Está en la página 1de 479

Métodos Numéricos de resolución de

Ecuaciones en Derivadas Parciales

Enrique Zuazua

11 de febrero de 2007

2

Departmento de Matemáticas
Universidad Autónoma
28049 Madrid, Spain
enrique.zuazua@uam.es

3

En este documento recopilamos las notas de los cursos impartidos en la
UAM desde el 2001. En un primer bloque presentamos material introductorio a
la resolución numérica de Ecuaciones en Derivadas Parciales (EDP) propio de la
licenciatura. En un segundo bloque nos centramos esencialmente en ecuaciones
de tipo ondas y analizamos la convergencia y propiedades cualitativas de los
métodos de diferencias finitas a través de la transformada discreta de Fourier. En
el tercer bloque estudiamos los métodos de descomposición como son el método
de direccionbes alternadas y el de descomposición de dominios. En el cuarto
bloque abordamos los métodos de descenso de gran utilidad en la resolución
de los sistemas algebraicos a los que todo método numérico da lugar. En el
quinto bloque presentamos los métodos de Galerkin en el marco de los problemas
elípticos para después analizar en el bloque sexto los problemas de evolución.

4

Índice general

1. Introducción al numérico de EDP’s 1
1.1. Introducción y motivación . . . . . . . . . . . . . . . . . . . . . . 1
1.2. La ecuación del calor . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.2.1. Propiedades básicas de la ecuación del calor . . . . . . . . 6
1.2.2. Semi-discretización espacial: El método de Fourier . . . . 11
1.2.3. Semi-discretización espacial: El método de la energía . . . 32
1.2.4. Consistencia + estabilidad = Convergencia . . . . . . . . 37
1.2.5. Aproximaciones completamente discretas . . . . . . . . . 41
1.2.6. El análisis de von Neumann . . . . . . . . . . . . . . . . . 50
1.2.7. El método de elementos finitos . . . . . . . . . . . . . . . 58
1.3. La ecuación de ondas . . . . . . . . . . . . . . . . . . . . . . . . . 63
1.3.1. Propiedades básicas de la ecuación de ondas 1 − d . . . . 64
1.3.2. Semi-discretización espacial: El método de Fourier . . . . 68
1.3.3. Semi-discretización espacial: El método de la energía . . . 80
1.3.4. Aproximaciones completamente discretas . . . . . . . . . 83
1.3.5. El análisis de von Neumann . . . . . . . . . . . . . . . . . 88
1.3.6. El método de elementos finitos . . . . . . . . . . . . . . . 89

2. Movimiento armónico en una dimensión 93
2.1. La ecuación de ondas y sus variantes . . . . . . . . . . . . . . . . 97
2.2. La fórmula de D’Alembert . . . . . . . . . . . . . . . . . . . . . . 101
2.3. Resolución de la ecuación de ondas mediante series de Fourier . . 103
2.4. Series de Fourier como método numérico . . . . . . . . . . . . . . 109
2.5. La ecuación de ondas disipativa . . . . . . . . . . . . . . . . . . . 114
2.6. Teoría de Semigrupos . . . . . . . . . . . . . . . . . . . . . . . . 121
2.7. La ecuación de ondas con coeficientes variables . . . . . . . . . . 142
2.8. Semi-discretización de la ecuación de ondas semilineal . . . . . . 151

i

ii ÍNDICE GENERAL

3. La ecuación de transporte lineal 155
3.1. Dispersión numérica y velocidad de grupo . . . . . . . . . . . . . 174
3.2. Transformada discreta de Fourier a escala h . . . . . . . . . . . . 182
3.3. Revisión de la ecuación de transporte y sus aproximaciones a
través de la transformada discreta de Fourier . . . . . . . . . . . 186

4. Ecuaciones de convección-difusión 197
4.1. Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 197
4.2. La ecuación de Burgers y la transformación de Hopf-Cole . . . . 198
4.3. Viscosidad evanescente . . . . . . . . . . . . . . . . . . . . . . . . 204
4.4. Aplicación del “splitting” a la ecuación de Burgers . . . . . . . . 211
4.5. Ecuaciones elípticas de convección-difusión . . . . . . . . . . . . . 212
4.6. Sistemas de leyes de conservación y soluciones de entropía . . . . 217
4.7. Esquemas numéricos de aproximación de leyes de conservación
escalares . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 234
4.8. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 253

5. El problema de Dirichlet en un dominio acotado 271
5.1. Reducción al problema de valores de contorno no homogéneos . . 272
5.2. El problema de contorno no homogéneo . . . . . . . . . . . . . . 273
5.3. La desigualdad de Rellich . . . . . . . . . . . . . . . . . . . . . . 275
5.4. Un resultado de trazas . . . . . . . . . . . . . . . . . . . . . . . . 276
5.5. Principio del máximo . . . . . . . . . . . . . . . . . . . . . . . . . 279

6. Diferencias y volúmenes finitos 283
6.1. Diferencias finitas para coeficientes variables 1 − d . . . . . . . . 283
6.2. Volúmenes finitos . . . . . . . . . . . . . . . . . . . . . . . . . . . 287
6.3. Diferencias finitas para coeficientes variables: varias dimensiones
espaciales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 289

7. Métodos de descomposición 295
7.1. El método de las direcciones alternadas . . . . . . . . . . . . . . 295
7.1.1. Motivación . . . . . . . . . . . . . . . . . . . . . . . . . . 295
7.1.2. Sistemas de EDO lineales. El teorema de Lie . . . . . . . 296
7.1.3. Demostración del Teorema de Lie . . . . . . . . . . . . . . 299
7.1.4. Algunos ámbitos de aplicación . . . . . . . . . . . . . . . 301
7.2. Descomposición de dominios en 1 − d . . . . . . . . . . . . . . . . 302
7.3. Descomposición de dominios para las diferencias finitas 1 − d . . 307
7.4. “Splitting” . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 310

ÍNDICE GENERAL iii

7.4.1. Peaceman-Rachford . . . . . . . . . . . . . . . . . . . . . 312
7.4.2. Douglas-Rachford . . . . . . . . . . . . . . . . . . . . . . 316
7.4.3. θ-método . . . . . . . . . . . . . . . . . . . . . . . . . . . 318
7.5. Descripción del MDD en varias dimensiones espaciales . . . . . . 319
7.6. MDD para las diferencias finitas multi-d . . . . . . . . . . . . . . 322

8. Métodos de descenso 327
8.1. El método directo del Cálculo de Variaciones . . . . . . . . . . . 327
8.2. El método del máximo descenso . . . . . . . . . . . . . . . . . . . 329
8.3. El método del gradiente conjugado . . . . . . . . . . . . . . . . . 332
8.4. Sistema gradiente en dimensión finita: Convergencia al equilibrio 335
8.5. Sistemas gradiente y métodos de descenso . . . . . . . . . . . . . 338
8.6. Mínimo cuadrados . . . . . . . . . . . . . . . . . . . . . . . . . . 341

9. Métodos de Galerkin 345
9.1. El lema de Lax-Milgram y sus variantes . . . . . . . . . . . . . . 345
9.2. El método de Galerkin . . . . . . . . . . . . . . . . . . . . . . . . 347
9.2.1. Interpretación geométrica del método de Galerkin . . . . 349
9.2.2. Orden de convergencia . . . . . . . . . . . . . . . . . . . . 350
9.2.3. Métodos espectrales . . . . . . . . . . . . . . . . . . . . . 351
9.2.4. El método de Elementos Finitos 1D . . . . . . . . . . . . 355
9.2.5. El método de Elementos Finitos 2D . . . . . . . . . . . . 360

10.Breve introducción al control óptimo 371

11.Ecuaciones de evolución 381
11.1. Resolución de la ecuación del calor mediante técnicas de semigrupos381
11.2. Aproximación de Galerkin de la ecuación del calor . . . . . . . . 385
11.3. Breve introducción a la Teoría de Semigrupos . . . . . . . . . . . 393
11.4. La ecuación de ondas continua . . . . . . . . . . . . . . . . . . . 400
11.5. La ecuación de ondas semilineal . . . . . . . . . . . . . . . . . . . 411
11.6. El problema elíptico . . . . . . . . . . . . . . . . . . . . . . . . . 414
11.7. El método Galerkin . . . . . . . . . . . . . . . . . . . . . . . . . . 416
11.8. Discretización temporal . . . . . . . . . . . . . . . . . . . . . . . 420
11.9. Ecuaciones parabólicas: Comportamiento asintótico . . . . . . . . 423
11.10.Conclusión . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 428

A. Aproximación de dominios en el problema de Dirichlet 431

B. Aceleración del MDD para datos rápidamente oscilantes 441

iv ÍNDICE GENERAL

C. Ejercicios 443

D. Soluciones a problemas 457

Capítulo 1

Introducción al numérico de
EDP’s

1.1. Introducción y motivación
Estas notas constituyen una breve guía de lo que consideramos puede y debe
ser un último capítulo de un curso introductorio al Cálculo Numérico de Ecua-
ciones Diferenciales. En efecto, tras haber estudiado los elementos básicos del
Cálculo Numérico para Ecuaciones Diferenciales Ordinarias (EDO) y los aspec-
tos fundamentales de la aproximación numérica de la ecuación de Laplace es
coherente y natural combinar y sintetizar estos conocimientos para introducirse
en el mundo de las Ecuaciones en Derivadas Parciales (EDP) de evolución.
La forma en la que las EDP se presentan habitualmente en la modelización de
fenómenos de la Ciencia y Tecnología es precisamente la de modelos de evolución
en los que se describe la dinámica a lo largo del tiempo de determinada cantidad
o variable (también a veces denominada estado) que puede representar objetos
de lo más diversos que van desde la posición de un satélite en el espacio hasta la
dinámica de un átomo, pasando por los índices bursátiles o el grado en que una
enfermedad afecta a la población. En otras palabras, los modelos dinámicos o
de evolución son los más naturales en la medida que reproducen nuestra propia
concepción del mundo: un espacio tri-dimensional que evoluciona y cambia en
el tiempo1 .
1 Si bien la Teoría de la Relatividad establece que es mejor considerar a las cuatro del
mismo modo, nuestra percepción 3 + 1 está condicionada por razones puramente fisiológicas
y culturales.

1

El modelo elíptico por excelencia involucra el operador de Laplace N X ∆= ∂ 2 /∂x2i (1.1) i=1 y ha sido objeto de estudio en el capítulo anterior.1. INTRODUCCIÓN AL NUMÉRICO DE EDP’S Cuando el estado o variable de un modelo o sistema de evolución es finito- dimensional.2) de modo que al actuar sobre una función u = u(x. Sus características matemáticas son bien distintas. Los modelos matemáticos naturales en este caso son las EDP. Esto ocurre por ejemplo cuando se pretende describir la deformación de cuerpos elásticos o la tempe- ratura de un cuerpo sólido en los que la deformación o temperatura de cada uno de los puntos de ese medio continuo constituye una variable o incógnita del sistema. son los modelos clásicos en el contexto de las EDP de evolución. En la teoría clásica de EDP éstas se clasifican en tres grandes grupos: elíp- ticas. ∞) tiene como resultado N ∂u X ∂ 2 u [∂t − ∆] u = − . la variable de estado es infinito-dimensional.1. para posicionar una partícula en el espacio necesitamos de tres variables dependientes del tiempo y para describir su di- námica un sistema de tres ecuaciones diferenciales. (1. Pero en muchas ocasiones.2 CAPÍTULO 1. Mientras que la ecuación del calor permite describir fenómenos altamente irre- versibles en tiempo en los que la información se propaga a velocidad infinita. la ecuación de ondas es el prototipo de modelo de propagación a velocidad finita y completamente reversible en tiempo. t) ∈ RN × (0.4) . Así. parabólicas e hiperbólicas.1.3) ∂t i=1 ∂x2i Sin embargo. Es por eso que sólo permite describir estados estacionarios o de equilibrio. La variable tiempo está ausen- te en este modelo. el operador de ondas o de D’Alembert es de la forma  = ∂t2 − ∆ (1. como es el caso sistemáticamente en el contexto de la Mecánica de Medios Con- tinuos. el modelo más natural es un sistema de EDO. cuya dimensión coincide precisamente con el del número de parámetros necesarios para descri- bir dicho estado. (1.1. t) que depende de la variable espacio-tiempo (x. Las ecuaciones parabólicas y las hiperbólicas. representadas respectivamente por la ecuación del calor y la de ondas. por ejemplo. El operador del calor es ∂t − ∆.

de una u otra manera. cuando modelizan fenómenos en medios heterogéneos (compuestos por materiales de di- versa naturaleza) adoptan formas más complejas y se presentan con coeficientes variables. de la variable temporal t o de ambas. En estos casos.1. si bien un buen conocimiento de los aspectos más relevantes de la ecuación del calor y de ondas aisladamente puede no ser suficiente a causa de las interacciones de los diferentes componentes. INTRODUCCIÓN Y MOTIVACIÓN 3 y da lugar a   ∂2u u = ∂t2 − ∆ u = 2 − ∆u. A pesar de ello. Frecuentemente los modelos son más sofisticados que una “simple” ecuación aislada. encontraremos siempre el operador del calor. sí que resulta indispensable.3) es evidente. de ondas o una variante muy próxima de los mismos. . Si hacemos el cambio de variable t → et = −t. en una variable espacial. Se trata a menudo de sistemas acoplados de EDP en los que es habitual encontrar tanto componentes parabólicos como hiperbólicos. La Mecánica de Medios Continuos está repleta también de otras ecuaciones.. .1. de contaminantes. por ejemplo) o en la propagación de ondas acústicas o electromagnéticas (ecuaciones de Maxwell).5) ∂t La irreversibilidad temporal de (1. el operador de Stokes) o en fenómenos de difusión (del calor. ).3) cambia y da lugar al operador del calor retrógrado ∂et + ∆ mientras que el operador de ondas permanece invariante.1. sobre todo.1. Por todo ello es natural e importante entender todos los aspectos mate- máticos fundamentales de estas dos piezas clave: la ecuación del calor y la de ondas. creemos que quien asimile bien los conceptos que aquí expondremos y entienda las técnicas y los resultados principales que presentaremos estará en condiciones de abordar con . Evidentemente esto es también cierto desde el punto de vista del Análisis y del Cálculo Numérico. como el de Lamé. Mientras que el primero es habitual en la dinámica de fluidos (a tra- vés de una versión más sofisticada.1. Es el caso por ejemplo de las ecuaciones de la termoelasticidad. el operador (1. dependientes de la variable espacial x. operadores y modelos. Estas ecuaciones. Por limitaciones de tiempo nos centraremos esencialmente en el estudio de estas ecuaciones en el caso más sencillo de los coeficientes constantes y lo hare- mos. (1. el operador de ondas y sus variantes intervienen de forma sistemática en elasticidad (frecuentemente a través de sis- temas más sofisticados. El operador del calor y de ondas se distinguen también por sus ámbitos de aplicación. Hasta ahora nos hemos referido sólo a las ecuaciones del calor y de ondas en su expresión más sencilla: con coeficientes constantes. pero en todos ellos.

De entre todas estas vías la última es la menos habitual (si bien se trata de un método frecuente a la hora de probar resultados analíticos de existencia de soluciones. en este empeño lo estudiado sobre . En esta introducción no hemos mencionado para nada otras palabras clave en la modelización de fenómenos complejos como son los términos “no-lineal “no. se puede asegurar que los elementos que aquí expondremos serán sin duda de gran utilidad. La aproximación numérica de modelos de EDP que involucran estos fenómenos queda fuera de los objetivos de este curso pero. nuevamente. Por supuesto. más bien. Pero hay varias razones para no descartar la segunda. discretamente en tiempo. incluyendo EDP con coeficientes variables y en varias dimensiones espaciales. De este modo pasamos directamente de la EDP de evolución a un sistema puramente discreto. 2 determinista". idea que inspira. Se trata en este caso de una semi-discretización temporal. INTRODUCCIÓN AL NUMÉRICO DE EDP’S éxito situaciones más complejas. veamos cual es la forma o. El sistema se reduce a la resolución iterada. a desarrollar algorítmos paralelizables. En este caso se trata de una semi-discretización espacial y el proble- ma se reduce a un sistema de ecuaciones diferenciales de dimensión igual al de nodos espaciales que tenga el mallado utilizado en la discretización espacial.4 CAPÍTULO 1. En primer lugar. es ya un objetivo interesante no sólo desde un punto de vista práctico sino también en el plano conceptual. El estudio de la legitimidad de esta sustitución. por ejemplo. en particular. Desde un punto de vista estrictamente computacional sólo la primera es vá- lida y realmente programable en el ordenador. c) Mantenemos la variable espacial continua y discretizamos el tiempo. de ecuaciones de Laplace. Es lo que se denomina una discretización completa. cuáles son las formas más naturales de proceder. si no indispensables. la teoría de semigrupos no-lineales) y actualmente es objeto de estudio intensivo de cara. a la hora de adentrarse en otros modelos más complejos que involucren términos no-lineales y estocásticos. b) Mantenemos la variable temporal continua y discretizamos la variable es- pacial. Estos métodos se conocen también como métodos de líneas. en sí. cuando realizamos la discretización espa- cial estamos sustituyendo la dinámica infinito-dimensional de la EDP por una dinámica en dimensión finita. Hay al menos tres a) Discretizamos simultáneamente las variable de espacio y de tiempo. Habiendo ya motivado la necesidad de proceder al desarrollo de métodos numéricos para la resolución de la ecuación del calor y de la ecuación de ondas.

No conviene olvidar que la eficacia de un método numérico depende en gran medida de la fidelidad con que consigue reproducir a nivel discreto las propiedades analíticas del modelo continuo. Ni que decir tiene que. Antes de concluir esta introducción conviene hacer una observación sobre la notación que usaremos a lo largo de las notas: 1. por consiguiente de la EDP. si realizamos los dos procesos de aproximación (el del laplaciano y el de la EDO) con cuidado. INTRODUCCIÓN Y MOTIVACIÓN 5 la ecuación de Laplace nos resultará de suma utilidad pues la semi-discretización consiste precisamente en discretizar el laplaciano en la variable espacial dejando intacta la variable temporal. Una vez justificada la idoneidad de esta primera discretización espacial. igual que si hubiesemos procedido directamente por la primera vía. además de diversas y útiles referencias complementarias. Por supuesto lo que aquí presentaremos no serán más que algunos aspectos. en cada uno de los ejemplos (ecuación del calor y de ondas) analizaremos las dos primeras vías: discretización completa y semi-discretización espacial. pero esta vez lo haremos habiendo utilizado las dos teorías de convergencia previamente desarrolladas. Pero no debemos olvidar que la teoría desarrollada en la primera parte de este curso está precisamente orientada a la discretización temporal de siste- mas de EDO. Algunos de los programas comerciales (Mat- lab. con su consiguiente análisis de convergencia. lo cual pasa obviamente por un análisis de la convergen- cia a medida que el paso del mallado espacial tiende a cero. obtendremos no sólo los resultados de convergencia de las soluciones del problema discreto al continuo sino estimaciones del error. conceptos y resultados básicos y fundamentales.1. Al final de este doble proceso de aproximación nos encontraremos por tanto con un sistema completa- mente discreto. Las estimaciones de error junto con el coste computacional del método numérico es lo que al final establece su bondad.1. Es por esto que. El lector interesado en un análisis más detallado encontrará en los textos de la Bibliografía que incluimos al final de estas notas un excelente material para profundizar en el estudio de este campo. Tanto en la sección dedicada a la ecuación del calor como a la de ondas comenzaremos recordando algunas de sus propiedades analíticas más importan- tes. que será de hecho una aproximación de la solución de . nos encontramos pues frente a un sistema de EDO. para después abordar los aspectos numéricos. por ejemplo) están equipados de rutinas de resolución de EDO. lo cual supone sin duda una razón importante para proceder de este modo. • El índice j será utilizado para denotar la componente j-ésima de la solución numérica. Esto hace que se puedan obtener con facilidad aproximaciones numéricas y visualizacio- nes gráficas de las soluciones de dicho sistema de EDO y.

1. 0) = ϕ(x) en RN . ∞) (1.2. aproximación de la solución de la EDP en el instante de tiempo t = k∆t. φ >= φ(0) para toda función continua φ. la delta de Dirac en x = 02 . John [30]).2. Propiedades básicas de la ecuación del calor Consideremos en primer lugar el problema de Cauchy ( ut − ∆u = 0 en RN × (0. .2. la ecuación del calor es un modelo fuertemente irreversible en tiempo en el que la información se propaga a velocidad infinita. 1.2) No es difícil comprobar que G es efectivamente la solución de (1. Obtenemos así el núcleo de Gauss:  G(x.1) con ϕ = δ0 . 2.2. 2 Recordemos que δ0 es la medida tal que < δ0 .1) esté bien planteado a pesar de que no damos dos datos de Cauchy como es habitual en una ecuación de orden dos. La ecuación del calor Como hemos mencionado anteriormente. Como hemos dicho antes. Estas propiedades quedarán claramente de manifiesto en la siguiente sección en la que recordamos sus principales propiedades analíticas.2. Se trata de un problema característico en el sentido de Cauchy-Kowaleski (ver F. t) = (4πt)−N/2 exp − | x |2 /4t .1. La solución fundamental de (1. INTRODUCCIÓN AL NUMÉRICO DE EDP’S la EDP en el punto nodal xj = jh.2. • El superíndice ˆ· se utiliza para denotar las componentes de Fourier de las soluciones tanto en el marco continuo como en el discreto.2.1) u(x. sino sólo una. 3. siendo h = ∆x el paso del mallado espacial.1) se puede calcular explícitamente.6 CAPÍTULO 1. (1. la ecuación del calor es el prototipo de ecuación de evolución de tipo parabólico cuyas variantes están presentes de manera sistemática en todos los modelos matemáticos de la difusión y de la Mecánica de Fluidos. • El exponente k se utiliza para denotar la solución numérica en el paso temporal k-ésimo. Precisamente por serlo cabe esperar que (1.

4) es también fácil comprobar el enorme efecto regularizante de la ecuación del calor. De este modo acabaríamos probando que toda función de L1 (RN ) o L∞ (RN ) está en C ∞ (RN ). volviendo hacia atrás en el tiempo.2.2. basta que ϕ ∈ L1 (RN ) o que ϕ ∈ L∞ (RN ) para que la solución u(·. En (1. (1.2. ∀t > 0.4) RN En esta expresión se observa inmediatamente la velocidad infinita de propaga- ción. ∀t > 0.2. sean funciones acotadas (véase F. 3 Interpretamos la función u = u(x. John [30])). (1. intervienen a la hora de calcular u en cualquier punto espacio-temporal (x. (Hemos entrecomillado el cuantificador “cualquier” puesto que se requieren algunas condiciones mínimas sobre ϕ y la propia solución para que ésta pueda escribirse de manera única como en (1.2. t) como una función del tiempo t que.5) RN RN • Decaimiento: k u(t) kL∞ (RN ) ≤ Ct−N/2 k ϕ kL1 (RN ) .3) representa la única solución de (1.4) se deducen otras propiedades de la solución de la ecua- ción del calor: • Principio del máximo: Si ϕ ≥ 0 entonces u ≥ 0 y en realidad u > 0 en RN × (0. Basta por ejemplo con tomar ϕ ∈ L2 (RN ) o ϕ ∈ L∞ (RN ) y buscar soluciones u tales que. u=G∗ϕ (1.2. si la ecuación del calor estuviese bien puesta en el sentido retrógrado del tiempo. obtendríamos en el instante inicial t = 0 una función C ∞ (RN ). para cualquier t > 0.2.1). t)3 en cada instante t > 0 sea una función de C ∞ (RN ). • Conservación de la masa: Z Z u(x. todos los valores de ϕ.3). en cualquier punto y de Rn . LA ECUACIÓN DEL CALOR 7 Por consiguiente. En efecto. tiene como imagen una función de x que varía en el tiempo.2.6) Todas ellas admiten claras interpretaciones físicas y obedecen. cosa falsa evidentemente.2. Este efecto regularizante implica también la irreversibilidad temporal. En efecto.4 De la fórmula (1. t)dx = ϕ(x)dx. . t). ∞) salvo que ϕ ≡ 0.3) ∗ representa la convolución espacial de modo que Z  u(x. (1. efectivamente. como la solución es regular para t > 0. 4 En efecto. a cada instante t.2. al comportamiento habitual en un proceso de difusión. para “cualquier” ϕ.1. t) = (4πt)−N/2 exp − | x − y |2 /4t ϕ(y)dy. En (1.

Así. t > 0 u(0. 0) = ϕ(x). 0 < x < π. Evans [7].7). En este caso la solución no es tan fácil de obtener explícitamente como lo fue para el problema de Cauchy en RN . Las condiciones de contorno u = 0 en ∂Ω indican que las paredes del dominio Ω se mantienen a temperatura constante u = 0. 0) = ϕ(x) en Ω. ∂n Aquí ∂/∂n denota el operador derivada normal y n es el vector normal exterior unitario a ∂Ω que varía en función de la geometría del dominio al variar el punto x ∈ ∂Ω.2. en estas notas nos limitaremos a considerar las condiciones de contorno de Dirichlet como en (1. En la práctica. se utilizan otras condiciones de contorno no tanto sobre la variable u que en la ecuación del calor representa la temperatura. Obtenemos así el sistema    ut − ∆u = 0 en Ω × (0. ∞) u=0 en ∂Ω × (0. ∂n   ∂ ∂ donde ∇ denota el operador gradiente ∇ = ∂x1 . Nosotros nos centraremos en el problema de una sola dimensión espacial. con el objeto de que el sistema de ecuaciones sea completo tenemos también que imponer condiciones de contorno que deter- minen la interacción del medio Ω con el medio circundante. series de Fourier.7)   u(x. t > 0 (1. t) = u(π. . . . frecuentemente. Son diversos los métodos disponibles para su resolución: Galerkin. . .e. Desde un punto de vista matemático las condiciones más simples son las de Dirichlet. por ejemplo. con el objeto de simplificar y no hacer demasiado larga la presenta- ción. . Consideraremos por lo tanto el sistema    ut − uxx = 0. N Pero. . semigrupos.2. ∞) (1. . ∂xN y · el producto escalar euclideo en R . INTRODUCCIÓN AL NUMÉRICO DE EDP’S Consideramos ahora el problema de la difusión del calor en un dominio aco- tado Ω de RN . de modo que ∂ = ∇ · n. ∞).2.8)   u(x. en el caso en que queramos representar que el dominio Ω está completamente aislado de su entorno impondremos condiciones de flujo nulo. Se trata de una derivada direccional. ∂u = 0 en ∂Ω × (0. i. . 0 < x < π. t) = 0. En esta ocasión.8 CAPÍTULO 1. El lector interesado en el estudio de estos métodos puede consultar el texto de L. sino sobre el flujo de calor a través de la frontera.

En efecto. π) (v´’ease Lema 2. LA ECUACIÓN DEL CALOR 9 En este caso la solución puede obtenerse fácilmente mediante el desarrollo en series de Fourier. (1.12) j=1 y es entonces fácil comprobar que 2 k u(t) − uM (t) kL2 (0. π) la solución u de (1. t) = ϕ̂l e−l t wl (x) (1. autofunciones del operador de Laplace involucrado en la ecuación del calor con condiciones de contorno de Dirichlet) es muy simple por encontrarnos en una dimensión espacial.8) se puede escribir en la forma ∞ X 2 u(x.2. Por lo tanto. para cada M ∈ N podemos introducir M X 2 uM (x.10) l=1 donde {ϕ̂l }l≥1 son los coeficientes de Fourier de la función ϕ. i. . en varias dimensiones espaciales el problema es mucho más complejo. en realidad.2. pues pasa por calcular las autofunciones del problema: ( −∆w = λw en Ω (1.9) π constituyen una base ortonormal de L2 (0.2. En vista de la aparente simplicidad de este método de aproximación cabe entonces preguntarse: >Para qué necesitamos otros métodos? Las razones son diversas. efectivamente.2.11) 0 Esta expresión de la solución en series de Fourier nos resultará de gran utili- dad a la hora de abordar la aproximación numérica de la solución. las propias sumas parciales de la serie proporcionan ya una manera sistemática de aproximar la solución. las funciones trigonométricas r 2 wl (x) = sen(lx). En realidad. Z π ϕ̂l = ϕ(x)wl (x)dx.2. ∀t ≥ 0.2. (1. t) = ϕ̂j e−j t wl (x).13) lo cual indica.2.π) ≤ e−(M+1) t/2 k ϕ kL2 (0.2.1.14) w=0 en ∂Ω.e. Así.π) . Si bien en este caso la obtención de las funciones de base {wl }l≥1 (que son.1). que la aproximación de u mediante uM mejora a medida que M → ∞. l ≥ 1 (1. pero hay una particularmente importante. para cualquier función ϕ ∈ L2 (0. (1.

2. Este hecho.8) y a su solución (1.2. l ≥ 1 (1.π) = | ϕ̂j |2 e−2j t ≤ e−2t | ϕ̂j |2 = e−2t k ϕ k2L2 (0π) . INTRODUCCIÓN AL NUMÉRICO DE EDP’S Antes que nada conviene señalar que las autofunciones wl de (1. etc. 0<x<π (1.8) mediante el método de la energía.16) y las autofunciones correspondientes. en varias dimensiones espaciales.10) se observa un comportamiento de u distinto al del problema de Cauchy en RN . por supuesto.2.2.14).10).2. en este caso es fácil comprobar que la solución decae exponencial- mente cuando t → ∞: ∞ X ∞ X 2 k u(t) k2L2 (0. En efecto. su forma depende de la geometría del dominio Ω y.2. junto con otro igualmente importante como es que para muchas ecuaciones (no-lineales. Sí que conviene sin embargo utilizar este formalismo de Fourier para entender las aproximaciones que los diferentes esquemas proporcionan a la ecuación del calor y el modo en que afectan a las diferentes componentes de las soluciones en función de la frecuencia de su oscilación espacial.2.2. su cálculo explícito es imposible salvo para dominios muy particulares ([30]). las fun- ciones trigonométricas (1. En la expresión (1. Si bien la teoría espectral garantiza la existencia de una sucesión de auto- funciones que constituyen una base ortogonal de L2 (Ω) ([2]).17) Esta propiedad de decaimiento puede también obtenerse directamente de la ecuación (1. j=1 j=1 (1.9).9) se ob- tienen precisamente al resolver el análogo uni-dimensional de (1. una vez normalizadas en L2 (0. sin pasar por la Teoría Espectral. aconsejan que desarrollemos métodos numéricos que permitan abordar sistemáticamente la ecuación del calor y sus variantes.15) w(0) = w(π) = 0. Volvamos entonces a la ecuación (1. tan elaborados (o más) como los que vamos a necesitar para aproximar la propia ecuación del calor directamente. En este caso el problema de autovalores es un sencillo problema de Sturm-Liouville que se escribe en la forma ( −w′′ = λw. π).2. coeficientes dependientes del espacio-tiempo. sin hacer uso del desarrollo .10 CAPÍTULO 1.2.) la resolución mediante series de Fourier no es posible. la utilización de estas autofunciones exige previamente el desarrollo de métodos numéricos para su aproximación. Los autovalores son en este caso λl = l2 . Por lo tanto.

multiplicando en (1. Lo haremos en el caso más sencillo en el que el operador de Laplace espacial se aproxima mediante el esquema clásico y sencillo de tres puntos.2.2.2.22) a∈H01 (0. (1.2.20) dt 0 0 Integrando esta desigualdad (1.2.8) por u e integrando por partes se obtiene que Z π Z Z π 1 d π 2 0= (ut − uxx ) udx = u dx + u2x dx. Z π Z π 1 d u2 dx = − u2x dx. (1. π).18) 2 dt 0 0 Utilizamos ahora la desigualdad de Poincaré ([2]) Z π Z π u2x dx ≥ u2 dx.2. proporciona la desigualdad Z Z π d π 2 u dx ≤ −2 u2 dx.20) obtenemos exactamente la tasa expo- nencial de decaimiento de la solución que predijimos en (1. combinada con la identidad (1. 1. lo que es lo mismo. π) que posee una sucesión de autovalores (1. En efecto.18).π) a2 (x)dx 0 En este caso λ1 = 1 puesto que se trata del primer autovalor λ1 del operador −d2 /dx2 en H01 (0.2.2. π) (1. LA ECUACIÓN DEL CALOR 11 en serie de Fourier de la solución.16).2. (1. ∀a ∈ H01 (0. 0 2 dt 0 0 o.2.17). ∀u ∈ H01 (0.2. Semi-discretización espacial: El método de Fourier Esta sección está dedicada a estudiar las semi-discretizaciones espaciales de la ecuación del calor 1 − d (unidimensional) (1.8). (1.1.1 La desigualdad de Poincaré (ver [B]) garantiza que Z π Z π 2 ′ |a (x)| dx ≥ |a(x)|2 dx. Analizaremos la .2. Observación 1.2.21) viene caracterizada por el siguiente principio de minimalidad que involucra el cociente de Rayleigh: Z π 2 |a′ (x)| dx λ1 = mı́n Z0 π .2.2.19) 0 0 que.2.21) 0 0 La mejor constante de la desigualdad (1.

Esto es así.8):  2uj −uj+1 −uj−1  ′  uj + h2 = 0. por las condiciones de contorno.2. M . x0 = 0.. .. Cabe por tanto esperar que obtengamos progresivamente estimaciones más finas de la solución. . . etc. . t > 0 u0 = uM+1 = 0. tal y como veremos. lo más sencillo es tomar sus valores en los nodos como . Cuando la función ϕ del dato inicial de la ecuación del calor es continua. . es de orden dos) obtenemos de manera natural la siguiente semi-discretización de (1. xj+1 ] . . muy en particular en lo referente al método de la energía.24)   uj (0) = ϕj . .8). . Consideramos por tanto un paso h > 0 del mallado espacial. M. de fácil aplicación a otras condiciones de contorno. M + 1 (1. En vista de que. j = 1.23) descompone el intervalo [0. El objetivo principal de este capítulo es precisamente desarrollar una teoría que nos permita discernir si un método numérico es convergente o no. t>0 (1. de modo que la partición que definen los nodos xj = jh. π] en M + 1 subintervalos de longitud h : Ij = [xj .12 CAPÍTULO 1.e. Este sistema constituye un conjunto de M ecuaciones diferenciales de orden uno. M. . Cada una de las funciones uj (t) proporciona una aproximación de la solución u(·. INTRODUCCIÓN AL NUMÉRICO DE EDP’S convergencia del método tanto mediante series de Fourier como por estimaciones de energía. j = 0. xM+1 = π. M . como vimos.. M .2. . j = 1. las genuinas incógnitas del problema son las M funciones uj (t). Queda sin embargo por determinar una buena elección de los datos iniciales ϕj . Obsérvese que el primer y el último nodo corresponden a los extremos del intervalo. coeficientes variables. ecuaciones no-lineales. i. Para simplificar la presentación suponemos que h = π/(M + 1) con M ∈ N. acopladas de tres en tres con M incógnitas. en el transcurso de la misma desarrollaremos una metodología susceptible de ser adaptada a situaciones más complejas. j = 0. . . . t) en el punto x = xj . . j = 1. . Las posibilidades son diversas y algunas de ellas serán analiza- das a lo largo de estas notas. u0 ≡ uM+1 ≡ 0.2. Sin embargo. Si bien los resultados de esta sección se refieren a un problema muy sencillo como es (1. . A medida que el paso h de la discretización tiende a cero tenemos más y más puntos en el mallado. . . . .2. j = 1. lineales. no basta con que una aproximación parezca coherente para poder garantizar su convergencia. . Utilizando la clásica aproximación de tres puntos para el operador d2 /dx2 (que.

ha de serlo para cualquier elección razonable de los datos iniciales. i. . 0   Ah = 2  . Esto dependerá esencialmente del esquema elegido para aproximar la ecuación y las condiciones de contorno.1.25) uM (t) y la matriz tridiagonal:   −1 0 2 0  . ϕj > 0.. salvo que este hecho pueda conducir a confusión. . El sistema (1. j = 1..  ~u(t) =   . También es posible elegir los datos iniciales del sistema semi-discreto truncando la serie de Fourier del dato inicial de la ecuación del calor.27) también depende de h de modo que sería más legítimo denotarla mediante el subíndice h: ~uh . para simplificar la notación. Obviamente la solución ~u de (1.2. (1. Cuando ϕ no es conti- nua sino meramente integrable podemos también hacer medias del dato inicial ϕ = ϕ(x) en intervalos en torno a los nodos. ϕj = ϕ(xj ).2... . . . M . escribiremos simplemente ~u. Las posibilidades son diversas pero. .24) refleja también esta propiedad de naturaleza física.e.2.. . Esto es cierto para el problema de Cauchy en todo el espacio pero también lo es para el problema de Dirichlet con condiciones de contono nulas. la solución lo es para todo x y todo t.2. Pero. el sistema (1.26) h  .27) ~u(0) = ϕ ~.2.2.   1  −1 . Frecuentemente utilizaremos una notación vectorial para simplificar las ex- presiones..2.2. i. t > 0 (1. Entonces. M .e. −1   0  0 0 −1 2 Así.24) se escribe ( ~u′ (t) + Ah ~u(t) = 0.2. En la sección anterior vimos que que la ecuación del calor continua verifica el principio del máximo que garantiza que si el dato inicial es no-negativo.24):   u1 (t)  .. LA ECUACIÓN DEL CALOR 13 dato inicial del problema semi-discreto. si un método es convergente.. supongamos que el dato inicial de (1. Introducimos por tanto el vector columna ~u = ~u(t) que representa a la incógnita del sistema (1.24) es positivo.. .  (1. . uj (t) > 0 para todo j = 1. En efecto..

INTRODUCCIÓN AL NUMÉRICO DE EDP’S y todo t > 0. .. Sea τ ∗ el primer instante de tiempo en el que la solución se anula en alguna de sus componentes que denotaremos mediante el índice j ∗ . (1.. Esto exige que el dato ϕ sea continuo.24) corres- pondiente al índice j ∗ en el instante t = τ ∗ . Pero existen otras elecciones del dato inicial de la ecuación semi-discreta como decíamos anteriormente. Por unicidad de las soluciones de la ecuación diferencial (1.. (1.28) pueden calcularse de forma explícita:   4 h λl (h) = 2 sen2 l . Haciendose uso de estas propiedades escribimos la ecuación de (1. lo cual implica... Esto prueba que el principio del máximo se verifica también para el sistema semi-discreto (1. En particular. El punto de vista de Fourier no sólo es sumamente útil a la hora de entender la teoría analítica de las EDP sino también su Análisis Numérico. . Con el objeto de probar esta afirmación argumentamos del modo siguiente. M.2. En este caso será simplemente una suma finita de M términos pues se trata efectivamente de un problema finito-dimensional de dimensión M . en virtud de las propiedades anteriores.2. En primer lugar observamos que. Para ello es preciso introducir el espectro de la matriz Ah ..14 CAPÍTULO 1. M..24).28) Los autovalores y autovectores solución de (1.2. • uj (τ ∗ ) ≥ 0. .27) puede escribirse en serie de Fourier en la base de autovectores de la matriz Ah .2. existe τ > 0 tal que uj (t) > 0 para todo j y todo 0 ≤ t ≤ τ . la solución de (1..2. • u′j ∗ (τ ∗ ) ≤ 0. por continuidad. Tenemos entonces: • uj (t) > 0.. ∀j = 1. la elección puede hacerse a través de los coeficientes de Fourier de ϕ. ℓ = 1. lo cual está en contradicción con el hecho de que el dato inicial sea positivo... M .29) h 2 .24) esto implica que ~u ≡ 0. j = 1. Iterando este argumento se obtiene que uj (τ ∗ ) = 0 para todo j = 1. Obtenemos uj ∗ +1 (τ ∗ )+ uj ∗ −1 (τ ∗ ) ≤ 0. M. que uj ∗ +1 (τ ∗ ) = uj ∗ −1 (τ ∗ ) = 0.2.2. ∀0 ≤ t < τ ∗ . • uj ∗ (τ ∗ ) = 0. En efecto. . En el dato inicial de uj hemos tomado el valor exacto del dato inicial ϕ de la ecuación del calor en el punto xj .. Consideremos por tanto el problema de autovalores: ~ = λW Ah W ~.

2.9) y (1.. que es a su vez consecuencia de la convergencia del esquema de tres puntos para la aproximación del Laplaciano probada en el capítulo anterior.2.. si bien. en general. como hemos visto.. LA ECUACIÓN DEL CALOR 15 Los autovectores correspondientes son   r sen(lx1 ) ~ 2 . Lema 10.2. (1.15) a medida que h → 0. (1.   ... para cada índice l ≥ 1 fijo tenemos λl → l2 . Es oportuno indicar también que los autovec- tores W~ l (h) dependen de h de dos maneras: Por su número de componentes M = π/h − 1 y por el valor de cada una de ellas. En (1. los autovectores W ~ l (h) del pro- blema discreto (1.2. para que ésto sea cierto. Por último es interesante también observar que de la expresión explícita de los autovalores λl (h) del problema discreto se deduce que λl (h) ≤ λl = l2 .2. Por otra parte. ∀~e = (e1 .. En efecto.9) del problema continuo.2.2..j )j=1.1.33) j=1 .M . es indispensable que el esquema numérico elegido para la aproximación de la ecuación de Laplace sea convergente. (1.. . cuando se abordan problemas más sofisticados (en varias dimensiones espaciales. eM )t .30) π  sin(lxM ) El lector interesado puede encontrar una prueba de este hecho en [14]. A partir de ahora las componentes del vector W ~ l (h) serán denotadas me- diante (Wl.2.28) no son más que una restricción a los puntos del mallado de las autofunciones (1.28) aproximan a los del continuo (1.31) lo cual refleja que los autovalores del problema discreto (1..2. M.2.5.2. (1. Esto explica por tanto la proximidad de ambos espectros. son vectores colum- na de RM y en el caso del problema de evolución.2.. l = 1. En RM consideramos la norma euclidea escalada  1/2 M X k ~e kh = h | ej |2  .. cuando h → 0.29)-(1.16). funciones regulares del tiempo t a valores en RM .30) se observan varias analogías con los autovalores y auto- funciones del operador de Laplace expresados en (1. por ejemplo) no es frecuente que se dé la coincidencia exacta entre los autovectores del problema discreto y las autofunciones del continuo sino simplemente la convergencia a medida que h → 0. Wl (h) = .2.32) Las soluciones del problema discreto. Conviene sin embargo señalar que. .

.35) y (1. se tiene M X h sen2 (ljh) = π/2. 1 ≤ l ≤ M .j+1 − Wl.36) 0 En efecto.2.j |2 < Ah W = λl (h). En efecto. (1.2. .38) j=1 Por consiguiente. ~ l (h)||h = 1. l = 1. M X h sen(ljh) sen(l′ jh) = 0.39) y M X ~ l (h). semejantes a las sumas de Riemann. Es por tanto natural. Es fácil comprobar que los autovectores W~ l (h) de (1. tenemos el siguiente resultado: Lemma 1.1 Para cada h de la forma h = π/(M + 1). con M ∈ N y para cada l ∈ N. l.33) y (1. (1. INTRODUCCIÓN AL NUMÉRICO DE EDP’S y su producto escalar asociado M X h~e.2. π): Z π 1/2 k e kL2 (0. estas normas y producto escalar aproximan a las correspondientes de L2 (0. cuando h → 0.40) .2.2. si l.. ||W l = 1.2. (1.34) j=1 √ El factor de escala introducido en la norma y producto escalar ( h y h respectivamente) es importante pues garantiza que.30) son ortonormales en el producto escalar (1. M. ~ l (h).. W ~ l (h) >h = h |Wl. (1. j=0 h2 (1.2. W <W ~ k (h) >h = δlk . M.2. (1. l′ ≤ M .34) son versiones discretas de las integrales (1.π) = e(x)f (x)dx.16 CAPÍTULO 1. se observa inmediatamente que (1.37) j=1 Asismismo.2.2. l′ ∈ N con 1 ≤ l. M . como el producto en L2 ..π) = e2 (x)dx . .. f~ih = h ej fj . abusando un poco del lenguaje.36)..2. en vista de que h = π/(M + 1). l 6= l′ .34). (1..2.35) 0 Z π he. k = 1.2. f iL2 (0.. ..2. referirse a este pro- ducto euclideo escalado.

j=0 2 y   1h i X M ′ ′ Re  ei(l +l)jh  = − (−1)(l +l) − 1 j=0 2 y por ello M X   h 1 ′ 1 1 ′ 1 h sin(ljh) sin(l′ jh) = − (−1)(l −l) + + (−1)(l +l) − = 0. 2 j=0 j=0 donde Re denota la parte real de un número complejo. sin(x) = 2 sin cos 2 2 2 en la identidad anterior obtenemos M X ′ ′ (−1)(l ±l) − 1 ei(l ±l)jh = (l′ ±l)h ′ ′ j=0 −2 sin2 2 + 2i sin (l ±l)h 2 cos (l ±l)h 2 ′ (−1)(l ±l) − 1 = ′ ′ ′ 2i sin (l ±l)h 2 (cos (l ±l)h 2 + i sin (l ±l)h 2 ) h ′ i (l ′ ±l)h (−1)(l ±l) − 1 e−i 2 = ′ 2i sin (l ±l)h 2 ih ′ i (l′ ± l)h 1 h ′ i = − (−1)(l ±l) − 1 cot − (−1)(l ±l) − 1 . 2 2 2 Resulta que   1h i X M ′ ′ Re  ei(l −l)jh  = − (−1)(l −l) − 1 .1. cos(l′ ± l)h + i sin(l′ ± l)h − 1 Aplicando las fórmulas trigonométricas x x x cos(x) = 1 − 2 sin2 .2.2. Aplicando la fórmula de la suma para una serie geométrica tenemos ′ ′ PM i(l′ ±l)jh ei(l ±l)π − 1 (−1)(l ±l) − 1 j=0 e = i(l′ ±l)h = i(l′ ±l)h e −1 e −1 ′ (−1)(l ±l) − 1 = . l′ con 1 ≤ l. Para todo par l.1. j=1 2 2 2 2 2 . LA ECUACIÓN DEL CALOR 17 Demostración del Lema 1. l′ ≤ M y l 6= l′ se tiene: M X M hX h sin(ljh) sin(l′ jh) = [cos(j(l′ − l)h) − cos(j(l + l′ )h)] j=1 2 j=1   X M XM h ′ ′ = Re  ei(l −l)jh − ei(l+l )jh  .

2..2. i..2.e. en virtud de (1.41) y (1. es decir. ambas son semejantes. j=1 2 j=0 2 2 puesto que M X   ei2lh(M+1) − 1 cos(2ljh) = Re = 0.2.18 CAPÍTULO 1. Esto concluye la prueba del Lema. en la base {W M X ~u(t) = u~h (t) = ~ l (h). (b) Las exponenciales temporales de (1. Ahora bien M → ∞ cuando h → 0. en lo referente a decaimiento de la solución tenemos: M X k ~u(t) k2h = | ϕ̂l |2 e−2λl (h)t ≤ e−2λ1 (h)t k ϕ ~ k2h . ϕ̂l W (1.2.31). W (1. si bien.27) en series ~ l (h)}l=1.41) l=1 donde ϕ̂l son los coeficientes del vector de datos iniciales ϕ ~ en la base de auto- vectores {W~ l }.2.43) ℓ=1 Las analogías entre la fórmula de representación (1. INTRODUCCIÓN AL NUMÉRICO DE EDP’S Para 1 ≤ l′ = l ≤ M se tiene M X M hX h(M + 1) π h sin2 (ljh) = (1 − cos(2ljh)) = = . estas últimas presentan propiedades semejantes a las de las primeras.M : de Fourier. En realidad sólo hay dos diferencias dignas de ser reseñadas: (a) En (1.2. En particular. j=0 ei2lh − 1 A partir de estas dos identidades se deducen autoamaticamente las propie- dades de los autovectores de la matriz Ah .10) de las soluciones del problema continuo son evidentes.44) l=1 .42) de modo que M X ϕ ~= ~ l (h).. ϕ̂l = h~ ~ l (h)ih . ϕ. (1.2. ϕ̂l e−λl (h)t W (1.41) y el desarrollo en serie de Fourier (1.2.10) no son exactamente las mismas pues en ellas intervienen los autovalores de uno y otro problema.2.41) se tiene una suma finita de M términos en lugar de la serie infinita de (1..2. En vista de esta similitud existente entre las expresiones de las soluciones continuas y discretas.10).2. Este hecho permite desarrollar fácilmente las soluciones de (1.

i.1. convergen a la solución u = u(x. recuperamos la tasa de decaimiento en tiempo del problema continuo (1. LA ECUACIÓN DEL CALOR 19 Así.2. las soluciones ~uh = ~uh (t) del problema semi-discreto (1.2.27).2.47) l=1 Elegimos entonces el dato inicial ϕ ~ de la ecuación discreta de modo que tenga los mismos coeficientes de Fourier que los M primeros de ϕ(x).2. (1. cuando h → 0.45) l=1 donde Z π ϕ̂l = ϕ(x)wl (x)dx.π) = (ϕ̂l )2 .2. M X ϕ ~=ϕ ~ (h) = ~ l (h).2.15) a las solucio- nes del problema continuo (1.1 Supongamos que ϕ ∈ L2 (0.2. π) y consideremos los datos inicia- les del problema semi-discreto (1.48).e. ϕ̂l W (1. t) del problema continuo en el sentido que k ~uh (t) − ~u(t) kh → 0.27) como en (1. consideramos su desarrollo en serie de Fourier ∞ X ϕ(x) = ϕ̂l wl (x). (1. en el límite cuando h → 0.48) l=1 En este caso los coeficientes de Fourier del desarrollo (1. Dado ϕ ∈ L2 (0.2. (1. Entonces. Con esta elección de los datos iniciales es fácil probar la convergencia del esquema numérico. se tiene " ∞ #1/2 X k ϕ kL2 (0.2. Desde el punto de vista del desarrollo en serie de Fourier de las soluciones que estamos barajando.46) 0 de modo que. . π). bajo una elección adecuada de los datos iniciales del problema discreto.41) de la solución del problema semi-discreto coinciden con los coeficientes ϕl de la función ϕ(x).2. t). para todo t > 0. a la hora de elegir una aproximación del dato inicial ϕ del problema semi-discreto parece adecuado proceder del siguiente modo.2.2. (1. El primer resultado importante de esta sección es el siguiente y garantiza la convergencia de las soluciones del problema semi-discreto (1.17) puesto que λ1 (h) → 1 cuando h → 0.2.8) cuando h → 0.2. donde ~u(t) es la restricción de la solución de la ecuación del calor a los nodos del mallado: uj (t) = u(xj .49) cuando h → 0. Tenemos el siguiente resultado: Theorem 1. por la identidad de Parseval.

49).51) Estimamos ahora por separado las tres normas k Ij kh . A la hora de estudiar la diferencia ~uh (t) − ~u(t) distinguimos las bajas y las altas frecuencias.. k ~uh (t) − u(t) (1. La can- tidad que aparece en (1.2.2. a la hora de compararla con la solu- ción discreta.20 CAPÍTULO 1.2. 3. mediante la expresión w ~l denotamos las restricción de la autofunción continua wl = wl (x) a los puntos del mallado.52) De este modo deducimos que  1/2  1/2 √ X √ X X ||I3 ||h = 2 |ϕ̂j | e−λj t ≤ 2 |ϕ̂j |2   e−2λj t  . sólo interviene la restricción de u a los puntos xj del mallado que denotamos mediante ~u(t) .50) obtenemos ~ kh ≤k I1 kh + k I2 kh + k I3 kh . w ~ ℓ no corresponde a un autovector de la matriz Ah . Tomando normas k · kh en (1. j≥M0 +1 j≥M0 +1 j≥M0 +1 (1. I3 para las altas) el Lema 2. Demostración del Teorema 2. para cada t > 0. es decir los rangos ℓ ≤ M0 y ℓ ≥ M0 + 1 respectivamente: M0 X ~uh (t) − ~u(t) = ~ l (h) ϕ̂l [e−λl (h)t − e−λl t ]W l=1 M ∞ (1. l=M0 +1 l=M0 +1 El valor del parámetro de corte M0 será fijado más adelante.50) X X + ϕ̂l e −λl (h)t ~ l (h) − W ϕ̂l e −λl t w ~l. INTRODUCCIÓN AL NUMÉRICO DE EDP’S Conviene explicar la noción de convergencia adoptada en (1.53) . Observamos en primer lugar que √ √ √ ||w ~ l ||∞ = πmaxj=1. 2. las expresiones son en este caso particularmente simples pues.2.. Se trata por tanto de una notación puesto que.. como ya dijimos.. como u(·. t) depende continuamente de x.2. representa la norma k · kh de la diferencia entre la solución discreta ~uh (t) y la continua u(·.M |w ~ l ||h ≤ π||w ~ l (xj )| = 2. Por el contrario. En el caso que nos ocupa (diferencias finitas en una dimensión espacial).49). (1.1 nos será de gran utilidad. I2 .1.2. t). para ℓ > M . Conviene observar que en el tercer sumatorio I3 . A la hora de estimar los tres términos en los que hemos descompuesto la diferencia (I1 para las bajas frecuencias. j = 1. Ahora bien. cuando ℓ ≤ M . ℓ = w ~ ℓ (h).2. los autovectores del problema discreto son restricciones al mallado de las autofunciones continuas.

lo cual está garantizado para todo t > 0.53) tenemos . LA ECUACIÓN DEL CALOR 21 Evidentemente.2.1.2. De (1. este cálculo está justificado por la convergencia de la última de las series que interviene en esta desigualdad.

.

1/2  X .

.

2 1/2 .

.

.

.

.

I3 .

≤ C(t) .

ϕ̂j .

54) h j≥M0 +1 con  1/2 X C(t) =  e−2λj t  . este permite por tanto fijar el valor de M0 de modo que . sus coeficientes de Fourier satisfacen Z π X∞ 2 ϕ2 (x)dx = |ϕ̂j | (1. ∀M ≥ M0 .2. (1. π). por lo tanto.56) 0 j=1 y. dado ε > 0 arbitrariamente pequeño. existe M0 ∈ N tal que X 2 |ϕ̂j | ≤ ε2 .2. (1. (1.57) j≥M0 +1 Dado t > 0. .2.55) j≥1 Como el dato inicial ϕ ∈ L2 (0.2.

.

.

.

.

I3 (t).

2. (1. M X M X ||I2 ||2h = ϕ̂2j e−2λj (h)t ≤ ϕ̂2j ≤ ε2 . Pero en este caso puede incluso encontrarse una estimación uniforme para todo t ≥ 0 gracias a las propiedades de ortonormalidad de los autovectores w ~ l (h).2. ≤ ε. (1. ∀t ≥ 0.58) h El término I2 puede estimarse de manera idéntica con la misma elección de M0 . dado ε > 0 arbitrariamente pequeño podemos hallar M0 tal que ||I2 (t)||h + ||I3 (t)||h ≤ 2ε. (1.2.59) j=M0 +1 j=M0 +1 Por tanto. ∀t ≥ 0. En efecto. de los desarrollos anteriores se deduce que.60) .

.

.

.

Procedemos ahora a la estimación de .

I1 .

Tenemos h . .

.

2 M0 X  2 .

.

2 .

.

2 .

.

.

I1 .

= (ϕ̂l ) e−λl (h)t − e−λl t .

w~ l (h).

(1.61) h h ℓ=1 M0 X  2 2 = (ϕ̂l ) e−λl (h)t − e−λl t .2. ℓ=1 .

Por lo tanto. para cada l ∈ {1. en vista de (1. en virtud de la elección hecha antes en función de ε.22 CAPÍTULO 1. 2  el sumando (ϕl ) e−λl (h)t − e−λl t tiende a cero cuando h → 0 uniformemente en t ∈ [0. . en vista de que el número M0 de sumandos está fijado. . .2. . Obsérvese que. T ]. INTRODUCCIÓN AL NUMÉRICO DE EDP’S Nótese que en esta ocasión el valor de M0 está ya fijado.31). En esta ocasión es el parámetro h el que tiende a cero. M0 } y T > 0 fijo. deducimos que .

.

.

.

.

I1 .

h . h → 0. uniformemente en t ∈ [0. T ]. → 0.

En.

eligiendo h suficientemente pequeño se puede asegurar que . particular.

.

.

I1 (t).

51). para todo t ≥ 0. ≤ ε. que para cualquier t > 0 y ε > 0 existe h suficientemente pequeño tal que.2. según (1. . h Combinando estas estimaciones deducimos.

.

.

~ .

.

. ≤ 3ε.

Datos iniciales en H01 (0. ϕ(0) = ϕ(π) = 0 . . bajo esta hipótesis adicional sobre el dato inicial. En este caso. π). obviamente. que el dato inicial ϕ es un poco más regular:  ϕ ∈ H01 (0. se puede dar una versión más precisa y cuantitativa de este resultado.49) hemos establecido la convergencia de las solu- ciones del problema semi-discreto ~uh a la del problema continuo en el sentido de la norma k · kh . Observación 1.1.1. Pero ésto no es más que una de las posibles maneras de es- tablecer la proximidad entre las soluciones de ambos problemas. π) = ϕ ∈ L2 (0. por ejemplo.2. π) : ϕ′ ∈ L2 (0.2.2. • Variante 1. π). Pero.1. Algunas variantes del Teorema de convergencia 2. A continuación presentamos algunas variantes.2 En (1. tenemos el resultado de convergencia del Teore- ma 2.~uh (t) − u(t) h Esto concluye la demostración del Teorema 1. Supongamos.

57) se puede realizar explícitamente.63) l≥M0 +1 (M0 + 1) l≥M0 +1 (M0 + 1) y. (1.2. por tanto. Una vez que M0 ha sido fijado de este modo.2.2.57) se cumpla. En efecto X 2 1 X k ϕ k2H 1 (0.62) 0 l≥1 Gracias a esta hipótesis adicional la elección del M0 que es preciso para que se cumpla (1.π) |ϕ̂l | ≤ 2 l2 |ϕ̂l | ≤ 0 2 (1. . (1.π) = l2 |ϕ̂l | < ∞.2. basta con elegir hk ϕ k i H01 (0.π) M0 = − 1.2.64) ε h i siendo · la función entera.2. para que (1. también h puede ser elegido de forma que k I1 kh sea menor que ε. En efecto.1. LA ECUACIÓN DEL CALOR 23 En este caso los coeficientes de Fourier {ϕ̂l }ℓ∈N de ϕ satisfacen:5 X 2 k ϕ k2H 1 (0.

.

2 M0 X   .

.

.

I1 .

mediante µℓ (h).66) l=1 M0 X 2 ≤ |ϕ̂l | t (λl − λl (h)) . Por otra parte.π) = 0π |ϕ′ |2 dx son normas equivalentes. ℓ=1 donde.2.      2 4 2 h 1 2 2 h λl − λl (h) = l − 2 sen l = 2 (hl) − 4 sen l h 2 h 2 1 = [hl + 2 sen(lh/2)] [hl − 2 sen(lh/2)] h2 2l l ≤ [hl − 2 sen(lh/2)] ≤ C(hl)3 h h = C h2 l4 ≤ CM04 h2 (1. 0 . π) ˆR ˜1/2 sobre H01 (0.65) h ℓ=1 M0 X 2 = |ϕ̂l | t (λl − λl (h)) e−µℓ (h)t (1.π) = l≥1 l |ϕ̂l | que es a 0 hP i1/2 2 2 su vez equivalente a la inducida por la norma k ϕ kH 1 (0. π) y la norma k ϕ k2H 1 (0. obtenido en la aplicación del Teorema del Valor Medio. la norma inducida por H 1 (0. en virtud de la desigualdad de Poincaré.2.2.67) 5 Obsérvese que. hemos denotado un número real entre λl (h) y λl . A nivel de 0 hP i1/2 2 2 los coeficientes de Fourier esta última se reduce a k ϕ kH 1 (0. = |ϕ̂l |2 e−λl (h)t − e−λl t (1.π) = l≥1 (1 + l ) |ϕ̂l | .

k I1 kh ≤ ε puede calcularse explícita- mente.1 que pueden resultar incluso más elocuentes. Pero hay otras variantes del resultado de convergencia del Teorema 1. INTRODUCCIÓN AL NUMÉRICO DE EDP’S donde C es una constante que puede ser calculada explícitamente.68) |τ |≤π siempre y cuando h > 0 sea lo suficientemente pequeño de modo que lh ≤ M0 h ≤ (M + 1)h = π. Convergencia en la norma del máximo Por ejemplo.1.65). • Variante 2. es decir que M + 1 ≥ M0 . Esto permite cuantificar el resultado de convergencia del Teorema 2.2.64) el valor de h para que. π) donde el resultado de convergencia ha sido probado.67) y en vista del valor explícito de M0 dado en (1.2. Obsérvese sin embargo que este tipo de argumentos necesita que el dato inicial este en un espacio más pequeño que el espacio L2 (0. En virtud de (1.24 CAPÍTULO 1. según (1.2.2. puede resultar más natural estimar la distancia entre la solu- ción ~uh del problema semi-discreto y la solución u de (1.2. El ma- yor valor de dicha constante viene dado por C = 2 máx [τ − 2 sen(τ /2)] /τ 3 (1.8) en la norma del máximo: .2.

.

.

.

.

~uh (t) − ~u(t).

.. (1.69) ∞ j∈{1. t)| .1 tenemos: . = máx |uj (t) − u(xj . Des- componiendo la norma de la diferencia como en la prueba del Teorema 1.2.M} Para la estimación de esta cantidad procedemos del modo siguiente..2..

.

.

XM ∞ X .

.

.

.

−λl (h)t ~ .

.

~uh (t) − ~u(t).

=.

ϕ̂l e Wl (h) − ϕ̂l e−λl t w ~ l.

∞ ∞ rl=1 M0 .

l=1 .

2X .

−λl (h)t .

≤ |ϕ̂l | .

e − e−λl t .

. π l=1 q M r X 2 X −λl (h)t + π 2 |ϕ̂l | e + |ϕ̂l | e−λl t π l=M0 +1 l≥M0 +1 = I1 + I2 + I3 .

.

p .

.

En esta desigualdad hemos tenido en cuenta que .

w ~ l .

para ∞ todo l ≥ 1. . ≤ 2/π.

1.π) . puede asegu- rarse que I3 ≤ ε k ϕ kL2 (0. LA ECUACIÓN DEL CALOR 25 Estimamos ahora el último término: r r  1/2  1/2 2 X 2 X 2 X I3 = |ϕ̂l | e−λl t ≤ |ϕ̂l |   e−2λl t  . ∞ X ∞ X 2 e−2λl t = e−2l t < ∞ l=1 l=1 y. Fijado el valor de M0 de modo que estas cotas de I2 y I3 sean válidas procedemos a acotar I1 : r M0 . por lo tanto. La misma acotación es válida para I2 . i. con una elección adecuada de M0 = M0 (ε). la última serie de esta desigualdad converge para cada t > 0. π π l≥M0 +1 l≥M0 +1 l≥M0 +1 Como λl = l2 .2.e.

.

2X .

.

I1 ≤ |ϕ̂l | .

e−λl (h)t − e−λl t .

. De este modo concluimos que. cuando el dato inicial ϕ ∈ L2 (0. para todo t > 0 se tiene . π). π l=1 Este último término tiende a cero cuando h → 0 puesto que se trata de una suma finita en la que cada uno de los términos tiende a cero.

.

.

.

.

~uh (t) − ~u(t).

la convergencia en t = 0 exigiría estimar los términos I2 y I3 de otro modo. j=1 cosa que no está garantizada por la condición ϕ ∈ L2 (0. T ]. y necesitaríamos de la hipótesis ∞ X |ϕ̂l | < ∞. puesto que  1/2  1/2 ∞ X ∞ X X∞ |ϕ̂l | ≤  |ϕ̂l |2 j 2   j −2  = C k ϕ kH01 (0. sí que bastaría con suponer que ϕ ∈ H01 (0. Sin embargo. (1.71) j=1 j=1 j=1 . π). π). → 0.π) . como en la variante anterior.70) ∞ Obsérvese que en este caso no se tiene una convergencia uniforme en tiem- po t ∈ [0.2. En efecto.2. h → 0. (1.

M. Para comprobarlo basta observar que existe c > 0 tal que λl (h) ≥ cl2 .2. En realidad. Obviamente C(0) = ∞. ∀l = 1. En efecto. π) en la ecuación del calor para cualquier instante de tiempo t > 0. la conver- gencia de la solución semi-discreta a la solución continua se produce en la norma del máximo (que corresponde a la norma de L∞ (0. π). Esto es así gracias al efecto regularizante que.24) comparten.2. . π). en el sentido en que sus coeficientes de Fourier (los que se pueden imponer en el problema semi-discreto) lo son.73) lo cual garantiza un control uniforme (con respecto a h) de las series que intervienen en la cuantificación de dicho efecto.27)) como dato inicial la truncamiento de la serie de Fourier del dato inicial de la ecuación del calor.2. (1.π) π l=1 l=1 con C(t) < ∞ para todo t > 0.2. π) que no pertenecen a L∞ (0.24) (o (1.2. Esto garantiza el efecto regularizante L2 (0. π)). Este efecto regularizante es compartido por todas las soluciones del pro- blema semi-discreto. el mismo método de demostración del Teorema 1. • Variante 3. . π). Podría decirse pues que el dato inicial es independiente de h.2.1 permite probar otro tipo de resultados en los que el dato inicial del problema . t) = ϕ̂l e−l t wl (x) l=1 de modo que ∞ r ∞ X 2X −l2 t 2 | u(x. Datos iniciales en Fourier dependientes de h. caracteriza a la ecuación del calor y que todos los problemas semi-discretos (1.2.26 CAPÍTULO 1. a pesar de que el dato inicial ϕ se supone únicamente en L2 (0.72) π l=1 l=1 r "∞ #1/2 " ∞ #1/2 2 X 2 X −2l2 t ≤ |ϕ̂l | e = C(t) k ϕ kL2 (0. acabamos de comprobar que. . INTRODUCCIÓN AL NUMÉRICO DE EDP’S Volviendo al caso general ϕ ∈ L2 (0. la solución de la ecuación del calor es de la forma ∞ X 2 u(x.1 hemos optado por elegir en el problema semi-discreto (1. como hemos mencionado. ∀h > 0. lo cual corresponde a la existencia de funciones de L2 (0. . t) |≤ |ϕ̂l | e |wl (x)| ≤ |ϕ̂l | e−l t (1. π) → L∞ (0. En el Teorema 1.

Si extendemos estos coeficientes de Fourier ϕ̂l (h) por cero para l ≥ M + 1.2.2. . cuando h → 0. LA ECUACIÓN DEL CALOR 27 semi-discreto no es necesariamente ése. {ϕ̂l (h)}l≥1 converge en ℓ2 a {ϕ̂l }l≥1 . se puede probar la convergencia del esquema bajo hipótesis más débiles sobre los datos iniciales:6 “Supongamos que los datos iniciales ϕ ~ (h) del problema semi-discreto (1.27)) tomamos como dato inicial M X ϕ ~ (h) = ϕ̂l (h)w ~ l (h). si una sucesión converge débilmente y además se tiene que ||hk ||H → ||h||H .27)) son tales que {ϕ̂l (h)}l≥1 converge débilmente en ℓ2 a {ϕ̂l }l≥1 cuando h → 0. El enunciado del Teorema 1. para cualquier δ > 0”. Una de las propiedades más utilizadas de la convergencia débil es que de toda sucesión acotada en un espacio de Hilbert se puede extraer una subsucesión que converge débilmente. g)H para todo g ∈ H. si (hk . la convergencia (1.2.2. En particular. Por otra parte.1.2. para cada h > 0 los coeficientes de Fourier de ϕ~ (h) con una sucesión de ℓ2 (el espacio de Hilbert de las suce- siones de números reales de cuadrado sumable). l=1 es decir. π) del problema continuo)”. 6 En un espacio de Hilbert H se dice que una sucesión {h } k k≥1 converge débilmente a un elemento h ∈ H.2.2. del dato ϕ ∈ L2 (0. permite establecer la convergencia de las soluciones a partir de informaciones mínimas sobre la convergencia de los datos iniciales.24) (o (1. donde {ϕ̂l (h)}l≥1 (resp.1 puede entonces generalizarse del siguiente modo: “El resultado del Teorema 1. g)H → (h. tal y como comenta- bamos en la variante anterior. Entonces. si hacemos uso del efecto regularizante. Por ejemplo. En realidad.49) es cierta uniformemente en t ≥ δ.24) (o (1. supongamos que en el problema semi-discreto (1. {ϕ̂l }l≥1 ) representa el elemento de ℓ2 constituido por los coeficientes de Fourier del dato ϕ ~ (h) del problema discreto (resp.2. la convergencia clásica en el sentido de la norma (también denominada convergencia fuerte) implica la convergencia débil. definimos el dato inicial mediante coeficientes de Fourier que de- penden de h.1 es aún cierto si. entonces se tiene también la convergencia en norma. podemos identificar. Obviamente.

2. Datos iniciales por restricción al mallado. π]). éste no es el modo más natural de proceder puesto que sería deseable disponer de un método más sencillo que no pase por el cálculo de las series de Fourier continuas y/o discretas para realizar la elección de los datos iniciales en la ecuación semi- discreta.28 CAPÍTULO 1. su valor efectivo no dista mucho del que utilizamos mediante series de Fourier. En este caso la elección más natural del dato inicial en el método numérico (1. Supongamos por ejemplo que el dato inicial ϕ de la ecuación del calor es un poco más regular: ϕ ∈ C([0. l=1 Por tanto .24) (o (1.2. En efecto en el Teorema 1. INTRODUCCIÓN AL NUMÉRICO DE EDP’S Variante 4. Sin embargo. al elegir este dato inicial no necesitamos calcular los coeficientes de Fourier de ϕ (lo cual exige realizar una integral y. tenemos entonces M X ϕk = ϕ̂l wl (xk ) l=1 mientras que ∞ X ϕk = ϕ(xk ) = ϕ̂l wl (xk ).27)) es uj (0) = ϕj = ϕ(xj ). Pero en todos estos resultados la convergencia de la solución del problema discreto al continuo se establece en función del comportamiento de los coeficientes de Fourier de los datos iniciales cuando h → 0. desde un punto de vista numérico la utilización de fórmulas de cuadratura) sino que basta evaluar el dato inicial sobre los puntos del mallado. desde un punto de vista estríctamente numérico.1 hicimos la elección M X ϕ ~= ~ l (h) ϕ̂l W l=1 que denotaremos mediante ~ϕ para distinguirla de la anterior. Si bien ésto supone una elección distinta de los datos iniciales. Teniendo en cuenta que la k-ésima componente del vector w ~ l (h) coincide con el valor de la autofunción wl (x) en el punto x = xk = kh. En efecto.2.

∞ .

r .

.

.

X .

2 X .

.

.

.

.

ϕk − ϕk .

= .

ϕ̂l wl (xk ).

≤ | ϕ̂l | . .

.

π l=M+1 l≥M+1 .

LA ECUACIÓN DEL CALOR 29 Así  2 .2.1.

.

2 M .

X .

2 X .

.

.

.

.

~ϕ−~ ϕ.

= h .

ϕk − ϕk .

h k=1 l≥M+1 Con el objeto de garantizar que . ≤ 2  | ϕ̂l | .

.

.

.

.

~ϕ−~ ϕ.

∀h > 0. podemos elegir Z 1 xj +h/2 ϕj = ϕ(x)dx. si ϕ ∈ H01 (0. π). Hay otras elecciones posibles del dato inicial en el problema semi-discreto (1.2. h xj −h/2 No es difícil ver que esta elección de los datos iniciales conduce a resultados semejantes de convergencia. cuando h → 0 h basta por tanto con saber que ∞ X | ϕ̂l |< ∞. una vez que se dispone de un resultado de convergencia para una determinada elección de los datos iniciales.2.2. y esto es comentario interesante y útil. Datos iniciales en media. como vimos en la variante 1.1 se preserva con esta elección del dato inicial del problema semi-discreto. Esto es particularmente sencillo en el caso que nos ocupa puesto que si ~uh y ~vh son dos soluciones del problema semi-discreto (1. está garantizado. ϕ − ψ|| ∀t > 0. → 0. π). Es fácil ver entonces que el resultado del Teorema 1. para cualquier ϕ ∈ L2 (0.2.27)) que no pasan por el cálculo de los coeficientes de Fourier del dato inicial. Por ejemplo.74) . lo que supone una hipótesis ligeramente más fuerte que la continuidad de ϕ.2. En realidad.24) correspondientes a datos iniciales ϕ ~ se tiene ~ y ψ. (1. Variante 5. por ejemplo. no es difícil probar la convergencia para otras posibles opciones puesto que basta con estimar la diferencia de las soluciones del problema discreto o semi-discreto para las dos elecciones de los datos. ||~uh (t) − ~vh (t)||h ≤ ||~ ~ h.24) (o (1. l=1 lo cual. sin necesidad de volver a comprobar la proximidad con el modelo continuo.

1 hemos probado la convergencia de la solución del problema semi-discreto a la del problema continuo en el sentido de la norma discreta || · ||h .1 se tiene E~uh (t) → u(t) en L2 (0.2. el método que hemos desarrollado en esta sección. Para probar este Corolario basta observar que M Z xj +h/2 X ||E~uh (t) − u(t)||2L2 (0. Cabe por tanto plantearse su convergencia hacia la solución de la ecuación del calor cuando h → 0. permite probar la convergencia del método no sólo cuando los datos iniciales han sido adaptados en función del desarrollo en serie de Fourier del dato inicial de la ecuación del calor.2. Sin embargo.76) Demostración del Corolario 2.xj +h/2] denota la función característica del intervalo [xj −h/2. π). Hay diversas maneras de realizar ésto.75) j=1 donde χ[xj −h/2. Esta función extendida está definida para todo x ∈ (0. ∀t > 0. Por lo tanto. xj + h/2]. (1. π). sino en cualquier circunstancia en la que el dato inicial de la ecuación semi-discreta haya sido elegido de manera coherente.1.π) = |uj (t) − u(x. t)| dx + |u(x. t)|2 dx j=1 xj −h/2 Z h/2 Z π 2 + |u(x. (1.1 tenemos el siguiente resulta- do: Corollary 1. en la medida en que la solución de la ecuación del calor está definida en todo el intervalo (0. 0 π−h/2 (1.2. En el Teorema 2. Con el objeto de probar dicho resultado lo primero que tenemos que hacer es extender la función discreta ~u a una función definida en todo el intervalo (0. basado en series de Fourier. Una interpretación global del resultado de convergencia nodal.77) .30 CAPÍTULO 1. π) y para todo t.2. sobre los nodos del mallado. t)|2 dx. La más sencilla es tal vez considerar la función constante a trozos: M X [E~uh (t)](x) = uj (t)χ[xj −h/2. Como consecuencia inmediata del Teorema 2.e. i.1 Bajo las hipótesis del Teorema 2. π) cabría esperar que pueda también establecerse un resultado de carácter global.44).2.xj +h/2] . INTRODUCCIÓN AL NUMÉRICO DE EDP’S tal y como se desprende de (1.

t) − u(xj .2.1. tienden a cero cuando h → 0.1 hemos optado por la extensión constante a trozos de la solución numérica al intervalo (0. t)|2 dx j=1 j=1 xj −h/2 M Z X xj +h/2 = 2||~u(t) − ~u(t)||2h + 2 |u(x.2. t)|2 dx ≤ |ux (x. por ejemplo las funciones continuas y lineales a trozos. t)|2 dx j=1 xj −h/2 M X M Z X xj +h/2 2 ≤ 2h |uj (t) − u(xj .78) Por tanto. Para ello observamos que. t) − u(xj . evidentemente. t)|2 dx ≤ |ux (x.2. t)|2 dx. t)|2 dx ≤ 2h|uj (t) − u(xj . cada uno de los términos que interviene en el sumatorio satisface: Z xj +h/2 Z xj +h/2 h2 |u(x. t) − u(xj .80) j=1 xj −h/2 π2 0 que. Pero esto es cierto para todo t > 0 a causa del efecto regularizante de la ecuación del calor. t) − u(xj . t)| + 2 |u(x. tal y como se puede observar en el desarrollo de Fourier de la solución u.79) xj −h/2 π2 xj −h/2 Por lo tanto. Basta entonces analizar el último de ellos. LA ECUACIÓN DEL CALOR 31 Las dos últimas integrales. tiende a cero cuando h → 0 cuando u(t) ∈ H01 (0.1. (1. evidentemente. M Z X xj +h/2 Z π h2 |u(x.2. En el Corolario 2. xj −h/2 (1. π). t) − u(xj . por la desigualdad de Poincaré. . π) pero el mismo resultado se cumple para cualquier otra extensión razonable. t)|2 dx. t)|2 dx. t)|2 dx j=1 xj −h/2 El primero de estos dos términos tiende a cero en virtud del resultado de con- vergencia del Teorema 2. (1. Cada una de las otras integrales que interviene en el sumatorio puede ser estimada del siguiente modo: R xj +h/2 xj −h/2 |uj (t) − u(x. M Z X xj +h/2 |uj (t) − u(x. t)|2 Z xj +h/2 +2 |u(x.

En lo sucesivo lo haremos mediante el método de la energía.24):   M M .32 CAPÍTULO 1.2. Obtenemos así M X M 1 X 0= uj u′j − [uj+1 + uj−1 − 2uj ] uj .2.24) a la ecuación del calor. Para el problema semi-discreto se satisface una identidad de energía seme- jante. M X M X [uj+1 + uj−1 − 2uj ] uj = [(uj+1 − uj ) + (uj−1 − uj )] uj j=1 j=1 XM M X = (uj+1 − uj ) uj + (uj−1 − uj ) uj j=1 j=1 XM M−1 X = (uj+1 − uj ) uj − (uj+1 − uj ) uj+1 j=1 j=0 XM 2 =− (uj+1 − uj ) .2.3. En efecto multiplicamos la j-ésima ecuación (1.2.24) por uj y sumamos con respecto al índice j = 1. la convergencia del problema semi-discreto (1. · · · . M . j=1 h2 j=1 Observamos en primer lugar que   M X X M 1 d  2 uj u′j = |uj |  j=1 2 dt j=1 y. Semi-discretización espacial: El método de la ener- gía Hemos probado. j=0 Obtenemos así la siguiente identidad de energía para el sistema semi-discreto (1. mediante métodos basados en el desarrollo en series de Fourier de las soluciones. por otra parte. El método de la energía está basado en la identidad de energía (1. INTRODUCCIÓN AL NUMÉRICO DE EDP’S 1.2.18) que las soluciones de la ecuación del calor satisfacen.

.

d h X 2 X .

uj+1 − uj .

2 |uj | = −h .

.

(1.81) dt 2 j=1 .2. .

h .

2.81) se observa la derivada temporal de una suma discreta que .2.2.81) del caso semi-discreto son obvias. En el término de la izquierda de (1. j=0 Las similitudes entre las identidades de energía (1.18) del modelo continuo y la identidad (1.

M. . . se trata del error que se comete al considerar la solución del problema continuo como solución aproximada del problema discreto.83) con ϕj = ϕ(xj ). en particular. t > 0 v0 = vM+1 = 0.. M.. t) es una solución aproximada del problema discreto. t) + = εj (t). .18).8).83).2.. . En efecto.. .   h2 h2 j = 1. j = 1. Conviene subrayar este hecho: las demostraciones de convergencia están basadas en el análisis de la solución continua como solución aproximada del problema discreto y no al revés. M.2. vj = uj −uj . .2.2. .24) y (1.2. M. . π).M . M. El sistema (1. t)..2. t > 0   u0 = uM+1 = 0. en el miembro de la derecha de (1.85) no es homogéneo y su dato inicial es nulo pues hemos supuesto que en el sistema semi-discreto el dato inicial del sistema continuo se toma de manera exacta sobre los puntos del mallado. LA ECUACIÓN DEL CALOR 33 aproxima el cuadrado de la norma en L2 (0.24) al continuo. (1. (1. . ..M satisface  [2vj −vj+1 −vj−1 ]  ′  vj + h2 = εj .84) En vista de (1.85)   vj (0) = 0. . como se observa en su propia definición. En primer lugar observamos que la solución del problema continuo u = u(x.2. .  En efecto. t) la solución exacta de (1. t > 0    uj (0) = ϕj ..2. uj (t) j=1.2. a las demás situaciones discutidas en .2. t > 0. .81) encontramos una versión discreta de la norma de ux en L2 (0.. j = 1. En el segundo miembro de (1.M satisface   [2 uj − uj+1 − uj−1 ] [2 uj − uj+1 − uj−1 ]   u′j + = uxx(xj . t>0 (1. .82) siendo u = u(x. . (1. . . π) de la identidad (1.1.2. j = 1. .. A partir de estas identidades podemos dar una demostración alternativa de la convergencia del problema semi-discreto (1.83) aparece el residuo o error de truncación asociado al método que. sea uj (t) = u(xj . j = 1. .. . Consideramos ahora la diferencia entre la solución continua uj sobre el mallado y la solución del problema semi-discreto: ~v = {vj }j=1.. Pero sería fácil adaptar las estimaciones que vamos a realizar al caso en que también hubiese un cierto error en los datos iniciales y. {vj }j=0..2.2. Por otro lado.

85) por vj y sumando con respecto a j = 1.2. Los términos εj del segundo miembro (el error de trunca- ción) de (1.34 CAPÍTULO 1. INTRODUCCIÓN AL NUMÉRICO DE EDP’S el apartado anterior.8). tal y como se observa en su definición (1. Multiplicando cada ecuación de (1. . El método de la energía se adapta con facilidad a esta situación.2.85) representan.2. la diferencia entre el laplaciano continuo y el discreto evaluado en la solución real u de (1.2. M. . .83). . se obtiene   M M .2. Retomamos la estimación de energía en el sistema (1.85).

.

M d h X 2 X .

vj+1 − vj .

2 X |vj | = −h .

.

(1. +h εj vj .86) dt 2 .2.

h .

. . . aM+1 } tal que a0 = aM+1 = 0 se tiene M . j=1 j=0 j=1 Necesitamos ahora la siguiente desigualdad elemental: Lemma 1. .2 Para todo δ > 0 existe h0 > 0 de modo que para todo 0 < h < h0 y para toda función discreta {a0 . a1 .2. aM .

.

M X .

aj+1 − aj .

2 X 2 h .

.

87) . ≥ (1 − δ)h |aj | .2. (1.

h .

Demostración del Lema 1.2.2. λ1 está caracterizado por   4 2 h hAh~a. ~aih k ~a k2h = h |(aj+1 − aj ) /h| h |aj |2 .1. la mejor constante de la desigualdad de Poincaré venía dada por el principio de minimalidad que involucra en el cociente de Rayleigh.2. La demostración del Lema está basada en analizar el correspondiente prin- cipio variacional en el caso discreto en función del paso del mallado h.87) se establece la versión discreta de esta desigualdad con una constante (1−δ) arbitrariamente próxima a la constante unidad de la desigualdad (1. Como Ah es simétrica. j=0 j=1 .21) que ya comentamos en la Observación 2. M .2. ~aih sen = λ1 (h) = mı́n . M X 2 X hAh~a.87) es la versión discreta de la clásica de- sigualdad de Poincaré (1.2.2. Tal y como se indicó en (1.26) es λ1 (h) = 4 sen2 (h/2) h2 .2. Tal y como mencionamos en aquella Observación.88) h 2 2 ~ a∈R M k ~a k2h Es fácil comprobar que .2. j=0 j=1 Observación 1. (1.3 Nótese que (1. En (1.29) el mínimo  autovalor de la matriz Ah definida en (1.21).2.2.

LA ECUACIÓN DEL CALOR 35 Deducimos por tanto que M .1.2.

.

  XM X .

aj+1 − aj .

2 h h .

.

.

.

2.2. Recordemos que   2 uj − uj+1 − uj−1 εj = uxx (xj .90) j=1 j=1 0 Basta por tanto con que estimemos el error producido por los términos εj (el error de truncación).π]) dt.π]) . (1.86) obtenemos   M M M M d h X hX X hX | vj |2  ≤ − | vj |2 +h εj vj ≤ | εj |2 . t) + . ∀0 ≤ t ≤ T.90) y (1. .2. Por lo tanto 2 |εj (t)| ≤ C h4 k u(t) k2C 4 ([0. Basta por último observar que   4 2 h sen −→ 1.87) con δ = 1/2 en (1. M. aM+1 }.92) Combinando (1. .2. h → 0. el esquema en diferencias finitas de tres puntos proporciona una aproximación de orden dos del operador derivada segunda. . ∀0 < h < h0 .2. (1. con a0 = aM+1 = 0. . h2 2 de modo que para todo δ > 0 existe h0 > 0 tal que   4 2 h 2 sen ≥ 1 − δ. (1. ∀0 < h < h0 .2. .2. (1.2. j=0 h 2 j=1 para todo h > 0 y toda función discreta {a0 .91) h2 Como es bien sabido. ≥ sen2 h |aj |2 . h 2 Aplicando (1. 0 ≤ t ≤ T. ∀j = 1.93) j=1 0 Hemos por tanto probado el siguiente resultado. . . (1.92) deducimos que M X Z T 2 h |vj (t)| ≤ C h4 k u(t) k2C 4 ([0. . ∀0 < h < h0 .89) dt 2 j=1 2 j=1 j=1 2 j=1 Por lo tanto M X M Z X T h |vj (t)|2 ≤ h |εj |2 dt. .2.

INTRODUCCIÓN AL NUMÉRICO DE EDP’S Theorem 1.2. t) de la ecuación del calor (1.2.8) verifica.36 CAPÍTULO 1.π]) dt < ∞. (1. Z T k u(t) k2C 4 ([0.94) 0 Entonces.2 Supongamos que el dato inicial ϕ = ϕ(x) es tal que la solución u = u(x. para todo 0 < T < ∞ existe una constante CT > 0 tal que M X . para todo T < ∞.2.

.

h .

uj (t) − uj (t).

4 En (1.2.. Recordemos que la estimación de energía (1.2.2. Este resultado cabía ser esperado pues la única discretización que ha sido realizada es la del laplaciano espacial. donde ~u = { uj }j=1. Muchas otras variantes son posibles.2 =k ~u(t) − ~uh (t) k2h ≤ CT h4 .2.. bajo hipótesis de regularidad adecuadas sobre la solución de la ecuación del calor. Observación 1. El Teorema 1. Si en lugar de multiplicar por u.24) proporciona una estimación de orden dos de la ecuación del calor (1. es decir por una derivada espacial de u de orden par..8) se puede establecer un resultado de convergencia distinto que. confirmará que el método semi-discreto es de segundo orden.M denota la restricción a los puntos del mallado de la solución de la ecuación del calor (1. es una aproximación de orden dos.8). multiplicamos la ecuación por ∂ 2m u/∂x2m ..2.2 se obtiene multiplicando la ecuación del calor (1.8) y ~uh = {uj }j=1.18) en la que nos hemos inspirado para probar el Teorema 1.2.2.2.8) por u. (1.2.. se obtiene una nueva identidad de energía de la forma 7 " Z .2.2.95) hemos establecido que el sistema semi-discreto (1.95) j=1 para todo 0 ≤ t ≤ T y para todo h > 0.M representa la solución del sistema semi-discreto (1.2.. En realidad..24). como es bien sabido. por cada estimación de energía de la que dispongamos para la ecuación del calor (1..2 ha sido establecido mediante el método de energía que ha sido aplicado en una de sus versiones más simples. al ser sustituido por el es- quema de tres puntos que.

.

2 # Z π .

m+1 .

2 d 1 π .

.

∂ m u .

.

.

∂ .

u .

.

.

m .

dx = − .

m+1 .

se anula en los extremos del intervalo espacial. como u. dx. lo mismo ocurre con las derivadas temporales sucesivas.2. para todo t. esta identidad también tiene su aná- logo semi-discreto sobre el que podría establecerse un resultado del tipo del Teorema 1. Esto conduce a que las derivadas de orden par de u con respecto a la variable espacial también se anulen para todo t. 7 En este caso se usa el hecho de que.2. . dt 2 0 ∂x 0 ∂x Como hemos mencionado anteriormente.

el tipo de resultados que se puede obtener por ambos mé- todos es semejante.2.2. tal y como se señaló en la Ob- servación 1. también en este caso. si bien el método de la energía es más flexible pues se puede aplicar en situaciones en las que. π) . C 4 ([0. hemos obtenido un resultado más fuerte puesto que hemos probado que el método es de orden dos. en el método de la energía hemos utilizado hipótesis más fuertes sobre el dato pero. estos tres conceptos han de ser manipulados en un mismo contexto.95) hemos establecido una estimación en norma L2 . LA ECUACIÓN DEL CALOR 37 Los comentarios realizados en el Teorema 1.94) se satisfaga.2.2 hemos supuesto que la solución u de la ecuación del calor es suficientemente regular como para que (1. Si comparamos el Teorema 1. Por ejemplo. En el Teorema 1.2.2.2. exige que el dato inicial sea también suficientemente regu- lar. π] .2.1. por ejemplo. El método de Fourier también permite obtener ordenes de convergencia pero. Bastaría por ejemplo con que el dato inicial fuese de clase C 3 . habitualmente atribuido a P. como contrapartida. también el método de la energía nos habría permitido probar estimaciones en otras normas. Consistencia + estabilidad = Convergencia Es habitual que en los textos dedicados al Análisis Numérico de EDP se incluya un Teorema.2 se observa inmediatamen- te que si bien en el primero. evidentemente. que garantiza que Consistencia + Estabilidad = Convergencia.1 son también aplicables en el Teorema 1. nos enfrentamos a genuinos problemas de dimensión infinita y la elección que se hace de las normas es por tanto fundamental. usando series de Fourier. 1. aunque esta hipótesis se podría debilitar. Lax.2. las soluciones no pueden descomponerse en series de Fourier mediante el método de separación de variables. T . Por consiguiente.1 y el Teorema 1. que  u ∈ L1 0. i. Sin embargo.2. por la presencia de coeficientes que depen- den del tiempo o de no-linealidades. obteníamos un resultado  de convergencia bajo condiciones mínimas sobre el dato inicial ϕ ∈ L2 (0. eso exige hipótesis adicionales sobre el dato inicial.4.e.2. si bien en (1.2. lo mismo que ocurre en el marco de las EDP. una vez establecidas con claridad . en la norma del máximo. Esto. Así. tanto al interpretar el concepto de estabilidad como el de con- vergencia y hacer uso de este resultado.2.

lo cual.38 CAPÍTULO 1. En las secciones anteriores estos dos conceptos han surgido ya y el principio general ha sido implícitamente utilizado en la demostración de los dos Teoremas de convergencia.2. Lo más habitual es utilizar este principio general con el objeto de probar la convergencia.2.1 realizada mediante desarrollos en series de Fourier. (en el caso que nos ocupa: h → 0). Si bien estos conceptos y principios están también presentes en la prueba del Teorema 1. Es por eso que. dejando para el lector la reflexión sobre la prueba del primer resultado mediante el método de Fourier que comentaremos muy brevemente al final de la sección. Es decir.2. en lugar de incluir este enunciado como Teorema. lo presentamos simplemente como un principio general. El problema se reduce entonces a verificar si. consiste en determinar el criterio o distancia en la que se va a comprobar la convergencia del método. Cuando ésto es así con un error del orden de una potencia p del tamaño del mallado se dice que el método es de orden p. El objeto de esta sección es comentar y clarificar el modo en que estos conceptos han intervenido y se han combinado en las pruebas de convergencia y de este modo ilustrar este principio general fundamental del Análisis Numérico de las EDP. son tal vez más claros en la demostración del Teorema 1. • Consistencia: La consistencia del método numérico hace referencia a su coherencia a la hora de aproximar la EDP. las soluciones regulares del problema continuo son soluciones aproximadas del problema discreto en la medida en que el error de truncación tiende a cero. de validez universal una vez que se han elegido con prudencia las normas. pero que conviene también utilizar con cuidado en cada caso. como (1. si por el contrario. INTRODUCCIÓN AL NUMÉRICO DE EDP’S las normas en las que trabajamos.8) en la que la variable tiempo no ha sido discretizada. Nos centraremos pues en este segundo caso. Se trata simplemente de comprobar si el esquema numérico utilizado es un esquema razonable para aproximar la EDP en cuestión o. en estas notas. cuando el paso del mallado tiende a cero. corre el riesgo de aproximar a otra EDP. para cada EDP y cada aproximación numérica habrá que elegir de manera precisa la norma en la que se va a medir la convergencia del método. en realidad.2 realizada mediante el método de la energía.24) es una aproximación semi-discreta de (1. Lo más habitual es comprobar la consistencia mediante el desarrollo de Taylor. la propiedad . En nuestro caso particular. De este modo el problema se reduce a verificar dos propiedades básicas del esquema: su consistencia y estabilidad.2.

2.2. la norma L2 de las soluciones discretas (la norma k · kh ) decrece con el tiempo. usando la linealidad del esquema . Se trata pues de una situación ideal en la que los errores iniciales no sólo no se amplifican en exceso sino que decrecen en tiempo. no disponemos de la solución del problema continuo: el objeto del cálculo numérico es precisamente aproximar la solución real de la EDP. Conviene subrayar que. Es preciso analizar su estabilidad.2. es efectivamente consistente de orden dos. En el marco del esquema (1. como sabemos y recordamos en (1. Lax antes mencionado. La propiedad de estabilidad consiste en asegurarse de que los esquemas discretos o semi-discretos.92). Después. con el objeto de probar la convergencia. para cualquier h > 0. en su evolución temporal (discreta o continua).24) esta propiedad de estabilidad queda de- bidamente recogida en (1. sino que hacemos precisamente lo contrario: comprobamos si la solución del problema continuo es una solución aproximada del problema discreto. hemos establecido en primer lu- gar que la solución del problema continuo es una solución aproximada del problema discreto (véase (1. En efecto.1. • Estabilidad: Pero la consistencia por sí sola no basta para garantizar la convergencia del método. hemos empezado usan- do la consistencia del método. al menos. aunque pueda resultar paradójico.2.2.91) y (1.81) donde hemos probado que.2. no lo hagan de manera creciente y descontrolada a medida que el paso del mallado tiende a cero. Si analizamos detenidamente la prueba del Teorema 1.83)).2 mediante el mé- todo de la energía observaremos que ésta no es más que una combinación adecuada de las propiedades de consistencia y estabilidad y que por tan- to obedece fielmente al principio de P.2. LA ECUACIÓN DEL CALOR 39 de consistencia del esquema se reduce meramente a la consistencia de la aproximación de tres puntos del operador de derivada segunda en espacio que. en la práctica. no amplifiquen los errores iniciales o. a la hora de comprobar la consistencia no verificamos hasta qué punto las soluciones del problema discreto son soluciones del problema continuo módulo un cierto error. Es decir. Evidentemente ésto se hace exclusivamente a la hora de verificar la bondad del método numérico a priori puesto que.

y hemos establecido que se trata de una solución aproximada del problema discreto en el que el dato inicial es nulo pero la dinámica está forzada por un segundo miembro (εj . . 0 En esta fórmula se observa con claridad que el efecto de un segundo miem- bro en la ecuación es una integral temporal de los efectos que este segundo miembro tendría en el dato inicial. mientras que la estabilidad asegura que basta con probar la convergencia pa- ra datos iniciales que involucran únicamente un número finito de componentes. usando la estabilidad. la consistencia del esquema garantiza su convergencia para las soluciones que involucran un solo modo de Fourier.2.40 CAPÍTULO 1. Hemos descrito cómo los conceptos de consistencia y estabilidad han jugado un papel esencial en la prueba del resultado convergencia del Teorema 1. En efecto.1 mediante el método de Fourier. j = 1. en cada instante de tiempo. sin embargo.2. . en vista del principio de Duhamel o de la fórmula de variación de las constantes. se aplique en el sistema (1. Finalmente. t > 0 x(0) = x0 . La fórmula de variación de las constantes asegura en este caso que Z t At x(t) = e x0 + eA(t−s) F (s)ds. como perturbación del dato inicial. M ) que tiende a cero cuando h → 0 (véase (1. esto no debería de resultar extraño pues el efecto de un segundo miembro continuo en una ecuación de evolución no es otro que el de la integral temporal de los efectos que ese segundo miembro tendría. Pero.2. hemos introducido la variable ~v diferencia entre la solución del problema continuo y discreto. Puede resultar paradójico que el concepto de estabilidad haga referencia a la propagación de errores en el dato inicial y que. hemos establecido que esta diferencia se mantiene pequeña cuando el tiempo avanza y tiende a cero cuando h → 0. Es- tos conceptos están también presentes en la prueba realizada del Teorema 1. Este hecho queda claramente reflejado en la fórmula de representación de la solución de ecuaciones diferenciales no homogéneas: ( ẋ(t) = Ax(t) + F (t).2.85)). INTRODUCCIÓN AL NUMÉRICO DE EDP’S discreto.2. . .85) donde el dato inicial es exactamente cero pero en el que está presente una fuerza externa ~ε(t) continua en tiempo. .

Este hecho confirma la necesidad tanto de la propiedad de consisten- cia como de estabilidad de un método numérico para garantizar su convergencia. por tanto.2. .24) con h suficientemente pequeño pero fijo. En virtud del análisis de los sistemas stiff realizados en capítulos previos. por ejemplo) dan lugar a un método completamente discreto nuevo.6 veremos algunos ejemplos de métodos semi-discretos y com- pletamente discretos que. no son estables y. .2 y 2.2.2. Aproximaciones completamente discretas En las secciones 2.) junto con cualquier método de aproximación de la derivada temporal (método del trapecio.3 hemos analizado la convergencia del esquema semi- discreto (1.2. Al hacerlo discretizando la variable temporal.. LA ECUACIÓN DEL CALOR 41 Nuevamente.8) cuando h → 0.8). Parece por tanto natural utilizar los métodos numéricos des- arrollados para la resolución aproximada de ecuaciones diferenciales.24) al modelo continuo (1.2. Desde un punto de vista práctico. la consistencia junto con la estabilidad proporcionan la convergen- cia del método. Los resultados de convergencia que hemos probado han legitimado la utilización del esquema (1. Esta sección está destinada al estudio de las dos aproximaciones completa- mente discretas más naturales en este contexto que son las que se obtienen al aplicar el método explícito e implícito de Euler para la resolución aproximada de EDO de primer orden. El sistema (1. de Runge-Kutta. 1.24) puesto que sus soluciones convergen a las de la ecuación del calor (1. o multi-paso. Para ello basta observar que el ratio λM (h)/λ1 (h) entre el máximo y mínimo autovalor de la matriz Ah es del orden de 1/h2 . método espectral o de elementos finitos.8).24) es un sistema de M ecuaciones diferenciales acopladas con M incógnitas. Por supuesto. acabamos obteniendo esquemas completa- mente discretos para la resolución de (1..5. se trata de un hecho relevante que habremos de tener en cuenta a la hora de proceder a la discretización temporal del sistema. En la sección 2. estos resultados permiten concentrar nuestros esfuerzos en el cálculo de las soluciones (1. con el objeto de garantizar la convergencia de las discretizaciones completas espacio-tiempo.2.2. Conviene sin embargo subrayar que los sistemas de EDO que obtenemos al realizar discretizaciones espaciales tienen un carácter stiff.1. siendo consistentes.2. la variedad de los métodos posibles es muy grande puesto que cualquier método de aproximación del laplaciano (de la segunda derivada espacial: esquema en diferencias finitas de orden supe- rior.2. no convergen.

42 CAPÍTULO 1. INTRODUCCIÓN AL NUMÉRICO DE EDP’S

Pero el análisis de estos dos métodos más básicos permite estudiar los aspectos
fundamentales de la teoría que bastaría para analizar cualquier otro tipo de
esquemas.
En esta ocasión el paso espacial será denotado mediante ∆x (en lugar de h),
mientras que el paso temporal estará denotado por ∆t. Mediante ukj denotare-
mos la aproximación de la solución u de (1.2.8) en el punto x = xj = j∆x en el
instante de tiempo t = tk = k∆t.
Con esta nueva notación, si en el sistema semi-discreto (1.2.24) aplicamos el
esquema explícito de Euler en la variable temporal obtenemos el sistema:
 k+1 k

 uj −uj [2ukj −ukj+1 −ukj−1 ]

 ∆t + (∆x)2 = 0, j = 1, . . . , M ; k ≥ 0,

uk0 = ukM+1 = 0, k ≥ 0, (1.2.96)




 u0 = ϕ , j = 1, . . . , M.
j j

Sin embargo, si aplicamos el método de Euler implícito obtenemos
 k+1 k

 uj −uj [2uk+1 −uk+1 k+1
j+1 −uj−1 ]

 ∆t + j (∆x) 2 = 0, j = 1, . . . , M ; k ≥ 0,

uk0 = ukM+1 = 0, k ≥ 0, (1.2.97)




 u0 = ϕ , j = 1, . . . , M.
j j

La diferencia principal entre (1.2.96) y (1.2.97) es la habitual entre esquemas
explícitos e implícitos. Mientras que (1.2.97) permite “leer” explícitamente el
valor de la solución discreta en el paso temporal k + 1 a partir de la solución en
el paso temporal k, el método implícito (1.2.97) exige, en cada paso temporal, la
resolución de un sistema tridiagonal de M ecuaciones lineales con M incógnitas.
Con el objeto de estudiar la convergencia de estos métodos conviene utilizar
el número de Courant
µ = ∆t/(∆x)2 , (1.2.98)

en el que queda claramente reflejada la diferencia de homogeneidad en la va-
riable espacial y temporal del operador en derivadas parciales involucrado en la
ecuación del calor, en la que una derivada temporal juega el mismo papel que
dos derivadas espaciales.
Con esta nueva notación los esquemas (1.2.96) y (1.2.97) pueden reescribirse
del modo siguiente:

• Método de Euler explícito:
 
uk+1
j = ukj + µ ukj+1 + ukj−1 − 2ukj . (1.2.99)

1.2. LA ECUACIÓN DEL CALOR 43

• Método de Euler implícito:
 
uk+1
j + µ 2uk+1
j − uk+1 k+1 k
j+1 − uj−1 = uj . (1.2.100)

La consistencia de ambos métodos está claramente garantizada.
En efecto, hemos utilizado el esquema de tres puntos para la aproximación
de la segunda derivada espacial que es consistente de orden dos, mientras que la
discretización de la derivada temporal mediante la diferencia finita que involucra
dos niveles temporales (k y k + 1) proporciona una aproximación consistente de
orden uno en tiempo.
El análisis de la convergencia de los métodos se hará a valor de µ fijo. En
otras palabras, describiremos el rango de valores del parámetro de Courant µ
para el que los métodos discretos en consideración son convergentes. Fijado este
valor del parámetro de Courant tenemos ∆t = µ(∆x)2 . Por tanto un orden de
consistencia temporal corresponde a un orden dos de consistencia espacial. Es
por eso que diremos que ambos métodos (1.2.99) y (1.2.100) son consistentes de
orden dos (teniendo como referencia el paso espacial). De manera más precisa,
si, dada una solución u del problema continuo original (1.2.8), introducimos la
proyección de dicha solución sobre el mallado

ukj = u(xj , tk ) = u(j∆x, k∆t), (1.2.101)

entonces u es solución aproximada de los esquemas discretos. En efecto se tiene
 k  k    
2
uk+1
j − uj +µ u j+1 + uk
j−1 −2u k
j = O ∆t (∆x) + ∆t (1.2.102)

y
    
2
uk+1
j − ukj +µ 2 uk+1
j − uk+1 k+1
j+1 − uj−1 = O ∆t (∆x) + ∆t (1.2.103)

que corresponde efectivamente a la consistencia de orden dos de los métodos
siempre y cuando u tenga dos derivadas temporales y cuatro derivadas espaciales
acotadas.
Es natural que obtengamos el mismo tipo de hipótesis sobre dos derivadas
temporales y cuatro derivadas espaciales de la solución de la ecuación del calor.
En efecto, la ecuación garantiza que ut = uxx , lo cual implica también que
utt = uxxxx.
Conviene observar la presencia de un término adicional ∆t en la estimación
del error de truncación, con respecto al (∆x)2 propio de la aproximación espacial

44 CAPÍTULO 1. INTRODUCCIÓN AL NUMÉRICO DE EDP’S

y al ∆t de la aproximación temporal puesto que (1.2.96) y (1.2.97) han sido
ambas multiplicadas por ∆t para obtener (1.2.99) y (1.2.100).
Pero, lo mismo que ocurría en el caso de los esquemas semi-discretos, la
consistencia no basta para garantizar la convergencia del método. De hecho
estos dos esquemas tienen un comportamiento bien distinto en relación con el
rango de valores de µ para los que se tiene la convergencia:
Theorem 1.2.3 El método explícito (1.2.96) es convergente si 0 < µ ≤ 1/2
mientras que el método implícito (1.2.97) lo es para todo µ > 0.
En ambos casos, los métodos son convergentes de orden dos, lo que significa
que, si la solución de (1.2.8) es suficientemente regular, se tiene, para todo
0 < T < ∞,

 

~k ~ k

= O (∆x)2
máx

u − u (1.2.104)
k=0,...,[T /∆t] ∆x

cuando ∆x → 0.

Observación 1.2.5 En (1.2.104) mediante k · k∆x denotamos la norma L2 en
el mallado de paso ∆x, i.e.
 1/2
M
X 2
k a k∆x = ∆x |aj |  ,
j=1

de modo que
 1/2

.

M X .

k .

.

~k ~k .

.

2 .

u − uk .

 . .

. aunque no se diga explícitamente. ∞) para el implícito). . .u − u = ∆x j j ∆x j=1 Conviene también observar que u~k (resp. u ~ k ) denota el vector de componentes ukj . j = 1.2. M . ukj . que son los necesarios para cubrir el intervalo temporal [0. . Por otra parte. En virtud de este resultado de convergencia se observa la superioridad del método implícito frente al explícito puesto que su convergencia está garantizada para un valor arbitrario del parámetro de Courant µ. Esto permite tomar pasos temporales más grandes que para el método explícito. también ∆t → 0 puesto que en el enunciado se supone que el parámetro µ de Courant está fijado dentro del rango en el que se tiene la convergencia (µ ∈ (0. continuo) en el paso temporal k. . se enuncia la convergencia a cero del error cuando ∆x → 0. . Evidentemente.2. .104) estimamos la norma de la diferencia entre la solución continua y discreta para los pasos k = 0. (resp.104). . En (1. a su vez. . en (1. . representa la solución del problema discreto (resp. . 1. j = 1. T ]. 1/2) para el método explícito y µ ∈ (0. M ) que. [T /∆t]. . .

. ∆x → 0. .102) y (1.2. LA ECUACIÓN DEL CALOR 45 Demostración del Teorema 2.2.8) es de clase C 2 en tiempo y C 4 en espacio. M . . (1. j = 1. a medida que ∆t. . [T /∆t] y j = 1.103) sean válidas. .107) En la medida en que hemos supuesto que el dato inicial del problema discreto coincide exactamente con el del problema continuo tenemos e0j = 0.2. . (1. . 1.1. . En la demostración supondremos que la solución u de la ecuación continua (1.2.2.105) que mide la diferencia entre las soluciones del problema continuo y del problema discreto. Introducimos ahora el error ekj = ukj −ukj (1.2. .3.2.2. uniformemente en k = 0. M. . .2.106) observamos que si . El error ekj es solución del siguiente sistema dinámico discreto: • Método explícito:      2 ek+1 j = ekj + µ ekj+1 + ekj−1 − 2ekj + O ∆t (∆x) + ∆t   = (1 − 2µ)ekj + µ ekj+1 + ekj−1 + O ∆t(∆x)2 + ∆t2 (. .108) Procedemos ahora a estimar el error distinguiendo los métodos explícito e implícito: • Método explícito A partir de (1.106) • Método implícito:    ek+1 j + µ 2ek+1 j − ek+1 k+1 k+1 j+1 − ej−1 = (1 + 2µ) ej − µ ek+1 k+1 j+1 + ej−1    = ekj + O ∆t (∆x)2 + ∆t . Esto garantiza que las identi- dades (1.

k.

εk = máx .

ej .

.110) ...2. (1. M se tiene    2 εk+1 ≤ [|1 − 2µ| + 2µ] εk + C ∆t (∆x) + ∆t . (1..109) j=1.2. .

107) para el valor j ∗ de j para el que .115) En efecto.46 CAPÍTULO 1. y (ii) µ > 1/2.2. • Método implícito En este caso.113) puesto que k∆t ≤ T y que ∆t = µ(∆x)2 . (1.113) proporciona el resultado de convergencia enunciado en el Teorema para µ ≤ 1/2. Este último aspecto será analizado con más en detalle en la próxima sección mediante el método de von Neumann.2. En efecto.107).2. La desigualdad (1. En realidad en este caso el método es inestable y por tanto no converge.2.108) obtenemos      2 εk ≤ C ∆t (∆x) + ∆t 1 + αµ + α2µ + · · · + αµk−1 (1. de (1. En este caso αµ = 4µ − 1 > 1 y por tanto el miembro de la derecha de (1.111) diverge exponencialmente.2.114) Esta estimación del error no permite concluir la convergencia del método.2. (1. en el último paso temporal en el que k ∼ T /∆t tenemos que     2 C ∆t (∆x) + ∆t 1 + αµ + · · · + αµk−1       2 2 ≥ C ∆t (∆x) + ∆t αµk−1 ≥ C ∆t (∆x) + ∆t eβµ T /∆t → ∞.111) donde αµ = [|1 − 2µ| + 2µ] .111) se reduce a        εk ≤ C ∆t (∆x)2 + ∆t k ≤ CT (∆x)2 + ∆t = O (∆x)2 (1. INTRODUCCIÓN AL NUMÉRICO DE EDP’S Iterando esta desigualdad y haciendo uso de (1. La situación es distinta cuando µ > 1/2. para comprobar este hecho basta con analizar la desigualdad (1. En el primero αµ = 1 y por tanto (1.2. con independencia del valor de µ > 0 se deduce que    2 εk+1 ≤ εk + C ∆t (∆x) + ∆t . cuando ∆x → 0 con ∆t = µ(∆x)2 .112) Claramente hay dos casos que distinguir: (i) µ ≤ 1/2. (1.2.2.2.2.

k+1 .

.

k+1 .

.

e .

= εk+1 = máx .

e .

M ... ... j∗ j j=1.

LA ECUACIÓN DEL CALOR 47 De (1.2.1.107) con j = j ∗ deducimos que εk+1 = (1 + 2µ)εk+1 − 2µεk+1 .2.

.

.

.

.

k+1 .

 ≤ (1 + 2µ) .

ek+1j∗ .

− µ .

ek+1 .

.

j ∗ +1 + ej ∗ −1 .

.

.

≤ .

(1 + 2µ)ek+1 k+1 k+1 .

j ∗ − µ ej ∗ +1 + ej ∗ −1 .

.

   2 ≤ .

ekj∗ .

2 puede ser adaptado a este contexto de las aproximaciones completamente discretas. El mismo tipo de resultados podría haberse obtenido utilizando desarrollos en serie de Fourier.2.104) quedan por tanto probados.115) observamos que.2. comentemos brevemente cómo el método de la sección 1. comprobar el comportamiento patológico del método explícito cuando µ > 1/2. nos encontramos exactamente en las mismas condiciones que en el método explícito cuando µ ∈ (0.2. en particular.2. en la base de los autovectores de la matriz A∆x (= Ah definida en (1. pkℓ W (1. 1/2). Este método será desarrollado con más detalle en la próxima sección donde describiremos el método de von Neumann para el estudio de la estabilidad y convergencia de métodos numéricos para problemas en toda la recta real o en un intervalo acotado con condiciones de contorno periódicas. (1. Tenemos que M X ~uk = ~ ℓ (∆x).2. Por (1. En este argumento el valor de j ∗ puede depender de k pero esto es irrrelevante pues finalmente acabamos estableciendo una relación entre εk y εk+1 que en nada depende del valor de j ∗ . La convergencia del método implícito y.116) ℓ=1 donde W~ ℓ (∆x) denota el ℓ−ésimo autovector de la matriz A∆x y pk el coeficiente ℓ de Fourier de este ℓ−ésimo autovector en el paso temporal k.110) que describen cómo el error numérico se propaga. + C ∆t (∆x) + ∆t    ≤ εk + C ∆t (∆x)2 + ∆t .10) dimos ya el desarrollo en serie de Fourier de la solución de la ecuación del calor continua (1. en el caso del método implícito. En efecto. con inde- pendencia del valor de µ > 0.2.2.109) y (1. lo cual permite.8).26) con h = ∆x). en (1. en particular. La demostración del resultado de convergencia ha sido realizada trabajan- do directamente y de manera elemental en las ecuaciones discretas (1.2.2. Pero. Procedemos ahora al desarrollo de la solución del problema discreto explícito. Teniendo en cuenta .

99)) con µ > 1/2 es por tanto un primer y buen ejemplo de método numérico que. Evidentemente.2.   4 ℓ∆x λℓ (∆x) = sen2 . tenemos     π ∆x ∆x αℓ = 1 − 4µ sen2 − = 1 − 4µ cos2 → 1 − 4µ.119). a pesar de ser consistente. cuando µ > 1/2.116) satisface la ecuación discreta (1. |αℓ | ≤ 1 para todos los valores de ℓ. Esto asegura la esta- bilidad del método puesto que todos las componentes de Fourier de la solución discreta se mantienen acotadas en k. (1.96) (o (1. cuando ∆x → 0. La situación es completamente distinta cuando µ > 1/2. en este π caso. (∆x)2 2 Por tanto. (1.97) (o (1. (1.2. 2 2 2 Obviamente |1 − 4µ| > 1 cuando µ > 1/2.   ℓ∆x αℓ = 1 − 4µ sen2 .99) si y sólamente si   pk+1 ℓ = pkℓ − µλℓ (∆x)(∆x)2 pkℓ = 1 − µ(∆x)2 λℓ (∆x) pkℓ .2. depende de que |αℓ | ≤ 1 o |αℓ | > 1. INTRODUCCIÓN AL NUMÉRICO DE EDP’S que ~ ℓ (∆x) = λℓ (∆x)W A∆x W ~ ℓ (∆x). su evolución a medida que k aumenta.2. El método explícito (1. Por otra parte. Analicemos pues el valor de |αℓ |. con independencia del valor ∆x.2. para ∆x suficientemente pequeño. cada componente de Fourier de la solución del problema discreto evo- luciona de manera exponencial según la ley (1. el com- portamiento de pkℓ . existen índices ℓ para los que | αℓ |> 1. En efecto.117) la función discreta definida en (1. 2 Cuando 0 ≤ µ ≤ 1/2. cuando ℓ = M = ∆x − 1. i. no es convergente por no ser estable.e.2.2.48 CAPÍTULO 1. Vemos por tanto que.2.2. Esto no ocurre en el método implícito (1.118) Por lo tanto  k k pkℓ = 1 − µ(∆x)2 λℓ (∆x) p0ℓ = (αℓ ) p0ℓ .96) o (1. lo cual implica la inestabilidad del método.2. .119) Es decir.100)) en el que la ley de evolución de los coeficientes de Fourier es de la forma: pk+1 ℓ + µ(∆x)2 λℓ (∆x)pk+1 ℓ = pkℓ .2. Tenemos αℓ = 1 − µ(∆x)2 λℓ (∆x).

LA ECUACIÓN DEL CALOR 49 es decir −k 0 pkℓ = 1 + µ(∆x)2 λℓ (∆x) pℓ .1.2. la estabilidad queda garantizada para todo valor del número de Courant µ > 0 puesto que . En este caso. evidentemente.

−1 .

.

1 .

.

1 + µ(∆x)2 λℓ (∆x) .

hemos visto que el esquema explícito converge cuando 0 ≤ µ ≤ 1/2. . A∆x . . la interpretación que aca- bamos de hacer mediante el desarrollo en series de Fourier se asemeja en gran medida al tipo de análisis que hacíamos en el contexto de los problemas “stiff”. ∀j = 1. En efecto. no está en contradicción con el resultado que asegura la falta de A−estabilidad de los métodos de Runge-Kutta explícitos (el método de Euler explícito es efectivamente un método de Runge-Kutte explícito).3. En el caso que nos ocupa la ecuación continua en cuestión es el sistema semi-discreto (1. No sería difícil desarrollar este método de Fourier y completarlo con las técnicas desarrolladas en la sección 1. A pesar de ello.2.27)) en el que sabemos que. a h fijo. .2. En efecto. . . en este caso estamos analizando el sistema (1. en aquella ocasión introdujimos el concepto A−estabilidad en el que exigíamos que el esquema numérico a h > 0 fijo reprodujese.24) (o (1.= < 1. su grado de dispersión está limitado. M y es lo que permite garantizar la convergencia del método explícito. Esto. si bien es sumamente dispersa pues su autovalor  mínimo es λ1 (∆x) = 4 sen2 (∆x/2) (∆x)2 (muy próximo a 1 cuando ∆x ∼ 0)  y el máximo es sin embargo λM (∆x) = 4 cos2 (∆x/2) (∆x)2 (muy próximo a 4/(∆x)2 cuando ∆x ∼ 0). todas las soluciones tienden a cero exponencialmente cuando t → ∞ (para comprobarlo basta observar el desarrollo (1. en particular. M . 1 + µ(∆x)2 λℓ (∆x) para todo ∆x > 0 y todo ℓ = 1. Conviene también subrayar que la inestabilidad que hemos detectado en el método explícito cuando µ > 1/2 y. .2. . Cuando µ > 1/2 hemos comprobado que el esquema numérico explícito deja de reproducir este comportamiento asintótico puesto que surgen componentes de Fourier que se amplifican exponencialmente cuando k → ∞. sin embargo.2. Esto queda de manifiesto en el hecho que (∆x)2 λl (∆x) ≤ 4. al avanzar el tiem- po. ∀∆x > 0. .2 para dar una demostración alternativa del Teorema 1.2.41) en serie de Fourier de la solución del problema semi-discreto). las propiedades de estabilidad de la ecuación diferencial continua. .27)) en el que la matriz involucrada.24) (o (1.2. pero sólo en el rango 0 < µ ≤ 1/2.2.

El hecho que el método explícito sea convergente para 0 < µ ≤ 1/2.2 y 1.50 CAPÍTULO 1. Sin embargo. es pues perfectamente com- patible (y lo explica) con el hecho de que el método semi-discreto (1.2. Suponemos que ϕ ∈ L2 (R) (1.5 mediante el desarrollo en series de Fourier. 1.2. esta limitación sobre µ obliga a tomar pasos temporales muy pequeños. lo cual hace que el coste computacional de la implementación de este método sea muy elevado. (1.2.2.120) admite una única solución  u ∈ C [0.2. si bien. Esto corresponde a considerar el núme- ro de Courant µ = 0. a pesar de no serlo para µ > 1/2. ∞). En efecto.2. tal y como vimos en las secciones 1. t)dx = − |ux | dx. que es especialmente útil en problemas definidos en todo el espacio con mallados regulares.122) En este caso la identidad de energía garantiza que  Z  Z d 1 2 u2 (x.2 y 1.2. 0) = ϕ(x).2. Con el objeto de ilustrar las ideas básicas de este método consideramos el problema de Cauchy para la ecuación del calor en toda la recta real: ( ut − uxx = 0.6. El análisis de von Neumann En esta sección presentamos el análisis de von Neumann para el estudio de la estabilidad de esquemas numéricos.2. en el caso particular de la ecuación del calor que nos ocupa.120) u(x. es muy semejante al desarrollado en la sección 1. si fijado ∆x pasamos al límite de un esquema completamente discreto cuando ∆t → 0 recuperamos un esquema semi-discreto. ésto no es incompatible con la convergencia del método para 0 < µ ≤ 1/2.121) de modo que (1. t > 0 (1. x ∈ R. (1. INTRODUCCIÓN AL NUMÉRICO DE EDP’S Vemos pues que el mal comportamiento del esquema explícito responde exac- tamente a las mismas patologías habituales de los métodos explícitos a la hora de abordar los problemas stiff. basado en la uti- lización de la transformada discreta de Fourier.2.3.2. x ∈ R. L2 (R) . Conviene por último observar que los métodos semi-discretos pueden ver- se como límite cuando µ → 0 de los métodos discretos. El método.24) sea convergente.123) dt 2 R R .

admitiendo que el sistema (1. converge a la solución de (1.2.128). Una de las más naturales consiste en truncar el sistema y considerarlo en un rango de índices finito [−M. la solución de (1. j ∈ Z (1.2.127).124) de modo que Z   −1/2 | x − y |2 u(x.2.127) se verifica la siguiente identidad de energía   . j ∈ Z. Es fácil comprobar que la solución de (1.1. t > 0 h2 (1.127).127) es un sistema de una infinidad de ecuaciones diferen- ciales de primer orden acopladas de tres en tres. t) = (4πt)1/2 exp − | x |2 4t . cuando M → ∞. (1.120) cuando h → 0.2.2.120) puede representarse por convolución con la solución fundamental   G(x.127) ha sido ya resuelto (problema sobre el que volveremos más adelante) analicemos la convergencia de las soluciones de (1.2. En este caso (1. Son varias las maneras en las que se puede resolver el sistema (1. M ] con condiciones de contorno de Dirichlet:  [2uj −uj+1 −uj−1 ]  ′  uj + h2 = 0. LA ECUACIÓN DEL CALOR 51 Como indicamos en la sección 1.2.125) R 4t Dado h > 0 introducimos la partición xj = jh.2.2. t) ∗ ϕ] (x) = (4πt) exp − ϕ(y)dy.2. Pero.2. Para el sistema (1. t > 0 u−M = uM = 0.2. t) = [G(·. (1.127) uj (0) = ϕj .2. −M < j < M.2.2.1.126) y consideramos la semi-discretización ( [2u −u −uj−1 ] u′j + j j+1 = 0. j ∈ Z. t>0 (1.2.127) a las de (1.128)   uj (0) = ϕj .

.

d h X 2 X .

uj+1 − uj .

2 |uj | = −h .

.

129) dt 2 .2. (1. .

h

j∈Z j∈Z

que es claramente una versión discreta de (1.2.123). En (1.2.129) estamos im-
plícitamente asumiendo que ~u(t) = {uj (t)}j∈Z ∈ ℓ2 = ℓ2 (Z) lo cual equivale a
suponer que ϕ ~ = {ϕj }j∈Z ∈ ℓ2 . Esta última condición se verifica puesto que el
dato inicial ϕ del problema continuo (1.2.120) pertenece a L2 (R), como indica-
mos en (1.2.121).

52 CAPÍTULO 1. INTRODUCCIÓN AL NUMÉRICO DE EDP’S

El esquema (1.2.127) es consistente de orden dos. La prueba de este hecho,
basada en el desarrollo de Taylor, es independiente de que el intervalo en el
que se verifique la ecuación sea acotado o no. El esquema será por tanto con-
vergente si comprobamos que es estable. Es en la verificación de la propiedad
de estabilidad donde el método de von Neumann basado en la utilización de
la transformada discreta de Fourier resulta sumamente útil. En este caso sin
embargo la estabilidad es también inmediata a partir de la identidad de energía
(1.2.129).
Pero existen otros esquemas semi-discretos sumamente naturales que, sien-
do consistentes, carecen de la propiedad de estabilidad y, por tanto, no son
convergentes. Para observar este hecho basta considerar la siguiente familia de
métodos:
[2uj − uj+1 − uj−1 ]
αu′j+1 + (1 − 2α)u′j + αu′j−1 + = 0, (1.2.130)
h2
donde 0 ≤ α ≤ 1/2. Cuando α = 0 recuperamos el sistema anterior que, como
vimos, es convergente.
Para esta familia de métodos la consistencia es fácil de verificar. Sin embargo
la estabilidad no está garantizada y, de hecho, sólo se verifica cuando 0 ≤ α ≤
1/4. Como consecuencia de este hecho, el método es divergente cuando α >
1/4. Para comprobar este hecho lo más sencillo es utilizar el método de von
Neumann que introducimos en el caso completamente discreto. Volveremos sobre
el ejemplo (1.2.130) más adelante.
Introducimos ahora los dos esquemas completamente discretos más naturales
en la aproximción de la ecuación del calor, correspondientes a utilizar el método
de Euler explícito e implícito para la discretización de la derivada temporal.
El método explícito se escribe en este caso
( k+1 k
uj −uj [2uk −ukj+1 −ukj−1 ]
+ j (∆x) = 0, j ∈ Z, t > 0,
∆t 2
(1.2.131)
0
uj = ϕj , j ∈ Z,

mientras que el método implícito es
( uk+1 −uk
j j [2uk+1
j −uk+1 k+1
j+1 −uj−1 ]
+ = 0, j ∈ Z, t > 0,
∆t (∆x) 2
(1.2.132)
u0j = ϕj , j ∈ Z.

Nuevamente ukj representa una aproximación de u (j∆x, k∆t).
Los esquemas (1.2.131) y (1.2.132) son ambos consistentes de orden dos tal
y como vimos en la sección 1.2.5. La solución en el paso temporal k es una

sucesión ukj j∈Z que denotamos de manera simplificada mediante la notación
vectorial ~uk .

1.2. LA ECUACIÓN DEL CALOR 53

En el estudio de la estabilidad utilizamos la transformada discreta de Fourier.
Así a cada sucesión
~ = {wl }j∈Z ∈ ℓ2 (Z)
w (1.2.133)
le asignamos la función continua

X
w̌(θ) = wj e−ijθ . (1.2.134)
j=−∞

Recíprocamente, tenemos la fórmula de inversión
Z 2π
1
wj = w̌(θ)eijθ dθ. (1.2.135)
2π 0

La aplicación que a w
~ le asocia w̌ es una isometría de ℓ2 (Z) en L2 (0, 2π) si
dotamos a estos espacios con las normas

X 2
kw
~ kℓ2 (Z) = |wj | (1.2.136)
j=−∞

y
 Z 2π 1/2
1 2
||w̌||L2 (0,π) = |w̌(θ)| dθ . (1.2.137)
2π 0
Para comprobar estas propiedades basta con tener en cuenta las identidades:
Z 2π (
0 si j 6= k
eijθ e−ikθ dθ = (1.2.138)
0 2π si j = k.

Mediante esta transformación de Fourier, a cada solución ~uk k≥0 de (1.2.131)
 k
o (1.2.132) le podemos asignar funciones continuas ǔ (θ) k≥0
donde X
ǔk (θ) = ukj e−ijθ . (1.2.139)
j∈Z

La clave en el estudio de la estabilidad de los esquemas numéricos mediante
esta transformada de Fourier reside en la siguiente identidad:
X X X
aj+1 e−ijθ = aj+1 e−i(j+1)θ eiθ = eiθ aj+1 e−i(j+1)θ
j∈Z j∈Z j∈Z
X
= eiθ aj e−ijθ = eiθ ǎ(θ). (1.2.140)
j∈Z

De modo análogo tenemos
X
aj−1 e−ijθ = e−iθ ǎ(θ). (1.2.141)
j∈Z

54 CAPÍTULO 1. INTRODUCCIÓN AL NUMÉRICO DE EDP’S

Así, tomando la transformada de Fourier en las ecuaciones (1.2.131) y (1.2.132)
obtenemos las siguientes ecuaciones para la transformada de Fourier ǔk (θ).
• Método explícito:

ǔk+1 (θ) − ǔk (θ) a eiθ k
+ ǔ (θ) = 0, k ≥ 0, θ ∈ [0, 2π); (1.2.142)
∆t (∆x)2

• Método implícito:

ǔk+1 (θ) − ǔk (θ) a eiθ k+1
+ ǔ (θ) = 0, k ≥ 0, θ ∈ [0, 2π), (1.2.143)
∆t (∆x)2
donde

a eiθ = 2 − eiθ − e−iθ . (1.2.144)
En vista de la equivalencia de las normas de ℓ2 (Z) y de L2 (0, 2π) para las
sucesiones de ℓ2 (Z) y sus transformadas de Fourier, para analizar la evolución
de la norma de ~uk en ℓ2 (Z) basta con analizar la norma L2 (0, 2π) de ǔk (θ).
Ahora bien, en vista de (1.2.142) y (1.2.143) tenemos que
 
ǔk+1 (θ) = 1 − µa eiθ ǔk (θ) (1.2.145)

y
1
ǔk+1 (θ) = ǔk (θ) (1.2.146)
[1 + µa (eiθ )]
en el método explícito e implícito respectivamente. Aquí y en lo que sigue µ
denota el número de Courant µ = ∆t/(∆x)2 .
Iterando esta regla de recurrencia obtenemos para cada uno de estos esque-
mas
 k
ǔk (θ) = 1 − µa eiθ b
ϕ(θ) (1.2.147)
y
 −k
ǔk (θ) = 1 + µa eiθ b
ϕ(θ). (1.2.148)
Tenemos por tanto
X

2 Z 2π Z 2π

k

2

.

.

ukj .

= 1 .

ǔ (θ).

dθ = 1 .

1 − µa eiθ .

2.149) 2π 0 2π 0 j∈Z y X .2k |ϕ(θ)| b 2 dθ (1.

.

2 Z π Z 2π .

k .

2 .

.

.

ukj .

= 1 .

ǔ (θ).

dθ = 1 .

1 + µa eiθ .

150) .2. 2π 0 2π 0 j∈Z (1.−2k |ϕ(θ)| b 2 dθ.

LA ECUACIÓN DEL CALOR 55 La comprobación de la estabilidad del esquema numérico consiste en probar cotas sobre el crecimiento de la norma L2 (0. es fácil comprobar que la condición necesaria y suficiente para la estabilidad de cada uno de los métodos es que . T ] el número de pasos temporales que hemos de dar es del orden de k ∼ T /∆t. independientemente del paso del mallado.1. 2π) de ǔk (θ) de manera controlada. En la medida que para recorrer un intervalo temporal [0.2.

.

.

1 − µa eiθ .

151) y . ≤ 1.2. 2π) (1. ∀θ ∈ [0.

.

.

1 + µa eiθ .

2.149) y (1.2. se tiene .151) y (1.152) respectivamente. La suficiencia de las condiciones (1.−1 ≤ 1.150). en virtud de (1. ∀θ ∈ [0. 2π) (1.2.152) para la estabilidad del método explícito e implícito respectivamente es evidente pues. bajo estas condiciones.2.2.

.

.

.

~k

u

2 ≤

2 , ∀k ≥ 0. (1.2.153)
ℓ (Z) ℓ (Z)

El hecho de que las condiciones (1.2.151) o (1.2.152) sean también necesarias
exige un poco más de reflexión. Pero para entenderlo basta observar que si para
algún θ0 ∈ [0, 2π) el módulo de alguna de estas cantidades es estrictamente ma-
yor que uno, por continuidad lo es en un intervalo de la forma [θ0 − δ, θ0 + δ]
para algún δ > 0. Basta entonces considerar funciones ϕ tales que el soporte
de ϕb esté contenido en [θ0 − δ, θ0 + δ] para ver que la norma de la solución
~
u correspondiente crece exponencialmente en k. En este punto conviene ob-
k

servar que, en vista de la fórmula de inversión (1.2.135), a cada elección ϕ b le
corresponde una del dato inicial discreto ϕ ~ ∈ ℓ2 (Z).
Por lo tanto para analizar la estabilidad de los métodos discretos en conside-
ración basta estudiar el rango de números de Courant µ para el que se satisface
(1.2.151) y (1.2.152), respectivamente.
• Método explícito
Conviene observar que

a eiθ = 2 − eiθ − e−iθ = 2(1 − cos θ). (1.2.154)

Por tanto,

.

.

1 − µa eiθ .

. ∀θ ∈ [0. Es fácil comprobar que |1 − 2µ (1 − cos θ)| ≤ 1. 2π) ⇔ 0 ≤ µ ≤ 1/2. = |1 − 2µ(1 − cos θ)| .

2π) y esto ocurre sólo cuando 0 < α < 1/4. .2. INTRODUCCIÓN AL NUMÉRICO DE EDP’S Deducimos por tanto que el método explícito (1. Volvamos ahora sobre el sistema semi-discreto (1.155) h2 o.132) tenemos varias posibilidades: (a) Cuando ϕ ∈ L2 (R) ∩ C(R) podemos elegir simplemente ϕj = ϕ(jh). tal y como indicaba- mos al inicio de esta sección. t) + ǔ(θ.154) es evidente que  1 + µa eiθ ≥ 1. sí y sólo sí. por tanto. t) = 0. convergente) para todo µ > 0.131) es estable y por tanto convergente (puesto que.2.2. ǔ verifica: a(eiθ ) (1 − 2(α − cos θ))ǔ′ (θ. Vemos por tanto que. por consiguiente. como dijimos. (1. t) = 0.2.2. el esquema es estable.131) y (1.56 CAPÍTULO 1. ∀µ > 0. t) + ǔ(θ. el método es consistente si 0 ≤ α ≤ 1/2.130). De este modo vemos que en el caso del problema de Cauchy en toda la recta real se tienen los mismos resultados que en el caso de un intervalo acota- do con condiciones de contorno de Dirichlet. por tanto. A la hora de elegir los datos iniciales en el sistema semi-discreto (1. (1. • Método implícito En vista de (1.132) es estable (y.127) o en los sistemas completamente discretos (1.2.152) se satisface para todo µ > 0 y por tanto el método implícito (1.157) 1 − 2(α − cos θ) En este caso. es fácil estudiar también la estabilidad de los métodos semi-discretos y que. entonces.2. el método es consistente de orden dos) si y sólo si 0 < µ ≤ 1/2.156) h2 donde a(eiθ ) b(θ) = . tal y como se comprueba con facilidad mediante el desarrollo de Taylor.2. permite comprobar la existencia métodos consis- tentes y no estables y.2. no convergentes. (1.130).2. Por lo tanto (1. de otro modo. Recordemos que. b(θ) ǔ′ (θ.2. ∀θ ∈ [0. 2π).2. b(θ) ≥ 0 para todo θ ∈ [0. Con el objeto de estudiar la estabilidad observamos que si ~u satisface (1. gracias al análisis de von Neumann.

158) deducimos que   1  ǔ(θ. 2π). π)  sabemos que. 2π) tenemos que |ǔ(θ. En efecto. t) = 0. (1.1. . utilizarse para resolver (1. 0) = ϕ(θ). donde 1[−π/h. b (1. efectivamente. ∀t > 0. t) = exp − 2 a eiθ ϕ(θ). Se trata de un sistema de una infinidad de ecuaciones diferenciales de orden uno acopladas de tres en tres.2.2. Por lo tanto.2.2. θ ∈ [0.159) h Como la transformada de Fourier define una isometría de ℓ2 (Z) en L2 (0. LA ECUACIÓN DEL CALOR 57 (b) Cuando ϕ ∈ L2 (R) podemos sustituir la evaluación puntual de ϕ por el conjunto de sus medias Z 1 (j+1/2)h ϕj = ϕ(x)dx. Como a eiθ ≥ 0 para todo θ ∈ [0.2. π/h]. θ ∈ [0.127). Sea F (ϕ) ∈ L2 (R) la transformada de Fourier continua de ϕ. Z F (ϕ)(ξ) = ϕ(x)e−ixξ dx. R Es natural aproximar esta transformada de Fourier por una función de banda limitada ψh = F (ϕ)1[−π/h. π/h] (ξ) denota la función característica del intervalo ξ ∈ [−π/h. t > 0. 2π). t) verifica ( ǔt (θ. π/h] . i. 2π). como ϕ ~ ∈ ℓ2 (Z) entonces ϕ(θ) b ∈ L2 (0.127) si y sólo si la transformada de Fourier correspondiente ǔ(θ. t)| ≤ |ϕ(θ)| b .2.e. 2π). h (j−1/2)h (c) Cuando ϕ ∈ L2 (R) podemos también definir los datos iniciales utilizando la transformada de Fourier. Conviene por último señalar que la transformada discreta de Fourier puede ser utilizada para probar la existencia y unicidad de las soluciones del problema semi-discreto y discreto. ∀θ ∈ [0.2.127). los resultados clásicos de la teoría de EDO no pueden ser aplicados por tratarse de un problema en dimensión infinita. Consideremos por ejemplo el problema semi-discreto (1. t) + h12 a(eiθ )ǔ(θ. La transformada discreta de Fourier puede.158) b ǔ(θ. De (1. Basta entonces elegir el dato inicial ϕj del problema semi-discreto o completa- mente discreto como el valor de la antitransformada de Fourier de ψh en el punto jh (o j∆x en el caso completamente discreto). {~u(t)} = {uj (t)}j∈Z es la solución de (1.

.158). No adoptamos pues el punto “de vista nodal"sino el del méto- do de Galerkin: habiendo elegido una base de funciones y definido subespacios de dimensión finita.127) admite una única solución ~u(t) ∈ C [0.7.. uno de los métodos más frecuentemente utilizados en la actualidad es el método de elementos finitos (MEF). Consideramos la misma partición {xj }j=1. Lo haremos en el caso de las aproximaciones semi-discretas si bien la adaptación al caso de aproximaciones completamente discretas (explícitas o im- plícitas en tiempo) es automática. t) ∈ L2 (0. en particular. para todo t > 0.. la transformada inversa de Fourier ~u(t) ∈ ℓ2 (Z).. l = 0.2.. Esta metodología puede también ser aplicada en el marco de las ecuaciones de evolución y. j = 1.2. 1. De este modo obtenemos una proyección de la solución real de la EDP sobre el espacio finito-dimensional considerado..2. M . A cada nodo interno xj . El método de elementos finitos Tal y como vimos en el capítulo anterior en el estudio de la ecuación de Laplace. Por consiguiente..... ∞).. xj = jh del intervalo (0. INTRODUCCIÓN AL NUMÉRICO DE EDP’S Por tanto. ǔ(θ.58 CAPÍTULO 1. De este modo deducimos que para todo ϕ ~ ∈  ℓ2 (Z) el sistema (1.M . Presentemos pues brevemente la adaptación del MEF al problema que nos ocupa. . si bien en una dimensión espacial y en problemas con coeficientes constantes como los que estamos estudiando proporciona esquemas numéricos de aproximación muy semejantes a los que hemos barajado mediante diferen- cias finitas. continua y lineal a trozos tal que φj (xl ) = δjl . el MEF consiste en buscar “soluciones. conceptualmente es bien distinto.. π). Vemos por tanto que la transformada discreta de Fourier no sólo es un mé- todo para analizar la estabilidad y convergencia de los métodos numéricos sino incluso para resolver las ecuaciones semi-discreta y discreta que en ellos inter- vienen. en el de la ecuación del calor analizada en esta sección. j = 1. siendo δ la delta de Kronecker. 2π).en un espacio de dimensión finita. M le asociamos una función de base φj (x).. Para ello comprobamos si el producto escalar del operador diferencial con todas las funciones de dicho espacio es nulo (para lo cual es preciso adoptar una formulación variacional del problema que se obtiene integrando por partes).. El MEF. . . ℓ2 (Z) que es la transformada de Fourier inversa de la solución de (1. elegimos en él la función que es solución de la EDP en el sentido más preciso posible. Como vimos en el contexto de la ecuación de Laplace. M + 1.

en el marco de los elementos finitos la interpretación más natural es que uj (t) son los coeficientes de uh como función que.. se puede demostrar con bastante facilidad que esta función puede ser elegida de modo que converja a la solución del calor cuando h → 0. Vh ) de modo que M X uh (x. . Para ello es necesario. 8 El lector interesado en una descripción de los orígenes del método de elementos finitos podrá consultar ([32]). t) de la ecuación del calor.2... Es pues imposible que pueda reproducir exactamente la dinámica de cualquier solución u = u(x. Sin embargo. Es por eso que el MEF está tan extendido en la literatura de las diversas ramas de la Ingeniería y que fue introducido paralelamente tanto en el ámbito de la modelización como de las aproximaciones numéricas hasta convertirse en una disciplina unificada y bien establecida. pertenece al subespacio Vh . para cada instante de tiempo t. Conviene también señalar que el método de elementos finitos no es sólo una herramienta para la aproximación numérica de EDP sino que en realidad permite modelizar fenómenos de la Mecánica de Medios continuos a través de modelos discretos.8 Debemos por tanto obtener las ecuaciones más naturales que gobiernan la dinámica de los coeficientes uj (t) de la solución aproximada. varía con respecto a x como una función continua y lineal a trozos. en este caso.161) j=1 Observese que se trata de una función que depende tanto de la variable espacial x como de la temporal. debido a la elección de las funciones de base {φj } realizada. (1. M }. el método numérico proporciona automáticamente una función continua. Sin embargo.2. Por tanto. como veremos.. uj (t) es también el valor en el punto x = xj de la función uh . (1. T ].160) Buscamos ahora soluciones aproximadas de la ecuación del calor en el sub- espacio C([0. en primer lugar. t) = uj (t)φj (x). LA ECUACIÓN DEL CALOR 59 Introducimos ahora el subespacio vectorial de dimensión M generado por las funciones {φj }j=1. Es sin embargo evidente que la función uh así obtenida. . Como decíamos lo hacemos a través del método de Galerkin.... Conviene señalar en este punto que.2. que pueden ser manipulados mucho más fácilmente tanto de un punto de vista conceptual como computacional.1. en cada instante t.M : Vh = span {φj : j = 1. Pero para que la función uh esté unívocamente determinada es imprescindible definir con precisión sus coeficientes uj (t).

π)). por lo que esta derivada temporal tiene también sentido en L2 (0. t)Φ(x)dx = − ux (x. π). π). π)).2. L2 (0. t)Φ(x)dx es continua en tiempo.2. L2 (0. H01 (0.2. L2(0. T ] y toman valores en L2 (0. El segundo miembro es una función de L2 (0.8). ∀Φ ∈ H01 (0.π)) = máxt∈[0. t)dxdt . en particular. Su evaluación en un instante t dado y.163) Conviene comentar brevemente el sentido de esta formulación variacional. p.163). π)). H01 (0. Sin embargo. π). T ] a valores en el espacio de Sobolev H01 (0. Por otra parte. T . Esta última tiene sentido puesto que u depende continuamente en tiempo a va- lores en el espacio L2 (0. L2 (0. Por Rπ otra parte. π)) ∩ L2 (0.2. dependen continuamente de t ∈ [0.2. Los dos térmi- nos de (1.2. tenida en cuenta en (1.T ] ||f (t)||L2 (0. π)) son funciones mediables y de cuadrado integrable de t ∈ 0.8) está incorporada en la formulación variacional al haber exigido a la función u que pertenezca al espacio L2 (0.L2 (0. (1.162) se da una versión débil o distribucional de la ecuación del calor (1.H 1 (0. intersección de 0 C([0.8) es por tanto la siguiente: Hallar u ∈ C([0. 0 . Las funciones de C([0. π). T ]. T . T ].162) tienen sentido.π) mientras que las de L2 (0. un sentido puntual para cada t > 0. T ] sino para todo t > 0. la solución de la ecuación calor también pertenece al espacio H 1 (0. H01 (0. π)) es un espacio de Banach. La norma corres- hR R i1/2 pondiente es entonces ||f ||L2 (0. c. L2 (0. H −1(0. Sin embargo. en t = 0 está pues plenamente justificada. dt 0 0 (1. 9 El espacio C([0.π)) = 0T 0π fx2 (x. Recordemos que la solución de esta ecuación pertenece al espacio u ∈ C([0. π). H01(0. evidentemente. T ) o. T . π)). π). T ]. H01 (0.2. T ]. T ]. Pero no vamos a profundizar más en este terreno. T . π)) y de L2 (0. como u ∈ C([0. T . π).163) se verifique no sólo para casi todo t en el intervalo [0. t > 0.8). L2 (0.2. T . T ]. T ) puesto que la solución u pertenece al espacio L2 (0.2. π))9 que satisfaga Z π Z π d u(x. π)) por lo que podría exigirse que (1. en (0. T . π)) tenemos que la función 0 u(x. a causa del efecto regularizante de la ecuación del calor. por el efecto regularizante.8) ha sido. π) el dual de H01 (0. Por último señalar que la condición de contorno que se impone en (1. Su derivada temporal ha de ser por tanto entendida en el sentido de las distribuciones. se trata también de una función de C((0.2. INTRODUCCIÓN AL NUMÉRICO DE EDP’S introducir la formulación variacional de la ecuación del calor (1. t)Φx (x)dx. H 1 (0. t. π)) ∩ L2 (0. π)).60 CAPÍTULO 1. T ].T . 0) = ϕ(x). y su norma viene dada por ||f ||C([0. H01 (0. en (1. π)) ∩ L2 (0.162) junto con la condición inicial u(x. H01 (0. La condición inicial de (1.2.T ]. T . en el que la norma viene dada por la suma de las nor- mas en cada uno de los espacios. La formulación variacional de (1. siendo H −1 (0.

x (x)dx.165) hemos tomado un dato inicial uh.. Esto es totalmente equivalente a suponer que se verifica para cualquier función test Φ del espacio Vh .164) exigimos que la versión débil de la ecuación del calor discretizada se verifique para todas las funciones de base Φj . t)Φj (x)dx = − uh. (1..2.164) junto con la condición inicial uh (x.x (x)Φk.2. LA ECUACIÓN DEL CALOR 61 El lector interesado en un estudio más detallado del punto de vista variacional para la resolución de EDP de evolución podrá consultar los textos [7] y [16].2. . t)Φj.162)- (1. ∀ t > 0. El sistema (1.2. 0) = ϕh (x).2. Vh ) tal que Z Z π d π uh (x. suponemos que uh es de clase C 1 en tiempo y eso permite escribir (1. M .167) 0 Todos estos coeficientes pueden calcularse explícitamente con facilidad y constituyen en ambos casos matrices simétricas tridiagonales.2.. M .1.. j = 1. dt 0 0 (1.163) y la del problema discreto (1..165) son evidentes ..2.0 .2. Recordemos que los elementos mjk de la matriz de masa Mh son precisa- mente Z π mjk = Φj (x)Φk (x)dx.. (1. π). Este sistema se puede escribir de manera mucho más explícita usando las matrices de masa Mh y de rigidez Rh del método de elementos finitos. Tal y como comentamos en el marco de las diferencias finitas.2. ∀j = 1.x (x)dx..2. Inspirándonos en la formulación variacional de la ecuación del calor es fácil introducir el análogo discreto que caracteriza a la solución que el método de elementos finitos proporciona.2.2. con coeficientes . La formulación variacional para el cálculo de la solución aproximada uh es pues la siguiente: Hallar uh ∈ C 1 ([0. En esta ocasión. en (0.164)-(1. . En (1. (1.2.2. como uh (t) “vive.x (x. M.164)-(1.165) Las analogías entre la formulación variacional del problema continuo (1. son varias las maneras en las que este dato inicial se puede tomar de manera que aproxime el dato inicial u0 de la ecuación del calor.en cada instante de t en el espacio de dimensión finita Vh . La manera más sencilla en este contexto es tal vez elegir ϕh como la proyección ortogonal de u0 sobre Vh .165) es un sistema de M ecuaciones diferenciales lineales acopladas en las incógnitas uj (t). T ]. j = 1. Por otra parte..166) 0 y lo elementos (rjk ) de la matriz de rigidez Rh : Z π rjk = Φj. .165) para cada instante t. en (1.

. En efecto.171) ~u(0) = ϕ~.. 1/6  0 0 1/6 2/3 y   −1 0 2 0  .2. . t > 0 (1. (1..2. con la notación vectorial empleada en el mé- todo de diferencias finitas puede entonces escribirse en la forma: ( Mh~u′ (t) + Rh ~u(t) = 0. . Esto permite desarrollar con facilidad las soluciones de (1.2. . Rh = hAh ..26) que interviene en la discretización de tres puntos del Laplaciano mediante elementos finitos. 0   −1  Rh =  .2. ..30)..2. (1. INTRODUCCIÓN AL NUMÉRICO DE EDP’S constantes a lo largo de las diagonales y de las sub y super-diagonales. Así los autovectores de estas matrices son {W ~ ℓ (h)}ℓ=1. j = 1.165)...171) puede también escribirse en la forma ~u′ (t) + M−1 h Rh ~ u(t) = 0. . (1. . De manera más precisa se tiene:   2/3 1/6 0 0    1/6 .169) h .164)-(1.2.171) en la base de estos autovectores.   0 . 0    Mh = h  .M definidos (1.2.2.174) j=1 . (1. Ambas matrices Mh y Rh comparten los autovectores de la matriz Ah .168)  . M (1. · · · . −1  0 0 −1 2 Observese que.170) donde Ah es la matriz (1.62 CAPÍTULO 1. .2. (1.2. . en particular.2..2. teniendo en cuenta que la ecuación en (1. . El sistema (1..172) calculando los autovalores de M−1 h Rh que vienen dados por 6 1 − cos(jh) µj (h) = .  1 .2.   0 .173) h2 2 + cos(jh) Obtenemos así la siguiente expresión en series de Fourier de las soluciones del problema semi-discreto: M X ~u(t) = u~h (t) = ϕ̂j e−µj (h)t w ~ l (h). ..

en este caso simple unidimensional nos encon- tramos con que los autovectores del esquema discreto coinciden en los nodos del mallado con los del problema continuo.3. multiplicando la ecuación (1.2.1. LA ECUACIÓN DE ONDAS 63 A partir de esta expresión no es difícil adaptar los resultados de convergen- cia que hemos probado para la aproximación mediante diferencias finitas al caso presente del MEF. Y nuevamente también los autovalores µj (h) del problema discreto convergen a los del continuo cuando h → 0. También el método de energía puede ser desarrollado en este caso sin dificul- tad.171) componente a componente por uj (t).2. En efecto.173) se deduce inmediatamente que µj (h) → j 2 . Nuevamente. En efecto. (1. de (1. cuando h → 0.2. obtenemos la identidad: M .175) para cada j fijo.

.

d X .

uj+1 − uj .

2 Eh (t) = −h .

.

2. (1.176) dt .

h .

conser- vativo.177) 6 j=1 12 j=0 A partir de esta ley de disipación de la energía discreta (que es un análogo de la energía L2 de la ecuación del calor continua).2.3. de la Física y de la Ingeniería. Así. se trata de un modelo ubicuo en elasticidad y vibraciones de estructuras pero también en el ámbito de la propagación de ondas acústicas o electromagnéticas. La ecuación de ondas Tal y como hemos mencionado en la introducción. . en infinidad de problemas de la Mecánica. se establecen con facilidad resultados de convergencia similares a los probados en el caso del método de diferencias finitas. 1. (1. j=0 donde en esta ocasión la energía viene dada por M M hX h X 2 Eh (t) = | uj |2 + |uj + uj+1 | . carente de efectos regularizantes y en el que la velocidad de propagación es finita. la ecuación de ondas es otro de los modelos más relevantes que se escribe en términos de EDP puesto que interviene. Desde un punto de vista matemático la ecuación de ondas es el opuesto exacto de la del calor pues se trata de un sistema reversible en tiempo. de uno u otro modo.

t) = F (x + t) + G(x − t) (1.1) puede calcularse de forma explícita.1.2) 2 2 x−t Conviene también observar que u es de la forma u(x. 1. Sin embargo.3. (1. INTRODUCCIÓN AL NUMÉRICO DE EDP’S En esta sección seguiremos el guión de la anterior. i=1 Pero en esta sección nos limitaremos al caso unidimensional. al sistema de Lamé en elasticidad. Después estudiaremos la convergencia de las aproximaciones semi-discretas y por último las completamente discretas.3. En primer lugar recorda- remos algunas propiedades básicas de la ecuación de ondas que nos servirán de guía a la hora de analizar los modelos discretizados correspondientes.3.3.64 CAPÍTULO 1. t) = [ϕ(x + t) + ϕ(x − t)] + ψ(s)ds. ut (x. x ∈ R. Todos estos temas quedan para desarrollos posteriores. t > 0 (1. Su versión multi- dimensional es XN  = ∂t2 − ∆x = ∂t2 − ∂x2i . las ecuaciones de Schrödinger de la Mecánica Cuántica o incluso a otros mo- delos como las ecuaciones de Korteweg-de-Vries para las olas en canales poco profundos. es fácil comprobar que la solución de (6. 0) = ψ(x). En una dimensión espacial la ecuación de ondas es un modelo simplificado para las vibraciones de pequeña amplitud de una cuerda y mediante u = u(x. a las ecuaciones de placas que involucran habitualmente el operador biharmónico.1) es Z x+t 1 1 u(x. 0) = ϕ(x). En efecto.3. El operador en derivadas parciales involucrado ∂t2 − ∂x2 se denota frecuente- mente mediante el símbolo  y se denomina d’Alembertiano. x ∈ R. muchos de los conceptos y resultados que veremos y desarrollaremos se adaptan con relativa facilidad a la ecuación de ondas en varias dimensiones espaciales.3) .1) u(x. t) se describen las deformaciones verticales de la misma. La solución de (6. Por una cuestión de espacio nos ceñiremos a la ecuación de ondas en una sola dimensión espacial. Propiedades básicas de la ecuación de ondas 1 − d En primer lugar consideramos el problema de Cauchy en toda la recta: ( utt − uxx = 0.3.

las genuinas incógnitas del problema son tanto u como ut . la velocidad ut tiene la misma regularidad que ψ y pierde una derivada con respecto a ϕ.3. Por otra parte. Al tratarse de una ecuación de orden dos en tiempo. (1. En efecto.2) se deduce que la solución u.6) según la cual el operador de ondas es la composición de los dos operadores de transporte de orden uno ∂t ± ∂x .1). de (1.3. es tan regular como el dato inicial ϕ para la posición y gana una derivada con respecto a la velocidad inicial ψ.3) es solución de (6.3.3.1) hemos de pro- porcionar los datos iniciales de ambas incógnitas para garantizar la existencia y unicidad de soluciones. cuyas soluciones son efectivamente ondas viajeras de la forma F (x + t) o G(x − t). Desde este punto de vista es habitual escribir la ecuación (6. t) depende exclusivamente del valor de los datos iniciales en el intervalo de dependencia [x − t. LA ECUACIÓN DE ONDAS 65 donde Z s 1 1 F (s) = ϕ(s) + ψ(σ)dσ. una per- turbación de los datos iniciales en el instante t = 0 en el punto x0 sólo afecta al valor de la solución en el cono de influencia |x − x0 | < |t|. en cualquier instante t > 0.5) 2 2 s Es también digno de mención que cualquier función de la forma (1.1) como un sistema de la forma ( ut = v vt = uxx o bien como un sistema de leyes de conservación hiperbólica ( ut = wx wt = ux . Del mismo modo.3.3. Es por eso que en (6.2) es la ausencia de efecto regularizante. (1. x + t]. En la fórmula (1.1.3.3.3. Así el valor de la solución u en el punto (x. Otra de las propiedades que se deduce de la fórmula de representación (1. Este hecho corresponde a la siguiente factorización del ope- rador de d’Alembert  = ∂t2 − ∂x2 = (∂t − ∂x ) (∂t + ∂x ) = (∂t + ∂x ) (∂t − ∂x ) .2) se observa también otra de las propiedades fundamen- tales de la ecuación de ondas: la velocidad finita de propagación.4) 2 2 0 Z 0 1 1 G(s) = ϕ(s) + ψ(σ)dσ.3.3. (1.

∞). t) = u(π. es así. la regularidad de los datos iniciales. 0) = ϕ(x). para todo dato inicial (ϕ.3. se tienen fórmulas de representación explícitas semejantes a (1. ∀t ≥ 0. t) = 0. ut (x. En este caso hemos impuesto condiciones de contorno de Dirichlet que indican que la cuerda está fija en sus extremos. En este caso la energía correspondiente es Z h i 1 2 2 E(t) = |ux (x. Y. t > 0 u(0.3. Se trata de un modelo simplificado para las vibraciones de una cuerda de lon- gitud π. (1. ∞). Son diversos los métodos que permiten probar este tipo de resultados de existencia y unicidad: método de Galerkin. Consideramos ahora la ecuación de ondas en un intervalo acotado:    utt − uxx = 0.1) en la clase   u ∈ C [0. H 1 (R) ∩ C 1 [0. etc. t>0 (1. t)| + |ut (x. Esta ley de conservación de la energía sugiere que el espacio H 1 (R) × L2 (R) es un marco funcional adecuado para la resolución de la ecuación de ondas. transformada de Fourier.3. 0 < x < π.3.3. En particular. t)| dx (1. Consiguientemente vemos que el vector incógnita preserva. teoría de semigrupos.7) 2 R y se tiene dE (t) = 0. .66 CAPÍTULO 1. 0 < x < π. con continuidad en tiempo.2) aunque algo más complejas ([7]. Pero el más natural para resolverlo y el que se extiende de manera natural a otras situaciones como problemas de frontera o situaciones multidimensionales es precisamente el marco hilbertiano H 1 (R) × L2 (R). si bien los resultados que aquí describimos se adaptan con facilidad a otras. L2 (R) . De la fórmula de representación (1.3.9)   u(x. [30]).8) dt lo cual es fácil de comprobar multiplicando la ecuación de (6. Por tanto.3.1) está bien puesta en infinidad de otros espacios. ψ) ∈ H 1 (R) × L2 (R) existe una única solución de (6. Pero en el caso que nos ocupa puede deducirse inmediatamente de la fórmula de d’Alembert (1.3.3.1) por ut e integrando en R. efectivamente.2). 0) = ψ(x).2) se deduce que la ecuación (6. INTRODUCCIÓN AL NUMÉRICO DE EDP’S Como hemos dicho anteriormente algunas de estas propiedades de la ecuación se preservan en más de una dimensión espacial. Otra de las propiedades importantes de la ecuación de ondas es la ley de conservación de la energía.

10) l≥1 l≥1 donde wl (x) viene dado por (1. ∀t ≥ 0. (1. t)| dx. t)| + |ux (x.3. ∞). t) = θ̂l eilt wl (x). De ese modo. la que corresponde a los datos iniciales del sistema. El hecho de que los datos iniciales del problema n opertenezcan a H0 (0. π) × L (0.3.12) l=−∞ donde lϕ̂l − iψ̂l iψ̂l w−l (x) = wl (x). Nuevamente.9) por ut e integrando con respecto a x ∈ (0. t) = ϕ̂l cos(lt) + sen(lt) wl (x). En efecto.3. π) . ∀l ≥ 1.3. π) × L2 (0.3. ∞).3.3.9) se conserva en tiempo.9) se pueden representar fácilmente en series de Fou- rier.9) es H01 (0. π). la solución de (1. La energía equivale al cuadrado de la norma canónica del espacio H01 (0. si los datos iniciales admiten el desarrollo en serie de Fourier X X ϕ(x) = ϕ̂l wl (x).9) admite una única   solución u ∈ C [0. (1. (1.11).3. La primera.1. π) × 1 L2 (0. El hecho de que la energía permanezca constante en tiempo equivale 2 a que la trayectoria de la solución permanece indefinidamente en una esfera del espacio H01 (0.14) 2 0 satisface dE (t) = 0. ψ(x) = ψ̂l wl (x). multiplicando la ecuación (1. θ̂−l = θ̂l + . π). L2 (0. π) ∩ C 1 [0.3. 0 < x < π.2. π) × L2 (0. (1. (1. cuando (ϕ. por el método de la energía. π). En efecto Z 1 πh 2 2 i E(t) = |ut (x.9).13) 2l l Como veremos más adelante. LA ECUACIÓN DE ONDAS 67 Las soluciones de (1.9) se escribe del siguiente modo ! ∞ X ψ̂l u(x. las soluciones de los problemas semi-discretos y completamente discretos que consideramos admiten desarrollos en serie de Fou- rier semejantes. (1.3.3.3. π) × L2 (0. ψ) ∈ H01 (0. π). El espacio natural para resolver (1. H01 (0.15) dt lo cual puede comprobarse fácilmente de dos maneras.3. (1.11) l l=1 Esta expresión puede ser simplificada utilizando exponenciales complejas: +∞ X u(x. π) equivale a que los coeficientes {~ ϕl }l≥1 y ψ~l del desarrollo en serie l≥1 .3. la energía de las soluciones de (1. π). l ≥ 1 y θ̂l = . La segunda mediante simple inspección del desarrollo en serie de Fourier (1.

INTRODUCCIÓN AL NUMÉRICO DE EDP’S de Fourier (1.3.68 CAPÍTULO 1.11) de u satisfagan X 2 .

.

2  .

~ .

2 l |~ ϕl | + .

ψl.

3.16) l≥1 o. equivalentemente. (1. +∞ . < ∞.

.

2 X .

~ .

2 .

θl .

3.17) l=−∞ 1. . Las M incógnitas u1 (t).3. W ~ W~ l (h)ih .20) l=1 l=1 donde ϕ̂l (h) = h~ ~ l (h)ih . (1.18)   uj (0) = ϕj . u′j (0) = ψj . Tal y como vimos en la sección anterior. En cada uno de los resultados de convergencia que probaremos indicaremos explícita- mente la elección de los datos iniciales realizada.9) sobre el mallado. j = 1.3.3. . ψ̂l (h)W (1. Así. En vista de las condiciones de contorno de Diri- chlet es natural imponer que los desplazamientos u0 y uM+1 que proporcionan aproximaciones de u en los extremos x0 = 0 y xM+1 = π sean nulos. Las soluciones de (1. la semi-discretización espacial más natural de la ecuación de ondas (1. M. j = 1.3. Los datos iniciales (ϕj . ψj )M j=1 son típicamente una aproximación de los da- tos iniciales (ϕ(x). . t > 0 u0 = uM+1 = 0.2. xM del mallado. t > 0. .2 dedicada a la ecuación del calor. son diversas las elecciones posibles. uM (t) proporcionan aproxima- ciones de la solución continua u = u(x. . . ψ(x)) de la ecuación de ondas (1.18) puede escri- birse en la forma ( ~u′′ (t) + Ah ~u(t) = 0.19) ~u(0) = ϕ ~ . ψ ~ l (h).3. .9) en los puntos x1 . . t) de la ecuación de ondas (1.3. .3. l < ∞. M.3.19) también pueden desarrollarse en serie de Fourier. ~ (1. Con la notación vectorial de la sección 1. .3. (1. Se trata de un sistema acoplado de M ecuaciones diferenciales de orden dos con M incógnitas. .2 el sistema (1. . ϕ. . .2.21) . Semi-discretización espacial: El método de Fourier Con las notaciones de la sección 1. .3. t>0 (1. los datos iniciales admiten el desarrollo M X M X ϕ ~= ϕ̂l (h)W ~= ~ l (h). ψ̂l (h) = hψ. ~u′ (0) = ψ. .9) es la siguiente:  [2uj −uj+1 −uj−1 ]  ′′  uj + h2 = 0.

3.2. El sistema (1.3. M.22) µl (h) l=1 donde p µl (h) = λl (h). (1. (1. θ̂l (h)eiµl (h)t W (1. la solución de (1. Nuevamente la expresión puede simplificarse: M X ~uh (t) = ~ l (h). .19) puede escribirse del siguiente modo M ! X ψ̂l (h) ~uh (t) = ϕ̂l (h) cos (µl (h)t) + sen (µl (h)t) W~ l (h).3. En este caso la energía conservada admite la expresión M ". l = 1.3.25) donde µl (h)ϕ̂l (h) − iψ̂l (h) iψ̂l (h) θ̂l (h) = . .1. .18) y (1.3.2. a la vez la analogía entre las expresiones (1. LA ECUACIÓN DE ONDAS 69 Entonces.3.3. ∀l ≥ 1.13) y (1.3. . θ̂−l (h) = θ̂l (h) + . µ−l (h) = −µl (h).24) l=−M con la convención ~ −l (h) = W W ~ l (h). .30).26) 2µl (h) 2µl (h) Si tenemos en cuenta que. µl (h) → l cuando h → 0. (1.3.3.3. M . (1. l = 1. . .24) son evidentes.23) ~ l (h) y λl (h) denotan los autovectores y autovalores de Aquí y en lo sucesivo W la matriz Ah introducidos en (1. para l fijo.19) tiene también la propiedad de conservación de la energía. .29)-(1.

.

2 # h X .

.

uj+1 − uj .

.

.

′ .

2 .

.

. Eh (t) = .

.

18) es una aproximación natural del sistema continuo (1.14) y las dos formas que hemos indicado de probar su carácter conservativo son también versiones discretas de las pruebas habituales en la ecuación de ondas continua.3.27) 2 h k=0 La ley de conservación de la energía puede obtenerse al menos de dos ma- neras: a) A partir del desarrollo en serie de Fourier de las soluciones (1.3.9). La energía discreta Eh es evidentemente una aproximación de la energía continua E de (1.3. Con el objeto de establecer la convergencia cuando h → 0 de las solcuiones del sistema semi-discreto a las de la ecuación de ondas hemos de introducir .18) por u′j y sumando con respecto al índice j. + uj (1.22). b) Multiplicando cada una de las ecuaciones de (1.3. De todas estas observaciones se deduce que el sistema semi-discreto (1.3.3.

INTRODUCCIÓN AL NUMÉRICO DE EDP’S normas que midan la distancia entre ambas.70 CAPÍTULO 1.2:  1/2 . Tenemos por una parte la norma L2 discreta introducida en la sección 1.

.

XM .

.

2 .

~a.

28) h j=1 Introducimos también la norma H 1 −discreta correspondiente   . (1.3. = h |aj |  .

.

M .

X .

1/2 .

.

.

aj+1 − aj .

2 .

~a.

= h .

.

3.  .h . (1.29) 1.

h .

17). con sus coeficientes de Fourier pertenecientes al espacio H1 : ( ) X 2 H1 = {âl }l∈Z : l2 |âl | < ∞ (1.3. Pero es también natural medir la proximidad de las soluciones en función de sus coeficientes de Fourier.1. Tal y como vimos en la sección 1. las soluciones de energía finita de la ecuación de ondas pueden ser identificadas. en virtud de (1. j=0 siempre con la convención a0 = aM+1 = 0.30) l∈Z que es un espacio de Hilbert con la norma " #1/2 .3.3.

.

X .

.

2 2 .

{âl }l∈Z .

3. π) ∩ C 1 [0. las soluciones de energía finita de la ecuación de ondas n corresponden o a datos iniciales que se representan a través de los coeficientes θ̂l ∈ H1 . H01 (0. π) .e. ∞). (1. t) = ûl (t)wl (x). i.34) .33) De este modo se observa que la regularidad propia de las soluciones de energía finita.3. = l |âl | . (1.17).31) H1 l∈Z En efecto. el hecho de que   u ∈ C [0. (1. (1.12) de las soluciones de la ecuación de ondas. L2 (0.3.32) l=−∞ donde ûl (t) = θ̂l eilt .3. l∈Z En vista de la representación de Fourier (1. tal como observamos en (1. éstas pueden escribirse del siguiente modo +∞ X u(x.3. ∞).3.

De este modo. .3.35) Asimismo. . ℓ2 . . (1.19) admite el desarrollo (1.38) Es por tanto natural medir la convergencia de las soluciones del problema semi-discreto al continuo a través de la convergencia de sus coeficientes de Fou-   rier en el espacio C [0.39). ψ̂l W (1.3. ψ(x)) ∈ H01 (0. π) × L2 (0. ∞).1. . M.h (t)}l=−M ∈ C [0.39) l=−M l=−M n o donde {ϕ̂l }l∈Z y ψ̂l son los coeficientes de Fourier del dato inicial continuo l∈Z (ϕ(x). l = −M.19): M X M X ϕ ~= ϕ̂l W ~= ~ l (h). H1 ∩ C 1 [0.3. . Es decir. .3. π).24).3. ℓ2 . ∞).1 Supongamos que (ϕ.37)) con los coeficientes de Fourier µl (h)ϕ̂l − iψ̂l θ̂l (h) = . ∞).3. ℓ2 .3.37) Si extendemos por cero estos coeficientes de Fourier para los índices |l| > M .h (t) = θ̂l (h)eiµl (h)t . . (1.40) 2µl (h) Con esta elección de los datos iniciales en el sistema semi-discreto tenemos el siguiente resultado de convergencia. π) × L2 (0.3. LA ECUACIÓN DE ONDAS 71 equivale a que sus coeficientes de Fourier {ûl (t)}l∈Z pertenezcan al espacio   {ûl (t)}l∈Z ∈ C [0. ∞). . ψ ~ l (h). nos encontramos nuevamente con que. H1 ∩ C 1 [0.3. π) y que elegimos los datos iniciales del problema semi-discreto como en (1. se tiene M   {ûl. ∞). para las soluciones del problema semi- discreto. las soluciones del problema semi-discreto.36)-(1. Con estas notaciones y con el objeto de establecer la convergencia de las soluciones del problema semi-discreto al continuo realizamos la siguiente elección de los datos iniciales de (1. pueden escribirse como M X ~u(t) = ~ l (h) ûl. ψ) ∈ H01 (0.3. Theorem 1.3. l = −M. (1. elegimos los datos iniciales del problema semi-discreto de modo que coincidan con los del problema continuo para los índices −M ≤ k ≤ M .3.36) l=−M donde ûl. ∞).24) (o (1.3.h (t)W (1. . en vista de (1.3. la solución de (1. H1 ∩ C 1 [0. (1. M.3.

3. H1 . T ].h }ℓ=−M . Volveremos sobre este punto más adelante. INTRODUCCIÓN AL NUMÉRICO DE EDP’S Entonces.40) respecti- vamente. ha de sobreentenderse que extendemos el valor de ûℓ.h por cero para todos los índices |ℓ| > M . en (1. uniformemente en tiempo.3.3. Tenemos . • Este resultado puede ser también interpretado a través de la convergencia de las soluciones en el espacio de la energía.3.h (t) = ûℓ (t) − ûℓ. es una sucesión. las soluciones del problema semi-discreto convergen a las del con- tinuo en el sentido que (   {ûℓ. En efecto.3. Como hemos dicho antes. Demostración del Teorema 3. para todo 0 < T < ∞. este es el espacio natural al que pertenecen los coeficientes de Fourier de las soluciones de energía finita de la ecuación de ondas. T ]. que es un vector finito.41) cuando h → 0.72 CAPÍTULO 1.1. (1.41) se establece que los coeficientes de Fourier de las soluciones semi-discretas.1 • Hemos enunciado la convergencia de las soluciones en términos de sus coe- ficientes de Fourier.41) hemos abusado de la nota- M ción puesto que hemos interpretado que {ûℓ. junto con sus derivadas tem- porales.3. Observación 1. T ]. a los de la solución continua en el espacio H1 × ℓ2 .  Probamos exclusivamente la convergencia en C [0. cuando h → 0. • Tal y como habíamos anunciado en (1. convergen. ℓ2 (1. Sea v̂ℓ. T ]. H 1 ∩ C 1 [0. Como mencionábamos. por lo que el resultado es óptimo. La convergencia  en C 1 [0.13) y (1.h (t) = θ̂ℓ eiℓt − θ̂ℓ (h)eiµℓ (h)t .3. ℓ2 puede ser probada de manera análoga.42) donde los coeficientes θ̂ℓ y θ̂ℓ (h) vienen dados por (1.h (t)}M ∞ ℓ=−M → {ûℓ (t)}ℓ=−∞ en C [0.

.

2 ∞ X ∞ X .

.

2 2 .

{v̂ℓ.h (t)} .

43) H ℓ=−∞ ℓ=−∞ M X . 1 = |v̂ℓ.h (t)| ℓ2 = |ûℓ (t) − ûℓ.3.h (t)| ℓ2 (1.

.

2 X .

.

.

.

2 .

iℓt .

= .

θ̂ℓ e − θ̂ℓ (h)eiµℓ (h)t .

ℓ2 + .

θ̂ℓ .

ℓ2 = I1 (h) + I2 (h) ℓ=−M |ℓ|>M .

∀h > 0. En este caso.1. en vista de la ausencia de efectos disipativos necesitamos hi- pótesis adicionales de regularidad sobre los datos iniciales de la ecuación de ondas:   Theorem 1. θ̂ℓ (h)eiµℓ (h)t → θ̂ℓ eiℓt .1 en el caso de la ecuación del calor. En efecto. y en la medida en que los coeficientes que intervienen en la serie I2 (h) no dependen de h es fácil ver que. T ]. LA ECUACIÓN DE ONDAS 73 El término I2 (h) es fácil de estimar.17). en virtud de (1.1. esta convergencia es uniforme en t ∈ [0.39). En este sentido. este Teorema no proporciona un resultado muy intuitivo puesto que garantiza la convergencia de los coefi- cientes de Fourier pero no de las soluciones en el espacio físico. lo cual es evidentemente cierto puesto que µℓ (h) → ℓ. π) y que elegimos los datos iniciales del problema semi-discreto como en (1. Entonces .3. π) × H01 (0.3.3. h → 0. como.2. basta comprobar que.2 Supongamos que (ϕ. en vista de la elección de los datos iniciales para el sistema discreto realizado en el enunciado del Teorema 1. uniformemente en t ∈ [0. En efecto. para cada ℓ fijo. h → 0. ψ) ∈ H 2 ∩ H01 (0. dado ε > 0 arbitrario.3. existe M > 0 de modo que |I2 (h)| ≤ ε. De hecho. Una vez fijado el valor de M es fácil ver que I1 (h) → 0. I1 (h) es una suma finita.3. una vez fijado el valor de M. h → 0 y de que. θ̂ℓ (h) → θ̂ℓ . T ]. t) sobre los puntos del mallado (que denotamos mediante ~u) tal como hicimos en el Teorema 1. sería natural analizar la convergencia de la solución discreta ~uh hacia los valores de la solución continua u = u(x. Tal y como hemos mencionado anteriormente.

.

.

.

.

.

.

′ .

.

~uh (t) − ~u(t)

+

~u′h (t) − ~u (t)

→ 0 (1.3.44)
1,h h

cuando h → 0 uniformemente en 0 ≤ t ≤ T para todo 0 < T < ∞.

Observación 1.3.2

74 CAPÍTULO 1. INTRODUCCIÓN AL NUMÉRICO DE EDP’S

• El espacio H 2 ∩ H01 (0, π) es el constituido por las funciones ϕ ∈ H01 (0, π)
tales que ϕxx ∈ L2 (0, π). Dotado de la norma10
Z π 1/2
2
k ϕ kH 2 ∩H01 (0,π) = |ϕxx | dx
0

constituye un espacio de Hilbert.
 
• El espacio H 2 ∩ H01 (0, π) × H01 (0, π) es un marco funcional natural para
 
resolver la ecuación de ondas. En efecto, si (ϕ, ψ) ∈ H 2 ∩ H01 (0, π) ×
H01 (0, π), la ecuación de ondas (6.3.1) admite una única solución
 
u ∈ C [0, ∞); H 2 ∩ H01 (0, π) ∩ C 1 [0, ∞); H01 (0, π) . (1.3.45)

Además la energía
Z π
1  
E+ (t) = |uxx (x, t)|2 + |utx (x, t)|2 dx (1.3.46)
2 0

que es equivalente al cuadrado de la norma en este espacio se conserva en
el tiempo (para comprobarlo basta con multiplicar la ecuación de ondas
por −uxxt e integrar por partes en x).

• Cuando ϕ ∈ H 2 ∩ H01 (0, π) sus coeficientes de Fourier satisfacen

X 2
|ϕ̂ℓ | ℓ4 < ∞. (1.3.47)
ℓ=1

Este hecho jugará un papel decisivo en la prueba del Teorema.

Demostración del Teorema 1.3.2.
Analizamos el primer término de (1.3.44) puesto que el segundo puede ser
tratado del mismo modo.
Procediendo como en la demostración del Teorema 2.1 y distinguiendo bajas
y altas frecuencias descomponemos ~uh − ~u del siguiente modo:
M0 h
X i
~uh (t) − ~u(t) = θ̂ℓ (h)eiµℓ (h)t − θ̂ℓ eiℓt W~ ℓ (h) (1.3.48)
ℓ=−M0
X X
+ ~ ℓ (h) −
θ̂ℓ (h)eiµℓ (h)t W ~ ℓ = I1 + I2 + I3 .
θ̂ℓ eiℓt W
M0 +1≤|ℓ|≤M |ℓ|>M0

Analizamos ahora la norma k Ik k21,h , para cada k = 1, 2, 3.
10 Obsérvese que en el subespacio de H 2 considerado esta semi-norma es en realidad una

norma, equivalente a la norma canónica de H 2 .

1.3. LA ECUACIÓN DE ONDAS 75

• Término I1 .
Tomando normas k · k1,h en I1 y utilizando las propiedades de los auto-
~ ℓ (h) enunciados en el Lema 2.1 y la desigualdad (1.2.32) para
vectores W
los autovalores discretos se tiene:
M0
X

2

k I1 k21.h = λℓ (h) .

θ̂ℓ (h)eiµℓ (h)t − θ̂ℓ eiℓt .

ℓ=−M0 M0 X .

.

2 .

.

≤ ℓ2 .

θ̂ℓ (h)eiµℓ (h)t − θ̂ℓ eiℓt .

3.49) M0 +1<|ℓ|≤M en virtud de la elección (1. (1. X k I2 k21. por el mismo argumento. (ϕ. ℓ=−M0 • Término I2 . W~ ℓ representa en este caso la restricción a los puntos del mallado de las autofunciones continuas que no se obtienen en el espectro de la matriz. Este término ha de ser analizado con algo más de cuidado.3. Por lo tanto se pierden las propiedades de ortogonalidad enunciadas en el Lema 2.e. i. ψ) ∈ H01 (0. . • Término I3 . (1. Por tanto.3. en este caso aplicamos nuevamente la desigualdad triangular y obtenemos X . Tenemos. π) × L2 (0.h ≤ λℓ (h)|θ̂ℓ (h)|2 . π).50) M0 +1<|ℓ|≤M La convergencia de esta serie está garantizada por la hipótesis de que los datos iniciales considerados son de energía finita.h ≤ C ℓ2 |ϕ̂ℓ |2 + |ψ̂ℓ |2 . En efecto.40) de los coeficientes de Fourier de los datos iniciales del problema semi-discreto deducimos por tanto que X h i k I2 k21.1.

.

.

.

X .

.

.

.

X .

.

.

.

h ≤ . k I3 k1.h ≤ ~ ℓ k1.

θ̂ℓ .

k W .

θ̂ℓ .

π) = |ℓ| .x kL2 (0. k Wℓ.

θ̂ℓ .

52) j=0 h2 0 . .51) En esta última desigualdad hemos utilizado la desigualdad elemental M X Z π |f (xj+1 ) − f (xj )|2 h ≤ fx2 (x)dx (1.3. |ℓ|>M0 |ℓ|>M0 |ℓ|>M0 (1.3.

x kL2 (0.π) = |Wℓ. π) y cualquier h > 0.76 CAPÍTULO 1.3. INTRODUCCIÓN AL NUMÉRICO DE EDP’S que es válida para cualquier función de H01 (0.x | dx = ℓ2 . y por otra parte que Z π 2 2 k Wℓ.53) 0 Con el objeto de poder estimar la serie que se obtiene en esta estimación es indispensable suponer que X . (1.

.

.

.

|ℓ| .

θ̂ℓ .

(1. < ∞. π) puesto que.54) ℓ lo cual queda plenamente garantizado si los datos iniciales (ϕ. (1. ψ) pertene- cen a [H 2 ∩ H01 (0.17) y (1.3.16). se tiene !1/2 !1/2 X . π)] × H01 (0.3.3.47).3. en virtud de (1.

.

.

.

X .

.

.

.

2 X 2 −2 |ℓ| .

θ̂ℓ .

≤ ℓ .

θ̂.

2 permite esta- blecer una estimación sobre el orden de convergencia. Observación 1. Una vez fijado el valor de M0 el hecho que k I1 k1. de (1.3.3 • Un análisis cuidadoso de la demostración del Teorema 3. .50). ℓ ℓ ℓ De estas desigualdades es fácil concluir la demostración del Teorema 3.54) vemos que dado ε > 0 arbitrario existe M0 > 0 tal que k I2 k1.2. similares a las descritas en la sección 2.3. ∀h > 0.49).51) y (1.2 sólo demuestra un posible resultado de convergencia entre los varios que podrían probarse mediante argumentos semejantes. ℓ < ∞. T ].3. Muchas otras variantes. Se observa asimismo que la convergencia es uniforme en intervalos com- pactos de tiempo [0. • El Teorema 3. En efecto.2.h → 0 cuando h → 0 resulta evidente de (1.3. son posibles. Esto concluye la demostración de Teorema 3.2 en el contexto de la ecuación del calor.3.h + k I3 k1.h ≤ ε. puesto que se trata de una suma de un número finito de términos en los que cada uno tiende a cero puesto que θ̂ℓ (h) → θ̂ℓ y µℓ (h) → ℓ respectivamente. (1.

Para ello. π) .3. Es fácil comprobar que.  Etapa 1. lineales a trozos y satisfacen φj (xℓ ) = δjℓ ..3. L2 (0. . LA ECUACIÓN DE ONDAS 77 Los resultados de convergencia que hemos presentado en los dos Teoremas anteriores hacen referencia a los coeficientes de Fourier o a la restricción de las soluciones a los puntos del mallado.3.3.T ] Demostración Procedemos en dos etapas. estos resultados admiten también una interpretación global.N son precisamente las funciones de base del método de ele- mentos finitos que. tal y como se hizo en la sección 2.55) j=1 donde {φj }j=1. son continuos. tal y como ocurría en el caso de la ecuación del calor.3 Bajo las hipótesis el Teorema 3. t) del problema continuo (1.3. ∞). t) = uj (t)φj (x). π) (1. T ].7 dedicada el estudio de la ecuación del calor mediante el método de elementos finitos. π) ∩ C 1 [0.56) para todo intervalo compacto [0. podemos definir su extensión N X [E~uh ] (x. H01 (0. L2 (0. (1.. E~uh es   una función perteneciente al espacio C [0.1. Sin embargo. π) . π) ∩C 1 [0. T ]. Cabe por tanto plantearse la convergencia de E~uh hacia la solución u = u(x.3. El siguiente resultado responde a esta cuestión: Theorem 1.7. tal y como indicamos en la sección 2. H01 (0. Para ello es necesario introducir un operador de extensión que a una función discreta definida sobre el mallado asocie una función continua de la variable x.18).3.. dada una solución discreta ~uh de (1. T ].. H01 (0.2 se tiene   E~uh → u en C [0. Convergencia en C [0. dada una solución discreta ~uh de (1.9) en el espacio de la energía. ∞).18).

INTRODUCCIÓN AL NUMÉRICO DE EDP’S Observamos que .78 CAPÍTULO 1.

.

2 Z π .

.

2 .

E~uh (t) − u(t).

3. t) − ux (x. 1 = |∂x (E~uh ) (x.π) 0 N Z xj+1 X . t)| dx (1.57) H0 (0.

.

2 .

uj+1 (t) − uj (t) .

= .

− u (x. t).

dx .

h x .

j=0 xj N Z .

.

X xj+1 .

t) − u(xj . uj+1 (t) − uj (t) u(xj+1 . t) .

2 ≤ 2 .

− .

dx .

h h .

j=0 xj N Z xj+1 X .

.

2 .

.

+ 2 .

t) − u(xj . t) − u(xj+1 .ux (x. t) .

dx .

h .

j=0 xj N .

.

X .

t)] − [uj (t) − u(xj . [uj+1 (t) − u(xj+1 . t)] .

2 = 2h .

.

.

h .

j=0 N Z .

Z .

2 X xj+1 .

1 xj+1 .

.

.

+ 2 .

t) − ux (s. t)ds.ux (x.

xj . dx = I1 + I2 .

h xj .

j=0 .

.

2 .

.

I1 = 2. Por otra parte.

~uh (t) − ~u(t).

Además.2.h converge a cero uniformemente en 0 ≤ t ≤ T cuando h → 0. 1. que. tal y como vimos en el Teorema 3. .

N Z xj+1 .

Z xj+1 .

2 X .

.

1 .

I2 = 2 .

(ux (x. t)) ds. t) − ux (s.

dx .

h .

j=0 xj xj N Z .

Z .

2 X xj+1 .

.

xj+1 .

2 .

≤ 2 .

(ux (x. t) − ux (x. t)) ds.

dx h j=0 xj .

xj .

N Z .

Z Z .

2 2 X xj+1 .

.

xj+1 x .

.

= .

t)dσdx . u xx (σ.

dx h2 j=0 xj .

xj s .

N Z .

Z Z .

2 2 X xj+1 .

.

xj+1 xj+1 .

.

≤ .

|u xx (σ. t)| dσds .

dx h2 j=0 xj .

xj xj .

.

N .

Z xj+1 .

2 X .

.

.

= 2h .

|uxx (σ. t)| dσ .

.

xj .

j=0 N Z X xj+1 Z π 2 2 ≤ 2h2 |uxx (σ. t)| dσ = 2h2 |uxx (x. t)| dx j=0 xj 0 = 2h k u(t) k2H 2 ∩H0′ (0. 2 Este último término tiende a cero con un orden O(h2 ) cuando h → 0 puesto que. .π) .

L2 (0. π) . H 2 ∩ H01 (0. En realidad la convergencia es uniforme para todo t ≥ 0.3.2. ∞). LA ECUACIÓN DE ONDAS 79 tal y como se indicó en la Observación 3. Convergencia en C 1 [0. π) .  Etapa 2. la solución u del problema continuo (1.1.2.3.9)  pertenece a la clase C [0. bajo la hipótesis de regularidad de los datos iniciales del Teorema 3. T ]. En este caso .

Z .

2 .

.

2 .

XN π .

.

′ .

.

.

.

E~uh (t) − ut (t).

= .

t). u′k (t)φk (x) − ut (x.

π) 0 . dx L2 (0.

.

k=1 Z π .

.

X N .

2 .

.

′ .

≤ 2 .

t)) φk (x). (uk (t) − ut (xk .

dx 0 .

k=1 .

Z π .

X .

.

2 N .

.

.

+2 .

t)φk (x) − ut (x. ut (xk . t).

0 . dx = I1 + I2 .

.

t)) u′j (t) − ut (xj . t) φk (x)φj (x)dx j. t) 3 3 k=1 . t)) u′k+1 (t) − ut (xk+1 .k=1 0 N  X  2 2 1 ′  = 2h |u′k (t) − ut (xk . admite la expresión N X Z π  I1 = 2 (u′k (t) − ut (xk . k=1 El primer término I1 . t)| + (uk (t) − ut (xk . en virtud de la expresión de la matriz de masa que aparece en el método de elementos finitos.

.

2 .

.

≤ C .

~u′h (t) − ~u′ (t).

. h que tiende a cero uniformemente en [0. T ] cuando h → 0.2. por el Teorema 3.

N Z . INTRODUCCIÓN AL NUMÉRICO DE EDP’S Por otra parte.80 CAPÍTULO 1.

.

2 X xj+1 .

.

I2 = 2 .

t)) (x − xj ) − ut (xj .ut (x. t) − (ut (xj+1 . t). t) − ut (xj .

dx .

h .

j=0 xj .

Z   .

.

2 N Z X .

x xj+1 .

t) − ut (xj . (ut (xj+1 . t)) .

= 2 .

t) − ds. utx (s.

dx .

h .

j=0 xj xj .

" # .

XN Z xj+1 .

Z x Z .

2 .

1 xj+1 .

= 2 .

t)dσ ds. t) − utx (σ. utx (s.

dx .

h .

j=0 xj xj xj .

" Z #.

2 XN Z xj+1 .

Z x .

.

1 xj+1 .

= 2 .

[utx (s. t)] dσds . t) − utx (σ.

dx x j .

x j h x j .

j=0 .

.

XN Z xj+1 .

Z xj+1 .

2 .

.

≤ 2 .

t)| ds . 2 |u tx (s.

dx xj .

xj .

j=0 N Z X xj+1 Z xj+1 2 ≤ 8h |utx (s.3. t)| dsdx j=0 xj xj Z π 2 = 8h2 |utx (s.18).2.3 en el caso de la ecuación del calor y por tanto consideramos la solución u = u(x.3.3.3. Tenemos . para las del problema discreto (1.3.9) (rep.9) como una solución aproximada de la ecuación discreta (1. H01 (0. T ].12) (resp.18)). t) de la ecuación de ondas continua (1. Procedemos como en la sección 1.3. 1.27)) se conserva para las soluciones del problema continuo (1.2.3. (1. Semi-discretización espacial: El método de la ener- gía La prueba de la convergencia de las soluciones del problema discreto a las del continuo está basada en el hecho que la energía (1. tal y como señalamos en la Observación 3.3. 0  Este término tiende a cero con un orden O(h2 ) puesto que ut ∈ C [0. π) . t)| ds.

3.58) con ϕj = ϕ(xj ) y ψj = ψ(xj ) si.60)   vj (0) = vj′ (0) = 0. . . .3. j = 1.59) que satisface  [2vj (t)−vj+1 (t)−vj−1 (t)]  ′′  vj (t) + h2 = εj (t). . t ≥ 0 (1. LA ECUACIÓN DE ONDAS 81 entonces    ′′ [2 uj (t)− uj+1 (t)− uj−1 (t)] [2 uj (t)− uj+1 (t)− uj−1 (t)]  uj (t) +  h2 = uxx (xj.3.60) por vj′ (t) y sumando en j. . . . j = 1. u′j (0) = ψj . M. M. M. . π). En el segundo miembro de (1. . .3.3 cuando (ϕ. π) × H01 (0. t ≥ 0 v0 = vM+1 = 0.3.3. . j = 1. M . ψ) son continuos. los datos (ϕ.t ) + h2  = εj (t). . . t > 0    uj (0) = ϕj . por ejemplo. . Consideramos ahora la diferencia de las soluciones continua y discreta ~vh (t) = ~u(t) − ~uh (t). lo cual está garantizado en las hipótesis de los Teoremas 3. . (1. . . Multiplicando en (1. j = 1.1. ψ) ∈  2  H ∩ H01 (0. . obtenemos que   N N . t > 0   u0 = uM+1 = 0.2 y 3.58) aparece un residuo o error de truncación ~ε(t) = (εj (t))j=1 . . . como es propio para la obtención de la identidad de energía para las soluciones del sistema semi- discreto. M (1.

.

2 N d  h X .

.

′ .

.

2 h X .

.

vj+1 (t) − vj (t) .

.

 X vj (t) + .

.

= h εj (t)vj′ (t). dt 2 j=1 2 j=0 h j=1 y por tanto .

 " .

.

.

.

# .

N h .

d hX N .

′ .

2 .

vj+1 (t) − vj (t) .

2 .

h X 2 .

′ .

2 i .

 .

vj (t).

+ .

.

.

≤ |ε (t)| + .

vj (t).

. .

dt 2 .

h .

.

2 j .

j=1 .

j=1 Aplicando el Lema de Gronwall deducimos que " .

.

2 # N h X .

.

′ .

.

2 .

.

vj+1 (t) − vj (t) .

.

T eT .

.

2 .

.

vj (t) + .

.

≤ máx .

~ε (t).

. ∀0 < h < h0 . . M.π]) . . T ]. . 2 j=1 h 2 0≤t≤T h Basta por tanto que estimemos el error de truncación ~ε(t). ∀j = 1. ∀t ≥ 0. . . ∀t ∈ [0. Tenemos |εj (t)| ≤ Ch2 k u(t) kC 4 ([0.

π]) .3.61) Entonces. ψ) de la ecuación de ondas (1. C 4 (0.82 CAPÍTULO 1. T ].3.3.4 Supongamos que los datos iniciales (ϕ. (1.π)) . INTRODUCCIÓN AL NUMÉRICO DE EDP’S De estas dos últimas desigualdades deducimos que 1  k ~v (t) k21. 2 Hemos probado el siguiente resultado: Theorem 1.h + k ~v ′ (t) k2h ≤ Ch4 k u(t) kL∞ (0.9) son tales que la solución u = u(x. ∀t ∈ [0.T . t) satisface  u ∈ C [0. T ]. C 4 ([0. para todo 0 < T < ∞ existe una constante CT > 0 tal que .

.

2 .

.

2 .

.

.

′ .

.

~uh (t) − ~u(t).

+ .

~u′h (t) − ~u (t).

.9).3..3. . problemas no-lineales.4 es sólo uno de los posibles que pueden ser obtenidos mediante el método de la energía.3. Observación 1.3.3. ≤ CT h4 (1. como hemos visto en capítulos anteriores.61).4 • La estimación de error (1. En particular. las demostraciones de con- vergencia de los resultados anteriores están inspiradas en el principio de Lax .18) proporciona una aproximación de orden 2 de la ecuación de ondas (1.3. es un esquema de aproximación de orden 2.5 “Consistencia+Estabilidad=Convergencia”. . donde ~u denota la restricción a los puntos del mallado de la solución de la ecuación de ondas (1. • El resultado del Teorema 1.62) 1.9) y ~uh representa la solución del sistema semi-discreto (1.3. Observación 1.3.3.h h para todo 0 ≤ t ≤ T y todo h > 0.18). el método de la energía puede ser utilizado para probar la convergencia del método bajo hipótesis de regularidad de la solución mucho más débiles que (1.18) es la del laplaciano a través del esquema de tres puntos que.3 la ventaja del método de la energía frente al de descomposición en series de Fourier es que puede ser aplicado en un contexto mucho más amplio: coeficientes variables dependientes del espacio y del tiempo. • Tal y como se observó en la sección 2. Aunque no se haya mencionado explícitamente. Se trata de un resultado natural puesto que la única discretización realizada en el esquema (1.62) garantiza que la ecuación semi-discreta (1.3.3.

64) Por otra parte u1j es una aproximación de u = u(x. (1. t) en el punto (x. La demostración del Teorema 1.1 y 1. Aproximaciones completamente discretas Utilizamos las mismas notaciones que en la sección 2. k ≥ 0 (1. t) = (xj . La consistencia garantiza que los auto- vectores y autovalores del esquema discreto se aproximan a los del continuo. Como u0j es una aproximación de la solución de la ecuación de ondas u = u(x. k ≥ 0 (∆t)2 uk0 = ukM+1 = 0.3. Las demostraciones de los Teoremas 1. j = 1. basada en el método de la energía.4 según el cual la propiedad de convergencia equivale a la de consistencia más la de estabilidad. . . . t) = (xj . .65) .3.3.3.4.3. La estabilidad permite truncar las series de Fourier y reducir el problema a la convergencia de una suma finita (garantizada a su vez por la consistencia) manteniendo un control uniforme en tiempo de la cola de la serie. (1.5 dedicada al estudio de las aproximaciones completamente discretas de la ecuación del calor. j = 1. j j j j Obviamente. LA ECUACIÓN DE ONDAS 83 discutido en la sección 2. 1. La consistencia del esquema garantiza que una solu- ción regular de la ecuación continua es una solución aproximada del sistema semi-discreto con una cota (del orden de O(h2 )) sobre el error de truncamiento. el esquema (1. ∆t). 1. .63)    u0 = ϕ . .3.63) se obtiene aplicando el clásico esquema de tres puntos centrado para aproximar tanto la segunda derivada temporal como espacial.3. M.2 mediante series de Fourier reflejan perfectamente este principio.1. . El esquema completamente discreto más habitual para la aproximación nu- mérica de la ecuación de ondas es el conocido como “leap-frog”:  k+1 k−1  uj −2uk j +uj uk −2uk +uk   = j+1 (∆x)j 2 j−1 . tam- bién refleja esta filosofía. es natural tomar como dato inicial en el esquema discreto para h = 1 ξj = ϕj + ∆tψj = ϕ(xj ) + ∆tψ(xj ). . M .3. Por lo tanto. t) en el punto (x. u1 = ξ .3.3. 0) es natural tener como dato inicial en el nivel k = 0 para el problema discreto u0j = ϕj = ϕ(xj ). Se trata de un esquema de dos pasos por lo que es indispensable para su inicialización dar el valor de la solución discreta {ukj } en los dos primeros niveles temporales k = 0. Comentemos este aspecto brevemente. La estabilidad del esquema se ve reflejada en la propiedad de conservación de la energía para el sistema semi-discreto. por el desarrollo de Taylor.

e. Como decíamos anteriormente. El esquema (1. lo cual queda claramente de manifiesto en la propia expresión de la ecuación de ondas (dos derivadas temporales coinciden con dos derivadas espaciales) o de la energía de la misma.66) Con esta notación el esquema (1.68) . para que (1. INTRODUCCIÓN AL NUMÉRICO DE EDP’S En efecto. por ejemplo. si u = u(x. (1.3.3. el método es consistente de orden y.3. ψ) ∈ H01 (0. si u es suficientemente regular se tiene  u(xj .63) puede ser escrito de la siguiente manera:   uk+1 j = 2ukj − ujk−1 + µ2 ukj+1 − 2ukj + ukj−1 .2. (1. El número de Courant en este caso viene dado por µ = ∆t/∆x. t) es una solución suficientemente regular (de clase C 4 ) de la ecuación de ondas y denotamos mediante ukj sus restricciones a los puntos del mallado. al insertar esos valores en el esquema discreto obtenemos  un error de truncatura del orden de O (∆t)2 (∆x)2 + (∆t)2 . como indicabamos anteriormente.67) que verifica    ujk+1 = 2 ukj − ujk−1 +µ2 ukj+1 −2 ukj + ukj−1 + O (∆t)2 (∆x)2 + (∆t)2 . i.63) es claramente explícito y permite calcular fácilmente el valor de la solución discreta en el paso k + 1 a partir de los valores en los dos pasos anteriores k − 1 y k. (ϕ. Cuando se eligen datos iniciales (ϕ. En este caso en el número de Courant se refleja el hecho de que en la ecuación de ondas las derivadas temporales y espaciales juegan un papel completamente simétrico.65) sea posible es indispensable que tanto ϕ como ψ sean funciones continuas. por consiguiente. (1. Obviamente.3.3.3. π) × L2 (0.3. el esquema es consistente de orden dos puesto que. el valor de ψj = ψ(xj ) puede ser sustituido. ∆t) = u(xj . Es decir ukj es una solución aproximada de (1. En ese caso. ψ) de energía finita. 0) + O (∆t)2 . Por otra parte.65).3. lo cual justifica la elección (1.3.84 CAPÍTULO 1. por una media de ψ entorno al punto x = xj .66) es muy distinto a cómo lo hacen en el caso de la ecuación del calor ((1. 0) + ∆tut (xj .67) Conviene señalar que el modo en que los pasos de espacio y tiempo inter- vienen en la definición del número de Courant µ en (1. la continuidad de ϕ está garantizada pero no la de ψ. π).95)). nos hemos limitado a aplicar el esquema centrado de tres puntos a la hora de discretizar la derivada segunda en tiempo y en espacio.

3. ésta ha de ser simple. LA ECUACIÓN DE ONDAS 85 Sin embargo.70) es un esquema de evolución discreto en tiempo en dos pasos para cada valor de ℓ = 1. en caso de tener alguna raíz de módulo unidad.2.3.26) con h = ∆x) y ρkℓ el coeficiente de Fourier correspondiente en el paso temporal k.3.70) Cada una de las expresiones (1. (1.1. Con el objeto de adaptar este concepto al marco del sistema discreto (1. ρkℓ W (1. En aquél contexto veíamos que la estabilidad necesaria podía garantizarse a través de la condición de la raíz: El polinomio característico del método lineal multi-paso ha de tener todas las raíces de módulo menor o igual que uno y.73) Es lo que se denomina la condición de Courant-Friedrichs-Lewy. . la consistencia del esquema no garantiza su convergencia.71) Sus raíces son q 2 2 − µ2 (∆x)2 λℓ (∆x) ± (2 − µ2 (∆x)2 λℓ (∆x)) − 4 λ± ℓ = .68) conviene utilizar el desarrollo en serie de Fourier. M . . para comprobarlo conviene distinguir dos casos: Caso 1: Autovalores complejos. En efecto. (1.3. W~ ℓ (∆x) denota el ℓ-ésimo autovector de la matriz A∆x de la discretización mediante el esquema de tres puntos del laplaciano ((1. La estabilidad de los métodos multi-paso ha sido ya estudiada en el marco de los sistemas de ecuaciones diferenciales ordinarias.3.3. (1.3. (1. . Aplicando el esquema discreto en la expresión (1. . Así.72) 2 En vista de esta expresión es fácil comprobar que la condición de estabilidad se satisface si y sólo si µ ≤ 1. la solución discreta puede descomponerse como M X ~uk = ~ ℓ (∆x). sino que es necesaria también una propiedad de estabilidad. Esto ocurre cuando 2 2 − µ2 (∆x)λℓ (∆x) − 4 ≤ 0 . Su polinomio característico es en este caso   Pℓ (λ) = λ2 − 2 − µ2 (∆x)2 λℓ (∆x) λ + 1.69) obtenemos ρk+1 ℓ = 2ρkℓ − ρℓk−1 − µ2 (∆x)2 λℓ (∆x)ρkℓ .3. como es habitual.69) ℓ=1 donde.3.

e.86 CAPÍTULO 1. . INTRODUCCIÓN AL NUMÉRICO DE EDP’S i.

.

.

2 − µ2 (∆x)2 λℓ (∆x).

3. λM (∆x) → 4. se deduce la existencia de coeficientes ℓ para los cuales la condición (1.3.3. Estos serán analizados en el segundo caso.3.3. es obvio que la condición (1. en el que (1. como la cota superior en (1. Cuando µ > 1.3. i.74) se verifica siempre y cuando µ ≤ 1. Volviendo al caso µ ≤ 1. a medida que ∆x → 0.74) es violada.75) es óptima.75) para c > 0 adecuado. (1.e. observamos que 2 1 h. ≤ 2.74) Teniendo en cuenta que c(∆x)2 ≤ (∆x)2 λℓ (∆x) ≤ 4 (1.74) se cumple.

.

.

2 .

.

.

.

2 i .

evidentemente. = 1. (1. siempre se cumple. Caso 2: Autovalores reales: Consideremos ahora el caso en que alguno de los autovalores es real. por ejemplo. para el último autovalor λM (∆x).3. esto ocurre. En este caso los dos autovalores λ± ℓ son reales y el de mayor módulo es el que corresponde al signo negativo para el cual se tiene q 2 . en cuanto µ > 1. a condición que h > 0 sea suficientemente pequeño. las raíces son simples siempre y cuando µ > 0. cosa que. λ± ℓ = 2 − µ2 (∆x)2 λℓ (∆x) + 4 − 2 − µ2 (∆x)2 λℓ (∆x) 4 Además. Esto ocurre cuando 2 2 − µ2 (∆x)2 λℓ (∆x) ≥ 4 lo cual exige que µ2 (∆x)2 λℓ (∆x) ≥ 4.76) Tal y como veíamos en el caso 1.

− .

µ2 (∆x)2 λℓ (∆x) − 2 + (2 − µ2 (∆x)2 λℓ (∆x)) − 4 .

λ .

3. De este análisis deducimos que el método lineal multipaso que el método de leap-frog genera en cada uno de los componentes de Fourier del problema discreto es estable si y sólo se verifica la condición µ ≤ 1.63) es un esquema convergente de orden 2 para la ecuación de ondas si y sólo si µ ≤ 1. .3.76). evidentemente. Como consecuencia de este análisis deducimos que Theorem 1. estrictamente mayor que 1 en virtud de (1.3. = ℓ 2 que es.5 El esquema “leap-frog” (1.

” Esto es una condición perfectamente natural e indispensable para que el esquema numérico sea convergente.i (j + k)∆x)] = [x − k∆x. Basta com pro- ceder del mismo modo y utilizar la propiedad de estabilidad del esquema para mantener controladas uniformemente en tiempo las colas de las series truncadas.73) es el relacionado con los dominios de dependencia. a medida que h → 0.3. x + k∆t µ = x − t µ .67) es fácil comprobar que la solución discreta en el punto (x. por medio de la fórmula de d’Alembert.1. En efecto. Volvamos ahora sobre la demostración de Teorema 1.63).3. E k+1 = E k . k∆t) depende del valor de los datos h iniciales en iintervalo h [(j − k)∆x. La prueba de la convergencia del esquema cuando µ ≤ 1 puede realizarse de diversas maneras. divergen. Vemos por tanto que la condición de es- tabilidad µ ≤ 1 del esquema numérico garantiza simplemente que “el dominio de dependencia en el esquema discreto contenga al dominio de dependencia de la ecuación de ondas continua.3. i. t) = (j∆x. que la solución de la ecuación de ondas continua en toda la recta real depende en el punto (x. el esquema numérico ignora información esencial de los datos iniciales para la determinación de la solución del problema continuo y esto hace que la convergencia sea imposible. Esto permite construir fácilmente soluciones en variables separadas para el sistema discreto que. LA ECUACIÓN DE ONDAS 87 Volveremos más adelante sobre la demostración de este resultado.3. La segunda prueba de la convergencia está basada en el método de la energía. Un aspecto muy importante de la condición de estabilidad (1. Para el esquema discreto (1.78)  Para ello basta con multiplicar en la ecuación discreta por 1 2∆t uk+1 j − ujk−1 . ∀k ≥ 0. La primera prueba es la basada en el desarrollo en serie de Fourier.1.3. (1. x + t µ .3. (1. existen componentes de Fourier ℓ para los que el esquema multipaso correspondiente viola la condición de estabilidad. En la sección 1.1 vimos. En primer lugar es fácil comprobar que cuando µ > 1 el esquema diverge. x + t]. en caso de que la condición no se cumpla. t) de los valores de los datos iniciales en el intervalo de depen- dencia [x − t.3.3. x + k∆x] = x − k∆t µ . En este caso la energía de las soluciones en el nivel temporal k viene dada por " # " k+1 #" # M X k+1 k 2 k+1 k k ∆x u j − u j u j+1 − u j u j+1 − u j Ek =  + .77) 2 j=0 ∆t ∆x ∆x No es difícil comprobar que la energía E k se conserva en tiempo para las solu- ciones del problema discreto (1. para verlo basta con utilizar que cuando µ > 1.3.5. No es difícil adaptar la prueba del Teorema 1.e. En efecto.

• El método completamente discreto (1. INTRODUCCIÓN AL NUMÉRICO DE EDP’S y sumar con respecto al índice espacial j. cuando ∆x → 0. No se difícil comprobar que esto último es cierto si y sólo si µ ≤ 1. u1 = ξ . j ∈ Z.5. cosa que no es obvio en su definición. j ∈ Z.80) es convergente si y sólo si µ = ∆t/∆x ≤ 1 Comprobemos como.3. Conviene sin embargo subrayar que. k ≥ 0 (∆t)2 (∆x)2 (1. en vista de la estructura simétrica del esquema de “leap-frog” la discretización introducida de ut es también centrada y simétrica. 1.3. j ∈ Z.3. t ≥ 0 h2 (1. π).79) converge y es de orden 2. el análisis de von Neumann permite detectar las propiedades de estabilidad que estos resultados exigen.79)  u (0) = ϕ . j ∈ Z j j j j •Aproximación completamente discreta:  k+1 k k−1   uj − 2uj + uj ukj+1 − 2ukj + ukj−1 = . Pero la conservación de la energía por si sola no garantiza la estabilidad del método. Esta prueba es análoga a la de la conservación de la energía en la ecuación de ondas continua.3. u′ (0) = ψ .88 CAPÍTULO 1. El análisis de von Neumann En la sección 1. efectivamente. sobre todo en ausencia de condiciones de contorno. Para poder garantizar que se cumple esta propiedad es preciso comprobar que la energía definida una cantidad definida positiva. El procedimiento presentado por el sistema discreto es la versión discreta del método continuo. en la ecuación de ondas multiplicamos la ecuación por ut e integramos con respecto a x ∈ (0.6 veíamos como el análisis de von Neumann permitía ana- lizar con facilidad la estabilidad de los esquemas numéricos de aproximación. j j j j No es difícil adaptar los desarrollos de la sección anterior para probar que: • El método semi-discreto (1.3.1) y sus aproximaciones semi-discreta y completamente discretas siguientes: •Aproximación semi-discreta:   ′′ [2uj − uj+1 − uj−1 ] uj + = 0.80)   u0 = ϕ .3. En efecto.2. . Consideremos pues el problema de Cauchy en toda la recta real para la ecuación de ondas (6.

7 para la ecuación del calor. tal y como indicamos en la sección 1. a(·) está definida como en (1.3. t)| = 0. En el caso completamente discreto. π) ∩ C 1 [0. son de módulo menor o igual a uno y.2.81) y en lo que sigue ′ denota la derivada con respecto al tiempo. En este caso la propiedad de estabilidad se reduce a comprobar que las raíces del polinomio característico de (1.3.3.82) En (1. ∞).140).83).e. para cada valor de θ. • Método completamente discreto: ǔk+1 (θ) − 2ǔk (θ) + ǔk−1 (θ) a(eiθ ) k + ǔ (θ) = 0. π) (1.2. En este caso. t) se obtiene que   d 1 ′ 2 a(eiθ ) 2 |ǔ (θ.70) al utilizar la separación de variables para estudiar la estabilidad del método en el intervalo finito con condiciones de contorno de Dirichlet.3. t) = 0. t)| + |ǔ(θ.9). ∞). i.3. Las ecuaciones que gobiernan su evolución son entonces: • Método semi-discreto: a(eiθ ) ǔ′′ (θ. 2π) (1. t) + ǔ(θ. a(eiθ ) = 2 − eiθ − e−iθ .3. k ≥ 0.1. tal y como lo des- arrollamos en la sección 1. L2 (0.3. LA ECUACIÓN DE ONDAS 89 Con las notacions de la sección 1.3.2. dada la solución de (1. θ ∈ [0. El método de elementos finitos No es difícil de adaptar el método de elementos finitos.3. (1.1. multiplicando por ǔ′ (θ. H01 (0. para cada valor de θ obtenemos un es- quema discreto de dos pasos semejante al que obteníamos en (1. se trata de una raíz simple.6.83) (∆t)2 (∆x)2 En el caso de la ecuación semi-discreta.3. Para hacerlo. al caso de la ecuación de ondas. (1. 2π).6. No es difícil comprobar que esto ocurre si y sólo si µ ≤ 1. en caso de ser de módulo unidad. el espacio de energía natural es   u ∈ C [0.84) . 1.3. conviene en primer lugar dar una formulación variacional de la ecuación de ondas (1. θ ∈ [0.81) (∆x)2 donde.3.80) definimos sus transformada de Fourier w̌(θ.79) o (1. t) o w̌k (θ) respectivamente. t ≥ 0.3. dt 2 2(∆x)2 Esto garantiza la estabilidad del método.

7. t)φx (x)dx = 0. con centro en el punto xj = jh del mallado.85) como una ecuación diferencial clásica que se verifica para cada tiempo t ≥ 0 y cada función test φ ∈ H01 (0. como en la sección 1. . 0 < x < π.3. u′h (x.3.3. ut (x. M dt2 0 0 (1. ∀t > 0. . asociado al mallado de paso h. Obviamente (1. ∞). π).85) han de ser completadas con las condiciones iniciales u(x.87) De esta formulación débil de la ecuación de ondas es fácil obtener las ecua- ciones de la aproximación por elementos finitos. uh (x. .3.3. INTRODUCCIÓN AL NUMÉRICO DE EDP’S y la formulación variacional correspondiente es Z π Z π d2 u(x. 0) = ψh (x). Esto permite inter- pretar (1.x(x.3. (1.3.84) y (1. π) es el espacio de Sobolev dual de H01 (0. ∀φ ∈ H01 (0. π). ψ) en Vh . t)φj (x)dx + uh.84) no garantiza que el primer término de (1.3. Las funciones ϕh y ψh son por otra parte aproximaciones del dato inicial continuo (ϕ. es fácil reescribir el problema . 0) = ψ(x).84) no se deduce que la función 0 u(x.88) junto con las condiciones iniciales.86) donde H −1 (0. (1.84) verifican también que  u ∈ C 2 [0. φj = φj (x) denota la j-ésima función de base del espacio Vh . de dimensión M . t)φ(x)dx sea de clase C 2 con respecto al tiempo. Para ello introducimos el espacio Vh de funciones lineales a trozos y continuas de H01 (0. .85) con cautela puesto que la regularidad indicada en (1.90 CAPÍTULO 1. H −1 (0. 0) = ϕh (x). Vh ) tal que Z π Z π d2 uh (x.89) Aquí y en lo sucesivo. 0 < x < π.3. (1. ∞). Sin embargo lo es puesto que las soluciones de la ecuación de ondas con la propiedad de regularidad (1. π) . La formulación variacional más natural es entonces: Hallar uh ∈ C 2 ([0.x (x)dx = 0. Utilizando la notación vectorial habitual y las matrices de masa y rigidez introducidas en el marco de la ecuación del calor. 0) = ϕ(x). π).3. π). (1. t)φj.85) tenga un sentido clásico Rπ puesto que de (1.3.85) dt2 0 0 Conviene interpretar (1.3.3.2. t)φ(x)dx + ux (x. ∀j = 1.

(1. En efecto. LA ECUACIÓN DE ONDAS 91 como un sistema de M ecuaciones diferenciales lineales de orden 2.3. con M incógnitas: ( Mh~u′′ (t) + Rh ~u(t) = 0. (1. acopladas.1.3. La identidad de energía es también fácil de obtener. coeficientes variables. permiten comprobar que se trata de un método convergente de orden 2. (1.3.91) 3 6 6 h Pero. (1. De (1. tanto los basados en las descomposiciones espectrales como en el método de la energía.90) y teniendo en cuenta que tanto la matriz de masa domo de rigidez son simétricas y definidas positivas la energía correspondiente viene dada por 1 1 Eh (t) = hMh ~u′ (t).90) ~u(0) = ϕ~ h .). (1. · > denota le producto escalar euclideo.18).90) puede reescribirse como   2 ′′ 1 ′′ 1 ′′ 1 h uj (t) + uj+1 (t) + uj−1 (t) = [2uj (t) − uj+1 (t) − uj−1 (t)] . Como es habitual en el método de elementos finitos. ~uh (t)i. geometrías complejas en varias variables espaciales. ~u′ (t)i + hRh ~uh (t).90) proporciona un esquema discreto que también puede interpretarse como una variación del método semi-discreto en diferencias finitas (1. etc. Obtendría- mos entonces: M " . t > 0 ~h . la ventaja del método de elementos finitos reside precisamente no en este hecho sino en su versatilidad para adaptarse a situaciones más complejas donde el método de diferencias finitas es de difícil utilización (problemas no-lineales. en una dimensión espa- cial.3.3. La energía puede también escribirse componente a componente. ~u′ (0) = ψ Los métodos desarrollados en las secciones anteriores.92) 2 2 donde < ·.3.3.3.

.

# h2 X 2 .

.

′ .

.

2 1 ′ .

uj+1 (t) − uj (t) .

2 Eh (t) = ′ u (t) + uj+1 (t)uj (t) + .

.

.

(1.93) 2 j=0 3 j 3 h .3. .

3. multiplicando en (1.3.3. En efecto.3.93) de la energía y con el objeto de comprobar su ca- rácter definido-positivo es conveniente observar que los dos primeros términos del sumatorio pueden agruparse dando lugar al cuadrado perfecto 1 .93) se conserva. En la expresión (1.91) por u′j (t) y sumando en j no es difícil verificar que la energía (1. cuya conservación es también fácil deducir de la escritura del sistema compo- nente a componente como en (1.91).

.

′ .

2 uj+1 (t) + u′j (t).

. 3 .

no es difícil introducir esquemas completamente dis- cretos basados en el método de elementos finitos.3.90) y probado su convergencia. .92 CAPÍTULO 1. Pero el análisis de la convergencia de este método y.3.90). Bastaría por ejemplo utilizar diferencias finitas centradas en la discretización de la segunda derivada temporal de (1. en particular. INTRODUCCIÓN AL NUMÉRICO DE EDP’S Una vez que se ha obtenido el esquema de aproximación semi-discreto (1. de la condición de estabilidad en función del número de Courant queda fuera del contenido de este texto y constituye un excelente ejercicio para que el lector evalúe su dominio de las materias abordadas en estas notas.

El movimiento descrito por la masa es lo que se denomina movimiento ar- mónico simple.0.0. Ocasionalmente utilizaremos también otras notaciones x′ = dx/dt.0. Introduciendo la constante p ω0 = k/m (2. En (2. mx′′ + kx = 0.1) o. (2. Este es precisamente el movimiento asociado a un simple sistema masa-muelle.2) En estas ecuaciones x = x(t) representa la distancia de la masa al punto fijo.4) 93 .0.0.3) el sistema (2.1) y en todo lo que sigue x′ denota la derivada de x con respecto al tiempo. en el que el muelle es el responsable de la aceleración de la masa sujeta al mismo. Las ecuaciones que gobiernan este movimiento son mx′′ = −kx (2.2) puede ser reescrito como x′′ + ω02 x = 0.0.Capítulo 2 Movimiento armónico en una dimensión El modelo más simple de vibraciones es el correspondiente al de una masa puntual desplazándose a lo largo de una linea recta con una aceleración orien- tada hacia un punto fijo y proporcional a la distancia a ese punto. m es la masa de la partícula y k es la constante de rigidez del muelle. (2.

se observa que el movimiento descrito por la masa es puramente oscilante.6) Obviamente. (2. x′ ) describe una elipse de ecuación | x′ |2 +ω02 x2 = cte.0.0.0.9) 2 2 se conserva en tiempo y permite determinar la elipse (2. (2.. como veremos más adelante.8) dt 2 2 Esta identidad confirma que la energía total de la vibración 1 ω2 e(t) = | x′ |2 + 0 | x |2 (2. (2. Habida cuenta que se trata de una ecuación de orden dos en tiempo.10) .7) puede obtenerse fácilmente a través de un argumento de conservación de energía. ω0 su frecuencia y φ la fase inicial del movimiento. jugará un papel importante en el análisis numérico de las ondas.0.94 CAPÍTULO 2. Con el objeto de analizar este nuevo fenómeno de superposición conviene reescribir las soluciones en la forma de exponenciales complejas x1 = A1 ei(ω1 t+φ1 ) .4) por x′ deducimos que   ′′  d 1 ω02 x + ω02 x ′ x = ′ 2 |x | + 2 | x | = 0. El hecho de que la trayectoria quede atrapada en la elipse (2.0. Por otra parte es fácil calcular la amplitud y fase de la nueva oscilación a partir de las dos originales.0.7) en la que la trayec- toria permanece.0. multiplicando en (2.5) en esta expresión en la que A es la amplitud de oscilación. En efecto.0. la trayectoria t → (x.0. dando lugar a un fenómeno que. Es evidente que dos oscilaciones armónicas con la misma frecuencia ω0 que se superponen generan una nueva oscilación armónica de la misma frecuencia. Pero esto deja de ser cierto cuando las frecuencias no son las mismas.7) en el plano de fases. (2. x2 = A2 ei(ω2 t+φ2 ) . (2. las genuinas variables del sistema no son solamente la posición x = x(t) de la masa sino también su velocidad v = x′ = −ω0 A sin(ω0 t + φ). MOVIMIENTO ARMÓNICO EN UNA DIMENSIÓN cuya solución general es x(t) = A cos(ω0 t + φ).

En este último caso.14) A1 cos φ1 + A2 cos(φ2 + ∆ωt) Esto permite interpretar la oscilación obtenida por superposición como un mo- vimiento armónico simple aproximado con frecuencia ω1 y con una amplitud y fase variando lentamente con frecuencia ∆ω/2π. Obtenemos asi el sistema mx′′ + Rx′ + kx = 0. El caso en que ambas frecuencias sean muy próximas es particularmente interesante.13).12) h1 i = A1 eiφ1 + A2 ei(φ2 +∆ωt) eiω1 t = A(t)ei(ω1 t+φ(t)) . Supongamos que ω2 = ω1 + ∆ω. (2. la superposición de estos dos movimientos x = x1 + x2 = A1 ei(ω1 t+φ1 ) + A2 ei(ω2 t+φ2 ) da lugar a un movimiento periódico de frecuencia igual al máximo común divisor de ω1 y ω2 . (2.13) y A1 sin φ1 + A2 sin(φ2 + ∆ωt) tg φ(t) = . Pero en la mayoría de sistemas de origen físico la disipación está presente.0.0.0.0. 95 Cuando el cociente de las dos frecuencias ω1 y ω2 es un número racional. el efecto disipativo consiste en que el movimiento se ve afectado por una fuerza proporcional a la velocidad pero de signo contrario. Cuando el ratio ω1 /ω2 es irracional la superposición de x1 y x2 no tiene ninguna propiedad de periodicidad temporal.0. El resultado de esta vibración es semejante al de una vibración de frecuencia ∆ω/2π modulada a través de la función de amplitud (2. donde q A(t) = A21 + A22 + 2A1 A2 cos(φ1 − φ2 − ∆ωt) (2. por ejemplo. El rozamiento debido al desplazamiento sobre una superficie. . o la resistencia producida por el movimiento en el seno de un fluido viscoso son dos ejemplos claros. La dinámica analizada hasta ahora es puramente conservativa.0.11) Entonces x = x1 + x2 = A ei(ω1 t+φ1 ) + A2 ei(ω2 t+φ2 ) (2. (2.15) donde R es la constante de resistencia mecánica.

0. En este caso λ+ = λ− y por tanto las soluciones fundamentales de (2.0. Las soluciones son por tanto oscilaciones armónicas exponencialmente amortiguadas. depende de manera lineal y creciente de R.0.15): mλ2 + Rλ + k = 0.17) 2m De (2. los autovalores λ± son complejos con parte real −R/2m. .15) viene dada por el autovalor λ+ al que corresponde la solución fundamental con menor decaimiento.0. la elección de la constante disipativa R que maximiza la tasa de decaimiento exponencial es √ R = 2 mk. Conviene también observar que en este rango de valores de R. En este caso la tasa exponencial de decaimiento de la solución general (2. (2.16) Obtenemos las dos raíces √ −R ± R2 − 4mk λ± = (2. para tasas de disipación suficientemente pequeñas. es decir. cuando 0 < R < 2 mk γ(R) =  R − R2 −4mk . la tasa de decaimiento exponencial R/2m. MOVIMIENTO ARMÓNICO EN UNA DIMENSIÓN Es fácil calcular la solución general de (2.0.0. √ ∗ Cuando R > 2 mk los dos autovalores λ± son reales y por tanto las soluciones no oscilan.15) admiten la expresión h √ 2 √ 2 i x(t) = e−Rt/2m α+ ei R −4mkt/2m + α− e−i R −4mkt/2m .15) son x1 (t) = e−Rt/2m y x2 (t) = te−Rt/2m .0. ∗ De este modo la función γ(R) que establece la tasa exponencial de decai- miento toma los valores:  √  2m R . Por tanto.0. √ 2m 2m √ Esta función es creciente cuando 0 < R < 2 mk y decreciente cuando R > √ √ 2 mk y alcanza su máximo cuando R = 2 mk.17) es fácil deducir que: √ ∗ Cuando 0 < R < 2 mk. cuando R > 2√mk. De este modo las soluciones de (2.15) como superposición de las dos soluciones fundamentales obtenidas resolviendo el polinomio característico de (2.96 CAPÍTULO 2.

puesto que la solución fundamental correspondiente presenta un factor multiplicativo t. las ecuaciones de ondas y sus apro- ximaciones numéricas. Por otra parte. Mecánica y otras Ciencias en las que. 2. Recordemos que. cuando nos referimos a la ecuación de ondas.0. la aproximación numérica de las ecuaciones de ondas conduce de manera natural a versiones vectoriales de la ecuación (2. a medida que R → ∞ la tasa de decaimiento tiende a cero. son de naturaleza mucho más com- pleja. Pero puede decirse que la ecuación de ondas es en realidad el análogo de la ecuación (2. Evidentemente. contrariamente a lo que podría indicar- nos una primera intuición. la incógnita es una función escalar u = u(x. · · · .0. 3. en un sentido estricto. La ecuación de ondas se escribe . La ecuación de ondas y sus variantes En esta sección indicamos algunos ejemplos de ecuaciones y sistemas en Derivadas Parciales de la Física.2. 2. xn ) ∈ Rn denota la variable espacial y t ∈ R la temporal.1) del oscilador armónico en un espacio de Hilbert en dimensión infinita. ∗ De este análisis se deduce que.1. LA ECUACIÓN DE ONDAS Y SUS VARIANTES 97 y la tasa óptima correspondiente r R k γ= = . 2m m si bien ésta no se alcanza. En las aplicaciones físicas la dimensión espacial es normalmente n = 1. En la próxima sección analizamos la ecuación de transporte lineal en la que algunas de estas dificultades pueden ya ser vislumbradas.1. De hecho. de un modo u otro.1) en las que los fenómenos aqui descritos son también relevantes. t) donde x = (x1 . El hecho que cuando R √ supera el valor critico 2 mk la tasa de decaimiento empieza a decrecer se denomina fenómeno de sobredisipación (“overdamping”). Surge sin embargo una nueva problemática relativa a la interacción de los diferentes componentes del sistema que se hace más y más compleja a medida que el sistema aumenta de dimensión y se aproxima a la ecuación de ondas original. objetivo de este curso. intervienen los mismos fenómenos ondulatorios que la ecuación de ondas describe. En esta sección hemos estudiado algunos de los aspectos más sencillos del movimiento armónico lineal. normalmente. la tasa exponencial de decaimiento no es una función creciente del coeficiente de disipación R.

supondremos que los coeficientes son constantes (lo cual equivale a suponer que el medio considerado es homogé- neo) y los normalizamos al valor unidad. (2. como es habitual en acústica y en el estudio de las vibraciones.98 CAPÍTULO 2.6) puede también escribirse como (∂t + ∂x ) (∂t − ∂x ) u = 0.1. En efecto. (2. En el ámbito de las frecuencias.1.1. la ecuación de ondas utt − uxx = 0 (2. Para simplificar la presentación en esta sección introduciremos las ecuacio- nes en su forma más sencilla.3) La ecuación de transporte lineal n X ut + bi uxi = 0.4) i=1 y la ecuación de Liouville n X ut − (bi u)xi = 0 (2.1.8) . (2. (2.1. la ecuación de ondas puede también reducirse a la ecuación de Helmholtz −∆u = λu. En particular. mientras que en tres dimensiones espaciales interviene en la propagación del potencial de un campo acústico.1. (2. en una dimensión espacial.1) donde ut = ∂u/∂t denota la derivación temporal con respecto al tiempo y ∆ es al clásico operador de Laplace: Xn ∂2 ∆= .2) i=1 ∂x2i La ecuación de ondas en dimensiones espaciales n = 1 y 2 permite modelizar las pequeñas vibraciones de cuerdas y membranas.1.1. lo cual en este caso no supone ninguna pérdida de generalidad como se puede comprobar mediante una simple dilata- ción/contracción de la variable temporal o espacial.7) o (∂t − ∂x ) (∂t + ∂x ) u = 0.5) i=1 están también intimamente ligadas a la ecuación de ondas. (2. MOVIMIENTO ARMÓNICO EN UNA DIMENSIÓN entonces utt − ∆u = 0.

15) En este caso. (2.1. Conviene también señalar que.1. la ecuación de transporte y de Liouville sólo difieren en un signo. cuando los coeficientes bi son constantes. la incógnita u toma valores complejos. Además puede factorizarse en dos operadores de Schrödinger conjugados ∂t2 + ∆2 = − (i∂t + ∆) (i∂t − ∆) . LA ECUACIÓN DE ONDAS Y SUS VARIANTES 99 o.1.2.1.1.1. el operador de d’Alembert ∂t2 − ∂x2 (2. · · · .14) La ecuación de Schrödinger de la Mecánica Cuántica. diferencia que puede ser eliminada invirtiendo el sentido del tiempo. lo que es lo mismo.1.1.13) y   ut − div ~bu = 0.12) i=1 ∂xi para los operadores gradiente y divergencia y denotando mediante · el produc- to escalar en Rn las ecuaciones de transporte y Liouville se pueden escribir respectivamente como ut + ~b · ∇u = 0 (2.10) Vemos pues que el operador de d’Alembert es la composición de dos operadores de transporte.1. se asemeja a la ecuación de ondas: iut + ∆u = 0. ∂n u) (2. (2. Utilizando las notaciones habituales ∇u = (∂1 u. La ecuación de las placas vibrantes utt + ∆2 u = 0 (2.1. en muchos sentidos. (2.16) es también muy similar a la ecuación de ondas.9) puede factorizarse de las dos siguientes maneras ∂t2 − ∂x2 = (∂t + ∂x ) (∂t − ∂x ) = (∂t − ∂x ) (∂t + ∂x ) .11) Xn ∂ui div ~u = (2. (2.17) . que también interviene en el estudio de fibras ópticas es también una ecuación que.

Las ecuaciones que hemos descrito son lineales y provienen de ecuaciones y sistemas más complejos de la Mecánica. El sistema de Maxwell para las ondas electromagnéticas posee también mu- chas de las características de las ecuaciones de ondas:    Et = rot B Bt = − rot E (2.21) El sistema de Lamé para las vibraciones de un cuerpo tridimensional elástico puede también entenderse como un sistema de ecuaciones de ondas acopladas: utt − λ∆u − (λ + µ)∇ div u = 0. | ∇u |= 1 (2.18) describe las vibraciones de una viga.1.1.1. (2.25) . u2 . (2.23)   div B = div E = 0. Sin embargo.20) utt − ∆u + u = 0 (ecuación de Klein-Gordon).100 CAPÍTULO 2. (2. lo cual las hace válidas sólo para pequeños valores de la incógnita u.1.1. Las siguientes son también variantes de la ecuación de ondas: utt − uxx + d ut = 0 (ecuación del telégrafo). de carácter no-lineal. (2.24) vt = ux . Aquí rot denota el rotacional de un campo de vectores.22) En este caso la incógnita u es un vector de tres componentes u = (u1 . a través de linealizaciones. muchas ecuaciones relevantes que intervienen en el estudio de las ondas tienen un carácter no-lineal.1. MOVIMIENTO ARMÓNICO EN UNA DIMENSIÓN En una dimensión espacial la ecuación ∂t2 + ∂x4 u = 0 (2.19) ut + uxxx = 0 (ecuación de Airy).6) conviene observar que esta última también puede escribirse en la forma de un sistema hiperbólico de ecuaciones de orden uno: ( ut = vx (2.1. u3 ) que describe las deformaciones del cuerpo elástico. Por ejemplo. la ecuación eikonal. Con el objeto de entender la semejanza de este sistema con la ecuación de ondas (2.1.1.

(2.29) div u = 0.27) y da lugar a los célebres solitones. En estos sistemas u denota el campo de velocidades del fluido y p es la presión.2. (2. aunque numerosas. en algún sentido.1.2. Las ecuaciones de Burgers viscosa e inviscida son.28) div u = 0 y las ecuaciones de Euler para fluidos perfectos ( ρut + u · ∇u = ∇p (2. t > 0. versiones unidimensionales de estas ecuaciones ut + uux − uxx = 0.2.1. La fórmula de D’Alembert Consideramos la ecuación de ondas unidimensional (1 − d) en toda la recta real utt − uxx = 0.26) La ecuación de Korteweg-de Vries (KdV) es una versión no-lineal de la ecuación de Airy que permite analizar la propagación de ondas en canales: ut + uux + uxxx = 0 (2.2. (2. x ∈ R. no son más que algunos de los ejemplos más relevantes de ecuaciones en las que intervienen de un modo u otro fenómenos de propagación de ondas y en las que los contenidos que desarrollaremos en este curso resultarán de utilidad. En el contexto de la Mecánica de Fluidos los dos ejemplos más relevantes son sin duda las ecuaciones de Navier-Stokes para un fluido viscoso homogéneo e incompresible ( ρut − ν∆u + u · ∇u = ∇p (2.1. 2.30) ut + uux = 0.1) .1.31) En esta última las soluciones desarrollan ondas de choque en tiempo finito. LA FÓRMULA DE D’ALEMBERT 101 interviene en el cálculo de soluciones de ecuaciones de ondas mediante métodos de la Óptica Geométrica. (2.1. Las ecuaciones que hemos citado. Lo mismo ocurre con ecuación de Hamilton-Jacobi: ut + H(∇u. x) = 0.1.

102 CAPÍTULO 2.1) es uno.4) se reduce entonces a ut + ux = h(x + t).4) la ecuación se escribe como (∂t − ∂x ) v = vt − vx = 0.2) basta observar que el operador de d’Alembert ∂t2 − ∂x2 puede descomponerse del modo siguiente: utt − uxx = (∂t − ∂x ) (∂t + ∂x ) u = 0.1). como u(x.2. t) verifica w′ (t) = h(2t + x0 ) cuya solución es H(2t + x0 ) H(2t + x0 ) w(t) = + w(0) = + u(x0 .2.2.2.2.2) muestra que la velocidad de propagación en el modelo (2. Para comprobar que toda solución de (2. (2. Por lo tanto. 0). según (2.2. (2. (2.3) Introduciendo la variable auxiliar v = (∂t + ∂x ) u.6) La ecuación (2.2) Es fácil comprobar que toda función de la forma (2.2).2.2.2. (2.2. t) = f (x + t) + g(x − t). La fórmula (2.2.2.1) es de la forma (2. (2. las soluciones de (2.5) de modo que v = h(x + t).1) son superpo- sición de ondas de transporte que viajan en el espacio R a velocidad uno a izquierda y derecha. t) = w(t) .2.2.2.2.1) pueden escribirse como super- posición de dos ondas de transporte u(x. En efecto.7) Para su resolución observamos que la función w(t) = u(t + x0 .2) es solución de (2. MOVIMIENTO ARMÓNICO EN UNA DIMENSIÓN D’Alembert observó que las soluciones de (2.2. (2. (2.8) 2 2 donde H es una primitiva de h.

t>0 (2. t) = 0. 0 < x < π. bk = u1 (x) sen(kx)dx.2).2.2. u1 (x) = bk sen(kx).3) π 0 π 0 La solución de (2. t) = + ψ(y)dy (2.3. 0) = u0 (x). t) = + u(x − t. t > 0 u(0. 0) = ϕ(x).11) 2 2 x−t es la única solución de (2.2) k=1 k=1 donde los coeficientes de Fourier vienen dados por las clásicas fórmulas: Z Z 2 π 2 π ak = u0 (x) sen(kx)dx. RESOLUCIÓN DE LA ECUACIÓN DE ONDAS MEDIANTE SERIES DE FOURIER103 con x0 = x − t obtenemos H(x + t) u(x.10) u(x.4) k k=1 .3.3. Es fácil representar las soluciones de (2. Resolución de la ecuación de ondas mediante series de Fourier Consideramos la ecuación de ondas unidimensional (1 − d):    utt − uxx = 0. t) = ak cos(kt) + sen(kt) sen(kx). e identificando los perfiles f y g en función de los datos iniciales ϕ y ψ obtenemos que Z ϕ(x + t) + ϕ(x − t) 1 x+t u(x. 0) = u1 (x).2.3. k ≥ 1.9) 2 lo cual confirma la expresión (2. (2. En efecto.3.1) mediante series de Fourier.2. t > 0 (2. 2.10). t) = u(π. π.3. Se trata de un modelo sencillo para las vibraciones de una cuerda unidimensional flexible de longitud π.1) viene entonces dada por la fórmula X∞   bk u(x. Para ello escribimos el desarrollo de Fourier de los datos iniciales: ∞ X ∞ X u0 (x) = ak sen(kx).3. Esta fórmula permite calcular explícitamente la solución del problem de Cauchy: ( utt − uxx = 0. (2.2).2.1)   u(x. x ∈ R.2. ut (x. fijada en sus extremos x = 0. 0) = ψ(x). 0 < x < π. 0) (2.3. x ∈ R.2. en vista de la expresión (2. (2. ut (x.

3. de las diferentes componentes de Fourier de la solución obtenemos la ley de conservación de la energía de las soluciones de (2. (2. k ≥ 1. t)| dx. al menos.3.9) se deduce efectivamente de la conservación de las energías ek de (2.1): Z 1 πh 2 2 i E(t) = |ux (x.6) por u′k y observar que u′′ ′ k uk = 2 (uk ) y ` ´′ uk u′k = 12 u2k . (2. • Método de la energía: 1 ` ′ 2 ´′ 1 Para comprobarlo basta multiplicar (2. la ley de conservación (2.3. dos modos distintos: • Series de Fourier: Si utilizamos las propiedades clásicas de ortogonalidad de las funciones tri- gonométricas Z π Z π π π sen(kx) sen(jx)dx = δjk . t)| + |ut (x. suma de la energía potencial y de la energía cinética.9) para las soluciones de (2.7) 2 se conserva en tiempo1 Superponiendo cada una de las leyes de conservación de las energías ek .5) k obedece la ecuación del muelle u′′k + k 2 uk = 0.1). Esta ley de conservación de energía puede probarse de.3.3.3. ∀t ≥ 0 (2.8) 2 0 Se trata de la energía total de la vibración.3. (2. .3.3. cos(kx) cos(jx) = δjk .3. (2. Se cumple efectivamente que E(t) = E(0).104 CAPÍTULO 2.7) para cada k ≥ 1.3.6) Para cada una de estas ecuaciones la energía 1 ′  ek (t) = | uk (t) |2 +k 2 | uk (t) |2 (2.10) 0 2 0 2 donde δjk denota la delta de Kronecker. MOVIMIENTO ARMÓNICO EN UNA DIMENSIÓN Conviene observar que la evolución temporal de cada uno de los coeficientes de Fourier bk uk (t) = ak cos(kt) + sen(kt).

1) es la función u = u(x. t) = 0 para x = 0. H = H01 (0.3. Los argumentos anteriores son formales pero la ley de conservación y la estructura de la energía E en (2. con dos incógnitas. π) (2. t). se trata del espacio de Hilbert. . En efecto.3.1). necesariamente también se tiene ut (·. la solución de (2. Z Z π π 1 d 2 utt ut dx = |ut (x. también denominado espacio de energía. π.1).1). Esto es así y se tiene el siguiente resultado de existencia y unicidad: “Para todo par de datos iniciales (u0 . En efecto. como u(·. 0 0 2 dt 0 En la última identidad hemos utilizado la fórmula de integración por partes y las condiciones de contorno de modo que. H01 (0. π). Esto sugiere que H es el espacio natural para resolver el sistema (2. u1 ) ∈ H.1) es una ecuación de orden dos en tiempo es natural escribirla como un sistema de dos ecuaciones de orden uno en tiempo. En este caso el par (u.e. Ahora bien. existe una única solución (u.8) indican en realidad cuál es el espacio natural para resolver la ecuación de ondas. ut ) ∈ C([0. ∞). π) × L2 (0. salvo un factor multiplicativo 1/2 la energía E coin- dice con el cuadrado de la norma H de (u. t)| dx 0 2 dt 0 y Z Z Z π π π 1 d − uxx ut dx = ux uxt dx = |ux (x. t)|2 dx.11) La norma natural en este espacio es h i1/2 Z π  1/2 |(f.3.3.3. i. L2 (0. π).3. (2. ut ).2.9) puede también obtenerse directamente de (2. t) = 0 para x = 0. u0 ∈ H01 (0. 0 Por otra parte.3. ∞).π) + k g k2L2 (0.3.3. Deducimos que la norma en H de la solución2 (u. ut ) se conserva a lo largo del tiempo.3. ut ) puede ser considerado como la solución.1). g)|H = k f k2H 1 (0. RESOLUCIÓN DE LA ECUACIÓN DE ONDAS MEDIANTE SERIES DE FOURIER105 La ley de conservación (2. Basta para ello multiplicar por ut e integrar con respecto a x ∈ (0. Tenemos entonces Z π (utt − uxx ) ut dx = 0. π). Esta solu- ción pertenece por tanto a la clase   u ∈ C [0. π. como (2. ∞).13) 2 En este punto abusamos un tanto de la terminología. (2.π) = fx2 + g 2 dx . π) ∩ C 1 [0. H) de (2. π) y u1 ∈ L2 (0.3.3. lo cual es coherente con el hecho de haber introducido dos datos iniciales en el sistema (2.12) 0 0 Conviene observar que.

3. el hecho de que estos pertenezcan a H01 (0. Cuando n = 2.15) 2 0 4 k=1 Este resultado de existencia y unicidad puede probarse de al menos dos maneras adicionales. En lo que respecta al desarrollo en serie de Fourier (2. ocupa el dominio Ω del plano. Basta para ello utilizar los resultados clásicos sobre la descomposición espectral de la ecuación de Laplace. En este punto la regula- ridad de Ω no es relevante. El mismo tipo de análisis puede ser desarrollado con muy pocas modifica- ciones en el caso de varias dimensiones espaciales.3. π) significa que ∞ X [k 2 |ak |2 + |bk |2 ] < ∞.3. Consideramos entonces la ecuación de ondas    utt − ∆u = 0. t > 0 (2.8) se conserva en el tiempo”. x ∈ Ω.3.3) de los datos iniciales.17) i=1 ∂x2i Para n ≥ 1. Cuando n = 3. Con el objeto de presentar los resultados fundamentales en el caso de varias dimensiones consideramos un abierto Ω de Rn . Con el objeto de desarrollar las soluciones en series de Fourier es. t>0 u = 0.x |2 + |u1 |2 ]dx = [k |ak |2 + |bk |2 ] < ∞. . x ∈ ∂Ω.3. sin embargo.16) es claramente una generalización de la ecuación de la cuer- da vibrante (2.3. 0) = u0 (x). (2. MOVIMIENTO ARMÓNICO EN UNA DIMENSIÓN y la energía correspondiente E(t) de (2. la ecuación (2. importante suponer que Ω es acotado. 0) = u1 (x). desde un punto de vista matemático.16)   u(x.3. (2. además del método de series de Fourier que acabamos de desarrollar: • la teoría de semigrupos.14) k=1 De hecho Z ∞ 1 π πX 2 E(0) = [|u0. (2.3.3. π) × L2 (0.106 CAPÍTULO 2.3.16) puede tratarse de modo semejante en cualquier dimensión espacial. (2.3. (2. ut (x. en reposo. • el método de Galerkin.3. Sin em- bargo.16) describe la propagación de la presión de las ondas acústicas. x ∈ Ω.1).16) es un modelo para las vibraciones de una membrana que. Aquí y en lo sucesivo ∆ denota el clásico operador de Laplace n X ∂2u ∆u = . n ≥ 1. (2.2)-(2.

(2. (2.16) como lo hicimos en una variable espacial.19) Ω De acuerdo a (2. El primero de los autovalores es simple. (2. RESOLUCIÓN DE LA ECUACIÓN DE ONDAS MEDIANTE SERIES DE FOURIER107 Consideramos ahora el problema espectral: ( −∆ϕ = λϕ en Ω (2.20) Ω Ω De este modo se deduce que las autofunciones son también ortogonales en  p H01 (Ω).3.3.3. en particular.3.3. Más concretamente.3. la sucesión ϕj / λj j≥1 constituye una base or- tonormal de H01 (Ω). Es habitual repetir el resto de acuerdo a su multiplicidad.3.18) ϕ=0 en ∂Ω.18) correspondiente a λk por ϕj e integrando en Ω. u1 (x) = bk ϕk (x). existe una sucesión de autofunciones {ϕj }j≥1 .16) del modo siguiente ∞ X ∞ X u0 (x) = ak ϕk (x).3.3. Es decir. Es bien sabido (véase [2] o [8].18) constituyen una sucesión creciente de números positivos que tiende a infinito 0 < λ1 < λ2 ≤ λ3 ≤ · · · ≤ λn ≤ · · · → ∞. De este modo. se tiene.19). Z ϕj ϕk dx = δjk . Utilizando esta base de funciones propias del Laplaciano podemos resolver la ecuación de ondas (2.3. Para ello desarrollamos los datos iniciales (u0 . donde ϕj es una autofunción asociada al autovalor λj .22) k=1 Observamos entonces que los coeficientes {uk } han de resolver la ecuación dife- rencial: u′′k (t) + λk uk (t) = 0. por ejemplo) que los autovalores {λj }j≥1 de (2. u1 ) de (2. uk (0) = ak .3. multiplicando la ecuación (2. u′k (0) = bk .21) k=1 k=1 Buscamos entonces la solución u de (2. que constituye una base ortonormal de L2 (Ω).3.23) . t) = uk (t)ϕk (x).2. (2. (2.3. gracias a la fórmula de Green obtenemos que Z Z ∇ϕj · ∇ϕk dx = λj ϕj ϕk dx = λj δjk = λk δjk . t > 0.16) en la forma ∞ X u(x.

24) λk De este modo obtenemos que la solución u de (2.3.e. La energía de las soluciones de (2.16) admite la expresión X∞  p  p  bk u(x. Basta para ello conocer la descomposición espectral del Laplaciano con condiciones de Dirichlet (2.25) k=1 λk La similitud de la expresión (2. existe una única solución (u. H).3. el hecho que u sea solución con la regularidad (2.3.3.3. ut ) ∈ C([0.26) π Con estos datos las expresiones (2. En realidad (2.4) es un caso particular de (2. (2. ∞).3. ∞).3. ϕk (x) = sen(kx).16).3.3. Acabamos de ver cómo se puede aplicar el método de Fourier para la re- solución de la ecuación de ondas. Basta observar que cuando Ω = (0. junto con la propiedad del operador de Laplace con condiciones de contono de Dirichlet de constituir un isomorfismo  de H01 (Ω) en H −1 (Ω).4) y (2. El método de Fourier puede ser adaptado a muchas otras situaciones: .3.16) tiene sentido para cada t > 0 en el espacio H −1 (Ω). i.25) del caso general es evidente. La energía E(t) en (2. ∞).3. k ≥ 1.28). (2.18).27) 2 Ω y también se conserva en tiempo. MOVIMIENTO ARMÓNICO EN UNA DIMENSIÓN de modo que p  bk p  uk (t) = ak cos λk t + √ sen λk t . permite deducir que u ∈ C 2 [0.25).25) coinciden efectivamente.27) es constante en tiempo”.3.   u ∈ C [0.3.3. t)|2 dx (2. De este modo se concluye que la ecuación (2. El espectro es por tanto explícito: r 2 2 λk = k . u1 ) ∈ H01 (Ω)×L2 (Ω). (2. (2. L2 (Ω) . Conviene también señalar que. ∞). el problema de autovalores para el Laplaciano se convierte en un problema clásico de Sturm- Liouville. En este caso el resultado básico de existencia y unicidad de soluciones dice que: “Si (u0 . H −1 (Ω) .16) es en este caso Z h i 1 E(t) = | ∇u(x.108 CAPÍTULO 2.3. H01 (Ω) ∩ C 1 [0. t) |2 + |ut (x.3. si bien la regularidad (2. Nuevamente la energía es proporcional al cuadrado de la norma en el espacio de la energía H = H01 (Ω) × L2 (Ω).28) de las soluciones débiles permite interpretar la ecuación de ondas en un sentido débil.28) de (2. t) = ak cos λk t + √ sen λk t ϕk (x). π).4) del caso de una dimensión espacial con la fórmula (2.3.3.3. k ≥ 1.

2. Vimos asimismo que la energía Z 1   E(t) = | ∇u(x. t) |2 + | ut (x. etc. (2. t) |2 dx. a(x) ≥ a0 . 2. los métodos de Galerkin y la teoría de semi-grupos se muestran mucho más flexibles y útiles.1) k=1 λk siendo {ϕk }k>1 y {λk }k>1 las autofunciones y autovalores del Laplaciano. Co- mo vimos. SERIES DE FOURIER COMO MÉTODO NUMÉRICO 109 • Condiciones de contorno de Neumann.4. (2.t. • Ecuaciones más generales con coeficientes dependientes de x de la forma: ρ(x)utt − div(a(x)∇u) + q(x)u = 0. Series de Fourier como método numérico En la sección anterior hemos visto que la ecuación de ondas puede ser resuelta mediante series de Fourier obteniéndose la expresión ∞  X p  p  bk u(x.4) . x ∈ Ω. La energía inicial de las soluciones viene dada por ∞ 1 X  E(0) = | λk ak |2 + | bk |2 . En particular no permite abordar ecuaciones no lineales.4. la hipótesis de que los datos iniciales sean de energía finita (u0 . (2. En estos últimos casos.2) 2 Ω se conserva a lo largo de las trayectorias. con coeficientes que dependen de x y t. (2. donde ρ. p. a0 > 0 tales que ρ(x) ≥ ρ0 .e. existen ρ0 . o mixtas en las que la condición de Dirichlet y Neumann se satisfacen en subconjuntos complementarios de la frontera. es conveniente elegir {ϕk }k>1 de modo que constituyan una base ortonormal de L2 (Ω).c.4. a y q son funciones medibles y acotadas y ρ y a son uniformemente positivas. i. t) = ak cos λk t + √ sen λk t ϕk (x). u1 ) ∈ H01 (Ω) × L2 (Ω). Pero es cierto también que el método de Fourier tiene sus limitaciones.4.3) 2 k=1 Así.4.4.

4. por las sumas parciales de la serie: N  X p  p  bk uN (x.4.5) proporciona.4.6) k>N +1 λk Teniendo en cuenta que Z ( 0.110 CAPÍTULO 2. si k = j. En vista del desarrollo en serie (2.4. Para compro- barlo consideremos el resto X  p  bk p  εN = u − u N = ak cos λk t + √ sen λk t ϕk (x). {bk }k>1 pertenezcan al espacio de las sucesiones de cuadrado sumable ℓ2 . MOVIMIENTO ARMÓNICO EN UNA DIMENSIÓN  √ es equivalente a que las sucesiones ak λk k>1 . una aproxima- ción de la solución u representada en la serie de Fourier (2. efectivamente. simplemente. t) = ak cos λk t + √ sen λk t ϕk (x). (2. es fácil comprobar que .5) k=1 λk La suma finita de uN en (2.1). (2. parece natural cons- truir un método numérico en el que la aproximación venga dada.1) de las soluciones. si k = 6 j ∇ϕk · ∇ϕj dx = Ω λk .4.

.

.

.

2 X h p  bk p  i2 .

.

.

.

.

.

∇εN (t).

.

7) deducimos que  uN (t) → u(t) en C [0. cuando los datos iniciales están en el espa- cio de la energía H01 (Ω) × L2 (Ω). en virtud de (2. Cabe por tanto preguntarse sobre la tasa o velocidad de la convergencia. k>N +1 Como la serie (2.9) De (2.7) L (Ω) k>N +1 λk X   6 2 λk | ak |2 + | bk |2 .9) deducimos que. ∞). las sumas parciales (2. uniformemente en tiempo t > 0.4.4.4.4. 2 = λk ak cos λk t + √ sen λk t (2.8) cuando N → ∞.8)-(2.4.3) de la energía inicial es convergente.4. ∞). L2 (Ω) .t → ut (t) en C [0. El mismo argumento permite probar que  uN. El argumento anterior no proporciona ninguna información en este sentido puesto .4. (2. H01 (Ω) .5) proporcionan una aproximación eficaz de la solución en dicho espacio. (2.4.

u1 ) ∈ H 2 ∩ H01 (Ω) × H01 (Ω). el que u1 ∈ H01 (Ω) se caracteriza porque sus coeficientes de Fourier (bk )k>1 satisfacen ∞ X λk | bk |2 < ∞. SERIES DE FOURIER COMO MÉTODO NUMÉRICO 111 que la mera convergencia de la serie (2.4. se tiene Z ( 0 si k 6= j ∆ϕk ∆ϕj dx = (2.4.11) k>1 En efecto.4.4.4.4. (2.10) En este caso tenemos Xh i λ2k | ak |2 +λk | bk |2 < ∞. Por otra parte. (2. Con el objeto de obtener tasas de convergencia es necesario hacer hipótesis adicionales sobre los datos iniciales. (2. k ∆ϕ kL2 (Ω) define una norma equivalente a la inducida por H 2 (Ω) en el subespacio 3 H 2 ∩ H01 (Ω).12) k>1 Por otra parte. tal y como veíamos anteriormente en el caso de u0 .2.13) Ω λ2 k si k = j. Deducimos por tanto que . Supongamos por ejemplo que h i (u0 .3) no permite decir nada sobre la velocidad de convergencia de sus sumas parciales.

.

.

.

2 X .

.

.

.

2 .

.

∆u0 .

.

de este modo. 2 = λ2k |ak | (2. efectivamente. volviendo a (2. observamos que.14) L (Ω) k>1 y.11) proporciona sobre los coeficientes de Fourier permite obtener tasas de convergencia de uN hacia u en el espacio de la energía. Por ejemplo.4. usando el hecho de que {λj } es creciente. .11) converge.4.4. La información adicional que (2.7) tenemos.4. la serie (2.

.

.

.

2 X h i .

.

.

.

2 2 .

.

∇εN (t).

.

2 6 2 λk |ak | + |bk | L (Ω) k>N +1 X 1 h 2 2 2 i 6 2 λk |ak | + λk |bk | λk k>N +1 2 X h 2 2 i 6 λ2k |ak | + λk |bk | λN +1 k>N +1 C .

.

.

.

.

.

2 .

.

6 .

.

(u0 . u1 ) .

.

λN +1 H ∩H0 (Ω)×H01 (Ω) 3 Eneste punto ultilizamos el resultado clásico de regularidad de las soluciones del problema de Dirichlet para el Laplaciano que garantiza que. entonces la solución pertenece a H 2 ∩ H01 (Ω). 2 1 . si el dominio es de clase C 2 y el segundo miembro está en L2 (Ω). .

t en L2 (Ω). MOVIMIENTO ARMÓNICO EN UNA DIMENSIÓN El mismo argumento puede ser utilizado para estimar la norma de εN. De este modo deducimos que C .112 CAPÍTULO 2.

.

.

.

.

.

.

.

∞ (0. L2 (Ω)) ≤ p . H 1 (Ω))∩W 1. k u−uN kL∞ (0.∞.∞.

.

u1 ) . (u0 .

.

16) donde c(Ω) es una constante positiva que depende del dominio y n es la dimen- sión espacial4 . en una dimensión espacial n = 1. en ese caso no disponemos de la expresión explícita de las autofunciones y autovalores y su aproximación numérica es un problema tan complejo como el de la propia aproximación de la ecuación de ondas. entonces.4.15) y (2.3. . En efecto.4. cuando la ecuación es no-lineal o tiene coeficientes que dependen de (x.15) Esta desigualdad proporciona estimaciones explícitas sobre la velocidad de con- vergencia. En efecto. λk = k 2 . Bastaría para ello con utilizar una fórmula de cuadratura para aproximar el valor (2. se puede establecer una estimación sobre la velocidad de convergencia de la aproximación que las sumas parciales del desarrollo en serie de Fourier proporcionan a la solución de la ecuación de ondas. u1 ) ∈ H 2 ∩ H01 (Ω) × H01 (Ω) realizada sobre los datos inicia- les es sólo una de las posibles. En efecto. 0 λN +1 H ∩H0 (Ω)×H01 (Ω) (2.3) de los coeficientes de Fourier.16) coincide con lo que se observa en la expresión explícita del espectro. 4 Es obvio que. la expresión asintótica en (2. al disponer de la expresión explícita de las autofunciones ϕk y autovalores de λk . la aproximación uN puede calcularse de manera totalmente explícita. recordemos que. El método de Fourier es sin embargo mucho menos eficaz en varias dimen- siones espaciales.4. Combinando (2. Este método de aproximación lo denominaremos método de Fourier. La hipótesis (u0 .4. uniformemente en tiempo t > 0. con un orden de O N −1/n . 2 1 .4. t). Otro de los inconvenientes del método de Fourier es que. cuando los datos iniciales son más regulares que lo que el espacio de la energía exige y veri- fican las condiciones de compatibilidad adecuadas en relación a las condiciones de contorno. π). cuando Ω = (0. Se trata de un método de aproximación sumamente útil en una dimensión espacial puesto que.16) obtenemos que uN converge a u en el espacio  de la energía. por ejemplo. el clásico Teorema de Weyl sobre la distribución asintótica de los autovalores del Laplaciano asegura que λN ∼ c(Ω)N 2/n . De manera general puede decirse que. N → ∞ (2. ya no se puede obtener una expresión explícita de la solución en serie de Fourier y por tanto tampoco de sus aproximaciones.

2. que serán el objeto central de este curso. . En este marco destacan los métodos de diferencias y elementos finitos. SERIES DE FOURIER COMO MÉTODO NUMÉRICO 113 Es por eso que el método de Fourier tiene una utilidad limitada y que pre- cisamos de métodos más sistemáticos y robustos que funcionen no sólo en casos particulares sino para amplias clases de ecuaciones.4.

1) incorpora un término disipativo. con una constante de proporcionalidad a que supondremos positiva. La fuerza aplicada es proporcional a la velocidad ut . (2.5.5.5. ∞) (2.5. ∞) u=0 en ∂Ω × (0.5.5. ut < 0) la fuerza aplicada es negativa (resp. En esta sección vamos a describir cómo se puede utilizar este método para analizar propiedades cualitativas de ecuaciones de ondas perturbadas. La manera más natural de interpretar el efecto del término añadido aut es reescribir la ecuación como utt − ∆u = −aut . positiva). La ecuación de ondas disipativa Hemos visto cómo el método de Fourier permite representar explícitamente las soluciones de la ecuación de ondas y que proporciona en sí un método numé- rico de aproximación de las mismas. Suponemos que Ω es un abierto acotado de Rn con n > 1 y que la constante a es positiva: a > 0. u1 (x) = bk ϕk (x). Para ello consideremos el caso de la ecuación de ondas disipativa:    utt − ∆u + aut = 0 en Ω × (0. 0) = u0 (x). ϕk = 0 en ∂Ω. se observa que la fuerza aplicada es de signo contrario a la velocidad de modo que cuando ut > 0 (resp. (2. (2. La ecuación de ondas (2.5) k=1 . x ∈ Ω. Para representar las soluciones en series de Fourier desarrollamos en primer lugar los datos iniciales: ∞ X ∞ X u0 (x) = ak ϕk (x).3) k=1 k=1 Aquí y en lo que sigue {ϕk }k>1 : −∆ϕk = λk ϕk en Ω.1) de la forma ∞ X u(x.1)   u(x.2) En esta expresión se observa que −aut representa una fuerza que actúa en el dominio Ω en cada instante de tiempo.5. 0) = u1 (x) en Ω. Por último. t) = uk (t)ϕk (x) (2.114 CAPÍTULO 2. ut (x. MOVIMIENTO ARMÓNICO EN UNA DIMENSIÓN 2.4) Buscamos entonces una solución de (2.5.

(2. i.14) 2 Ω Es fácil comprobar que la energía E es decreciente.5.5.5. (2.5.5. (2. La solución de (2.6) uk (0) = ak . t)|2 dx.5) de (2.5. t>0 (2. (2.5.5. t)|2 dx. multiplicando por ut en la ecuación (2.15) dt Ω .6) es de la forma √ √ −a+ a2 −4λk −a− a2 −4λk t t uk (t) = α+ e 2 + α− e 2 (2. Para ello basta cal- cular las raíces del polinomio característico µ2 + λk + aµ = 0. u′k (0) = bk .5.9) donde las constantes α− y α+ son tales que los datos iniciales de (2.5.6) puede calcularse explícitamente. t)|2 + |ut (x.8) 2 La solución de (2.5.6) se verifican. la solución es de la forma uk (t) = αe−at/2 + βte−at/2 .2.1) obtenemos la fórmula de disipación de la energía: Z dE (t) = −a |ut (x. (2.5. − α + β = b k . LA ECUACIÓN DE ONDAS DISIPATIVA 115 con uk = uk (t) solución de ( u′′k + λk uk + au′k = 0.10) 2  −a+ a −4λk α − a+ a −4λk α = b .1).e. cuando a2 = 4λk .5. 2 2 + 2 − k Esto es así cuando a2 6= 4λk . (2. En efecto.5. Para ello es conveniente analizar la evolución temporal de la energía: Z h i 1 E(t) = |∇u(x.5.12) donde las constantes α y β son tales que se verifican los datos iniciales: a α = ak . (2.5.13) 2 A partir de estas expresiones es fácil deducir cuál es el comportamiento cualitativo de las soluciones (2.   α+ + “α− = ak ” √ √ (2.7) que vienen dadas por √ −a ± a2 − 4λk µ± = .5.11) En caso contrario.

En efecto: 1h ′ i ∞ X ∞ X E(t) = ek (t) = |uk (t)|2 + λk |uk (t)|2 . Recordemos que.5.5.15) en sí misma no proporciona información precisa sobre el modo en que las soluciones decrecen.5. (2. El caso crítico a2 = 4λk será considerado más adelante. cuando a2 > 4λk 2 ωk = (2.5. efectivamente.116 CAPÍTULO 2.9) se cumple (obsérvese que {λk }k>1 es un conjunto numerable y que. en el caso genérico en el que (2.20)  a 2 .5. (2.21) con ωk = a/2.22) .11) se cumple) de la expresión (2.5.5.5. por tanto. por las propiedades de ortogonalidad de las autofunciones {ϕk }k>1 en L2 (Ω) y H01 (Ω). cuando a 2 < 4λk . Este análisis exige la utilización de las series de Fourier.11) no se cumple tenemos un resultado ligeramente distinto ek (t) 6 Cek (0)te−ωk t . (2.18) 2 k=1 k=1 Ahora bien. la energía decrece en el tiempo. (2. Pero la identidad (2.5.5.5.5. para casi todo a > 0 la condición (2.19) donde C es una constante positiva independiente de k y de la solución y ωk es la tasa exponencial de decaimiento de la k−ésima componente de Fourier que viene dada por  √  a− a2 −4λk . MOVIMIENTO ARMÓNICO EN UNA DIMENSIÓN De esta identidad deducimos que.17) 2 para la energía de cada una de las componentes de Fourier.9) deducimos que ek (t) es una función con un decaimiento exponencial que satisface ek (t) 6 Cek (0)e−ωk t (2. En el caso en que la condición (2.16) 2 k=1 Introducimos la notación 1h ′ i ek (t) = |uk (t)|2 + λk |uk (t)|2 (2. tenemos 1 Xh ′ i ∞ E(t) = |uk (t)|2 + λk |uk (t)|2 .

18) deducimos que E(t) 6 CE(0)e−ωt . A partir del valor (2. la tasa de decaimiento comienza a decrecer.24)  a− a2 −4λ1 si a2 > 4λ1 .28) del potencial disipativo y a partir de ese momento.5.28) del potencial disipativo.5.5. ni tiende a infinito cuando a ր ∞ sino que. 2 teniendo en cuenta también que en el caso crítico en que a2 = 4λ1 .25) se cumple.5. la cantidad de disipación que el sistema (2.1) puede soportar se satura cuando se alcanza el valor crítico (2.5. contrariamente a lo que una primera intuición podría sugerir. (2.25) tenemos un decaimiento ligeramente inferior a E(t) 6 CE(0)te− 2 t . el decaimiento empeora.5. no es una función monótona creciente del potencial disipativo a.5. la tasa de decaimiento de las soluciones.5.5. (2. Esto es lo que se conoce como fenómeno de sobredisipación (“overdamping”en inglés). (2.5.27) que al potencial disipativo a le asocia la tasa exponencial de decaimiento de la energía de las soluciones tiene las siguientes propiedades: √ ∗ ω(a) crece linealmente para a ∈ [0.2. ω = ω(a) = √ (2.5. para el potencial disipativo p a = 2 λ1 .23) con   a 2 si a2 < 4λ1 . 2 λ1 ].28) En particular vemos que.5. (2. ∗ ω(a) ց 0 cuando a ր ∞. ω(a).26) En cualquier caso vemos que la función a → ω(a) (2. ∗ El máximo de ω(a) se alcanza cuando (2. para mayores valores de a. LA ECUACIÓN DE ONDAS DISIPATIVA 117 Combinando estos resultados sobre el decaimiento de cada componente de Fou- rier y (2. . es decir. √ ∗ ω(a) decrece cuando a > 2 λ1 .

Este fenómeno de sobredisipación no ocurre en otros modelos más sencillos. 0) = u0 (x) en Ω.30)   u(x.20) muestran que.5. ambas lo hacen a través del acoplamiento del sistema pero sin que se pueda evitar el fenómeno de sobredisipación. Pero esto no es así. Vemos pues que en este caso la tasa de decaimiento aumenta de manera lineal con el potencial disipativo. ∞) (2.29) entonces la energía de las soluciones decrece con una tasa exponencial a/2.5. Las expresiones (2. ∞).5. Esto se pone claramente de manifiesto cuando escribimos la ecuación de ondas (2.32) vt = ∆u − av. ∀t > 0 (2.5.5. Qué es lo que distingue la ecuación de ondas de la del calor y hace que en la primera se produzca un fenómeno de sobredisipación? La respuesta es sencilla: La ecuación de ondas es de orden dos en tiempo y sus genuinas incógnitas son u y ut .32) se desprende que la primera componente u no se disipa. Tenemos ( ut = v (2.5. Un solo potencial disipativo es incapaz de aumentar arbitrariamente la tasa de decaimiento.5.32) vemos que el potencial a disipa efectivamente la segunda componente v = ut del sistema. lo que es lo mismo. Uno podría pensar que de (2. a pesar de que de manera global el fenómeno de sobredisipación se produce. MOVIMIENTO ARMÓNICO EN UNA DIMENSIÓN Pero ésto es así cuando se consideran globalmente todas las posibles solucio- nes de (2.5. utilizando su desarrollo en serie de Fourier es muy fácil probar que (λ1 +a) k u(t) kL2 (Ω) 6 e− 2 t k u0 kL2 (Ω) . . las altas frecuencias si que presentan un comportamiento más acorde con la intuición de modo que su tasa de decaimiento aumenta linealmente con el potencial disipativo a. En la segunda ecuación de (2. si se consideran únicamente las altas frecuencias de Fourier correspondientes a autovalores que satisfacen 4λk > a2 . se tienen en cuenta todas las componentes de Fourier de la solución.1) en forma de sistema.9) y (2. Por ejemplo.31) para toda solución y todo potencial disipativo a.  u=0 en ∂Ω × (0.5. (2. si consideramos la ecuación del calor   ut − ∆u + au = 0 en Ω × (0.118 CAPÍTULO 2.1) o.5. Por tanto.

38) cada componente de Fourier decae con una tasa exponencial a ωkb (a) = − .5. (2. (2.2. (2. (2. En este caso la energía del sistema es Z h i 1 Eb (t) = |ut (x.35) dt Ω El análisis de Fourier proporciona una expresión de las soluciones de (2. Un análisis análogo permite describir el modo en que el espectro de la ecua- ción de ondas se convierte en el del calor a lo largo de la familia uniparamétrica de ecuaciones: εutt − ∆u + ut = 0.5.5.37) 2 De este modo vemos que.5. se observa que. t)|2 + bu2 (x.33)   u(0) = u0 . ut (0) = u1 en Ω.34) 2 Ω y satisface Z dEb (t) = −a u2t (x.5. (2. si tomamos b > 0 suficientemente grande de modo que a2 < 4(λ1 + b) (2. ahora. ∞)  u=0 en ∂Ω × (0. Utilizamos dos potenciales distintos a > 0 y b > 0 que afecten tanto la componente ut como u. t)|2 + |∇u(x. se obtiene la ecuación del calor: ut − ∆u = 0.5. cada coeficiente de Fourier es solución de u′′k + (λk + b)u + au′ = 0.5. t)dx. LA ECUACIÓN DE ONDAS DISIPATIVA 119 El remedio parece entonces sencillo. t) dx (2.5.5) donde.5. para cualquier a > 0. en el límite cuando ε → 0. ∞) (2.36) las raíces del polinomio característico son ahora p −a ± a2 − 4(λk + b) µb± = . Llegamos así al sistema:   utt − ∆u + aut + bu = 0 en Ω × (0.5.33) de la forma (2.39) En efecto.40) .5.38) se puede garantizar que la energía Eb satisface a Eb (t) 6 CEb (0)e− 2 t evitándose así el fenómeno de sobredisipación. 2 Vemos pues que eligiendo b de acuerdo a (2.5.

esencialmente localizado a lo largo de una recta vertical del plano complejo se convierte en un espectro localizado en el semieje real negativo. .120 CAPÍTULO 2. El hecho de que el orden del sistema pase de ser dos a ser uno también queda de manifiesto en este proceso límite puesto que la mitad de los autovalores de la ecuación de ondas se desvanecen tendiendo a menos infinito. MOVIMIENTO ARMÓNICO EN UNA DIMENSIÓN Es interesante analizar cómo el espectro de la ecuación de ondas disipativa.

1) tomemos dos datos iniciales u0 y u1 para u y ut respectivamente. que supondremos acotado para simplificar la presentación.6. (2. pues U se trataría del vector columna ut si bien. .2.2) puede escribirse formalmente como5 Ut = AU (2. una definición rigurosa de operador exige no solamente que indiquemos el modo en que actúa sino también su dominio. ut ).6. n > 1.2) vt = ∆u. Teoría de Semigrupos En las secciones anteriores hemos descrito cómo la ecuación de ondas puede ser resuelta mediante series de Fourier.6. este método carece de la generalidad que desearíamos puesto que no permite analizar ecuaciones con coeficientes dependientes de (x. En efecto.3)-(2. ∞) (2.4) ∆ 0 siendo I el operador identidad y ∆ el operador de Laplace. si bien esta hipótesis no es en absoluto esencial.6. ut (x.6. esto explica que en (4.1)   u(x. lo cual coincide con nuestra intuición según la cual la verdadera incógnita no es sólamente la posición u sino también la velocidad ut . ∞) u=0 en ∂Ω × (0. tal y como señalamos.4) es puramente formal. En esta sección vamos a indicar el modo en que la ecuación de ondas puede enmarcarse en el contexto de la teoría de semigrupos que se muestra mucho más flexible a la hora de abordar sus variantes. como es bien sabido. Sin embargo. De este modo la incógnita genuina del sistema es el par U = (u. donde Ω es un abierto de Rn . TEORÍA DE SEMIGRUPOS 121 2. Por otra parte. ecuaciones no-lineales. En la variable vectorial U el sistema (2. etc. en el marco de los espacios de Hilbert (o de Banach) de dimensión infinita.6.3) donde A es el operador lineal ! 0 I A= .6. Conviene escribir la ecuación de ondas como un sistema de orden uno: ( ut = v (2. 0) = u1 (x) en Ω. t). 5 En `u´ este punto abusamos de la notación. v) = (u. 0) = u0 . Consideremos pues la ecuación de ondas    utt − ∆u = 0 en Ω × (0. Pero la escritura (2.6. para simplificar la escritura a veces lo escribiremos como vector fila.6.

5) La elección de este espacio es efectivamente natural en vista de los siguientes hechos: • La energía Z h i 1 E(t) = | ∇u(x.122 CAPÍTULO 2. lo cual puede ser comprobado formalmente multi- plicando la ecuación de ondas por ut e integrando en Ω. t) |2 dx (2.6) 2 Ω se conserva en tiempo. la manera más natural de interpretar esta condición es exigir que u ∈ H01 (Ω). t) |2 + | ut (x. (2. efectivamente. • La condición de contorno de Dirichlet. Es bien conocido que. en el marco del espacio de Sobolev H 1 . La conservación de la energía sugiere que. MOVIMIENTO ARMÓNICO EN UNA DIMENSIÓN Como habíamos indicado anteriormente. u = 0 en ∂Ω. es natural buscar soluciones tales que u ∈ H 1 (Ω) y ut ∈ L2 (Ω).6. El espacio de la energía H es un espacio de Hilbert dotado de la norma: h.6. sugiere la necesidad de buscar soluciones que se anulen en la frontera. el espacio natural para resolver la ecuación de ondas es el espacio de Hilbert H = H01 (Ω) × L2 (Ω).

.

.

.

2 .

.

.

.

2 i1/2 .

.

.

.

.

.

.

.

g) kH = . k (f.

.

f .

.

1 + .

.

g .

.

las normas k · kL2 (Ω) .6. k · kH01 (Ω) están definidas de la manera usual6 : . . (2.7) H0 (Ω)2 L (Ω) Por otra parte.

.

.

.

hZ i1/2 .

.

.

.

hZ i1/2 .

.

.

.

2 .

.

.

.

.

.

f .

.

1 = | ∇f | dx . .

.

g .

.

si no lo fuese (o si.8) fuese equivalente a la inducida por H 1 (Ω) sobre el subespacio H01 (Ω). v) ∈ H01 (Ω) × L2 (Ω) : v ∈ H01 (Ω). (2. En efecto. si Ω no fuese acotado en una dirección) no se podría garantizar que la desigualdad de Poincaré se verifica.8) H0 (Ω) Ω L (Ω) Ω Definimos el operador A como un operador lineal no-acotado en H.6.9)  = (u. lo cual a su vez no permitiría garantizar que la norma definida en (2. 6 En este punto utilizamos implícitamente el hecho que Ω sea acotado. de manera más general. En vista de la estructura de A ésto da como resultado el dominio:  D(A) = (u. v) ∈ H01 (Ω) × H01 (Ω) : ∆u ∈ L2 (Ω) .6. 2 = g 2 dx .6. Para ello establecemos que el dominio del operador A es precisamente el subespacio de los elementos V ∈ H para los que AV ∈ H. . ∆u ∈ L2 (Ω) (2.

ue 1 + ∆u. En lo sucesivo supondremos por tanto que Ω. es de clase C 2 . ·)H denotamos el producto escalar en H.11) Basta para ello utilizar el hecho de que el operador de Laplace A con dominio H 2 (Ω) ∩ H01 (Ω) en el espacio de Hilbert L2 (Ω) es un operador autoadjunto. de hecho.6.6.6. Todo lo que vamos a decir en lo sucesivo identificando el dominio con (2.12) H H0 (Ω) L (Ω) Z h i Z h i = ∇v · ∇eu + ∆uev dx = − u + ∇u · ∇e v∆e v dx Ω Ω   = − U. En vista de la estructura de H como espacio producto. donde el dato inicial U0 es. (2. Pero.12) y en lo sucesivo mediante (·. para todo U. TEORÍA DE SEMIGRUPOS 123 Cuando el dominio Ω es de clase C 2 el resultado clásico de regularidad elíptica que garantiza que las funciones u ∈ H01 (Ω) tales que ∆u ∈ L2 (Ω) pertenecen en realidad a H 2 (Ω).e. sin la hipótesis de regularidad del abierto Ω. Es fácil comprobar que A es un operador anti-adjunto.6. el producto escalar en H es la suma de los productos escalares en H01 (Ω) y L2 (Ω) de las primeras y segundas componentes de vector V . Con esta definición del operador A podemos ahora escribir la ecuación de ondas (2. el vector columna (u0 . permite reescribir el dominio de la manera siguiente h i D(A) = H 2 (Ω) ∩ H01 (Ω) × H01 (Ω).6. t > 0 (2.6.2. evidentemente.6. U En (2. para comprobar la antisimetría que (2.6.6.1). AU e H e ∈ D(A).9) como definición del dominio del operador. (2. U = v.6. .1) en la forma del siguiente problema de Cauchy abstracto ( Ut = AU. ve 2 (2. i.6. A∗ = −A.11) indica basta con realizar el siguiente cálculo elemental:       e AU. u1 ) de los datos iniciales de (2. además de ser acotado.10) En este punto conviene subrayar que la hipótesis de que Ω sea regular de clase C 2 no es en absoluto esencial. tomando (2.10) es también cierto.13) U (0) = U0 .

La segunda ecuación de (2. En efecto. en principio.17). ∞).13) pertenece a D(A). En efecto.16) no permite definir.6.13) bajo las condiciones de regularidad (2.6. (2. . A pesar de ello. (2. ∞).e.6. AU .6.6.13) son funciones bien definidas que pertenecen al espacio C([0. (2. ∞).6. tenemos también que ∆u ∈ C [0. D(A) ∩ C 1 ([0. U (0) está bien definida en D(A).15) permite dar un sentido a todas las ecuaciones de (2. tiene efectivamente sentido hablar de soluciones débiles de (2.6.6.6.6. la ecuación de ondas se verifica. H01 (Ω) ∩ C 2 [0.124 CAPÍTULO 2. en particular. Aquéllas que denominaremos soluciones fuertes tales que7   U ∈ C [0. H01 (Ω) ∩ C 1 [0. la regularidad (2.6. Son en realidad aqué- llas que pertenecen al espacio de la energía. H0 (Ω) . ∞). H) (2. este sentido no está a priori claro pues (2. L2 (Ω) .14) En este caso tanto el término de la izquierda como de la derecha de (2.16). ∞). 1   Por otra parte. H 2 ∩ H01 (Ω) ∩ C 1 [0. ∞). se trata en particular de una 7 El dominio D(A) de un operador se puede dotar de estructura Hilbertiana a través de la norma ||u||D(A) = [||u||2H + ||Au||2H ]1/2 .6. por tanto. al no pertenecer U a D(A) ni permite calcular la derivada temporal de U .1). la ecuación de (2. como u ∈ C [0. para casi todo x ∈ Ω. Por tanto.6.1) o (2. Las soluciones débiles de (2.13) tiene sentido en el espacio H para todo valor de t > 0. ∞). ∞). para cada t > 0. H). MOVIMIENTO ARMÓNICO EN UNA DIMENSIÓN Tenemos dos tipos de soluciones de (2.17) Cabe preguntarse por el sentido de (2. U ∈ C([0.14) equivale a       u ∈ C [0. por la continuidad de U en tiempo a valores en D(A). En particular. En términos de la posición u y velocidad ut de la solución de la ecuación de ondas (2. H −1 (Ω) . es bien sabido que el operador −∆  define un isomorfismo  de H01 (Ω) en su dual H−1 (Ω).6. ∞). i.13). L2 (Ω) .1).6.13) y esto se puede ver con más claridad en el contexto de (2. Es por este hecho precisamente que sólo cabe esperar la existencia de soluciones fuertes cuando el dato inicial U0 de (2.6.  como u ∈ C [0.6.6. ∞).16) o bien     u ∈ C [0.15) Es también claro que (2. H01 (Ω) .1) y bajo la condición de regularidad (2. ∞).6. en L2 (Ω) y. ∞).13) relativa al dato inicial tiene también sentido pues.6.13) son menos regulares.6. H) y. por tanto.

1 Un operador A : D(A) ⊂ H → H lineal. ∀v ∈ D(A). Con el objeto de enunciar este importante Teorema conviene recordar la noción de operador maximal disipativo. además.6. Definition 2. H −1 (Ω) . ∞). ∞). en H −1 (Ω). tienen la propiedad de regularidad adicional   u ∈ C 2 [0.6. Vemos por tanto que las soluciones débiles de la ecuación de ondas.6. H −1 (Ω) y entonces la ecuación de ondas tiene sentido.1) tiene por  tanto sentido en el marco de las distribuciones.6. por ser soluciones de la ecuación de ondas.6. como ∆u ∈ C [0.22)  u(0) = u .17).1 (de Hille-Yosida) Sea A un operador maximal-disipativo en un espacio de Hilbert H. en el espacio de Hilbert H se dice disipativo si (Av. en la clase (2.18) La teoría de semi-grupos garantiza la existencia y unicidad de soluciones de (2.13) (y por tanto de la ecuación de ondas original) tanto fuertes como débiles. v)H 6 0.2. H −1 (Ω) . ∞). ∞). el capítulo VII del libro [2]). ∞)). H (2. satisface la siguiente condición de maximalidad: R(I − A) = H ⇔ ∀f ∈ H. La ecuación de ondas (2. (2. D(A) ∩ C 1 [0. para todo u0 ∈ D(A) existe una función     u ∈ C [0.q.21) única tal que   du = Au en [0.6. ∞). TEORÍA DE SEMIGRUPOS 125 distribución por lo que su derivada segunda temporal utt está bien definida en el espacio de las distribuciones D′ (Ω × (0. u − Au = f. Basta para ello aplicar el Teorema de Hille-Yosida en su versión más elemental (véase. no acotado. ∞) dt (2.6. de la propia ecuación de ondas deducimos que utt ∈   C [0. (2. (2.6. por ejemplo. Entonces. Ahora bien.6. 0 Además se tiene .20) Bajo esta condición se verifica el siguiente importante Teorema: Theorem 2.6. para todo t > 0.19) Se dice que es maximal-disipativo si.6. ∃u ∈ D(A) t.

.

du .

.

.

.

.

.

. k u(t) k6k u0 kH .

.

(t).

.

23) dt H . ∀t > 0. =k Au(t) kH 6k Au0 kH . (2.6.

i.6.25) v g h i con (u.e.6.126 CAPÍTULO 2.22) por u.24) las soluciones de la ecuación abstracta du (t) = Au(t) dt conservan la energía puesto que 1 d ˛˛˛˛ ˛˛2 ˛˛ ˛˛u(t)˛˛ = (Au(t). u(t) = 12 dt d k H u(t) k2H =< Au(t).12) deducimos que (AU. En efecto. MOVIMIENTO ARMÓNICO EN UNA DIMENSIÓN Es fácil comprobar que el operador A asociado a la ecuación de ondas (2. de (2.28) 8 En el contexto de los sistemas de la Mecánica la palabra “disipativo” tiene un sentido preciso: Se dice que un sistema de evolución es disipativo si la energía de las soluciones decrece en tiempo. Esto es efectivamente cierto. (2.6.6. u(t). el operador A de la ecuación de ondas verifica también la condición de maximalidad (2. multiplicando “ escalarmente” en H la d primera ecuación (2.6.6. v − ∆u = g. para comprobarlo basta ver que para todo par (f. u(t)) = 0.27) y entonces la segunda adquiere la forma u − ∆u = g + f.6.6.6. g ∈ L2 (Ω).9 Por otra parte. U )H = 0 (2.1) definido anteriormente es maximal disipativo.6. 9 Conviene observar que cuando A satisface (2. U )H y por tanto (AU.6. En efecto.18 . Dada la forma explícita del operador A el sistema (2. U )H = −(AU.26) La primera ecuación de (2.19). En efecto. El hecho de que A sea anti-adjunto (A∗ = −A) garantiza que tanto A como −A son disipativos en el sentido de la Definición 2. Es este precisamente el sentido del término en el marco abstracto en la Teoría de Operadores que se desprende de (2. v) ∈ D(A) = H 2 ∩ H01 (Ω) × H01 (Ω). f ∈ H01 (Ω).6.24) lo cual garantiza la disipatividad de A y −A.6.6.19) deducimos que dt u(t).26) puede reescribirse como v =u−f (2. existe al menos una solución de la ecuación     u f (I − A) = (2. (2.25) se escribe del siguiente modo u − v = f. u(t)) >6 0. en virtud de (2.20). 2 dt H . g) ∈ H.6.

si los datos iniciales (u0 .6.6. consideremos el problema abstracto y definamos la función Z t v(t) = u(s)ds + v0 . ∞). para cada par de datos iniciales (u0 .31) Conviene observar que ambos teoremas de existencia y unicidad (Teoremas 2.2 y 2. H 2 ∩ H01 (Ω) ∩ C 1 [0. De este modo.6. u1 ) ∈ H 2 ∩ H01 (Ω) × H01 (Ω).6.6. como consecuencia del Teorema de Hille-Yosida deducimos que: Theorem 2. lo cual garantiza la maximalidad de A.30) Sólo nos resta deducir la existencia y unicidad de soluciones en el espacio de la energía. H01 (Ω) ∩ C 1 0.1. u1 ) ∈ H01 (Ω) × L2 (Ω) la ecuación de ondas (2.25) admite una única solución en D(A). aplicado a la versión abstracta (2.28). (2. H01 (Ω) ∩ C 2 [0. L2 (Ω) . la ecuación de ondas posee una única solución fuerte en la clase       u ∈ C [0. (2.6. ∞).13) de la ecuación de ondas (2. Tenemos para ello varias opciones.6. El Teorema 2. Una de ellas consiste en analizar el operador de ondas como operador no acotado en el espacio de Hilbert H e = 2 −1 e L (Ω)×H (Ω) con dominio H ⊂ H.22). la segunda ecuación (2.6.2 Si Ω es hun dominio acotado i de clase C 2 . (2.6. H −1 (Ω) . que puede escribirse de manera más precisa como ( u − ∆u = f + g en Ω (2.6.2. ∞). Deduci- mos entonces que (2.6. ∞).1) admite una única solución en   h    u ∈ C [0. En efecto.32) 0 . Es fácil comprobar que el operador A antes definido es también un operador maximal disipativo en este marco funcional.27) satisface entonces v ∈ H01 (Ω).6.2. suponiendo que A es un operador maximal disipativo.6.29) u=0 en ∂Ω. se tiene: Theorem 2. unicidad y regularidad para el problema de Dirichlet.6.6.6.6.6. ∞). admite una única solución u ∈ H 2 ∩ H01 (Ω) por los resultados clásicos de exis- tencia.1) proporciona de manera inmediata la existencia y unicidad de soluciones fuertes. En efecto. TEORÍA DE SEMIGRUPOS 127 Como g + f ∈ L2 (Ω).3) proporcionan resultados semejantes pero en espacios que difieren en una derivada en su regularidad. Como f ∈ H01 (Ω) y u ∈ H 2 ∩ H01 (Ω) la solución v de (2. L2 (Ω) ∩ C 2 [0.3 En las hipótesis del Teorema 2. La posibilidad de obtener soluciones débiles a partir de soluciones fuertes puede también explicarse en el marco del problema abstracto (2. ∞).

0 Por lo tanto.6. D(A) ∩ C 1 [0. ∞). Conviene sin embargo señalar que ésto es irrelevante a la hora de resolver el problema abstracto (2. H . Por tanto. (2.32) satisface ( vt = Av. Entonces la función v definida en (2. u es solución de (2. como v0 ∈ D(A). Pero nada se dice del operador A.6.6. la ecuación abstracta admite una única solución débil en la clase (2.6. (2.35) deducimos que   u = vt ∈ C [0. En la definición de operador maximal disipativo se garantiza que I − A es un operador con rango pleno. Comentemos brevemente la ecuación (2.6.6.33) admite una única solución v0 ∈ D(A). H .35) De (2.6. En efecto. dado u0 ∈ H. MOVIMIENTO ARMÓNICO EN UNA DIMENSIÓN Integrando a su vez la ecuación de (2.6.6.22). (2.6.37) donde λ ∈ R.33).22) si y sólo si w es solución de ( wt = Aw + λw.6. t > 0 (2. t > 0 (2. ∞).22) con respecto al tiempo obtenemos Z t u(t) − u0 = A uds 0 que podemos reescribir de la siguiente manera: Z t u(t) = A uds + u0 ⇔ vt = Av − Av0 + u0 . (2.34) v(0) = v0 .36) Vemos de este modo que.6. cuando u0 ∈ H. ∞). introduzcamos el clásico cambio de variables w(t) = eλt u(t).6.34) admite una única solución fuerte     v ∈ C [0.6.38) w(0) = u0 . para poder garantizar que también v es una solución del problema abstracto (2.33) Supongamos que.6.36). la ecuación (2.22) basta con elegir v0 de modo que Av0 = u0 .6. Entonces wt = eλt [ut + λu] .128 CAPÍTULO 2. En virtud del Teorema de Hille-Yosida. (2.

(2.6.6.40) admite una única solución v0 ∈ H 2 ∩ H01 (Ω). y ésto equivale a la ley de conservación de energía (2.33) puede reescribirse h de la siguiente i manera: Dado (u0 .6. débiles) de (2.2.38) y viceversa. cuando A es maximal-disipativo.6. como u1 ∈ L2 (Ω). Hemos visto que los resultados clásicos de la Teoría de semigrupos permiten construir soluciones fuertes para datos iniciales en D(A) = H 2 ∩ H01 (Ω) × H01 (Ω) y soluciones débiles para datos en H = H01 (Ω)×L2 (Ω). T ]. Los argumentos anteriores permiten probar de dos maneras distintas este resultado de existencia y unicidad de soluciones ultradébiles. el problema (2.6.6.38) cuando λ = −1 (porque el proble- ma correspondiente a (2.22) en soluciones fuertes (resp. Como ya hemos indicado anteriormente.6. Vemos por tanto cómo la Teoría de semigrupos permite recuperar todos los resultados obtenidos mediante series de Fourier. en el marco de la ecuación de ondas. el operador A − I de (2. pero con la ventaja de ofrecer un marco mucho más flexible para abordar otras ecuaciones. u1 ) ∈ L2 (Ω) × H −1 (Ω).6. En efecto. para λ = −1. v0 = 0 en ∂Ω.39) La primera ecuación de (2.32). en el marco de la ecuación de ondas. T ]. u1 ) ∈ H01 (Ω)×L2 (Ω) hallar (v0 . (2. En este caso el espacio natural para las soluciones es C([0. En el caso de la ecuación de ondas. v1 ) ∈ H ∩ H0 (Ω) × H0 (Ω) tal que 2 1 1 v1 = u0 .38) es de rango pleno.6).33) puede resolverse directamente sin apelar al cambio de variables. H −1 (Ω)).33) admite una única solución. Por otra parte. la cual permite obtener soluciones débiles de la ecuación de ondas a partir de las soluciones fuertes. débiles) de (2. Esto permite utilizar el argumento ante- rior de integración en tiempo para obtener soluciones débiles a partir de las soluciones fuertes directamente en (2.33) podría efectivamente garantizarse que tiene una única solución v0 ∈ D(A) para cada u0 ∈ H). sabemos que el problema elíptico −∆v0 = −u1 en Ω. el operador de ondas A es antiadjunto. (2.6. a través del cambio de variable (2. ∆v0 = u1 . L2 (Ω)) × C 1 ([0. Otro ejemplo interesante es el de las soluciones ultradébiles con datos iniciales (u0 . en este caso.6. TEORÍA DE SEMIGRUPOS 129 Esto indica que el cambio de variable permite transformar soluciones fuertes (resp. Por otra parte.6. (2.6. Por lo tanto.6. Pero estos no son más que dos de los posibles ejemplos de marcos funcionales en los que la ecuación de ondas está bien puesta.39) proporciona inmediatamente la solución v1 ∈ H01 (Ω). En efecto: .6.

6. [H 2 ∩ H01 (Ω)]′ ).6. • El teorema de Hille-Yosida puede también aplicarse directamente en este marco funcional para obtener la existencia y unicidad de soluciones ultra- débiles.6.3. T ].25) las soluciones débiles de energía finita corresponden a coeficientes de Fourier tales que: ∞ X [λk |ak |2 + |bk |2 ] < ∞.44) k=1 En virtud del Teorema de Hille-Yosida (Teorema 2.6. Por ejemplo. las soluciones ultradébiles exigen simplemente que ∞ X [|ak |2 + λ−1 2 k |bk | ] < ∞. (2. (2.41) Observación. Como corolario del Teorema 6.43) k=1 Por último. T ].6. es el generador de un semigrupo S(t) : H → H que a cada . (2.3. H −1(Ω)) ∩ C 2 ([0.42) k=1 Las soluciones fuertes exigen sin embargo condiciones más fuertes sobre los coeficientes de Fourier: ∞ X [λ2k |ak |2 + λk |bk |2 ] < ∞. MOVIMIENTO ARMÓNICO EN UNA DIMENSIÓN • El cambio de variables (2. mediante este cambio de variable. Los diferentes marcos funcionales y grados de regularidad de las diversas soluciones que hemos construido y considerado pueden también entenderse en el marco de la representación de las soluciones en series de Fourier.130 CAPÍTULO 2. cuando A es un operador maximal disipativo. (2. la Teoría de semigrupos permite sin embargo construir estas soluciones para una familia mucho más amplia de ecuaciones. si desarrollamos las soluciones de la ecuación de ondas como en (2. L2 (Ω)) ∩ C 1 ([0. T ].6. Como ya hemos mencionado anteriormente. se deduce la existencia y unicidad de soluciones ultradébiles.1). Basta para ello considerar el operador A en el espacio H −1 (Ω) × [H 2 ∩ H01 (Ω)]′ con dominio L2 (Ω) × H −1 (Ω) ⊂ H −1 (Ω) × [H 2 ∩ H01 (Ω)]′ .32) establece una relación biunívoca entre so- luciones ultradébiles u y soluciones débiles v. Las soluciones que el Teorema de Hille-Yosida proporciona pertenecen en- tonces a la clase u ∈ C([0.

en virtud de (2. • t → S(t)u0 es continua de [0.22) con el clásico sistema lineal de ecuaciones diferenciales lineales con coeficientes constantes en el que A es una matriz.6.45) también puede ser escrito en el marco de los problemas abstractos que se pueden abordar en el contexto de la Teoría de Semigrupos. la primera ecuación de (2.45)   u(0) = u0 . que puede también reformularse como el problema abstracto ( Ut = AU + F. El semigrupo {S(t)}t>0 = {eAt }t>0 es una familia uniparamétrica de ope- radores lineales acotados en H. En realidad. ∞) (2. ∞) en H para cada u0 ∈ H. denominada propiedad de semigrupo. En efecto.6.45) describe las vibraciones del cuerpo Ω sometido a una fuerza exterior f = f (x. El semigrupo S(t) también se denota habitualmente como eAt . ut (0) = u1 en Ω.6.6.6. • S(t) ◦ S(s) = S(t + s).46) vt = ∆u + f. en vista de la analogía del sistema abstracto (2. t). Consideramos por último la ecuación de ondas no-homogénea:    utt − ∆u = f en Ω × (0. A es el generador del semigrupo de la ecuación de ondas que acabamos de estudiar y   0 F (t) = . Por otra parte. es debida al carácter autónomo (o invariante por traslaciones temporales) de la ecuación (2. El problema (2. ∞) u=0 en ∂Ω × (0. TEORÍA DE SEMIGRUPOS 131 u0 ∈ H asocia el valor u(t) = S(t)u0 de la solución del problema abstracto (2.26).23).6.6. ut ).48) f (t) .6.2.45) puede escribirse como el sistema ( ut = v (2.6.6. En este caso (2. el semigrupo verifica las siguientes propiedades: • S(0) = I. t > 0 (2.6. La última propiedad.6. (2.47) U (0) = U0 donde U = (u. S(t) es una contracción para cada t > 0.22) en cada instante de tiempo t > 0.

entonces eA(t−s) F (s) ∈ L1 (0. En virtud de los resultados anteriores sobre las soluciones fuertes y débiles del sistema abstracto (2.6. garantizan que .6.6. es fácil deducir que: • Si F ∈ L2 (0.132 CAPÍTULO 2.47) puede escribirse en la forma integral siguiente Z t Z t U (t) = S(t)U0 + S(t − s)F (s)ds = eAt U0 + eA(t−s) F (s)ds. D(A)). con las notaciones presentes.6.47) del sistema (2.49) 0 0 siendo S(t) = eAt el semigrupo generado por el operador maximal disipativo A. Inspirándonos en la fórmula de variación de las constantes para la resolución de ecuaciones diferenciales no homogéneas.22) asociado al operador A.45) interviene sólo en su segunda componente. MOVIMIENTO ARMÓNICO EN UNA DIMENSIÓN Vemos por tanto que la fuerza externa F aplicada en la versión abstracta (2.6. t.6.45) tiene una primera componente nula mientras que la función f de (2. el problema abstracto (2.6. T . Basta para ello utilizar las estimaciones (2. (2.23) que. D(A)).

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

A(t−s) .

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

e F (s).

.

6 .

.

F (s).

.

. .

.

AeA(t−s) F (s).

.

6 .

.

AF (s).

.

6. T ].21) es necesario también que Z t eA(t−s) F (s)ds ∈ C 1 ([0. H H H H para todo t > s y casi todo s ∈ [0. H). H). T ].47): . T . T ]. para que podamos garantizar que se tiene una solución fuerte en la clase (2. T ]. H) 0 para lo que es también necesario que F ∈ C([0.6. . 0 Sin embargo. H) para todo 0 6 t 6 T y por tanto Z t eA(t−s) F (s)ds ∈ C([0. Deducimos entonces que Z t eA(t−s) F (s)ds ∈ C([0. D(A)). • Si F ∈ L1 (0. H). T ]. t. entonces eA(t−s) F (s) ∈ L1 (0. 0 De estos hechos deducimos los siguientes resultados de existencia y unicidad para el sistema abstracto no homogéneo (2.

L2 (Ω)) ∩ C 1 ([0.30). H).32) también puede ser aplicado en el marco de la ecuación abstracta (2. T ].45) obte- nemos los siguientes resultados de existencia y unicidad: • Si (u0 .6. como u ∈ C([0. El cambio de variable (2.6. Las mismas técnicas que las desarrolladas en el caso homogéneo pueden ser también utilizadas en el no homogéneo. H 2 ∩ H01 (Ω) . T . H −1 (Ω)). H −1 (Ω)). T ].6. T ].6. (2. H01 (Ω)) y −∆ es un isomorfismo de H01 (Ω) en H −1 (Ω). Por tanto. T ].51) pueda cumplirse.6. D(A)) ∩ C 1 ([0. entonces (2.45) admite una única solución fuerte u en la clase (2. T . H −1 (Ω)).45).  h i′  Además.2.6. T ].6. tenemos −∆u ∈ C([0. T ]. esta solución pertenece a   ′  u ∈ C 2 [0. T ]. T ].6. H). es imprescindible que f ∈ C([0. T ]. H).6.6.50) En este punto conviene subrayar que. H −1 (Ω)). D(A)) entonces (2. si f ∈ C [0. u1 ) ∈ L2 (Ω)× H −1 (Ω) y F ∈ L1 (0.6. • Si (u0 . T . en vista de la ecuación f = utt − ∆u. De este modo obtenemos que si (u0 . la ecuación (2. salvo que impongamos condiciones adi- cionales al segundo miembro f . H 2 ∩ H01 (Ω) . L2 (Ω)). H01 (Ω)). T ]. u1 ) ∈ H01 (Ω) × L2 (Ω) y f ∈ L1 (0. H −1 (Ω)).45) admite una única solución ultra-débil en la clase u ∈ C([0. por ejemplo. L2 (Ω)). T ].47) admite una única solución débil. L2 (Ω))∩L1 (0. para que (2. T . Aplicando estos resultados a la ecuación de ondas no-homogénea (2.6. H) ∩ L1 (0. T ]. H01 (Ω)) ∩ C 1 ([0. • Si U0 ∈ H y F ∈ L1 (0. Esto nos permite. El mismo resultado es válido bajo la hipótesis de que F ∈ W 1. T ]. T . no podemos garantizar que u ∈ C 2 ([0. entonces (2. U ∈ C([0. u1 ) ∈ H 2 ∩H01 (Ω)×H01 (Ω) y f ∈ C([0.47) y permite nuevamente establecer una corresponden- cia biunívoca entre soluciones fuertes y débiles. entonces (2. TEORÍA DE SEMIGRUPOS 133 • Si U0 ∈ D(A) y F ∈ C([0. construir soluciones ultradébiles de (2. T ].6.47) ad- mite una única solución fuerte en la clase U ∈ C([0. (2. T ].6. T .45) admite una solución débil u ∈ C([0.51) En efecto.1 (0. . H).

   utt − ∆u + p(x. es fácil comprobar que la . hasta ahora.55) v −p(x. como habíamos menciona- do anteriormente.56) puede también ser reescrita como un problema de punto fijo U (t) = [φ(U )](t).6. t) ∈ L∞ (Ω × (0. la teoría de semigrupos es indispensable si deseamos abordar ecuaciones más generales con coeficientes variables dependientes de (x. etc. T )). en su versión abstracta.6.52) puede ser escrita en la forma de un sistema ( ut = v (2. Nuevamente la ecuación (2. pueden también ser obtenidos mediante series de Fourier. 0 6 t 6 T (2. i. (2.6. 0) = u1 (x) en Ω. si utilizamos que B(t) es un operador lineal y acotado de H en H.6.57) 0 la ecuación integral (2. o.54) puede escribirse como una ecuación integral Z t U (t) = eAt U0 + eA(t−s) B(s)U (s)ds.52)   u(x.6. no lineales.58) que puede ser resuelto mediante la aplicación del Teorema de punto fijo de Banach para aplicaciones contractivas. t)u. ut (x. con una cota independiente de 0 6 t 6 T . t).6.53) vt = ∆u − p(x. Ilustramos este hecho analizando el ejemplo de una ecuación de ondas con un potencial p = p(x. 0) = u0 (x).6. T ) u=0 en ∂Ω × (0. todos los resultados que hemos obtenido sobre la ecua- ción de ondas mediante técnicas de teoría de semigrupos. En efecto.6. Sin embargo.56) 0 Introduciendo la aplicación Z t At [φ(U )](t) = e U0 + eA(t−s) B(s)U (s)ds.54) donde A es el operador maximal-disipativo asociado a la ecuación de ondas y B(t) : H → H es un operador lineal acotado dependiente del tiempo:     u 0 B(t)U = B(t) = (2.e. t)u = 0 en Ω × (0. MOVIMIENTO ARMÓNICO EN UNA DIMENSIÓN Pero. T ) (2. Ut = AU + B(t)U (2. t)u la ecuación abstracta (2.134 CAPÍTULO 2.6.6. 0 6 t 6 T (2.

T ]. H)10 .6. T ]. T .52) admite una única solución     u ∈ C [0. • Si n > 3. el resultado anterior de existencia y unicidad de soluciones débiles para la ecuación de ondas con potencial (2. p ∈ L∞ (0. TEORÍA DE SEMIGRUPOS 135 aplicación (2. Así. H) que. si n = 1. si n > 3.52) con potencial obtenemos inmediatamente que: Si (u0 . T .2. En efecto. Aplicando este resultado abstracto en el caso de la ecuación de ondas (2. Ln (Ω)). t) de modo que. p ∈ L∞ (0. Si utilizamos las inclusiones de Sobolev es fácil comprobar que esto es así cuando: • Si n = 1.6. • p ∈ L1 (0.6. en la práctica es suficiente que el operador de multiplicación u → p(t)u envie de manera acotada H01 (Ω) en L2 (Ω). H) para un τ suficientemente pequeño (0 6 τ 6 T ). basta analizar con un poco más de cuidado la prueba del carácter contractivo de la aplicación Φ para observar que las hipótesis L∞ en la variable t pueden ser debilitadas y sustituidas por hipótesis L1 . τ ]. Lr (Ω)). Lr (Ω)). En el marco de la ecuación de ondas con potencial esto supone imponer hipó- tesis sobre el potencial p = p(x. Los mismos argumentos permiten obtener soluciones fuertes. con r > 2.52) es cierto en cuanto el potencial p satisface las condiciones: • p ∈ L1 (0. Pero en este ca- so habremos de comprobar si el operador abstracto B(t) envia D(A) en D(A). mediante un argumento de continuación puede ser extendido a una solución global única U ∈ C([0.6. Más aún. T . si n = 2. para algún r > 2. T )). L2 (Ω) . u1 ) ∈ H01 (Ω) × L2 (Ω). Ln (Ω)). para cada t. T . H01 (Ω) ∩ C 1 [0. • Si n = 2. p ∈ L∞ (0. T ]. τ ). L2 (Ω)). y p ∈ L∞ (Ω × (0.6. T . la ecuación de ondas con potencial (2. depende exclusivamente de la cota de la que dispongamos sobre la norma del operador B . • p ∈ L1 (0.57) constituye una contracción estricta en C([0. De este modo obtenemos una única solución U ∈ C([0. L2 (Ω)). el operador de 10 Esto es así puesto que la amplitud de τ > 0 del intervalo temporal en el que podemos aplicar el Teorema de punto fijo a Φ para deducir la existencia local de soluciones. T .55) del operador permite debilitar la hipótesis sobre el potencial p para que el resultado anterior sea válido. En realidad la estructura (2.6.

136 CAPÍTULO 2. a su vez. t) · ∇u + b(x.60)   u(x.6.6.6.6. evidentemente. k U2 kH 6 k. Esto.6. MOVIMIENTO ARMÓNICO EN UNA DIMENSIÓN multiplicación mediante p(t) envie H 2 ∩ H01 (Ω) en H01 (Ω) y que haga ésto de modo que la cota resultante pertenezca a L1 (0. exige hipótesis adicionales sobre la regularidad del potencial p. la ecuación (2. ut (x. (2.6. 0) = u1 (x) en Ω.6. Supongamos que la no- linealidad F envía H en H de modo que se trate de una función Lipschitziana sobre conjuntos acotados de H.63) v f (u) El problema puede entonces ser reducido a la ecuación integral Z t U (t) = eAt U0 + eA(t−s) F (U (s))ds (2. . puede ser enmarcado en un sistema semilineal abstracto Ut = AU + F (U ) (2. existe Lk > 0 tal que k F (U1 ) − F (U2 ) kH 6 L k k U1 − U2 k H (2.64) 0 que.62) donde     u 0 F (U ) = F = .66) 0 Sea R =k U0 kH y B2R la bola de radio 2R en H.59) Consideremos ahora brevemente una ecuación de ondas semilineal    utt − ∆u = f (u) en Ω × (0. (2.6. Estos argumentos permiten en realidad obtener resultados de existencia y unicidad tanto de soluciones fuertes como débiles para ecuaciones más generales con potenciales de la forma utt − ∆u + a(x. es decir: para todo k > 0.67) ∀U1 . Nuevamente. ∞) (2. (2. t)u = 0.6. (2.6.61) vt = ∆u + f (u) que. ∞) u=0 en ∂Ω × (0.65) para la función Z t At [φ(U )](t) = e U0 + eA(t−s) F (U (s))ds. es equivalente al problema de punto fijo U (t) = [φ(U )](t). a su vez. 0) = u0 (x). En esta ocasión f : R → R es una función no lineal.60) puede ser reescrita en la forma de un sistema ( ut = v (2. U2 ∈ H :k U1 kH . T ). t)ut + p(x.

τ ].6.2.63) de la no-linealidad del modelo abstracto correspondiente basta en realidad con comprobar que f envía H01 (Ω) en L2 (Ω) de manera Lipschitz sobre conjuntos acotados. τ ]. Esto permite dedu- cir la existencia y unicidad de una solución local (en tiempo) de (2.6.64) en C([0. En vista de la forma particular (2. B2R ). Es decir supongamos que .67) supone sobre la no-linealidad de la ecua- ción de ondas (2. B2R ). Φ es una contracción estrictamente en C([0.60).6. Veamos lo que la hipótesis (2. Suponga- mos que la función f se comporta esencialmente como una potencia p > 1.6.6. TEORÍA DE SEMIGRUPOS 137 Bajo estas hipótesis es fácil comprobar que si τ > 0 es suficientemente peque- ño.

.

.

.

.

f (x) − f (y).

∀x.6. (2. τ ].69) se cumple bajo las siguientes restricciones sobre p: ( • Para todo 1 6 p < ∞. Además. u2 ∈ H01 (Ω) : k u1 kH01 (Ω) . para cada par de datos iniciales (u0 . Una vez que la solución local en tiempo ha sido obtenida.6. H01 (Ω)) ∩ C 1 ([0. |x|→∞ | x |p−1 . En vista de la hipótesis (2. si n = 1.68) para algún p > 1 y C > 011 . u1 ) ∈ H01 (Ω) × L2 (Ω) existe un τ > 0 y una única solución u ∈ C([0. 2. Necesitamos comprobar si para todo k > 0 existe Lk > 0 tal que k f (u1 ) − f (u2 ) kL2 (Ω) 6 Lk k u1 − u2 kH01 (Ω) . 6 C(1+ | x |p−1 + | y |p−1 ) | x − y |. esta solución local puede ser prolongada al máximo intervalo de existencia Tmáx de modo que la solución única de (2. n (2. si la no-linealidad f satisface la condición de Lipschitz (2.70) • Para todo 1 6 p 6 n−2 . Tmáx ).6. τ ]. Deducimos por tanto que: “Bajo estas condiciones sobre el exponente p.60) se obtiene finalmente en la clase C([0.68).6.6. L2 (Ω)).6. si n > 3. R) y lim sup < ∞. y ∈ R (2.68) y usando las inclusiones de Sobolev es fácil comprobar que (2. si f ∈ C 1 (R. por ejemplo. para el tiempo máximo de existencia se verifica la siguiente alternativa: O bien Tmáx = ∞ (existencia global) y por lo tanto la solución está definida para | f ′ (x) | 11 Esta hipótesis se cumple.6. L2 (Ω))”. Tmáx ). k u2 kH01 (Ω) 6 k. H01 (Ω)) ∩ C 1 ([0.69) ∀u1 . mediante los mismos argumentos de prolongación que se utilizan en el marco de las Ecuaciones Diferenciales Ordinarias (EDO).

∞) (2. (2. su energía se conserva. 0) = u1 (x) en Ω. 0) = u0 (x). 0) = u1 (x) en Ω.72).6. t) |p+1 dx. Consideremos en primer lugar el caso en que la no-linealidad f tiene el “buen signo”:    utt − ∆u+ | u | p−1 u=0 en Ω × (0. Además. Mientras que la solución se mantiene acotada puede ser prolongada en el tiempo.70). La situación cambia completamente para no-linealidades con “mal-signo”:    utt − ∆u =| u | p−1 u en Ω × (0. t) | dx + | u(x. ut ) en H01 (Ω) × L2 (Ω) deducimos inmediatamente que (2. la única manera en que la solución pueda no ser prolongada a todos los tiempos es si explota en tiempo finito. ut (x.73) Como la energía E(t) se conserva y claramente mayora al cuadrado de la norma de (u. ∞) (2.6. Por lo tanto.6.6. H01 (Ω)) ∩ C 1 ([0.74) y que la energía E(t) de la solución definida en (2.68) se cumple y bajo las hipótesis (2.6. Mediante una mera hipótesis de crecimiento del tipo (2. 2 Ω p+1 Ω (2. ut (x. En este caso la energía viene dada por Z h i Z 1 2 2 1 E(t) = | ∇u(x. evidentemente. bajo la condición (2. 0) = u0 (x).68) sobre la no- linealidad es imposible determinar si se produce explosión en tiempo finito o no y para ésto son necesarias hipótesis adicinales sobre el “signo” de la no-linealidad.6. ∞). la condición (2.6.6.72)   u(x. para cada par de datos iniciales (u0 .6. En este caso. o bien Tmáx < ∞ (explosión en tiempo finito) y en este caso lı́m k u(t) kH01 (Ω) + k ut (t) kL2 (Ω) = ∞.73) se conserva para todo t > 0. con un paso temporal que depende continuamente de la cota de la solución.6.71) es imposi- ble. u1 ) ∈ H01 (Ω) × L2 (Ω) existe una única solución global u ∈ C([0.75)   u(x.70) se deduce la existencia y unicidad local (en tiempo) de soluciones de energía finita de (2.71) tրTmáx El fenómeno que subyace a esta alternativa es fácil de entender. ∞) u=0 en ∂Ω × (0. De este modo concluimos que. t) | + | ut (x.6. ∞). mientras la solución existe. L2 (Ω)) (2.6. MOVIMIENTO ARMÓNICO EN UNA DIMENSIÓN todo tiempo. . ∞) u=0 en ∂Ω × (0.138 CAPÍTULO 2.

6.6. Hemos ilustrado el modo en que la Teoría de semigrupos permite resolver la ecuación de ondas y sus variantes.2.77) que. El hecho de que las soluciones de la ecuación de ondas dependan exclusivamente de los datos iniciales en la base del cono característico permite entonces construir datos ini- ciales. independientes de x en una bola de Ω. Veamos ahora algunas de las ideas fundamen- tales de la demostración del Teorema fundamental de esta teoría: El Teorema 7. Para convencerse de este hecho basta ver que existen soluciones de la EDO x′′ =| x |p−1 x (2. Pero no se puede decir lo mismo acerca de la existencia global. La idea central de la demostración de Hille-Yosida.77) y por tanto explotan en tiempo finito.78) λ Es fácil comprobar que. en un tiempo que tiende a ce- ro cuando el tamaño de los datos iniciales tiende a infinito. explotan en tiempo finito.6. (2. Aλ converge a A cuando λ → 0. que se observa mientras las soluciones existen es Z Z 1 2 2 1 E(t) = [| ∇u(x. en este caso. formalmente.78) en el caso de números reales: 1h 1 i 1 h 1 − λx − 1 i x − 1− =− = → x.6. λ → 0. λ 1 − λx λ 1 − λx 1 − λx Pero para que la definición (2.6. Esta construcción permite efectivamente probar que.75) explota en tiempo finito. el que esta energía permanezca constante o acotada es perfectamente com- patible con la explosión (2. t) |p+1 dx (2. La hipótesis de maximalidad . cuando p > 1. TEORÍA DE SEMIGRUPOS 139 La existencia y unicidad de soluciones locales (en tiempo) es igualmente cierta en este caso.6.6. De hecho. u1 ) ∈ H01 (Ω) × L2 (Ω) para los que la solución local de (2.75). Para ello basta analizar la expresión algebraica de la derecha de (2. es introducir y usar la regularización de Yosida del operador A: 1 Aλ = − (I − (I − λA)−1 ). t) | + | ut (x.78) tenga rigurosamente sentido es primeramente preciso probar que el operador I −λA es inversible. Para el sistema (2. que permite utilizar la propiedad del operador A de ser maximal-disipativo. las soluciones pueden efectivamente explotar en tiempo finito. existen datos iniciales (u0 .6.76) 2 Ω p+1 Ω pero. para todo p > 1 y todo abierto no vacío Ω de Rn .6. y de modo que en el interior del cono correspondiente coinciden con la solución de la ODE (2.1 de Hille-Yosida. t) | ]dx − | u(x.71) de las soluciones en tiempo finito.6. la energía.

eAλ t se puede definir. (2. En efecto. (2.H) 6 1.83) u(0) = u0 . k (I − λA)−1 y kH 6k y kH .6. hAx. (2. Como si se tratase de una EDO. t > 0 (2. Veamos que ésto permite probar que I − λA es inversible para todo λ > 1/2. reescribimos la ecuación x − λAx = y (2.84) k! k=0 .6.6. lo que es lo mismo. para cada λ > 0.140 CAPÍTULO 2. MOVIMIENTO ARMÓNICO EN UNA DIMENSIÓN sobre A garantiza que esto es así cuando λ = 1. h1  1 i x = (I − A)−1 y+ 1− x . (I−λA)xi = hx xi−λhx Axi > hx.79) como  1 1 x − Ax = y+ 1− x. xi 6 0 y por tanto. mediante el desarrollo en serie de potencias de la exponencial ∞ X (Aλ t)k e Aλ t = .6.81). Además k (I − λA)−1 kL(H. ∀y ∈ H.82) lo cual equivale a (2.6. xi =k x k2H =k (I−λA)−1 y k2H . de donde se deduce que. (2. como en el caso matricial. es un operador lineal y acotado de H en H.80) admite una única solución para el Teorema de punto fijo de Banach.81) En efecto. Deducimos por tanto que Aλ . si x = (I − λA)−1 y tenemos h(I−λA)−1 y.6. Esto nos permite resolver la ecuación abstracta ( u′ = Aλ u.6.80) λ λ Es fácil comprobar que cuando | 1 − 1/λ |< 1 el segundo miembro de (2. Iterando este argumento se puede comprobar que (I − λA)−1 está bien de- finido para todo λ > 0. como Aλ es un operador lineal y acotado. efectivamente. En efecto. λ λ o. yi = hx. como A es disipativo.6.

Además. H) (2.86) Entonces .83).6. de modo que hAλ x. Además uλ (t) = eAλ t u0 ∈ C ∞ ([0. eAλ t define un operador lineal y acotado de H en H.6. La regularización de Yosida genera entonces un semigrupo Sλ (t) = eAλ t . ∞). (2.85) y es la única solución de (2. para todo λ > 0. ∀x ∈ H. ∀λ > 0.6.2. Aλ hereda la propiedad de A de ser disipativo. TEORÍA DE SEMIGRUPOS 141 Es fácil comprobar que para cada λ > 0 y t > 0.6. xi 6 0.

.

du (t) .

.

.

.

λ .

.

. k uλ (t) kH 6k u0 k.

.

.

.

Aλ → A cuando λ → 0. xi = hAλ x. =k Aλ uλ (t) kH 6k Aλ u0 kH . ∀λ > 0. uλ − (I − λA)−1 uλ + (I − λA)−1 uλ − (I − µA)−1 uµ + (I − µA)−1 uµ − uµ i = hAλ uλ − Aµ uµ . ∞). . La clave de la demostración del Teorema de Hille-Yosida consiste en ver que. 2 dt Pero hAλ uλ − Aµ uµ . cabe esperar que la solución u de (2. {uλ (t)}λ>0 constituye una sucesión de Cauchy cuando λ → 0 en C([0. −λAλ uλ + µAµ uµ i + hA((I − λA)−1 uλ − (I − µA)−1 uµ ). (I − λA)−1 xi = −λ k Aλ x k2 +hA(I − λA)−1 x.22) en el Teorema de Hille-Yosida se obtenga como límite cuando λ → 0 de las soluciones aproximadas uλ . En efecto. tenemos duλ duµ − = Aλ uλ − Aµ uµ dt dt y por tanto 1 d k uλ − uµ k2H = hAλ uλ − Aµ uµ .6. x − (I − λA)−1 xi + hAλ x. dt H (2.83) en las que el operador A ha sido sustituido por su regularización de Yosida Aλ .6. −λAλ uλ + µAµ uµ i. cuando u0 ∈ D(A). H). ∀t > 0. uλ − uµ i.6. (I − λA)−1 uλ − (I − µA)−1 uµ i 6 hAλ uλ − Aµ uµ . (I − λA)−1 xi 6 −λ k Aλ x k2 6 0.6.6. en virtud de las cotas uniformes (2. (I − λA)−1 xi = −λ k Aλ x k2 +hAλ x. Como.86) basta proceder del modo siguiente hAλ x. uλ − uµ i = = hAλ uλ − Aµ uµ .87) Para comprobar (2. al menos formalmente.87) de las soluciones de las ecuaciones aproximadas (2.

un argumento de densidad permite concluir la existencia de solución para datos u0 ∈ D(A).6. La estimación (2. tal y como se enuncia en el Teorema 2. El mismo argumento permite probar que si u0 ∈ D(A2 ). propiedad esta que se deduce fácilmente de la identidad Aλ = (I − λA)−1 A. Haraux [3] se da también una extensión de este resultado a espacios de Banach y diversas aplicaciones a ecuaciones de evolución semilineales entre las que se incluyen la ecuación del calor. t > 0. La ecuación de ondas con coeficientes varia- bles En esta sección analizamos brevemente la ecuación de ondas 1 − d con coe- ficientes variables utt − (γ(x)ux )x = 0.1. (2.88) proporciona el carácter de Cauchy de la sucesión uλ en C([0.6. Cazenave y A. x ∈ R. El lector interesado en una demostración completa del Teorema de Hille- Yosida puede consultar el capítulo VII del libro de H. Brezis [2].7. x ∈ R.6. 2.87) junto con k Aλ x kH 6k Ax kH . Esto permite pasar al límite en (2.1) Consideramos en primer lugar el problema de Cauchy en el que ya tendremos que hacer frente a las principales diferencias con respecto al caso de coeficientes constantes. H).6. t > 0. (2.83) cuando λ → 0 y obtener la solución del problema abstracto (2. para todo x ∈ H y λ > 0. En el libro de T. Como D(A2 ) es denso en D(A).22) que el Teorema de Hille-Yosida enuncia cuando u0 ∈ D(A).7. MOVIMIENTO ARMÓNICO EN UNA DIMENSIÓN Por tanto 1 d k uλ − uµ k2H 6 2(λ + µ) k Au0 k2H . ∞).7. (2. ∞). de ondas y de Schrödinger. el hecho que la constante γ = γ(x) (de rigidez en el caso de un medio elástico) dependa de x indica que las ondas se propagan en un medio heterogéneo compuesto de diferentes materiales. H) que habíamos enunciado.6. Desde el punto de vista de la modelización. la ecuación de ondas correspondiente es ρ(x)utt − (γ(x)ux )x = 0.2) . entonces duλ /dt es también de Cauchy en C([0. En el caso en que la densidad del medio también es variable.142 CAPÍTULO 2.88) 2 dt En este punto hemos utilizado la segunda cota de (2.6.

γ(x) ≡ γ).7.6) coin- cide con el esquema semi-discreto centrado de orden dos para la aproximación de la ecuación de ondas: γ u′′j + [2uj − uj+1 − uj−1 ] = 0. LA ECUACIÓN DE ONDAS CON COEFICIENTES VARIABLES 143 Supondremos que los coeficientes γ y ρ son medibles y que existen constantes positivas ρj . En virtud de las hipótesis (2.7) de γj+1/2 es válida cuando γ es continuo.1) y (2. γj . t > 0.5) 2 R respectivamente. por ejemplo.7.t.7. Las energías de los sistemas (2. t > 0. como es habitual. j ∈ Z.8) h xj Cuando el coeficiente γ es constante (i. j ∈ Z.7. el esquema (2.7. (2.6) es conservativo. (2.3) En estas condiciones ambos sistemas están bien puestos en H 1 (R) × L2 (R) y la energía de las soluciones se conserva.7.7) 2 2 Obviamente. Así.Ê x ∈ R. h  1 γj+1/2 = γ(xj+1/2 ). (2. Si no lo fuese. multiplicando en (2.9) h2 El sistema (2. Consideremos ahora la ecuación (2. j = 0. t) |2 +γ(x) | ux (x.6) el coeficiente γ se evalúa en puntos intermedios del mallado.7.7. 0 < γ0 6 γ(x) 6 γ1 < ∞ p. t) |2 ]dx. t) |2 ]dx. la definición (2.7.2.7. t) |2 +γ(x) | ux (x. h h h j∈Z j∈Z . xj+1/2 = xj + = j+ h.3) estas energías son equivalentes a la energía habitual de la ecuación de ondas.7. (2.4) 2 R y Z 1 Eρ (t) = [ρ(x) | ut (x. 1 tales que 0 < ρ0 6 ρ(x) 6 ρ1 < ∞.7. (2.6) h h h En (2.7.7.1) y veamos cual es la aproximación semi-dicreta más natural.7. Proponemos el siguiente esquema 1h uj+1 − uj uj − uj−1 i u′′j − γj+1/2 − γj−1/2 = 0.e.6) por u′j y sumando en j ∈ Z obtenemos que X 1 Xh uj+1 − uj uj − uj−1 i ′ u′′j u′j − γj+1/2 − γj−1/2 uj = 0. (2.7. En efecto. lo más natural sería definir γj+1/2 a través de una media: Z 1 xj+1 γj+1/2 = γ(s)ds (2.2) es Z 1 E(t) = [| ut (x.c.7.

MOVIMIENTO ARMÓNICO EN UNA DIMENSIÓN Por otra parte X 1 d X ′ 2 u′′j u′j = | uj | 2 dt j∈Z j∈Z y 1 Xh uj+1 − uj uj − uj−1 i ′ − γj+1/2 − γj−1/2 uj h h h j∈Z 1X uj+1 − uj ′ 1X uj − uj−1 ′ =− γj+1/2 uj + γj−1/2 uj h h h h j∈Z j∈Z 1X uj+1 − uj ′ 1X uj+1 − uj ′ =− γj+1/2 uj + γj+1/2 uj+1 h h h h j∈Z j∈Z X uj+1 − uj u′j+1 − u′j 1 d X .144 CAPÍTULO 2.

u .

.

j+1 − uj .

2 = γj+1/2 = γj+1/2 .

.

7. h h 2 dt h j∈Z j∈Z Deducimos por tanto que la siguiente energía discreta se conserva para las soluciones de (2. .6): 1 Xh ′ 2 .

u .

i .

j+1 − uj .

2 Eh (t) = | uj | +γj+1/2 .

.

. (2. Tenemos 1h u(xj+1 ) − u(xj ) u(xj ) − u(xj−1 ) i − γ(xj+1/2 ) − γ(xj−1/2 ) h h h 1 h u(xj+1 ) − u(xj ) u(xj ) − u(xj−1 ) i = − γ(xj ) − γ(xj ) h h h 1hh ′ u(xj+1 ) − u(xj ) h ′ u(xj ) − u(xj−1 ) i − γ (xj ) + γ (xj ) h 2 h 2 h 1 h h2 ′′ u(xj+1 ) − u(xj ) h2 ′′ u(xj ) − u(xj−1 ) i − γ (xj ) − γ (xj ) h 8 h 8 h h.7.4) del problema continuo (2.1). En la medida en que el esquema que consideraremos es semi-discreto y que la variable temporal no ha sido discreti- zada. al menos cuando γ es suficientemente regular. Se trata por otra parte de un esquema consistente de orden dos. basta analizar la consistencia de la discretización espacial.7.10) 2 h j∈Z Es obvio que Eh es una aproximación discreta de la energía (2. El hecho que la energía Eh se conserva garantiza la estabilidad del esquema numérico.7.

u(x ) − u(x ) .

.

u(x ) − u(x ) .

i .

j+1 j .

.

j j−1 .

+ O(h2 ) .

.

+.

.

. h h La estabilidad. cuando γ es suficientemente regular. junto a su consistencia de orden dos garantiza que se trata de un método convergente de orden dos.

7. (2.13) Las soluciones pueden entonces escribirse como superposición de las soluciones de ecuaciones de transporte de la forma h p i ∂t ± γ(x)∂x u = 0.7. (2. (2.2. Para analizar este hecho consideramos el ca- so de una ecuación de ondas con coeficientes constantes a trozos en un medio heterogéneo con dos caras: ρ(x)utt − (γ(x)ux )x = 0.2) con densidad variable es fácil modificar el esquema (2. Basta en este caso considerar 1h uj+1 − uj uj − uj−1 i ρ(xj )u′′ − γj+1/2 −γj−1/2 = 0. (2. Si estos son regulares. (2.7. Ya hemos visto en el caso de la ecuación con coeficientes constantes. Pero cuando el coeficiente γ 1/2 = γ 1/2 (x) deja de ser regular. (2. Por ejemplo. si γ = γ(x) es una función de clase C 1 .15) Las curvas características están definidas de manera única cuando el coeficiente γ 1/2 tiene continuidad Lipschitz. que las soluciones de la ecuación de ondas son una mera superposición de ondas de transporte que viajan a izquierda y derecha en el espacio a velocidad constante unidad. Esto no ocurre en el caso de ecuaciones con coeficientes variables. a través de la fórmula de d’Alembert.7. las soluciones se propagan a lo largo de curvas características que no son rectilíneas.12) 2 puede factorizarse como  p  p  ∂t + γ(x)∂x ∂t − γ(x)∂x u = 0.7. una ecuación de ondas de la forma γ ′ (x) ∂t2 u − γ(x)∂x2 u − ∂x = 0.7. LA ECUACIÓN DE ONDAS CON COEFICIENTES VARIABLES 145 En el caso de la ecuación (2. j ∈ Z. tanto la de- finición de características como el hecho de que transporten la información de las soluciones deja de ser válida. las soluciones son constantes a lo largo de curvas caracterís- ticas que son las curvas parametrizadas x = x(t) en las que p x′ (t) = ± γ(x(t)). mientras que en el caso de coeficientes irregulares las ondas pueden incluso llegar a rebotar parcialmente en los puntos de discontinuidad de los coeficientes.11) h h h Analicemos ahora uno de los aspectos más importantes en los que las ecua- ciones de ondas con coeficientes irregulares más se distinguen de los de coefi- cientes regulares: la reflexión y transmisión de energía en las singularidades de los coeficientes.7.7. t > 0.6).16) .7.14) Para estas últimas.

siempre a velocidad c1 y otra parte se transmite al medio x > 0 dando lugar a una onda que se transporta hacia la derecha a velocidad c2 .16) depende también de las condiciones de transmisión que se han de cumplir en el punto de interfase.7.7.18) constituye una solución de (2. t). si bien en cada uno de los medios x > 0 y x < 0 las ondas se transportan sin deformación a velocidad constante c2 y c1 respectivamente.7. ∞) y k1 y k2 denotan las relaciones de dispersión en cada uno de los medios k1 = ω/c1 .19) En (2.7. p La velocidad de propagación de las ondas es entonces c1 = γ1 /ρ1 y c2 = p γ2 /ρ2 en el medio x > 0 y x < 0 respectivamente. t) = γ1 ux (0. Para introducirlos. t).7.20) Para que las condiciones (2. consideremos una onda plana que en el medio x < 0 se desplaza hacia la derecha a velocidad constante c1 hasta alcanzar la interfase x = 0. x > 0.16) tanto en el semiplano de la izquierda x < 0 como en el de la derecha x > 0. 0) y (0.∞)(x)ei(ωt−k2 x) . Es fácil comprobar que u en (2. t > 0. En este caso son: u+ (0. k1 γ1 R + k2 γ2 T = k1 γ1 .18) donde 1(−∞.∞) denotan respectivamente las funciones características de las semirectas (−∞.18) satisfaga (2.21) . (2.0) y 1(0. Al alcanzarla. γ2 ). (2.7. MOVIMIENTO ARMÓNICO EN UNA DIMENSIÓN Suponemos entonces que ( (ρ1 .7. γ(x)) = (2.0) (x) ei(ωt−k1 x) + Re i(ωt+k1 x) + T 1(0. El conjunto de esta solución que combina los fenómenos descritos puede escribirse en la forma h i u(x.17) (ρ2 . t) = u− (0.7. parte de la solución rebota produciendo una onda de transporte que en el medio x < 0 se propagará en sentido opuesto.7. R y T denotan las constantes de reflexión y transmisión que preci- samente deseamos calcular.7. Sin embargo el que la función u definida a trozos en (2. (2. x < 0 (ρ(x).7. al alcanzar la interfase x = 0 parte de la onda se transmite mientras que la otra parte rebota. t) = 1(−∞. (2. γ1 ). γ2 u+ − x (0. En este caso es fácil comprobar que. Este fenómeno puede establecerse con claridad a través del estudio de los coeficientes de reflexión y transmisión: R y T .20) se verifiquen es preciso que: 1 + R = T. k2 = ω/c2 .18).146 CAPÍTULO 2.

j = 1.29) h 2c2 Escribimos entonces la solución numérica. inspirándonos en el caso continuo.7. j 6 0 uj (t) (2.h = arc sen . (2. LA ECUACIÓN DE ONDAS CON COEFICIENTES VARIABLES 147 La solución de este sistema arroja los siguientes valores para los coeficientes R y T: σ1 − σ2 R= .26) son.27) 2 h h h Las relaciones de dispersión asociadas a los esquemas (2. 2 (2. .26) h2 En el nodo j = 0 correspondiente a la interfase x = 0 la aproximación corres- pondiente más natural es ρ1 + ρ2 ′′ 1  u0 − u−1 u1 − u0  u0 + γ1 − γ2 = 0.28) h 2c1 2  ωh  k2. j > 0.7.23) σ1 + σ2 donde √ σj = γj ρj .7.7.h = arc sen . entonces toda la onda se transmite mientras que la parte de la onda reflejada se anula.24) es la impedancia acústica en cada uno de los medios. del modo siguiente ( e(ωt−jk1 h) + Rh ei(ωt+jk1 h) .25) h2 mientras que en el medio x > 0 la aproximación correspondiente es 2uj − uj+1 − uj−1 ρ2 u′′j + γ2 = 0. j 6 −1.25) y (2.30) Th ei(ωt−jk2 h) . j > 1.7.7. σ1 = σ2 ).e. t > 0 (2. 2  ωh  k1. De estas expresiones se deduce que si la impedancia acústica de ambos me- dios es la misma (i.7.7.7. Veamos ahora lo que ocurre en una aproximación numérica de estas ecua- ciones. Consideremos para ello una semi-discretización en diferencias finitas de paso h en cada uno de los medios. t > 0.7.x<0 (2. En el medio x < 0 la semi-discretización adopta la forma 2uj − uj+1 − uj−1 ρ1 u′′j + γ1 = 0. (2. (2. t > 0.22) σ1 + σ2 2σ1 T = (2.7.7. x > 0. en cada uno de los casos.2. (2.

t) | ut (x. (2. (2.7.27) en el punto x = 0 de transmisión proporciona la relación adicional Th ω 2 1  γ1   γ 2   −(ρ1 + ρ2 ) + 1 + Rh − eik1 h − Rh e−ik1 h − Th e−ik2 h − 1 = 0. Los mismos problemas se plantean con ecuaciones cuyos coeficientes dependen también de la variable tiempo. t) |2 dx.35) está bien planteada bajo estas hipótesis.148 CAPÍTULO 2.t.c.7. la energía verifica.32) De estas ecuaciones obtenemos −2iγ1 sen(k1 h) Th = 2 2 .7.7. t) |2 dx.23). Hemos estudiado ecuaciones de ondas con coeficientes variables dependientes de la variable espacial.37) 2 R Sin embargo. 2 h h h (2. Consideremos por ejemplo la siguiente ecuación de ondas con densidad variable dependiente de x y t: ρ(x. MOVIMIENTO ARMÓNICO EN UNA DIMENSIÓN Tenemos nuevamente 1 + Rh = Th .35) Es natural suponer que la densidad es una función medible.7. acotada superior e inferiormente por constantes positivas ρ0 y ρ1 : 0 < ρ0 6 ρ(x.7. t > 0.7.31) La ecuación (2. (2. t)utt − uxx = 0.7.7. la identidad Z 1 E ′ (t) = ρt (x.7. (2.7. t) 6 ρ1 < ∞. formalmente. x ∈ R.38) 2 R . (2. t) | ut (x. Para entender esta cuestión es conveniente considerar la energía de las soluciones Z h i 1 E(t) = ρ(x. t > 0. t) |2 + | ux (x.33) γ2 e−ik2 h − γ1 − γ2 + γ1 e−ik1 h + (ρ1 + ρ2 ) ω 2h Mediante un desarrollo de Taylor observamos que 2σ1 γ1 ρ2 − γ2 ρ1 2 2 Th = + ω h + O(h3 ) (2. x ∈ R.36) Cabe entonces plantearse si la ecuación (2. Conviene sin embargo señalar que no siempre los esquemas numéricos pro- porcionan aproximaciones de los coeficientes de reflexión y transmisión del mis- mo orden que el que caracteriza al método numérico. (2. p.34) σ1 + σ2 4c1 c2 (σ1 + σ2 ) de donde se deduce que el coeficiente de transmisión del método numérico es una aproximación de orden dos del caso continuo (2.

(2. ∀t > 0. por la desigualdad de Gronwall.40) 2ρ0 R ρ0 de donde.7.39) sobre el coeficiente variable de densidad ρ = ρ(x. La hipótesis (2.7.41).36) y (2.7. se obtiene que E(t) 6 ekt/ρ0 E(0). H 1 (R)) ∩ C 1 ([0.42) ρ2 .7. ∀x ∈ R.7. En efecto.7. En efecto. En el intervalo temporal 0 6 t 6 1 en el que la densidad es la constante ρ1 la solución de la ecuación de ondas es de la forma  √   √  u = f x − t/ ρ1 + g x + t/ ρ1 . (2. de la identidad de energía (2. consideremos el caso particular en que ( ρ1 .7.7. i.7.7.35) no está bien puesta en el espacio de la energía bajo la mera hipótesis (2. (2.7.7.39) no es meramente técnica. para t > 1. t) | ut (x. t > 1.38) es fácil comprobar que la ecuación de ondas (2.7.44) . la ecuación (2. (2. (2.7.38) se deduce que Z ′ k k | E (t) |6 ρ(x.41) Bajo las hipótesis (2.36). t > 0.43) A partir de ese instante. u1 ) ∈ H 1 (R)× L2 (R) existe una única solución u ∈ C([0. 0 6 t 6 1.2.7.7. ∞). ∞). t) |2 dx 6 E(t).7. prestando especial atención al cambio de los perfiles de la solución en los instantes de tiempo en los que la densidad presenta la discontinuidad. En el caso en que la densidad es en cada instante de tiempo independiente de x y depende del tiempo de modo que sea constante a trozos. t) se puede entonces probar que la ecuación (2.7. L2 (R)) que toma este dato inicial y cuya energía E(t) satisface la estimación (2.35) está bien puesta en H 1 (R)× L2 (R) de modo que para cada par de datos iniciales (u0 .39) En este caso. de manera general. En efecto para que la ecuación esté bien puesta es necesaria alguna hipótesis sobre ρt = ∂ρ/∂t . t) |6 k. x ∈ R ρ= (2. Supongamos por ejemplo que | ρt (x.e. la solución de la ecuación de ondas correspondiente puede calcularse explícitamente mediante la fórmula de d’Alembert.36). la solución es sin embargo de la forma  √   √  u = fe x − t/ ρ2 + e g x + t/ ρ2 . x ∈ R siendo ρ1 y ρ2 dos constantes positivas distintas. LA ECUACIÓN DE ONDAS CON COEFICIENTES VARIABLES 149 En virtud de (2.35) no está bien puesta bajo la mera hipótesis (2.

Los mismos fenómenos que acabamos de describir se presentan también para las aproximaciones numéricas.45) e que permiten calcular los perfiles f y ge del intervalo temporal t > 1 a partir de los perfiles f y g del intervalo 0 < t < 1.150 CAPÍTULO 2.35) [2uj − uj+1 − uj−1 ] ρj (t)u′′j + = 0. En este caso la energía viene dada por la expresión h Xh . Es sin embargo obvio que este tipo de procedimiento resulta sumamente costoso y difícil de adaptar a casos más generales de densidades variables.7.7. t > 0 h2 donde ρj (t) = ρ(xj . Consideremos por ejemplo la semidiscretización más natural de (2. MOVIMIENTO ARMÓNICO EN UNA DIMENSIÓN Al imponer la condición de continuidad sobre u y ut en t = 1 obtenemos las ecuaciones    √   √  e  √   √   f x − 1/ ρ1 + g x + 1/ ρ1 = f x − 1/ ρ2 + ge x + 1/ ρ2   1 h ′ √   √ i 1 h e′  √   √ i   −√ f x − 1/ ρ1 − g ′ x + 1/ ρ1 = − √ f x − 1/ ρ2 − ge′ x + 1/ ρ2 ρ1 ρ2 (2. t). j ∈ Z.

u (t) − u (t) .

2 i .

j+1 j .

Eh (t) = ρj (t) | u′j (t) |2 +.

.

inesperadas en primera instancia. independientes del paso del mallado h. . sin imponer condiciones sobre la derivada temporal de la densidad. con prudencia. . 2 h j∈Z Es fácil comprobar que en este caso la energía evoluciona según la ley hX ′ Eh′ (t) = ρj (t) | u′j (t) |2 2 j∈Z de modo que no es posible obtener estimaciones sobre su evolución temporal. pues. como hemos visto. en presencia de coeficientes dependientes del tiempo. Conviene pues abordar el análisis de ecuaciones de ondas y de sus apro- ximaciones discretas. es habitual que esto exija hipótesis adiciona- les sobre la regularidad de los coeficientes en su evolución temporal.

Para ello basta aplicar la fórmula de variación de las constantes y utilizar las propiedades ya conocidas sobre el sistema lineal subyacente.3)   u (0) = u .8. SEMI-DISCRETIZACIÓN DE LA ECUACIÓN DE ONDAS SEMILINEAL151 2.1)  u(x. para probar la existencia global de soluciones. u′ (0) = u . 0) = u (x).8. necesitamos de una identidad de energía. El sistema (2. u1. para todo 2 6 p 6 ∞. t > 0  j j h2 (2. En este caso la aproximación semi-discreta más natural viene dada por las siguientes ecuaciones   u′′ + [2uj − uj+1 − uj−1 ] + u3 = 0.3) admite una única solución local en tiempo. Además.8. la energía Z h i Z 1 1 E(t) = | ut (x. t) |2 dx + u4 (x. x ∈ R. Hemos visto que. (2. nuevamente. localmente en tiempo.2.j son aproximaciones adecuadas de los datos iniciales j∈Z j∈Z continuos de (2. En esta sección discutimos brevemente algunos aspectos de la aproximación numérica de estas ecuaciones.1) está bien puesta en el espacio de la energía.6 hemos estudiado la ecuación de ondas semilineal en el con- texto de la Teoría de semigrupos. t) |2 + | ux (x.8.     donde u0. bajo condiciones adecuadas sobre el crecimiento de la no-linealidad.8. (que garantizan que la nolinealidad en- vía H 1 en L2 de manera Lipschitz en acotados) la ecuación de ondas semi-lineal está bien puesta.8. cuando la no-linealidad tenía una propiedad de “buen signo” la solución podía prolongarse y definirse globalmente en tiempo.8. la ecuación (2.1). u (x.8. Pero. 0) = u (x). Consideremos la ecuación de ondas semilineal 1 − d:   utt − uxx + u3 = 0.j j 1.j j ∈ Z. Semi-discretización de la ecuación de ondas semilineal En la sección 2.3) es un conjunto de una infinidad de ecuaciones diferenciales nolineales acopladas.8. t > 0 (2. En este caso tenemos que la energía del sistema . j 0.2) 2 R 4 R se conserva de modo que las soluciones están globalmente definidas en tiempo. x ∈ R. Veíamos posteriormente que a través de una estimación de energía. para cada paso de mallado h > 0.j . Se puede probar que. j ∈ Z. t)dx (2. 0 t 1 Gracias a la inclusión de Sobolev H 1 (R) ֒→ Lp (R).

MOVIMIENTO ARMÓNICO EN UNA DIMENSIÓN semi-discreto es h Xh ′ .152 CAPÍTULO 2.

u (t) − u (t) .

2 i h X .

j+1 j .

Eh (t) = | uj (t) |2 +.

.

i.8. Tmax ) permite establecer la alternativa siguiente: O bien Tmax = ∞ (existencia global). lı́m k u(t) kH 1 (R) + k ut (t) kL2 (R) = ∞. Para ello introducimos la energía perturbada Z h i Z 1 1 F (t) = u2t + u2x + u2 dx + u4 dx.8. F (t) 6 F (0)et . para probar que (2. o bien Tmax < ∞ en cuyo caso se produce la explosión en tiempo finito de las soluciones. Conviene de todos modos analizar con un poco más de cuidado el argumento que permite deducir la existencia global de soluciones a partir de la conservación de las energías (2. (2. (2. en la medida que estamos trabajando en R y no dispone- mos de la desigualdad de Poincaré. Sin embargo.2) o (2. el resultado de existencia y unicidad de soluciones de (2.8.8. + u4j (t).5) no es posible tenemos también que establecer una cota sobre la norma de la solución en L2 (R).1) en H 1 (R) × L2 (R).3) están globalmente definidas.3) convergen a las de (2.8.2) se conserve junto con que todos los térmi- nos que en ella intervienen tengan signo positivo permite garantizar que tanto k ux (t) kL2 (R) como k ut (t) kL2 (R) permanecen acotadas en intervalos finitos de tiempo. En particular Z u2 (t)dx 6 Cet .8. Más adelante analizaremos el modo en que las soluciones de (2.4). En efecto.5) tրTmax El que la energía E(t) de (2.4) 2 h 4 j∈Z j∈Z Nuevamente.1) cuando h → 0. esta energía se conserva en tiempo y este hecho permite probar que las soluciones de (2. por la desigualdad de Gronwall.8. 2 R 4 R Para esta nueva energía tenemos la identidad Z Z h i dF (t) 1 = u ut dx 6 u2 + u2t dx 6 F (t) dt R 2 R de modo que. localmente en tiempo y el posterior argumento de prolongación al intervalo maximal de existencia [0.8.8.e.8.

Se trata de una aplicación más del denominado método de la energía que consiste en construir cantidades de interpretación física más o menos directa.2. basado en la perturbación de la energía na- tural del sistema.3) están globalmente definidas en tiempo. SEMI-DISCRETIZACIÓN DE LA ECUACIÓN DE ONDAS SEMILINEAL153 de modo que la explosión de la norma L2 de la solución en tiempo finito queda también excluida.8.8. para las que se puede establecer alguna desigualdad diferencial que proporcione cotas sobre dicha cantidad permitiendo a su vez obtener estimaciones sobre las soluciones. . permite también probar que las soluciones de (2. El mismo tipo de argumento.

MOVIMIENTO ARMÓNICO EN UNA DIMENSIÓN .154 CAPÍTULO 2.

0. (3. el problema (3.3) es entonces una simple onda de transporte pura en la que el perfil f se transporta (avanza) en el eje real a velocidad constante uno1 .Capítulo 3 La ecuación de transporte lineal Las ecuaciones que modelizan fenómenos de propagación de ondas y vibra- ciones son típicamente Ecuaciones en Derivadas Parciales (EDP) de orden dos.1) son de la forma u = f (x − t). basta considerar el espacio 155 .4) La solución (3.0. (3. Sin embargo en todas ellas subyacen las ecuaciones de transporte de orden uno que analizamos en esta sección.0.0.1) en- tra también el marco de la Teoría de Semigrupos. 0) = f (x).0. i. (3. (3. u(x. En efecto.0.1) Es fácil comprobar que u = u(x.e.2) De este modo deducimos que las soluciones de (3.0. t) es solución de esta ecuación si y sólo si es constante a lo largo de las líneas características x + t = cte. El modelo más sencillo es ut + ux = 0.3) donde f es el perfil de la solución en el instante inicial t = 0. 1 Si bien en este caso la ecuación puede resolverse explícitamente.

La manera más sencilla de construir esta semi-discretización es utilizar el desarrollo de Taylor para introducir una aproximación de la derivación parcial en la variable espacial.5) cuyas soluciones son ahora de la forma u = g(x + t). (3. regresivas y centradas respectivamente. Consideremos pues un paso de discretización h > 0 en la variable espacial e introduzcamos el mallado {xj }j∈Z . t) ∼ ∼ (3. efectivamente.Son varias las posibilidades: u(xj+1 . Vemos por tanto que las soluciones de la ecuación de transporte pueden calcularse de manera explícita y que en ellas se observa un sencillo fenómeno de transporte lineal sin deformación. t) de (3. t) − u(xj−1 . xj = jh. u pertenece a H 1 (R).0. t) uj+1 (t) − uj (t) ux (xj . t) − u(xj−1 .7) y (3.156 CAPÍTULO 3. 2 Tomando normas en L (R) y aplicando la desigualdad de Minkowski se deduce fácilmente R0 que ||u||L2(R) ≤ −∞ ||f ||L2 (R) ez dz = ||f ||L2 (R) . t) ∼ ∼ . En efecto (3.0. (3.1) se transforma en ut − ux = 0 (3. Buscamos una semi-discretización (continua en tiempo y discreta en espacio) que reduzca la EDP (3. t) − u(xj .9) 2h 2h Cada una de estas elecciones corresponde a un determinado sentido de avance a lo largo del eje x.0. En efec- to. existe una única solución u ∈ H 1 (R) de u + ∂x u = f .1) entre en el marco abstracto del Teorema de Hille-Yosida.0.0. t) uj+1 (t) − uj−1 (t) ux (xj . haciendo el cambio de variable t → −t) la ecuación (3. Esta solución 2 Rx R0 puede calcularse explícitamente y se obtiene: u(x) = −∞ f (s)es−x ds = −∞ f (z + x)ez dz. Como ux = f − u vemos inmediatamente que. Esta ecuación es por tanto un excelente laboratorio para experimentar algu- nas de las ideas más sencillas del análisis numérico. LA ECUACIÓN DE TRANSPORTE LINEAL Al invertir el sentido del tiempo (i. Para ver que es disipativo basta con observar que R R < Au. dado f ∈ L (R).0. . u >L2 (R) = − R ∂x uudx = − 21 R ∂x (u2 )dx = 0.0. t) uj (t) − uj−1 (t) ux (xj .e. de Hilbert H = L2 (R) y el operador A = −∂x con dominio D(A) = H 1 (R) para que el problema (3.0.0.7) h h u(xj . el ope- rador A así definido es maximal disipativo. (3.8) h h u(xj+1 .0.0. t) ∼ ∼ .0. En efecto.8) y (3.9) corresponden a diferencias progresivas.1) en el punto x = xj .6) tratándose de ondas viajeras que se propagan en dirección opuesta a velocidad uno.1) a un sistema de ecuaciones diferenciales cuya solución proporcione una aproximación uj (t) de la solución u = u(x. Además A es maximal.

(3. t > 0. . De este modo deducimos que para cada dato inicial dado en ℓ2 cada una de estas ecuaciones admite una única solución C ∞ (R.1) en diferencias finitas: • Esquema progresivo: uj+1 (t) − uj (t) u′j (t) + = 0.0. Obtenemos así que estas ecuaciones gene- ran semigrupos en H = ℓ2 .12) 2h Estos sistemas constituyen un conjunto numerable de ecuaciones diferenciales de orden uno lineales acopladas. 157 Cada una de estas elecciones proporciona un sistema semi-discreto diferente de aproximación de la EDP (3. Todos estos esquemas son consistentes con la ecuación de transporte.0. j ∈ Z.0. al llevar a estos esquemas una solución regular de la ecuación de transporte continua vemos que se produce un error que tiende a cero a medida que h → 0.11) h • Esquema centrado: uj+1 (t) − uj−1 (t) u′j (t) + = 0. ℓ2 ) que toma ese dato en el instante t = 0.0.10) h • Esquema regresivo: uj (t) − uj−1 (t) u′j (t) + = 0. (3. Al tratarse de sistema infinitos su resolución no entra en el marco de la teoría clásica de EDO. Sin embargo. Estos sistemas pueden escribirse entonces en forma abstracta d ~u = Ah ~u. t > 0.0. es fácil verificar que su solución existe y es única sin necesidad de utilizar la Teoría de Semigrupos desarrollada en la sección anterior.13) dt Es fácil comprobar que en cada uno de los casos anteriores el operador Ah involu- crado puede representarse a través de una matriz infinita. (3. Para ello basta considerar el espacio de Hilbert H = ℓ2 de las sucesiones de cuadrado sumables. j ∈ Z. Esto nos permite calcular el semigrupo eAh t mediante la representación en desarrollo de serie de potencias de la exponencial. Las soluciones dependen en realidad de manera analítica con respecto a la variable temporal. tridiagonal y acotada con norma 1/h. (3. Es decir. Se trata pues de ecuaciones de evolución en espacios de Hilbert de dimensión infinita pero en las que el generador Ah está acotado. La solución de cualquiera de estas ecuaciones semi-discretas puede entonces verse como un elemento de este espacio: ~u = {uj }j∈Z ∈ ℓ2 . j ∈ Z. t > 0.

t) + ǔ(θ.0.15)-(3.19) 2π 0 j∈Z Obtenemos por tanto ǔ(θ. Así. De manera más precisa se tiene    1 − e−iθ   .0.0.14) puede invertirse fácilmente. (esquema progresivo)   h   iθ e −1 a(θ) = .18) 2π 0 Además Z 1 2π X |ǔ(θ. 2π). En efecto.17) 2h La transformada discreta de Fourier no sólo tiene la virtud de transformar los sistemas de ecuaciones semi-discretas (3.15) h   1 − eiθ ǔ′ (θ.12) en ecuaciones diferen- ciales con paramétro θ (3.0. de hecho tenemos Z 2π 1 uj (t) = ǔ(θ. (esquema centrado).0. t > 0.0. t)e−ijθ dθ.0.17) que son inmediatas de resolver. (3. En el caso más sencillo de . t > 0.14) j∈Z obtenemos que ǔ. la fórmula (3. introduciendo X ǔ(θ.16) h  −iθ  ′ e − eiθ ǔ (θ.10)-(3.20) donde ah (θ) varía de un caso a otro. t)|2 dθ = |uj (t)|2 .158 CAPÍTULO 3. t) = 0.0. t) = 0. en cada uno de los casos. satisface  −iθ  e −1 ǔ′ (θ. 2π). sino que define también una isométrica de ℓ2 a valores en L2 (0. (esquema regresivo) (3.0. (3. t) + ǔ(θ.0. 0) (3. t) = eah (θ)t ǔ(θ.  2h Como es bien sabido.0.0. LA ECUACIÓN DE TRANSPORTE LINEAL La mejor manera de analizar la estabilidad es a través del método de von Neumann.0. Verifiquemos si esta propiedad se cumple en cada uno de los casos: 2 En este punto estamos haciendo uso del clásico Teorema de Lax que dice que la convergen- cia de un esquema es equivalente a su estabilidad más consistencia. (3. t) = uj (t)eiθj (3. t) = 0. t > 0. (3. la convergencia de un método numérico exige su estabili- dad2 y ésta pasa por que Re ah (θ) permanezca acotada superiormente cuando h → 0 uniformemente en θ ∈ [0. (3. t) + ǔ(θ.21)   h     iθ −iθ  e − e .

0.26) 2h h Obviamente. Esto demuestra que el esquema es también convergente. (3.0. Para ello hacemos las dos siguientes hipótesis: a) Aε y → Ay para todo y (consistencia) y b) Las matrices inversas (Aε )−1 están uniformemente acotadas (estabilidad). lo mismo que hace h en las aproximaciones numéricas.0.27) por lo que este esquema es también estable y convergente. 159 • Esquema progresivo: Tenemos 1 − eiθ 1 − cos(θ) i sen(θ) ah (θ) = = − . tenemos Aε (xε − x) = bε − b + (A − Aε )x = rε . h Obviamente. Suponemos que bε → b cuando ε → 0. Re ah (θ) ր ∞. Aproximemos este problema por otro de características semejantes Aε xε = bε . h → 0. y ε es el parámetro destinado a tender a cero. Deducimos entonces la convergencia de las soluciones: xε → x cuando ε → 0. . • Esquema regresivo: En este caso e−iθ − 1 cos(θ) − 1 i sen θ ah (θ) = = − (3. la ecuación cuya solución deseamos aproximar. podemos interpretar este resultado del siguiente mo- do.25) h La estabilidad del esquema está por tanto garantizada. (3. En efecto.0.23) lo cual demuestra la falta de estabilidad y por tanto de convergencia de este esquema.24) h h h de modo que cos(θ) − 1 Re ah (θ) = ≤ 0. (3. El Teorema de Lax generaliza este resultado al caso de las EDP y sus aproximaciones numéricas. 2π).0.0. La hipótesis de estabilidad garantiza entonces que xε − x → 0. la resolución de un sistema lineal Ax = b. • Esquema centrado: En este caso e−iθ − eiθ i sen θ ah (θ) = =− . ∀0 < θ < 2π. Re ah (θ) = 0 (3. La ecuación aproximada Aε xε = bε juega el papel de la aproximación numérica.22) h h h Por tanto 1 − cos(θ) Re ah (θ) = . La ecuación Ax = b del ejemplo anterior juega el papel de la EDP. Por las hipótesis realizadas sobre la aproximación deducimos que rε → 0. (3. Deseamos probar que xε → x. propiedad que analizaremos más adelante. ∀θ ∈ [0.

los otros dos esquemas pueden perfectamente serlo. Cuando no se cumple. en virtud de la expresión explícita (3. fijado un punto x = xj . el sistema semi-discreto depende del valor del dato inicial a la derecha de xj mientras que el único valor relevante para la solución real es el punto x − t que está al lado opuesto. t) se reduce al punto x − t en el instante inicial.3) de la solución de la ecuación de transporte (3. lo cual garantiza su convergencia. a la izquierda de x. que a su vez depende de uj+1 (t). El análisis que acabamos de realizar indica que: ∗ Las ondas continuas se propagan en el espacio-tiempo con una velocidad y dirección determinadas. hay puntos del dominio de dependencia del problema continuo que no pertenecen al del problema discreto.1). a pesar de estar basados en un mecanismo apa- rentemente coherentes de discretización. . Por lo tanto el esquema semi-discreto progresivo viola la condición indispen- sable para la convergencia de un esquema numérico según la cual el dominio de dependencia del esquema numérico ha de contener el dominio de dependencia de la ecuación original3 . que viene a significar algo asi como “a favor de la correinte".0. Sin embargo. sin embargo. En estas circunstancias. el sentido y orientación del mismo ha de ser tenido en cuenta a la hora de diseñar métodos numéricos convergentes. ∗ Los esquemas numéricos. etc. en este caso. los otros dos esquemas si que verifican esta propiedad geomé- trica. Esto excluye cualquier posibilidad de convergencia del método numérico. vemos que la ecuación que gobierna la dinámica de uj (t) depende de uj+1 (t). En el esquema progresivo.0. LA ECUACIÓN DE TRANSPORTE LINEAL En realidad bastaría verificar las propiedades geométricas más elementales asociadas a la evolución temporal que la ecuación continua y semi-discreta gene- ran para ver que el esquema progresivo no puede de ningún modo ser convergente y que. modificando los datos iniciales en esos puntos.160 CAPÍTULO 3. podemos conseguir alterar la solución del problema continuo sin que la del problema discreto sufra ningún cambio. Con este término se pone de manifiesto que en los problemas en los que está presente el fenómeno de transporte. Veamos ahora cuáles son los dominio de dependencia en los esquemas discretos. pueden generar ondas que se pro- 3 Se trata efectivamente de una condición necesaria para la convergencia de un método numérico. la aproximación de la solución en el nodo xj+1 inmediatamente a la derecha de xj . Vemos pues que. observamos que el dominio de dependencia de la solución en el punto (x. El esquema progresivo para la ecuación de transporte que consideramos suele normalmente denominarse “upwind". En efecto.

161 pagan con velocidades y direcciones distintas y no converger a medida que el paso del mallado tiende a cero. t) + ux (xj . En virtud del Teorema de equivalencia de P. t) + O h2 − u(xj . t) − u(xj . lo cual indica que se trata efectivamente de un esquema consistente de orden 1.0. t) + ux (xj . en el caso de esquema progresivo uj+1 − uj u(xj+1 . t) + O h2 = O h2 . t) + hux (xj . Los tres esquemas que hemos analizado son en principio coherentes. Tenemos entonces. 2   = ut (xj . En efecto. t) u′j + = ut (xj . Para analizar la consistencia de los esquemas numéricos introducidos consi-  deramos uj j∈Z como una solución aproximada de dicho esquema4 . De manera más precisa. Cuando el error de truncatura τ es del orden de O(hp ) se dice que el método es consistente de orden p.0. t) + h = ut (xj . t) + h ux (xj . t) + O(h) = O(h). t). t) + (3. a la hora de comprobar la consistencia de un método numérico.0. t) + hux (xj . (3. supongamos que u es una solución suficientemente regular de la ecua- ción de transporte (3.28) la restricción de (3.1) (basta con que u tenga una derivada continua en la variable tiempo y tres en la variable espacial).29) h h  u(xj .30) 2h  2h h2 = ut (xj . mientras que el esquema progresivo y regresivo son consistentes de orden 1. En rea- lidad en la terminología del Análisis Numérico se dice que son esquemas consis- tentes. Sea entonces uj (t) = u(xj . t) + O(h3 ) 2  h2 3  −u(xj .0. como podría esperarse en la medida en que el esquema numérico tiene como objeto aproximar la ecuación continua.1) a los puntos del mallado. . el esquema centrado es consistente de orden 2: uj+1 − uj−1 u(xj+1 . el esquema centrado es consistente de orden 2.0. el error de trunca- tura es el resto resultante de considerar la solución del problema continuo como una solución aproximada del problema discreto. t) + O h 2h. Así. t) u′j + = ut (xj . t) − uxx (xj . t) + u(xj . t) = ut (xj . lo que comunmente se hace es considerar la solución del problema continuo como una solución aproximada del esquema discreto y no al revés. Por último. t) + uxx (xj . t) − u(xj−1 . Lax que garantiza que la conver- gencia equivale a la consistencia más la estabilidad cabe entonces esperar que el 4 Conviene subrayar que. t) + (3.

uj (0) = h1 x j−h/2 f (s)ds. j ∈ Z.0.32) En virtud del análisis de consistencia anterior. Por ejemplo. Comprobémoslo. j ∈ Z.0. lo cual permite tomar datos iniciales exactos en el esquema semi-discreto: uj (0) = f (xj ). Para simplificar la presentación suponemos que el dato inicial es conti- nuo5 . tomaríamos como dato inicial para el problema discreto una media del dato inicial f = f (x) R x +h/2 en torno a los puntos del mallado.34) 2 dt 2h j∈Z j∈Z j∈Z En este punto introducimos la norma en ℓ2 . Consideremos en primer lugar el esquema regresivo y ana- licemos el error εj (t) = uj (t) − uj (t) = u(xj . (3. el espacio de las sucesiones de cuadrado sumable a escala h:  1/2 X 2 ||(εj )||h = h |εj |  .33) εj (0) = 0. LA ECUACIÓN DE TRANSPORTE LINEAL esquema regresivo sea convergente de orden 1 y que el centrado sea convergente de orden 2. (3.0. t > 0 (3. 2 dt h j∈Z j∈Z j∈Z En este punto conviene observar que X  1X 2  ε2j − εj−1 εj = εj + ε2j−1 − 2εj−1 εj 2 j∈Z j∈Z 1X 2 = (εj − εj−1 ) ≥ 0. Multiplicando en (3.33) por εj y sumando en j ∈ Z obtenemos   1 d  X 2 1X 2  X |εj (t)|  + εj − εj−1 εj = Oj (h)εj . por ejemplo. (3.35) j∈Z 5 Si el dato inicial no fuese continuo sino solamente localmente integrable. 2 j∈Z Por tanto la identidad de energía anterior puede reescribirse del siguiente modo   1 d X 2 1 X 2 X |εj (t)| + (εj (t) − εj−1 (t)) = Oj (h)εj (t). j ∈ Z.0.31) es decir la diferencia entre la solución real y la numérica sobre los puntos del mallado.0.162 CAPÍTULO 3. j . (3. sustrayendo la ecuación veri- ficada por uj y uj deducimos que ( ε −ε ε′j + j hj−1 = Oj (h). t) − uj (t).0.

0. 163 En lo sucesivo utilizaremos la notación vectorial ~ε para denotar el vector infinito numerable de componentes (εj )j∈Z .35) es una aproximación discreta de la norma continua en L2 (R) en el mallado de paso h.34) puede reescribirse del modo siguiente: 1 d 1 X . Conviene observar que (3. Con esta notación.0. y denotando mediante τ−1 ~ε la sucesión trasladada una unidad con componentes (εj−1 )j∈Z . la identidad (3.

.

2 2 .

~ .

|~ε(t)|h + |~ε(t) − τ−1 ~ ε(t)|h = h Oj (h)εj (t) ≤ .

O(h).

2 dt 2h h j∈Z (3.0. |εj (t)|h .36) De esta desigualdad se deduce que d .

.

.

~ .

|~ ε(t)|h ≤ .

O(h).

dt h de donde se sigue que Z t.

.

.

~ .

|~ε(t)|h ≤ .

O(h).

Entonces.0. x∈R.37) 0 h puesto que ~ε(0) = 0. la solución u. t) 2 donde ξj es un punto en el intervalo [xj−1 . t≥0 de donde. t)| = C < ∞. Con el objeto de concluir la prueba de la convergencia suponemos que el dato inicial f = f (x) es de clase C 2 y de soporte compacto: f ∈ Cc2 (R). En vista del análisis de la consistencia realizado previamente se observa que cada componente Oj (h) del error es de la forma h Oj (h) = uxx (ξj . se sigue que . ~ En este punto tenemos que analizar el error de truncatura O(h).3). tiene la misma propiedad para todo t > 0 y además: máx |uxx (x.0. cuya forma explícita fue derivada en (3. ds (3. xj ]. habida cuenta que el soporte de uxx está contenido en una traslación del soporte compacto de f .

.

.

~ .

.

O(h).

∀h > 0. ≤ Ch.38) h Combinando (3. ∀t ≥ 0. ∀h > 0.0.38) se concluye que |~ε(t)|h ≤ Cth.0.37)-(3.39) .0.0. ∀t ≥ 0. (3. (3.

R   . con las notaciones anteriores.h denota la versión discreta de la semi-norma Z 1/2 u2x dx .164 CAPÍTULO 3.e. (3. i.0. puede reescribirse como 1 d |~u(t)|2h + h |~u(t)|21.h = 0. El método empleado en la prueba de la convergencia es el denominado mé- todo de la energía y está basado en la siguiente ley de energía que las soluciones del problema semi-discreto verifican 1 d X 2 X  uj (t) − uj−1 (t) 2 |uj (t)| + h =0 2 dt h j∈Z j∈Z y que. LA ECUACIÓN DE TRANSPORTE LINEAL lo cual concluye la demostración de que el método semi-discreto de diferencias finitas regresivas es convergente de orden uno.40) 2 dt Aquí y en lo sucesivo k · k1.

.

1/2 X .

uj − uj−1 .

2 |~u|1.h = h .

.

 .0. (3.41) .

h .

0.1).0. esencialmente por dos razones: ∗ La tasa de disipación del esquema semi-discreto decrece a medida que h → 0. multiplicando por u e integrando con respecto a x se deduce que d k u(t) k2L2 (R) = 0.3) de la solución (3.1).42) para el problema continuo (3.0.0. tal y como se observa con claridad en (3.0. en contraste con la ley de conservación de energía (3. (3.0. j∈Z Conviene comparar (3.1) es perfectamente coherente con la forma explícita (3.0. Sin embargo.0.0.42) de la ecuación continua (3. la ley de conservación de energía (3.40).40) establece el carácter disipativo del esquema semi-discreto regresivo. Verifiquemos la ley de energía de los otros dos esquemas considerados.1) donde.42) dt Obviamente. . ∗ El carácter disipativo del equema numérico contribuye a su estabilidad.0. la identidad (3. es de señalar que.0.40) con la ley de conservación de la energía para la ecuación de transporte continua (3. Este carácter disipativo no está reñido con la convergencia del esquema cuando h → 0.

dado un dato inicial f ∈ L2 (R). t) ux (x. vemos que vh (x.0. h 2 Por lo tanto.0. t) → f (x) en L2 (R). t) → f (x − t). en realidad.0. Las propiedades disipativas. t) = vh (x.1). t) es solución de la ecuación del calor vt − hvxx = 0 que. t) + O(h2 ).44) dt j∈Z identidad que garantiza su carácter puramente conservativo y su estabilidad. anti-disipativas y conservativas de los esquemas regresivo. h Un análisis más cuidadoso indica que. cuando h → 0 en L2 (R) para cada t > 0. u(x. uh (x. t) = [Gh (t) ∗ f ](x) siendo Gh el núcleo del calor reescalado: Gh (x. t) ∼ . Multiplicando en (3. t) = uh (x+t. t) = (4πht)−1/2 exp(−x2 /4ht).45) genera un semigrupo de contracciones en L2 (R) para cada h > 0 y que. progresivo y centrado pueden interpretarse fácilmente de la siguiente manera.45) por u e integrando en x 6 No es difícil comprobar que la ecuación (3. t) − u(x − h. la solución uh = uh (x.0. t) − uxx (x.0. o. Así.45) converge a la solución de la ecuación de transporte puro u(x. 165 En el esquema progresivo tenemos 1 d X X (uj+1 − uj ) |uj (t)|2 + uj 2 dt h j∈Z j∈Z 1 d X 1 X = |uj (t)|2 − |uj+1 − uj |2 = 0. De esta expresión se deduce fácilmente que vh (x.43) 2 dt 2h j∈Z j∈Z En esta identidad queda claramente de manifiesto el carácter anti-disipativo del método progresivo. t/h). t) h = ux (x.0. lo que es lo mismo. (3.45) es una aproximación parabólica o viscosa de la ecuación de transporte puro 6 (3. tras el cambio de variables wh (x. Para ello basta observar que vh (x.0.45) 2 La ecuación (3. para cada t > 0. (3. Consideremos por ejemplo el esquema regresivo en el que hemos adoptado la siguiente aproximación de la derivada espacial u(x. t) − u(x − h.0. t) de (3. t) = f (x − t). (3. . En el caso del esquema centrado tenemos sin embargo d X |uj (t)|2 = 0. causante de su inestabilidad. se convierte en una solución de la ecuación del calor wt − wxx = 0. el esquema regresivo es en realidad una aproximación de orden dos de la ecuación de transporte perturbada h ut + ux − uxx = 0.

t) − u(x − h. se convierte en una solución de la ecuación del calor retrógra- da normalizada wt + wxx = 0.47) h 2 En este caso.50) Es fácil comprobar. T .49) 2 dt R 2 R x Sin embargo. t) + uxx (x. (3.0. t) h2 h2ℓ = ux (x.51) (2ℓ + 1)! x ℓ=0 7 La inestabilidad de esta ecuación a medida que h → 0 se pone claramente de mani- fiesto a través del cambio de variable vh (x. t)dx = u2 (x. De esta expresión.0. t) = (4πht)−1/2 exp(−x2 /4ht). t/h).166 CAPÍTULO 3. en efecto. (3.0. . t) + O(h2 ). t)dx + u2x (x. t) = f (x). t) − u(x. (3.50) de la forma L X h2ℓ ut + ∂ 2ℓ+1 = 0 (3. el esquema progresivo resulta ser una aproximación de orden dos de la EDP de segundo orden h uxx = 0. siendo Gh el núcleo del calor reescalado: Gh (x. t) = [Gh (τ − t) ∗ vh (·. τ )](x). aplicada con t = 0 de modo que vh (x.0. L2 (R)).1) obtenidas truncando el desarrollo en serie de potencias (3.48) satisfacen Z Z 1 d 2 h u (x. t)+ ∂x3 u(x. En efecto: u(x + h. para ningún T > 0.0. t). la versión continua de la ley de disipación de energía (3. ut + ux + (3.48) 2 En esta ocasión (3. t) = uh (x + t. En este caso. t) no está acotada en L∞ (0.48) es una ecuación parabólica retrógrada de carácter inestable7 tal y como queda de manifiesto en la ley de amplificación de la energía que las soluciones de (3. este argumento permite confirmar el carácter puramente con- servativo de la aproximación centrada. se deduce fácilmente que vh (x. Así.40) del esquema regresivo. LA ECUACIÓN DE TRANSPORTE LINEAL deducimos que Z Z 1 d 2 h u (x.0. 2h 3! (2ℓ + 1)! x (3. t)+· · ·+ ∂ 2ℓ+1 u(x.0. El mismo argumento permite detectar el carácter inestable de la aproxima- ción progresiva puesto que u(x + h. para cada par de instantes de tiempo 0 < t < τ . t) = vh (x. t)dx.0. t) h = ux (x.0.0. que cualquiera de las aproximaciones de la ecuación de transporte (3.46) 2 dt R 2 R lo cual refleja el carácter disipativo del término de regularización −huxx/2 aña- dido en la ecuación (3.0.45) y supone. se trata de una solución de la ecuación del calor retrógrada vt + hvxx = 0 que. claramente. t)dx = 0.0. tras el cambio de varia- bles wh (x. vemos que vh (x. t)+· · · .

1): uk+1 j − ujk−1 ukj+1 − ukj−1 + = 0. Basta por tanto verificar si se satisface el criterio de la raíz. ukj denota la aproximación de la solución continua u = u(x. tk ) = (j∆x.55) vemos que cada componente de Fourier ǔk (θ) satisface un esque- ma de evolución discreto de dos pasos cuyos coeficientes dependen de θ ∈ [0.55) En (3. Las ecuaciones (3.0. (3.0.0.55) son p λ± (θ) = −iµ sen(θ) ± −µ2 sen2 (θ) + 1. Para concluir esta sección consideremos el siguiente esquema completamente discreto para la aproximación de (3.51) tienen sin embargo un carácter dispersivo que anali- zaremos más adelante. Se trata de un esquema consistente de orden 2 y puede ser escrito en la forma   uk+1 j = ujk−1 + µ ukj−1 − ukj+1 (3.0. 167 Tiene un carácter puramente conservativo. es decir. se tiene que el esquema regresivo es inestable y no converge mientras que el progresivo y centrado son convergentes de orden 1 y 2.0.0.0.5) en la que el sentido de progre- sión de las ondas ha sido invertido. ǔk+1 (θ) + 2iµ sen(θ)ǔk (θ) − ǔk−1 (θ) = 0. El esquema (3.0.54) El método de von Neumann permite analizar fácilmente la estabilidad del es- quema.56) Conviene entonces distinguir los tres siguientes casos: .53) satisface   ǔk+1 (θ) = ǔk−1 (θ) + µ e−iθ − eiθ ǔk (θ) = ǔk−1 (θ) − 2iµ sen(θ)ǔk (θ).0.0. respectivamente. En este caso. (3.0. k∆t).0.53) donde µ es el número de Courant: µ = ∆t/∆x.52) está perfectamente centrado tanto en la variable espacial como temporal y se denomina esquema “leap-frog”. En este caso los ceros del polinomio característico del esquema (3. En relación a la ecuación de transporte (3.1) en el punto (x.52) 2∆t 2∆x Aquí y en lo sucesivo utilizamos las notaciones habituales de modo que ∆t y ∆x denotan los pasos del mallado en la dirección temporal y espacial respec- tivamente.0. 2π). (3. como es de esperar. la transformada de Fourier ǔk (θ) de la solución de (3. t) = (xj . t) de (3. (3. Por otra parte.

Es fácil comprobar también que µ ≤ 1 es precisamente la condición que garantiza que el dominio de dependencia del esquema discreto contiene el de la ecuación continua. Obtendríamos ahora aproximaciones conservativas pero dispersivas de la ecuación de transporte de la forma XM L (∆t)2m 2m+1 X (∆x)2ℓ 2ℓ+1 ∂t + ∂ =0 (3. • Caso 2: µ = 1.168 CAPÍTULO 3. En este caso límite se observa que cuando θ = π/2 o θ = 3π/2 el discrimi- nante se anula. Tenemos entonces raíces dobles de módulo unidad. cuando θ ∼ π/2 tenemos que −4µ2 sen2 (θ) + 4 < 0 y por lo tanto los ceros son de la forma h p i λ± (θ) = −i µ sen θ ∓ µ2 sen2 θ − 1 .0. LA ECUACIÓN DE TRANSPORTE LINEAL • Caso 1: µ < 1.57) m=0 (2m + 1)! (2ℓ + 1)! x ℓ=0 . De este análisis deducimos que el método completamente discreto de leap-frog es convergente de orden dos si y sólo si µ < 1. En este caso. Señalemos por último que el método consistente en sustituir el esquema nu- mérico por una aproximación semejante escrita en términos de EDP puede tam- bién aplicarse en este caso. • Caso 3: µ > 1. La raíz de mayor módulo es la que corresponde al signo negativo. En este caso 2   |λ± | = µ2 sen2 θ + 1 − µ2 sen2 θ = 1 con lo cual la estabilidad queda garantizada al ser las raices λ± simples. lo cual produce la inestabilidad del esquema. En este caso tenemos p |λ− (θ)| = µ sen θ + µ2 sen2 θ − 1 > 1 puesto que µ sen θ > 1. El método es por tanto inestable en este caso.

6 6 Ahora bien. ∂x u udx = 0. En efecto. R R 2 dt R R Obtenemos así la ley de conservación de la energía: Z h d h1 (∆t)2 i i u2 − | ux |2 dx = 0 dt 2 R 6 Vemos sin embargo que el efecto dispersivo introducido por el esquema nu- mérico hace que no sea la norma de u en L2 (R) la que se conserve en tiempo sino la cantidad: Z  (∆t)2  u2 − | ux |2 dx R 6 que. Z Z Z Z 1 d ∂t uudx = u2 dx. . R 6 R 6 Ahora bien. por lo que esta cantidad nunca se puede hacer negativa en ellas.1). La mayoría de ellos aparecen al realizar una aproximación discreta en tiempo de un esquema semidiscreto. tenemos. pero no siempre es así. en caso de proceder a la obtención del esquema completa- mente discreto mediante la discretización temporal de un esquema semi-discreto. Obviamente. Conviene sin embargo no olvidar que en las soluciones numéricas su máxima oscilación está limitada por el paso del mallado. incluso puede ser negativa si la función u oscila rápidamente. Son muchos los esquemas completamente discretos que surgen de manera natural en la aproximación de la ecuación de transporte (3. multiplicando en la ecuación por u e integrando en R obtenemos: Z  Z (∆t)2 2   (∆x)2 2  ∂t u + ∂x u udx + ∂x u + ∂x u udx + 0. además del esquema “leap-frog” ya estudiado.0. ∂x3 u udx = − ∂x2 u ∂x u dx = 0. 169 Tomando por ejemplo L = M = 1 obtenemos la ecuación: (∆t)2 3 (∆x)2 3 ∂t u + ∂x u + ∂t u + ∂x u = 0. de modo que la ecuación anterior puede escribirse del modo siguiente: (∆t)2 2 (∆x)2 2 ∂t [u + ∂x u] + ∂x [u + ∂x u] = 0. 6 6 En esta última expresión es fácil comprobar el carácter conservativo de estas aproximaciones. R 2 dt R R R Z Z Z Z 2 1 d 2 ∂t ∂x u udx = − ∂t ∂x u∂x udx = − | ∂x u | dx. la ecuación de transporte indica que ∂t u = −∂x u y por tanto ∂t2 = ∂x2 .

como el esquema regresivo (3. si y sólo si | 1 − 2µ |6 1 ⇔ µ 6 1.59) ∆t ∆x Nos referiremos a estos esquemas con ER (Euler regresivo explícito) y ERI (Euler regresivo implícito). Comprobemos pues su estabilidad.62) .60) El análisis de von Neumann conduce al esquema discreto h i ǔk+1 (θ) = ǔk (θ) + µ(eiθ ǔk (θ) − ǔk (θ)) = 1 + µ(eiθ − 1) ǔk (θ) (3. Ambos esquemas son de un paso temporal y consistentes de orden uno. el esquema completamente discreto obtenido tampoco convergería.0. (3.58) ∆t ∆x o su versión implícita uk+1 j − ukj uk+1 j − uk+1 j−1 + =0 (3. LA ECUACIÓN DE TRANSPORTE LINEAL elegiremos uno que sea convergente puesto que si el esquema semi-discreto de partida fuese divergente.10) puesto que ya vimos que es inestable y por tanto divergente.11) es convergente parece na- tural introducir el esquema de Euler regresivo uk+1 j − ukj ukj − ukj−1 + =0 (3. (3. y por tanto convergente de orden uno.0.0. Como 1 + µ(eiθ − 1) = 1 + µ[cos θ + i sen θ − 1] = 1 + µ(cos θ − 1) + iµ sen θ tenemos que | 1 + µ(eiθ − 1) |2 = (1 + µ(cos θ − 1))2 + µ2 sen2 θ = 1 + µ2 (cos θ − 1)2 + 2µ(cos θ − 1) + µ2 sen2 θ = 1 + µ2 (cos2 θ + 1 − 2 cos θ) + 2µ(cos θ − 1) + µ2 sen2 θ = 1 − 2µ de donde deducimos que es estable. Sin embargo.0. conviene excluir inmediatamente los esquemas com- pletamente discretos derivados del esquema semi-discreto progresivo (3.170 CAPÍTULO 3. respectivamente.61) Para su estabilidad basta entonces comprobar si | 1 + µ(eiθ − 1) |6 1.0.0. El esquema ER puede reescribirse como uk+1 j = ukj + µ(ukj−1 − ukj ). En vista de este hecho.0.

0. (3. 171 Es fácil comprobar que esta condición de estabilidad es precisamente la que se obtiene al imponer que el dominio de dependencia del esquema discreto contenga al de la ecuación de transporte continua. Este sistema.59). se convierte en ǔk+1 (θ) = ǔk (θ) − µ(ǔk+1 (θ) − eiθ ǔk+1 (θ)).59) el cálculo de uk+1 j involucra a uk+1 j−1 . o ǔk+1 (θ) = [1 + µ(1 − eiθ )]−1 ǔk (θ). >se puede invertir el operador Bµ ? . con independencia del valor de µ.64) La condición de estabilidad es entonces en este caso | 1 + µ(1 − eiθ ) |> 1.0. De hecho cabe preguntarse sobre cual es el modo de resolver el sistema (3. Esto es efectivamente así puesto que en el esquema discreto (3. cuyo valor a su vez in- k+1 volucra a uj−2 . con la notación vectorial habitual puede escribirse en la forma Bµ − → u k+1 = −→ uk donde Bµ es una matriz infinita con valores 1 + µ en la subdiagonal. A primera vista puede resultar sorprendente que el método ERI sea conver- gente para cualquier valor del número de Courant pues cabría preguntarse si la condición de inclusión de los dominios de dependencia se cumple con inde- pendencia del valor de µ.63) es decir. Vemos pues que el dominio de dependencia de ERI es el conjunto de todos los nodos del mallado. · · · . h i 1 + µ(1 − eiθ ) ǔk+1 (θ) = ǔk (θ). En el caso del ERI tenemos uk+1 j = ukj − µ(uk+1 j − uk+1 j−1 ) que al aplicar la transformada de Fourier. Pero.0. Se trata por tanto de una matriz infinita “triangular inferior” que define un operador acotado de ℓ2 en ℓ2 . (3.0. Como 1 + µ(1 − eiθ ) = 1 + µ(1 − cos θ) − iµ sen θ tenemos que | 1 + µ(1 − eiθ ) |2 = (1 + µ(1 − cos θ))2 + µ2 sen2 θ = 1 + µ2 (1 + cos2 θ − 2 cos θ) + 2µ(1 − cos θ) + µ2 sen2 θ = 1 + 2µ(1 − cos θ) + 2µ2 (1 − cos θ) > 1 y por tanto el método es incondicionalmente estable.

Nuevamente (3. que es también un método de orden dos. pero tiene además la propiedad de ser de orden dos. Además. el esquema de Crank-Nicolson (CN) inspirado en la regla del trapecio para la resolución de ecuaciones diferenciales y en la diferencia finita centrada para la aproximación de la derivada espacial: 1 h ukj+1 − ukj−1 k+1 i uk+1 j − ukj uk+1 j+1 − uj−1 =− + . En efecto.0. Vemos pues que la transformada discreta de Fourier permite probar la resolubilidad del sistema algebráico (3. lo cual da.65) ∆t 2 2∆x 2∆x El método CN es convergente de orden dos para cualquier valor del parámetro de Courant µ. mediante la transformada discreta de Fourier. conviene utilizar el análisis de von Neumann. 2π). aunque esta vez en tiempo. Existen otros muchos métodos que proporcionan aproximaciones convergen- tes de la ecuación de transporte.65) es un sistema implícito.0.172 CAPÍTULO 3. ∀θ ∈ [0.59) que el método ERI plantea. El orden dos proviene de la combinación de los dos hechos siguientes: a) La utilización de diferencias centradas en la aproximación de la derivada espacial.63) se resuelve inmedia- tamente y tiene como solución (3.0.0. Vemos pues que CN preserva la propiedad que el método ERI de converger para todo valor de µ. (3.0. b) La utilización del método del trapecio en la aproximación de la derivada temporal. LA ECUACIÓN DE TRANSPORTE LINEAL Para comprobar que esto es efectivamente así. Evidentemente hay muchos otros esquemas que pueden considerarse. el sistema equivalente (3. Por ejemplo. efectivamente.0.64). Pero se puede ver que es reso- luble utilizando el argumento que hemos usado para el método ERI.66) 2∆t 3 2∆x 3 4∆x . una aproximación de orden dos de la derivada espacial. tal y como hemos visto en el análisis de la estabilidad del esquema | ǔk+1 (θ) |6| ǔk (θ) |. Deducimos por tanto que X Z 2π 1 k (uk+1 j )j∈Z k2ℓ2 = | uk+1 j |2 = | ǔk+1 (θ) |2 dθ 2π 0 j∈Z Z 2π X 6 1 2π | ǔ (θ) |2 dθ = k | ukj |2 =k (ukj )j∈Z k2ℓ2 0 j∈Z de modo que Bµ−1 está bien definido y es un operador acotado de ℓ2 en ℓ2 con norma no superior a uno. Tenemos por ejemplo de “leap-frog” de orden cuatro (LF4): uk+1 − ujk−1 h 4 h uk − uk i 1 h uk − uk ii j j+1 j−1 j+2 j−2 =− − (3.

0. no todos los métodos discretos provienen de discretizar en tiempo una semi-discretización. 1 h uj i uk+1 − uk+1 k+2 − uk+1 j uk+1 k j−1 − uj−1 j j−1 + + = 0. efectivamente.71) 2 2 El esquema de Lax-Friedrichs puede escribirse en la forma uk+1 j − 21 (ukj−1 + ukj+1 ) ukj+1 − ukj−1 =− (3. Por ejemplo el método de la derivada oblicua es de la forma   uk+2 j = (1 − 2µ) u k+1 j − u k+1 k j−1 + uj−1 . Citemos por último los esquemas de Lax-Wendroff 1 1 uk+1 j = µ(1 + µ)ukj−1 + (1 − µ2 )ukj − µ(1 − µ)ukj+1 (3.0. El paso de (3.0. (3.70) 2 2 y el esquema de Lax-Friedrichs 1 1 uk+1 j = (1 − µ)ukj−1 + (1 + µ)ukj+1 .0. Sin ir más lejos es obvio que (3.0. como decíamos.67) 3 2∆x 3 4∆x que es efectivamente consistente con la ecuación de transporte.0.66) es claro.72) ∆t 2∆x .69) 2 ∆t ∆t ∆x expresión en la que queda claramente de manifiesto la analogía del esquema discreto con la ecuación de transporte continua. En todos los métodos descritos hasta ahora puede observarse que han sido de- rivados en dos pasos.0. Para ver que.0.67) a (3. (3.66) proviene de una semi-discretización de la forma h 4 h u (t) − u (t) i 1 h u (t) − u (t) ii j+1 j−1 j+2 j−2 u′j (t) = − − (3. de manera más clara aún. Pero.0.68) Se trata de un método de orden dos. (3. Basta con utilizar el esquema de dos pasos y k+1 − y k−1 = f (y k ) 2∆t para la resolución de la ecuación diferencial y ′ (t) = f (y(t)). 173 que es de orden dos en tiempo y orden cuatro en espacio. ∆t ∆x o. es un método consistente con la ecuación de transporte lo escribimos como uk+2 j − ukj−1 − uk+1 j + uk+1 j−1 (uk+1 j − uk+1 j−1 ) = −2 . discretizando primero la variable espacial y después la tem- poral.

72) el desarrollo de Taylor para observar que (3.0.0. Dispersión numérica y velocidad de grupo En el apartado anterior hemos estudiado la convergencia de diversos esque- mas semi-discretos y completamente discretos de aproximación de la ecuación .1.e. (i. (uk+1 j − ukj )/∆t) ha sido sustituido por la media de los valores ukj−1 y ukj+1 . t)dx = f (x)dx. 2∆t que es análoga a la que obtuvimos para el esquema semi-discreto regresivo. Esto es una versión discreta de la propiedad de conservación de la masa que las soluciones u(x. basta aplicar formalmente en (3.0. Es fácil comprobar que (3. 3. j∈Z Basta entonces sumar con respecto a j ∈ Z en (3. se trata de un esquema discreto. Es de orden uno y tiene la propiedad de conservar la masa de la solución. El esquema de Lax-Wendroff es consistente de orden dos y es fácil compro- bar que es también un esquema conservativo y es convergente bajo la misma condición µ 6 1. En esta expresión se observa que este esquema se obtiene a partir de la semi-discretización centrada realizando una discretización explícita de la derivada temporal en la que el valor ukj de la discretización más típica de ut . como la ecuación de Burgers.174 CAPÍTULO 3. ∀t ∈ R. y los esquemas que la verifican se dicen conservativos. Es fácil comprobar que el esquema de Lax-Friedrichs es estable (y. definimos la masa de la solución discreta como X mk = ukj .0.72) da lugar en realidad a la siguiente corrección difusiva de la ecuación de transporte: (∆x)2 ut − uxx + ux = 0. LA ECUACIÓN DE TRANSPORTE LINEAL en la que queda claramente de manifiesto la consistencia con la ecuación de transporte. i. Obviamente.0. R R Esta propiedad de conservación de la masa juega un papel relevante en la apro- ximación numérica de las ecuaciones de transporte no-lineales. convergente de orden uno) si y sólo µ = ∆t/∆x 6 1. En efecto.1) satisfacen. En efecto.72) es una aproximación difusiva de la ecuación de transporte.71) para obtener que las soluciones del esquema de Lax-Friedrichs satisfacen mk+1 = mk . Z Z u(x.e. t) = f (x − t) de (3. por tanto.

puede también comprobarse a través del análisis de Fourier.3) y se confirma lo observado en (3.5) Llevando la expresión (3. consideremos soluciones u de (3.4) obtenemos la ecuación 1 − e−iξh iω + = 0.3).1. Sin embargo con independencia de su carácter convergente o divergente la mayoría de los esquemas numéricos tienen un carácter dispersivo.0. por el contrario.0.1.2) En este caso la solución (3. Este hecho.1. i.1) es decir soluciones sinusoidales en variables separadas de frecuencia temporal ω y longitud de onda espacial 2π/ξ. (3.0.1. En efecto. t) = eiω(t−x) (3.1.1).1. DISPERSIÓN NUMÉRICA Y VELOCIDAD DE GRUPO 175 continua (3.1. es convergente de orden uno: uj − uj−1 u′j + = 0. (3.1) es solución de (3. número de onda ξ.4) h Buscamos ahora soluciones de la forma uj (t) = eiωt eiξxj . Analicemos ahora.0. (3.5) a la ecuación (3.e. Hemos comprobado que esquemas numéricos convergentes pue- den introducir efectos disipativos o anti-disipativos que pueden ser respectiva- mente la causa de su estabilidad o inestabilidad o. La relación (3. como vimos en la sección anterior.0.1) si y sólo si ω = −ξ.1) es precisamente un ejemplo claro de sistema no dispersivo pues.1.1) son meras ondas de transporte progresivas con velocidad uno. h .1) adquiere la forma u(x.1. Es fácil comprobar que u de la forma (3. ser puramente conservativos.3) en el sentido que las soluciones de (3.0. Por dispersión entendemos la propiedad de un sistema dinámico continuo o discreto en tiempo de propagar a diferentes velocidades las diversas componentes de la solución. La ecuación de transporte (3.0.1.3. el esquema semi-discreto regresivo que.0. como vimos en la sección 3. todas sus soluciones son ondas de transporte puras que se propagan en el espacio a velocidad uno. obvio de la expresión explícita de la solución (3.2) es la que se denomina relación de dispersión para la ecuación de transporte (3.1) de la forma u = eiωt eiξx . por ejemplo.1.1). (3.

En la expresión (3.    i   i ξ 2 h2 iξ 2 h 1 − e−iξh = 1 − 1 − iξh − + O(h3 ) = −ξ + + O(h2 ).45).5) de (3.4) puede escribirse en la forma ω uj (t) = eiξ(xj + ξ t) .1.8) ξ hξ 2 denominada velocidad de fase. Consideremos ahora el esquema centrado uj+1 − uj−1 u′j + = 0.0.6) h La ecuación (3.8) queda claramente de manifiesto el carácter dispersivo de la ecuación semi-discreta. Un simple desarrollo de Taylor permite comprobar que.6) coincide con la relación de dispersión (3.1.1. (3. Esto es debido al efecto disipativo que el esquema (3. en una primera apro- ximación.1. por lo que no representa realmente una velocidad de transporte en el espacio físico. (3. En efecto. i sen(ξh) iω + =0 h .176 CAPÍTULO 3.6) es la relación de dispersión para el esquema semi-discreto (3. 2h Es decir. es convergente de orden 2 y puramente con- servativo. (3.1.1.6) la solución (3.9) 2h que.8) es un número complejo. LA ECUACIÓN DE TRANSPORTE LINEAL es decir i   ω= 1 − e−iξh . Pero.1.1.1. de donde vemos que la solución semi-discreta es una onda de transporte progre- siva que avanza a una velocidad ωh (ξ) i iξh ch (ξ) = − = − (1 − e−iξh ) = 1 − + O(h2 ).1. h h 2 2 (3.1. En este caso se obtiene la relación de dispersión eiξh − e−iξh iω + = 0. en la medida en que la velocidad de propagación de la onda depende de la longitud de la misma.1.1. cabría argumentar que la expresión (3.7) En virtud de (3. (3.2) de la ecuación de transporte continua.4). como vimos en la sección 3.4) introduce y que quedó claramente de manifiesto en su análogo continuo (3.1.

En este caso buscamos ondas discretas de la forma ukj = eiω∆tk eiξxj = eiωk∆t eiξj∆x . fijada la longitud de onda espacial.13) ∆t Nuevamente es evidente que a medida que ∆x → 0.10) es una aproximación de la relación de dispersión (3. (3. puede reeescribirse como sen(ω∆t) = −µ sen(ξ∆x).1. cuando h → 0. En efecto. (3. en función del número de Courant µ = ∆t/∆x. equivalentemente.3.14) es particularmente interesante puesto que la relación de dispersión (3.12) Obtenemos entonces la relación de dispersión: eiω∆t − e−iω∆t eiξ∆x − e−iξ∆x + =0 2∆t 2∆x que.10) h Nuevamente observamos que (3.1. El caso µ=1 (3. de otro modo. Consideremos por último el esquema “leap-frog” completamente discreto (3. ∆t → 0 la relación de dispersión (3.1.13) se aproxima a la de la ecuación de transporte continua.1.10) se deduce que la velocidad de propagación de las ondas semi-discretas es en este caso sen(ξh) ξ 2 h2 ch (ξ) = =1− + O(h4 ). o. (3. 1 ω=− arcsen [µ sen(ξ∆x)] .15) .1.1.11) ξh 3! Comprobamos por lo tanto que las ondas en el medio semi-discreto se pro- pagan más lentamente que en el medio continuo si bien.1. De (3.13) se reduce a ω = −ξ (3.1.0. Obviamente. el esquema numérico no podría ser convergente si para algunas longitudes de onda las velocidades de propagación no convergiesen cuando el paso del mallado tiende a cero. la convergencia de las velocidades de propagación está motivada por el hecho que el esquema sea convergente.2) de la ecuación de transporte continua.1.1.52). converge a la velocidad de propagación en el caso continuo c ≡ 1. sen(hξ) ω=− .1. (3. DISPERSIÓN NUMÉRICA Y VELOCIDAD DE GRUPO 177 o. la velocidad de propagación ch (ξ).1.

h → 0. • | ch (ξ) |< 1. cuando se superponen dos ondas con velocidades de propagación semejantes pero no idénticas surgen paquetes de ondas que pueden propagarse a velocidades distintas. se comprueba que.18) . LA ECUACIÓN DE TRANSPORTE LINEAL que es precisamente la correspondiente a la ecuación de transporte continua. Pero esto ocurre sólo cuando µ = 1. para cualquier valor del número de Courant 0 < µ < 1: • ch (ξ) → 1.1. en este caso. ∀h > 0. Con el objeto de entender este fenómeno es conveniente introducir la noción de velocidad de grupo. como lo hacen en el caso continuo. El esquema numérico es por tanto en este caso de orden infinito y reproduce de manera exacta las soluciones de la ecuación de transporte continua sobre los puntos del mallado. (3. En este caso las ondas discretas se propagan a velocidad constante idénticamente igual a uno. (3. Se obtiene en este caso uk+1 j − ujk−1 + ukj+1 − ukj−1 = 0. Con el objeto de entender esta coincidencia de las velocidades de propagación continua y discretas conviene reescribir el esquema discreto con µ = 1. Son las que llamaremos ondas monocromáticas. tal y como vimos en la sección 2 en el marco del análisis del movimiento armónico simple. Cuando 0 < µ < 1 el esquema es convergente pero también dispersivo. en este caso la velocidad de propagación es 1 ch (ξ) = arcsen [µ sen(ξ∆x)] .16) Habida cuenta que las soluciones de la ecuación de transporte continua son de la forma u = f (x − t). Es decir uk+1 j + ukj+1 = ujk−1 + ukj−1 . ∀ξ.1. Para introducir esta noción consideremos cualquiera de los anteriores esque- mas semi-discretos que admite soluciones de la forma uj (t) = eiωh (ξ)t eiξxj . En efecto.1.17) ∆tξ Nuevamente observamos que. ∀ξ. (3. son también soluciones exactas del esquema discreto (3. La velocidad ch (ξ) describe de manera adecuada la propagación de las ondas semi-discretas o discretas que involucran un solo modo de Fourier.16) con µ = 1.178 CAPÍTULO 3.1. Pero.

La velocidad de grupo es la que determina la propagación de paquetes de ondas conteniendo varias ondas de números de onda semejantes. cuando t → ∞ la exponencial del integrando oscila más y más con respecto a la variable ξ y tiende a cero en un sentido débil haciendo que la integral tienda a anularse. .1.20) puede también escribirse del modo siguiente: ωh′ (ξ) = −x/t. o. DISPERSIÓN NUMÉRICA Y VELOCIDAD DE GRUPO 179 Superponiendo dos soluciones de esta forma con longitudes de ondas ξ y ξ + ∆ξ respectivamente obtenemos una nueva solución eiωh (ξ)t eiξxj − eiωh (ξ+∆ξ)t ei(ξ+∆ξ)xj u∆ξ. La ecuación (3. viene dado por wj (t) = −i[ωh′ (ξ)t + xj ]eiωh (ξ)t eiξxj .22) 8 Evitamos aquí las constantes multiplicativas de la transformada y antitransformada de Fourier que en nada afectan al fenómeno cualitativo que pretendemos ilustrar.1. cuando ∆ξ → 0. Evidentemente. Para comprobar este hecho basta con considerar la solución que se obtendría a partir de un dato inicial f = f (x) con transformada de Fourier F (ξ). sólo podemos ver las componentes cuyo número de onda ξ satisfaga la relación (3. (3.19) −∞ −∞ Supongamos ahora que fijamos el valor de x/t.1. (3. t) = −i[ωh′ (ξ)t+xj ] que se propaga a velocidad ωh′ (ξ) que se denomina velocidad de grupo.18) que se propaga a la velocidad de fase habitual ch (ξ) con la onda g(x.1.21) Esta relación indica que. Esta cancelación ocurre efectivamente para todos los valores de ξ salvo para aquéllos en los que d (ωh (ξ) + ξx/t) = 0.1.20) dξ Este hecho puede probarse de manera rigurosa mediante el Teorema de la Fase Estacionaria (TFE) (véase [8]).1. la energía asociada al número de onda ξ se propaga a una velocidad de grupo Ch (ξ) = −ωh′ (ξ).3. t) = F (ξ)ei(ωh (ξ)t+ξx) dξ = F (ξ)eit(ωh (ξ)+ξx/t) dξ.1.1. producto de la solución (3. La solución tendría entonces la expresión 8 : Z +∞ Z +∞ u(x. (3. (3. El resultado es un nuevo tipo de onda. a medida que nos trasladamos en el espacio a velo- cidad x/t. lo cual corresponde a mover el origen de referencia a velocidad x/t = cte.20). dicho de otro modo.j (t) = ∆ξ cuyo límite.

Estas.27) ∆t ∆tξ Sin embargo. (3. LA ECUACIÓN DE TRANSPORTE LINEAL Conviene en este punto señalar que la velocidad de fase ch (ξ) y la velocidad de grupo Ch (ξ). ch (ξ) = − =1− + O(h2 ). Sin embargo en el esquema semi-discreto regresivo teníamos que i   ωh (ξ) iξh ω= 1 − e−iξh .1.24). difiere de la velocidad de fase. (3.1. salvo en el caso µ = 1 en el que ch (ξ) ≡ Ch (ξ) ≡ 1. Consideremos por último el esquema completamente discreto de “leap-frog".24) Se observa efectivamente una sutil diferencia entre las expresiones obtenidas en (3. . En aquél caso veíamos que −1 1 ωh (ξ) = arcsen [µ sen(ξ∆x)] . no coinciden. (3. (3.1. ch (ξ) = =1− + O(h4 ). (3. la velocidad de grupo viene dada por la expresión: ∆xµcos(ξ∆x) Ch (ξ) = p .1. obviamente ch (ξ) ≡ Ch (ξ) ≡ 1.1. ch (ξ) = arcsen [µ sen(ξ∆x)] .1. en general.180 CAPÍTULO 3.25) h ξh 6 En este caso la velocidad de grupo es ξ 2 h2 Ch (ξ) = cos(ξh) = 1 − + O(h4 ). Analicemos este hecho en los ejemplos que hemos introducido más arriba.23) y (3.1.23) h ξ 2 mientras la velocidad de grupo viene dada por la expresión Ch (ξ) = −ωh′ (ξ) = e−iξh = 1 − iξh + O(h2 ). En este caso.26) 2 Nuevamente se observa una ligera diferencia en las expresiones de velocidad de fase y de grupo.1.28) ∆t 1 − µ2 sen2 (ξ∆x) que. En el caso de la ecuación de transporte continua teníamos que w(ξ) = −ξ para todo ξ. pequeñas diferencias entre la velocidad de fase y de grupo pueden sin embargo ser la causa de comportamientos inesperados de las soluciones de los esquemas numéricos. Consideramos ahora el esquema centrado en el que. (3. como veíamos anterior- mente. aparentemente. lo cual indica que todas las ondas se propagan a velociad uno en este modelo. sen(hξ) sen(ξh) ξ 2 h2 ω=− . nuevamente.

permiten describir el comportamiento de la integral Z iφ(y) Iε = e ε a(y)dy Rn para una función real. i. . siendo det A el determinante de A y sgn (A) su signatura. En el caso en que en la exponencial aparecen términos cuadráticos obtenemos la expresión Z ei 4 sgn (A) π 1 1 e 2ε y·Ay a(y)dy = (a(0) + O(ε)) (2πε)n/2 Rn | det A |1/2 para todo a ∈ Cc∞ (Rn ). El TFE parte de la observación siguiente: Si a ∈ Cc∞ (Rn ).5. tenemos | eip·x/ε a(x) |=| a(x) | para todo ε > 0. Sin embargo es el carácter rápidamente oscilante de la exponencial compleja del integrando lo que hace que la integral se anule a cualquier orden.29) Rn para todo p ∈ Rn . Esto. El lector interesado en una presentación básica pero completa de este Teorema puede consultar la sección 4. Basta integrar por partes teniendo en cuenta que ε ∂ eip·x/ε = (eip·x/ε ). junto con el desarrollo de Taylor. Además. La prueba de (3.1. A matriz real. evidentemente. entonces Z p·x e ε a(x)dx = O(εm ). p 6= 0 y m > 1. Todo lo contrario. al ser su soporte compacto. simétrica. las integrales por partes no aportan términos de frontera. regular φ general.3 del libro de Evans [8].e.3.1.29) es muy sencilla.1. Este resultado se prueba primero en el caso diagonal para después abordar el caso general utilizando una rotación que permita representar A como una matriz diagonal en la base de sus autovectores. ε → 0 (3. Estos resultados. no singular.29) se pone de manifiesto el hecho de que la integral se anula a un orden arbitrariamente grande cuando ε → 0. pk ∂xk El número de integrales por partes que podemos realizar es ilimitado pues la función a = a(x) es de clase C ∞ .1. En (3. el número de autovalores positi- vos de A menos el número de autovalores negativos. no es así porque el integrando tienda a cero en módulo. DISPERSIÓN NUMÉRICA Y VELOCIDAD DE GRUPO 181 Hemos antes mencionado que el Teorema de la Fase Estacionaria (TFE) juega un papel fundamental a la hora de entender el fenómeno de la velocidad de grupo.

2. Con el objeto de analizar el comportamiento de las soluciones cuando h → 0 es conve- niente introducir una transformada de Fourier a escala h. suponiendo que ∇φ sólo se anula en un número finito de pun- tos y1 · · · .5. 3. La transformada inversa de Fourier viene dada por Z −1 1 F (g)(x) = g(ξ)eiξx dξ. k = 1. N . · · · . no tiene en cuenta el paso h del mallado puesto que se aplica meramente sobre sucesiones en ℓ2 .1) R Es bien sabido que la transformada de Fourier define una isometría de L2 (R) en sí mismo. (3. sin embargo. yN del soporte de la función a y que las matrices D2 φ(yk ) no son singulares.4. LA ECUACIÓN DE TRANSPORTE LINEAL En efecto. (3. del libro de Evans [8].182 CAPÍTULO 3.2. Recordemos en primer lugar la definición clásica de la transformada de Fou- rier continua Z fb(ξ) = f (x)e−iξx dx = F (f ). 2π).2. La transformada de Fourier que introducimos en su momento. obtenemos que N iφ(yk ) X e ε ei 4 sgn (D φ(yk )) (a(yk ) + O(ε)). cuyo límite cuando h → 0 sea la clásica transformada de Fourier. 2π). sin tener en cuenta el mallado al que están asociadas.2) 2π R Una de las mayores utilidades de la transformada continua de Fourier es su posible utilización para la resolución de EDP con coeficientes constantes. Transformada discreta de Fourier a escala h En la sección 3 hemos introducido y utilizado el método de von Neumann para el análisis de la estabilidad de un esquema numérico que está basado en la utilización de una transformada discreta de Fourier que permite: ∗ Definir una isometría entre ℓ2 y L2 (0. π 2 Iε = (2πε)n/2 2 φ(y ) |1/2 k=1 | det D k Las pruebas detalladas de estos resultados se encuentran en 4. de modo que recuperemos en el límite la ecuación en derivadas parciales. ∗ Transformar un esquema en diferencias en una ecuación diferencial depen- diente de un parámetro θ ∈ [0. En .

2. − 6 ξ 6 . TRANSFORMADA DISCRETA DE FOURIER A ESCALA H 183 esto la siguiente propiedad juega un papel fundamental9 ∂d b x f (ξ) = iξ f (ξ). por el carácter isométrico de la transformada de Fourier. de modo que fj ∼ f (xj ) con xj = jh).2. asegura que b(t) kL2 (R) =k fb kL2 (R) . en el límite cuando h → 0.e.2. 9 El lector interesado en un estudio de las propiedades básicas de la Transformada de Fourier y su aplicación a las EDP puede consultar los textos de F.2.10) depende del parámetro h.5) de donde deducimos que b(ξ. a su vez. garantiza que k u(t) kL2 (R) =k f kL2 (R) .2. A pesar de que la transformada (3.2. (3.3) Por ejemplo. ∀t > 0 (3. se con- vierte en bt + iξb u u=0 (3. la ecuación de transporte ut + ux = 0.4) mediante la aplicación de la transformada de Fourier en la variable x. .2. gracias a la propiedad (3.2. definimos la transformada discreta de Fourier a escala h como ⊓ X π π f (ξ) = h fj e−iξhj . tras integración en ξ ∈ R.6) ya nos confirma el carácter conservativo de la ecuación de transporte (3. recuperaremos la transformada continua de Fourier que acabamos de definir.10) h h j∈Z ⊓ Denotamos la transformada discreta de Fourier mediante el símbolo · para dis- tinguirla de la transformada continua. John [15] y J. (3.7) que. |u ∀ξ ∈ R. no lo expresamos explícitamente en la notación para aligerarla. Rauch [24].3). ∀t > 0.9) Introduzcamos pues ahora la transformada discreta de Fourier a escala h. (3.4) puesto que proporciona la identidad b(ξ. t) |=| fb(ξ) |.6) La expresión (3. u (3.2. Dada la sucesión (fj )j∈Z proveniente de un mallado espacial de paso h (i.2.2.8) lo cual. t) = e−iξt fb(ξ). ∀t > 0 ku (3.2.3. (3. una de cuyas propiedades más relevantes será que.2.

2.2.2. a medida que h → 0. LA ECUACIÓN DE TRANSPORTE LINEAL Vemos que la imagen mediante la transformada discreta de Fourier de una su- cesión de paso h es una función continua con soporte en el intervalo [−π/h.1) y (3.10)-(3.11) de la transforma discreta a escala h son evidentes. π/h]. El soporte de su transformada de Fourier aumenta. la transformada discreta inversa (3.2) que define la transformada inversa de Fourier.2. Tenemos Z π/h ⊓ 1 fj = f (ξ)eiξhj dξ (3.2) de la transformada continua de Fourier y (3. a medida que el carácter oscilante de la función en el espacio físico aumenta.2. j ∈ Z. Es fácil también comprobar que la transformada discreta define una isome- tría: Z πh ⊓ ~ 2 X 2 1 1 .1) que define la transformada continua de Fourier sobre la partición xj = jh.2. La sucesión discreta de paso h puede verse como una función que oscila a escala h (basta para ello extender la sucesión discreta de valores a una función constante o lineal a trozos definida en toda la recta real). Mientras que (3.11) es simplemente una versión truncada de la integral (3. su transformada de Fourier se amplifica para las altas frecuencias.184 CAPÍTULO 3.2. Este hecho refleja una de las propiedades fundamentales de la transformada de Fourier. La transformada de Fourier discreta puede invertirse con facilidad.2.10) se asemeja a una suma de Riemann de la integral (3. este soporte converge a toda la recta real. consecuentemente. Obviamente.2.11) 2π −π/h La analogía entre las fórmulas (3.

.

.

.

⊓.

.

.

.

2 k f kh = h |fj | = | f (ξ) |2 dξ = .

.

f .

.

(3.12) 2π − πh 2π L (− h . 2 π π . evidentemente. no es más que la versión discreta de la identidad de Par- seval para la transformada de Fourier .2. h ) j∈Z Esto.

.

.

.

2 Z .

.

.

.

1 1 .

.

.

.

b.

.

.

.

2 .

.

f .

.

2 = | fb(ξ) |2 dξ = .

.

f .

.

e.2.15) π(x − xj )/h .2. (3. 2 .14) πx/h Denotamos mediante ψj su trasladada al punto xj = jh. (3.13) L (R) 2π R 2π L (R) La relación entre transformada continua y discreta se hace más clara aún si utilizamos la función cardinal (también denominada función cardinal de Whitta- ker of función de Shannon. sen(π(x − xj )/h) ψj (x) = .2. i. por su papel relevante en teoría de la comunicación): sen(πx/h) ψ0 (x) = . (3.

π/h) (ξ).18) La función cardinal ψ0 tiene además la interesante propiedad que10 ψb0 (ξ) = h1(−π/h. (3.2.2. De esta propie- dad de ortogonalidad deducimos fácilmente que .2.2.19) Su transformada de Fourier es por tanto. como ψj se obtiene de ψ0 mediante una nueva traslación.  π módulo un factor multiplicativo h. En efecto.16) j∈Z Es fácil comprobar que la función continua f ∗ interpola la sucesión (fj )j∈Z .3. (3.17) Esto es simplemente debido a que ψj (xk ) = δjk . la π función característica del intervalo − . f ∗ (xj ) = fj .2. .2. ∀j.20) Por otra parte. h h Es fácil probar que. ∀j ∈ Z. utilizando la identidad de Plancherel obtenemos que Z Z Z πh 1 h2 ψj (x)ψk (x)dx = ψbj (ξ)ψbk (ξ)dξ = eiξh(k−j) dξ = hδjk . entonces ψbj (ξ) = e−iξjh ψb0 (ξ). k ∈ Z. TRANSFORMADA DISCRETA DE FOURIER A ESCALA H 185 Dada una función discreta (fj )j∈Z de paso h definimos entonces la función con- tinua X f ∗ (x) = fj ψj (x).21) Vemos por tanto que las funciones {ψj (x)}j∈Z son ortogonales. (3. (3.2. (3. R 2π R 2π − πh (3.

.

.

.

2 X .

.

∗ .

.

.

.

f .

.

π/h) = f (ξ). =h | fj |2 .2. X X X ⊓ fc∗ (ξ) = cj (ξ) = fj ψ c0 (ξ) = h fj e−iξjh ψ fj e−iξjh 1(−π/h.A] = δA − δ−A .A] ) = 1 −iξF −1 (1[−A. Por otra parte. la extensión continua f de sucesiones de paso h define en realidad ∗ una isometría de ℓ2 en un subespacio de L2 (R). Además F −1 (∂ξ 1[−A. F −1 (δA − δ−A ) = 2π (eixA − e−ixA ) = πi sen(xA).22) L2 (R) j∈Z Por tanto. (3. En efecto. por otra parte. utilizando el hecho que la transformada de Fourier es un isomorfismo. la transformada continua de Fourier de la función f ∗ está íntimamente ligada a la transformada discreta de la sucesión (fj )j∈Z .2.A] )y. . De estas identidades deducimos (3. j∈Z j∈Z j∈Z 10 Para comprobarlo observamos que ∂ξ 1[−A.19) fácilmente.

B]). es natural tomar los datos discretos fj = f (xj ) = f (jh).3. probados por Whitakker en 1915 y utilizados en 1949 por Shannon. 3. t > 0. (3.4) Aplicando la transformada inversa obtenemos u(x.3. Retomemos ahora el problema de la aproximación numérica de la solución.3. (3. (3. 0) = f (x). Suponiendo que el dato inicial f es continuo. j ∈ Z. ξ ∈ R. 0) = fb(ξ). u (3. Revisión de la ecuación de transporte y sus aproximaciones a través de la transformada discreta de Fourier Consideremos el problema de Cauchy para la ecuación de transporte ut + ux = 0. t > 0. ξ ∈ R. En efecto. t) = e−iξt fb(ξ). u bt + iξb u (3. δc x0 ≡ e−iξx0 . contribuyendo de manera decisiva a la teoría de la comunicación. Retomaremos esta cuestión en la siguiente sección. (3.5) En este último punto hemos usado el hecho de que la transformada de Fourier de la masa de Dirac es la constante unidad (δb0 ≡ 1) o. puede ser reconstruida a través de la interpolación mediante la función cardinal a partir del muestreo de sus valores en los puntos xj = jh. Estos resultados.2) Esta expresión puede también obtenerse mediante la transformación de Fou- rier. x ∈ R.3. t) = F −1 (e−iξt fb(ξ)) = f (x − t).2. siempre que h 6 π/B. u(x.3. u = 0.5).3. como veíamos en (3. x ∈ R.3) de donde deducimos que b(ξ. indican que una función de banda limitada (cuya transformada de Fourier se anula fuera del intervalo ξ ∈ [−B.3. b(ξ.186 CAPÍTULO 3. equivalentemente.1) Sabemos que la solución es una onda de transporte pura u(x. LA ECUACIÓN DE TRANSPORTE LINEAL Vemos pues que la transformada discreta de Fourier no es más que la trans- formada continua aplicada a la interpolación de la sucesión mediante la función cardinal. t) = f (x − t).6) .

Sin embargo. En este caso.8) Si el dato inicial f es de banda limitada o. . la tranformada discreta de Fourier de la sucesión obtenida al mues- trar f a lo largo de la sucesión xj = jh no permite recuperar la tranformada de Fourier de f y por tanto no permite codificar todas las características de la función f . las componentes de fb de altas frecuencias se superponen con las de la banda princi- pal [−π/h. En la práctica es por tanto recomendable aproximar en primer lugar la fun- ción f (x) para una familia de funciones de banda limitada   fh (x) = F −1 fb(ξ)1(−π/h.7). observar que es periódica de período uno y aplicar su desarrollo en series de Fourier. π/h] dando lugar a lo que se conoce como fenómeno de aliasing.10) que tienen la virtud de converger a f en L2 (R) cuando h → 0 y de forma que su muestreo no introduzca ningún error.3.3.9) y por tanto el muestreo del dato inicial sobre los puntos del mallado no introduce error alguno.3.3. si fb(ξ) = 0 para todo ξ tal que | ξ |> π/h.12 P P 11 La fórmula de sumación de Poisson asegura que j∈Z f (j) = k∈Z fb(2πk).3. tenemos entonces ⊓ f (ξ) = fb(ξ) (3. De este análisis deducimos que una función f es de banda limitada si y sólo si se obtiene como una función de la forma f ∗ a través de las funciones de Shannon a partir de su muestreo a lo largo de la sucesión xj = jh. ∀ − π/h 6 ξ 6 π/h. (3. Los términos del sumando de la derecha son precisamente sus coeficientes de Fourier en la base ei2πkx .7) k∈Z donde ω0 = 2π/h. π/h) (ξ) (3.3. REVISIÓN DE LA ECUACIÓN DE TRANSPORTE Y SUS APROXIMACIONES A TRAVÉS DE LA TRANSFO lo cual supone realizar un muestreo de la función f . cuando f no es de banda limitada.7).3. en virtud de (3. Para compro- P bar esta fórmula basta considerar la función g(x) = j∈Z f (x + j). Gracias a la fórmula de sumación de Poisson11 es fácil comprobar que: ⊓ X f (ξ) = fb(ξ + kω0 ). Al aplicar este des- arrollo en x = 0 obtenemos esta fórmula de sumación de Poisson. Al aplicar esta identidad a escala h a la función f (x)e−iξx obtenemos la identidad (3. (3. 12 La prueba de la convergencia de f a f en L2 (R) se realiza combinando el Teorema de la h Convergencia Dominada con el hecho de que F sea una isometría en L2 (R).3. más precisamente.

al coeficiente ω(ξ) = iξ (3. cuando h → 0. De hecho.11) que. (3. (3. como vimos. (3. t) = 0.16) se observa que. Consi- deramos por tanto el esquema semi-discreto regresivo y progresivo (3.3. En efecto.3. t > 0. (3. .10) y (3.12) dt h En este punto hemos utilizado la siguiente propiedad fundamental de la trans- formada discreta de Fourier: X X ⊓ (τ−1 f )⊓(ξ) = h fj−1 e−iξjh = e−iξh h fj e−iξjh = e−iξh f (ξ). j ∈ Z. Revisión del esquema semi-discreto regresivo.14) h que interviene en la ecuación diferencial (3.16) volvemos a constatar el carácter difusivo de la aproximación regresiva.16) (ξ 2 h/2) sea real y positivo.17) Además en (3.13) j∈Z j∈Z La proximidad entre la ecuación de transporte continua (3. consideremos el generado por los esquemas numéricos.12) converge. ξ ∈ [−π/h.3. Consideremos en primer lugar el esquema uj (t) − uj−1 (t) u′j (t) + = 0.3. t) + (1 − e−iξh )u(ξ.3. t > 0.3. de manera evidente. para cada ξ ∈ R.3. ωh (ξ) → ω(ξ) cuando h → 0.11) h Aplicando la transformada discreta de Fourier a escala h obtenemos d⊓ 1 ⊓ u(ξ.3.3. son convergentes y divergentes respectivamente.3.3.15) correspondiente a la ecuación de transporte continua. efectivamente.11) es evidente.188 CAPÍTULO 3.3.3. esto queda de manifiesto en que el primer término corrector en (3.0. mediante el desarrollo de Taylor se observa que ξ2h ωh (ξ) = iξ + + ··· .0. π/h]. (3.1) y la aproximación semi-discreta regresiva (3. LA ECUACIÓN DE TRANSPORTE LINEAL Pero. dejando de lado los errores introducidos por la aproximación de los datos iniciales. El coeficiente 1 ωh (ξ) = (1 − e−iξh ) (3.16) 2 En la expresión (3.

19) Sin embargo. Evidentemente. para que j ∈ Z. si f es de banda acotada.3.17) sólo se produce en regiones en las que | ξ |= O(h−1/2 ). la convergencia de los símbolos (3. En efecto.3. cuando h → 0.3. h → 0. a medida que h → 0.3. Bajo esta condición (x0 = jh). π/h] aumenta hasta cubrir toda la recta real. la banda de frecuencias de los datos iniciales del problema discreto [−π/h. en virtud de (3. La estabilidad del esquema permite después extender esta convergencia a un dato inicial cualquiera f ∈ L2 (R).12) tenemos ⊓ ⊓ 1 −iξh ⊓ 1 ⊓ u(ξ. (3.18) ω∈Rh En otras palabras.3. independiente de h. para h suficientemente pequeño. esto supone elegir j = x0 /h que.17) es uniforme en conjuntos de la forma (3. h → 0.3. conviene señalar que la convergencia (3.21) 2π −B donde B > 0 es tal que sop(fb) ⊂ [−B. (3.17) es sólamente uniforme en conjuntos Rh en los que máx ξ 2 h → 0.3.17) interesa para cual- quier ξ ∈ R. siendo x0 ∈ R un punto fijado. deberíamos ser capaces de ver que la expresión (3. t) = e−ωh (ξ)t f (ξ) = e− h (1−e )t f (ξ) = e− h (1−cos(ξh))t e−i sen(ξh)t/h f (ξ).9) sabemos que. en el límite cuando h → 0.3.3.21) converge. En virtud de que la convergencia (3. Elegimos ahora j ∈ Z de modo que jh = x0 . exige a su vez tomar una sucesión determinada de h → 0. Bajo estas hipótesis es por tanto evidente que la solución del problema numérico puede reescribirse como Z B 1 1 uj (t) = e− h (1−cos(ξh)t) eiξt(jh−sen(ξh)/ξh)t fb(ξ)dξ.19) es fácil ver que las soluciones del problema discreto convergen a las del continuo para datos con una banda de frecuencias limitada. Por otra parte. la banda de frecuencias del dato inicial continuo f = f (x) de la ecuación de transporte es toda la recta real.3. . En efecto.3. (3.3. B].3. Aplicando la anti-transformada discreta de Fourier tenemos Z π/h 1 1 ⊓ uj (t) = e− h (1−cos(ξh))t eiξ(jh−sen(ξh)t/ξh) f (ξ)dξ. (3. REVISIÓN DE LA ECUACIÓN DE TRANSPORTE Y SUS APROXIMACIONES A TRAVÉS DE LA TRANSFO Conviene sin embargo observar que la convergencia (3.3.20) 2π −π/h ⊓ En virtud de (3. f ≡ fb.

24) y h i u(x. LA ECUACIÓN DE TRANSPORTE LINEAL al valor de la solución continua u(x0 . Teniendo en cuenta que f es. t) = f (x0 − t).3.3.3.3. En realidad. t) = e− h (1−cos(ξh))t eiξ(x−sen(ξh)t/ξh) fb(ξ)dξ.23) vemos que.21) es Z B Z B 1 1 u(x0 .3. 2π −B 2π −B (3.3.22) que coincide con la solución del problema continuo.3. se puede probar que la convergencia de la solución discreta a la continua tiene lugar en la norma L2 .23) 2π −B Combinando (3.21) de la solución del esquema numérico puede extenderse a una función continua con respecto a la variable espacial x. Veámos que esto es efecti- vamente así. t) = F −1 e−iξt fb (x). el integrando de (3.21) converge a eiξ(x0 −t) fb(ξ). por hipótesis. Cuando h → 0.3.3. Tomando normas discretas de diferencias en ℓ2 o bien tomando normas continuas en L2 (R) observando que la expresión (3.22) y (3. de banda acotada. t) = F −1 e− h (1−cos(ξh)) e−i sen(ξh)t/h fb (x) (3.25) Para comprobar que uh (t) → u(t) en L2 (R) cuando h → 0 basta entonces ver que t e− h (1−cos(ξh)) ei sen(ξh)t/h fb(ξ) → e−iξt fb(ξ) en L2 (R) cuando h → 0. gracias a la hipótesis de que f sea de banda limitada. bajo estas hipótesis. (3. dependiente del parámetro h: Z B 1 1 uh (x. (3. Se puede ver esto de dos maneras. La aplicación del Teorema de la convergencia dominada permite entonces ver que el límite de (3.190 CAPÍTULO 3. t) = eiξ(x0 −t) fb(ξ)dξ = eiξx0 e−iξt fb(ξ)dξ = f (x0 − t). vemos que esto es equivalente a que Z B . tanto la solución continua como la discreta pueden ser escritas de un modo semejante mediante la transformada inversa de Fourier h t i uh (x.

t .

2 .

− h (1−cos(ξh)) −i sen(ξh)t/h .

.

e e − e−iξt .

| fb(ξ) |2 dξ → 0 −B y esto. efectivamente. ocurre en virtud del Teorema de la convergencia domina- da. .

para h suficientemente pequeño k u(t) − uh.3.B0 (t) kL2 (R) 6k u(t) − uB0 (t) kL2 (R) + k uB0 (t) − uh.3. REVISIÓN DE LA ECUACIÓN DE TRANSPORTE Y SUS APROXIMACIONES A TRAVÉS DE LA TRANSFO Esto confirma la convergencia del esquema regresivo para datos iniciales con banda acotada. Por tanto. una función de banda acotada tal que fB → f en L2 (R) cuando B → ∞. h → 0. Revisión del esquema semi-discreto progresivo. Como k u(t) − uB (t) kL2 (R) =k f − fB kL2 (R) vemos que uB → u en L∞ (0. Analicémoslo pues con la herramienta que las transformadas de Fourier proporcionan. se puede obtener el mismo resultado de con- vergencia para cualquier elección de la aproximación de los datos iniciales que converja al dato inicial del problema continuo. gracias a la estabilidad del esquema numérico. t > 0. Fijado este valor de B0 y resolviendo la ecuación semi-discreta con dato inicial fB0 muestreado sobre el mallado tenemos que uh. como vimos. Esto demuestra la convergencia para datos iniciales obtenidos muestreando una aproximación del dato inicial de banda acotada. Consideramos ahora el caso progresivo que.L2 (R)) 6 ε/2. Evidentemente.3.B0 (t) kL2 (R) 6 ε/2 + ε/2 = ε. dado ε > 0 existe B0 > 0 suficientemente grande tal que k u − uB0 kL∞ (0. es inestable y diver- gente. B → ∞. j ∈ Z.B) (ξ) que es. L2 (R)). por definición. Por tanto. Para considerar el caso general. Denotamos mediante u y uB la solución de la ecuación de transporte con datos f y fB respectivamente.26) h . dado f ∈ L2 (R) basta introducir su aproximación   fB (x) = F −1 fb(ξ)1(−B.∞.B0 (t) → uB0 (t). En este caso el esquema es de la forma uj+1 − uj (t) u′j (t) + = 0. en L2 (R) para cada t > 0. ∞. (3.

Para ilustrar la divergencia hemos considerar datos iniciales de banda más ancha.3. (3.3.3. LA ECUACIÓN DE TRANSPORTE LINEAL Aplicando la transformada discreta de Fourier obtenemos d⊓ 1 ⊓ u(ξ.32) con c > 0 para todo ξ ∈ [−B B].33) permanece acotada cuando h → 0. t) = 0.27) dt h de modo que ⊓ 1 iξh ⊓ 1 ⊓ u(ξ. (3.3.33) 2π −B Pero esta estimación es claramente insuficiente para concluir la divergencia del método puesto que la integral a la derecha de (3. B]. t > 0. (3.31) y (3. (3. fh (x) = F −1 (fb1(−π/h. a condición que h sea suficientemente pequeño. Dado f ∈ L2 (R) tal que el soporte de su transformada de Fourier sea toda la recta real (por ejemplo la Gaussiana13). Para ello tomamos un dato inicial f de banda acotada ⊓ de modo que f ≡ fb para h suficientemente pequeño.34) 2 13 Esbien sabido que la transformada de Fourier de la función f (x) = e−x /2 es la Gaussiana √ 2 fb(ξ) = 2πe−ξ /2 . Combinando (3.28) Pretendemos ahora ilustrar de manera aún más explícita la ausencia de con- vergencia de este método.29) de modo que ⊓ 1 | u(ξ.3.192 CAPÍTULO 3. (3. t) = e h (1−cos(ξh))t e−i sen(ξh)t/h fb(ξ). Obtenemos así ⊓ 1 u(ξ. π/h].3. ξ ∈ [−π/h.e. introducimos el dato inicial del esquema discreto fh (x) truncando la transformada de Fourier de f a la banda admisible [−π/h.3.3.3. i. t) |= e h (1−cos(ξh))t | fb(ξ) |. tenemos que 1 − cos(ξh) > cξ 2 h2 (3. t) + (eiξh − 1)u(ξ.30) y entonces Z B 1 2 k ~uh k2h = e h (1−cos(ξh))t | fb(ξ) |2 dξ. (3. . π/h) (ξ)).32) vemos que Z B 1 2 2 k ~uh (t) kh > echξ t | fb(ξ) |2 dξ.31) 2π −B Habida cuenta que ξ ∈ [−B.3. (3. π/h].3. t) = e− h (e −1)t f (ξ) = e h (1−cos(ξh))t e−i sen(ξh)t/h f (ξ).

π/h] k∈Z Si elegimos los intervalos Ik = (k.3. k + 1) observamos que el último sumatorio puede acotarse inferiormente por 1 2 ch( π −1)2 t α e h (3. (3. la condición (3.3.37) puede diverger puesto que en la banda ξ ∈ [−π/h.41) 2π k0 con k0 = πh − 1.3. π]. la cota inferior (3.36) vemos que Z π/h 1 2 k ~uh (t) k2h > echξ t | fb(ξ) |2 dξ. de modo que (3. (3.3. ∀η ∈ [−π.40) 2π −π/h 2π Ik ∩[−π/h. además.39) k∈Z donde | Ik | denota la longitud del intervalo Ik . REVISIÓN DE LA ECUACIÓN DE TRANSPORTE Y SUS APROXIMACIONES A TRAVÉS DE LA TRANSFO En este caso la norma de la aproximación discreta viene dada por Z π/h 1 2 k ~uh (t) k2h = e h (1−cos(ξh))t | fb(ξ) |2 dξ. (3.41) de la norma ℓ2 de la solución discreta correspondiente diverja cuando h → 0 con un orden ect/h . sin embargo. Para que f = F −1 (fb) ∈ L2 (R) basta entonces con que X α2k | Ik |< ∞.37) 2π −π/h En esta ocasión la integral a la derecha de (3.42) se cumpla y que.38) k∈Z donde (Ik )k∈Z son intervalos disjuntos de R.3.35) 2π −π/h Utilizando ahora el hecho que 1 − cos(η) > cη 2 .3.3.37) puede reescribirse como Z Z 1 π/h 2 1 X 2 2 echξ t | fb(ξ) |2 dξ = αk echξ t dξ.3.3. π/h] hay zonas donde hξ 2 → ∞. En este caso la integral a la derecha (3.42) k∈Z Es evidente que es perfectamente posible elegir una sucesión αk de la forma αk = 1/k. (3. . (3.3.3.39) puede simplemente reescribirse como X α2k < ∞. Para comprobar la divergencia de esta integral con más detalle consideremos el dato inicial f de modo que X fb(ξ) = αk 1Ik (ξ) (3. (3.3.3.3. En este caso.3.

este he- cho tiene un gran impacto puesto que surgen soluciones que nada tienen que ver con el comportamiento de la ecuación de transporte continua. lo cual. Diremos que se trata de soluciones espúreas. A pesar de que en esta sección sólo hemos analizado las aproximaciones semi- discretas progresiva y regresiva las ideas que hemos desarrollado son completa- mente generales y pueden ser aplicadas al estudio de cualquier otro esquema. Se trata evidentemente de un fenómeno nuevo con respecto a la ecuación de transporte continua donde todas las componentes de Fourier de las soluciones se transpor- tan a velocidad constante uno. (3. En el caso en que el esquema es convergente puede también apli- carse para ilustrar de un modo más claro la convergencia hacia la solución del problema continuo. El hecho de que la velocidad de propagación se anule cuando |ξ| ∼ π/h. Pero.43) ξh Vemos entonces que la velocidad de fase se anula cuando ξh = ±π. permite filtrar las altas frecuencias del dato inicial y considerar únicamente datos cuya transformada de Fourier tiene soporte com- pacto. si lo que nos interesa es la dinámica de las soluciones para h pequeño pero fijo. En este caso la velocidad de fase viene dada por sen(ξh) ch (ξ) = .194 CAPÍTULO 3. el dato inicial se supone fijo. LA ECUACIÓN DE TRANSPORTE LINEAL Vemos por tanto que la utilización de la transformada de Fourier a escala h permite ilustrar de manera mucho más cuantitativa la divergencia del méto- do semi-discreto progresivo que habíamos predicho mediante el análisis de von Neumann. En efecto. para cada h > 0 fijo. Esto no es incompatible con la convergencia de orden dos del esquema numérico centrado que ya comprobamos. en el sentido que . En el caso del sistema centrado este hecho especialmente grave puesto que el esquema es puramente conservativo y por tanto estas soluciones a altas frecuencias en ab- soluto se disipan. Ahora que sabemos que el rango de frecuencias relevantes para una apro- ximación numérica es −π/h ≤ ξ ≤ π/h. conviene revisar los conceptos de ve- locidades de fase y grupo. insistimos. en el problema clásico de la convergencia. Se trata del mismo fenómeno que surge al estudiar la estabilidad absoluta de los sistemas stiff de ecuaciones diferenciales ordinarias (véase por ejemplo [14]). Consideremos en primer lugar el esquema centrado semi-discreto. en la práctica. no tiene entonces efectos a nivel de la convergencia.3. existen soluciones del problema numérico que apenas se tranportan. en particular para los completamente discretos. gracias a la propiedad de estabilidad del esquema. Revisión del comportamiento de las velocidades de fase y grupo. En virtud de este hecho.

Por otra parte. Consideremos ahora el esquema numérico regresivo que. la velocidad de grupo en este caso toma el valor Ch (ξ) = cos(ξh). (3. (3. Lo mismo ocurre con la velocidad de grupo. π]. a pesar de introducir soluciones numéricas espúreas. En este caso por tanto tendremos incluso soluciones que se transportan en la dirección opuesta a la de la ecuación de transporte continua.3. las disipa.3. tiene un carácter disipativo. REVISIÓN DE LA ECUACIÓN DE TRANSPORTE Y SUS APROXIMACIONES A TRAVÉS DE LA TRANSFO son ficticias puesto que no corresponden a la ecuación de transporte continua y sólo surgen como soluciones del esquema numérico. En este caso la velocidad de fase viene dada por: i(e−iξh − 1) sen(ξh) cos(ξh) − 1 ch (ξ) = = +i .45) ξh ξh ξh Vemos que la parte real de la velocidad de fase se comporta como en el caso de la aproximación centrada de modo que ésta se anula cuando ξh = ±π. . como vimos. Vemos pues que la aproximación regresiva. con el objeto de garantizar que para h > 0 pequeño la dinámica del esquema discreto se asemeja a la del continuo es preciso tener en cuenta el comportamiento de las velocidades de fase y de grupo en frecuencias |ξ| del orden de c/h con 0 < c < π.44) Vemos que la situación es aún peor puesto que se anula cuando ξh = π/2 y tiene signo negativo para todo ξh ∈ (π/2. Es a causa de este hecho que la soluciones del esquema regresivo para h > 0 pequeño y fijo se comportan de manera mucho más semejante a las de la ecuación de transporte continua que las del esquema centrado.3. Se trata de un fenómeno de soluciones numéricas espúreas que no es incompatible con la convergencia del esquema numérico. De este análisis concluimos que más allá de las propiedades de convergencia clásicas de un esquema numérico. Sin embargo. lo cual asegura que estas componentes de Fourier de la solución decaen exponencialmente en tiem- po.3. vemos también que para estos valores de frecuencias la parte imagi- naria de la velocidad de grupo es estrictamente negativa.

LA ECUACIÓN DE TRANSPORTE LINEAL .196 CAPÍTULO 3.

Como es bien sabido las ecuaciones de Euler y de Navier-Stokes son.Capítulo 4 Ecuaciones de convección-difusión 4. ha hecho que durante el siglo XX hayan sido un tema de investigación permanente. La gran complejidad de estas ecuaciones. algunas de las cuestiones más elementales. como la regularidad y unicidad de las soluciones en tres dimensiones esté aún abierto. La necesidad de obtener aproximaciones numéricas efectivas y la relativa incapacidad de los métodos analíticos para describir de manera más precisa el 197 . El curso estará esencialmente orientado a analizar algunos métodos numéri- cos relevantes en la simulación y aproximación numérica de las ecuaciones de la Mecánica de Fluidos. sobre todo en tres dimensiones espaciales. A pesar de ello. Se trata sin duda de dos de los modelos más relevantes de las Ciencias y Tecnologías pues intervienen de manera decisiva en la modelización y diseño de fenómenos muy diversos como las corrientes marinas.1. las que describen el movimiento de los fluidos perfectos y viscosos incomprensibles. el movimiento del aire en meteorología y aeronáutica y la circulación sanguínea. respec- tivamente. Introducción En estas notas recogemos un resumen del curso de doctorado impartido en la UAM en el segundo cuatrimestre del curso 04-05. Buena parte de los desarrollos del Análisis Matemático y de las ecuaciones diferenciales han estado orientados a la comprensión y resolución de estas ecuaciones.

en una dimensión espacial. [34] donde recogemos el contenido de los cursos de docto- rado de los años 02-03 y 03-04. Con el objeto de evitar algunas de las dificultades propias de las ecuaciones de Euler y de Navier-Stokes y poder ilustrar con más facilidad las ideas funda- mentales de los aspectos más numéricos. La ecuación de Burgers y la transformación de Hopf-Cole La ecuación de Burgers viscosa es la siguiente ut − νuxx + (u2 )x = 0. • Las notas [33]. Iserles [14]. dada la extensión de aquella monografía. Como complemento a estas notas sugerimos las siguientes lecturas: • Las notas de J. • Las notas introductorias al Análisis Numérico de Ecuaciones en Derivadas Parciales [36]. recomendamos el libro de A. ECUACIONES DE CONVECCIÓN-DIFUSIÓN comportamiento de estas ecuaciones y sus soluciones han hecho que estas hayan constituido también uno de los motores principales del Análisis Numérico.2. la descomposición de dominios. Se trata de un modelo relativamente simple que. recogiendo también lo más relevante del Análisis Numérico de Ecuaciones Diferenciales Ordinarias.1) ν > 0 es el parámetro de viscosidad.198 CAPÍTULO 4.2. los métodos de descenso y los elementos finitos. (4. reproduce algunos de los aspectos más importantes de las ecuaciones de Navier-Stokes como son la difusión y la convección no-lineal. En este curso abordaremos algunos de los métodos principales que en la actualidad se emplean en la resolución de estas ecuaciones. . 4. Sin embargo. en este curso sólo cubri- remos los aspectos más básicos puesto que los más avanzados necesitarían de mucho más tiempo y de unos conocimientos sobre la Teoría de las Ecuaciones en Derivadas Parciales que no podemos presuponer en los cursos de doctorado. En ellos abordamos los métodos de dife- rencias finitas. Glowinski [9].1) En (4. nos ocuparemos casi exclusivamente de la ecuación de Burgers.2.L. Para el lector interesado en una introducción más completa. El curso está fuer- temente inspirado en el excelente libro recopilatorio de R. Vázquez [28] sobre Mecánica de Fluidos que recoge los aspectos más importantes de la modelización y un estudio cualitativo de los modelos más importantes.

2. Esta ecuación. t) es escalar y denota la presión.1) se convierte en la siguiente ecuación hiperbólica no-lineal de orden uno: ut + (u2 )x = 0. i.2. La solución así obtenida refleja adecuadamente la presencia de los dos términos y efectos principales presentes en (4.4) respectivamente. La viscosidad hace que la solución tenga una escala Gaussiana. dos) incógnitas.2. Pero (4.2. es la más sencilla en la que se combinan los efectos de la viscosidad y de la convección no-lineal cuadrática. La primera ecuación de (4.3) u = u(x.2.1).2.1): la viscosidad y la convección no-lineal. obtenemos las ecuaciones de Euler para un fluido perfecto o ideal: ( ut + u · ∇u = ∇p (4.3) div u = 0. dos en dimensión dos) ecuaciones en derivadas parciales con tres (resp.2.2. La ecuación (4. (4.4) es un modelo útil para describir el movimiento de fluidos poco viscosos. mientras que la convección no-lineal hace . t) es el vector velocidad del fluido que puede por tanto tener tres componentes o sólo dos en casos simplificados de fluidos bidimensionales.2. Las ecuaciones de Navier-Stokes para un fluido incompresible y homogéneo pueden escribirse como ( ut − ν∆u + u · ∇u = ∇p (4. puede reducirse a la ecuación del calor lineal y.2) son modelos reducidos de las ecuaciones de Navier-Stokes (4. En la siguiente sección describiremos este cambio de variables.e. LA ECUACIÓN DE BURGERS Y LA TRANSFORMACIÓN DE HOPF-COLE199 En el caso ν = 0 la ecuación (4.2.2. La función p = p(x.3) es en realidad un sistema de tres (resp. también denominada ecuación del calor no-lineal.4. En el caso de ausencia de viscosidad.1) y (4. Se trata efectivamente de una idealización puesto que todo fluido tiene un cierto grado de viscosidad. mediante un cambio de variables introdu- cido independientemente por Hopf y Cole en los años 50.4) div u = 0. La segunda ecuación es la que refleja la incompresibilidad del fluido.2. En (4. cuando ν = 0.2) Se trata en ambos casos del análogo 1 − d de las ecuaciones de Navier-Stokes y de Euler para el movimiento de los fluidos. ser resuelta explícitamente.2. El parámetro ν > 0 es el de viscosidad del fluido. Las ecuaciones (4. por tanto.3) y de Euler (4.2.

νt) La solución η de la ecuación del calor se obtiene por convolución con el núcleo de Gauss:  .2.200 CAPÍTULO 4. t) = (4πt)−1/2 exp − | x |2 4t . (4.10) que satisface entonces la ecuación del calor ηt − ηxx = 0.7) ν Por otra parte z = 2/ν (4.2. t/ν) = w(·. (4.2. Por tanto ηx (x. νt) u(x. ECUACIONES DE CONVECCIÓN-DIFUSIÓN que la solución desarrolle una asimetría. la función Z x v = v(x. Si u = u(x.2.2. Con el objeto de introducir esta transformación consideraremos soluciones u = u(x. t) es una solución de (4. t) = νz(·. t) = u(s. producto de un fenómeno de transporte a una velocidad no homogénea. t) = −ν . t) = e−z (4.2. t/ν) que verifica 1 wt − wxx + | wx |2 = 0.2) son el límite cuando ν → 0 de las de (4.2. t)ds (4.8) verifica entonces zt − zxx + | zx |2 = 0.1). t) = −ν log(η).2.6) Definimos entonces w = v(x.  G(x.11) Deshaciendo este cambio de variables vemos que u = vx v(·.2. Las soluciones de (4. (4.2. t) de (4. En ellas el efecto de la viscosidad desaparece y eso hace que las soluciones puedan dejar de ser regulares en tiempo finito desarrollando choques.12) η(x.13) . (4.1) de este tipo.9) Introducimos por último η(x.2.5) −∞ satisface vt − νvxx + | vx |2 = 0.2.1) tales que | u(x. (4.2. (4. t) | + | ux (x. t) |→ 0 cuando | x |→ ∞.

t) = + u0 (σ)dσ.19) 4t −∞ De la expresión de esta solución observamos que: • La función solución u = uν (x. Esto es consecuencia del efecto de la convolución no-lineal.14) donde η0 es el dato inicial de η. (4. funciones regulares Z e integrables y que Rx x el dato inicial e−ν −∞ u0 (σ)dσ está acotado por estarlo u0 (σ)dσ. Por otra parte x  .2.15) 4 πt Obtenemos así Z 2 (x − y)e−|x−y| /4νt η0 (y)dy u(x. • Cuando el dato inicial u0 es par. las soluciones de ( ut − uxx = 0. por ejemplo. LA ECUACIÓN DE BURGERS Y LA TRANSFORMACIÓN DE HOPF-COLE201 de modo que h i η(x.18) 2t e−H(x. t)/ν dy uν (x. t)/ν dy R donde Z y | x − y |2 H(x.4. lo cual es −∞ a su vez consecuencia de que el dato inicial u0 sea integrable. (4. (4. 0) = u0 (x).16) 2 2t e−|x−y| /4νt η0 (t)dy R Ahora bien Rx η0 (x) = e− −∞ u0 (σ)dσ/ν . t) = G(·.2. (4. la solución deja de serlo.2. t) = − √ 3/2 exp − | x |2 4t . a L1 (R).2. y. t) y sus derivadas de orden arbitrario son.20) Basta entonces aplicar esta desigualdad utilizando que G(·. Basta para ello utilizar el efecto regularizante de la convolución con el núcleo de Gauss que se deduce de la desigualdad de Young: k f ∗ g k∞ ≤k f k1 k g k∞ .2.2. para todo t > 0. t > 0 u(x. x ∈ R. En efecto. t) = R Z (4. Esto no ocurre para las soluciones de la ecuación del calor lineal. (4. y. x ∈ R . t) = R Z .2. t) es regular para todo x ∈ R y t > 0 cuando u0 pertenece.  Gx (x.17) Por tanto Z (x − y)e−H(x. (4. y. t) ∗ η0 (·) (x).2.

2) mediante el método de las características. el límite cuando ν → 0 de la solución uν = uν (x.2.2. t) ∗ u0 (·) (x). que no preserva la paridad del dato inicial.2.2) en la forma ut + 2uux = 0.2. En este caso la transformación de Hopf-Cole no se aplica. donde x = x(t) está caracterizada por la ecuación x′ (t) = 2u(x(t). 1 u(x(t). como u es constante a lo largo de características. (4. i. y a que en el numerador de dicha expresión interviene no sólo el núcleo G sino también Gx . impar) con respecto a x. mientras son de clase C . Analicemos ahora (4. de modo que u(x(t). (4. en función de que el dato inicial u0 lo sea. no es así para las soluciones de la ecuación de Burgers que vienen dadas por (4. t) de (4. en (4.2. La expresión (4.2. Lo dicho hasta ahora es válido cuando ν > 0.1) x interviene el dato inicial e−ν −∞ u0 (σ)dσ . ECUACIONES DE CONVECCIÓN-DIFUSIÓN son de la forma h i u(x.e.8). En efecto. Esto. t) ha de coincidir con su valor en t = 0. t) = G(·. t) = C. Es por tanto fácil ver que u es par (resp. De las ideas utilizadas en el caso viscoso la única que puede ser empleada es la de realizar el cambio de variables Z x v(x. sin embargo. t). Tal y como veremos más adelante. son constantes a lo largo de las características.2. t) = u(σ.21) Esto permite comprobar que las soluciones de (4.202 CAPÍTULO 4.20).22) Estas curvas son fáciles de calcular. t) = u0 (x0 ).2. para todos t > 0.2.R Esto es por una parte debido a que. u(x(t).2. Escribimos (4. Pero esta ecuación no se puede linealizar de modo que es mejor resolver directamente (4.18) presenta una singularidad para ν = 0.2) a la ecuación de Hamilton-Jacobi vt + | vx |2 = 0.2.2.1) es la solución de la ecuación de Burgers sin viscosidad (4.2.2).23) . t)dσ −∞ que reduce (4.2). (4.

4. A pesar de ello. En virtud de este análisis se comprueba que u es constante a lo largo de líneas características de pendiente 1/2u0 en el plano (x. De este análisis se deduce que si el dato inicial u0 es decreciente. t). las características que. u ha de generar una discontinuidad en tiempo finito. (4. se encuentran en tiempo t∗ si 2u0 (x0 )t + x0 = 2u0 (x1 )t + x1 . t) y x0 están relacionadas a través de la identidad (4. (4. mientras las soluciones de (4. (4.26) 2(u0 (x0 ) − u0 (x1 )) 2(u0 (x0 ) − u0 (x1 )) Cuando x0 → x1 el tiempo t∗ tiene como límite 1 t∗ = − .23). Un análisis más cuidadoso permite calcular el tiempo t∗ en el que se produce la discontinuidad o choque. En efecto.28) 2 máxx0 ∈R − u′0 (x0 ) Vemos por tanto que el comportamiento de la ecuación de Burgers viscosa (4. LA ECUACIÓN DE BURGERS Y LA TRANSFORMACIÓN DE HOPF-COLE203 donde x0 es el punto de partida de la característica. como veremos en la próxima sección.2. las características que arrancan de x0 y x1 se cruzarán en un tiempo finito t∗ en un punto x.2.2) son discontinuas cuando el dato inicial es decreciente. las soluciones de (4. arrancan de x0 y x1 .2. las soluciones en ausencia de viscosidad. son el límite de las de la ecuación de Burgers viscosa cuando ν → 0+ . La solución habrá de ser discontinua en (x∗ .2.2. La ecuación de la recta característica es entonces x(t) = 2u0 (x0 )t + x0 (4.2.1) y la no viscosa (4.24).27) 2u′0(x0 ) De esta expresión se deduce que el tiempo mínimo en el que se produce el choque es 1 t∗ =  . en la medida en que existen dos puntos x0 . En efecto. t) = u0 (x0 ). .2.2) es muy dispar en la medida que.2. t∗ ) puesto que los dos valores u0 (x0 ) y u0 (x1 ) son incompatibles.2.24) y por tanto. Basta de hecho que el dato inicial sea decreciente en un intervalo para que los choques se produzcan en tiempo finito. x1 tales que x0 < x1 y u(x0 ) > u(x1 ).2. (4.2.1) son regulares para cualquier ν > 0. Esto se produce en tiempo x1 − x0 x0 − x1 t∗ = =− .25) donde (x.2. según la ecuación (4. u(x.

las integrales que intervienen se concentran en torno a los puntos en los que H alcanza su mínimo.3. (4. Esta expresión es válida cuando la función H sólo tiene un mínimo.4) H ′′ (ξ) En nuestro caso 1 H ′′ (ξ) = .1).3. t) ∼ (4. Al pasar al límite en (4.2. (4.3.8) 2t donde ξ viene caracterizado por la ecuación ξ = x − 2tu0 (ξ) (4.5) 2t Aplicando estas fórmulas en las integrales que intervien en (4. (4.7) R t Por tanto.3.18) de la ecuación de Burgers (4.3) R en un entorno de un punto de mínimo y = ξ es s 2πν −H(ξ)/ν f (ξ) e .2. Viscosidad evanescente En esta sección analizamos el comportamiento límite cuando ν → 0 de las soluciones (4.3. . . .2.3. puesto que (x − ξ)/2t = u0 (ξ).1) 2t en los que Z ξ H = −tu20 (ξ) + u0 (σ)dσ.9) que es exactamente la expresión obtenida en la sección anterior para la ecuación de Burgers sin viscosidad (4.2.3.3.2). En caso en que H tiene varios puntos de mínimo ξ1 .6) R t Z r πν −[tu20 (ξ)+R−∞ ξ u0 (σ)dσ] e−H/ν dy ∼ e . cada uno de ellos . (4.204 CAPÍTULO 4.3. (4. .3. (x − ξ) uν (x.2) −∞ La contribución de una integral Z f (y)e−H/ν dy (4. Calculamos por tanto los puntos críticos de H: x−ξ Hy = − + u0 (y) = 0 ⇔ ξ = x − 2tu0 (y).18) obtene- mos Z r −H/ν πν −[tu20 (ξ)+R−∞ ξ u0 (σ)dσ]ν (x − y)e dy ∼ (x − ξ) e . ξN . (4. ECUACIONES DE CONVECCIÓN-DIFUSIÓN 4.18) cuando ν → 0+ .2.

3.14) 1. si u0 (·) es creciente.3. ξ2 . cuando la viscosidad ν → 0. El análisis asintótico que acabamos de realizar confirma este hecho.12) admite una única solución.2. Distinguimos dos casos: Caso 4. en la determinación de la forma asintótica de uν . por ejemplo. tal y como vimos en la sección anterior.18).4. En efec- to. Sin embargo. (4. debido a la presencia el factor exponencial.2.2.3. (4. constante a trozos ( 0. En este caso. de que H posea dos mínimos absolutos ξ1 . elemento básico del conocido méto- do de Riemann para la aproximación del dato inicial mediante datos iniciales constantes a trozos.2). t) ∼ u0 (ξ1 ) + u0 (ξ2 ).11) donde ξ ∈ R viene caracterizado por la ecuación ξ + 2tu0 (ξ) = x. Esto nos confirma sin ambigüedad alguna que el límite de las soluciones uν de la ecuación de Burgers viscosa. y por tanto (4.13) también lo es. (4.2) con este dato. ν → 0. x < 0 u0 (x) = (4.3. por el mo- mento analicemos su significado en lo que se refiere a la ecuación de Burgers (4. VISCOSIDAD EVANESCENTE 205 contribuye de manera semejante a las integrales que aparecen en (4.3. . Resolvemos la ecuación de Burgers sin viscosidad (4.1 Dato inicial u0 creciente. sólo intervienen los mínimos absolutos de H.3.3. x > 0. Pero. la forma asintótica de uν sería: uν (x. Es lo que se conoce como problema de Riemann. t) → u0 (ξ).3. (4. Consideramos ahora el caso particular de un dato discontinuo. uν (x.12) Para t > 0. la función ξ → ξ + 2tu0 (ξ). el método de las características no predice ningún choque y esperamos que la ecuación de Burgers admita una solución regular siempre y cuando el dato inicial u0 sea regular.10) Más adelante justificaremos rigurosamente estas asíntotas. es la solución de Burgers sin viscosidad obtenida por el método de las características. En caso.

si ξ > 0. El método de la viscosidad evanescente es en realidad un modo de obte- ner una solución globalmente definida en este caso.16) ξ + 2tξ = x. la única con significado físico es la denominada de entropía que acabamos de obtener. según (4. x ≥ t. consideramos la ecuación (4. En efecto.15).3. por (4. la ecuación de Burgers puede incluso tener varias soluciones débiles. Cuando x > 0 obtenemos ξ = x/(1+2t). esto nos da como solución ξ = x y por consiguiente.3. Cuando x < 0.2) es de la forma ( 0.12) obtenemos entonces x−ξ x u(x.14) puede ser una solución débil . En el límite cuando ν → 0. Este sistema se escribe ( ξ = x.206 CAPÍTULO 4.3. x < 0. En la situación presente existen también otras soluciones débiles aunque. la solución de entropía es la que tiene significado físico puesto que el modelo sin difusión ha de entenderse como una idealización del caso en que la viscosidad es pequeña y tiende a cero. ECUACIONES DE CONVECCIÓN-DIFUSIÓN Si aplicamos el método de las características con el dato inicial u0 de (4.2. t) = = (4. el valor límite u = u0 (ξ) = 0. como decíamos.3.3. si ξ < 0 (4. Es lo que se denomina la solución de entropía.18) 1.14) obtenemos que la solución u de (4. Tal y como vamos a ver.3. Acabamos de ver que el método de la viscosidad evanescente proporciona en el límite una solución de la ecuación de Burgers sin viscosidad (4.3. el método de las características no proporciona ningún valor para la solución u en la región 0 < x < t. x < αt u= (4.2). Veámos cual es el valor de α que hemos de elegir para que la función u dada por (4.3.3.2. En este caso. Se trata de una onda de rarefacción. t > 0 u= (4.3.15) 1.12) en este caso particular. Sin embargo.17) t t que está ahora globalmente definida para todo x ∈ R y t > 0. En vista de que la solución u se anula para x < 0 y toma el valor u = 1 para x > t es natural considerar también soluciones de la forma ( 0. x > αt donde la recta x = αt es a determinar. Evidentemente el frente u = x/t conecta adecuadamente el valor constante u = 0 a izquierda y el valor x = 1 a derecha.11). Esto coincide con lo obtenido en (4.

3. entonces v = ux satisface vt + (2uv)x = vt + 2v 2 + 2uvx = 0. Tal y como hemos visto an- teriormente la única solución de entropía es aquella que desarrolla la onda de rarefacción. >podemos justificar la aplicación del principio del máximo para ecuaciones de la forma (4. Un resultado clásico e importante de Kruzkov (véase la sección 11. Formalmente. C0 (R En el caso de una función de la forma (4.3. (4.3.3. Esta solución puede calcularse explícitamente: w(t) = 1/2t.14). En efecto. Vemos por tanto que la ecuación de Burgers admite también como solu- ción débil aquella que propaga el choque a velocidad 1. si u resuelve (4. si u .3.3. VISCOSIDAD EVANESCENTE 207 de la ecuación de Burgers.4.19) es preciso que Z Z ∞  uϕt + u2 ϕx dxdt = 0 (4. Ahora bien esta última solución de choque no es una solución de entropía.23) Aplicando el principio del máximo.19).3.24) donde w = w(t) es la solución de wt + 2w2 = 0 (4.23) para obtener la comparación (4.20) 0 R para toda función test ϕ ∈ ∞ × (0.3.3.21) 0 αt lo cual ocurre sí y sólo sí α = 1. la siguiente cota unilateral sobre la derivada de la solución ux ≤ 1/2t. por ejemplo. deducimos que v≤w (4. Recordemos que por ser solución de la ecuación de Burgers ut + (u2 )x = 0 (4. (4.3 de [8]) asegura que la solución de entropía es única.4.23)? Esta jus- tificación puede en efecto hacerse para las soluciones de entropía. Esta puede caracterizarse no sólo como la solución obtenida por el método de viscosidad evanescente.3.3. (4. ∞)). Ahora bien.22) Esta cota se obtiene del siguiente modo.16) se reduce a Z ∞Z ∞ (ϕt + ϕx ) dxdt = 0 (4. Otra manera de caracterizarla es.25) con dato inicial w(0) = ∞.3.3.

es el límite cuando ν → 0 de soluciones uν con viscosidad ν > 0. ECUACIONES DE CONVECCIÓN-DIFUSIÓN es solución de entropía.27) para todo ν > 0. En este caso. (4. Consideramos nuevamente como caso modelo el problema de Riemann con dato inicial ( 1. Derivando sus ecuaciones vemos que vν = uν.28) dominará y destruirá el carácter monótono creciente de la función ξ + 2tu0 (ξ). Ambos hechos son reflejo del mismo fenómeno. x > 0.3.28) no puede aplicarse puesto que u0 no es integrable en −∞. x > 0. t).3. x<0 ũ0 = (4. t − νvv. el término 2tu0 (·) de la izquierda de (4. x < 0 u0 (x) = (4. (4.3. x satisface entonces vν. Pasando al límite cuando ν → 0 obtenemos la cota (4.3.3. (4. t) (4. para t > 0 suficientemente grande. t) = −uν (−x.3.26) En esta ecuación parabólica podemos aplicar el principio del máximo y deducir que vν ≤ 1/2t (4. Más bien al contrario. el cambio de variables (4. x = 0.3. el análisis de las características ya predecía la aparición de choques en este caso.2 Dato inicial u0 decreciente.3.208 CAPÍTULO 4. Según el análisis previo debemos de analizar los valores de ξ para los que ξ + 2tu0 (ξ) = x.32) −1. xx + 2vν2 + 2uν vν.3. De hecho.28) admita una única solución para cada x ∈ R y t > 0. Tenemos ahora que estudiar las raíces de la ecuación ξ + 2tũ0 (ξ) = x (4.3. como u0 es decreciente. t) = −ũν (−x.28) Ahora bien. Para evitar esta dificultad definimos ũν (x. no está garantizado que (4.22) para ux = v.29) 0.33) .3.30) de modo que uν (x.31) La función ũ es solución de la misma ecuación de Burgers viscosa pero con dato inicial ( 0.3.3. Caso 4.

3.3.3.34) deducimos que para −2t < x < 0 se obtienen dos soluciones distantes ξ1 = x y ξ2 = x + 2t. x < t u(x.3. Suponiendo que u± son los valores a izquierda y derecha del choque la velocidad de propagación es precisamente (u+ )2 − (u− )2 s= . Esto es coherente con la condición de Rankine- Hugoniot que se precisa para que una función discontinua pueda ser solución débil de la ecuación de Burgers.3.3. esto nos da una velocidad de propagación unidad. t) (4.34) ξ − 2t = x. por ejemplo. Para el resto de valores de (x. H(ξ) = 0 (4. con valores u− = 1 y u+ = 0. si ξ > 0. (4. Tenemos ahora que analizar en cuál de estos puntos el valor crítico ξ el valor de H es mínimo.3. t) se tiene una única solución. Nuevamente en el límite (4.2.3.38) H(ξ2 ) < H(ξ1 ) si t + x > 0.2).3.2).4. t) = (4. cuando ξ < 0. VISCOSIDAD EVANESCENTE 209 que puede escribirse en la forma ( ξ = x.37) 0 Por tanto ( H(ξ1 ) < H(ξ2 ) si t+x <0 (4. cuando ξ > 0. Z ξ2 H(ξ2 ) = t − ds = t − ξ2 = t − x − 2t = −(t + x).40) 0. x > t.40) obtenemos una solución de entropía de la ecuación de Burgers sin viscosidad (4.39) donde ( 1. Según (4.3.36) mientras que. en cada punto crítico ξ el valor de H es Z ξ H(ξ) = tũ0 (ξ) + ũ0 (s)ds. De (4.35) −∞ Por tanto. t) ∼ u(x. u+ − u− En nuestro caso. .3. (4. Se trata de una onda de choque que se propaga a una velocidad 1. si ξ<0 (4. si ξ = ξ2 . Deducimos así que: uν (x.

i.210 CAPÍTULO 4.e. cuando ν → ∞. Es obvio que. éste se propaga con una velocidad que es la indicada por la condición de Rankine-Hugoniot. basta ver que  −1/2 2πν Jν (y) = e−(H(y)−H(ξ))/ν H ′′ (ξ) es una aproximación de la identidad cuando ν → ∞. Cuando no lo es puede ser de dos tipos: O bien una onda de rarefacción. ν → ∞. habida cuenta de que H ′′ (ξ)  H(y) − H(ξ) = (yξ)2 + O | y − ξ |3 2 y haciendo el cambio de variables r H ′′ (ξ) σ= (y − ξ) 2ν . De manera rigurosa. Aunque no hayamos probado aquí la unicidad. dependiendo del signo del choque. R En efecto. Z Jν (y)dy → 1. de los valores relativos de la solución a cada lado del choque. ECUACIONES DE CONVECCIÓN-DIFUSIÓN Hemos por tanto visto que el método de la viscosidad evanescente permite obtener la solución de la ecuación de Burgers de entropía. esta solución es la única que tiene sentido físico. Por otra parte. Con el objeto de completar esta sección comprobamos por último que el valor asintótico de la integral Z f (y)e−H/ν dy R cuando ν → 0 es del orden de s 2πν −H(ξ)/ν f (ξ) e . lo que esto significa es que Z f (y)e−H(y)/ν dy R lı́m q = 1. Mientras la solución es regular coincide con la obtenida por características. Jν (y) → 0 exponencialmente salvo en el punto de mínimo y = ξ. H ′′ (ξ) siendo ξ el punto mínimo de H. Cuando se tiene choque. ν→∞ f (ξ) H2πν′′ (xi) e −H(ξ)/ν Para comprobarlo. o una onda de choque.

 k+1−θ   u − uk+θ 2   − βνuk+1−θ xx + uk+1−θ = f k+θ + ανuk+θ xx . 0 < x < 1. Aplicación del “splitting” a la ecuación de Burgers En esta sección vamos a aplicar el θ-método de splitting descrito en la sección anterior a la ecuación de Burgers viscosa:   2  ut − νuxx + (u )x = f. podrá consultar el libro de C.4. 0<x<1 xx xx θ∆t x (4.4) . APLICACIÓN DEL “SPLITTING” A LA ECUACIÓN DE BURGERS211 el problema se reduce a probar que Z 1 2 1/2 3 √ e−η e−0(ν η ) dη → 1 π R lo cual puede probarse mediante el Teorema de la Convergencia dominada. 1.4. t>0 (4. 1. 1.4. t > 0 u = 0. x = 0. x = 0.3) u − u k+1−θ  2    k+1 k+1 k+1−θ k+1−θ − ανuxx = f + βνuxx − u . problema que nos ocupa en esta sección. 0 < x < 1 (1 − 2θ)∆t x   k+1−θ u = 0. El lector interesado en un estudio más detallado de estas cuestiones. Evans [8].2)   k+θ u = 0. Aplicando el θ-método obtenemos la siguiente secuencia de ecuaciones:  k+θ  − uk    u  − ανuk+θ = f k+θ = βνu k − u k 2 .1)   u(x.  k+1 (4. 0) = u0 (x). x = 0. 0 < x < 1. 4. Obviamente.4. Estamos considerando el problema en un abierto acotado con condiciones de contorno de Dirichlet.4. al abordar el problema de Cauchy en toda la recta real esto exige un primer paso en la aproximación consistente en sustituir la recta real R por un intervalo acotado [−k. 0<x<1 ∆t x   k+1 u = 0.4. (4. 1. El error cometido en dicha aproximación puede estimarse mediante un método de energía. para leyes de conservación hiperbólicas más generales.4. De este modo acabamos habiendo de abordar el problema de Dirichlet en un intervalo acotado. x = 0. k] con k suficientemente grande.

al aplicar el método de splitting a la ecuación de Burgers viscosa obtenemos una familia de problemas elípticos con convección cuadrática de la forma ( −νuxx + (u2 )x = f.5. 0<x<1 (4.  k+1−θ  u − uk+θ   − βν∆uk+1−θ + uk+1−θ · ∇ uk+1−θ = f k+θ + αν∆uk+θ − ∇pk+θ en Ω (1 − 2θ)∆t   k+1−θ u = 0 en Ω. Ecuaciones elípticas de convección-difusión Como hemos visto en la sección anterior.4.2) y (4. En esta sección analizamos brevemente la existencia y unicidad de soluciones para esta ecuación.   k+1 u = 0 en ∂Ω. Obtenemos así  k+θ  u − uk    − αν∆uk+θ + ∇pk+θ = f k+θ + βν∆uk − uk · ∇ uk en Ω.5. El problema (4.  k+1  u − uk+1−θ    − αν∆uk+1 + ∇pk+1 = f k+1 + βν∆uk+1−θ − uk+1−θ · ∇ uk+1−θ en Ω  θ∆t   ∇ · uk+1 = 0 en Ω.212 CAPÍTULO 4.4) se reducen a resolver un problema de Dirichlet lineal. En el contexto de las ecuaciones de Navier-Stokes.3) es no-lineal aunque los experimentos numéricos indi- can  que se obtienen esencialmente los mismos resultados si la no-linealidad   k+1−θ 2   u se sustituye por 2 uk+θ uk+1−θ x . que puede ser resuelto utilizando un método de elementos finitos.4.2) u = 0.4.   k+θ u = 0 en ∂Ω. en cuyo caso el sistema re- x ducido que se obtiene tiene la virtud de ser lineal. 4. 0 < x < 1 (4.5. x = 0. . ECUACIONES DE CONVECCIÓN-DIFUSIÓN Conviene señalar que (4. 1.  θ∆t   ∇ · uk+θ = 0 en Ω. 1. x = 0.1) u = 0. el θ-método tiene la virtud de permitir desacoplar la no-linealidad de la condición de incompresibilidad. lo cual proporciona un esquema completamente discreto. Comenzamos recordando los resultados elementales para el problema de Di- richlet lineal en ausencia de convección: ( −νuxx = f.

2 0 El modo más simple de abordar el problema no-lineal (4.5. 1). En virtud de la estimación (4. 1) que satisface  Z 1  ν ux ϕx dx = hf. cuando f ∈ L2 (0. Pero esto no es directamente posible. 1). vi.5. Además. 0 < x < 1 (4.5.5.4)  1 1  J(v) = | vx |2 dx − hf. minimizando el funcional  1  J : H0 (0.5) admite una única solución u ∈ H01 (0. La solución débil puede obtenerse mediante la aplicación directa del Lema de Lax-Milgram o bien mediante el Método Directo del Cálculo de Variaciones (MDCV). 1) = k f − v 2 x kH −1 (0. 1) y por tanto en un conjunto compacto de H −1 (0. 1) +C k v k2H 1 (0. ECUACIONES ELÍPTICAS DE CONVECCIÓN-DIFUSIÓN 213 En este caso es bien sabido que para cada f ∈ H −1 (0. (4.5. 1) . 0 (4. 1). 1) ≤ + k v k2H 1 (0. 1) que a v ∈ H01 (0. Esto nos permite definir una aplicación no-lineal N : H01 (0. k f kH −1 (0. ·i denota el producto de dualidad entre H −1 (0. No es difícil de comprobar que esta aplicación es compacta. 1). 1) −→ R.5. 1) en la que la aplicación de N sea invariante.5.1) es mediante una técnica de punto fijo. En efecto  ν k N (v) k2H 1 (0. ∀ϕ ∈ H01 (0. 1) ≤k f kH −1 (0. En (4. (4. 1) C k u kH01 (0.6) Por tanto.  Como f − v 2 x ∈ H −1 (0. 1) 0 ≤ k f kH −1 (0. 1).3)  u ∈ H01 (0. 1) C + R2 ≤ R. 1) y H01 (0. 1) + k v 2 kL2 (0. 1). Basta para ello constatar que si v varía en un conjunto  acotado de H01 (0.4. 1) → H01 (0. 1) .5. 1) existe una única solución débil u ∈ H01 (0. Es pues natural aplicar el Teorema de Schauder. Para cada v ∈ H01 (0. 1) podemos considerar el problema (  −νuxx = f − v 2 x .8) ν ν .3) h·. 1).5. 1) la solución pertence a H 2 (0.5) u(0) = u(1) = 0. el problema (4.5. 1) asocia N v = u.  Z (4.7) ν ν 0 Con el objeto de aplicar el Teorema de Schauder lo más simple es buscar una bola BR de H01 (0.5.7) esto exige que k f kH −1 (0. entonces v 2 x = 2vvx varía en un conjunto acotado de L2 (0. ϕi. 1) 0 (4.

1). ECUACIONES DE CONVECCIÓN-DIFUSIÓN lo cual es posible para cualquier f ∈ H −1 (0. (4. i.5.5. En esta ocasión el argumento anterior permite concluir la existencia de una solución uk ∈ H01 (0.214 CAPÍTULO 4.5. en lugar de (4.5. uk i (4. σ se tiene Z Z 1 1 ∂ φk (uk )uk. más bien. (4. utilizando la propia función uk como función test en la formulación débil de (4. x dx = hf.1) en toda su generalidad. φk (s) = mı́n(s2 . (4. evidentemente. Con el objeto de hacerlo introducimos una aproximación acotada de la no-linealidad cuadrática que interviene en (4. x = (ψk (uk )) ∂x donde Z s ψk (s) = φk (σ)dσ. la condición sobre el radio R de la bola BR que se precisa para aplicar el Teorema del punto fijo de Schauder es simplemente k f kH −1 (0.13) 0 0 ∂x Por tanto Z 1 ν |uk. 1) sea sufi- cientemente pequeño con respecto a ν.11) ν ν que.14) 0 . 0 < x < 1 (4. 1).5. 1) si ν > 0 es suficientemente grande o bien para ν > 0 arbitrario. Pero este punto de vista no permite resolver el problema no-lineal (4.5.1). el problema con no-linealidad truncada ( −νuxx + (φk (u))x = f.5. En efecto. en el presente caso.10) obtenemos Z 1 Z 1 2 ν |uk.5. uk i. multiplicando en (4. 1) Ck 2 + ≤ R.10) por uk e integrando por partes o.5.12) 0 0 Ahora bien.5. x |2 dx = hf.9) Consideramos ahora.5. x | dx − φk (uk )uk. no es difícil obtener una cota uniforme sobre la sucesión de soluciones aproximadas {uk }k≥0 . (4. Por otra parte. siempre y cuando k f kH −1 (0.10) u(0) = u(1) = 0. se cumple si R > 0 es suficientemente grande. x dx = (ψk (uk )) dx = 0. como ∂ φk (uk )uk. k). En efecto.e.

4. (4.20) 0 0 En virtud de la convergencia débil en H01 (0.16) Esta sucesión puede además extraerse de modo que uk −→ u fuertemente en L2 (0. x ∈ (0.18).t. . 1) ≤ k f kH −1 (0. (4. En efecto.c. ∀ϕ ∈ H01 (0.5.c.5. (4. 1) de {uk }.5. tal que uk ⇀ u débilmente en H01 (0. que seguimos denotando mediante {uk }.10): Z 1 Z 1 uk. ϕi. 1).5.5.19) obtenemos que el límite u ∈ H01 (0. pasando al límite en (4. en virtud de (4.17) y uk −→ u p.5.5.18) Esto permite pasar al límite en la formulación débil de (4. como {uk } está acotada en H01 (0. Esto puede hacerse comprobando que φk (uk ) ⇀ u2 débilmente en L2 (0. ϕi. (4.5.19) es el paso al límite en el término no-lineal.20) de (4. 1). por otra parte. ECUACIONES ELÍPTICAS DE CONVECCIÓN-DIFUSIÓN 215 lo cual implica la cota 1 k uk kH01 (0. 1). 1). 1) (4.5. la única dificultad para obtener (4. x ∈ (0.t.5. Esto es así puesto que.5.19) 0 0 En efecto. x ϕx dx − φk (uk )ϕx dx = hf. 1) y.1) puesto que satisface Z 1 Z 1 ux ϕx dx − u2 ϕx dx = hf.5. φk (uk ) −→ u2 . 1) es solución débil de (4.5. 1).15) ν Esto permite pasar al límite en las soluciones aproximadas. ∀ϕ ∈ H01 (0. p. 1) se puede extraer una subsucesión. (4. ∀k ≥ 1. 1) .

.

.

.

1) ≤ . ||φk (uk )||L∞ (0.

.

u2k .

.

1) ≤k uk k2L∞ (0.21) 0 En este punto hemos usado el siguiente lema clásico de convergencia que se demuestra gracias al Teorema de Egorov. 1) ≤ C||u k2H 1 (0. (4. . 1) ≤ C.L∞ (0.5.

ui. Gracias a este argumento que combina la aproximación por truncatura y el paso al límite hemos probado la existencia de al menos una solución de (4. ∀k ≥ 1 con p > 1 y hk −→ h. Veamos ahora que esta solución es única. Si bien el resultado de unicidad se cumple para todo ν > 0.5. 1) k vx kL2 (0. 1) .5. 1) k v kH01 (0. independiente de ν. 1) y cada ν > 0. 1) ≤ C k u1 + u2 kL∞ (0.5. Como es habitual en estos casos suponemos que existen dos soluciones u1 . p. Entonces hk −→ h en Lq (Ω). Multiplicando en (4. (4.22) v(0) = v(1) = 0. 0 < x < 1.5. u2 . (4. en estas notas lo probaremos únicamente para ν > 0 suficientemente grande.216 CAPÍTULO 4.23) Ahora bien. cualquier solución de (4. Sea hk : Ω −→ R una suce- sión de funciones medibles tales que k hk kLp (Ω) ≤ C. definimos v = u1 − u2 e intentamos probar que v ≡ 0. Es decir ν ≤ C k u1 + u2 kL∞ (0.22) por v e integrando por partes obtenemos Z 1 Z 1 ν vx2 dx = (u1 + ux ) vvx dx 0 0 ≤ k u1 + u2 kL∞ (0. La función v satisface (  −νvxx + u21 − u22 x = 0. 1) de donde deducimos que ν k v kH01 (0. si p < ∞ o débil-∗ en L∞ si p = ∞.1 Sea Ω un dominio acotado de Rn . ECUACIONES DE CONVECCIÓN-DIFUSIÓN Lemma 4.c. 0 .1) para cada f ∈ H −1 (0. ∀1 ≤ q < p y hk −→ h débilmente en Lp (Ω). x ∈ Ω. 1) con C > 0.t.5.5.1) satisface Z 1 ν u2x dx = hf. 1) k v kL2 (0.

SISTEMAS DE LEYES DE CONSERVACIÓN Y SOLUCIONES DE ENTROPÍA217 Esto es así puesto que Z 1 u2 ux dx = 0.5. 4. En estas notas nos guiaremos por el libro de E. Esto prueba la unicidad si ν > 0 es suficientemente grande. y por consiguiente. son hoy en día utilizadas en aplicaciones muy importantes. 1) . Precisamente a causa de su importancia han sido objeto de un intensísimo estudio tanto en el ámbito teórico como en el diseño de métodos numéricos eficaces.6. 0 Por tanto ν k ux kH01 (0. ν k u kL∞ (0. en parti- cular. Se trata de modelos de gran importancia en numerosos campos y. 1) ≤ C k f kH −1 (0. Esto justifica la existencia y unicidad de las soluciones aproximadas obtenidas mediante la aplicación del θ-método de splitting de la sección anterior. Godlewski y P. Raviart [11]. .24) Combinando (4.24) se deduce que C ν≤ k f kH −1 (0. Los mismos argumentos permiten probar la existencia y unicidad (si ν > 0 es grande) para las soluciones del problema de Navier-Stokes estacionario   −v∆u + (u · ∇)u + ∇p = f en  Ω ∇·u = 0 en Ω   u=0 en ∂Ω. (4. 1) . Sistemas de leyes de conservación y solucio- nes de entropía En este capítulo recogemos brevemente algunos aspectos teóricos sobre la existencia y unicidad de soluciones de ecuaciones escalares hiperbólicas. A.5.4. 1) ≤k f kH −1 (0. ν lo cual es imposible si ν > 0 es suficientemente grande.5. 1) . En este capítulo nos centraremos en los aspectos más básicos analizando sólo el caso de ecuaciones escalares aunque muchas de las ideas que desarrollaremos son aplicables en un contexto mucho más amplio y.23) y (4. en particular en el ámbito de la Aeronaútica. en Mecánica de Fluidos.6.

ECUACIONES DE CONVECCIÓN-DIFUSIÓN Aunque. up Las no-linealidades o funciones de flujo fj son también funciones vectoriales   f1j  .  fj =  . x = (x1 . k≤p Algunos de los ejemplos más relevantes de este tipo de sistemas son: • La ecuación de Burgers Las ecuaciones de Burgers en su versión viscosa y no viscosa respectivamente son: ∂u ut − νuxx + u = 0.6. t > 0 (4.2) ∂t donde div denota el operador de divergencia en las variables espaciales. En efecto. . ∂uk 1≤i.   .1) ∂t j=1 ∂xj donde la incógnita u = u(x. Frecuentemente escribiremos el sistema de manera más compacta del siguien- te modo: ∂u  + div f (u) = 0.6. xd ) ∈ Rd . . nos centraremos en el caso de ecuaciones escalares. (4.218 CAPÍTULO 4.   . Consideraremos la matriz Jacobiana del flujo   ∂fij (u) Aj (u) = . El sistema (4.6. t) es un vector de p componentes   u1  .1) representa una ley de conservación.  u= . ∂x . Se trata pues de un sistema de p ecuaciones en Rdx × Rt . · · · . como decíamos. empezaremos presentando el sistema vectorial tipo: d ∂u X ∂  + fj (u) = 0. integrando las ecuaciones en un recinto D de Rd obtenemos que Z Z d udx + f (u) · n d σ = 0 dt D ∂D donde n denota el vector exterior unitario a D y · el producto escalar en Rd . fpj que supondremos de clase C 1 .

• La ecuación de Buckley . SISTEMAS DE LEYES DE CONSERVACIÓN Y SOLUCIONES DE ENTROPÍA219 y   ∂ u2 ut + = 0. • El p-sistema Se trata de un sistema de dos ecuaciones para la dinámica de gases isentró- picos uni-dimensionales en coordenadas Lagrangianas:   ∂v − ∂u = 0  ∂t ∂x  ∂u ∂   + p(v) = 0.4. . ∂x 2 Esta última se trata de un caso particular de ecuaciones escalares de la forma ∂  ut + f (u) = 0.6. ∂x en las que el flujo f es convexo. Conviene observar que toda ecuación de ondas de la forma    ∂ ∂w wtt − σ =0 ∂x ∂x puede escribirse en esta forma en la variable ∂w ∂w u= . La no-linealidad en este caso es una función convexa y regular de [0. 1]. La incógnita s representa la saturación. ∂t ∂x con s2 f (s) = .v= ∂t ∂x con p(v) = −σ(v). Un ejemplo típico de este tipo de modelos con porosidad constante (= 1) y en el que se ignora los efectos de capilaridad y gravedad es: ∂s ∂  + f (s) = 0. 1] en [0. ∂t ∂x En este sistema v es el volumen específico. u la velocidad y p = p(v) una función de presión dada. s2 + (1 − s2 ) µµwo donde µ denota la viscosidad (que suponemos constante) para los dos medios (el subíndice w se refiere al agua (water) y el o al petróleo (oil)).Leverett Se trata de un modelo uni-dimensional para un flujo bi-fásico de fluidos inmiscibles.

Este 2 sistema puede escribirse como un sistema de la forma general (4. ∂t ∂x En este caso ρ representa la densidad. son constantes a lo largo de las características que son rectas de la forma  x = x0 + t a u0 (x0 ) . t > 0 (4.3) u(x. que tienen pendientes m1 y m2 respectivamente necesariamente se cruzan en un punto P en tiempo finito. ∂t ∂x ∂ ∂  (ρe) + (ρe + p)u = 0. más concretamente.6. x ∈ R. Entonces. contraria- mente a lo que ocurre típicamente en los sistemas lineales. ∂t ∂x ∂(ρu) ∂  + ρu2 + p = 0. las soluciones no lo son y. Para convencerse de ello basta con considerar la ecuación escalar en una dimensión espacial: (  ut + ∂x f (u) . u la velocidad. x ∈ R. Es fácil entonces comprobar que las soluciones.1) con d = 1 y p = 3 en las incógnitas ρ. 0) = u0 (x). m = ρ u y E = ρe. . ECUACIONES DE CONVECCIÓN-DIFUSIÓN • El sistema de la dinámica de gases en coordenadas Eulerianas Bajo condiciones de simetría adecuadas el sistema es de la forma: ∂ρ ∂ + (ρu) = 0. siendo ε la energía interna específica. Una de las propiedades más relevantes de estos sistemas es que. La solución no puede ser continua en este punto puesto que los dos valores u0 (x1 ) y u0 (x2 ) son incompatibles. p la presión y e = ε+ | u | /2 la energía específica total. Sea a(u) = f ′ (u). Supongamos ahora que el dato inicial u0 y la no-linealidad f son tales que existen dos puntos x1 < x2 tales que   m1 = 1/a0 u0 (x1 ) < m2 = 1/a u0 (x2 ) . mientras son regulares. desarrollan discontinuidades en tiempo finito. incluso cuando los datos del problema son regulares.6.220 CAPÍTULO 4. las características que arrancan de los puntos x1 y x2 . El tiempo en el que se produce esta discontinuidad o choque es    t = x2 − x1 a u0 (x1 ) − a u0 (x2 ) .

0)dx 0 Rd ∂t j=1 ∂xj Rd      ∀ϕ ∈ C01 Rd × [0.6.6. ∞) . (4.7) j=1 .6. posiblemente discontinua. Se tiene entonces que u es solución débil de (4. 1 1 Este concepto de solución en el sentido de (4.6.4) y∈R dy Este método.6) j=1 La condición (4. denominado de características. salvo que la función x → a u0 (x) sea monótona creciente.6. Más concretamente han de satisfacer     Z ∞Z X d Z   ∂ϕ ∂ϕ  0=  u· + fj (u) ·  dxdt + u0 (x) · ϕ(x. Las soluciones débiles pueden caracterizarse del modo usual mediante fun- ciones test. (4. Utili- zando la notación [·] para el salto puede escribirse de manera más compacta del siguiente modo: d X nt [u] + nxj [fj (u)] = 0. El tiempo mínimo de explosión resulta ser:  ∗ d a u0 (y) T = mı́n . Esto hace que sea necesario que elaboremos un concepto de solución débil.5) siendo C0 el espacio de las funciones de clase C y de soporte compacto. hasta el tiempo de explosión en el que se genera un choque o discontinuidad.4. nt es el vector normal a esta superficie y que u+ y u− son los valores de la solución a ambos lados de ella. Supongamos que n = n1 .6. • u satisface la siguiente condición de salto sobre Σ: d X    u + − u − nt + fj u+ − fj u− nxj = 0. permite construir soluciones regulares. SISTEMAS DE LEYES DE CONSERVACIÓN Y SOLUCIONES DE ENTROPÍA221  Esto demuestra que.6) se denomina condición de Rankine-Hugoniat (RH). (4. constantes a lo largo de las mismas. nd . (4.5) tiene perfecto sentido en  el marco de las funciones u ∈ L∞ loc R × (0.1) sí y sólo si se verifican las dos siguientes condiciones: • u es una solución clásica de la ecuación a cada lado de la superficie Σ en la que es C 1 . ∞) .6.6. el choque necesariamente se producirá en un cierto tiempo finito t > 0. d Esta formulación débil puede ser interpretada de manera muy gráfica y geo- métrica para funciones u de clase C 1 y que son discontinuas a lo largo de una  hipersuperficie Σ. · · · .

x > 1.   x0 . Para t < 1 las características no se cruzan. t) = x0 + t(1 − x0 ).10)   0. En este caso la condición de RH nos .6. −s). x≤t u= (1 − x)/(1 − t).6. 0 ≤ x0 ≤ 1. Por ejemplo.11)   0. lo cual indica que el salto se propaga con una velocidad que coincide con la media de los valores de la solución a cada lado del mismo. x≤0 u(x.8) En el caso particular de la ecuación de Burgers en que f (z) = z 2 /2 obtenemos  s = u+ + u− 2. Consideremos algunos ejemplos. Las características son entonces de la forma    x0 + t. Resolvemos la ecuación de Burgers  2 u ut + ∂x =0 (4. x ≥ 1. Obtenemos así:    1. el vector normal es de la forma n = (1. es Lipschitz. (4. en una dimensión espacial (d = 1). por tanto. Cuando t = 1 se produce un choque en el punto x = 1 en el que entran en  conflicto los valores 0 y 1 de u u+ y u− .6. t ≤ x ≤ 1 (4. x0 ≤ 1. suponiendo que Σ es una  curva regular de parametrización t. x0 ≤ 0 x(x0 . 0 ≤ x ≤ 1 (4.222 CAPÍTULO 4.9) 2 con dato inicial    1. s = ξ ′ (t).6. Eso permite obtener la solución por el método de las características que preserva la misma regularidad que el dato inicial: Se trata de una función lineal a trozos continua y. ECUACIONES DE CONVECCIÓN-DIFUSIÓN Esta condición relaciona la velocidad de propagación del salto con su amplitud. en el intervalo temporal 0 < t < 1. y por tanto la condición de RH se escribe s[u] = [f (u)]. 0) = u0 (x) = 1 − x. ξ(t) .

.6. x < s1 t   −a.9)-(4. Sin embargo esta no es la única solución débil posible. Definimos por tanto para t ≥ 1 la siguiente función constante a trozos: ( 1. SISTEMAS DE LEYES DE CONSERVACIÓN Y SOLUCIONES DE ENTROPÍA223 indica que el choque se habrá de propagar con velocidad s = 1/2.6. de forma que la condición de RH se satisface a lo largo de cada choque. para cada a ≥ máx uℓ .  0 < x < s2 t. x > uℓ + ur /2. x > (t + 1)/2. La condición de RH nos proporciona una solución constante a trozos con  una discontinuidad que se propaga con velocidad s = uℓ + ur /2. el método de las ca- racterísticas permite determinar la solución (que toma valores uℓ y ur ) salvo en la región uℓ ≤ x/t ≤ ur . uℓ t ≤ x ≤ ur t   ur .   ur .6.12) proporcionan la solución de (4. x > s2 t. −ur la función definida por    uℓ . Las expresiones (4.6. x < 0 u0 = ur .6. cuando uℓ ≤ ur . x ≥ ur t. s t < x < 0. x ≤ uℓ t u(x. Por otra parte. Obte- nemos así una familia uniparamétrica de soluciones débiles discontinuas. En efecto. u(x.12) 0. Obtenemos así (  uℓ .11) y (4. Este problema de Cauchy se denomina el problema de Riemann. 1 u=  a. es también una solución débil si   s1 = u1 − a /2. t) =  ur .6. De hecho pueden  encontrarse muchas otras. t) = x/t. De hecho. x > 0. Este espacio puede rellenarse gracias a la función v = x/t que es una solución de la ecuación de Burgers.10) buscada. x < (t + 1)/2. t) = (4. x < uℓ + ur /2 u(x. s2 = ur + a /2. Obtenemos así la solución continua    uℓ . podemos también encontrar una solución continua pues las características no se cortan.4. Consideramos ahora la ecuación de Burgers pero con dato inicial discontinuo: ( uℓ .

x ∈ Rd .16) en la ecuación del calor vt − εvxx = 0. t > 0.13) en las que la incógnita u = u(x.13) como una simplificación del modelo viscoso  ut − ε∆u + div f (u) = 0.6. De este modo la solución de entropía de (4.13) es una solución de entropía cuando sea el límite cuando ε → 0 de soluciones uε del problema viscoso. (4. t > 0. la transformación de Hopf-Cole permite transformar la ecuación viscosa (4.6. t) es una función escalar.6. Para ello es necesario introducir un criterio de entropía que seleccione la solución “física” o “buena” en la clase de soluciones débiles existentes. Son varias las maneras de introducir el criterio de entropía.13) es un modelo simplificado que se asemeja a las ecua- ciones de Euler para un fluido perfecto o ideal.6. ECUACIONES DE CONVECCIÓN-DIFUSIÓN Es lo que se denomina una onda de rarefacción. en ausencia de viscosidad. Estos ejemplos demuestran que.6. a pesar de que la noción de solución dé- bil regular a trozos y con posibles choques a lo largo de los cuales se satisface la condición de RH. Se observa entonces que. en particular.224 CAPÍTULO 4. En estas notas nos limitaremos al estudio de ecuaciones escalares de la forma  ut + div f (u) = 0. (4. Es por tanto natural considerar (4. x ∈ Rd . Pero estos no son más que una idealización o aproximación de los fluidos con viscosi- dad pequeña. en el caso del problema de Riemann.15) 2 x se trata por tanto de definir sus soluciones de entropía como aquéllas que son límite cuando ε → 0 de las soluciones de Burgers viscosas:  2 u ut − εuxx + = 0. no es un marco funcional suficiente para garantizar la unicidad.16) 2 x En este caso particular.6.6.6.14) Consideraremos que una solución débil de (4. permite incorporar las soluciones discontinuas que las ca- racterísticas necesariamente generan.15) puede calcularse explíci- tamente. la solución de entropía es como sigue: .6. (4. (4. En el caso particular de la ecuación de Burgers  2 u ut + = 0. (4.17) cuya solución puede calcularse explícitamente por convolución con el núcleo de Gauss. La ecuación (4.6.

la desigualdad (4. El problema (4. SISTEMAS DE LEYES DE CONSERVACIÓN Y SOLUCIONES DE ENTROPÍA225 • Cuando uℓ > ur . Vemos por tanto que. La condición (4.4.16) cuando ε → 0. En efecto. que puede también reescribirse como wt − εwxx + w2 + uwx = 0. Derivando (4.20) puesto que.6. he- mos elegido la solución discontinua con la condición de propagación del choque  s = uℓ + ur /2. • Cuando uℓ < ur . cuando uℓ > ur .6.6.15) es el límite de soluciones de (4. .20) se preserva en el límite.20) caracteriza la solución de entropía.6.20) selecciona las soluciones de entropía obtenidas me- diante el método de la viscosidad evanescente.18) está por debajo de ella. toda solución de (4.6.18) La ecuación (4.18) satisface el principio del máximo y admite la solución ex- plícita w∗ = 1/t. Es fácil ver que (4. obtenemos la solución discontinua con valores uℓ y ur a izquierda y derecha del choque que se propaga con velocidad s = uℓ +  ur /2. La solución de entropía en este caso puede también caracterizarse mediante la utilización de principio del máximo. ux = (ur − uℓ )δx(t) siendo x(t) el punto donde se ubica el choque.6. (4. obtenemos la onda de rarefacción.6.16) es parabólico y por tanto sus soluciones son regulares. en este caso.6. (4. en este caso particular.6. Indiquemos brevemente cómo ésto puede hacerse.6.6.6.6. el criterio de entropía obtenido por la viscosidad evanescente permite identificar de manera única la solución de entropía.19) Como su dato inicial es w(0) = ∞.6.16) con respecto a x obtenemos que w = ux satisface wt − εwxx + (uw)x = 0. Esta solución satisface (4. Como la solución de entropía de (4. Obtenemos por tanto que ux = w ≤ 1/t (4.20) para todo ε > 0.

Al adoptar este punto de vista se plantean dos problemas: • Existencia: Para probar la existencia de la solución de entropía que satis- face (4.6. k ∈ R.23) De este modo vemos que ∂U (u)  + div F (u) ≤ 0.24) se cumpla como resultado de paso a límite ε → 0.6. F ) con k ∈ R arbitrario. el término  div f (u) sgn(u − k) se puede describir como  div F (u) donde F (u) es la función del flujo de entropía  F (u) = f (u) − f (k) sgn(u − k).6. .6.6. hemos obtenido la onda de rarefacción. y para todo par de entropía-flujo de entropía (U.6.14) en un sentido suficientemente fuer- te como para poder pasar al límite en el sentido de las distribuciones en los términos no-lineales U (u) y F (u) de (4. ECUACIONES DE CONVECCIÓN-DIFUSIÓN Cuando uℓ < ur .6.24) es preciso demostrar que la solución débil de (4.6.226 CAPÍTULO 4.14) por sgn(u − k) obtenemos  ut sgn(u − k) − ε∆u sgn(u − k) + div f (u) sgn(u − k) = 0.6.13) que la condición (4.6. es natural imponer a la solución de entropía de la ecuación hiperbólica (4.14).6.24) ∂t para toda solución del problema viscoso (4. (4.21) Multiplicando por (4.6. para todo ε > 0. En este caso (4.20) es conocida como la condición de Oleinick.24). Consideremos la siguiente familia uniparamétrica de funciones de entropía U (u) =| u − k |.13) es límite cuando ε → 0 de soluciones de (4. (4. La condición (4. Por otra parte.6. La condición de entropía puede aún describirse de otro modo alternativo. Nuevamente. Se trata de la manera más conveniente para probar la unicidad de la misma.22) La función −ε∆u sgn(u − k) es no-negativa en el sentido de las distribuciones puesto que sgn(u − k) es monótona creciente.6. (4.20) se verifica con igualdad puesto que la derivada espacial de v = x/t es precisa- mente 1/t. siguiendo el trabajo pionero de Kruzkov. (4.

T ) = L2 0.6. para cada ε > 0. 2 de [11]. T .25) admite una única solución tal que   u ∈ L2 0. m ≥ 1 y que el dato inicial u0 pertenece a H m (Rd ) ∩ L∞ (Rd ).6. T ) es el espacio   W (0.6. T ) (4. T . H −1 (Rd ) . H 1 (Rd ) ∩ H 1 0.1 Supongamos que f es de clase C m . T ]. En lo sucesivo vamos a abordar estas dos cuestiones con el objeto de concluir un resultado de existencia y unicidad de soluciones de entropía para la ley de conservación. x ∈ Rd .6. H m (Rd ) (4.6. (4. Suponemos en primer lugar que f es globalmente Lipschitz y que el dato inicial u0 pertenece a L2 (Rd ).25) como en su formulación variacional.29)  Este espacio está incluido con continuidad en BC [0. 0) = u0 . t > 0 (4. T .6.6. Para una demostración detallada sugeri- mos la sección II.1. Para ello consideramos en primer lugar el problema viscoso: (  ut − ε∆u + div f (u) = 0. Es entonces fácil probar mediante un argumento de punto fijo que (4.6. x ∈ Rd . L2 (Rd ) . Entonces.6. H m+1−2k (Rd ) ∩ L∞ 0. En estas notas nos limitaremos a indicar las ideas principales de la prueba.6.27) Demostración del Teorema 4. El argumento de punto fijo puede aplicarse tanto en la ecuación integral asociada a (4.6.25) admite una única solución en la clase u ∈ W (0. (4.6. T . T .26) para todo T > 0 y (   ∂ku L2 0.4.25) u(x. m > 2k ∈  ∂tk L2 0. Se tiene el siguiente resultado de existencia y unicidad de soluciones: Theorem 4. . • Paso 1. H m−2k (Rd ) . (4. H m+1 (Rd 0 ∩ L∞ 0. T . L2 (Rd ) . SISTEMAS DE LEYES DE CONSERVACIÓN Y SOLUCIONES DE ENTROPÍA227 • Unicidad: Una vez que la solución que satisface (4.28) donde W (0. T . m = 2k − 1.24) ha sido construida es preciso probar su unicidad.

31) Esto permite extender el resultado del paso anterior a no-linealidades f ∈ C 1 . Supongamos ahora que u0 ∈ L∞ (Rd ) ∩ L2 (Rd ). Para ello es preciso obtener una estimación a priori que excluya la posibilidad de explosión en tiempo finito.25) por u e integrando en Rd obtenemos Z Z Z 1 d  u2 dx + ε | ∇u |2 dx = − div f (u) u dx.26) con m = 0. 2 dt Rd Rd Integrando esta ecuación en tiempo obtenemos Z t k u(t) k2L2 (Rd ) +2ε k ∇u(s) k2L2 (Rd ) ds =k u0 k2L2 (Rd ) . sin necesidad de suponer que sean globalmente Lipschitz.6. Para ello multiplicamos la ecuación por sgn(u − k)+ e integramos en Rd . 0 Deducimos por tanto que Z Z 1 d u2 dx + ε | ∇u |2 dx = 0. Es decir. (4.31) basta con demostrar que u ≤ k siendo k = máx(u0 ).6.6. Esto se obtiene con facilidad en este caso. 2 dt Rd Rd Rd Ahora bien.228 CAPÍTULO 4. L2 (Rd )  tal que ∇u ∈ L2 Rd × (0. En efecto. La solución se prolonga por tanto a una solución global u ∈ BC [0.32) dt Rd . • Paso 2.6. Z Z Z  ′  div f (u) u dx = f (u) · ∇u u dx = div G(u) dx = 0 Rd Rd Rd donde Z z G(z) = f ′ (s)s ds. La solución puede ser prolongada a una solución global definida para todo t ≥ 0.30) 0 De esta identidad se deduce que no se puede producir explosión en tiempo fi-  nito.6. (4. Con el objeto de probar (4.6. Obtenemos así el resultado de regularidad (4. Obtenemos que Z d (u − k)+ dx ≤ 0. (4. Vamos a probar que la solución definida en el paso anterior verifica la cota k u k∞ ≤k u0 k∞ . la exis- tencia de un tiempo T > 0 (que puede depender de ε > 0) para el que existe una única solución en la clase (4. ECUACIONES DE CONVECCIÓN-DIFUSIÓN De este modo se obtiene la existencia local de soluciones. ∞).6. Del mismo modo se prueba que u ≥ − k u0 k∞ . multiplicando en (4. ∞) .28).

34) pasa por utilizar como función test funciones de la forma ϕε (u − k). T ) .34) Rd El hecho de que (4. H 1 (Rd ) siempre y cuando   v(0) = ut (0) = ε∆u(0) − div f u(0) = ε∆u0 − div f (u0 ) ∈ L2 (Rd ). H 2 (Rd ) .6. deducimos que  f ′ (u) · ∇u ∈ L2 Rd × (0.6. Esto puede hacerse tomando derivadas sucesivas de la ecuación. (4. H −1 (Rd ) de donde deducimos que v ∈ BC [0.6.26)-(4.4.6. L2 (Rd ) ∩L2 0. . H 1 (Rd ) ∩ L∞ Rd × (0. De los resultados anteriores deducimos que el segundo miembro pertenece a    L2 0.  ut ∈ L2 Rd × (0. T . Con el objeto de obtener regularidad adicional consideramos las sucesivas derivadas de u. T . En el marco de las hipótesis generales del Teorema basta probar la regularidad añadida de la solución (4.6.6.6. T . T ) .6. En realidad la prueba de (4. T . Esto proporciona el resultado del Teorema 4. T ]. En primer lugar observamos que la ecuación que u satisface puede escribirse en la forma ut − ε∆u = −f ′ (u) · ∇u.34) se satisfaga es producto del hecho que sgn(u − k)+ es una función monótona creciente. Suponiendo que u0 ∈ H 1 (Rd ). T ]. SISTEMAS DE LEYES DE CONSERVACIÓN Y SOLUCIONES DE ENTROPÍA229 puesto que: Z  div f (u) sgn(u − k)+ dx = 0 (4.   Como u ∈ L2 0. • Paso 3.6.1 cuando m = 1. siendo ϕε una regularización de la función sgn+ .33) Rd Z − ∆u sgn(u − k)+ dx ≤ 0. resultados clásicos de regularidad para la ecuación del calor lineal garantizan que (   u ∈ BC [0. T ) . El que (4. nuevamente de que   div f (u) sgn(u − k)+ = div Gk (u) para una función Gk adecuada.33) se cumpla es consecuencia.27) con m ≥ 1 arbitrario. H 1 (Rd ) ∩ L2 0. Tomando la deriva con respecto a t de la ecuación que u satisface deducimos que u = vt verifica la ecuación  vt − ε∆v = − div f ′ (u)ut .

Para obtener (4. . Entonces w = u − v satisface  wt − ε∆w = − div f (u) − f (v) .6. uniformemente en t ≥ 0 y en ε > 0. (4.35). Para probar la existencia de una solución de entropía hemos de ser capaces de pasar al límite cuando ε → 0 en las soluciones obtenidas en el Teorema 4.38) para todo t > 0 y ε > 0. Para obtener (4.6. (4. La dificultad mayor reside en la obtención de la compacidad suficiente para pasar al límite en el término no-lineal. En particular.37) consideramos las soluciones u y v de (4.35) multiplicamos la ecuación por sgn(u). la estimación de energía (4.1 Supongamos que u0 ∈ L1 (Rd ) ∩ L∞ (Rd ) ∩ BV (Rd ).37) k ∇uε kL1 (Rd ) ≤ T V (u0 ).6. Iterando este proceso el resultado puede demostrarse para m ≥ 1 arbitrario.230 CAPÍTULO 4. ECUACIONES DE CONVECCIÓN-DIFUSIÓN cosa que está plenamente garantizada bajo las hipótesis del Teorema con m = 2.1.30) es insuficiente a tal fin.6. Rd Rd Para obtener (4.25).6.6. v0 ∈ L1 (Rd ). Utilizando que Z − ∆u sgn(u)dx ≥ 0 Rd y que Z  div f (u) sgn(u)dx = 0. Entonces la solución uε de (4. Tenemos el siguiente resultado. u0 .25) con datos iniciales u0 y v0 . Lemma 4. Demostración.6. t)dx = u0 (x)dx. Rd deducimos que Z d | u | dx ≤ 0 dt Rd de donde se deduce a su vez (4.36) Rd Rd k uε − vε kL1 (Rd ) ≤ k u0 − v0 kL1 (Rd ) (4. que proporciona estimaciones uniformes so- bre ∇u en L1 (Rd ).6.6.35) Z Z uε (x.6.6.6.6.6. (4. siendo uε y vε las soluciones corres- pondientes de (4.36) basta integrar la ecuación que u satisface en Rd y usar que Z Z  ∆udx = div f (u) dx = 0.25) satisface k uε kL1 (Rd ) ≤ k u0 kL1 (Rd ) .

1 (Rd ).e.39) Entonces k ∂t uε kL1 (Rd ) ≤ C T V (u0 ).6. deducimos que  uh (x. i. Rd La propiedad de contracción en L1 (Rd ) (4.40) para todo t > 0 y ε > 0.6.6. h una traslación de paso h de u0 . sa- tisfacen la cota uniforme ε k ∆u0. En efecto.38) en BV (Rd ). uno de los vectores unitarios de la base canónica de Rd . SISTEMAS DE LEYES DE CONSERVACIÓN Y SOLUCIONES DE ENTROPÍA231 Multiplicando en esta ecuación por sgn(u − v) = sgn(w) obtenemos que Z d | u − v | dx ≤ 0. dt Rd Z Esto es así puesto que − ∆w sgn(w)dx ≥ 0 y que Rd Z  div f (u) − f (v) sgn(u − v)dx = 0.6.2 Supongamos que los datos iniciales de (4. Por la propiedad de contracción en L1 (Rd ) se concluye que k u − uh kL1 (Rd ) k u0 − u0. Con el objeto de probar la compacidad de las soluciones uε conviene probar una estimación sobre las derivadas temporales ∂t uε : Lemma 4.38). siendo u0.37) permite deducir la estima- ción (4. h (x) = u0 x + h eα siendo eα .25) con datos u0 y u0.6.6.6. además de estar uniformemente acotados en L1 (Rd ) ∩ L∞ (Rd ) ∩ w1. ε kL1 (Rd ) ≤ C. d. h kL1 (Rd ) ≤ . . t . t) = u x + h eα.25) son tales que. α = 1.25) con respecto a traslaciones y por la unicidad de la solución. h h Pasando al límite cuando h → 0. · · · . h respectivamente. Por invarianza (4. deducimos (4.6.4.6.  u0. (4.6. sean u y uh las soluciones de (4. (4.

0) = u0 (x) en Rd tiene una solución de entropía que verifica (4.232 CAPÍTULO 4. 0 kL1 (Rd ) siendo Mε = máx | f ′ (s) | . t > 0 (4.46) Demostración. (4.40).6.45) k u(t2 ) − u(t1 ) k≤ C T V (u0 ) | t2 − t1 |.6. |s|≤ku0.6.42) u(x.6.43) y satisface las estimaciones k u k∞ ≤k u0 k∞ .6. (4.2 Supongamos que el dato inicial u0 pertenece al espacio L1 (Rd )∩ L∞ (Rd ) ∩ BV (Rd ) y que la no-linealidad f es de clase C 1 .44)  T V u(t) ≤ T V (u0 ). ∞) ∩ BC [0. Theorem 4. ε kL1 (Rd ) + k div f (uε. 0 ) kL1 (Rd ) ≤ Mε k ∇uε. ∀t1 .6. . Utilizamos el método de aproximación y paso al límite basado en las regularizaciones viscosas (4. Procediendo como en la prueba del Lema anterior deducimos que k uε (t) − uε. τ (t) kL1 (Rd ) ≤k uε.25). El segundo miembro puede acotarse del modo siguiente:  k div f (uε. Consideramos en este caso traslaciones temporales uε. ∀t ≥ 0. la solución pertenece a la clase   u ∈ L∞ Rd × (0.41) ≤ ε k ∆u0. Pasando al límite cuando τ → 0+ deducimos que k ∂t uε kL1 (Rd ) ≤ k ∂t uε (0) kL1 (Rd )  (4.41).6. ∞).6.6.6. ECUACIONES DE CONVECCIÓN-DIFUSIÓN Demostración. (4. L1 (Rd ) (4.24). 0 − uε. 0 ) kL1 (Rd ) la hipótesis (4. Además.13). t2 ≥ 0.6. Estamos ahora en condiciones de probar la existencia de una solución de entropía para (4.39) permite acotar el primer término del miembro de la derecha de (4.6. ε k∞ De este modo se concluye la prueba de (4. Entonces el problema (  ut + div f (u) = 0 en Rd .6. τ (0) kL1 (Rd ) .6.25). τ de las soluciones uε de (4.

 De hecho. Esto puede hacerse convolucionando el dato inicial u0 con una aproximación de la identidad. L1 (Rd ) k ∂t uε k  ≤ C.6. (4. T .39). el límite u ∈ C [0. L1 (Rd ) .6. T . T ]. Por el Teorema de Ascoli-Arzela deducimos por tanto la existencia de una subsucesión (que seguimos denotando por el subíndice ε) tal que  uε → u en C [0. uε (t) permanece en subconjunto compacto de L1 (Ω).6.25). Por otra parte. SISTEMAS DE LEYES DE CONSERVACIÓN Y SOLUCIONES DE ENTROPÍA233 En primer lugar hemos de construir los datos iniciales para las ecuaciones regularizadas (4.50) L∞ 0. de (4. de la cota (4. .4. de la cota (4. deducimos que para todo 0 ≤ t ≤ T.6. L1loc (Rd ) .6. De este modo no sólo se preservan.6. como la inclusión W 1. Además de (4. T ].48) se deduce que k u(t) kL1 (Rd ) ≤ C. L1 .6. Aplicando los resultados anteriores obtenemos una familia de soluciones uε de (4. L1 (Rd ) Dado un dominio acotado Ω de Rd . En efecto.6. (4.6. (4. Por otra parte. 1 (Ω) ֒→ L1 (Ω) es compacta. las estimaciones que las hipótesis sobre u0 proporcionan.48) L∞ 0. Utilizando una familia de conjuntos compactos que cubran todo Rd y un proce- dimiento de extracción diagonal deducimos que  uε → u en C [0.6.49) L∞ 0.50) se deduce que k u(t2 ) − u(t1 ) kL1 (Rd ) ≤ C | t2 − t1 |. ∀0 ≤ t ≤ T.25) que satisfacen las siguientes cotas. T ]. (4. uni- formemente en ε > 0. T . T ] a valores en L1 (Rd ). sino que podemos además garantizar que se satisface (4.50) se deduce que uε es uniformemente equicontinua en [0. uniformemente en ε > 0: k uε k∞ ≤k u0 k∞ . L1 (Ω) .6. L2 (Rd ) k ∇uε k  ≤ C.47) k uε k  ≤ C.6. de donde se concluye la continuidad en tiempo a valores en L1 (Rd ).47) se deduce que k u k∞ ≤k u0 k∞ .

v ∈ L∞ Rd × (0. t ≥ 0. La única dificultad a la hora de comprobar este hecho es el paso al límite en los términos no- lineales pero ésto es posible como combinación de la cota L∞ uniforme (que hace irrelevante el crecimiento de la no-linealidad en el infinito) y de la convergencia  fuerte en C [0. Recordemos que una solución débil de (4. En el Teorema anterior hemos probado la existencia de una solución de entropía. siendo  M = máx | f ′ (ξ) |: | ξ |≤ máx(k u k∞ . tales que u. De las convergencias anteriores es fácil comprobar que el límite u construido de este modo es una solución débil de entropía de (4. Entonces. k v k∞ ) .25) se dice solución de entropía si verifica que Z ∞Z    | u − k |t ∂ϕ + sgn(u − k) f (u) − f (k) · ∇u dxdt ≥ 0 0 Rd  para toda función test no-negativa ϕ ∈ C0∞ Rd × (0. ECUACIONES DE CONVECCIÓN-DIFUSIÓN  De estas estimaciones se concluye que u ∈ C [0. tenemos que Z Z | u(x.234 CAPÍTULO 4. |x|≤R |x|≤R+Mt Omitiremos la prueba de este resultado. Lp (Rd ) . Queda probar su unicidad. La estimación (4. Tenemos el siguiente resultado: Theorem 4.t.25) asocia-  dos a datos iniciales u0 . t) | dx ≤ | u0 (x)−v0 (x) | dx.6.6. El lector interesado podrá encontrar una presentación de la misma en el libro [11] 4.6.3 Sean u y v dos soluciones de entropía de (4. ∀R > 0. Esquemas numéricos de aproximación de le- yes de conservación escalares En las secciones anteriores hemos desarrollado una teoría que permite con- cluir la existencia de unicidad de soluciones de entropía para leyes de conser- . T ) .6. p. v0 ∈ L∞ (Rd ). Lp (Rd ) para todo p fini- to 1 ≤ p ≤ ∞.c.25). ϕ ≥ 0 y todo k ∈ R. para todo T > 0. t)−v(x. Se trata de un resultado de una importancia histórica en este campo debido a Kruzhov. ∞) ∩  BC [0.6. T ].7. T ].45) se obtiene también como consecuencia inmediata del paso al límite. L1loc (Rd ) . T ].

(4.4) Con el objeto de aproximar las soluciones de (4. . . ∀n ≥ 0.7.3) Consideramos ahora un paso espacial y temporal ∆x y ∆t e introducimos el ratio λ = ∆t/∆x.7. Comenzamos con el caso uni-dimensional   ut + ∂x f (u) = 0. . que es un método de aproximación. las soluciones de entropía de las leyes de conservación escalares en algunos casos desarrollan ondas de choque y en otros ondas de rarefacción. . . (4.5) puede reescribirse como v n+1 = H∆ (v n ).7.7. . En efecto. . t > 0.1) u(x. .4.7.1)-(4. x ∈ R. vk−1 . Con el objeto de simplificar la notación denotaremos mediante H∆ pa- ra la función  que envía la sucesión (vj )j∈Z en la sucesión imagen H∆ (v) =   H∆ (v) j tal que j∈Z   H∆ (v) j = H vj−k . x ∈ R. tk = k∆t) y H : R2k+1 → R es una función continua. De este modo el esquema numérico (4. . . .7. La tarea es en este caso más compleja que en el marco de las ecuaciones en derivadas parciales lineales. (4. . . El objetivo de esta sección es obtener resultados de aproximación mediante esquemas numéricos.2) Supondremos que f ∈ C y usaremos la notación 2 a(s) = f ′ (s). El método de cons- trucción empleado ha sido el de la viscosidad evanescente. (4.5) La función discreta unj representa una aproximación de la solución continua u en el punto (xj = j∆x. 0) = u0 (x). . . u n j+k .7. vk − g v−k . Es por tanto indispensable que los métodos que desarrollemos sean capaces de capturar y reproducir estas soluciones discerniendo los choques admisibles de los que no lo son. (4. vk = v0 − λ g v−k+1 .7. tal y como hemos visto.2) utilizaremos es- quemas de la forma   un+1 j = H u n j−k .7.6) Diremos que este esquema puede ponerse en forma conservativa si existe una función continua g : R2k → R tal que  h  i H v−k . . . j ∈ Z. (4. (4. vj+k .7. . .7) .7. . ESQUEMAS NUMÉRICOS DE APROXIMACIÓN DE LEYES DE CONSERVACIÓN ESCALARES235 vación escalares en una y en varias dimensiones espaciales.

.11) j∈Z j∈Z Veamos cómo podemos calcular el flujo g para un esquema conservativo. .7.7.7. . . . . .7.12) j∈Z Se puede entonces comprobar la existencia de una función continua g tal que    G v−k . (4. .14) Con el objeto de analizar la convergencia del método introducimos la función constante a trozos u∆ (x. Entre ellas Z xj +1/2 1 u0j = u0 (x)dx. v) = f (v).11). (4. (4.10) Entonces (4.8) Denotando n  gj+1/2 = g unj−k+1 . (4. . Obser- vamos que  1   G v−k .7. .7. . vj+k = vj . .9) el esquema puede escribirse como  un+1 j = unj − λ gj+1/2 n n − gj−1/2 . vk − v0 λ satisface X  G vj−k . . .236 CAPÍTULO 4. (4.7.7) es consistente si g(v.5). . envía L1 (Z) en sí mismo. Por otra parte. t) = unj . vk−1 . . uk−1 ∆x  sea una aproximación de ∂x f (u) .7. .7. Analizamos entonces la convergencia de la fun- ción constante a trozos u∆ hacia u. (4. . . . . vk = g v−k+1 .16) ∆x xj −1/2 . (4. . vk − g v−k . . . El esquema numérico tiene entonces la forma h  i un+1 j = u n j − λ g u n j−k+1 . . Son varias las posibilidades. con el objeto de garantizar  la consistencia del esquema   (4. . Para ello debemos introducir una aproxi- mación del dato inicial. . uk −g u−k . .1) necesitamos que g uk+1 . ECUACIONES DE CONVECCIÓN-DIFUSIÓN La función g se denomina flujo numérico. . .10) con la ecuación (4.7.7. . .7. . además de preservar la integral discreta (4. . u n j+k − g u n j−k . . . (4. . . . . . Diremos por tanto que el esquema (4. . . .15)  donde xj+1/2 = xj + xj+1 2. .5) puede ponerse en forma conservativa sí y sólo sí X  X H vj−k . . . . .13) Todo esquema conservativo.7. . tn ≤ t ≤ tn+1 . xj−1/2 < x < xj+1/2 . (4.7. unj+k (4. . . vk = − H(v−k . u n j+k−1 .7. vj+k = 0.

de ella. t) ϕ∆ (x. ∞) y converge en L1loc R × (0. asegura que si la   sucesión u∆ está acotada en L∞ R × (0. tn ). i.7. t − ∆t) ∆t dxdt (4. (4. ∞) y en casi todo punto a una función u. (4. . 0)dx −→ u0 (x)ϕ(x. n Sumando por partes deducimos que XX  XX  X ∆x un+1 j ϕn+1 j − ϕnj + ∆t n gj+1/2 ϕnj+1 − ϕnj + ∆x yj0 ϕ0j = 0.20) Esto nos permite escribir la expresión discreta anterior en forma integral Z   u∆ (x. ESQUEMAS NUMÉRICOS DE APROXIMACIÓN DE LEYES DE CONSERVACIÓN ESCALARES237 El primer resultado en esta dirección. es fácil comprobar que las inte- grales correspondientes a los datos iniciales convergen. La prueba de este resultado consiste en pasar al límite en las formulaciones débiles de ambos problemas. evaluándola en el mallado discreto. Obviamente se presenta la dificultad adicional del paso de una formulación discreta a la continua. t) − ϕ∆ (x − ∆x/2. dada ϕ ∈ C01 R × (0. .4. xj < x < xj+1 . n j n j j (4. De manera más precisa.7. Z Z u0 (x)ϕ∆ (x.18) j.7. obtener una función test ara el problema  discreto. t) − ϕ∆ (x.7. (4.7. . ésta es una solución débil de (4.17) Utilizando esta función test en (4. ∞) Z   + g∆ (x. n ≥ 0.7. ∞) Z + u0 (x)ϕ∆ (x. ∞) consideramos la función test discreta ϕnj = ϕ(xj . t) = gj+1/2 = g vj−k+1 . .22) R R . j ∈ Z.1)-(4. (4.7. El modo de proceder consiste en tomar una función test para el problema continuo y.2). n j.21) R×(0. vj+k . discretos y continuos. debido a Lax-Wendroff. tn ≤ t ≤ tn+1 . 0)dx = 0.7. R Aplicando la convergencia uniforme de ϕ∆ a ϕ.10) deducimos que X  X  n ∆x un+1 j − unj ϕnj + ∆t n gj+1/2 n − gj−1/2 ϕj = 0. t) /∆x dxdt R×(0. 0)dx.7. t) ϕ∆ (x + ∆x/2.7.e.19) Con el objeto de comparar los términos no-lineales del esquema discreto y de la ecuación continua introducimos la siguiente extensión constante a trozos de g que denotamos como g∆ : n n n  g∆ (x.

consecuentemente.7.26) y. t)dxdt.24) R×(0. t) dxdt. t . introducimos la notación  j w∆ (x. . t)∂t ϕ(x. t) dxdt. (4. −k ≤ j ≤ k. t) dxdt → 0.25) Por último hemos de considerar el término no-lineal. t) . De forma análoga se puede comprobar que Z   ϕ∆ (x. de la convergencia de u∆ a u en L1loc deducimos que Z Z u∆ (x. entonces 2 Z Z . ∞) R×(0.7. R×(0. t)∂t ϕ(x.7.23) R×(0. ∞) Observamos que  g∆ (x. El mismo argumento an- terior reduce el problema al estudio del límite de Z g∆ (x. ∞) ∆t R×(0. t) − ϕ∆ (x.238 CAPÍTULO 4. (4. ∞) ∆t Además. ECUACIONES DE CONVECCIÓN-DIFUSIÓN cuando ∆x. t) dxdt −→ u(x.7. t − ∆t) u∆ (x.7. (4. ∞) (4. t) − ∂t ϕ(x. t)∂t ϕ(x. ∆t → 0. R×(0. ∞) y K1 = K+ j − ∆x.27) 1 Si K es un subconjunto compacto de R×(0. t) = u∆ (x + j − 1/2)∆x. t) = g (u∆ (x − (k + 1/2)∆x. . t − ∆t) u∆ (x. u∆ x + (k − 1/2)∆x. t) dxdt −→ u(x. . t)∂t ϕ(x. t) − ϕ∆ (x. ∞) Se concluye por tanto que Z   Z ϕ∆ (x. (4. . t .

j .

.

.

.

t) − u(x. t).w (x.

dxdt ≤ .

t).u∆ (x. t) − u(x.

7.28) ∆ K K1 Z .dxdt (4.

 .

+ .

t).u x + (j − 1/2)∆x. t − u(x.

c. (x.t. Utilizando la continuidad de g deducimos que −k+1 k   g∆ (x. . gracias a la convergencia de u∆ . K j Se deduce entonces que w∆ converge a u en L1 (k) cuando ∆ → 0. . . . para cualquier | j |≤ k. . ∞). t) → g u(x. ∞) y todo j : | j |≤ k. t) ∈ R × (0. t). . . t) (4. t). (x.7. . t) = g w∆ (x. . t) ∈ R × (0.dxdt. Podemos entonces extraer subsuce- j siones de modo que w∆ converja para casi todo (x. w∆ (x.29) p.

Proposition 4. t)∂t ϕ(x. (4. . . ∞) R (4. deducimos que Z Z g∆ (x.7. ESQUEMAS NUMÉRICOS DE APROXIMACIÓN DE LEYES DE CONSERVACIÓN ESCALARES239 De la condición de consistencia sobre g se deduce que g(u. La siguiente Proposición resulta útil para estimar el error de truncación. para toda solución u de (4.32) cuando ∆t → 0. usando la ecuación que u satisface y la estructura de H. de donde se deduce en particular que se verifican las condiciones de Rankine-Hugoniat. t + ∆t) − H u(x − k∆x. t) ∂x ϕ(x.7. t) dxdt. ∞) De ésto se desprende que el límite u es una solución débil de (4.7.7. .4.7.2) suficientemente regular y con λ = ∆x/∆t constante. β(u. Diremos que el esquema es de orden p ≥ 1 si para toda solución regular u de (4.31) Este resultado muestra que el límite de soluciones numéricas obtenidas por un esquema conservativo necesariamente es una solución débil del problema continuo. u) 2λ2 − a(u)2 /2. u.7.5) que supo- nemos puede escribirse en la forma conservativa (4. Queda por comprobar que este límite es la solución de en- tropía además de probar la compacidad de la sucesión u∆ de soluciones aproxi- madas.2) en el sentido que Z   Z  u(x. λ) =  j2 (u. . .7) y que es consistente con la ecuación (4. t). . t)+ f u(x. .1)-(4. Pero analicemos primero el orden de consistencia o de precisión.7. . t) dxdt+ u0 (x)ϕ(x. u. λ)∂x u(x. .33) 2  3 = −∆t ∂x β(u. (4. 0)dx = 0. . t)∂t ϕ(x.7.7.7. Supongamos que H ∈ C 3 . t) dxdt −→ f (u)∂t ϕ(x. . . . .30) R×(0. . t) + O(∆t ) con   k X ∂H .2) y fijando λ = ∆x/∆t.1)-(4. u(x + k∆x.7. u) = f (u). se tiene   u(x. t) (4.1 Consideremos el esquema en diferencias (4.7.34) ∂ν j=−k .7. R×(0. (4. t) = O ∆tp+1 . Entonces. El término que se estima a la izquierda de (4.7.7. el error de truncación admite la siguiente expresión  u(x. t + ∆t) − H u(x − k∆x. t).1)-(4.7.32) es lo que se denomina el error de truncación y se estima típicamente realizando un desarrollo de Taylor de u y de H. . Por tanto. aplicando el Teorema de convergencia dominada de Lebesgue. ∞) R×(0. u(x + k∆x.1).7.

. ). (4. u) − (u.7) que H(u. (4. . .37) y   ∂H ∂g ∂g = δj0 − λ (T v̄) − (v̄) . . . T v̄ = (v−k+1 . . . u) = −λ j (u. −k ≤ j ≤ k.7. u. . u) = u. . j=−k  2 2  ∂ g ∂ g (u. u) = a(u). . j=−k i. . .38) deducimos que   ∂2H ∂2g ∂2g =λ (T v̄) − (v̄) ∂vi ∂vj ∂vj−i ∂vj−i ∂vi ∂vj y k X +k X ∂2H (i − j)2 (u.41) ∂vj j=−k Obtenemos así k X ∂H j (u. u) = −λa(u).40) u) ∂vj ∂vj−1 ∂vj j=−k j=−k k X ∂g = −λ (u.7. . . ∂vj j=−k La condición de consistencia (4. . . . .7. .7. . . . . . .43) ∂vi ∂vj i. .36) Entonces  H(v−k .14) asegura que k X ∂g (u. . . . (4. . . . . . .7. . . (4. En primer lugar observamos por (4.7. (4. . ECUACIONES DE CONVECCIÓN-DIFUSIÓN Demostración.240 CAPÍTULO 4. ∂vji ∂vj−i ∂vi ∂vj . . u) − (u. u) = −λ (i − j)2 (4. . vk ).7. .42) ∂vj j=−k Diferenciando de nuevo en (4.7. vk−1 ). . . . u) = 0.7. . . . (4.38) ∂vj ∂vj−1 ∂vj siempre y cuando usemos la convención ∂g ∂g = = 0. . .7. .7. vk ) = v0 − λ g(T v̄) − g(v̄) (4.39) ∂v−k−1 ∂vk Por tanto k X k X   ∂H ∂g ∂g j (u. .7. (4.35) Con el objeto de simplificar la notación introducimos la siguiente: v̄ = (v−k . .

. .4. . . . . . . u): k X ∂H H(u−k . u) + O(∆x3 ). . Por el desarrollo de Taylor de u tenemos que (j∆x)2 2 uj − u = j∆x∂x u + ∂x u + O(∆x3 ) 2 y (ui − u)(uj − u) = ij(∆x)2 (∂x u)2 + O(∆x3 ).7. ESQUEMAS NUMÉRICOS DE APROXIMACIÓN DE LEYES DE CONSERVACIÓN ESCALARES241 Utilizamos ahora el desarrollo de Taylor de H en el punto (u. u)∂x u + (ij − j 2 ) (u. . u) = 0. . . .45) ∂vi ∂vj i. .7. . . . . . . . j=−k   k k ∂  X 2 ∂H X ∂2H = j (u. (4. j=−k . j=−k   X k ∂H = ∂x  j2 (u. . . .44) ∂vj ∂vi ∂vj j=−k i. . . . . . j=−k Por otra parte k X Xk ∂H ∂2H j2 (u. . . uk ) = u + (u. Por tanto k X ∂H H(u−k . j=−k en donde hemos usado la notación u = u(x. . . j=−k k X (∆x)2 2 ∂H + ∂x u j2 (u. . u)(∂x u)2 ∂x ∂vj ∂vi ∂vj j=−k i. . u)∂x u . . . u)(uj − u) ∂vj j=−k k 1 X ∂2H + (u. . . ∂vj j=−k Esto es así puesto que k X ∂H (ij − j 2 ) (u. uk ) = u + ∆x∂x u j (u. . . . u) 2 ∂vi ∂vj i. . . . . . . . . . u) ∂vj j=−k k (∆x)2 (∂x u)2 X ∂2H + ij (u. t). . .7. . . u)∂x2 u + ij (u. 2 ∂vj i. u)(uj − u)(ui − u) + O(∆x3 ) 2 ∂vi ∂vj i. u)(∂x u)2 (4. t) y uj = u(x + j∆x. .

(4. u). . ∂vi ∂vj 2 ∂vj ∂vi i. . t + ∆t) = u − ∆t a(u)∂x u + ∂x a(u) ∂x u + O(∆t3 ). ECUACIONES DE CONVECCIÓN-DIFUSIÓN lo cual es consecuencia de (4. t + ∆t) = u + ∆t∂t u + ∂t u + O(∆t3 ). . λ)∂x v = 0. el desarrollo de Taylor de u(x.46) Por otra parte. . . Entonces. 2 ∂vj j=−k (4.47) deducimos la identidad (4. λ) 6= 0. .242 CAPÍTULO 4. t + ∆t) garantiza que (∆t)2 2 u(x.7. Con el objeto de analizar la estabilidad de los esquemas numéricos es preciso considerar en primer lugar la ecuación lineal ut + a∂x u = 0 en la que no-linealidad f (s) se reduce a la ecuación lineal f (s) = a s en la que a es una constante. Observación: Supongamos que el esquema numérico es consistente de orden 1 en cuyo caso β(u. deducimos (∆t)2  2  u(x.46) y (4.7.33) deseada. uk ) = u − ∆t a(u)∂x u + ∂x j ∂x u + O(∆x3 ). . u) = − (i − j)2 (u. . .43) y de la simetría de la matriz ∂ 2 H/∂vj ∂vi puesto que k X k ∂2H 1 X ∂H (ij − j 2 ) (u.7.7.47) 2 Combinando (4. k=−k i. . . j=−k Deducimos de este modo que   k (∆x)2  X 2 ∂H H(u−k . . 2 Utilizando que  ∂t u = −∂x f (u) = −a(u)∂x u y     ∂t2 u = −∂u ∂t f (u) = −∂x a(u)∂t u = ∂x a2 (u)∂x u . .7. el esquema proporciona una aproximación de orden dos de la ecuación viscosa   vt + ∂x f (v) − λ∆x∂x β(v. Una manera heurística de estudiar el comportamiento del esquema numérico es precisamente estudiar el de esta aproximación parabólica o viscosa.7.

j∈Z El esquema se dice estable si existe una constante c > 0 independiente de ∆t > 0 tal que k v n kL2 (∆) ≤ C k v 0 kL2 (∆) . Utilizando la transformada de Fourier Z 1 ϕ̂(ξ) = √ e−ixξ ϕ(x)dx. j ∈ Z ℓ=−k con coeficientes constantes cℓ . Es fácil entonces comprobar que el esquema es estable sí y sólo sí se verifica la condición de Von-Neumann | h(ξ) |≤ 1. ∀ξ ∈ R. 2π R el esquema se traduce en v̂ n+1 (ξ) = h(ξ)v̂ n (ξ) donde +k X h(ξ) = cℓ eiℓ∆x ξ ℓ=−k se denomina el factor de amplificación. Consideremos por ejemplo el esquema de tres puntos vjn+1 = c−1 vj−1 n n + c0 vjn + c1 vj+1 . ℓ=−k La propiedad de estabilidad se reescribe entonces como k v n kL2 (R) ≤ C k v 0 kL2 (R) .4. Consideramos la norma L2 -discreta:  1/2 X k v kL2 (∆) = ∆x vj2  . −k ≤ ℓ ≤ k.7. ∀n ≥ 0. ESQUEMAS NUMÉRICOS DE APROXIMACIÓN DE LEYES DE CONSERVACIÓN ESCALARES243 Supongamos que el esquema es de la forma +k X vjn+1 = n cℓ vj+ℓ . n ≥ 0. Es conveniente extender el esquema a funciones definidas para todo x: +k X v n+1 (x) = cℓ v n (x + ℓ∆x ). que dependen sólo de a y de λ. ∀n ≥ 0.

Se trata precisamente de la condición de Courant-Friedrichs-Lewy (CFL) que garantiza que el dominio de dependencia del esquema numérico contiene al de la EDP. q = λ2 a2 . Existe por tanto un sólo esquema de tres puntos de orden 2. . siendo su flujo numérico  g(u. Es fácil comprobar que el esquema es estable si el número de Courant v = λa satisface (λa)2 ≤ q ≤ 1. Obtenemos así una familia uniparamétrica de esquemas dependiente de q = c−1 + c1 = 1 − c0 que pueden ser escritos en la siguiente forma viscosa   vjn+1 = vjn − λa vj+1 n n − vj−1 n 2 + q vj+1 − 2vjn + vj−1 n 2. 2 2 que es estable bajo la condición λ | a |≤ 1. Para que el esquema sea de orden 2 es preciso que q a2 β(u. λ) = − = 0.244 CAPÍTULO 4. 2λ2 2 es decir. Es el esquema denominado de Lax-Wendroff n n  (vj+1 − vj−1 ) λ2 a2 n vjn+1 = vjn − λa + vj+1 − 2vjn + vj−1 n . ECUACIONES DE CONVECCIÓN-DIFUSIÓN que puede ponerse en forma conservariva si c−1 + c0 + c1 = 1. v) = c−1 u − c1 v λ. La condición de consistencia impone que c−1 − c1 = λa.

. La ecuación linealizada es de la forma wt + a(u)∂x w = 0 siendo u una solución de la ecuación no-lineal. . De este modo.7. ESQUEMAS NUMÉRICOS DE APROXIMACIÓN DE LEYES DE CONSERVACIÓN ESCALARES245 Este análisis lineal de la estabilidad de los esquemas nos permite derivar algunos criterios heurísticos para los esquemas de ecuaciones no-lineales por linearización. vjn wj+ℓ . Lo mismo puede hacerse para el esquema numérico obteniéndose el siguiente esquema linealizado: +k X ∂H n  n wjn+1 = vj . para el esquema de Lax-Wendroff obtenemos la condición .4. . ∂vℓ ℓ=−k Aunque la estabilidad del esquema linealizado no es una condición suficiente de estabilidad del esquema permite obtener algunas condiciones heurísticas. .

.

máx λ.

a vjn .

2 2 Puede ponerse en forma conservativa con el flujo numérico f (u) + f (v) (v − u) g LF (u. j∈Z Mencionemos ahora algunos ejemplos relevantes de esquemas de tres puntos: El esquema de Lax-Friedrichs: Consideremos primero el esquema centrado n  n ! f vj+1 − f vj−1 vjn+1 = vjn −λ 2 que es linealmente inestable. Sustituyendo la aproximación de la derivada  n+1 n n   vj − vj+1 + vj−1 2 ut ∼ ∆t obtenemos el esquema de Lax-Friedrichs n n n  n  vj+1 + vj−1 f vj+1 − f vj−1 vjn+1 = −λ . n. ≤ 1. v) = − 2 2λ y es de orden uno. .

t El esquema de Godunov genera v n+1 a partir de v n del siguiente modo. uℓ . En el caso lineal teniendo en cuenta la orientación de las características en función del signo de a obtenemos (  n+1 vjn − λa vjn − vj−1 n . tn ) donde v∆ está definida del siguiente modo: v∆ (x. si f ′ > 0 n+1 vj =      vn − λ f vn j j+1 − f vj n . Paso 1 Resolvemos exactamente el problema (  wt + ∂x f (w) = 0 w(x. tn ) = v∆ (x. tn ) = vjn . xj−1/2 ≤ x ≤ xj+1/2 . En el caso lineal el esquema proporciona la interpolación entre los valores de la   solución en xj−1 . cuya solución es autosemejante de la forma x  u(x. n n n Cuando la no-linealidad f es monótona el esquema es extiende con facilidad:      n  vjn − λ f vjn − f vj−1 .246 CAPÍTULO 4. tn . . j ∈ Z. El esquema de Godunov. si a < 0. si f ′ < 0. El esquema upwind. si a > 0 vj =  vj − λa vj+1 − vj . El esquema de Godunov está basado en la resolución de problemas de Rie- mann locales de la forma:  ut + ∂x f (u) = 0. t) = ur . ( uℓ . tn y xj+1 . si x > 0. t) = wR . ECUACIONES DE CONVECCIÓN-DIFUSIÓN En el caso lineal este esquema corresponde a un coeficiente de viscosidad q = 1 de modo que es estable si λ | a |≤ 1. si x < 0 u(x. ur .

xj+1/2 × (0. Esto da lugar a un problema de Riemann en cada uno de ellos. u. ∆t). este esquema es linealmente estable pero es no-linealmente estable cerca de los puntos de estagnación en los que a(u) = 0. cosa que puede hacerse por tratarse de una solución débil regular a trozos y que satisface las condiciones de Rankine-Hugoniot. vj ≤ 1/2. Hasta ahora hemos visto algunos ejemplos de esquemas numéricos conser- vativos y hemos analizado su estabilidad lineal. Con el objeto de obtener una expresión sencilla para vjn+1 integramos la  ecuación que w satisface en xj−1/2 . j ∈ Z. Esto es debido a que el esquema pierde su carácter disipativo en esos puntos. su límite es una solución débil. Para analizar estas cuestiones vamos a considerar la clase de esquemas mo- nótonos y T. • Estudiar cuando la solución débil obtenida en el límite es también una solución de entropía. xj+1/2 . vjn . Con el objeto de completar el análisis de la convergencia de los esquemas debemos: • Analizar para cuáles de los esquemas introducidos las soluciones numéricas tienen las propiedades de acotación y de compacidad requeridas. Tal y como hemos.7. v) . Estos no interactuan antes de un tiempo ∆t si  n  λ máx | a(v) |: v ∈ vj−1 . Como hemos visto antes.7.1)-(4. En el caso general el flujo puede también representarse de manera sencilla del siguiente modo. v) = f wR (0. más generalmente. .4.D. f es convexa en las regiones en que es monótona. Paso 2 vjn+1 se define como la media de la solución precedente en el intervalo   xj−1/2 .V. Obtenemos de este modo    vjn+1 = vjn − λ f wR 0.2) cuan- do ∆x → 0 y ∆t → 0.7. Pero no hemos estudiado el problema de la convergencia a las soluciones de entropía de (4. el esquema de Godunov coincide con el upwind. si el esquema es conservativo y las soluciones numéricas están acotadas en L∞ y convergen en L1loc y para casi todo punto. ESQUEMAS NUMÉRICOS DE APROXIMACIÓN DE LEYES DE CONSERVACIÓN ESCALARES247 Como el dato inicial es constante a trozos presenta una discontinuidad en cada punto de la forma xk+1/2 . vjn . vj+1 n n − f wR 0. por el Teorema de Lax-Wendroff. vj−1 . Es fácil comprobar que cuando f es lineal o. Se trata de un esquema en forma conservativa con flujo  gG (u.

Por otra parte. En efecto. v) es monótono si g es creciente en la primera variable y decreciente en la segunda.7. . Una de las limitaciones de los esquemas monótonos es que no pueden ser de orden mayor que uno. (4. es decir. (4.49) Tenemos el siguiente resultado que asocia la monotonía de un esquema a su estabilidad L∞ y su carácter TVD.48) Nuevamente los esquemas TVD pueden ser a lo sumo de orden 1. ∀n ≥ 0. diremos que un esquema es L∞ -estable si existe una constante independiente de n y de ∆t > 0 tal que k v n kL∞ (∆) ≤ C. Con el objeto de analizar la convergencia de las soluciones discretas intro- ducimos las siguientes normas: X k v kL1 (∆) = ∆x | vj | j∈Z k v kL∞ (∆) = máx | vj | j∈Z X T V (v) = | vj+1 − vj | . Sin embargo el esquema de Murman-Roe presenta soluciones discontinuas estacionarias con uℓ < ur que violan las condiciones de entropía. Es por ejemplo fácil de comprobar que el esquema de Lax-Friedrichs es mo- nótono si se cumple la condición de CFL λ máx | f ′ (v) |≤ 1 y que el esquema de Engquist-Osher lo es bajo la misma condición.7.6) es monótono si H∆ es monótona creciente con respecto a cada una de las variables involucradas. j∈Z Se trata de los tres casos de las versiones discretas de las normas canónicas de L1 (R). Es fácil comprobar que el esquema de Godunov es también monótono. La monotonía de un esquema conservativo puede también caracterizarse a través de la función de flujo. ECUACIONES DE CONVECCIÓN-DIFUSIÓN El esquema en diferencias (4.7. Diremos que un esquema es TVD (total variation diminishing). el esquema conservativo asociado a la función de flujo g(u.248 CAPÍTULO 4. L∞ (R) y BV (R). que hace decrecer la variación total si  T V H∆ (v) ≤ T V (v).

. Obtenemos así un esquema de segundo orden tomando λ   λ2  n   vjn+1 = vjn − n f vj+1 n − f vj−1 + n aj+1/2 f vj+1 n − f vj−1 2 2   n −anj−1/2 f vjn − f vj−1 siendo anj+1/2 el valor de f ′ evaluado en un punto intermedio entre vjn y vj+1 n . El esquema se escribe como "Z Z vj # vj+1 n+1 n λ n  n  λ vj = vj − f vj+1 − f vj−1 + | a(ξ) | dξ − | a(ξ) | dξ . si v ≤ u. t)(f (u(x + ∆x. 2 u Conviene observar que en los intervalos en que f ′ tiene signo constante coincide con el esquema upwind.7. t) − f (u(x. t) f (u(x. 2 Escribimos entonces    ∂x f (u) = f (u(x + ∆x. ESQUEMAS NUMÉRICOS DE APROXIMACIÓN DE LEYES DE CONSERVACIÓN ESCALARES249 El esquema de Engquist-Osher.   mı́n f (w). El esquema de Lax-Wendroff. Este esquema no tiene el inconveniente del de Roe de admitir soluciones que no verifican la condición de entropía. 1]:   ∂x a(u)∂x f (u) = a(u(x + θ∆x. t)) − f u(x − ∆x. Se trata de derivar un esquema de orden 2 mediante la expansión de Taylor de una solución regular. Tenemos  (∆t)2   u(x. 2 2 vj vj−1 El esquema es conservativo con flujo  Z v  ξ0 1 g (u. t)) + O(∆x).4. t)) + O (∆x)2 y para cualquier θ ∈ [0. t) − ∆t∂x f (u) + ∂x a(u)∂x f (u) + O (∆t)3 . v) = f (u) + f (v) − | a(ξ) | dξ . t)) − f (u(x − ∆x. v] g G (u. t)))   −a u(x − (1 − θ)∆x. w∈[v. si u≤v w∈[u. v) =  mı́n f (w). u] El esquema de Murman-Roe. t + ∆t) = u(x.

y L∞ -estable.2 Sea (4. vj+1 n .7. 2 Proposition 4. El esquema de Murman-Roe utiliza un re- solvedor aproximado muy sencillo del problema de Riemann. v) = f (u) + f (v)− | a(u. x < xj+1/2 w(x. vj+1 Roe − f wR n 0. ECUACIONES DE CONVECCIÓN-DIFUSIÓN Se trata de evitar el mayor inconveniente del esquema de Godunov que exige resolver un problema de Riemann. Procedemos como en el esquema de Godunov pero sustituyendo la resolución del problema de Riemann por la del problema lineal  wt + a vjn . v) | (v − u) . si a(u. v) < 0. v) > 0 g R (u. (4.7. La solución que se obtiene es (  Roe n n  vj . v) = f (v).250 CAPÍTULO 4. Sustituyendo este resolvedor en el esquema de Godunov obtenemos    vjn+1 = vjm − λ f wR Roe n 0. 0) = n vj+1 .  El resultado es una onda discontinua propagándose a velocidad a vjn . Entonces es T.D. vj+1 =  vj+1 . que puede también escribirse como 1  g R (u.7. (4. El flujo numérico asociado es entonces (  f (u). si a(u. vj+1 n wx = 0 ( wjn . v) = f wR Roe (0. vj+1 n x(x. vjn . vj .V. u. vj−1 . Para introducirlo consideramos la función   f (u) − f (v) si u 6= v  a(u.51) . x > xj+1/2 . ξ < a vjn . De hecho. ξ > a vjn . vjn . v) = u−v   f ′ (u) si u = v.7. vj+1 n .6) un esquema de diferencias monótono y conser- vativo.50) Además para cualquier par de sucesiones u y v tenemos k H∆ (u) − H∆ (v) kL1 (∆) ≤k u − v kL1 (∆) . t) = wR ξ. k v n kL∞ (∆) ≤k v 0 kL∞ (∆) .

Conviene señalar que en este punto hemos usado un argumento clásico en EDP que consiste en deducir propiedades de estabilidad en L∞ a partir del principio del máximo. Para verlo constatamos que H∆ preserva la integral.7.52). (4. de (4. que es una propiedad de contracción en L1 (∆) de la aplicación no- lineal H∆ .7.7. ∀f. como v ≤ w. (4.56) j∈Z j lo cual es consecuencia de (4.7.7.55) Como H∆ depende sólo de 2k + 1 variables.7. dada la sucesión acotada vj introducimos la sucesión constante wj : wj = máx vℓ = c.52) j−k≤ℓ≤j+k j−k≤ℓ≤j+k Para ello. Sea C un subconjunto de L1 (Ω) tal que fv g = sup(f. De (4. Observamos ahora que la propiedad T. que es monótono.7.D.52).7.53) ℓ∈Z Como el esquema es conservativo tenemos  H∆ (v) j = c (4.4. Es decir  mı́n vℓ ≤ H∆ (v) j ≤ máx vℓ . Ω Ω Entonces las siguientes propiedades son equivalentes: .7. tenemos H∆ (v) ≤ H∆ (w). g ∈ C.51). En primer lugar vemos que por la monotonía del esquema se verifica el principio del máximo.7. Sea T una aplicación de C en L1 (Ω) que verifica Z Z T (f ) = f. y que está acotado en L1 (∆): X X k H∆ (v) kL1 (∆) = ∆x | H∆ (v)j |≤ (2k + 1)∆x | vj | (4.7. g) ∈ C.V. es consecuencia inmediata de (4.55) se deduce (4. gracias a que es un esquema conservativo. (4.54) y por la monotonía del esquema. Esto es así como consecuencia del Lema de Crandall-Tartar siguiente: Lema (Crandall-Tartar).50).7.52) se deduce (4. ESQUEMAS NUMÉRICOS DE APROXIMACIÓN DE LEYES DE CONSERVACIÓN ESCALARES251 Demostración.

. f ≤ g p. 0) .t. 0) kL∞ (∆) .7. El re- cíproco también es cierto. ECUACIONES DE CONVECCIÓN-DIFUSIÓN (a) f.7.57) k v∆ (·. Ω Ω Como consecuencia de la proposición tenemos que: Corolario. . t) ≤ T V v∆ (·.7.7. F ) de entropía + flujo de entropía relacionados a través de la condición F ′ (s) = U ′ (s)f ′ (s).252 CAPÍTULO 4.60) para todo par (U. .q.c. t) kL∞ (R) ≤k v∆ (·. ∀f. podemos concluir que el límite es una solución débil de (4. Z Z (b) | T (f ) − T (g) |≤ | f − g |.t. g ∈ C.1)-(4. .7. Para ello introducimos una versión discreta de la condición de entropía.  (4. ∀f. Si el esquema es conservativo y monótono entonces satisface las siguientes estimaciones k v∆ (·. t) kL1 (R) ≤k v∆ (·. (4. (4. Para ello es preciso que el esquema numérico verifique la condición adicional de ser consistente con la condición de entropía. No demostraremos sin embargo este resultado con el objeto de concluir la prueba de la convergencia.1) la condición de entropía es de la forma  ∂t U (u) + 0x F (u) ≤ 0.2). 0) kL1 (∆) . no es difícil de concluir los resultados de acotación y compacidad necesarios sobre las solucio- nes discretas. (4. Recordemos que para la ecuación (4. En virtud de las estimaciones (4. x ∈ Ω. De manera análoga diremos que el esquema es entrópico si ( ∀(U. De este hecho y del resultado de convergencia general de Lax- Wendroff. Queda por ver que se trata de la solución de entropía. g ∈ C.59) Hemos probado que todo esquema conservativo monótono es T.7. s) = F (s) t. (4.58)   T v v∆ (·.57)-(4.7. Ω Ω Z Z + (c) T (f ) − T (g) ≤ (f − g)+ .7.c.V. . x ∈ Ω ⇒ T (f ) ≤ T (g) p.59) y aplicando los mismos ar- gumentos empleados en el estudio del comportamiento de las soluciones de las ecuaciones continuas en el límite de la viscosidad evanescente.D. al tratarse de esquemas conservativos.61) vjn+1 ≤ vjn − λ Gj+1/2 n n − Gj−1/2 . F ). ∃ G : G(s.7. g ∈ C. s.7.

Entonces. T .1)-(4. 2 puede escribirse en la forma x(t) = Aei(ω0 t+φ) con q A = A21 + A22 + A1 A2 cos(φ1 − φ2 ) A1 sen φ1 + A2 sen φ2 tg φ = . Ejercicios 1 Comprueba que la superposición de dos movimientos armónicos de la mis- ma frecuencia de la forma xj (t) = Aj cos(ω0 t + φj ). si u0 ∈ L∞ (R) ∩ L1 (R) ∩ BV (R) la solución del esquema numérico converge a la solución de entropía de (4. . Por otra parte. F (s) = sgn(s − k) f (s) − f (k) . ∀T > 0.1). permite probar que se trata de soluciones de entropía.8. Se puede comprobar que todo esquema monótono y consistente es entrópico.1 Supongamos que el esquema es conservativo. A1 cos φ1 + A2 cos φ2 2 a) Comprueba mediante un cambio de variables que la ecuación de ondas ρvtt − σvxx = 0 con ρ y σ constantes positivas.7. en el caso de esquemas entrópicos.7.4.7. j = 1. De este modo obtenemos el siguiente resultado de convergencia: Theorem 4.2) de modo que  u∆ → u en L∞ 0. L1loc (R) . EJERCICIOS 253 Lo mismo que ocurre en el caso de la EDP podemos limitarnos al caso en que  U (s) =| s − k |. el mismo tipo de argumentos utilizados en la prueba del Teorema de Lax-Wendroff según el cual los límites de soluciones discretas de ecuaciones conservativas son soluciones débiles de (4. puede reducirse al caso particular en que ρ = σ = 1. consistente y mo- nótono y que la función de flujo numérico es localmente Lipschitz. 4. con k ∈ R.7.8. El último resultado que precisamos es el que garantiza que todo esquema monótono y consistente es entrópico.

j=1 Prueba primeramente que h1 es denso en ℓ2 . Calcula ε = ε(N ) en función de (ρj )j>1 . ∀~a ∈ ℓ2 donde ~aN denota la sucesión truncada en el N -ésimo elemento. 3 a) Comprueba que no existe ninguna función discreta ε(N ) tal que ε(N ) → 0 cuando N → ∞ y que satisfaga k ~a − ~aN kℓ2 6 ε(N ) k ~a kℓ2 . ECUACIONES DE CONVECCIÓN-DIFUSIÓN b) Deduce la fórmula de d’Alembert para esta ecuación y analiza la velo- cidad de propagación. ∀~a ∈ h1 . mediante un cambio de variables adecuado. dominio de dependencia y región de influencia. b) Comprueba que existe dicha función si nos limitamos a una versión más débil de esta desigualdad: k ~a − ~aN kℓ2 6 ε(N ) k ~a kh1 . c) Demuestra que una desigualdad semejante se verifica si sustituimos h1 por hρ :    ∞ X  hρ = ~a = (aj )j>1 : ρj a2j < ∞   j=1 siendo ρ = (ρj )j>1 una función discreta tal que ρj → ∞ cuando j → ∞. que se ve perturbada por un potencial a = a(x) dependiente de los coeficientes ρ(x) y σ(x). c) Comprueba que. la ecua- ción ρ(x)vtt − (σ(x)vx )x = 0 con coeficientes regulares positivos puede reducirse a una ecuación de ondas de la forma vtt − vxx + a(x)v = 0 en la que la parte principal es el operador de d’Alembert. donde    ∞ X  h1 = ~a = (aj )j>1 : j 2 aj 2 < ∞   j=1 y hX ∞ i1/2 k ~a k = h1 j 2 aj 2 .254 CAPÍTULO 4. .

π) para toda función f ∈ H 2 (0. sin embargo. EJERCICIOS 255 4 Demuestra que existe C > 0 tal que k f k2H 2 (0. ∞)   u=0 en ∂Ω × (0. β > 0 adecuados se puede conseguir que la tasa de decaimiento exponencial de las soluciones sea arbitrariamente grande. su límite singular sea simplemente una ecuación de ondas uno en tiempo? 6 Consideremos la ecuación de ondas disipativa   utt − ∆u + αu + βut = 0 en Ω × (0. d) Dibuja el espectro de la ecuación de ondas disipativa en el plano complejo. ∞)  u=0 en ∂Ω × (0. a) Desarrolla las soluciones en serie de Fourier en la tasa de las auto- funciones del Laplaciano.4. ∞) en un dominio acotado y regular Ω de Rn . π). ∞)     u(0) = u0 . . Demuestra que eligiendo α. e) >Cómo se refleja a nivel del espectro el hecho de que la ecuación de ondas sea una ecuación de orden dos en tiempo y.8. ∞)   u=0 en ∂Ω × (0. ut (0) = u1 en Ω. π) ∩ H01 (0. describe su evolución a medida que ε → 0 y comprueba que en el límite se recupera el espectro de la ecuación del calor.π) 6 C k f ′′ k2L2 (0. 5 Consideramos la ecuación de ondas disipativa    εutt − ∆u + ut = 0 en Ω × (0. ∞)     u(0) = u0 en Ω. c) Comprueba que a medida que ε tiende a cero el comportamiento de las soluciones se asemeja cada vez más al de las soluciones de la ecuación del calor    ut − ∆u = 0 en Ω × (0. b) Calcula la base exponencial de convergencia de la energía cuando t → ∞.

t) = u(x. ∞)     u(0) = u0 . j>1 j>1 comprueba que este producto escalar coincide con el que se obtiene me- diante la definición   (p. ∞)   u=0 en ∂Ω × (0.256 CAPÍTULO 4. q(x) = qj φj (x). Comprueba que se trata de un operador anti-adjunto acotado. ∞)  u=0 en ∂Ω × (0. H0 (Ω) 9 Consideramos la ecuación de ondas    utt − ∆u = 0 en Ω × (0. q)H −1 = λj j>1 donde X X p(x) = pj φj (x). Utilizando la descomposición espectral del Laplaciano calcula la forma explícita de la aproximación de Yosida del generador del semigrupo de ondas. Discute en qué modo se aproxima al generador de la ecuación de ondas. 8 Utilizando una base ortonormal del Laplaciano {φj }j>1 asociado a sus autofunciones con condiciones de contorno de Dirichlet y definiendo el producto escalar en H −1 (Ω) del siguiente modo X pj qj (p. ut (0) = u1 en Ω en un dominio acotado Ω de Rn con datos iniciales u0 ∈ L2 (Ω) y u1 ∈ H −1 (Ω). entonces v es solución de la ecuación de ondas con datos iniciales en H01 (Ω) × L2 (Ω). a) Comprueba que si definimos Z t v(x. ∞) en la forma abstracta de una ecuación de evolución de orden uno en el es- pacio de la energía. . s)ds + χ(x) 0 con una función χ adecuadamente elegida. q)H −1 (Ω) = (∆)−1 p. (−∆)−1 q 1 . ECUACIONES DE CONVECCIÓN-DIFUSIÓN 7 Escribe la ecuación de ondas   utt − ∆u = 0 en Ω × (0.

t > 0 2h  uj (0) = f (xj ). 10 Consideramos la ecuación de transporte   ut + ux = 0. . Obtén una estimación explícita del error. j ∈ Z. x ∈ R. j∈Z convergen a la solución de la ecuación de transporte con un orden dos de convergencia. ∞). L2 (Ω) ∩ C 1 [0. EJERCICIOS 257 b) Utilizando el resultado de existencia y unicidad de las soluciones de energía finita con datos iniciales en H01 (Ω) × L2 (Ω). t > 0  u(x.8.   j∈Z definido como A~u = (λj uj )j∈Z sobre los elementos ~u = (uj )j∈Z del domi- nio. deduce que con datos iniciales en L2 (Ω) × H −1 (Ω) existe una única solución en el espacio     u ∈ C [0. j∈Z b) Demuestra que A es un operador compacto (envía conjuntos acotados de ℓ2 en conjuntos relativamente compactos) si y sólo si lı́m | λj |= 0. a) Demuestra que A es un operador acotado y que D(A) = ℓ2 si y sólo si sup | λj |< ∞. |j|→∞ Comprueba que en este caso A puede ser aproximado en L(ℓ2 . con dominio    X  D(A) = ~u ∈ ℓ2 : λ2j u2j < ∞ .4. x ∈ R. 11 Consideramos un operador no acotado diagonal en ℓ2 . H −1 (Ω) . las soluciones del esquema semi-discreto centrado  u − uj−1  u′j + j+1 = 0. ∞). ℓ2 ) para operadores de rango finito. Demuestra que si f ∈ C 3 (R) es de soporte compacto. 0) = f (x).

• ∃C. probar que si Ω es un abierto no vacío de Rn . ω > 0 : k eAt kL(H. t>0     u(x. 13 Probar que el recíproco de la desigualdad de Poincaré no es cierto en ningún abierto no vacío de Rn . 15 Utiliza el método de descomposición de Fourier y la fórmula de variación de las constantes para obtener una ecuación integral de las soluciones de la ecuación de ondas semi-lineal   3  utt − uxx + u = 0. Abórdese después el caso multi-dimensional por separación de variables. 0) = ψ(x). 0) = ϕ(x). H) 6 Ce−ωt . t) = 0. t > 0  u(0.  0 < x < π. Prueba que las dos siguientes condiciones son equivalentes: • ∃T > 0 : k eAT kL(H. t) = u(π. Analiza la naturaleza de este acoplamiento utilizan- do el valor explícito de las integrales Z π sin(k1 x) sen(k2 x) sen(k3 x) sen(k4 x)dx.258 CAPÍTULO 4. b) Resuelve posteriormente la ecuación perturbada ut + a(x) · ∇u + b(x)u = 0. 0 . H) < 1. 14 a) Resuelve mediante el método de las características la ecuación de transporte ut + a(x) · ∇u = 0 donde a = a(x) es una función regular. 0 < x < π. R | ∇u |2 dx ΩR sup 2 = ∞. u∈H01 (Ω) Ω u dx Indicación: Considérese en primer lugar el caso de una variable espacial con u(x) = ϕ(x/ε) siendo ϕ ∈ Cc∞ (R) y ε → 0. ECUACIONES DE CONVECCIÓN-DIFUSIÓN 12 Sea {eAt }t>0 un semigrupo de contracciones en un espacio de Hilbert H. Es decir. Comprueba que se trata de un sistema de infinitas ecuaciones con infinitas incógnitas acopladas. ut (x.

. u1 . uN ) = AN (u−N . u0 . A−1 N no se aplica a la sucesión (fj )j∈Z sino al vector de dimensión 2N + 1 trun- cado (f−N . . f0 . j∈Z R 17 Consideramos el siguiente operador lineal acotado de ℓ2 en ℓ2 : h i   (1) T (uj )j∈Z = αuj + βuj−1 j∈Z donde (2) 0 < β < α < ∞.. u−1 .. . . . Procedemos de dos modos distintos.4.. . . .c.  0 . bajo la condición (2).. .t. f−1 . .8.. b) Aproximamos la ecuación (1) por sistemas de dimensión finita (3) TN (u−N . . u0 ........ . . Análogamente. ... (En este punto abusamos un poco de la notación. . (A−1 N )(fj )j∈Z no pertenece a ℓ2 sino que es un vector de 2N + 1 componentes.. . x ∈ R de modo que g sea decreciente para x > 0 y creciente para x < 0. ..0  β α 0 .0 α Comprobad que A−1 N es inversible para cada N y verificar que. .. . fN ). . (AN )(fj )j∈Z es una sucesión acotada en ℓ2 .. a) Utilizando la transformación de von Neumann obtén una expresión explícita de T −1 y una cota de su norma como operador lineal acotado de ℓ2 en ℓ2 . Se con- vierte en un elemento de ℓ2 cuando lo prolongamos mediante el valor cero para todos los índices j con | j |> N . EJERCICIOS 259 16 Supongamos que f es una función continua para la que existe g ∈ L1 (R) tal que | f (x) |6 g(x). −1 para cada (fj )j∈Z . Demuestra que Z X h f (jh) → f (x)dx. . . f1 . p..0    (4) AN =  . este operador es inversible y que su inverso T −1 es también un operador acotado de ℓ2 en ℓ2 . . u−1 .... u1 .  .. Pretendemos probar que. h → 0.. uN ) donde AN es la matriz (2N + 1) × (2N + 1) de la forma   α 0 . En efecto. . .

∞. b) Utilizando las autofunciones del Laplaciano Dirichlet. 22 Sea Ω un dominio regular. ∗ Aλ U → AU. >A qué espacio pertenece la traza? . c) Calcula la regularización Yosida de A. π). Comprueba que ésto no es posible en H01 (0. π)) no son comparables (ninguno de los dos está contenido en el otro). 20 Comprueba que los espacios L2 (0. Comprobar que se trata de un esquema convergente de orden dos para cualquier valor del parámetro de Courant µ. π toman un valor arbitrario. 21 Demuestra que cualquier función de L2 (0. π) puede aproximarse para fun- ciones regulares que en los extremos x = 0. 19 Aplicar el resultado general del ejercicio #17 para probar que se puede resolver el esquema implícito de Crank-Nicholson siguiente 1 h ukj+1 − ukj−1 k+1 i uk+1 j − ukj uk+1 j+1 − uj−1 =− + ∆t 2 2∆x 2∆x para la aproximación de la ecuación de transporte ut + ux = 0. Demuestra que la traza de u tiene sentido si u ∈ L2 (Ω) y ∂1 u ∈ L2 (Ω).260 CAPÍTULO 4. d) Verifica que la regularización Yosida Aλ satisface: ∗ k Aλ k6 1/λ. realiza la des- composición espectral del operador A que adopta la forma de un operador diagonal. L3 (0. ∞. π)) y L3 (0. ECUACIONES DE CONVECCIÓN-DIFUSIÓN 18 a) Escribe la ecuación de ondas con coeficientes constantes y condiciones de contorno de Dirichlet homogéneas en un dominio acotado en forma abstracta Ut = AU. ∀U ∈ D(A). estríctamente convexo de RN . e) Comenta la idoneidad de la aproximación Yosida en el sentido de que genera una dinámica infinito-dimensional muy semejante que la de la ecuación de ondas. L2 (0.

∀t > 0. a) Comprueba que el esquema puede escribirse de la forma  uk+1 j − 12 ukj−1 + ukj+1 ukj+1 − ukj−1 (3) + =0 ∆t 2∆x y comenta la analogía entre (3) y (2). c) Comprueba que es estable si y sólo si el número de Courant µ 6 1 d) Escribe un modelo de EDP que sea intermedio entre (2) y (3). (2) ∃C. 25 Consideremos el esquema de Lax-Friedrichs 1 1 (1) uk+1 j = (1 − µ)ukj−1 + (1 + µ)ukj+1 2 2 para aproximar las soluciones de la ecuación de transporte (2) ut + ux . >Se percibe algún efecto disipativo en el mismo? Comenta este resultado en relación con lo observado en el análisis de von Neumann del esquema (3).4. 26 Desarrolla el programa del ejercicio anterior en el caso de la aproximación de Lax-Wendroff: 1 1 uk+1 j = µ(1 + µ)ukj−1 + (1 − µ2 )ukj − µ(1 − µ)ukj+1 .8. EJERCICIOS 261 23 Sea A un operador no acotado en un espacio de Hilbert H que genera un semigrupo de contracciones. 2 2 . 24 Demuestra de manera rigurosa en el contexto de la ecuación de transporte ut + ux = 0 que un esquema numérico semi-discreto o completamente discreto que no verifica la condición de CFL sobre los dominios de dependencia no puede ser convergente. Comprueba que las dos siguientes condiciones son equivalentes: (1) ∃T > 0 :k eAT k< 1. b) Verifica que se trata de un esquema consistente de orden uno. ω > 0 :k eAt k6 Ce−ωt .

t)dx = 0. Z dh i u(x. . fh → f en L2 (R). >Es necesario que esta propiedad de conservación se cumpla para que un esquema sea convergente?>Es necesario que se cumpla en un sentido aproximado cada vez más preciso a medida que los parámetros de discre- tización tienden a cero? 28 Obtén la expresión explícita de la velocidad de fase y de grupo en los es- quemas numéricos introducidos en las notas. π/h) ). 29 Consideramos la función f ∈ H s (R) con s > 0. a) Demuestra que si s = 0. t)) como integrando con respecto a x ∈ R en la ecuación de transporte. Comenta en particular si se percibe la existencia de efectos disipativos en la aproximación numérica. Compara con el comportamiento de la ecuación en derivadas parciales. c) Construye un ejemplo explícito de función f donde se observe que el orden de convergencia obtenido en el apartado anterior es óptimo. dt R Esta propiedad puede obtenerse tanto a través de la fórmula explícita de solución (u(x. la ecuación de transporte ut + ux = 0 conserva la masa. b) Cuando s > 0. que más se asemeja al es- quema numérico. ECUACIONES DE CONVECCIÓN-DIFUSIÓN 27 Como es bien sabido y es fácil de comprobar. La sucesión {fh }h>0 está constituida por funciones de banda limitada representables en un mallado de paso h. Definimos la aproximación fh (x) = F −1 (fb1(−π/h. Es decir. t) = f (x. corrección de la ecuación de transporte puro. obtén una estimación superior de la tasa de convergencia de fh a f en L2 (R).262 CAPÍTULO 4. Verifica si los esquemas de aproximación semi-discretos y discretos de la ecuación de transporte introducidos en las notas reproducen esta propie- dad. h → 0.

si se trata de medir la convergencia en el espacio 30 Consideramos el siguiente esquema centrado 2uj − uj+1 − uj−1 u′′j + = 0. e) Comprueba que lo dicho en el caso s > 0 sirve cuando s > s′ . cuando s = 0 el orden de converegncia puede ser arbitra- riamente lento. a) Prueba que tanto en el problema de Cauchy como en el problema de Dirichlet la energía 1 Xh ′ . t > 0 h2 para la aproximación de la ecuación de ondas utt − uxx = 0.8.4. j ∈ Z. EJERCICIOS 263 d) demuestra que.

u (t) − u (t) .

2 i .

j+1 j .

Eh (t) = | uj (t) |2 +.

.

e) Escribe una corrección de la ecuación de las ecuaciones de ondas que refleje mejor que ella la dinámica del sistema semi-discreto. Deduce la estabilidad del método. 2 j h se conserva en tiempo. calcula el orden del método en función del valor del pará- metro α > −2. . d) Enuncia un resultado preciso de la convergencia de orden dos tanto para el problema de Cauchy como para el de Dirichlet. 31 Responde a las cuestiones del problema anterior en el marco del esquema semi-discreto h 2u − u i h i j j+1 − uj−1 u′′j + 2 + hα 2u′j − u′j−1 − u′j+1 = 0 h En particular. b) Comprueba en el caso del problema de Cauchy esta propiedad de estabi- lidad mediante el método de von Neumann. c) Comprueba que el esquema es consistente de orden dos. imponiendo condiciones adecuadas sobre los datos iniciales.

t > 0 (4. una norma en L2 (R) que diverge cuando h → 0. 0) = f (x). a) Comprueba que para cualquier s > 0 existe un dato inicial f ∈ H s (R) tal que si tomamos como dato inicial del problema semi-discreto   fh = F −1 fb(ξ)1(−π/h. 0) = g(x).8.8. ut (x. t) dx (4.1) u(x. la dinámica de este último se asemeja más a la de la ecuación de transporte que la del esquema centrado >Por qué? 33 Consideramos el esquema discreto progresivo para la aproximación numé- rica de la ecuación de transporte ut + ux = 0.8. ECUACIONES DE CONVECCIÓN-DIFUSIÓN 32 Ilustra en Matlab el comportamiento del esquema progresivo. 34 Consideramos la ecuación de ondas disipativa ( utt − uxx + ut = 0. entonces la solución semi-discreta tiene. A Comprobar formalmente que las soluciones regulares de (4. centrado y regresivo para la aproximación de la ecuación de transporte ut + ux = 0 con dato inicial 2 f (x) = e−x .2) 2 R . π/h) (ξ) . En particular asegurate de que los siguientes hechos quedan claramente reflejados: a) El esquema progresivo diverge. b) A pesar de que el esquema centrado da lugar a una aproximación de mejor orden que el regresivo.1) que decaen cuando x → ∞ son tales que la energía Z 1  2  E(t) + ux (x. Sabemos que se trata de un método inestable. b) Impón una condición sobre el dato inicial f que garantice la convergencia del método. para cada t > 0. x ∈ R. x ∈ R.264 CAPÍTULO 4. t) + u2t (x.

B Escribir el sistema (4.3) ∪(0) = ∪0 .8. j∈Z j j j j con las notaciones habituales. en este caso. Comprueba que.8. F Construye la energía discreta Eh asociada al sistema (4. siendo A un operador lineal no acotado en un espacio de Hilbert H.4)  u (0) = f . C Indicar la estructura funcional adecuada del espacio H y del dominio del operador A.4. ∪iH con la fórmula de disipación de la energía obtenida en el apartado A . Compárala con la obtenida en el apartado A para la ecuación continua (4. Obtén una ley de disipación para esta energía. EJERCICIOS 265 decrece en tiempo.1) como un problema abstracto de Cauchy ( ∪t = A∪.4).8. E Comparar el valor explícito de hA∪. G Escribe (4. Ah es un operador acotado en ℓ2 × ℓ2 siendo    X  ℓ2 = (aj )j∈Z : | aj |2 < ∞ .   j∈Z . u′ (0) = g .8.8.4) en la forma de un problema de Cauchy abstracto ( ∪t = Ah ∪. Consideramos a partir de este momento la aproximación semi-discreta   ′′ [2uj − uj+1 − uj−1 ] uj + + u′j = 0. Deducir un resultado de existencia y unicidad de soluciones de (4.8.1). j ∈ Z. D Demostrar que el operador A así construido es maximal disipativo. Obtener una fórmula explícita para la evolución de la energía. t > 0 h2 (4.8.1). t>0 (4. Justificar el calificativo de “disipativa” de la ecuación.8. t > 0 ∪(0) = ∪0 .

4)? M Dibuja un diagrama para la parte real de la velocidad de fase y com- páralo con el de la ecuación continua.4) y de- duce una ecuación que gobierne la evolución de la tranformada de Fourier discreta de la solución de (4). ECUACIONES DE CONVECCIÓN-DIFUSIÓN dotado de la norma canónica usual.4) a la ecuación continua (4. t)]dx R se conserva en tiempo para las soluciones de (4.1). estabilidad y convergencia del esquema (4.8. J Integrando la ecuación (4.8. H Comprueba la consistencia.4). L Define la velocidad de fase.8. >Cuál es el orden de convergencia? Enuncia de manera precisa el resultado de convergencia señalando las hi- pótesis necesarias sobre la solución u del problema continuo (4. I Utilizando el desarrollo de Taylor escribe una ecuación en derivadas parciales intermedia entre la EDP (4. >cuál es el significado de la parte imaginaria en relación a las propiedades de disipatividad del esquema semi-discreto (4. N Suponiendo que los datos iniciales f y g son de banda limitada (su transformada de Fourier tiene soporte en un intervalo acotado) argumenta . Deduce la existencia y unicidad de soluciones de (4. Compárala con la transformada continua de Fourier de la solución de (1). Verifica si el esquema semi-discreto satisface una propiedad similar.266 CAPÍTULO 4.1) y el esquema discreto (4. t) + ut (x.8.1) con respecto a x comprueba que la cantidad Z [u(x.8.8. K Aplica la transformada discreta de Fourier a escala h en (4.8.8. >Es puramente real? En caso de que no lo sea.1).1) y por tanto de sus datos iniciales f = f (x) y g = g(x) y la norma en la que se tiene la convergencia.8.8. Obtén una expresión de esta tranformada de Fourier discreta como com- binación de exponenciales complejos.4). Comenta las semejanzas y diferencias de ambos casos.

. x ∈ R. t) ∗ f (·) donde ∗ denota la convolución en la variable espacial y G en el núcleo de Gauss   | x |2 G(x. x ∈ R. a medida que h → 0. 0) = f (x). t > 0 (1) u(x. comprueba (directamente o usando la transformada de Fourier) que G es la solución fundamental de la ecuación del calor. b) Demuestra que si f ∈ L1 (RN ) entonces u es de clase C ∞ en t > 0. d) Obtén la expresión explícita de la solución de   h ut − uxx + ux = 0. 0) = f (x). t>0    u(x. x ∈ R. a la de la ecuación continua. en RN . t) = (4πt)−N/2 exp − .8. b) Obtén la ley de disipación de la energía en L2 (R). EJERCICIOS 267 que la velocidad de propagación en el esquema semi-discreto se asemeja cada vez más. 35 Consideramos la ecuación del calor ( ut − ∆u = 0 en RN . O Calcula la velocidad de grupo. t) = 0. dibuja su diagrama y coméntalo. Z c) Demuestra que si f ∈ L (R ) y 1 N f (x)dx = 0. a) Comprueba que la solución de (1) puede escribirse como u = G(·.4. 4t Para ello. 36 Consideramos el problema de Dirichlet   h   ut − 2 uxx + ux = 0. entonces u(t) → 0 en RN L1 (RN ) cuando t → ∞. con h > 0. t > 0 (1) u(0. t > 0 2  u(x. 0) = f (x). a) Demuestra que (1) genera un semigrupo de contracciones en L2 (R). x ∈ R.

considerando para el nodo xN cada una de las aproximaciones siguien- tes: . f) Demuestra que esto no es así en el esquema centrado. A partir de este momento buscamos calcular una aproximación de la so- lución exclusivamente en el intervalo espacial 0 < x < 1. · · · . A partir de este momento intentamos localizar el esquema centrado para los índices j = 0. t>0   u(x. t > 0. proporcionan una aproximación convergente de orden dos y uno respectivamente. d) Comprueba que la solución del problema continuo para 0 < x < 1 y t > 0 arbitrario depende exclusivamente del valor del dato inicial f (x) en el intervalo 0 < x < 1. · · · . x > 0. hemos de proporcionar el valor de uN . 1) proporcionando una aproximación convergente de la solución en el intervalo (0. a) Demuestra que (1) genera un semigrupo de contracciones en L2 (R+ ). t > 0 en el nodo x0 = 0. Para ello. 0) = f (x). (1) u(0. N − 1 donde N ∈ N es tal que N h = 1. x > 0. 37 Consideramos el siguiente problema de transporte en la semi-recta con condiciones de contorno de Dirichlet:    ut + ux = 0. N − 1. b) Calcula explícitamente el valor de la solución. ECUACIONES DE CONVECCIÓN-DIFUSIÓN c) Demuestra que si f ∈ L2 (R) ∩ L∞ (R) entonces las normas de u en Lp (R) con 2 6 p 6 ∞ decrecen cuando t → ∞.268 CAPÍTULO 4. e) Comprueba que el esquema regresivo puede resolverse considerando ex- clusivamente los índices j ∈ N tales que xj = jh ∈ (0. c) Demuestra que el esquema semi-discreto centrado y regresivo habitual junto con la condición u0 (t) = 0. g) Analiza la convergencia del esquema centrado para los índices j = 0. evidentemente. 1). t) = 0.

t) = u(xN −1 . • uN (t) = 2uN −1 (t) − uN −2 (t). se trata de una aproximación de orden dos • uN (t) = 2uN −1 (t) − uN −2 (t). • uN (t) = uN −1 (t). se trata de una aproximación de orden dos. por el desarrollo de Taylor. . en el caso continuo. EJERCICIOS 269 • UN (t) = f (N h − t). Se trata también de una aproximación natural puesto que. t) + O(h2 ) de modo que u(xN . • uN (t) = uN −1 (t) − u′N −1 (t). se trata de una aproximación de orden dos. En vista de la ecuación de transporte ut = −ux que la solución continua verifica y del argumento del caso anterior. u(xN . Obsérvese sin embargo que esta aproximación es de orden uno y no de orden dos como es habitual en el esquema centrado. Nuevamente.8. En este caso por tanto el esquema debería ser convergente de orden 2. En este caso por tanto el esquema debería ser convergente de orden 2.4. t) = u(xN −1 . por el desarrollo de Taylor. Obsérvese que esta aproximación es exacta puesto que f (N h − t) es el valor de la solución continua de (1) durante un cierto intervalo de tiempo. Nuevamente. t) + hux (xN −1 . t) + O(h).

ECUACIONES DE CONVECCIÓN-DIFUSIÓN .270 CAPÍTULO 4.

El estudio de la convergencia del método es técnicamente más elaborado en este caso. Es por ello que previamente recordamos algunos elementos básicos de la teoría variacional de las EDP (para más detalles el lector interesado podrá consultar [2]. [8] y [36]).Capítulo 5 El problema de Dirichlet en un dominio acotado La idea de cómo el método de descomposición de dominios (MDD) se aplica en más de una dimensión espacial es la misma que en 1 − D tanto en el marco continuo como en el discreto. En este último ámbito podemos considerar méto- dos de aproximación en diferentes finitas o cualquier otro método eficiente de aproximación numérica de EDP como puede ser el método de elementos finitos. Consideremos el problema de Dirichlet ( −∆u .

= f en Ω .

0. (5.1) u.

3) 2 Ω Ω 271 .0.0. la solución puede obtenerse minimizando el funcional Z Z 1 J(w) = | ∇w |2 dx − f wdx (5.2)   ∇u · ∇ϕdx = f ϕdx.1) admite una única solución débil que satisface (5.0. Ω Ω Suponiendo que Ω es un dominio acotado de Rn es fácil comprobar que (5.0. = 0 ∂Ω y su formulación variacional   1  u ∈ H0 (Ω) Z Z (5. ∀ϕ ∈ H01 (Ω). Más aún.2).

La manera aparentemente más sencilla de proceder es resolver el problema en Rn : −∆w = f˜ en Rn (5. i. La formulación débil de (5.6)   ∇w · ∇ϕdx + wϕdx = f ϕdx.1) donde f˜ denota la extensión por cero de f fuera de Ω. El funcional J alcanza efectivamente su mínimo tal y como garantiza el método directo del Cálculo de Variaciones (MDCV) 5.272CAPÍTULO 5.1.e. (5.7) 2 Rn 2 Ωc Ω .2) 0 en Ωc .1. La formulación débil de este problema es:   1 n  w ∈ H (R ) Z Z Z (5. EL PROBLEMA DE DIRICHLET EN UN DOMINIO ACOTADO en el espacio H01 (Ω).4) donde a = 1Ωc .5) denota la función característica del conjunto Ωc . (5.1.1.1.3) Rn Ω Sin embargo la resolución de este problema conlleva dificultades técnicas inne- cesarias derivadas del hecho que la desigualdad de Poincaré no se cumple en H 1 (Rn ).1.1.1.1) es Z Z ∇w · ∇ϕdx = f ϕdx. Rn Ωc Ω Es fácil comprobar que este problema admite una única solución que se obtiene por minimización del funcional Z Z Z 1 1 J(w) = | ∇w |2 dx + | w |2 dx − f wdx (5. ∀ ∈ Cc∞ (Rn ). ( f en Ω f˜ = (5. Es por eso que es más natural considerar el problema perturbado −∆w + a(x)w = f˜ en Rn (5. ∀ϕ ∈ H 1 (Rn ).1. Reducción al problema de valores de contor- no no homogéneos Pretendemos ahora reducir el problema al estudio de la ecuación con segundo miembro nulo y condiciones de contorno no homogéneas.

para un dominio acotado Ω o meramente acotado en una dirección.5.8) Rn Rn Ωc La prueba de esta desigualdad puede realizarse de las tres formas más habituales: • Un argumento de contradicción basado en la compacidad de la inyección de H 1 (Rn ) en L2loc (Rn ).2.9) que satisface entonces ( −∆v . • La prueba directa por integración de la desigualdad de Poincaré en H 1 (Ω). • Directamente de la desigualdad de Poincaré en dominios acotados median- te un argumento de truncatura del soporte de ϕ. Consideramos ahora v =u−w (5. EL PROBLEMA DE CONTORNO NO HOMOGÉNEO 273 en el espacio de Hilbert H 1 (Rn ). Este funcional alcanza su mínimo en un único punto de H 1 (Rn ). Para verlo basta aplicar el Método Directo del Cálculo de Variaciones (MDCV).1.1. (5. La única dificultad al hacerlo es probar la coercividad del funcional J pero ésto se obtiene fácilmente a partir de la desigualdad de Poincaré: Z Z Z  | ϕ |2 dx 6 C | ∇ϕ |2 dx + ϕ2 dx .

= 0.

en Ω .

.

10) v .1. (5.

= w.

. ∂Ω ∂Ω A partir de ahora trabajaremos sobre el problema (5. Conviene observar que por los resultados.10).1.

clásicos de trazas que revisaremos .

como w ∈ H 1 (Rn ) su traza w. más adelante.

5. ∂Ω Cambiando la notación consideramos por tanto el problema ( −∆u = 0 en Ω (5. .2.11) u=g en ∂Ω.11) per- tenece a la clase H 1/2 (∂Ω).1.1. pertenece a H 1/2 (∂Ω). El problema de contorno no homogéneo Suponemos en primer lugar que la condición de contorno g en (5. Antes de proceder a aplicar el MDD en esta ecuación analizamos en primer lugar algunas de sus propiedades más importantes.

11) es la siguiente:  .1. EL PROBLEMA DE DIRICHLET EN UN DOMINIO ACOTADO La formulación variacional del problema (5.274CAPÍTULO 5.

 1 .

 u ∈ H (Ω).  u.

1)    ∇u · ∇ϕdx = 0. = g ∂Ω Z (5.2. ∀ϕ ∈ H01 (Ω). Ω .

como g ∈ H (∂Ω) existe u ∈ H (Ω) tal que 1/2 ∗ 1 . Teniendo en cuenta que.

u∗ .

2. Ω Ω Las técnicas variacionales habituales permiten probar la existencia de una única solución u − u∗ de (5.1. una única solución u de (5.11) en el sentido de la transposición si (5.2. ∀ϕ ∈ H01 (Ω). Recordamos brevemente sus principios fundamentales.1). Consideramos el problema auxiliar: ( −∆ϕ = f en Ω (5.11) en el sentido de la transposición.2. Más concretamente.2.2. . lo que es lo mismo.11) por ϕ e integrando por partes en Ω obtenemos: Z Z ∂ϕ f udx = − g dσ.4) como definición de solución de (5. (5.1.2.1.2) o. Por el Teorema de representación de Riesz la existencia de una única solución en el sentido de la transposición se deduce a partir de la siguiente estimación de las soluciones de (5.2. decimos que u ∈ L2 (Ω) es solución de (5.2)   ∇(u − u∗ ) · ∇ϕdx = − ∇u∗ · ∇ϕdx. = g el problema puede también reescribirse del modo siguiente ∂Ω   ∗ 1  u − u ∈ H0 (Ω) Z Z (5.11) es el denominado método de transposición o dualidad (véase por ejemplo [2]).1.4) se satisface para todo f ∈ L2 (Ω).2. Otro método posible para el estudio del problema no homogéneo (5.3) ϕ=0 en ∂Ω.4) Ω ∂Ω ∂n Adoptamos (5.3). Multiplicando (por ahora formalmente) en (5.

.

∂ϕ .

.

.

.

.

.

.

.

.

.

5). 2 6 C k f kL2 (Ω) .2. .11) en el sentido de la transposición. ∀f ∈ L2 (Ω) (5.2.5) ∂n L (∂Ω) en cuanto g ∈ L2 (∂Ω). Deducimos por tanto que para cada g ∈ L2 (∂Ω) existe una única solución u ∈ L2 (Ω) de (5. En la siguiente sección probaremos la desigualdad (5.1.

En efecto. los resultados clásicos de regularidad elíptica garantizan que si Ω es un dominio de C 2 .2. más concretamente. ϕ ∈ H 2 ∩ H01 (Ω) y. existe una constante C > 0 tal que k ϕ kH 2 ∩H01 (Ω) 6 C k f kL2 (Ω) (5. Los resultados clásicos de trazas garantizan entonces que . LA DESIGUALDAD DE RELLICH 275 Pero la regularidad de la solución que este resultado proporciona no es óp- tima.5.3.6) para todo f ∈ L2 (Ω).

.

∂ϕ .

.

.

.

.

.

.

.

.

.

2. ∀f ∈ L2 (Ω). de acuerdo con los resultados clásicos de trazas. La desigualdad de Rellich En esta sección probamos la desigualdad (5. Suponemos que el dominio Ω es de clase C 2 . de modo que el campo normal ν = ν(x) exterior unitario es de clase C 1 en el borde ∂Ω.2.3. 1/2 6 C k f kL2 (Ω) . En este resultado se observa una ganancia de 1/2 derivada que es óptima. debida a Rellich y que es válida en un contexto muy amplio de ecuaciones elípticas y de evolución. 5. (5.7) ∂n H (∂Ω) De este resultado se deduce que si g ∈ H −1/2 (∂Ω) entonces existe una única solución u ∈ L2 (Ω). En estas circunstancias existe una extensión q : Ω → Rn de clase C 1 (Ω̄) del campo normal de modo que .5).

.

q .

(5.2.3.3) por q · ∇ϕ. Obtenemos . = ν.1) ∂Ω Multiplicamos la ecuación (5.

Z .

.

Z .

.

.

.

.

.

− ∆ϕq · ∇ϕdx .

= .

f q · ∇ϕdx.

6 C k f kL2 (Ω) k ∇ϕ kL2 (Ω) 6 C k f k2 2 .

.

.

.

3. L (Ω) .4) Ω Ω 2 .2) Por otra parte.3. (5. Ω Ω (5.3) Ω ∂Ω ∂n Ω Además Z Z 2  ∂j ϕ∂j (q · ∇ϕ)dx = ∂j ϕ qi ∂ij ϕ + ∂j qi ∂i ϕ dx Ω Ω Z Z   | ∇ϕ |2 = ∂j ϕ∂j qi ∂i ϕdx + q·∇ dx. (5.3. Z Z Z ∂ϕ − ∆ϕq · ∇ϕdx = − q · ∇ϕdσ + ∂j ϕ∂j (q · ∇ϕ)dx.

EL PROBLEMA DE DIRICHLET EN UN DOMINIO ACOTADO Obviamente. .276CAPÍTULO 5.

Z .

Z Z .

.

.

∂j ϕ∂j qi ∂i ϕdx.

6 C(q) | ∇ϕ |2 dx 6 C(q) f 2 dx. (5.5) .3.

.

Ω Ω Ω Por otra parte.6) Ω 2 Ω 2 ∂Ω 2 Nuevamente . Z   Z Z | ∇ϕ |2 | ∇ϕ |2 q·ν q·∇ dx = − div q dx + | ∇ϕ |2 dσ.3. (5.

Z .

Z .

2 .

.

div q | ∇ϕ | dx.

(5. 6 C(q) | ∇ϕ |2 dx 6 C(q) k f k2L2 (Ω) .3.7) .

2 .

Ω Ω Combinando las identidades y estimaciones anteriores deducimos que .

Z Z .

.

q·ν ∂ϕ .

.

2 | ∇ϕ | dσ − q · ∇ϕdσ .

.

.

∂Ω 2 ∂Ω ∂n Z .

.

2 Z .

.

2 .

q · ν .

∂ϕ .

.

1 .

∂ϕ .

.

.

dσ 6 C k f k2 2 = .

.

3. dσ = L (Ω) . (5.8) ∂Ω 2 ∂ν 2 ∂Ω .

∂ν .

Del mismo modo. el espacio H s (Rn ) con s > 0 arbitrario 1/2 (o. En esta sección recordamos brevemente los ingredientes principales de la demostración de este resultado.3. si y sólo si û ∈ L2 (Rn ). de manera más general. usando cartas locales (en este punto usamos que el dominio es de clase C 1 ). basta hacerlo en el espacio euclídeo Rn (Rn−1 en el caso en que Ω es un dominio de Rn pues entonces ∂Ω es una hipersuperficie de dimensión n − 1).9)  q·ν =1 en ∂Ω. las trazas de funciones de clase H 1 (Ω) pertenecen al espacio H 1/2 (∂Ω). como ϕ = 0 en ∂Ω. ∇u ∈ L2 (R) si y sólo si | ξ | û(ξ) ∈ L2 (Rn ). En estas identidades hemos usado que. incluso.4. Recordemos que u ∈ L2 (Rn ).   ∂ϕ ∇ϕ = ν en ∂Ω ∂n (5. 5. . el modo más sencillo de definir el espacio H (Rn ) y. para cualquier s ∈ R) es mediante la transformada de Fourier. En primer lugar señalamos que para definir el espacio H 1/2 (∂Ω). Un resultado de trazas El resultado óptimo de trazas garantiza que si Ω es un dominio de clase C 1 . En el caso del espacio euclídeo.

0)|2 dξ < ∞ (5. Debemos pro- bar que Z | ξ ′ | |û(ξ.4.1) Rn La cantidad (5.4. Como la propiedad de traza es de naturaleza local podemos suponer que u es de soporte compacto de modo que u = 0 cuando xn > 1. xn ) consideramos su traza u(x′ .  Basta que probemos que la traza de cualquier función H 1 Rn+ pertenece a H 1/2 (Rn−1 ).5. xn )∂xn û(ξ ′ . 0)| = − ∂n |û(ξ ′ . 0). xn )| dxn (5.1) constituye en realidad el cuadrado de la norma en H s (Rn ). 0)| 6 | ξ ′ |2 |û(ξ ′ . 0 0 Por tanto Z 1 h i ′ ′ 2 2 2 | ξ | |û(ξ . Esto. siendo ξ ′ la variable dual correspondiente.3) Rn−1 donde ˆ· denota la transformada de Fourier en las variables x′ . Pero en esta sección utilizaremos sólo la definición de H s (Rn ) en términos de la transformada de Fourier. mediante el uso de cartas locales. Se trata de espacios de Hilbert.4.4.4. Para ello. xn )| dxn = −2 û(ξ ′ .4) 0 y entonces Z Z Z 1 2 | ξ | |û(ξ. cuando s recorre el intervalo [0. Con esta definición. conduce al mismo resultado en el caso de un abierto acotado Ω de clase C 1 arbitrario. (5. xn )dxn . xn )| dxn dξ ′ Rn−1 Rn−1 0 .4. 1]. 0)|2 dξ 6 |ξ ′ |2 |û(ξ ′ . xn )| + |∂n û(ξ ′ . dada u = u(x′ . el espacio H s (Rn ) decrece desde L2 (Rn ) hasta H 1 (Rn ).2) | x − y |s+ 2 (véase [2]). Se puede también definir una norma equivalente en el espacio físico obte- niéndose que   | u(x) − u(y) | H s (Rn ) = u ∈ L2 (Rn ) : n ∈ L 2 (R n × R n ) (5. UN RESULTADO DE TRAZAS 277 El espacio H s (Rn ) con s > 0 se define entonces como el subespacio de L2 (Rn ) de las funciones u tales que Z  1+ | ξ |2s | û(ξ) |2 dξ. Entonces Z 1   Z 1 2 2 |û(ξ ′ .

4.5) El resultado recíproco es también cierto. Verifiquemos por ejemplo la finitud de la primera integral en (5. toda función de H 1/2 (∂Ω) es la traza de una función de H 1 (Ω).4. Como consecuencia de este resultado cuya prueba vamos a esbozar se deduce que la solución de ( −∆u = 0 en Ω (5.4. Rn−1 0 Rn Rn (5. Cuando Ω es de clase C 1 . nuevamente. puesto que la otra puede estimarse del mismo modo.4. (5. xn )| dξ ′ dxn < ∞. xn ) |2 dξ ′ dxn = | ĝ(ξ ′ ) |2 | ξ ′ |2 e−2|ξ |xn dξ ′ dxn Rn Rn . 0) = ĝ(ξ ′ ) cuya solución viene dada por ′ û(ξ ′ . para probar este resultado. xn ) = ĝ(ξ ′ )e−|ξ |xn . Aplicando la transformada de Fourier en x′ vemos que el problema es equi- valente a la familia de ecuaciones diferenciales lineales de segundo orden para- metrizadas por ξ ′ ∈ Rn−1 : ( −∂n2 û+ | ξ ′ |2 û = 0 (5.10) Rn−1 lo cual equivale a que g ∈ H 1/2 (Rn−1 ). Es decir.4. gracias a las cartas locales.4. Definimos entonces la extensión de g = g(x′ ) dada en Rn−1 resolviendo el problema ( −∆u = 0 Rn+ (5.9) Basta entonces comprobar que si Z | ĝ(ξ ′ ) |2 (1+ | ξ |) < ∞. basta con probarlo en el caso de Rn−1 y Rn+ .4. xn ) obtenida en (5. xn )| dxn dξ = | ∂x′ u |2 + | ∂n u |2 dx′ dxn = | ∇u |2 dx. xn ) |2 + |∂n û(ξ ′ . entonces la solución û = û(ξ ′ .6) u=g en ∂Ω con g ∈ H 1/2 (∂Ω) pertenece al espacio de Sobolev H 1 (Ω). En virtud de la expresión explícita de la solución en (5.11) Rn Este resultado es fácil de probar.4.9) satisface Z h i 2 | ξ ′ |2 | û(ξ ′ .7) u=g Rn−1 . (5.278CAPÍTULO 5. EL PROBLEMA DE DIRICHLET EN UN DOMINIO ACOTADO Z Z 1 Z Z 2   + |∂n û(ξ.4.4. (5.9) tenemos Z Z ′ | ξ ′ |2 | û(ξ ′ .11).8) û(ξ ′ .

5.12) Rn−1 R Rn 2 por la hipótesis g ∈ H 1/2 (Rn−1 ). Sean f ∈ L2 (Ω) y u ∈ H 1 (Ω) ∩ C(Ω̄) tales que Z Z Z ∇u · ∇ϕdx + uϕudx = f ϕ.1) Γ Ω Γ Ω Demostración. • G(s) = 0 en (−∞.c. Utilizamos el método de truncatura de Stampacchia. Principio del máximo En esta subsección recordamos una versión básica del principio del máximo que permite comparar soluciones de ecuaciones elípti- cas con datos distintos y que juega un papel decisivo en la prueba de la con- vergencia del MDD. además de aplicarse en muchos otros contextos.7 del libro de Brézis [2].5. Para ello introducimos una función G = G(s) ∈ C 1 (R) tal que: • | G′ (s) |6 M.4. • G es estríctamente creciente en (0. ∀s ∈ R. 0). Ω Ω Ω Entonces h i   mı́n ı́nf u. (Principio del máximo para el problema de Dirichlet). x ∈ Ω. Pretendemos probar que u 6 k p. La otra desigualdad se prueba de manera análoga. sup f . ∀x ∈ Ω. PRINCIPIO DEL MÁXIMO 279 Z Z Z ′ | ĝ(ξ ′ ) |2 | ξ ′ | ′ = | ĝ(ξ ′ ) |2 | ξ ′ |2 e−2|ξ |xn dxn = dξ < ∞ (5. (5. Distinguimos dos casos: . ∀ϕ ∈ H01 (Ω). sup f Γ Ω que suponemos finito.t. Teorema.5. La prueba consiste esencialmente en utilizar v = G(u − k) como función test. ∞). La versión que aquí reproducimos ha sido extraida de la sección IX.5. Sea   k = máx sup u. ı́nf f 6 u(x) 6 máx sup u. 5.

De la formulación variacional deducimos que Z Z Z | ∇u |2 G′ (u − k) + uG(u − k) = f G(u − k). Por otra parte v ∈ H01 (Ω) puesto que v es continua y se anula en el borde. Pero se verifica en un contexto mucho más general de problemas elípticos de segundo orden (véase la Proposición IX. Para ello es suficiente elegir como función test v = G(u − k ′ ) con k ′ > k. Ω Ω Ω Deducimos inmediatamente que Z (u − k)G(u − k)dx 6 0.280CAPÍTULO 5. como | Ω |< ∞. ∀ϕ ∈ H01 (Ω).29 de [2]). Por consiguiente u 6 k para todo x ∈ Ω. El Teorema anterior proporciona el principio del máximo (PM) para el ope- rador −∆ + I.2)   ∇u · ∇ϕdx = f ϕdx. v es la composición de u con una función globalmente Lipschitz y. En esta argumentación hemos utilizado que Z Z (f − k)G(u − k) 6 0. En efecto. como sG(s) > 0 para todo x ∈ R. x ∈ Ω. Z Z (5. t. El PM se aplica en particular a las soluciones débiles del problema de Diri- chlet asociado al operador de Laplace caracterizadas por la condición:   1  u ∈ H (Ω). que (u − k)G(u − k) = 0 p. por tanto. Ω Ω . v ∈ H 1 (Ω). | ∇u |2 G′ (u − k)dx > 0 Ω Ω lo cual es cierto obviamente por la elección de f y las propiedades de la función G. EL PROBLEMA DE DIRICHLET EN UN DOMINIO ACOTADO a) | Ω |< ∞. Ω y. En este caso v = G(u − k) ∈ H01 (Ω).5. Ω Ω Ω Es decir Z Z Z | ∇u |2 G′ (u − k) + (u − k)G(u − k) = (f − k)G(u − k). c. b) El mismo argumento puede adaptarse sin mucha dificultad al caso en que | Ω |= ∞.

t. el máximo de u se alcanza en la frontera del dominio Ω. para el problema (5. De este modo. PRINCIPIO DEL MÁXIMO 281 La prueba es semejante a la anterior sólo que en este caso obtenemos. enton- ces.5. habida cuenta de la definición de k tenemos que u 6 k en Γ y por lo tanto H(u) = 0 en Γ.5. Z | ∇u |2 G′ (u − k)dx 6 0. si f ≤ 0.2) se deduce que. De estas propiedades se deduce que H(s) = 0 cuando s 6 k y que H(s) > 0 cuando s > k. Ω Por tanto.t. Ω Si definimos la función Z s 1/2 H(s) = [G′ (σ − k)] ds 0 esta condición puede escribirse simplemente como Z | ∇(H(u)) |2 dx 6 0. x ∈ Ω lo cual implica que u 6 k p. . Deducimos por tanto que H(u) ≡ 0 p.c. Ahora bien. En efecto. x ∈ Ω. por las propiedades de G tenemos que G′ (σ − k) = 0 cuando σ 6 k y que G′ (σ − k) > 0 cuando σ > k.5. la función H(u) ha de ser constante en Ω. cuando f ≤ 0.c. Estas dos últimas condiciones son efectivamente equivalentes.

282CAPÍTULO 5. EL PROBLEMA DE DIRICHLET EN UN DOMINIO ACOTADO .

· · · .3) admite una única solución. con h > 0. N + 1} una aproximación uj de u(xj ).3) con U = (uj . F = (f1 . · · · .Capítulo 6 Diferencias y volúmenes finitos 6. N .1. (6.2) es un sistema lineal de N ecuaciones con N incógnitas que puede escribirse de la forma AU = F (6.1. donde xj = jh. 283 . u(0) = u(1) = 0. 1).1.1. La matriz A del sistema es simétrica. j = 1. (6. 0 < x < 1. para cada h > 0 y j ∈ {0. Diferencias finitas para coeficientes variables 1−d Sin duda el problema más ejemplar del Análisis Numérico de EDP’s es el de resolver el problema de Dirichlet 1 − d: −uxx = f.1. u0 = uN +1 = 0. · · · .1.1) El método más elemental para hacerlo es el basado en diferencias finitas en un mallado regular.2) h2 Para cada h > 0 (6. (6. y buscar. · · · . Para ello utilizamos el esquema de tres puntos 2uj − uj+1 − uj−1 = fj . Esto consiste esencialmente en introducir una partición regular del intervalo (0. {xj }N +1 j=0 . para cada h > 0. definida positiva de modo que. uN )⊥ . fN )⊥ .

1).1.1). es del orden de O(h2 ). x ∈ (0. mediante la aplicación del Lema de Lax-Milgram.8) 0 a(s) y las constantes C1 . 1) de (6. i. Cuando f es continua basta tomar f (xj ) y cuando no lo es puede sustituirse por una media. (6.1) entonces.e. 0 < x < 1. Z xj +h/2 1 fj = f (s)ds. La versión correspondiente de (6. De ma- nera más precisa. a ∈ L∞ (0.1.1.1. Sin embargo en la práctica. i.6) En estas circunstancias el problema (6.284 CAPÍTULO 6. El hecho de que los coeficientes de la ecuación (6. C2 están determinadas de manera única para que las con- diciones de contorno se satisfagan.e.1) sean constantes refleja que el medio en el que ésta represente la cantidad física estudiada sea homogéneo.1.2).t. u(0) = u(1) = 0. Asimismo hemos de precisar el valor fj de la aproximación de f (xj ) elegida en (6. 1). hemos de hacer frente a medios heterogéneos.5) admite una única solución. (6. C2 = 0 (6.1.c. Tenemos que Z x 1 u(x) = − f (τ )dτ ds + C1 b(x) + C2 . Para ello basta observar que si u es una solución regular de (6.1.2).9) .1. (6. (6. En este caso que nos ocupa la solución puede calcularse de manera explícita. Esta ecuación (elíptica en la clasificación clásica de las EDP’s) surge al ana- lizar las soluciones estacionarias de algunas de las ecuaciones de evolución más importantes como son las ecuaciones de ondas. DIFERENCIAS Y VOLÚMENES FINITOS Con el objeto de que el problema anterior esté formulado sin ninguna am- bigüedad es imprescindible que h > 0 sea de la forma h = 1/k donde k ∈ N.7) 0 a(s) donde Z x 1 b(x) = ds. p. se deduce que para todo f ∈ H −1 (0. Es decir.4) h xj −h/2 Este esquema es de orden 2. Suponemos además que existen constantes 0 < α < β < ∞ tales que α ≤ a(x) ≤ β. y el de (6.1. del calor o de Schrödinger.5).5) El coeficiente variable a = a(x) se supone acotado y medible. 1) existe una única solución u ∈ H01 (0.1.1. 2uj − uj+1 − uj−1 h2 .1. −uxx. la diferencia entre el miembro de la izquierda de   (6. con frecuencias.1.1) sería entonces:  − a(x)ux x = f. (6.1.

por ejemplo. 0 N +1 Cuando a es constante el esquema (6. tenemos du   (xj ) = ∂+ U j + O(h) = ∂− U j + O(h).12) dx Con el objeto de que el esquema numérico de aproximación de (6.5).1. puede escribirse del siguiente modo:     . Pero muchas veces las ecuaciones heterogéneas y los coeficientes variables se presentan en situaciones en que estos no son regulares.1. Para ello introducimos los operadores de diferencias finitas discretos ∂+ y ∂− donde  uj+1 − uj  uj − uj−1 ∂+ U j = . (6.15) 1.10) 0 a(s) 0 0 a(s) Cuando a = a(x) es variable (6.5) sea simé- trico. N 2 (6. cuando a es constante a trozos en el cual se representa la presencia de dos materiales homogéneos diferentes con constantes materiales distintas. ∂− U j = . · · · .1. cuando uj = u(xj ).6. (6.11) h h Ambos operadores son una aproximación del operador de derivación continuo dx = d · /dx. componente a componente. − aj−1 + aj uj−1 + aj−1 + 2aj + aj+1 uj − aj + aj+1 uj+1 2h2 = fj . por ejemplo. Este es el caso.1. (6. DIFERENCIAS FINITAS PARA COEFICIENTES VARIABLES 1−D285 y Z 1 Z s .1.1.13) es una generalización de (6. .13)  u =u = 0. Este esquema. 0 < x ≤ x∗ a(x) = (6.1. N . x∗ < x < 1.1.1. Dejamos como ejercicio para el lector comprobar cual es el orden del esquema cuando el coeficiente a = a(x) es regular. (6.2).5) es el modelo para la deformación de una cuerda elástica heterogénea.1. · · · . siendo u = u(x) una función de clase C 2 .Z 1 1 1 C1 = f (τ )dτ ds ds. Se trata obviamente de aproximaciones de primer orden puesto que. Analicemos ahora los esquemas en diferencias finitas de aproximación de (6.1. ni siquiera continuos. Consideremos por ejemplo el caso de un coeficiente de la forma ( ε.1.14) para los nodos interiores j = 1. j = 1. es conveniente introducir la aproximación   1   − ∂+ a∂− + ∂− a∂+ u = fj .

La solución explícita de (6.1. (6. ε(1 + ε) Vemos entonces que.18) x∗ − εx∗ + ε Supongamos ahora que el punto de discontinuidad x∗ del coeficiente es tal que xk < x∗ ≤ xk+1 .1. lo cual contrasta con el hecho de que el método sea de orden 2 cuando a es regular. cuando ε 6= 1. k + 1 ≤ j ≤ N + 1 (6.1. DIFERENCIAS Y VOLÚMENES FINITOS con 0 < x∗ < 1. consideramos el problema (  − a(x)ux x = 0. x∗ ≤ x < 1.1.1. uj = βj − β(N + 1) + 1. con 1 α= . 0 < x ≤ x∗ .17) εαx + 1 − εα.1. u(1) = 1. . xk u(xk ) = . (6. i. 0 < x < 1. 1+ε Cuando x∗ = xk + h/2 se comprueba que el error es más bien   (1 − ε)2 uk − u(xk ) = O h .19) con  −1 1−ε β = εα. α = ε + ε(N + 1 − k) + k .16) u(0) = 0.15).e.16) es conocida: ( αx. Con el objeto de hacer los cálculos más explícitos suponemos que el segundo miembro f se anula pero tomamos una condición de contorno no homogénea en x = 1. 1+ε Por tanto xk uk = . La solución obtenida en este caso es uj = αj . εh(1 − ε)/(1 + ε) + (1 − ε)xk + ε Cuando x∗ = xk+1 la solución exacta en el punto x = xk es. u(x) = (6. 0 ≤ j ≤ k.286 CAPÍTULO 6. el error es O(h). donde a = a(x) es como en (6. (1 − ε)xk+1 + ε El error satisface por tanto   1−ε uk − u(xk ) = O ε h .

1). 1)  j=1 Ωj 0 en la cual hemos sustituido el valor del coeficiente a = a(x) por su aproximación constante a trozos. 0 0 en la cual no se distingue si a es regular o no. ∀ϕ ∈ H01 (0. En efecto. obviamente no hay ninguna razón de que la solución de (6.2. 1)  Z 1 Z 1 (6.5)  1  u ∈ H0 (0.2) h Ωj Una manera natural de aproximar (6.3)   aj ux vx dx = f vdx. Denotemos mediante Ω el dominio (0. · · · . xj + h/2 . con respecto a las diferencias finitas.2. VOLÚMENES FINITOS 287 6. bajo la condición (6.2. ∀v ∈ H01 (0.2. Pero.2.6. N . siempre y cuando se satisfaga la condición (6.1) es utilizar la formulación variacional  1  u ∈ H0 (0.3) sea constante o lineal a trozos. Denotamos por ψ j = ψ j (x) la función característica del intervalo Ωj . 1)   XN Z Z 1 (6.2. (6. Mediante aj denotamos una aproximación de a en el intervalo Ωj que puede ser tomada como la media Z 1 aj = adx. 1) en el que la ecuación está formu- lada y mediante Ωj los intervalos centrados en los puntos del mallado Ωj =  xj − h/2. Con el objeto de introducir una tal aproximación utilizamos que Z . j = 1. tiene la ventaja de que el método es de orden O(h2 ) tanto para coeficientes regulares como discontinuos.2. Volúmenes finitos En esta sección vamos a desarrollar un método de volúmenes finitos que.6) la existencia de una única solución de (6.1. El método de volúmenes finitos está basado en la formulación variacional de problema (6.6) de elipticidad.1) está garantizada por el lema de Lax-Milgram.1.1.1)   a(x)ux ϕx dx = f ϕdx.2.

xj + h2  .

− aux x dx = −aux.

En la medida en que aux es regular (pues es una primitiva de f ). h . Es más bien conveniente escribir . Ωj xj − 2  Necesitamos ahora aproximar aux xj +h/2 . aux no puede ser regular en ese punto. Por tanto aproximar ux no es una buena idea. si a tiene una discontinuidad justo en xj + h2 .

xj+1 Z xj+1 Z xj+1 1  Z xj+1 1 .

u.

= ux dx = aux dx ∼ aux j+1/2 dx. xj xj xj a xj a .

1.14).7) 2 y. (6. α = h x∗ − εx∗ + ε . 1 ≤ j < k. Apliquemos ahora este método. Obtenemos por tanto  (ϕj+1 − ϕj ) aux j+1/2 ∼ wj .6) h Ωj Se trata de un esquema de aproximación que difiere del de diferencias finitas (6. (6. j = 1. 1+ε Obtenemos en este caso (6. Entonces 2ε wj = ε. en caso de realizar esta sustitución. (6. En efecto. · · · . wk = .2. i. al caso en que a es discontinuo discutido en la sección anterior. h y. vemos que el error en los puntos del mallado es nulo.2. Puede sin embargo verse que ambos son muy próximos cuando a es regular.14). En circunstancias más generales sería O(h2 ).19) con   β = αε.5) recuperaríamos el esquema (6. la siguiente discretización: (uj − uj−1 ) (uj+1 − uj ) wj−1 − wj = hfj . k < j ≤ N. DIFERENCIAS Y VOLÚMENES FINITOS De la aproximación constante a trozos de a deducimos que Z xj+1 1 h dx = xj a wj con  wj ≡ 2aj aj+1 (aj + aj+1 ) . Supongamos que x∗ = xk + h/2.288 CAPÍTULO 6. x∗ = xj . wj = 1. en (6. denominado de volúmenes finitos.2. . cuando a es regular aj + aj+1 wj ∼ (6.1. El método puede también adaptarse fácilmente al caso en que el coeficiente a = a(x) es discontinuo en un punto del mallado xj .5) h h con Z 1 fj = f dx.1. por tanto.2.4) es decir la media armónica de aj y aj+1 . N.2. El método de volúmenes finitos es por tanto más preciso que el de diferencias finitas. Comparando con la solución exacta.e.

6.3. DIFERENCIAS FINITAS PARA COEFICIENTES VARIABLES: VARIAS DIMENSIONES ESPACIALES289 En este caso tendríamos Z .

xj +h/2  .

− aux x dx = −aux .

6. los dos últimos términos se cancelan. + lı́m aux − lı́m aux . (6.3. . Se trata de un esquema semejante al clásico de diferencias finitas pero es mucho más eficaz cuando a es discontinuo puesto que el error de este nuevo esquema es del orden de O(h2 ). medibles y acotados que satisfacen ade- más la condición de elipticidad β | ξ |2 ≥ aij (x)ξi ξj ≥ α | ξ |2 . · · · . Apro- ximando ahora ux por diferencias finitas obtendríamos Z      uj+1 − uj uj − uj−1 − aux dx ∼ −aj+1/2 + aj−1/2 . donde xj = jh. ∂αj = ϕj − ϕj−eα h.3. ∀ξ ∈ Rn .3.3) con 0 < α < β < ∞. Ωj h h Esto da lugar al esquema    −aj−1/2 uj−1 + aj−1/2 + aj+1/2 uj − aj+1/2 uj+1/2 = hfj .2) j=1 i=1 con coeficientes variables aij = aij (x). · · · . + = ϕj+eα − ϕj h.3. Consideramos ahora la ecuación elíptica n X X n  ∂j aij ∂j u = f (6. Diferencias finitas para coeficientes variables: varias dimensiones espaciales Siendo eα el α−ésimo vector de la base canónica de Rn definimos los opera- dores de diferencias   ∂α. jn es un multi-índice que denota los puntos de un mallado regular de Rn de nodos  xj = xj1 . como aux es continuo. xjn . incluso para coeficientes discontinuos. Ωj xj −h/2 x↑xj x↓xj Ahora bien.1)  En esta ocasión j = j1 . (6.

((j1 − 1)h.3. (j1 h. (j2 +1)h) ((j1 −1)h). j2 h).3. DIFERENCIAS Y VOLÚMENES FINITOS Aquí y en lo sucesivo hemos adoptado la convención de sumación de índices repetidos. además de sí mismo: ((j1 +1)h. la ecuación (6.− (aαβ ∂α. El tratamiento de las condiciones de contorno no siempre es sencillo. j = 1. (j2 +1)h). n.4) en el punto de coor-  denadas j1 h. ((j1 + 1)h. en dos dimensiones espaciales. (j2 −1)h).4) habrá de satisfacerse en el conjunto de multi-índices correspondiente. en la práctica. ∀i. Pero esta no es la única elección posible y pueden construirse esquemas en diferencias que invo- lucren otros nodos. (j1 h. los nodos ((j1 + 1)h. Pero. Inspirándonos en el caso 1−d podemos ahora introducir el siguiente esquema de discretización 1 − [∂β. Una vez que el dominio se ha aproximado mediante otro cuadriculado cuya frontera esté integramente en el mallado tenemos que establecer una condición de contorno en cada nodo de la frontera. por ejemplo.2) y su versión discreta (6. j2 h sólo involucra los siguientes puntos.2) normalmente se estudia en un dominio Ω de Rn y por tanto la ecuación (6. (j2 − 1)h) no intervienen en la discretización.e. El valor gj de uj interviene entonces en la ecuación que se satisface en los nodos interiores vecinos. + (aαβ ∂α. · · · . .4) los puntos del mallado en los que se apoya el esquema en cada nodo no es simétrico. Por ejemplo.3.+ )] uj = fj .4) han normalmente de ser también completadas con condiciones de contorno.3. (j2 + 1)h) y ((j1 − 1)h. Conviene observar que en la discretización (6.− ) + ∂β. (6. j2 h).290 CAPÍTULO 6.3. i. Cuando la condición de contorno es de tipo Dirichlet. La ecuación (6. u = g en ∂Ω la cuestión se resuelve imponiendo la condición uj = gj en cada nodo xj ∈ ∂Ω. En particular puede encontrarse un esquema simétrico que involucre todos los nodos pero en este caso la matriz del sistema es menos hueca y su resolución es por tanto más costosa. Esto determina completamente la incógnita uj y reduce la dimensión del vector solución. la aproximación (6. Con el objeto de simplificar la presentación suponemos además que la matriz de coeficientes es simétrica de modo que aij ≡ aji . (j2 −1)h).4) 2 Se trata de un esquema en diferencias de orden 2 para coeficientes variables.3. Obviamente.3.

x > 0. x>0 e(x) = u u(−x). h2 De este modo obtenemos una aproximación de orden dos. x ∈ R −e donde fe es la reflexión par de f . entonces su reflexión par ( u(x). h En este caso la ecuación escrita en el nodo j = 1 proporciona la ecuación u1 − u2 = f1 . Supongamos que el punto frontera xj tiene como coordenada x1 . h2 Como u e−1 se deduce que e1 = u 2 (u0 − u1 ) = f0 . En este caso se procede por extensión par. Otra manera natural de tratar la condición de Neumann en el extremo j = 0 es escribir que u0 = u1 puesto que u1 − u0 ux (0) ∼ .3. Se trata de nodos virtuales. x2 ) = g(x2 ) . Recordemos brevemente el tratamiento que se le da en una dimensión. x<0 es solución de uxx = fe. Aplicando el mismo criterio en el caso discreto escribimos la ecuación corres- pondiente al nodo j = 0: u0 − u 2e e1 − u e−1 = fe0 .3. se usa el hecho de que si u = u(x) es solución de −uxx = f. h2 Pero en este caso el esquema es de orden 1. Consideremos ahora el esquema (6. DIFERENCIAS FINITAS PARA COEFICIENTES VARIABLES: VARIAS DIMENSIONES ESPACIALES291 La situación es algo más compleja para la ecuación de contorno de Neumann.4) en este punto hacemos aparecer el valor en algunos nodos situados fuera del dominio Ω. x1 = 1.6. Es decir.4). cuando el operador involucrado es de coeficientes constantes. ux (0) = 0.3. Al escribir la ecuación (6. Como la condición de contorno es en este caso de la forma a1α ∂α ϕ(1.

j−e2 + a12. j+e1 ) 2h . j ) 2h2 . qj3 = qj+e2 X qj0 = − m qj . en caso en que los coeficientes de la ecua- ción sean discontinuos el método de volúmenes finitos permite obtener mejores aproximaciones. DIFERENCIAS Y VOLÚMENES FINITOS es esta la condición que hemos de utilizar para eliminar las contribuciones de los nodos virtuales. Tal y como ocurría en 1 − d. j−e1 + a11. La clave reside por tanto en la aproximación de las integrales de frontera sobre Γj .5) Ωj Ωj Ahora bien Z Z − ∂β (aαβ ∂α u) dx = − aαβ ∂α uhβ dσ (6. La ecuación discreta es de la forma 1 − [∂β. − ) + ∂β. m6=0 Por la fórmula de Taylor tenemos que −qj−1 (uj − uj−e1 ) + qj1 (uj+31 − uj ) − qj2 (uj − uj−e1 +e2 ) 2 2 +qj−2 (uj+e1 −e2 − uj ) ∼ a1α ∂α u(xj ) = f (x2 ). h h Esta identidad permite eliminar la contribución de los nodos virtuales.3. Integrando la ecuación en Ωj obtenemos Z Z − ∂β (aαβ ∂α u) dx = f dx.6) Ω1 Γj donde n = (n1 . 2h2  2 2h2 qj−2 = (a12. (6. j−e2 + a12. j ) qj−3 = − − . − (aαβ ∂α.292 CAPÍTULO 6. j ) 2h2 − (a12.j ) (a12. + (aαβ ∂α. j−e1 + a12. j−e2 + a22. + )] u 2 = qj−3 uj−e2 + qj−2 uj+e1 −e2 + qj−1 uj−e1 + qj0 uj + qj1 uj+e1 + qj2 uj−e1 +e2 + qj3 uj+e2 con (a22.3. Para implementarlo descomponemos Ω en celdas Ωj centradas en los puntos xj del mallado.   qj−1 = − (a11. −1 −2 −3 qj1 = qj+e1 . qj2 = qj−e1 +e2 . . n2 ) es el vector exterior unitario a Ωj y Γj es su frontera.

+ + ∂2. + uj+e1 + ∂2. A 2 Cuando los coeficientes son discontinuos sobre Γj la condición de salto ha de ser tenida en cuenta.3. C = xj + (h/2. j + a11.3. j a11. . Consideramos en primer lugar el caso de los coeficientes continuos. Por ejemplo: Z B aα1 ∂α udx2 ∼ hf (x2.6.7). Cuando se trata de la condición de Dirichlet simplemente sustituimos el valor de la in- cógnita correspondiente. j+e1 wj = . procediendo como en el caso 1 − d. Por ejemplo. Hacemos entonces la aproximación Z B aα1 ∂α udσ ∼ h (aα1 ∂α u)C (6.3. + uj ) .7) A donde C es el centro de AB. + uj A con 2a11. j ). A Los métodos de discretización presentados hasta ahora están centrados en los nodos del mallado de modo que Ωj es el cuadrado centrado en xj y con lados de longitud h en cada una de las direcciones espaciales. 0). − ) (uj + uj+e1 ) A 4 que también coincide con Z B h a12 (C) a12 ∂2 u dx2 ∼ (∂2. − uj+e1 + ∂2. A 2 o. + u)j A Z B h a12 (C) a12 ∂2 u dx2 ∼ (∂2. lo que es lo mismo. h2 . − uj ) . realizamos la siguiente aproximación Z B a11 ∂1 dx2 ∼ h wj ∂1. DIFERENCIAS FINITAS PARA COEFICIENTES VARIABLES: VARIAS DIMENSIONES ESPACIALES293 Consideramos en primer lugar la integral sobre el segmento AB con A =   xj + h2 . Realiza- mos las siguientes aproximaciones : Z B a11 ∂1 u dx2 ∼ h a11 (C) (∂1. Debemos ahora aproximar el segundo miembro de (6. i. En el caso de las condiciones de Neumann procedemos promediando el valor de contorno. − h2 y B = xj + h2 . Z B h a12 (C) a12 ∂2 u dx2 ∼ (∂2. j+e1 Las condiciones de contorno pueden tratarse de manera semejante. a11.e.

1/2). Las discretizaciones por diferencias finitas pueden realizarse del mismo modo que antes.294 CAPÍTULO 6. Sólo las condiciones de contorno necesitan de un tratamiento diferen- ciado. DIFERENCIAS Y VOLÚMENES FINITOS Se pueden hacer desarrollos semejantes en el caso en que la partición Ωj cubra todo Ω. . Los nodos son por tanto en este caso de la forma xj = (j−p)h con p = (1/2. y sus centros sean los nodos en los que vamos a aproximar la solución tal y como se indica en la siguiente figura.

Esto puede realizarse mediante el método de direcciones alternadas en el que se resuelven de manera iterada los diversos subsistemas en los que el sistema global se ha descompuesto. Este método iterativo permite aplicar en cada subsistema un método específico 295 . frecuentemente.1. a menudo. estocásticos. Lo mismo puede decirse en lo que respecta a los métodos de aproximación y simulación numérica.1. Pero los métodos de descomposición precisan de un ensamblaje posterior para poder obtener las propiedades globales del sistema.Capítulo 7 Métodos de descomposición 7. en dichos problemas podemos encontrar varios sistemas de naturaleza distinta acoplados: Ecuaciones Diferen- ciales Ordinarias (EDO). el análisis de los modelos no puede realizarse mediante el uso de uno de los métodos matemáticos o numéricos específicos de determinado tipo de sistemas sino que es preciso combinar varios de ellos. Es por eso que. El método de las direcciones alternadas 7. etc. Cabe decir que se trata de modelos heterogéneos o de carácter multi-físico. Resulta por tanto natural desarrollar y utilizar métodos de descomposición que permitan descomponer o dividir el sistema en subsistemas más simples con características bien precisas e identificadas en los que podamos aplicar un método específico. sistemas discretos. Es por eso que.1. Ecuaciones en Derivadas Parciales (EDP) de diferentes tipos. Motivación La complejidad de los modelos matemáticos que se precisan para analizar los cada vez más sofisticados problemas que se plantean en Ciencia y Tecnología crece sin cesar.

7. En la siguiente sección presentamos el método en el contexto de los sistemas de ecuaciones diferenciales lineales con coeficientes constantes.1) x(0) = x0 . (7.1. Este método de direcciones alternadas es muy versátil y puede aplicarse en muy diversas situaciones.3) k! k=1 cuya convergencia puede garantizarse mediante el criterio de la mayorante de Weierstrass. El teorema de Lie Consideremos el sistema de EDO: ( ẋ(t) = (A + B)x(t) (7. MÉTODOS DE DESCOMPOSICIÓN pero al mismo tiempo recuperar las propiedades globales del sistema. RN . Además la solución viene dada por la fórmula de representación: x(t) = e(A+B)t x0 .2) Recordemos que dada una matriz cuadrada C.296 CAPÍTULO 7. Es el caso por ejemplo del sistema de la termoelasticidad que acopla una ecuación de ondas con la ecuación del calor o de las ecuaciones de Navier-Stokes donde coexisten los efectos difusivos de la ecuación del calor (y más precisamente del sistema de Stokes lineal) y los propios de las ecuaciones hiperbólicas no-lineales (ecuaciones de Euler) en las que está presente un término convectivo no-lineal cuadrático. donde mediante C ω denotamos la clase de funciones analíticas. En particular puede ser utilizado para descomponer sistemas de EDP en el que coexisten subsistemas de naturaleza diversa.2.1.1.1. su exponencial puede definirse mediante el desarrollo en serie de potencias ∞ X Ck eC = (7. donde x = x(t) es una incógnita vectorial a valores en RN dependiente del pará- metro temporal t ∈ R.1) admite una única solución  global x(t) ∈ C ω R. Sistemas de EDO lineales. Para cada dato inicial x0 ∈ RN el sistema (7. En efecto1 . y A y B son matrices cuadradas N × N con coeficientes constantes independientes de t.1.

.

∞ .

.

.

.

X C k .

.

X ∞ ∞ k C k k X k C kk .

.

.

.

k eC k= .

.

.

.

6 6 = ekCk . (7.1.4) .

.

k! .

.

k! k! k=0 k=0 k=0 1 El mismo argumento permite definir eLdonde L ∈ L(X. Y ) es cualquier operador lineal y acotado entre dos espacios de Banach X e Y . .

. no es cierto que eA+B coincida con el producto eA eB .1.1. salvo que las matrices A y B conmuten. B] = BA − AB.1.1. Obviamente esta diferencia se anula cuando A y B conmutan pero no en caso contrario. El térmi- no BA − AB que interviene en esta diferencia se denomina conmutador y será denotado del modo siguiente: [A. debido a Lie.6) k! 2 k=0 A2 + AB + BA + B 2 = I + [A + B] + + ··· 2 Por otra parte " ∞ # ∞  X Ak X Bj eA eB =   (7. es la base de los métodos de descompo- sición y de direcciones alternadas: Theorem 7.6) se constata efectivamente una diferencia al nivel de los términos cuadráticos. (7.8) Se trata de una medida del grado de conmutatividad de las matrices A y B.1. mientras que en (7.7) son A + B + 2AB 2 de modo que 2 2 .5) tenemos que  A B n eA+B ∼ e n e n . En efecto.6) los términos cuadrá- ticos son  2 . EL MÉTODO DE LAS DIRECCIONES ALTERNADAS 297 El siguiente resultado.1.  2 . A + B + AB + BA 2 en (7. Es bien sabido que. en general. De acuerdo con (7. la diferencia entre uno y otro es el término [BA − AB] 2.1.1 Dadas dos matrices cuadradas N × N A y B se tiene  A B n eA+B = lı́m e n e n .5) n→∞ Antes de proceder a su demostración analicemos su significado. Analicemos este hecho.7.3): ∞ X (A + B)k [A + B]2 eA+B = = I + [A + B] + + ··· (7.1. (7.1. En virtud de la identidad (7.7) k! j=0 j! k=0     A2 B2 = I +A+ + ··· · I + B + + ··· 2 2 A2 B2 = I + [A + B] + AB + + + ··· 2 2 En las expresiones (7.1.1.

mientras que eA/n y0 = z0 es el valor en el instante t = 1/n de la solución de ż = Az. una por cada subsistema. Analicemos ahora el significado de la expresión eA/n eB/n . Al aplicar por tanto el Teorema 7.1. Por otra parte eB/n x0 = y0 es el valor en el instante t = 1/n de la solución de ẏ = By.1.1. n veces.1. del operador eA/n eB/n .11).1 a la resolución de (7.1).1): x′ = Ax (7. lo cual indica que recorremos el intervalo temporal en dos ocasiones. En cada intervalo temporal de longitud t/n resolvemos ambos sistemas (7.1. arrancando del valor del paso anterior. (7.11).1.1.10) y (7.298 CAPÍTULO 7. • En cada paso lo que hacemos es resolver de manera consecutiva cada uno de los dos sistemas involucrados en (7. Conviene observar que al aplicar eA/n eB/n a un elemento x0 ∈ RN lo que se obtiene es h i h i eA/n eB/n x0 = eA/n eB/n x0 . según este procedimiento. z(0) = y0 .1) sino que siempre resolvemos los subsistemas (7.1. en ningún caso resolvemos el sistema completo (7.10) y (7. se tiene  n A B A B A B en en = en en ···en en es decir se trata de un producto iterado. y(0) = x0 .11) Conviene observar que. . MÉTODOS DE DESCOMPOSICIÓN Para n fijo.1.9) n→∞ lo cual significa que x(t) se aproxima mediante la expresión  At Bt n xn (t) = e n e n x0 que se obtiene del modo siguiente: • Iteramos n veces un procedimiento en el que. se avanza un paso temporal del tamaño t/n en la resolución del sistema (7.10) y x′ = Bx (7.1.1.1) obtenemos que  At Bt n x(t) = e(A+B)t x0 = lı́m e n e n x0 .1.

12) n2 En (7. 7. que cada uno de los sitemas (7.1. tal y como veíamos. Demostración del Teorema de Lie En esta sección probamos el Teorema 7. En la práctica. Aquí hemos descrito un método iterativo en el que suponemos que las soluciones de los subsistemas (7.13) La fórmula (7.12) el término principal del resto es. En virtud de (7.1.7) tenemos que   t e( n + n )t = e n t e n t + O A B A B .1. EL MÉTODO DE LAS DIRECCIONES ALTERNADAS 299 Estas características del método iterativo hacen que se denomine de direc- ciones alternadas.1. Nos hemos mantenido por tanto en el contexto de las Ecuaciones Diferenciales Ordinarias (EDO).1.10) y (7.1. de manera que podemos utilizar métodos mejor adaptados a las características de cada subsistema.1.13) es rigurosa en el sentido que .1.1.6) y (7.1. este método de direcciones alternadas ha de ser com- binado con un método numérico para la resolución de ecuaciones diferenciales.11) pueden calcularse de manera exacta. y esta es una de las virtudes del método de direcciones alternadas. B] 2n2 .7. [A.1.11) pueden resolverse mediante métodos distintos. Es importante señalar.1. (7. . Conviene también distinguir el método de direcciones alternadas descrito con los métodos numéricos de aproximación de ecuaciones diferenciales.1.10) y (7. (7.3.1.

.

At Bt .

.

C .

.

n + n At Bt .

.

.

.

e − e n e n .

.

in n At Bt h Bt At  .14) depende de A y B pero conviene subrayar que es independiente del parámetro n.1.16) .1.1.15) n2 Por otra parte. (7. 6 2 | t | (7. En virtud de (7.12) tenemos h i   2 2 t n At Bt t e(A+B)t = e(A+B) n = e n e n + O .1. (7. Obviamente.14) puede realizarse utilizando el criterio de la mayorante de Werierstrass.14) n donde C > 0 es una constante independiente de n.1. ion e n e n + O t2 n 2 = e n e n 1 + e − n e − n O t2 n 2 . h At Bt  . La prueba de (7.1. la constante C en (7.

20) n  .18) se trata de probar que    2 n t lı́m Cnn −1 = lı́m Cn 1 + Cn O .  donde ξn es un elemento del segmento que une 0 con Cn−1 O t2 n2 .1.1. MÉTODOS DE DESCOMPOSICIÓN Basta por tanto concluir que  At Bt n n At Bt h Bt At  .1.17) n→∞ n→∞ Denotando At Bt Cn = e n e n (7. (7. Por tanto . ion lı́m e n e n = lı́m e n e n 1 + e− n e− n O t2 n2 .300 CAPÍTULO 7.19) n→∞ n→∞ n2 Este hecho puede comprobarse con facilidad utilizando el Teorema del valor medio    2 n  2 t t n−1 Cn 1 + Cn−1 O 2 − Cn n = C n−1 n O n (1 + ξn ) n n2   1 n−1 = t2 O Cnn−1 (1 + ξn ) .1. (7. (7.

.

h   . in .

.

Ct2 .

.

.

.

n−1 .

.

Cn 1 + Cn−1 O t2 n2 − Cnn .

.

como  .  k ξn k6k Cn−1 k O t2 n2 6 ekAkt/n ekBkt/n O t2 n2 = O t2 n2 (7.1. n n Ahora bien.1.   .1. 6 k Cnn−1 k [1+ k ξn k] n Ct2 n−1 Ct2 kAk(n−1)t/n kBk(n−1)t/n n−1 6 k Cn kn−1 (1+ k ξn k) 6 e e (1+ k ξn(7.   .22) tenemos que  . volviendo a (7.21) k) .23) y. kξn k−1 kξn k(n−1) n−1 (1+ k ξn k) = 1+1 k ξn k−1 → e0 = 1 (7. por tanto.21) deducimos que .1.

.

in . h   .

.

.

.

.

.

.

.

Cn 1 + Cn−1 O t2 n2 − Cnn .

.

19) y (7. .1. 0 6 t 6 T. = O(1/n).1. Conviene hacer las consideraciones siguientes: • La prueba que hemos realizado es válida no sólo para matrices N × N A y B.17) que es el resultado que precisábamos probar. Se aplica también a operadores acotados entre espacios de Banach.24) Se obtiene por tanto (7. (7.1.

1. Algunos ámbitos de aplicación Tal y como hemos mencionado en la introducción de la sección el método de descomposición o de direcciones alternadas descrito es sumamente versátil y puede aplicarse en muy diferentes formas.1).7. Se trata de la denominada fórmula del producto de Trotter ([21]. El método de las direcciones alternadas puede también ser aplicado en este caso. Jacobi. [19]) • Las ecuaciones de Navier-Stokes Otro de los ejemplos más notables lo constituyen las ecuaciones de Navier- Stokes para un fluido incompresible ( ut − ν∆u + u · ∇u = ∇p div u = 0.1. En este caso el sistema es una superposición de las ecuaciones de Stokes lineales ( ut − ν∆u = ∇p div u = 0 y de las ecuaciones de Euler para un fluido perfecto ( ut + u · ∇u = ∇p div u = 0. 7. sec. no solamente en el ámbito de la resolución de un sistema lineal de EDO de la forma (7. el método puede aplicarse en cualquier sistema en el que estén presentes subsistemas de naturaleza diversa. [26]. De manera general.4. EL MÉTODO DE LAS DIRECCIONES ALTERNADAS 301 • Este resultado puede también generalizarse al marco de los operadores m- disipativos que generan semigrupos que permiten abordar la resolución de EDP. vol. . etc. VIII.8).1.1. ([14]. Mencionemos algunos ejemplos: • Resolución de sistemas algebraicos Buena parte de los métodos de descomposición o “splitting” para la reso- lución de sistemas lineales de la forma Ax = b están basados en la idea de descomponer la matriz A de un modo u otro y proceder a aproximar la solución x mediante la resolución iterada de un sistema simplificado. Es el caso por ejemplo de los clásicos métodos iterativos de Gauss-Seidel.

Courant y D. de modo que la resolución del subsistema correspondiente a cada subdominio sea más sencilla. MÉTODOS DE DESCOMPOSICIÓN • El sistema de la termoelasticidad En este caso el sistema es de la forma ( utt − µ∆u − (λ + µ)∇ div u + α∇θ = 0 θt − ∆θ + β div ut = 0 en el que se observa el acoplamiento de una ecuación de tipo ondas (el sistema de Lamé en elasticidad) con la ecuación del calor. • El método de la descomposición de dominios Una de las variantes más útil del método de las direcciones alternadas es el de la descomposición de dominios. con fronteras regulares compuestas por un número finito de componentes y que se intersequen con ángulo no nulo.302 CAPÍTULO 7. La idea de base consiste simplemente en descomponer el dominio en subdominios más pequeños y de propiedades geométricas más homogéneas. el mismo problema puede resolverse en el dominio total Ω. . Descomposición de dominios en 1 − d Consideremos un dominio acotado y regular Ω de RN y una descomposición en dos subdominios Ω− y Ω+ con intersección no vacía. cuadrados. Este método fue ideado en un principio para calcular las soluciones en otros dominios que no fuesen esferas. etc. En la actualidad el método se utiliza de manera profusa como herramienta básica de aproximación y simulación numérica. mediante un método iterativo de direcciones alternadas. Este método es debido en sus orígenes a H.. 7. 4 del volumen II del libro de R. Schwarz. En la próxima sección haremos una breve presentación del mismo inspirándonos en el capítulo IV. en los subdominios Ω− y Ω+ .2. Hilbert [6]. por ejemplo el problema de Dirichlet para el Laplaciano.A. La idea es probar que a partir de la resolubilidad de una ecuación. donde las funciones de Green (y por tanto las soluciones) podían calcularse explícitamente. Se trata de un método muy versátil aplicable de manera sistemática en “todo” sistema de EDP definido en un dominio de RN . Nuevamente es preciso establecer una iteración alternada y eso exige introducir condiciones de contorno adecuadas en las interfases entre uno y otro dominio que garanticen la convergencia.

2. siendo u2− la nueva solución de (7. El método consiste en resolver de manera alternada los sistemas reducidos (7.3) con dato β = u1− (−1/2). DESCOMPOSICIÓN DE DOMINIOS EN 1 − D 303 Con el objeto de presentar el método consideremos el caso en que el dominio Ω = (−1. u− (1/2) = α ( −u+.2) y otra uk+ de soluciones de (7. • Etapa 2.1) en (−1.2.3) de la primera etapa re- solvemos (7. Inicialización.2.2. La clave de la convergencia del método está en probar que uk− y uk+ convergen cuando k → ∞ a la solución de (7.1). −1 < x < 1/2 (7. En este caso los subdominios . El método que acabamos de describir no es más que una de las numerosas va- riantes del método de descomposición de dominios.3) para obtener una sucesión cuyo límite sea la solución de (7. por ejemplo.2) con α = u1+ (1/2) y posteriormente (7.2.2).7.2.2) u− (−1) = 0.2. para definir la iteración tenemos que establecer el valor de α y β que imponemos en los extremos x = 1/2 y x = −1/2 respectivamente. 1/2) y (−1/2. siendo u1− la solución obtenida de (7.2. Una posible iteración es la siguiente: • Etapa 1.2.2) y (7.2) con α = 0 y posteriormente (7. Ω− = (−1.2.2. • Siguientes etapas Iterando este proceso obtenemos una sucesión uk− de soluciones de (7.2.3) u+ (−1/2) = β.2.1) u(−1) = u(1) = 0 y las ecuaciones en los subdominios ( −u−.xx = f. Consideramos la ecuación ( −uxx = f −1 < x < 1 (7.xx = f.3) con β = u2− (−1/2). Con el valor u1+ obtenido en la solución de (7. 1/2) y Ω+ = (−1/2.2. Resolvemos en primer lugar (7. Obviamente. 1) respectivamente cuando k → ∞. De este modo calculamos u2− y u2+ .2. 1) y los subdominios son. 1).2).2.2. −1/2 < x < 1 (7. u+ (1) = 0.3).

Sería el caso por ejemplo si Ω− = (−1.3) satisface M | u(x) |6 (1 − x2 ). 1) y denotando por M su norma tenemos que la solución de (7. 0) y Ω+ = (0.4) 2 lo mismo ocurre para cada una de las soluciones uk− y uk+ en los subdominios . 1/2). Suponiendo que f ∈ L∞ (−1.2. El principio del máximo es muy útil para probar la convergencia del método en este caso particular. MÉTODOS DE DESCOMPOSICIÓN se superponen o solapan teniendo como intersección el subintervalo (−1/2.2. En otras de las variantes los dominios no se superponen sino que dividen al do- minio Ω compartiendo únicamente una interfase. 1).304 CAPÍTULO 7. En este caso sin embargo es preciso elegir las condiciones de transmisión en la interfase (x = 0 en el presente caso) de manera adecuada para garantizar la convergencia del método. (7.

k.

.

k.

M .

u .

. .

u .

2 Este argumento puede también aplicarse en varias dimensiones espaciales. w(1) = α+ .5) es fácil deducir que uk− (resp. de (7. El punto clave de la prueba de la convergencia consiste en probar que los dos límites coinciden en el subintervalo común (−1/2.2.2. 1)).2. puesto que es ésto lo que garantiza que el solapamiento de los dos límites sea la solución de (7.7) ha de satisfacer ( −wxx = 0 −1 < x < 1 (7. 1/2).2.6) donde f˜ es la extensión por cero de f fuera del intervalo (−1. Entonces w =u−v (7. uk+ ) está acotada en H 1 (−1.2. 1) por ejemplo. Sus límites débiles son obviamente solu- ciones de la ecuación en los subintervalos correspondientes. 1/2) (resp.5) − + 2 Estas acotaciones permiten garantizar que.1). 1). Pero la convergencia puede analizarse de manera mucho más precisa. H 1 (−1/2. 6 (1 − x2 ). las suce- siones uk− y uk+ convergen cuando k → ∞ en la topología débil de L2 (−1.2. . (7.2. Con el objeto de resolver este último problema sustraemos a la solución u de (7.1) una solución cualquiera del problema en toda la recta real2 −vxx = f˜ en R.8) w(−1) = α− . (7.   En efecto. extrayendo subsucesiones.

El punto clave de la demostración de convergencia consiste en observar que .8) con- sideramos los dos subsistemas ( −w+.2.2. obtenemos dos sucesiones w− k>1 y w+ k>1 . w− (1) = α+ .2.2.2. Conviene señalar que el cambio de variables (7.2.6)-(7.2.xx = 0. w+ (1/2) = β+ y ( −w−.1) a (7.9) y (7. −1 < x < 1/2 (7.2.2.xx = 0.10) tal y como indicamos  k  k más arriba. Con el objeto de aplicar la iteración en direcciones alternadas a (7.2. −1/2 < x < 1 (7.10) w− (−1/2) = β− .8) puede también aplicarse en varias dimensiones espaciales puesto que la solución del problema de Laplace en RN puede calcularse fácilmente por convolución con la solución fundamental. Es en este marco en el que aplicamos el método de descomposición de domi- nios.9) w+ (−1) = α− .7. Iterando y alternando la resolución de (7. DESCOMPOSICIÓN DE DOMINIOS EN 1 − D 305 con valores a y b unívocamente determinados por la solución v en la recta real.7) que permite pasar del problema (7.

k+1 .

.

k+1 .

.

w+ (1/2) − w+ k (1/2).

6 ℓ .

w− (−1/2) − w− k (−1/2).

12) y que. . simultáneamente.2.11) con 0 < ℓ < 1. (7.2. (7.

k+1 .

.

k .

.

w− (−1/2) − w−k (−1/2).

6 ℓ .

w+ k−1 (1/2) − w+ (1/2).

11) y (7.2.13) deducimos que .2. (7. .13) De (7.2.

k+1 .

.

k .

.

w+ (1/2) − w+ k (1/2).

6 ℓ2 .

w+ k−1 (1/2) − w+ (1/2).

1 Figura 7. 1). [ ] -1 x+ 0 x.1: Descomposición de dominios 1 − d: Ω− = (−1. Ω+ = (x+ .2.14) uk− (−1) = α− . Procedemos entonces con la iteración ( ′′ − uk− = 0 k−1 (7. x− ). uk− (x− ) = u+ (x− ) . .

(7. puede desarrollarse también en el caso de un dominio general en varias dimensiones espaciales. uk+ (1) = α+ .306 CAPÍTULO 7.20) x+ − 1 Por tanto .2. tal y como veremos más adelante. + + − + + Las soluciones de estos problemas pueden calcularse de manera explícita aunque ésto no sea necesario para la prueba de la convergencia de las soluciones.2. Analizamos ahora las diferencias k v− = u − uk− . v+ k = u − uk+ (7.16) que satisfacen    − v− k ′′ =0 (7.15) uk+ (x+ ) = uk− (x+ ).17)  v k (−1) = 0.2. v k (x ) = u(x ) − uk−1 (x ) = v k−1 (x ) − − − − + − + −    − v+ k ′′ =0 (7. Tenemos v k−1 (x− )(x + 1) k v− (x) = + (7.18)  v k (x ) = v k (x ).2.2. MÉTODOS DE DESCOMPOSICIÓN ( ′′ − uk+ = 0 (7. puesto que.19) x− + 1 k k v− (x+ )(x − 1) v+ (x) = . v k (1) = 0.2.

.

.

k .

.

k−1 .

.

k−1 .

.

v− (x+ ).

= v+ (x− ) | 1 + x+ |= .

v+ (x− ).

2.2. γ1 (7.21) 1 + x− con | 1 + x+ | γ1 = (7.22) | 1 + x− | y .

k .

.

k .

| x− − 1 | .

k .

.

v+ (x− ).

= .

v− (x+ ).

= .

v− (x+ ).

2.24) 1 − x+ De este modo obtenemos .2. γ2 (7.23) 1 − x+ con 1 − x− γ2 = . (7.

k .

.

k−1 .

.

v− (x+ ).

= .

v− (x+ ).

25) y por tanto . γ1 γ2 (7.2.

k .

.

1 .

.

0 .

.

v− (x+ ).

= (γ1 γ2 )k−1 .

v− (x+ ).

= γ1 (γ1 γ2 )k−1 .

v+ (x− ).

.

3. De modo análogo . DESCOMPOSICIÓN DE DOMINIOS PARA LAS DIFERENCIAS FINITAS 1−D307 siendo v+ 0 (x− ) un valor cualquiera de inicialización del método.7.

k .

.

.

.

v (x− ).

= (γ1 γ2 )k .

v 0 (x− ).

2.26) + + Basta entonces comprobar que γ1 γ2 < 1 (7. .27) para asegurarse de que v+k (x− ) y v−k (x+ ) convergen exponencialmente a cero cuando k → ∞. A partir de este hecho es fácil deducir la convergencia de la solución puesto que .2. (7.

.

.

.

.

.

k .

.

.

k−1 .

.

.

v− .

.

∞ 6 .

v+ (x− ).

(7.28) L (−1. x− ) y .2.

.

.

.

.

.

k .

.

.

k .

.

.

v+ .

.

6 .

v− (x+ ).

1) Comprobamos finalmente (7.1):   2uj − uj+1 − uj−1 = fj .3. x− ). 7. Cuando f es continua podemos tomar fj = f (xj ) mientras . Basta para ello comprobar que γ1 . Consideramos en primer lugar las aproximaciones numéricas finitas 1 − d. uj representa una aproximación numérica de la solución u de (7. N  h2 (7. la velocidad de convergencia del método tse incrementa. j = −N.2.1)   u =u −N −1 =0 N +1 donde h > 0 es un parámetro destinado a tender a cero. . Pero esto es obvio puesto que γ1 y γ2 no representan más que la longitud relativa de los subintervalos que en cada subdominio Ω− y Ω+ quedan fuera del intervalo de solapamiento (x+ .27). (7. a medida que el intervalo en el que se tiene solapamiento aumenta.3.2. γ2 < 1. puede adaptarse para abordar el caso de varias dimensiones espaciales y el caso de aproximaciones numéricas.2. N ∈ N es tal que N h = 1. mediante la utilización del Principio del Máximo.2.29) L∞ (x+ .1) en xj y fj de f (xj ). Descomposición de dominios para las dife- rencias finitas 1 − d Consideramos ahora el esquema en diferencias finitas de tres puntos para la aproximación del problema de Dirichlet (7. Así. · · · . Conviene señalar que esta prueba.

(7.3) Aquí y en lo sucesivo u = u(x) denota la solución del problema continuo.308 CAPÍTULO 7. Sean ℓh. Lo hacemos del siguiente modo.2). Para ello descomponemos el conjunto de índices discretos en dos subdominios. MÉTODOS DE DESCOMPOSICIÓN que si f es simplemente integrable podemos elegir la media de f en el intervalo (−xj − h/2. · · · . El método de descomposición de dominios se adapta sin dificultades al caso de la ecuación discreta (7. · · · . Tene- mos en este caso   2uj − uj+1 − uj−1 = 0. · · · .− y ℓh. es decir.2.+ los índices tales que x− = ℓh.3. la solución discreta. x+ = ℓh. ~uh es el vector que representa la solución del problema numérico ~uh = (u−N . −N −1 − u =α .3.3. -1 x+ 0 x. u0 . N +1 + Es bien conocido que el esquema de tres puntos es consistente de orden 2 de modo que k u − ~uh k∞ 6 Ch2 . En virtud de (7. N  h2 (7.2). ~uh .4) y k · k∞ denota la norma ℓ∞ discreta sobre los puntos {xj }−N 6j6N del mallado. (7.- Figura 7.3. xj + h/2) como aproximación de f en fj .− h.2)   u =α . 1) en la aplicación del método de descomposición de dominios. El mismo esquema puede utilizarse para la aproximación u de (7.3. uN ) (7. proporciona una buena apro- ximación de la solución continua.5) siendo x− y x+ los extremos interiores de los subdominios Ω− y Ω+ en los que descomponemos el dominio global (−1. .2: Descomposición de dominios en el mallado discreto.+ h.3.3). 1 j=-N-1 j= l j=0 j= l j=N+1 h. j = −N. como valor de fj .+ h.

DESCOMPOSICIÓN DE DOMINIOS PARA LAS DIFERENCIAS FINITAS 1−D309 Consideramos ahora los dos subproblemas  k k k  2u−.+ 6 Ch2 + Cγ k .j+1 − u+.j − u−.j+1 − u−.+ 6 j ≤ N h2 (7.3.3.15).2.2) y las soluciones ~u− y ~uk+ de los subproblemas (7.N +1 = α+ .3.11) obtenemos k u − ~ukh. Se trata de los análogos discretos de (7.3.6)   k k−1 u−.j−1 = 0.ℓh. Combinando la estimación (7.−N −1 = α− .− + k u − ~ukh.3.  ℓh.3. (7.+ k∞.  −N 6 j 6 ℓh.11) donde k · k∞.+ 6 Ch2 .3.j−1 = 0.7)   k u+. Esto es así porque tanto ~v− k como ~v+ k son soluciones de los problemas 2vj − vj+1 − vj−1 =0 (7. Para ello omitimos en lo sucesivo el subíndice h en la notación y definimos ~v−k y ~v+ k como la diferencia entre la solución discreta ~u de (7.+ . (7.± denotan las normas ℓ∞ discretas en los subdominios ± corres- pondientes.10) y (7.h k∞.12) Esto permite cuantificar la convergencia del genuino método numérico que consiste en aplicar el método de descomposición de dominios en el esquema discreto de aproximación numérica.3.3.3.8) h2 y estas a su vez son funciones afines vj = ajh + b.− 6 Ch2 (7. uk+.14) y (7. (7.− = u+.− k∞.3.9) donde las constantes a y b son las que permiten ajustar las condiciones de Dirichlet en los extremos del intervalo en cuestión. independiente de h.3.h k∞.ℓ h.+ = uk−.ℓh. Procedemos como en el caso continuo.3.7. k El mismo argumento del caso continuo se aplica y obtenemos exactamente la misma tasa de convergencia cuando k → ∞. u−.2. . Comprobamos ahora la convergencia exponencial de uk− y uk+ a los valores correspondientes de la solución numérica ~uh en ℓ∞ .ℓh.7).− − 1 h2 (7.j − u+.3. De este modo deducimos la existencia de una constante C > 0 y otra γ < 1 de modo que k ~uh − ~uk−.10) k ~uh − ~uk+.6) y (7.3) y (7.− y  k k k  2u+.

7.310 CAPÍTULO 7.2) y por otra.4. (7.3.4.1) es obvio que en ella subyacen dos modelos.4. “Splitting” En esta sección analizaremos brevemente los métodos de splitting para la resolución de la ecuación de Burgers viscosa  ut − νuxx + u2 x = 0. n o De este modo nos aseguramos que el par ~ukh00. (7. la ecuación de Burgers sin viscosidad  ut + u2 x = 0. MÉTODOS DE DESCOMPOSICIÓN Así si el error admisible es ε > 0. Buena parte de las ideas que aquí introduzcamos serán útiles también en el contexto de las ecuaciones más realistas y complejas de las ecuaciones de Navier-Stokes con viscosidad.− . (7.4.1) A lo largo de esta sección suponemos que ν > 0 está fijado. . ~ukh00. Por una parte la ecuación del calor ut − νuxx = 0 (7. en virtud de (7.+ proporciona una apro- ximación de la solución u = u(x) del problema continuo u = u(x) con error inferior a ε.4. En este tipo de situaciones en los que el modelo en consideración incorpora dos subsistemas bien reconocibles es natural utilizar métodos de descomposi- ción o “splitting” que permiten obtener la solución del sistema global a partir de la solución de cada subsistema y por otra parte aplicar a cada uno de los subsistemas un método numérico específico. En vista de la propia estructura de la ecuación (7.12) elegimos h0 > 0 suficientemente pequeño tal que Ch20 6 ε/2.13) Una vez realizada esta elección de h0 elegimos k0 tal que Cγ k0 6 h0 .4. esto ha quedado clara- mente de manifiesto habiéndose comprobado que la solución de (7.3) De hecho.1) incorpora tanto efectos viscosos como convectivos. a través de la transformación de Hopf-Cole.3.

En particular presentamos el Teorema de Lie que demuestra que para dos matrices n × n A1 y A2 cualesquiera se tiene  j eA1 +A2 = lı́m eA1 /j eA2 /j . “SPLITTING” 311 En las notas [34] describíamos algunas ideas básicas de los métodos de des- composición. Esto resulta de utilidad a la hora de resolver la ecuación diferencial   x′ = A1 + A2 x.4.4. (n + 1)∆t]. El tipo de esquemas de descom- posición que vamos a utilizar se basan en la utilización de un nodo adicional (o varios). haciéndose necesaria la utilización de ideas propias de los semigrupos no-lineales. (7.1) puede también entenderse como un problema de la forma (7.6) La ecuación de Burgers viscosa (7.4.7. incluso en el marco no-lineal en el que la teoría clásica de semigrupos lineales no se aplica. veamos (7. (n + 1)∆t]. como es habitual. Tal y como veremos. clásicos y bien comprendidos en el marco de las EDOs.5) como un sistema en el que domina A1 o A2 . si bien en este caso la incógnita u = u(x.5). En la sección siguiente analizaremos la validez de las discretizaciones tem- porales a la hora de aproximar las soluciones de EDP de evolución.4. . la derivada x′ (t) por un cociente incremental en el intervalo [n∆t. este tipo de métodos. de modo que en cada subintervalo [n∆t. (n + 1/2)∆t] y [(n + 1/2)∆t. t) es. por ejemplo en el punto medio (n + 1/2)∆t.4.5) que puede discretizarse en tiempo con paso ∆t sustituyendo.4) j→∞ con independencia de que A1 y A2 conmuten o no. una función que depende de x y que por tanto pertenece a un espacio de dimensión infinita. t ∈ R. A1 es el operador diferencial A1 u = ∂x2 u y A2 es el operador no-lineal A2 u = −(u2 )x . (7.4. es también de aplicación en EDPs.4. En esta sección vamos a introducir esquemas de descomposición para las versiones discretas de estas ecuaciones. Consideramos por tanto el modelo (7. x(0) = x0 .5) puesto que su solución es de la forma x(t) = e(A1 +A2 )t x0 . (7.4. para cada t > 0.

(7. Peaceman-Rachford Introducimos en primer lugar el esquema de Peaceman-Rachford:  0   x = x0      xn+1/2 − xn = A1 xn+1/2 + A2 xn (7.4.4. · · · .10) Como λj ≤ 0.1. nos apoyamos principalmente en uno de los operadores A.13) con α > 0.4. x(0) = x0 . En cada caso sin embargo. j = 1.4.14) . las soluciones son combinaciones lineales de soluciones elementales de la forma x(t) = eλj t ej . (7. una primera vez al pasar de xn a xn+1/2 y después al pasar de xn+1/2 a xn+1 . (7. · · · .4.4.11) para toda solución. Descomponemos ahora la matriz A como A = αA + βA (7. N vemos. MÉTODOS DE DESCOMPOSICIÓN 7. (7. Con el objeto de entender el efecto que este esquema de descomposición tiene sobre un sistema consideremos el caso del sistema más sencillo posible x′ (t) = Ax(t). eN los corres- pondientes autovectores. j = 1. ∀t ≥ 0. β > 0.4. (7.8) siendo A una matriz simétrica definida negativa para la que la solución es de la forma x(t) = eAt x0 .9) Si λ1 .12) de modo que A1 = αA.4.312 CAPÍTULO 7. · · · .7)  ∆t/2     n+1 − xn+1/2  x  = A1 xn+1/2 + A2 xn+1 . λN son los autovalores de la matriz A y e1 . (7. N.4. · · · . obviamente que | x(t) |≤| x0 |. A2 = βA. t > 0. α + β = 1. ∆t/2 Vemos que el esquema así obtenido es doblemente implícito. B consi- derando al otro como una perturbación que incorpora la información del paso anterior.

“SPLITTING” 313 Aplicando el esquema de descomposición (7. 1− 2 αλj 1− 2 βλj Teniendo en cuenta que . 2 2 2 2 Cuando aplicamos esta identidad en la dirección de cada uno de los vectores propios ej .e.7) obtenemos  −1   −1   ∆t ∆t ∆t ∆t xk+1 = I − βA I+ αA I− αA I+ βA xk . deducimos que !k !k ∆t ∆t 1+ 2 αλj 1+ 2 βλj xkj = ∆t ∆t ej .4. i. con x0 = ej .7.4. 2 2 2 2 Iterando esta identidad obtenemos  −k  k  −k  k ∆t ∆t ∆t ∆t xk = I − βA I+ αA I− αA I+ βA x0 .

.

.

1 + ξ .

.

.

.

1 − ξ .

∀ξ < 0 deducimos la estabilidad del esquema puesto que . ≤ 0.

k.

.

xj .

∀j = 1. j = 1. ∀k ≥ 0. la solución discreta también reproduce este compor- tamiento puesto que . · · · . N. N . · · · . Además en el caso en que λj < 0. ≤| ej |. en el que x(t) → 0 cuando t → ∞ exponencialmente.

.

.

.

.

1 + ∆t αλ .

.

1 + ∆t βλ .

.

2 j.

.

2 j.

.

.

< 1. .

.

· · · . . j = 1. N. < 1.

1 − ∆t 2 λj .

.

1 − ∆t 2 βλj .

Con el objeto de estudiar más en detalle este esquema introducimos la fun- ción racional ! ! 1 + αξ 2 1 + βξ 2 R1 (ξ) = 1 − αξ 2 1 − βξ 2 que admite. el desarrollo de Taylor ξ2  ξ3 R1 (ξ) = 1 + ξ + + α2 + β 2 + αβ + O(1)ξ 4 2 4 mientras que la función exponencial que interviene en la resolución de la ecuación diferencial tiene el desarrollo ξ2 ξ3 eξ = 1 + ξ + + + O(ξ 4 ). 2 6 De estos dos desarrollos de Taylor se deduce que el esquema es consistente de orden dos para cualquier elección de los parámetros 0 < α. en un entorno de ξ = 0. β < 1 tal que .

h2 j) pertenece al dominio Ω y (i. (7.j +  h2 + h2 = 0.4. h2 el del mallado en la dirección x2 . t > 0 (7. j) ∈ ∂Ω para los puntos del mallado que están sobre la frontera ∂Ω.j . El esquema semi-discreto más elemental para la aproximación numérica de este sistema es el que se obtiene al utilizar el esquema de aproximación de cinco puntos para el Laplaciano. Obtenemos así:  2ui. El único inconveniente de este método es su falta de estabilidad absoluta o de estabilidad stiff que se pone de manifiesto en el hecho que R1 (ξ) → 1 cuando ξ → −∞.i. El esquema es por tanto convergente de orden 2. j) ∈ Ω. Denotando mediante Uh el vector incógnita (ui. Analicemos el caso en que Ω ⊂ R2 .j − ui+1.16) En estas expresiones utilizamos las notaciones habituales. esto indica que la velocidad exponencial de convergencia se pierde a medida que |∆t| aumenta. t > 0 u=0 sobre ∂Ω.j − ui−1.j 2ui. es preciso aproximar la frontera ∂Ω mediante una frontera embebida en el mallado. (i. j) ∈ ∂Ω. j) ∈ Ω.j la aproximación de la solución u en el punto (h1 i. (i. h2 j). 0) = u0 (x) en Ω. Esto es rigurosamente válido cuando toda la frontera ∂Ω está constituida por puntos del mallado. (i. MÉTODOS DE DESCOMPOSICIÓN α + β = 1.j−1  (i. el esquema numérica es incapaz de reproducir la dinámica de la EDP en la que a medida que |λ| aumenta. En el caso general.15)   u(x. ui.314 CAPÍTULO 7. Sea cual sea el valor de ∆t > 0 elegido. 1 2   ui. la estabilidad exponencial de las soluciones de acentúa. Consideremos por ejemplo el problema de Dirichlet para la ecuación del calor:    ut − ∆u = 0 en Ω. por pequeño que este sea.j (0) = u0.j − ui.j = 0. de modo que h1 denota el paso del mallado en la variable x1 . j ) que contiene todos los .j+1 − ui. Como ξ juega el papel de ∆tλ. La menor diferencia en el término de orden 3 se produce para la elección α = β = 1/2. Pero esto es inevitable en el marco de las ecuaciones parabólicas en las que típicamente λ recorre una sucesión infinita que tiene a −∞. t > 0  ui.4. El método de Peacema-Rachford que acabamos de describir es uno de la amplia familia de métodos de descomposición o de direcciones alternadas cuyo abanico de aplicaciones es muy amplio. j) ∈ Ω los índices tales que el punto correspondiente del mallado (h1 i. t > 0  ui.

Se trata por tanto de sistemas tridiagonales fáciles de resolver. Pero esto sólo es cierto cuando el sistema considerado es . ∆t/2 El sistema (7.4. pero puede también utilizarse de manera asimétrica.4. Se observa por tanto que xn+1/2 = xn+1 + xn 2. Pero volvamos al sistema abstracto general (7. Pero podemos también aplicar el esquema de Peaceman- Rachford que se puede escribir de manera sintética como sigue   n+1/2   Uh − Uhn   = A1h U n+1/2 + A2h U n ∆t/2 (7.7).7. Este método se denomina de direcciones alternadas puesto que la ecuación del calor 2−d se aproxima mediante la resolución iterada de ecuaciones del calor alternadamente en las variables x1 y x2 . En (7.4. lo cual a su vez implica que   xn+1 − xn xn+1 + xn =A .8) y a su discretización (7.5) los operadores A1 y A2 juegan papeles totalmente simétricos.18)   U n+1 − U n+1/2   h h n+1/2 n+1  = A1h Uh + A2h Uh .4.17)   U (0) = U . ∆t 2 Tomando A1 = 0 y A2 = A en la descomposición llegamos exactamente a la misma expresión. Este sistema puede aproximarse mediante los esquemas de discretización temporal clásicos como son los esquemas de Euler explícitos e implícitos o el de Crank-Nicolson. el sistema (7.4.18) consiste esencialmente en dos sistemas desacoplados.16) puede escribirse en la forma   dUh + A1h Uh + A2h Uh = 0. En efecto.4.4. tanto la matriz A1h como A2h que intervienen en cada uno de ellos son las ma- trices habituales en la discretización numérica de la ecuación del calor 1 − d.4.4. 0 donde A1h y A2h son los análogos discretos de ∂ 2 /∂x21 y ∂ 2 /∂x22 . respectivamen- te.4.8) con A1 = A y A2 = 0 obtenemos xn+1/2 − xn = Axn+1/2 ∆t/2 xn+1 − xn+1/2 = Axn+1/2 . h h.7) para la aproximación de (7. “SPLITTING” 315 valores numéricos. ∆t/2  . t > 0  dt (7. seme- jantes a los que se obtienen al discretizar la ecuación del calor 1 − d. Por ejemplo si aplicamos (7.

(n + 1)∆t + A2 x n+1 . sino también que A sea lineal.4.20) ∆t 2 Un análisis más cuidadoso indica que.19) ∆t 2 2 la segunda proporciona xn+1 − xn 1  = A(nt)xn + A((n + 1)∆t)xn+1 .4. n∆t) + A xn+1 . (n + 1/2)∆t   2       n+1 n n+1/2 1 (7. siendo xn+1 la aproximación del estado x en el tiempo posterior y x̂n+1 un valor auxiliar. ∆t La convergencia de este esquema es conocida en un contexto muy general de operadores monótonos A1 y A2 .2. como en el caso anterior. Analicemos. (n + 1)∆t .22) 2 respectivamente. MÉTODOS DE DESCOMPOSICIÓN autónomo. n∆t) ∆t (7. . (n + 1)∆t + A2 (xn . (7. que el sistema sea autónomo.4. Se trata pues de esquemas semi-implícitos de Runge-Kutta de orden 2. En efecto. para que ambos esquemas coincidan.20) es obvia. mientras que la primera elección conduce al sistema     n+1  xn+1 − xn 1 x + xn =A n+ ∆t (7.4.21)  x = x + ∆tA x . n + ∆t   2     = xn + 2 xn+1/2 − xn y ∆t   xn+1 = xn + A (xn .4. calcula el valor de x̂n+1 y xn+1 . (n + 1)∆t .4. Ambos esquemas son esquemas de tipo Crank-Nicolson y son de orden dos cuando el operador A es suficientemente regular tanto en t como en x. (7. cuando el operador A depende también de t. Tene- mos por ejemplo el esquema de Douglas-Rachford que. i. la convergencia en el caso más sencillo en que A es una matriz simétrica N × N . 7. En el caso en que A sea no-lineal la diferencia entre (7. no sólo es necesario que A sea independiente de t.19) y (7.316 CAPÍTULO 7. Douglas-Rachford Existen otras variantes del esquema de descomposición considerado. El esquema es de la forma  n+1  x̂ − xn    = A1 x̂n+1 .4. Estos esquemas pueden también escribirse como  ∆t  n+1/2    xn+1/2 = xn + A x .4.e. conocido xn .23)   x n+1 − xn    = A1 x̂ n+1 .

o.4. · · · . xn+1 = (I − β∆tA)−1 (I − α∆tA)−1 (I − αβ | ∆t |2 A2 )xn . se deduce que .12). “SPLITTING” 317 En este caso obtenemos. lo que es lo mismo. xn = (I − β∆tA)−n (I − α∆tA)−n (I − αβ | ∆t |2 A2 )x0 . Aplicando el esquema en cada una de las direcciones propias de la matriz A deducimos que k 1 + αβ | ∆t |2 λ2j xkj = x0j . (1 − αξ)(1 − βξ) Como 0 < R2 (ξ) < 1 para todo ξ < 0.4. N.7. j = 1. con la descomposición (7. k ≥ 1. (1 + α∆tλj )k (1 + β∆tλj )k La funcional racional asociada al esquema es por tanto en este caso 1 + αβξ 2 R2 (ξ) = .

k.

.

0.

.

xj .

≤ .

xj .

Este esquema es más fácil de generalizar al caso de descomposiciones en un mayor número de operadores que el esquema de Peaceman-Rachford. Nuevamente tenemos que R2 (ξ) → 1. .4. N. k ≥ 1. Sin embargo. ξ → −∞ lo cual indica que el esquema tendrá un mal comportamiento para los sistemas “stiff” en lo que respecta la estabilidad absoluta. ∀j = 1. Si en (7. lo cual implica la estabilidad incondicional del esquema. · · · . . obtenemos en ambos casos el esquema de Euler implícito. como R2 (ξ) = 1 + ξ + ξ 2 + O(ξ 3 ) se observa que este esquema de Douglas-Rachford es sólo consistente de orden 1.23) tomamos A1 = 0 y A2 = A o A1 = A y A2 = 0. Conviene observar que en este esquema los papeles jugados por A1 y A2 no son simétricos.

4.4.26) (1 − αθ∆tλj )2k (1 − βθ′ ∆tλj )k La función racional característica del esquema es por tanto en este caso (1 + βθξ)2 (1 + αθ′ ξ) R3 (ξ) = . xk+1−θ y xk+1 del siguiente modo:  k+θ  x − xk    = A1 xk+θ . ∀ξ ∈ R− .4. k∆t). θ∆t (7. La estabilidad incondicional del esquema exige que |R3 (ξ)| ≤ 1. (n + 1)∆t + A2 xk+1−θ .   (1 − 2θ)∆t     k+1     x − xk+1−θ = A1 xk+1 .318 CAPÍTULO 7.4.4. (k + θ)∆t + A2 (xk . (k + 1 − θ)∆t .4. 1/2). θ-método Consideramos por último el θ-método introducido por Glowinski. (7.31) .25) donde θ′ = 1 − 2θ.4.4. α y β están en el rango θ ∈ [1/4. α + β = 1.24) Conviene distinguir este esquema del habitual θ-esquema. (k + 1 − θ)∆t . de modo que (1 + βθ∆tλj )2k (1 + αθ′ ∆tλj )k xkj = ej . Analicemos el esquema (7.4. (7.28) ξ→−∞ para alcanzar la estabilidad del esquema es necesario imponer la condición α ≥ β y la condición α > β para alcanzar la estabilidad absoluta. Tenemos en este caso xk+1 = (I − αθ∆tA)−2 (I + βθ∆tA)2 (I − βθ′ ∆tA)−1 (I + αθ′ ∆tA)xk .29) Un análisis más cuidadoso permite probar que |R3 (ξ)| < 1.3. ∀ξ ∈ R− (7.24) en el caso en que A es una matriz simétrica.30) se verifica al menos siempre y cuando θ.   θ∆t    k+1−θ   x − xk+θ = A1 xk+θ . (7. intermedio entre los esquemas de Euler explícito e implícito.4. calculamos xk+θ . (k + θ)∆t + A2 xk+1−θ . (7. (7. (7. MÉTODOS DE DESCOMPOSICIÓN 7. Supuesto conocido xk .27) (1 − αθξ)2 (1 − βθ′ ξ) Como lı́m Rξ (3) = β/α. 0 < β < α < 1.

es conveniente que en cada una de las tres ecuaciones de (7.33) o bien √ θ = 1 − 1/ 2. . (7. Conviene pues elegir θ según (7.4.5. y describamos el algoritmo de aplicación del MDD. β = θ (1 − θ). Descomponemos el dominio Ω en dos subdominios Ω− y Ω+ de Ω que cubren Ω con una zona de solapamiento Ω− ∩ Ω+ como se indica en la siguiente figura. 7.34) Si se elige α = β = 1/2 se pierde la estabilidad absoluta. ) de modo que para θ∗ < θ < 1/3 el esquema es incondicionalmente y absoluta- √ mente estable.5. A la hora de aplicar el θ-método en el contexto de las EDP.4.5. (7. Con la elección θ = 1 − 1/ 2 = 0. (7. · · · . Un análisis más cuidadoso muestra la existencia de θ∗ (θ∗ = 0.4. α = (1 − 2θ)/(1 − θ).292893219 · · · se garantiza asimismo que el esquema sea de orden dos.36) Combinando (7.4.34). Descripción del MDD en varias dimensiones espaciales Consideremos el problema ( −∆u = 0 en Ω (7.32) 2 de modo que el esquema es consistente de orden dos sí y sólo sí α = β = 1/2 (7. (7.4.35) lo cual implica . DESCRIPCIÓN DEL MDD EN VARIAS DIMENSIONES ESPACIALES319 Por otra parte ξ2   R3 (ξ) = 1 − ξ + 1 + (β − α) 2θ2 − 4θ + 1 + O(ξ 3 ).36) con la condición α > β deducimos que 0 < θ < 1/3.087385580.4.4.7.24) la ecuación sea la misma.1) u=g en ∂Ω. Esto conduce a la condición αβ = β(1 − 2θ).4.

3: Descomposición de dominios en dos dimensiones espaciales. W. W+ W+ G+ G- Figura 7. MÉTODOS DE DESCOMPOSICIÓN W W. Definimos entonces la secuencia    −∆uk− = 0 en Ω−    k .320 CAPÍTULO 7.

.

 u− .

=g (7.2) ∂Ω∩∂Ω−   .5.

.

   uk− .

.

= u+  k−1 .

.

Γ− Γ−    −∆uk+ = 0 en Ω+    k .

.

 u+ .

5.3) ∂Ω∩∂Ω+   . =g (7.

.

   uk+ .

.

= uk− .

.

4) este procedimiento da lugar a una sucesión de soluciones  k  u− k>1 ⊂ H 1 (Ω− ). (7. Lo hacemos mediante la aplicación del principio del máximo.5) La inicialización u0+ ∈ H 1/2 (Γ− ) puede por ejemplo obtenerse como restric- ción o traza sobre Γ− de la función u∗ de H 1 (Ω) que prolonga los valores de frontera g al interior de Ω. uk+ k>1 ⊂ H 1 (Ω+ ).6) .  Γ+ Γ+ donde Γ− y Γ+ son respectivamente las partes de las fronteras de Ω− y Ω+ contenidas en Ω. Ω+ ) cuando k → ∞.5. A partir de una inicialización u0+ ∈ H 1/2 (Γ− ) (7.5. v+ k = u − uk+ (7. Pretendemos ahora probar la convergencia de uk− (resp. Definimos k v− = u − uk− .5. uk+ ) a u en Ω− (resp.

7. DESCRIPCIÓN DEL MDD EN VARIAS DIMENSIONES ESPACIALES321 que satisfacen    −∆v− k = 0 en Ω−   .5.

  k.

v− .

7) ∂Ω∩∂Ω−   .5. =0 (7.

.

   k.

 v− k−1 .

.

= v+ .

Γ− Γ−    −∆v+ k =0 en Ω+   .

  k.

v+ .

5.8) ∂Ω∩∂Ω+   . =0 (7.

.

   k.

 v+ k.

.

= v− .

5. Consideramos ahora un problema de la forma (7. Γ+ Γ+ Por el principio del máximo probado en la sección anterior tenemos que k k−1 k v− kL∞ (Ω− ) 6k v+ kL∞ (Γ− ) (7.7) que se verifica en Ω− :    −∆v = 0 en Ω− v=0 en ∂Ω ∩ ∂Ω− (7. . tal y como se indica en la siguiente figura: W. k → ∞.5. W+ G+ G- Figura 7.5.5. (7. W+ W. Consideremos el caso particular en que Γ+ y Γ− son segmentos paralelos.4: Descomposición de dominios con interfases planas paralelas. (7. .9) k k k v+ kL∞ (Ω+ ) 6k v− kL∞ (Γ+ ) .10) Con el objeto de concluir la convergencia es por tanto suficiente probar que k k k v+ kL∞ (Γ− ) + k v− kL∞ (Γ+ ) → 0.12)   v=h en Γ− .11) En este hecho va a jugar un papel determinante el que Γ+ y Γ− estén alejadas la una de la otra.5.

6.13) donde V es la solución de    −∆V = 0 en Ω− V =0 en ∂Ω ∩ ∂Ω− (7.322 CAPÍTULO 7.14)   V =k h kL∞ (Γ− ) en Γ− .5. A su vez. Con el objeto de simplificar la presentación vamos a considerar el caso de un dominio cuadrado en el plano.15) es fácil deducir que se cumple k v kL∞ (Γ+ ) 6 γ k h kL∞ (Γ− ) con 0 < γ < 1. V 6W (7.5. MÉTODOS DE DESCOMPOSICIÓN La clave de la convergencia del método k v kL∞ (Γ+ ) 6 γ k h kL∞ (Γ− ) . En efecto.5. En efecto. al caso de varias dimensiones.6. también por el principio del máximo. aunque las ideas que aquí vamos a desarrollar se adaptan con facilidad al caso de dominios generales en cualquier dimensión.1) . Consideramos por tanto el dominio Ω = (−1. (7. por el principio del máximo. A partir de (7. MDD para las diferencias finitas multi-d En esta sección vamos a extender el estudio realizado de la convergencia del MDD en el marco de las aproximaciones por diferencias finitas en el caso de una dimensión espacial. v6V (7. 1). 1) × (−1. basta de hecho tomar γ = d/D donde d es la distancia entre las dos interfases Γ− y Γ+ y D y la distancia de Γ− al punto de Ω̄− más alejado de Γ− . con 0 < γ < 1 independiente de h que calcularemos de manera explícita.15) donde W = W (x) es la función afín que sólo depende de la variable x′ perpen- dicular a Γ− y tal que W = 0 en el punto de Ω− más alejado de Γ− .5. 7.

k − uj−1.k − uj+1. kh).5: Representaciones de las dimensiones d y D que intervienen en de- terminación de la velocidad de convergencia del MDD. los nodos de la frontera ∂Ω corresponden a los índices j = −(N + 1). Son diversas las pruebas de este hecho. k − uj. lo cual en la práctica supone elegir h de la forma h = 1/(N + 1) donde N es un número natural.4) u=0 en ∂Ω. Es bien sabido que (7.2) con N + 1 = 1/h que supondremos un número entero.k de coordenadas xj.6. N + 1 o k = −(N + 1).3) proporciona una aproximación convergente de orden dos de las soluciones de (7.7. −(N + 1) 6 j.4). Con esta partición.6. .6. N + 1 y k = −(N + 1).6. j. W+ W. una de ellas basada en el principio del máximo discreto que presentaremos en breve (véase [13] para más detalles).k = (jh.k . k+1 − uj. MDD PARA LAS DIFERENCIAS FINITAS MULTI-D 323 W. N + 1. −N 6 j. k−1 = fj.6. k 6 N + 1 (7. Introducimos un mallado de paso h > 0 y los nodos xj. N + 1. k 6 N h2  u = 0 si j = −(N + 1). Introducimos ahora la aproximación por diferencias finitas del problema de Dirichlet en el dominio Ω:   4uj.3) Se trata efectivamente de una aproximación del problema de Dirichlet: ( −∆u = f en Ω (7.6. W+ d G+ G- D Figura 7.k (7.

k − uj+1. k−1 = 0. k (7. k − uj−1. k del mallado.324 CAPÍTULO 7. k }−(N +1)6j. si la ecuación considerada es ( −∆u = 0 en Ω (7. k+1 − uj. Cuando no lo son podemos por ejemplo tomar una media de las mismas en un cuadrado de lado h centrado en dicho nodo. N + 1. k6N h2 MΓ = máx [uj. k+1 − uj. −(N +1)6k6N +1 −(N +1)6j6N +1. k − uj+1.e. con h > 0 fijo.6. k6N h2   4uj. N + 1. k+1 − uj. la función uj. k=−(N +1). k proporcionan aproximaciones de f y g en los puntos xj. escritos en forma matricial. k−1 mΩ = mı́n −N 6j. k 6 N  h2   u = g . k j. Los dos sistemas discretos son de hecho sistemas lineales de N × N ecuacio- nes con N × N incógnitas que. El algoritmo es idéntico al caso de la ecuación de Laplace continua y la demostración de convergencia también. En esta sección vamos a probar la convergencia del método de descomposi- ción de dominios en el caso discreto. Cuando las funciones en cuestión son continuas basta con tomar su valor en dicho nodo. k = −(N + 1). k − uj. j = −(N + 1). k solución del problema discreto proporciona una aproximación de la solución u del problema continuo en los nodos xj. j=−(N +1). k ] . k ] j=−(N +1). j. −(N +1)6k6N +1 −(N +1)6j6N +1. k − uj. k y gj. k6N +1 arbitrario introducimos   4uj. MÉTODOS DE DESCOMPOSICIÓN El problema de Dirichlet con condiciones de contorno no homogéneas puede aproximarse del mismo modo. N +1 mΓ = mı́n [uj. k . k−1 MΩ = máx −N 6j. Con el objeto de presentarlo de manera más sintética dado un vector {uj. Su enunciado es idéntico al del caso con- tinuo.6.6) Aquí y en lo sucesivo fj. k − uj−1. k − uj−1. N +1. −N 6 j. k − uj+1. En ambos casos.5) u=g en ∂Ω entonces el esquema discretizado correspondiente es de la forma   4uj. k − uj. N +1 . i. N +1. k=−(N +1). En efecto. están asociados a matrices simétricas definidas positivas (para un estudio más detallado de estas cuestiones tanto en el marco de la ecuación de Laplace como las de evolución puede consultarse las notas [36]). Basta de hecho aplicar el principio del máximo para la ecuación discreta.

Obviamente el valor de esta función W a lo largo de la interfase Γ+ es entonces Cd/D. MDD PARA LAS DIFERENCIAS FINITAS MULTI-D 325 Entonces. −N 6 j. k 6 N h2  Wj. A partir de este principio del máximo discreto. la convergencia del MDD en el marco discreto puede probarse de manera idéntica a como lo hicimos en el caso continuo.6: Descomposición de un dominio rectangular en subdominios rectan- gulares. para cualquier vector uj. k tales que   4Wj. Supongamos por ejemplo que introducimos las interfases Γ− = {(1/2. −1 6 y 6 1}. k 6 máx [MΩ . k − Wj−1. k 6 N + 1. k tenemos mı́n [mΩ . k − Wj. k−1 = 0. −1 6 y 6 1}: W W. k − Wj+1. Basta por ejemplo considerar una función afín que depende exclusivamente de x1 . y). k = C en Γ− donde C > 0 es una constante arbitraria y de modo que W > 0 en ∂Ω− \Γ− .7.6. −(N + 1) 6 j. . k+1 − Wj. mΓ ] 6 uj. W+ _ G+ G- Figura 7. y Γ+ = {(−1/2. W+ W. Es fácil entonces construir funciones discretas Wj. Este hecho es independiente del valor de h. Utilizando este tipo de función para obtener mayoraciones de las sucesiones de soluciones obtenidas en la aplicación del MDD deducimos con facilidad la convergencia exponencial del método. y). MΓ ] .

k − Vj. h2 Como MΩ 6 0 deducimos que. k+1 . podemos suponer que MΩ 6 0. k > máx {uj+1. k − uj+1. k . Sin pérdida de gene- ralidad. k+1 − uj. Supongamos que se alcanza en un nodo interior (j. k). k−1 . k−1 = −4. uj−1. k + uj−1. y) = x2 + y 2 es tal que 4Vj. k − uj−1. Asimismo. k−1 } .326 CAPÍTULO 7. Esto es fácil de comprobar. basta probar la cota superior. uj. k+1 + uj. Sin pérdida de generalidades podemos entonces conseguir que MΩ ≤ 0 su- mando o sustrayendo a la función u en consideración una constante veces la función parabólica v. k − uj. Basta entonces probar que el má- ximo se alcanza en la frontera. . Consideremos por tanto el caso MΩ 6 0. Entonces uj. necesariamente. k−1 > 0. Iterando el argumento vemos que necesariamente se ha de alcanzar también en el borde. k − Vj−1. uj. k = uj+1. 4uj. h2 para todo j y k. puesto que la inferior se prueba de manera análoga. k . De este modo se obtiene que si el máximo de u se alcanza en un nodo interno se alcanza también en los cuatro vecinos. k+1 − Vj. Basta para ello constatar que la discretización de la función parabólica v(x. tal y como queríamos probar. MÉTODOS DE DESCOMPOSICIÓN Probamos por último el principio del máximo discreto. k + uj. de modo que 4uj. k − Vj+1.

(8. necesariamente satisface I > −∞. que converge débilmente: gn ⇀ g en H. Entonces. que seguire- mos denotanto (gn )n∈N .4) 1 Para una introducción más detallada del método podrán consultarse las notas [36]. El método directo del Cálculo de Variaciones En numerosas ocasiones las soluciones de problemas elípticos pueden obte- nerse mediante el Método Directo del Cálculo de Variaciones (MDCV). Como H es un espacio de Hilbert.1. (8.1. (8. 327 .3) Por la coercividad del funcional J se deduce que (gn )n∈N está acotada en H. el funcional alcanza su mínimo en al menos un punto del espacio: ∃h ∈ H : J(h) = mı́n J(g). Se construye una sucesión minimizante (gn )n∈N ⊂ H : J(gn ) ց I.1. Se define el ínfimo I = ı́nf J(g) (8.Capítulo 8 Métodos de descenso 8.1. 1 Recordemos brevemente este principio. existe una subsucesión.1.1) g∈H Para comprobarlo basta proceder del modo siguiente: Paso 1. Paso 3.2) g∈H que. por la coercividad de J. Paso 2. Consideramos un funcional convexo y coercivo J : H → R en un espacio de Hilbert H.

el problema de Dirichlet ( −∆u = f en Ω (8.1. Por tanto J(g) 6 lim inf J(gn ). Ω Ω El mismo principio se aplica en todo espacio de Banach reflexivo. Como J es continuo en H y convexo. Por ejemplo. por la desigualdad de Poincaré es fácil comprobar que J es continuo.1. Este MDCV es más que un método demostración de resultados de existencia y puede dar lugar a métodos iterativos de aproximación de soluciones. convexo y coercivo. garantiza que J(g) = I. por tanto. Esto permite por ejemplo resolver problemas elípticos no lineales de la forma ( −∆u+ | u |p−1 = f en Ω (8.1. se trata de un mínimo.1. puede resolverse fácilmente de este modo cuando Ω es un dominio acotado.5) n→∞ Deducimos que J(g) 6 I lo cual.1. . a su vez. es semicontinuo inferiormente para la topología débil. (8. minimizando el funcional Z Z Z 1 2 1 p+1 J(u) = | ∇u | dx + |u| dx − f udx (8. Basta aplicar el MDCV al funcional Z Z 1 J(v) = | ∇v |2 dx − f vdx (8. En las próximas subsecciones presentamos los métodos de máximo descenso y de gradiente conjugado en el contexto de los sistemas lineales en dimensión finita.10) 2 Ω p+1 Ω Ω en el espacio de Banach reflexivo H01 (Ω) ∩ Lp+1 (Ω). por la definición de ínfimo.9) u=0 en ∂Ω. lo cual demuestra que el ínfimo se alcanza y que. El mínimo se alcanza en un punto u ∈ H01 (Ω) que resulta ser una solución débil caracterizada por las condiciones   1  u ∈ H0 (Ω) Z Z (8. MÉTODOS DE DESCENSO Paso 4. Se trata de los métodos de descenso que en cada paso hacen decrecer el valor del funcional a minimizar hasta alcanzar el mínimo. ∀v ∈ H01 (Ω). Este principio es suficiente para resolver muchos problemas elípticos.8)   ∇u · ∇vdx = f vdx.6) u=0 en ∂Ω. Cuando f ∈ L2 (Ω).1.7) 2 Ω Ω en el espacio de Hilbert H01 (Ω).328 CAPÍTULO 8.

2.1) cuando el residuo se anula.8.2. rk i − αk hrk .2) 2 en RN . (8. Dado N uno de esos puntos y ∈ RN . rk i 2 α2 = J(xk ) − αk hrk . A es una matriz simétrica definida positiva N × N y x es el vector incógnita. 2 .2.2.2. Su gradiente viene dado por ∇J(x) = Ax − b.2. (8.2.6) siendo αk una constante que elegirememos de modo que el funcional J decrezca lo más posible.2.5) donde rk = b − Axk .1) es el mínimo del funcional 1 J(x) = hAx. EL MÉTODO DEL MÁXIMO DESCENSO 329 8. La sucesión {xk } que el método de descenso proporciona puede definirse del modo siguiente: xk+1 = xk + αk rk (8. en este método de descenso. Por tanto.3) Al aplicar un método de descenso obtendremos una sucesión de puntos en R que tendrán como objetivo aproximar el punto de mínimo x ∈ RN .2. (8. xi − hb.2. pues se trata de la dirección de máxima pendiente del funcional. Con el objeto de elegir el valor más adecuado de αk calculamos J(xk+1 ).4) Es obvio que x es solución de (8.1) donde b es un vector dado de RN . definimos el residuo r = b − Ay. La solución de (8. Tenemos α2k J(xk+1 ) = J(xk ) + hArk . xi (8. bi + αk hAxk . también de RN . El método del máximo descenso Con el objeto de ilustrar estos métodos consideramos el sistema lineal alge- braico Ax = b (8. a partir del punto xk de la iteración anterior avanzamos en la dirección del residuo. rk i. rk i + k hArk .

9) Esto significa que el residuo es siempre ortogonal al del paso anterior.8) lo cual permite actualizar el valor del residuo sin tener que computarlo según su definición. rk i = 0.2.2. rk i hArk .2. rk i | rk |2 αk = = .2. rk i = hrk . Como la solución de (8.1).7) hArk . Como J(xk ) decrece y está acotada inferiormente su límite ℓ existe: ℓ = lı́m J(xk ). Este argumento no es más que una adaptación del clásico principio de inva- rianza de LaSalle para sistemas dinámicos dotados de una funcional Lyapunov. Obtenemos asímismo 1 | rk |2 J(xk+1 ) = J(xk ) − .8) se deduce que hrk+1 .2. rk i − αk hArk . deducimos que {xk } está acotada. rk i lo cual confirma que el funcional J decrece. Conviene también observar que de (8.1) es única deducimos que toda la sucesión ha de converger a la misma. Obte- nemos así hrk . lo cual es coherente con el hecho de descender lo más posible en cada paso. (8. Es por eso que en este método del descenso la dirección de avance es siempre ortogonal a la del paso previo. Recordemos brevemente la argumentación.11)    αk =| rk |2 hArk .7)-(8.2.2.2. el método del descenso puede escribirse como    xk+1 = xk + αk xk  rk+1 = rk −. rk i.2. MÉTODOS DE DESCENSO Calculamos el valor óptimo de αk imponiendo la condición ∂J/∂αk = 0. como J decrece a lo largo de la sucesión {xk } y J es coerciva.330 CAPÍTULO 8.1).αk Ark (8. rk i De esta expresión deducimos a su vez que rk+1 = rk − αk Ark . En efecto.2. (8.2.10) 2hArk . En vista de la expresión (8. (8. De manera sintética. (8.10) cualquier punto de acumulación de la sucesión {xk } ha de ser de residuo nulo y por tanto solución de (8. La sucesión {xk } que el método del descenso proporciona tiene necesaria- mente como punto de acumulación la solución de la ecuación (8. k→∞ .

At A−1 también lo es puesto que. en este caso. Demostración 8.2.2. xi. A−1 rk i − αk hrk . At A−1 rk i.11) a partir de y. Ark i = hrk . por la definición de αk .1 Obviamente. A−1 rk i + αk hrk . como At A−1 es definida positiva. existe c0 > 0 tal que c0 hx. At A−1 xi (8. A pesar de que el método ha sido desarrollado en el caso en que A es simétrica definida positiva. para obtener y1 . lo que es lo mismo. Theorem 8.1 En primer lugar observamos que si A es definida positiva. Es decir.12) y c1 > 0 tal que c1 hx.2.14) . Axi 6 hx.11) sólo hemos de aplicar el operador A una sola vez en el cálculo de Ark .2. EL MÉTODO DEL MÁXIMO DESCENSO 331 Para cualquier punto de acumulación y de la sucesión. Entonces xkj +1 → y y. si y es solución de (8. A−1 rk i − αk hrk .2. si A es simétrica y definida positiva. y1 será entonces el límite de la sucesión xkj +1 obtenida a partir de la anterior xkj trasladando el índice de una unidad o.2. j→∞ Podemos aplicar una vez más el algoritmo de descenso (8. en virtud de (8. Más adelante vamos a dar una prueba más cuantitativa de la convergencia del método. At A−1 = I.11) converge a la única solución de (8. Tenemos.11).1 Si A es definida positiva y si At A−1 también lo es.2. Por otra parte.2. Antes de hacerlo conviene observar que en la implementación del método (8. por consiguiente. Observación 8. A−1 rk+1 i = hrk .13) Consideramos ahora la cantidad hrk . el método converge en un marco mucho más general.2. como xkj → y tenemos. aplicando el algoritmo (8.8.  J(y1 ) = lı́m J xkj +1 = ℓ. rk i − αk hArk . el método del descenso (8. Por lo tanto J(y) = J(y1 ) = ℓ y. (8. A−1 también lo es. esto sólo es posible si el residuo correspondiente al punto de acumulación y se anula.1).1) para cualquier valor x0 de la inicialización.2. (8.  ℓ = J(y) = lı́m J xkj .2.2.11) a la misma. A−1 xi 6 hx. hrk+1 . A−1 rk i. Ahora bien. por la continuidad de J.2.2.

2. Pero en general el método puede converger muy lentamente por la tendencia de los residuos a oscilar. En este caso elegimos la siguiente iteración: xk+1 = xk + αk [rk + γk (xk − xk−1 )] .2 La demostración anterior muestra que la convergencia del método se acelera a medida que c0 c1 se aproxima a 1.12). a pesar de que rk+1 es ortogonal a rk nada impide que rk+2 deje de serlo.1).2. (8.2. (8.3 La prueba de la convergencia que hemos desarrollado está  basada en el análisis de la cantidad rk . 8. Observación 8.2. A−1 r0 i.2.2. si (8. por tanto.3. Observación 8. Es decir b − Axk tiende a cero. lo cual implica que xk tiende a A−1 b. Basta para ello observar que. A−1 rk i 6 (1 − c0 c1 )k hr0 .18) 2 donde 1 F (y) = hy − x. esto implica que rk tiende a cero. En efecto. como A y A−1 son definidas positivas.17) de donde se deduce que hrk . de (8. (8.2.1). A(y − x)i.2. por (8.16) La constante 1 − c0 c1 es positiva.2. la única solución de (8.16) obtenemos hrk . A−1 rk i. (8. El método del gradiente conjugado El método del gradiente conjugado es una de las maneras más habituales de acelerar la convergencia del método del descenso. rk i + r(0) (8.2.332 CAPÍTULO 8. también se cumplen para valores menores de c0 y c1 .13) deducimos que αk > c1 . A−1 rk i tiende a cero.2.19) 2 siendo x = A−1 b la solución de (8. hrk+1 . Iterando (8. Como A−1 es definida posi- tiva.2.12) y (8. A−1 rk .2. lo cual puede conducir a las oscilaciones aludidas. Esto ocurre cuando A es próxima a la matriz identidad. A−1 rk+1 i 6 (1 − c0 c1 ) hrk . Esta cantidad es relevante puesto que 1 J(xk ) = hA−1 rk .15) y.13) se cumplen. MÉTODOS DE DESCENSO Por otra parte.2.

El vector pk se denomina dirección de búsqueda.3)   pk+1 = rk+1 + βk pk .3.3.3.3. Apk i = 0. Combinando (8.3) obtenemos hpk+1 . Apk i .6) y de la tercera identidad de (8. Apk i De esta forma se oberva que r0 es una buena elección de p0 pues garantiza el decrecimiento del valor de J.7) Como hemos elegido p0 = r0 deducimos que hpk . rk i αk = . hemos de hacerlo de modo que J(xk+1 ) sea mínimo. rk+1 i = hpk .6) Ahora. ∀k > 0 y por lo tanto | rk |2 αk = .3.3.3.3.4) hpk .1) donde pk = rk + γk (xk − xk−1 ) = rk + γk αk−1 pk−1 (8.3. rk i =| rk |2 . EL MÉTODO DEL GRADIENTE CONJUGADO 333 para parámetros αk y γk a determinar. Apk i De este modo hpk . (8. rk+1 i = hrk+1 . rk i2 J(xk+1 ) = J(xk ) − . Según esta fórmula.3. Nuevamente.8. Escribimos la fórmula anterior como xk+1 = xk + αk pk (8. (8. el nuevo cambio de posición xk+1 − xk es combinación del residuo rk que es la dirección de pendiente máxima y el cambio de dirección en el paso anterior. βk y p0 . Optimizando el valor de αk obtenemos hpk . Obtenemos así    xk+1 = xk + αk pk rk+1 = rk − αk Apk (8.3.2) = rk + βk−1 pk−1 . (8. rk i − αk hpk .4) con la segunda identidad de (8. rk+1 i =| rk+1 |2 .3. Necesitamos determinar αk . rk+1 i + βk hpk .3) obtenemos hpk .5) 2hpk .8) hpk . (8.3. (8. de (8.

la elección óptima de βk−1 es hrk+1 . Apk i = 0 y por consiguiente hpk+1 .9) 2hpk . Apk−1 i + βk−1 hpk−1 . Tenemos 2 hpk . rk i = hrk . rk+1 i = hrk+1 . Por otra parte. rk i = hrk . hpk . αk hpk . rk i − αk hApk . Apk i = hrk . Apk−1 i.3. Apk i = 0. rk i − αk hrr+1 . deberíamos elegir pk de modo que hpk .10) Esto permite reescribir βk . Apk i = hrk+1 . Apk i fuese mínima. Apk i = hrk . (8. (8. rk i − αk hpk . Apk i βk = − .334 CAPÍTULO 8. .9). Esto significa que las sucesivas direcciones de búsqueda verifican una condición de conjugación.3. hrk+1 . Ark i + 2βk−1 hrk . Por tanto. Apk i = 0. Apk i βk =| rk+1 |2 / | rk |2 . Apk i | rk |2 El método del gradiente conjugado puede entonces reescribirse del modo siguien- te: p0 = r0 = b − Ax0 xk+1 = xk + αk pk rk+1 = rk − αk Apk pk+1 = rk+1 + βk pk αk =| rk |2 /hpk .3. MÉTODOS DE DESCENSO | rk |4 J(xk+1 ) = J(xk ) − . Apk i = −αk hrk+1 . Apk i = hrk . Apk i y por tanto hrk+1 . Apk i + βk+1 hpk−1 . Apk i y por tanto 1 | rk+1 |2 | rk+1 |2 βk = = . En efecto. Apk i De este modo observamos que hpk+1 . Apk i En vista de (8. Apk i + βk hpk . hpk .

Apj i = 0. en las aplicaciones prácticas. a lo sumo.8. Sistema gradiente en dimensión finita: Con- vergencia al equilibrio Hemos visto que al discretizar las ecuaciones de evolución tipo Navier-Stokes y Burgers en tiempo. Pero los problemas elípticos subyacentes tiene importancia más allá de estas consideraciones al nivel de la modelización.2 Si la matriz A es simétrica y definida positiva. la convergencia del método de gradiente con- jugado se acelera cuando los autovalores de A están muy cerca unos de otros. Theorem 8. como veremos más adelante. nos encontramos con una ecuación elíptica no-lineal a resolver. se sustituye la .4. Ae0 i1/2 . rj i = hpk .3. Aek i1/2 6 2 √ √ he0 . Para el método de gradiente conjugado se tiene la siguiente propiedad fun- damental: hrk .3. λmáx + λmı́n donde λmı́n y λmáx son respectivamente los autovalores mínimo y máximo de la matriz A. el método de gradiente conjugado converge en. Sin embargo. En efecto. con el objeto de simplificar el modelo en consideración. Com consecuencia de ésto tenemos que: Theorem 8. Lo mismo ocurre cuando abordamos la resolución de la ecuación de evolución mediante la teoría de semi-grupos no- lineales. el error ek del método de gradiente conjugado satisface: √ √ k λmáx − λmı́n hek . Para un desarrollo más completo de este método el lector podrá consultar el capítulo 14 del libro de Strikwerda [22] y el capítulo 2 del libro de Quarteroni y Valli [19]. De acuerdo con este resultado. en cada paso de la iteración temporal. ∀k 6= j. SISTEMA GRADIENTE EN D