Edp

Metodos Numericos para Ecuaciones Diferenciales Parciales y Dinamica de Fluidos Computacional
Obidio Rubio Mercedes 28 de octubre de 1999
Pr ologo
En la actualidad se est a resolviendo problemas cuyos modelos matem aticos son cada vez mas complejos, esta necesidad de resolverlas, lleva consigo la b usqueda de implementar alguna metodolog a, en este caso los m etodos num ericos, resultaron ser los m as u tiles, puesto que siempre generan un c odigo o programa para ser implementado en un computador. La complejidad del problema exigir a muchas veces un computador de alto desempe no, pero cuyos resultados son indudablemente muy impactantes, en la actualidad por que permiten simular los problemas reales sin tener que hacer gasto de dinero o tiempo en simulaciones experimentales, generando una a rea muy amplia, como es la matem atica num erica, entendi endose que en ella se trata tanto los m etodos num ericos como el an alisis num erico de estos m etodos , los cuales siempre estar an enfocados en analizar el orden de consistencia y la velocidad de convergencia de las soluciones aproxmadas que generan los m etodos. En el presente trabajo se hace una introducci on al m etodo de diferencas nitas, puesto que es uno de los m etodos muy usados, por su simplicidad, puesto que puede ser accesado por un principiante con bastante exito, y por su capacidad de abordar una amplia variedad de problemas, esta presentaci on se hace utilizando como modelos b asiocs a ecuaciones diferenciales parciales lineales de primer orden, como la ecuaci on de la onda y de segudno orden com la ecuaci on del calor y la ecuci on de Poisson. Teniendo en cuenta que un problema de ecuaciones diferenciales parciales, el cual es una abstracci on de los modelos de par ametros distribuidos, para ser formulado siempre necesita de un espacio innito dimensional, entonces este problema debe ser aproximado por otro problema formulado en un espacio nito dimensional. El proceso principal de esta tarea es la discretizaci on de un problema, que consiste en aproximar un problema de ecuaciones diferen1
ciales parciales, por un problema discreto, para ello se usa el proceso de discretizaci on, el cual se ha sistematizado en los siguientes pasos: Discretizaci on del dominio del problema, discretizaci on de la variable o inc ognita del problema y nalmente la discretizaci on de la ecuaci on diferencial del problema que consiste en usar un esquema de diferencias apropiado que aproxime la ecuaci on. Cada vez que se hable de discretizaci on de un problema se hace enfasis en estos tres pasos. El trabajo est a organizado de la siguiente manera: se presenta una dscusi on de los esquemas de diferencias nitas para problemas de ecuaciones diferenciales de primer orden, cuyo modelo patr on es la ecuaci on hiperb olica de la onda escalar unidimensional, aqu se introduce los conceptos fundamentales del an alsis de los esquemas de diferencias nitas, como es el de convergencia, consistencia y estabilidad, luego se utlzan estos conceptos en un estudio detallado para las ecuaciones parab olicas, cuyo modelo es la ecuaci on del calor. Utilizamos los problemas el pticas para hacer una presentaci on simple de ellas con enfasis en el tratamiento de las condiciones de contorno, nalmente se hace una ligera introducci on a temas m as espec cos, donde se necesita de mas agudeza en el estudio de la convergencia, tanto en problemas lineales como en problemas no lineales.
Indice General
1 Introducci on 1.1 La naturaleza de los m etodos num ericos . . . . . . . 1.2 El concepto de discretizaci on . . . . . . . . . . . . . . 1.3 Formulaci on para derivar m etodos de discretizaci on . 1.3.1 Formulaci on Serie de Taylor . . . . . . . . . . 1.3.2 Formulaci on Variacional . . . . . . . . . . . . 1.3.3 Formulaci on de Pesos Residuales . . . . . . . 1.3.4 Formulaci on de Volumen de Control . . . . . . 1.3.5 Formulaci on Integrales de Contorno y Teor a Potencial . . . . . . . . . . . . . . . . . . . . 1.4 M etodo de Diferencias Finitas . . . . . . . . . . . . . 1.4.1 Discretizaci on del Dominio . . . . . . . . . . . 1.4.2 Discretizaci on de la Variable . . . . . . . . . . 1.4.3 Discretizaci on de la Ecuaci on Diferencial . . . 1.4.4 Operadores de Diferencias . . . . . . . . . . . 1.5 Precisi on de Aproximaciones . . . . . . . . . . . . . . 2 Ecuaciones Diferenciales Parciales 2.1 Ecuaci on de la Onda Unidimensional . . . . 2.1.1 Sistemas de Ecuaciones Hiperb olicas 2.1.2 Condiciones de contorno . . . . . . . 2.2 Esquemas de Diferencias Finitas . . . . . . . 2.2.1 Discretizaci on del Dominio . . . . . . 2.2.2 Discretizaci on de la Variable . . . . 2.2.3 Discretizaci on de la Ecuaci on . . . . 2.3 An alisis de Esquemas de Diferencias Finitas 2.3.1 Convergencia y Consistencia . . . . . 2.3.2 Estabilidad . . . . . . . . . . . . . .
3
. . . . . . . . . . . . . . de . . . . . . . . . . . . . .
7 7 7 8 8 8 9 9 10 11 11 12 13 16 16 19 19 21 22 23 23 24 24 29 30 34
. . . . . . . . . .
. . . . . . . . . .
. . . . . . . . . .
. . . . . . . . . .
. . . . . . . . . .
. . . . . . . . . .
. . . . . . . . . .
INDICE GENERAL
2.4
2.3.3 El Teorema de Equivalencia de Lax - Richtmyer . 2.3.4 La Condici on de Courant-Friedrichs-Lewy . . . . An alisis de Fourier . . . . . . . . . . . . . . . . . . . . .
36 37 39 49 49 58 58 59 60 62 63 64 66 67 68 70 72 81 81 83 85 87 87 87 91 93 95 96 97 99 99 99
3 Ecuaciones Diferenciales Parab olicas 3.1 Problema de Conducci on del Calor . . . . . . . . . . 3.2 An alisis de los Esquemas de Diferencias Finitas . . . 3.2.1 Teorema de Lax . . . . . . . . . . . . . . . . . 3.2.2 El esquema de Euler retrasado . . . . . . . . . 3.2.3 Consistencia y orden de precisi on . . . . . . . 3.2.4 Estabilidad . . . . . . . . . . . . . . . . . . . 3.2.5 Esquema de Crank-Nicolson . . . . . . . . . . 3.2.6 Consistencia del esquema de Crank-Nicolson . 3.2.7 Estabilidad del esquema de Crank-Nicolson . . 3.2.8 Esquema de Du Fort-Frankel . . . . . . . . . . 3.2.9 Consistencia del esquema de Du Fort-Frankel 3.2.10 Estabilidad del Esquema de Du Fort-Frankel . 3.3 Implementaci on Num erica . . . . . . . . . . . . . . .
. . . . . . . . . . . . .
. . . . . . . . . . . . .
4 Disipaci on y Dispersi on 4.1 Disipaci on . . . . . . . . . . . . . . . . . . . . . . . . . . 4.2 Dispersi on . . . . . . . . . . . . . . . . . . . . . . . . . . 4.3 Velocidad de grupo y propagaci on de paquetes de ondas . 5 Ecuaciones El pticas: Condiciones de contorno 5.1 Ecuaci on de Poisson . . . . . . . . . . . . . . . . . . . . 5.1.1 Caso unidimensional . . . . . . . . . . . . . . . . 5.1.2 Caso bidimensional . . . . . . . . . . . . . . . . . 5.2 Tratamiento de las condiciones de contorno . . . . . . . . 5.2.1 M etodos de los puntos cticios . . . . . . . . . . . 5.2.2 Aproximaci on por series de Taylor (sin puntos cticios) . . . . . . . . . . . . . . . . . . . . . . . . 5.2.3 Fronteras irregulares y curvadas . . . . . . . . . . 6 Convergencia: problemas lineales y no lineales 6.1 Estabilidad y Convergencia . . . . . . . . . . . . . . . . . 6.1.1 Discretizaci on del Dominio . . . . . . . . . . . . .
INDICE GENERAL
6.1.2 Discretizaci on de la Varialble . . . . . 6.1.3 Discretizaci on de la Ecuaci on . . . . . 6.2 Consistencia y orden de precisi on . . . . . . . 6.3 Problemas no lineales: Ecuaci on de Burgers . 6.3.1 Esquemas de diferencias nitas . . . . 6.3.2 Consistencia . . . . . . . . . . . . . . . 6.3.3 Estabilidad . . . . . . . . . . . . . . . 6.3.4 Implementaci on num erica . . . . . . .
. . . . . . . .
. . . . . . . .
. . . . . . . .
. . . . . . . .
. . . . . . . .
. . . . . . . .
100 100 106 108 108 109 109 115
INDICE GENERAL
Cap tulo 1 Introducci on

1.1 La naturaleza de los m etodos num ericos
La soluci on num erica de una ecuaci on diferencial consiste de un conjunto de n umeros a partir de los cuales la distribuci on de la variable dependiente puede ser construida. En este sentido, un m etodo num erico es semejante a un experimento de laboratorio, en el cual el conjunto de instrumentos leidos nos permiten establecer la distribuci on de la cantidad medible en el dominio de investigaci on. Tanto el analista num erico como el experimentador de laboratorio deben quedarse con unicamente un n umero nito de valores num ericos como el resultado. Finalmente podemos decir que un m etodo num erico trata como sus incognitas b asicas los valores de las variables dependientes en un n umero nito de localizaciones (llamados los puntos de la malla) en el dominio de c alculo. El m etodo incluye la tarea de proveer un conjunto de ecuaciones algebraicas para estas incognitas y prescribir un algoritmo para resolver las ecuaciones.
1.2
El concepto de discretizaci on
Teniendo en cuenta que un problema de ecuaciones diferenciales parciales, el cual es una abstracci on de los modelos de par ametros distribuidos, para ser formulado siempre necesita de un espacio innito demesional, entonces este problema debe ser aproximado por otro problema, discreto, y ser escrito en un espacio nito dimensional. Para ello se usa el proceso de discretizaci on, que consiste en trasladar un problema innito dimensional a otro nito dmensional, el cual se
7
CAP ITULO 1. INTRODUCCION
ha sistematizado en los siguientes pasos: Discretizaci on del dominio del problema, discretizaci on de la variable o inc ognita del problema y nalmente la discretizaci on de la ecuaci on diferencial del problema que consiste en usar un esquema de diferencias apropiado que aproxime la ecuaci on. Cada vez que se hable de discretizaci on de un problema se hace enfasis en estos tres pasos. Las tres etapas de este proceso lo comprenderemos como sigue: En primer lugar el dominio se subdivide en subdomios o elementos seg un una determinada prescripci on, eligiendo un conjunto nito de puntos o nodos, que constituyen la malla, esta es la discretizaci on del dominio. Focalizando la atenci on en los valores de los puntos de la malla, el hecho de remplazar la informaci on continua contenida en la soluci on exacta de la ecuaci on diferencial con valores discretos, asi hemos discretizado la variable dependiente . Las ecuaciones algebraicas que involucran los valores de las variables de en los puntos de la malla elegida se llaman ecuaciones de discretizaci on, las mismas que son derivadas de las ecuaciones diferenciales. La forma de derivar las ecuaciones algebraicas depende de como la varible dependiente varie en los puntos de la malla, generalmente se especica una variaci on de un determinado perl.
1.3
Formulaci on para derivar m etodos de discretizaci on
Para una ecuaci onn diferencial dada, los m etodos de discretizaci on requeridas pueden ser derivadas en muchas formas, a continuaci on mencionamos algunos de los m etodos mas comunes: 1.3.1 Formulaci on Serie de Taylor
El procedimiento usual para derivar las ecuaciones de diferencias nitas consiste en la aproximaci on de las derivadas en la ecuaci on diferencial via la serie de Taylor truncada. 1.3.2 Formulaci on Variacional
Otro m etodo de obtener las ecuaciones de discretizaci on estan basadas en el c alculo de variciones, donde se verica que, resolver una ecuaci on
PARA DERIVAR METODOS 1.3. FORMULACION DE DISCRETIZACION
diferencial es equivalente a minimizar una funcional. La funcional es minimizada con respecto a los valores en los puntos de la malla de la variable dependiente, las condiciones resultantes generan las ecuaciones algebraicas requeridas. La formulaci on variacional es muy comunmente empleada en m etodos de elementos nitos. La principal dicultad de esta formulaci on es su aplicabilidad ya que no todos las ecuaciones diferenciales de inter es son interpretadas como minimizadoras de una funcional. 1.3.3 Formulaci on de Pesos Residuales
Un m etodo muy potente de resolver las ecuaicones diferenciales es el m etodo de los pesos residuales, El concepto b asico es el siguiente: supo ( la variable ner que la soluci on aproximada de la ecuaci on diferencial dependiente) contiene n par ametros por determinar, si sustituimos esta soluci on en la Ecuaci on diferencial obtendremos un residual. La idea es hacer este residual peque no en algun sentido, generalmente esta u ltima tarea se hace multiplicando al residual por una funci on peso W e la integraci on sobre el dominio entero es puesta a cero. Por tanto eligiendon una sucesi on de funciones peso, podremos generar todas las ecuaciones que se requieren para ecaluar los par ametros. Muchas de las recientes desarrollos de las t ecnicas de los elementos nitos estan basadas sobre perles por secciones usadas en conjunci on con una clase de pesos residuales particulares conocidos como M etodo de Galerkin 1.3.4 Formulaci on de Volumen de Control
El domino de c alculo es dividido en un n umero de volumenes de control no traslapados de manera que existe un volumen de control encerrando un punto de la malla, la ecuaci on diferencial es integrada sobre el volumen de control. Perles por secciones expresando la varici on de la variable dependiente entre los puntos de la malla son usados para las integrales requeridas, el resultado es la ecuaci on discretizada conteniendo los valores de la variable para un grupo de puntos de la malla. La ecuaci on discretizada obtenida en esta manera expresa el principio de conservaci on para para el volumen de control nito tan igual como la ecuaci on diferencial lo hace para un volumen innitesimal.
10
1.3.5
Formulaci on Integrales de Contorno y Teor a de Potencial
Este m etodo, el mas moderno, como es natural, est a basado en una teor a mucho mas compleja, como es la Teor a de Potencial, que consiste en formular las soluciones de ecuaciones dieferenciales como operadores de integrales de contorno, muchas veces singulares, de modo que la discretizaci on ya no es en todo el dominio, sin o unicamente en el contorno y la ecuaci on se discretiza siguiendo la t ecnica de Galerkin y de los elementos nitos, pero con una funci on de prueba, muy especial, como son el caso de las funciones de Green de los operadores diferenciales, que formalmente, no son otra cosa mas que los operadores inversos de los operadores diferenciales y son expresados como integrales sobre el contorno del dominio. En esta primera parte de los m etodos num ericos para las ecuaciones diferenciales parciales esta dedicado al estudio de los esquemas de diferencias nitas. Nuestra intenci on es hacer nuestro ingreso al campo de la Din amica de Fluidos Computacional(DFC) de una manera accesible, desde luego que no dejamos de mencionar otros m etodos que son importantes y que ser an tratados en su debido tiempo, tales como los elementos nitos, m etodos espectrales elementos de contorno y vol umenes nitos. Utilizamos las Ecuciones Diferenciales Parciales(EDP), ya que esta clase de ecuaciones son las que generalmente modelan los fen omenos naturales, mec anicos y otros tipos de procesos que ocurren en las ciencias e Ingenier a. Suponemos un conocimiento b asico de las ecuaciones diferenciales parciales asi como algunos conocimientos del an alisis, si se desea probar algunos de nuestros teoremas presentados. A n de ser mas ecientes en nuestro aprendizaje es necesario citar algunos libros de consulta como, Weinberger [7], Farlow[1] y Tijonov [6] Presentamos primeramente las ecuaciones diferenciales parciales de tipo hiperb olico, por considerar que dentro de ellas se encuentran ecuaciones simples, sin embargo modelan fon omenos f sicos concretos. Despues de esta r apida presentaci on comezamos a presentar los conceptos b asicos de los esquemas de diferencias nitas(EDF). Tambi en presentamos los conceptos importantes de convergencia, consistencia y estabilidad los cuales son relacionados por el teorema de equivalencia de
1.4. METODO DE DIFERENCIAS FINITAS
11
Lax-Richtmyer, utilizamos el an alisis de Von Neumann para establecer la estabilidad de esquemas, y terminamos con un tratamiento de los esquemas de diferencias nitas para las ecuaciones de tipo parab olico.
1.4
M etodo de Diferencias Finitas
En esta secci on presentamos en forma general, y b asica el concepto del m etodo de diferencias nitas (MDF), por simplicidad lo presentamos en dimensi on uno. Para esto , supongamos que tenemos un dominio, el cual ser a un intervalo = [a, b] R donde se tiene que resolver una ecuaci on diferencial. A continuaci on hacemos el proceso de discretizaci on en las tres etapas fundamentales.
1.4.1
Discretizaci on del Dominio
Por simplicidad consideremos el dominio como el intervalo = [0, 1]. Este dominio es dividido en un n umero nito de subdominios o subintervalos igualmente espaciados de longitud x, el cual es un n umero positivo. Ahora damos la denici on de malla Denici on 1.4.1. Sean x un n umero positivo, llamado la diferencia nita; una malla en el dom nio I R es un conjunto de puntos = {xn } , tal que cada xn esta en el interior o en la frontera de un subdominio y satisface xn+1 = xn + x xn1 = xn x es decir se cumple x = xn xn1 Esto puntos tambi en se llaman nodos y el forma de elecci on no es u nica, la obtenci on de los subdominios junto con la elecci on de los nodos se denomina discretizaci on del dom nio . En la gura 1.1 se presenta al punto xn de la malla, localizado entre los puntos xn1 y xn+1 .
12
x f g g
xn1
xn
xn+1
Figura 1.1: malla unidimensional
Una de las elecciones mas comunes para los nodos son aquellos ubicados en la frontera del subdominio, es decir, sus coordenadas son de la forma n = 0, 1, 2, . . . , N xn = nx, , siendo N el n umero de subdominios. Pero tambi en se puede elegir en el interior del subdominio, por ejemplo, si elegimos en el centro de cada subintervalo se tendr a xn = 1.4.2 n+ 1 x, 2 n = 0, 1, 2, . . . , N 1.
Discretizaci on de la Variable
Denici on 1.4.2. Una funci on discreta v , es aquella que est a denida en una malla , tal que a cada punto xn le asocia un n umero vn . Observaci on 1.4.1. 1 .- Si tenemos una funci on continua u(t) denida en , se le puede asociar una funci on discreta, es decir u puede ser discretizada sobre la malla, deniendo un = u(xn ). 2 .- Cuando la subdivisi on del dominio no es uniforme, lo cual ocurre en aplicaciones pr acticas, se tiene una sucesi on de diferencias xn = xn+1 xn para cada n. 3 .- Para efectos de un an alisis general, suponemos que vn = 0 para / , denotando |n| > N , donde N es sucientmente grande tal que xn en este caso a la funci on discreta por v = {vn } y n Z, es decir: v = {vn } = ( , v2 , v1 , v0 , v1 , v2 , )
13
Denici on 1.4.3. Sean f = {fn }, g = {gn } dos funciones discretas denidas sobre una malla , el producto interno de f y g se dene por f, g
h
=
n
hfn gn
(1.1)
donde h es un factor de escala, generalmente asociado al tama no de la malla h = maxn {xn+1 xn }. De la denici on anterior se obtiene la L2 -norma o norma euclideana: f = f, f
1/2 h 1/2
=
i
hfi2
(1.2)
Tambi en existen otras normas para funciones discretas, tales como: La norma de la suma f ==
i
h|fi |
(1.3)
La norma del m aximo |f | = max h|fi |

i
(1.4)
1.4.3
Discretizaci on de la Ecuaci on Diferencial
El m etodo de diferencias nitas, tambi en llamado m etodo taylor, porque resulta cunado se usa la formulaci on serie de Taylor para realizar las aproximaciones de las derivadas en la ecuaci on diferencial por diferencias nitas. Antes de determinar la aproximaci on de las derivadas, es util revisar el signicado de derivada. Las derivadas representan tasas de cambio, una derivada contiene informaci on acerca de la variaci on local de una funci on. Por tanto, una aproximaci on en diferencia a una derivada deberia atender a estos signicados acoplando la informaci on en los puntos vecinos de una malla, este acoplamiento se puede realizar con la serie de Taylor de la funci on en una vecindad del punto. Asi la expansi on de u(x + x) alrededor del punto x es d2 u (x)2 d3 u (x)3 du + 3 + ... u(x + x) = u(x) + x + 2 dx dx 2! dx 3!
(1.5)
14
utilizando la nomenclatura para la versi on discreta, esta serie de Taylor puede ser escrita como un+1 du = un + dx d2 u x + dx2 n d3 u (x)2 + 2! dx3 n (x)3 + . . . (1.6) 3!
De la misma forma, el valor u(x x) puede ser escrito como un1 y expandido como un1 = un du dx x +
n
d2 u dx2
(x)2 2! n
d3 u dx3
(x)3 + . . . (1.7) 3! n
Cuando la ecuaci on (1.6) se resuelve para la primera derivada , obtenemos du dx d2 u (x) un+1 un + x dx2 n 2! un+1 un = + O(x) x = d3 u dx3 (x)2 + ... 3! n (1.8)
donde O(x) denota el t ermino que contiene la primera y las potencias mayores de x. Si esta serie es truncada despues del primer t ermino, lo que tenemos es una diferencia nita que aproxima la primera derivada en el punto n, esto es du dx
n
un+1 un x
(1.9)
El error (de truncamiento) que resulta de esta aproximaci on se dice que es del orden de (x), porque (x) aparece en el primer t ermino de la serie truncada. Por lo tanto el error de truncaci on en la ecuaci on (1.9), se dice que es primer orden, y por tanto, la (1.9) misma se dice que es exacta de primer orden. Observamos que la precedente aproximaci on, se realiza en el punto n y utiliza el punto n + 1, por lo que se le llama una aproximaci on de diferencia hacia adelante. De la misma manera, podemos derivar la aproximaci on de la diferencia hacia atras de la ecuaci on (1.7) como
15
du dx
un un1 (x) d2 u = + x dx2 n 2! un un1 + O(x) = x un un1 x
d3 u dx3
(x)2 + ... 3! n
(1.10)
la cual es tambi en exacta de primer orden. Una aproximaci on de diferencia mas precisa que la de primer orden, es la obtenida substrayendo la ecuaci on (1.7) de la ecuaci on (1.6 ) y du/dx, entonces du dx un+1 un1 + +O(x)2 2x un+1 un1 2x =
(1.11)
esta aproximaxci on es llamada diferencia central porque esta centrada en el punto n. Las diferencias hacia adelante y hacia atras tambi en pueden ser pensadas como diferencias centrales, pero no centradas en el punto n, sino en los puntos (n + 1/2) y en (n 1/2) respectivamente. Para obtener una aproximaci on de diferencia nita de la segunda derivada, las ecuaciones (1.7) y (1.6 ) son sumadas, y el resultado es resuelta para (d2 u/dx2 ), generando d2 u dx2 un+1 2un + un1 + O(x)2 2 x
=
n
(1.12)
El primer t ermino del lado derecho, es usado para una aproximaci on de diferencia nita para la segunda derivada, es decir; d2 u dx2 un+1 2un + un1 , x2
(1.13)
Esta aproximaci on de la segunda derivada se llama diferencia central segunda, como observamso de (3.4), el error de truncamiento de esta aproximaci on es de segundo orden.
16
1.4.4
Operadores de Diferencias
En base a las diferencias presewntadas anteriormente se denimos algunos operadores mas utilizados en lenguaje de los esquemas de diferencias nitas, que se pueden aplicar a funciones discretas 1. Operadores de desplazamiento (derecha, izquierda) S+ n = n+1 , 2. Operador de diferencia hacia adelante D + n = n+1 n (S+ I )n = x x S n = n1 ,
3. Operador de diferencia hacia atras D n = (I S )n n n1 = x x
4. Operador de diferencia central D 0 n = (S+ S )n n+1 n1 = 2x 2x
Tambi en existen otros tipos de operadores de mayor orden, que se pueden construir usando los operadores anteriores, tales como: Operador de diferencia central
2 n = D D + n = 0
D n+1 D n x n+1 2n + n1 = x2 D D+ n = D+ D n
y se cumple
1.5
Precisi on de Aproximaciones
Jhon Von Neumann y H.H. Goldstein han identicado cuatro principales fuentes de errores que son casi inevitables cuando estamos describiendo sistemas f sicos.
DE APROXIMACIONES 1.5. PRECISION
17
1. Errores de modelaci on: Los modelos matem aticos de por s son generalmente dise nados con varias hip otesis. Un sistema que es no lineal y dependiente del tiempo, es talv ez representado por una ecuaci on diferencial lineal con coecientes constantes. Un sistema de par ametros distribuidos (representado por una ecuaci on diferencial parcial) puede ser aproximado por un modelo de par ametros agrupados(sistema de ecuaciones diferenciales ordinarias). 2. Errores de medici on: La mayor a de las descripciones de fen omenos naturales requieren de datos medidos, estos datos de por s tienen un error porque dependen de los equipos y otros factores que siempre aparecen en la obentci on de ellos. 3. Errores de truncaci on: Casi todos las descripciones de problemas de campo involucran un continuo innito. En el contexto del an alisis num erico, solo se puede tratar con un n umero nito de t erminos de procesos limitantes los cuales son normalmente descritos por series innitas. 4. Errores de redondeo: Errores introducidos por eliminaci on de d gitos; cuando los c alculos son realizados, estos pueden ser hechos unicamente en un computador de precisi on nita. Los errores aparecen en el tama no limitado de los registros en la unidad de aritm etica del computador. De los cuatro errores presentados, los errores de truncaci on y redondeo caen en el campo del analista num erico, estos errores son acumulados y tiene que controlarse para no dejarlos crecer. Aqu se observa un hecho muy importante, Cuando los c alculos usan una malla mas na, el error de truncamiento decrece pero el error de redondeo crece debido a que los datos num ericos son mas peque nos y por el n umero creciente de c alculos efectuados, por tanto hay que saber controlar ambos errores a n de que el error total permanezca en rangos permisibles.
18
Cap tulo 2 Ecuaciones Diferenciales Parciales

2.1 Ecuaci on de la Onda Unidimensional
Por su simplicidad, el prototipo de todas las ecuaciones diferenciales parciales es la ecuaci on hiperb olica de la onda unidimensional, ut + aux = 0, (2.1)
donde a es una constante, t representa el tiempo, x la variable espacial, u(x, t) es la incognita de la ecuaci on. El problema de valor inicial asociado a esta ecuaci on es el siguiente: Dada u en el tiempo inicial, es decir u(x, 0) es igual a una funci on dada u0 (x), para todo x R, deseamos determinar el valor u(x, t) para cada t > 0, tal que: (P V I ) < x < , t > 0 ut + aux = 0, < x < . u(x, 0) = u0 (x), (2.2)
La soluci on de este problema es facil determinar, por observaci on podemos decir que la soluci on de (PVI) es: u(x, t) = u0 (x at), (2.3)
La funci on (2.3), soluci on de (PVI) puede interpretarse de la siguiente manera: on es una r eplica de la funci on 1. En cualquier tiempo t0 > 0, la soluci inicial, pero desplazada, a la derecha si a > 0 y a la izquierda si a < 0, hasta una posici on |a|t0 . 2. La soluci on en (x, t) depende unicamente del valor = x at.
19
20
CAP ITULO 2. ECUACIONES DIFERENCIALES PARCIALES
3. Las rectas x at = cte en el plano (x, t) se llaman caracter sticas de la ecuac on. 4. El par ametro a tiene dimensi on de distancia dividido por el tiempo, y se llama velocidad de propagaci on a lo largo de la caracter stica. 5. Si la condici on inicial es una onda, la soluci on expresada en (2.3) dice que en cualquier tiempo la onda inicial se propaga con velocidad a sin cambiar de forma. Observaci on 2.1.1. La ecuaci on (2.1) tiene sentido si u es diferenciable, la soluci on (2.3) no necesita de la diferenciabilidad de u0 . De acuerdo a esto, es permisible tener soluciones discontinuas para problemas hiperb olicos. Un ejemplo de una soluci on discontinua es una onda de Shock(ver Farlow [1]), la cual es una clase de soluciones de ecuaciones hiperb olicas no lienales. Una generalizaci on del problema hiperb olico es el siguiente (P V I ) ut + aux + bu = f (x, t), < x < , t > 0 < x < . u(x, 0) = u0 (x), (2.4)
donde a, b son constantes f es una funci on. Basados en la observaciones anteriores, hacemos el cambio de variables = t, t = , o (2.5) = x at, x = + a. luego deniendo u (, ) = u(x, t), donde (, ) y (x, t) est an relacionadas por el cambio de variable denida previamente, entonces la ecuaci on en (2.4), se transforma en t x u = ut + ux = ut + aux = bu + f ( + a, ) es decir u = bu + f ( + a, ) la cual es una ecuaci on diferencial ordinaria en y cuya soluci on depende de y es de la forma u(x, t) = u0 (x at)e
b
+
0
f ( + as, s)eb( s) ds,
(2.6)
DE LA ONDA UNIDIMENSIONAL 2.1. ECUACION
21
Usando la inversa del cambio de variable se tiene u(x, t) = u0 (x at)e

b t
+
0
f (x a(t s), s) + as, s)eb( s) ds, (2.7)
Notar que u(x, t) depende solamente de los valores de (x1 , t1 ) tal que on depende unicamente de los valores x at = x1 at1 , es decir, la soluci de u y f sobre las caracter sticas que pasan por (x, t), para 0 t1 t. Este m etodo se soluci on puede extenderse facilmente a ecuaciones no lineales de la forma ut + aux = f (x, t, u). Tambi en el m etodo de las caracter sticas puede ser util para interpretar, aunque no expresar explicitamente la soluci on de del problema no lineal, ut + g (u)ux = 0 Ya que se puede conocer la soluci on sobre cada curva particular, pero no en todas al mismo tiempo(ver [1]). 2.1.1 Sistemas de Ecuaciones Hiperb olicas
Ahora damos un ligero vistazo a los sistemas de ecuaciones hiperb olicas de tipo parab olico en una dimensi on, aunque la incognita u es un vector n-dimensional. Denici on 2.1.1. Un sistema de la forma ut + Aux + Bu = F (x, t), es hiperb olico si la matr z A es diagonalizable, es decir existe una matr z 1 no singular P tal que P AP = D donde D = diag (a1 , a2 , . . . , an ). Los autovalores de A son las velocidades caracter sticas del sistema. Bajo el cambio de variables w = P u, y poniendo B = 0 en el sistema, tenemos (x, t), wt + Dw : x = P F (x, t) = F o
i i i (x, t), + ai wx =f wt
las cuales son de la forma (2.4). Podemos decir que si la matriz B = 0, el sistema hiperb olico unidimensional se reduce a un conjunto de n ecuaciones hiperb olicas independientes, si B = 0 el sistema permanece acoplado.
22
Ejemplo 2.1.1. El sistema ut + 2ux + vx = 0 vt + ux + 2vx = 0 se puede escribir como u v 2.1.2 +

t
2 1 1 2
u v
= 0.
x
Condiciones de contorno
Si consideramos las EDPs sobre un intervalo nito en lugar de la recta real, entonces estamos frente a un problema que necesita imponer algunas condiciones correctas en los extremos del intervalo. La mayoria de las aplicaciones de las EDPs estan denidas en dominios con frontera. Las condiciones que relacionan la soluci on de la ecuaci on diferencial a datos de frontera lo llamamos, condiciones de contorno. El problema de determinar una soluci on a la ecuaci on diferencial con condici on inicial y condici on de contorno se llama problema de valor inicial y de contorno. La discusi on de problemas de valores de contorno sirve para ilustrar de nuevo la importancia del concepto de caracter sticas, por ejemplo si consideramos el problema 0 < x < 1, t > 0 ut + aux = 0, < x < . (2.8) u(x, 0) = u0 (x), (P V IC ) u(0, t) = g (tx), 0 < t 0 < x < 1. Si a > 0, las caracter sticas en esta regi on se propaga de izquierda a derecha segun la gura, examinando las mismas vemos que, es suciente que se especique, los datos iniciales y en el extremo x = 0, para tener la soluci on en cada tiempo t > 0. Mas a un no es necesario tener datos en el otro extremo x = 1, lo cual convertir a al problema en sobre determinado. Por ejemplo consideremos la condici on inicial u(x, 0) = u0 (x) y la condici on de contorno u(0, t) = g (t), la soluci on del problema se puede escribir en la forma u(x, t) = u0 (x at) si x at > 0, g (t a1 x) si x at < 0
2.2. ESQUEMAS DE DIFERENCIAS FINITAS
23
t 6
>
> >
A lo largo de la caracter stica x at = 0 existir a un salto de discontinuidad en u si u0 (0) = g (0). Si a < 0 el rol de las fronteras son intercambiados.
2.2
Esquemas de Diferencias Finitas
Para comenzar una discusi on de esquemas de diferencia nitas consideramos el problema a tratar como un problema de valor inicial escalar (P V I ) P(x, t, t , x )u = 0, u(0) = u0 . x R, t > 0 (2.9) donde P(1 , 2 , 3 , 4 ) es un polinomio en las variables 1 , 2 , 3 , 4 . Como sabemos la discretizaci on lo hacemos en tres pasos 2.2.1 Discretizaci on del Dominio
Sabiendo que el dominio del problema es el semiplano superior del en el sistema (x, t), por tanto, la discretizaci on del dominio consiste en dividirlo en subdominios y denir una malla de puntos en el semiplano (x, t), t > 0. En nuestro caso, por razones pr acticas, los subdominios ser an rect angulos homog eneos y en el extremo de cada rect angulo se dene un nodo como sigue Denici on 2.2.1. Sean h,k n umeros positivos; una malla es un conjunto
24
de puntos de la forma (xj , tn ) = (jh, nk ), donde j, n son n umeros enteros arbitrarios con n > 0. 2.2.2 Discretizaci on de la Variable
Denici on 2.2.2. Una funci on discreta v , es aquella que esta denida n . en una malla, tal que a cada punto (xj , tn ) le asocia un valor vj Observaci on 2.2.1. 1 .- Una funci on continua u(x, t) denida en < x < , puede ser discretizada sobre la malla, deniendo un j = u(xj , tn ) 2 .- El conjunto de puntos de la malla (xj , tn ), con n jo se llama nivel n de la malla. La discretizaci on de la variable del problema consiste en utilizar un n que aproxime la variable del problema, es decir a la funci on discreta vj soluci on exacta u(x, t) en cada punto de la malla (jh, nk )
n vj u(xj , tn )
t > 0,
(2.10)
En esta misma etapa tambi en se discretiza las condciones de cotnorno as com la condici on inicial, por ejemplo en nuestro problema se tiene
0 vj = u0 (xj )
2.2.3
Discretizaci on de la Ecuaci on
En esta etapa, los operadores diferenciales son aproximados por operadores de diferencias nitas utilizando la serie de taylor, estos operadores son combinados adecuadamente formando un esquema de diferencias nitas, tal que el problema de valor inicial (P V I ) es sustitu do por el problema de valor inicial discreto. (P V ID)
n = 0, Ph,k vj 0 vj =
j Z, u0 (jh),
n Z+ j Z.
(2.11)
Con la utilizaci on del operador dscreto de Ph,k el problema de valor inicial continuo denido para < x < +, t > 0, ha sido sustituido
25
por un problema discreto denido en puntos discretos x = jh, t = nk , j Z, n Z+ . nico y dependiendo de la De esta manera el operador Ph,k , no es u forma en que se combinan los operadores de diferencias determina un esquema de diferencias nitas. La manera de conseguir estos esquemas es aproximando las derivadas por diferencias nitas, es fundamental en este proceso, la f ormula de Taylor, esta t ecnica tiene una justicaci on que vemos a continuci on. Suponiendo que u es sucientemente regular, la derivada de u con respecto a x en (x, t), se puede calcular con f ormulas diferentes, como: u (x, t) x = lim 0 u(x+ ,t)u(x,t) u(x ,t) = lim 0 u(x+ ,t)2 (2.12)
Si (x, t) es un punto de la malla esta derivada puede ser aproximada en los puntos de la malla por diferencias nitas de la forma u (jh, nk ) x
u((j +1)h,nk )u(jh,nk ) h u((j +1)h,nk )u((j 1)h,nk ) 2h
(2.13)
respectivamente. Consideremos ahora, la ecuaci on modelo ut + aux = 0, (2.14)
Entre los Esquemas mas comunmente utilizados para discretizar esta ecuaci on, tenemos: Upwind
n+1 n n n vj vj vj +1 vj +a = 0, k h n+1 n n n vj vj vj vj 1 +a = 0, k h
a<0
(2.15)
a>0
(2.16)
Leap-Frog,
n+1 n1 n n vj vj vj +1 vj 1 +a = 0, 2k 2h
(2.17)
26
Lax-Wendro
n+1 n n n n n vj vj v n 2vj + vj vj +1 vj 1 1 2 j +1 , +a = ka k 2h 2h2
(2.18)
Lax-Friedrichs
n+1 n n n n 1 vj vj +1 vj 1 2 (vj +1 + vj 1 ) +a = 0. k 2h
(2.19)
En el esuqema Upwind , se presnetan dos esuqemas que depende del signo de a, el primero denotado por (FTFS) de Ingl es forward time forward spacey el segundo se denota por (FTBS)forward time Backward space. En general el m etodo para derivar esquemas de diferencias nitas es simple; sin embargo el an alisis de que si un esquema de diferencias nitas es una buena aproximaci on a la ecuaci on diferencial necesita de una tarea matem atica, a veces fuerte. Por otro lado, dado una lista de esquemas, es com un preguntarse, cu al de ellos son u tiles y cuales no? Para dar respuesta a esta pregunta b asica, necesita algun tiempo y cuidado, y su respuesta se logra en varios aspectos. Comenzamos respondiendo en un primer aspecto, el cual ser a , determinar cu al esquema genera soluciones que aproximen a las soluciones de la ecuaci on diferencial. En otro aspecto es determinar cu ales esquemas son mas precisos que otros y nalmente investigamos la eciencia de los esquemas. Cada uno de los n+1 como esquemas antes mencionados pueden ser escritos expresando vj combinaci on lineal de los valores de v en los niveles n y n 1. Por ejemplo el esquema (FTFS) se puede se escribe como: k . h La cantidad aparecera a menudo en el estudio de los esquemas para ecuaciones hiperb olicas. Los esquemas permiten calcular la funci on discreta v en el nivel n + 1 conociendo el valor de la misma en niveles inferiores, aquellos esquemas que solo necesitan un solo nivel inferior, por ejemplo del nivel n se llaman esquemas de un solo paso, entanto que los esquemas que involucran mas de un nivel inferior se llaman esuqemas de m ultiple paso, por ejemplo en la lista de esquemas anteriores, el esquema de Leap-Frog es de m ultiple
n+1 n n = (1 + a)vj avj vj +1 ,
con
27
paso, usa el nivel n y el nivel n 1 y todos los otros son esquemas de un solo paso. 0 , un esquema de un solo paso puede utiDado los datos iniciales vj n , para todos los valores positivos lizarse sin dfcultades para calcular vj de n. Para los esquemas de m ultiple paso, como el esquema de Leapfrog no 0 para obtener los demas valores en los otros es suciente tener los datos vj niveles, sino que se tiene especicar v en los niveles sucientes a n de que el esquema sea empleado, una forma de resolver esto es por ejemplo, usar un esquema de un solo paso hasta tener los niveles necesarios donde se comience a usar esquema de m ultiple paso. Para tener un panorama de los t opicos a seguir discutiendo, hagamso un comentario de las resultados obtenidos con los esquemas propuestos anteriormente, para ello consideremos el (P V I ), donde 0 < x < 2, t > 0, teniendo como condici on inicial la funci on 2 -peri odica seccionalmente continua , 0, 0 x < 23 2 4 (2.20) 1, 3 x 3 , u(x, 0) = f (x) = < x 2, 0, 43 A continuaci on se muestra una secci on de pseudoc odigo, el cual nos permitir a observar el comportamiento del periodo principal de esta funci on considerado como una onda, para esto elijamos el esquema de LaxFriedrichs, los dem as tienen similar estructura Do n = 0, nmax Do j = 19, 29 vj,n+1 (vj +1,n + vj 1,n ) /2 (vj +1,n vj 1,n ) /2 End Do End Do Como sabemos la soluci on de este problema esta dado por u(x, t) = f (x at) y es constante a lo largo de las caracter sticas x at = cte en la gura 2.1, presentamos las soluci ones num ericas que son aproximaciones de la soluci on del problema (2.14)-(2.20), con a = 1, h = 2/240, k = 2h/3 en t = 500k y en t = 1000k .
28
upwind 1 0.9 0.8 0.7 0.8 0.6 0.6 0.5 0.4 0.4 0.2 0.3 0.2 0.1 0 0 0 -0.2 -0.4 0 1.4 1.2 1
Leap-Frog
Lax-Wendroff 1.2 1 0.9 1 0.8 0.8 0.7 0.6 0.5 0.4 0.4 0.3 0.2 0 0.1 -0.2 0 0 0
Lax-Friedrich
0.6
0.2
Figura 2.1: Soluciones num ericas con los esquemas, en t = 500k,
2.3. ANALISIS DE ESQUEMAS DE DIFERENCIAS FINITAS
29
La soluci on exacta de la ecuaci on diferencial est a dada por la linea trazada y la soluci on num erica por el esquema respectivo, est a dado por la linea cont nua en cada caso. En la gura podemos observar que el esquema de diferencias calcula la soluci on adecuadamente bi en, lejos de las discontinuidades, pero cerca de estas no se muestra una buena aproximaci on a la soluci on. Todas estas aproximaciones no son capaces de ser consideradas como buenas; porque, el m etodo de Leap-frog genera muchas oscilaciones cerca de las discontinuidades. El m etodo Lax-Wendro tiene sobreoscilaciones y suboscilaciones cerca de las discontinuidades, pero no se propagan immediantamente. Los M etodos de Lax-Friedrichs y Upwind, no tienen oscilaciones ni sobre oscilaciones, sin embargo cerca de las discontinuidades se separan mucho de la soluaci on exacta, podr amos decir que sus discontnuidades ocupan regiones mas extensas. Para tiempos bajos (primeros nivels de t) la soluci on tiene un comportamiento aceptable, pero a medida que t crece la separaci on de la soluci on exacta es mas acentuada, especialmente en los esquemas Upwind y Lax-Fredrichs, porque estos esquemas de diferencias incorporan algunas propiedades que el problema original no lo tiene, como es el csao de la disipaci on num erica, como veremos en la pr oxima secci on.
2.3
An alisis de Esquemas de Diferencias Finitas
La serie de Taylor es una herramienta fundamental en los m etodos num ericos tanto para determinar los operadores de diferencias como para determinar los operadores de truncamiento de cualquier esquema de diferencias que aproxime una ecuaci on diferencial. Convergencia es un concepto matem atico familiar conocido para el caso de sucesiones de n umeros, sin embargo aqu se reere al hecho de que sucesiones de soluciones discretas obtenidas de las ecuaciones de diferencias, cada vez que la malla es renada, se aproximan a la soluci on exacta de la ecuaci on diferencial continua. Por tanto hablaremos de convergencia, como el acercamiento, en algun sentido, de las solun n = vj (h, k ), cuando k, , h 0. Desde luego que estrictamente ciones vj hablando acerca de la convergencia de sucesiones de funciones, se nece-
30
sita denir el tipo de m etrica con la que se puede medir la distancia entre funciones; sin embargo no necesitamos entrar en mucho detalle, es suciente utilizar los puntos de la malla, por lo que hablaremos de convergencia puntual o convergencia uniforme y tambi en por precisar algunos conceptos presentaremos esa misma denici on en otro contexto. El t ermino consistencia se reere a una aproximaci on entre el esquema mismo y la ecuaci on diferencial. En un an alisis de ecuaciones en diferenicas, la consistencia junto la establidad garantizan la convergencia, esto ser a visto mas adelante en el teorema de Lax-Richtmyer. 2.3.1 Convergencia y Consistencia
Presentamos en primer lugar una ecuaci on diferencial general, a n de que estos conceptos sean presentados en un contexto te orico y as sean usados para en una amplia clase de aproximaciones de ecuaciones diferenciales. Consideremos la EDP lineal de la forma P (t , x )u = f (x, t) (2.21)
Donde P (1 , 2 ) es un polinomio lineal en 1 , 2 , por razones de simplicidad, consideramos que la ecuaci on anterior es de primer orden en la derivada con respecto al tiempo. Ejemplos de este tipo de ecuaciones son: ut bux x + aux = 0, ut + butx + auxx + cuxxx = sin x. Supongamos, a n de hacer la teor a viable, que una ecuaci on o sistemas de ecuaciones, de la forma (2.22), determina una u nica soluci on si se especica los datos iniciales u(x, 0). Para efectos de notaci on, consideremos que un Esquema de Diferencias Finitas (EDF) tiene la forma Ph,k u = Bh,k f (2.22)
Denici on 2.3.1. Dada la condici on inicial u0 (x), para la cual existe una soluci on u(x, t) de la EDP. Un esquema de diferencias nitas de un solo paso que aproxima la EDP se dice que es un esquema convergente
31
n sii todas las soluciones vj , dadas por el esquema de diferencias nitas, 0 n u(x, t) tal que vj converge a u0 (x) cuando jh x; se cumple vj siempre que (jh, nk ) (x, t) cuando h, k 0.
Observar que: 1. Para el caso de esquemas de m ultiple paso, la denici on es modicada precisando que.
i , vj
converge a
u0 (xj ) para
0iJ
n a u(x, t) 2. Se debe precisar que la naturaleza de la convergencia de vj es en los puntos de la malla, ya que u est a denida continuamente n est a denida en el dominio que contiene a la malla, mientras que vj solo en los puntos de la misma.
Probar que un esquema dado sea convergente, en general no es f acil si intentamos hacerlo directamente, puesto que en general no se conoce la soluci on de la EDP cont nua, sin embargo existen los conceptos t ecnicos de consstencia y estabilidad, que son relativamente f aciles de chequear que ayudar an a determinar la convergencia sin tener la soluci on antes mencionada; a contincuaci on veremso la consistencia. Denici on 2.3.2. Dada una ecuaci on diferencial parcial P u = f y un esquema de diferencias nitas Ph,k u = f ; decimos que el EDF es consistente con la EDP, sii para cualquier funci on suave (x, t) se cumple P Pn,k 0 cuando h, k 0
donde la convergencia es puntual, en cada punto de la malla. Observaci on: 1. En algunos esquemas se necesita precisar la forma en que h y k tienden a cero a n de obtener la consistencia. 2. Cuando nos referimos a una funci on suave, se entiende que es una funci on sucientemente diferenciable. 3. En el esquema de diferencias nitas, el operador de diferencias Ph,k , es el que caracteriza tal esquema, el cual puede estar denido en funci on de los operadores discretos conocidos.
32
Presentamos, las deniciones anteriores en un contexto mas general, con el prop osito de motivar a un estudio mas matem atico de los esquemas de diferencias nitas. Denici on 2.3.3. Ph,k es consistente con P hasta un tiempo T en una cuando norma ||.||, sii ||Ph,k P || = k (h) ; y (h) 0 k0 (h) es el error de truncamiento local en tiempo nk . Denici on 2.3.4. Un esquema de diferencias nitas es convergente en n cuando h, k 0 la norma ||.||, sii ||un j vj || 0 Es convergente de orden (p,q) en la norma ||.|| sii
n p q ||un j vj || = O (h ) + O (k )
on de la Ejemplo: En el esquema de Lax-Friedrich, para la ecuaci onda, + a , o P = t + ax P = t x

+1 n n n 1 n n j j +1 j 1 2 (j +1 + j 1 ) +a , Ph,k = k 2h
n j = (jh, nk ),
utilizando la serie de Taylor en el punto (xj , tn )

+ + 1 1 2 n+ = n h h3 xxx + O(h4 ) h + x xx j j 1 2 6
de estas expresiones tenemos 1 2 1 n n 4 (j +1 + n j 1 ) = j + h xx + O (h ) 2 2 n n 1 j +1 j 1 = x + h2 xxx + O(h4 ) 2h 6 k2 n+1 n j = j + kt + tt + O(k 3 ). 2 Sustituyendo estas expresiones en el esquema tenemos 1 h2 1 2 h4 4 Ph,k = t + ax + k tt xx + ah xxx + O(h + + k2) 2 2k 6 k
33
podemos decir que, el esquema es consistente tan pronto como cuando h, k 0, y se cumple
h2 k
0,
1 h2 1 h4 Ph,k P = k tt xx + ah2 xxx + O(h4 + + k 2 ) 0, 2 2k 6 k lo cual signica que h2 debe ir mas rapidamente a cero que k . on Ejemplo.- En la ecuaci ut + uk utilizamos el esquema FTFS
n+1 n n n vj vj vj +1 vj + =0 k h que se puede escribir como
k n n+1 n n = vj (vj vj +1 vj ) h
() =
k h Como hicimos en el ejemplo anterior se puede vericar que

n+1 n n = (1 + )vj vj vj +1 ,
1 1 Ph,k = t + ax + kxt + ahxx + O(k 2 ) + O(h2 ) 2 2 Por lo tanto 1 2 2 P Ph,k = 1 si (h, k ) 0 2 ktt + 2 ahxx + O (k ) + O (h ) 0, Por lo que el esquema es consistente. Es muy natural preguntarse, cu ando consistencia es suciente para que que un esquema sea convergente?. En verdad, consistencia es necesaria para convergencia mas no suciente, como veremos en el esquema del u ltimo ejemplo, el esquema puede ser consistente pero no convergente. Tomando la condici on inicial u0 (x) = 1, si 1 < x < 0 0, en otro lugar
La soluci on de la EDP u(x, t) = u0 (x t) es un desplazamiento de u0 a la derecha por t.
34
En particular para t sucientemente grande existen x > 0 para los cuales u(x, t) = 0 Para el esquema de diferencias, los datos se obtienen por la discretizaci on de u0 (x)
0 = vj
1, si 1 jh 0 0, en otro valor, en particular j > 0
Seg un la ecuaci on (), la soluci on en (xj , tn ) depende solamente del valor en xj y xj +1 ; en el tiempo anterior, entonces, si j > 0, n 0,
n =0 vj
j > 0,
n0
n no puede converger a u(x, t), ya que para t > 0, x > 0, u Por tanto vj n lo es. no es id enticamente cero, mientras que vj
2.3.2
Estabilidad
En el ejemplo anterior vimos que para obtener convergencia, los esquemas deben satisfacer otras condiciones adem as de consistencia, en esta secci on nos referimos al importante concepto de estabilidad el cual es el paralelo de lo que, en l problema anal tico es el concepto de problema bien puesto. Denici on 2.3.5. Un problema de valor inicial (P V 1) se dice que es bien puesto en una norma ||.|| si y solamente s existe soluci on, es u nica y depende continuamente de los datos iniciales, es decir existe una constan-te C y tal que ||u(x, t)|| Cet ||u0 (x)|| (a)
El concepto de estabilidad est a relacionado con la u ltima desigualdad. Considerando el conjunto de todas las soluciones en un tiempo t, obtenidos mediante alg un esquema a partir de un mismo dato inicial (en t = 0). Este conjunto se obtuvo involucrando todas las relaciones que aparecen entre niveles de tiempo e intervalos de espacio, con ciertas restricciones. Entonces si los valores de las soluciones permanecen nitas sobre cada restricci on que se consider o, de manera que el conjunto de todas las posibles soluciones permanece acotado, se dice que el esquema es estable, dentro de las restricciones dadas. M as precisamente, podemos enunciar la siguiente denici on.
35
n Denici on 2.3.6. Un esquema de diferencias nitas Ph,k vj = 0 es estable si y solamente s existen constantes K y y alguna norma ||.|| tal que
||v n || Ket ||v 0 ||,
t = nk,
K,
independientes de
h, k
(a)
Observaci on 2.3.1. : Si el esquema fuera de paso m ultiple, la denici on anterior podr a modicarse en el sentido de que existe un entero J , y constantes K, tal que
J
||v || Ke
n
t i=0
||v i ||
Una de las normas comunmente usada es la norma euclideana o l2 norma ||.||2 . Con esta norma la desigualdad (a) puede escribirse en una manera m as pr actica como
n 2 |vj |
h
j =
Ke h
t j =
0 2 |vj |
(b)
Para ciertos esquemas simples podemos establecer la estabilidad yendo directamente a la desigualdad de la forma (a) o (b) sin embargo en general es un poco complicado, por eso es necesario utilizar algunas t ecnicas como la t ecnica de Von Neumann, que veremos mas adelante. Ejemplo.- Probaremos una condicion suciente de estabilidad, para los esquemas de paso hacia adelante en tiempo y paso hacia adelante en espacio(FTFS). El esquema general se debe escribir en la forma siguiente:
n+1 n n = vj + vj vj +1
mostraremos que el esquema es estable si | | + | | 1, sabiendo que
36
2xy x2 + y 2 , entonces
j = n+1 2 vj
=
j =
n n vj + vj +1 2
j =
2 n n n n + 2 || | | vj ||2 vj vj +1 + | | vj +1 n n n vj ||2 vj + 2 || | | vj +1 2 n vj j = 2 2 n + | |2 vj +1
j =
|| + 2 || | | + | |
2 n vj j =
(|| + | |)
De esta desigualdad tenemos que

j = n 2 vj
(|| + | |)
2n
j =
0 vj
as el esquema ser a estable si | | + | | 1. En particular el esquema (FTFS) dado por

n+1 n n = (1 + a r) vj ar vj vj +1
ser a estable si | 1 + a r | + | a r| 1. Lo cual signica que, de cada sumando ar < 0 y a > 1 1 a 0 umero de Courant, el n umero de El n umero Cr = r a se llama n t Courant indica que el esquema anterior es estable si a < 0 y r = x = k 1 h < a la cual genera una dependencia entre k y h a n de mantener estabilidad. 2.3.3 El Teorema de Equivalencia de Lax - Richtmyer
Teorema 2.3.1. Un esquema de diferencias nitas consistente en una ecuaci on diferencial parcial, para la cual el problema de valor inicial es bien puesto, es convergente es estable.
37
La prueba del teorema la omitimos por el momento(consultar a Strikwerda [5]), sin embargo dibi endose observar la importancia de mismo teorema puesto que nos nos da una forma simple de vericar si un esquema es convergente, ya que si intentamos vericar la convergencia directamente por la denici on no siempre es posible, sin embargo chequear consistencia y estabilidad pueden ser mucho mas f acil ya que involucran generalmente c alculos algebr aicos solamente. Esto puede ser hecho en un lenguaje de computaci on simb olico como Maple, Mathematica. El Teorema de Lax - Richtmyer es un ejemplo del mejor tipo de teoremas matem a ticos, pues relaciona un concepto importante que es d icil de establecer directamente con otros conceptos que son relativamente f aciles de vericar y establece esta relaci on muy adecuadamente. Notar que si unicamente tuvieramos la mitad del teorema, diciendo que consistencia y estabilidad implican convergencia, entonces podr ia ocurrir que existan esquemas que siendo inestables sean convergentes. Pero si tuvieramos unicamente la otra mitad del teorema, diciendo que un esquema consistente y convergente es estable; entonces no podremos armar que un esquema consistente y estable es convergente. La importancia del uso del teorema de Lax-Richtmyer no radica tanto, desde el punto de vista de vericar consistencia y estabilidad, si no mas bi en por la relaci on precisa establecida entre estos conceptos y el concepto de convergencia. 2.3.4 La Condici on de Courant-Friedrichs-Lewy
k . Hemos denido el n umero de Courant Cr = ar, donde r = h El comportamiento de este n umero es muy importante, porque de el depende mucho, la estabilidad de esquemas de diferencias nitas; ya que una condici on sobre este n umero da argumentos sobre la propagaci on de informaci on. La interpretaci on de este n umero se puede expresar de la siguiente manera
Cr =
a
1 r
velocidad de propagaci on en la soluci on anal tica velocidad de propagaci on en la soluci on num erica
on En primer lugar veamos que una condici on sobre Cr es una condici necesaria para la estabilidad de Esquemas Expl citos.
38
Esta condici on, llamada condici on de Courant-Friedrichs-Lewy (CFL) es |Cr | 1 Denici on 2.3.7. Un esquema de DF expl cito es cualquier esquema que puede escribirse en la forma
n+1 n = Qvj vj
donde Q es operador de diferencias lineal

n
en general, cuando el esquema es de m ultple paso, se puede escribir

n+1 vj
=
=0
n Q vj ,
Los esquemas impl citos ser an estudiados mas tarde, veamos un primer resultado, el cual contiene los esquemas de un solo paso.
n+1 n n n = vj cito Teorema 2.3.2. Sea vj 1 + vj + vj +1 , un esquema expl para la ecuaci on hiperb olica con r constante; una condici on necesaria para estabilidad es la condici on (CFL)
|Cr | 1 Para sistemas de ecuaciones, donde v es un vector, y , , son matri autovalor ai de la matriz A. ces, debemos tener |ai r| 1 Prueba Para el caso escalar, supongamos |Cr | = |ar| > 1; entonces en el punto (x, t) = (0, 1) vemos que la soluci on de la EDP u(x, t) = u0 (x at) depende de los valores de u0 (x) en x = +a y x = a (en realidad n solamente de uno de ellos a o a). Pero el esquema EDF tendr a v0 0 dependiendo u nicamente de vj para j n, por la forma del esquemacon 1 1 h = r k , tenemos jh r kn = r1 , pues kn = 1 n depende de x solamente para|x| r1 < |a|. Esto dice que v0 n no converge a u(0, 1) cuando Por tanto v0 h0 por tanto |Cr | 1 De manera similar se puede probar que no existe esquemas consistentes expl citos para EDP hiperb olicos que sean estables para todos los valores de r (con r constante cuando h, k 0), presentamos el siguiente teorema; probado primeramente por Courant,Friedrichs y Lewy. con
h k
=1
2.4. ANALISIS DE FOURIER
39
Teorema 2.3.3. No existe EDF consistentes, incondicionalmente estables expl citos para sistemas hiperb olicos de EDP. A continuaci on veamos un esquema impl cito para la ecuaci on de la onda (1), el mismo es consistente y estable para todo valor de r ilustrando que el teorema anterior no se puede extender a esquemas impl citos. a) Esquema de paso atr as en tiempo y paso atr as en el espacio (BTBS)
n+1 n+1 n+1 n vj vj vj vj 1 +a =0 k h
(+)
En efecto; la consistencia es f acil de ver, veamos la estabilidad: Escribiendo (+) en la forma (con = r)
n+1 n n+1 = vj + avj (1 + a)vj 1
elevando al cuadrado ambos miembros,utilizando la desgualdad 2xy x2 + y 2 tenemos

n+1 2 n 2 n n+1 2 n+1 2 | |vj | + 2a|vj ||vj (1 + a)2 |vj 1 | + (a) |vj 1 | n 2 n+1 2 (1 + a)|vj | + (a + (a)2 )|vj 1 |
Tomando la suma sobre j tenemos (1 + a)

2 j = n+1 2 |vj |
(1 + a)
j =
n 2 |vj |
+ (a + (a) )
j =
n+1 2 |vj 1 |
como (1 + a)2 a a()2 = 1 + a, obtenemos:

j = n+1 2 |vj |
j =
n 2 |vj |.
Lo cual muestra que el esquema es estable para cualquier > 0.
2.4
An alisis de Fourier
En esta secci on presentaremos esta herramienta importante, con la cual analizamos esquemas de diferencias nitas y sus soluciones del problema. En realidad usamos el An alisis de Fourier para estudiar tanto los esquemas de diferencias nitas como las Ecuaciones Diferenciales Parciales.
40
Denici on 2.4.1. Para una funci on u(x) denida en la recta real R, su transformada de Fourier u (w) se dene por 1 u (w) = 2

eiwx u(x)dx,
si la integral existe
Esta transformada de u es una funci on de la variable real w(longitud de onda) y es u nicamente denida por u. La funci on u es una representaci on alternativa de la funci on u. Informaci on de ciertas propiedades de u pueden ser deducidas de las propiedades de u , por ejemplo, la raz on en la cual u decae para valores grandes de w est a relacionado al n umero de derivadas que u tiene. La f ormula de inversi on de Fourier est a dada por 1 u(x) = 2

eiwx u (w)dw
Esta f ormula expresa que u es una superposici on de ondas eiwx con diferentes amplitudes u (w). Denici on 2.4.2. Sea v una funci on discreta denida en Z ; entonces su Transformada de Fourier se dene por 1 eim vm , v ( ) = 2 m= 1 vm = 2

[, ],
v ( ) = v ( )
Su f ormula de inversi on de Fourier est a dada por eim v ( )d
Esta f ormula de inversi on tiene la misma interpretaci on que la f ormula de inversi on en R. Observamos que el An alisis de Fourier en Z es exactamente el estudio de las representaciones de las series de Fourier de funciones denidas en el intervalo [, ]. Si el espacio entre los puntos discretos es h, podemos establecer el an alisis de Fourier en hZ por un cambio de variable 1 eimh vm h, v ( ) = 2 m=
, h h
41
Con su f ormula de inversi on 1 vm = 2

h
eimh v ( )d
(2.23)
Las deniciones anteriores nos garantizan que en la L2 -norma se satisface ||L2 ||u||L2 = ||u y ||v ||2 h =
n=
|vm |2 h =
|v ( )|2 d = ||v ||2 h
Llamadas f ormulas de Parseval, usando estas relaciones podemos decir que la transformada de fourier se dene para todas las funciones en L2 (R) y en L2 (hZ ). En el siguiente ejemplo vemos la utildad pr actica de la transformada de Fourier en algunas situaciones Ejemplo Sea la funci on discreta 1, si |xm | < 1 1 sobre hZ vm = 2 , si |xm | = 1 0, si |xm | > 1 Supongamos que h = m mh = M
1 M,
donde M es un entero, entonces, xm =
h 1 1 v ( ) = eiM h + eimh + eiM h 2 2 2 m=(M 1) = = = = sen(M 1 h 2 )h cos + sen 1 2 2 h 1 senM hcos 1 h 2 h cosM hsen 2 h cos + sen 1 2 2 h h h cos + sencot cos 2 2 h 1 sencot h 2 2
M 1
42
La f ormula de Parseval asegura que el c alculo de la siguiente integral es: h2 2

4
sen cot
21
hd =
||v ||2 h
||v ||2 h
1 = h[( )2 + 2
M 1 m=(M +1)
1 1 + ( )2 ] 2
1 = h[ + M 1 (M + 1) + 1] 2 1 = h[ + 2M 1] 2 1 = h[2M ] 2 1 = 2 h. 2
An alisis de Von Neumann
Con el uso del an alisis de Fourier se puede dar condiciones necesarias y sucientes para la estabilidad de esquemas de diferencias nitas, esto es lo que se llama an alisis de Von Neumann. Recordemos que un esquema de diferencias nitas de un solo paso puede escribirse en la forma
n+1 n = Qvj , vj
Siendo Q = Q(S+ , S ), donde S+ , S son los operadores de desplazan n n = vj S v j = miento hacia adelante y hacia atr as respectivamente S+ vj +1 , n vj 1 Observemos que, tomando la Transformada de Fourier a S+ vj tenemos
S+ v =
j =
vj +1 e
ijh
=
m=
vm e
i(m1)h
=e
ih m=
vm eimh = eih v
de la misma forma se obtiene S v = eih v De esto se sigue que si v n+1 = Q(S+ , S )v n entonces vn v n+1 = Q(eih , eih ) Si denotamos por = h , entonces el t ermino g (, k, h) = Q(eih , eih ) se llama factor de amplicaci on.
43
Condici on de Estabilidad de Von Neumann El factor de amplicaci on g (, k, h) se dice que satisface la condici on de estabilidad de Von Neumann(CVN), si una constante C > 0 (independiente de , k, h) tal que |g (, k, h)| 1 + Ck, k es el peso del tiempo
esta condici on puede ser vista en el siguiente teorema. Teorema 2.4.1. Un esquema de diferencias nitas de un paso es estable on de Von Neumann. en la l2 norma satisface la condici Si g (, k, h) = g () entonces la CVN se puede sustituir por |g ()| 1 Este teorema muestra que para determinar la estabilidad de un EDF, solamente necesitamos considerar el factor de amplicaci on g (, k, h) Demostraci on. Si la CVN es satisfecha entonces el el EDF es estable Sea T > 0 sucientemente grande, y supongamos que existe C > 0 tal que g (, k, h) 1 + Ck, , 0 < k k0 , 0 < h h0 . n = gV 0 n1 = g n V V Luego usando la identidad de Parseval Vn
2 h h h h h
por la denici on del factor de amplicaci on se tiene
n V
2 h
n ( )|2 d = |V
0 ( )|2 d |g |2n |V
2 h
(1 + Ck )2n
= (1 + Ck )2n V 0
0 ( )|2 d = (1 + Ck )2n V 0 |V
2 h
Como nk T , entonces k T /n, y del hecho que 1 + x ex , tenemos T (1 + Ck )2n (1 + Ck )2 k e2CT Vn

2 h
x > 0,
Entonces usando los extremos de la desigualdad anterior obtenemos (1 + Ck )2n V 0

2 h
e2CT V 0
2 h
44
podemos decir que existe CT = e2CT > 0, asi como para las constantes h0 > 0, k0 > 0 elegidas en la CVN se cumple Vn
2 h
CT V 0 2 h,
h h0 , k k0 , nk T.
Para esto utilizamos la contraposici on, es decir si la CVN no es satisfecha entonces el EDF no es estable En efecto: Supongamos que para cada C > 0, existe c [, ] tal que g (c , k, h) > 1 + Ck, , 0 < k k0 , 0 < h h0 .
Entonces |g | tiene un comportamiento similar al mostrado en la gura (2.2)

6
|g |
s
1 + Ck
1 c Figura 2.2:
Por la continuidad de g () existe un intervalo [1 , 2 ] que contiene a c y adem as |g ()| 1 + Ck, [1 , 2 ] 0 en el espacio de longitud de o nda(frecuencias) Elijamos una funci on V que sea nula en el exterior del intervalo [1 , 2 ], por ejemplo V ( ) = 0 0,
h 2 1 ,
/ [1 , 2 ] [1 , 2 ]
0,
h 2 1 ,
1 2 / [ h, h] 1 2 / [ h, h]
0 = 1. Observamos que V
45
Entonces utilizando nuevamente la identidad de parseval tenemos Vn

2 h
= = =
n V
h h
2 h
h h
n ( )|2 d |V
0 ( )|2 d |g |2n |V 0 ( )|2 d |g |2n |V

2n
2 h
2 h
1 h
(1 + Ck )
1 h
|V 0 ( )|2 d = (1 + Ck )2n
Si elegimos C para el cual existe T > 0 y k con kn T tal que se cumpla T 2 + 2CT e2CT (1 + kC )2 k Podemos concluir que (1 + Ck )2n = (1 + Ck )2 k T 1 1 (1 + Ck )2 k e2CT .1 2 2 1 2CT 0 2 V h = e 2 2CT Por tanto para cada CT = 1 existe T > 0 tal que 1 + CT CT 2e y se cumple 0 2 Vn 2 h CT V h Vn que es la no estabilidad del esquema. Ejemplo Consideremos el esquema de paso hacia adelante en tiempo y paso hacia adelante en espacio(forward time-forward space FTFS)
n+1 n n n vj vj vj +1 vj +a = 0, k h el cual se escribe en la forma n+1 vj = = = = 2 h
T
a > 0,
n n n vj + avj avj +1 n n (1 + a)vj aS+ vj n [(1 + )I aS+ ]vj n Q(S+ , S )vj
46
tomando transformada de Fourier v n+1 = g (, h, k ) vn g (, h, k ) = 1 + a aeih , con a > 0, =cte. |g |2 = (1 + a acos)2 + (a)2 sen2 = 1 2(a)2 cos 2acos + 2a + 2(a)2 = (1 + a)2 2a(1 + a)cos + (a)2 = (1 + a)[1 + a 2acos] + (a)2 = (1 + a)[1 + a2sen2 acos] + (a)2 2 = (1 + a)[1 + 2asen2 a(cos2 sen2 ) + (a)2 2 2 2 = (1 + a)[1 + 2asen2 a(1 2sen2 )] + (a)2 2 2 = (1 + a)[1 + 4asen2 a] + (a)2 2 = 1 a2 2 + 4a(1 + a)sen2 + (a)2 2 = 1 + 4a(1 + a)sen2 2 Observemos que si = 0 |g | > 1, por tanto el esquema es inestable, recordamos que ya hemos visto que este esquema no es convergente. Observaci on 2.4.1. No es necesario escribir las integrales (2.23) para tener la ecuaci on para el factor amplicador g . Un procedimiento equivn alente y simple es remplazar vj por g n eij en el esquema, para cada valor de j y n. Ejemplo Ahora utilizando el esquema paso adelante en el tiempo y diferencia central en el espacio (FTCS)
n+1 n n n vj vj vj +1 vj 1 +a =0 k 2h ilustramos este procedimiento. n Remplazando vj por g n eij el esquema anterior se transforma en
g n ei(j +1) g n ei(j 1) g n+1 eij g n eij +a k 2h i e ei n ij g 1 =0 =g e +a k 2h
47
luego de simplicar esta ecuaci on obtenemos el factor de amplicaci on g = 1 ia sin con = k/h. Esta t ecnica de obtener el factor de amplicaci on es obviamente mas facil que el an alisis presentado anteriormente. Si es constante, entonces g es independiente de h y k y |g ()|2 = 1 + a2 2 sin2 . Desde que |g ()| > 1 para diferente de 0 y de , este esquema es inestable. n por g n eij no Se debe tener en cuenta que, el hecho de sustituir vj quiere decir que la soluci on del esquema de diferencas tenga necesarin n ij on es una forma amente la forma vj = g e , En verdad esta sustituci corta de interpretar el m etodo de la transformada de Fourier utilizado al inicio de la secci on, donde se verica que todas las soluciones de los esquemas de un solo paso son dados por la f ormula
n+1 n = Qvj vj
la cual est a lista para obtenr en forma pr actica el factor de amplicaci on. Un reordenamiento de los c alculos para determinar el factor de amplicaci on muestra que los dos procedimientos son equivalentes en la obtenci on del factor de amplicaci on.
48
Cap tulo 3 Ecuaciones Diferenciales Parab olicas

3.1 Problema de Conducci on del Calor
En el presente cap tulo se presenta esquemas de diferencias nitas para la ecuaci on del calor, se pretende presentar de una manera detallada los aspectos num ericos y computacionales en una clase de esquemas num ericos para las ecucaciones difrenciales parciales de tipo parab olico, como es la ecuaci on del calor. Par ser mas especicos, tomamos el problema modelo de la siguiente forma = 2 uxx , 0 < x < L ,t > 0 ut t>0 u(0, t) = g1 (t), (P ) u(L, t) = g2 (t), t>0 0xL u(x, 0) = u0 (x), el cual es un problema t pico de valor inicial y de contorno, 2 es el par ametro de difusividad t ermica y representa una proporci on entre la conductividad t ermica y la capacidad de almacenamiento t ermico del material donde se realiza el estudio de difusi on del calor. Como observamos, el problema es unidimensional, el cual puede ser una abstracci on matem atica de la f sica de la conducci on del calor en una barra delgada homogenea de secci on transversal constante y aislada por los costados, cuyos extremos se mantienen a temperaturas conocidas on de g1 (t) y g2 (t), e inicialmente se supone que tiene una distribuci on de la secci on temperatura u0 (x) que depende unicamente de la posici
49
50
CAP ITULO 3. ECUACIONES DIFERENCIALES PARABOLICAS
transversal x. El hecho de que este problema modelo, tiene soluci on anal tica expl cita, es un buen modelo para probar la eciencia de los esquemas num ericos que se pretenden estudiar. Entre los esquemas de diferencias nitas que sirven para solucionar este problema tenemos:
Esquemas explicitos; entre de los que se encuentran: El esquema de pso adelante en tiempo y diferencia central en el espacio tambi en llamado esquema de Euler, el esquema de Du For-Frankel, esquema de Leaprog,etc.
Esquemas impl citos, como el esquema de Euler Retrasado, el esquema de Crank-Nicolson. Para el desarrrollo del presente trabajo solamente trataremos con los esquemas Impl citos; Euler Retrazado y Crank-Nicolson, y el esquema explicito de Du Fort-Frankel, dejando los dem as como un ejercicio al lector.
Discretizaci on del Dominio Observamos que nuestro dominio es el conjunto R+ =]0, L[(0, ) como se muestra en la gura 3.1. Denotemos por h = x la longitud de la partici on del dominio ubicado en el eje de las abscisas, y por k = t la longitud de la partici on en el eje de las ordenadas. Con estos n umeros dividimos el dominio en subdominios con lados de longitud h y k ,como se muestra en la gura 3.2
DEL CALOR 3.1. PROBLEMA DE CONDUCCION
51
valores de frontera
]0, L[R+
valores de frontera
valores iniciales
Figura 3.1: Dominio del problema
valores de frontera tn
(j, n)
valores de frontera
xj L valores iniciales Figura 3.2: Discretizaci on del Dominio
De esta forma denamos los puntos de la malla como (xj , tn ), para j = 0, . . . , M + 1, n = 0, . . . Nmax ;
los puntos en el eje de las abscisas toman la forma xj = jh, mientras que los puntos en el eje de las ordenadas toman la forma tn = nk
52
Discretizaci on de la variable Denici on 3.1.1. Cualquier funci on V denida sobre una red o malla se llama funci on discreta, y sus valores se denotan por Vjn o (Vj,n ) Observaci on 3.1.1. . 1. Si u es una funci on continua en (x, t) ( denida en todo el doan denotados por minio), Entonces los valores de u en (xj , tn ) ser n uj = u(xj , tn ) 2. El conjunto de puntos (xj , tn ) para j jo son llamados nivel n de la malla 3. Muchas veces, para simplicar notaciones, se usa los ndices (j, n) para representar los puntos de la malla (xj , tn ). Discretizaci on de la Ecuaci on Denici on 3.1.2. Un esquema de diferencias nitas es una combinaci on de operadores discretos que permiten aproximar la ecuaci on diferencial parcial por una ecuaci on en diferencias nitas. Los valores de u denidos sobre las fronteras laterales y la frontera inferior son valores conocidos mientras que en los puntos interiores deben ser calculados. La aproximaci on por diferencias nitas a las derivadas de una funci on se obtiene utilizando el Teorema de Taylor, segun el an alisis hecho en la secci on anterior. La variable espacial x ser a aproximada por la diferencia central, es decir utilizamos la siguiente aproximaci on: uxx (x, t) u(x + h, t) 2u(x, t) + u(x h, t) h2 h2 4 u(0 , t0 ). 12 x4 (3.1)
con error de truncamiento (x0 , t0 , h) =
Generalmente se utilizan estas diferencias porque los valores de u son conocidos en los extremos del intervalo [0, L] u(0, t) = g1 (t), u(L, t) = g2 (t), t>0
53
En la variable temporal la situaci on es diferente. Solamente son conocidos los valores de la funci on en el tiempo t = 0 esto es: u(x, 0) = u0 (x), x [0, L]
Por tanto no es posible utilizar diferencias centrales. Para este caso usualmente se utiliza la aproximaci on de diferencia progresiva. ut (x, t) con el error de truncamiento k 2 (t0 , 0 ) (x0 , t0 , k ) = 2 t2 on en (xj , tn ) obtenemos Usando la notaci on Vjn para la aproximaci Vjn+1 Vjn u (xj , tn ) t k y (3.3) u(x, t + h) u(x, t) k (3.2)
n n Vjn 2u +1 2Vj + Vj 1 (xj , tn ) (3.4) x2 h2 De las f ormulas (3.3) y (3.4) obtenemos el esquema de diferencias progresiva para la ecuaci on diferencial parcial del problema
Vjn+1 Vjn V n 2Vjn + Vjn 1 2 j +1 = 2 k h
(FTCS)
llamado comunmente esquema (FTCS), del Ingles forward time-central space, cuyo error de truncamiento es: j,j
2 4 k 2 2h = u(xj , n ) U (j , tn ) O(k ) + O(h2 ) 2 4 2 t 12 x
En el esquema (FTCS), la variable discreta Vjn , involucra los puntos de malla (xj 1 , tn ), (xj , tn+1 ), (xj +1 , tn ), (xj , tn ), que aproximan a la soluci on u(x, t) del problema (P ), en el punto (xj , tn ). Este esquema se puede escribir de la siguiente manera
n Vjn+1 = (1 22 )Vjn + 2 Vjn +1 + Vj 1
(3.5)
donde = kh2
54
tn+1 tn
(j 1, n)
w
(j, n + 1)
w
(j, n)
(j + 1, n)
xj 1
xj
xj +1
Figura 3.3: Mol ecula de c alculo para FTCS
Observamos que los valores en el nivel n + 1 se obtiene unicamente sabiendo los valores en el nivel n, como se muestra en la gura 3.3, por eso, este esquema pertenece al conjunto de esquemas expl citos. Tambi en podemos obtener otro esquema utilizando diferencia nita regresiva en el tiempo, es decir haciendo la siguiente aproximaci on u(xj , tn+1 ) u(xj , tn ) u (xj , tn+1 ) t k con error de truncamiento j,j = k 2 h2 4 u ( x , t ) u(j , tn ) (O(k ) + O(h2 )) j n 2 4 2 t 12 x
on num erica anterior tenemos usando la notaci on Vjn en la aproximaci Vjn Vjn1 u (xj , tn ) t k (3.6)
manteniendo la diferencia central en el espacio tenemos el esquema num erico (BTCS) (del ingles backward time-central space) para el problema de conducci on del calor, tambi en se le conoce como Euler retrasado . Vjn Vjn1 V n 2Vjn + Vjn 1 2 j +1 = 2 k h (BTCS)
55
En el esquema (BTCS), la variable discreta Vjn , involucra los puntos de malla (xj 1 , tn ), (xj , tn ), (xj +1 , tn ), (xj , tn1 ), que aproximan a la soluci on u(x, t) en el punto (xj , tn ) Este esquema se puede escribir de la siguiente manera
n n1 (1 22 )Vjn 2 Vjn +1 + Vj 1 = Vj
(3.7)
Observamos que los valores en el nivel n + 1 deben ser calculados simultaneamente sabiendo un solo valor en el nivel n, como se muestra en la gura 3.4, por eso, este esquema pertenece al conjunto de esquemas impl citos. t
6
tn tn1
(j 1, n)
w w
(j, n)
(j + 1, n)
(j, n 1)
xj 1
xj
xj +1
Figura 3.4: Mol ecula de c alculo para Euler retrazado o BTCS
A continuaci on presentamos los otros esquemas que ser an estudiados en el presente trabajo. El esquema de Crank-Nicolson se obtiene promediando los esquemas Euler retrasado y Euler progresivo, de la siguiente manera: Sea el esquema de Euler progresivo en el punto (xj , tn ), utilizando el 1 ) obtenemos: punto (xj , tn+ 2 Vj
n+1/2 k 2
Vjn
Vn 2 j +1
2Vjn + Vjn 1 2 h
(FTCS)
Sea el esquema de Euler retrasado en el punto (xj , tn+1 ) utilizando el
56
1) punto (xj , tn+ 2
Vjn+1 Vj
k 2
n+1/2
V n+1 2 j +1
+1 2Vjn+1 + Vjn 1 . h2
(BTCS)
Promediando los dos esquemas anteriores, (FTCS) y (BTCS), tenemos el esquema de Crank-Nicolson
n+1 n+1 n+1 n n Vjn+1 Vjn 1 2 Vj +1 2Vj + Vj 1 1 2 Vjn +1 2Vj + Vj 1 = + (3.8) k 2 h2 2 h2 El nuevo esquema al ser promediado, se convierte en un esquema de diferencia central en la variable t, si lo observamos como discretizado en el punto (j, n + 1/2). Veremos que este esquema es tambi en impl cito, consistente, incondicionalmente estable y orden de presici on (2,2). Observamos que este esquema utiliza seis puntos de malla (xj 1 , tn ), (xj , tn ), (xj +1 , tn ), (xj 1 , tn+1 ), (xj , tn+1 ), (xj +1 , tn+1 ) como se observa en la gura 3.5
w 6
n+1
6 k 2 ?
w f ( j, n + 1 2)
k
w ?
n+
1 2
j1
j+1
Figura 3.5: Mol ecula de c alculo para Crank-Nicolson
Usando diferencias centrales en el tiempo para la funci on u(x, t) en el punto (xj , tn ) obtenemos la formula de diferencias nitas u(xj , tn+1 ) u(xj , tn1 ) u (xj , tn ) = + (t1 , k ) t 2k donde (t1 , k ) O(k 2 ), despreciando este error de truncamiento obtenemos la aproximacion de diferencias nitas centradas respecto a (xj , tn ) u(xj , tn+1 ) u(xj , tn1 ) u (xj , tn ) t 2k
57
Usando la notaci on Vjn tenemos el esquema de diferencias nitas de Leapfrog. Vjn+1 Vjn1 V n 2Vjn + Vjn 1 2 j +1 , = 2 2k h con error de truncamiento j,j (O(k 2 ) + O(h2 )) En el esquema (3.9), podemos sustituir 2Vjn por Vjn+1 Vjn1 , obtenemos; Vjn+1 Vjn1 V n Vjn+1 Vjn1 + Vjn 1 2 j +1 = (15) 2 2k h llamado esquema de Du Fort-Frankel, cuyo error de truncamiento es dado por (h, k ) = O(h2 ) + O(k 2 ) + O(k 2 h2 ) como vericaremos en el cap tulo siguiente. t
6
j = 1, ...N 1 , n = 1, .... (3.9)
tn+1 tn
w
(j, n + 1)
w
(j, n 1)
xj 1
xj
xj +1
Figura 3.6: Mol ecula de c alculo para Du Fort-Frankel
Este esquema es en realidad un esquema de cinco puntos aunque en la f ormula y en la gura 3.6 aparecen explicitamente solo cuatro puntos, pero la discretizaci on se hace en el punto denotado por (j, n).
58
3.2
3.2.1
An alisis de los Esquemas de Diferencias Finitas

Teorema de Lax
El teorema de Lax que enunciamos aqu es una variaci on del teorema de Lax-Ritchmeyer presentado en el cap tulo anterior, muy util, en el an alisis de esquemas de diferencias nitas, puesto que, por medio de el y para una amplia clase de ecuaciones diferenciales, nos da la respuesta de la convergencia del esquema, utilizando unicamente los conceptos t ecnicos de consistencia y estabilidad. Teorema 3.2.1. Sea un esquema de diferencias nitas lineal, estable y consistente con orden de precisi on (p, q ). Entonces el es convergente de orden (p, q ) Demostraci on. Un esquema lineal, de un solo paso, con coecientes constantes se puede escribir en la siguiente forma: Vjn+1 = QVjn , n0 (3.10)
donde Q = Qh,k . De acuerdo a esto se tiene V n = QV n1 = Q(QV n2 ) = . . . Qn1 (QV 0 ) = Qn V 0 donde Qn es el operador de diferencias nitas Q aplicado n veces. Desde que el esquema es estable. Para todo T > 0, Existe CT > 0 tal que 0 2 Vn 2 h CT V h Usando (3.10), tenemos que QV n1
2 h
CT V 0
2 h
Qn V 0
2 h
CT V 0
2 h
Sea u(x, t) una soluci on de la ecuaci on P u = 0. Como el esquema es consistente con orden de precisi on (p, q ) se cumple, con Ph,k u = (Iun+1 Qun ) Ph,k u = Ph,k u P u = O(hp ) + O(k q ) es decir un = Qn1 u + O(hp ) + O(k q ).
3.2. ANALISIS DE LOS ESQUEMAS DE DIFERENCIAS FINITAS
59
Sea W n = un V n el error en el n- esimo paso, con W 0 = u0 V 0 = 0, entonces, se cumple W n = QW n1 + O(hp ) + O(k q ) = Q2 W n2 + Q(O(hp ) + O(k q )) + O(hp ) + O(k q ) = ... = Q W +
j =0 n1 n 0 n1
Qj (O(hp ) + O(k q ))
=
j =0
Qj (O(hp ) + O(k q ))
De esto se obtiene,
n1
j =0 n1
Qj (O(hp ) + O(k q )) CTj (O(hp ) + O(k q )),

j =0
Tj tj = jk
= O(hp ) + O(k q ) Por tanto el m etodo es convergente de orden (p, q ). A continuaci on pasamos a analizar cada uno de los esquemas propuestos, cabe resaltar que para cada uno de los esquemas, estudiaremos la consistencia, orden de precisi on, estabilidad y convergencia 3.2.2 El esquema de Euler retrasado
Vjn Vjn1 V n 2Vjn + Vjn 1 2 j +1 = (3.11) 2 k h Como vemos, este esquema esta dentro del grupo de los esquemas impl citos. Probaremos que es consistente con orden de presici on (1,2) e incondicionalmente estable. Denotemos por = kh2 y = 2 . El esquema (3.11) se puede escribir en la forma
n Vjn1 = (1+2)Vjn (Vjn +1 +Vj 1 ),
j = 0, 1, 2, ..., N,
n = 0, 1, ..., kmax (3.12)
60
Si discretizamos las condiciones de contorno (Dirichlet) y condiciones iniciales del problema (P), tenemos: Condiciones de Contorno V0n = u(x0 , tn ) = u(0, tn ) = T1 (tn ) n = U (xN , tn ) = u(L, tn ) = T2 (tn ) VN Condiciones Iniciales Vi0 = u(xj , t0 ) = u(xj , 0) = u0 (xj ), j = 0, 1, ..., N
n = 0, 1, .., kmax
Obteniendo el problema de diferencias nitas: n n1 n n n Vj Vj 2 Vj +1 2Vj +Vj 1 = , j = 1, . . . , N 1 n = 1, . . . , kmax k h2 n = T1 (tn ) V0 (P D1) n = T2 (tn ) , n = 0, 1, .., k max V VN 0 = u0 (xj ), j = 1, 2, ..., N 1 j 3.2.3 Consistencia y orden de precisi on
Veriquemos la consistencia del esquema de Euler retrazado, para ello utilizamos la serie de Taylor. En efecto: Observemos que el operador diferencial continuo esta dado por:
2 2 , P = t x2
el mismo que aplicado a una funci on suave se tiene P = t 2 xx . En tanto que el operador discreto Pk,h , aplicado a una variable discreta es el siguiente Ph,k Vjn Vjn Vjn1 V n 2Vjn + Vjn 1 2 j +1 = 2 k h (3.13)
Utilicemos una funci on suave y desarrollemos por Taylor en el punto 1 (xj , tn ), las expresiones n = (xj , tn k ), n j +1 = (xj + h, tn ) y j n j 1 = (xj h, tn )
61
(xj , tn k ) = (xj , tn ) kt (xj , tn ) + O(k 2 ), en la notaci on de ndices, tenemos

1 1 n = n kt + O(k 2 ), j j
(3.14)
Luego la serie de Taylor de (xj h, tn ) en (xj , tn ), es (xj h, tn ) = (xj , tn ) 1 1 hx (xj , tn ) + h2 xx (xj , tn ) 1! 2!
1 3 h xxx (xj , tn ) + O(h4 ) 3! En notaci on indicial 1 2 1 h xx h3 xxx + O(h4 ) 2! 3! De manera similar con (xj + h, tn ) en (xj , tn ), obtenemos:
n n j 1 = j hx + n n j +1 = j + hx +
(3.15)
1 2 1 (3.16) h xx + h3 xxx + O(h4 ) 2! 3! las derivadas t , x , xx , xxx son evaluadas en el punto (xj , tn ) = (jh, nk ). Sustituyendo las series (3.14),(3.15),(3.16) en el operador discretizado Ph,k n j dado en (3.13), obtenemos: Ph,k = 1 n 2 j n j + kt + O (k ) k 2 n 1 1 2 j + hx + h2 xx + h3 xxx + O(h4 ) 2n j h 2! 3! 1 1 2 n 2 j hx + h2 xx h3 xxx + O(h4 ) h 2! 3!
la cual se puede escrbir como: 1 2 2 2 Ph,k = kt + O(k ) 2 h xx + O(h4 ) + O(h4 ) k h Simplicando, y teniendo en cuenta la notaci on del operador diferencial P y el hecho que O(h2 ) + O(h2 ) = O(h2 ), tenemos Ph,k = t 2 xx + O(k ) + O(h2 ) = P + O(k ) + O(h2 )
62
De donde tenemos la forma P Ph,k = O(k ) + O(h2 ) Observando que P Ph,k 0, cuando h, k 0 (3.17)
Decimos que el esquema de diferencias nitas Euler retrasado es consistente con la ecuaci on diferencial parcial ut = 2 uxx del problema (P ). De la ecuaci on (3.17) vemos que el orden de precisi on es (1, 2), 1 en el tiempo y 2 en el espacio. 3.2.4 Estabilidad
Para analizar la estabilidad del esquema de Euler retrasado, utilizamos el criterio de Von Neumann. Tomando el esquema en la forma expresada en (3.12)
+1 n+1 +1 n Vjn Vjn +1 + (1 + 2)Vj 1 = Vj
sustituyendo Vjn por g n eij , tenemos g n+1 ei(j 1) + (1 + 2)g n+1 ei g n+1 ei(j +1) = g n eij dividiendo por g n tenemos: geij ei + (1 + 2)geij geij ei = eij multiplicando por eij gei + (1 + 2)g gei = 1 De esta forma tenemos el factor de amplicaci on de la forma 1 g = i 1 [e 2 + ei ] 1 = 2 i i 1 e 2 e 2 1 1 [2i]2 sen2 2 1 = . 1 + 4sen2 2 =
63
Observemos que |g | = g 0, por otro lado tenemos 0 sen2 1 entonces 2 De esto se tiene la desigualdad 0< es decir 0 < g 1 < 1 + k Esta u ltima desigualdad es la condici on de Von Neumann, por consiguiente el esquema de Euler retrasado es estable sin restricciones. Asi, por el teorema de Lax, el esquema es convergente. 3.2.5 Esquema de Crank-Nicolson 1 1 1 1 + 4 1 + 4sen2 2 1 1 + 4sen2 1 + 4 2
El esquema de Crank-Nicolson se obtiene promediando los esquemas Euler retrasado (BTCS) y Euler progresivo (FTCS), es de la forma:
n+1 n+1 n+1 n n Vjn+1 Vjn 1 2 Vjn 1 2 Vj +1 2Vj + Vj 1 +1 2Vj + Vj 1 + = k 2 h2 2 h2 (3.18) Como mencionamos antes, este es un esquema de diferencia central promediado, si lo observamos como discretizado en el punto (j, n + 1/2). Veremos que este esquema es tambi en impl cito, consistente, incondicionalmente estable y tiene orden de presici on (2,2). Como este esquema utiliza 6 puntos de la malla, (xj 1 , tn ), (xj , tn ), (xj +1 , tn ), (xj 1 , tn+1 ), (xj , tn+1 ), (xj +1 , tn+1 ) segun se observa en la gura k 3.5, utilizaremos la serie de Taylor en dos variables Sea = kh2 = h 2 y 2 on anterior se puede escribir como: = entonces, la ecuaci
+1 n+1 n+1 n n = Vjn Vjn +1 + Vj 1 + (2 2)Vj (3.19) +1 Vj 1 + (2 + 2)Vj
Utilizando la discretizaci on de las condiciones de contorno (Dirichlet) y condiciones iniciales del problema (P), desarrolladas en la secci on
64
anterior tenemos el Problema discreto n+1 n+1 n+1 n+1 n n n j = 1, 2, ..., N, Vj Vjn 1 Vj +1 2Vj +Vj 1 1 Vj +1 2Vj +Vj 1 = b + b 2 2 k 2 h 2 h n = 1, 2, ..., Kmax V0n = T1 (P D2) Vjn = T2 , n = 0, 1, .., Kmax Vj0 = f (xj ), j = 0, 1, 2, ..., N, 3.2.6 Consistencia del esquema de Crank-Nicolson
Para analizar la consistencia del esquema de Crank-Nicolson, utilizamos una funci on sucientemente suave, luego utilizamos la serie de taylor en dos dimensiones para escribir los valores (xj 1 , tn ), (xj , tn ), (xj +1 , tn ), ). (xj 1 , tn+1 ), (xj , tn+1 ) y (xj +1 , tn+1 ) en el el punto (xj , tn+ 1 2 1 ), En efecto: Por simplicidad denotamos por (x, t) el punto (xj , tn+ 2 tenemos que el operador diferencial discretizado Pk,h es dado por:
+1 n+1 n+1 n+1 n n n n 1 2 n 1 2 j +1 2j + j 1 j j j +1 2j + j 1 Ph,k = k 2 h2 2 h2 (3.20) donde , n j = (jh, nk ). Las series de Taylor son:
k 1 k (x h, t ) = (x, t) hx (x, t) t (x, t) + h2 xx (x, t) + 2 2 2! 2 k 1 k h3 tt (x, t) xxx (x, t) hxt (x, t) + 2 2! 2 3!

k 3 2
3! 2! 2! 4 4 3 3 O(k ) + O(h ) + O(k h) + O(kh ) + O(k 2 h2 )
ttt (x, t)
k 2 2
hxtt (x, t)
k 2
h2 xxt (x, t) +
Utilizando la notaci on discreta, eliminando las notaciones del punto (x, t) tenemos que la serie anterior se escribe como n j 1 =
n+ 1 j 2
k 1 k 1 hx t + h2 xx + hxt + 2 2! 2 2!
3 2
k 2
tt (3.21)
k k k h3 2 2 ttt hxtt 2 h2 xxt xxx 3! 3! 2! 2! 4 4 3 3 +O(k ) + O(h ) + O(k h) + O(kh ) + O(k 2 h2 )
65
1 ) obteAhora el t ermino (xj , tn ) se aproxima por Taylor en (xj , tn+ 2 niendo
n j
n+ 1 j 2
k 1 t + 2 2!
k 2
tt
k 3 2
3!
ttt + O(k 4 )
(3.22)
A continuaci on el valor (x + h, t k/2) se expresa como n j +1 =

n+ 1 j 2
k 1 k 1 + hx t + h2 xx hxt + 2 2! 2 2!
3 2
k 2
tt (3.23)
k k k h3 2 2 xxx ttt + hxtt 2 h2 xxt + 3! 3! 2! 2! 4 4 3 +O(k ) + O(h ) + O(k h) + O(kh3 ) + O(k 2 h2 )
Nuevamente el valor (x h, t + k/2) es expresado como

+1 n j 1
n+ 1 j 2
k 1 k 1 hx + t + h2 xx hxt + 2 2! 2 2!
3 2
k 2
tt (3.24)
k k k h3 2 2 xxx + ttt hxtt + 2 h2 xxt 3! 3! 2! 2! 4 4 3 +O(k ) + O(h ) + O(k h) + O(kh3 ) + O(k 2 h2 )
1 ) obteAhora el valor (xj , tn+1 ) se aproxima por Taylor en (xj , tn+ 2 niendo
+1 n j
n+ 1 j 2
k 1 + t + 2 2!
k 2
tt +
k 3 2
3!
ttt + O(k 4 )
(3.25)
Finalmete el valor (xj +1 , tn+1 )

+1 n j +1
n+ 1 j 2
k 1 k 1 + hx + t + h2 xx + hxt + 2 2! 2 2!
3 2
k 2
tt (3.26)
k k k h3 2 2 + xxx + ttt + hxtt + 2 h2 xxt 3! 3! 2! 2! 4 4 3 +O(k ) + O(h ) + O(k h) + O(kh3 ) + O(k 2 h2 )
Ahora construyamos por partes el operador discreto Ph.k dado en (3.20)
66
Utilizando las series (3.22) y (3.25) tenemos

+1 k n n j j = t + 2 2 ttt + O(k 4 ) = t + O(k 2 ) (3.27) k 3! Nuevamente, utilizando las series (3.21), (3.22) y (3.23) tenemos n n n j 1 2j + j +1 = xx + O(h2 ) 2 h Y de las series (3.24), (3.25) y (3.26) tenemos 2
(3.28)
+1 n+1 +1 + n n j 1 2j j +1 = xx + O(h2 ) (3.29) 2 h Sumando las f ormulas (3.28) y (3.29) previamente multiplicadas por 2 /2 y sustraer de (3.27) obtenemos el operador discreto
Ph,k = t 2 xx + O(k 2 ) + O(h2 ) = P + O(k 2 ) + O(h2 ) Esta u ltima ecuaci on puede ser escrita como P Ph,k = O(k 2 ) + O(h2 )
(3.30)
(3.31)
De la ecuaci on (3.31) concluimos que P Ph,k 0 , cuando h 0 y k 0, por lo que el esquema de Crank-Nicolson es consistente con la ecuaci on diferencial parcial ut = 2 uxx del problema (P ) asi como, en la misma ecuaci on (3.31) vemos que el esquema tiene orden de precisi on (2, 2). 3.2.7 Estabilidad del esquema de Crank-Nicolson
Para analizar la estabilidad, nuevamente utilizamos el criterio de de Von Neumann en el esquema

n+1 n+1 n+1 n n Vjn+1 Vjn 1 2 Vjn 1 2 Vj +1 2Vj + Vj 1 +1 2Vj + Vj 1 + = k 2 h2 2 h2
Sea = 2 kh2 ,donde = g n+1 eij g n eij =
k h2
y sustituyendo Vjn por g n eij obtenemos
1 2 g n+1 ei(j +1) 2g n+1 eij + g n+1 ei(j 1) + 2 1 2 g n ei(j +1) 2g n eij + g n ei(j 1) 2
67
Simplicando el termino g n eij en la ecuaci on anterior se obtiene: 1 1 g 1 = gei 2g + gei + ei 2 + ei 2 2 de propiedades de las funciones trigonom etricas sin = 2
2
(3.32)
ei 2 + ei (2i)2
Entonces la ecuaci on (3.32) se transforma en 2 sin2 2 2 de donde obtenemos el factor de amplicaci on g = 1 2g sin2 g= Observando que 1 2sen2 1 2sen2 1 + 2sen2 2 2 2 de ello se tiene 1 2sen2 de donde |g | = 1 + 2sen2 2 2 1
1 2sen2 2 1 + 2sen2 2
(3.33)
1 2sen2 2 1 + 2sen2 2
por consiguiente el esquema de Crank-Nicolson es estable en forma incondicional. Luego por el teorema de Lax, el esquema es convergente. 3.2.8 Esquema de Du Fort-Frankel
El esquema de Du Fort-Frankel es esencialmente un esquema de paso m ultiple en el tiempo, pues usa una diferencia central para aproximar la derivada temporal en el punto (j, n) asi como un promedio temporal en la aproximaci on espacial en dicho punto. Vjn+1 Vjn1 V n (Vjn+1 + Vjn1 ) + Vjn 1 2 j +1 = 2 2k h (3)
68
Este esquema est a dentro del grupo de los esquemas expl citos. Veremos que es un esquema incondicionalmente estable, de orden de presici on esta dado por O(k 2 ) + O(h2 ) + O(k 2 h2 ). Podemos escribir el esquema de la forma siguiente:
n 2 n1 1 + 22 Vjn+1 = 22 Vjn +1 + Vj 1 + 1 2 Vj
(3.34)
Discretizando las condiciones de contorno (Dirichlet) y condiciones iniciales del problema (P), Obtenemos el problema de diferencias nitas de la forma: n+1 n1 n+1 n1 n n j = 1, 2, ..., N, Vj Vj 2 Vj +1 (Vj +Vj )+Vj 1 = 2 2k h n = 1, 2, ..., Kmax n = T1 V0 (P D3) n Vj = T2 , n = 0, 1, .., k max, 0 = f (xj ) i = 0, 1, 2, ..., N Vj Observemos que el esquema de Du Fort-Frankel es realizado en 5 puntos de la malla (xj , tn1 ), (xj , tn+1 ), (xj 1 , tn ), (xj +1 , tn ), (xj , tn ) 3.2.9 Consistencia del esquema de Du Fort-Frankel
Igual que antes, consideremos una funci on diferenciable y utilizamos la serie de Taylor en dimensi on uno El operador diferencial discreto Pk,h aplicado a es dado por:
+1 1 +1 1 n n (n + n ) + n n j 1 j j j j 2 j +1 Ph,k = 2 2k h
(3.35)
donde, n j = (jh, nk ) Desarrollando las series de Taylor de la funci on alrededor del punto (xj , tn ) = (jh, nk ) para los valores de en los puntos vecinos, por simplicidad denotemos al punto (xj , tn ) = (jh, nk ) por (x, t) (x, t + k ) = (x, t) + 1 1 1 kt (x, t) + k 2 tt (x, t) + k 3 t (x, t) + O(k 4 ) 1! 2! 3! En t erminos de ndices la serie anterior se escribe como 1 2 1 3 +1 n n = + k + + (3.36) k k ttt + O(k 4 ) t tt j j 2 3!
69
Ahora desarrollando por serie de Taylor el t ermino (x, t k ) tenemos (x, t k ) = (x, t) es decir (jh, (n 1)k ) = (jh, nk ) 1 1 kt (jh, nk ) + k 2 tt (jh, nk ) 1! 2! 1 1 1 kt (x, t) + k 2 tt (x, t) k 3 ttt (x, t) + O(k 4 ) 1! 2! 3!
1 3 k ttt (ih, jk ) + O(k 4 ) 3! la cual en notaci on de ndices

1 n = n j kt + j
1 2 1 k tt k 3 ttt + (k 4 ) 2! 3!
(3.37)
Utilizando la serie de Taylor para en la variable espacial obtenemos (x + h, t) = (x, t) + 1 1 1 hx (x, t) + h2 xx (x, t) + h3 xxx (x, t) + 1! 2! 3!
1 4 h xxxx (x, t) + O(h5 ) 4! y en la notaci on de ndice

n n j +1 = j + hx +
1 2 1 1 h xx + h3 xxx + h4 xxxx (x, t) + O(h5 ) (3.38) 2! 3! 4! 1 1 1 hx (x, t) + h2 xx (x, t) h3 xxx (x, t) + 1! 2! 3!
Finalmente el valor de en el punto (xj 1 , t) (x h, t) = (x, t)
1 4 h xxxx (x, t) + O(h5 ) 4! 1 2 1 1 n n h xx h3 xxx + h4 xxxx + O(h5 ) (3.39) j 1 = j hx + 2! 3! 4! Sustituyendo estas espresiones (3.36), (3.37), (3.38) y (3.39) en las diferencias del operador discreto Ph,k dado en (3.35), teniendo en cuenta que derivadas t , x , xx , xxx , xxxx , son evaluadas en el punto (xj , tn ) = (ih, jk ), tenemos: De (3.36) y (3.37) se tiene
+1 1 n n k2 j j = t + ttt + O(k 4 ) = t + O(k 2 ) 2k 3!
(3.40)
70
+1 1 + n = 2 + k 2 tt + O(k 4 ) n j j
(3.41)
De (3.38) y (3.39) obtenemos:

n 2 4 n j +1 + j 1 = 2 + h xx + O (h )
(3.42)
Sustraendo (3.41) de (3.42), multiplicando esta difertencia por 2 /h2 y adicionando con (3.40) obtenemos: Ph,k = t 2 xx + 2 k 2 h2 tt + O(k 2 ) + O(h2 ) + O(k 2 h2 ) y de ello se cumple Ph,k P = 2 k 2 h2 tt + O(k 2 ) + O(h2 ) + O(k 2 h2 ) (3.43) Observamos que el esquema de Du Fort-Frankel es consistente con la ecuaci on diferencial del problema (P) si; k 0, h cuando k 0, h 0
Por otro lado podemos observar que si k/h = e permanece constante entonces el esquema Du Fort-Frankel ser a consistente con una ecuaci on diferencial Hiperb olica ut 2 uxx + 2 e2 utt = 0 3.2.10 Estabilidad del Esquema de Du Fort-Frankel
Nuevamente utilizando el criterio de Von Neumann, para ello escribimos el esquema en la forma (3.34), es decir
n 2 n1 1 + 22 Vjn+1 = 22 Vjn +1 + Vj 1 + 1 2 Vj
(3.44)
Haciendo = 2 k/h2 y reemplazando Vjn por g n eij en esta ecuaci on obtenemos (1 + 2)g n+1 eij = 2 g n ei(j +1) + g n ei(j 1) + (1 2)g n1 eij Simplicando el t ermino g n eij en la ecuaci on anterior se obtiene: (1 + 2)g = 2 ei + ei + (1 2)g 1
71
multiplicando por g a este ecuaci on tenemos (1 + 2)g 2 2 ei + ei g (1 2) = 0 que se escribir como la ecuaci on cuadr atica en g (1 + 2)g 2 4(cos )g (1 2) = 0 resolviendo esta ecuaci on tenemos g = de esto 4(cos ) 162 cos2 + 4(1 42 ) 2(1 + 2) (3.45)
1 + 42 cos2 42 g = 1 + 2 Obteniendo nalmente las dos ra ces del factor de amplicaci on 2 cos 1 42 sen2 g = 1 + 2 2 cos Ahora analizamos los siguientes casos
1. Si se cumpliera 1 42 Sen2 0 entonces se tiene que 0 42 sen2 1, por consiguiente | g | 2 | cos | + 1 4b2 2 sen2 2 + 1 =1 1 + 2 1 + 2 es decir 0 1 42 sen2 1 (3.46)
Concluyendo, podemos decir que si se cumpliera (3.46), la condici on de Von Neumann es satisfecha | g | 1 y el esquema de Du Fort-Frankel es estable.
72
2. Si cumpliera 1 42 Sen2 = b2 < 0 entonces 1 42 sen2 42 , es decir 1 42 = (1 + 2)(1 2) 0 (3.47)
como 1 + 2 > 0 entonces se tiene 1 2 0 luego el factor de amplicaci on es complejo g = 2 cos ib 1 + 2 (3.48)
entonces el cuadrado del m odulo es (2 cos )2 + 42 Sen2 1 |g| = (1 + 2)2

2
de donde 42 1 (2 + 1)(2 1) 2 1 = = |g| = <1 2 2 (1 + 2) (1 + 2) (1 + 2)

2
en la u ltima desigualdad utilizamos (3.48). Concluimos tambi en que bajo la restricci on (3.47), el esquema es estable. Por tanto esquema de Du Fort-Frankel es estable sin restricciones, y por el teorema de Lax, el esquema es convergente, con la u nica condici on exigida por la consistencia, donde observamos que k vaya mas r apido a cero que el valor de h.
3.3
Implementaci on Num erica
Este cap tulo estar a dedicado a la implementaci on num erica de los esquemas de diferencias nitas para el problema de conducci on del calor unidimensional analizados en el cap tulo anterior. Haciendo un estudio comparativo de los esquemas, resolviendo el mismo problema bajo condiciones similares y de la dependencia de los par ametros.
NUMERICA 3.3. IMPLEMENTACION
73
Para ello utilizamos el problema siguiente el que fu e planteado en el cap tulo 1, es decir trabajaremos con el problema = 2 uxx , 0 < x < L ,t > 0 ut t>0 u(0, t) = g1 (t), (P ) t>0 u(L, t) = g2 (t), 0xL u(x, 0) = u0 (x), Donde la condici on de compatibilidad entre la condici on inicial y la condici on de frontera esta dada por u0 (0) = u(0, 0) = g1 (0), u0 (L) = u(L, 0) = g2 (0),
Sea L = 1 y sea h = 1/N el espacio entre puntos de la malla. Como en algunos casos la estabilidad depende de la dependencia de h y k (el espacio entre los puntos temporales) la implementaci on se realizar a para 2 2 algunos valores del par ametro = k/h Eligiendo uno de los esquemas de diferencias, el problema anterior puede escribirse en forma discretizada como Ph,k Vjn V0n (P D) n VN V0 j j = 1, 2, . . . , N 1 n = 1, 2, . . . Kmax n = 0, 1, . . . n = 0, 2, . . . j = 0, 1 . . . , N
= 0,
= u(0, tn ) = g1 (tn ), = u(L, tn ) = g2 (tn ), = u(xj , 0) = u0 (xj ),
Comenzaremos implementando el esquema impl cito de Euler retrazado, para ello, lo escribimos en la forma (3.12)
+1 n+1 +1 n Vjn Vjn 1 + (1 + 2)Vj +1 = Vj
(3.49)
Escribiendo (3.49) para j = 1, . . . N 1 aparece un sistema de N 1
74
ecuaciones con N + 1 inc ognitas V0n+1 + (1 + 2)V1n+1 V2n+1 V1n+1 + (1 + 2)V2n+1 V3n+1 . . . n+1 +1 Vi1 + (1 + 2)Vin+1 Vin +1 . . . n+1 n+1 n+1 VN 2 + (1 + 2)VN 1 VN = V1n = V2n = Vin
n = VN 1
Observamos que en este sistema de ecuaciones, los valores V0n+1 n+1 en la ecuaci on j = 1 y VN en la ecuaci on j = N 1 son conocidas, por lo que deberian pasar al lado derecho de la ecuaci on. Esto hace que el sistema resultante sea cerrado, es decir solo tiene N 1 inc ognitas, el cual puede ser escrito, para cada n, en forma matricial como AU n+1 = bn Donde A es una matriz tridiagonal 1 + 2 0 1 + 2 A= 0 0 0 0 (3.50)
de orden (N 1) (N 1) ... 0 0 ... 0 0 . . . . . . 1 + 2 1 + 2 n b =
mientras que U n+1 y bn son vectores de orden (N 1) 1 = V1n+1 V2n+1 . . . n+1 Vi . . . n+1 VN 2 n+1 VN 1 V1n + V0n+1 V2n . . . Vin . . . n VN 2 n+1 n VN 1 + VN
U n+1
Para resolver el sistema (3.50), se puede utilizar eliminaci on Gaussiana, asi como tambi en factorizaci on lu. Para ello consideremos el sistema
75
tridiagonal general de la forma d1 a1 A= 0 0 c1 0 d2 c2 ... 0 0 ... 0 0 . . . . . . aN 3 dN 2 cN 2 0 aN 2 dN 1
0 0
V1n+1 V2n+1 . . . n+1 Vi . . . n+1 VN 2 n+1 VN 1
= bN 2 bN 1
b1 b2 . . . bi . . .
de tal manera que sea diagonal dominante, es decir se cumple |di | > |ci | + |ai1 |, El hecho de que una matriz sea diagonal dominante, es suciente para usar eliminaci on Gaussiana sin pivotamiento y factorizaci on lu, el sistema (3.50), es un sistema diagonal dominante. La factorizaci on lu de la matriz tridiagonal A se puede esquematizar en la siguiente forma
d 1 a1 0 0 c1 d2 0 c2 ... ... . . . . . . aN 2 0 0 0 1 l1 = cN 1 0 0 dN 0 0 0 1 0 0 ... ... . . . . . . lN 2 0 0 0 0 u1 0 0 0 0 1 0 c1 u2 0 c2 ... ... . . . . . . 0 0 0 0 0 0
0 0
d N 1 aN 1
0 0
1 lN 1
0 0
u N 2 0
cN 1 uN
Supongamos que los elementos de la matriz tridiagonal se guardan en tres vectores columnas d, c y a, con los que obtendremos los vectores que conforman las matrices l y u, entonces el algoritmo para la factorizaci on seria el siguiente: LET DO u1 = d1 i = 2 , N l(i-1) = a(i-1)/u(i-1) u(i) = d(i) - l(i-1)*c(i-1) END DO
76
Luego se resuelve el sistema, calculando U a partir de l y de u, primeramente se resuelve el sistema triangular lY = B por sustituci on progresiva
LET DO
y1 = b1 i = 2 , N yi = bi-l(i-1)*y(i-1)
END DO Finalmente se resuelve el sistema uU = Y por sustituci on hacia atras
LET DO
V(N) = y(N)/u(N) i = N-1 , 1 V(i) = (y(i)-c(i)*V(i+1))/u(i)
END DO Este proceso es ejecutado para obtener U n+1 , repetido para cada nivel el algoritmo para la soluci on del problema (PD). A continuaci on implementamos el esquema impl cito de Crank-Nicolson, para ello, escribimos el esquema en la forma (3.19)
+1 n+1 +1 n n n Vjn Vjn 1 + (2 + 2)Vj +1 = Vj +1 + Vj 1 + (2 2)Vj (3.51)
77
Observamos que este esquema de diferencias, al igual que el anterior, genera un sistema de N 1 ecuaciones con N 1 inc ognitas que puede ser escrito en forma matricial como: AU n+1 = bn Donde A es una matriz tridiagonal 2 + 2 0 2 + 2 A= 0 0 0 0 (3.52)
de orden (N 1) (N 1) ... 0 0 ... 0 0 . . . . . . 2 + 2 2 + 2
mientras que U n+1 y bn son vectores de orden (N 1) 1 n+1 V1 V n+1 2 . . . y U n+1 = Vin+1 . . . n VN +1 2 n+1 VN 1 n+1 n n n V 0 + (2 2)V1 + V2 + V0 V1n + (2 2)V2n + V3n . . . n n b = Vj 1 + (2 2)Vjn + Vjn +1 . . . n n n +VN 3 + (2 2)VN 2 + VN 1 n+1 n n n +VN 2 + (2 2)VN 1 + VN + VN
Para resolver el sistema (3.52), se puede seguir los mismos pasos que se hizo al resolver el sistema tridiagonal obtenido por el m etodo de Euler retrasado La implementaci on del esquema de Du Fort-Frankel es simple porque es un esquema expl cito de paso m ultiple, por consiguiente, este esquema se ejecutar a a partir del segundo nivel de tiempo, necesitando para ello
78
los valores en los niveles 0 (que es la condici on inicial) y 1, el cual puede ser obtenido, ejecutando una u nica vez, un esquema de un solo paso, como por ejemplo el esquema de Euler progresivo o (FTCS)
n Vjn+1 = (1 2)Vjn + (Vjn +1 + Vj 1 ), j = 1, . . . N 1,
n = 0 (3.53)
A continucaci on , los valores en el nivel n + 1 se calcula por la f ormula Vjn+1 = 2 1 2 n Vjn Vjn1 , +1 + Vj 1 + 1 + 2 1 + 2 j = 1, . . . , N 1, n1
(3.54) Presentaremos resultados obtenidos por los tres esquemas en las mismas condiciones, luego se hace una comparaci on con la soluci on exacta, a n de observar sus propiedades presentadas en el an alisis te orico, para ello, consideramos el valor = 1, las condiciones de contorno g1 = 0 y la codici on inicial u0 (x) = sen(x), cuya soluci on exacta es conocida u(x, t) = e t sen(x) Esto nos permite calcular el error cometido en la implementaci on de cada esquema, en el n-esimo nivel, con la Norma l2 , en
2 2
2
g2 = 0
0<x<1
=h
j =0N
2 |Vjn un j|
donde un enfasis, que solo en este caso, el primer j = u(jh, nk ), hacemos paso del esquema de Du Fort Frankel es calculado con la soluci on exacta, de esta forma el error que aparece en la tabla I es un error del m etodo mismo, y no de una combinaci on de dos m etodos Tambi en presentaremos resultados para diferentes valores del par ametro y de alli se obtendr a el valor de k = h2 /2 y si jamos el valor que deseamos alcanzar T , entonces el n umero total de pasos en el tiempo se calcular an por la f ormula Kmax = |[T /k ]| Por ejemplo los resultados que se presentan en las guras (3.8) y (3.7), se obtuvieron con h = 0.1, T = 0.1, = 1. Observemos que
79
se presenta la soluciones aproxiamadas comparadas ( lineas continuas ) con la soluci on exacta ( lineas trazadas ), tambi en se presenta el el error obtenido en el tiempo T con la norma de l2 de las funciones discretas, es natural observar que el esquema de Crank-Nicolson es mas preciso por tener una orden de precisi on (2,2), a diferencia del esquema Euler retrasado que tiene orden de precisi on (1,2), y de Du Fort-Frankel que es de orden (2,2) pero con la condici on de k va para cero mucho mas r apido que h.
Du FortFrankel 0.4
0.35
0.3
0.25
0.2
0.15
0.1
0.05
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
Figura 3.7: Soluci on num erica de la ecuaci on del calor con el esquema Du Fort-Frankel en T = 0.1, = 1, = 1, H = 0.1
Esquema Euler Retrasado Crank-Nicolson Du Fort-Frankel
error= e 2 1.0 0.01437 1.0 0.001933 1.0 0.02303
80
Euler retrasado 0.4
0.35
0.3
0.25
0.2
0.15
0.1
0.05
0.1
0.2
0.3
0.4
0.5 CrankNicolson
0.6
0.7
0.8
0.9
0.4
0.35
0.3
0.25
0.2
0.15
0.1
0.05
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
Figura 3.8: Soluci on num erica de la ecuaci on del calor, con los esquemas Euler retrazado y Crank-Nicolson en T = 0.1, = 1, = 1, H = 0.1
Cap tulo 4 Disipaci on y Dispersi on

4.1 Disipaci on
En la secci on (2.2) notamos que el esquema de Leapfrog es mas preciso que el esquema de Lax-Friedrich, como se ilustra en la gura 2.1 sin ambargo la soluci on calculada con el esquema de Leapfrog contiene peque nas oscilaciones que deforman la apariencia de las soluciones. En esta secci on discutiremos una forma de eliminar o al menos de reducir, la amplitud de este ruido. Para muchos c alculos especialemente para ecuaciones no lineales, estas peque nas, oscilaciones de alta frecuencia pueden tener un rol signicante en reducir la precisi on de la soluci on. Para considerar el m etodo de propagaci on de estas oscilaciones, considere el esquema de Leapfrog con dato inicial dado por
n = (1)n+m , vm
mZ
(4.1)
para n igual 0 y 1. Es facil ver que 4.1 es la soluci on para todo valor de n. Esto muestra que el esquema de Leapfrog propaga estas perturbaciones sin amortiguarlas. Esta propagaci on sin amortiguamiento es una consecuencia de los factores de amplicaci on g+ () y g () que tiene magnitud igual a 1 g = iasen(h ) 1 (a)2 sin2 (h )
Ahora consideremos el esquema de Lax-Wendro con |a| < 1 y con datos (4.1) para n = 0. De la repetici on de datos, la soluci on aqu satisface n+1 n vm = (1 2a2 2 )vm
81
82
Y DISPERSION CAP ITULO 4. DISIPACION
Y como |1 2a2 2 | < 1 las oscilaciones decrecen en tama no en cada paso. Este decrecimiento de las oscilaciones de alta frecuencia se llama disipaci on. La denici on de disipaci on es usualmente dado bajo al suposici on, que los t erminos de bajo orden han sido eliminados. Denici on 4.1.1. Un esquema es disipativo de orden 2r si existe una constante positiva c independiente de h y k , tal que cada factor de amplicaci on g () satisface 1 |g ()| 1 c sen2r ( ) 2 Observar que (4.2) es equivalente a 1 |g ()|2 1 c sen2r ( ) 2 (4.3) (4.2)
Para el caso general se puede sustituir la restricci on (4.2) por la restricci on 1 (4.4) |g ()| (1 c sen2r ( ))(1 + Kk ) 2 Por consiguiente para mostrar si un esquema es disipativo, solamente necesitamso considerar |g ()|. Para el esquema de Lax-Wendro tenemos 1 |g ()|2 1 4a2 2 (1 a2 2 )sen4 ( ) 2 Observamos que: para |a| = 1 tenemos |g ()| = 1, pero para 0 < |a| < 1 el esquema es disipativo de orden 4. En realidad para = tenemos g () = 1 2a2 2 . Los esquemas de Leapfrog y Crank-Nicolson se llaman esquemas estrictamente no disipativos porque sus factores de amplicaci on son identicamente 1 en magnitud. Los esquemas de Lax-Fredrich y Euler retrasado centrad en espacio (BTCS) son no disipativos pero no estrictamente no disipativos. Para cada uno de estos esquemas g ( ) = g ( ) = 1 y para otro valor de , se tiene g () < 1. Estos esquemas reducen la magnitud de la mayor a de las frecuencias pero no de las frecuencias altas sobre la malla.
4.2. DISPERSION
83
4.2
Dispersi on
ut + aux = 0 (4.5)
Para introducir la idea de dispersi on damos una mirada a la ecuaci on observe que podemos escribir la ecuaci on como 1 u(x, t) = eix eiat u 0 ( )d 2 De esto conclu mos que u (, t + k ) = eiak u (, t)
(4.6)
(4.7)
Si consideramos un esquema de diferencia nita de un solo paso, tenemos de v n ( ) = g (h )n v 0 ( ), que v n+1 = g (h ) vn, (4.8) y por comparaci on de (4.7) con (4.8) observamos que podemos esperar que g (h ) deberia ser una buen aproximaci on a eiak . Para enfatizar esta similaridad escribimos g (h ) = |g (h )|ei(h )k . (4.9) La cantidad (h ) se llama velocidad de fase, es la velocidad en la cual las ondas de frecuencia , son propagadas por el esquema de diferencias nitas. Si (h ) = a para todo , entonces las ondas podrian propagarse con la velocidad correcta, sin embargo esto no ocurre para un esquema de diferencias nitas exepto en caso triviales, la velocidad (h ) es simplemente una aproximaci on de a. El fen omeno de ondas de diferentes frecuencias viajando con diferentes velocidades se llama dispersi on. Para estudiar la dispersi on de esquemas de diferencias nitas es conveniente denir el error de fase como a(h ). El efecto de la dispersi on puede facilmente ser visto en el c alculo de la soluci on de (4.5) con un dato inicial que es un pulso cuadrado u(x, 0) = 1 0x1 0 en otro lugar
Para la ecuaci on diferencial parcial la forma es preservada; simplemente es trasladada. Para los esquemas de diferencias nitas la forma del puslo cuadrado no es preservada porque las frecuencias diferentes que hacen al cuadrado pulsar se mueven con velocidades diferentes.
84
Ejemplo 4.2.1. Considere el esquema de Lax-Wendro para estudiar su dispersi on. Tenemos que 1 g = 1 2(a)2 sin2 ( h ) iasen(h ) 2 asin(h ) (4.10) 1 2(a)2 sin2 ( 1 h )) 2 Como esta f ormula no nos da mucha informaci on acerca del comportamiento de (h ) estudiamos su serie de Taylor alrededor de = 0 tan [(h )k ] = 1 sinx = x 1 x2 + O(x4 ) 6 1 tanx = x 1 + x2 + O(x4 ) 3 1 tan1 y = y 1 x2 + O(y 4 ) . 3 Usando las serie para sinx en (4.10) luego de algunos c alculos tenemos, tan [(h )k ] = ah 1 (a)2 De la f ormula de tan1 y tenemos 1 (4.11) (h ) = a 1 (h )2 1 (a)2 + O(h )4 . 6 Observamos que para h peque no y |a| < 1, (h ) es menor que a. De esta forma tenemos que si |a| es cercano a 1, entonces la dispersi on ser a menor. Para deducir el coportamiento de (h ) para valores grandes de utilizamos la f ormula para g y (4.10). Observamso que paa = h1 , g tiene el valor de 1 2a2 2 , ahora, si a2 2 > 1/2 entonces g es negativo, as ( )h1 k = , de esta forma ( ) = 1 . Por otro la do si ( ) = 0. a2 2 < 1/2 entonces g es positivo y as Por tanto (h ) estar a siempre cercano a a si s peque no, en particular (0) = a. 1 1 (a)2 + O(h )4 . 6 2 as
DE PAQUETES DE ONDAS85 4.3. VELOCIDAD DE GRUPO Y PROPAGACION
4.3
Velocidad de grupo y propagaci on de paquetes de ondas
El estudio de paquetes de ondas introduce otro aspecto interesante de dispersi on que es la velocidad de grupo. Para ver esto , consideremos la ecuaci on (4.1) con dato inicial de la forma (4.12) u(x, 0) = eio x p(x) donde p(x) es una funci on relativamente suave que decae con |x|. La soluci on para la condici on inicial (4.12) es u(x, t) = eio (xat) p(x at) (4.13)
Una funci on de la forma (4.13) se llama paquete de ondas. Mientras qwue a la funci on de la forma p(x) se llama envolvente del paquete y la frecuencia o como la frecuencia del paquete de ondas. Como caso particular, para ilustraciones num ericas, comunmente se usa la funci on u(x, 0) = , |x| 1, cos(o x)cos2 ( 1 2 x) 0 , en otro lugar (4.14)
es decir se usa cos(o x) en lugar de eio x . Sabemos que para un esquema de diferencias nitas la dispersi on causar a que una onda pura con frecuencia o viaje con la velocidad de fase (ho ). Mostraremos que, un esquema de diferencias nitas estrictamente no disipativo con un paquete de ondas como dato inicial tendr a una soluci on que es aproximadamente v (x, t) = eio (x(ho )t) p(x (ho )t) (4.15)
donde (ho ) es la velocidad de fase del esquema y (ho ) es la velocidad de grupo. La velocidad de grupo es dada por () = d() = () + () d (4.16)
86
Observar que
h0
lim (h ) = a, lim (h ) = a,
entonces por tanto
h0
lim v (x, t) = u(x; t).
h0
Cap tulo 5 Ecuaciones El pticas: Condiciones de contorno

En este cap tulo hacemos un estudio en la forma mas simple de las ecuaciones el pticas, orientado p rincipalmente al aspecto computacional antes que al analisis.
5.1
Ecuaci on de Poisson
Consideremos en primer lugar como modelo dew trabajo la ecuaci on de Poisson Au = f, en (5.1) donde A es un operador el ptico, en nuestro caso consideremos el operon diferencial anterior puede ador menos laplacano A = 2 . La ecuaci ser suplementada con la condici on de contorno de Dirichlet homog enea u = 0, 5.1.1 Caso unidimensional en (5.2)
A n de observar la necesidad de las herramientas num ericas, veamos el caso unidimensional

u d = f, dx2 u(0) = 0
2
en (0, 1) u(1) = 0
(5.3)
Consideremos la malla formada por los puntos x0 = 0, x1 = x, x2 = 2x, . . . , xN = N x, xN 1 = (N + 1)x = 1. Haciendo uso de la aproximaci on de tres puntos para la segunda derivada tenemos que el
87
88 CAP ITULO 5. ECUACIONES EL IPTICAS: CONDICIONES DE CONTORNO
problema (5.3) puede ser aproximado por el problema discreto, formado por la ecuaci on en diferencias y sus condiciones de contorno vj 1 2vj + vj +1 = fj , j = 1, 2 . . . , N x2 u0 = 0 uN +1 = 0 (5.4) (5.5)
El problema discreto (5.4) puede ser escrito en forma matricial como AU = F, o en forma extensa 2 1 1 0 AU = x2 0 0 como 1 0 0 . . . 0 0 2 1 0 . . . 0 0 1 2 1 . . . 0 0 . . . 0 0 0 . . . 2 1 0 0 0 . . . 1 2 (5.6)
v1 v 2 v 3 . . . vN 1 vN
f1 f 2 f 3 = . . . fN 1 fN (5.7)
Observaci on 5.1.1. Como era de esperar, el sistema continuo (5.1), es aproximado por el sistema de ecuaciones algebraicas (5.6), es decir, el operador lineal continuo, innito dimensional, A es sustituido por un operador lineal nito dimensional A, La matr z de coecientes del sistema de ecuaciones (5.6) es una matr z tridiagonal, la cual est a dentro de la clase de matrices banda con ancho de banda w como se presenta en la gura 5.1. La soluci on del sistema 1 1 anterior tiene la forma U = A F , pero la matriz A no es banda, por consiguiente es necesario saber utilizar algoritmos adecuados para resolver este tipo de sistemas, en seguida se describe un prodecimiento muy estandar para resolver este tipo de problemas. 1. Utilizar la descomposici on lu: Que consiste en factorizar la matriz A en dos matrices, una matriz triangular inferior y una matriz triangular superior y escribir la matriz en la forma siguiente
DE POISSON 5.1. ECUACION
89
A=
w w -
w -
w
= lu
Figura 5.1:
2. Utilizar transformada seno de Fourier r apida: Que consiste en diagonalizar la matriz A utilizando la matriz de senos S para tener desacoplando el sistema por cada la. Para llevar a S 1 AS = cabo esto, simplemente observamos que, los autovectores son las columnas de la matriz S que tienen la forma senjh sen2jh sen3jh (5.8) . . . senN jh con sus autovalores correspondientes j = 22cosjh, j = 1, 2, . . . N , es decir se satisface la ecuaci on 2 1 0 . . . 0 0 1 2 1 . . . 0 0 0 1 2 . . . 0 0 . . . 0 0 0 . . . 2 1 0 0 0 . . . 1 2 senjh sen2jh sen3jh . . . . . . senN jh senjh sen2jh sen3jh . . . . . . senN jh (5.9)
= j
Observar que (5.9) depende de sen0 = 0 y de sen(N + 1)jh = senj = 0 lo cual signica que los autovectores satisfacen las condi-
ciones de contorno. En el caso continuo existe una autofunci on senjx para cada j . Pero en el caso discreto esto termina en j = N . Ahora podemos resolver el sistema (5.6) de la siguiente forma: (a) Calcular el producto C = S 1 F (b) Resolver el sistema diagonal Y =C (c) Obtener la soluci on, calculando el producto U = SY . observar que para efectuar los paso a) y c), se sigue el algoritmo de la transformada ra apida de Fourier (FFT), este algoritmo, no lo discutimos aqui en detalle, sin ambargo creemos que presentando los pasos importantes es suciente saber que la complejidad es N log2 N , lo cual es una ventaja muy grande al ser comparado con la complejidad del algoritmo estandard, N 2 . 3. Utilizar m etodos iterativos: Para construir un m etodo iterativo, se utiliza una matriz M de manera que sumando el t ermino M U al sistema original obtenemos el sistema completamente equivalente M U = (M A)U + F (5.10)
Ahora resolvemos (5.10) iterativamente por sustituci on sucesiva. Comenzamos con un dado inicial X0 que puede ser cero. Luego si al valor actual es Uk , en cualquier paso podemos obtener el nuevo ormula vector Uk+1 po la f M Uk+1 = (M A)Uk + F (5.11)
es de esperar que el sistema (5.11) es simple de resolver, por que tenemos el control de la matriz M . Los m etodos mas importantes y usados en la practica son genrados por la elecci on de M y son los siguientes: (a) M etod de Jacobi: M = parte diagonal de A (b) M etod de Gauss-Seidel: M = parte triangular inferior de A (c) M etod de S.O.R.(sobrerlajaci on sucesiva): M = combinaci on de a) y b)
DE POISSON 5.1. ECUACION
91
El an alisis de convergencia de estos m etodos iterativos, indudablemente que tambi en depender a de la elecci on de la matriz M , pero que tambi en no lo discutimos aqui, (ver [4]-[5] para una discusi on detallada).
5.1.2
Caso bidimensional
Presentamos el problema bidimensional, donde el problema (5.1)-(5.2) toma la sguiente forma
2u x2
2u y 2
= f, = g (x, y )
en = (0, 1) (0, 1) (5.12)
Como presentamos el problema, el dominio consta del rect angulo unitario, la discretizaci on del dominio lo realizamos en forma homogenea,x = y = h = 1/(N + 1). Las derivadas 2 u/x2 y 2 u/y 2 tienen aproximaci on de tres puntos, tanto en la direcci on x como en la direcci on y , combinando las dos direcciones obtenemos una mol ecula de cinco puntos como se presenta en la gura 5.2. Las incognitas a determinarse corresponden a los puntos de la malla, los cuales son un total de N 2 puntos enn el interior del dominio.
j+1 j j1
(i, jx ) z
y
1 1 2 i1 i i+1 N
Figura 5.2: Mol ecula de 5 puntos
La ecuaci on en diferencias tambi en se puede escribir en la siguiente forma (por simplicidad estamos considerando g = 0) (5.13) (vi+1j + 2vij vi1j ) + (vij +1 + 2vij vij 1 ) = h2 fij , i, j = 1, . . . N vj 0 = 0 = vjN +1 , j = 0, . . . N + 1 vi0 = 0 = viN +1 , Las incognitas vij pueden ordenarse en una manera natural, empezando con v00 ,v10 , v20 ,. . ., vN 0 en la parte inferior del cuadrado. Este grupo oximo la de puntos de la malla contribuyen ser a denotado por V0 . La pr a formar el grupo V1 . Movimentandonos en el cuadrado hacia arriba hasta llegar a las incognitas de la la N + 1. El lado derecho f tambi en ser a ordenado en la misma forma. Ahora observamos que la ecuaci on de diferencias puede ser escrito en la siguiente forma para cada la j
5.2. TRATAMIENTO DE LAS CONDICIONES DE CONTORNO
93
vij +1 + (vi+1j + 4vij vi1j ) vij 1 = h2 fij ,
i = 1, . . . N
este sistema de ecuaciones se puede escribir en forma matricial conectando la la j a las las inferior y superior por Vj +1 + T Vj Vj 1 = h2 Fj , j = 1, 2, . . . N (5.14)
donde T es una matriz similar a la matriz A del sistema (5.6), con la diferencia que en la diagonal en lugar de 2 tenemos el valor 4. Utilizando los mismas t ecnicas como en el caso unidimensional el sistema matricial (5.14), se puede escribir como: KU = F donde : T I 0 0 I T I 0 0 I T I K= 0 0 0 0 0 0 0 0 ... 0 0 ... 0 0 ... 0 0 . . . . . . T I . . . I T
Este sistema es de orden N 2 y es tridiagonal por bloques cuya soluci on puede ser obtenida por algunos de los m etodos estudiados en lel caso unidimensional, haciendo notar que cuando se utiliza el metodo de la transformada seno de fourier r apida los autovalores son de la forma j = 4 2cosjh
5.2
Tratamiento de las condiciones de contorno
Por lo general, siempre se especica el valor de la solcuci on u en la frontera, en lo que se llama, la condici on de Dirichlet. Sin embargo; En muchos problemas, el valor de la derivada normal u/n, en la frontera es especicada, en l que se llama, la condici on de Neumann. Para efectos de precisi on, tomemos el ejemplo anterior (5.12) con f = 0 y g = 0. Supongamos que el tama no de la malla es homogeneo, es decir impongamos la condici on x = y = 1/3, los puntos numerados como se indica en la gura(5.3).
y 8 9 10 11
12
13
16
15
14 x
Figura 5.3: Numeraci on de los nodos de la malla
Por ejemplo, cuando se modela un reservorio con una frontera de roca impermeable, la condici on que no uye agua a trav es de la frontera es expresada por u/n = 0, donde u es el potencial Hidr aulico. En los generadores el ectricos la corriente uyendo en los hilos el ectricos, genera calor que es irradiada en el medio ambiente. Este proceso es usualmente representado por una ecuaci on, tal como: u/n = g (x, y, u) Para precisar consideremos la ecuaci on de Laplace en el siguiente problema modelo: 2 u 2u 0 < x < 1, 0<y<1 x2 + y2 = 0, u (5.15) y=1 y = 10, u = 0, en todos los otros lados Es decir, en tres lados el rect angulo se aplica la condici on de la frontera de Dirichlet, mientras que en un lado u aplica la condici on de Neumann. La ecuaci on o el sistema de ecuaciones analoga a 5.7 obtenida es: g6 + g16 4 1 1 0 u1 1 4 0 1 u2 g13 + g15 (5.16) 1 0 4 1 u3 = g7 + g9 u4 g10 + g12 0 1 1 4
95
En la ecuaci on (5.16) los valores nodales u9 y u10 son representados por g9 y g10 , los cuales no son especicados, en lugar de ellos tenemos las u derivadas de los valores nodales u etodos y 9 , y 10 tenemos varios m de tratar este problema. 5.2.1 M etodos de los puntos cticios
Se introduce en la malla puntos cticios, por ejemplo x9 ,x10 cuya ubicaci on esta fuera del dominio en donde se obtendran valores nodales cticios u9 , u10 Luego aproximamos la derivada u y en la frontera por algun esquema de diferencias , como el esquema de diferencia central de 2do orden, por ejemplo en el nodo 9 escribimos u y resolviendo el valor cticio u9 u3 + 2y u y u9 u 3 2y
Sustituyendo este valor por la tercera equaci on de (5.16), obtenemos u1 + 4u3 u4 = g7 + 2y la cual despues de reordenarlo tenemos: u1 + 3u3 u4 = g7 + 2y 2 = 0 + (10) 3 u y (5.17)
9
u y
(5.18)
De esta forma la ecuaci on (5.16) puede ser escrita en la forma 0 u1 4 1 1 0 1 4 0 1 u2 0 1 0 3 1 u3 = 20 3 20 u4 0 1 1 3 3
(5.19)
5.2.2
Aproximaci on por series de Taylor (sin puntos cticios)
Las aproximaciones de diferencias para puntos en la frontera, tambi en puede hacerse sin recurrir a puntos cticios usando series de Taylor. Como veremos en el siguiente procedimiento, donde se present o una do aproximaci on de 2 orden. Expresndo los valores de u en los nodos 3 y 1 de la malla en t erminos del valor en el nodo 9 u3 = u9 y u y (y )2 + 2 9 (2y )2 + 2! 9 2u y 2 (5.20)
9
u u1 = u9 (2y ) y
2u y 2
(5.21)
9
multiplicando la ecuaci on (5.20) por 4 y sustrayendo la ecuaci on (5.21) obtenemos: 4u3 u1 = 4u9 u9 [4y 2y ] resolviendo para
u y 9
u y
+ O(y 3 )
9
u y
=
9
u1 4u3 + 3u9 O(y 2 ) 2y u1 4u3 + 3u9 2y
As podemos hacer la aproximaci on u y
Es una aproximaci on de segundo orden de la derivada en la frontera, resolviendo para u9 , tenemos u9 = 1 4u3 u1 + 2y 3 u y
9
El cual puede identicarse como el valor perdido (no tenido) en (5.16) tomando la condici on de contorno de Dirichlet en el problema, la tercera ecuaci on (5.16) se transforma en 1 1 10] u1 + 4u3 u4 = 0 + [4u3 u1 + 2 3 3
97
la cual, reescribiendo es: 8 20 2 u 1 + u3 u 4 = 3 3 9 o 20 2u1 + 8u3 3u4 = 3 Un an alisis similar en el nodo 10, de (5.16) se genera la ecuaci on 2u2 3u3 + 8u4 = 20 3
y el sistema de la ecuaci on puede ser escrita como 4 1 1 0 u1 1 4 0 1 u2 2 0 8 3 u3 u4 0 2 3 8 0 0 = 20

3 20 3
(5.22)
Este sistema, desde luego, es diferente del sistema (5.19) donde se usa puntos cticios.
5.2.3
Fronteras irregulares y curvadas
Si la frontera del dominio no coincide con las lineas de la malla. Las ecuaciones de diferencias nitas correspondientes a los nodos ubicados en la vecindad inmediata de la frontera deben ser modicados ligeramente. Consideremos el problema con una frontera curvada como se muestra en la rgura (5.4), observe que los puntos A y B no pertencen a la malla, est an a una distancia escalada por los n umeros positivos a y b, menores que uno,
3 f
b y
A f
f -
4 ? f

y
?
1 f
ax 2 f
Figura 5.4: Nodos pr ximos a frontera curvada
Eliminando ( 2 u/x2 )4 de las ecuaciones (5.23) y (5.24), tenemos u 1 1 1a a uB u4 u3 = (5.25) x 4 x a(1 + a) a 1+a el cual tiene orden de precisi on 2. De igual manera, siguiendo los mismos argumentos, la eliminaci on de (u/x)4 nos conduce a la siguiente f ormula 1 2 2 2 2u uB + u3 u4 = (5.26) 2 2 x 4 x a(1 + a) 1+a a Con precisi on de orden x. As podemos seguir para el caso de la variable y 1 2 2 2 2u (5.27) = + u u u4 , A 2 y 2 4 y 2 b(1 + b) 1+b b con precisi on del orden y .
La aproximaci on de diferencias para la primera y segunda derivada en un punto de la malla, tales como el punto 4, deber a ser modicado. Por ejemplo, utilizando la serie de Taylor u (ax)2 2 u + O(x3 ) (5.23) uB = u4 + (ax) 2 x 4 2! x 4 2 u (ax) 2 u + O(x3 ) (5.24) u3 = u4 (ax) 2 x 4 2! x 4
Cap tulo 6 Convergencia: problemas lineales y no lineales

En este cap tulo haremos un an alisis de esquemas de diferencias, en un nivel un poquito mas profundo, para problemas tambi en mas generales y no lineales. Basados en la experiencia de los cap tulos anteriores, por tanto se necesita un poco mas de cuidado en el an alsis de los mismos conceptos ya conocidos, haciendo enfasis en los problemas no lineales, que por su naturaleza no tienen un tratamiento igual al caso de los lineales.
6.1
Estabilidad y Convergencia
Consideremos el (PVI) peri odico para sistemas lineales de Ecuacines Diferenciales Parciales, para x Rd , u Rm u = P x, t, u, t x u(x, 0) = u0 (x) (6.1)
Suponga que u0 y los coecientes son 2 peri odicos en todas las direcciones del espacio. 6.1.1 Discretizaci on del Dominio
Lo hacemos deniendo la malla de puntos {xj } com sigue: xj = (j1 h, . . . , jd h) , h = 2/(N + 1), j = 0. 1, 2, . . . N un n umero natural
99
100CAP ITULO 6. CONVERGENCIA: PROBLEMAS LINEALES Y NO LINEALES
y el paso de tiempo k > 0 , el cual por conveniencia siempre es asumido de la forma k = hp , donde > 0 y p es el orden del operador diferencial en el espacio 6.1.2 Discretizaci on de la Varialble
Simplemente denimos una funci on en la malla constru da anteriormente. 6.1.3 Discretizaci on de la Ecuaci on
Una aproximaci on de diferencias general se puede escribr en la forma Q1 v

n+1 0 q
= =
=0 u 0,
Q v n ,
n = q, q + 1, . . . ,
(6.2)
= 0, 1, . . . , q.
ndices, pero se Por simplicidad escribimos la funci on discreta v n sin sub entiende que la ecuaci on (6.2) es v alida en toda la malla. Los operadores de diferencias Q tienen coecientes matriciales 2 peri odicos y pueden depender de x, t, k, h as como el dato inicial. Asumimos que el operador Q1 es uniformemente acotado y tiene una 1 inversa uniformemente acotado Q 1 cuando h, k 0, de tal manera que podemos avanzar en la soluci on paso por paso. Para prop osito te oricos es conveniente reescribir la ecuaci on (6.2) como un esquema de un solo paso, usando la matr z de companion, introduciendo los siguientes vectores. un v n+q 0 v n+q1 uq1 (6.3) vn = , u0 = 0. . . . . . vn u0 0 La ecuaci on (6.2) ahora toma la forma vn+1 = Q(tn )vn , v0 = u0 , (6.4)
6.1. ESTABILIDAD Y CONVERGENCIA
101
donde 1 1 1 Q Q Q Q . . . Q Q 0 1 q 1 1 1 I Q(tn ) = Q(xj , tn ) = I I 0 es la matr z de Compani on. Por ejemplo, el esquema de Leap-frog puede ser escrito como 2kD0 I vn vn+1 = I 0 Ahora denimos el operador discreto Sh por vn = Sh (tn , t )vn . En lo sucesivo los argumentos h, k ser an omitidos. Sh puede ser expresado explicitamente como
p Sh (tn , t ) = n =1 Q(tn ),
(6.5)
(6.6)
(6.7)
Sh (tn , tn ) = I.
Si Q es independiente de t tenemos Sh (tn , t ) = Qn , Usamos la norma en L2 h como

q 1/2
(6.8)
vn
=
=0
v n+
2 h
(6.9)
y denotamos por Sh la norma del operador correspondiente. Ahora vamos a dar los conceptos necesarios de Estabilidad. Denici on 6.1.1. La Aproximaci on de diferencias (6.4) es estable para 0 < h < h0 , si existen constantes s , C, Ks tal que para todo h
1 Q 1 h
C,
Sh (tn , t )
Ks es (tn t ) .
(6.10)
Esta denici on de estabilidad requiere la estimativa. vn

h
K (tn ) u0 h ,
K (tn ) = Ks es tn
(6.11)
on incluye un factor sea v alida para toda funci on inicial u0 , la denici exponencial, puesto que el tratamiento debe incluir ecuaciones diferenciales que tienen soluciones de crecimiento exponencial, como por ejemplo ut = ux + u sobre cualquier intervalo nito [0, T ]. Ahora consideremos el caso donde la aproximaci on de diferencias incluye una funci on fuerza.
n+1 0 q
Q1 v
= =
=0 u 0,
Q v n + kF n , = 0, 1, . . . , q.
n = q, q + 1, . . . ,
(6.12)
Tambi en la ecuaci on (6.12) se puede escribir como esquema de un solo paso como, vn+1 = Q(tn )vn + k Fn , v0 = u0 ,
1 n T F = (Q 1 F , 0, . . . , 0) ,
(6.13)
La versi on discreta del principio de Duhamel es dado en el siguiente lema Lema 6.1.1. La soluci on de las ecuaciones (6.13) pueden ser escritas en la forma
n1 =0
v = Sh (tn , 0)u0 + k
Sh (tn , t +1 )F .
(6.14)
Ahora pasamos a hacer estimativas de la ecuaci on (6.13) Teorema 6.1.1. Supongamos que el esquema de diferencias es estable, entonces las soluci on de la ecuaci on (6.13) satisface la estimativa vn donde h (S , tn )
n1 h
Ks eS tn u0
+ h (S , tn ) max
0 n1
=
=0
S (tn t +1 )k
t 0
eS (t ) d = (S , tn ).
103
Demostraci on. De la ecuaci on (6.14) podemos tener

n1
Sh (tn , 0)
u0
+ max
0 n1
h =0
Sh (tn , t +1 ) h k
luego utilizando (6.10) se concluye la prueba. Este teorema muestra que es suciente considerar aproximaciones homog eneas. Las estimativas para las ecuaciones no homog eneas se obtienen de la estabilidad. Ahora vamos a discutir la inuencia de los errores de redondeo, que se cometen en cada paso. Estos se pueden interpretar como una ligera permutaci on de la ecuaci on en diferencias; pasamos en este momento a calcular la soluci on de Q1 v
n+1 q
=
=0
Q v n +
(6.15)
en lugar de la ecuaci on (6.2). observe que es el orden de m aquina. n Sustrayendo la ecuaci on (6.2) de (6.15) y haciendo w = v n v n obtenemos Q1 w
n+1 q
=
=0
Q wn +
(6.16)
Por tanto por el Teorema 6.1.1, tenemos wn

h
C (tn ) . k
(6.17)
Si el error de truncaci on es del orden , entonces se requiere /k . A continuaci on estudiaremos el efecto de la perturbaci on de cada operador Q por un operador del orden O(k ). Por ejemplo si V n+1 = Q0 v n aproxima ut = ux entonces V n+1 = (Q0 + kI )v n aproxima ut = ux + u. Es conveniente saber que tal perturbaci on de orden k no causar a inestabilidad, puesto que a menudo podemos simplicar el an alisis ignorando t erminos de oreden k . Sea {R } operadores con R
h
K1 ,
= 1, 0, . . . , q
(6.18)
En lugar de la ecuci on (6.2) consideremos (Q1 + kR1 )v

n+1 q
=
=0
(Q + kR )v n .
(6.19)
Ahora probaremos que la ecuaci on (6.19) es estable si la aproximaci on no perturbada (6.2) es estable. Para la prueba utilizamos el siguiente lema: Lema 6.1.2. Sea Q un operador acotado. Para kQ (I kQ)1
h h
<1
1 1 kQ
por tanto (I kQ)1 = I k (I kQ)1 Q := I + kQ1 donde Q1

h
Q h 1 kQ
Teorema 6.1.2. Asumamos que el esquema (6.2) es estable y que la ecuaci on (6.18) es v alida. Entonces el esquema perturbado (6.19) es estable. Demostraci on. Usando el Lema anterior tenemos
1 1 1 (I + kR1 )1 = Q 1 (I + kR1 Q1 )
Por tanto usando el lema anterior, podemos escribir la ecuci on (6.19) en la forma (6.20) vn+1 = (Q + kR)vn donde R es uniformemente acotado. Sea wn = etn vn , > 0. Entonces la ecuaci on (6.20) se transforma n wn+1 = ek Qwn + kek F donde n = Rw n . F El principio de Duhamel puede ser aplicado e la ecuaci on (6.21). h (tn , t ), corresponde a ek Q se escribe como El operador soluci on S on para la ecuaci on ek(n ) QSh (tn , t ), donde Sh es el operador soluci (6.4). (6.21)
105
As ek(n ) Sh (tn , t )
h
KS e(S )(n ) .
Ahora consideremos la ecuaci on (6.21) para 0 n y sea w Por el teorema 6.1.1 w

h h
= max w
0 n
h.
KS e(S )t w0
+ constante (S , t ) w
La funci on (, t), denida en (6.1.1) decrece cuando decrece. por tanto eligiendo sucientemente grande, el factor que multiplica w h puede ser acotado por 1/2. Por tanto wn esto es n v
h h
2KS e(S )t w0 h ,
para
suf. grande;
0 2KS etn +(S )t v
0 h. 2KS etn v
prob andose el teorema. El teorema dice que podemos eliminar t erminos de orden k en el an alisis de estabilidad. A continuaci on veremos algunos conceptos que conducen a un mejor resultado de estabilidad. Denici on 6.1.2. Si el operador soluci on S (t, t0 ) del problema continuo satisface el estimado S (t, t0 ) Ke(tt0 ) . El esquema de diferencias es estrictamente estable para 0 < h < h0 si Sh (t, t0 )
h
KS eS (tt0 ) ,
S + O(h).
Por ejemplo, consideremos el problema ut = ux u, u(x, 0) = f (x).
se cumple
S (t, t0 ) e(tt0 ) . v n+1 = v n + 2k (D0 v n v n )
Sin embargo, el esquema de Leap-Frog
genera soluciones espurias tal que Sh (t, t0 )

h
e(tt0 ) .
El esquema es estable pero no estrictamente estable. El esquema modicado (I + k )v n+1 = 2kD0 v n + (I k )v n1 es estrictamente estable.
6.2
Consistencia y orden de precisi on
Denici on 6.2.1. Sea u(x, t) una funci on suave de (6.1) entonces el error de truncaci on local se dene por
q
kjn
= Q1 u(xj , tn+1 )
=0
Q u(xj , tn ).
(6.22)
El esquema de diferencias (6.2) tiene orden de precisi on (r,p) si para toda soluci on sucientemente suave u(x, t) existe una funci on L(tn ) talque para h h0 n h L(tn )(hr + k p ), (6.23) Si r > 0 p > 0 el esquema (6.2) se dice que es consistente. Como se asumi o una dependencia entre k y h , por ejemplo k = hp1 entonces el lado derecho de (6.23) depende solamente de h. Ejemplo: el esquema de Leap-frog para ut = ux genera u(xj , tn+1 ) 2kD0 u(xj , tn ) u(xj , tn1 ) = kjk , h2 k2 = uxxx (xj , tn ) + uttt (xj , tn ) + O(h4 , k 4 ) 3 3 es decir el esquema es consistente con orden de precisi on (2, 2). jk (6.24)
6.2. CONSISTENCIA Y ORDEN DE PRECISION
107
El esquema de DuFort-Frankel para ut = uxx tiene su error de truncaci on (dividido por 2). Para que sea consistente y se cumpla (6.15) es el error de truncaci on tiene la forma necesario que k = ch1+ , > 0, as h2 2 = ch utt uxxxx (xj , tn ) + O(h2+4 . 2 12 (6.25)
el orden de precsi on es min{2, 2}, (generalmente se asume = 1 para ecuaciones parab olicas). Tambi en es necesario que los datos iniciales del esquema de diferencias sea consistentes con la soluci on de la ecuac on diferencial. Para esquemas 0 de un solo paso el dato exacto u0 se puede usar, pero para esquemas de multiple paso, los primeros q pasos deben ser calculados usando otro esquema, generalmente se usan esquemas de un solo paso para calcular estos q primeros valores. Denici on 6.2.2. Los datos iniciales tienen orden de precisi on (r, p) si para toda soluci on sucientemente suave u(x, t) de (6.1) v u(., k )
h
L1 (hr + k p ),
= 0, 1, . . . , q.
(6.26)
Los datos iniciales son consistentes si r > 0 y p > 0. Para que una una soluci on discreta converja a la soluci on exacta no es suciente que sea consistente si no tambi en tiene que ser estable. Teorema 6.2.1. Sea la soluci on de (6.1) suave y el esquema (6.2) estable. Adem as suponga que los datos iniciales sean precisos de orden (r, p). Entonces sobre cualquier intervalo nito [0, T ] el error satisface v n u(tn )
h
KS eS tn v 0 u(0) = O(hr + k p ),
1 + Q 1 h h (, tn ) max
0j n1
es decir, las soluciones del esquema de diferencias converge cuando h 0 a la soluci on de la ecuaci on diferencial. Demostraci on. Si la soluci on es sustitu da en el esquema de diferencias (6.2) entonces obtenemos
q
Q1 u(xj , tn+1 ) =
=0
Q u(xj , tn ) + kjn .
(6.27)
n n Sea wj = u(xj , tn ) vj . Sustrayendo la ecuaci on (6.2) de (6.27) obtenemos q n+1 = Q1 wj =0 vj , n Q wj + kjn ,
wj
= u(xj , k )
= 0, 1, . . . , q
luego la estimativa se obtiene del teorema 6.1.1.
6.3
Problemas no lineales: Ecuaci on de Burgers
La teor a de convergencia anteriormente presentada y basada en el teorema de Lax es v alida para problemas lineales, no se puede usar en la forma en que se presenta o no es exactamente aplicable a los problemas no lineales. Sin embargo la mayor a de problemas en aplicaciones son no lineales. Para intrdoucirnos en este estudio, presentamos el an alisis de un problema no lineal basado en la siguiente ecuaci on: ut + uux = uxx (6.28) Llamada Ecuaci on de Burgers, en la que en general siempre se cumple 1, por lo que generalmente se le conoce como ecuaci on de Burgers a la siguiente ecuaci on (6.29) ut + uux = 0 Entonces para diferenciar llamaremos a la ecuaci on (6.28) como ecuaci on de Burgers disipativa. 6.3.1 Esquemas de diferencias nitas
Para efectos del an alisis presentado aqu utilizaremos la ecuaci on disipativa. No haremos comparaci on de EDF, utilizaremos como ejemplo un solo esquema de diferencias (FTCS, sin embargo nuestro objetivo est a centrado en la convergencia con la presencia de la no linealidad. FTCS n+1 n n n n n vj vj vj v n vj 1 +1 2vj + vj 1 n j +1 + vj = (6.30) k 2h h2 el cual se puede escribir en la forma k n n n+1 n n n n n vj vj +1 vj (6.31) = vj vj 1 + vj +1 2vj + vj 1 2h
6.3.
DE BURGERS PROBLEMAS NO LINEALES: ECUACION
109
6.3.2
Consistencia
Sea una funci on sucientemente regular k2 tt + o(k 3 ) 2! h2 h3 n n j +1 = j + hx + xx + xxx o(k 4 ) 2! 3! 2 h h3 n n j 1 = j hx + xx xxx o(k 4 ) 2! 3! sustituyendo en (6.30) se obtiene
+1 n = n j + kt + j
t + O(k ) + (x + o(h2 )) = xx + o(h2 ) y de ello se obtiene t + x xx = O(k ) + o(h2 ) observamos que es consistente de orden (1, 2). 6.3.3 Estabilidad
Presentamos dos formas de an alisis de estabilidad: Algunos analistas congelanel coeciente no lineal y aplican el an alisis de Von Neumann, n n ij es decir, sea vj = g e en (6.31) se obtiene g n+1 eij = (1 2 )g n eij ( k k v )g n ei(j +1) + ( v + )g n ei(j 1) 2h 2h
simplicando ( 2kh v )g n ei se obtiene k k v )ei + ( v + )ei 2h 2h k = 1 i v sin 4 sin2 2h 2 luego la condici on de estabilidad dice que g = (1 2 ) ( |g | = si y solo s k (1 4 sin2 )2 + ( v sin )2 1 2 h k (1 4 sin2 )2 + ( v sin )2 1 2 h
si y solamente s k |1 4 sin2 | + |v || sin | 1 2 h de donde podemos decir que 1 |1 4 sin2 | 1 si y solamente s 2 2 de estas estimativas podemos decir que k |1 2 | + |v | 1 h As se concluye que se elige estabilidad si se cumple la condici on k |1 2 | + |v |max 1 h axiom para la funci on. donde |v |max es la norma del m Aplicando estos resultados a (FTCS) diremos que, este esquema es on estable seg un Von Neumann, si se elige = k/h2 y k/h tal que la soluci n on vj en cada paso de tiempo cumple con la condici k (1 |1 2 |). h Otra forma de analizar la estabilidad es la siguiente: Cosnsideremos las siguientes deniciones y notaciones |v |max Denici on 6.3.1. Decimos que el esquema es estable si se cumple v n+1 Keck v n , donde . es una norma apropiada.
Estabilidad usando la norma de la suma
K > 0,
cR
Por ejemplo considerando el esquema de diferencias anterior, escrito en la forma n+1 n n n n = vj kvj D0 v j + k0 vj vj a n de utilizar la norma de la suma n h = vj s
j
|vj |
6.3.
111
se tiene
n+1 n | |vj ||1 2 | + |vj
k n n |v ||v | 2h j j +1
+ sumando
n+1 vj s
k n n n n |vj ||vj | + |vj +1 | + |vj 1 | 2h k 2h

s
n vj s |1 2 | +
n n n n n |vj ||vj +1 | + |vj ||vj | + 2 vj j
n (|1 2 | + 2 ) vj
k n |v |max vj 2h vn
s
|1 2 | + 2 +
k |v |max 2h
Como observamos en la u ltima expresion la estabilidad existe, pero depende de la soluci on misma y se debe cumplir |1 2 | +2 + 2kh |v |max 1, esta expresi on indica que la condici on es mucho mas restrictiva que la condici on obtenida por el criterio de Von Neumann.
Estabilidad usando la norma l2
Sea la norma
n vj 2
1/2
h
j
|vj |
n+1 vj
2 2
= =
n n n n n 2 n n n 2k vj Dvj , vj + k 2 |vj D0 v j | 2k 2 0 vj , v j D0 v j k n n n 2 n n +2k 0 vj , vj + k 2 |vj | (|1 2 | + 2 ) vj |v |max vj s+ 2h n vj
n n n n n n n n vj kvj D0 v j + k0 vj , vj kvj D0 v j + k0 vj 2 2
Veamos algunos lemas previos Lema 6.3.1. v

max
1 v h
Demostraci on. v
2 max
:=
max |vj |
j 2 2
max |vj |2
j j
|vj |2
j
|vj |2
h h h
|vj |2
j
1 v h Lema 6.3.2. a) b) u, v u, v
u u
2 2
v v
2 2
Desigualdad de Schwarz
u 2 2+ v 2
2 2
Demostraci on. unicamente probemos la parte b) 0 = v u, v u = h

j
(vj uj )(vj ui ) = h
j 2 2
2 (vj 2vj uj + u2 j)
2| u, v | + u
de donde se obtiene la desigualdad 2| u, v | v

2
+ u
2 2
Lema 6.3.3. Sean u, v y w funciones discretas tal que uv = {ui vi } u, vw v Demostraci on. u, vw = h
j max (
w 2)
uj v j w j h v
max max
max h j
uj w j
v v
u, w | u 2 w
Lema 6.3.4. D0 v donde D+ v = vj +1 vj ; h D v = vj vj 1 ; h D0 = D + + D 2

2
D+ v
= D v
6.3.
113
Demostraci on. D0 v pero D+ v

2 2 2
1 D+ v 2
1 D v 2
= h
j
|D+ vj |2 = h
j
1 |vj +1 vj |2 2 h |D vj |2 = D v
j 2 2 2 2
= h
j
1 |vj vj 1 |2 = h 2 h D+ v
2 2
por tanto y de ello D0 v

2
= D v + 1 D+ v 2
1 D+ v 2
= D+ v
Lema 6.3.5. v, 0 v = Dv , D v Demostraci on. Sabemos que 0 = D+ D , entonces v, 0 v = h

j
v j D+ D v j = h
j
D vj +1 D vj h vj 1 D vj
j j
=
j
vj D vj +1
j
v j D v j =
v j D v j
=
j
(vj 1 vj ) D vj = h
j
D v j D v j =
= D v, D v
Corollary 6.3.1. v, 0 v = D v
2 2
= D+ v
2 2
Ahora pasemos a analizar la estabilidad del esquema (FTCS) para la ecuaci on de Burgers. El esquema se puede escribir en la forma
n+1 n n n n = vj kvj D0 v j + kD+ D vj vj
(6.32)
n tomando producto interno con vj a la ecuaci on anterior se tiene n+1 n , vj vj
2 2 n 2 v 2
vn
n n n n n kvj D0 v j , vj + kD+ D vj , vj
+ k vn
max
D0 v n
vn
k D v n
2 2
luego tenemos + k v n max D0 v n 2 v n 2 v n max n n 2 n v 2 v 2 + 2k D v 2 2 1 vn 2 max n 2 n 2 D v 2 + v 2 + 2k 2 2 4 simplicando t erminos se tiene k n 2 n+1 n , vj 1 + vj vn 2 max 2 4
n+1 n vj , vj + k D v n 2 2
vn
2 2
vn
2 2
2 Si v n 2 max C entonces usando la desigualdad de Cauhy-Schwarz se cumple kC 2 n+1 vn 2 v 2 1+ 4 Observando la u ltima desigualdad se puede iterar hasta tener
n+1
kC 2 1+ 4
v0
e 4 v 0
t0 C
(6.33)
podemos observar la desigualdad (6.33) y decir que no hay estabilidad, a incontrolable. Sin embargo puede haber convergencia si para t0 ser n y logramos que w satisfaga una ecuaci on hacemos w = u(tn , xj ) vj como la (6.33). El siguiente lemma presenta una estimativa para w Lema 6.3.6. Si kC 2 /4 < 1, entonces se cumple wn+1
2
(1 + C1 k ) wn
+ kO(h2 )
con estos lemas podemos enunciar el teorema de converencia Teorema 6.3.1. Bajo las hip otesis de los lemas precedentes el error w satisface wn 2 = O(h2 ) wn
m ax
= O(h3/2 ).
6.3.
115
6.3.4
Implementaci on num erica
A continuaci on presentamos la implemetaci on num erica del esquema de diferenicias fnitas para resolver la ecuaci on de Burgers no disipativa,es decir ut + uux = 0. Para esto debemos tambi en tener en cuenta la forma en que est a escrita la ecuaci on misma, lo cual har a que adem as del esquema utilizado , es muy importante tratar la ecuaci on mmisma, por ejemplo la ecuai on que estamos trabajando (6.29) tiene otra forma de escribirse, ut + 1 2 u 2
x
=0
(6.34)
llamada forma conservativa de la ecuaci on de Burgers no dsipativa, an alsisis detallado de esquemas de diferencias no lo haremos en este trabajo, sin embargo haremos la implementaci on num erica con un mismo esquema de diferencias y haremos una comparci on de las mismas: El esquema FTCS para la forma no conservativa de la ecuaci on es:
n+1 n n n = vj rvj D0 v j vj
(6.35)
con r = k/h y el esquema FTCS para la forma conservativa de la ecuaci on es: 1 n+1 n n 2 = vj r D0 v j (6.36) vj 2 mas detalladamente
n+1 n = vj r vj
1 2
n vj +1
n vj 1
(6.37)
Utilizamos la condici on inicial 1 , x<0 1x , 0x1 u0 (x) = 0 , x > 1.
(6.38)
En la gura (6.2), presentamos la soluci on num erica de la ecuaci n de Burgers en ambos casos, para la forma conservativa y la no conservativa, utilizando en ambos casos, FTCS y en ambos casos tambi en se comparan con la solcuci on exacta. Lo mas destacable es que la discretizaci on en la forma conservativa es mas cercana a la soluci on exacta para t > 1, la cual es una onda de rerefacci on (ver [3] ) que en el caso de la forma
no conservativa, diriamos que la forma conservativa conserva la energ a inicial mucho mejor que la forma no conservativa; observando pues que en el caso no lineal existen otros aspectos que no lo tratamos aqu sin embargo si el lector desea concer algo mas de estos t opicos recomendamos [3],[2] y la bibliogra a citada all .
No conservativo 1.3 1.2 1.1 1 0.9 0.8 0.7 0.6 0.5 0.4 0.3 -2
-1.5
-1
-0.5
0.5
1.5
(a)
Figura 6.1: Soluci on num erica de la ecuaci on de Burger: Forma No conservativo, en t=90k= 1m., h=1/20 , k=2h/3,
6.3.
117
Conservativo 1.3 1.2 1.1 1 0.9 0.8 0.7 0.6 0.5 0.4 0.3 -2
-1.5
-1
-0.5
0.5
1.5
(b) Figura 6.2: Soluci on num erica de la ecuaci on de Burger: Forma conservativa, en t=90k= 1m., h=1/20 , k=2h/3,
BIBLIOGRAFIA
[1] Farlow, Stanley J., Partial Diferential Equations: for Scientists and Engineers, Jhon Wiley & Sons, New York, 1982. [2] Gustafsson,Bertil ; Kreiss, Heinz-otto & Oliger, Joseph Time Dependent Problems and Dierence Methods Wiley-Interscience Publication. Jhon wiley & Sons, INC; New York; 1995. [3] Sod, Gary A. Numerical Methods in Fluid Dynamics, Cambridge University Press, Cambridge, 1987. [4] Strange, G. Introductiona to Applied Mathematics , WellesleyCambridge Press, Massachusetts, 1990. [5] Strikwerda, Q. Numerical Methods for Partial Dierential Equations, Edit. New York, 1994. [6] Tijonov, A.N. y Samarsky A.A. Ecuaciones de la F sica Matem atica. Edit. MIR, Mosc u, 1983. [7] Weinberger,Hans F. Ecuaciones Diferenciales en Derivadas Parciales Edit. Revert e, S.A. Barcelona, Traducido por Velez C., F. y Lin es E., E. de Partial Diferential Equations, Edit. Blaisdel, 1965.
119

Edp

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Edp

Uploaded by

Copyright:

Available Formats

Metodos Numericos para Ecuaciones Diferenciales Parciales y Dinamica de Fluidos Computacional

Obidio Rubio Mercedes 28 de octubre de 1999

100 100 106 108 108 109 109 115

Cap tulo 1 Introducci on

CAP ITULO 1. INTRODUCCION

Formulaci on para derivar m etodos de discretizaci on

PARA DERIVAR METODOS 1.3. FORMULACION DE DISCRETIZACION

CAP ITULO 1. INTRODUCCION

Formulaci on Integrales de Contorno y Teor a de Potencial

1.4. METODO DE DIFERENCIAS FINITAS

M etodo de Diferencias Finitas

Discretizaci on del Dominio

CAP ITULO 1. INTRODUCCION

Figura 1.1: malla unidimensional

1.4. METODO DE DIFERENCIAS FINITAS

La norma del m aximo |f | = max h|fi |

Discretizaci on de la Ecuaci on Diferencial

CAP ITULO 1. INTRODUCCION

1.4. METODO DE DIFERENCIAS FINITAS

un un1 (x) d2 u = + x dx2 n 2! un un1 + O(x) = x un un1 x

CAP ITULO 1. INTRODUCCION

3. Operador de diferencia hacia atras D n = (I S )n n n1 = x x

4. Operador de diferencia central D 0 n = (S+ S )n n+1 n1 = 2x 2x

DE APROXIMACIONES 1.5. PRECISION

CAP ITULO 1. INTRODUCCION

Cap tulo 2 Ecuaciones Diferenciales Parciales

CAP ITULO 2. ECUACIONES DIFERENCIALES PARCIALES

f ( + as, s)eb( s) ds,

DE LA ONDA UNIDIMENSIONAL 2.1. ECUACION

Usando la inversa del cambio de variable se tiene u(x, t) = u0 (x at)e

f (x a(t s), s) + as, s)eb( s) ds, (2.7)

CAP ITULO 2. ECUACIONES DIFERENCIALES PARCIALES

Ejemplo 2.1.1. El sistema ut + 2ux + vx = 0 vt + ux + 2vx = 0 se puede escribir como u v 2.1.2 +

2.2. ESQUEMAS DE DIFERENCIAS FINITAS

Esquemas de Diferencias Finitas

CAP ITULO 2. ECUACIONES DIFERENCIALES PARCIALES

2.2. ESQUEMAS DE DIFERENCIAS FINITAS

respectivamente. Consideremos ahora, la ecuaci on modelo ut + aux = 0, (2.14)

CAP ITULO 2. ECUACIONES DIFERENCIALES PARCIALES

2.2. ESQUEMAS DE DIFERENCIAS FINITAS

CAP ITULO 2. ECUACIONES DIFERENCIALES PARCIALES

Figura 2.1: Soluciones num ericas con los esquemas, en t = 500k,

2.3. ANALISIS DE ESQUEMAS DE DIFERENCIAS FINITAS

An alisis de Esquemas de Diferencias Finitas

CAP ITULO 2. ECUACIONES DIFERENCIALES PARCIALES

2.3. ANALISIS DE ESQUEMAS DE DIFERENCIAS FINITAS

CAP ITULO 2. ECUACIONES DIFERENCIALES PARCIALES

on de la Ejemplo: En el esquema de Lax-Friedrich, para la ecuaci onda, + a , o P = t + ax P = t x

utilizando la serie de Taylor en el punto (xj , tn )

2.3. ANALISIS DE ESQUEMAS DE DIFERENCIAS FINITAS

k h Como hicimos en el ejemplo anterior se puede vericar que

La soluci on de la EDP u(x, t) = u0 (x t) es un desplazamiento de u0 a la derecha por t.

CAP ITULO 2. ECUACIONES DIFERENCIALES PARCIALES

1, si 1 jh 0 0, en otro valor, en particular j > 0

2.3. ANALISIS DE ESQUEMAS DE DIFERENCIAS FINITAS

||v n || Ket ||v 0 ||,

mostraremos que el esquema es estable si | | + | | 1, sabiendo que

CAP ITULO 2. ECUACIONES DIFERENCIALES PARCIALES

De esta desigualdad tenemos que

as el esquema ser a estable si | | + | | 1. En particular el esquema (FTFS) dado por

2.3. ANALISIS DE ESQUEMAS DE DIFERENCIAS FINITAS

CAP ITULO 2. ECUACIONES DIFERENCIALES PARCIALES

donde Q es operador de diferencias lineal