Cursillo

Introducción a los Elementos

Finitos

Área de especialización:
Análisis Numérico de Ecuaciones Diferenciales Parciales
1. Introducción

En mecánica del medio continuo aparecen muchos modelos matemáticos escritos en forma
de ecuaciones diferenciales parciales en términos de variables fı́sicamente relevantes (desplaza-
mientos y esfuerzos de estructuras, velocidad y presión de un fluido, etc.), las cuales necesitan
ser aproximadas. El método de elementos finitos (MEF), el cual fué introducido por ingenieros
(∼1960) es uno de los métodos numéricos más importantes que permite aproximar las soluciones
de tales problemas. El MEF se basa fuertemente en lo que se conoce como formulación variacio-
nal o formulación débil del problema de valores de contorno y aproxima la solución del problema
por funciones polinomiales a trozos sobre una triangulación del dominio.

En estas notas1 , primero presentaremos en el Capı́tulo 2 un breve resumen de ecuaciones

diferenciales parciales. En el Capı́tulo 3 presentaremos conceptos de análisis funcional, que pos-
teriormente en el Capı́tulo 4 nos permitirán introducir una formulación variacional primal de
un problema de valores de contorno unidimensional (con condiciones de frontera de Dirichlet).
Además introduciremos su discretización por el método de elementos finitos junto al análisis de
error respectivo. En el Capı́tulo 5 se presenta el análisis de una ecuación diferencial lineal de
segundo orden (con condiciones de frontera de Neumann) junto a su discretización por elementos
finitos sobre un dominio bidimensional.

Para mayores detalles sobre cada uno de los tópicos que se presentan, se pueden consultar las
siguientes referencias: S.C. Brenner and R.L. Scott [1], P.G. Ciarlet [2], G.N. Gatica [3],
A. Quarteroni [5] and S. Salsa [4].

1
Documento redactado para: Escuela de Primavera en Matemática Aplicada, Universidad del Bı́o-Bı́o,
E ′ (U BB) = 2018. http://ciencias.ubiobio.cl/eprima/

1
2. Un breve resumen sobre ecuaciones diferenciales parciales.
El propósito de este capı́tulo es recordar los conceptos básicos relacionados con las ecuaciones
diferenciales parciales (EDP).

2.1. Definiciones y ejemplos.

Las ecuaciones diferenciales parciales son ecuaciones diferenciales que contienen derivadas
de la función incógnita con respecto a varias variables (temporales o espaciales). En particular,
si denotamos por u la función incógnita de la ecuación en las d + 1 variables independientes
x := (x1 , . . . , xd )T y t, escribiremos,

∂ p1 +···+pd +pt u
 
∂u ∂u ∂u
P(u, g) = F x, t, u, , ,..., , . . . , p1 , g = 0, (2.1)
∂t ∂x1 ∂xd ∂x1 · · · ∂xpdd ∂tpt

una EDP genérica, donde g corresponde a los datos, y p1 + · · · + pd + pt ∈ N.

Denotaremos por Ω ⊆ Rd , una región del espacio donde se satisface la EDP, dicha región
será un abierto acotado del espacio d-dimensional. La frontera de Ω, denotada por ∂Ω se asu-
mirá suficientemente regular.

Diremos que la EDP (2.1) es de orden q, si q es el orden maximal de las derivadas parciales
que aparecen en la ecuación, es decir, el máximo entero dado por p1 + · · · + pd + pt .

Si la EDP (2.1) depende linealmente de la incógnita u y de sus derivadas se dice que la

ecuación es lineal. En el caso particular en el que las derivadas de mayor orden aparecen de
manera lineal (con coeficientes que pueden depender de las derivados de orden inferior), se dice
que la ecuación es cuasi-lineal. Se dice que la ecuación es semi-lineal cuando es cuasi-lineal y
los coeficientes de las derivadas de orden mayor solo dependen de x y t, y no de la solución u.
Finalmente, si la ecuación no contiene términos que sean independientes de la función incógnita
u, la EDP de dice homogénea.

A continuación, presentamos algunos ejemplos de EDPs que se encuentran con frecuencia en

ciencias aplicadas.

Ejemplo 2.1 Una ecuación lineal de primer orden (ecuación de advección o de transporte)

∂u
+ div(βu) = 0, (2.2)
∂t
donde hemos denotado
d
X ∂vi
div v = , v = (v1 , . . . , vd )T ,
∂xi
i=1

el operador divergencia. En (2.2), β(x, t) es un dato del problema.

Ejemplo 2.2 Las siguientes son ecuaciones lineales de segundo orden:

2
 la ecuación de Poisson
−∆u = f, (2.3)
describe la difusión de un fluido en una región Ω ⊆ Rd . Dicha ecuación también describe
la deflexión de una membrana;

la ecuación del calor

∂u
− ∆u = f, (2.4)
∂t
es relevante en procesos de difusión térmica y de difusión de fluidos en general.

la ecuación de onda
∂2u
− c2 ∆u = 0, (2.5)
∂2t
donde c es un número real positivo que representa la velocidad de propagación de las ondas.
En las ecuaciones anteriores se considera el operador diferencial de Laplace o Laplaciano
∆u, definido como
d
X ∂2u
∆u := = div(∇u),
∂ 2 xi
i=1
 t
∂u ∂u ∂u
donde ∇u := ∂x ,
1 ∂x2
, . . . , ∂x d
es el vector gradiente de u.

Ejemplo 2.3 La siguiente es un ecuación cuasi-lineal de primer orden (llamada ecuación de

Burgers)
∂u ∂u
+u = 0, (2.6)
∂t ∂x1
si agregamos un término de perturbación de segundo orden a la ecuación anterior, obtenemos

∂u ∂u ∂2u
+u =ε 2 , ε > 0, (2.7)
∂t ∂x1 ∂ x1
la que corresponde a una ecuación semi-lineal.

Ejemplo 2.4 La siguiente es una ecuación de segundo orden no-lineal

 2  2
∂u ∂u
+ = f. (2.8)
∂x1 ∂x2

A continuación, presentamos lo que entenderemos por solución de una EDP.

Definición 2.5 Una función u = u(x1 , x2 , . . . , xd , t) se dice una solución de (2.1) si al reem-
plazarla en la EDP (junto a todas sus derivadas) se obtiene una identidad.

Ejemplo 2.6 La ecuación de transporte en una dimensión

∂u ∂u
− = 0, (2.9)
∂t ∂x1

3
admite soluciones de la forma u(x1 , t) = w(x1 + t), donde w es una función arbitraria suficien-
temente regular. Análogamente, la ecuación Laplace (ver (2.3)):

−∆u = 0 en Ω = (0, 1)2 ,

admite como soluciones u(x1 , x2 ) = x21 − x22 , u(x1 , x2 ) = x1 + x2 , etc. Sin embargo, la siguiente
ecuación unidimensional
−u′′ (x1 ) = 2, en 0 < x1 < 1,
du
donde u′ = dx1 , con las condiciones de frontera

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

admite una solución de la forma u(x1 ) = x1 (x1 − 1).

2.2. Condiciones de contorno (o de frontera) e iniciales.

Dada una EDP sobre un dominio Ω ⊆ Rd , usualmente se pide no solo encontrar una solución
u que satisfaga (2.1) en cada punto de Ω, sino que también satisfaga ciertas condiciones sobre
∂Ω (frontera de Ω) o sobre partes disjuntas de la frontera.

Condición de contorno de Dirichlet: Dada una EDP definida sobre un dominio Ω ⊆ Rd

sujeta a la siguiente condición sobre la frontera:

u=g sobre ∂Ω,

donde g es una función conocida, se llama condición de Dirichlet.

Condición de contorno de Neumann: Dada una EDP definida sobre un dominio Ω ⊆ Rd ,

diremos que la EDP está sujeta a una condición de contorno de Neumann cuando se
especifique la siguiente condición:
∂u
= h sobre ∂Ω,
∂n
∂u
donde h es una función conocida, ∂n := ∇u · n (derivada nornal), con n el vector unitario
normal exterior a la frontera ∂Ω.

Condición de contorno de Robin: Dada una EDP definida sobre un dominio Ω ⊆ Rd sujeta
a la siguiente condición sobre la frontera:
∂u
+u=w sobre ∂Ω,
∂n
donde w es una función conocida, se llama condición de Robin.

Otro tipo de condiciones que aparecen en la solución de una EDP son las denominadas
condiciones iniciales respecto de una de las variables independientes que denotamos por t. Más
precisamente, si en una EDP está presente la primera derivada con respecto a la variable temporal
t de u(x, t) (como en la ecuación (2.4)), entonces debemos considerar una condición inicial del
tipo:
u(x, 0) = r1 (x) en Ω̄, (2.10)

4
donde r1 es una función conocida.

De la misma forma, si en una EDP está presente la segunda derivada con respecto a la
variable temporal t de u(x, t) (como en la ecuación (2.5)), entonces debemos considerar, además
de la condición inicial (2.10), una condición inicial del tipo:

∂u(x, 0)
= r2 (x) en Ω̄, (2.11)
∂t
con r2 es una función conocida.

Notamos que las condiciones iniciales no son condiciones de contorno ya que también se
consideran situaciones en las que el conjunto determinado por la ecuación en el tiempo inicial
t = t0 puede estar en el interior de Ω.

En problemas de aplicación en los que se analiza la evolución de un sistema es posible tener

tanto condiciones de contorno como iniciales. Por ejemplo, consideremos la siguiente EDP:
∂u
= c2 ∆u en Ω, (2.12)
∂t
u(x, t) = 0 sobre ∂Ω × (0, T ], (2.13)
u(x, 0) = r(x) en Ω̄, (2.14)

donde r es una función conocida y c es una constante positiva. La solución u(x, t) de la EDP
(2.12)-(2.14), describe la temperatura en un punto x ∈ Ω y en un instante t de un sólido represen-
tado por Ω̄, que se encuentra a una temperatura constante igual a cero en la frontera (condición
de contorno (2.13)) y con una distribución inicial de temperatura dada por r (condición inicial
(2.14)).

2.3. Solución numérica de EDPs.

En general, no es posible obtener una solución explı́cita de (2.1). De hecho, los métodos de
integración analı́tica disponibles (como la técnica de separación de variables) tienen una aplica-
bilidad limitada. Por otro lado, incluso en el caso de que se conozca una solución, no se garantiza
que dicha solución satisfaga las condiciones iniciales y de frontera.

Además, a partir de los ejemplos presentados, parece evidente que la solución depende de
una serie de funciones arbitrarias, por lo que la imposición de las condiciones de frontera resulta
en la solución de problemas matemáticos que generalmente son bastante complicados.

Por lo tanto, desde un punto de vista teórico, en el análisis de una EDP es frecuente estudiar
la existencia, unicidad y, posiblemente, la regularidad de sus soluciones, pero este análisis carece
de herramientas prácticas para su determinación real.

Por esta razón, es importante conocer métodos numéricos, que permitan construir una apro-
ximación uN
h de la solución exacta u de una EDP y evaluar (en alguna norma adecuada) el error
cometido uN N
h − u cuando se sustituye la solución exacta u por la solución aproximada uh . En

5
general, N ≥ 1 es un entero positivo que denota la dimensión (finita) del problema aproximado.
Esquemáticamente, obtendremos la siguiente situación:

P(u, g) = 0 EDP exacta

↓ métodos numéricos
PhN (uN N
h , gh ) = 0 EDP aproximada,
donde ghN denota una aproximación del dato g de la EDP, y con PhN el problema aproximado.

En los siguientes capı́tulos presentaremos en detalle el método numérico de los elementos

finitos. Aquı́ solo enunciamos las principales caracterı́sticas de los métodos numéricos. Diremos
que un método numérico es convergente si:

||u − uN
h || → 0 cuando N → ∞,

para una norma dada. Establecer la convergencia de un método numérico puede ser muy complejo
y depende fuertemente de la naturaleza de la EDP (lineal, no lineal, dependiente de parámetros,
etc.). Estudiaremos en detalle la convergencia del método de elementos finitos para aproximar
la solución de una EDP lineal de segundo orden.

Adicionalmente, diremos que un método numérico es consistente si

PhN (u, g) → 0 cuando N → ∞, (2.15)

Note que (2.15) es equivalente a

PhN (u, g) − P(u, g) → 0 cuando N → ∞.

Esto expresa la propiedad de que PhN (EDP aproximada) “tiende” a P (EDP exacta) cuando
N → ∞. En cambio, decimos que un método numérico es estable si pequeñas perturbaciones en
los datos generan pequeñas perturbaciones en la solución. Más precisamente,

∀ε > 0, ∃δ = δ(ε) > 0 : ∀δghN : ||δgN || < δ =⇒ ||δuN

h || ≤ ε, ∀N ≥ 1;
donde uN N
h + δuh es solución del problema perturbado

PhN (uN N N N
h + δuh , gh + δgh ) = 0.

6
3. Elementos de análisis funcional.
El propósito de este capı́tulo es presentar resultados importantes de análisis funcional.

3.1. Funcionales y formas bilineales.

Definición 3.1 Sea (V, h·, ·i) un espacio de Hilbert, llamaremos funcional sobre V a una apli-
cación que asocia un número real a cada elemento de V

F : V → R.

Ejemplo 3.2 Sea (V, h·, ·i) un espacio de Hilbert y denotamos por kvk := hv, vi1/2 la norma
inducida por el producto interior. Consideremos la siguiente aplicación:

F :V →R
v → F (v) = kvk,

se tiene que F es un funcional.

Un funcional F : V → R se dice lineal si

F (αv + βw) = αF (v) + βF (w) ∀α, β ∈ R, ∀v, w ∈ V.

Un funcional lineal F : V → R se dice acotado si existe una constante C > 0 tal que

|F (v)| ≤ Ckvk ∀v ∈ V.

Definición 3.3 Se llama dual de V y se denota V ′ al espacio de todos los funcionales lineales
y acotados sobre V , esto es,

V ′ := {F : V → R : F es lineal y acotado},

y dotamos V ′ de la norma k · kV ′ definida por

|F (v)|
kF kV ′ = sup .
v∈V kvk

El siguiente lema establece una importante desigualdad, llamada desigualdad de Cauchy-

Schwarz.

Lema 3.4 Sea (V, h·, ·i) un espacio de Hilbert. Entonces

|hu, vi| ≤ kukkvk ∀u, v ∈ V.

A continuación enunciamos el Teorema de Representación de Riesz.

Teorema 3.5 Sea (V, h·, ·i) un espacio de Hilbert y sea F ∈ V ′ . Entonces, existe un único
uF ∈ V tal que
F (v) = huF , viV ∀v ∈ V, y kF kV ′ = kuF kV .

7
 Introducimos ahora la noción de forma bilineal que será de gran importancia para analizar
existencia y unicidad de solución de formulaciones variacionales asociadas a EDPs.

Definición 3.6 Sea (V, h·, ·i) un espacio de Hilbert. Llamaremos forma a una aplicación que
asocia a cada par de elementos de V un número real

B : V × V → R.

Diremos que una forma es:

bilineal, si:

B(αv + βw, z) = αB(v, z) + βB(w, z) ∀α, β ∈ R, ∀v, w, z ∈ V,

B(v, βw + αz) = βB(v, w) + αB(v, z) ∀α, β ∈ R, ∀v, w, z ∈ V.

acotada, si existe M > 0 tal que

|B(v, w)| ≤ M kvkV kwkV ∀v, w ∈ V.

simétrica, si:
B(v, w) = B(w, v) ∀v, w ∈ V.

positiva, si:
B(v, v) > 0 ∀v ∈ V.

coerciva sobre V (o V -elı́ptica), si existe α > 0 tal que

B(v, v) ≥ αkvk2V ∀v ∈ V.

Definición 3.7 Sean (V, h·, ·iV ) y (W, h·, ·iW ) espacios de Hilbert. Diremos que V esta contenido
en W con inyección continua si existe una constante C > 0 tal que kvkW ≤ CkvkV ∀v ∈ V .
Además, diremos que V es denso en W si cada elemento de W es lı́mite (en la norma k · kW )
de una sucesión de elementos de V .

Definición 3.8 Sean (V, h·, ·iV ) y (W, h·, ·iW ) espacios de Hilbert. Toda aplicación T : V → W
se llama operador.

Un operador T : V → W es lineal, si

T (λv + βu) = λT (v) + βT (u) ∀λ, β ∈ R ∀v, u ∈ V

Un operador lineal T : V → W se dice acotado, si existe M > 0 tal que

kT (v)kW ≤ M kvkV ∀v ∈ V.

Definición 3.9 El espacio de todos los operadores lineales y acotados de V en W se denota por
L(V, W ).

8
 El siguiente resultado, llamado Teorema de Lax-Milgram, corresponde a una extensión del
Teorema de Representación de Riesz al caso de formas bilineales no simétricas.

Teorema 3.10 Sea (V, h·, ·iV ) un espacio de Hilbert y sea B : V × V → R una formal bilineal
acotada (con constante M > 0) y coerciva (con constante α > 0). Entonces, para cada F ∈ V ′
existe un único u ∈ V tal que
B(u, v) = F (v) ∀v ∈ V.
Además, se tiene la siguiente propiedad de dependencia continua de los datos:

kukV ≤ α−1 kF kV ′ .

Observación 3.11 El Teorema de Lax-Milgram es de gran importancia en el análisis de exis-

tencia y unicidad de solución de formulaciones variacionales de EDPs. Además, nos permite
asegurar existencia y unicidad de discretizaciones basadas en elementos finitos de dichos proble-
mas variacionales.

3.2. Distribuciones.
Sea Ω un abierto de Rd y sea φ una función continua. Se define el soporte de φ como el
conjunto
sop φ := {x ∈ Ω : φ(x) 6= 0},
es decir, es el conjunto de puntos donde la función φ no se anula, unido a la frontera del mismo.

Ahora consideramos el conjunto D(Ω) el cual se compone de las funciones φ que cumplen las
siguientes condiciones:

φ ∈ C ∞ (Ω);

sop φ es compacto (cerrado y acotado) y está estrictamente contenido en Ω.

En la primera condición, C ∞ (Ω) son las funciones infinitamente diferenciables en Ω (φ y todas

sus derivadas parciales de cualquier orden sean funciones continuas). La segunda, que la función
sea no nula sólo en un conjunto acotado, que no puede aproximarse a la frontera de Ω.

Notamos que en D(Ω), el orden de derivación no es relevante. Ası́, se tiene que

∂2φ ∂2φ
= .
∂x1 ∂x2 ∂x2 ∂x1
Por esta razón usaremos la notación con multi-ı́ndices para las derivadas. Llamaremos multi-
ı́ndice α a una d-upla:
α := (α1 , . . . , αd ),
con αi ∈ N ∪ {0}. Además, para α ∈ Nd , denotamos por

|α| := α1 + · · · + αd .

9
Por último, una derivada de orden α es

∂ |α| φ
∂ α φ := .
∂xα1 1· · · ∂xαd d

Notamos que usando la notación anterior:

∂ α (∂ β φ) = ∂ α+β φ.

Ahora introducimos el siguiente espacio de funciones integrables:

Z
L1 (Ω) := {f : Ω → R : |f | < ∞}.
Ω

Notamos que las funciones de L1 (Ω) están definidas en casi todo punto (ctp) o, como se dice,
salvo en conjuntos de medida nula. Esto extiende la idea de que funciones iguales salvo en un
conjunto finito de puntos, o salvo en una lı́nea (en R2 o R3 ), etc., son esencialmente la misma
función. Las funciones van a estar siempre integradas de una forma u otra y cambiar el valor
sobre estos conjuntos de medida nula no varı́a el valor de las integrales. Ası́, escribiremos que

f = g, (ctp)

cuando f y g coinciden salvo en un conjunto de medida nula. Igualmente f = 0 (ctp) cuando f

es igual a cero salvo en un conjunto de medida nula. Repetimos la idea: funciones que coinciden
salvo en un conjunto de medida nula serán para nosotros la misma función.

La importancia del espacio D(Ω) viene justicada por el siguiente resultado.

Proposición 3.12 Sea f ∈ L1 (Ω). Entonces
Z
fφ = 0 ∀φ ∈ D(Ω),
Ω

si y sólo si
f = 0, (ctp).
Este resultado tiene mucha importancia: dice que para observar si dos funciones son la misma
función (salvo en conjuntos de medida nula) basta mirar todas las integrales
Z
fφ ∀φ ∈ D(Ω).
Ω

Continuamos con el concepto de convergencia en D(Ω).

Definición 3.13 Dada una sucesión {φk } ⊆ D(Ω), diremos que la sucesión converge a una
función φ ∈ D(Ω) y escribiremos φk → φ en D(Ω) si:
Existe un compacto K contenido en Ω tal que sop φk ⊆ K para todo k.

para todo α, ∂ α φk → ∂ α φ uniformemente en K, esto es,

máx |(∂ α φk )(x) − (∂ α φ)(x)| → 0.

x∈Ω

10
 Ahora definiremos el espacio de distribuciones sobre Ω.

Definición 3.14 Una aplicación lineal T : D(Ω) → R se dirá continua si (denotaremos por
hT, φi la acción de T sobre el elemento φ ∈ D(Ω)),

lı́m hT, φk i = hT, φi,

k→∞

donde {φk } ⊆ D(Ω) es una sucesión de funciones que converge a φ ∈ D(Ω) (φk → φ en D(Ω)).
Llamaremos distribución sobre Ω a cualquier aplicación lineal y continua T : D(Ω) → R. El
espacio de distribuciones sobre Ω está dado por el espacio dual D ′ (Ω) de D(Ω).

Para la acción de una distribución T sobre una función test φ ∈ D(Ω) (esto es, el valor de la
aplicación lineal en la función test concreta) emplearemos la notación

hT, φi := T (φ).

Ahora introduciremos en D ′ (Ω) la noción de convergencia.

Definición 3.15 Una sucesión de distribuciones {Tk } converge a una distribución T en D ′ (Ω)
si
lı́m hTk , φi = hT, φi ∀φ ∈ D(Ω).
k→∞

La razón principal del uso de distribuciones en el campo de EDPs (y por ello en la mecánica
de medios continuos) es la posibilidad de derivar indefinidamente cualquier distribución.

Definición 3.16 Dada T ∈ D ′ (Ω) y α un multi-ı́ndice, se define la forma lineal ∂ α T ∈ D ′ (Ω)

mediante la regla
h∂ α T, φi = (−1)|α| hT, ∂ α φi ∀φ ∈ D(Ω).

3.3. Espacio de Sobolev H 1 (Ω).

Sea Ω un abierto acotado de Rn . Se define el espacio L2 (Ω) de funciones cuadrado integrables,
esto es,  Z 
L2 (Ω) := f :Ω→R: |f |2 < ∞ .
Ω
Como antes, identificamos como la misma función al grupo de funciones que difieren únicamente
en un conjunto de medida nula.

Sobre L2 (Ω) se define el siguiente producto escalar:

h·, ·iL2 (Ω) : L2 (Ω) × L2 (Ω) → R

Z
(u, v) → hu, viL2 (Ω) := uv.
Ω

La norma inducida por el producto escalar h·, ·iL2 (Ω) es

k · kL2 (Ω) : L2 (Ω) → R

1/2
v → kvkL2 (Ω) = hu, viL2 (Ω) .

11
 Ahora definimos el siguiente espacio de Sobolev:
 
1 2 ∂f 2
H (Ω) := f ∈ L (Ω) : ∈ L (Ω) i = 1, . . . , d .
∂xi
∂f ∂f
Observamos que al escribir ∂x i
∈ L2 (Ω) queremos decir que ∂x i
(que es una distribución) es
una función y que esta función es cuadrado integrable. Dicho de otro modo, para cada i, existe
una función gi ∈ L2 (Ω) tal que
Z Z
∂φ
f =− gi φ ∀φ ∈ D(Ω).
Ω ∂xi Ω

∂f
Escribimos entonces ∂xi = gi .

En este caso se define el siguiente producto escalar:

h·, ·iH 1 (Ω) : H 1 (Ω) × H 1 (Ω) → R

Z Z
(u, v) → hu, viH 1 (Ω) := uv + ∇u · ∇v.
Ω Ω

La norma inducida por el producto escalar h·, ·iH 1 (Ω) es

k · kH 1 (Ω) : H 1 (Ω) → R
v → kvkH 1 (Ω) := {kvk2L2 (Ω) + k∇vk2L2 (Ω) }1/2 .

Consideramos también la siguiente semi-norma sobre H 1 (Ω).

|v|H 1 (Ω) := {k∇vk2L2 (Ω) }1/2 .

Teorema 3.17 (H 1 (Ω), h·, ·iH 1 (Ω) ) es un espacio de Hilbert.

Definición 3.18 Se define el espacio

H01 (Ω) := v ∈ H 1 (Ω) : ∃{φk } ⊆ D(Ω)


tal que kφk − vkH 1 (Ω) → 0 .

Para las funciones en H01 (Ω) se tiene el siguiente resultado llamado desigualdad de Poincaré.

Teorema 3.19 Sea Ω ⊆ Rd un abierto acotado. Entonces, existe una constante CΩ > 0 tal que

kvkL2 (Ω) ≤ CΩ |v|H 1 (Ω) ∀v ∈ H01 (Ω).

Una consecuencia inmediata del teorema anterior es el siguiente resultado.

Proposición 3.20 La semi-norma | · |H 1 (Ω) es una norma sobre H01 (Ω) equivalente a la norma
usual k · kH 1 (Ω) de H 1 (Ω).

12
4. Existencia y unicidad de formulaciones variacionales (conti-
nuas y discretas) en 1D.
4.1. Formulación variacional continua.
Supongamos que queremos resolver el siguiente problema de valores de frontera: Hallar u :
Ω → R tal que
−u′′ (x) = f (x),

en Ω := (a, b),
(4.1)
u(a) = u(b) = 0,
du
donde u′ = dx y f es una función dada (continua).

Nuestro objetivo es presentar un método para resolver el problema anterior distinto al es-
quema clásico, y en el cual, en vez de pedir que la ecuación diferencial se satisfaga en cada punto
x ∈ Ω, se requiera solamente que se verifique alguna identidad integral apropiada.

En este caso (unidimensional) se tiene la siguiente caracterización de H01 (Ω):

H01 (Ω) := {v ∈ H 1 (Ω) : v(a) = v(b) = 0}.

Para estudiar existencia y unicidad de solución del problema de valores de frontera (4.1),
primero debemos obtener la formulación variacional o formulación débil de dicho problema.
Para ello, multiplicamos la EDO por una función test v ∈ D(Ω), e integrando en Ω, se tiene:
Z b Z b
′′
− u (x)v(x) dx = f (x)v(x) dx,
a a

de donde integrando por partes el primer término y usando que v(a) = v(b) = 0, vemos que
Z b Z b b Z b
′′ ′ ′ ′
− u (x)v(x) dx = u (x)v (x) dx − u (x)v(x) = u′ (x)v ′ (x) dx,

a a a a

con lo que sustituyendo en la expresión anterior, se obtiene el llamado método variacional, el

cual se escribe como:

Problema 1 Hallar u ∈ H01 (Ω) tal que

Z b Z b
′ ′
u (x)v (x) dx = f (x)v(x) dx ∀v ∈ D(Ω).
a a

De manera equivalente, se puede plantear el siguiente esquema:

Problema 2 Hallar u ∈ H01 (Ω) tal que
Z b Z b
u′ (x)v ′ (x) dx = f (x)v(x) dx ∀v ∈ H01 (Ω). (4.2)
a a

El siguiente lema establece que los Problemas 1 y 2 son equivalentes.

Lema 4.1 u ∈ H01 (Ω) es solución del Problema 1 si y sólo si u ∈ H01 (Ω) es solución del
Problema 2.

13
 De acuerdo al resultado anterior, en lo que sigue analizaremos existencia y unicidad de la
formulación variacional presentada en el Problema 2 usando el Teorema de Lax-Milgram. Con
este objetivo, definimos V := H01 (Ω), la forma bilineal B : V × V → R
Z b
B(u, v) := u′ (x)v ′ (x) dx
a

y el funcional F : V → R
Z b
F (v) = f (x)v(x) dx.
a
En lo que sigue, omitiremos la dependencia de la variable x. Ası́, la formulación variacional
presentada en (4.2) se reescribe como:
Problema 3 Hallar u ∈ V tal que

B(u, v) = F (v) ∀v ∈ V.

En lo que sigue verificaremos las hipótesis del Teorema de Lax-Milgram para la formula-
ción variacional anterior (para establecer existencia y unicidad de solución). Con este objetivo,
observamos que B(·, ·) es una forma bilineal y F (·) es lineal. Además, se tiene que
Z  Z
′ ′
|u′ v ′ | ≤ ku′ kL2 (Ω) kv ′ kL2 (Ω) ≤ kukH 1 (Ω) kvkH 1 (Ω) ,
 
|B(u, v)| =  u v  ≤

Ω Ω

donde hemos usado la desigualdad de Cauchy-Schwarz (ver Lema 3.4). Por lo tanto B(·, ·) es
acotada con constante M = 1. A su vez, se tiene
Z  Z
 
|F (v)| =  f v  ≤
 |f v| ≤ kf kL2 (Ω) kvkL2 (Ω) ≤ kf kL2 (Ω) kvkH 1 (Ω) ,
Ω Ω

lo cual prueba que F es acotado y kF kV ′ ≤ kf kL2 (Ω) .

Por otro lado, para establecer la elipticidad de la foma bilineal B(·, ·) usaremos el Teore-
ma 3.19 (desigualdad de Poincaré). En efecto,
Z
B(v, v) = v ′ v ′ = |v|2H 1 (Ω) ≥ CΩ kvk2H 1 (Ω) .
Ω

Lo cual establece que B(·, ·) es V -elı́ptica. Finalmente, aplicando el Teorema 3.10 (Teorema de
Lax-Milgram) se concluye que existe una única u ∈ V solución del Problema 3. Además,

kukH 1 (Ω) ≤ kf kL2 (Ω) .

4.2. Formulación variacional discreta y método de elementos finitos.

En esta sección presentaremos la llamada formulación variacional discreta asociada al Proble-
ma 3, la cual nos permitirá presentar un método numérico de elementos finitos para aproximar
la única solución del problema.

Sea {Vh }h> 0 una sucesión de subespacios de dimensión finita de V . Entonces, el esquema de
Galerkin asociado al Problema 3 consiste en:

14
Problema 4 Hallar uh ∈ Vh tal que

B(uh , vh ) = F (vh ) ∀vh ∈ Vh . (4.3)

Para la formulación variacional discreta anterior, se tienen las siguientes observaciones.

Observación 4.2 El esquema de Galerkin tiene una única solución uh ∈ Vh ya que en tal caso
también es aplicable el Teorema de Lax-Milgram. En efecto, dado que Vh es de dimensión finita,
se tiene que es un espacio de Hilbert, F |Vh ∈ Vh′ y B : Vh × Vh → R sigue siendo bilineal, acotada
y Vh -elı́ptica. Por lo tanto, se tiene también la siguiente estimación

kuh kV ≤ CkF kV ′ .

Observación 4.3 La elección de los subespacios Vh y de las respectivas bases determina el tipo
de método de Galerkin. En particular, si Vh es un subespacio generado por funciones polinomiales
a trozos, se obtiene el método de elementos finitos.

4.2.1. Un método de elementos f initos P1 .

Consideremos una partición arbitraria de Ω = (a, b):

a = x0 < x1 < . . . < xn < xn+1 = b.

Definamos Ij := [xj−1 , xj ], hj := xj − xj−1 , ∀j = 1, . . . , n + 1, y h := máx1≤j≤n+1 hj .

Sea Vh el subespacio de dimensión finita de V = H01 (Ω) constituido por funciones continuas
en [a, b], lineales a trozos y que se anulen en a y b, es decir,

Vh := {vh ∈ C(Ω̄) : vh |[xj−1 ,xj ] ∈ P1 ([xj−1 , xj ]), ∀j = 1, . . . , n + 1, vh (a) = vh (b) = 0}, (4.4)

donde P1 (S) es el espacio de polinomios de grado ≤ 1 definidos sobre S. En la Figura 4.1 se

presenta una función vh ∈ Vh .

a = x0 x1 x2 xn xn+1 = b x

Figura 4.1: Ilustración de un elemento vh ∈ Vh .

Notamos que Vh ⊆ V y además se tiene que las funciones de Vh quedan completamente

determinadas por los valores que ella toma en cada uno de los nodos x1 , x2 , . . . , xn .

15
 ei(x)
1

a = x0 xi−1 xi xi+1 xn+1 = b x

Figura 4.2: Ejemplo de una función (función techo) ei ∈ Vh .

Consideremos ahora, las funciones ei ∈ Vh (ver Figura 4.2) definidas por:


1, si i = j,
ei (xj ) = (4.5)
0, si i 6= j.

Notamos que para todo i = 1, . . . , n las funciones ei ∈ Vh están definidas por:

 x−x
i−1

 x −x
 si x ∈ [xi−1 , xi ],
 i i−1
ei (x) := xi+1 − x
si x ∈ [xi , xi+1 ],
 i+1 − xi
x



0 si x 6∈ [xi−1 , xi+1 ].

Lema 4.4 El conjunto {e1 , e2 , . . . , en } es una base para Vh .

De lo anterior vemos que para vh ∈ Vh :

n
X
vh (x) = αi ei (x),
i=1

donde αi = vh (xi ), i = 1, . . . , n.

Ası́, nuestro método de elementos finitos es:

Problema 5 Hallar uh ∈ Vh tal que

B(uh , vh ) = F (vh ) ∀vh ∈ Vh . (4.6)

Notamos que la formulación discreta anterior admite una única solución (ver Observa-
ción 4.2).

Ahora, veremos que resolver (4.6) (calcular uh ) se reduce a resolver un sistema de ecuaciones
lineales. En efecto, iniciamos con el siguiente resultado.

Lema 4.5 Los siguientes problemas son equivalentes:

B(uh , vh ) = F (vh ) ∀vh ∈ Vh ;

16
 B(uh , ej ) = F (ej ) ∀j ∈ {1, 2, . . . , n}.

De acuerdo al lema anterior, y usando que uh (la única solución de (4.6)) se puede escribir
como:
n
X
uh (x) = λi ei (x),
i=1

con λi = uh (xi ), i = 1, . . . , n, obtenemos lo siguiente:

n
!
X
B λi ei (x), ej = F (ej ) ∀j ∈ {1, 2, . . . , n}.
i=1

Usando la linealidad de B(·, ·) en su segunda componente, se sigue que

n
X
λi B(ei , ej ) = F (ej ) ∀j ∈ {1, 2, . . . , n}.
i=1

Definiendo
B := (bij )ni,j=1 ,
F := (fj )nj=1 ,
λ := (λi )ni=1 ,
donde bij = B(ei , ej ), fj := F (ej ), obtenemos que el esquema de elementos finitos (4.6) se reduce
a:

Problema 6 Hallar λ ∈ Rn tal que

Bλ = F. (4.7)

La matriz B se llama matriz de rigidez, mientras que el vector F se llama vector de carga.
Lo anterior está motivado por el problema de elasticidad lineal (el cual dio origen al concepto
de elementos finitos).

La estructura del sistema lineal (4.7) es un tema muy importante para el cálculo de la
solución de elementos finitos. Por ejemplo, interesa que la matriz del sistema sea una matriz
banda, simétrica, etc. Por tal motivo, ahora estudiaremos las propiedades del sistema lineal
(4.7).

Lema 4.6 La matriz B = (bij )ni,j=1 del sistema lineal (4.7) es una matriz simétrica y definida
positiva.

Demostración. Notamos que para i, j = 1, . . . , n, se tiene

Z Z
′ ′
bij = B(ei , ej ) = ei (x)ej (x) = e′j (x)e′i (x) = B(ej , ei ) = bji ,
Ω Ω

de donde tenemos que B es simétrica.

17
 Consideremos ahora α ∈ Rn , α 6= 0 y sea
n
X
vh (x) = αi ei (x).
i=1

Se tiene,
 
n
X n
X n
X n
X
αt Bα = bij αi αj = B(ei , ej )αi αj = B  αi ei , αj ej 
i,j=1 i,j=1 i=1 j=1

= B(vh , vh ) ≥ αkvh k2H 1 (Ω) > 0,

donde hemos usado la elipticidad de la forma bilineal B(·, ·). Puesto que vh 6= 0 se concluye que
B es definida positiva. 

Ahora, calcularemos los elementos de la matriz de rigidez B. En efecto, notamos que los
elementos Z b
bij = e′i (x)e′j (x) = 0 si |i − j| ≥ 2,
a
pues sop ei (x) ∩ sop ej (x) es de medida nula cada vez que |i − j| ≥ 2 (ver Figura 4.3). Ası́, la
matriz de rigidez B es una matriz tridiagonal.

ei(x) ej (x)
1

a = x0 xi xj xn+1 = b x

Figura 4.3: Soporte de funciones base ei y ej .

Además, se obtiene:
b b xi xi+1
1 1
Z Z Z Z
bii = e′i (x)e′i (x) = (e′i (x))2 = (e′i (x))2 + (e′i (x))2 = + ,
a a xi−1 xi hi hi+1

b xi+1
1
Z Z
bi,i+1 = e′i (x)e′i+1 (x) = e′i (x)e′i+1 (x) = − ,
a xi hi+1
b xi
1
Z Z
bi,i−1 = e′i (x)e′i−1 (x) = e′i (x)e′i−1 (x) = − .
a xi−1 hi

18
 De los resultado anteriores, tenemos que la estructura del sistema lineal (4.7) es como sigue:
  α   f 
b11 b12 0 ··· 0 1 1
.  α2   f2 
b21 . . . . . . .. ..  
 
.  ..   .. 
  
 .   . 

 0 ... ... ..   
 .  =  .  ,

. 0   ..   .. 
 ..

.. .. .. 
. . .

 . bn−1,n  α   
fn−1 
n−1 
0 · · · 0 bn,n−1 bnn αn fn

donde Z b Z xi+1
fi = f (x)ei (x) = f (x)ei (x), i = 1, . . . , n.
a xi−1

Notamos que para calcular los elementos del vector de carga es necesario usar reglas de integra-
ción numérica.

Finalmente, supongamos que la partición de Ω = (a, b) es uniforme, es decir, para j =

1, . . . , n + 1, se tiene
1
hj = xj − xj−1 = h = ,
n+1
entonces  
2 −1 0 · · · 0
−1 . . . . . . . . .
 .. 
. 
1 
B =  0 ... ... ... 0  .
 
h
 ..

.. .. ..
. . . −1

 .
0 · · · 0 −1 2

4.3. Estimación de error del método de elementos finitos.

Continuamos con el análisis de convergencia del método de elementos finitos propuesto en la
sección anterior. Nuestra idea es estudiar el comportamiento de la función u − uh , donde u es la
única solución del Problema 3 y uh es la única solución del Problema 5 (solución de elementos
finitos). Para esto, primero recordamos los problemas variacionales que satisfacen tanto u como
uh , esto es,

B(u, v) = F (v) ∀v ∈ V, (4.8)

B(uh , vh ) = F (vh ) ∀vh ∈ Vh . (4.9)

Dado que Vh ⊆ V , podemos restringir (4.8) a Vh , para escribir:

B(u, vh ) = F (vh ) ∀vh ∈ Vh . (4.10)

Ahora, restando (4.9) al problema anterior (4.10) se obtiene la llamada ecuación del error:

B(u − uh , vh ) = 0 ∀vh ∈ Vh . (4.11)

El siguiente resultado (llamado Lema de Cea) nos permitirá iniciar el análisis del error del
método de elementos finitos.

19
Lema 4.7 Sea B(·, ·) una forma bilineal acotada (con constante M > 0) y V -elı́ptica (con
constante α > 0). Sean u ∈ V la única solución de la siguiente fomulación variacional:

B(u, v) = F (v) ∀v ∈ V,

y uh la única solución del siguiente esquema discreto de elementos finitos

B(uh , vh ) = F (vh ) ∀vh ∈ Vh .

Entonces,
M
ku − uh kH 1 (Ω) ≤ ı́nf ku − vh kH 1 (Ω) .
α vh ∈Vh
Demostración. Usando la V -elipticidad de la forma bilineal B(·, ·), se tiene:

αku − uh k2H 1 (Ω) ≤ B(u − uh , u − uh )

(4.12)
≤ B(u − uh , u − vh ) + B(u − uh , vh − uh ),

donde hemos sumado y restado un elemento arbitrario vh ∈ Vh . Usando el hecho que (vh − uh ) ∈
Vh , por la ecuación del error (ver (4.11)) se tiene que B(u − uh , vh − uh ) = 0. Ahora, por el
acotamiento de la forma bilineal, de (4.12) se tiene,

αku − uh k2H 1 (Ω) ≤ M ku − uh kH 1 (Ω) ku − vh kH 1 (Ω) ∀vh ∈ Vh ,

suponiendo que ku − uh kH 1 (Ω) 6= 0 (caso contrario la estimación se satisface trivialmente),

tomando ı́nfimo con respecto vh ∈ Vh en la estimación anterior, se obtiene la estimación deseada.


Observación 4.8 Si además de las hipótesis consideradas en el Lema 4.7, suponemos que la
forma bilineal es simétrica, es posible obtener la siguiente estimación:
r
M
ku − uh kH 1 (Ω) ≤ ı́nf ku − vh kH 1 (Ω) .
α vh ∈Vh
Volviendo al análisis de error del método de elementos finitos, de acuerdo al Lema 4.7 (Lema
de Céa), observamos que para medir el error basta elegir una función vh ∈ Vh apropiada.

4.3.1. Interpolación polinomial de Lagrange.

Ahora construiremos un elemento en Vh que pueda ser usado en el Lema 4.7 para obtener
una estimación del error del método de elementos finitos propuesto en el capı́tulo anterior.

Sea g una función continua en Ω = (a, b). Consideraremos Ii := [xi−1 , xi ], i = 1, . . . , n + 1 y

el polinomio lineal que interpola a la función g en Ii , es decir, Li g ∈ P1 (Ii )

Li g(x) = g(xi−1 )ei−1 (x) + g(xi )ei (x).

Observemos que Li g(xi−1 ) = g(xi−1 ) y Li g(xi ) = g(xi ). La función Li g es llamada la interpolada

de Lagrange lineal de g sobre Ii .

El siguiente resultado proporciona una estimación de error de la interpolada de Lagrange.

20
Proposición 4.9 Sea g ∈ H 2 (Ω) ∩ H01 (Ω) y sea Li g el interpolante de Lagrange de g en Ii .
Entonces,
kg − Li gkL2 (Ii ) ≤ Ch2i kg′′ kL2 (Ii )

k(g − Li g)′ kL2 (Ii ) ≤ Chi kg ′′ kL2 (Ii ) ,

donde C > 0 es una constante y hi = xi − xi−1 .

Demostración. Sea π(x) = g(x) − Li g(x) el error de interpolación en Ii . Por el teorema funda-
mental del cálculo tenemos que para todo y ∈ Ii ,
Z y Z y
′
π(y) = π(xi−1 ) + π (s)ds = π ′ (s)ds,
xi−1 xi−1

donde π(xi−1 ) = g(xi−1 ) − Li g(xi−1 ) = 0. Usando la desigualdad de Cauchy-Schwarz se tiene

que
Z y Z y Z
′ ′
π(y) = π (s)ds ≤ |π (s)|ds ≤ 1 · |π ′ (s)|ds
xi−1 xi−1 Ii
Z 1/2 Z 1/2  Z 1/2
2 ′ 2 ′ 2
≤ 1 ds (π (s)) ds = hi (π (s)) ds .
Ii Ii Ii

Luego Z
2
π(y) ≤ hi (π ′ (s))2 ds = hi kπ ′ k2L2 (Ii ) .
Ii
Integrando sobre Ii en ambos lados de la desigualdad tenemos:
Z Z
2 2
kπkL2 (Ii ) = π(y) dy ≤ hi kπ ′ k2L2 (Ii ) = h2i kπ ′ k2L2 (Ii ) .
Ii Ii

Ası́,

kπk2L2 (Ii ) ≤ hi kπ ′ k2L2 (Ii ) . (4.13)

Por otra parte, ahora demostraremos la siguiente estimación

kπ ′ k2L2 (Ii ) ≤ hi kπ ′′ k2L2 (Ii ) , (4.14)

lo que nos permitirá concluir las estimaciones. En efecto, dado que π(xi−1 ) = π(xi ) = 0, se sigue
por el Teorema de Rolle que existe un punto x ∈ Ii tal que π ′ (x) = 0. Luego
Z y Z y
′ ′ ′′
π (y) = π (x) + π (s)ds = π ′′ (s)ds.
x x

Procediendo de manera análoga a como se obtuvo (4.13) concluimos que

kπ ′ k2L2 (Ii ) ≤ hi kπ ′′ k2L2 (Ii ) . (4.15)

Se sigue de (4.13) y (4.15)

kπk2L2 (Ii ) ≤ h2i kπ ′′ k2L2 (Ii ) . (4.16)

21
Ahora notemos que π ′′ (x) = g′′ (x), pues la función Li g es lineal en Ii , de donde se tienen las
siguientes estimaciones
kg − Li gkL2 (Ii ) ≤ h2i kg ′′ kL2 (Ii )
y
k(g − Li g)′ kL2 (Ii ) ≤ hi kg′′ kL2 (Ii ) .
Lo que completa la demostración. 

Extendamos lo anterior a una partición de Ω = (a, b). Dada una función g ∈ H 2 (Ω) ∩ H01 (Ω)
en Ω, se define su interpolalante lineal a trozos y continuo Lg ∈ Vh (interpolada de Lagrange en
Ω):
X n
Lg(x) = g(xi )ei (x).
i=1

Proposición 4.10 Sea g ∈ H 2 (Ω) ∩ H01 (Ω). El interpolante Lg satisface las siguientes estima-
ciones:
kg − LgkL2 (Ω) ≤ Ch2 kg′′ kL2 (Ω)
k(g − Lg)′ kL2 (Ω) ≤ Chkg ′′ kL2 (Ω) .
Demostración. Notamos que Lg|Ii = Li g. Usando la desigualdad triangular y la Proposición 4.9
tenemos que
n
X n
X
kg − Lgk2L2 (Ω) = kg − Li gk2L2 (Ii ) ≤ C (h2i )2 kg′′ k2L2 (Ii ) ≤ Ch2 kg′′ k2L2 (Ω) .
i=1 i=1

Lo que completa la demostración de la primera desigualdad. La segunda estimación se obtiene

usando los mismos argumentos. 

El siguiente teorema establece una estimación de error del método de elementos finitos en
términos del parámetro de discretización h.

Teorema 4.11 Sea u ∈ H01 (Ω) la única solución del Problema 3 y sea uh ∈ Vh la única solución
del Problema 5. Entonces, existe una constante C > 0, independiente de h, tal que
ku − uh kH 1 (Ω) ≤ Chkf kL2 (Ω) .

Demostración. Primero notamos que u ∈ H 2 (Ω) ∩ H01 (Ω). En efecto, dado que u es solución del
Problema 3, tenemos también que u es solución de (4.1). Por lo tanto, dado que f ∈ L2 (Ω),
tenemos que u ∈ H 2 (Ω). De acuerdo a la Proposición 4.10, se tiene que
ku − LukH 1 (Ω) ≤ Chku′′ kL2 (Ω) = Chkf kL2 (Ω) ,
donde Lu ∈ Vh es la interpolada de Lagrange de u.

Finalmente, por el Lema 4.7 y la estimación anterior, se sigue que

M M
ku − uh kH 1 (Ω) ≤ ı́nf ku − vh kH 1 (Ω) ≤ ku − LukH 1 (Ω) ≤ Chkf kL2 (Ω) .
α vh ∈Vh α
Lo que completa la demostración del teorema. 

22
4.3.2. Estimación del error para ku − uh kL2 (Ω) .
Queremos obtener una estimación del error entre la única solución del Problema 3 y la única
solución del Problema 5 en la norma L2 (Ω), es decir, estimar ku − uh kL2 (Ω) . Para esto, primero
notamos que podemos estimar dicha norma en terminos del error en norma H 1 (Ω). En efecto,

ku − uh kL2 (Ω) ≤ ku − uh kH 1 (Ω) ≤ Chkf kL2 (Ω) .

Sin embargo, la estimación anterior no es óptima. En el siguiente resultado veremos que la

estimación anterior puede ser mejorada.

Teorema 4.12 Sea u ∈ H01 (Ω) la única solución del Problema 3 y sea uh ∈ Vh la única solución
del Problema 5. Entonces, existe una constante C > 0, independiente de h, tal que

ku − uh kL2 (Ω) ≤ Ch2 kf kL2 (Ω) .

Demostración. Sea w ∈ H01 (Ω) la única solución de siguiente problema variacional:

Z
B(w, v) = (u − uh )v ∀v ∈ H01 (Ω). (4.17)
Ω

Repitiendo los argumentos usados en la Sección 4.2, es posible demostrar (usando el Teorema
de Lax-Milgram) que (4.17) admite una unica solución y además se tiene la siguiente estimación
de dependencia continua de los datos (en este caso (u − uh )):

kwkH 1 (Ω) ≤ Cku − uh kL2 (Ω) . (4.18)

Tomando como función test v := (u − uh ) ∈ H01 (Ω) en (4.17) y usando la simetrı́a de la

forma bilineal se tiene

ku − uh k2L2 (Ω) = B(w, (u − uh )) = B((u − uh ), w − Lw),

donde en la última igualdad hemos usado la ortogonalidad de error (4.11) con la función Lw ∈ Vh .
Del acotamiento de la forma bilineal y del resultado de dependencia continua (4.18), se tiene:

ku − uh k2L2 (Ω) ≤ M ku − uh kH 1 (Ω) kw − LwkH 1 (Ω) ,

 
≤ Chkf ′′ kL2 (Ω) C̃hkw′′ kL2 (Ω)
= Ĉh2 kf ′′ kL2 (Ω) ku − uh kL2 (Ω) ,

donde hemos usado la Proposición 4.10 para estimar el término kw − LwkH 1 (Ω) y por último el
hecho que w′′ = (u − uh ). Lo que nos permite concluir la demostración. 

23
5. Análisis continuo y discreto de un problema de Neumann.
5.1. Formulación variacional continua.
Sea Ω un abierto acotado de Rd , con frontera Γ := ∂Ω suficientemente regular. Dada f ∈
L2 (Ω), estamos interesados en el siguiente problema de valores de frontera:

−∆u + u = f en Ω,
∂u (5.1)
∂n = 0 sobre Γ.
Para obtener una formulación débil (5.1), necesitamos la siguiente identidad de Green:
Z Z Z
∂w
v∆w = − ∇v · ∇w + v . (5.2)
Ω Ω Γ ∂n

Multiplicando (5.1) por una función v ∈ H 1 (Ω) e integrando en Ω, se tiene

Z Z Z
− v∆u + uv = f v ∀v ∈ H 1 (Ω).
Ω Ω Ω
Usando la identidad de Green (5.2) y la condición de contorno de Neumann sobre Γ (ver (5.1)),
obtenemos la formulación variacional asociada a (5.1):
Problema 7 Hallar u ∈ H 1 (Ω) tal que
Z Z Z
∇u · ∇v + uv = fv ∀v ∈ H 1 (Ω).
Ω Ω Ω

Definamos H := H 1 (Ω), B : H × H → R y F : H → R como:

Z Z
B(u, v) := ∇u · ∇v + uv, (5.3)
Ω Ω
Z
F (v) := f v.
Ω
Ası́, la formulación débil la reescribimos como:
Problema 8 Hallar u ∈ H tal que
B(u, v) = F (v) ∀v ∈ H. (5.4)
Para analizar la formulación anterior, vamos a utilizar nuevamente (como en el Capı́tulo 4)
el Teorema de Lax-Milgram.

Iniciamos dicho análisis observando que B(·, ·) es bilineal y F es lineal. Además, se tiene que
B(·, ·) es acotada. En efecto, sean u, v ∈ H, entonces
Z Z 
 
|B(u, v)| =  ∇u · ∇v + uv 
ZΩ ZΩ
≤ |∇u · ∇v| + |uv|
Ω Ω
≤ k∇ukL2 (Ω) k∇vkL2 (Ω) + kukL2 (Ω) kvkL2 (Ω)
 1/2  1/2
≤ k∇uk2L2 (Ω) + kuk2L2 (Ω) k∇vk2L2 (Ω) + kvk2L2 (Ω)
= kukH 1 (Ω) kvkH 1 (Ω) ∀u, v ∈ H,

24
donde hemos usado la desigualdad de Cauchy-Schwarz. Ahora demostramos la H-elipticidad de
B(·, ·). Sea v ∈ H, tenemos
Z Z
B(v, v) = ∇v · ∇v + v 2 = |v|2H 1 (Ω) + kvk2L2 (Ω) = kvk2H 1 (Ω) .
Ω Ω

Finalmente, vemos que F ∈ H ′ . En efecto, para v ∈ H,

Z
|F (v)| ≤ |f v| ≤ kf kL2 (Ω) kvkH 1 (Ω) .
Ω

Por lo tanto, hemos demostrado el siguiente resultado, el cual es una consecuencia inmediata
del Teorema de Lax-Milgram.

Teorema 5.1 Si f ∈ L2 (Ω), entonces el Problema 8 admite una única solución u ∈ H. Además,
se tiene,
kukH 1 (Ω) ≤ kf kL2 (Ω) .

Presentamos ahora un resultado de regularidad elı́ptica para la solución del problema de

Neumann (5.1). Demostramos que dada f ∈ L2 (Ω) el problema variacional admite una única
solución u ∈ H 1 (Ω). Sin embargo, es posible demostrar que si Γ es suficientemente regular, o si
Ω es convexo, entonces u ∈ H 2 (Ω) (regularidad adicional de la solución) y existe una constante
C > 0 independiente de f tal que

kukH 2 (Ω) ≤ Ckf kL2 (Ω) . (5.5)

El resultado anterior es muy importante para establecer el orden de convergencia, en términos

del parámetro de discretización h, de los diferentes métodos de elementos finitos que se pueden
considerar para aproximar la única solución del problema.

Observación 5.2 La condición de contorno de Neumann en (5.1) no se impone explı́citamente

en la formulación débil (5.4) (a diferencia de lo que ocurre con una condición de Dirichlet),
la solución u solo requiere que pertenzca al espacio H 1 (Ω). La condición de frontera se impone
implı́citamente en (5.4) (aparece en la fórmula de Green). Tal condición de frontera, que no se
impone explı́citamente en la formulación débil, se llama condición de contorno natural. Por el
contrario, una condición de frontera del tipo u = 0 sobre Γ, la cual se impone explı́citamente
como parte de la formulación variacional (u ∈ H01 (Ω)), se llama condición de contorno esencial
(ver Capı́tulo 4).

Observación 5.3 Notamos que el siguiente problema de Neumann


−∆u + u = f en Ω,
∂u (5.6)
∂n = g sobre Γ,

donde f ∈ L2 (Ω) y g ∈ L2 (Γ) puede ser analizado de la misma forma. En efecto, repitiendo los
argumentos, la formulación débil asociada a (5.6) es:

25
Problema 9 Hallar u ∈ H 1 (Ω) tal que

B(u, v) = F̃ (v) ∀v ∈ H 1 (Ω),

donde B(·, ·) está dada por (5.3) y

Z Z
F̃ (v) := fv + gv.
Ω Γ

Un resultado análogo al Teorema 5.1 es válido en este caso, donde es necesario usar la llamada
desigualdad de trazas (ver [3, Teoremas 4.13 y 4.14]).

5.2. Un método de elementos finitos para el problema de Neumann bidimen-

sional.
Para introducir el esquema discreto de elementos finitos asumiremos Ω ⊆ R2 es un dominio
poligonal.

Dividiremos el dominio poligonal Ω en triángulos. Más precisamente, sea Th := {T1 , T2 , . . . , Tp }

un conjunto de p triángulos contenidos en Ω. Diremos que Th constituye una triangulación de Ω
si
Ω = ∪pi=1 Ti .
Los vértices Pi , i = 1, . . . , m de los triángulos son llamados nodos de la triangulación. Reque-
riremos que la intersección de dos triángulos cualesquiera de Th satisfaga lo siguiente: es vacı́o,
un vértice de ambos triángulos o un lado común de ambos triángulos (ver Figura 5.1).

Introduciremos ahora un paramétro relativo a la triangulación:

hT := diámetro(T ), h := máx hT .
T ∈T

Th Th/2

Figura 5.1: Ilustración de una triangulación Th .

Para la triangulación Th asociamos el subespacio Vh de H 1 (Ω) como:

Vh := {vh ∈ C(Ω̄) : vh |Ti ∈ P1 (Ti ), ∀i = 1, . . . , p},

26
 Notamos que Vh ⊆ V y además se tiene que las funciones de Vh quedan completamente
determinadas por los valores que ella toma en cada uno de los nodos P1 , P2 , . . . , Pm .

Para cada i = 1, . . . , m se introduce la función ei ∈ Vh tal que


1, si i = j,
ei (Pj ) =
0, si i =
6 j.

Es fácil ver que el conjunto {ei }m

i=1 es una base para Vh . Por lo tanto, para cualquier vh ∈ Vh ,
se tiene que
m
X
vh (x) = vi ei (x),
i=1

donde vi = vh (Pi ) son los valores nodales de vh .

Ası́, se tiene que el método de elementos finitos asociado al Problema 8 es:

Problema 10 Hallar uh ∈ Vh tal que

B(uh , vh ) = F (vh ) ∀vh ∈ Vh . (5.7)

Notamos que la formulación discreta anterior admite una única solución (ver Observa-
ción 4.2).

Repitiendo los argumentos presentados en el Capı́tulo 4, se tiene que calcular uh ∈ Vh se

reduce a resolver un sistema de ecuaciones lineales de la forma:

Problema 11 Hallar λ ∈ Rm tal que

Bλ = F,
donde Bij := B(ei , ej ), Fj := F (ej ), y λi = uh (Pi ), i, j = 1, . . . , m.

Finalmente, es posible establecer el siguiente resultado de convergencia del método de ele-

mentos finitos (5.7) en términos del parámetro de discretización h.

Teorema 5.4 Sea u ∈ H 1 (Ω) la única solución del Problema 8 y sea uh ∈ Vh la única solución
del Problema 10. Entonces, existe una constante C > 0, independiente de h, tal que

ku − uh kH 1 (Ω) ≤ Chkf kL2 (Ω) .

27
Referencias
[1] S.C. Brenner and R.L. Scott, The Mathematical Theory of Finite Element Methods,
Springer, New York, (2008).

[2] P.G. Ciarlet, Basic error estimates for elliptic problems, in Handbook of Numerical Analy-
sis, pp. 17–351, Vol. II, P.G. Ciarlet and J.L. Lions, eds., North-Holland, Amsterdam,
(1991).

[3] G.N. Gatica, Introducción al Análisis Funcional. Teorı́a y Aplicaciones. Editorial Reverte,
Barcelona, (2014).

[4] S. Salsa, Partial Differential Equations in Action. From Modelling to Theory. Springer-
Verlag, Milan, (2008).

[5] A. Quarteroni, Numerical Models for Differential Problems. Modeling, Simulation and
Applications, Springer, Milan, (2009).

28