x) cualquiera como suma de senos y cosenos.
Fue un ingeniero, Joseph Fourier, el que se encargo de recopilar datos para convencer al mundo
cientfico de tal posibilidad.
Utilizaremos las siguientes formulas para calcular desarrollos de Fourier.
El desarrollo de Fourier completo de una funcion f : [L, L] R es

a = 1 L f (x) cos




X
nx
nx
a0
n
L L
+
an cos
+ bn sin
,
f (x)
b = 1 L f (x) sin
2
L
L
n
n1
L L

nx
L


nx
L

dx

dx






Este hecho se basa en que el sistema de vectores 1, sin x
, sin 2x
..., cos x
, cos 2x
, ...
L
L
L
L
L
es un sistema ortogonal de funciones con respecto del producto escalar (f (x) , g (x)) = L f (x) g (x) dx.
Analogamente se puede definir la serie de Fourier de una funcion f (x) definida en un intervalo
al origen. Tomo L = b a+b
= ba
y
[a, b] haciendo una traslacion del punto medio a+b
2
2
2
a+b
ab
L = a 2 = 2 .
Definici
on. Se llama serie de Fourier de una funcion f (x) en el intervalo [a, b] a
!
!
nx
a0 X
nx
+
an cos ba + bn sin ba
f (x)
2
2
2
n1
donde
2
an =
ba


f (x) cos

2nx
ba

2
dx y bn =
ba


f (x) sin

2nx
ba


dx

.
Definici
on (Funci
on par, funci
on impar)
Decimos que una funcion f (x) es par si f (x) = f (x). Decimos que una funcion f (x) es impar
si f (x) = f (x).
Propiedades
El producto de dos funciones pares es par. El producto de dos funciones impares es par. El
producto de una funcion par por una impar es impar.
a
a
a
Si f (x) es par a f (x) dx = 2 0 f (x) dx. Si f (x) es impar a f (x) dx = 0.
El desarrollo de Fourier en cosenos de una funcion f : [0, L] R es (Sea f (x) una funcion par.)

 nx 
 nx 
a0 X
2 L
+
an cos
, an =
f (x) cos
dx
f (x)
2
L
L 0
L
n1

5 PRELIMINARES
donde
1
an =
L

23

 n 
 nx 
2 L
f (x) cos
x dx =
f (x) cos
dx
L
L 0
L
L
L

por ser f (x) y cos (x) funciones pares con lo que el producto es tambien una funcion par.

L
bn = L1 L f (x) cos n
x dx = 0 por ser el producto de una funcion par (f (x)) por una impar
L
(sin (x)) un funcion impar.
Es decir, la serie de Fourier de una funcion par en el intervalo [L, L] es una serie en la que solo
aparecen cosenos.
El desarrollo de Fourier en senos de una funcion f : [0, L] R es (f (x)una funcion impar)

 nx 
 nx 
X
2 L
, bn =
dx
f (x)
bn sin
f (x) sin
L
L 0
L
n1
Haciendo calculos analogos se obtiene a0 = an = 0 Es decir, la serie de Fourier de una funcion
impar en el intervalo [L, L] es una serie en la que solo aparecen senos.

5.5.

Definiciones del
algebra lineal

Definici
on. Se dice que una matriz A de n n es invertible, si existe una matriz A=1 de n n,
con AA=1 = A=1 A = I, donde I es la matriz identidad. La matriz A=1 se llama inversa de A.
Una matriz que no tiene inversa se le da el nombre de no invertible o singular.
Definici
on. (Matriz tridiagonal) Una matriz A = (aij ) de nn se dice tridiagonal si aij = 0,
siempre que |i j| > 1, esto es

5.5.1.

a11 a12

a21 a22 a23


0
..
.
..
.
0

...
..
.

a32 a33 a34


.. .. ..
.
.
.
.. ..
.
.
... ...

...
...

0
..
.
..
.

..

..

an1,1
ann

an,n1

Sistemas tridiagonales y banda

En muchas aplicaciones, se encuentran sistemas lineales extremadamente grandes que tienen


estructura de banda. Las matrices banda a menudo ocurren en la solucion de ecuaciones diferenciales ordinarias y parciales. Es ventajoso desarrollar codigos computacionales dise
nados especficamente para tales sistemas lineales, ya que reducen la cantidad de espacio utilizado.
En la practica es importante el sistema tridiagonal. Aqu, todos los elementos distintos de
cero en la matriz de coeficientes deben estar en la diagonal principal o en las dos diagonales

5 PRELIMINARES
justo por encima y por debajo de
subdiagonal, respectivamente):

d 1 c1

a1 d 2 c 2

a2 d 3 c 3

..
..

.
.

ai1

24
la diagonal principal (por lo general llamada superdiagonal y

..

di
..
.

ci
..
.

..

an2 dn1 cn1


an1 dn

x1
x2
x3
..
.

xi

..
.

x
n1
xn

b1
b2
b3
..
.









=
bi

..
.

b
n1
bn

(5.4)

Todos los elementos que no estan en las diagonales mostradas son 0s . Una matriz tridiagonal
es caracterizada por la condicion aij = 0 si |i j| 2. En general se dice que una matriz tiene
estructura de banda si existe un entero k (menor que n) tal que aij = 0 siempre que |i j| 2.
Los requisitos de almacenamiento de una matriz banda son menores que los de una matriz en
general, del mismos tama
no. Entonces, una matriz diagonal n n requiere solo n localizaciones
en la memoria de una computadora, y una matriz tridiagonal requiere solo 3n 2. Este hecho
es importante si se utilizan matrices banda de orden muy grande.
Para matrices banda, el algoritmo de eliminacion gaussiana podra hacerse muy eficiente si se
sabe de antemano que el pivoteo es innecesario, a continuacion se desarrollara un codigo para
resolver un sistema tridiagonal.
5.5.2.

Sistemas tridiagonales

La rutina que se describe en el procedimiento tri, desarrollado en el libro de Cheney Kincaid,


Numerical Mathematics and Computing, sexta edicion (pag 281), esta dise
nado para resolver
un sistema lineal de n ecuaciones con n incognitas, como el que se muestra en la ecuacion (5.4)
.
Tanto la fase de eliminacion hacia adelante y la fase de sustitucion hacia atras se incorporan
en el procedimiento, y ning
un pivote es usado, es decir, las ecuaciones de pivote son los dados
por el ordenamiento natural {1, 2, ..., n}. Por lo tanto, se utiliza eliminacion de Gauss de forma
trivial.
En el paso 1, restamos a1 /d1 veces la fila 1 a la fila 2, creando as un 0 en la posicion a1 . Solo
las entradas d2 y b2 son alteradas. Observe que c2 no se altera.
En el paso 2, se repite el proceso, utilizando la nueva fila 2 como la fila pivote. As es como el

5 PRELIMINARES

25

di s y de bi s se modifican en cada paso:

 
d2 d2 a1
c1
 d1
b b a1
b1
2
2
d1
y en general, obtenemos



di di ai1
ci1
 di1
(2 i n)
b b ai1
b
i1
i
i
di1
Al final de la fase de eliminacion hacia adelante, la forma del sistema es el siguiente:

d 1 c1

d2 c2

d 3 c3

.. ..

.
.

d i ci

..
..
.
.

dn1 cn1

dn

x1
x2
x3
..
.

xi

..
.

x
n1
xn

b1
b2
b3
..
.









=
bi

..
.

b
n1
bn

Por supuesto, que los bi s y di s no son lo que eran en el comienzo de este proceso, pero los ci s
si lo son.
La fase de sustitucion hacia atras resuelve de xn , xn1 , ..., x1 como sigue:
bn
dn
1

(bn1 cn1 xn )
dn1

xn
xn1
Finalmente, obtenemos xi

1
di

(bi ci xi+1 ) para i = n 1, n 2, ..., 1.

En el procedimiento Tri para un sistema tridiagonal, utilizamos vectores (ai ), (di ), y (ci ) de las
diagonales de la matriz de coeficientes y el vector (bi ) para el lado derecho, y para que guarde
la solucion el vector (xi )

5 PRELIMINARES

26

Note que se estan modificado los datos originales en los vectores (di ) y (bi ).
Al analizar detenidamente este procedimiento, se puede apreciar que no es necesario darle al
programa el valor n y el vector (xi ) que guarda la solucion del sistema tridiagonal. En Matlab
podemos adecuar este procedimiento para que sea una funcion que nos devuelva la solucion (xi ),
asi
function x = tri (a ,d ,c , b )
%tri a ,d ,c , b y x son vectores de longitud n devuelve vector x sol del
sistema tridiagonal
%A * x = b donde A (1: n ,1: n ) = d ; A (1: n -1 ,2: n ) = a ; A (2: n ,1: n -1) = c ;
%ejemplo : resolver [1 4 0;2 -1 1; 0 -2 1][ x ; y ; z ]=[17 9 4]
%a =[2 2 0]; d =[1 -1 -1]; c =[4 1 0]; b =[17 9 4];
%tri (a ,d ,c , b )
n1 = length ( a ) ; n2 = length ( b ) ; n3 = length ( c ) ; n4 = length ( d ) ;
if n1 ~= n2 || n1 ~= n3 || n1 ~= n4
error ( a ,b , c y d tienen que tener la misma longitud . )
end
%longitud com
un
n = n1 ;
for i =2: n
xmult = a (i -1) / d (i -1) ;
d ( i ) = d ( i ) - xmult * c (i -1) ;
b ( i ) = b ( i ) - xmult * b (i -1) ;
end
x(n)=b(n)/d(n);
for i =n -1: -1:1;
x ( i ) =( b ( i ) -c ( i ) * x ( i +1) ) / d ( i ) ;

5 PRELIMINARES

27

end
end

Por ejemplo, Resolver el sistema tridiagonal


x1 +4x2
= 17
2x1 x2 +x3 = 9
2x2 x3 = 4
Los vectores para nuestra funcion son: a = [2, 2, 0], d = [1, 1, 1] ,c = [4, 1, 0] y b = [17, 9, 0]
y la solucion es x = [5, 3, 2].
Los sistemas tridiagonales aparecen en problemas con ecuaciones diferenciales parciales aplicando el metodo de Crank-Nicolson para encontrar la solucion (Vease 6.5). En los cuales usaremos
bastante esta funcion tri en Matlab.

5.6.

Condiciones iniciales y condiciones de frontera.

Cuando la ecuacion estudiada tienen infinitas soluciones y queremos tener una solucion concreta
a
nadiremos a la ecuacion un n
umero adecuado de condiciones adicionales, que pueden ser de
dos tipos.
5.6.1.

Condiciones iniciales: posici


on, velocidad y temperatura.

Estas condiciones fijan el estado del objeto en el instante inicial. Empezamos por la ecuacion
de onda, que es de segundo orden en el tiempo, luego necesita exactamente dos condiciones
iniciales; a saber, fijar
La posicion inicial : u(x, 0) = f (x) para x ; y
La velocidad inicial : ut (x, 0) = g(x) para x .
En cambio, la ecuacion del calor es de primer orden en el tiempo, luego basta fijar la temperatura
inicial : u(x, 0) = f (x) para x . Y, para acabar, la ecuacion de Laplace es estatica, luego no
tiene sentido fijar el estado inicial del objeto, ya que ese estado es justamente la incognita del
problema. Sera como preguntar de que color es el caballo blanco de Santiago.
5.6.2.

Condiciones de frontera: dirichlet (valor fijo) y neumann (flujo fijo).

Estas condiciones (tambien llamadas condiciones de contorno) determinan la interaccion del


objeto con el medio que lo rodea, luego solo tienen sentido cuando el objeto estudiado tiene
frontera. Por ejemplo, (En la ecuacion de ondas) la cuerda vibrante infinita no tiene frontera y
las cuerdas de una guitarra s. Hay de dos tipos de condiciones de frontera.

5 PRELIMINARES

28

Tipo Dirichlet: Consisten en fijar el valor de la funcion incognita en los puntos de la frontera.
Tipo Neumann: Consisten en fijar el flujo (es decir, el valor de la derivada en la direccion
normal a la frontera) de la funcion incognita en los puntos de la frontera.
Diremos que estas condiciones son homogeneas cuando el valor (o el flujo) fijado sea igual a
cero.
Ejemplo 1. Un PVI de calor 1D en una barra de longitud L con condiciones de frontera de
tipo Neumann consiste en las ecuaciones

ut = k 2 uxx
x (0, L) t > 0

u (x, 0) = f (x)
x (0, L)

ux (0, t) = h1 (t)
t>0

u (L, t) = h (t)
t>0
x
r
donde la temperatura f : [0, L] R y los flujos h1 , hr : [0, +) R son funciones conocidas.
Ejemplo 2. Un problema de Poisson 2D en un cuadrado de lado 2L con condiciones de frontera
de tipo Dirichlet homogeneas consiste en unas ecuaciones de la forma

u + uyy = G (x, y) x (L, L) y (L, L)

xx
u (L, y) = 0
y (L, L)

u (x, L) = 0
x (L, L)
5.6.3.

Algunas leyes de conservaci


on para la ecuaci
on de calor

Para entender porque se han denominado a las condiciones de tipo Neumann como condiciones
de flujo fijo, vamos a explicar una ley de conservacion referente a la evolucion de la temperatura
en una barra. Sea u(x, t) una solucion del problema considerado en el ejemplo 1 e introducimos
la funcion

1 L
u(x, t)dx
T (t) =
L 0
que mide la temperatura promedio de la barra en el instante t. Su derivada es
1
T (t) =
L

k2
ut (x, t)dx =
L

uxx (x, t)dx =


0

k2
k2
[ux (x, t)]x=L
=
(hr (t) h1 (t))
x=0
L
L

Las propiedades que hemos usado son: derivada bajo el signo de la integral (primera igualdad),
la ecuacion del calor (segunda), el teorema fundamental del calculo (tercera) y las condiciones
de frontera (cuarta). Por tanto, la diferencia hr (t)=h1 (t) nos dice cual es la tasa de variacion
de la temperatura promedio T (t). En otra palabras, las funciones hr (t) y h1 (t) nos dicen a que
velocidad se escapa/entra el calor por los extremos de la barra.
Pregunta. Que signo deben tener hr (t) y h1 (t) para que tengamos una entrada continua de

5 PRELIMINARES

29

calor por los extremos derecho e izquierdo, respectivamente? (Respuesta: La primera funcion
debe ser positiva y la segunda negativa.)
Por ejemplo, cuando las condiciones de Neumann son homogeneas: hr (t) = h1 (t) 0, vemos
que la temperatura promedio se mantiene constante, ya que la barra esta aislada termicamente
(ni entra, ni sale calor por los extremos).
Pregunta. La temperatura promedio tambien se conserva, pese a que existe flujo de calor por
los extremos, cuando hr (t) = h1 (t) 6= 0. Como se explica esto? (Respuesta: El calor que entra
por un extremo, escapa por el otro.)
Observacion. Si aislamos termicamente un cuerpo multidimensional, el promedio de su temperatura tambien se mantiene constante.
5.6.4.

Linealidad: superposici
on y homogeneizaci
on.

Existen varios trucos simples que se pueden aplicar en todos los problemas lineales que aparecen
en este tema, pero los explicaremos a traves de ejemplos concretos para no dispersarnos.
Superposici
on. Consideramos los dos PVIs de

vt = k 2 vxx
x (0, L) t > 0

v (x, 0) = f (x) x (0, L)


,

v
(0,
t)
=
0
t
>
0
x

v (L, t) = 0
t>0
x

calor 1D en una barra de longitud L dados por

wt = k 2 wxx
x (0, L) t > 0

w (x, 0) = 0
x (0, L)

wx (0, t) = h1 (t)
t>0

w (L, t) = h (t)
t>0
x
r

Ambos problemas tienen condiciones de frontera de tipo Neumann. La diferencia estriba en


que el primero tiene una u
nica condicion no homogenea: la temperatura inicial, mientras que el
segundo tiene dos: las condiciones de frontera en los extremos de la barra.
Entonces, dadas dos soluciones cualesquiera v(x, t) y w(x, t) de estos problemas, su superposicion
(suma) u(x, t) = v(x, t) + w(x, t) es una solucion del PVI de calor 1D presentado en el ejemplo
1, que tiene tres condiciones no homogeneas.
En general, podemos trocear cualquier problema lineal en varios subproblemas de forma que
cada subproblema tenga pocas (quiza incluso solo una) ecuaciones/condiciones no homogeneas,
siendo, por tanto, mas simple que el problema original. En tal caso, si conseguimos resolver todos
los subproblemas, la superposicion (suma) de sus soluciones cumplira el problema original.
Homogeneizaci
on. Este truco es similar al anterior, pero en vez de trocear el problema
original en varios subproblemas simples, ahora queremos simplificarlo mediante un cambio de
variables astuto.
Para fijar ideas, consideramos el PVI de calor 1D en una barra de longitud L = 1 con condiciones
de frontera de tipo Dirichlet constantes

5 PRELIMINARES

30

ut = k 2 uxx

u (x, 0) = x2

u (0, t) = 1

u (1, t) = 2

x (0, 1) t > 0
x (0, 1)
t>0
t>0

La funcion v(x) = x + 1 cumple las condiciones de frontera: v(0) = 1 y v(1) = 2. Por tanto, si
realizamos el cambio de variables w(x, t) = u(x, t) v(x), el problema original se transforma en

wt = k 2 wxx
x (0, 1) t > 0

w (x, 0) = x2 x 1 x (0, 1)

w (0, t) = 0
t>0

w (1, t) = 0
t>0
que es un problema bastante mas simple pues hemos homogeneizado las dos condiciones de
frontera, sin deshomogeneizar la EDP.
5.6.5.

Separaci
on de variables en la ecuaci
on del calor 1d.

Objetivo. En este ejemplo del metodo de separacion de variables, veremos que al resolver la
ecuacion del calor 1D con condiciones de contorno de tipo Dirichlet constantes, la temperatura
tiende o al equilibrio termico (en ingles, steady state). Homogeneizaremos las condiciones de
contorno antes de separar variables mediante un cambio de variables astuto.
Problema fsico. Tenemos una barra de longitud L > 0 compuesta por un material de conductividad termica , densidad y calor especfico c. Notamos k 2 = /c. La temperatura inicial
de la barra viene dada por una funcion f : [0, L] R. Finalmente, mantenemos constante la
temperatura de la barra en ambos extremos: R es la temperatura en el izquierdo y R
es la temperatura en el derecho.
Modelo matem
atico. Las ecuaciones que modelan este problema son

ut = k 2 uxx
x (0, L) t > 0

u (x, 0) = f (x) x (0, L)

u (0, t) =
t>0

u (L, t) =
t>0
Pasos del m
etodo.
1. Encontrar unas funciones v(x) y g(x) tales que el cambio de variables w(x, t) = u(x, t)=v(x)
transforme el problema original en el problema con condiciones de contorno homogeneas

5 PRELIMINARES

31

()

wt = k 2 wxx

w (x, 0) = g (x)

w (0, t) = 0

w (L, t) = 0

x (0, L) t > 0
x (0, L)
t>0
t>0

Expresar v(x) y g(x) en terminos de las cantidades , , L y de la funcion f (x).


2. Imponer que w(x, t) = X(x)T (t) cumpla la parte homogenea del problema (*). Escribir el e
PVF asociado a la funcion X(x) y el problema asociado a la funcion T (t).
3. Resolver el PVF asociado a la funcion X(x).
4. Teniendo en cuenta los VAPs del PVF anterior, resolver el problema asociado a T (t).
5. Calcular los modos normales (es decir, las FUPs) de la parte homogenea del problema (*).
6. Probar que, a nivel formal, la solucion del problema original cumple lmt+ u(x, t) = v(x)
7. Interpretar fsicamente estos resultados.
Desarrollo del m
etodo.
1. Al imponer que la funcion w(x, t) = u(x, t) v(x) cumpla la EDP wt = k 2 wxx resulta
0 = wt k 2 wxx = (ut k 2 uxx ) (vt k 2 vxx ) = 0 k 2 v 00 (x) v 00 (x) = 0
Al imponer que la funcion w(x, t) = u(x, t) v(x) cumpla las condiciones de contorno queda

0 = w(0, t) = u(0, t) v(0) = v(0) v(0) =


0 = w(L, t) = u(L, t) v(L) = v(L) v(L) =
La u
nica funcion v(x) tal que v 00 (x) = 0, v(0) = y v(L) = es v(x) = + ( ) x/L. La
grafica de la funcion v(x) es la linea recta que une los puntos (0, ) y (L, ).
Finalmente, g(x) = w(x, 0) = u(x, 0) v(x) = f (x) + ( )x/L.
2. Al imponer que la funcion w(x, t) = X(x)T (t) cumpla:
La ecuacion del calor wt = k 2 wxx , se obtiene que X(x)T 0 (t) = k 2 X 00 (x)T (t), luego
T 0 (t)
X 00 (x)
= 2
=R
X (x)
k T (t)
La condicion de frontera w(0, t) = 0, vemos que indica X(0) = 0 y
La condicion de frontera w(L, t) = 0, vemos que X(L) = 0.

5 PRELIMINARES

32

Por tanto, obtenemos dos problemas separados:

(a)

X 00 (x) X(x) = 0

n
(b) T 0 (t) k 2 T (t) = 0

X(0) = X(L) = 0
El problema (a) es un PVF asociado a la funcion X(x).
3. Sabemos del tema Ecuaciones Lineales que la solucion del PVF asociado a la funcion X(x)
es; n 1
VAPs: = n = n2 2 /L2
FUPs: X (x) = Xn (x) = sin (nx/L)
4. La solucion de problema (b) para = n = n2 2 /L2 es T (t) = Tn (t) = exp (n2 k 2 2 t/L)
, n 1.
5. As pues, los modos normales (las FUPs) de la parte homogenea del problema (*) son
 nx 

wn (x, t) = Tn (t) Xn (x) = exp n k t/L sin
n1
L
2 2 2

Teniendo en cuenta que Xn (x) es una funcion acotada y Tn (t) tiende a cero cuando t +,
resulta que lmt+ wn (x, t) = 0 para toda x (0, L) y para todo entero n 1.
P
6. La solucion final w(x, t) =
n1 bn wn (x, t) del problema (*) se determina imponiendo la
condicion no homogenea
g (x) = w (x, 0) =

bn wn (x, 0) =

n1

bn sin

 nx 

n1


L
Es decir, bn = L2 0 g(x) sin nx
dx, n 1, son los coeficientes del desarrollo de Fourier en
L
senos de la funcion g(x) en el intervalo [0, L]. Por tanto, deshaciendo el cambio de variables, la
solucion u(x, t) = v(x) + w(x, t) del problema original cumple
lm u (x, t) = v (x) + lm w (x, t) = v (x) +

t+

t+

X
n1

bn lm wn (x, t) = v (x)
t+

7. Hemos probado que cuando el tiempo tiende a infinito, la temperatura tiende al equilibrio
termico consistente en que la temperatura viene dada por la recta que une las temperaturas e en
los extremos. Algo acorde con nuestra experiencia fsica, la cual nos ense
na que el calor tiende
a distribuirse de la forma mas uniforme posible.


6 PROBLEMAS PARABOLICOS

6.
6.1.

33

Problemas parab
olicos
La ecuaci
on del calor 1D.

Consideramos la evolucion de la temperatura en una barra homogenea de longitud L sin focos


ni sumideros de calor internos. Notamos por u(x, t) la temperatura del punto x [0, L] en el
instante t 0. Tambien podemos considerar una barra de longitud infinita, en cuyo caso x R.
La EDP que modela la evolucion de la temperatura es
ut = uxx , t (0, L) , t > 0
El parametro = k/c depende de la conductividad termica k, la densidad y el calor especfico
c del material que conforma la barra.
Deducci
on de la ecuaci
on del Calor unidimensional
Sea una varilla delgada de longitud L, ubicada a lo largo del eje x y sea u(x, t) la funcion de
temperatura en cada punto de la misma y en cualquier instante t; en este modelo se considera que
la temperatura en una seccion transversal A, es la misma para todos sus puntos; dependiendo
solamente de su posicion en x.
Se considera as un elemento comprendido entre dos secciones ubicadas en x y (x + x). Si la
varilla tiene las siguientes caractersticas:
Es homogenea, es decir densidad constante: ; Calor especfico c y conductividad termica k,
constantes; No hay fuentes de calor en su interior, ni escapa calor al medio (aislada).
La cantidad de calor necesaria para elevar la temperatura de un elemento de masa m en una
cantidad u viene dada por
Q = mcu = Axcu
El flujo termico que ingrasa al elemento es
Qt = kA

u
= kAux (x, t)
x

y el que sale es
Qt = kAux (x + x, t)
de manera que el flujo neto en el elemento de varilla sera
kA [ux (x + x, t) ux (x, t)]


6 PROBLEMAS PARABOLICOS

34

derivando Q e igualando a esta u


ltima ecuacion tenemos
k ux (x + x, t) ux (x, t)
= ut
c
x
cuando x se llega a la ecuacion de onda
termica.

u
t

= xu2 , donde =

k
c

se denomina difusion

En version bidimensional de la ecuacion es:


u
=
t

2u 2u
+
x2 y 2

Condiciones iniciales y de frontera


Para encontrar una solucion a la ecuacion de calor de una o dos dimensiones, es necesario
especificar ademas condiciones iniciales (CI) y condiciones de frontera (CF). Las CI denotan la
distribucion de temperatura en el instante inicial (t = 0) y en el caso unidimensional tendra
la forma u(x, 0) = f (x). Las CF indican las restricciones que debe satisfacer la funcion de
temperatura o sus derivadas, en los bordes o fronteras de la region; en el caso unidimensional
podra ser, por ejemplo:

u (0, t) = T
u (0, t) = 0
1

u (L, t) = T
2

u (L, t) = 0
x

As, resolver una EDP, sujeta a CI y CF, constituye un Problema con Valores en la Frontera
(PVF).
Soluci
on de la Ecuaci
on de Calor mediante separaci
on de variables
En este ejemplo se busca determinar la distribucion de temperatura u(x, t) en una varilla de
longitud L, con temperatura inicial f (x) y cuyos extremos se mantienen a temperatura constante
nula; resulta as el siguiente PVI

2
u

0<x<L t>0
= xu2

u (0, t) = u (L, t) = 0 t > 0

u (x, 0) = f (x)
0<x<1
Una alternativa para hallar una solucion analtica de este modelo es mediante separacion de
variables
X 00
T0
u (x, t) = X (x) T (t) XT 0 = X 00 T
=
= cte
X
T
 n 
 n 
n 2
n 2
X (x) = a sin
x , T (t) = be( L ) t un (x, t) = abe( L ) t sin
x
L
L
u (x, t) =

X
n=1

n 2

An e( L ) t sin

 n 
x
L


6 PROBLEMAS PARABOLICOS

35

L
 n 
 n 
2
u (x, 0) =
An sin
x = f (x) An =
f (x) sin
x dx
L
L
L
n=1

Resultando





X
n 2
2
f (x) sin n x dx e( L ) t sin n x
u (x, t) =
L n=1
L
L
0

donde la solucion encontrada viene representada por desarrollos en series de Fourier.

6.2.

Problema Modelo de la ecuaci


on de Calor

Consideramos un problema modelo de corto alcance para introducir algunas de las ideas esenciales. Por razones tecnicas se dice que es un problema de tipo parabolico. En el tenemos la
ecuacion de calor en una variable acompa
nada de las condiciones de frontera adecuadas para un
determinado fenomeno fsico:
2 u (x, t) = u (x, t)

t
x2
(6.1)
u (0, t)
= u (1, t) = 0

u (x, 0) =
sin x
Esta ecuacion gobierna la temperatura u (x, t) en una varilla delgada de longitud 1 cuando los
extremos estan a una temperatura 0, bajo el supuesto que la temperatura inicial de la varilla
esta dada por la funcion sin x, como podemos ver en la figura:

En el plano xt, la region en la cual se busca la solucion esta descrita por las desigualdades
0 x 1 y t 0. En la frontera de esta region, los valores de u son conocidos:


6 PROBLEMAS PARABOLICOS

6.3.

36

M
etodo de diferencias finitas.

Un enfoque fundamental en la solucion de tal problema es el metodo de diferencias finitas.


Se procede mediante el reemplazo de las derivadas en la ecuacion por diferencias finitas. Dos
formulas son u
tiles en este contexto:
1
f 0 (x) [f (x + h) f (x)]
h
f 00 (x)

1
[f (x + h) 2f (x) + f (x h)]
h2

Si aplicamos estas formulas a la ecuacion diferencial (6.1), con posiblemente diferentes pasos de
longitud h y k, el resultado es
1
1
[u (x + h, t) 2u (x, t) + u (x h, t)] = [u (x + k, t) u (x, t)]
2
h
k

(6.2)

esta ecuacion es interpretada ahora como un medio para avanzar a la solucion paso a paso en
la variable t. Es decir, si u (x, t) es conocida en 0 x 1 y 0 t t0 , la ecuacion (6.3) nos
permite evaluar la solucion para t = t0 + k.
La ecuacion (6.3) puede ser reescrita de la forma
u (x, t + k) = u (x + h, t) + (1 2) u (x, t) + u (x h, t) donde =

k
h2

(6.3)

Un croquis que muestra la ubicacion de los cuatro puntos que participan en esta ecuacion se da
en la figura:


6 PROBLEMAS PARABOLICOS

37

Como la solucion se conoce en la frontera de la region, es posible calcular una solucion aproximada en el interior de la region usando sistematicamente la ecuacion (6.4) porque la ecuacion
(6.3) es solo una diferencia finita analoga a la ecuacion (6.1).
Para obtener una solucion aproximada en la computadora, nosotros seleccionamos valores para
h y k y usamos la ecuacion (6.4). Usando este algoritmo, podemos continuar con la solucion
indefinidamente en la variable t, los calculos involucran solo los valores anteriores de t.

6.4.

Pseudoc
odigo para el m
etodo explicito

Para mayor simplicidad, seleccionamos h = 0.1 y k = 0.005, as el coeficiente = 0.5, esta


eleccion hace que el coeficiente 1 2 sea cero. Nuestro pseudocodigo primero imprime u(ih, 0)
para 0 i 10 por que se conocen los valores en la frontera, luego se calcula e imprime u(ih, 0)
para 0 i 10 usando la ecuacion (6.4) y los valores de frontera u = (0, t) = u(1, t) = 0. Este
proceso se continua hasta que t alcanza el valor 0.1. Los vectores u y v se usan para almacenar
la solucion aproximada en t y t + h, respectivamente. Como la solucion analtica al problema es
u(x, t) = exp( 2 t) sin (x), el error puede se impreso en cada paso.
El procedimiento descrito es un ejemplo de un metodo explicito. Los valores aproximados de
u (x, t + k) son calculados explcitamente en terminos de u (x, t).
Como h debe ser peque
no para representar de manera precisa la derivada por la formula de
diferencias finitas, el correspondiente valor de k debe ser peque
no tambien. Valores tales como
h = 0.1 y k = 0.005 son representativos, as como h = 0.01 y k = 0.0005. Con valores peque
nos
de k, se necesitan muchos calculos para avanzar bastante en la variable t.
A continuacion se presenta el codigo para su implementacion en Matlab:
n =10; m =20; h =0.1; k =0.005;
u = zeros ( n +1 , m +1) ; v = zeros ( n +1 , m +1) ; er = zeros ( n +1 , m +1) ;
u (2: n -1 ,1) = sin ( pi *(2: n -1) * h ) ;


6 PROBLEMAS PARABOLICOS

38

v (2: n -1 ,1) = sin ( pi *(2: n -1) * h ) ;


t =0;
for j =2: m +1;
for i =2: n ;
u (i , j ) =( k / h ^(2) ) *( u (i -1 ,j -1) + u ( i +1 ,j -1) ) ;
v (i , j ) = exp ( - pi ^2* t ) * sin ( pi * i * h ) ;
er (i , j ) = v (i , j ) -u (i , j ) ;
end
t=j*k;
end
disp ( u )
disp ( v )
disp ( er )
x =0: h :1; y =0: k : k *20;
[ a b ]= meshgrid (y , x ) ;
surf (a , b , u )
hold on
%grafica de la sol . exacta de la EDP
a =0:0.1:1; b =0:.005:.005*20;
[ x y ]= meshgrid (a , b ) ;
z = exp ( - pi ^2.* y ) .* sin ( pi .* x ) ;
%intercambie el orden de x e y
surf (y ,x , z )
hold off

El cual devuelve la aproximacion, el valor exacto y el error cada valor en distintas matrices, se
grafican las aproximaxion y la exacta en la misma figura:


6 PROBLEMAS PARABOLICOS

6.5.

39

M
etodo de Crank-Nicolson

Un procedimiento alternativo del tipo metodo implicito se conoce con el nombre de sus inventores, John Crank y Phillis Nicolson (Ingleses), y se basa en una simple variante de la ecuacion
1
1
[u (x + h, t) 2u (x, t) + u (x h, t)] = [u (x, t) u (x, t k)]
2
h
k
si la solucion numerica de la malla de puntos x = ih, t = jk se ha obtenido hasta cierto nivel
en la variable t, la ecuacion anterior gobierna los valores de u en el siguiente nivel de t.
Ademas la ecuacion anterior se puede escribir como
u (x h, t) + ru (x, t) u (x + h, t) = su (x, t k)
donde r = 2 + s y s =

h2
.
k

La localizacion de los cuatro puntos en esta ecuacion se muestra en la figura:


6 PROBLEMAS PARABOLICOS

40

En el nivel t, u es desconocido, pero en el nivel (t k), u es conocido, entonces podemos


introducir incognitas ui = u (ih, t) y cantidades conocidas bi = su (ih, t k) y escribir nuestra
ecuacion en forma matricial:

r 1
u1
b1

1 r 1
u 2 b2

u 3 b3
1 r 1

(6.4)

. = .
.
.
.
.. .. ..

.. ..

1
r
1
u
b

n2 n2
1 r
un1
bn1
se ha utilizado el supuesto que u (0, t) = u (1, t) = 0.
Este metodo es estable, veremos que si los valores iniciales de u (x, 0) estan en el intervalo
[, ], entonces los valores subsecuentemente calculados usando la ecuacion tambien estaran
en [, ], lo que excluye cualquier crecimiento inestable. Como la solucion se construye linea a
linea de manera uniforme, solo necesitamos verificar que los valores de la primera linea calculada,
u (x, k), estan en [, ]. Sea j el ndice mas grande ui que ocurre en la linea t = k. Entonces
uj1 + ruj uj+1 = bj . Como uj es el mas grande de los us, uj1 uj y uj+1 uj . As,
ruj = bj + uj1 + bj+1 bj + 2uj . Como r = 2 + s y bj = su (jh, 0), la desigualdad anterior
conduce a uj u (jh, 0) .
Como uj es el mayor de los ui , tenemos que ui para todo i, similarmente ui para todo
i. Estableciendo de este modo nuestra afirmacion
Pseudoc
odigo
A continuacion llevamos a cabo el metodo de Crank-Nicolson, escrito en Matlab:
n =10; m =20; h =0.1; k =0.005;
s = h ^2/ k ; r =2+ s ;
c = zeros (1 ,n -1) ; d = zeros (1 ,n -1) ; u = zeros (n -1 , m ) ; v = zeros (1 ,n -1) ;
u (: ,1) = sin ( pi * h *(1: n -1) ) ;
for j =1: m
v = s * u (: , j ) ;
u (: , j +1) = tri ( - ones (1 ,n -1) ,r * ones (1 ,n -1) ,- ones (1 ,n -1) ,v ) ;
t=j*k;


6 PROBLEMAS PARABOLICOS

41

end
disp ( u )
x =0.1: h :0.9; y =0: k : k *20;
[ a b ]= meshgrid (y , x ) ;
surf (a , b , u )
hold on
%grafica de la sol . exacta de la EDP
a =0:0.1:1; b =0:.005:.005*20;
[ x y ]= meshgrid (a , b ) ;
z = exp ( - pi ^2.* y ) .* sin ( pi .* x ) ;
%intercambie el orden de x e y surf (y ,x , z )
hold off

El cual devuelve solo la aproximacion y graficando junto con la solucion exacta tenemos:

En el, h = 0.1, k = h2 /2, y la solucion se contin


ua hasta t = 0.1. Los valores r = 4 y s = 2.
Calculamos e imprimimos solo los valores de u para puntos interiores de cada linea horizontal.
Para los puntos de la frontera tenemos u (0, t) = u (1, t) = 0.
Se usaron los mismos valores para k y h en el pseudocodigo de los dos metodos (explicito y
Crank-Nicolson), por lo que puede hacerse un comparacion en las salidas.


6 PROBLEMAS PARABOLICOS

6.6.

42

Versi
on alternativa del m
etodo de crank

Otra version del metodo de Crank Nicolson se obtiene de la siguiente manera:



Las diferencias centrales de x, t 12 k en la ecuacion
1
1
[u (x + h, t) 2u (x, t) + u (x h, t)] = [u (x, t) u (x, t k)]
2
h
k
producen
 





1
1
1
1
1
u x + h, t k 2u x, t k + u x h, t k
= [u (x, t) u (x, t k)]
2
h
2
2
2
k
como los valores de u son conocidos solo para los enteros m
ultiplos de k, los terminos tales como

1
x, t 2 k son reemplazados por el promedio de los valores de u en los puntos adyacentes de la
malla, esto es;

x, t 12 k 12 [u (x, t) + u (x, t k)] entonces nosotros tenemos
1
[u (x + h, t) 2u (x, t) + u (x h, t) + u (x + h, t k) 2u (x, t k) + u (x h, t k)]
2h2
1
= [u (x, t) u (x, t k)]
k
la forma computacional de esta ecuacion es
u (x h, t)+2 (1 + s) u (x, t)u (x + h, t) = u (x h, t k)+2 (s 1) u (x, t k)+u (x + h, t k)
donde

1
h2

s=
s

Los seis puntos en esta ecuacion se muestran en la figura:

Esto conduce al sistema tridiagonal de la forma 6.4 con r = 2 (1 + s) y


bi = u ((i 1) h, t k) + 2 (s 1) u (ih, t k) + u ((i + 1) h, t + k)


7 ECUACIONES HIPERBOLICAS

6.7.

43

Estabilidad

El corazon del metodo explicito es la ecuacion


u (x, t + k) = u (x + h, t) + (1 2) u (x, t) + u (x h, t)
la cual muestra como los valores de u para t + k dependen de los valores de u en el paso del
tiempo anterior, t. Si introducimos los valores de u en la malla escribiendo uij = u (ih, jk),
entonces podemos reunir todos los valores para un t-nivel en un vector v (j) como sigue:
v (j) = [u0j , u1j , u2j , ..., unj ]T
y nuestra ecuacion inicial ahora podra escribirse de la forma ui,j+1 = ui+1,j + (1 2) uij +
ui1,j .
Esta ecuacion muestra como v (j+1) es obtenido de v (j) . Esto es simplemente v (j+1) = Av (j) ,
donde A es la matriz cuyos elementos son

1 2

1 2

1 2

..
..
..

.
.
.

1 2

1 2

Las ecuaciones nos dicen que v (j) = Av (j1) = A2 v (j2) = A3 v (j3) = ... = Aj v 0 .
A partir de las consideraciones fsicas, la temperatura en la barra debera aproximarse a cero.
Despues de todo, el calor se pierde a traves de los extremos de la varilla, que se mantuvieron a
temperatura cero. Por lo tanto Aj v 0 debera converger a cero cuando j .

7.
7.1.

Ecuaciones hiperb
olicas
La ecuaci
on de onda 1D

El prototipo de una ecuacion diferencial parcial hiperbolica lineal es la ecuacion unidimensional


ut + aux = 0

(7.1)

donde a es una contante, t representa el tiempo y x representa la variable espacial. Para que
esta ecuacion sea resoluble, las condiciones iniciales de la misma deben ser establecidas. En este
caso es dado u (0, x) es igual a una funcion u0 (x). La incognita es u (t, x) para todo valor de t


7 ECUACIONES HIPERBOLICAS

44

positivo.
La solucion a la ecuacion es u (t, x) = u0 (x at). Observe que esta solucion puede facilmente
ser verificada reemplazandola en la ecuacion ut + aux = 0 (esto prueba la existencia de una
solucion a la ecuacion ut + aux = 0).
Analizando la solucion podemos observar que:
La solucion en cualquier tiempo t = T es una copia desplazada de la funcion original
u0 (x).
El desplazamiento sera hacia la derecha si a es positiva y hacia la izquierda si a es negativa.
El tama
no de este desplazamiento es |a| T , esto significa que la solucion en el punto (t, x)
depende exclusivamente del valor de = x at.
Las lineas en el plano (t, x) sobre la cual xat es constante es denominada da caracterstica,
y ademas, sobre la linea caracterstica la funcion u (t, x) tienen un valor constante igual a
u0 ().
Note que a = (x ) /t tiene dimension de distancia sobre tiempo. As podemos asociar a
una velocidad: la velocidad de propagacion. La ecuacion modela una onda que se propaga
con una velocidad a sin cambio en su forma.

Un hecho importante en la solucion de ecuaciones diferenciales hiperbolicas es que la ecuacion


ut + aux = 0 solo tiene sentido si u (t, x) es diferenciable, sin embargo la solucion presentada
u0 (x at) depende de este requerimiento. Observe que una onda discontinua tambien se propaga
con la misma ley.

7.1.1.

Sistemas de ecuaciones hiperb


olicos

Sea un sistema de ecuaciones de la forma


ut + Aux = F (t, x)

(7.2)

donde u Rn , entonces el sistema anterior se denomina hiperbolico si la matriz A Rnn es


diagonalizable con autovalores reales.
Recordemos. Una matriz A es diagonalizable si existe una matriz no singular M tal que M AM 1
es una matriz diagonal, esto es M AM 1 = A donde ()i,i = i son los autovalores de A, y
justamente estos autovalores son la velocidades caractersticas del sistema.


7 ECUACIONES HIPERBOLICAS

45

Definiendo ahora w = M u entonces el sistema dado se transforma en

wt + Awx = M F = F
i

que es equivalente a tener n sistemas de la forma wti + i wxi = F que tienen la forma de la
ecuacion diferencial parcial hiperbolica lineal de onda. Al igual que la ecuacion de onda, para
completar el sistema dado las condiciones iniciales estan dadas por u (0, x) = u0 (x). Note que
con el cambio de variable que realizamos tenemos entonces w (0, x) = w0 (x) := M u0 (x).
El sistema (7.2) tambien se denomina desacoplado por que la solucion de cada wi no depende
de ninguna otra solucion wj .
7.1.2.

Diferencias finitas

Definimos inicialmente una malla en el plano (t, x). Sean h y k dos n


umeros reales positivos,
entonces la malla estara compuesta por los puntos (tn , xm ) = (nk, mh), donde n y m son enteros
arbitrarios. El conjunto de puntos (tn , xm ) para un valor fijo dado de n es llamado malla al nivel
n.
La funcion u (tn , xm ) es el valor de la funcion u (t, x) en el punto (tn , xm ) de la malla. Mientras
n
que denotamos por vm
el valor de la funcion v en el punto (tn , xm ).
Note que hacemos esto para diferenciar el valor de la solucion u (tn , xm ) de la ecuacion diferencial
n
.
de su correspondiente aproximacion vm
Aproximaci
on temporal
Usamos el metodo de diferencias finitas para aproximar las derivadas de la ecuacion diferencial.
Por ejemplo, la aproximacion temporal de primer orden (Euler en avance) de u/t (tn , xm )
sera:
1
u
(nh, mk) [u ((n + 1) k, mh) u (nk, mh)]
t
k
la aproximacion de Euler en retroceso sera:
u
1
(nh, mk) [u (nk, mh) u ((n 1) k, mh)]
t
k
mientras que la aproximacion de segundo orden sera
u
1
(nh, mk)
[u ((n + 1) k, mh) u ((n 1) k, mh)]
t
2k
Aproximaci
on espacial.
Analogamente, la aproximacion espacial de Euler en avance sera:
u
1
(nh, mk) [u (nk, (m + 1) h) u (nk, mh)]
x
h


7 ECUACIONES HIPERBOLICAS

46

la aproximacion de euler en retroceso sera


u
1
(nh, mk) [u (nk, mh) u (nk, (m 1) h)]
x
h
Ambas aproximaciones de Euler (en avance y retroceso) son de primer orden, mientras que una
aproximacion de segundo orden es:
u
1
(nh, mk)
[u (nk, (m + 1) h) u (nk, (m 1) h)]
x
2h
Usando las aproximaciones temporales y espaciales arriba definidas es posible obtener algunas
de las tpicas aproximaciones de diferencias finitas para la ecuacion (7.1)


1  n+1
1 n
n
n
vm vm
+ a vm+1
vm
k
h


1  n+1
1 n
n
n
vm vm
+ a vm
vm1
k
h



1
1  n+1
n
n
n
vm vm
+a
vm+1
vm1
k
2h


1  n+1
1  n
n1
n
vm vm
vm+1 vm1
+a
2k
2h




1 n+1 1 n
1  n
n
n
vm
vm+1 + vm1
vm+1 vm1
+a
k
2
2h

= 0
= 0
= 0
= 0
= 0

Varios otros esquemas de diferencias finitas pueden ser desarrollados y de hecho varios mas
son encontrados en la literatura. Esto es debido justamente a la simplicidad del metodo de
diferencias finitas, que es uno de los motivos por lo que es popular.
Sin embargo, no todos los esquemas de diferencias finitas poseen buenas propiedades de eficiencia
y precision. De hecho observando la lista de esquemas mostrados, la pregunta que surge es:
Cuales de estos esquemas dan soluciones que aproximan convenientemente la solucion de la
EDP que esta siendo aproximada por el esquema, a continuacion discutimos las propiedades
que deben seguir los esquemas de diferencias finitas.
7.1.3.

Consistencia

La propiedad mas basica que un esquema debe tener para ser u


til, es que sus soluciones aproximen la solucion de la ecuacion diferencial correspondiente y que la aproxime mejor cuando h y
k tienden a cero.
Consideremos las ecuaciones diferenciales parciales de la forma
P (t , x ) u = f (t, x)
que son de primer orden con respecto a t.


7 ECUACIONES HIPERBOLICAS

47

Ejemplos de ecuaciones que son de primer grado en el tiempo son las ecuaciones de onda (7.1)
y las tres siguientes ecuaciones:
ut buxx + aux = 0
ut cutxx + buxxxx = 0
ut + cutx + aux = 0
Cuando implementamos un esquema de diferencias finitas, burdamente hablando nos interesa
n
converge a la solucion u (t, x) de la
saber si la solucion de la ecuacion a diferencias finitas vm
EDP hiperbolica. Formalizamos esto con la definicion siguiente.
Definici
on. Un esquema de diferencias finitas de un paso que aproxima una ecuacion diferencial
parcial es un esquema convergente si para cualquier solucion de la ecuacion diferencial parcial,
0
n
converge a u0 (x) cuando
, tal que vm
u (t, x) y soluciones al esquema de diferencias finitas, vm
n
mh converge a x, tenemos que vm
converge a u (t, x) cuando (nk, mh) converge a (t, x) cuando
h y k convergen a cero.
De forma a demostrar la convergencia de un determinado metodo introducimos dos propiedades
que deben cumplir el esquema de diferencias finitas de forma que su solucion converja a la
solucion de la EDP. Las propiedades son consistencia y estabilidad. Esto por que en general
probar la convergencia directamente es mas difcil de testar de el esquema cumple estas dos
propiedades. Para esto un determinado esquema de diferencias finitas lo denotamos por Pk,h v =
f y la EDP por P u = f .
Definici
on Dada una ecuacion diferencial parcial P u = f y un esquema de diferencias finitas,
Pk,h u = f , decimos que el esquema de diferencias finitas es consistente con la ecuacion diferencial si para cada funcion suave (t, x), P Pk,h 0 cuando h, k 0 la convergencia es
convergencia puntual en cada punto de la malla.
Es importante resaltar que consideramos una funcion suave a aquella que es suficientemente
diferenciable.
Ejemplo Esquema de avance de tiempo y avance de espacio.

+ a x
tal que P = t + ax . Para el esquema de
para la ecuacion (7.1) , el operador P es t
avance de tiempo y avance de espacio el operador de diferencias Pk,h esta dado por

Pk,h =



1  n+1
1
m nm + a nm+1 + nm
k
h

(7.3)

donde nm = (nk, mh).


Como la funcion (t, x) es suave, entonces podemos usar una serie de Maclaurin con respecto


7 ECUACIONES HIPERBOLICAS

48

a t y x en el punto (tn , xm ). Obtenemos



1
n+1
= nm + kt + k 2 tt + O k 3
m
2

1
nm+1 = nm + hx + k 2 xx + O h3
2
evaluando las derivadas en el punto (tn , xm ), usando las expansiones desarrolladas arriba para
computar la expresion (7.3), obtenemos


1
1
Pk,h = t + ahx + ktt + a hxx + O k 3 + O h3
2
2
As,


1
1
P Pk,h = ktt a hxx + O k 2 + O h2 0 cuando (h, k) 0
2
2
consecuentemente el esquema es consistente.
Ejemplo, El esquema de lax-Friedrich




1 n+1 1 n
1  n
n
Pk,h =
m
m+1 + m1 + a
m+1 + nm1
k
2
2h
usando las series de Taylor

1
nm1 = nm hx + h2 xx h3 xxx + O h4
2
donde las derivadas son evaluadas en (tn , xm ). Usando series de Taylor tenemos


1 n
1
m+1 + nm1 = nm + h2 xx + O k 4
2
2
y


1
1
nm+1 + nm1 = nm + h2 xxx + O k 4
2h
6
y sustituyendo estas expresiones en el esquema, obtenemos

1
1
1
Pk,h = t + ahx + ktt k 1 h2 xx + ah2 xxx + O h4 + h1 h2 + k 2
2
2
6
entonces P Pk,h 0 cuando h, k 0, es decir es consistente mientras k 1 h2 0.
7.1.4.

Error global y convergencia

Interrogante: Cuan bien aproxima vjn la solucion exacta?


Consideramos el error puntual (escribimos funciones suaves) Ejn = vjn unj podemos extender a
funciones
Ek (x, t) = vk (x, t) u (x, t)


7 ECUACIONES HIPERBOLICAS

49

Ejn es el valor puntual de Ek (xj , tn ). Con estas definiciones el metodo es convergente si: kEk (, t)k
0 cuando k 0 t 0.

P
vjn
Norma Usaremos kk :=
|v (x)| dx y la norma-1 discreta kv n k = h
1

Definici
on El error de truncamiento mide cuan bien la ecuacion en diferencias modela la
ecuacion diferencial localmente.
Ejemplo Considere Lax-Friedrich




1 n+1 1 n
1
n
n
n
vj
vj1 + vj+1 + a vj+1
vj1
=0
k
2
2h
usando u en vez de v tenemos:


1
1
1
u (x, t + k) (u (x h, t) + u (x + h, t)) + a [u (x + h, t) u (x h, t)]
Lk (x, t) =
k
2
2h
como siempre asumimos funciones suaves, tenemos
 




1 2
1
1 3
1
1 2
Lk (x, t) =
u + kut + k utt + ... u + h uxx + ... + a 2hux + h uxxx + ...
k
2
2
2h
3



1
1
= ut + aux +
kutt h2 uxx + O h2
2
k
Note que ut + aux = 0 entonces
1
Lk (x, t) =
2



1 2
kutt h uxx + O h2
k

pero ut 0 aux
utt = auxt = autx = a (aux )x = a2 uxx
entonces



1 2
1
2
k a 2 h I uxx (x, t) + O k 2
Lk (x, t) =
2
k
= O (k) cuando k 0
y hk = cte cuando se refina la malla |Lk (x, t)| Ck entonces el metodo de lax friedrich es de
primer orden.
Definici
on Para un metodo de 2 niveles, definimos el error de truncamiento como
Lk (x, t) =

1
[u (x, t + k) Hk (u (, t) , x)]
k

Definici
on El metodo es consistente si kLk (, t) 0k cuando k 0


7 ECUACIONES HIPERBOLICAS

50

Definici
on El metodo es de orden p si pera toda funcion condicion inicial con soporte compacto,
existe una constante CL tal que
kLk (, t)k CL k p
7.1.5.

k < k0

t<T

Estabilidad

Consistencia no es suficiente para garantizar la convergencia de la solucion de diferencias finitas


a la solucion de la EDP. Sea
!1/2
m=
X
kwkh =
|wm |
m=

para una funcion de la malla w. La expresion kwkh es equivalente a la norma L2 de w. Usando


esta norma introducimos la definicion de estabilidad.
n
= 0
Definici
on Para la ecuacion de primer orden, un esquema de diferencia finitas Pk,h vm
es estable si existe un entero J y n
umeros positivos h0 y k0 tal que para cualquier tiempo T
positivo, existe una constante CT tal que

kv k

!1/2
J
X
j 
v
CT
h
j=0

para 0 nk T , 0 < h < h0 y 0 < k < k0


La expresion anterior es equivalente a
kv n kh CT

X 
v j
h

para alguna constante CT . Note ademas que los valores de h0 y k0 se refieren a que la condicion
es valida para valores de h y k suficientemente peque
nos.
Ahora mostramos algunos ejemplos donde la condicion de estabilidad puede verificarse directamente.
Ejemplo Probemos una condicion suficiente para satisfacer la estabilidad para el esquema en
avance de tiempo


1  n+1
1 n
n
n
vm vm
+ a vm+1
vm
=0
k
h
considerando esquemas de la forma
n
n
n+1
vm
= vm
+ vm+1

de la cual, el esquema en avance de tiempo y avance de espacio es un caso especial. Mostremos


que el esquema es estable si || + || 1. El analisis es similar para el esquema de avance de


7 ECUACIONES HIPERBOLICAS
tiempo y retroceso de espacio

X
n+1 2
vm =
m=

1
k

51

 n

n+1
n
n
[vm
vm
] + a h1 vm
vm1
= 0. Tenemos

X
n
2
n
vm + vm+1

m=

X
m=

X
m=



n 2
n 2
n n

||2 |vm
| + 2 || || |vm
| vm+1 + ||2 vm+1

n 2 
n 2

n 2
n 2
+ ||2 vm+1

||2 |vm
| + || |vm
| + vm+1
 n 2
||2 + 2 || || + ||2 |vm
|

m=
2

= (|| + ||)

n 2
|vm
|

m=

donde usamos la desigualdad 2xy x2 + y 2 . Luego el esquema es estable si || + || 1. Para el


esquema de avance de tiempo y avance de espacio la condicion ||+|| 1 es que |1 + a|+|a|
es como maximo 1. Entonces vemos que este esquema es estable si 1 a 0.
7.1.6.

Convergencia.

Para simplificar representamos el metodo de diferencias finitas como un+1


= Hk (un ; j) con los
j
conceptos de consistencia y estabilidad podemos usar el teorema de Lax-Richtmyer. Teorema
fundamental en la teora de diferencias finitas para ecuaciones diferenciales parciales.
Teorema. Un esquema de diferencias consistente para una ecuacion diferencial parcial para el
cual el problema de valor inicial es bien puesto, es convergente si y solamente si es estable.

7.2.

Problema modelo de la ecuaci


on de onda

La ecuacion de onda con una variable en el espacio es


2u
2u
=
t2
x2

(7.4)

la cual gobierna la vibracion de una cuerda (vibracion transversal en un plano) o la vibracion


en una varilla (vibracion longitudinal). Es un ejemplo de una ecuacion diferencial lineal de
segundo orden del tipo hiperbolico. Si se utiliza la ecuacion (7.4) para modelar la vibracion de
una cuerda, entonces u(x, t) representa la desviacion en el tiempo t de un punto de la cadena
cuya coordenada x es cuando la cadena esta en reposo.
Para plantear un problema modelo, suponemos que los puntos de la cadena tienen coordenadas
x en el intervalo 0 x 1.


7 ECUACIONES HIPERBOLICAS

52

Luego supongamos que en el instante t = 0, las deflexiones satisfacen las ecuaciones u(x, 0) =
f (x) y ut (x, 0) = 0. Supongamos tambien que los extremos de la cadena se mantienen fijos.
Entonces u(0, t) = u(1, t) = 0. Un problema de valores de frontera completamente definido,
entonces, es

utt uxx = 0

u (x, 0)
= f (x)
(7.5)

u
(x,
0)
=
0
t

u (0, t)
= u (1, t) = 0
La region en el plano xt, donde se busca una solucion es la franja semi-infinita definida por las
desigualdades 0 x 1 y t 0.
Como en el problema de conduccion de calor de, los valores de la funcion desconocida se prescriben en el lmite de la region mostrada

7.2.1.

Soluci
on analtica

El problema modelo (7.5) es tan simple que puede ser resuelto de inmediato. En efecto, la
solucion es
1
u (x, t) = [f (x + t) + f (x t)]
(7.6)
2
A condicion de que una funcion f posee dos derivadas y se ha extendido a toda la lnea real,
por definicion se tienef (x) = f (x) y f (x + 2) = f (x).
Para comprobar que la ecuacion (7.6) es una solucion, calculamos las derivadas usando la regla
de la cadena:


7 ECUACIONES HIPERBOLICAS
ux = 21 [f 0 (x + t) + f 0 (x t)]
uxx = 21 [f 00 (x + t) + f 00 (x t)]

53
ut = 12 [f 0 (x + t) f 0 (x t)]
utt = 12 [f 00 (x + t) + f 00 (x t)]

Obviamente utt = uxx . Tambien u (x, 0) = f (x). Por tanto, tenemos ut (x, 0) = 21 [f 0 (x) f 0 (x)] =
0
Al consultar las condiciones en los extremos, utilizamos las formulas por el cual se extendio f :
1
[f (t) + f (t)] = 0
2
1
u (1, t) =
[f (1 + t) + f (1 t)]
2
1
=
[f (1 + t) f (1 t)]
2
1
=
[f (1 + t) f (t 1 + 2)] = 0
2
u (0, t) =

La extension de f en su dominio original a toda la recta real hace que sea una funcion periodica
impar de periodo 2. Impar significa que f (x) = f (x) y la periodicidad es expresada por
f (x + 2) = f (x), para todo x.
Para calcular u (x, t), necesitamos conocer f y solo dos puntos del eje x, que son x + t y x t
como en la figura siguiente

7.2.2.

Soluci
on num
erica

El problema modelo se utiliza aqu para ilustrar de nuevo el principio de la solucion numerica.
La eleccion de tama
nos de paso h y k para x y t, respectivamente, y el uso de las aproximaciones
conocidas para las derivadas, tenemos de la ecuacion (7.4)
1
1
[u
(x
+
h,
t)

2u
(x,
t)
+
u
(x

h,
t)]
=
[u (x, t + k) 2u (x, t) + u (x, t k)]
h2
k2
que puede tambien ser reordenada como


7 ECUACIONES HIPERBOLICAS

54

u (x, t + k) = u (x + h, t) + 2 (1 ) u (x, t) + u (x h, t) u (x, t k)


donde =

(7.7)

k2
.
h2

La figura siguiente muestra el punto (x, t + k) y los puntos cercanos que entran en la ecuacion
(7.7)

Las condiciones de frontera en el problema (7.5) pueden ser escritas como

u (x, 0)
1
k

= f (x)

[u (x, k) u (x, 0)] =

u (0, t) = u (1, t)

(7.8)

El problema definido por las ecuaciones (7.7) y (7.8) puede ser resuelto comenzando en la lnea
de t = 0, donde u es conocida, y luego avanzar una lnea a la vez con t = k, t = 2k, t = 3k, ....
Note que de la ecuacion (7.8), nuestra solucion aproximada satisface
u (x, k) = u (x, 0) = f (x)

(7.9)

El uso de la aproximacion O(k) para ut conduce a una baja precision en la solucion computarizada al problema (7.5). Supongamos que hay una fila en la cuadrcula con puntos (x, k).
Dejamos t = 0 en la ecuacion (7.7), y tenemos
u (x, k) = u (x + h, 0) + 2 (1 ) u (x, 0) + u (x h, 0) u (x, k)
Ahora la aproximacion de la diferencia central
1
[u (x, k) u (x, k)] = 0
2k
para ut (x, 0) = 0 se puede utilizar para eliminar el punto de la cuadrcula ficticia (x, k). As


7 ECUACIONES HIPERBOLICAS

55

que en lugar de la ecuacion (7.9), ponemos


1
u (x, k) = [f (x + h) + f (x h)] + (1 ) f (x)
2
porque u (x, 0) = f (x).
Los valores de u (x, nk) , n 2, pueden ahora ser calculados de la ecuacion (7.7).

7.2.3.

Pseudoc
odigo

n =10; m =20; h =0.1; k =0.05;


u = zeros ( n +1 , m +1) ; v = zeros ( n +1 , m +1) ;
ro =( k / h ) ^2;
for i =2: n
x=i*h;
w(i)=f(x);
v ( i ) =( ro /2) *( f (x - h ) + f ( x + h ) ) +(1 - ro ) * f ( x ) ;
end
for j =1: m +1
for i =2: n
u (i , j ) = ro *( v ( i +1) + v (i -1) ) +2*(1 - ro ) * v ( i ) -w ( i ) ;
end
for i =2: n
w(i)=v(i);
v ( i ) = u (i , j ) ;
t=j*k;
x=i*h;
end
end
disp ( u )
x =0: h :1;
y =0: k : k *20;
[ a b ]= meshgrid (y , x ) ;
surf (a , b , u )
%solucion exacta
x =0: h :1; y =0: k : k *20;
[ a b ]= meshgrid (y , x ) ;
u = sin ( pi .* a ) .* cos ( pi .* b )
surf (a , b , u )

Este pseudocodigo requiere el acompa


namiento de funciones para calcular los valores de f (x)
y de la solucion exacta. Nosotros elegimos f (x) = sin (x) en el ejemplo. Asumimos que x este
en el intervalo [0, 1], pero cuando h o n cambien, el intervalo puede ser [0, b], esto es,nh = b. La
solucion numerica se calcula en las t lineas que corresponden a 1k, 2k, , mk.
A continuacion se presentan las graficas de la solucion aproxiamada y la solucion exacta


7 ECUACIONES HIPERBOLICAS

56

Los tratamientos mas avanzados muestran que las proporciones = hk2 no debe exceder a 1 si la
solucion de las ecuaciones en diferencias finitas converge a una solucion del problema diferencial
cuando k 0 y h 0. Por otra parte, si > 1, los errores de redondeo que se producen
en una etapa del computo probablemente se magnifiquen en etapas posteriores y por lo tanto
arruinaran la solucion numerica.
En Matlab, PDE Toolbox tiene una funcion para producir la solucion de problemas hiperbolicos
utilizando la formulacion de elementos finitos del problema escalar de EDP.
Un ejemplo que se encuentra en la documentacion de MATLAB encuentra la solucion numerica
2
del problema de la propagacion de ondas de dos dimensiones t2u = 2 u en el cuadrado 1
x, y 1 con condiciones de frontera de Dirichlet en la izquierda y la derecha de la frontera,
u = 0 para x = 1 y con valores cero en la derivada normal en los limites superior e inferior
de la frontera. Ademas, hay condiciones de frontera Neumman u/ = 0 para y = 1. Las
condiciones iniciales
  
x
u (0) = arctan cos
2
y
  
du (0) /dt = 3 sin (x) exp sin
y
2
son elegidas para evitar poner demasiada energa en los modos mas altos de vibracion.

7.3.

Ecuaci
on de advecci
on

Nos enfocamos ahora en la ecuacion de adveccion (Adveccion es la variacion de un escalar en


un punto dado por efecto de un campo vectorial)
u
u
= c
t
x


7 ECUACIONES HIPERBOLICAS

57

aqu, u = u (x, t) y c = c (x, t) en el que se puede considerar a x como el espacio y t el tiempo. La


ecuacion de adveccion es una ecuacion diferencial parcial hiperbolica que gobierna el movimiento
de un escalar conservado, que es advectado por un campo de velocidad conocida. Por ejemplo, la
ecuacion de adveccion se aplica al transporte de sal disuelta en el agua. Incluso en una dimension
espacial y la velocidad constante, el sistema sigue siendo difcil de resolver.
Dado que la ecuacion de adveccion es difcil de resolver numericamente, el interes general se centra en soluciones de choque discontinuas, que son notoriamente difciles para manejar esquemas
numericos.
Usando la aproximacion por diferencias hacia adelante en el tiempo y las diferencias centrales
para las aproximaciones en el espacio, tenemos
1
1
[u (x, t + k) u (x, t)] = c [u (x + h, t) u (x h, t)]
k
2h
y esto da
1
u (x, t + k) = u (x, t) [u (x + h, t) u (x h, t)]
2
donde = hk c (x, t). Todas las soluciones numericas crecen en magnitud por todo el tiempo con
pasos de tama
no k. Para todos > 0, este esquema es inestable por el analisis de la estabilidad
de Fourier.
M
etodo de Lax
En las diferencias centrales del esquema anterior, reemplazamos el primer termino del lado
derecho u (x, t) por 12 [u (x, t k) + u (x, t + k)], y obtenemos
1
1
[u (x, t k) + u (x, t + k)] [u (x + h, t) u (x h, t)]
2
2
1
1
=
(1 + ) u (x h, t) + (1 + ) u (x, t k)
2
2

u (x, t + k) =

Este es el metodo de Lax, y este simple cambio hace que el metodo condicionalmente estable.
M
etodo Upwind
Otra forma de obtener un metodo estable es mediante el uso de una aproximacion en un solo
lado para ux en la ecuacion de adveccion, siempre y cuando la parte se toma en la direccion
contra el viento (upwind). Si c > 0, el transporte esta a la derecha. Esto se puede interpretar
como el viento a velocidad c soplando, la solucion de izquierda a derecha. As si la direccion
contra el viento esta a la izquierda para c > 0 y hacia la derecha para c < 0.
Por lo tanto, la aproximacion de diferencias contra el viento es

ux (x, t)

c [u (x, t) u (x h, t)] /h

c>0

c [u (x + h, t) u (x, t)] /h

c<0


7 ECUACIONES HIPERBOLICAS

58

entonces el esquema para la ecuacion de adveccion nos queda

u (x, t + k) = u (x, t)

c [u (x, t) u (x h, t)] /h

c>0

c [u (x + h, t) u (x, t)] /h

c<0

M
etodo lax-wendroff
El esquema de Lax-Wendroff es de segundo orden en el espacio y el tiempo. La siguiente es una
de varias formas posibles de este metodo. Empezamos con un desarrollo en serie de Taylor sobre
un paso de tiempo:

1
u (x, t + k) = u (x, t) + kut (x, t) + k 2 utt (x, t) + O k 3
2
Ahora usamos la ecuacion de adveccion para sustituir las derivadas del tiempo en el lado derecho
por los derivados del espacio:
ut = cux
utt = (cux )t
= ct ux c (ux )t
= ct ux c (ut )x
= ct ux + c (cux )t
Aqu, tenemos que c = c (x, t) y asumimos que c no es constante. Sustituyendo para ut y uxx
tenemos que

1
u (x, t + k) = u (x, t) ckux + k 2 [ct ux + c (cux )x ] + O k 3
2
donde se eval
ua todo en el lado derecho en (x, t). Si aproximamos la derivada espacial con
diferencias de segundo orden, vamos a tener un sistema de segundo orden en el espacio y el
tiempo:
1
u (x, t + k) u (x, t) ck [u (x + h, t) u (x h, t)]
2h


1 2
1
+ k ct [u (x + h, t) u (x h, t)] + c (cux )x
2
2h
La dificultad de este esquema se presenta cuando c depende del espacio y hay que evaluar el
u
ltimo termino de la expresion anterior. En el caso en el que c es una constante, obtenemos
c (cux )x = c2 uxx
1

[u (x + h, t) 2u (x, t) + u (x h, t)]
2h


7 ECUACIONES HIPERBOLICAS

59

El esquema de Lax-Wendroff convierte en


1
u (x, t + k) = u (x, t) [u (x + h, t) u (x h, t)]
2
1 2
+ c [u (x + h, t) 2u (x, t) + u (x h, t)]
2
donde = c (k/h). Como lo hace el metodo de Lax, este metodo tiene la disipacion numerica
(perdida de amplitud), sin embargo, es relativamente debil.

NUMERICA

8 SOLUCION
A ECUACIONES DIFERENCIALES PARCIALES

8.

60

Soluci
on Num
erica a Ecuaciones Diferenciales Parciales

8.1.

Problemas de valores de frontera para EDPs elpticas de segundo orden

Iniciamos con un tipico problema fsico de aplicacion en ecuaciones diferencales parciales, el


modelo de flujo de calor. Supongamos que tenemos un cuerpo solido ocupando una region
R3 , la distribucion de temperatura del cuerpo puede estar dada por una funcion u : J R
donde J es un intervalo de tiempo en el que estamos interesados y u (x, t) es la temperatura en
un punto x en el tiempo t J. El calor contenido (la cantidad de energia termica ) en el
subcuerpo D esta dada por

calor contenido en D =

cu dx
D

donde c es el producto de el calor especifico de el material y la densidad del material. Como la


temperatura podra variar con el tiempo, el calor debera estar contenido en D. La velocidad
de cambio del calor en D esta dada por

velocidad de cambio del calor en D =


t

cu dx =

(cu)
(x, t) dx
t

Ahora cualquier cambio de calor en D debera estar representado por el calor que fluye dentro o
fuera de D a traves de la frontera o por el calor que entra de fuentes externas (por ejemplo, si el
cuerpo fuera en un horno de microondas). Las leyes de Fourier de la conduccion del calor dicen
que el flujo de calor en la direccion opuesta del gradiente de la temperatura con una velocidad
proporcional a la magnitud del gradiente. Esto es, el flujo de calor, en cualquier punto y en
cualquier tiempo, esta dada por
flujo de calor = gradu
donde la cantidad positiva es llamada la conductividad de el material (Por lo general es un
escalar, pero si el material es termicamente anisotropico, es decir, se ha preferido direcciones de
flujo de calor, como puede ser un material fibroso o laminado, puede ser una matriz definida
positivade 3 3). Ademas el calor que fluye fuera de D esta dado por

velocidad de flujo de calor fuera de D =

( grad u) n ds
D

Ahora el teorema de la divergencia dice que para cualquier campo vectorial v,

v n ds =

NUMERICA

8 SOLUCION
A ECUACIONES DIFERENCIALES PARCIALES

61

div v dx. Asi

velocidad de flujo de calor fuera de D =

div ( grad v) dx
D

La concervacion de la energia esta dada por

(cu)
dx
t

div ( grad v) dx =

f dx
D

donde f es la velocidad a la cual el calor por unidad de volumen esta siendo a


ndido por una
fuente externa (Si el calor se esta extrayendo, f es negativa). Asi la cantidad
(cu)
div ( grad v) = f
t
desaparece la integral en cualquier region suavemente delimitada por una subregion D. Esto
pasa si y solo si esta cantidad desaparece. Asi derivando la ecuacion tenemos:
(cu)
= div ( grad v) + f en J
t
La funcion fuente f , el coeficiente del material c y y la solucion u pueden ser todas funciones
de x y t. Si el material es homogeneo y si no cambia con el tiempo, entonces c y son constantes
y la ecuacion se simplifica para ser la ecuacion de calor

u
= 4u + f
t

donde = c/ y tenemos que f = f /. Si el coeficiente del material depende de la temperatura


u, lo cual puede pasar, tenemos una EDP no lineal generalizada de la ecuacion de calor.
La ecuacion de calor no solo gobierna el flujo de calor, si no tambien todos los tipos de procesos
de difusion donde alguna cantidad de flujo de las regiones de mayor concentracion a las regiones
de menor concentracion. La ecuacion de calor es el prototipo de ecuacion diferencial parcial
parabolica.
Ahora supongamos que nuestro cuerpo alcanza un estado de equilibrio: la temperatura no esta
cambiando. Entonces la derivada en el tiempo es cero y tenemos
div ( grad v) = f en

(8.1)

donde ahora u y f son funciones de f solo . Para un material homogeneo, esto se convierte en
la ecuacion de Poisson
4u = f

NUMERICA

8 SOLUCION
A ECUACIONES DIFERENCIALES PARCIALES

62

que es el prototipo de una ecuacion diferencial elptica. Para un material no homogeneo podemos
dejar el estado de equilibio de la ecuacion de calor de la forma divergente como en (8.1) o
diferenciar fuera y obtenemos
4u + grad gradu = f
Para determinar el estado de equilibrio de la distribucion de la temperatura en un cuerpo
necesitamos conocer no solo las fuentes y los sumideros dentro del cuerpo (dado por f ), pero
tambien que esta sucediendo en la frontera := . Por ejemplo en una situacion comun en la
que la frontera tuvo lugar en una determinada temperatura
u = g en

(8.2)

La EDP (8.1) junto con la condicion de frontera de Dirichlet (8.2) forman un problema de
valor de frontera elptico. Bajo una amplia variedad de circunstancia que pueden mostrarse este
problema tiene solucion u
nica. El siguiente teorema es un ejemplo:
Teorema. Sea un dominio suavemente delimitado en Rn , y sea : R+ , f : R ,

g : R son funciones C . Entonces existe una unica funcion u C 2 que satisface la
ecuacion diferencial (8.1) y la condicion de frontera (8.2). Ademas u es C .
En lugar de las condiciones de frontera de Dirichlet impuestas a las temperatura, a menudo
encontramos la condiciones de frontera de Neumann impuestas al flujo de calor (flujo sobre la
frontera):
u
= g en
n
por ejemplo, si g = 0, esto dice que la frontera esta aislada. Podramos tener condiciones de
Dirichlet en una parte de la frontera y condiciones de Neumann en otro.

8.2.

La discretizaci
on de 5 puntos del laplaciano

Con la motivacion de la seccion anterior, consideremos la solucion numerica del problema de


valor de frontera elptico
4u = f en , u = g en
(8.3)
para simplificar consideremos primero un dominio muy simple = (0, 1) (0, 1), el cuadrado
unidad en R2 . Ahora que este problema ha sido simplificado podemos atacarlo analiticamente
es decir, por separacion de variables, pero es muy usual usar un problema modelo cuando
estudiamos metodos numericos.
Sea N un entero positivo y sea h = 1/N . Consideremos la malla en R2
R2h := {(mh, nh) : m, n Z}

NUMERICA

8 SOLUCION
A ECUACIONES DIFERENCIALES PARCIALES

63

Notemos que cada punto x R2h tiene cuatro vecinos cercanos en R2h , cada una a la izquierda,
a la derecha, arriba y abajo. Sea h = R2h , el conjunto de puntos interiores de la malla,
consideramos esto una discretizacion del dominio . Tambien definamos h como el conjunto
de puntos de la malla en R2h los cuales no pertenecen a h , pero los cuales tienen un vecino
cercano en h . Tambien tenemos h = h h . En la figura tenemos h para h = 1/8 y son
los puntos en h , los puntos en h .

Para la discretizacion (8.3) debemos buscar una funcion uh : h R que satisfaga


4h uh = f en h ,

uh = g en h

(8.4)

Donde 4h es un operador, a ser definido, el cual toma una funcion en h (funciones malla) y
la lleva a una funcion en h , que deberia aproximar al laplaciano en el sentido que si v es un
funcion suave en y vh = v |h es el asociado a la funcion malla,entonces queremos
4h uh 4v |h
para h peque
no.
Antes de definir 4h , volvamos al caso unidimensional. Esto es, dada una funcion vh definimos
la malla de puntos nh, n Z, queremos definir una funcion Dh2 vh en la malla de puntos, asi que
Dh2 vh v 00 |Zh si vh = v |Zh . Un procedimiento natural es construir un polinomio cuadratico p
interpolando vh y tres puntos consecutivos de la malla (n 1) h, nh, (n + 1) h y sea Dh2 vh (nh)
un valor constante de p00 . Esto da la formula
vh ((n 1) h) 2vh (nh) + vh ((n + 1) h)
Dh2 vh (nh) = 2vh [(n 1) h, nh, (n + 1) h] =
h2
Dh2 es conocido, como los tres puntos de diferencias aproximadas de d2 /dx2 . Sabemos que si
v C 2 es un entorno de nh, entonces limh0 [x h, x, x + h] = v 00 (x) /2. De hecho, por la
formula de la expansion de Taylor, tenemos
Dh2 v (x) = v 00 (x) +

h2 (4)
v () , para algun (x h, x + h)
12

NUMERICA

8 SOLUCION
A ECUACIONES DIFERENCIALES PARCIALES

64

entonces Dh2 es la aproximacion de segundo orden para d2 /dx2 .


Volviendo a la definicion de 4h 4 = 2 /x2 + 2 /y 2 , simplificamos usando los tres puntos
que aproximan a 2 /x2 y a 2 /y 2 , escribiendo vm,n para v (mh, nh) tenemos
vm+1,n 2vm,n + vm1,n vm,n+1 2vm,n + vm,n1
+
h2
h2
vm+1,n + vm1,n + vm,n+1 + vn,n1 4vm,n
=
h2

de la estimacion del error en el caso unidimensional vemos que v C 4
4h v (mh, nh) =



4v
h2 4 v
(, nh) + 4 (mh, )
4h v (mh, nh) 4v (mh, nh) =
12 x4
y
para algunos , . Entonces:

Teorema(*). Si v C 2 entonces
lim k4h 4vkL (h ) = 0

h0


Si v C 4 , entonces


4v
donde M4 = max x
4

L (h )

h2
k4h 4vkL (h ) M4
6


4v
, y
.
4
L (h )

La EDP discreta 4h uh = f en h es un sistema de (N 1)2 ecuaciones lineales con valores


desconocidos para uh en la malla de puntos. Como los valores de uh estan dados en la frontera de
la malla de puntos, podriamos considerar (8.4) como un sistema de (N 1)2 ecuaciones lineales
en (N 1)2 incognitas.
Por ejemplo,

0
0

en el caso que N = 4 el sistema es:


1
0
1
0
0
0
0
0
4 1
0
1
0
0
0
0
1 4 0
0
1
0
0
0
0
0 4 1
0
1
0
0
1
0
1 4 1
0
1
0
0
1
0
1 4 0
0
1
0
0
1
0
0 4 1
0
0
0
0
1
0
1 4 1
0
0
0
0
1
0
1 4

u1,1
u2,1
u3,1
u1,2
u2,2
u3,2
u1,3
u2,3
u3,3

h2 f1,1 u1,0 u0,1


h2 f2,1 u2,0
h2 f3,1 u3,0 u4,1
h2 f1,2 u1,2
h2 f2,2
h2 f3,2 u4,2
h2 f1,3 u0,3 u1,4
h2 f2,3 u2,4
h2 f3,3 u4,3 u3,4

NUMERICA

8 SOLUCION
A ECUACIONES DIFERENCIALES PARCIALES

65

la matriz puede ser escrita como

A I O

I A I
O I A
donde I es la matriz identidad 3 3, O es la matriz cero 3 3 y

4 1
0

A = 1 4 1
0
1 4
Para N en general la matriz puede ser particionada
en R(N 1)(N 1) :

A I O

I A I

O I A

. . . .
.. .. ..
..

O O O

sobre (N 1) (N 1) bloques, cada uno

O O

O O

O O

.. ..
. .

I A

donde I y O son la matriz identidad y la matriz cero en R(N 1)(N 1) , respectivamente, y


A R(N 1)(N 1) es una matriz tridiagonal con 4 en la diagonal y 1 arriba y abajo de la
diagonal. Esto asume que las incognitas estan ordenadas
u1,1 , u2,1 , ..., uN 1,1 , u1,2 , ..., uN 1,N 1
y las ecuaciones estan ordenadas similarmente.
Note que la matriz tiene muchas propiedades especiales:

Es dispersa, con a lo mas 5 elementos distintos de cero por fila, (La mayora de sus
componentes son ceros).
Es un bloque tridiagonal, con bloques diagonales y tridiagonales.
Es simetrica, ( A = At ).
Es diagonal dominante estricta, ( |aii |

Pn

j=1,j6=i

|aij |).

Los elementos de la diagonal son negativos, todos los otros son no negativos.
Es definida negativa, (el determinante de cada submatriz es negativo).

NUMERICA

8 SOLUCION
A ECUACIONES DIFERENCIALES PARCIALES
8.2.1.

66

An
alisis va el principio del m
aximo.

Ahora probaremos que el problema (8.4) tiene solucion u


nica y proberamos el error estimado.
La clave sera el principio discreto del maximo.
Teorema.(Principio Discreto del M
aximo) Sea v una funcion en h que satisface 4h u
0 en h entonces maxh v maxh v . La igualdad se cumple si y solo si v es constante.
Demostraci
on. Supongamos que maxh v maxh v. Tomemos x0 h donde el maximo es
alcanzado. Sea x1 , x2 , x3 y x4 sus vecinos cercanos. Entonces
4v (x0 ) =

4
X

v (xi ) h2 4h v (x0 )

i=1

4
X

v (xi ) 4v (x0 )

i=1

como v (xi ) v (x0 ). Por tanto la igualdad vale siempre y v alcanza su maximo en todos los
vecinos cercanos de x0 tambien. Aplicando el mismo argumento a todos los puntos en el interior
y a todos sus vecinos,etc. Concluimos que v es constante.
Observaciones.
1.El analogo del principio discreto del maximo, obtenido de invertir las desigualdades y reemplazando max por min, es cierta.
2.Este es el analogo discreto del principio del maximo para el operador Laplaciano.
Teorema Existe una solucion unica al problema de valor de frontera discreto (8.4).
Demostraci
on. Como tratamos con un sistema lineal cuadrado, es suficiente probar no singularidad, es decir, que si 4h uh = 0 en h y uh = 0 en h , entonces uh 0. Usando el maximo
discreto y el principio discreto del maximo, vemos que en este caso uh es 0 en todas partes.
El siguiente proposician es un resultado de estabilidad de la norma del maximo.
Teorema La solucion uh de (8.4) satisface
kuh kL (h )

1
kf kL (h ) + kgkL (h )
8

(8.5)

Este es un resultado de estabilidad en el sentido que requiere que el mapeo (f, g) uh este
uniformemente acotado con respecto a h.


Demostraci
on. Introducimos la funcion de comparacion = (x 1/2)2 + (y 1/2)2 /4, la
cual satisface 4h = 1 en h , y 0 1/8 en h . Sea M = kf kL (h ) entonces
4h (uh + M ) = 4h uh + M 0
as

1
max uh max (uh + M ) max (uh + M ) max g + M
h
h
h
h
8

NUMERICA

8 SOLUCION
A ECUACIONES DIFERENCIALES PARCIALES

67

Por tanto uh esta acotado superiormente por el lado derecho de (8.5). Un argumento similar
aplicado a uh da el teorema.
Aplicando un resultado de estabilidad a el error u uh podemos acotar el error en terminos del
error de consistencia 4h u 4u.
Teorema. Sea u la solucion del problema de Diricleth (8.3) y sea uh la solucion del problema
discreto (8.4). Entonces
ku uh kL (h )

1
k4u 4h ukL (h )
8

Demostraci
on. Como 4h uh = f = 4u en h , 4h (u uh ) = 4h u 4u. Tambien u uh = 0
en h . Aplicando el teorema anterior (con uh reemplazado por u uh ), obtenemos el resultado.
Combinando con el teorema (*), obtenemos el error estimado:

Corolario. Si u C 2 entonces
lim ku uh kL (h ) = 0

h0


Si u C 2 , entonces
h2
ku uh kL (h ) M4
48



4v
4v
, y
.
donde M4 = max x
4
4

L ()
L ()
Observaci
on. La cantidad k4u 4h uk es el error de consistencia de la discretizacion, y
el resultado limh0 ku uh kL (h ) = 0 , significa que la discretizacion es consistente. Una
estimacion de la forma kvk Ch kf k cuando 4h v = f en h y v = 0 en h , es un estimado de
la estabilidad, y si se mantiene con Ch independientemente de h, decimos que la discretizacion
es estable. Con los resultados anteriores se muestra que
consistencia + estabilidad convergencia
De hecho los tres conceptos estan definidos con respecto a normas especificas.
8.2.2.

Analisis de fourier.

Definamos L (h ) como el conjunto de funciones h R, ls cuales son isomorfismos de RM ,


M = (N 1)2 . Algunas veces pensaremos estas funciones en h extendido por cero a h . El
Laplaciano discreto entonces define un isomorfismo de L (h ) sobre si mismo. El resultado de


1 donde el operador norma
estabilidad de la seccion previa dice simplemente que 41
h
8
es con respecto a la norma L en L (h ). En esta seccion usamos analisis de Fourier para
establecer un resultado similar de estabilidad para el analogo discreto de la norma L2 .

NUMERICA

8 SOLUCION
A ECUACIONES DIFERENCIALES PARCIALES

68

Primero consideremos el caso unidimensional. Con h = 1/N sea Ih = {h, 2h, ..., (N 1) h}, y
sea L (Ih ) el espacio de funciones en Ih , las cuales estan en espacios vectoriales de dimension
N 1.
En L (Ih ) definimos un producto interno
hu, vih = h

N
1
X

u (kh) v (kh)

k=1

con la norma correspondiente kvkh .


El espacio L (Ih ) es el analogo discreto de L2 (I) donde I es el intervalo unitario. En este
ultimo espacio las funciones sin mx, m = 1, 2, ... , forma una base ortogonal consistiendo de
eigenfunciones de el operador d2 /dx2 . Los correspondientes eigenvalores son 2 , 4 2 , 9 2 , ....
Ahora establecemos el analogo discreto de este resultado.
Definimos m L (Ih ) como m = sin mx, m = 1, 2, ..., x Ih . Resulta que estas funciones
malla son precisamente los eigenvalores del operador Dh2 . De hecho
Dh2 m (x) =

2
sin m (x + h) 2 sin mx + sin m (x h)
= 2 (cos mh 1) sin mx
2
h
h

entonces
Dh2 m = m m ,

m =

4
mh
2
(1 cos mh) = 2 sin2
2
h
h
2

note que
0 < 1 < 2 < ... < N 1 <

4
h2

Note tambien que para peque


no m << N , m 2 m2 . En particular 1 2 . Para obtener
una cota estrictamente menor, notemos que 1 = 8 para N = 2 y 1 incrementa con N .
Como el operador Dh2 es simetrico con respecto al producto interno en L (Ih ), y los eigenvalores
m son distintos, se sigue que los eigenvectores m son mutuamente ortogonales,(esto puede
mostrarse usando identidades trigonometricas).
Como estos hay N 1 de ellos, forman una base de L (Ih ).
Teorema. Las funciones m , m = 1, 2, ..., N 1 forman una base ortogonal de L (Ih ). ConP 1
secuentemente, cualquier funcion v L (Ih ) puede ser expandida como v = N
m=1 am m con
PN 1 2
2
2
2
am = hv, m ih / km kh y kvkh = m=1 am km kh .
De esto obtenemos inmediatamente el resultado de estabilidad para el Laplaciano unidimensional. Si v L (Ih ) y Dh2 v = f , podemos expandir v en terminos de m :
v=

N
1
X
m=1

am m ,

kvk2h

N
1
X
m=1

a2m km k2h

NUMERICA

8 SOLUCION
A ECUACIONES DIFERENCIALES PARCIALES
entonces
f =

N
1
X

m am m ,

kf k2h =

m=1

N
1
X

69

2m a2m km k2h 82 kvk2h

m=1

por tanto kvkh kf kh /8 .


La extension al caso de dos dimensiones es sencillo. Usemos la base mn = m n , es decir,
mn (x, y) := m (x) n (y) ,

m, n = 1, ..., N 1

para L (h ). Es facil ver que estas (N 1)2 funciones forman una base ortogonal para L (h )
provisto de nuestro producto interno
2

hu, vih = h

N
1 N
1
X
X

u (mh, nh) v (mh, nh)

m=1 n=1

y la norma correspondiente kkh . Ademas mn es un eigenvector de 4h con eigenvalor mn =


m + n 16. El siguiente teorema se sigue inmediatamente.


Teorema. El operador 4h define un isomorfismo de L (h ) en si mismo. Ademas 41 1
h

16

donde la operacion norma es con respecto a la norma kkh en L (h ).


Como kvkh kvkL (h ) tambien tenemos consistencia con respecto a la norma discreta 2.
8.2.3.

An
alisis va un estimador de energia

Sea v un funcion malla. Definamos el operador diferencias hacia atras como


x (mh, nh) =

v (mh, nh) v ((m 1) h, nh)


, 1 m N, 0 n N
h

y denotamos
hv, wih = h2

N X
N
X

v (mh, nh) w (mh, nh)

m=1 n=1

con la correspondiente norma kkh , lo cual coincide con la notacion de las funciones malla, de
la seccion anterior, que se eliminan en h .
Lema. Si v L (h ) entonces kvkh kx vkh .

NUMERICA

8 SOLUCION
A ECUACIONES DIFERENCIALES PARCIALES

70

Demostraci
on. Para 1 m N, 0 n N ,
N
X

|v (mh, nh)|2

!2
|v (ih, nh) v ((i 1) h, nh)|

i=1

= h

N
X
i=1
N
X

!2
|x v (ih, nh)|
!
2

|x v (ih, nh)|

i=1
N
X

N
X

!
12

i=1

|x v (ih, nh)|2

i=1

Ademas
h

N
X

|v (mh, nh)|2 h

m=1

N
X

|x v (ih, nh)|2

i=1

y
2

N X
N
X

|v (mh, nh)| h

m=1 n=1

N X
N
X

|x v (ih, nh)|2

i=1 n=1

Este es el resultado analogo discreto de la desigualdad de Poincare, que acota una funcion en
terminos de su gradiente, siempre y cuando la funcion se elimine en una parte de la frontera. La
constante implcita de 1 en el lmite puede ser mejorada. El siguiente resultado es un analogo
discreto del teorema de Green (esencialmente, la integracion por partes).
Lema. Si v, w L (h ) entonces h4h v, wih = hx v, x wih + hy v, y wih .
Demostraci
on. Sea v0 , v1 , ..., vN , w0 , w1 , ..., wN R con w0 = wN = 0 entonces
N
X

(vi vi1 ) (wi wi1 ) =

i=1

N
X

vi w i +

i=1
N
1
X

= 2

N
X

vi1 wi1

i=1
N
1
X

vi w i

i=1
N
1
X

vi1 wi

i=1

N
X
i=1
N
1
X

vi1 wi

N
X

vi wi1

i=1

vi wi1

i=1

(vi+1 2vi + vi1 ) wi

i=1

Por lo tanto
h

N
1
X
i=1

X
v ((i + 1) h, nh) 2v (ih, nh) + v ((i + 1) h, nh)
=
h
x v (ih, nh) x w (ih, nh)
h2
i=1

y asi


Dx2 v, w h = hx v, x wih

NUMERICA

8 SOLUCION
A ECUACIONES DIFERENCIALES PARCIALES

71


similarmente Dy2 v, w h = hy v, y wih , asi el lema se sigue.
Combinando la desigualdad discreta de Poincare con el teorema discreto de Green, inmediatamente tenemos el resultado de estabilidad. Si v L (h ), entonces
kvk2h kx vk2h kx vk2h + ky vk2h = h4h v, vih k4h vkh kvkh
as
kvkh k4h vkh , v L (h )
el cual es un resultado de estabilidad.
8.2.4.

Fronteras curvadas.

Hasta ahora hemos estudiado un problema de modelo de la discretizacion del problema de


Poisson en el cuadrado. En este apartado se considera una variante que se puede utilizar para
discretizar el problema de Poisson en un dominio bastante general.
Sea un conjunto abierto acotado en R2 con frontera . Consideremos de nuevo el problema de
Dirichlet para la ecuacion de Poisson (8.3), y de nuevo el conjunto h = R2h , Si (x, y) h
y el segmento (x + sh, y) , 0 s 1 permanece en , entonces el punto (x + sh, y), el cual
pertenece a h , es un vecino de (x, y) a la derecha. Si este segmento no esta en , definimos
otro tipo de vecinos a la derecha, el cual permanezca en . Es decir definimos el vecino del
punto (x + sh, y) donde 0 < s 1 como el valor mas grande para el cual (x + th, y) para
todos los 0 t < s. Los puntos de asi construidos (como vecinos a la derecha o izquierda
o arriba o abajo de puntos en h ) constituyen h . Asi todo punto en h tiene cuatro vecinos

cercanos cada uno de los cuales pertenece a h := h h . Tambien definimos h como aquellos
puntos en h para los cuales sus cuatro vecinos estan en h . En la figura estan los puntos en

h con los elementos de h encerrados en un crculo y los triangulos son los puntos en h .

Con el fin de discretizar la ecuacion de Poisson que necesitamos, para construir un analogo dis
creto de el Laplaciano 4h v para funciones malla en h . Por supuesto en h , 4h v esta definido

con los 5-puntos usuales de Laplaciano. Para (x, y) h \h , sean (x + h1 , y) , (x, y + h2 ) , (x h3 , y) y (x, y

NUMERICA

8 SOLUCION
A ECUACIONES DIFERENCIALES PARCIALES

72

sus cuatro vecinos cercanos (con 0 < hi h), y sea v1 , v2 , v3 y v4 que denotan los valores de v de
estos cuatro puntos. Dejando v0 = v (x, y) tambien, vamos a definir 4h v (x, y) como una combinacion lineal de los cuatro valores vi . Con el fin de derivar la formula, consideremos primero
la aproximacion de d2 v/dx2 (0) por una combinacion lineal de v (h ) , v (0) y v (h+ ), para una
funcion v de una variable. Por el teorema de Taylor tenemos
v (h ) + 0 v (0) + + v (h+ ) = ( + 0 + + ) v (0) + (+ h+ h ) v 0 (0)


1
1
+ h3+ h3 v 000 (0) + ...
+ + h2+ + h2 v 00 (0) +
2
6
Por lo tanto, para obtener una aproximacion coherente debemos tener
+ 0 + + = 0, + h+ h = 0,


1
+ h2+ + h2 = 1
2

que dan
=

2
h (h + h+ )

, + =

2
h+ (h + h+ )

, 0 =

2
h h+

Note que hemos obtenido la aproximacion de diferencias divididas usual para d2 v/dx2 :
[v (h+ ) v (0)] /h+ [v (0) v (h )] /h
(h + h+ ) /2
= 2v [h , 0, h+ ]

v (h ) + 0 v (0) + + v (h+ ) =

Volviendo al caso de dos dimensiones, y aplicando las consideraciones anteriores para ambos
2 v/x2 y 2 v/y 2 llegamos a la formula de Shortley-Weller para 4h v:


2
2
2
2
2
2
4h v (x, y) =
v1 +
v2 +
v3 +
v4
+
v0
h1 (h1 + h3 )
h2 (h2 + h4 )
h3 (h1 + h3 )
h2 (h2 + h4 )
h1 h3 h2 h4

Usando el teorema de Taylor con residuo vemos que para v C 3
k4v 4h vkL (h )

2M3
h
3

donde M3 es el maximo de la norma L de la tercera derivada de v. Por supuesto, que en la

malla de puntos en h , el error de truncamiento es en realidad O (h2 ), pero para los puntos
malla con vecinos en la frontera, esto de reduce a O (h) .
La solucion aproximada para (8.3) es uh : h R determinada nuevamante por (8.4) . Este
es un sistema de ecuaciones lineales con una incognita para cada punto de h . En general
las matrices no seran simetricas, pero mantienen otras buenas propiedades para el caso de las
cuadradas.

NUMERICA

8 SOLUCION
A ECUACIONES DIFERENCIALES PARCIALES

73

Es dispersa, con a lo mas cinco elementos por fila


Los elementos de la diagonal son negativos, y los que no estan en la diagonal no son
negativos.
Es diagonal dominante.

Usando estas propiedades podemos obtener el principio discreto del maximo con practicamente
la misma demostracion que en un teorema anterior, y entonces el resultado de estabilidad como
en el teorema se seguira como antes. De esta manera obtenemos una resultante de convergencia
de O (h).
De hecho este resultado puede ser mejorado. Aunque el error de truncamiento k4u 4h ukL (h )
sea solo O (h), este es O (h2 ) en todos los puntos excepto el los vecinos de la frontera, para los
cuales es O (h1 ) de los puntos O (h2 ) de h . Ademas, estos puntos estan entre h de la frontera, donde la solucion se conoce con exactitud. Por ambas razones la contribucion para el error
a partir de estos puntos es mas peque
no que se ve desde el simple argumento esbozado en el
parrafo anterior.
Teorema. Sea u la solucion de (8.3) y sea uh la funcion malla que satisface (8.4). Entonces
ku uh kL (h )

M4 d2 2 2M3 3
h +
h
96
3



donde d es el diametro del disco mas peque
no que contiene a y Mk = maxi+j=k k u/xi y i
.
As, la tasa de convergencia es O (h2 ) como en el caso del cuadrado, y cerca de los puntos
el lmite contribuyen solo un termino de orden superior (a pesar del hecho de que el error de
truncamiento es de orden inferior all).

8.3.

El m
etodo de Elemetos Finitos

8.3.1.

La formulaci
on d
ebil del problema de Dirichlet.

Empezamos por considerar la ecuacion de Poisson con condiciones de contorno Dirichlet homogeneas en un dominio acotado :
4u = f en ,

u = 0 en

(8.6)

NUMERICA

8 SOLUCION
A ECUACIONES DIFERENCIALES PARCIALES

74

Asumamos que f es continua en . Ahora si multiplicamos la ecuacion diferencial por una


funcion de prueba v e integramos sobre , tenemos que

4uv dx =

f v dx

y recprocamente, si esta ecuacion es satisfecha por todas las funciones integrables v, entonces
u satisface la ecuacion de Poisson. De hecho, es suficiente que esta ecuacion sea satisfecha por
todas las funciones C con soporte compacto sobre . En particular, si v es una funcion C 1 en
la cual se elimina en , podriamos integrar por partes para obtener

grad u grad v dx =

f v dx

(8.7)

Asi es evidente que una funcion C 2 la cual se elimina en satisface la ecuacion de Poisson si y
solo si satisface (8.7) para toda funcion C 2 la cual se elimina en . El uso de funciones C 2 es,
sin embargo, no muy natural para la formulacion (8.7). Un espacio mas natural sera el espacio
de Sobolev


H 1 () = v L2 () | v L2 ()
Este es un espacio de Hilbert con producto interno

hu, viH 1 () =

(uv + grad u grad v) dx

y la correspondiente norma
kvk1 = kvkH 1 () :=

q
kvk2L2 () + k grad vk2L2 ()

(Nota: Estamos usando la misma notacion L2 () tanto para los valores reales como para los
valores vectoriales al cuadrado de funciones integrables.) Tambien definimos



H 1 () = v H 1 () | v | 0

A continuacion, definimos la formulacion debil del problema de Dirichlet para la ecuacion de


Poisson:

Encontramos u H 1 () tal que

grad u grad v dx =

f v dx para todo v V

(8.8)

La formulacion debil encaja en un marco abstracto de trabajo el cual veremos con frecuencia.

Tenemos un espacio de Hilbert V (es decir, H 1 () ) una forma bilineal B : V V R (dada

NUMERICA

8 SOLUCION
A ECUACIONES DIFERENCIALES PARCIALES

75

por el lado izquierdo de (8.8)), es un funcional lineal F : V R (dado por el lado derecho de
(8.8)), y la formulacion debil es
Encontrar u V tal que

B (u, v) = F (v)

para todo v V

(8.9)

Es claro que si u es una funcion C 2 que satisface la formulacion clasica (8.6) de nuestro problema

de frontera, entonces u H 1 () y u satisface la formulacion debil (8.8). Por el contrario, si u


resuelve la formulacion debil, y si u es C 2 , entonces u es una solucion clasica para el problema
de frontera.
Sin embargo, la formulacion clasica y la formulacion debil no son totalmente equivalentes, ya
que puede suceder que exista una solucion a la formulacion debil que no es C 2 .
Se puede demostrar que la solucion de la formulacion debil es suave automaticamente si tanto la
funcion de fuerza f es suave y el dominio tiene un lmite suave, pero tales teoremas regularidad
elpticas no son triviales.

Observaci
on. En la definicion de los espacios de Sobolev H 1 () y H 1 () hemos pasado por
alto varios puntos. En la definicion del espacio anterior, asumimos que esta claro lo que se
entiende por grad v cuando v L2 (). Brevemente, dada una funcion v en L2 , una funcion w

de valores vectoriales en L2 es igual al grad v si y solo si v div dx = w dx para toda


funcion vectorial en C con soporte compacto en . Un punto mas sutil es que en la definicion

de H 1 (), se ha supuesto que esta claro lo que se entiende por v | para v H 1 (). Esto no
es evidente. Por ejemplo, ciertamente no hay manera de dar sentido a v | para una funcion
arbitraria v H 1 () (que se define solo en casi todas partes, y no puede ser definido en cualquier
parte). De hecho, se puede demostrar que existe un mapeo u
nico acotado : H 1 () L2 ()

tal que v = v | para todo v H 1 () C . Este es un ejemplo del teorema de la traza,
y requiere un cierto esfuerzo para establecer. Por v | simplemente queremos decir v, para
cualquier v H 1 ().
La formulacion debil es en muchos sentidos una formulacion muy natural del problema de
Dirichlet para la ecuacion de Poisson.
Una indicacion de esto es que es muy sencillo, para determinar la existencia y unicidad de las
soluciones debiles. Se establece primero la desigualdad de Poincare, que establece que existe
una constante c que solo depende del dominio , de manera que kukL2 () c kukH 1 () para

p
todo u H 1 (). Se sigue que en el espacio H 1 (), la cantidad k grad ukL2 es una norma
equivalente a la norma completa H 1 , y asi el lado derecho de () define un producto interno en

H 1 () el cual es equivalente al producto interno de H 1 . Existencia y unicidad de una solucion


debil es entonces una consecuencia inmediata del teorema de representacion de Riesz.
Observaci
on. Ademas de la formulacion debil del problema de contorno (), hay una formu-

NUMERICA

8 SOLUCION
A ECUACIONES DIFERENCIALES PARCIALES

76

lacion variacional estrechamente relacionada. En este buscamos u H 1 () que minimiza el


funcional de energa

2
E (w) :=
| grad w| dx + f w dx

donde w H 1 (). Si u es la solucion de formulacion debil y w H 1 () con w 6= u pero de

otra manera arbitraria, podriamos escribir w = u + v con 0 6= v H 1 (), y entonces

1
2
| grad u| dx +
grad u grad v dx +
| grad v| dx + f u dx f v dx
2




1
= E (w) +
grad u grad v dx + f v dx +
| grad v|2 dx
2

1
E (w) =
2

El termino entre parentesis se desaparece si u es una solucion debil, y el termino final es positivo
si v 6= 0. Por lo tanto E(u) < E(w), y u es de hecho el minimizador. A la inversa, si u minimiza

E sobre H 1 () y v H 1 () es arbitrario, entonces la funcion cuadratica G : R R dada por



G (t) = E (u + tv) = E (u) +

t2
grad u grad v dx + f v dx +
2

| grad v|2 dx

tiene un minimo en t = 0, y esto muestra inmediatamente que u es una solucion debil. Por lo
tanto la idea de una solucion debil y una solucion variacional (un minimizador de la energa
funcional) son equivalentes para este problema. Para los problemas que no son simetricos sin
embargo (por ejemplo, si la EDP fuera 4u + u/x = f ) no existe una formulacion variacional
natural, mientras que la formulacion debil sigue siendo valida.
8.3.2.

M
etodo de Galerkin

En la formulacion debil, buscamos una funcion en el espacio de ensayo H 1 () que satisfece

la ecuacion debil (8.8) para todo v en el espacio de ensayo H 1 (). En el metodo de Galerkin

elegimos un espacio finito dimensional Sh H 1 (), que usamos en lugar de H 1 () como ensayo
y espacio de ensayo. Esto es, uh Sh satisfaciendo la formulacion debil discreta

grad uh grad v dx =

f v dx

para todo v Sh

Vamos a demostrar que esa funcion uh existe y es u


nica. Sea {1 , ..., N } cualquier base de Sh .
PN
Entonces estamos buscando uh = j=1 j j tal que

grad uh grad i dx =

f i dx i = 1, ..., N

(Por linealidad, es suficiente con que la ecuacion debil poseen para cada funcion una base.) Esto

NUMERICA

8 SOLUCION
A ECUACIONES DIFERENCIALES PARCIALES
significa que
N
X

grad j grad i dx =

j=1

77

f i dx

Si definimos la matriz de rigidez M RN N como

grad j grad i dx

Mij =

y el vector de carga F RN como

Fi =

f i dx

entonces el vector de coeficiente se determina como la solucion del sistema lineal


M = F
La matriz M es claramente simetrica, y tambien definida positiva, como para cualquier vector
RN

X
T
M =
i j
grad j grad i dx

ij

!
grad

j j

!
grad

i i

dx

| grad v|2 dx

P
ltima cantidad es una norma de v es positivo a menos que
donde v = j j j . Dado que esta u
v 0, lo que solo ocurre si = 0.
Por lo tanto el metodo de Galerkin es implementable. Si elegimos un espacio Sh para el que podamos encontrar una base que no sea demasiado complicada, podemos calcular las N 2 integrales
dadas por la matriz de rigidez y las N integrales dadas por el vector de carga y, a continuacion,
resolver el sistema lineal resultante N N simetrico definida positiva para encontrar los coeficientes de uh con respecto a la base.
Observaci
on. En lugar de comenzar con la formulacion debil y la restriccion de las pruebas y
espacios de ensayo para un subespacio de dimension finita, podemos comenzar con la formulacion
variacional y restringir el espacio de ensayo de Sh . Es decir, definimos uh Sh para ser el
minimizador de E(v) sobre v Sh . Esto se conoce como el metodo de Ritz. Siguiendo la
prueba para el caso continuo vemos que uh es de hecho la solucion Galerkin. Este punto de
vista, que la solucion aproximada se determina mediante la restriccion de la minimizacion de
la energa a un espacio de dimension infinita, fue la primera motivacion para el metodo de
los elementos finitos. Sin embargo, se obtiene una mayor generalidad mediante el uso de la

NUMERICA

8 SOLUCION
A ECUACIONES DIFERENCIALES PARCIALES

78

formulacion debil y el metodo de Galerkin en lugar de la formulacion variacional y el metodo


de Ritz.
8.3.3.

Un m
etodo de elementos finitos simple.

El metodo de los elementos finitos consiste en el metodo de Galerkin junto con la eleccion de un
tipo particular de subespacio Sh . Es decir particionamos en un n
umero finito de triangulos
disjuntos u otras piezas simples, y tomar Sh para ser un espacio de polinomios a trozos con
respecto a esta particion.
Mas especficamente, supongamos que, por ahora, es un polgono. Dado un triangulacion Th
definimos M01 (Th ) para ser el espacio de funciones lineales continuas por partes subordinadas
a esta triangulacion, que es el espacio de las funciones continuas en que restringen a los
polinomios de grado a lo mas 1 en cada T Th . El superndice 1 se refiere al grado del
polinomio y el subndice 0 al hecho de que la continuidad de C 0 se cumple. Es facil comprobar
que un polinomio a trozos esta en H 1 si y solo si es continuo: el gradiente de un polinomio
continuo a trozos es la funcion de L2 obtenida tomando el gradiente triangulo por triangulo.
Por lo tanto para cualquier triangulacion, M01 (Th ) es un subespacio de H 1 . Como un subespacio

de H 1 (), tenemos que

Sh = M01 (Th ) = M01 (Th ) H 1 ()


Este es el espacio elemento finito mas simple para el problema de Dirichlet. Una base para Sh
esta dada por las funciones sombrero asociados con todos los vertices interiores.
Recordemos que las funciones sombrero son funciones locales basicas en que cada soporte son
unos pocos triangulos. Es decir, el soporte de j es la union de los triangulos que comparten
el vertice xj ), y solo habra algunas otras funciones basicas cuyo soporte contiene uno de estos
triangulos, es decir, las funciones basicas asociadas a los vertices de los triangulos en el soporte
de j .
Si j es cualquier otra funcion basica, entonces las entradas correspondientes de la matriz de
rigidez son

grad uh grad i dx = 0

Como consecuencia vemos que con la funcion sombrero basica, la matriz de rigidez es dispersa
(solo habra unos pocos elementos no nulos por fila, y este n
umero no aumentara cuando refinamos la malla, con tal de no permitir que los angulos del triangulo para disminuyan). Tambien
las entradas de la matriz de rigidez, que son distintas de cero se calculan facilmente: son sumas
de las integrales de polinomios mas un par de triangulos (de hecho, excepto para las entradas
de la diagonal de la matriz de rigidez, mas de dos triangulos). Esto se suma en gran medida a
la eficiencia de la aplicacion del metodo de Galerkin.
Ahora podemos definir mas o menos el metodo de elementos finitos: es el metodo de Galerkin

NUMERICA

8 SOLUCION
A ECUACIONES DIFERENCIALES PARCIALES

79

utilizando un espacio de prueba, de polinomios a trozos con una base local.


Ahora a trabajar con un ejemplo sencillo. Tomamos por el cuadrado unidad con una malla
uniforme y dividimos en n n subcuadrados de tama
no h = 1/n y dividimos cada una de
ellas en dos triangulos usando la diagonal de pendiente positiva. Como en la figura, tenemos
una malla uniforme del cuadrado.

Ahora bien, si es una funcion lineal, entonces /x es constante, y podemos encontrar


mediante la evaluacion de en dos puntos distintos en una lnea horizontal, y tomando un
cociente de diferencias. Dado que cada uno de nuestros triangulos tiene un horizontal y un
borde vertical, y ya que conocemos los valores de las funciones sombrero basicas en los vertices,
podemos calcular facilmente las derivadas parciales de las funciones basicas. Esto se muestran en
la siguiente figura, en la que tenemos los valores de /x y /y para las funciones sombrero.

Entonces es facil calcular la matriz de rigidez, escribimos ij para la funcion basica asociada al
vertice xij = (ih, jh) y tenemos

grad ij grad kl dx = 1

i = k, j = l
i = k 1, j = l o i = k, j = l 1
otro caso

En otras palabras, la matriz de rigidez para elementos finitos linales a trazos para el operador laplaciano en en cuadrado unitario con una malla uniforme es exactamente la matriz del
laplaciano de 5 puntos.

NUMERICA

8 SOLUCION
A ECUACIONES DIFERENCIALES PARCIALES
Si ponemos
1
fei,j := 2
h

80

f ij

y escribimos la solucion del elemento finito como uh =

i,j

Uij ij , tenemos

4Uij Ui1,j Ui+1,j Ui,j1 Ui,j+1


fei,j = 0
h2
Note que

ij dx = h2 y si f es al menos C 2 , entonces fei,j = f (xij ) + O (h2 ).

A partir de este hecho y del analisis anterior del laplaciano de 5 puntos, es facil obtener una
estimacion O(h2 ) de la convergencia en los vertices. De hecho, como veremos, una de las
grandes ventajas del metodo de los elementos finitos es que no hay un enfoque muy natural
para el analisis de errores (que no implica una relacion con el metodo de diferencias finitas).
Las estimaciones mas naturales se obtienen en H 1 () y L2 () (estimaciones de error en L ()
tambien se puede obtener, pero son mas complicados).
En circunstancias mas generales, si la solucion u H 2 (), entonces
ku uh kH 1 () Ch kukH 2 () , ku uh kL2 () Ch2 kukH 2 ()
para alguna constante C. Notemos que a diferencia de la estimacion de diferencias finitas, las
normas son las normas de funciones en , no solo en los vertices de la malla. Notemos tambien
que solo se requiere que u H 2 , ni siquiera C 2 , para tener convergencia O (h2 ).
Por el contrario, en el caso de diferencias finitas necesitabamos u C 4 . Por ejemplo, si la
funcion f esta solo en L2 , entonces no puede ser definida en los puntos de la malla y en metodo
de diferencias finitas estandar no es significativo, mientras que el metodo de elementos finitos
es aplicable y se da en este caos convergencia de segundo orden.
Mas a
un, las mismas estimaciones de error tienen un dominio bastante arbitrario con una
triangulacion arbitraria. En este caso h debe interpretarse como el diametro del triangulo mas
grande de la triangulacion (excepto que tenemos que hacer cumplir una cota con el angulo mas
paque
no del triangulo).

8.3.4.

Aplicaci
on a problemas m
as generales.

Otra ventaja del metodo de elementis finitos elemento es la facilidad con la que se puede adaptar
a una amplia variedad de problemas.
8.3.4.1. EDPs elpticas m
as general. Por ejemplo, supongamos que reemplazamos la

NUMERICA

8 SOLUCION
A ECUACIONES DIFERENCIALES PARCIALES

81

ecuacion de Poisson 4u = f una EDP de segundo grado mas general



 X
2
2
X
u

aij
+
bj
+ cu = f
xi
xj
xj
i=1
i,j=1
donde los coeficientes aij , bj y c pueden ser funciones de x. De nuevo, podemos multiplicar por

una funcion de prueba v H 1 () e integrar sobre por partes para obtener una formulacion
debil del problema de Dirichlet en la forma (8.9). La u
nica diferencia es que ahora
B (u, v) =

X
i,j

aij

X u
u v

bi
v cuv dx
xi xj
x
i
i

Restringiendo las funciones de prueba Sh , se obtiene un metodo de elementos finitos como antes.
Si la EDP es elptica, lo que significa que la matriz aij (x) es simetrica definida positiva, entonces
el comportamiento del metodo de elementos finitos para este problema sera muy similar a el
problema de Poisson. As, el metodo de los elementos finitos es capaz de manejar coeficientes
variables, ecuaciones anisotropicos y terminos de orden inferior.
Incluso podemos permitir que los coeficientes dependan de la solucion u, y as tener un PDE no
lineal. En ese caso, la forma B(u, v) sera lineal en v pero no lineal en u. Y de nuevo el metodo
de elementos finitos puede aplicarse, aunque, por supuesto, el sistema resultante de ecuaciones
algebraicas sera no lineal.
8.3.4.2. Neumann condiciones de contorno. Sin embargo, otra ventaja del metodo de
elementos finitos, es su flexibilidad en el manejo de las diferentes condiciones de contorno (que
puede ser muy difcil para los metodos de diferencias finitas). Considere por ejemplo la ecuacion
de Poisson en un polgono, pero supongamos que algunas partes estan sujetas a la condicion de
contorno Dirichlet u = 0 y algunas a la condicion de contorno Neumann, as que el problema es
encontrar u satisfaciendo
4u = f en ,

u = 0 en D ,

u
= 0 en N
n

donde D y N son subconjuntos abiertos disjuntos de tal que = D N , la primera cosa


que puede pensarse es buscar u en un subespacio de H 1 (), que satisfaga ambas condiciones de
frontera, es decir, en


v H 1 ()/v |D 0, v/n 0
Sin embargo, esto no funciona, ya que no hay manera de definir v/n para v H 1 . Dicha
funcion esta bien definida en la restriccion (o D ), pero sus primeras derivadas, que son funciones
L2 , no lo estan. Para ver la forma de evitar este problema, vamos a multiplicar la ecuacion de
Poisson con una funcion de prueba v suave e integramos sobre .

NUMERICA

8 SOLUCION
A ECUACIONES DIFERENCIALES PARCIALES

82

La formula de Green para la integracion por partes nos muestra la manera de evitar este problema. Para cualquier u y v tenemos

grad u grad v dx =

4uv dx +

u
v ds
n

Si u satisface la ecuacion de Poisson, entonces

4uv dx =

f v dx

y si u satisface las condiciones de frontera de Neumann, entonces

u
v ds =
n

u
v ds
n

Definimos


1
() = v H 1 () /v |D 0
HD
Notemos que en este espacio se ha impuesto la condicion de contorno Dirichlet, pero la condicion
de contorno Neumann ha sido ignorada (ya que no hay manera de que tenga sentido en H 1 ).
Esto nos lleva a la formulacion debil para el problema mixto Dirichlet / Neumann de valor de
1
frontera: Encuentrar u HD
() tal que

1
f v dx para todo u HD
()

grad u grad v dx =

Al igual que para el problema de Dirichlet puro, como una consecuencia facil del teorema de
representacion de Riesz y la desigualdad de Poincare, este problema tiene una solucion u
nica.
Al derivar la formulacion debil, hemos mostrado que si u es una solucion clasica al problema de
contorno, entonces satisface esta formulacion debil. Por el contrario, si u resuelve el problema
debilmente formulado, y u es C 2 , entonces podemos integrar por partes para encontrar que

4uv dx +

u
v ds =
n

1
f v dx para todo u HD
()

Tomando primero v que sea suave y tenga soporte compacto en , concluimos que 4u = f en
u
1
, por tanto n
v ds = 0 para todo u HD
(), como tal funcion puede ser arbitraria en N ,
concluimos que u/v = 0 en D .
En resumen: la formulacion debil para el problema mixto Dirichlet / Neumann de valor de
frontera tiene una solucion u
nica. Esta coincide con la solucion clasica siempre que sea C 2 y
siempre que exista la solucion clasica. Tengamos en cuenta que las condiciones de contorno de
Dirichlet y Neumann son tratadas de forma completamente diferente en la formulacion debil.

NUMERICA

8 SOLUCION
A ECUACIONES DIFERENCIALES PARCIALES

83

La condicion de Dirichlet se impone a priori por la construccion de esta en el espacio de prueba.


La condicion Neumann no esta agregada en el espacio de prueba, sino que surge como consecuencia de la formulacion debil. La terminologa utilizada para esto es que la condicion de Dirichlet
es una condicion de contorno esencial, mientras que la condicion de Neumann es natural.
Una vez que tenemos la formulacion debil podemos utilizar el metodo de Galerkin con cualquier
1
subespacio Sh de HD
(). Esto conduce a un problema de una matriz simetrica definida positiva.
Mientras nos encargamos de que cada arista del triangulo en la frontera pertenece enteramente
a cualquiera D o N podemos construir facilmente un espacio lineal por tramos de elementos
finitos:
1
1
M0D
(Th ) = M01 (Th ) HD
()
A nivel local se da pra las funciones sombrero en todos los vertices de triangulacion, excepto los
pertenecientes a D .
No se considero el caso de las condiciones de Neumann puras porque el problema de contorno
u
= 0 en en no esta bien planteado.
4u = f en , n

El teorema de Green implica que no existe una solucion menos que f = 0, y si hay una
solucion, podemos a
nadir cualquier constante a esa para obtener otra solucion. Si se considera en
cambio la ecuacion diferencial 4u+u = f , o, mas generalmente, div(A grad u)+cu = f , donde
A es una matriz simetrica definida positiva y c > 0, este problema se va y las consideraciones
que se aplican igual que el problema puro Neumann (N = , D = ).
8.3.4.3. Condiciones de contorno no homog
eneas. Hasta ahora hemos considerado las
condiciones de contorno homogeneas de Dirichlet y Neumann. Ahora hablamos de condiciones de
u
contorno no homogeneas. Las condiciones de contorno naturales son sencillas. Si n
= g en N ,
1
entonces para cualquier funcion de prueba v HD (),

u
v ds =
n

gv ds
N

1
y asi la formulacion debil se convierte en: Encontrar u HD
() tal que

grad u grad v dx =

1
gv ds para todo v HD
()

f v dx +

Esto es de nuevo de la forma B(u, v) = F (v), donde ahora F (v) contiene un termino adicional
que surge de los datos Neumann. Condiciones de contorno esenciales deben construirse en
el espacio de prueba. Es decir, si la condicion de contorno es u = g en (para simplificar
supongamos N = ), buscamos


u Hg1 () := v H 1 ()/v | g

NUMERICA

8 SOLUCION
A ECUACIONES DIFERENCIALES PARCIALES

84

Las ecuaciones debiles son tadavia

1
grad u grad v dx = f v dx para todo v HD
()

esto es, el espacio de prueba permanece homogeneo. Para ver que todava hay una solucion
u
nica, seleccionamos cualquier funcion ug H 1 () de forma que ug | = g. Entonces
Hg1




1
() = ug + v \ v H ()

y las ecuaciones debiles son satisfechas por u = ug + u0 si y solo si u0 H 1 () y

B (u0 , v) = F (v) B (ug , v) para todo v H 1 ()

Para la solucion de elementos finitos podemos usar de nuevo M01 (Th ) como espacio de prueba,
pero no podemos usar como espacio de prueba a M01 (Th ) Hg1 (), ya que, a menos que g sea
lineal a trozos, este espacio esta vaco. En su lugar utilizamos M01 (Th ) Hg1 () donde g es
una aproximacion lineal por tramos de g (con respecto a la particion de en los bordes de los
triangulos de Th ), por ejemplo, su interpolador lineal a trozos, o L2()proyeccion.
8.3.4.4. Condiciones de contorno de Robin. Como otro ejemplo, consideramos el problema
de Poisson con condiciones de contorno de Robin, que modelan la ley de enfriamiento de Newton
en la frontera (flujo de calor a traves de la frontera es proporcional a la diferencia entre la
temperatura del cuerpo y la temperatura exterior). Esto da la condicion de frontera
u
= (g u)
n
donde g es la temperatura exterior y es una constante positiva (positiva ya que que el flujo
de calor hacia fuera del dominio es positivo y proporcional a u/n y el calor debe fluir hacia
fuera si u supera g. Sustituyendo g por g llegamos a un problema de frontera como
4u = f en ,

u
+ u = g en
n

Dado que la condicion de frontera implica primeras derivadas, estas no se puede imponer en
H 1 (). Por lo tanto, la condicion de frontera Robin demostrara ser una condicion de contorno
natural. Para encontrar la formulacion debil correcta, se multiplica por una funcion de prueba
e integramos por partes para obtener

grad u grad v dx

u
v dx =
n

f v dx

NUMERICA

8 SOLUCION
A ECUACIONES DIFERENCIALES PARCIALES

85

Usando la condicion de frontera podemos reescribier esto como

grad u grad v dx +

uv dx =

f v dx +

gv dx

La formulacion debil es, pues, otra vez de la forma: Encuentrar u V tal que B(u, v) = F (v)
para todo v V , donde V = H 1 (), como para el problema de Neumann puro, pero ahora

grad u grad v dx +

B (u, v) =

uv dx, F (v) =

f v dx +

gv dx

En vista de la desigualdad de Poincare, B es de nuevo una forma bilineal simetrica acotada en


H 1 H 1 y F es una forma lineal acotada. Por otra parte B(u, u) k grad uk2L2 , y B(u, u) = 0
solo si u 0 (ya que para tal u, grad u = 0 y u = 0 en ).
De esto se deduce (por un peque
no argumento que omitimos) que B es equivalente al producto
interior habitual en H 1 (). Por lo tanto las condiciones de contorno de Robin se pueden
incorporar facilmente en la formulacion debil, y por lo tanto en un elemento de discretizacion
finito.
8.3.4.5. Fronteras curvadas. Finalmente consideramos, en pocas palabras, el caso en el
que tiene una curva en lugar de frontera poligonal. Esto no hace efecto en la formulacion

1
debil, pero el dise
no de los elementos finitos de subespacios de H 1 () o HD
() o H 1 () no es
trivial, y ha engendrado muchos algoritmos, codigos y papers. Por ahora las fronteras curvadas
seran manejadas normalmente en el metodo de los elementos finitos, pero que no se requiere un
esfuerzo adicional.

En el caso de condiciones de contorno naturales, hay una posibilidad obvia. Podemos triangular
un dominio curva utilizando triangulos ordinarias a excepcion de una capa de triangulos que
contienen un borde curvado cerca de la frontera.
En la figura tenemos una porcion de la triangulacion usando triangulos curvilineales cerca de la
frontera.

Entonces podemos especificar un espacio de funciones lineales a trozos como antes, mediante la
determinacion de una funcion en cada triangulo, recta o curva, dando los valores de los vertices.
La u
nica dificultad con este enfoque es que puede que no sea facil de calcular las integrales

9 PROBLEMAS ELIPTICOS

86

necesarias en la matriz de rigidez.


En el caso de condiciones de contorno de Dirichlet hay una considerable dificultad adicional.
Supongamos que tenemos un triangulo curvilneo con dos vertices en la frontera conectados
por una curva e contenida en la frontera . Una funcion lineal en el triangulo que se anula
en los dos vertices se desvanecera en toda la lnea recta que los conecta, no en la curva e.
Una forma de superar este problema no es que se enfrentan. En lugar de ello, solo tiene
que reemplazar el dominio original con un dominio h poligonal obtenida por interpolacion de
los vertices de la frontera por una curva poligonal. Por supuesto, esto introduce una fuente
adicional de error. En justa circunstancias generales se puede demostrar que este nuevo error
no se degrada la exactitud de los metodos de elementos finitos basado en elementos finitos lineales
a trozos, pero se degrada la exactitud de elementos de orden finito superiores. Esto se puede
superar utilizando simultaneamente orden superior interpolacion polinomica hasta la frontera,
por ejemplo, la aproximacion de los bordes curvados de los triangulos por curvas parabolicas al
utilizar los elementos finitos cuadraticas. Sin embargo, otra posibilidad es no utilizar funciones
polinomicas de prueba en absoluto en los triangulos curvos. En su lugar se puede construir un
buen mapeo de un triangulo de referencia de borde recto a unos triangulos curvilneos y utilizar
funciones polinomicas en el triangulo de referencia.
Las funciones de prueba utilizados en el triangulo curvilneo son entonces la composicion de la
aplicacion inversa al triangulo de referencia y los polinomios en el triangulo de referencia. Una
estrategia que resulta ser relativamente facil de implementar y de mantener una buena precision
es usar un mapeo polinomico del polinomio referencia para el polinomio verdadero utilizando
polinomios como el mismo grado como las funciones de prueba en el triangulo de referencia.
Este esquema se conoce como elementos finitos isoparametricos .

9.

Problemas Elpticos

Una de las mas importantes ecuaciones diferenciales parciales de la fsica matematica y la


ingeniera es la ecuacion de Laplace, que tiene la siguiente forma en dos variables:
2 u

2u 2u
+
=0
x2 y 2

Estrechamente relacionado con esta, tenemos la ecuacion de Poisson:


2 u = g(x, y)
Estos son ejemplos de ecuaciones elpticas. Las condiciones de contorno asociados con ecuaciones

9 PROBLEMAS ELIPTICOS

87

elpticas generalmente difieren de aquellos para ecuaciones parabolicas e hiperbolicas. Consideramos aqu un problema modelo para ilustrar los procedimientos numericos que se utilizan a
menudo.
Problema Modelo de la ecuacion de Helmholtz
Supongamos que una funcion u = u(x, y) de dos variables es la solucion a un cierto problema
fsico. Esta funcion es desconocida, pero tiene algunas propiedades que, en teora, determinan
su u
nicidad. Suponemos que en una region R dada en el plano xy,

2 u + f u = g
u (x, y) conocida en la frontera de R

(9.1)

Aqu, f = f (x, y) y g = g(x, y) se dan como funciones continuas definidas en R. La valores en


la frontera podran ser dados por una tercera funcion u(x, y) = q(x, y) en el permetro de R.
Cuando f es una constante, esta ecuacion diferencial parcial se llama la ecuacion de Helmholtz.
Se origina en la b
usqueda de soluciones oscilatorias de las ecuaciones de onda.

9.1.

M
etodo de diferencias finitas

Como antes, nos encontramos con una solucion aproximada de un problema tal por el metodo
de diferencias finitas. El primer paso es seleccionar las formulas aproximadas para los derivadas
de nuestro problema. En la situacion actual, utilizamos la formula estandar
f 00 (x)

1
[f (x + h) 2f (x) + f (x h)]
h2

(9.2)

derivada en una seccion anterior. Si usamos una funcion de dos variables, obtenemos la formula
de 5 puntos para la aproximacion de la ecuacion de Laplace:
2 u

1
[u (x + h, y) + u (x h, y) + u (x, y + h) + u (x, y h) 4u (x, y)]
h2

Esta formula involucra los 5 puntos mostrados en la figura

(9.3)

9 PROBLEMAS ELIPTICOS

88

El error local inherente en la formula de 5 puntos es, como teniamos antes




h2 4 u
4u

(, y) + 4 (x, )
12 x4
x

(9.4)

y por esta razon, la formula (9.3) se dice que proporciona una aproximacion de orden O(h2 ).
En otras palabras, si las mallas se utilizan con mas y mas peque
no espacios h 0, entonces el
error que se comete en la sustitucion 2 u por su aproximacion de diferencias finitas va a cero
tan rapidamente como lo hace h2 . La ecuacion (9.3) se llama la formula de cinco puntos porque
se trata de valores de u en (x, y) y en los cuatro puntos mas cercanos de la malla.
Notemos que cuando la ecuacion diferencial (8.1) se sustituye por el analogo de diferencias
finitas, hemos cambiado el problema. Incluso si el problema de diferencias finitas analogo se
resuelve con total precision, la solucion es la de un problema que solo simula la original. Esta
simulacion de un problema por otro se vuelve mejor y mejor a medida h se hace para disminuir
a cero, pero el costo de la computacion aumentara inevitablemente. Tambien debemos se
nalar
que otras representaciones de los derivadas pueden ser utilizados. Por ejemplo, la formula de
nueve puntos es
2 u

1
[ 4u (x + h, y) + 4u (x h, y) + 4u (x, y + h) + 4u (x, y h) + u (x + h, y +(9.5)
h)
6h2
+u (x h, y + h) + u (x + h, y h) + u (x h, y h) 20u (x, y) ]

Esta formula es de orden O(h2 ). En el caso especial de que u es una funcion armonica (lo que
significa que es una solucion de la ecuacion de Laplace), la formula de nueve puntos es de orden
O(h6 ).
Por lo tanto, es una aproximacion muy precisa en el uso de metodos de diferencias finitas y la
solucion de la ecuacion de Poisson 2 u = g, con g una funcion armonica. Para los problemas
mas generales, la formula de nueve puntos( 9.5) tiene el mismo termino de error orden que el
de cinco puntos formula (9.3) (es decir, O(h2 )), y no sera una mejora sobre el mismo.
Si la separacion de malla no es regular (por ejemplo, h1 , h2 , h3 , h4 y estan a la izquierda, abajo,
derecha, arriba igualmente espaciados, respectivamente), entonces tenemos que en (x, y) la
formula irregular de cinco puntos es
2 u

1
1
[h1 u (x + h3 , ty) + h3 u (x h1 , y)] + 1
[h2 u (x, y + h4 ) + h4 u (x, y
(h1 + h3 )
h h (h2 + h4 )
2 4 2


1
1
2
+
u (x, y)
h1 h3 h2 h4
1
hh
2 1 3

que es solo de orden h cuando h1 = i h para 0 < i < 1. Esta formula se utiliza por lo general
cerca de puntos de contorno, como en la figura siguiente

9 PROBLEMAS ELIPTICOS

89

Si la malla es peque
na, sin embargo, los puntos de contorno se pueden mover ligeramente para
evitar el uso de (9.6). Esta perturbacion de la region R (en la mayora de los casos para h
peque
no) produce un error no mayor que el introducido usando el esquema irregular (9.6).
Volviendo al problema modelo (9.1), cubrimos la region R por puntos de la malla
xi = ih

yj = jh (i, j 0)

(9.7)

Introducimos la notacion abreviada:


uij = u(xi , yi ), fij = f (xi , yi ), gij = g(xi , yj )

(9.8)

Con esto, la formula de cinco puntos adquiere una forma sencilla en el punto (xi , yj ):
2 u


ij

1
[ui+1,j + ui1,j + ui,j+1 + ui,j1 + 4uij ]
h2

(9.9)

Si esta aproximacion se hace en la ecuacion diferencial (9.1), el resultado es



ui+1,j ui1,j ui,j+1 ui,j1 + 4 h2 fij uij = h2 gij

(9.10)

Los coeficientes de esta ecuacion se pueden ilustrar por una estrella de cinco puntos en la que
cada punto se corresponde con el coeficiente de u en la malla

9 PROBLEMAS ELIPTICOS

90

Para ser mas especficos, se supone que la region R es el cuadrado unidad y que la malla tiene
el espaciamiento h = 1/4

Obtenemos una ecuacion lineal de la forma (9.10) para cada uno de los nueve puntos interiores
de la malla. Estas nueve ecuaciones son las siguientes:

u21 u01 u12 u10 + (4 h2 f11 ) u11 = h2 g11

u31 u11 u22 u20 + (4 h2 f21 ) u21 = h2 g21

u41 u21 u32 u30 + (4 h2 f31 ) u31 = h2 g31

2
2

u22 u02 u13 u11 + (4 h f12 ) u12 = h g12


u32 u12 u23 u21 + (4 h2 f22 ) u22 = h2 g22

u42 u22 u33 u31 + (4 h2 f32 ) u32 = h2 g32

u23 u03 u14 u12 + (4 h2 f13 ) u13 = h2 g13

u33 u13 u24 u22 + (4 h2 f23 ) u23 = h2 g23

u u u u + (4 h2 f ) u = h2 g
43
23
34
32
33
33
33
Este sistema de ecuaciones puede ser resuelto a traves de la eliminacion de Gauss, pero examinando mas de cerca. Hay 45 coeficientes. Como u es conocido en los puntos de frontera, nos
movemos estos 12 terminos a la derecha, dejando solo 33 elementos distintos de cero de los 81
en nuestro sistema de 9 9. La eliminacion de Gauss estandar hace que una gran cantidad de
relleno, en la eliminacion de avance de fase, es decir, las entradas que son cero son sustituidos
por valores distintos de cero. Por lo tanto, buscamos un metodo que conserva la estructura

9 PROBLEMAS ELIPTICOS

91

dispersa de este sistema. Para ilustrar como escasa este sistema de ecuaciones es, lo escribimos
en notacion matricial:
Au = b
(9.11)
Supongamos que ordenamos las incognitas de izquierda a derecha y de abajo a arriba:
u = [u11 , u21 , u31 , u12 , u22 , u32 , u13 , u23 , u33 ]T

(9.12)

Esto se denomina el orden natural. Ahora, la matriz de coeficientes es

4 h2 f11
1
0
1
0
0
0
0
0
2

1
4

h
f
1
0
1
0
0
0
0
21

0
1
4 h f31
0
0
1
0
0
0

1
0
0
4

h
f
1
0
1
0
0
12

0
1
0
1
4 h2 f22
1
0
1
0

0
0
1
0
1
4 h f32
0
0
1

f
1
0
0
0
0
1
0
0
4

h
13

0
0
0
0
1
0
1
4 h f23
1
0
0
0
0
0
1
0
1
4 h2 f33
y el lado derecho es

b=

h2 g11 + u10 + u01


h2 g21 + u20
h2 h31 + u30 + u41
h2 g12 + u02
h2 g22
h2 g32 + u42
h2 g13 + u14 + u03
h2 g23 + u24
h2 g33 + u34 + u43

Note que si f (x, y) < 0, entonces A es una matriz diagonal dominante.

9.2.

M
etodo Iterativo de Gauss Seidel

Como las ecuaciones son similares en forma, se usan metodos iterativos para resolver estos
sistemas, donde la matriz de coeficientes es dispersa. Despejando la incognita diagonal, tenemos
la ecuacion (9.10) el metodo de Gauss-Seidel o iteracion dada por
(k+1)
uij



1
(k)
(k+1)
(k)
(k+1)
2
ui+1,j + ui1,j + ui,j+1 + ui,j1 + h gij
=
4 h2 fij

Si tenemos valores aproximados de las incognitas en cada punto de la cuadrcula, esta ecuacion
puede ser utilizada para generar nuevos valores. Llamamos u(k) los valores actuales de las
incognitas en la iteracion k y u(k+1) el valor en la siguiente iteracion. Por otra parte, los nuevos
valores se utilizan estan disponibles.

9 PROBLEMAS ELIPTICOS

92

El pseudocodigo del metodo de Gauss-Seidel en un rectangulo, es como sigue:


% gauss seidel en el cuadrado
function m = seidel ( ax , ay , nx , ny ,h , itmax , u )
for k =1: itmax
for j =2: ny
y = ay + j * h ;
for i =2: nx
x = ax + i * h ;
v = u ( i +1 , j ) + u (i -1 , j ) + u (i , j +1) + u (i ,j -1) ;
u (i , j ) =( v -( h ^2) * g (x , y ) ) /(4 -( h ^2) * f (x , y ) ) ;
end
end
end
m=u;
end

En esta funcion, escrita en Matlab, se debe decidir el n


umero de iteradas a calculas, itmax.
Las coordenadas de la esquina inferior izquierda del rectangulo (ax,ay) y el tama
no de paso h
especifico. El n
umero de puntos en x en la malla nx y el numero de puntos en y, ny.
El metodo de Gauss Seidel resuelve un sistema de ecuaciones de manera iterada.

9.3.

Ejemplo Num
erico y Pseudoc
odigo

Ilustremos este procedimiento en el problema de valores en la frontera

2 u

1
u
25

=0

u = q

dentro de R el cuadrado unidad

(9.13)

en la frontera de R



donde q = cosh 15 x + cosh 15 y . Este problema tiene una solucion conocida u = q. A continuacion un codigo para el procedimiento de Gauss-Seidel, comenzando con u = 1 y teniendo 20
iteraciones. Notemos que solo se necesitan 81 espacios de almacenamiento para la matriz en la
solucion del sistema lineal 49 49 de manera iterativa. Aqu, h = 1/8.
%eliptico
nx =8; ny =8; itmax =50;
ax =0; bx =1; ay =0; by =1;
h =( bx - ax ) / nx ;
u = zeros ( nx +1 , ny +1) ;
for j =0: ny
y = ax + j * h ;
u (1 , j +1) = bandy ( ax , y ) ;
u ( nx +1 , j +1) = bandy ( bx , y ) ;
end

9 PROBLEMAS ELIPTICOS

for j =0: nx
x = ay + j * h ;
u ( j +1 ,1) = bandy (x , ay ) ;
u ( j +1 , ny +1) = bandy (x , by ) ;
end
for j =2: ny
y = ay + j * h ;
for i =2: nx
x = ax + i * h ;
u (i , j ) = ustar (x , y ) ;
end
end
m = seidel ( ax , ay , nx , ny ,h , itmax , u ) ;
disp ( m )
%graficamos la solucion aproximada
a =0:1/8:1; b =0:1/8:1;
[x , y ]= meshgrid (a , b ) ;
surf (x ,y , m )
%solucionn exacta
a =0:1/8:1; b =0:1/8:1; [x , y ]= meshgrid (a , b ) ;
z = cosh (0.2.* x ) + cosh (0.2.* y )
surf (x ,y , z )

Para este problema modelo, se acompa


na de las funciones
%funcion real
function v = bandy (x , y )
v = cosh (0.2* x ) + cosh (0.2* y ) ;
end
function m = g (x , y )
m =0;
end
%funcion real
function a = f (x , y )
a = -0.04;
end
%funcion real
function s = ustar (x , y )
s =1;
end

Graficando las soluciones exacta y la solucion aproximada

93

9 PROBLEMAS ELIPTICOS

94

Este ejemplo es una buena ilustracion del hecho de que el problema numerico esta resolviendo es
el sistema de ecuaciones lineales (9.11), que es una aproximacion discreta al problema con valor
de frontera continuo (9.13). Al comparar la verdadera solucion de (9.13) con la solucion calculada
del sistema, recordar que la discretizacion involucrado un error en la toma de la aproximacion.
Este error es O(h2 ). Con h tan grande como h = 1/8, la mayora de los errores en la solucion
computarizada son debido al error de discretizacion! Para obtener un mejor acuerdo entre los
problemas discretos y continuos, se selecciona un tama
no para la malla mucho mas peque
no. Por
supuesto, el sistema lineal resultante tendra una matriz de coeficientes que es extremadamente
grande y bastante dispersa. Los metodos iterativos son ideales para la resolucion de este tipo
de sistemas que surgen de las ecuaciones en derivadas parciales.
Para la gama de aplicaciones de ingeniera y ciencias, Matlab una PDE Toolbox para la solucion
numerica de ecuaciones en derivadas parciales. Tiene capacidad para dos variables de espacio y
una variable en el tiempo. Despues de discretizar la ecuacion a traves de una malla no estructurada, se aplica elementos finitos para solucionarlo y ofrece una disposicion para la visualizacion
de los resultados.

9.4.

M
etodos de Elementos Finitos

El metodo de elementos finitos se ha convertido en una de las principales estrategias para la


resolucion de ecuaciones diferenciales parciales. Proporciona una alternativa a los metodos de
diferencias finitas. A modo de ejemplo, desarrollamos una version del metodo de elementos
finitos para la ecuacion de Poisson
2 u uxx + uyy = r
donde r es una funcion constante. La ecuacion diferencial parcial esta dada en una region R
especificado en un plano de dos dimensiones. Resolver la ecuacion de Poisson es equivalente a

9 PROBLEMAS ELIPTICOS
minimizar la expresion

95


J (u) =
R



1 2
2
u + uy + ru dx dy
2 x

Esto significa que si la funcion u minimiza la expresion anterior, entonces u obedece a la ecuacion
de Poisson. Supongamos que la region se subdivide en triangulos usando aproximaciones seg
un
sea necesario. La funcion u es aproximada por una funcion que es una composicion de elementos triangulares del plano, cada una definida por un trozo triangular de R. Entonces consideremos
el problema sustituto de minimizar
X

Je (e)
e

donde se eval
ua cada termino de la suma sobre su propio triangulo base T , como se describe a
continuacion.
Supongamos que un triangulo de base tiene vertices (xi , yi ), (xj , yj ), y (xk , yk ). La superficie de
la solucion por encima del triangulo se aproxima por un elemento plano triangular denotado
(e) (x, y), donde el superndice indica este elemento. Sea zi , zj , y zk las distancias hasta el plano
(e)
de las esquinas del triangulo llamados nodos. Sea Li uno en el nodo i y cero en los nodos j y
(e)
(e)
k. Del mismo modo, sea Lj uno en el nodo j y cero en los nodos i y k, y sea Lk uno en el
nodo k y cero en los nodos i y j.
Como se muestra en la figura siguiente

el area del triangulo base, denotada 4e , esta dada por

1 xi y i
1

1
4e = Det 1 xj yj = [xj yk + xi yj + xk yi xj yi xi yk xk yj ]
2
2
1 xk y k
Consecuentemente, obtenemos

(e)

Li

1 x y
1 1

1
=
4e Det 1 xj yj = 41
[(xj yk xk yj ) + (yj yk ) x + (xk xj ) y]
2
2 e
1 xk y k


1 1 (e)
(e)
(e)
4
ai + b i x + c i y

2 e

9 PROBLEMAS ELIPTICOS

96
(e)

(e)

(e)

Hemos definido los coeficientes ai , bj , ci , similarmente, encontramos

(e)

Lj

1 x y
1 1

1
4e Det 1 xk yk = 41
[(xk yi xi yk ) + (yk yi ) x + (xi xk ) y]
=
2
2 e
1 xi y i


1 1 (e)
(e)
(e)

4e aj + b j x + c j y
2

(e)

Lj

1 x y
1 1

1
[(xi yj xj yi ) + (yi yi ) x + (xj xi ) y]
=
4e Det 1 xi yi = 41
2
2 e
1 xj yj


1 1 (e)
(e)
(e)

4e ak + bk x + ck y
2

Finalmente obtenemos
(e)

(e)

(e)

(e) = Li zi + Lj zj + Lk zk
y tenemos
(e)

Je


 


1
(e) 2
(e) 2
(e)
x
+ y
+ r
dx dy F (zi , zj , zk )
=
T 2

Para resolver el problema de minimizacion, igualaremos las derivadas apropiadas a cero, lo que
requiere derivadas de las componentes. Notemos que

1 1  (e)
(e)
(e)
4
(e)
b
z
+
b
z
+
b
z
=
i
j
k
x
i
j
k
2 e
y

1 1  (e)
(e)
(e)
(e)
4
c
z
+
c
z
+
c
z
=
i
j
k
y
i
j
k
2 e
Obtenemos los diferenciales




F
(e)
(e) (e)
(e) (e)
(e)
(e) 1 1 (e)
(e) 1 1 (e)
=
x xzi + y yzi + rzi dx dy =
x 4e bi + y 4e ci + rLi
dx dy
zi
2
2
T
T





 
1
1 1  (e) 2  (e) 2
(e) (e)
(e) (e)
(e) (e)
(e) (e)
+ ci
zi + bi bj + ci cj zj + bi bk + ci ck zk + r 4e
=
4e
bi
4
3
Aqu, las integraciones son directas por calculo elemental. Por otra parte, se puede demostrar
que



1
(e)
(e)
(e)
Li dx dy =
Lj dx dy =
Lk dx dy = 4e
3
T
T
T
donde 4e es el area de cada triangulo T . Resultados similares se obtienen para

F
zj

F
.
zk

En

9 PROBLEMAS ELIPTICOS

97

consecuencia, nos propusimos

F
zi
F
zj
F
zk

0

= 0
0

y obtenemos


(e)
bi

2

(e)
ci

2

(e) (e)
b b + c(e) c(e)
i
j
i j

(e) (e)
(e) (e)
bi bk + c i c k

(e) (e)
bi b j
 2
(e)
bj
(e) (e)

+
+

(e) (e)
ci cj
 2
(e)
cj
(e) (e)

bj bk + c j c k

(e) (e)
b i bk

(e) (e)
ci ck

z1
1

(e) (e)
(e) (e)
2
bj bk + c j c k
z2 = 3 r4e 1
 2  2
(e)
(e)
1
z3
b
+ c
k

Esta ecuacion matricial contiene todos los ingredientes que necesitamos para ensamblar las
derivadas parciales. En una aplicacion particular, necesitamos hacer el montaje apropiado. Para
cada elemento de (e) , los nodos activos i, j y k son los que aportan valores distintos de cero.
Estas contribuciones se registran para las derivadas en relacion con las variables correspondientes
entre la zi , zj , zk , y as sucesivamente.
Ejemplo
Aplicar el metodo de elementos finitos para resolver la ecuacion de Poisson uxx + uyy = 4 sobre
el cuadrado unidad con la triangularizacion mostrada en la figura

y utilizando los valores en la frontera correspondientes a la solucion exacta u(x, y) = x2 + y 2 .


Soluci
on
Por simetra, tenemos que tener en cuenta solo la parte inferior derecha del cuadrado, que
se ha dividido en dos triangulos. Los ingredientes de entrada son los nodos 1 a 4, donde las
coordenadas (x, y) son como sigue: nodo 1:(1/2, 1/2), Nodo 2: (0, 0), el nodo 3: (1, 0), y el nodo
4: (1, 1).
Los elementos son dos triangulos con los n
umeros de nodo indicados: e = 1: 1, 2, 3 y e = 2:
1, 3, 4. Las coordenadas z necesitan ser determinados solo para el nodo 1, puesto quepara los

9 PROBLEMAS ELIPTICOS

98

nodos 2, 3, 4 tenemos los valores en la frontera! Sin embargo, vamos a pasar por alto este hecho,
por el momento para ilustrar el proceso de montaje en el metodo de elementos finitos.
Observemos que las areas de los elementos triangulares son 41 = 42 = 1/4 y r = 4. En primer
lugar, se calculan a(e) , b(e) , c(e) los coeficientes para la informacion basica. En la siguiente tabla,
cada columna corresponde a un nodo (i, j, k):

a(e)
b(e)
c(e)

e=1

e=2

0 12
0
1
0 2 21
1 12 12

1
0 12
1
1 12
2
1
0 2 21
(e)

(e)

(e)

Se puede comprobar que las columnas hacen producir las funciones deseadas Li , Lj y Lk .
(1)

Por ejemplo: la primera columna da Li = 12 41


1 [0 + 0 x + 1 y] = 2y. En el nodo 1, esto da
el valor de 1, mientras que en los nodos 2 y 3, que da el valor 0. Del mismo modo, las otras
columnas producen los resultados deseados.
A continuacion, se obtiene la ecuacion de la matriz para el elemento e = 1:

1
3
z1
1 21 21

1
1 1
0 z2 = 3
2 2
1
1
31
2 0
z3
2

y la ecuacion para la matriz para el elemento e = 2:

1
1 21 21
3
z1
1 1

1
0 z3 = 3
2 2
1
31
2 0 21
z4
Ensamblando las dor matrices obtenemos


z1
2 12 1 12
32
1 1

2 2
z2 13
0
0


1 0
z = 2
1
0
3

3
1
1
2 0
0 2
13
z4
Ahora que hemos ilustrado el proceso de montaje de los elementos, podemos encontrar rapidamente la solucion usando el hecho que z2 = 0, z3 = 1 y z4 = 2, ya que son valores en la frontera.
Utilizando estos valores en la u
ltima ecuacion matricial anterior, inmediatamente encontramos
que z1 = 2/3. Esta es una aproximacion aspera, ya que el valor verdadero es 1/2. Recuerde que
u(x, y) = x2 + y 2 es la solucion exacta.

9 PROBLEMAS ELIPTICOS

99

Podemos obtener aproximaciones mas precisas mediante la adicion de mas elementos y escribir
un programa de computadora para manejar los calculos.


10 REFERENCIAS BIBLIOGRAFICAS

10.

100

Referencias Bibliogr
aficas

Libros principales:
Douglas N. Arnold, A Consice Introduction to Numerical Analysis. School of Mathematics,
University of Minnesota, Minneapolis.
Cheney, Ward y Kincaid, David. Numerical Mathematics ans Computing. The University
of Texas at Austin.

Otros:
Jasper Schmidt Hansen, GNU Octave beginners guide.
Mark Goctenbach, MATLAB Tutorial.
Schaerer, Christian, Introduccion a los metodos numericos para EDP, Universidad Nacional de Asuncion, Paraguay.