Capítulo III:

METODOS NUMERICOS PARA RESOLVER ECUACIONES

DIFERENCIALES

3.1 Ecuaciones Diferenciales Ordinarias: Problemas de Valor Inicial

Una ecuación diferencial es una ecuación en la que intervienen derivadas de una o

más funciones.

Dependiendo del número de variables independientes respectos de las que se

deriva, las ecuaciones diferenciales se dividen en:

 Ecuaciones diferenciales ordinarias: aquellas que contienen derivadas

respecto a una sola variable independiente.
 Ecuaciones en derivadas parciales: aquellas que contienen derivadas
respecto a dos o más variables.

Ejemplos:

 es una ecuación diferencial ordinaria, donde es la

variable dependiente, la variable independiente e es la derivada

de con respecto a .
2
d y dy 2
2
+3 −x y =6 y=( x)
dx dx

 La expresión siguiente es una ecuación en derivadas parciales.

∂ u ∂u
+ =0u=f ( x , y )
∂x ∂ y

A la variable dependiente también se le llama función incógnita. La

resolución de ecuaciones diferenciales es un tipo de problema matemático que
consiste en buscar una función que cumpla una determinada ecuación diferencial.
Se puede llevar a cabo mediante un método numérico específico (aproximación)
para la ecuación diferencial en cuestión o mediante una transformada (como por
ejemplo la transformada de Laplace).

27
3.1.1 Método Numérico de Euler

Un método numérico de aproximación para la solución de problemas de

valor inicial como el que sigue:

{ y =f(x,y)¿¿¿¿

Figura 3.1: Representación gráfica del método de Euler

Involucra reemplazar la variable continua x por un conjunto de valores discretos

x0=a, x1=x0+h, x2=x1+h=x0+2h… con tamaño uniforme de paso h. El objetivo es
producir adecuadas aproximaciones evaluadas y1, y2, … a los verdaderos valores
y(x1 ), y(x2 ), . . . de la solución y(x) e en los puntos x1 , x2 , . . .. Usualmente las
aproximaciones y1 , y2 , . . . son definidas utilizando un esquema de iteración:
asumiendo que hemos encontrado y1 , y2 , . . . , yn , Cuál es la receta para
encontrar yn+1 ? Puesto que hemos dado y0 como condición inicial , podemos
encontrar y1 , y luego usando y0 y y1 podemos encontrar y2 , etc. Los
diferentes métodos numéricos que se discutirán más abajo poseen el mismo patrón, y solamente
difieren en el esquema de iteración. (Cualquier método puede ser más preciso
disminuyendo el tamaño de paso h.)

La idea de este método es aproximar la curva y(x) sobre [ x n , x n+1 ] por una
línea recta de pendiente:

∆ y y n+ 1− y n
s= = =f ´( x , y)
∆x h

Resolviendo para yn+1, obtenemos el esquema de iteración siguiente:

y n+ 1= y n +h f ´ (x , y)

Ejemplo 1: Utilice el método de Euler para hallar la solución aproximada de la

ecuación: y`=x+y , con y(0)=1, h=0,1 sobre el intervalo 0<x<2
dy
=x+ y
dx

28
Solución: En la hoja de cálculo creamos una tabla con el número de intervalos, el
tamaño del intervalo, el valor xi, yi, f(xi,yi) y el valor real de la función.

i h x_i y_i y`_i 2exp(x)-x-1

0, 0,
0 1 0 1,0000 1,0000 1,0000
0, 0,
1 1 1 1,1000 1,2000 1,1103
0, 0,
2 1 2 1,2200 1,4200 1,2428
0, 0,
3 1 3 1,3620 1,6620 1,3997
0, 0,
4 1 4 1,5282 1,9282 1,5836
0, 0,
5 1 5 1,7210 2,2210 1,7974
0, 0,
6 1 6 1,9431 2,5431 2,0442
0, 0,
7 1 7 2,1974 2,8974 2,3275
0, 0,
8 1 8 2,4872 3,2872 2,6511
0, 0,
9 1 9 2,8159 3,7159 3,0192
1 0, 1,
0 1 0 3,1875 4,1875 3,4366

Para ver la aproximación del método comparamos el valor aproximado con el valor
exacto mediante un gráfico.

Método de Euler

4,0000
3,5000
3,0000
2,5000
y_i
y(x)

2,0000
2exp(x)-x-1
1,5000
1,0000
0,5000
0,0000
0,0 0,2 0,4 0,6 0,8 1,0 1,2
x

3.1.2 Método Numérico de Runge-Kutta

El método de Euler es uno de los métodos más sencillos para resolver ecuaciones
diferenciales de primer orden. Sin embargo no es el más preciso, uno de los
esquemas de iteración más utililzados, por ser más preciso, es el esquema de

29
iteración de Runge-Kutta. Aunque parece ser más complicado, se basa
simplementer en la regal de Simpson para integración numérica. Si recordamos que
si aproximamos el gráfico de u(x) sobre el intervalo [ 0 0 ] por una parábola que
x , x +h
pasa por tres puntos: u(x0), u(x0+h/2) y u(x0+h) tenemos:

∫x
x 0 +h

0
u ( x ) dx≈
h
6 [ ( h
)
u ( x 0 ) +4 u x 0 + + u ( x0 +h )
2 ]
Supongamos que deseamos aproximar la solución del siguiente problema de valor
inicial:

{
dy
dx
=f(x, y) ¿ ¿¿¿ ¿
Teniendo en cuenta la ¿ anterior,
ecuación si hacemos u(x)=y`(x) y x0+h=x1
tendríamos:

h
[ h h
]
x
y ( x 1 )− y (x 0 )=∫x1 y ( x )dx≈ y ( x 0 )+2 y ( x0 + )+2 y ( x 0 + )+ y ( x 1 )
0 6 2 2

Podemos re-escribir la ecuación anterior por la siguiente:

h
y 1= y 0+ ( k + 2k 2 +2 k 3+ k 4 )
6 1
Donde k1, k2, k3 y k4 son aproximaciones de la pendiente en los valores apropiados
de x, de modo que:
k 1 =f ( x0 , y 0 )
h h
k 2 =f ( x 0 + , y 0 + k 1 )
2 2
h h
k 3 =f ( x 0 + , y 0 + k 2 )
2 2
k 4 =f ( x 1 , y 0 + hk 3 )

El método de Runge-Kutta es tan bueno que no necesitamos tomar un valor de h

más pequeño para aumentar la precisión de la aproximación. Esta es su principal
ventaja respecto al esquema de iteración de Euler.

Ejemplo 2 Utilice el método de Runge-Kutta para hallar la solución aproximada de la

ecuación: y`=x+y , con y(0)=1, h=0,5 sobre el intervalo 0<x<1.
Solución: En la hoja de cálculo creamos una tabla con siete columnas: n, xn, yn, k1,
k2, k3 y k4.
1. En la columna n ingresamos 3 filas: 0 en la celda A2, 1 en la celda A3 y
2 en la celda A4.
2. En la columna xn, ingresamos 3 filas: 0 en la celda B2, B2+0.5 en la

30
 celda B3 y copiamos hasta la celda B4.
3. En la columna yn ingresmos 1 en la celda C2, lo que representa la
condición inical Y(0)=1 y en la celda C3 digitamos:
C2+0.5*(D2+2*E2+2*F2+G2)/6. Luego copiamos este valor en C4.
4. Para asignar los valores de k1, k2, k3 y k4 ingresamos lo siguiente:
B2+C2 en la celda D2
B2+0.25+C2+0.25*D2 en la celda E2
B2+0.25+C2+0.25*E2 en la celda F2
B3+C2+0.5*F2 en la celda G2

Cuando completemos la tabla debería quedar de la siguiente manera:

n xn yn k1 k2 k3 k4 2exp(x)-x-1
0 0 1 1 1,5 1,6250 2,3125 1,0000
1 0,5 1,7969 2,2969 3,1211 3,3271 4,4604 1,7974
2 1 3,4347 4,4347 5,7934 6,1330 6,5012 3,4366

Si representamos la solución aproximada, yn versus la solución exacta: y=2exp(x)-x-

1 veremos que a pesar de que hemos utilizado en este esquema un h=0,5 la
precisión es muy buena.

Método de Runge-Kutta

4
3,5
3
2,5
Runge-Kutta
y(x)

2
S. Exacta
1,5
1
0,5
0
0 0,2 0,4 0,6 0,8 1
x

3.2 Ecuaciones Diferenciales de Segundo Orden o Superior

Si queremos resolver ecuaciones diferenciales ordinarias de segundo o más alto

orden, debemos convertir la ecuación diferencial de orden n en n ecuaciones
diferenciales de primer orden introduciendo las derivadas como variables extras y
luego utilizar los esquemas de Euler o Runge-Kutta para resolver el sistema de
ecuaciones lineales. Por ejemplo, supongamos que tenemos la siguiente ecuación
diferencial y las condiciones iniciales siguientes:

31
Aquí la solución analítica es . Podemos entonces definir la variable
intermedia z(t) como:

La que nos da el siguiente sistema:

Podemos aplicar el mismo proceso para ecuaciones diferenciales de un orden mayor haciendo, v
= du/dt = d2y/dt2, puesto que d3y/dt3 = dv/dt, etc.
Ejemplo 3: Considere una masa vibrando como un péndulo con la siguiente
ecuación:

d2 y
+ y =0 y ( 0 ) y y ( 0 )=1
dt 2

Resuelva numéricamente la ecuación en el intervalo 0<t<π con Δt=0,1.

Solución: Si introducimos la variable u=dy/dt tendremos el siguiente sistema:

{
dy
dt
=u ¿ ¿¿¿¿
Si resolvemos el sistema utilizando el ¿esquema de iteración de Euler tendremos lo
siguiente:
ui+1=ui −Δt y i
y +1= y i + Δt u i

32
Al implementar la solución en la hoja de cálculo Excel tenemos que crear 6
columnas: n, ti, du/dt, dy/dt, ui y yi.

n ti du/dt dy/dt ui yi y=Sen(t)

1 0 0,000000 1,000000 1,000000 0,000000 0,000000
2 0,1 -0,100000 1,000000 1,000000 0,100000 0,099833
3 0,2 -0,200000 0,990000 0,990000 0,200000 0,198669
4 0,3 -0,299000 0,970000 0,970000 0,299000 0,295520
5 0,4 -0,396000 0,940100 0,940100 0,396000 0,389418
6 0,5 -0,490010 0,900500 0,900500 0,490010 0,479426
7 0,6 -0,580060 0,851499 0,851499 0,580060 0,564642
8 0,7 -0,665210 0,793493 0,793493 0,665210 0,644218
9 0,8 -0,744559 0,726972 0,726972 0,744559 0,717356
10 0,9 -0,817256 0,652516 0,652516 0,817256 0,783327
11 1 -0,882508 0,570790 0,570790 0,882508 0,841471
12 1,1 -0,939587 0,482540 0,482540 0,939587 0,891207
13 1,2 -0,987841 0,388581 0,388581 0,987841 0,932039
14 1,3 -1,026699 0,289797 0,289797 1,026699 0,963558
15 1,4 -1,055679 0,187127 0,187127 1,055679 0,985450
16 1,5 -1,074391 0,081559 0,081559 1,074391 0,997495
17 1,6 -1,082547 -0,025880 -0,025880 1,082547 0,999574
18 1,7 -1,079959 -0,134135 -0,134135 1,079959 0,991665
19 1,8 -1,066546 -0,242131 -0,242131 1,066546 0,973848
20 1,9 -1,042333 -0,348785 -0,348785 1,042333 0,946300
21 2 -1,007454 -0,453019 -0,453019 1,007454 0,909297
22 2,1 -0,962152 -0,553764 -0,553764 0,962152 0,863209
23 2,2 -0,906776 -0,649979 -0,649979 0,906776 0,808496
24 2,3 -0,841778 -0,740657 -0,740657 0,841778 0,745705
25 2,4 -0,767712 -0,824835 -0,824835 0,767712 0,675463
26 2,5 -0,685229 -0,901606 -0,901606 0,685229 0,598472
27 2,6 -0,595068 -0,970129 -0,970129 0,595068 0,515501
28 2,7 -0,498055 -1,029636 -1,029636 0,498055 0,427380
29 2,8 -0,395092 -1,079441 -1,079441 0,395092 0,334988
30 2,9 -0,287148 -1,118950 -1,118950 0,287148 0,239249
31 3 -0,175253 -1,147665 -1,147665 0,175253 0,141120
32 3,1 -0,060486 -1,165190 -1,165190 0,060486 0,041581
33 3,141 -0,012026 -1,167706 -1,167706 0,012026 0,000003
6

Para ver la precisión del método graficamos la solución exacta versus la solución
aproximada dada por Euler.

Ec. Dif. Orden Superior

1,20
1,00
0,80
Euler
y(t)

0,60
Sol._Exacta
0,40
0,20
0,00 33
0 2
t
Ejercicios para resolver:

1. Solve the following ordinary differential equations using Euler o Runge-Kutta

techniques. Use at least three different time steps and plot the error at t=1 as
a function of the time step.

2. A human population containing 1000 people at time t=0 grows at a rate given
by:

Estimate the rate constant a from what you know about human behavior and
then use it to calculate the population after 30 years. Use Runge-Kutta.

3. The impala population in a national park in South Africa grows at a rate given
by:

Assuming that r=0.01 /yr, /yr, b=0.03/(impala-year), and that we start

with 20 impala, calculate the impala population after 50 years.

4. Consider the following differential equation:

with the initial condition y(0)=1. Determine the time step necessary to achieve
an accuracy of at least at t=10 seconds using the Runge-Kutta solution
technique. The analytical solution is .

34
5. Consider a target heating problem such as Professor Conrad deals with in his
PSII process. This is a case where an object is placed in a plasma and heated
by ions. The governing equation for the temperature of this object as a
function of time is:

where p is the density of the target, is the heat capacity of the target, V is
the volume of the target, q is the heat flux applied to the target, A is the
surface area of the target, is the target emissivity, is the Stefan-Boltzmann
constant, and is the temperature of the PSII chamber. Determine the target
temperature of a spherical copper target of radius 2 cm is heated by a heat
flux of . Use the following properties for copper: p = 8950
, = 385 J/kg K, and = 0.2. The Stefan-Boltzmann constant is
. Assume that the cahmber temperature is = 30 C
and that the initial target temperature is the same as the chamber
temperature.

6. A nonlinear pendulum is governed by the following differential equation:

where is the angle of rotation of the pendulum, g is the acceleration due to

gravity, and L is the length of the pendulum. Determine the rotation angle of
the pendulum as a function of time for and

if the length of the pendulum is 1 m. Compare this solution to the approximate

analytical solution which is:

Note that this analytical solution is only valid for small angles, so the
comparison is not expected to be good for this problem.

7. Suppose this same nonlinear pendulum includes a hinge which dissipates

energy by friction. In this case the governing equation is:

35
 where c is a constant. Determine the rotation angle of the pendulum as a
function of time for and

if the length of the pendulum is 1 m and the damping constant is .

8. If you're looking for a little challenge, try this: Lorenz simplified a complicated
model of the weather down to a system of three equations:

where r is a constant and x, y, and z represent important weather parameters

(temperature, pressure, etc.)

o Calculate these parameters for 0 < t < 50 and plot them vs. time, for r =
17, x(0) = 0, y(0) = 1, and z(0) = 0.
o Calculate these parameters for 0 < t < 50 and plot them vs. time, for r =
26, x(0) = 0, y(0) = 1, and z(0) = 0.

9. Consider the differential equation:

y = 0.7

Solve this equation using Euler's method, the Modified Euler method, and 4th
order Runge-Kutta integration and compare the results to the analytical
solution. For the same time step, which of these methods is most accurate?

10. Consider the differential equation:

36
 y(0) = 0

Solve this equation using any technique you choose and check your answer.

11.Skydiving: Applying Mewton's Law to a skydiver yields the following differential

equation:

where m is the mass, v is the velocity, g is the acceleration due to gravity, and
c is the drag coefficient.

o Plot the diver's velocity vs. time, assuming whe weights 55 kg and the
drag coefficient is 11 kg/s. Assume the initial velocity of the skydiver is
0.
o Suppose the drag on the skydiver increases with the square of the
velocity. This would give us an equation of the following form:

Now plot the velocity for the skydiver, assuming k = 0.25 kg/m.

12. Consider the differential equation:

This equation models a damped oscillator. Plot the solution as a function of

time and compare this to the solution of:

with the same initial conditions.

13. Consider the differential equation:

37
 This equation models a damped oscillator with an applied, oscillatory force.
Plot the solution as a function of time.

14.Consider a predator-prey problem (z=rabbits, y=foxes) with a quadratic

birthrate and linear deathrate for each animal. That is:

Plot the number of rabbits and number of foxes vs. time for a case where we
start with 80 rabbits and 10 foxes. Plot a phase portrait for this system by
plotting the number of foxes vs. the number of rabbits.

15.Consider a similar predator-prey problem (z=rabbits, y=foxes), defined by:

Plot the number of rabbits and number of foxes vs. time for a case where we
start with 80 rabbits and 10 foxes. Plot a phase portrait for this system by
plotting the number of foxes vs. the number of rabbits.

3.3 Ecuaciones Diferenciales Parciales con Condiciones de Contorno

Las ecuaciones diferenciales parciales (PDEs) son de fundamental importancia en

las aplicaciones de la matemática en las ciencias e ingeniería, puesto que muchos
fenómenos fisicoquímicos pueden ser modelados por estas ecuaciones. Las PDEs
está construidas de derivadas parciales y pueden ser divididas en tres categorías:
Hiperbólicas, parabólicas y elípticas.

Hiperbólicas
Las ecuaciones estándar hiperbólicas incluyen la ecuación de onda:
2 2 2 2
∂u ∂ u ∂u ∂ u
= + + 3D
∂t 2 ∂ x 2 ∂ y 2 ∂ z 2
Y la ecuación de convección o de transporte

38
 ∂u ∂u
= 1D
∂t ∂ x

Estas ecuaciones son dependientes del tiempo, es decir pueden simular el

comportamiento transitorio de diversos fenómenos de transporte.

Parabólica

La ecuación diferencial parcial típica de esta categoría es la ecuación de difusión de

materia, de energía o de movimiento. Un ejemplo físico es la conducción de calor en
un material.
2 2
∂u ∂ u ∂ u
= + 2D
∂t ∂ x 2 ∂ y 2
Elíptica

Las ecuaciones elípticas se utilizan por lo general para modelas fenómenos de tipo
estacionarios. Por ejemplo, la ecuación de onda o la de difusión se reducen a las
ecuaciones de Poisson o Laplace cuando se remueve la variable tiempo. La
ecuación de Laplace es:
2 2 2
∂u ∂ u ∂ u
+ + =0 3 D
∂ x 2 ∂ y 2 ∂ z2
Solución Computacional

Salvo en contadas ocasiones se pueden obtener soluciones analíticas de las

ecuaciones en derivadas parciales. Para propósitos prácticos y más reales es
necesario recurrir a las soluciones numéricas o computacionales. Existen en la
actualidad varios métodos para resolver estas ecuaciones utilizando una técnica
computacional. El más popular es el método de los elementos finitos (FEM). El
método de las diferencias finitas (FDM) también es otro método popular aunque
restringido a regiones geométricas rectangulares. Las ecuaciones PDEs hiperbólicas
y parabólicas hoy en día se resuelven utilizando un método híbrido FEM+FDM; las
variables espaciales se modelan usando FEM y sus variaciones con el tiempo con
FDM. En los fenómenos transitorios de electromagnetismo la FDM es un método
popular de solución, pero su aplicación es popularmente llamada método de
diferencias finitas en el dominio de tiempo (FD-TD).

El método de los elementos de contorno (BEM) tiene un rango de aplicación

más restringida en la solución de PDEs. En general es básicamente aplicable a
ecuaciones elípticas lineales y requiere que primera la ecuación sea reformulada
como una ecuación integral. La ventaja de este método radica en que solamente
necesita mallarse el contorno del dominio, más que el dominio completo como
ocurre con el FEM y las FDM. El método del volumen finito (FVM) es otro método
importante pero aplicado casi exclusivamente a la dinámica de fluidos (CFD).

Los ejemplos del acápite anterior se han referido a Problemas de Valor Inicial,
donde todas las condiciones se conocen en un punto inicial particular. En la práctica

39
hay muchos problemas que tienen condiciones de contorno no precisamente en un
punto. A estos problemas se les conoce como Problemas de Condiciones o Valores
de Contorno.

Estos problemas tienen por lo general como variables coordenadas espaciales

más que el tiempo. Problemas típicos tratados como problemas de condiciones de
contorno incluyen conducción de calor, difusión de neutrones, análisis de esfuerzos
y deflexiones de vigas. Por ahora limitaremos la solución a problemas de una sola
dimensión, de modo que solamente trataremos en principio con ecuaciones
diferenciales ordinarias para luego extender la aplicación a PDEs. Nuestro modelo
de problemas será el siguiente:

Con las condiciones de contorno siguientes:

.

La solución general para esta ecuación diferencial es .

Si utilizamos las condiciones de contorno para determinar las constantes A y B la
solución será:
.
Existen dos técnicas principales para resolver este tipo de problemas: El
método del disparo y el de las diferencias finitas. Por razones obvias solamente
estudiaremos el segundo método.
 
Como hemos aprendido a resolver problemas de valor inicial en EXCEL será
relativamente simple resolver ahora problemas de valores de contorno. Estos
problemas difieren de los anteriores en que tienen valores prescritos para las
variables en al menos dos diferentes localizaciones más que en un instante.
(typicamente t=0). Fundamentalmente utilizaremos ecuaciones de diferencias finitas
para transformas las ecuaciones diferenciales a ecuaciones algebraicas. Luego el
sistema de ecuaciones algebraicas será resuelto con cualquier programa disponible.
En particular utlizaremos la hoja de cálculo EXCEL para este propósito.

El procedimiento general utilizando métodos de diferencias finitas es como sigue:

1. Representar cada operador diferencial con un operador en diferencias finitas

2. Sustituir estos operadores en la ecuación diferencial original
3. Escribir el sistema algebraico resultante en una serie de puntos de una malla
4. Resolver el sistema de ecuaciones

Para resolver la ecuación diferencial ordinaria anterior utilizando diferencias

finitas, empezaremos por dividir la región en varios intervalos.Para
nuestro propósito escogeremos 5 intervalos, dando un espaciamiento entre puntos
(malla) de . Nos referiremos a estos puntos como , donde el primero
es y el último es . Esto nos permite escribir . Similarmente,

40
podemos referirnos a los valores de y en cada malla de puntos como .
Nuestro objetivo es encontrar los valores de y en cada uno de los puntos de la malla.
En este ejemplo son 6.

Dos de los valores de y pueden ser calculados a partir de las condicones de

contorno. Es decir que, y . De modo que necesitamos solamente
encontrar los 4 valores restantes internos. Para hacer esto, aproximamos la derivada
en términos de los valores internos de y. En algún punto entre y podemos
aproximar la derivada de y como:

Similarmente, la derivada en algún punto entre and podemos aproximarla

mediante:

También podemos aproximar la segunda derivada en el punto como:

La cual puede reescribirse como:

Si estas equivalencias las introducimos en la ecuación diferencial ordinaria

original tenemos lo siguiente:

Este algoritmo puede utilizarse en cualquier programa o lenguaje de

computadora.  Del mismo modo, podemos escribir esta ecuación en todos los puntos
interiores de la malla, formando un sistema lineal de ecuaciones algebraicas.  En
una hoja de cálculo como el EXCEL podemos resolver el sistema iterativamente,
mientras que un programa como MATLAB utilizaremos el álgebra matricial..

41
 Solución: Utilizando Excel para resolver problemas de condiciones de contorno

Para resolver la ecuación anterior en la hoja EXCEL, implica hallar el valor de en

la siguiente ecuación:

El procedimiento para resolver esta ecuación utilizando EXCEL es el siguiente:

1. Primero en el Menú Herramientas-Opciones-Calcular debemos cambiar el

modo cálculo automático por modo Iteración.
2. Calcular el espaciamiento de la malla.
3. llenar una fila de 6 celdas con los apropiados valores de x.
4. Llenar dos celdas (debajo de la primera y última celdas correspondientes a
los valores de x) con las condiciones de contorno.
5. Llenar las cuatro celdas internas con las fórmulas apropiadas. por ejemplo, si
usted pone la fórmula en C4, entonces deberá insertar en dicha celda
=(B4+E4)/(2-B$4$^2).
6. Luego presione F9 para realizar la iteración.

Note que hemos anulado el cálculo automático debido a que varias de las celdas
dependen unas de otras. Es decir que la celda C4 contiene a D4 en su fórmula,
mientras que D4contiene a C3 en su fórmula. Esto se conoce como referencia
circular y solamente puede ser resuelto por iteración. La solución en la hoja de
cálculo EXCEL se muestra a continuación:

En el siguiente gráfico se puede observar la precisión del método para

aproximarse a la solución analítica de la ecuación diferencial ordinaria anterior.

0 0.5 1 1.5 2 2.5

1.2 1.2

1 1

0.8 0.8

Diferencias Finitas
0.6 0.6 Solución exacta
42
0.4 0.4
 0 0
0 0.5 1 1.5 2 2.5

3.3.1 Solución de PDE parabólica mediante la técnica de Diferencias Finitas

Resolveremos ahora mediante el método de diferencias finitas una ecuación en

derivadas parciales parabólica correspondiente a la conducción de calor a través de
una barra de metal Nuestras dos variables independientes son una espacial y la otra
el tiempo. En este problema daremos solución para el campo de temperatura en una
región 1-D con condiciones de contorno prescritas. La ecuación diferencial que
gobierna este fenómeno es:

∂T ∂2 T
ρcp =k
∂t ∂ x2

donde T es la temperatura, ρ es la densidad del material, es la capacidad

calorífica, y k la conductividad térmica del sólido.

Como un problema modelo, consideraremos una barra de longitud L la cual se

encuentra inicialmente a una temperatura uniforme . Asumiremos que uno de los
extremos de la barra se mantiene a esa misma temperatura a través del problema,
pero que a t=0 el otro extremo es puesto a una nueva temperatura .

Para resolver este problema numéricamente, dividimos la barra en varias

regiones de amplitud h y re-escribimos la ecuación en términos de las temperaturas
en cada uno de estos puntos de la malla y en cada instante de tiempo. Llamaremos
a cada temperatura con la notación , donde i denota la coordenada de la barra y j
denota el paso del tiemp. Cuando expresamos la derivada del tiempo escribimos:

donde t es el paso de tiempo. Este esquema se denomina diferencia hacia adelante

debido a que utiliza el tiempo actual y el siguiente. La manera más simple de
resolver esta ecuación para la derivada espacial es escribirla en términos del tiempo
actual dando:

43
Introduciendo estas representaciones en la ecuación diferencial orginal obtenemos
la siguiente ecuación:

Puesto que en esta ecuación hay un solo término que representa la

temperatura en el próximo paso, podemos resolver la ecuación para ese término en
función de las temperaturas en el tiempo actual, obteniendo:

donde

Este esquema puede utilizarse para resolver para todas las temperaturas en el paso
de tiempo j+1, conociendo las temperaturas en el tiempo j. No se requiere del cálculo
iterativo. Desafortunadamente, este método tiene una desventaja; puede ser
inestable si no se escoge adecuadamente el paso del tiempo (Δt). Para evitar dicha
inestabilidad debemos escoger un paso de tiempo igual a:

Existe otra técnica que es incondicionalmente estable y se denomina técnica

explícita, la cual es similar a la técnica ímplicita descrita más arriba, excepto que la
derivada espacial se escribe al término del paso de tiempo:

En esta ecuación tenemos varios términos que representan las temperaturas en el

paso de tiempo j+1. Resolviendo para , obtenemos:

Esto puede implementarse fácilmente en el EXCEL, pero requiere del cálculo

iterativo. Quizás el algoritmo más versátil para resolver PDEs parabólicas es una

44
combnación de las técnicas explícitas e implícitas. En este caso se escribe la
derivada espacial como:

dando

Resolviendo para obtenemos:

Ejemplo: Consideremos una barra de metal de longitud 1m, la cual inicialmente se

encuentra a T0=0 oC y que luego cambia en el extremo izquierdo a T1= 100 oC. Se
pide calcular la distribución de temperaturas a lo largo de la barra en el lapso de 1
segundo a intervalos de 0,05 segundo.

Solución: Para dar solución al problema dividiremos la longitud de la barra en 4

intervalos considerando Δx=0,25 m. Utilizaremos el esquema incondicionalmente
estable.

En la hoja de cálculo EXCEL construimos una tabla de doble entrada. Las

columnas para la coordenada espacial y las filas para el tiempo. No olvidemos que al
implementar la fórmula se originan referencias circulares, las cuales evitamos yendo
al menú Herramientas-Opciones-Calcular y cambiando automático por Manual e
Iteración.

  x( a        
través)
t 0 0,25 0,5 0,75 1
(abajo)
0,00 0 0 0 0 0
0,05 100 23,4398 5,47945 1,21765 0
8 2 6
0,10 100 37,9632 12,2349 3,39535 0
5 4 1
0,15 100 47,4656 18,6871 6,03899 0
1 5
0,20 100 53,9982 24,3283 8,76128 0
9 5
0,25 100 58,6820 29,0735 11,3281 0
6 5 7
0,30 100 62,1549 32,9919 13,6249 0
1 5 7
0,35 100 64,7966 36,1977 15,6133 0

45
 7 6 7
0,40 100 66,8444 38,8082 17,2981 0
2 1 4
0,45 100 68,4532 40,9287 18,7053 0
8 5
0,50 100 69,7293 42,6490 19,8694 0
8 1 2
0,55 100 70,7482 44,0437 20,8260 0
7 5 6
0,60 100 71,5655 45,1741 21,6087 0
1 4 3
0,65 100 72,2230 46,0901 22,2471 0
9 2
0,70 100 72,7533 46,8322 22,7666 0
4 9 8
0,75 100 73,1815 47,4336 23,1889 0
4 5
0,80 100 73,5277 47,9207 23,5318 0
8 2
0,85 100 73,8077 48,3154 23,8100 0
2 8 1
0,90 100 74,0343 48,6352 24,0356 0
5 6 2
0,95 100 74,2178 48,8943 24,2185 0
2 3 3
1,00 100 74,3664 49,1042 24,3667 0
3 9

Ejercicios para Resolver

1. Consider a slab which has a thickness of 2 cm and is initially at a uniform

temperature of 1000 C. Assuming that the boundaries of this slab are held at
1000 C for all time, determine the centerline slab temperature as a function of
time if the thermal conductivity is 4 W/m-K, the heat capacity is 360 J/kg-K, the
density is 0.01 kg/cm3, and the volumetric heating is given by 300 W/cm 3. The
governing equation for the temperature in a slab with volumetric heating is:

Compare your final result to the steady-state solution.

2. Consider a steel slab of thickness L with an initial temperature distribution

given by

46
 where is a constant and x is measured from the center of the plate. Calculate
the center-line temperature of this slab as a function of time, if the
temperatures of the plate boundaries are held at T=0. Assume that the thermal
diffusivity (k/-cp) is 7*10-6 m2/s and that L=20 cm and that =500 K/m2.

3. Consider an annular nuclear reactor fuel pellet, which has an inner radius of
0.1 cm and an outer radius of 0.6 cm. The pellet is initially at 1000 C, there is
no heat flow into the center of the pellet, and the outside surface temperature
of the pellet is held at 1000 C. Determine the centerline pellet temperature as
a function of time if the thermal conductivity is 3 W/m-K, the heat capacity is
320 J/kg-K, the density is 0.011 kg/cm 3, and the volumetric heating is 300
W/cm3. The governing equation for the temperature in a cylinder (ignoring
axial variations) is

Compare your final result to the steady-state solution.

4. Consider a semi-infinite steel slab which is initially at 0 C. At t=0, a heat flux of

2 MW/m2 is applied on the surface (x=0). Calculate the surface temperature
after 1 ms and compare to the analytical solution. The solution is:

where q is the heat flux, k is the thermal conductivity, and

Use the following material properties: =20,000 kg/m 3, cp=140 J/kg-K, and k=39
W/m-K.

2.3.2 Solución de PDEs Elípticas con el FDM

En este tipo de ecuaciones existen dos variables independientes (generalmente

x e y o r e y ) and our ordinary differential equations become partial differential
equations (PDE's). Para nuestros propósitos, consideraremos ecuaciones elípticas
con dos variables independientes espaciales, de modo que consideraremos
espacios cerrados 2-D con condiciones de contorno apropiadas en todos los bordes.
Ejemplos PDEs en ingeniería incluyen conducción de calor, difusión, campos
eléctricos, y torsión. Inicialmente consideraremos un problema de conducción de
calor en dos dimensiones. En este problema calcularemos la solución para el campo
de temperatura en alguna región 2-D con condiciones de contorno especificadas. La
ecuación diferencia elíptica que gobierna este problema es:

47
donde T es la temperatura, Q es el flujo de calor volumétrico, y k es la conductividad
térmica del sólido. En coordenadas cartesiana la ecuación se puede expresar como:

mientras que en coordenadas polares se puede expresar como:

Ejemplo:

Como problema modelo, consideraremos una placa rectangular de ancho a y altura

b, así nuestra región de interés es el rectángulo definido por: 0<x<a y 0<y<b. Para
las condiciones de contorno, asumimos que conocemos las temperaturas a lo largo
de su perímetro. Esto se conoce como condiciones de contorno de Dirichlet .
También asumimos que la temperatura en todos los bordes es cero, excepto para el
borde donde y=0, sobre el cual asumiremos que la temperatura será T(x,0)=f(x),
donde f(x) es una función conocida. Esta ecuación puede resolverse utilizando el
método de separación de variables, cuya solución es:

Para encontrar la solución, debemos determinar los coeficientes y luego

sumar las series para el campo de temperatura. Actualmente se puede hallar la
solución más fácilmente con métodos numéricos.
2 2
∂T ∂ T
+ =0
∂ x2 ∂ y2

Para resolver este problema numéricamente, dividimos el rectángulo en una

malla y asignamos una temperatura a cada nodo de la malla. Cada temperatura será
rotulada como , donde i denota el número de la fila y j denota el némero de la
columna.También asumimos que el espaciamiento de la malla en la dirección x está

48
dado por h y el espaciamiento en la dirección y está dado por s. Dado este modelo,
entonces podemos aproximar la segunda derivada de la temperatura respecto a x
como:

Y la segunda derivada de la temperatura respecto a y como:

Si sustituímos estas equivalencias en nuestra PDE y fijamos que Q=0,

entonces otenemos:

Resolviendo para podemos obtener:

Para el caso en que el espacimiento en ambas direcciones sea igual, por

ejmplo h=s, obtenemos:

En otras palabras, la temperatura en cualquier punto de la malla es el promedio

de sus vecinos más proximos.
Ti+1,j
 

Tij-1 Tij Tij+1

Ti-1,j

49
Solución: Las condiciones de contorno para el problema son las siguientes:

a=1

b=2 T4

T1=100 oC b T1 T3

T2=T3=T4=0 T2

h=0,1 a

s=0,2

En la hoja de cálculo creamos una tabla de doble entrada para las coordenadas
x e y. En la celda clave ingreseamos la fórmula del esquema de aproximación y no
olvidemos que al implementar la fórmula se originan referencias circulares, las
cuales evitamos yendo al menú Herramientas-Opciones-Calcular y cambiando
automático por Manual e Iteración.

y(0) y(0,1 y(0,2 y(0,3 y(0,4 y(0,5 y(0,6 y(0,7 y(0,8 y(0,9 y(1,0
) ) ) ) ) ) ) ) ) )
x(0) 0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1
x(0,2 0,2 100 0 0 0 0 0 0 0 0 0
)
x(0,4 0,4 100 66,6 46,4 33,2 24,1 17,4 12,1 7,70 3,74 0
) 5 0 7 8 6 5
x(0,6 0,6 100 80,9 64,2 50,4 38,9 29,2 20,8 13,4 6,58 0
) 0 8 2 1 3 8 5
x(0,8 0,8 100 85,2 71,1 58,1 46,3 35,6 25,9 16,9 8,33 0
) 0 2 4 6 8 4 0
x(1,0 1 100 86,6 73,5 61,0 49,3 38,4 28,1 18,4 9,12 0
) 0 4 9 8 3 6 5
x(1,2 1,2 100 86,6 73,5 61,0 49,3 38,4 28,1 18,4 9,12 0
) 0 4 9 8 3 6 5
x(1,4 1,4 100 85,2 71,1 58,1 46,3 35,6 25,9 16,9 8,33 0
) 0 2 4 6 8 4 0
x(1,6 1,6 100 80,9 64,2 50,4 38,9 29,2 20,8 13,4 6,58 0
) 0 8 2 1 3 8 5
x(1,8 1,8 100 66,6 46,4 33,2 24,1 17,4 12,1 7,70 3,74 0
) 5 0 7 8 6 5
x(2,0 2 100 0 0 0 0 0 0 0 0 0
)

Por ejemplo la celda cuyo valor numérico es 71,12 o

C, corresponde a las
coordenadas (0.8, 0.3) de la zona rectangular.

Ejercicios para Resolver:

1. Find the maximum temperature in a square (2m by 2m) plate in which the
sides are held at 0 degrees, the thermal conductivity is 30 W/mK, and there is

50
 a volumetric heating rate of 10 kW/m 3. Do this for two different mesh spacings
and compare the errors. The analytical solution to this problem is

where Q is the volumetric heating rate, L is the plate width, and k is the
thermal conductivity.

2. Find the central temperature in the plate from problem 1, assuming there is no
heat generation, three sides are held at 0 degrees and the fourth side is held
at 100 degrees. Do this with and without SOR and compare the errors after
100 iterations.

3. Find the maximum deflection in a square (2m by 2m) plate which has a
thickness of 3 cm, an elastic modulus of 220 GPa, a Poisson's ratio of 0.33,
and is loaded by a transverse pressure of 0.05 MPa. The plate is pinned on all
four sides.

4. Find the maximum temperature in the plate shown below, assuming that the
thermal conductivity is 30 W/mK, the volumetric heating rate is 1 MW/m 3, and
that all the edges are held at 0 degrees. Note that this geometry consists of 4
square (10cm by 10cm) square "pieces."

51