Professional Documents
Culture Documents
a
e
Apuntes
Curso Cdigo 525442
o
Segundo Semestre 2011
7 de enero de 2012
Indice general
Literatura
Cap
tulo 1. Problemas de valores iniciales para ecuaciones diferenciales ordinarias
(Parte I)
1.1. Mtodos de paso simple expl
e
citos
1.1.1. Mtodo general
e
1.1.2. Mtodo de Euler
e
1.1.3. Mtodos de Taylor
e
1.1.4. Mtodos de Runge-Kutta
e
1.2. Consistencia y convergencia
1.2.1. Mtodos consistentes
e
1.2.2. El orden de consistencia de algunos mtodos de paso simple
e
1.2.3. El orden de convergencia
1.3. Mtodos de pasos mltiples
e
u
1.3.1. Mtodos de pasos mltiples basados en integracin numrica
e
u
o
e
1.3.2. Mtodos impl
e
citos de pasos mltiples basados en derivacin numrica
u
o
e
1.3.3. Breve teor de mtodos de pasos mltiples
a
e
u
Cap
tulo 2. Problemas de valores iniciales para ecuaciones diferenciales ordinarias
(Parte II)
2.1. Ecuaciones r
gidas (problemas sti)
2.2. Estabilidad de mtodos de discretizacin para problemas de valores inicales de
e
o
ecuaciones diferenciales ordinarias
2.2.1. Estabilidad lineal
2.2.2. Estabilidad no lineal
2.3. Mtodos de Runge-Kutta impl
e
citos y mtodos de Rosenbrock
e
Cap
tulo 3. Problemas de valores de frontera para ecuaciones diferenciales ordinarias
3.1. Introduccin
o
3.1.1. Ecuaciones diferenciales ordinarias autoadjuntas
3.1.2. Problemas de valores de frontera para sistemas de ecuaciones diferenciales
ordinarias de primer orden
3.2. Mtodos de diferencias nitas
e
3.2.1. Mtodo de diferencias nitas para un problema de valores de frontera lineal
e
3.2.2. Mtodo de diferencias nitas para un problema de valores de frontera no lineal
e
3.2.3. Convergencia del mtodo para problemas lineales
e
3.3. Mtodos de disparo
e
3
9
10
10
11
12
12
15
15
16
17
20
20
22
23
27
27
29
29
33
36
41
41
42
43
44
44
47
49
52
Indice general
3.3.1.
3.3.2.
3.3.3.
3.3.4.
Cap
tulo 4. Problemas de valores de frontera para ecuaciones diferenciales parciales
el
pticas
4.1. Clasicacin
o
4.2. Problemas de valores de frontera para ecuaciones el
pticas
4.3. Problemas de valores de frontera y problemas variacionales
4.4. Mtodos de diferencias
e
4.5. Convergencia del mtodo de diferencias
e
4.6. Dominios con frontera curvada
52
55
57
58
59
59
61
61
63
65
66
Cap
tulo 5. Problemas de valores iniciales y de frontera para EDPs hiperblicas y
o
parablicas
o
69
5.1. Teor de las caracter
a
sticas
69
5.1.1. Ecuaciones cuasi-lineales escalares de segundo orden
69
5.1.2. Sistemas cuasi-lineales de primer orden
70
5.1.3. Caracter
sticas de ecuaciones hiperblicas
o
71
5.2. Mtodos de caracter
e
sticas numricos
e
74
5.2.1. Mtodo de caracter
e
sticas aproximado
74
5.2.2. Mtodo predictor-corrector
e
75
5.3. Mtodos de diferencias nitas para problemas hiperblicos
e
o
78
5.3.1. La frmula de dAlembert
o
78
5.3.2. Mtodos expl
e
citos para la ecuacin de la onda
o
80
5.3.3. La condicin de Courant-Friedrichs-Lewy (CFL)
o
80
5.3.4. Ecuacin de la onda con datos iniciales y de frontera
o
83
5.3.5. Mtodos de diferencias nitas para sistemas hiperblicos de primer orden
e
o
84
5.4. Mtodos de diferencias nitas para problemas parablicos
e
o
86
5.4.1. Solucin exacta y caracter
o
sticas de la ecuacin del calor
o
86
5.4.2. Mtodos de paso simple para la ecuacin del calor
e
o
87
5.4.3. Mtodos de dos pasos para la ecuacin del calor
e
o
90
5.5. La teor de Lax y Richtmyer
a
91
5.5.1. El teorema de equivalencia de Lax
91
5.5.2. Conversin de un mtodo de pasos mltiples en un mtodo de paso simple
o
e
u
e
96
5.5.3. Transformacin de Fourier de mtodos de diferencias
o
e
97
5.5.4. Matrices de amplicacin
o
98
5.5.5. Teorema de Lax y Richtmyer y condicin de estabilidad de von Neumann
o
99
5.5.6. Anlisis de estabilidad de algunos mtodos de diferencias
a
e
100
Cap
tulo 6. Introduccin al Mtodo de Elementos Finitos
o
e
105
6.1. Problemas de valores de frontera de ecuaciones diferenciales ordinarias
105
6.2. Elementos nitos para problemas de valores de frontera de ecuaciones diferenciales
ordinarias
113
Indice general
Indice general
Literatura
1. H. Alder & E. Figueroa, Introduccin al Anlisis Numrico, Fac. de Cs. F
o
a
e
sicas y
Matemticas, UdeC, 1995.
a
2. K. Burrage & W.H. Hundsdorfer, The order of algebraically stable Runge-Kutta methods, BIT 27 (1987) 6271.
3. M.C. Bustos, M. Campos & G.N. Gatica, Anlisis Numrico II, Direccin de Docencia,
a
e
o
UdeC, 1995.
4. P. Deuhard & F. Bornemann, Scientic Computing with Ordinary Dierential Equations, Springer-Verlag, New York, 2002.
5. K. Graf Finck von Finckenstein. Einfhrung in die Numerische Mathematik, Band 2,
u
Carl Hanser Verlag, Mnchen 1978.
u
6. W. Gautschi, Numerical Analysis: An Introduction, Birkhuser, Boston, 1997.
a
7. R.D. Grigorie, Numerik gewhnlicher Dierentialgleichungen, Vol. I, Teubner, Stutto
gart, 1972.
8. M.H. Holmes, Introduction to Numerical Methods in Dierential Equations, SpringerVerlag, New York, 2007.
9. W. Hundsdorfer & J.G. Verwer, Numerical Solution of Time-Dependent AdvectionDiusion-Reaction Equations, Springer-Verlag, Berlin, 2003.
10. P. Kaps & P. Rentrop, Genralized Runge-Kutta methods of order 4 with stepsize control
for sti ODEs, Numer. Math. 33 (1979) 5568.
11. P. Knabner & L. Angermann, Numerical Methods for Elliptic and Parabolic Dierential Equations, Springer-Verlag, New York, 2003.
12. S. Larsson & V. Thome, Partial Dierential Equations with Numerical Methods,
e
Springer-Verlag, Berlin, 2003.
13. R.J. Le Veque, Finite Dierence Methods for Ordinary and Partial Dierential Equations, SIAM, Philadelphia, USA, 2007.
14. K.W. Morton & D.F. Mayers, Numerical Solution of Partial Dierential Equations,
Second Edition, Cambridge University Press, Cambridge, UK, 2005.
15. R.D. Richtmyer & K.W. Morton, Dierence Methods for Initial-Value Problems, Wiley,
New York, 1967.
16. J. Stoer & R. Bulirsch, Numerische Mathematik 2, Third Edition, Springer-Verlag,
Berlin, 1990.
17. J.W. Thomas, Numerical Partial Dierential Equations. Finite Dierence Methods,
Second Corrrected Printing, Springer-Verlag, Nueva York, 1998.
18. W. Trnig & P. Spellucci, Numerische Mathematik fr Ingenieure und Physiker. Band
o
u
2: Numerische Methoden der Analysis, Second Ed., Springer-Verlag, Berlin, 1990.
7
LITERATURA
Cap
tulo 1
(1.1)
yn = fn (x, y1 , . . . , yn ),
Cada sistema de funciones
yi C 1 (a, b),
y1 = y1 (x), . . . , yn = yn (x),
i = 1, . . . , n
que satisface (1.1) idnticamente se llama solucin de (1.1). En general, se consideran proe
o
blemas de valores iniciales:
yi = fi (x, y1 , . . . , yn ),
i
yi (a) = ya ,
i = 1, . . . , n.
(1.2)
y1
ya
f1 (x, y1 , . . . , yn )
f1 (x, y)
.
.
=
.
.
.
.
.
y := . , y a := . , f (x, y) =
.
.
.
.
n
yn
ya
fn (x, y1 , . . . , yn )
fn (x, y)
Entonces (1.2) se escribe como
y = f (x, y),
y(a) = y a .
(1.3)
Cada problema de valores iniciales de una ecuacin diferencial ordinaria de orden n puede
o
ser reducido a un problema del tipo (1.2) o (1.3). Para un problema de valores iniciales de
una ecuacin diferencial ordinaria dada por
o
y (n) :=
dn y
= f x, y, y , . . . , y (n1) ,
dxn
j
y (j) (a) = ya ,
j = 0, . . . , n 1,
(1.4)
podemos identicar la j-sima derivada y (j) de la funcin escalar y = y(x) con la (j +1)-sima
e
o
e
componente yj+1 de un vector y(x) = (y1 (x), . . . , yn (x))T de n funciones escalares,
y (j) = yj+1 ,
j = 0, . . . , n 1,
9
10
primer orden:
y1 = y2 ,
y2 = y3 ,
.
.
.
yn1 = yn ,
yn = f (x, y1 , . . . , yn ),
es decir, obtenemos un sistema de ecuaciones diferenciales ordinarias del tipo (1.3) con
ya
y2
1
.
ya
.
.
.
y(a) = . , f (y) =
.
y
n
n1
ya
f (x, y1 , . . . , yn )
La componente y1 (x) de la solucin del sistema corresponde a la solucin y(x) del problema
o
o
de valores iniciales (1.4).
1.1. Mtodos de paso simple expl
e
citos
1.1.1. Mtodo general. Para la aproximacin numrica del problema (1.2) o (1.3), se
e
o
e
subdivide el intervalo [a, b] en N subintervalos del tamao
n
ba
> 0,
N
el cual se llama tamao de paso. Los puntos
n
h :=
xi = a + ih,
i = 0, . . . , N
se llaman puntos de malla; la totalidad de los puntos para un valor de h > 0 se llama malla
Gh . Ahora queremos calcular aproximaciones
h
h
y h := y1i , . . . , yni
i
de la solucin en los puntos de la malla. Para tal efecto, los mtodos mas simples son mtodos
o
e
e
de paso simple explcitos. Estos mtodos permiten la computacin de y h solamente de y h
e
o
i+1
i
(para un valor de h dado). Usando una funcin vectorial := (1 , . . . , n )T , obtenemos el
o
mtodo general
e
y h = y h + h xi , y h ; h ,
i+1
i
i
yh = ya.
0
i = 0, . . . , N 1,
En detalle,
h
h
h
h
y1,i+1 = y1i + h1 xi , y1i , . . . , yni ; h ,
(1.5)
1.1. METODOS DE PASO SIMPLE EXPL
ICITOS
11
.
.
.
h
h
h
h
yn,i+1 = yni + hn xi , y1i , . . . , yni ; h ,
h
k
yk0 = ya ,
k = 1, . . . , n.
(1.6)
y(x + h) =
k=0
hm+1 (m+1)
hk (k)
y (x) +
y
(x + h),
k!
(m + 1)!
[0, 1].
(1.7)
m+1
h
Para x = xi y no considerando el trmino (m+1)! y (m+1) (x + h) de (1.7), podemos calcular
e
y(xi + h) de y(xi ), dado que (omitiendo los argumentos (x) y (x, y) en el lado izquierdo y
derecho, respectivamente)
y = f,
(1.8)
y = fx + f fy ,
(1.9)
2
o
en una series de potencias. Sin embargo, para m = 1 tenemos
h2
y (xi + h).
2
2
Despreciando el trmino h y (xi + h), llegamos al mtodo
e
e
2
y(xi + h) = y(xi ) + hf xi , y(xi ) +
h
h
h
yi+1 = yi + hf xi , yi ,
i = 0, 1, . . . , N 1.
(1.10)
i = 0, . . . , N 1,
(1.11)
12
i = 0, . . . , N 1,
lo que ilustra la idea bsica de la construccin. El mtodo (1.10) o (1.11) se llama mtodo
a
o
e
e
de Euler explcito o mtodo de trazado poligonal. Este mtodo es el ms simple posible. (Por
e
e
a
supuesto, el trmino mtodo de Euler expl
e
e
cito indica que existe tambin una versin
e
o
impl
cita, la cual vamos a conocer ms adelante.)
a
1.1.3. Mtodos de Taylor. Los mtodos del tipo Taylor son basados en la frmula ya
e
e
o
indicada, (1.7), donde las derivadas de y son remplazadas por evaluaciones de la funcin f y
o
ciertos trminos que involucran sus derivadas parciales. Por ejemplo, partiendo del desarrollo
e
en series de Taylor truncado
y(x + h) = y(x) + hy (x) +
h2
y (x) + O(h3 )
2
+ O(h3 ),
h2
h
h
h
fx xi , yi + f xi , yi fy xi , yi .
2
Como mencionamos anteriormente, la gran desventaja de estos mtodos es la necesidad de
e
evaluar numricamente (o por derivacin automtica o simblica) las derivadas parciales
e
o
a
o
de la funcin f . Salvo por casos excepcionales, no es aceptable el esfuerzo computacional
o
requerido por tales mtodos. Conoceremos ahora los mtodos del tipo Runge-Kutta, que
e
e
requieren solamente la evaluacin de la funcin f misma.
o
o
h
h
h
yi+1 = yi + hf xi , yi +
1.1.4. Mtodos de Runge-Kutta. Los mtodos que vamos a introducir ahora no se dise
e
tinguen en los casos de ecuaciones escalares y de sistemas de ecuaciones, por lo tanto los
presentamos desde el principio para el caso de sistemas.
Supongamos que la solucin y = y(x) del problema de valores iniciales (1.3) es conocida
o
en x, y queremos evaluarla en x + h, h > 0. Utilizando el Teorema Principal del Clculo
a
Diferencial e Integral, tenemos
1
y(x + h) = y(x) + h
y (x + h) d.
(1.12)
La integral se aproxima por una frmula de cuadratura, donde los nodos i y los pesos i ,
o
i = 1, . . . , m, se reeren al intervalo de integracin [0, 1]:
o
m
1
0
g(w) dw
i g(i );
i=1
(1.13)
1.1. METODOS DE PASO SIMPLE EXPL
ICITOS
13
dado que la frmula de cuadratura (1.13) debe ser exacta por lo menos para g const.,
o
obtenemos la restriccin
o
m
i = 1.
(1.14)
i=1
y(x + h) y(x) + h
i y (xi + i h).
(1.15)
i=1
y(x + h) y(x) + h
i f x + i h, y(x + i h) .
i=1
y (x + h) d,
y(x + i h) = y(x) + h
i = 1, . . . , m.
(1.16)
Nuevamente queremos aproximar las integrales en (1.16) por frmulas de cuadratura. Para
o
no generar una cascada innita de nuevos valores de y desconocidos, exigimos que los nodos
de las nuevas frmulas de cuadratura sean los mismos valores 1 , . . . , m de (1.13), o sea
o
para la aproximacon de la integral en (1.16) sobre el intervalo [0, i ] [0, 1] usamos una
o
frmula del tipo
o
m
i
0
g(w) dw
ij g(j ),
i = 1, . . . , m,
j=1
donde los pesos ij an estn libres, y los nodos j dados no necesariamente deben pertencer
u
a
al intervalo [0, i ]. Obviamente, se debe satisfacer la restriccin
o
m
i =
ij ,
i = 1, . . . , m.
(1.17)
j=1
Las condiciones (1.14) y (1.17) aseguran que la cuadratura es exacta para g const.
En virtud de lo anterior, un mtodo de Runge-Kutta de m pasos est dado por las frmulas
e
a
o
m
h
y (x + h) = y (x) + h
i ki ,
(1.18)
(1.19)
i=1
m
ki = f
x + i h, y (x) + h
ij kj
i = 1, . . . , m.
j=1
14
0
0
0
0
0
1/3 1/3 0
.
2/3 0 2/3 0
1/4 0 3/4
En detalle, combinando (1.18) y (1.19) con el diagrama de Butcher, podemos, por ejemplo,
escribir el segundo mtodo como
e
yh = yh + h
i+1
i
(i)
(i)
1 (i) 3 (i)
k + k3 ,
4 1
4
(i)
k 1 = f xi , y h ,
i
(i)
k2 = f
(i)
k3 = f
h
h (i)
xi + , y h + k 1 ,
i
3
3
2h
2h (i)
xi + , y h + k 2 .
i
3
3
h (i)
(i)
(i)
(i)
k + 2k2 + 2k3 + k4
6 1
15
k 1 = f xi , y h ,
i
(i)
k2 = f
(i)
k3 = f
h
xi + , y h +
2 i
h
xi + , y h +
2 i
h (i)
k
,
2 1
h (i)
k
,
2 2
(i)
(i)
k4 = f xi+1 , y h + hk3 .
i
1.2. Consistencia y convergencia
1.2.1. Mtodos consistentes. Obviamente, queremos saber bajo qu condiciones los vae
e
lores numricos generados por un mtodo de paso simple aproximan la solucin exacta en
e
e
o
los puntos de la malla, y queremos discutir la exactitud de la aproximacn. Para tal efecto,
o
estudiamos el problema
y = f (x, y),
y(a) = y a ,
(1.21)
i = 0, . . . , N 1;
yh = ya.
0
(1.22)
Obviamente, los valores y h son aproximaciones de los valores reales de la solucin y(xi ),
o
i
i = 1, . . . , N , slo si el sistema de ecuaciones de diferencias nitas (1.22), tambin es una
o
e
aproximacin del sistema de ecuaciones diferenciales (1.21). Para precisar este requerimiento,
o
denimos lo siguiente.
Denicin 1.1. Se dice que la funcin vectorial = (x, y; h) satisface la hiptesis de
o
o
o
continuidad si depende de forma continua de sus n + 2 argumentos escalares en
Rh0 := (x, y1 , . . . , yn , h) Rn+2 | a
b, y1 , . . . , yn R, 0
h0 ,
x [a, b],
y Rn .
y (x) f x, y(x)
16
= l
m
h0
1
y(x + h) y(x) y (x) l x, y(x); h f x, y(x)
m
h0
h
= 0.
cuando h 0.
(1.24)
En (1.24), O(hp ) denota un vector cuyos componentes son funciones de h, y cuya norma
puede ser acotada por M hp , donde M es una constante que no depende de h, pero que
puede depender de la norma considerada. Un mtodo consistente del orden p tambin se
e
e
llama mtodo del orden p.
e
1.2.2. El orden de consistencia de algunos mtodos de paso simple. Nos restringie
mos al caso n = 1, es decir, al caso escalar, y suponemos que la funcin f es sucientemente
o
diferenciable.
Ejemplo 1.3. Analizando el mtodo de Euler explcito, tenemos
e
1
y(x + h) y(x) x, y(x); h
h
1
= y(x + h) y(x) f x, y(x) = O(h),
h
x, y(x); h =
dado que
y(x + h) = y(x) + hy (x) + O(h2 )
por lo tanto, el mtodo de Euler (es decir, el mtodo de trazado poligonal) es del primer
e
e
orden.
Ejemplo 1.4. Consideremos la familia de mtodos dada por
e
(x, y; h) = (1 c)f (x, y) + cf
x+
h
h
, y + f (x, y) ,
2c
2c
(1.25)
17
x+
h
h
, y + f (x, y)
2c
2c
= f (x, y) +
h
fx (x, y) + fy (x, y)f (x, y) + O(h2 ),
2c
x, y(x); h = O(h2 )
cuando h 0.
Esto signica que para el caso c = 0 todos los mtodos son de segundo orden.
e
Se puede demostrar analogamente ques los esquemas de Heun y el mtodo clsico de
e
a
Runge-Kutta (con m = 4) son de los ordenes 3 y 4, respectivamente (Tarea).
1.2.3. El orden de convergencia. A parte de la consistencia del mtodo exigimos tambin
e
e
o
que los valores y h aproximan mejor los valores de la solucin exacta y(xi ) si se achica el
i
tamao de paso h. En consecuencia, queremos que los valores y h converjan a los valores
n
i
exactos y(xi ) cuando h 0. Un mtodo con esta propiedad se llama convergente. Hay que
e
tomar en cuenta que debido a
xi a
i=
,
h
el nmero i crece cuando achicamos h.
u
Denicin 1.4. Un mtodo de paso simple (1.22) se llama convergente en x [a, b] si
o
e
l
m
h0
a+ihx[a,b]
y h y(x) = 0.
i
h 0,
i = 1, . . . , N,
18
Denicin 1.5. Se dice que una funcin f = f (x, y) satisface una condicin de Lipschitz o
o
o
o
es Lipschitz continua en un dominio [a, b] x con respecto a y I si existe una constante L
(la constante de Lipschitz) tal que para todo y , y I y x [a, b],
f (x, y ) f (x, y )
L|y y |.
(2)
(2)
(1)
(2)
L x k xk
L|y y |
(1.26)
Teorema 1.1. Consideremos un mtodo de paso simple dado para n = 1 mediante la funcin
e
o
= (x, y; h). Supongamos que
(a) la funcin satisface la hiptesis de continuidad (Dencin 1.1),
o
o
o
(b) el mtodo es consistente del orden p, y
e
(c) la funcin satisface la condicin de Lipschitz (1.26).
o
o
En este caso, es mtodo converge del orden p.
e
Demostracin. El mtodo es especicado por
o
e
h
h
h
yi+1 = yi + h xi , yi ; h ;
(1.27)
por otro lado, la suposicin del orden de consistencia implica que la solucin exacta y = y(x)
o
o
satisface
y(xi+1 ) = y(xi ) + h xi , y(xi ); h + O(hp+1 ).
Deniendo
(1.28)
h
i := yi y(xi ),
M hp+1
h
|i | + h xi , yi ; h xi , y(xi ); h
+ M hp+1 .
(1.29)
En virtud de (1.26) y
h
0 = y0 y(x0 ) = 0,
(1 + hL)|i | + M hp+1 ,
|0 | = 0.
(1.30)
19
i ,
i = 0, . . . , N,
(1.31)
0 = 0.
(1.32)
(1 + hL)|k | + M hp+1
o
e
= (1 + hL) + M hp+1 =
M hp
,
L
M hp
;
L
usando
0 = 0 = C
M hp
L
obtenemos
i =
M hp
(1 + hL)i 1
L
y nalmente
h
yi y(xi ) = |i |
i =
M hp
(1 + hL)i 1
L
M iLh
hp
e 1
L
M L(ba)
hp
e
1 = O(hp ).
L
(1.33)
20
L y y 2.
(1.34)
1 mediante la funcin
o
Chp .
y(xi+1 ) = y(xij ) +
y ( ) d
xij
xi+1
= y(xij ) +
f , y( ) d,
xij
j N {0}.
21
yh = yh +
i+1
ij
xi+1
xij
f xik , y h
ik
k=0
l=0
l=k
xil
d ;
xik xil
(1.35)
xi+1
j,p,k :=
xij
l=0
l=k
xil
d.
xik xil
(1.36)
yh
i+1
yh
ij
j,p,k f xik , y h .
ik
+
k=0
h 0,p,k
k = 0 k = 1 k = 2 k = 3 orden
p=0
p=1
3
2
p=2
23
12
p=3
55
24
1
2
16
12
5
12
59
24
37
24
3
9
24
yh
i+1
yh
ij
xi+1
xij
xik , y h
ik
k=1
l=1
l=k
xil
d.
xik xil
(1.37)
j,p,k :=
xi+1
xij
l=1
l=k
xil
d ;
xik xil
(1.38)
22
yh
i+1
yh
ij
j,p,k f xik , y h .
ik
+
k=1
h 0,p,k
p = 1
k = 1 k = 0 k = 1 k = 2 orden
1
p=0
1
2
1
2
p=1
5
12
8
12
p=2
9
24
19
24
2
1
12
5
24
3
1
24
y h = y h + hf xi+1 , y h
i+1
i
i+1
(1.39)
y la regla trapezoidal
h
f xi , y h + f xi+1 , y h
.
(1.40)
i
i+1
2
Los mtodos impl
e
citos se usan poco en la prctica. Pero si usamos un mtodo de Adamsa
e
i+1
i+1
Moulton y remplazamos el valor f (xi+1 , y h ) por una aproximacin f (xi+1 , y h ), donde y h
o
i+1
es generado por un mtodo expl
e
cito, obtenemos un mtodo del tipo predictor-corrector. Por
e
ejemplo, combinando el mtodo de Adams-Moulton con 3 pasos y orden 4 con un mtodo de
e
e
Adams-Bashforth con 3 pasos y del orden 3 (como predictor), resulta un mtodo expl
e
cito de 3
pasos y del orden 4 que requiere slo dos evaluaciones de f por paso, y que es esencialmente
o
equivalente en sus caracter
sticas al mtodo de Runge-Kutta clsico del orden 4, y que
e
a
requiere 4 evaluaciones de f por paso. Expl
citamente, este mtodo predictor-corrector es
e
dado por
h
i+1
yh = yh +
23f xi , y h 16f xi1 , y h + 5f xi2 , y h
,
(1.41)
i
i
i1
i2
12
h
i+1
yh = yh +
9f xi+1 , y h + 19f xi , y h 5f xi1 , y h + f xi2 , y h
. (1.42)
i+1
i
i
i1
i2
24
1.3.2. Mtodos impl
e
citos de pasos m ltiples basados en derivacin numrica.
u
o
e
Usamos la identidad
yh = yh +
i+1
i
yh
i+1
yh
i+1
0,
an es desconocido, y denimos
u
por la ecuacin
o
d
P (x; i)
= f xi+1 , y h .
i+1
dx
x=xi+1
(1.43)
23
k+1
y h i+1 ,...,xi+1j ]
[x
P (x; i) =
j=0
donde
mos
y h i+1 ,...,xi+1j ]
[x
l=0
(x xi+1l ),
es una j-sima diferencia dividida con respecto a los datos (1.43), tenee
j1
k+1
y h i+1 ,...,xi+1j ]
[x
j=1
l=1
yh
i+1
kl y h + h0 f xi+1 , y h
il
i+1
(1.44)
l=0
2
3
6
11
12
25
60
137
60
147
k0 1
4
3
18
11
48
25
300
137
360
147
9
1
3 11 36 300 450
25
137
147
k1
2
11
k2
16
25
200
137
400
147
75
3
25 137 225
147
k3
12
137
k4
72
147
10
147
k5
Veremos que estas frmulas son interesantes solamente para k 5. Para k = 0, obtenemos
o
nuevamente el mtodo de Euler impl
e
cito. Las frmulas (1.44) son conocidas como frmulas
o
o
BDF (backward dierentiation formula) o mtodo de Gear.
e
1.3.3. Breve teor de mtodos de pasos m ltiples. En lo siguiente, consideraremos
a
e
u
slo mtodos lineales de k pasos, que pueden ser representados como
o
e
k
i y h
m+i
i=0
i f xm+i , y h
m+i ,
=h
i=0
m = 0, . . . , Nh k,
(1.45)
donde h = xj+1 xj para todo j. Eso incluye los mtodos de Adams-Bashforth, Adamse
Moulton y BDF, pero no incluye el mtodo predictor-corrector.
e
Las propiedades de (1.45) pueden ser caracterizadas por los polinomios
k
i i ,
() :=
i=0
i i .
() :=
i=0
24
Los conceptos del error de truncacin local y del error de discretizacin global son introduo
o
cidos en forma anloga a los mtodos de paso simple, es decir, denimos
a
e
1
x, y(x); h :=
h
i=0
i y(x + ih) h
(x; h) := y(x) y h h ,
N
i=0
donde Nh h = x x0 .
= 0,
j+1 (1)
= jj (1),
j = 1, . . . , p,
(),
1 () (),
j+1 ()
j (),
j+1 () j ().
() = 0 || = 1
y h y(xi ) = O(hp ),
i
() = 0 .
(1.46)
i = 0, . . . , k 1.
de consistencia 2k. Sin embargo, los mtodos que resultan son inutiles para las aplicaciones
e
debido al siguiente teorema.
Teorema 1.4 (Primera cota de orden de Dahlquist). El orden mximo de un mtodo estable
a
e
y consistente de k pasos es
p=
k+1
k+2
para k impar,
para k par.
25
El orden k+1 ya se alcanza por las frmulas de k pasos del tipo predictor-corrector usando
o
las frmulas de Adams-Bashforth y Adams-Moulton. Lo unico que an aparece interesante
o
u
son las frmulas del orden k + 2 para k par. La discusin de un ejemplo, el mtodo de Milneo
o
e
Simpson, en el Ejemplo 1.5, require la presentacin del siguiente teorema. (Sin embargo, el
o
ejemplo ilustra el poco inters prctico para este tipo de mtodos.)
e
a
e
Teorema 1.5. Consideremos la siguiente ecuacin de diferencias para una sucesin {i }iN0 :
o
o
k
m N0 ,
i i+m = 0,
i=0
0 k = 0.
(1.47)
Cli j i1 lj ,
j =
j > 0,
l=1 i=1
i i
P () :=
i=0
vl = k,
l=1
vl N,
y las constantes Cli son determinadas unicamente por los valores iniciales 0 , . . . , k1 .
Ejemplo 1.5. El mtodo de Milne-Simpson
e
h
h
h
h
h
h
yi+1 = yi1 +
f xi+1 , yi+1 + 4f xi , yi + f xi1 , yi1
3
(considerado aqu para n = 1) es un mtodo de dos pasos del orden 4. Lo aplicamos al
e
problema y = y, y(0) = 1 con la solucin y(x) = ex . Resulta la ecuacin de diferencias
o
o
lineal
h
h
h
h
h
.
(1.48)
(1 q)yi+1 4qyi (1 + q)yi1 = 0, y0 = 1, q =
3
Aplicando el Teorema 1.5 a la ecuacin (1.48), llegamos a la representacin
o
o
h
yj = Cj + (1 C)j ,
1
2
h
donde C = C(y1 ) y
1 =
Para < 0 tenemos
1
2q +
1q
1 + 3q 2 ,
2 =
1
2q
1q
1 + 3q 2 .
1
1 + 3q 2 2|q| = 1 O(h),
1 + |q|
1
2 =
1 + 3q 2 2|q| = 1 O(h) < 1.
1 + |q|
1 =
26
Entonces para C = 1 la solucin siempre tiene una contribucin oscilatoria 2 que crece con
o
o
x = jh. (El efecto de error de redondeo causa que en la prctica, siempre C = 1.)
a
h
Para y1 eh = O(h4 ), j
N y N h = x jado esta contribucin es slo del orden
o
o
4
O(h ) cuando h 0, o sea el mtodo es convergente del orden 4. Pero para la computacin
e
o
prctica uno no puede elegir h arbitrariamente pequeo, y la contribucin oscilatoria es muy
a
n
o
molestosa.
Cap
tulo 2
y(0) = 1 + ,
R.
(2.1)
R.
||p
1
p
e ||
para x 0,
1
, < 0.
Por ejemplo, para = 0 y = 1000 las derivadas asumen ordenes de tamao gigantescos
n
en una pequea vecindad de x = 0. Lo mismo es vlido si para cualquier x0 prescribimos el
n
a
valor inicial
y(x0 ) = ex0 + .
27
28
x
h = 0,1
h = 0,01 h = 0,002 h = 0,001 h = 0,0005
0,1
0,9
1,74 105
0,905
0,904837
0,904837
6
38
0,5 4,6 10 | | > 10
0,607
0,6065304 0,606530
1,0 4,38 1016 | | > 1038
0,368
0,367879
0,367879
i = 0, 1, 2, . . . ,
(2.2)
h
y0 = 1.
Este mtodo entrega los valores aproximados del Cuadro 2.1, donde las 6 primeras cifras
e
decimales de la solucin exacta coinciden con el resultado numrico para h = 0,0005. Obviao
e
mente, slo para h 0,002 obtenemos soluciones aceptables. (Esto proviene del requerimiento
o
de estabilidad |1 1000h| 1 para este problema; este criterio se establecer ms adelante.)
a a
Aplicamos ahora el mtodo de Euler implcito. A pesar de ser implcito, en el caso de la
e
ecuacin (2.1), que es lineal con respecto a y, obtenemos una frmula de iteracin expl
o
o
o
cita:
h
h
h
yi+1 = yi + h 1000yi+1 + 1000 exp (i + 1)h exp (i + 1)h
h
h
(1 + 1000h)yi+1 = yi + 999h exp (i + 1)h
1
999h
h
h
yi+1 =
yi +
exp (i + 1)h),
1 + 1000h
1 + 1000h
h
y0 = 1.
i = 0, 1, 2, . . . ,
(2.3)
Este mtodo genera los valores numricos indicados el Cuadro 2.2. Obviamente, los malos
e
e
resultados obtenidos por (2.2) no son una consecuencia del bajo orden de consistencia del
29
mtodo, ya que el orden de (2.3) tambin es solamente uno. Los mismos efectos pueden ser
e
e
observados con cualquier mtodo de Runge-Kutta explcito (Tarea).
e
y(0) = 1
con la misma solucin exacta se podr aproximar facilmente por el mtodo de Euler expl
o
a
e
cito,
usando h = 0,1 y calculando hasta x = 1.) Las ecuaciones diferenciales ordinarias que
presentan este problema se llaman rgidas (problemas sti).
y(0) = y 0 ,
(A) = {1 , . . . , n },
A Rnn diagonalizable,
Re 1
...
Re n
0,
Re 1
1.
(2.4)
nf
(x,z),(x,y)Df
y=z
y(0) = y0 ;
Re < 0.
(2.5)
Un sistema del tipo (2.4) puede ser transformado a un sistema de n ecuaciones deacopladas
del tipo (2.5), donde representa uno de los valores propios de A. Por lo tanto, las siguientes
consideraciones sern relevantes no slo para ecuaciones escalares, sino que tambin para
a
o
e
sistemas del tipo (2.4).
Denicin 2.1. Se dice que un mtodo de paso simple o de pasos mltiples pertenece a la
o
e
u
clase CA (de coecientes anal
ticos) si su aplicacin al problema (2.5) lleva a una ecuacin
o
o
de diferencias
k
h
gj (h)ym+j = 0,
j=0
m = 0, 1, . . . , N k,
(2.6)
30
gj (0)z j
j=0
k = 1,
g0 (z) = 1 + z +
z2 z3 z4
+
+
2
6
24
k = 1,
el mtodo trapezoidal (1.40) a
e
g1 (z) = 1 z,
z
g1 (z) = 1 ,
2
y el mtodo predictor-corrector (1.41), (1.42) a
e
k = 1,
g0 (z) 1,
g0 (z) = 1 +
z
2
28
9 23 2
z
z ,
24
24 12
5
9 16 2
1
9 5 2
g1 (z) = z +
z , g0 (z) = z +
z .
24
24 12
24
24 12
Usando el Teorema 1.5 podemos determinar la solucin de (2.6) (y entonces el crecimiento
o
h
de los valores discretizados yi ) directamente del polinomio (llamado polinomio de estabilidad)
k = 3,
g3 (z) 1,
g2 (z) = 1
gj (q)z j ,
P (z; q) :=
q = h.
(2.7)
j=0
Nuestra discusin aclara que es deseable que el polinomio P satisfaga la condicin de ceros
o
o
(1.46) para un dominio de valores
{q C | Re q < 0}
lo ms grande posible. El interior del dominio donde se cumple (1.46) se llama dominio de
a
estabilidad.
Denicin 2.2. Un mtodo de paso simple o de pasos mltiples de la case (CA) se llama
o
e
u
absolutamente estable en un dominio G C si sus funciones coecientes gk son anal
ticas
en G, gk (q) = 0 para todo q G, y si los zeros de P (z; q) de (2.7) tienen un valor absoluto
menor que uno:
k
q G : P (z; q) =
j=0
31
Re q
z C | |z + 1| < 1 ,
y no puede ser usado, por ejemplo, para ecuaciones diferenciales ordinarias de oscilacin,
o
dado que este mtodo siempre amplica las amplitudes de la solucin por un factor (1 + hc)
e
o
por paso, donde C es una constante que no depende de h. El mtodo de Euler implcito es
e
1) porque
32
k 1
2
3
90 90 88 02
4
73 21
5
51 50
6
17 50
m=p 1
2
3
4
2 2 2,51 2,78
4
5
45
90
6 3
49
38
Cuadro 2.5. Los intervalos reales (, 0) de estabilidad de los mtodos de
e
Adams-Moulton con k pasos.
Sin embargo, la regla trapezoidal no es L-estable. Eso se nota de forma desgradable en el caso
de soluciones decrecientes porque a la solucin discretizada se agregan oscilaciones pequeas
o
n
(pero acotadas). Para la solucin discretizada de (2.5), el mtodo trapezoidal entrega
o
e
h i
i
i
1+
4
h
2 y = (1)i h + 2 y = (1)i 1 +
y0 ,
yi =
0
h 0
h 2
h 2
1
2
o sea, para h < 2 obtenemos una solucin amortiguada, pero oscilatoria de la solucin
o
o
exacta montona.
o
Los mtodos BDF de k pasos son A()-estables, con los valores = (k) dados en el
e
Cuadro 2.3. En particular, el mtodo con k = 2 es A-estable (e incluso L-estable). Con este
e
mtodo (el mtodo BDF con k = 2) y la regla trapezoidal ya conocemos dos mtodos lineales
e
e
e
de pasos mltiples A-estables.
u
Lamentablemente, no existen mtodos de pasos mltiples lineales y A-estables del orden
e
u
mayor que 2.
Teorema 2.1 (Segunda cota de orden de Dahlquist). Cada mtodo consistente, A-estable,
e
lineal y de pasos mltiples es del orden de consistencia 2.
u
El dominio de estabilidad de los mtodos de Adams-Moulton de k 2 pasos, de los mtoe
e
dos de Adams-Bashforth de k
1 pasos, del mtodo predictor-corrector y de los mtodos
e
e
expl
citos de Runge-Kutta es relativamente pequeo. Para todos estos mtodos, la condicin
n
e
o
33
3
4
5
6
3
90
2 1
11
10
551
Cuadro 2.6. Los intervalos reales (, 0) de estabilidad de los mtodos de
e
Adams-Bashforth con k pasos.
de estabilidad es
h
< C,
donde C es una constante del orden de magnitud 1. Los intervalos reales (, 0) de la estabilidad absoluta son dados por el Cuadro 2.4 para los mtodos de Runge-Kutta expl
e
citos de
m pasos (lo que incluye el mtodo clsico con m = 4, por el Cuadro 2.5 para los mtodos de
e
a
e
Adams-Moulton de k pasos y por el Cuadro 2.6 para los mtodos de Adams-Bashforth de k
e
pasos.
De los mtodos discutidos hasta ahora, slo el mtodo trapezoidal, el mtodo del punto
e
o
e
e
medio impl
cito, y los mtodos BDF con k
e
6 pasos son aptos para ecuaciones muy r
gidas, estos ultimos con la restriccin que no deben aparecer componentes de soluciones con
o
arg() > , con del Cuadro 2.3.
2.2.2. Estabilidad no lineal. Los resultados de la Seccin 2.2.1 son insatisfactorios por
o
que permiten solamente conclusiones muy tentativas respecto al comportamento de mtodos
e
de disretizacin aplicados a problemas no lineales. Vemos que sistemas lineales con coecieno
tes variables ya presentan problemas particulares.
Ejemplo 2.4. Consideremos el problema de valores iniciales
y = (x)y,
y(0) = y0 ;
: R+ R ,
C 1 (R+ ).
Aqu el mtodo de Euler implcito es estable sin restriccin para h > 0. El mtodo trapezoidal
o
e
genera la recursin
o
h
yi+1 =
y la condicin
o
2 + (xi )h h
y ,
2 (xi+1 )h i
i N0 :
h
yi+1
h
yi
la restriccin
o
h
2
.
34
h
h
yi+1 = yi + hf
h
h
xi + xi+1 yi + yi+1
,
2
2
es equivalente al mtodo trapezoidal para una ecuacin lineal con coecientes constantes.
e
o
Pero aqu el mtodo del punto medio implcito asume la forma
xi + xi+1
2
=
yh,
xi + xi+1 i
2 h
2
2 + h
h
yi+1
y=y(x)
= A(x)
y(0) = y 0 ,
U (x) =
cos(x) sin(x)
sin(x) cos(x)
o
v(x) := U (x)y(x),
tenemos y(x)
es decir,
1
+
v, v(0) = y 0
v =
1,2 =
+ ,
donde los vectores v 1 y v 2 dependen de y 0 . Vemos que para 0 < < 1, = 1 y > 2
existen soluciones que crecen exponencialmente.
v(x) = v 1 exp(1 x) + v 2 exp(2 x),
35
x R+ : u, v Rn :
m u v, u v .
(2.8)
x(t) = h x(t) ,
t > 0;
> 0 : y, z Rn :
z T z
x(0) = x0 ,
(2.9)
h(y)z.
(esta funcin no depende explcitamente de t), y usando el producto escalar denido por
o
T
x, y = x y, tenemos
f (x) f (y)
(x y) = (y x)T
2
0
h x + (y x) d
(x y)
(x y)T (x y),
o
h(x) converge a x . Entonces, se puede aproximar x por la solucin numrica de (2.9),
o
e
y como uno quiere hacer t , se preere usar u tamao de paso lo ms grande posible,
n
a
sin destruir la convergencia del mtodo a la solucin estacionaria. La ecuacin (2.9) puede
e
o
o
2
ser extraordinariamente rgida, lo que ocurre cuando
y(xi ) y h
C(xi )hp para h < h y i N0 ,
i
y (j) (x) | x0
xi , 1
para un cierto p, suponiendo que la verdadera solucin y(x) del problema es sucientemente
o
diferenciable, para una funcin f que satisface (2.8) y m 0.
o
La gran ventaja de los mtodos optimalmente B-convergentes consiste en que la restrice
cin del tamao de paso no depende de la rigidez del sistema, y que el error global de la
o
n
discretizacin no depende tampoco de la rigidez del sistema. Al contrario de eso, los mtoo
e
p
dos expl
citos de Runge-Kutta, por ejemplo, poseen un error h C(xi ), donde C(xi ) tambien
36
la regla trapezoidal y la regla implcita del punto medio son optimalmente B-convergentes del
orden 2, en cada caso sobre la clase de los problemas de valores iniciales disipativos.
2.3. Mtodos de Runge-Kutta impl
e
citos y mtodos de Rosenbrock
e
Los mtodos de Runge-Kutta generales son caracterizados por el diagrama de Butcher
e
(1.20). Recordamos que un esquema de Runge-Kutta es impl
cito si existe un coeciente
ij = 0 con j
i. Debido al alto esfuerzo computacional, la aplicacin de tales mtodos
o
e
para problemas no r
gidos no ser muy econmica; sin embargo, para problemas r
a
o
gidos
estos mtodos pueden ser muy ventajosos, dado que incluyen mtodos optimalmente Be
e
convergentes de orden arbitrariamente alto.
Primero demostramos que los mtodos de Runge-Kutta impl
e
citos pertenecen a la clase CA, ver Denicin 2.1. Recordamos que
o
m
kj = f
x+
hj , y h
i
jl kl
+h
j = 1, . . . , m,
l=1
B = (jl )j,l=1,...,m ,
1
. .
.
e= .
1
j = 1, . . . , m,
Pj,m1 (z)
Pj,m1 (z)
= m
,
det(I zB)
(1 zi )
(2.10)
i=1
donde 1 , . . . , m son los valores propios de B y Pj,m1 es un polinomio del grado mximo m
a
1; el grado mximo del polinomio del denominador de (2.10) es m. Puesto que
a
m
h
yi+1
h
yi
+ h
j kj ,
j=1
obtenemos que
m
h
yi+1
h
yi
j Rj (h) = Rm (h)yi ,
h
hyi
j=1
donde Rm es una funcin racional (cuociente de dos polinomios del grado mximo m).
o
a
37
1
4
1
4
1
2
0
1
.
2
1
2
(2.11)
1
1
k1 + k2
4
2
h
k2 = yi + h
es decir,
k1 =
h
yi
h
4
k2 =
h
yi
h
4
h h
y
2 i
h
1
4
2,
h
yi+1
h
yi
h
= yi
h
1
4
h
+ h 1
4
2
h
1
4
h
.
1+
(1 h/4)2
h
2
Dado que
1+
h
=
(1 h/4)2
(Re )h
1+
4
(Re )h
1
4
(Im )2 h2
16
,
2
(Im )2 h2
+
16
+
Rm (z) < 1.
38
que
m
ij g(j ) =
j=1
g(x) dx para g m1 , i = 1, . . . , m,
3 3
32 3
1
6
4
12
3+ 3 3+2 3
1
.
6
12
4
1
1
2
2
Teorema 2.3.
(a) Los mtodos de Gauss-Runge-Kutta de m pasos son consistentes del orden 2m.
e
(b) Los mtodos de Gauss-Runge-Kutta de m pasos son A-estables y optimalmente Be
convergentes del orden m sobre la clase de los problemas disipativos.
Demostracin. Para las demostraciones de (a) y (b), ver (por ejemplo) Grigorie (1972) y
o
Burrage y Hundsdorfer (1987), respectivamente.
En particular, el orden de la B-convergencia puede ser signicativamente menor que el
orden de consistencia clsico. Esto es debido al requerimiento de la B-convergencia optimal
a
que el residuo (trmino de error) debe ser independiente de la rigidez del sistema.
e
Se puede demostrar que para una funcin f disipativa, las pendientes kj de un mtodo
o
e
de Gauss-Runge-Kutta son determinados unicamente de la ecuacin del mtodo, indepen
o
e
dientemente de la rigidez del sistema y para h < h, para un h > 0 jo. Sin embargo, la
implementacin de un tal mtodo es bastante dicil, dado que, por ejemplo, en cada paso
o
e
de integracin para un sistema de ecuaciones diferenciales del orden n hay que resolver un
o
sistema no lineal del orden nm.
En la prctica se presenta una situacin ms simple si ij = 0 para j > i, lo que
a
o
a
corresponde a los mtodos de Runge-Kutta diagonalmente implcitos. Un ejemplo es el mtodo
e
e
(2.11) del Ejempo 2.7. Desafortunadamente, la mayor de estos mtodos son solamente
a
e
optimalmente B-convergentes de primer orden.
A veces se presentan problemas donde solamente 2 f es grande, mientras que el orden
de magnitud de todas las dems derivadas de f es pequeo comparado con 2 f , por
a
n
ejemplo,
y = Az + g(x, y),
con una funcin g para la cual todas las derivadas parciales tienen una norma del orden de
o
magnitud O(1), mientras que los valores propios son dispersos en
{z C | Im z < 0}.
En estos casos, podemos aplicar exitosamente los mtodos de Rosenbrock y sus modicacioe
nes.
39
Podemos derivar los mtodos de Rosenbrock de la siguiente forma. Partimos de las ecuae
ciones de un mtodo de Runge-Kutta diagonalmente impl
e
cito:
k1 = f x + 1 h, y h + 11 hk1 ,
k2 = f x + 2 h, y h + 21 hk1 + 22 hk2 ,
.
.
.
km = f x + m h, y h + m1 hk1 + . . . + mm hkm .
Estas ecuaciones se resuelven sucesivamente de forma iterativa, ejecutando un paso del mtoe
do de Newton con
(0)
ki := 0
como dato inicial. Esto entrega las ecuaciones expl
citas
i1
I hii 2 f
x + i h, y + h
ij kj
ki
j=1
i1
x + i h, y h + h
=f
ij kj
i = 1, . . . , m.
j=1
Aqu hay que resolver sucesivamente m sistemas lineales. La desventaja aun consiste en el
i1
i1
x + i h, y + h
ij kj
j=1
+ h2 f (x, y )
ij kj ,
i = 1, . . . , m.
j=1
Estas frmulas son las frmulas de Rosenbrock-Wanner. En esta clase de mtodos hay muchos
o
o
e
ejemplos de mtodos A-estables o A()-estables.
e
Ejemplo 2.8 (Kaps & Rentrop, 1979). Los siguientes coecientes denen un mtodo Rosene
brock-Wanner A-estable de orden 4:
= 0,395,
ij
i=2
i=3
i=4
j=1
j=2
j=3
0,438
,
0,796920457938 0,073079542062
0
0
0
ij
j=1
j=2
j=3
i = 2 0,767672395484
,
i = 3 0,851675323742 0,522967289188
i=4
0,288463109545 0,08802142734 0,337389840627
40
i=1
i=2
i=3
i=4
.
i 0,199293275702 0,482645235674 0,0680614886256 0,25
Cap
tulo 3
(3.1)
j = 1, . . . , n, (3.2)
(Ly)(x)
x (a, b),
i=0
n1
Rj [y] =
j = 1, . . . , n,
k=0
donde j,k+1 y j,k+1 son constantes. Para g 0, la ecuacin diferencial ordinaria se llama
o
homognea; para j 0, las condiciones de frontera se llaman homogneas. Si g 0 y
e
e
j 0, el problema de valores de frontera se llama homogneo. En general, se supone que
e
por lo menos f0 , . . . , fn C 0 (a, b).
El problema de valores de frontera lineal de segundo orden es
(Ly)(x) f2 (x)y (x) + f1 (x)y (x) + f0 (x)y(x) = g(x),
En muchos casos,
R1 [y] = 11 y(a) + 12 y (a) = 1 ,
R2 [y] = 21 y(b) + 22 y (b) = 2 .
Ms generalmente, las condiciones de frontera se llaman separadas si
a
j,k+1 = 0,
j,k+1 = 0,
j = 1, . . . , m, k = 0, . . . , n 1, m < n;
j = m + 1, . . . , n; k = 0, . . . , n 1.
41
42
11 . . . 1n 11 . . . 1n
.
.
.
.
.
.
.
A= .
.
.
.
.
n1 . . . nn n1 . . . nn
j = 1, . . . , n.
f := LQ.
j = 1, . . . , n.
3.1.1. Ecuaciones diferenciales ordinarias autoadjuntas. Para un operador diferencial L dado por (3.3) denimos el operador adjunto L a travs de
e
n
Ly
(1)j
j=0
dj
fj (x)y .
dxj
y C n (a, b).
(3.4)
f0 y f1 y f1 y + f2 y + 2f2 y + f2 y
y C 2 (a, b),
d
dx
p(x)
dy
dx
+ q(x)y = g.
(3.5)
3.1. INTRODUCCION
43
(Un aspecto que se discutir ms adelante es que (3.5) tambin es la ecuacin de Euler del
a a
e
o
problema variacional
I[y] :=
1
2
b
a
f2 (x) = 0
(3.6)
p(x) = exp
x0
f1 ()
d ,
f2 ()
x0 , x (a, b),
(3.7)
f1 (x)
f2 (x) = p (x)f2 (x),
f2 (x)
f0 (x)
,
f2 (x)
p(x)
dx
dx
g(x) := p(x)
h(x)
,
f2 (x)
+ q(x)y g(x) = 0.
j = 0, . . . , n 1.
44
(3.8)
yn1 = yn ,
yn = f (x, y1 , . . . , yn )
con las condiciones de frontera
Rj [y1 , . . . , yn ] = Rj y1 (a), . . . , yn (a); y1 (b), . . . , yn (b) = j ,
j = 1, . . . , n.
(3.9)
i = 1, . . . , n,
y1
. ,
y := .
.
yn
f1 (x, y)
.
,
.
f (x, y) :=
.
fn (x, y)
y = f (x, y),
(3.10)
j = 1, . . . , n.
R1
.
R := . ,
.
Rn
1
.
:= . ,
.
R y(a); y(b) = .
(3.11)
El problema (3.11) se llama lineal si posee la siguiente forma, donde A(x), B 1 y B 2 son
matrices:
y = A(x)y + g(x),
B 1 y(a) + B 2 y(b) = .
11 y(a) + 12 y (a) = 1 ,
x (a, b),
21 y(b) + 22 y (b) = 2 .
(3.12)
(3.13)
(3.14)
xi = a + ih,
i = 0, . . . , N ;
xN = a + N h = b.
3.2. METODOS DE DIFERENCIAS FINITAS
45
y(x1 ) y(a)
= 1 + O(h),
h
y(b) y(xN 1 )
21 y(b) + 22
= 2 + O(h).
h
h
Despreciando los trminos O(h2 ) y O(h) y remplazando y(xi ) por yi , obtenemos el sistema
e
de ecuaciones lineales
h
h
(12 + h11 )y0 + 12 y1 = h1 ,
11 y(a) + 12
h
h
h
h
h
1 + p(xi ) yi1 + 2 + h2 q(xi ) yi 1 p(xi ) yi+1 = h2 g(xi ),
2
2
i = 1, . . . , N 1,
h
h
22 yN 1 + (22 + h21 )yN = h2 .
(3.16)
h
i := 1 p(xi ),
i = 1, . . . , N 1,
A(h)y h = b(h),
donde A(h) R(N +1)(N +1) es la matriz
12 + h11
A(h) =
0
.
.
.
0
y denimos los vectores
y0
.
y := . ,
.
h
yN
h
(3.17)
tridiagonal
12
1
...
...
...
...
...
..
.
...
0
.
.
.
0
N 1 N 1
N 1
0
22 22 + h21
h1
h2 g(x1 )
.
.
.
b(h) :=
h2 g(x
N 1
h2
Teorema 3.2. Bajo las siguientes condiciones existe una constante h0 > 0 tal que el sistema
(3.17) tiene una solucin unica y h :
o
1. 11 > 0, 12 0, 21 > 0 y 22 0,
2. q(x) 0 y h0 |p(x)| < 2 para x [a, b].
46
Para la demostracin del Teorema 3.2, usaremos los siguientes conceptos ya introducidos
o
en el Anlisis Numrico II.
a
e
Denicin 3.1. Una matriz A Rnn se llama M-matriz si ij
o
existe y A1 0.
0 para i = j y A1
2 1 0 . . . 0
.
.
1 2 1 . . .
.
. .
. . 1 2 1
.
.
0 0 1 2
3.2. METODOS DE DIFERENCIAS FINITAS
47
j = 2 1 cos
j = 1, . . . , N 1.
11 y(a) y (a) = 1 ,
o alternativamente 11 y(a) = 1 ,
x (a, b),
21 y(b) + y (b) = 2
21 y(b) = 2
(11 , 21 = 0).
Para una ecuacin autoadjunta siempre podemos hallar una aproximacin de diferencias tal
o
o
que la matriz del sistema lineal que resulta no slo es simtrica, sino que tamb denida
o
e
en
positiva.
3.2.2. Mtodo de diferencias nitas para un problema de valores de frontera
e
no lineal. Los mtodos de diferencias nitas tambin pueden ser usados para la solucin
e
e
o
numrica de problemas no lineales. A modo de ejemplo, estudiamos el problema
e
y + f (x, y, y ) = 0,
a < x < b;
y(a) = ,
y(b) = .
1 h
h
h
y 2yi + yi+1 + f
h2 i1
h
xh , yi ,
i
h
h
yi+1 yi1
2h
= 0,
i = 1, . . . , N 1.
h
h
Multiplicando por h2 y deniendo y h = (y1 , . . . , yN 1 )T , obtenemos
h
h
h
ti (y h ) := yi1 + 2yi yi+1 + h2 f
h
xh , yi ,
i
h
h
yi+1 yi1
2h
= 0,
i = 1, . . . , N 1,
es decir
T (y h ) = 0,
T (y h ) := t1 (y h ), . . . , tN 1 (y h )
La matriz funcional
T (z) :=
ti
zj
(z)
i,j=1,...,N 1
zi+1 zi1
2h
(i)
=: fy ,
fy
xi , zi ,
zi+1 zi1
2h
tenemos
ti
= 0,
zj
j {i 1, i, i + 1},
(i)
=: fy ,
(3.18)
48
ti
h (i)
ti
ti
h (i)
(i)
= 1 fy ,
= 2 + h2 fy ,
= 1 + fy .
zi1
2
zi
zi+1
2
Adems, tenemos z0 = y zN = en (3.18). Deniendo
a
h (i)
h (i)
(i)
ci := 1 fy , di := 2 + h2 fy , ei := 1 + fy , i = 1, . . . , N 1,
2
2
podemos escribir
d1 e1
0
...
0
.
..
.
.
c2 d 2
e2
.
..
..
..
T (z) = 0
.
.
.
0 .
. .
. . cN 2 dN 2 eN 2
.
.
0 ...
0
cN 1 dN 1
f1 (x)
. , F : Rn B Rn , F C 2 (B) n ,
.
F (x) = 0, F (x) =
.
fn (x)
con la solucin exacta x B. El mtodo es denido por la recursin
o
e
o
(k+1)
xi
(k)
= xi
fi (x(k),i )
,
i fi (x(k),i )
i = 1, . . . , n,
donde denimos
(k+1)
x(k),i := x1
(k+1)
(k)
, . . . , xi1 , xi , . . . , x(k)
n
i = 1, . . . , n.
Teorema 3.4. Existe una vecindad B0 de x , B0 B, tal que para todo x(0) B0 el mtodo
e
SOR-Newton converge si
(a) 0 < 1 y F (x ) es estrictamente o irreduciblemente diagonal dominante o
(b) 0 < 2 y F (x ) es simtrica y denida positiva o
e
3.2. METODOS DE DIFERENCIAS FINITAS
49
Finalmente, tenemos
h (j)
1 + fy < 2
2
(j)
2 + h2 fy ,
j {1, N 1}.
a
la demostracin del teorema.
o
3.2.3. Convergencia del mtodo para problemas lineales. Recordamos que un mtoe
e
do se llama del orden p, p > 0, si
h
yi y(x) = O(hp ),
h 0,
x = a + ih [a, b].
a < x < b;
y(a) = ,
y(b) = .
(3.19)
Suponiendo que la solucin satisface y C 4 [a, b], tenemos (3.15) con p(x) 0, y para la
o
computacin de los valores aproximados obtenemos el sistema (3.17), en nuestro caso
o
A(h)y h = b(h)
con la matriz
2 + h2 q(x1 )
1
0
0
.
..
.
.
1
2 + h2 q(x2 ) 1
.
..
..
..
A(h) =
.
.
.
0
0
.
...
2
.
.
1 2 + h q(xN 2 )
1
2
0
0
1
2 + h q(xN 1 )
(3.20)
y el vector
+ h2 g(x1 )
h2 g(x2 )
.
.
.
.
b(h) =
h2 g(x
)
N 2
+ h2 g(xN 1 )
(3.21)
y(xN ) = y(b) = ,
(3.22)
50
Las componentes de O(h4 ) son la cuarta derivada de la solucin exacta y, evaluada en puntos
o
intermedios y multiplicada por h4 /12. La cuarta derivada y (4) (x) est acotada con respecto
a
a segn hiptesis. Entonces, existe una constante K tal que
u
o
h
K A(h)1
h4 .
2 1 0 0
.
.
1 2 1 . . .
.
A(h) = A + hQ, A = 0
0 , Q = diag q(x1 ), . . . , q(xN 1 ) .
. .
. . 1 2 1
.
.
0 0 1 2
0 para i = 1, . . . , N 1. Entonces
A(h)1
1
A .
(3.23)
Demostracin. Dado que q(xi ) 0, las matrices A(h) y A son M-matrices irreduciblemente
o
diagonaldominantes y simtricas. Entonces
e
A(h)1
0,
1
A
0.
0 0
.
..
.
.
1
.
.
. ,
0 . . . . .
.
D = diag(2, . . . , 2), L =
.
. .
.. .
..
. ..
.
. .
.
.
0 0
1 0
(3.24)
U = LT .
Entonces
A(h) = D L U + h2 Q,
y poniento
D(h) := D + h2 Q
obtenemos
A(h) = D(h) L U .
Adems,
a
D 1 A = I D 1 (L + U ),
3.2. METODOS DE DIFERENCIAS FINITAS
Obviamente, D
obtenemos
D(h), D 1
D(h)1 , y entonces D 1
51
= D(h)1 A(h)
I D(h)1 (L + U )
=I
= (D 1 A)1 I D 1 (L + U )
1
(A D I D(h)1 (L + U ) .
A(h) = D(h) L U
D I D(h)1 (L + U )
0.
h4
M A(h)1 e
12
h4 1
M A e.
12
(3.25)
1
Hay que calcular A e.
Ahora, los valores de la solucin aproximada coinciden con la solucin exacta si la solucin
o
o
o
es un polinomio del grado 2. La solucin unica de
o
y = 1,
es
y(a) = y(b) = 0
1
y = (x a)(x b).
(3.26)
2
Dado que q(x) 0, g(x) 1, = = 0, segn (3.20) y (3.21) obtenemos en este caso
u
y b(h) = h2 e. Entonces, con
A(h) = A
y (h) =
1
1
(x1 a)(x1 b), . . . , (xN 1 a)(xN 1 b)
2
2
52
tenemos
Ay h = h2 e,
y h = h2 A e = y (h).
(3.27)
1 4 1
(3.28)
es decir
h
yi y(xi )
a < x < b,
Ry B 1 y(a) + B 2 y(b) = r.
(3.29)
Aqu A(x) es una matriz n n cuyos elementos son funciones continuas de x en [a, b], y las
z(a) = s;
(3.30)
luego tratamos de determinar las componentes de s de tal forma que z tambin satisface las
e
condiciones de frontera, es decir
Rz = B 1 z(a; s) + B 2 z(b; s) = r.
Eligiendo s de forma correcta, disparamos a las condiciones de frontera.
Para el problema (3.29), el mtodo de disparo consiste en los siguientes pasos.
e
1. Calcular z 0 (x) de tal forma que
Lz 0 = g,
z 0 (a) = 0.
(3.31)
3.3. METODOS DE DISPARO
53
2. Calcular un sistema fundamental z i (x), i = 1, . . . , n, de soluciones del problema homogneo Lz = 0, con la condicin inicial z i (a) = ei , donde ei es el i-simo vector
e
o
e
unitario. Deniendo la matriz
determinamos
Z(x) := z 1 (x)
z n (x) ,
n
si z i (x).
(3.32)
i=1
(3.33)
Para el vector s que resulta de (3.33), la solucin z(x; s) de (3.32) es la solucin z (x)
o
o
del problema de valores de frontera (3.29). Para vericar eso, notamos primero que (3.32) es
la solucin del problema de valores iniciales (3.30), ya que
o
n
0
si Lz i = g + 0 = g,
Lz = Lz +
i=1
n
0
n
i
z(a; s) = z (a) +
si z (a) = 0 +
i=1
si ei = s.
i=1
z i (a) = ei ,
i = 1, . . . , n,
(3.34)
0 < x < 1,
y(0) y(1) = 0,
y (0) y (1) = 1.
54
0
,
1
y(0) y(1) =
es decir, en este caso tenemos
A=
0 1
,
1 0
B 1 = B 2 = I.
z 0 (x) =
x2
,
2x
donde z(0) =
C1 ex + C2 ex
.
C1 ex C2 ex
z 1 (0) =
1
2
1
2
ex + ex
ex ex
= e1 =
1
,
0
C21 + C22
C21 C22
z 2 (0) =
= e2 =
0
;
1
cosh x
,
sinh x
z 2 (x) =
1
2
ex ex
ex + ex
sinh x
.
cosh x
cosh x sinh x
,
sinh x cosh x
det Z(x) = 1,
B 1 + B 2 Z(1) =
1 cosh 1 sinh 1
.
sinh 1 1 cosh 1
Entonces, para := cosh 1 y := sinh 1 tenemos que resolver el sistema (3.33), es decir
(1 )s1 s2 = 1,
s1 + (1 )s2 = 1,
con la solucin
o
s = s =
1
2
+1
=: = 0,58198.
2
x2 + (cosh x + sinh x)
.
2x + (sinh x + cosh x)
Esta solucin tambin satisface las condiciones de frontera z (0) z (1) = (0, 1)T .
o
e
3.3. METODOS DE DISPARO
55
j = 0, . . . , N,
i = 0, . . . , n
z h,i = ei ,
0
i = 1, . . . , n.
Aqu los vectores z h,0 son los valores aproximados de la solucin de (3.31), evaluada en
o
j
h,i
los puntos de malla xj , j = 0, . . . , N , y los vectores z j , i = 1, . . . , n, corresponden a los
problemas de valores iniciales homogneos (3.34). Como en el paso 2 mencionado arriba,
e
formamos en cada punto de malla xj las matrices
Z h = z h,1
j
j
z h,n ,
j
j = 0, . . . , N,
es decir, las matrices cuyas columnas son los vectores z h,i . El algoritmo que resulta de estas
j
consideraciones es el siguiente.
1. Usando el mtodo de paso simple o de pasos mltiples, determinamos los vectores z h,0 ,
e
u
j
h,0
donce z 0 = 0 para j = 0, . . . , N .
2. Para z h,i = ei se calculan (mediante el mtodo de paso simple o de pasos mltiples)
e
u
0
h,i
los vectores z j , i = 1, . . . , n, j = 1, . . . , N . Ponemos
n
zh
j
z h,0
j
Z h sh
j
z h,0
j
sh z h,i .
i j
(3.35)
i=1
(3.36)
Para el vector sh, que resulta de (3.36), (3.35) es, en los puntos de malla x0 , . . . , xN ,
una solucin aproximada z h, de la solucin exacta z (xj ) del problema de valores de
o
o
j
frontera (3.29).
Efectivamente, la funcin de malla determinada as satisface las condiciones de frontera
o
B 1 z h, + B 2 z h, = r;
0
N
en virtud de
r = B 1 z h,0 + Z h sh + B 2 z h,0 + Z h sh ,
0
0
N
N
y dado que z h,0 = 0 y Z h = I, tambien tenemos (3.36). Si el mtodo de paso simple o de
e
0
0
pasos mltiples es del orden p, tenemos que
u
z (xj ) z h, = O(hp ),
k
j = 0, . . . , N ;
e
(N = 8).
56
h,0
z1,j
h,0
z2,j
h,1
h,2
z1,j = z2,j
h,1
h,2
z2,j = z1,j
h,
z1,j
h,
z2,j
0
0,25
1
0,03125 0,06226
0,49805 0,74414
1,01563
1,04688
0,125
0,25
0,37695
0,69331
0,92313
0,31256
0,15118
0,15528
0,98434
1,09400
1,23805
1,33671
1,45471
0,50781
0,64456
0,78925
0,94401
1,11110
0,78253
0,78259
0,76584
0,73397
0,68892
0,63288
0,00054
0,13406
1. Usando
z h,0 = z h,0 + 0,125
j+1
j
z h,0 = 0
0
0 1 h,0
0
z + 0,125
,
1 0 j
(0,125j)2 2
j = 0, . . . , 7,
obtenemos los valores de las primeras dos las del Cuadro 3.1.
2. Luego calculamos
z h,i = z h,i + 0,125
j+1
j
z h,1 =
0
1
,
0
0 1 h,i
z ,
1 0 j
i = 1, 2;
0
.
1
z h,2 =
0
h,1 h,1
h,1 h,1
Si z h,1 = (z1,k , z2,k )T , esto implica que z h,2 = (z2,k , z1,k )T . La tercera y la cuarta la
k
k
del Cuadro 3.1 muestran los valores numricos.
e
3. Hay que resolver el sistema de ecuaciones lineales
B 1 + B 2 Z h sh, = r B 2 z h,0 ,
8
8
es decir
I
1,45471 1,11110
1,11110 1,45471
sh,
1
sh,
2
0
0,82494
+
.
1
1,92302
z h,1 = sh, =
0
0,63288
.
0,48345
Las dos ultimas las del Cuadro 3.1 muestran los valores numricos. Vemos que la
e
condicin de borde en x = 1 es satisfecha aproximadamente ya que
o
z h, z h, =
0
8
0
.
1,00018
3.3. METODOS DE DISPARO
57
y(a) = s
para todo s Rn y x [a, b] est asegurada siempre que A C[a, b]. Por otro lado, existe un
a
sistema fundamental Z(x) que describe la solucin general del problema de valores iniciales
o
homogneo. Ambas propiedades no son vlidas para un problema de valores de frontera no
e
a
lineal. Vamos a describir simplemente el mtodo de disparo que puede ser aplicado en el caso
e
no lineal. El problema est dado por
a
y = F (x, y),
R y(a), y(b) = 0,
F : [a, b] R Rn ,
y = F (x, y),
R : Rn Rn Rn .
y(a) = s.
(3.37)
y(a; s) = s.
58
de que para algn valor de k, y(x; s(k) ) puede no existir en el intervalo completo [a, b], pero
u
slo en un sub-intervalo.
o
Ejemplo 3.3. Consideremos el problema
y + (y )2 = 0,
y(0) = 1,
y(1) = 4
y(0) = 1,
y (0) = s
y(1; s = 0,993262053 . . . ) = 4,
mientras que para s 1, la solucin del problema de valores iniciales existe solamente en
o
en intervalo [0, 1/s].
3.3.4. Mtodos de disparos m ltiples. Como para cada xi [a, b], la solucin del
e
u
o
problema de valores iniciales
y = F (x, y),
y(xi ) = si
y [i] (xi , s ) = s ,
xi
xi+1 ,
i = 0, . . . , m 1,
(3.38)
donde y [0] (a; s0 ) = y(a). Las soluciones parciales de (3.38) forman una funcin continua si
o
y [i] (xi+1 ; si ) = si+1 ,
i = 0, . . . , m 1,
(3.39)
o
frontera si
R(s0 , sm ) = 0.
(3.40)
Cap
tulo 4
2.
Las ecuaciones de segundo orden que aparecen en las aplicaciones casi siempre son cuasilineales, semi-lineales o lineales y pueden ser representadas en la forma
n
Lu
Aik uxi xk = f.
(4.1)
i,k=1
f=
Ai uxi + Au + B,
i=1
Aik pi pk
Q=
(4.2)
i,k=1
Se supone que A es simtrica (si no lo es, remplazamos A por A = 1 (A+AT )). Supongamos
e
2
n
que en un dominio B R existe una solucin u(x) = u(x1 , . . . , xn ). En el caso cuasi-lineal,
o
se supone que la solucin est incertada en los Aik , entonces en cada caso A depende slo
o
a
o
de x = (x1 , . . . , xn )T . Debido a la simetr de A, existe una matriz ortonormal T tal que
a
T T AT = B,
59
60
2
Bi qi .
Q = p Ap = q Bq =
i=1
u
u
de la forma cuadrtica Q.
a
Denicin 4.2. En x B Rn , la ecuacin diferencial parcial (4.1) se llama
o
o
hiperblica, si all = 0 y = 1 o = n 1,
o
el
ptica, si all = 0 y = 0 o = n, y
o
n 4).
La clasicacin es del tipo geomtrico para ecuaciones diferenciales parciales de segundo
o
e
orden, dado que
n
Bi x2 = c,
i
c>0
i=1
A=
a b
,
b c
a+c 1
2
2
(a + c)2 4(ac b2 ).
Obviamente,
sgn 1 = sgn 2
1 = a + c,
2 = 0
sgn 1 = sgn 2
si ac b2 < 0,
si ac b2 = 0,
si ac b2 > 0.
(4.3)
61
Lema 4.1. En un punto (x, y) 2 jo, la ecuacin diferencial parcial (4.3) es del tipo
R
o
o
hiperblico
ac b2 < 0
parablico
o
ac b2 = 0 .
si en este punto,
elptico
ac b2 > 0
El tipo de las condiciones de borde adecuadas para (4.3) depende intrinsicamente del
tipo de la ecuacin.
o
4.2. Problemas de valores de frontera para ecuaciones el
pticas
Para ecuaciones hiperblicas, los problemas de valores iniciales, y para ecuaciones pao
rablicas, los problemas de valores iniciales y de frontera son bien puestos en general. (Tamo
bin hay situaciones donde los problemas vice versa son bien puestos.) Para las ecuaciones
e
el
pticas, los problemas de valores de frontera en general son bien puestos.
Se considera un dominio G R2 abierto y acotado, cuya frontera G es una curva
diferenciable, es decir, existe el vector normal . Si , y son funciones continuas dadas
sobre G, podemos identicar los siguientes problemas de valores de frontera, que son los ms
a
importantes: el primer problema de valores de frontera
Lu f
para (x, y) G,
para (x, y) G,
u
(x, y) = (x, y) para (x, y) G,
para (x, y) G,
u
(x, y) = (x, y) para (x, y) G,
donde denimos
u
u
u
= 1
+ 2
si = 1 .
2
x
y
En lo siguiente, siempre se supone que existe una solucin del problema de valores de frontera
o
considerado.
4.3. Problemas de valores de frontera y problemas variacionales
Consideremos la ecuacin
o
Lu a11 uxx 2a12 uxy a22 uyy a1 ux a2 uy + au = f,
donde aik , ai , a y f (i, k = 1, 2) son funciones de (x, y). Si aik C 2 (G) y ai C 1 (G),
i, k = 1, 2, el operador
L u (a11 u)xx 2(a12 u)xy (a22 u)yy + (a1 u)x + (a2 u)y + au
62
(4.4)
Como para las ecuaciones diferenciales ordinarias, existe una conexin entre los problemas
o
de valores de frontera para ecuaciones autoadjuntas y problemas variacionales. Para explicar
eso, consideremos el problema
Lu = f
en G, u = 0 en G,
(4.5)
D := v C 0 (G) C 2 (G) | v = 0 en G .
As el problema (4.5) puede ser escrito de la siguiente forma: se busca una solucin de
,
o
Lv = f,
v D.
(4.6)
Luego, sea L2 (G) el espacio de las funciones cuadraticamente integrables sobre G, para el
cual denimos el producto escalar
v(x, y)w(x, y) dx dy,
(v, w) :=
G
v, w L2 (G),
y la norma asociada
v
:= (v, v)1/2 .
a(x, y)
0,
i2 ,
i=1
i,k=1
(x, y) G,
(x, y) G,
1 , 2 R,
(4.7)
Teorema 4.1. La funcin u D es una solucin del problema de valores de frontera (4.6)
o
o
con el operador elptico autoadjunto L si y slo si bajo las hiptesis (4.7) y deniendo
o
o
tenemos
4.4. METODOS DE DIFERENCIAS
63
Segn este teorema, podemos resolver el problema (4.5), (4.6) resolviendo el problema
u
variacional
(v, Lv) 2(v, f ) =
2
2
a11 vx + 2a12 vx vy + a22 vy + av 2 2vf dx dy m
n,
v D.
(4.8)
Obviamente, no podemos resolver el problema variacional de forma exacta, sino que solamente de forma aproximada. Observamos que la integral en (4.8) no es denida solamente
para funciones v, w D, sino que para una mayor clase de funciones.
V (G)
:=
v(x, y)
+ vx (x, y)
+ vy (x, y)
1/2
dx dy
V (G)
< .
D := v V (G) | v = 0 en G ,
y para v, w D la forma bilineal simtrica
e
[v, w] :=
I[u]
I[v],
donde
I[v] := [v, v] 2(v, f )
para v D.
(x, y) G,
(4.9)
donde se supone que f C 0 (G). Sobre el cuadrado G = G G se dene una malla con
x = y = h, donde Gh denota la totalidad de los puntos interiores y Gh la de los puntos
de frontera. Se supone que u = u(x, y) es una solucin de la ecuacin diferencial en (4.9), la
o
o
4
cual no necesariamente debe desaparacer en G, y sea u C (G). En este caso,
u(xi+1 , yk ) 2u(xi , yk ) + u(xi1 , yk )
+ ik (h),
h2
u(xi , yk+1 ) 2u(xi , yk ) + u(xi , yk1 )
uyy (xi , yk ) =
+ ik (h),
h2
uxx (xi , yk ) =
(4.10)
64
donde
h2 4 u
(xi + 1 h, yk ),
ik (h) =
12 x4
h2 4 u
ik (h) =
(xi , yk + 2 h),
12 y 4
1;
(4.11)
1.
(4.12)
1
h
h
h
4uh uh
ik
i1,k ui+1,k ui,k1 ui,k+1 = f (xi , yk ),
h2
i, k = 1, . . . , Nh 1.
(Lh uh )ik =
(4.13)
o
Aqu uh son valores de la funcin de malla uh , la cual podemos representar como un vector
ik
con las componentes uh , i, k = 1, . . . , Nh 1. Se presenta el problema de la enumeracin
o
ik
h
apropiada de los uik . Por motivos que se excplicarn ms abajo, denimos
a
a
uh := uh , uh , . . . , uh , uh , . . . , uh , . . . , uh h 1,Nh 1
11
21
l1,1
l2,2
1,l1
N
l = 3, 4, . . . , 2Nh 2.
(4.14)
D1 H 1
H 1 D 2 H 2
..
..
..
,
A(h) =
.
.
.
H s2 D s1 H s1
H s1 D s
i = 1, . . . , s;
4.5. CONVERGENCIA DEL METODO DE DIFERENCIAS
adems,
a
b(h) = h2
65
f (h, h)
f (2h, h)
.
.
.
Como A(h) es denida positiva, el sistema (4.14) puede ser resuelto usando el mtodo
e
SOR con 0 <
2. Dado que adems A(h) es ordenada consistentemente, existe un
a
parmetro ptimo de relajacin opt que asegura la velocidad de convergencia optima del
a
o
o
h
mtodo SOR. Con nuestra enumeracin de las componentes de u hemos entonces asegurado
e
o
que la matriz es ordenada consistentemente y admite la existencia de opt . En la mayor de
a
casos, el sistema (4.14) es esparso, pero de gran tamao. Por otro lado, se puede demostrar
n
que el nmero de condicin es
u
o
cond
(A(h)) = A(h)
A(h)1
2
= O(h2 ) = O(Nh ),
Usando (4.12) y
i, k = 1, . . . , Nh 1,
(4.15)
lo que representa el sistema (4.12) multiplicado por h2 . Restando (4.15) de (4.14) obtenemos
o sea
A(h)h = h2 O(h2 ),
h = h2 A(h)1 O(h2 ).
(4.16)
Aqu O(h2 ) es un vector de (Nh 1)2 componentes, cada una acotada por Ch2 . Supongamos
,
que
A(h)1
Kh2
(4.17)
Ch2 K = M h2
M h2 ,
i, k = 1, . . . , Nh 1,
66
u C 4 (G). Entonces el mtodo de diferencias nitas dado por (4.13) es convergente del
e
orden 2, es decir para h 0 tenemos
uh u(xi , yk ) = O(h2 ),
ik
i, k = 1, . . . , Nh 1.
(xi , yk+1 )
(xi1 , yk )
(xi , yk )
(xi+1 , yk )
(xi , yk1 )
El conjunto de todos los puntos de la malla que son puntos centrales de estrellas que entera
mente pertenecen a G son la malla Gh . El conjunto Gh de los puntos de borde est formado
a
por todos los puntos de la malla que pertenecen a estrellas completamente contenidas en G,
pero que no son puntos centrales de tales estrellas.
Ahora podemos resolver numricamente el problema (4.9) con el mismo mtodo numrico
e
e
e
usado anteriormente, donde exigimos que
uh = 0 para (xr , ys ) Gh .
rs
Obviamente, estos valores de frontera causan un error si (xr , ys ) G. Podemos ver facilmente que estos errores son proporcionales a h, es decir, los valores exactos de borde en los
puntos de Gh son del orden de magnitud O(h).
Podemos construir valores de frontera ms exactos por interpolacin lineal, ver Figura 4.1.
a
o
Consideremos los puntos co-lineales (xi1 , yk ) Gh , (xi , yk ) Gh y (x, yk ) G para
x > xi . Con x xi =: < h y usando u(x, yk ) = 0 obtenemos, usando interpolacin lineal,
o
h
u(xi , yk )
u(xi1 , yk ) =
u(x, yk ) + O(h2 ) = O(h2 ).
(4.18)
h+
h+
67
h
(xi1, yk )
(xi, yk )
(x, yk )
uh
= 0,
h + i1,k
(xi , yk ) Gh .
Ahora, el borde G no necesariamente debe ser localizado como en la Figura 4.1. Pero vemos
facilmente que la interpolacin siempre entrega una de las ecuaciones aproximadas
o
uh
ik
ik
uh
= 0,
h + ik i1,k
uh
ik
ik
uh
= 0,
h + ik i,k1
(4.19)
donde ik (0, h) es la distancia del punto (xi , yk ) Gh de aquel punto de G que est sia
tuado sobre la recta que pasa por (xi , yk ) y (xi1 , yk ) o (xi , yk ) y (xi , yk1 ), respectivamente.
En (4.19), ambas cantidades uh y uh , uh
ik
i1,k
i,k1 son desconocidas, es decir, para cada
punto de Gh obtenemos una ecuacin adicional. Si Gh y Gh contienen exactamente Mh y
o
68
y
y4
G
11
00
11
00
11
00
y3
11
00
11
00
11
00
y2
11
00
11
00
11
00
y1
d
d
x1
x2
x3
x4
21
1
0
0 h+21
0
0
0
0
0
0
12
0
0
0
0
0
0
0
1
0 h+12
31
0
1
0
h+31 0
0
0
0
0
0
1 1 0
4
1
1 0
0
0
0
0
0 1
1
4
0 1
1
0
0
A(h) =
,
23
0
0
0 h+23
0
1
0
0
0
0
42
0
0
0
0
h+42 0
1
0
0
0
0
0
0
0
1
1 0
4
1 1
43
0
0
0
0
0
0
0 h+43 1
0
34
0
0
0
0
0
0
0 h+34 0
1
uh
21
h
u12
h
u31
uh
22
uh
32
uh = h .
u23
h
u42
uh
33
uh
43
uh
34
Dado que 0 ik < h, la matriz A(h) es una L-matriz debilmente diagonaldominante con
dominancia diagonal fuerte, por ejemplo, en la la 1. La matriz es irreducible y por lo tanto,
una M-matriz.
Cap
tulo 5
(5.1)
(5.2)
70
a b
dx dy
0 dx
el sistema de ecuaciones
c
uxx
f
0 uxy = d(ux ) .
dy
uyy
d(uy )
(5.3)
Claramente, la pregunta formulada aqu debe ser contestada por no si y slo si el sistema
o
(5.3) no posee una solucin unica. Esto sucede si y slo si el determinante de la matriz en
o
o
(5.3) desaparece, es decir, si
a
dy
dx
dy
+ c = 0,
dx
con a = 0 en P ,
dx = 0.
(5.4)
o
a
dy/dx(P ). Las soluciones de (5.4) se llaman direcciones caractersticas de (5.1) en el punto P .
(5.5)
a1 b 1
a2 b 2
dx dy
0 0
(5.6)
el sistema lineal
c1 d 1
ux
f1
uy f2
c2 d 2
=
,
0 0 vx du
dx dy
vy
dv
cuyo determinante desaparece si y slo si las primeras derivadas de la solucin no son unio
o
camente determinadas en P . Esto entrega la ecuacin
o
(a1 c2 a2 c1 )
dy
dx
dy
dx
+b1 d2 b2 d1 = 0 con a1 c2 a2 c1 = 0.
(a1 d2 a2 d1 + b1 c2 b2 c1 )
(5.7)
71
La ecuacin (5.7) es la ecuacin caracterstica asociada al sistema (5.6), y sus soluciones son
o
o
(5.8)
rentes,
b) parablico si D(P ) = 0, es decir, en P existe exactamente una direccin caracter
o
o
stica.
Si transformamos una ecuacin
o
azxx + bzxy + czyy = f
a un sistema de primer orden del tipo (5.5) mediante la transformacin
o
u := zx ,
v := zy ,
por supuesto las Deniciones 5.1 y 5.2 deben ser equivalentes. Pero es facil vericar que
efectivamente son equivalentes: las ecuaciones caracter
sticas (5.4) y (5.7) son idnticas, y
e
por lo tanto el sistema posee las mismas direcciones caracter
sticas que la ecuacin diferencial
o
escalr de segundo orden.
Mencionamos que las mismas consideraciones pueden ser aplicadas a ecuaciones escalares
de primer orden del tipo
aux + buy = f,
a = 0.
(5.9)
(5.10)
72
o
caractersticas bajo un ngulo positivo.
a
En particular, este teorema implica que si los coecientes de la ecuacin diferencial son
o
sucientemente suaves, un problema de valores iniciales hiperblico posee una solucin unio
o
camente determinada si los valores iniciales estan dados sobre una curva no caracter
stica.
Consideremos ahora problemas de valores iniciales de ecuaciones diferenciales hiperblicas
o
de segundo orden y de sistemas hiperblicos de primer orden. Sea una curva suave en el
o
plano (x, y), y supongamos que en cada punto posee una pendiente nita, o sea, existe
una parametrizacin (x(), y()) de con dx = 0 sobre la totalidad de . Adems, sea
o
a
una curva no caracterstica de las ecuaciones diferenciales correspondientes.
(5.11)
(5.12)
dy
dx
dy
dx
1
b + b2 4ac ,
2a
1
==
b b2 4ac ,
2a
==
1
(5.13)
a = 0.
73
(5.14)
Estas ecuaciones describen condiciones que la solucin de (5.12) debe satisfacer a lo largo
o
de las caractersticas , . Hay que tomar en cuenta que las derivadas d(ux ), d(uy ) y dy se
que a = 0 y c = 0 en G R3 .
74
P
Figura 5.2. La curva inicial
Q
P, Q y la intereseccin de las caracter
o
sticas.
dy
1
b + b2 4ac ,
==
(5.15)
dx 1
2a
dy
1
b b2 4ac ,
(5.16)
==
dx 2
2a
a d(ux ) + c d(uy ) f dy = 0,
(5.17)
a d(ux ) + c d(uy ) f dy = 0,
du ux dx uy dy = 0,
(5.18)
(5.19)
(5.20)
75
de diferencias y formando promedios para obtener los valores de promedio de los valores de
las funciones restantes, obtenemos
1
(5.21)
y(R) y(P ) (R) + (P ) x(R) x(P ) = 0,
2
1
y(R) y(Q) (R) + (Q) x(R) x(Q) = 0,
(5.22)
2
1
a(R)(R) + a(P )(P ) ux (R) ux (P )
2
1
1
(5.23)
+ c(R) + c(P ) uy (R) uy (P ) f (R) + f (P ) y(R) y(P ) = 0,
2
2
1
a(R)(R) + a(Q)(Q) ux (R) ux (Q)
2
1
1
+ c(R) + c(Q) uy (R) uy (Q) f (R) + f (Q) y(R) y(Q) = 0,
(5.24)
2
2
1
u(R) u(P ) ux (R) + ux (P ) x(R) x(P )
2
1
uy (R) + uy (P ) y(R) y(P ) = 0.
(5.25)
2
Al lugar de (5.25) podriamos tambien considerar una aproximacin en la direccin :
o
o
1
ux (R) + ux (Q) x(R) x(Q)
2
1
uy (R) + uy (Q) y(R) y(Q) = 0.
2
Las ecuaciones de diferencias (5.21)(5.25) entregan un mtodo que es consistente de segundo
e
orden con (5.15)(5.19) si todos los tamaos de paso se eligen del mismo orden de magnitud.
n
En virtud de los datos iniciales puestos en , todos los valores de funciones en los puntos P y
Q son conocidos (Tarea). Las cantidades que hay que determinar son las cinco desconocidas
u(R) u(Q)
(5.26)
Entonces, tenemos que resolver un sistema de cinco ecuaciones no lineales en cinco desconocidas.
Aplicando el mtodo (5.21)(5.25) a una familia de puntos P1 , . . . , PN obtenemos los
e
datos (5.26) en una sucesin de puntos arriba de , y desde all se puede seguir con el mtodo
o
e
(ver Figura 5.3). As el dominio de computacin queda acotado por las dos caracter
,
o
sticas
l
mites por P1 y PN . El dominio incluido por estas dos caracter
sticas se llama dominio de
determinacin de la solucin de (5.12) asociado con sel segmento [P1 , PN ] .
o
o
Se puede demostrar que el mtodo de caracter
e
sticas es convergente de segundo orden.
5.2.2. Mtodo predictor-corrector. Discutiremos ahora la solucin del sistema de ecuae
o
ciones no lineales, proponiendo el mtodo predictor-corrector. Para la computacin de la
e
o
primera solucin aproximada (del predictor) utilizamos frmulas expl
o
o
citas al lugar de las
cuatro ecuaciones impl
citas (5.21)(5.24). Luego, despus de la solucin de estas ecuaciones,
e
o
se calcula la primera aproximacin de u(R) desde la quinta ecuacin (5.25). Con la ayuda
o
o
76
P1
...
Pi
...
PN
c(0) := c(P ),
p
(0) := (Q),
c(0) := c(Q),
q
(0)
fp := f (P ),
(0)
fq := f (Q),
(0) := a(Q)(Q),
q
y para = 1, . . . , K 1:
1
2
1
:=
2
1
:=
2
1
:=
2
1
2
1
:=
2
1
:=
2
1
:=
2
() :=
() (R) + (P ) ,
c() :=
p
()
() (R) + (Q) ,
c()
q
f () (R) + f (P ) ,
()
p
f () (R) + f (Q) ,
()
q
()
fp
()
fq
y para = 0, . . . , K 1:
()
1 := () x(P ) y(P ),
()
2 := () x(Q) y(Q),
()
()
3 := () ux (P ) + c() uy (P ) fp y(P ),
p
p
()
()
4 := () ux (Q) + c() uy (Q) fq y(Q),
q
q
77
y para = 1, . . . , K 1:
1 ()
u (R) + ux (P ) ,
2 x
1 ()
:=
u (R) + uy (P ) ,
2 y
u() :=
x
u()
y
1
0
0
x
(R)
1
()
(+1)
()
1
0
0 y
(R) 2
=
,
()
()
() (+1)
0 fp
ux (R) ()
p cp
3
0
()
fq
()
()
cq
(+1)
uy
(R)
(5.27)
()
Los coecientes que aparecen en la matrix y en el vector del lado derecho de (5.27)
son funciones de a, b, c y f y por lo tanto funciones de x, y, u y u en los puntos
P , Q y R() . Se calculan utilizando la solucin determinada en el paso anterior (con
o
el
ndice ).
3. Ponemos
x(R) := x(K) (R),
ux (R) := u(K) (R),
x
78
rectas.
2. Sean a x2 , b 0, c 1, G := {(x, y) : x > 0} R2 , y := {(x, y) : x > 0, y =
0} G. Las ecuaciones (5.15) y (5.16) implican
dy
dx
1,2
1
= ,
x
x > 0.
y1 (x) = log x + d,
y2 (x) = log x + d,
d R.
x R,
t > 0,
x R,
(5.28)
x R.
= x ct,
=
+
,
x
=c
t
(, ) = u(x, t)
(, ) = P () + Q(),
c > 0,
(5.29)
79
pp
p
t Tp p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p p pppp
e
p
ppp e
1
1
pppp e t2 = x + const.
t1 = x + const.
ppp e
p
c
c
p
x ct
pp
pp
ppp
ppp
ppp
ppp
ppp
ppp
pp
e
e
e
e
e
e
x + ct
tn
uj,n+1
tn+1
v
uj1,n
tn1
xj1
uj,n
uj,n1
xj
uj+1,n
xj+1
1
1
f (x + ct) + f (x ct) +
2
2c
x+ct
g() d.
(5.30)
xct
80
j Z,
n N0 ,
y los siguientes cuocientes de diferencias de segundo orden para aproximar las derivadas en
(5.28):
uj,n+1 = 2(1 c2 2 )ujn + c2 2 (uj+1,n + uj1,n ) uj,n1 ,
(5.32)
t
j Z, n N, :=
,
x
donde ujn u(x, tn ). Este mtodo conecta 5 puntos de la malla segn el esquema de la
e
u
Figura 5.5. Para la computacin de la capa de t nmero n + 1 necesitamos los valores de las
o
u
funciones de las dos capas que estn debajo, por lo tanto tenemos que resolver el problema de
a
calcular los valores numricos en la primera capa t1 , es dedir, en los puntos de malla (xj , t).
e
Dado que el mtodo (5.32) es de segundo orden de consistencia en t y x, queremos
e
mantener el segundo orden de consistencia tambin al calcular la primera capa de tiempo.
e
En virtud de (5.28) obtenemos mediante un desarrollo en serie de Taylor:
t2 2
u(x, t) = f (x) + tg(x) +
c f (x) + O(t3 ),
2
lo que corresponde a la aproximacin
o
(5.33)
c2 2
(fj1 2fj + fj+1 ), j Z.
(5.34)
2
Por otro lado, extendiendo el desarrollo en serie de Taylor en (5.33) podemos lograr aproximaciones mas exactas; por ejemplo, (5.28) implica que
uj1 = fj + tgj +
t2 2
t3 2
c f (x) +
c g (x) + O(t4 ),
2
6
lo que motiva la aproximacin de tercer orden
o
u(x, t) = f (x) + tg(x) +
c2 2
c2 2
(fj1 2fj + fj+1 ) + t
(gj1 2gj + gj+1 ), j Z. (5.35)
2
6
Por supuesto, si podemos calcular las derivadas de f y g en forma expl
cita, no es necesario
utilizar las aproximaciones por diferencias en (5.34) y (5.35).
uj1 = fj + tgj +
estudiar desde un punto de vista puramente geomtrico bajo qu condiciones (5.32) no puede
e
e
converger a la solucin de (5.28) para x, t 0.
o
La ecuacin (5.32) implica que el valor de la solucin aproximada en el punto (x , t )
o
o
depende precisamente de los datos iniciales en los puntos de malla en el intervalo
x x
t ,x +
t
I := x
t
t
81
t
t t
t
t
t
t
d
t
t
t
t d t
t
t
d
t
t
t
t
t
t
dt
d
I
d
t
dtE
t
t
t
t
t
t
t
t
x
t
t
x +
x
t
t
T
v
v
v
v
v
v
v
v
d
(
d
d
(
v
v
v
v
v
v
v
(
d
(
d
(
d
t
(
d
x
v
v (
v
v
v dv
v
(
d
(
d
(
d
d
} ( v
m
m d E
}
v
v
v
v
v
v
x
x + ct T
x
T ct
x
t
t
x +
x
t
t
Figura 5.7. Satisfaccin de la condicin CFL para t/x 1/c. Los subo
o
intervalos del eje x limitados por c
rculos grandes abiertos () y cerrados ()
son los intervalos de dependencia anal
tica y numrica del punto (x , t ), rese
pectivamente.
del eje x. El intervalo I se llama intervalo de dependencia numrica del punto de malla
e
(x , t ), ver Figura 5.6.
Ahora, si
c =
ct
x
1,
82
t
t
T
v
v
v
v
v
v
5
d
5
d
5
d
5
d
5
v
v
v
v
v
v
v
v
v
5
d
5
d
5
d
t
5
d
5
x
5 v
dv
v
v 5
v
v
v
v
v
d
5
d
5
}
} m E
v m
v
v
v
v
v
v
v
v
d
x ct
x
t
t
x +
x + ct
x
t
t
Figura 5.8. Violacin de la condicin CFL para t/x > 1/c. Los subo
o
intervalos del eje x limitados por c
rculos grandes abiertos () y cerrados ()
son los intervalos de dependencia anal
tica y numrica del punto (x , t ), rese
pectivamente.
entonces
t
x
1
c
[x ct , x + ct ] de este punto, ver Figura 5.7. Por otro lado, si > 1/c y dejamos x y t
tender a cero, entonces llegamos a un intervalo de dependencia de (x , t ) que intr
nsicamente
est contenido en el intervalo de dependencia anal
a
tica, ver Figura 5.8. Por lo tanto, en este
caso el mtodo (5.32) no puede converger. Tenemos el siguiente teorema.
e
Teorema 5.2 (Condicin de Courant, Friedrichs y Lewy (CFL)). Una condicin necesaria
o
o
para que la solucin de (5.32) converge en (x , t ) hacia la solucin de (5.28) para x, t 0
o
o
y datos iniciales f (x) y g(x) arbitrariamente suaves es la condicin que el intervalo de
o
dependencia numrica de (x , t ) incluya el intervalo de dependencia analtica de este punto.
e
83
c2 2 2
( uj,n+1 + 2 uj,n1 ),
2
o equivalentemente,
c2 2
c2 2
uj1,n+1 + (1 + c2 2 )uj,n+1
uj+1,n+1
2
2
(5.36)
c2 2
c2 2
2 2
uj1,n1 (1 + c )uj,n1 +
uj+1,n1 .
= 2ujn +
2
2
Una sla aplicacin del esquema (5.36) conecta 7 puntos de la malla. La evaluacin numrica
o
o
o
e
de (5.36) se realiza para cada capa de t mediante la solucin de un sistema de ecuaciones
o
lineales cuya matriz es una M-matriz simtrica, por lo tanto la solucin de (5.36) es unica y
e
o
no pone problemas.
Otra posibilidad de aproximacin es la frmula
o
o
c2 2 2
( uj,n+1 + 2 2 ujn + 2 uj,n1 ),
4
o equivalentemente,
c2 2
c2 2
c2 2
uj1,n+1 + 1 +
uj,n+1
uj+1,n+1
4
2
4
c2 2
c2 2
=
uj1,n + (2 c2 2 )ujn +
uj+1,n
2
4
c2 2
c2 2
c2 2
+
uj1,n1 1 +
uj,n1 +
uj+1,n1 .
4
2
4
(5.37)
El esquema (5.37) conecta 9 puntos. Igualmente, tal como para el mtodo (5.36), la solucin
e
o
de (5.37) requiere la solucin de un sistema de ecuaciones lineales.
o
Los mtodos (5.36) y (5.37) son consistentes de segundo orden en t y x, lo que se
e
puede demostrar facilmente calculando el error de truncacin local (Tarea). Tambin se
o
e
puede demostrar la convergencia de estos mtodos para x, t 0 y > 0 arbitrario (ver
e
Richtmyer & Morton 1967).
5.3.4. Ecuacin de la onda con datos iniciales y de frontera. Hasta ahora solamente
o
hemos considerado el problema de valores iniciales para la ecuacin de la onda. Sin embargo,
o
frecuentamente esta ecuacin aparece con datos inicales y de frontera, por ejemplo en el
o
siguiente problema de valores iniciales y de frontera:
utt (x, t) = c2 uxx (x, t),
0,
u(x, 0) = f (x),
L,
L,
L,
ut (x, 0) = g(x),
u(0, t) = 0,
0,
u(L, t) = 0,
0.
(5.38)
84
Por supuesto, los datos iniciales y de frontera deben satisfacer ciertas condiciones de compatibilidad. Utilizando un planteo de separacin tambin podemos resolver exactamente el
o
e
problema (5.38). Por otro lado, en otras situaciones se presentan condiciones de periodicidad,
por ejemplo como
utt (x, t) = c2 uxx (x, t),
u(x, 0) = f (x),
ut (x, 0) = g(x),
x R,
0,
x R,
x R,
(5.39)
x R.
0,
El tratamiento numrico de (5.38) y (5.39) puede ser realizado mediante el mtodo (5.32),
e
e
(5.36) o (5.37). Debido a la periodicidad, el problema (5.39) debe ser resuelto slo en el
o
intervalo 0 x L, y para la computacin de cada capa de t se pueden utilizar los puntos
o
de malla en [0, L] a la izquierda y a la derecha.
5.3.5. Mtodos de diferencias nitas para sistemas hiperblicos de primer orden.
e
o
Ya mencionamos que las ecuaciones diferenciales de segundo orden pueden ser transformadas
en sistemas equivalentes de primer orden. Por ejemplo, denamos
t
1 x
g() d + c
ux (x, ) d, c > 0.
c 0
0
Ahora un clculo directo, con la ayuda de (5.28), entrega las siguientes identidades:
a
w(x, t) :=
u d + g(x) = c2
vt = ut =
0
t
=c c
uxx d + g(x)
0
uxx (x, ) d +
0
g(x)
c
= cwx ,
wt = cux = cvx ,
v(x, 0) = u(x, 0) = f (x),
1 x
g() d =: G(x).
w(x, 0) =
c 0
Entonces, podemos escribir el problema de valores iniciales como
vt (x, t)
wt (x, t)
=c
0 1
1 0
vx (x, t)
,
wx (x, t)
v(x, 0)
w(x, 0)
f (x)
.
G(x)
(5.40)
Sustituyendo
v := ut ,
w := cux
g(x)
.
cf (x)
85
nitas que conectan solamente dos capas de t. Por supuesto, tambin aqu hay que considerar
e
x R,
0,
(5.41)
x R,
donde
u(x, t) =
v(x, t)
,
w(x, t)
(x) =
f (x)
,
g(x)
A=
a b
,
b c
a, b, c R,
(5.42)
En virtud de la Denicin 5.2 y (5.8), (5.42) implica la hiperbolicidad del sistema (5.41).
o
Utilizando (5.7) se puede demostrar facilmente que los valores propios de A1 son las
direcciones caracter
sticas de (5.41). La hiptesis de simetr de A no es una restriccin
o
a
o
esencial, dado que en muchas aplicaciones prcticas A es efectivamente simtrica.
a
e
Sea := t/x. Se puede denir el mtodo de diferencias
e
vj,n+1
wj,n+1
vj,0
wj,0
vj+1,n vj1,n
vjn
,
+ A
wj+1,n wj1,n
wjn
2
fj
, j Z.
gj
j Z,
n N0 ;
(5.43)
Sin embargo, en el Ejemplo 5.2 en la Seccin 5.5 veremos que este mtodo posee propiedades
o
e
de convergencia muy desventajosas y por lo tanto es inutil para la prctica.
a
Otro mtodo (mucho mejor, como veremos en el Ejemplo 5.3 en la Seccin 5.5) es
e
o
vj,n+1
wj,n+1
1
2
vj+1,n vj1,n
vj+1,n + vj1,n
+ A
,
wj+1,n + wj1,n
wj+1,n wj1,n
2
j Z,
n N0 .
(5.44)
Los mtodos (5.43) y (5.44) son mtodos de paso simple que son consistentes de segundo
e
e
orden en x y de primer orden en t.
Otro mtodo consiste en calcular los valores de v en los puntos (jx, nt) y los valores
e
de w en los puntos intermedios ((j + 1/2)x, nt). Esto entrega, por ejemplo,
vj,n+1
wj1/2,n+1
vjn
wj1/2,n
+ A
vj,n+1 vj1,n+1
,
wj+1/2,n wj1/2,n
j Z,
n N0 .
(5.45)
86
Este mtodo es facil de resolver, dado que podemos primero calcular los valores vj,n+1 desde
e
la primera ecuacin (expl
o
cita), luego utilizando los valores vj,n+1 podemos calcular todos los
valores wj1/2,n+1 usando la segunda ecuacin.
o
Otro mtodo para el sistema (5.40) es
e
c
wj+1/2,n wj1/2,n + wj+1/2,n+1 wj1/2,n+1 ,
2
(5.46)
c
wj1/2,n+1 = wj1/2,n +
(vj,n+1 vj1,n+1 + vjn vj1,n ) .
2
Los sistemas de ecuaciones de diferencias (5.45) y (5.46) son equivalentes a las ecuaciones
(5.32) y (5.37), respectivamente, si identicamos vjn con (1/t)(ujn uj,n1 ) y wj1/2,n con
(c/x)(ujn uj1,n ). Esta identicacin es razonable en virtud de la substitucin v = ut y
o
o
w = cux .
vj,n+1 = vjn +
e
iniciales para la ecuacin del calor:
o
ut = uxx , t > 0, x R,
(5.47)
u(x, 0) = f (x), x R.
( x)2
1
exp
u(x, t) =
f () d,
(5.48)
4t
4t R
lo que es fcil de vericar tomando las derivadas bajo la integral. Por otro lado, en virtud de
a
exp(y 2 ) dy =
R
1
4t
exp
( x)2
4t
f () f (x) d,
t > 0.
(5.49)
exp
( x)2
4t
= 0 para = x,
4t
adems el integrando en (5.49) desaparece para = x. Por lo tanto, las funciones (5.49) y
a
(5.48) satisfacen la condicin inicial en (5.47).
o
A travs de la sustitucin
e
o
t0
v := u,
w := ux
87
(5.50)
v(x, 0) = f (x),
x R.
w(x, 0) = f (x),
La ecuacin caracter
o
stica (5.7) para el sistema (5.50) entrega la ecuacin (dt/dx)2 = 0, es
o
decir
t = const.
Entonces, las caracter
sticas de (5.47) es la familia de rectas paralelas al eje x. Adems,
a
(5.48) implica que el comportamiento de la solucin u(x, t) en un punto (x , t ) depende de
o
la funcin inicial f (x) en la totalidad de la recta t = 0, es decir, el intervalo de dependencia
o
de cada punto (x , t ), t > 0, es el eje x entero. Adems, la condicin inicial in (5.47) es dada
a
o
a lo largo de una caracter
stica, al contrario de los problemas de valores iniciales hiperblicos.
o
Normalmente, la ecuacin del calor aparece en la combinacin con datos iniciales y de la
o
o
frontera, por ejemplo como
ut = uxx ,
u(x, 0) = f (x),
u(0, t) = g(t),
t > 0,
t > 0,
u(1, t) = g (t),
1,
1,
t > 0.
(5.51)
5.4.2. Mtodos de paso simple para la ecuacin del calor. Para el tratamiento
e
o
numrico de (5.51) utilizamos la malla de puntos
e
(xj , tn ) = (jx, nt),
j = 0, . . . , N + 1,
n N0 ,
(N + 1)x = 1,
t
,
x2
2 j := j1 2j + j+1
y utilizando las condiciones iniciales y de frontera adicionales de (5.51), obtenemos los siguientes sistemas de ecuaciones:
uj,n+1 2 uj,n+1 = ujn + (1 ) 2 ujn , j = 1, . . . , N,
uj0 = fj , j = 0, . . . , N + 1,
u0n = gn , uN +1,n = gn , n 0.
0,
(5.52)
88
El mtodo es expl
e
cito para = 0 e impl
cito para > 0. Se trata de un mtodo de paso
e
simple que conecta la nueva capa de tiempo (n + 1)t con el peso y la capa antigua con
el peso 1 . Podemos reescribir (5.52) en la forma
(I + B)un+1 = I (1 )B un + g n ,
n N0 ,
(5.53)
2 1 0 0
gn + (gn+1 gn )
.
.
1 2 1 . . .
.
0
.
N N
.. .. ..
RN .
.
B= 0
, gn =
.
.
. 0 R
.
. .
0
. . 1 2 1
.
.
gn + (n+1 gn )
0 0 1 2
t2 4 u
2u
(xj , tn ) +
(xj , tn ) + O(t3 ),
x2
2 x4
2u
1 2
x2 4 u
u(xj , tn ) =
u(xj , tn )
(xj , tn ) + O(x4 ).
2
2
4
x
x
12 x
Insertando (5.55) en (5.54) obtenemos
u(xj , tn+1 ) u(xj , tn ) = t
t x2
2
12
4
2
+ t O(x ) + O(t ) .
(5.54)
(5.55)
4u
(xj , tn )
x4
2
12
4
2
+ t O(x ) + O(t ) .
4u
(xj , tn+1 )
x4
(5.56)
89
El resultado (5.56) implica que (5.52) es consistente a (5.51); en particuar, para el caso
expl
cito ( = 0) la seleccin = 1/6 entrega un orden de consistencia mayor que para
o
= 1/6. Este resultado interesante fur observado por Milne en 1953. El mtodo para = 1/2
e
se llama mtodo de Crank-Nicolson (1947) y se usa frecuentemente debido a su alto orden
e
de consistencia. Obviamente, un mtodo expl
e
cito posee la ventaja de que no es necesario
resolver sistemas de ecuaciones diferenciales. Conoceremos sus desventajas ahora al investigar
las propiedades de convergencia.
En lo siguiente, no consideraremos errores de redondeo o de ingreso de datos. Sea
zjn := ujn u(xj , tn ),
j = 0, . . . , N + 1,
n = 0, . . . , M
el error entre la solucin exacta y la solucin aproximada. Supongamos que las computaciones
o
o
se realizan hasta un tiempo nito y jo T = M t. Denamos
z n := (z1n , . . . , zN n )T RN ,
n = 0, . . . , M
y consideremos que
ujn = u(xj , tn ) para n = 0, j = 0 y j = N + 1
y por lo tanto
z0n = zN +1,n = zj0 = 0,
j = 0, . . . , N + 1,
n = 0, . . . , M.
(5.57)
n = 0, . . . , M 1,
(5.58)
donde denimos
C := (I + B)1 I (1 )B RN N ,
n := (I + B)1 n RN ,
n := (1n , . . . , N n )T RN .
:=
1
N
1/2
N
2
yi
i=1
1
1
si 0 < ,
2(1 2)
2
(5.59)
1
arbitrario
si
1.
2
Entonces la simetr de C entrega despus de un pequeo clculo
a
e
n a
C
= r (C) < 1,
90
< 1,
y por lo tanto
n
n 2.
2
2
zn
n = 0, . . . , M 1 =
+ t n 2 ,
T t
,
t
(5.60)
= 0.
Puesto que
n
mx |jn |,
a
1 j N
0 n M
n 2,
n = 0, . . . , M.
(5.61)
Teorema 5.3. Bajo la condicin (5.59) la solucin del mtodo de diferencias (5.52) converge
o
o
e
para x, t 0 a la solucin de (5.51) en la norma Euclidiana, y del orden indicado por
o
(5.61). Aqui se supone que la solucin de (5.51) es sucientemente suave.
o
Comentamos que (5.59) implica que para 1/2 no es necesario imponer restricciones
a t/x2 .
En la Seccin 5.5 veremos que (5.59) esencialmente tambin es necesario para la convero
e
gencia.
5.4.3. Mtodos de dos pasos para la ecuacin del calor. Enseguida discutiremos dos
e
o
mtodos de dos pasos para el tratamiento numrico de (5.47) y (5.51), respectivamente.
e
e
Desde un punto de vista naivo, se podria considerar el siguiente mtodo
e
uj,n+1 = uj,n1 + 2 2 ujn ,
j = 1, . . . , N,
1.
(5.62)
En la Seccin 5.5 veremos que este mtodo es enteramente inutil, puesto que no converge
o
e
para ningn valor de , tan pequeo que sea.
u
n
Por otro lado, s se recomienda el uso del mtodo de Du Fort y Frankel (1953):
e
uj,n+1 = uj,n1 + 2(uj+1,n uj,n+1 uj,n1 + uj1,n ),
j = 1, . . . , N,
1.
(5.63)
91
Veremos en la Seccin (5.5) que el mtodo (5.63) tiene muy buenas propiedades de convergeno
e
cia. Puesto que, adems, el mtodo es expl
a
e
cito, requiere slo poco esfuerzo computacional.
o
Sin embargo, queremos destacr una particularidad de la consistencia de (5.63). Algunos
desarrollos en serie de Taylor de la solucin exacta entregan las siguientes identidades:
o
1
u
t2 3 u
u(xj , tn+1 ) u(xj , tn1 ) =
(xj , tn ) +
(xj , tn ) + O(t4 ),
2t
t
6 t3
1 2
2u
x2 4 u
u(xj , tn ) =
(xj , tn ) +
(xj , tn ) + O(x4 ),
12 x4
x2
x2
1
u(xj+1 , tn ) u(xj , tn+1 ) u(xj , tn1 ) + u(xj1 , tn )
x2
1 2
t2 2 u
t4
=
u(xj , tn )
(xj , tn ) + O
.
x2
x2 t2
x2
Debido a ut = uxx la combinacin de esas tres ecuaciones lleva a
o
u(xj , tn+1 ) u(xj , tn1 ) u(xj+1 , tn ) u(xj , tn+1 ) u(xj , tn1 ) + u(xj1 , tn )
2t
x2
t2 3 u
x2 4 u
t2 2 u
(xj , tn ) +
(xj , tn )
(xj , tn )
=
6 t3
12 x4
x2 t2
t4
+O
+ O(x4 ) + O(t4 ).
x2
Aqui vemos que una condicin necesaria para la consistencia de (5.63) con la ecuacin del
o
o
calor ut = uxx es
t
= 0,
x,t0 x
l
m
x,t0
t
= ,
x
o
util para lograr esto.
92
: R I Cp .
A = (aik ),
i, k = 1, . . . , p,
()
aik =
aik (x)
=0
,
x
()
aik : R I C,
E0 (t)u0 = u(t),
u0 D.
E0 (t)
KE .
La segunda condicin (b) dice que cada solucin clsica u(t) de (5.64) depende contio
o
a
nuamente de la funcin inicial u0 D X. La primera condicin (a) dice que cualquier
o
o
funcin inicial u0 X puede ser aproximada arbitrariamente exactamente por una funcin
o
o
inicial que pertenece a D. Adems, E0 (t) posee una extensin lineal y continua bien denida
a
o
E(t) : X X denida sobre todo el espacio X con
E(t) = E0 (t)
para t [0, T ].
u0 X,
0.
(5.65)
Comentamos que los problemas de valores iniciales estudiados en las dos secciones anteriores son correctamente puestos.
93
donde
l (t) = 0.
m
t0
(5.66)
n = 0, . . . , N 1 =
T t
,
t
donde
B( )T ,
B (t) =
||<
B ( ) Cpp ,
= 0, 1.
(5.67)
n = 0, . . . , N 1.
(5.68)
Denicin 5.4. La aproximacin por diferencias nitas (5.68) se llama consistente a (5.64)
o
o
si para cada solucin intrnsica u(t), t [0, T ], de una clase U X de funciones cuyas
o
(5.69)
La expresin
o
1
u(t + t) C(t)u(t)
t
se llama error de truncacin de la aproximacin (5.68).
o
o
Denicin 5.5. La aproximacin por diferencias nitas (5.68) se llama convergente si para
o
o
cada sucesin {j t}jN tal que j t 0 para j y cada sucesin {nj }jN , nj N tal
o
o
que nj j t t para j con t [0, T ] arbitrario, y cualquier funcin inicial u0 X,
o
tenemos para la solucin u(t) X (posiblemente se trata de una solucin generalizada) de
o
o
(5.64) correspondiente:
l C(j t)nj u0 u(t) = 0.
m
(5.70)
94
t > 0
(5.71)
Lema 5.1. Si para cada u X existe una constante K(u) > 0 tal que
C n (t)u
K(u)
entonces existe una constante K tal que se satisface la condicin de estabilidad (5.71).
o
Demostracin. Ver Richtmyer & Morton (1967), 2.5.
o
Teorema 5.4 (Teorema de equivalencia de Lax). Sea el problema de valores iniciales (5.64)
correctamente puesto, y sea (5.68) consistente a (5.64). Entonces la estabilidad de los operadores de diferencias C(t) en (5.68) es equivalente con la convergencia de (5.68).
Demostracin.
o
1. Primero demostramos que la convergencia implica la estabilidad. Para tal efecto, notamos primero que para t > 0, los operadores C(t) : X X son lineales y continuos.
Supongamos ahora que (5.71) no es vlido. Entonces, existen una funcin u0 X y
a
o
sucesiones {j t}jN y {nj }jN , nj N, j N y nj j t [0, T ] tales que
C(j t)nj u0 para j .
(5.72)
j t 0,
puesto que sino la sucesin {nj }jN ser acotada y en virtud de la dependencia contio
a
nua de C(t) de t > 0, (5.72) no podria ser vlido. Entonces existe una subsucesin
a
o
u
{j }N tal que nj j t t0 para y algn t0 [0, T ]. En virtud de (5.72)
tenemos que la condicin de convergencia (5.70) no puede estar satisfecha, puesto que
o
debido a la hiptesis de la correctitud del problema (5.64), el valor
o
E(t0 )u0 = u(t0 )
nj 1
k=0
(5.73)
95
para k = 0, . . . , nj 1.
Adems, la condicin de consistencia (5.69) implica que para cada > 0 existe un
a
o
nmero > 0 tal que para j t < y k = 0, . . . , nj 1 se tiene que
u
C(j t) E(j t) u (nj 1 k)j t
j t.
Knj j t
KT para j t < .
(5.74)
(5.75)
s := |t nj j t|,
obtenemos de (5.65)
E(nj j t) E(t) = E(s) I ,
donde + y son vlidos para t < nj j t y t
a
concluimos que
E(nj j t) E(t) u0
KE
nj j t, respectivamente. Ahora
E(s) I u0 ,
(5.76)
j +
E(nj j t) E(t) u0 ,
96
(5.77)
Aqu se supone que un , . . . , un+q1 son conocidas, y que hay que calcular un+q desde (5.77).
Para q = 1, nos encontramos en el caso especial (5.64). Para admitir una solucin unica, la
o
inversa (B q (t))1 debe existir; ahora denimos
C (t) := B q (t)
= 0, . . . , q 1,
B (t),
(5.78)
Ahora consideramos
un := (un+q1 , . . . , un )T ,
n N0 ,
u X
para
X := X q = X X .
= n, . . . , n + q 1
n+q1
un :=
= n, . . . , n + q 1 es la
=n
C q1 (t) C 0 (t)
I
0
0
0
.
..
..
. , t > 0.
.
.
0
.
C(t) :=
.
.
..
..
..
.
.
.
.
.
.
.
0
0
I
0
un+1 = C(t) n .
u
97
: R Cp ,
(u, v) :=
0
=1
y la norma
u := (u, u)1/2 .
Ahora, el espacio de Hilbert es
X := u : R Cp : u(x) = u(x + L) para x R; (u, u) < .
(5.79)
Cada funcin u X puede ser representada como serie de Fourier en exactamente una
o
manera. Por ejemplo, si denimos
L := {k = 2m/L : m Z},
podemos escribir
1
u(x) =
L
ck eikx ,
kL
x R;
1
ck =
L
eikx u(x) dx Cp ,
k L.
(5.80)
Denimos
(p) T
(1)
ck := ck , . . . , ck
Cp
y la sucesin c = {ck }kL . Entre dos sucesiones c y d de este tipo denimos la forma bilineal
o
p
()
()
ck dk
(c, d) :=
=1 kL
y la norma
c := (c, c)1/2 .
Ahora sea V el espacio de Hilbert
V := c = {ck }kL : ck Cp , (c, c) < .
(5.81)
:X
u c V.
98
Es fcil ver que la aplicacin es biyectiva y lineal. Adems, en virtud de (5.80), sabemos
a
o
a
que
p
=
0
1
L
=1
p
() ()
ck cl
=1 k,lL
p
() 2
ck
= (c, c) = c 2 .
=1 kL
v(x) = (T u)(x) = T
1
=
L
1
=
L
1
=
L
ck eikx
kL
ck T eikx
kL
ck eikx eikx
kL
dk eikx ,
kL
para k L,
B ( ) T : X X,
= 0, 1
99
eikx B ( ) Cpp ,
k L.
= 0, 1,
Deniendo
G(t, k) := H 1 (t, k)H 0 (t, k),
1
k L,
n = 0, . . . , N 1,
kL
= C(t)1 .
(5.82)
Aqu las matrices G(t, k) Cpp son las matrices de amplicacin asociadas a C(t), y
o
2 es la norma espectral.
Demostracin.
o
a) Escogemos un elemento arbitrario k L y ck Cp tal que
ck
= 1,
Gn (t, k)ck
= Gn (t, k)
1
u(x) := ck eikx X.
L
Sabemos que u = 1, y en virtud del anlisis anterior,
a
Gn (t, k)
= Gn (t, k)ck
= C n (t)u
C n (t) ,
C n (t) .
b) Sea u X tal que u = 1. Si {ck }kL son los coecientes de Fourier de u, entonces
sabemos que
ck
kL
2
2
= u
= 1,
100
y luego
C n (t)u
Gn (t, k)ck
2
2
kL
sup Gn (t, k)
kL
n
= sup G (t, k)
kL
2
2
ck
2
2
kL
2
.
2
sup Gn (t, k) 2 .
kL
1 + O(t)
para t (0, ], k L.
(5.83)
Demostracin. Sea (5.68) convergente. En virtud de los Teoremas 5.4 y 5.5 obtenemos la
o
validez de (5.82). Sin prdida de generalidad sea K > 1, donde K es la constante que
e
n
aparece en (5.82). Puesto que r (G) = r (Gn )
Gn 2 tenemos que r (G)
K 1/n , y en
particular
r (G)
IT 0 + A(T 1 T 1 )
2
vj,n
,
wj,n
t
.
x
101
k L,
t > 0.
(5.84)
Dado que segn hiptesis, la matriz A R22 es simtrica, podemos chequear facilmente que
u
o
e
1/2
En virtud de r (A) > 0, esto implica que la condicin de von Neumann (5.83) est satisfecha
o
a
para todo [0, 2] si y slo si
o
t
0 :
.
(5.85)
x2
Por lo tanto, (5.85) es equivalente con la convergencia del mtodo. Dado que la relacin
e
o
(5.85) es muy deventajosa, no se puede recomendar este mtodo.
e
Ejemplo 5.3. Se examina el mtodo (5.44) de la Seccin 5.3, el cual puede ser escrito en
e
o
la forma
1
t
vj,n
vj,n+1
I(T + T 1 ) + A(T 1 T 1 )
.
=
, =
wj,n+1
wj,n
2
2
x
Deniendo := kx obtenemos las matrices de amplicacin correpondientes
o
G(t, k) = cos I + i sin A C22 ,
k L,
t > 0.
Tal como en el Ejemplo 5.2 vemos que G es normal. Si 1 , 2 R son los valores propios
de A, entonces los valores propios 1 , 2 C de G satisfacen
|j |2 = cos2 + 2 2 sin2 ,
j
j = 1, 2,
1
r (A)
(5.86)
es equivalente con (5.83) y por lo tanto con la convergencia del mtodo, puesto > 0 se
e
considera jo. Para cualquier constante que no satisface (5.86) el mtodo ya no converge.
e
Ejemplo 5.4. Se examina el mtodo (5.45) de la Seccin 5.3, el cual entrega la matrices de
e
o
amplicacin
o
1
ia
G(t, k) =
a := 2c sin , := kx.
(5.87)
2 ,
ia 1 a
2
Aqu G no es normal. La matriz G posee los valores propios
1
a
4 a2 .
(5.88)
1,2 = 1 a2 i
2
2
Segn el Teorema de Schur existe una matrix unitaria U tal que
u
G = U U ,
con U = U 1 C22 ,
102
1 1
1 1
b
a , b := a a 4 a2 + i a2 1
= 1
, U=
2 1
.
0 2
1
2
2
i
1
a
m A
M A ,
sabemos que (5.82) se satisface si y slo si todos los elementos de n , n N0 son uniforo
mamente acotados. En nuestro caso,
n bpn
= 1
n ,
0 2
n
n1
n1
1 2
,
pn =
=0
n N.
(5.89)
|a|,
|1 | = |2 | = 1.
:= 2 1 c2 2 > 0.
n
n
1 2
pn =
si a = 0.
1 2
Ademas chequeamos que |b| 4|a|, por lo tanto
8
|bpn |
, n N,
lo que signica que (5.82) se satisface para (t, k), y el mtodo converge.
e
Supongamos ahora que
1
.
c
En el caso > 1/c, para algunos = kx la condicin de von Neumann (5.83) ya no se
o
cumple, y el mtodo ya no converge. Para = 1/c tenemos que a2 = 4 para ciertos y
e
debido a (5.88) 1 = 2 = 1. Utilizando (5.89) se tiene en este caso
n = (1)n
1 nb
,
0 1
n N.
Puesto que b = 0 (acordndonos que G no es normal) vemos que (5.82) no est satisfecha y
a
a
por lo tanto el mtodo no converge.
e
103
Ejemplo 5.5. Consideremos el mtodo (5.46) de la Seccin 5.3. Las matrices de amplicae
o
cin para este mtodo son
o
e
a2
ia
1 1 4
G(t, k) =
a := 2c sin .
2,
2
a
2
a
ia
1
1+
4
4
todo a R. Entonces, la condicin (5.82) est satisfecha para todo > 0, lo que implica la
o
a
convergencia del mtodo para todo valor de = t/x > 0. Tales mtodos de diferencias
e
e
se llaman incondicionalmente estables.
Ejemplo 5.6. Consideremos el mtodo (5.52) de la Seccin 5.4. Este mtodo puede ser
e
o
e
escrito como
I (T 1 2I + T ) uj,n+1
= I + (1 )(T 1 2I + T ) uj,n ,
[0, 1],
t
.
x2
= kx.
para t > 0, k L.
2(T 1 2I + T ) I
I
0
ujn
,
v jn
t
.
x2
4(1 cos ) 1
,
1
0
= kx.
(5.90)
1 + 2 < 0,
por lo tanto r (G) > 1 para cos = 1 y cada valor jo > 0. Entonces, no est satisfecha
a
la condicin de Neumann (5.83), y vemos que el mtodo es inutil.
o
e
104
Ejemplo 5.8. Consideremos el mtodo (5.63) de la Seccin 5.4. Tal como en el ejemplo
e
o
anterior, transformamos el mtodo a un mtodo de paso simple. Aqu obtenemos las matrices
e
e
de amplicacin
o
4 cos 1 2
t
G(t, k) = 1 + 2 1 + 2 , =
, = kx.
x2
1
0
2 cos
1 42 sin2
,
(5.91)
1 + 2
lo que implica que |1 | 1, |2 | 1 para todo > 0 y R.
Podemos proceder como en el Ejemplo 5.4 analizando las potencias de la matriz triangular
(, k) (ver (5.89)). Para 1/2 podemos concluir (como en el Ejemplo 5.4) que (5.82) es
vlido. Nos queda para analizar el caso > 1/2. Aqui distinguimos dos casos de los valores
a
propios.
a) Si 1 , 2 R, un pequeo clculo (utilizando (5.91)) verica que
n a
2
m |1 |, |2 |
n
< 1,
1 + 2
lo que implica
1,2 =
|pn |
1 + 2,
n N.
Esto nos permite concluir que (5.82) queda vlido para (t, k).
a
b) Si 1 , 2 R, podemos calcular (utilizando (5.91)) que
2
2
|1 | = |2 | =
42 1
=: 2 < 1.
42 + 4 + 1
n n1 ,
n N,
lo que signica que tambin en este caso las potencias en (5.89) estan uniformamente
e
acotadas.
Cocluimos que el mtodo converge para todo > 0, es decir, el mtodo es incondicionalmente
e
e
estable.
Los resultados de convergencia son vlidos en la norma L2 , dado que esta norma aparece
a
en la transformacin de Fourier. Tambin existen anlises de convergencia en otras normas.
o
e
a
Por supuesto, toda la teor puede ser extendidad al caso de varias variables espaciales.
a
Cap
tulo 6
d
dx
dy
dx
p(x)
+ q(x)y = g(x)
(6.1)
b
a
(6.2)
Cada funcin y = y(x), y C 2 [a, b], que minimiza I[u], es decir, que satisface
o
u C 2 [a, b] :
I[y]
I[u],
necesariamente es una solucin de la ecuacin diferencial ordinaria (6.1). Por otro lado, bajo
o
o
ciertas hiptesis una solucin y = y(x), y C 2 [a, b], de (6.1) tambin es una solucin del
o
o
e
o
!
problema variacional I[u]= m Es la equivalencia entre ambos problemas que forma el funn.
damento de los mtodos que vamos a discutir ahora, y que se llaman mtodos variacionales.
e
e
Basicamente la idea de estos mtodos es la solucin aproximada del problema variacional,
e
o
pero donde uno no se limita a funciones en C 2 [a, b]. La solucin aproximada del problema
o
variacional tambin es considerada una solucin de la ecuacin diferencial.
e
o
o
Consideremos la ecuacin (6.1) junto con las condiciones de borde
o
y(a) = ,
y(b) = .
(6.3)
Q(x) :=
de manera que
Q(a) = ,
Q(b) = ,
dQ
=
,
dx
ba
LQ =
bx
ax
,
ba
ba
y deniendo h(x) := g(x) f (x), podemos escribir el problema de valores de frontera como
(Lz)(x) = h(x),
z(a) = z(b) = 0.
105
6. INTRODUCCION A LOS ELEMENTOS FINITOS
106
p C 1 [a, b],
q, g C 1 [a, b],
p(x)
p0 > 0,
q(x)
0,
x [a, b].
(6.5)
Se puede demostrar que en este caso, el problema (6.4) posee una unica solucin y C 2 [a, b].
o
El dominio D del operador diferencial L es el conjunto de todas las funciones en C 2 [a.b]
que desaparecen en a y b:
D := u C 2 [a, b] | u(a) = u(b) = 0 .
Lu = g,
(6.6)
Bajo las hiptesis (6.5) existe una unica solucin de este problema.
o
o
Ahora denimos el producto escalar
b
u(x)v(x) dx,
(u, v) :=
a
u, v L2 [a, b]
y la norma
u
:= (u, u)1/2 .
(u, T v) = (T u, v)
se llama simtrico o autoadjunto sobre DT . Adems, este operador se llama denido positivo
e
a
si
u DT :
u 0 = (T u, u) > 0.
(u, Lv) =
a
= u(x)p(x)v (x) +
a
(6.7)
(Lu, u) =
p(x) u (x)
a
+ q(x) u(x)
dx
u (x)
p0
q(x) u(x)
dx +
107
dx
a
b
p0
(b a)2
u(x)
dx > 0.
u(x)
=
a
12 d
1 u () d
u ()
(b a)
u ()
d,
u(x)
dx
(b a)
u ()
a
d dx = (b a)2
u ()
d.
u, v D :
Pero la integral no existe slo para u, v D, sino que tambin (por ejemplo) para funcioo
e
nes diferenciables por trozos cuyas primeras derivadas son cuadraticamente integrables. En
general, consideraremos el espacio de funciones V r [a, b), donde w V r (a, b) si y slo si se
o
cumplen las siguientes condiciones:
a) w C r1 [a, b].
b) Con la excepcin de un nmero nito o a lo ms contable de puntos, w(r1) es difeo
u
a
renciable en [a, b].
c) La funcin w(r) (x) es cuadraticamente integrable sobre [a, b], donde r N {0}.
o
d) Adems, se requiere que
a
b
V r (a,b)
1/2
r
( )
w (x)
:=
a
< .
dx
=0
(6.8)
V 0 (a,b)
=
a
|w(x)| dx
= w
< ,
fi+1 fi
fi+1 fi
(x xi ) + fi =
(x xi ) + fi ,
xi+1 xi
h
x [xi , xi+1 ]
6. INTRODUCCION A LOS ELEMENTOS FINITOS
108
son elementos de V 1 (a, b), puesto que s C 0 [a, b] y s (x) es diferenciable en todas partes
con la excepcin de los nodos x1 , . . . , xn1 . Finalmente, para f C 1 [a, b] resulta
o
s (x) =
fi+1 fi
= f (i ),
h
i [xi , xi+1 ],
s (x)
a
+ s (x)
n1
xi+1
dx =
s (x)
i=0
xi
+ s (x)
dx < .
Ahora sea
D := w V 1 (a, b) | w(a) = w(b) = 0 ,
[u, v] :=
u, v D.
(6.9)
y segn (6.10),
u
I[y] = [y, y] 2(y, g) = (y, Ly) 2(y, Ly) = (y, Ly) = [y, y].
La simetr de [, ] implica que
a
109
tal que
[u y, u y] > 0,
I[y]
0 para
I[u],
1 , . . . , M R.
v=
=1
,
=1
=1
, g
=1
(6.11)
=
,=1
[ , ] 2
( , g)
=1
=: (1 , . . . , M ).
Los nmeros 1 , . . . , M se determinan de tal forma que (1 , . . . , M ) asume su m
u
nimo.
Una condicin necesario para que eso ocurra es la condicin
o
o
M
1 (1 , . . . , M )
1
=
[ , ]
2
i
2 ,=1
+
i
i
(i , g) = 0.
Dado que
k
= ik =
i
1 si i = k,
0 sino,
podemos escribir
1
2
1
[i , ] +
2
=1
[ , i ] =
=1
[i , j ]j ,
j=1
6. INTRODUCCION A LOS ELEMENTOS FINITOS
110
j=1
[i , j ]j (i , g) = 0,
i = 1, . . . , M.
Deniendo
a11
.
A := .
.
aM 1
obtenemos el sistema
aij := [i , j ], bi := (i , g),
a1M
b1
1
. , b := . , := . ,
.
.
.
.
.
.
aM M
bM
M
A = b.
(6.12)
(6.13)
La matriz A es simtrica. Para ver que tambin es denida positiva, supongamos que k =
e
e
(k1 , . . . , kM )T = 0. Entonces
M
i=1
ki i =: w DM ,
w 0,
y calculamos que
M
0 < [w, w] =
aij ki kj = kT Ak,
[i , j ]ki kj =
i,j=1
i,j=1
es decir, A es denida positiva; por ello concluimos que el sistema lineal posee una solucin
o
u
() = T A 2T b,
(6.14)
y por lo tanto
( )T A( ) = T A 2T A + ( )T A
= T A 2T b + ( )T A
= () + ( )T A .
De (6.14) obtenemos con = y A = b:
( ) = ( )T A 2( )T A = ( )T A .
= .
(6.15)
111
(x),
v (x) =
=1
donde
m I[v] = I[v ].
n
vDM
i =
es decir, v (x) = k (x) = y(x). Esto es una consecuencia directa del Teorema 6.2, tomando
en cuenta que
I[v] = ()
( ) = I[v ]
I[y].
Podemos resumir que el mtodo de Ritz consiste en la computacin del vector del
e
o
sistema A = b, donde A = ([i , j ])i,j=1,...,M , bi = (i , g). La combinacin
o
M
v =
=1
aij = [i , j ] =
a
b
bi = (i , g) =
El problema de si estas integrales pueden ser calculadas exactamente depende de las funciones
de base 1 , . . . , M . En general, tendremos que utilizar un mtodo de cuadratura (integrae
cin numrica), lo cual causa un error adicional. La seleccin de las funciones 1 , . . . , M
o
e
o
frecuentamente es una tarea bastante dicil, la cual requiere de cierta experiencia. Depende
del problema puesto y de la exactitud deseada. Por ejemplo, se usarn funciones de base
a
peridicas si se sabe que la solucin del problema de valores de frontera es peridica. Por
o
o
o
otro lado, cuando no hay ninguna informacin acerca de la solucin, frecuentamente se usan
o
o
polinomios, por ejemplo polinomios ortogonales. Las dicultades mencionadas aqu se pue
den evitar parcialmente si usamos polinomios denidos por trozos, por ejemplo funciones
spline. Estas consideraciones nos llevan al mtodo de elementos nitos.
e
6. INTRODUCCION A LOS ELEMENTOS FINITOS
112
y(0) = y() = 0,
a11 =
0
1 (x)
3
( 4x + 4x ) dx = ,
3
2
dx =
0
x( x) sin x dx
1 (x)g(x) dx =
b1 =
0
= sin x x cos x
2
x2 sin x dx
x sin x dx
2x sin x + (2 x2 ) cos x
= + (2 ) + 2 = 4.
Entonces, 1 = 12/ 3 y
v (x) = 1 1 (x) =
12
x( x) 0,387x( x).
3
3
0,955.
a11 =
0
1 (x)
cos2 x dx =
0
2 (x)
b1 =
sin2 x dx =
1 (x)g(x) dx =
0
b2 =
,
2
2 (x)g(x) dx =
0
cos x cos(2x) dx = 0,
0
cos2 (2x) dx = 2,
dx = 4
,
2
1 (x)2 (x) dx = 2
a22 =
0
dx =
a12 =
0
sin(2x) sin x dx = 0.
0
Entonces
A=
/2 0
;
0 2
1 = 1,
2 = 0;
v (x) = sin x,
113
1
2
3
4
p
p
p
p
p
1 ppppp
pp ppppp
p p ppppp
pp ppppp
p p pppp
pp
ppp
pp ppp
pp ppp
pp ppp
pp pppp
pp
ppp
pp pppp
pp pppp
pp pppp
pp pppp
5 p p p
ppp 0
ppp
ppp
ppp
ppp
pp
pp
pp
pp
ppp
p
p
p
p
pp
ppp
ppp
ppp
ppp
ppp
pp
pp
pp
pp
pp
ppp
ppp
ppp
ppp
ppp
0,75
ppp
ppp
ppp
ppp
pp
pp
pp
pp
pp
ppp
ppp
ppp
ppp
ppp
pp
pp
pp
pp
pp
ppp
ppp pp
ppp pp
ppp pp
ppp p p
ppp pp
ppp pp
ppp pp
ppp pp
ppp pp
ppp pp
ppp p
ppp p
ppp p
ppp p
ppp p p
p
p
p
ppp p
ppp p
ppp p
ppp p p
pppp
ppp
ppp
ppp
0,5
p pppp
p pp
p pp
p pp
pppp
pp ppp
pp ppp
pp ppp
pp ppp
pp ppppp
pp ppp
pp ppp
pp ppp
pp ppp
p p ppp
pp pppp
p p pppp
pp pppp
p p pppp
pp pppp
ppp
ppp
ppp
ppp
ppp
pp
pp
pp
pp
pp
ppp
ppp
ppp
ppp
ppp
pp
pp
pp
pp
pp
0,25 pp
ppp
ppp
ppp
ppp
ppp
p
p
p
p
ppp
ppp
ppp
ppp
ppp
p
pp
pp
pp
pp
p
p
p
p
p
ppp p
ppp p
ppp p
ppp p
ppp
pp
ppp p p
ppp pp
ppp p p
ppp pp
ppp
ppp p
ppp p
ppp p
ppp p
ppp
pp
p
p
p
p
p
p
p
p
p
p
ppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppp
0
x0 = a
x1
x2
x3
x4
x x5 = b
i = 0, . . . , n;
a + nh = b.
(6.16)
si xi1 x xi ,
h i+1
xa
i (x) =
i = 1, . . . , n 1,
+ i + 1 si xi x xi+1 ,
0
sino,
(6.17)
x a + 1 si x
x x1 ,
0
h
0 (x) =
0
sino,
x a n + 1 si x
x xn ,
n1
h
n (x) =
0
sino.
6. INTRODUCCION A LOS ELEMENTOS FINITOS
114
sh (x) =
i i (x).
i=0
sh (a) =
i i (a) = 0 0 (a) = 0,
sh (b) =
i=0
i i (b) = n n (b) = 0.
i=0
Dado que 0 (a) = n (b) = 1, este requerimiento implica que 0 = n = 0, o sea podemos
considerar el espacio de las funciones s0 (x) que pueden ser representadas como
h
n1
s0 (x) =
h
i i (x).
(6.18)
i=1
Cada funcin s0 es diferenciable en [a, b] en todas partes, con la excepcin de los nodos
o h
o
1
x1 , . . . .xn1 , e integrable cuadraticamente junto con su derivada. Si llamamos Ph (a, b) al
1
espacio de todas las funciones (6.18), observamos que Ph (a, b) D, o sea las funciones
(6.18) sirven de planteo para el mtodo de Ritz.
e
Ya sabemos que los elementos de la matriz A se calculan de la siguiente forma:
b
aij = [i , j ] =
a
n
=
k=1
xk1
Dado que
j (x) = 0 para j {i 1, i, i + 1} y x [xi1 , xi+1 ],
sabemos que [i , j ] = 0 para |i j| 2, es decir,
a11 a21
0
0
.
...
.
a21 a22
a23
.
..
..
..
A= 0
.
.
.
0 ,
. .
xi+1
bi = (i , g) =
i (x)g(x) dx.
xi1
A = b.
(6.19)
115
La solucin del sistema (6.19) entrega la solucin aproximada del problema de valores de
o
o
frontera (6.4):
n1
s (x)
h
i i (x).
=
i=1
Ya demostramos que la matriz A siempre es simtrica y denida positiva. Para que una
e
ai,i1 =
0
xi
i (x)i1 (x) dx =
xi1
dado que fuera de [xi1 , xi ], por lo menos una de las funciones o i1 o i desaparece.
Entonces
xi
ai,i1 =
xi1
aii =
0
1
h
i (x)
ai,i+1 = ai+1,i =
1
h
1
dx = ,
h
xi+1
dx =
xi1
i (x)
dx =
2
,
h
1
h
0
.
.
1 2 1
.
1
.. .. ..
A= 0
.
.
. 0
h .
..
.
. 1 2 1
.
0 0 1 2
2
...
6.2.2. Funciones de planteo c bicas por trozos. Para poder aplicar el mtodo de Ritz
u
e
con funciones de planteo cbicas, denimos la siguiente base de funciones sobre [a, b], donde
u
6. INTRODUCCION A LOS ELEMENTOS FINITOS
116
1
2
3
4
pppppp ppp
ppppppppp
ppppp pppp
ppppppppp
pppp
4 p ppppppppp
pp pp pppppp
pp pp pppp pp
pp pp pppppp
pp pp pp pppp
pp pp
p
p
p
p
ppp
ppp
ppp
ppp
ppp pp pp
ppp p
ppp p
ppp p
ppp p
ppp 0
ppp
ppp
ppp
ppp 5 p p
ppp
p
ppp ppp
ppp ppp
ppp ppp
ppp pp
ppp p pp
p
p
p
ppp p
ppp p
ppp p
ppp p p
ppp p p
ppp p p
ppp p p
ppp p p
ppp p p
ppp ppp
ppp pp
ppp pp
ppp pp
ppp pp
pppp
3
pp
pp
pp
pp
pp ppppp
pp ppppp
pp ppppp
pp ppppp
pp ppppp
pp ppp
pp ppp
p p ppp
pp ppp
p p ppp
pp pppp
pp pppp
pp pppp
pp pppp
pp pppp
ppp
ppp
ppp
ppp
ppp
pp
pp
pp
pp
pp
p
p
p
p
p
ppp
ppp
ppp
ppp
ppp
2 ppp
ppp
ppp
ppp
ppp
pp
pp
pp
ppp
pp
ppp
ppp
ppp
ppp
ppp
p
pp
pp
pp
pp
p
p
p
p
p
ppp
ppp
ppp
ppp
ppp
ppp ppppp
ppp ppppp
ppp ppppp
ppp
ppp ppppp
ppp pp
ppp p
ppp p
ppp p
ppp
ppp p
p
p
p
p
p
p
ppp p
ppp p
ppp p
ppp
ppp p
pppp
pppp
pppp
p
pppp
pppp
pp
1 ppp
ppp p pppp
ppp p pppp
ppp p pppp
ppp p pppp
ppp
ppp
p pp
p pp
p pp
p
pp p pppp
ppp
p pp ppppp p
p pp pppppp
p p p p p p p p p 6 p p p p p
pppp
ppp1 pp pp p
pp p
pppp
pp p
pppp
pppp
pp p
p
pppp
p
pppp
pppppp p ppp ppp
pp pppp p ppp ppp
pppppp p ppp ppp
p ppppp pp ppp ppp
pp ppp pp ppp pp
p
p
p
pppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppppp
0 p p p p p p pp pp pp pp pp p pp
x0 = a
x1
x2
x3
x4
x x5 = b
a x i + 2
2
3
1 + 3 a x i + 1 + 3 a x i + 1 3 a x i + 1
h
h
h
2
3
i (x) =
1 + 3 a x + i + 1 + 3 a x + i + 1 3 a x + i + 1
h
h
h
3
ax
+i+2
para x [xi+1 , xi+2 ] [a, b],
0
sino,
i = 1, 0, . . . , n, n + 1.
(6.20)
A modo de ejemplo, la Figura 6.2 muestra las funciones i , i = 1, . . . , n + 1, dadas por
(6.20) para n = 5.
117
sh (x) =
i i (x).
(6.21)
i=1
Sin embargo, para la aproximacin usaremos slo aquellas funciones spline que satisfacen
o
o
3
las condiciones de borde sh (a) = sh (b) = 0. Sea Ph (a, b) el espacio de estas funciones. Pero
1 (a) = 1 (a) = n1 (b) = n+1 (b) = 1 y 0 (a) = n (b) = 4, es decir, las funciones (6.21)
no van a satisfacer en general las condiciones de borde, por lo tanto denimos las nuevas
funciones de base
para i = 2, . . . , n 2,
i (x)
n1
s0 (x)
h
i i (x),
s0 (a) = s0 (b) = 0.
h
h
i=0
3
Las funciones i forman una base del espacio Ph (a, b), el cual a su vez es un subespacio de
D. Por lo tanto, podemos usar las funciones i como funciones de planteo para el mtodo
e
de Ritz. Los elementos de la matriz A ahora son
b
aij = [i , j ] =
a
n
=
k=1
xk1
:= mx u (x) y(x) .
a
x[a,b]
6. INTRODUCCION A LOS ELEMENTOS FINITOS
118
Lema 6.1. Bajo las hiptesis de regularidad (6.5), existen constantes 0 < 2,1 < 2,1 y
o
0 < < tales que
u V 2 (a, b) :
u V 1 (a, b) :
2,1 u
2
[u, u]
2
[u, u]
V 1 (a,b)
2
,
2,1 u
2
V 1 (a,b) .
Teorema 6.3. Sea y la solucin exacta del problema de valores de frontera (6.4) y v DM
o
la aproximacin obtenida por el mtodo de Ritz. Entronces, para cada v DM tenemos las
o
e
desigualdades
v y
2,1
2,1
V 1 (a,b)
v y
1/2
1/2
vy
v y
si DM V 1 (a, b),
V 1 (a,b)
(6.22)
si DM V 2 (a, b).
vDM
vDM
Entonces,
v DM :
[v y, v y]
[v y, v y].
o
i = 0, . . . , n:
y(xi+1 ) y(xi )
(x xi ) + y(xi ), x [xi , xi+1 ],
h
Entonces, para cada y C 2 [a, b] tenemos las cotas
vh (x) =
vh y
2Lh,
vh y
i = 0, . . . , n 1.
Lh2
V 1 (a,b)
V 1 (a,b)
Esto demuestra que el error medido en la norma V 1 (a,b) es por lo menos proporcional a h,
o sea el mtodo converge para h 0, n , y nh = b a del primer orden. El mtodo
e
e
parece menos exacto que el mtodo de diferencias nitas. Pero hay que tomar en cuenta que
e
119
V 0 (a,b)
= O(h2 ).
3
Ahora elegimos el espacio Ph (a, b) V 2 (a, b) de las funciones spline cblicas, y sea vh (x)
u
el spline que satisface las condiciones
vh (xi ) = y(xi ),
i = 0, . . . , n;
(6.23)
vh (a) = y (a),
vh (b) = y (b).
(6.24)
A travs de las condiciones (6.23) y (6.24), la funcin vh est determinada unicamente. Segn
e
o
a
u
resultados de la aproximacin de una funcin por una funcin spline,
o
o
o
vh y
M1 N Lh3 .
x[a,b]
M1 N L
3
h = O(h3 ).
(6.25)
Eso signica que el error es del orden a lo menos O(h3 ), y el mtodo es ms exacto que l de
e
a
e
diferencias nitas; sin embargo, aqu la cota (6.25) an puede ser mejorada. Por otro lado,
u
un mtodo de diferencias nitas es mucho ms facil de implementar.
e
a
En general, para el mtodo de Ritz podriamos usar funciones de planteo i polinomiales
e
por trozos de alto orden para incrementar el orden de convergencia. Sin embargo, tal medida
no vale el esfuerzo computacional adicional. El mtodo de elementos nitos puede ser aplicado
e
a la solucin numrica de cualquier problema lineal de valores de frontera de una ecuacin
o
e
o
diferencial ordinaria de segundo orden.
6.3. El mtodo de Ritz y elementos nitos para problemas de valores de
e
ontera de ecuaciones diferenciales parciales el
pticas
Segn el Teorema 4.1, ya sabemos que el problema
u
Lv = f,
v D,
L u (a11 u)xx 2(a12 u)xy (a22 u)yy + (a1 u)x + (a2 u)y + au,
D := v C 0 (G) C 2 (G) | v = 0 en G
(6.26)
(6.27)
(6.28)
vD
donde
(v, Lv) 2(v, f ) =
2
2
a11 vx + 2a12 vx vy + a22 vy + av 2 2vf dx dy.
(6.29)
6. INTRODUCCION A LOS ELEMENTOS FINITOS
120
v=
1 , . . . , M R.
,
=1
(6.30)
,
=1
=1
,=1
=1
, f
[ , ] 2
( , f )
=1
=: (1 , . . . , M ).
Como en el caso de ecuaciones diferenciales ordinarias, el requerimiento I[v] m lleva al
n
sistema de ecuaciones lineales
1 (1 , . . . , M )
=
2
i
j=1
[i , j ]j (i , f ) = 0,
i = 1, . . . , M.
(6.31)
Deniendo
S = ([i , j ]),
(i , f ) = bi ,
b = (b1 , . . . , bM )T ,
= (1 , . . . , M )T ,
(6.32)
La matriz S es simtrica y denida positiva, es decir (6.32) tiene una solucin unica =
e
o
T
(1 , . . . , M ) . Tal como en el caso de ecuaciones diferenciales ordinarias, se demuestra que
( ) () y entonces
M
I[v ] = m I[v],
n
vDM
(x, y).
v (x, y) =
=1
La seleccin de las funciones , es decir, del sub-espacio DM , es dicil; adems, hay que
o
a
determinar los valores de las integrales numericamente. Una parte de las dicultades puede
ser evitada si subdividimos G an areas pequeos y usamos slo funciones de base donde
n
o
cada una es diferente de cero slo sobre pocos subdominios.
o
121
la cual puede ser aproximada por un trazado poligonal Gh , el cual enteramente pertenece
a G y cuyos vrtices pertenecen a G. Este trazado poligonal es el borde de un dominio
e
poligonal Gh .
Gh =
Di ,
i=1
con tringulos D1 , . . . , DN , donde dos tringulos o no tienen ningn punto en comn, o coina
a
u
u
ciden en exactamente un lado que pertenece a ambos tringulos, o coinciden en exactamente
a
un vrtice. De este modo, se evitan los llamados nodos colgantes.
e
Sea hi la distancia mxima de dos vrtices de Di y
a
e
h := mx hj .
a
1 j N
1. Para i = 1, . . . , M , i C 0 (Gh ).
2. Sobre cada tringulo Dl , l = 1, . . . , N , cada funcin i es un polinomio de grado 1
a
o
en x e y.
3. Para i, j = 1, . . . , M , i (xj , yj ) = ij .
4. Para i = 1, . . . , M y k = 1, . . . , M , i (k , yk ) = 0.
x
Estos requerimientos determinan las funciones 1 , . . . , M en forma unica. En (xi , yi ), la
=
Gh
.
i=1
Di
i i (x, y) = 0,
i=1
(x, y) Gh ,
6. INTRODUCCION A LOS ELEMENTOS FINITOS
122
i i (xj , yj ) =
i=1
i ij = j = 0,
j = 1, . . . , M,
i=1
as que todos los coecientes deben desaparecer.) Entonces, las funciones i generan co
mo funciones base un espacio DM ; especicamente, DM es el espacio de aquellas funciones
continuas denidas sobre Gh que son anamente lineales sobre cada tringulo Dl , y que
a
desaparecen sobre Gh .
Ahora queremos aproximar la solucin del problema variacional (6.29) por una funcin
o
o
de DM ; esta funcin ser tambin una aproximacin del problema de valores de frontera
o
a
e
o
(6.26). El planteo (6.30) nos lleva a la solucin aproximada
o
M
i i (x, y),
v (x, y) =
i=1
donde
M
i i (xj , yj )
v (xj , yj ) =
i=1
i ij = j ,
=
i=1
es decir
M
v (x, y) =
i=1
La matriz S del sistema lineal (6.32) tiene muy pocos elementos diferentos de cero, dado que
[i , j ] =
yi+1
yi
yi1
yi2
123
h
h
Di4
Di5 Di3
Di2
Di6
h
Di1
xi2
xi1
xi
xi+1
xi+2
1 n i + y
1 + m n x y
i
i
1 + mi x
y
i (x, y) = 1 + n
i
1 mi + ni + x y
1 mi +
en Di1 ,
en Di2 ,
en Di3 ,
(6.33)
en Di4 ,
en Di5 ,
en Di6 ,
en todas otras partes.
I[v] =
G
2
2
(vx + vy 2vf ) dx dy = m
n,
v = 0 en G.
(6.34)
6. INTRODUCCION A LOS ELEMENTOS FINITOS
124
Supongamos que
N
G=
Di ,
i=1
I[v] =
i=1
Di
2
2
(vx + vy 2vf ) dx dy = m .
n
(6.35)
Sobre cada tringulo Di , v es una funcin ana, es decir, existen constantes ai , bi y ci tales
a
o
que
v(x, y) = ai + bi x + ci y,
vx = bi ,
vy = ci ,
(x, y) Di .
k = 1, . . . , 3,
de xik , yik y vik . Por lo tanto, en nuestro caso podemos escribir (6.35) como
N
!
I[v] =
i=1
Di
b2 + c2 2f (x, y)(ai + bi x + ci y) dx dy = m .
n
i
i
(6.36)
(, ) D0 .
(6.37)
125
y por lo tanto
F (x, y) dx dy = m
n,
i=1
Di
2
2
F (x, y) := vx (x, y) + vy (x, y) 2v(x, y)f (x, y),
F i (, ), i (, ) i (, ) d d
D0
x y
(i ) (, ) (i ) (, )
= .
x y
(i ) (, ) (i ) (, )
vy = (wi ) y + (wi ) y
y =
xi3 xi1
,
i
en Di .
y =
xi2 xi1
,
i
6. INTRODUCCION A LOS ELEMENTOS FINITOS
126
y nalmente
2
2
vx (x, y) + vy (x, y) 2v(x, y)f (x, y) dx dy
Ii [v] :=
Di
yi2 yi1
yi3 yi1
(wi )
(wi )
i
i
= i
D0
xi3 xi1
xi2 xi1
+ (wi )
+ (wi )
i
i
(6.39)
2
2wi hi (, ) d d,
(wi ) = ci2 = wi (0, 1) wi (0, 0) = v(xi3 , yi3 ) v(xi1 , yi1 ) = vi3 vi1 ,
wi = ci0 + ci1 + ci2 = vi1 + (vi2 vi1 ) + (vi3 vi1 )
obtenemos de (6.39)
Ii [v] =
1
i
D0
(6.40)
Ii [v] = m
n
i=1
vi3
l,m=1
(i)
2
2
2
(v i )T S 1 v i = (yi2 yi3 )2 vi1 + (yi3 yi1 )2 vi2 + (yi2 yi1 )2 vi3 2(yi3 yi1 )(yi3 yi2 )vi1 vi2
2(yi2 yi1 )(yi2 yi3 )vi1 vi3 2(yi3 yi1 )(yi2 yi1 )vi2 vi3 .
(i)
Entonces, la matriz simtrica S 1 es
e
(yi2 yi3 )2
(yi3 yi1 )(yi3 yi2 ) (yi2 yi1 )(yi2 yi3 )
(i)
(yi3 yi1 )2
(yi3 yi1 )(yi2 yi1 ) .
S 1 = (yi3 yi1 )(yi3 yi2 )
(yi2 yi1 )(yi2 yi3 ) (yi3 yi1 )(yi2 yi1 )
(yi2 yi1 )2
127
(i)
(i)
y tomando en
obtenemos
1
Ii [v] = (v i )T S (i) v i 2i
2
D0
Con S (i)
1
i
1 1
I[v] I[v] =
i=1
Ii [v] =
2
i=1
N
1
=
2
(v i )T S (i) v i 2(bi )T v i
3
i=1
2i
1 1
(i)
hi ,
slm vil vim
(vi1 + vi2 + vi3 ) .
3
3 3
l,m=1
(6.41)
I[v]
= 0, k = 1, . . . , M,
(6.42)
vk
donde vk = v(xk , yk ). Estas variables tambin se llaman variables de nodos. Deniendo
e
vij
(ij)
= k =
vk
0 si vij = vk ,
1 si vij = vk ,
I[v] 1
=
vk
2
3
(i)
(li)
(mi)
slm k vim + k
i=1
l,m=1
vil
1 1
2i
hi ,
3
3 3
(1i)
(2i)
+ k
(3i)
+ k
= 0.
N
(i)
slm
(li)
k vim
(mi)
k vil
(i)
i=1 l,m=1
bk ,
k = 1, . . . , M,
(6.43)
i=1
donde
(i)
bk =
2i
1 1
hi ,
3
3 3
(1i)
(2i)
+ k
(3i)
+ k
(6.44)
128
I[v] =
skl vk vl
b k vk ,
2 k,l=1
k=1
N
(i)
bk =
bk .
i=1
Obviamente, podemos facilmente determinar la matriz S = (skl ). Sus elementos son sumas
de elementos de las matrices S (i) .