Cap 7 - Solución Numérica de Ecuaciones Diferenciales Elípticas PDF

Técnicas Aproximadas en
Mecánica
Capítulos 6, 7 y 8
SOLUCIÓN NUMÉRICA DE ECUACIONES

DIFERENCIALES PARCIALES
Universidad Simón Bolívar

Enero – Marzo 2012
Armando J. Blanco Álvarez y Boris M. Bossio

Velásquez
Mecánica
Capítulo 6
PROBLEMAS ELÍPTICOS


Velásquez
Técnicas Aproximadas en Mecánica
Capítulo 7:
Solución Numérica de “Problemas Elípticos” Contenido - Agenda
SOLUCIÓN NUMÉRICA DE
ECUACIONES DIFERENCIALES PARCIALES
Problemas Elípticos
• 7.1 Aproximación de cinco y nueve puntos
• 7.2 Métodos directos e iterativos.
• 7.3 Métodos de sobre-relajación y de direcciones alternantes
• 7.4 Método de Volúmenes Finitos
• 7.5 Apéndice: Justificación Convergencia métodos de
relajación
3
Capítulo 7:
Solución Numérica de “Problemas Elípticos” Contenido - Agenda
relajación
4
Capítulo 7:
Solución Numérica de “Problemas Elípticos” Aproximación de Cinco y Nueve Puntos
Consideremos la ecuación de Laplace en dos dimensiones

∂ 2T ∂ 2T
+ 2 =0 (1)
∂x 2
∂y
Según la clasificación (Capítulo anterior) tendremos que
A = C =1 (2)
Luego,
B 2 − 4 AC = −4 < 0 (3)
por lo que la ec. (1) es de tipo elíptico.
Supongamos que se desea resolver la ec. (1) en el dominio
mostrado en la lamina siguiente, con condiciones de Dirichlet
5
Capítulo 7:
T ( x ,0 ) = d ( x )
y =1
∆x
j +1
∆y Ti , j
T (0, y ) = a ( y )
j T (1, y ) = b( y )
j −1
i −1 i i +1
y=0
x=0 T ( x ,0 ) = c ( x ) x =1
La discretización en diferencias finitas de orden 2 de la

ecuación de Laplace es
Ti −1, j − 2Ti , j + Ti +1, j Ti , j −1 − 2Ti , j + Ti , j +1
+ =0 (4)
(∆x ) 2
(∆y ) 2
6
Capítulo 7:
Definiendo
∆x
= (5)
∆y
Tenemos que (4) se escribe como
Ti −1, j − 2Ti , j + Ti +1, j +  2Ti , j −1 − 2  2Ti , j +  2Ti , j +1 = 0 (6)
o, reagrupando
( )
Ti −1, j − 2 1 +  2 Ti , j + Ti +1, j +  2Ti , j −1 +  2Ti , j +1 = 0 (7)
Si el espaciamiento en cada dirección es el mismo tendremos
que β=1 y (7) se reduce a
Ti −1, j − 4Ti , j + Ti +1, j + Ti , j −1 + Ti , j +1 = 0 (8)
7
Capítulo 7:
Las ecuaciones (8) corresponden a un esquema de cinco

puntos. Puesto que estamos suponiendo que las condiciones
de frontera son de Dirichlet tendremos que (8) debe ser
resuelta sólo en los nodos interiores
y =1
y=0
x=0 x =1
Escribamos las ecuaciones en el caso particular de una
discretización con
Nx = Ny = 5 8 (9)
Capítulo 7:
El dominio discretizado luce como se muestra a continuación
y =1
y=0
x=0 x =1
Las ecuaciones para cada nodo interior se escriben como
i = 2, j = 2 : T12 − 4T22 + T32 + T21 + T23 = 0
i = 3, j = 2 : T22 − 4T32 + T42 + T31 + T33 = 0
i = 4, j = 2 : T32 − 4T42 + T52 + T41 + T43 = 0
(10a)
i = 2, j = 3 : T13 − 4T23 + T33 + T22 + T24 = 0
i = 3, j = 3 : T23 − 4T33 + T43 + T32 + T34 = 0
i = 4, j = 3 : T33 − 4T43 + T53 + T42 + T44 = 0 9
Capítulo 7:
i = 2, j = 4 : T14 − 4T24 + T34 + T23 + T25 = 0
i = 3, j = 4 : T24 − 4T34 + T44 + T33 + T35 = 0 (10b)
i = 4, j = 4 : T34 − 4T44 + T54 + T43 + T45 = 0
Al introducir las condiciones de borde llegamos a
− 4T22 + T32 + T23 = − T12 − T21
T22 − 4T32 + T42 + T33 = −T31
T32 − 4T42 + T43 = −T41 − T52
− 4T23 + T33 + T22 + T24 = −T13
T23 − 4T33 + T43 + T32 + T34 = 0 (11)
T33 − 4T43 + T42 + T44 = −T53
− 4T24 + T34 + T23 = −T14 − T25
T24 − 4T34 + T44 + T33 = −T35
T34 − 4T44 + T43 = −T54 − T45 10
Capítulo 7:
Las ecuaciones (11) pueden ser resueltas por métodos directos
o iterativos.
Este esquema es de orden (∆x2,∆y2).
Un esquema de orden superior podría obtenerse al expresar
las derivadas en cuarto orden. Para ello los desarrollos en
serie de Taylor alrededor de (x,y)se escriben como:
T (x + ∆x, y ) = ∑
∞
(∆x )  ∂ mT 
m
 m 
m = 0 m!  ∂x  x , y
T (x − ∆x, y ) = ∑
∞
(− ∆x )
 ∂ mT 
 m 
m
m =0 m!  ∂x  x , y (12)
T (x + 2∆x, y ) = ∑
∞
(2∆x )  ∂ mT 
m
 m 
m =0 m!  ∂x  x , y
T (x − 2∆x, y ) = ∑
∞
(− 2∆x )m  ∂ mT 
 ∂x m 
m =0 m!   x, y 11
Capítulo 7:
Escribiendo las series hasta orden 6 tenemos
T (x + ∆x, y ) = T (x, y ) +
(∆x )  ∂T 
1
+
(∆x )  ∂ 2T 
2
  +
(∆x )  ∂ 3T 
3
  +
(∆x )  ∂ 4T 
4
  +
 
1!  ∂x  x , y 2!  ∂x 2  x , y 3!  ∂x 3  x , y 4!  ∂x 4  x , y
+
(∆x )  ∂ 5T 
5
  + O ∆x 6( )
5!  ∂x 5  x , y
T (x − ∆x, y ) = T (x, y ) +
(− ∆x )  ∂T 
1
+
(∆x )  ∂ 2T 
2
  +
(− ∆x )  ∂ 3T 
3
  +
(∆x )  ∂ 4T 
4
  +
 
1!  ∂x  x , y 2!  ∂x 2  x , y 3!  ∂x 3 
  x, y 4!  ∂x 4  x , y
+
(− ∆x )  ∂ 5T 
5
  ( )
 ∂x 5  + O ∆x
6
5!   x, y
T (x + 2∆x, y ) = T (x, y ) +
(2∆x )  ∂T 
1
+
(2∆x )  ∂ 2T 
2
  +
(2∆x )  ∂ 3T 
3
  +
(2∆x )  ∂ 4T 
4
 
 
1!  ∂x  x , y  ∂x 2   ∂x 3   ∂x 4  +
2!   x, y 3!   x, y 4!   x, y
+
(2∆x )  ∂ 5T 
5
 5  + O ∆x 6 ( )
5!  ∂x  x , y
T (x − 2∆x, y ) = T (x, y ) +
(− 2∆x )  ∂T 
1
+
(2∆x )  ∂ 2T 
2
  +
(− 2∆x )  ∂ 3T 
3
  +
(2∆x )  ∂ 4T 
4
 
   ∂x 2   ∂x 3   ∂x 4  +
1!  ∂x  x , y 2!   x, y 3!   x, y 4!   x, y
+
(− 2∆x )  ∂ 5T 
5
  ( )
+ O ∆x 6
 ∂x 5 12
5!   x, y
Capítulo 7:
Desarrollando cada término llegamos a
T (x + ∆x, y ) = T (x, y ) + ∆x
 ∂T 
+
(∆x )  ∂ 2T 
2
  +
(∆x )  ∂ 3T 
3
  +
(∆x )  ∂ 4T 
4
  +
 
 ∂x  x , y 2  ∂x 2  x , y 6  ∂x 3  x , y  4 
24  ∂x  x , y
+
(∆x )  ∂ 5T 
5
  ( )
+ O ∆x 6
120  ∂x 5  x , y
T (x − ∆x, y ) = T (x, y ) − ∆x

 ∂T  (∆x ) 2
 ∂ 2T 
 2  −
(∆x )  ∂ 3T 
3
 3  +
(∆x )  ∂ 4T 
4
 4  + O ∆x 5 ( )
 +
 ∂x  x , y 2  ∂x  x , y 6  ∂x  x , y 24  ∂x  x , y
−
(∆x )  ∂ 5T 
5
 5  + O ∆x 6 ( )
120  ∂x  x , y
 ∂T  2 ∂ T  4(∆x )  ∂ 3T  2(∆x )  ∂ 4T 
( )
2 3 4
T (x + 2∆x, y ) = T (x, y ) + 2∆x  + 2(∆x )  2  +  3  +  4  + O ∆x 5
 ∂x  x , y  ∂x  x , y 3  ∂x  x , y 3  ∂x  x , y
4(∆x )  ∂ 5T 
( )
5
+  5  + O ∆x 6
15  ∂x  x , y
 ∂T   ∂ 2T  4(∆x )  ∂ 3T  2(∆x )  ∂ 4T 
( )
3 4
T (x − 2∆x, y ) = T (x, y ) − 2∆x  + 2∆x 2  −  3  +  4  + O ∆x 5
 ∂x  x , y  ∂x  x , y 3  ∂x  x , y 3  ∂x  x , y
4(∆x )  ∂ 5T 
( )
5
−  5  + O ∆x 6
15  ∂x  x , y 13
Capítulo 7:
Sumando las dos primeras y las dos últimas obtenemos

2 ∂ T 
T (x + ∆x, y ) + T (x − ∆x, y ) = 2T (x, y ) + (∆x ) 
2
 +
(∆x )  ∂ 4T 
4
  + O(∆x 6 ) (13a)
 ∂x 2  12  ∂x 4  x , y
  x, y
 ∂ 2T  4(∆x )  ∂ 4T 
( ) (13b)
4
T (x + 2∆x, y ) + T (x − 2∆x, y ) = 2T (x, y ) + 4(∆x )  2  +  4  + O ∆x 6
2
 ∂x  x , y 3  ∂x  x , y
Multiplicando (13a) por 16 y restando (13b) llegamos a

 ∂ 2T 
( )
16T (x + ∆x, y ) + 16T (x − ∆x, y ) − T (x + 2∆x, y ) − T (x − 2∆x, y ) = 30T (x, y ) + 12(∆x )  2  + O ∆x 6
2
 ∂x  x , y
Luego, la segunda derivada se expresa como

 ∂ 2T  16T (x + ∆x, y ) + 16T (x − ∆x, y ) − T (x + 2∆x, y ) − T (x − 2∆x, y ) − 30T (x, y )
 2  = ( )
+ O ∆x 4
 ∂x  x , y 12(∆x )
2
(14)
14
Capítulo 7:
En función de los índices i, j tenemos que (14) se escribe
como
 ∂ 2T  16Ti +1, j + 16Ti −1, j − Ti + 2, j − Ti − 2, j − 30Ti , j
 2  = + O ( )
∆x 4 (15)
 ∂x  x , y 12(∆x )
2
Para resaltar la simetría, escribimos (15) como
 ∂ 2T  − Ti − 2, j + 16Ti −1, j − 30Ti , j + 16Ti +1, j − Ti + 2, j

 2  = + O ∆( )
x 4 (16)
 ∂x  x, y 12(∆x ) 2
De manera similar, la segunda derivada en y se expresa como
 ∂ 2T  − Ti , j − 2 + 16Ti , j −1 − 30Ti , j + 16Ti , j +1 − Ti , j + 2

 2  = +( )
O ∆y 4 (17)
 ∂y  x , y 12(∆y )
2
15
Capítulo 7:
Luego, la ecuación de Laplace se expresa, en cada nodo, en
orden (∆x4,∆y4), como
(18)
− Ti − 2, j + 16Ti −1, j − 30Ti , j + 16Ti +1, j − Ti + 2, j − Ti , j − 2 + 16Ti , j −1 − 30Ti , j + 16Ti , j +1 − Ti , j + 2
+ =0
12(∆x ) 12(∆y )
2 2
Estas ecuaciones requieren nueve puntos para su cálculo
Aún cuando este esquema es mas preciso, es obvia su

limitación cuando estamos cerca de la frontera, aún con
condiciones de Dirichlet. 16
Capítulo 7:
Solución Numérica de “Problemas Elípticos” Agenda
• 7.2 Métodos directos e iterativos
relajación
17
Capítulo 7:
Solución Numérica de “Problemas Elípticos”
Métodos Directos e Iterativos
La solución del sistema de ecuaciones (8) puede realizarse de

varias maneras.
Al imponer las condiciones de frontera, éste puede escribirse como:
[A][T ] = [b] (19)

donde A es la matriz de coeficientes generada por (8), T es un
vector que representa las incógnitas y b es el vector de
términos independientes.
Para facilitar la escritura de estas ecuaciones podemos
enumerar los nodos siguiendo
k = ( N x − 2)( j − 2) + (i − 2) + 1 (20)
en el caso que sobre todos los lados se imponen condiciones
de Dirichlet. En el ejemplo particular del sistema (11)
tendremos 18
Capítulo 7:
Solución Numérica de “Problemas Elípticos” Métodos Directos e Iterativos
− 4T1 + T4 + T2 = − T12 − T21 y =1

T1 − 4T2 + T3 + T5 = −T31
7 8 9
4 5 6
T2 − 4T3 + T6 = −T41 − T52 1 2 3
− 4T4 + T5 + T1 + T7 = −T13 y=0

T4 − 4T5 + T6 + T2 + T8 =0 x=0 x =1
(21)
T5 − 4T6 + T3 + T9 = −T53
− 4T7 + T8 + T4 = −T14 − T25
T7 − 4T8 + T9 + T5 = −T35
T8 − 4T9 + T6 = −T54 − T45
Cambiando el orden en que se escriben los términos en cada

ecuación tendremos:
19
Capítulo 7:
− 4T1 + T2 + T4 = − T12 − T21
T1 − 4T2 + T3 + T5 = −T31
T2 − 4T3 + T6 = −T41 − T52
T1 − 4T4 + T5 + T7 = −T13
T2 + T4 − 4T5 + T6 + T8 =0
T3 + T5 − 4T6 + T9 = −T53
T4 − 4T7 + T8 = −T14 − T25
T5 + T7 − 4T8 + T9 = −T35
T6 + T8 − 4T9 = −T54 − T45
Este sistema se escribe en forma matricial como:
20
Capítulo 7:
− 4 1 1  T1  − T12 − T21 

 1 −4 1  T   
 1  2   − T 31 
 1 -4 1  T3   − T41 − T52 
    
1 -4 1 1  T4   − T13 (22)
 1 1 −4 1 1  T5  =  0 
    
 1 1 −4 1  T6   − T53 
 1 −4 1  T   − T − T 
   7   14 25 
 1 1 − 4 1  T8   − T35 
 −  T   − T − T 
 1 1 4   9   54 45 
Este sistema puede ser resuelto utilizando un método estándar

como eliminación gaussiana, aunque ello podría ser poco
eficiente, sobre todo para el caso general de sistemas grandes. 21
Capítulo 7:
Otra alternativa podría ser utilizar un método iterativo, tipo
Jacobi o Gauss-Seidel. En este caso, puede ser preferible
mantener la notación original y despejar de cada ecuación la
variable Tij, para escribir
Ti −1, j + Ti +1, j + Ti , j −1 + Ti , j +1
Ti , j = (23)
4
En cada caso creamos un proceso iterativo a partir de
Ti −k1, j + Ti +k1, j + Ti ,kj −1 + Ti ,kj +1

Ti ,kj+1 = Jacobi (24)
4
Ti −k1+,1j + Ti +k1, j + Ti ,kj+−11 + Ti ,kj +1
Ti ,kj+1 = Gauss-Seidel (25)
4
Partiendo de una aproximación inicial podemos iterar hasta

convergencia. 22
Capítulo 7:
Ejemplo: Halle la temperatura en una placa cuadrada con las
condiciones
T ( x ,0 ) = 0
y =1
T (0, y ) = 100 T (1, y ) = 0
y=0
x=0 T ( x,0 ) = 0 x =1
con una malla de 11*11.

Como aproximación inicial se tomó T=0.0 en todos los
puntos interiores.
Luego de 109 iteraciones, con una tolerancia de 10-8 se
23
obtiene
Capítulo 7:
100,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000
100,000 48,876 28,060 17,842 11,985 8,237 5,651 3,761 2,300 1,091 0,000
100,000 67,449 45,530 31,330 21,871 15,322 10,614 7,101 4,354 2,069 0,000
100,000 75,394 55,291 40,092 28,867 20,584 14,403 9,689 5,959 2,836 0,000
100,000 78,845 60,165 44,900 32,947 23,770 16,749 11,313 6,974 3,322 0,000
100,000 79,830 61,641 46,424 34,279 24,832 17,541 11,866 7,321 3,489 0,000
100,000 78,845 60,165 44,900 32,947 23,770 16,749 11,313 6,974 3,322 0,000
100,000 75,394 55,291 40,092 28,867 20,584 14,403 9,689 5,959 2,836 0,000
100,000 67,449 45,530 31,330 21,871 15,322 10,614 7,101 4,354 2,069 0,000
100,000 48,876 28,060 17,842 11,985 8,237 5,651 3,761 2,300 1,091 0,000
100,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000
S11
S9
80,000-100,000
S7 60,000-80,000
40,000-60,000
S5
20,000-40,000
S3 0,000-20,000
S1
1
11
24
Capítulo 7:
La utilización del método de Gauss-Seidel nos da el resultado
siguiente, luego de 60 iteraciones, con una tolerancia de 10-8
100,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000
100,000 48,885 28,077 17,865 12,014 8,268 5,681 3,788 2,320 1,102 0,000
100,000 67,463 45,559 31,373 21,924 15,379 10,671 7,150 4,392 2,089 0,000
100,000 75,414 55,330 40,148 28,937 20,660 14,478 9,755 6,009 2,862 0,000
100,000 78,866 60,208 44,964 33,025 23,856 16,835 11,388 7,031 3,353 0,000
100,000 79,851 61,684 46,487 34,358 24,918 17,627 11,942 7,378 3,520 0,000
100,000 78,863 60,203 44,957 33,017 23,848 16,827 11,383 7,027 3,351 0,000
100,000 75,408 55,321 40,136 28,923 20,647 14,466 9,745 6,002 2,859 0,000
100,000 67,458 45,550 31,360 21,909 15,365 10,658 7,140 4,384 2,085 0,000
100,000 48,881 28,070 17,856 12,004 8,258 5,672 3,780 2,315 1,100 0,000
100,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000
S11
S9
80,000-100,000
S7 60,000-80,000
S5 40,000-60,000
20,000-40,000
S3
0,000-20,000
S1
1
11
25
Capítulo 7:
relajación
26
Capítulo 7:
Solución Numérica de “Problemas Elípticos” Sobre-relajación y Direcciones Alternantes
Algunas técnicas existen para acelerar la convergencia. La
mas utilizada es el método de relajación sucesiva SOR
(Successive Over-Relaxation Method).
Con este método se utiliza de manera iterativa la ecuación
1
(
Ti ,kj+1 = Ti ,kj +  Ti −k1+,1j + Ti +k1, j + Ti ,kj+−11 + Ti ,kj +1 − 4Ti ,kj
4
) (26)
donde, a través del ajuste del parámetro ω tal que
1< < 2 (27)

se logra una convergencia en un número menor de
iteraciones.
Para ω=1 (26) se reduce al método de Gauss-Seidel.
La determinación del valor de ω óptimo se hace,
generalmente, a través de estudios empíricos.
27
Capítulo 7:
En el caso de la ecuación de Laplace con condiciones de
Dirichlet en un cuadrado, se ha encontrado (Young1, Frankel2)
que el valor óptimo de ω es la menor raíz de la ecuación
t 2 2 − 16 + 16 = 0
(28)
donde, t viene dado por
( n)
t = 2 cos  (29)
siendo n el número de divisiones en que los lados del

cuadrado se dividió.
En general, el número de iteraciones disminuye bastante en la
medida que nos acercamos a ω óptimo. Además, es preferible,
generalmente, sobrestimar ω que subestimarlo.
1 Trans. Amer. Math. Soc., 76 (1954)

2 Math. Tables Aids. Comput., 4 (1950)
28
Capítulo 7:
En el ejemplo anterior tendremos que la determinación
empírica de ω nos lleva a los resultados siguientes:
Determinación de w óptimo
100
80
Iteraciones
60
40
20
0
1 1.2 1.4 1.6 1.8 2
w
Al utilizar la ecuación (28) determinamos  = 1.53 29

Capítulo 7:
Otra opción para resolver la ecuación de Laplace es
considerar que su solución corresponde al caso limite del
problema
∂T ∂ 2T ∂ 2T (30)
= 2 + 2
∂t ∂x ∂y
para valores de t grandes. En este caso, el método de Jacobi
puede ser visto como un extensión del problema parabólico y
la iteración se realiza sobre el “parámetro” t.
Dentro de esta óptica, métodos como el ADI pueden ser
utilizados.
30
Capítulo 7:
• 7.2 Métodos directos e iterativos
relajación
31
Capítulo 7:
Volúmenes Finitos
Una opción para resolver numéricamente EDP la constituye el
método de los volúmenes finitos. En este método, la ecuación
diferencial es integrada en el volumen (o área, en 2D) para
luego ser discretizada.
Si sólo aparecen primeras derivadas el método permite
expresar las ecuaciones de diferencias en forma bastante
concreta.
Supongamos que tenemos una EDP de 1er orden dada por:
∂q ∂F ∂G
+ + =0 (31)
∂t ∂x ∂y
Escogiendo de manera adecuada q, F y G podemos
representar varios tipo de ecuaciones. Por ejemplo. Si se
quiere representar la ecuación de continuidad en un fluido en
2D se puede escoger
q= F = u G = v (32)
32
Capítulo 7:
Volúmenes Finitos
Supongamos que (31) se quiere resolver en un dominio tal
como el mostrado en la figura siguiente
D C
A B
Este dominio puede ser descompuesto en un número de

subdominios tales como se muestra arriba a la derecha.
La ecuación (31) puede ser integrada en cada uno de estos
subdominios. Escojamos el subdominio ABCD y
representemos, en forma genérica este subdominio en función
de los índices j y k, tal como se muestra en la lamina
siguiente
(32)
33
Capítulo 7:
Volúmenes Finitos
k +1
( j, k ) k
k −1
j j +1
j −1
La EDP (31) puede ser integrada en ABCD para obtener

 ∂q   ∂F ∂G 
∫V  ∂t dV + V∫  ∂x + ∂y dV = 0 (33)
Intercambiando la derivada en la izquierda y expresando el

integrando a la derecha en forma vectorial
d ∫ qdV
V
+ ∫ ∇.H dV = 0 H = Fxˆ + Gyˆ (34)
dt V
34
Capítulo 7:
Volúmenes Finitos
El teorema de la divergencia permite escribir
∫ divH dV = ∫ H .nˆdS
V S
(35)
Luego, (34) se escribe como

d  
 ∫ qdV  + ∫ H .nˆdS = 0
dt  V 
 S
(36)
El flujo en coordenadas cartesianas vendrá dado por
H .nds = (Fxˆ + Gyˆ ).(cos xˆ + sin yˆ )ds

H .nds = (Fxˆ + Gyˆ ).(ds cosxˆ + ds sin yˆ )
dS
 n̂
H .nds = (Fxˆ + Gyˆ ).(dyxˆ − dxyˆ )

H .nds = (Fdy − Gdx ) (37)
35
Capítulo 7:
Volúmenes Finitos
Con (37) en (36) tenemos
d  
 ∫ qdV  + ∫ (Fdy − Gdx ) = 0 (38)
dt  V 
 S
Luego, (38) se escribe en ABCD como
d  
 ∫ qdV  + ∫ (Fdy − Gdx ) = 0
dt  V 
 ABCD
(39)
k +1
C
D k
B k −1
A
j j +1
j −1
36
Capítulo 7:
Volúmenes Finitos
Si la malla no esta muy distorsionada podemos escribir (39)
sobre los segmentos del polígono ABCD como
d  
 ∫ qdV  + ∑ F∆y − G∆x = 0
dt  V 
 ABCD
(40)
Podemos escribir
d
(Ajk q jk ) + ∑ (F∆y − G∆x ) = 0 (41)
dt ABCD
k +1 A jk : área del cuadrilatero ABCD

C
D k q jk : valor promedio de q en ABCD
B k −1
A
j j +1
j −1
37
Capítulo 7:
Volúmenes Finitos
La sumatoria a la derecha incluye cuatro términos. El primero
de ellos es
∑ F∆y − G∆x ≈ F
AB
j , k −1 / 2 ∆y AB − G j ,k −1/ 2 ∆x AB
(42)
En el segmento AB tendremos
F j ,k −1/ 2 ≈ (F j ,k −1 + F j ,k )
1 (43a)
2
G j ,k −1/ 2 ≈ (G j ,k −1 + G j ,k )
1 (43b)
2
∆y AB = y B − y A
(43c)
∆x AB = xB − x A (43d)
Luego, tendemos que (42) viene dado por
∑ F∆y − G ∆x ≈
1
(F j , k −1 + F j ,k )∆y AB −
1
(G j ,k −1 + G j ,k )∆x AB (44)
38
AB 2 2
Capítulo 7:
Volúmenes Finitos
Sobre los otros lados tendremos expresiones similares. Si la
malla no se deforma en el tiempo, entonces podremos
expresar (41) como
+ (F j ,k −1 + F j ,k )∆y AB − (G j ,k −1 + G j ,k )∆x AB +
dq jk 1 1
A jk
dt 2 2
+ (F j ,k + F j +1,k )∆y BC − (G j ,k + G j +1,k )∆xBC +
1 1
2 2
+ (F j ,k + F j ,k +1 )∆yCD − (G j ,k + G j ,k +1 )∆xCD +
1 1
2 2
+ (F j −1,k + F j ,k )∆y DA − (G j −1,k + G j ,k )∆xDA = 0
1 1
2 2
(45)
a partir de (45) se genera el sistema de ecuaciones a ser

resuelto.
39
Capítulo 7:
Volúmenes Finitos
En caso de tener segundas derivadas en la EDP se requieren
algunas modificaciones.
Veamos el caso de la Ec. de Laplace. Integrándola sobre cada
volumen ABCD tendremos
 ∂ 2T ∂ 2T 
∫  2 + 2 dV = 0
ABCD 
∂x ∂y 
(46)
Reescribiendo (45)
∫ ∇.∇T dV = 0
ABCD
Usando el teorema de la divergencia
∫ ∇T .nˆds = 0
ABCD
40
Capítulo 7:
Volúmenes Finitos
Luego, como para la primera derivada, podemos escribir
 ∂T ∂T 
∑ 
ABCD  ∂x
∆y − ∆x  = 0
∂y 
(47)
pudiendo expresar, por ejemplo, sobre el lado AB

∂T ∂T  ∂T   ∂T 
∑
AB ∂x
∆y −
∂y
∆x ≈  
 ∂x  j ,k −1/ 2
∆y AB −   ∆x AB (48a)
 ∂y  j ,k −1/ 2
Usando el mismo procedimiento sobre todos los lados
llegamos a expresiones similares.
Al agrupar tenemos
41
Capítulo 7:
Volúmenes Finitos
 ∂T   ∂T   ∂T   ∂T 
  ∆yAB −   ∆xAB +   ∆yBC −   ∆xBC +
 ∂x  j,k −1/ 2  ∂y  j,k −1/ 2  ∂x  j+1/ 2,k  ∂y  j+1/ 2,k
 ∂T   ∂T   ∂T   ∂T 
  ∆yCD −   ∆xCD +   ∆yDA −   ∆xDA = 0
 ∂x  j,k +1/ 2  ∂y  j,k +1/ 2  ∂x  j−1/ 2,k  ∂y  j−1/ 2,k
(48b)
La evaluación de las derivadas puede hacerse a través de
varios métodos. Una elección posible corresponde a calcular
su valor promedio en el área B’BC’D’AA’B’
k +1
C
D k
C′
D′
B k −1
A B′
A′
j j +1 42
j −1
Capítulo 7:
Volúmenes Finitos
Luego, tendremos por ejemplo que

k +1
 ∂T  1 ∂T
∫∫S ∂x dxdy
C
  = (49) D
C′
k
 ∂x  j ,k −1/ 2 S A′B′C′D′ D′
B k −1
 ∂T  1
∫
A B′
  = Tdy (50) A′
 ∂x  j ,k −1/ 2 S A′B′C′D′ j j +1
j −1
La integral se aproxima como
∫ Tdy = T ∆y A′B′ + TB ∆yB′C′ + T j ,k ∆yC′D′ + TA∆yD′A′

j , k −1
(51)
Sustituyendo (51) en (50) obtenemos

 ∂T 
  =
1
(Tj,k −1∆y A′B′ + TB ∆yB′C′ + Tj,k ∆yC′D′ + TA∆yD′A′ ) (52)
 ∂x  j ,k −1/ 2 S A′B′C′D′
43
Capítulo 7:
Volúmenes Finitos
Si la malla no es muy distorsionada tendremos
k +1
∆y A′B′ ≈ −∆yC′D′ ≈ ∆y AB (53) C
D k
C′
∆yB′C′ ≈ −∆yD′A′ ≈ ∆y j ,k −1:k (54) D′
B k −1
A B′
A′
El área S se aproxima como j j +1
j −1
S A′B′C′D′ = (∆x AB xˆ + ∆y AB yˆ )x(∆x j ,k −1:k xˆ + ∆y j ,k −1:k yˆ )
S A′B′C′D′ = (∆x AB ∆y j ,k −1:k − ∆y AB ∆x j ,k −1:k ) (55)

Con (53-55) en (52) obtenemos
 ∂T 
=
(T j ,k −1 − T j ,k )∆y AB + (TB − TA )∆y j ,k −1:k
(56)
 
 ∂x  j ,k −1/ 2 (∆xAB∆y j ,k −1:k − ∆y AB∆x j ,k −1:k )
44
Capítulo 7:
Volúmenes Finitos
k +1
Similarmente, tendremos que
C
 ∂T  1 ∂T D
C′
k
  = ∫∫
 ∂y  j ,k −1/ 2 S A′B′C′D′ S ∂y
dxdy (57) D′
B k −1
A B′
 ∂T  1 A′
 
 ∂y  j ,k −1/ 2
=−
S A′B′C′D′ ∫ Tdx (58) j −1 j j +1
n̂
donde el signo menos viene del uso ds = dx < 0 ds = dy > 0
de un sistema dextrógiro.
n̂
La integral se aproxima como
∫ Tdx = T ∆x A′B′ + TB ∆xB′C′ + T j ,k ∆xC′D′ + TA∆xD′A′

j , k −1
(59)
Sustituyendo (59) en (58) obtenemos
 ∂T 
  =−
1
(Tj ,k −1∆xA′B′ + TB ∆xB′C′ + Tj ,k ∆xC′D′ + TA∆xD′A′ ) 45(60)
 ∂y  j ,k −1/ 2 S A′B′C′D′
Capítulo 7:
Volúmenes Finitos
Tendremos, si la malla no esta muy distorsionada
k +1
∆x A′B′ ≈ −∆xC′D′ ≈ ∆x AB (61) C
D k
C′
∆xB′C′ ≈ −∆xD′A′ ≈ ∆x j ,k −1:k (62) D′
B k −1
A B′
A′
Luego con (61-62) en (60) j j +1
j −1
obtenemos,
 ∂T 
  =−
(T j ,k −1 − T j ,k )∆x AB + (TB − TA )∆x j ,k −1:k
 ∂y  j ,k −1/ 2 (∆xAB∆y j ,k −1:k − ∆y AB∆x j ,k −1:k ) (63)
Similarmente, obtenemos para las otras derivadas las

expresiones mostradas en la lamina siguiente.
46
Capítulo 7:
Volúmenes Finitos
 ∂T 
=
(Tj+1,k −Tj,k )∆yBC + (TC −TB )∆y j+1: j,k
(64a)
 
 ∂x  j+1/ 2,k SBC
 ∂T 
  =
(Tj+1,k −Tj,k )∆xBC + (TC −TB )∆x j+1: j,k (64b)
 ∂y  j+1/ 2,k SBC
 ∂T 
=
(Tj,k −1 −Tj,k )∆yCD + (TD −TC )∆y j,k +1:k (64c)
 
 ∂x  j,k +1/ 2 SCD
 ∂T 
  =
(Tj,k −1 −Tj,k )∆xCD + (TD −TC )∆x j,k +1:k (64d)
 ∂y  j,k +1/ 2 SCD
 ∂T 
=
(Tj−1,k −Tj,k )∆yDA + (TA −TD )∆y j−1: j,k (64e)
 
 ∂x  j−1/ 2,k SDA
 ∂T 
  =
(Tj−1,k −Tj,k )∆xDA + (TA −TD )∆x j−1: j,k (64f)
 ∂y  j−1/ 2,k SDA 47
Capítulo 7:
Volúmenes Finitos
Entonces, la ecuación (48b) nos queda
(T j ,k −1 −Tj,k )∆yAB + (TB −TA )∆y j,k −1:k
∆yAB +
(T j ,k −1 −Tj,k )∆xAB + (TB −TA )∆x j,k −1:k
∆xAB +
SAB SAB
(T
j +1,k −Tj,k )∆yBC + (TC −TB )∆y j+1: j,k
∆yBC +
(T j +1,k −Tj,k )∆xBC + (TC −TB )∆x j+1: j,k
∆xBC +
SBC SBC
(T j ,k −1 −Tj,k )∆yCD + (TD −TC )∆y j,k+1:k
∆yCD +
(T j ,k −1 −Tj,k )∆xCD + (TD −TC )∆x j,k+1:k
∆xCD +
SCD SCD
(T
j −1,k −Tj,k )∆yDA + (TA −TD )∆y j−1: j,k
∆yDA +
(T
j −1,k −Tj,k )∆xDA + (TA −TD )∆x j−1: j,k
∆xDA = 0
SDA SDA
(65)
48
Capítulo 7:
Volúmenes Finitos
Reagrupando
(T ( )
j ,k −1 −Tj ,k ) ∆yAB + ∆xAB + (TB −TA )(∆y j ,k −1:k ∆yAB + ∆x j ,k −1:k ∆xAB )
2 2
+
SAB
(T ( )
j +1,k −Tj ,k ) ∆yBC + ∆xBC + (TC −TB )(∆y j +1: j ,k ∆yBC + ∆x j +1: j ,k ∆xBC )
2 2
+
SBC
(T ( )
j ,k +1 −Tj ,k ) ∆yCD + ∆xCD + (TD −TC )(∆y j ,k +1:k ∆yCD + ∆x j ,k +1:k ∆xCD )
2 2
+
SCD
(T ( 2 2
)
j −1,k −Tj ,k ) ∆yDA + ∆xDA + (TA −TD )(∆y j −1: j ,k ∆yDA + ∆x j −1: j ,k ∆xDA)
=0 (66)
SDA
49
Capítulo 7:
Volúmenes Finitos
Definiendo
QAB =
(∆y AB
2
+ ∆xAB
2
) PAB =
(∆y j ,k −1:k ∆yAB + ∆x j,k −1:k ∆xAB )
(67a)
SAB SAB
QBC =
(∆y BC
2
+ ∆xBC
2
) PBC =
(∆y j +1: j ,k ∆yBC + ∆x j+1: j,k ∆xBC )
(67b)
SBC SBC
QCD =
(∆y CD
2
+ ∆xCD
2
) PCD =
(∆y j ,k +1:k ∆yCD + ∆x j,k +1:k ∆xCD)
(67c)
SCD SCD
QDA =
(∆y DA
2
+ ∆xDA
2
) PDA =
(∆y j −1: j ,k ∆yDA + ∆x j−1: j,k ∆xDA)
(67d)
SDA SDA
50
Capítulo 7:
Volúmenes Finitos
Obtenemos
QAB(Tj,k −1 −Tj,k )+ PAB(TB −TA ) + QBC(Tj+1,k −Tj,k )+ PBC(TC −TB ) +
QCD(Tj,k+1 −Tj,k )+ PCD(TD −TC )+ QDA(Tj−1,k −Tj,k )+ PDA(TA −TD ) = 0
Los valores en A, B, C y D se obtienen a partir del promedio (68)

de los cuatro valores en los nodos vecinos. Por ejemplo,
k +1
TA = (Tj,k +Tj−1,k +Tj−1,k−1 +Tj,k−1 )

1 C
(69a) D
C′
k
4 D′
B k −1
xA = (x j,k + x j−1,k + x j−1,k−1 + x j,k−1 )

1 (69b) A B′
A′
4 j +1
j −1 j
yA = (y j,k + y j−1,k + y j−1,k −1 + y j,k −1 )

1
(69c)
4
51
Capítulo 7:
Volúmenes Finitos
Con (69a) en (68) llegamos a
QAB(Tj,k−1 −Tj,k )+ PAB (Tj,k +Tj+1,k +Tj,k−1 +Tj+1,k−1 )− (Tj,k +Tj−1,k +Tj−1,k−1 +Tj,k−1 ) +
1 1 
4 4 
+ QBC(Tj+1,k −Tj,k )+ PBC (Tj,k +Tj+1,k +Tj+1,k+1 +Tj,k+1 )− (Tj,k +Tj+1,k +Tj,k−1 +Tj+1,k−1 ) +
1 1 
4 4 
+ QCD(Tj,k+1 −Tj,k )+ PCD (Tj,k +Tj,k+1 +Tj−1,k+1 +Tj−1,k )− (Tj,k +Tj+1,k +Tj+1,k+1 +Tj,k+1 ) +
1 1 
4 4 
+ QDA(Tj−1,k −Tj,k )+ PDA (Tj,k +Tj−1,k +Tj−1,k−1 +Tj,k−1 )− (Tj,k +Tj,k+1 +Tj−1,k+1 +Tj−1,k ) = 0
1 1 
4 4 
(70)
52
Capítulo 7:
Volúmenes Finitos
Simplificando (70) tenemos
QAB(Tj,k−1 −Tj,k )+ PAB (Tj,k +Tj+1,k +Tj,k−1 +Tj+1,k−1 )− (Tj,k +Tj−1,k +Tj−1,k−1 +Tj,k−1 ) +
1 1 
4 4 
+ QBC(Tj+1,k −Tj,k )+ PBC (Tj,k +Tj+1,k +Tj+1,k+1 +Tj,k+1 )− (Tj,k +Tj+1,k +Tj,k−1 +Tj+1,k−1 ) +
1 1 
4 4 
+ QCD(Tj,k+1 −Tj,k )+ PCD (Tj,k +Tj,k+1 +Tj−1,k+1 +Tj−1,k )− (Tj,k +Tj+1,k +Tj+1,k+1 +Tj,k+1 ) +
1 1 
4 4 
+ QDA(Tj−1,k −Tj,k )+ PDA (Tj,k +Tj−1,k +Tj−1,k−1 +Tj,k−1 )− (Tj,k +Tj,k+1 +Tj−1,k+1 +Tj−1,k ) = 0
1 1 
4 4 
(71)
53
Capítulo 7:
Volúmenes Finitos
Que se reduce a
QAB(Tj,k−1 −Tj,k )+ PAB (Tj+1,k +Tj+1,k−1 )− (Tj−1,k +Tj−1,k−1 ) +

1 1 
4 4 
+ QBC(Tj+1,k −Tj,k )+ PBC (Tj+1,k+1 +Tj,k+1 )− (Tj,k−1 +Tj+1,k−1 ) +
1 1 
4 4 
+ QCD(Tj,k+1 −Tj,k )+ PCD (Tj−1,k+1 +Tj−1,k )− (Tj+1,k +Tj+1,k+1 ) +
1 1 
4 4 
+ QDA(Tj−1,k −Tj,k )+ PDA (Tj−1,k−1 +Tj,k−1 )− (Tj,k+1 +Tj−1,k+1 ) = 0

1 1 
(72)
4 4 
Reagrupando
0.25(PDA − PAB )Tj−1,k −1 + [QAB + 0.25(PDA − PBC )]Tj,k −1 + 0.25(PAB − PBC )Tj+1,k −1 +
[QDA + 0.25(PCD − PAB)]Tj−1,k + [QAB + QBC + QCD + QDA]Tj,k + [QBC + 0.25(PAB − PCD)]Tj+1,k +
0.25(PCD − PDA)Tj−1,k +1 + [QCD + 0.25(PBC − PDA)]Tj,k +1 + 0.25(PBC − PCD)Tj+1,k +1 = 0 54(73)
Capítulo 7:
Volúmenes Finitos
La relación (73) es una discretización a nueve puntos. Puede
resolverse utilizando el método de Jacobi, Gauss-Seidel o
SOR.
Para ello (73) se expresa como
Tj,k = −{[QBC + 0.25(PAB − PCD)]Tj+1,k + [QDA + 0.25(PCD − PAB)]Tj−1,k +
+ 0.25(PDA − PAB )Tj−1,k −1 + [QAB + 0.25(PDA − PBC )]Tj,k −1 +

+ 0.25(PAB − PBC )Tj+1,k −1 + 0.25(PCD − PDA)Tj−1,k +1 +
+ [QCD + 0.25(PBC − PDA)]Tj,k +1 + 0.25(PBC − PCD)Tj+1,k +1}/
[QAB + QBC + QCD + QDA] (74)
construyendose un procedimiento iterativo.
55
Capítulo 7:
Volúmenes Finitos
Si se desea utilizar el método SOR entonces puede utilizarse
un estimado
Tj,k = −{[QBC + 0.25(PAB − PCD)]Tj+1,k + [QDA + 0.25(PCD − PAB)]Tj−1,k +
*
+ 0.25(PDA − PAB )Tj−1,k −1 + [QAB + 0.25(PDA − PBC )]Tj,k −1 +

+ 0.25(PAB − PBC )Tj+1,k −1 + 0.25(PCD − PDA)Tj−1,k +1 +
+ [QCD + 0.25(PBC − PDA)]Tj,k+1 + 0.25(PBC − PCD)Tj+1,k+1} /
n
[QAB + QBC + QCD + QDA] (75)
y la aproximación n+1 se construye a partir de
Tj,k
n+1 n
(
= Tj,k + Tj,k −Tj,k
* n
) (76)
56
Capítulo 7:
Volúmenes Finitos
Ejemplo:
Determine la solución aproximada de la Ecuación de Laplace
en el dominio y con las condiciones de frontera siguientes:
y
sin
T=
1 rxy
T= rxy
ryz
z
sin
T= rzw
rzw w T =0 x
el cual tiene solución exacta

sin
T=
r
57
Capítulo 7:
Volúmenes Finitos
Solución de la Ecuación de Laplace por Volumenes Finitos
jmax = 6 kmax = 6 nmax = 200 eps = 0.100E-04 om = 1.500
rw = 0.100 rx = 1.000 ry = 1.000 rz = 0.100 theb = 0.0 then
= 90.0
k = 1 phi = 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000
phx = 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000
k = 2 phi = 3.0902 1.2439 0.7445 0.5205 0.3929 0.3090
phx = 3.0902 1.1036 0.6718 0.4828 0.3769 0.3090
k = 3 phi = 5.8779 2.3473 1.4036 0.9828 0.7441 0.5878
phx = 5.8779 2.0992 1.2778 0.9184 0.7168 0.5878
k = 4 phi = 8.0902 3.1786 1.8990 1.3345 1.0163 0.8090
phx = 8.0902 2.8893 1.7587 1.2641 0.9866 0.8090
k = 5 phi = 9.5106 3.6209 2.1680 1.5349 1.1802 0.9511
phx = 9.5106 3.3966 2.0675 1.4860 1.1598 0.9511
k = 6 phi = 10.0000 3.5714 2.1739 1.5625 1.2195 1.0000
phx = 10.0000 3.5714 2.1739 1.5625 1.2195 1.0000
Convergencia alcanzada después de 15 pasos rms =

0.13259E+00
58
Capítulo 7:
Solución Numérica de “Problemas
Elípticos” Contenido - Agenda
relajación
59
Capítulo 7:
Solución Numérica de “Problemas Elípticos” Convergencia de los Métodos de Relajación
El método SOR permitió escribir
1
(
Ti ,kj+1 = Ti ,kj +  Ti −k1+,1j + Ti +k1, j + Ti ,kj+−11 + Ti ,kj +1 − 4Ti ,kj
4
) (26)
donde, a través del ajuste del parámetro ω tal que
1< < 2 (27)

se logra una convergencia mas rápida que con el método de
Gauss Seidel a la solución del sistema de ecuaciones lineales
Ti −1, j − 4Ti , j + Ti +1, j + Ti , j −1 + Ti , j +1 = 0 (8)

En el caso general, el parámetro ω satisface
0 < < 2 (77)
y, si 0< ω<1 el método se denomina de subrelajación.
60
Capítulo 7:
La justificación de estos limites para los valores de ω requiere

de algunas definiciones y teoremas.
Radio Espectral: El radio espectral ρ(A) de una matriz A esta
definido por
 ( A) = máx  (78)
donde λ es el mayor valor característico de la matriz A.

Matriz Convergente: Una matriz de n x n es convergente si
lim Ak
k →∞
( ) ij =0 ∀i = 1,..., n; j = 1,..., n (79)
Un método iterativo se escribe en general como
x (k ) = Tx (k −1) + c (80)
donde la forma de T vendrá dada por cada método particular
61
Capítulo 7:
Necesitaremos además otros dos resultados.
El primero corresponde al lema siguiente:
Si el radio espectral ρ(T) satisface ρ(T)<1, entonces existe
(I-T)-1 y se cumple que
(I − T )−1 = I + T + T 2 + .... (81)
Demostración:
Si
Tx = x
entonces
Ix − Tx = Ix − x = x − x
luego
(I − T )x = (1 −  )x 62
Capítulo 7:
En consecuencia 1-λ es un autovalor de (I-T). Puesto que el

radio espectral de T es menor que 1 entonces
 ≤  (T ) < 1 (82)
y, en consecuencia
1−  > 0
Entonces 0 no puede ser un autovalor de (I-T), con lo que (I-
T) no puede ser singular.
Sea la sucesión
S m = I + T + T 2 + .... + T m (83)
Luego
(I − T )S m = (I − T )(I + T + T 2 + .... + T m )
(I − T )S m = (I + T + T 2 + .... + T m ) − (T + T 2 + .... + T m+1 ) 63
Capítulo 7:
Simplificando
(I − T )S m = I − T m+1 (84)
La norma de A-B satisface que
A− B ≤ A B (85)
En consecuencia, y puesto que, para cualquier matriz A con

autovalores λ se cumple que (para x unitario)
 =  x = x = Ax ≤ A x = A (86)
la norma de la matriz es mayor o igual a sus autovalores
64
Capítulo 7:
Puesto que el radio espectral de T es menor que 1, entonces
su norma también lo será y, en consecuencia, T es
convergente.
Luego,
lim (I − T )S m = lim I − T m +1 = I
k →∞ k →∞
( ) (87)
Finalmente, tendremos que en el limite
lim S m = (I − T )
−1
k →∞
(88)
y, de la definición (83) concluimos que
(I − T )−1 = I + T + T 2 + .... (89)
65
Capítulo 7:
Teorema: Para cualquier x(0) en Rn, la sucesión x(k), k=0,∞

definida por
x (k ) = Tx (k −1) + c (90)
converge en la solución única de
x = Tx + c (91)
si ρ(T)<1.
Demostración:
Supongamos que ρ(T)<1. Luego de (90) tenemos
( )
x (k ) = Tx (k −1) + c = T Tx (k − 2 ) + c + c = T 2 x (k − 2 ) + (T + I )c
x (k ) = T 2 (Tx ( ) + c ) + (T + I )c = T
k −3 3
( )
x ( k −3 ) + T 2 + T + I c (92)
x (k ) = T k x ( ) + (T + ... + T + I )c
0 k −1
66
Capítulo 7:
Puesto que el radio espectral de T es menor que 1, T es
convergente
lim T k x (0 ) = 0
k →∞
Luego, por el lema anterior

 k −1 
lim x = lim T x +  lim ∑ T  c = 0 + (I − T ) c
(k ) (0 )
k j −1
k →∞ k →∞
 k →∞ j = 0 
y, en consecuencia la sucesión converge a la solución
x = (I − T ) c
−1
67
Capítulo 7:
Por ejemplo, el método de Jacobi se escribe como
n
bi − ∑ aij x (j k −1)
j =1
j ≠i
xi( k ) = i = 1,2,..., n
aii
La matriz A se puede descomponer como
 a11 a12 . . a1n  a11 0 . . 0  0 0 . . 0 0 − a12 . . − a1n 
a  0  .
 21 a22 . . a2 n   0 a22 . .  − a21 . .
 0 . . . 
 . . . = . . . . − . . . − . . . 
       
 . . .   . . 0  . . . . . − an −1,n 
an1 an 2 . . ann   0 . . 0 ann  − an1 . . − an ,n −1 0 0 . . . 0 
A = D − L −U (93)
68
Capítulo 7:
Luego, la ecuación
Ax = b (94)
se escribe como
(D − L − U )x = b
que al desarrollar queda como
Dx = (L + U )x + b
despejando x
x = D −1 (L + U )x + D −1b (95)
Obteniendo el método de Jacobi
x (k ) = D −1 (L + U )x (k −1) + D −1b k = 1,2,... (96)
69
Capítulo 7:
Con la notación de la ecuación (80) tenemos
x (k ) = T j x (k −1) + c j (97)
donde Tj y cj se escriben como
T j = D −1 (L + U )
c j = D −1b
De manera similar, el método de Guss-Seidel se puede
expresar en forma matricial. En ese caso, la expresión
i −1 n
bi − ∑ aij x (j k ) − ∑ ij j
a x ( k −1)
j =1 j =i +1 (98)
x (k )
i = i = 1,2,..., n
aii
70
Capítulo 7:
se escribe como
i −1 n
∑ ij j ii i = bi −
a x
j =1
(k )
+a x (k )
∑ ij j
a x ( k −1)
j =i +1
i = 1,2,..., n (99)
Al escribir cada ecuación
a11 x1( k ) = −a12 x2( k −1) − a13 x3( k −1) − ... − a1n xn( k −1) + b1
a21 x1( k ) + a22 x2( k −1) = − a23 x3( k −1) − ... − a2 n xn( k −1) + b2
.....
an1 x1( k ) + an 2 x2( k −1) + .... + ann xn( k −1) = bn
Es obvio que la forma matricial del método de Gauss Seidel

es
(D − L )x (k ) = Ux (k −1) + b (100)
71
Capítulo 7:
o, despejando
(k )
= (D − L ) Ux ( k −1)
+ (D − L ) b
−1 −1
x (101)
Definiendo
Tgs = (D − L ) U
−1
c gs = (D − L ) b
−1
obtenemos
(k ) ( k −1)
x = Tgs x + c gs (102)
En el caso del método de relajación, entonces la solución se
aproximó siguiendo
k k −1 1
4
( )
Ti , j = Ti , j +  Ti −k1, j + Ti +k1−,1j + Ti ,kj −1 + Ti ,kj−+11 − 4Ti ,kj−1 (103)
72
Capítulo 7:
que puede reescribirse como
1
4
(
Ti ,kj = (1 −  )Ti ,kj−1 +  Ti −k1, j + Ti +k1−,1j + Ti ,kj −1 + Ti ,kj−+11 ) (104)
o, en general, utilizando la notación anterior para el método

de Gauss Seidel
i −1 n
bi − ∑ aij x (j k ) − ∑ ij j
a x ( k −1)
j =1 j =i +1
xi( k ) = i = 1,2,..., n
aii
aplicada a (104) escribimos
  i −1 n 
x (k )
= (1 −  )x ( k −1)
+ bi − ∑ aij x j − ∑ aij x j
(k ) ( k −1)
 (105)
aii  j =1 j =i +1 
La ecuación (105) puede escribirse con las incógnitas en la
iteración k a la derecha 73
Capítulo 7:
para obtener
i −1  n 
aii x (k ) +  ∑ aij x (j k ) = aii (1 −  )x ( k −1)
+  bi − ∑ aij x j (106)
( k −1)
j =1  j =i +1 
Luego, (94) se escribe como
(D − L )x (k ) = [(1 −  )D + U ]x (k −1) + b
Despejando obtenemos
x (k )
= ( D − L )
−1
[(1 −  )D + U ]x ( k −1)
+  (D − L ) b (107)
−1
En consecuencia, la forma matricial de (95) se obtiene

definiendo −1
T = (D − L ) [(1 −  )D + U ]
(108)
c =  (D − L ) b
−1 74
Capítulo 7:
para llegar a
x (k ) = T x (k −1) + c (109)
Veamos bajo que condiciones podemos asegurar la

convergencia del método de relajación.
La matriz Tw tiene autovalores λ. Luego, su determinante se
puede expresar como
det T = ∏ in=1 i (110)
Al utilizar la definición de Tw tenemos

{
det (T ) = det (D − L ) [(1 −  )D + U ]}
−1
det (T ) = det {(D − L ) }det{[(1 −  )D + U ]}

−1

(111)
75
Capítulo 7:
Utilizando las propiedades de los determinantes tenemos
det{[(1 −  )D + U ]}
det (T ) = (112)
det{(D − L )}
Desarrollando esta expresión y utilizando que U y D no
tienen elementos en la diagonal
det{[(1 −  )D ]}
det (T ) =
det{(D )}
det (T ) = (1 −  ) (113)
Pero, al sustituir (110) llegamos a
∏ in=1 i = (1 −  ) (114)
76
Capítulo 7:
Si el mayor autovalor es λ tendremos
n ≥ (1 −  ) (115)
Para que el método iterativo converja necesitamos que el

radio espectral de T sea menor a 1. En consecuencia
(1 −  ) ≤ n <1
En consecuencia, los métodos de relajación requieren
0 < < 2 (116)
77
Mecánica
Capítulo 6
PROBLEMAS ELÍPTICOS


Velásquez

Cap 7 - Solución Numérica de Ecuaciones Diferenciales Elípticas PDF

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Cap 7 - Solución Numérica de Ecuaciones Diferenciales Elípticas PDF

Cargado por

Copyright:

Formatos disponibles

Técnicas Aproximadas en

SOLUCIÓN NUMÉRICA DE ECUACIONES

Universidad Simón Bolívar

Armando J. Blanco Álvarez y Boris M. Bossio

Universidad Simón Bolívar

Armando J. Blanco Álvarez y Boris M. Bossio

Consideremos la ecuación de Laplace en dos dimensiones

Según la clasificación (Capítulo anterior) tendremos que

La discretización en diferencias finitas de orden 2 de la

Ti −1, j − 2Ti , j + Ti +1, j +  2Ti , j −1 − 2  2Ti , j +  2Ti , j +1 = 0 (6)

Las ecuaciones (8) corresponden a un esquema de cinco

T (x − ∆x, y ) = T (x, y ) − ∆x

Sumando las dos primeras y las dos últimas obtenemos

Multiplicando (13a) por 16 y restando (13b) llegamos a

Luego, la segunda derivada se expresa como

Para resaltar la simetría, escribimos (15) como

 ∂ 2T  − Ti − 2, j + 16Ti −1, j − 30Ti , j + 16Ti +1, j − Ti + 2, j

De manera similar, la segunda derivada en y se expresa como

 ∂ 2T  − Ti , j − 2 + 16Ti , j −1 − 30Ti , j + 16Ti , j +1 − Ti , j + 2

Estas ecuaciones requieren nueve puntos para su cálculo

Aún cuando este esquema es mas preciso, es obvia su

La solución del sistema de ecuaciones (8) puede realizarse de

[A][T ] = [b] (19)

− 4T1 + T4 + T2 = − T12 − T21 y =1

− 4T4 + T5 + T1 + T7 = −T13 y=0

Cambiando el orden en que se escriben los términos en cada

− 4 1 1  T1  − T12 − T21 

Este sistema puede ser resuelto utilizando un método estándar

Ti −k1, j + Ti +k1, j + Ti ,kj −1 + Ti ,kj +1

Partiendo de una aproximación inicial podemos iterar hasta

T (0, y ) = 100 T (1, y ) = 0

con una malla de 11*11.

donde, a través del ajuste del parámetro ω tal que

1< < 2 (27)

siendo n el número de divisiones en que los lados del

1 Trans. Amer. Math. Soc., 76 (1954)

Al utilizar la ecuación (28) determinamos  = 1.53 29

Este dominio puede ser descompuesto en un número de

La EDP (31) puede ser integrada en ABCD para obtener

Intercambiando la derivada en la izquierda y expresando el

Luego, (34) se escribe como

H .nds = (Fxˆ + Gyˆ ).(cos xˆ + sin yˆ )ds

H .nds = (Fxˆ + Gyˆ ).(dyxˆ − dxyˆ )

k +1 A jk : área del cuadrilatero ABCD

a partir de (45) se genera el sistema de ecuaciones a ser

Usando el teorema de la divergencia

pudiendo expresar, por ejemplo, sobre el lado AB

Luego, tendremos por ejemplo que

La integral se aproxima como

∫ Tdy = T ∆y A′B′ + TB ∆yB′C′ + T j ,k ∆yC′D′ + TA∆yD′A′

Sustituyendo (51) en (50) obtenemos

S A′B′C′D′ = (∆x AB xˆ + ∆y AB yˆ )x(∆x j ,k −1:k xˆ + ∆y j ,k −1:k yˆ )

S A′B′C′D′ = (∆x AB ∆y j ,k −1:k − ∆y AB ∆x j ,k −1:k ) (55)

∫ Tdx = T ∆x A′B′ + TB ∆xB′C′ + T j ,k ∆xC′D′ + TA∆xD′A′

Similarmente, obtenemos para las otras derivadas las

QCD(Tj,k+1 −Tj,k )+ PCD(TD −TC )+ QDA(Tj−1,k −Tj,k )+ PDA(TA −TD ) = 0

Los valores en A, B, C y D se obtienen a partir del promedio (68)

TA = (Tj,k +Tj−1,k +Tj−1,k−1 +Tj,k−1 )

xA = (x j,k + x j−1,k + x j−1,k−1 + x j,k−1 )

yA = (y j,k + y j−1,k + y j−1,k −1 + y j,k −1 )

QAB(Tj,k−1 −Tj,k )+ PAB (Tj+1,k +Tj+1,k−1 )− (Tj−1,k +Tj−1,k−1 ) +

+ QDA(Tj−1,k −Tj,k )+ PDA (Tj−1,k−1 +Tj,k−1 )− (Tj,k+1 +Tj−1,k+1 ) = 0

+ 0.25(PDA − PAB )Tj−1,k −1 + [QAB + 0.25(PDA − PBC )]Tj,k −1 +