Un Estudio Analítico y Numérico de la Ecuación de Fisher Generalizada

de la Cruz García, Elba Lilia (e-mail: elba_lilia@hotmail.com)

Arriaga Gutiérrez, Ma. Merced (e-mail: merced.arriaga@academicos.udg.mx)

Olmos Gómez, Miguel Angel (e-mail: miguel.olmos@cucei.udg.mx)

Hernández Magdaleno, Alfonso Manuel (e-mail: 137mag@gmail.com)

Departamento de Matemáticas, Universidad de Guadalajara

I.- Resumen

Las ecuaciones de reacción-difusión no lineales desempeñan papeles fundamentales en una gran variedad
de situaciones tales como transferencia de calor/masa, biología, reacciones químicas y procesos
genéticos. En este trabajo consideramos una ecuación particular de reacción-difusión conocida como la
ecuación generalizada de Fisher. Esta ecuación describe el avance de genes ventajosos debido a
condiciones locales favorables para la mutación. Se puede observar que las condiciones asintóticas en la
parte posterior de la onda (donde los números de los genes mutantes son pequeños) pueden determinar la
velocidad de avance.

Palabras Clave: Ecuación de Fisher, Método Explícito, Método Predictor-Corrector, Solución

Numérica, Método de la Inversa.

II.- Introducción

El estudio de los fenómenos físicos mediante modelos matemáticos ha sufrido grandes cambios en las
últimas décadas; en un principio, se llegó a tener la impresión de que sólo podíamos resolver sistemas
lineales, el hecho de resolver un sistema no lineal era impensable. Todo esto cambió gracias el
surgimiento de nuevas teorías y modelos matemáticos, que si bien nos ayudaron a resolver algunos
sistemas no lineales, también ayudaron a descubrir que frecuentemente nos encontramos con sistemas de
ecuaciones los cuales pueden ser de diversa naturaleza o especie; es decir, en algunas ocasiones estos
sistemas nos dan una solución mediante modelos clásicos o métodos establecidos para ciertos prototipos
de ecuaciones; tal es el caso de la ecuación de onda, la ecuación de calor, entre otras. En algunas otras
situaciones nos encaminan a sistemas no lineales. Debido a la importancia que tienen estos resultados en
la teoría y práctica científica, matemáticos y científicos se dieron a la tarea de combinar muy diversas
teorías como la cuántica y la geometría algebraica, para poder resolver de manera exacta algunos
prototipos de ecuaciones no lineales.

Dejando a un lado la mecánica cuántica, que sigue siendo hasta la fecha una teoría inherentemente lineal,
la mayoría de los sistemas físicos del mundo real, incluyendo la dinámica de gases, de líquidos, la
mecánica, la elasticidad, la relatividad, la ecología, la neurología, la termodinámica, y muchos más, son
modelado por ecuaciones diferenciales parciales no lineales.

Los intentos para estudiar las ecuaciones no lineales, incluso una pequeña fracción de una gama tan
amplia que abarque los fenómenos, métodos, resultados y desarrollos matemáticos, están condenados al
fracaso. Así, nos conformamos con introducir un puñado de ejemplos seminales prototípicos que surgen en
el estudio de las ondas no lineales y que sirven para poner en relieve algunos de los fenómenos más
significativos de la física y matemática que no se encuentran en los sistemas lineales simples. En este
trabajo solo consideraremos modelos unidimensionales simples; los sistemas no lineales más complicados
que rigen nuestro universo dinámico tridimensional conducen rápidamente a la vanguardia de la
investigación contemporánea.

Se sabe relativamente poco se sabe acerca de la extraordinaria gama de comportamientos exhibidos por
las soluciones de ecuaciones no lineales en derivadas parciales. Muchos de los fenómenos más
fundamentales que impulsan la investigación de hoy en día, incluyendo solitones, caos, estabilidad,
explosiones y la formación de singularidades y propiedades asintóticas entre otros, se mantuvieron sin ser
detectados o en el mejor caso, débilmente percibidos en la era de la pre-computadora.

Los últimos sesenta años han sido testigos de un florecimiento notable en nuestra comprensión, debido en
gran parte a la comprensión ofrecida por la disponibilidad de las computadoras de alto rendimiento junto
con grandes avances en la comprensión y el desarrollo de esquemas de aproximación numérica
adecuados. Nuevos métodos analíticos, nuevas teorías matemáticas, junto con nuevos algoritmos
computacionales han precipitado esta revolución en nuestra comprensión y el estudio de sistemas no
lineales, es una actividad que continúa creciendo en intensidad y amplitud. Cada salto en la potencia de
cálculo junto con los avances teóricos ha dado lugar a una comprensión más profunda de los fenómenos
no lineales y al mismo tiempo demuestra hasta qué punto todavía tenemos que llegar. Para tener
comprensión de esta desconcertante variedad de métodos, ecuaciones y resultados, es esencial la
construcción de una base firme, en primer lugar de la teoría de sistemas lineales, y en segundo lugar,
ecuaciones algebraicas no lineales y ecuaciones diferenciales ordinarias no lineales.

Los fenómenos físicos se estudian a través de modelos matemáticos y a su vez estos conducen a la
elaboración de sistema no lineales, un caso particular de estos fenómenos son los solitones y frentes de
onda que poseen una estructura intrínseca no lineal y que están relacionados con la teoría de las
ecuaciones de onda no lineales [2]. Un solitón es una onda permanente y que mantiene su forma
localizada bajo las interacciones con otros solitones. Antes de los solitones, se pensaba que no podríamos
resolver ecuaciones diferenciales parciales no lineales de manera exacta pero a través de la física cuántica
y la geometría algebraica, se puede resolver ecuaciones no lineales de manera exacta. Los solitones se
pueden utilizar para comprender fenómenos macroscópicos como las ondas internas, la transparencia y el
comportamiento de la luz en el cable óptico que es su área de investigación más significativa.

Para resolver ecuaciones diferenciales no lineales se puede usar el método de dispersión inversa.
También se puede utilizar una transformación de dispersión inversa que es un procedimiento análogo de la
transformada de Fourier [1], es un método bastante complicado pues se necesita saber el comportamiento
analítico de los datos de dispersión y solo puede ser aplicado en sistemas integrables.

El otro procedimiento clásico utilizado para resolver ecuaciones diferenciales no lineales es el método de
Lie y sus generalizaciones [8], que está basado en el uso de la simetría de Lie para construir una solución
exacta, pero si se tiene una mala simetría de Lie, se vuelve bastante complicada la resolución de la
ecuación.

Existe otro método que reduce la ecuación diferencial parcial no lineal a una ecuación diferencial ordinaria
no lineal, es un método basado en el esquema de onda de desplazamiento. Sin embargo, si la velocidad
de onda es un parámetro desconocido, se debe determinar éste mediante el análisis y proponer un
trayectoria experimental. En cambio, si la ecuación resultante es de tipo Painleve, entonces se puede
resolver de manera explícita llevando a una solución exacta de la ecuación original. De forma similar
Ablowitz y Zeppetella obtuvieron la solución exacta de la onda de desplazamiento para la ecuación de
Fisher, sin embargo el método no permite extensiones de ondas a dimensiones más altas [3].

El último método que se mencionará es el más simple de todos, es un método puramente algebraico,
nombrado método de Hirota. Consiste en transformar la ecuación no lineal en una ecuación bilineal o
también en un sistema de ecuaciones bilineales para de esa manera, expandir la ecuación en serie de
potencias y resolverla.

Los métodos exactos requieren de un alto costo algebraico cuando son usados para resolver la ecuación
diferencial no lineal. Se tiene además que este tipo de ecuaciones tiene una, varias o una infinidad de
soluciones. Se han propuesto métodos numéricos a fin de capturar algunas de las soluciones, pero debido
a la no linealidad de las ecuaciones involucradas, el análisis de estabilidad del método resulta ser
prácticamente imposible.

Nuestro trabajo se desarrollará de acuerdo al siguiente orden. Primero presentaremos los preliminares
matemáticos necesarios para el desarrollo del tema, siguiendo con la ecuación de Fisher y la ecuación
generalizada de Fisher. A continuación se propondrán dos métodos numéricos para su resolución y
finalmente se presentarán los resultados numéricos obtenidos.

El objetivo de este trabajo es aplicar dos métodos numéricos a una ecuación diferencial parcial, en
particular la ecuación generalizada de Fisher. Esta ecuación cuenta con soluciones que son estrictamente
monótonas y por tanto se puede calcular la función inversa de la solución. El primer método numérico es
un método predictor-corrector y el segundo es un método basado en diferencias finitas aplicadas a la
ecuación diferencial de la función inversa.

III.- La Ecuación de Fisher y la Ecuación Generalizada de Fisher

Las ecuaciones de reacción-difusión no lineales desempeñan papeles fundamentales en una gran variedad
de situaciones tales como transferencia de calor/masa, biología, reacciones químicas y procesos
genéticos. En este trabajo consideramos una ecuación particular de reacción-difusión conocida como la
ecuación generalizada de Fisher. Esta ecuación describe el avance de genes ventajosos debido a
condiciones locales favorables para la mutación. Se puede observar que las condiciones asintóticas en la
parte posterior de la onda (donde los números de los genes mutantes son pequeños) pueden determinar la
velocidad de avance.

El problema generalizado de Fisher que consideramos es:

(2.1)

(2.2)

Cuando la ecuación es llamada la ecuación de Fisher.

Siguiendo a Larson [15], Si y la condición inicial y cuando

, puede demostrarse que para cada existe una solución de onda viajera para (2.1) -
(2.2) con velocidad ; si , la solución de onda viajera tendrá una velocidad asintótica de
; es decir, si es una función positiva que satisface las condiciones de frontera (ecuacion2) en y
si
(2.3)

entonces, cuando la solución evolucionará a una onda viajera con velocidad donde
También Kolmogorov et al. [13] han demostrado que si se eligen los datos iniciales de modo que

la solución se aproximará a una onda de velocidad .

Desarrollamos un esquema numérico para calcular la solución de la ecuación de Fisher generalizada.

Construimos las condiciones numéricas de frontera para que el comportamiento asintótico en la parte
posterior extrema de la onda sea modelado correctamente para asegurar que la onda avanza con la
velocidad correcta.

Cabe señalar que la ecuación generalizada de Fisher también puede usarse para estudiar ciertos sistemas
químicos/eléctricos y el crecimiento demográfico de varias especies.

III.1- Soluciones Analíticas

Esta sección muestra algunos resultados analíticos para valores particulares de en la ecuación (2.1). En
1979, Ablowitz y Zeppetella [3] encontraron la primera solución explícita de onda sustituyendo
para así obtener una ecuación diferencial ordinaria

(cuando ) y determinaron su solución. Para encontrar la solución del método se utiliza la teoría
clásica de las ecuaciones diferenciales ordinarias. La solución es de tipo Painlevé. Es una familia
paramétrica de soluciones dada por

(2.4)

donde es un parámetro y la velocidad de la onda es . Se puede ver que la solución será no acotada
si es negativa. Esta solución es la única solución de onda explícita conocida para la ecuación de Fisher
[3, 9, 14, 17] y corresponde al comportamiento asintótico con .

La ecuación (2.1) es conocida como la ecuación de Newell-Whitehead cuando [5, 6, 7, 16, 17]. Las
soluciones explícitas conocidas de la ecuación de Newell-Whitehead están dadas por [17]

(2.5)

donde , ,y son constantes arbitrarias.

Nótese que si en (2.5), entonces tenemos un perfil de onda con velocidad i. e., una solución
de estado estacionario o una onda estacionaria.

Para , si definimos y , entonces las soluciones de ondas viajeras están

dadas por [17]

con velocidad .

Se puede apreciar que para tenemos y que coincide con la solución dada en [3].
Si , tenemos que y lo cual es consistente con (2.5) cuando o .

Consideremos la ecuación diferencial parcial no lineal

(2.6)

Si la solución de (2.6) es una función estrictamente monótona en se tiene que existe la inversa
de la solución y esta satisface la ecuación

(2.7)

Las soluciones de las ecuaciones (2.6) y (2.7) son inversas una de la otra, esto es y
.

Para el caso que nos ocupa, consideraremos soluciones que sean estrictamente monótonas ya que se
pretende calcular la solución numérica de la ecuación (2.6) y la solución numérica de la inversa de la
solución dada por la ecuación (2.7).

IV- Esquemas Numéricos

Iniciamos esta sección con la forma general de un método explícito para una ecuación de segundo orden y
se establecen las condiciones bajo las cuales el método explícito es consistente y estable.

A continuación, sabiendo que generalmente, los métodos implícitos son incondicionalmente estables, se
propone un método predictor-corrector basado en las ideas de Crank-Nicolson. Se usa un método
predictor-corrector basado en la idea de que en cada paso del método de Crank-Nicolson se debe resolver
un sistema no lineal de ecuaciones algebraicas. Eligiendo adecuadamente el predictor, se evita el resolver
sistemas no lineales ya que se resuelven sistemas lineales en cada paso.

IV.1- Método Explícito

Consideramos la ecuación

sujeta a condiciones iniciales y de frontera suficientemente suaves.

La forma explícita del método puede ser escrita como:

donde es una aproximación a .

De acuerdo a Ames [4], si

entonces el esquema numérico es estable siempre que

donde

Así mismo el esquema es consistente y de orden

IV.2- Método de Crank-Nicolson Predictor-Corrector

Consideramos la ecuación

(3.1)

sujeta a condiciones de frontera suaves.

La estructura de Crank-Nicolson para esta ecuación está dada por

(3.2)

donde se puede observar que la aproximación es reemplazada por el promedio de los valores en los
tiempos y , es decir . Tenemos además que la estructura de forma explícita es

(3.3)
Para la ecuación de Fisher generalizada el método de Crank-Nicolson se reduce a

(3.4)

Dado a que esta estructura es implícita nosotros debemos resolver un sistema de ecuaciones no lineales
en cada paso . Para evitar la resolución de sistemas no lineales varias veces, construimos un esquema
de predicción-corrección.

Este esquema predictor-corrector es

Podemos observar que en el predictor, hemos evitado resolver un sistema no lineal al considerar sólo el
valor de en lugar de su promedio . Con el método corrector, lo que hacemos es aplicar el
método del punto fijo solo una vez en el método de Crank-Nicolson dado por (3.4) y valor inicial .

Por conveniencia, reescribimos la estructura del método predictor-corrector como

(P)

(C)

donde . De esta forma puede observarse claramente que los sistemas obtenidos en este método
predictor-corrector son lineales. Además, los sistemas así obtenidos son sistemas tridiagonales, los cuales
pueden ser resueltos fácilmente por medio del método de Thomas.

Comúnmente, esta estructura numérica tendrá mejores propiedades de estabilidad y por lo menos del
mismo orden de consistencia, que la forma explícita de las diferencias finitas (3.3). Los cálculos numéricos
se llevarán a cabo sobre un dominio finito de longitud . Imponemos las condiciones de frontera
para imitar el comportamiento asintótico consistente con la información inicial. Las condiciones usadas son

(3.5)

donde es la velocidad calculada de la parte izquierda delantera con tiempo . La

velocidad de la onda es calculada monitoreando el punto . Usamos la interpolación
cúbica en orden para obtener el punto donde la solución numérica es igual a .

Si el valor inicial está dado por

la velocidad predicha es y usamos en (3.5).

Cuando el valor inicial está dado por la solución exacta de (2.1):

la velocidad es y su correspondiente es .

El tamaño de la malla y el paso en el tiempo son elegidos de acuerdo al criterio de estabilidad dado
por

Estos criterios fueron establecidos por requerimiento de la estructura numérica (3.3) para preservar la
monoticidad del perfil de la solución.

IV.3- Método de la Inversa

Con el fin de formular el método de la inversa, consideremos la ecuación

con las condiciones

(3.6)

(3.7)
y
(3.8)

Si es una función estrictamente monótona de para todo entonces existe y

satisface la ecuación (2.7)
(3.9)

donde es una ubicación espacial para el valor de .

Sea el número de puntos de la malla y definiendo la malla para tomando los puntos medios de la
forma

Usamos la siguiente discretización para la ecuación (3.9)

(3.10)

De la ecuación (3.7) debemos tener

Usamos las siguientes aproximaciones en diferencias para las derivadas

La ventaja de este método es que los puntos de la malla son puestos automáticamente sobre la onda y la
velocidad de la onda es calculada en una forma verdaderamente sencilla.

La ecuación diferencial ordinaria (3.10) representa un sistema de ecuaciones diferenciales ordinarias de

primer orden, las cuales son resueltas numéricamente por medio del método de Euler. La solución
numérica del sistema está dada entonces por
para , , donde

V- Resultados Numéricos

Aplicando ambas estructuras numéricas para resolver la ecuación generalizada de Fisher para diversos
valores de se obtuvieron los siguientes resultados que muestran la eficacia y estabilidad de los métodos
así como su comportamiento.
Para esta primera condición inicial se obtiene únicamente la curva dada por la condición inicial (la curva
suave) y la curva final calculada (dada por los puntos +) se usó este problema como un ejemplo simple,
dado que no se encontró la solución exacta. Estas curvas cumplen con las condiciones de estabilidad, así
como también deben ser monótonas y crecientes.
En las figuras siguientes se muestran los métodos de la inversa y predictor corrector, así como los tiempos
de ejecución. Se considera el valor de y el tiempo final de . La condición inicial para
ambos métodos es
Para se obtuvieron las siguientes gráficas:
Las gráficas siguientes muestran las soluciones calculadas si

Las gráficas siguientes muestran las soluciones calculadas si

A continuación se grafica la solución exacta para las siguientes condiciones con el fin de demostrar la
efectividad del método de la inversa tanto como la del método predictor-corrector.
En el caso particular cuando y la condición inicial está dada por

se tiene que la solución exacta es

Las siguientes gráficas muestran a la condición inicial (línea continua), la solución exacta y la solución
calculada en .

Para los ejemplos dados a continuación se usaron los siguientes datos y se compararon ambos métodos:
 Condición inicial (línea continua), exacta , calculada .
 Tiempos de cómputo: inversa , predictor-corrector .
 Condición inicial , solución exacta .
 Método de la inversa .
 Método predictor-corrector .

Para
 VI.- Conclusiones

En este trabajo se han presentado dos métodos numéricos totalmente diferentes. El primero, basado en
las ideas dadas por Ames y Crank-Nicolson, es un método del tipo predictor-corrector. La ventaja de esta
idea es que se resuelven sistemas lineales, evitando así la gran carga numérica que representa el resolver
un sistema no lineal.

El segundo método, el método de la inversa, aprovecha el hecho de que las soluciones buscadas son del
estrictamente monótonas, permitiendo construir una ecuación diferencial para la inversa de la solución
original.

Es evidente, al ver los resultados obtenidos individualmente por cada esquema, que ambos métodos
tienen resultados similares, mientras que en el método de la inversa se tiene la gran ventaja de que los
puntos son puestos de manera automática al frente de la curva y tienen un tiempo de ejecución bastante
eficiente.

Por otro lado, el método predictor-corrector tiene buenas propiedades de estabilidad y es mucho más
concreto. Si bien el método de la inversa no es más exacto que el método de predictor corrector eso indica
que ambos métodos son eficientes para calcular las ondas viajeras.

VII.- Referencias

[1] Ablowitz, M. J., Kaup, D. J., Newel, A. C., and Segur, H,.Stud. Appl. Math. 53 pp. 249-253, 1974.

[2] Ablowitz, M. J., Segur, H.. Solitons and the Inverse Scattering Transform. SIAM, Philadelphia pp.65-
66, 1981.

[3] Ablowitz, M.J., Zeppetella, A., Explicit Solutions of Fisher's Equation for a Special Wave Speed, Bull.
Math. Biol., Vol 45, pp. 835-840, 1979.

[4] Ames, W.F., Numerical Methods for Partial Differential Equations, New York: Academic Press, 1992.

[5] Cariello, F., Tabor, M., Painlevé Expansions for Nonintegrable Evolution Equations, Physica D, Vol.
39, No. 1, pp. 77--94, 1989.

[6] Cicogna, G., Weak Symmetries and Adopted Variables for Differential Equations, Int. J. Geometric
Meth. Modern Phys., Vol. 1, No 1--2, pp. 23--31, 2004.

[7] Clarkson, P.A., Mansfield, E.L., Symmetry Reductions and Exact Solutions of a Class of Nonlinear
Heat Equations, Physica D, Vol. 70, No. 3, pp. 250--288, 1994.

[8] Clarkson, P. A. Mansfield, E. L. Application Of Analytic And Geometric Methods To Nonlinear

Differential Equations. (M. Kluver, New York), pp.375-376, 1993.

[9] Danilov, V.G., Mazlov, V.P., Volozov, K.A., Mathematical Modelling of Heat and Mass transfer
Processes, Kluwer, Dordrecht, 1995.

[10] Hagstrom, T., Keller H.B., The Numerical Calculation of Traveling Wave Solutions of Nonlinear
Parabolic Equations, SIAM J. Sci. Stat. Comput., Vol 7, No 3, pp. 978-988, 1986.

[11] Hirota, R.. Exact Envelope-Soliton Solutions of Nonlinear Wave Equation. Journal of Math. Phys.
14 pp. 805-809, 1973.

[12] A. H., Malfliet,W., Callebaut, D. K., Kamel, E. S,. Chaos, Solitons and Fractals, Vol. 14, pp. 513-22,
2002.

[13] Kolmogorov, A.N., Petrovskii, I.G., Piskunov, N. S., A Study of the Equation of Diffusion with
Increase in the Quantity of Matter and its Application to Biological Problem, Bull. Univ. Moscow Univ,
Ser. Inter., Sec. A, 1, pp. 1-26, 1937.

[14] Kudryashov, N.A., On Exact Solutions of Families of Fisher Equations, Theor. & Math. Phys., Vol.
94, No. 2, pp. 211-218, 1993.

[15] Larson, D.A., Transient Bounds and Time Asymptotic Behavior of Solutions to Nonlinear Equations
of Fisher Type, SIAM J. Appl. Math., Vol 34, No. 1, pp. 93-103, 1978.
[16] Nucci, M.C., Clarkson, P.A., The Nonclassical Method is More General than the Direct Method for
Symmetry Reductions. An Example of the Fitzhugh--Nagumo Equation, Phys. Lett. A, Vol. 164, pp. 49--
56, 1992.

[17] Polyanin, A.D., Zaitsev, V.F., Handbook of nonlinear Partial Differential Equations, Chapman &
Hall/CRC, Boca Raton, 2004.