You are on page 1of 128

Anlisis Numrico III

a
e
Apuntes
Curso Cdigo 525442
o
Segundo Semestre 2011

Dr. Raimund Brger


u
Profesor Titular
Departamento de Ingenier Matemtica
a
a
& Centro de Investigacin en Ingenier Matemtica (CI2 MA)
o
a
a
Facultad de Ciencias F
sicas y Matemticas
a
Universidad de Concepcin
o
Casilla 160-C
Concepcin, Chile
o

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.

Mtodos de disparo para problemas lineales


e
Mtodo de disparo numrico para problemas lineales
e
e
Mtodos de disparo para problemas de valores de frontera no lineales
e
Mtodos de disparos mltiples
e
u

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

6.2.1. Funciones de planteo lineales por trozos


113
6.2.2. Funciones de planteo cbicas por trozos
u
115
6.2.3. Estudio del error y extensiones
117
6.3. El mtodo de Ritz y elementos nitos para problemas de valores de ontera de
e
ecuaciones diferenciales parciales el
pticas
119

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

Problemas de valores iniciales para ecuaciones diferenciales


ordinarias (Parte I)
En este cap
tulo tratamos la solucin numrica de sistemas de ecuaciones diferenciales
o
e
ordinarias (EDOs) de primer orden. En general, un tal sistema est dado por
a
y1 = f1 (x, y1 , . . . , yn ),
y2 = f2 (x, y1 , . . . , yn ),
.
.
.

(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)

No trataremos aqu problemas de existencia y unicidad de soluciones de (1.2), lo cual es

tpico de cursos especializados de EDOs. Usaremos la siguiente notacin compacta:


o
o

1

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

1. PROBLEMAS DE VALORES INICIALES PARA EDOS I

y as convertir (1.4) al siguiente sistema de n ecuaciones diferenciales ordinarias escalares de

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 los valores exactos


y(xi ) = y1 (xi ), . . . , yn (xi )

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.

El sistema (1.5) es un sistema de ecuaciones de diferencias. Obviamente, hay que elegir la


funcin de tal forma que los vectores y h efectivamente son aproximaciones de y(xi ), en
o
i
un sentido que se especicar ms abajo.
a a
En el caso ms simple, el sistema (1.5) resulta del sistema de ecuaciones diferenciales
a
ordinarias a travs de remplazar todas las derivadas por cuocientes de diferencias. El mtodo
e
e
(1.5) se llama mtodo de diferencias nitas de paso simple.
e
1.1.2. Mtodo de Euler. Consideremos el caso n = 1, o sea una ecuacin diferencial
e
o
ordinaria del tipo
y = f (x, y).

(1.6)

Si y = y(x) es una solucin sucientemente suave de (1.6), tenemos la frmula de Taylor


o
o
m

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

y = fxx + 2fxy f + fyy f + fx fy + f (fy ) ,


etc. Este mtodo es poco util, salvo en aquellos casos donde podemos desarrollar la funcin f
e

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 ,

Este mtodo es un mtodo de paso simple con


e
e

i = 0, 1, . . . , N 1.

(1.10)

(x, y; h) = f (x, y),


o sea, la funcin no depende de h.
o
Para el caso del sistema (1.3), un clculo anlogo entrega el mtodo
a
a
e
y h = y h + hf xi , y h ,
i+1
i
i
donde

i = 0, . . . , N 1,

(x, y; h) = f (x, y).

(1.11)

12

1. PROBLEMAS DE VALORES INICIALES PARA EDOS I

En ambos casos, (1.10) y (1.11), podemos reescribir el mtodo como


e
1 h
y i+1 y h = f xi , y h ,
i
i
h

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

y utilizando (1.8) y (1.9), obtenemos


h2
fx x, y(x) + f x, y(x) fy x, y(x)
2
de lo cual sigue el mtodo de Taylor de segundo orden
e
y(x + h) = y(x) + hf x, y(x) +

+ 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

Aproximando la integral en (1.12) por la frmula de cuadratura (1.13), obtenemos


o
m

y(x + h) y(x) + h

i y (xi + i h).

(1.15)

i=1

Usando la ecuacin diferencial y = f (x, y), (1.15) se convierte en


o
m

y(x + h) y(x) + h

i f x + i h, y(x + i h) .
i=1

Obviamente, para i = 0 los valores y(x + i h) son desconocidos. Para su aproximacin,


o
usamos nuevamente el ya mencionado Teorema Principal, que esta vez entrega
i

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

En general, (1.19) representa un sistema de m ecuaciones no lineales para m vectores


k1 , . . . , km , cada uno con n componentes escalares. Incluso para una ecuacin escalar, teneo
mos un sistema de m ecuaciones (algebraicas) de la dimensin m.
o

14

1. PROBLEMAS DE VALORES INICIALES PARA EDOS I

Para el caso 1 = 0 y ij = 0 para j


i, (1.19) no es intrinsicamente un sistema de
ecuaciones no lineales, ya que en este caso podemos calcular k2 expl
citamente de k1 =
f (x, y(x)), k3 de k1 y k2 , etc. En este caso, se habla de un mtodo de Runge-Kutta expl
e
cito.
Dado que las frmulas (1.18) y (1.19) son las mismas para todos los mtodos de Rungeo
e
Kutta, pero hay una gran cantidad de coecientes i , i y ij propuestos en la litaratura,
es muy comn representar un mtodo de Runge-Kutta a travs del llamado diagrama de
u
e
e
Butcher:
1 11 12 1m
.
..
.
.
2 21
.
.
.
. .
...
(1.20)
.
.
.
.
.
.
m m1 mm
1 2 m
Ejemplo 1.1. Para m = 3, los mtodos de Heun ests dados por
e
a
0
0
0
0
0
1/2 1/2 0
1 1 2
0
1/6 2/3 1/6

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)

donde las cantidades k1 , k2 y k3 , que corresponden a la i-sima iteracin, estn dadas


e
o
a
por
(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

Ejemplo 1.2. El mtodo clsico de Runge-Kutta de cuatro pasos (m = 4) corresponde al


e
a
diagrama
0
0
0
0
0
1/2 1/2 0
0
0
1/2 0 1/2 0
0 ,
1
0
0
1
0
1/6 1/3 1/3 1/6
es decir, a la frmula
o
yh = yh +
i+1
i

h (i)
(i)
(i)
(i)
k + 2k2 + 2k3 + k4
6 1

1.2. CONSISTENCIA Y CONVERGENCIA

15

(o equivalentemente, al mtodo (1.5) con


e
1 (i)
(i)
(i)
(i)
xi , y h ; h = k1 + 2k2 + 2k3 + k4 ,
i
6
donde
(i)

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)

y el mtodo de paso simple


e
y h = y h + h xi , y h ; h ,
i+1
i
i

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

donde h0 es una constante sucientemente pequea.


n

b, y1 , . . . , yn R, 0

h0 ,

Denicin 1.2. El esquema (1.22) se llama consistente al sistema de ecuaciones diferenciales


o
ordinarias (1.21) si
(x, y; 0) = f (x, y),

x [a, b],

y Rn .

En lo siguiente, se supone que el mtodo denido a travs de la funcin satisface la


e
e
o
hiptesis de continuidad, y que es consistente. Si y = y(x) es una solucin exacta del sistema
o
o
y = f (x, y), sabemos que
1
y(x + h) y(x) x, y(x); h
h0
h
1
= l
m
y(x + h) y(x) x, y(x); h
h0
h
l
m

y (x) f x, y(x)

16

1. PROBLEMAS DE VALORES INICIALES PARA EDOS I

= l
m

h0

1
y(x + h) y(x) y (x) l x, y(x); h f x, y(x)
m
h0
h

= 0.

Entonces, cada solucin del sistema y = f (x, y) satisface asintoticamente para h 0 el


o
sistema de ecuaciones de diferencias nitas. Debido a la continuidad de
1
x, y(x); h := y(x + h) y(x) x, y(x); h
(1.23)
h
con respecto a h para h 0, podemos considerar cada solucin del sistema de ecuaciones dio
ferenciales ordinarias como una solucin aproximada del sistema de ecuaciones de diferencias
o
(1.22). La cantidad (x, y(x); h) denida en (1.23) se llama error de truncacin del mtodo
o
e
de paso simple.
Para obtener un mtodo de gran exactitud, se exige que para h 0, (1.23) desparace
e
como hp , con p > 0 lo ms grande posible.
a
Denicin 1.3. El mtodo (1.22) se llama consistente del orden p si p es el mayor nmero
o
e
u
positivo tal que para cada solucin y(x) de y = f (x, y) sucientemente diferenciable, y para
o
todo x [a, b] tenemos
x, y(x); h = O(hp )

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 )

= y(x) + hf x, y(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)

1.2. CONSISTENCIA Y CONVERGENCIA

17

donde c R es un parmetro. Para c = 1/2 se recupera el mtodo de trazado poligonal


a
e
mejorado con la representacin expl
o
cita
h
y h = y h + f xi , y h + f xi+1 , y h + hf x, y h
;
i+1
i
i
i
i
2
para c = 1 obtenemos el mtodo del trazado poligonal modicado
e
h
h
y h = y h + hf xi + , y h + f xi , y h .
i+1
i
i
i
2
2
Para el analisis del error de truncacin de (1.25), volvemos al caso escalar y notamos que
o
f

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

es decir, obtenemos el desarrollo del mtodo en series de Taylor (con respecto a h)


e
h
x, y(x); h = f x, y(x) +
fx x, y(x) + fy x, y(x) f x, y(x) + O(h2 ).
2
Por otro lado, desarrollando la solucin exacta en series de Taylor obtenemos
o
h
1
fx x, y(x) + fy x, y(x) f x, y(x) + O(h2 ),
y(x + h) y(x) = f x, y(x) +
h
2
es decir, usando la denicin (1.23) del error de truncacin, obtenemos aqu
o
o

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

Adems, el mtodo se llama convergente del orden p si


a
e
y h y(x) = O(hp ),
i

h 0,

i = 1, . . . , N,

donde O(h) denota un vector cuyos componentes dependen de h.


Resulta que para los mtodos de paso simple, la consistencia junto con la propiedad
e
adicional que se especica en la denicin abajo asegura la convergencia.
o

18

1. PROBLEMAS DE VALORES INICIALES PARA EDOS I

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 |.

Ms general, una funcin satisface una condicin de Lipschitz en un dominio G Rn con


a
o
o
respecto a la variable xk si
(1)

(2)

x1 , . . . , xk1 , xk , xk+1 , . . . , xn x1 , . . . , xk1 , xk , xk+1 , . . . , xn


(1)

(2)

(1)

(2)

L x k xk

para todo (x1 , . . . , xk1 , xk , xk+1 , . . . , xn )T , (x1 , . . . , xk1 , xk , xk+1 , . . . , xn )T G.

Ahora se supone que como funcin de x, y y h es Lipschitz continua con respecto a y.


o
Precisamente, sea
(x, y ; h) (x, y ; h)

L|y y |

para todo x [a, b], y , y R, y h [0, h0 ].

(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 ),

restando (1.28) de (1.27) y tomando en cuenta que


O(hp+1 )

M hp+1

con una constante M que no depende de h, obtenemos la desigualdad


|i+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,

obtenemos de (1.29) la desigualdad de diferencias


|i+1 |

(1 + hL)|i | + M hp+1 ,

|0 | = 0.

(1.30)

1.2. CONSISTENCIA Y CONVERGENCIA

19

Los valores i satisfacen


|i |

i ,

i = 0, . . . , N,

(1.31)

donde los valores i , i = 0, . . . , N son recursivamente denidos por la ecuacin de diferencias


o
i+1 = (1 + hL)i + M hp+1 ,

0 = 0.

(1.32)

(Para demostrar (1.31), podemos proceder por induccin, partiendo de |0 | = 0 = 0; ahora


o
si |i | i para i = 0, . . . , k con h > 0, (1.30) y (1.32) implican
|k+1 |

(1 + hL)|k | + M hp+1

(1 + hL)k + M hp+1 = k+1 .)

El problema (1.32) es un problema de valores iniciales de una ecuacin de diferencias lineal


o
de primer orden con coecientes constantes. Su solucin es anloga a la solucin de una
o
a
o
ecuacin diferencial del mismo tipo, es decir es compuesta por la suma de la solucin general
o
o
de la ecuacin homognea ms una solucin particular de la ecuacin no homognea.
o
e
a
o
o
e
La solucin de la ecuacin homognea
o
o
e
i+1 = (1 + hL)i

est dada por


a
i = C(1 + hL)i = C exp i ln(1 + hL) .

El planteo i = = const. para la ecuacin no homognea nos lleva a

o
e
= (1 + hL) + M hp+1 =

M hp
,
L

entonces la solucin general de (1.32) es


o
i = i + i = C(1 + hL)i

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

1. PROBLEMAS DE VALORES INICIALES PARA EDOS I

Lamentablemente es imposible acotar M , ni siquiera su orden de magnitud, en situaciones


prcticas, asi que la desigualdad (1.33) es poco apta para estimar el error.
a
La condicin de Lipschitz y el Teorema 1.1 pueden ser generalizados para sistemas de
o
ecuaciones.
Denicin 1.6. La funcin : Rh0 Rn satisface una condicin de Lipschitz en Rh0 con
o
o
o
respecto a y1 , . . . , yn si la siguiente desigualdad es vlida en Rh0 con una constante L:
a
(x, y; h) (x, y ; h)

L y y 2.

(1.34)

Teorema 1.2. Consideremos un mtodo de paso simple dado para n


e
vectorial = (x, y; h). Supongamos que

1 mediante la funcin
o

(a) la funcin satisface la hiptesis de continuidad (Dencin 1.1),


o
o
o
(b) el mtodo es consistende del orden p, y
e
(c) la funcin satisface la condicin de Lipschitz (1.34).
o
o
En este caso, es mtodo converge del orden p, o sea existe una constante C tal que
e
y h y(xi )
i

Chp .

1.3. Mtodos de pasos m ltiples


e
u
En el caso de mtodos de paso simple podemos aumentar el orden del mtodo solamente
e
e
si aumentamos el nmero de evaluaciones de f (o incluso de ciertas derivadas de f ) en cada
u
paso, lo que signica que el orden del mtodo general puede ser mejorado solamente por un
e
gran esfuerzo computacional. (El orden del mtodo debe ser alto para permitir la solucin de
e
o
un problema de valores iniciales de una ecuacin diferencial ordinaria con tamaos de paso
o
n
largos).
Para mejorar esta situacin, obervamos primero que si en los puntos xi , xi1 , . . . , xip ya
o
hemos generado aproximaciones y h , . . . , y h de y(xi ), . . . , y(xip ), podemos aprovechar de
ip
i
toda esa informacin al calcular la aproximacin asociada con xi+1 , es decir, el vector y h .
o
o
i+1
Claramente debemos usar un valor de p + 1, es decir, del nmero de evaluaciones requeridas
u
para ejecutar el paso, moderado.
1.3.1. Mtodos de pasos m ltiples basados en integracin numrica. Supongamos
e
u
o
e
que y = y(x) es una solucin exacta de y = f (x, y). Entonces podemos escribir
o
xi+1

y(xi+1 ) = y(xij ) +

y ( ) d
xij
xi+1

= y(xij ) +

f , y( ) d,
xij

j N {0}.

La funcin f (, y( )) bajo la integral es remplazada por el polinomio de interpolacin del


o
o
grado mximo p denido por los puntos
a
xi , f xi , y h , . . . , xip , f xip , y h
i
ip ,

1.3. METODOS DE PASOS MULTIPLES

21

luego calculamos la integral exacta. Esto resulta en el mtodo


e

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)

si los nodos son equidistantes, podemos calcular a priori las constantes


p

xi+1

j,p,k :=
xij

l=0
l=k

xil
d.
xik xil

(1.36)

As el mtodo de paso mltiples es dado por


,
e
u
p

yh
i+1

yh
ij

j,p,k f xik , y h .
ik

+
k=0

Para xi+1 xi = h para todo i y p = j = 0, resulta el mtodo de Euler expl


e
cito; para j = 0,
p arbitrario obtenemos los mtodos de Adams-Bashforth. A continuacin comunicamos los
e
o
valores de algunos de los coecientes (1.36) para valores moderados de p:
1

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

En la prctica, no se usan mucho los mtodos de Adams-Bashforth solos, a pesar de


a
e
simplicidad y del alto orden que se puede lograr (por ejemplo, para p = 3 podemos alcanzar el
orden 4, usando solamente una evaluacin de f por paso). El problems consiste en el pequeo
o
n
dominio de establidad de estos mtodos; este aspecto se discutir mas detalladamente ms
e
a
a
adelante.
Una alternativa (a los mtodos expl
e
citos) podemos generar deniendo mtodos impl
e
citos
a travs de la inclusin del punto (xi+1 , f (xi+1 , y i+1 )) a la interpolacin de f (, y( )). El
e
o
o
resultado es un mtodo impl
e
cito que determina y h mediante un sistema de ecuaciones
i+1
habitualmente no lineal. En este caso, la ecuacin que remplaza (1.35) es
o

yh
i+1

yh
ij

xi+1

xij

xik , y h
ik

k=1

l=1
l=k

xil
d.
xik xil

(1.37)

Para xi+1 xi = h, j = 0 y todo p = 1, 0, 1, . . . , obtenemos los mtodos de Adams-Moulton.


e
Podemos calcular a priori los coecientes

j,p,k :=

xi+1
xij

l=1
l=k

xil
d ;
xik xil

(1.38)

22

1. PROBLEMAS DE VALORES INICIALES PARA EDOS I

as el mtodo nal es de la forma


,
e
p

yh
i+1

yh
ij

j,p,k f xik , y h .
ik

+
k=1

Para j = 0 y valores de p moderados resultan los siguientes valores:


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

Los mtodos de Adams-Moulton incluyen para p = 1 el mtodo de Euler implcito


e
e

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

y (xi+1 ) = f xi+1 , y(xi+1 )


y aproximamos y(x) por el polinomio de interpolacin P (x; i) del grado mximo k + 1 para
o
a
los datos
xi+1 , y h ), . . . , xik , y h ,
i+1
ik
donde el valor

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)

1.3. METODOS DE PASOS MULTIPLES

23

Usando para la representacin del polinomio la frmula de Newton,


o
o
j1

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

(xi+1 xi+1l ) = f xi+1 , y h ,


i+1

es decir, un sistema de ecuaciones para determinar y h .


i+1
Para el caso equidistante podemos calcular expl
citamente los coecientes de estas frmuo
las. Tal procedimiento entrega las frmulas
o
k

yh
i+1

kl y h + h0 f xi+1 , y h
il
i+1

(1.44)

l=0

con los coecientes


k

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

1. PROBLEMAS DE VALORES INICIALES PARA EDOS I

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 f x + ih, y(x + ih)

i=0

donde Nh h = x x0 .

El mtodo se llama consistente al menos del orden p si


e

x, y(x); h = O(hp ) para h 0,

y convergente del orden p si

(x; h) = O(hp ) para h 0.


Teorema 1.3. El mtodo de k pasos (1.45) es consistente al menos del orden p si
e
1 (1)

donde los polinomios


1 ()

= 0,

j+1 (1)

= jj (1),

j = 1, . . . , p,

y j son denidos por la recursin


o

(),

1 () (),

j+1 ()

j (),

j+1 () j ().

El mtodo es convergente del orden p si adems tenemos:


e
a
1. Todos los ceros de estan localizados en el interior o en el borde del crculo unitario,

y los ceros del borde son simples, es decir,


() = 0 ||

2. Los errores iniciales son del orden p:

() = 0 || = 1

y h y(xi ) = O(hp ),
i

() = 0 .

(1.46)

i = 0, . . . , k 1.

Demostracin. Ver, por ejemplo, Deuhard & Bornemann.


o
Las raices diferentes de 1 se llaman raices parasitarias. Ellas afectan decisivamente el uso
prctico del mtodo. La condicin (1.46) es conocida como condicin de ceros o condicin
a
e
o
o
o
de estabilidad asinttica. Veremos en una tarea que existen mtodos muy razonables que no
o
e
satisfacen la condicin de estabilidad asinttica. Los mtodos de Adams-Moulton y Adamso
o
e
Bashforth satisfacen la condicin (Tarea), pro las frmulas (1.44) no satisfacen (1.46) para
o
o
k 6.
Uno podria tratar de maximizar el orden de un mtodo eligiendo los coecientes j y j
e
de forma optima para un valor dado de k. Este procedimiento permite alcanzar un orden

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.

Demostracin. Ver Hairer, Nrsett & Wanner, 1993.


o

1.3. METODOS DE PASOS MULTIPLES

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)

Entonces la solucin de (1.47) est dada por


o
a
vl

Cli j i1 lj ,

j =

j > 0,

l=1 i=1

donde 1 , . . . , s , i = j para i = j, son los ceros del polinomio


k

i i

P () :=
i=0

con las multiplicidades v1 , . . . , vs , o sea


s

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

1. PROBLEMAS DE VALORES INICIALES PARA EDOS I

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

Problemas de valores iniciales para ecuaciones diferenciales


ordinarias (Parte II)
2.1. Ecuaciones r
gidas (problemas sti)
Desde el estudio de problemas de interpolacin, aproximacin y cuadratura ya sabemos
o
o
que el error cometido por esos mtodos depende de forma decisiva de una de las derivadas
e
ms altas de la funcin aproximada o del integrando. Obviamente, se puede suponer que lo
a
o
mismo es vlido para la solucin del problema de valores iniciales de una ecuacin diferencial
a
o
o
ordinaria. Pero aqu tambin es importante la regularidad (suavidad) de la entera variedad
,
e
de soluciones en la vecindad de la solucin exacta del problema. Esta observacin tiene
o
o
consecuencias importantes para la aplicacin de mtodos numericos. Discutiremos primero
o
e
un ejemplo.
Ejemplo 2.1. Se considera el problema de valores iniciales
y = (y ex ) ex ,

y(0) = 1 + ,

R.

(2.1)

La ecuacin diferencial ordinaria tiene la solucin general


o
o
y(x) = ex + ex ,

R.

Usando el valor inicial prescrito, tenemos


1 + = + 1,
es decir, = , y la solucin del problema (2.1) es
o
y(x) = ex + ex .
Para = 0 y x 0, la solucin y todas sus derivadas son en valor ebsoluto menores que 1,
o
cualquier que sea el valor de . En general, tenemos
dp y
y (p) (x) := p = p ex + (1)p ex ,
dx
es decir,
y (p) (x)

||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

2. PROBLEMAS DE VALORES INICIALES PARA EDOS II

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

Cuadro 2.1. Ejemplo 2.1: Valores de la solucin aproximada de (2.1) con


o
= 0, generados por el mtodo de Euler expl
e
cito (2.2) con diferentes valores
de h.
x h = 0,1 h = 0,01 h = 0,001 h = 0,0005
0,1 0,904837 0,904884 0,904838 0,904838
0,5 0,696531 0,606562 0,606531 0,606531
1,0 0,367879 0,367899 0,367880 0,367880
Cuadro 2.2. Ejemplo 2.1: Valores de la solucin aproximada de (2.1) con
o
= 0, generados por el mtodo de Euler impl
e
cito (2.3) con diferentes valores
de h.
En lo siguiente, consideremos = 1000 y = 0. En este caso, la solucin consiste slo en
o
o
la componente suave ex . Ya para x > 1/10, cualquier solucin es prcticamente idntica
o
a
e
a la componente suave, si es del orden de tamao 1, dado que exp(100) 3,7 1044 .
n
Entonces la solucin exacta y la componente suave disminuyen exponencialmente con x.
o
Aplicaremos algunos mtodos de discretizacin a este problema. El mtodo de Euler
e
o
e
expl
cito entrega la frmula
o
h
h
h
yi+1 = yi + h 1000 yi exp(ih) exp(ih)
h
= (1 1000h)yi + 999h exp(ih),

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

2.2. ESTABILIDAD DE METODOS DE DISCRETIZACION PARA PVIS DE EDOS

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

Los fenmenos observados en el ejemplo son relacionados con la presencia de soluciones de


o
la ecuacin diferencial ordinaria con derivadas grandes en la cercan de la solucin exacta
o
a
o
del problema de valores iniciales dado. La solucin exacta tambin asume valores en este
o
e
rango de pendientes fuertes, y los mtodos expl
e
citos producen un efecto oscilatorio (si h no
es sucientemente pequeo) que nos aleja rapidamente de la solucin exacta. (Por otro lado,
n
o
el problema de valores iniciales
y = y,

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).

El prototipo de una ecuacin r


o gida es el siguiente sistema lineal homogneo:
e
y = Ay,

y(0) = y 0 ,

(A) = {1 , . . . , n },

A Rnn diagonalizable,

Re 1

...

Re n

0,

Re 1

1.

(2.4)

Aqu uno podria elegir S := Re 1 como medida de la rigidez. En el caso de un sistema

ms general y = f (x, y) podriamos denir


a
S :=

nf

(x,z),(x,y)Df
y=z

(f (x, y) f (x, z))T (y z)


.
(y z)T (y z)

2.2. Estabilidad de mtodos de discretizacin para problemas de valores


e
o
inicales de ecuaciones diferenciales ordinarias
2.2.1. Estabilidad lineal. Analizaremos ahora el comportamiento de de mtodos de dise
cretizacin aplicados al problema test
o
y = y,

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

2. PROBLEMAS DE VALORES INICIALES PARA EDOS II

donde las funciones g0 , . . . , gk , k


gk (0) = 0, y el polinomio

1, son analticas (en el sentido de funciones complejas),

gj (0)z j

j=0

satisface la condicin de ceros (1.46).


o
Ejemplo 2.2. El mtodo de Runge-Kutta clsico (Ejemplo 1.2) corresponde a
e
a
g1 (z) 1,

k = 1,

g0 (z) = 1 + z +

z2 z3 z4
+
+
2
6
24

el mtodo de Euler implcito (1.39) a


e

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

gj (q)z j = 0 = |z| < 1.

El mtodo se llama A-estable si es absolutamente estable en G con


e
z | Re z < 0 G,

2.2. ESTABILIDAD DE METODOS DE DISCRETIZACION PARA PVIS DE EDOS

31

A()-estable si es absolutamente estable en G con


z | arg(z) (, ) G ( > 0),
y A0 -estable si es absolutamente estable en G con
z | Re z < 0, Im z = 0 G.
Si el mtodo es A-estable y adicionalmente
e
l sup mx |z| | P (z; q) = 0 < 1,
m
a

Re q

el mtodo se llama L-estable.


e
Un mtodo A-estable permite la integracin estable (no: exacta) de y = y, y(0) = y0
e
o
con un tamao de paso h arbitrario. Podemos esperarnos que un tal mtodo tambin permite
n
e
e
la integracin estable y exacta de sistemas r
o
gidos si el tamao de paso es determinado segn
n
u
los componentes suaves y lentamente decrecientes, una vez que los componentes rapidamente
decrecientes de la solucin ya no son importantes. Ningun mtodo expl
o
e
cito es A-estable.
Ejemplo 2.3. El mtodo de Euler explcito es absolutamente estable precisamente en
e

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

absolutamente estable precisamente en


z C | |z 1| > 1 ,
este mtodo tambin es A-estable y L-estable, pero no es apto para ecuaciones de oscilacin
e
e
o
ya que amortigua la amplitud de la solucin discretizada por un factor 1/(1 + hC) en cada
o
paso.
La regla trapezoidal (1.40) es absolutamente estable estrictamente para
z
1+
2 < 1,
z
1
2
es decir, es absolutamente estable estrictamente para
z C := {z C | Re z < 0}.
Es apta para ecuaciones de oscilacin (por ejemplo, y = iy, i =
o
z
1+
2 = 1.
Re z = 0 =
z
1
2

1) porque

32

2. PROBLEMAS DE VALORES INICIALES PARA EDOS II

k 1
2
3

90 90 88 02

4
73 21

5
51 50

6
17 50

Cuadro 2.3. Los ngulos de A()-estabilidad de los mtodos BDF de k pasos.


a
e

m=p 1
2
3
4

2 2 2,51 2,78

Cuadro 2.4. Los intervalos reales (, 0) de estabilidad de algunos mtodos


e
de Runge-Kutta con m = p pasos.

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

2.2. ESTABILIDAD DE METODOS DE DISCRETIZACION PARA PVIS DE EDOS

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

nos entrega para


sup (x) = > 0
xR+

la restriccin
o
h

2
.

34

2. PROBLEMAS DE VALORES INICIALES PARA EDOS II

El mtodo del punto medio implcito,


e

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

o sea el mtodo es estable sin restricciones.


e
Ms encima, para sistemas lineales con coecientes variables ya no podemos concluir que
a
la solucin es estable cuando los valores propios de
o
2 f (x, y)

y=y(x)

= A(x)

son sucientemente pequeos, como non muestra el siguiente ejemplo.


n
Ejemplo 2.5. Consideremos el problema de valores iniciales
1
1
y = U T (x)
U (x)y A(x)y,
0 1

y(0) = y 0 ,

con un parmetro > 0 y la matriz


a

U (x) =

cos(x) sin(x)
sin(x) cos(x)

Aqu los valores propios de A son 1 = 2 = 1/. Usando la transformacin

o
v(x) := U (x)y(x),

tenemos y(x)

es decir,

= v(x) 2 , y v es solucin del problema de valores inicales


o

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),

Existen varias extensiones de la teor lineal de estabilidad para mtodos de discretizacin


a
e
o
a sistemas generales (esto es tema de investigacin corriente). Para el siguiente tipo de
o
ecuaciones ya existen resultados.

2.2. ESTABILIDAD DE METODOS DE DISCRETIZACION PARA PVIS DE EDOS

35

Denicin 2.3. Sea f : R+ Rn Rn , y para un producto escalar , , supongamos que


o
Si m

x R+ : u, v Rn :

f (x, u) f (x, v), u v

m u v, u v .

(2.8)

0, entonces la ecuacin diferencial ordinaria y = f (x, y) se llama disipativa.


o

Ejemplo 2.6. Consideremos el problema

x(t) = h x(t) ,

t > 0;

> 0 : y, z Rn :

z T z

x(0) = x0 ,

(2.9)

donde h : R R sea una funcin dos veces continuamente diferenciable y uniformemente


o
convexa, es decir,
zT

h(y)z.

Con la notacin de la Denicin 2.3, tenemos


o
o
f = h

(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 sea, m = < 0 en (2.8).


La ecuacin diferencial ordinaria (2.9) tiene como unica solucin estacionaria el unico
o

mnimo x de h, y para t la solucin de cualquier problema de valores iniciales de x =

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

h es una matriz mal acondicionada.


Hay que tomar en cuenta que (2.8) no utiliza 2 f , es decir, la clase de ecuaciones
diferenciales disipativas incluye problemas arbitrariamente r
gidos.
Denicin 2.4. Un mtodo de discretizacin para problemas de valores iniciales de ecuao
e
o
ciones diferenciales ordinarias se llama optimalmente B-convergente del orden p sobre la
clase de todos los problemas de valores iniciales disipativos, si

y(xi ) y h
C(xi )hp para h < h y i N0 ,
i

donde C(xi ) depende solamente de


mx
a

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

depende de 2 f . En general, el valor de h en la Dencin 2.4 depende de m.


o

36

2. PROBLEMAS DE VALORES INICIALES PARA EDOS II

Teorema 2.2. El mtodo de Euler implcito es optimalmente B-convergente del orden 1, y


e

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

lo que implica que para f (x, y) = y y n = 1



k1
h
.
. ,
.
(I hB)k = yi e, k =
km

B = (jl )j,l=1,...,m ,


1
. .
.
e= .
1

Para h sucientemente pequeno, I hB siempre es invertible y por lo tanto, k es bien


n
denido. Segn la regla de Cramer tenemos
u
h
kj = yj Rj (h),

j = 1, . . . , m,

donde Rj es una funcin racional de h:


o
Rj (z) =

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

2.3. METODOS DE RUNGE-KUTTA IMPL


ICITOS Y METODOS DE ROSENBROCK

37

Ejemplo 2.7. Consideremos el mtodo con m = 2 dado por


e
1
4
3
4

1
4
1
4
1
2

0
1
.
2
1
2

(2.11)

Poniendo f (x, y) = y obtenemos


h
h
k1 = yi + k1 ,
4

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,

lo que signica que

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
+

este mtodo es A-estable. Es consistente del orden 2. Tambin es optimalmente B-convergente


e
e
del orden 2.
Segn la Denicin 2.2, la propiedades de estabilidad lineal de un mtodo de Runge-Kutta
u
o
e
impl
cito depende de para cuales z C se cumple

Rm (z) < 1.

En esta clase de mtodos existen mtodos A-estables de orden arbitrariamente alto.


e
e
Si elegimos como i los nodos de Gauss para la funcin de peso 1 sobre [0, 1], y como i
o
los pesos de Gauss asociados y como ij (los pesos de la cuadratura interior) de tal forma

38

2. PROBLEMAS DE VALORES INICIALES PARA EDOS II

que
m

ij g(j ) =
j=1

g(x) dx para g m1 , i = 1, . . . , m,

obtenemos los mtodos de Gauss-Runge-Kutta. Por ejemplo, para m = 2 obtenemos el sie


guiente esquema.

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.

2.3. METODOS DE RUNGE-KUTTA IMPL


ICITOS Y METODOS DE ROSENBROCK

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

hecho de que hay que calcular m matrices de Jacobi 2 f y ejecutar m descomposiciones


triangulares. Con una matriz ja
I h2 f (x, y)

en al lado izquierdo y una correccin correspondiente al lado derecho obtenemos la frmula


o
o
de planteo modicada
I h2 f (x, y h ) ki
=f

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

2. PROBLEMAS DE VALORES INICIALES PARA EDOS II

i=1
i=2
i=3
i=4
.
i 0,199293275702 0,482645235674 0,0680614886256 0,25

Cap
tulo 3

Problemas de valores de frontera para ecuaciones diferenciales


ordinarias
3.1. Introduccin
o
En el caso escalar, se busca una solucin y = y(x) da le ecuacin diferencial ordinaria
o
o
F x, y, y , . . . , y (n) = 0

(3.1)

sujeta a las condiciones de frontera


Rj (y) = Rj y(a), y (a), . . . , y (n1) (a); y(b), y (b), . . . , y (n1) (b) = j ,

j = 1, . . . , n, (3.2)

donde x = a y x = b son puntos en R y j R. En general, es dicil obtener resultados


acerca de la existencia y la unicidad de soluciones de estos problemas de valores de frontera.
Esencialmente, existen slo resultados para el problema lineal
o
n

(Ly)(x)

fi (x)y (i) = g(x),

x (a, b),

i=0

fn 0 sobre (a, b),


(3.3)

n1

j,k+1 y (k) (a) + j,k+1 y (k) (b) = j ,

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),

R1 [y] = 11 y(a) + 11 y(b) + 12 y (a) + 12 y (b) = 1 ,


R2 [y] = 21 y(a) + 21 y(b) + 22 y (a) + 22 y (b) = 2 .

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

3. PROBLEMAS DE VALORES DE FRONTERA PARA EDOS

Las condiciones de frontera se llaman linealmente independientes si el rango de la siguiente


matriz es n:

11 . . . 1n 11 . . . 1n
.
.
.
.
.
.
.
A= .
.
.
.
.
n1 . . . nn n1 . . . nn

Frecuentamente, el problema de valores de frontera (3.3) puede ser reducido facilmente


a un problema con condiciones homogneas, donde j = 0 para j = 1, . . . , n. Esto ocurre si
e
existe un polinomio Q n1 tal que
Rj [Q] = j ,

j = 1, . . . , n.

En este caso denimos


z(x) := y(x) Q(x),

f := LQ.

Segn (3.3), obtenemos entonces el problema de valores de frontera


u
(Lz)(x) = (Ly LQ)(x) = g(x) f (x) = h(x),
Rj [z] = Rj [y] Rj [Q] = j j = 0,

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

El operador se llama autoadjunto si


Ly L y,

y C n (a, b).

(3.4)

Obviamente, un operador diferencial autoadjunto es de orden par. Una ecuacin Ly = g(x)


o
con un operador diferencial L autoadjunto se llama ecuacin autoadjunta. Para n = 2, la
o
condicin (3.4) exige que
o
f0 y + f1 y + f2 y f0 y (f1 y) + (f2 y)

f0 y f1 y f1 y + f2 y + 2f2 y + f2 y

donde omitimos el argumento (x). Esto implica que


2(f1 f2 )y (f2 f1 )y 0,

y C 2 (a, b),

lo cual es vlido si y slo si


a
o
f1 (x) f2 (x).
Usando f2 (x) = p(x) y f0 (x) = q(x), podemos escribir una ecuacin diferencial ordinaria
o
de segundo orden autoadjunta como
Ly =

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

p(x)(y )2 + q(x)y 2 2g(x)y dx = m .)


n

Teorema 3.1. Cada ecuacin lineal de segundo orden


o
f2 (x)y + f1 (x)y + f0 (x)y h(x) = 0,

para todo x (a, b)

f2 (x) = 0

(3.6)

puede ser transformada a una ecuacin autoadjunta de segundo orden.


o
Demostracin. Multiplicamos (3.6) por la funcin
o
o
x

p(x) = exp

x0

f1 ()
d ,
f2 ()

x0 , x (a, b),

donde x0 (a, b) puede ser elegido libremente. El resultado es

p(x)f2 (x)y p(x)f1 (x)y p(x)f0 (x)y + p(x)h(x) = 0.

(3.7)

La funcin p(x) satisface


o

p(x)f1 (x) = p(x)

f1 (x)
f2 (x) = p (x)f2 (x),
f2 (x)

es decir, dividiendo (3.7) por f2 (x) y deniendo


q(x) := p(x)

f0 (x)
,
f2 (x)

obtenemos la ecucacin autoadjunta


o
d
dy

p(x)
dx
dx

g(x) := p(x)

h(x)
,
f2 (x)

+ q(x)y g(x) = 0.

Para el tratamiento de problemas de valores de frontera de ecuaciones diferenciales ordinarias


de segundo orden podr
amos limitarnos a ecuaciones autoadjuntas. Pero, si la ecuacin del
o
problema dado no es autoadjunta, la reduccin al tipo autoadjunto segn la demostracin
o
u
o
del Teorema 3.1 frecuentamente entrega una ecuacin bastante complicada. Por ello es ms
o
a
adecuado resolver el problema en la forma originalmente dada, siempre que existe un mtodo
e
adecuado.
3.1.2. Problemas de valores de frontera para sistemas de ecuaciones diferenciales
ordinarias de primer orden. Similarmente a lo que hemos visto para problema de valores iniciales, podemos reducir problemas de valores de frontera de una ecuacin diferencial
o
ordinaria del orden n a sistemas de ecuaciones diferenciales de primer orden. Para ilustrar
eso, supongamos que la ecuacin (3.1) est dada en la forma expl
o
a
cita
y (n) = f x, y, y , . . . , y (n1) ,
y denimos
y (j) =: yj+1 ,

j = 0, . . . , n 1.

44

3. PROBLEMAS DE VALORES DE FRONTERA PARA EDOS

Entonces resulta el sistema de primer orden


y1 = y2 ,
.
.
.

(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)

En particular, si (3.1), (3.2) es un problema de valores de frontera lineal, tambin el problema


e
(3.8), (3.9) es lineal.
En general, el problema de valores de frontera de un sistema de ecuaciones diferenciales
ordinarias de primer orden es
yi = fi (x, y1 , . . . , yn ),

i = 1, . . . , n,

Rj y1 (a), . . . , yn (a); y1 (b), . . . , yn (b) = j ,


Deniendo


y1
. ,
y := .
.
yn

f1 (x, y)
.
,
.
f (x, y) :=
.
fn (x, y)

podemos escribir (3.10) como

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) = .

3.2. Mtodos de diferencias nitas


e
3.2.1. Mtodo de diferencias nitas para un problema de valores de frontera
e
lineal. En lo siguiente, consideramos el problema de valores de frontera
y + p(x)y + q(x)y g(x) = 0,

11 y(a) + 12 y (a) = 1 ,

x (a, b),

21 y(b) + 22 y (b) = 2 .

(3.12)
(3.13)
(3.14)

Para discretizarlo, subdividimos el intervalo [a, b] en N subintervalos del tamao h poniendo


n
x0 := a;

xi = a + ih,

i = 0, . . . , N ;

xN = a + N h = b.

En el punto xi se aproxima la solucin del problema de valores de frontera (3.12)(3.14)


o
remplazando el cuociente diferencial por un cuociente de diferencias. Un tal mtodo se llama
e
mtodo de diferencias nitas.
e


3.2. METODOS DE DIFERENCIAS FINITAS

45

Si y C 4 es la solucin de (3.12)(3.14), entonces en el punto x = xi tenemos que


o

y(xi1 ) 2y(xi ) + y(xi+1 )


y(xi+1 ) y(xi1 )
+ q(xi )y(xi ) g(xi ) = O(h2 ),
+ p(xi )
2
h
2h
(3.15)

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)

Para un valor de h jo y deniendo


h
i := 1 + p(xi ), i := 2 + h2 q(xi ),
2
podemos escribir (3.16) como el sistema

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

3. PROBLEMAS DE VALORES DE FRONTERA PARA EDOS

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

Teorema 3.3. Sea A estrictamente o irreduciblemente diagonaldominante con ii > 0 para


i = 1, . . . , n y ij
0 para i = j (es decir, A es una L-matriz). En este caso, A es una
M-matriz.
Demostracin del Teorema 3.2. Observamos primero que A(h) es una L-matriz. Si 12 < 0 y
o
22 > 0, entonces A(h) es irreduciblemente diagonaldominante, y por lo tanto una M-matriz.
Por otro lado, consideremos el caso 12 = 0 o 22 = 0. Si por ejemplo 12 = 0, tenemos
1
h
y0 =
= y(a).
11
h
Si 22 > 0 en este caso, despus de remplazar y0 = y(a), 0 < h
e
h0 el sistema (3.17) se
h
h
h
reduce a un sistema de N ecuaciones en las desconocidas y = (y1 , . . . , yN )T , cuya matriz
nuevamente es una M-matriz. Si adems 22 = 0, tenemos que
a
2
h
yN =
= y(b),
21
h
h
y obtenemos un sistema lineal de N 1 ecuaciones para y h = (y1 , . . . , yN 1 )T , cuya matriz
es una L-matriz irreduciblemente diagonaldominante, es decir, una M-matriz.

Para la solucin del sistema lineal (3.17), podr


o
amos utilizar el algoritmo de Gauss (o el
algoritmo de Thomas). Sin embargo, para valores de N muy grandes, es decir, para h muy
pequeo, este algoritmo es poco apropiado puesto que A(h) es casi singular. La mala condin
cin de A(h) en este caso tendr como consecuencia que el resultado ser substancialmente
o
a
a
falsicado por errores de redondeo.
Los mtodos numricos iterativos para sistemas lineales han sido desarrollados para el
e
e
tratamiento de aquellas matrices que provienen de discretizaciones de problemas de ecuaciones diferenciales. La convergencia del mtodo SOR fue demostrada para sistemas lineales
e
con una M-matriz y un parmetro de relajacin 0 <
a
o
1. La velocidad de convergencia
tambin depende del nmero de condicin de A(h). Por otro lado, hay que considerar que es
e
u
o
suciente resolver el sistema (3.17) solamente aproximadamente, dado que ya se cometi un
o
error al remplazar la ecuacin diferencial por su discretizacin, y la solucin exacta de (3.17)
o
o
o
es solamente una aproximacin a la verdadera solucin de la ecuacin diferencial.
o
o
o
Para el caso 12 = 22 = 0, podemos ilustrar que A(h) es casi singular. Como h =
(b a)/N 0 si N es muy grande, la matriz A(h) aproxima

2 1 0 . . . 0
.

.
1 2 1 . . .
.

0 ... ... ... 0 .


A=

. .

. . 1 2 1
.
.
0 0 1 2


3.2. METODOS DE DIFERENCIAS FINITAS

47

Esta matriz tiene los valores propios


j
N

j = 2 1 cos

j = 1, . . . , N 1.

Es decir, el valor propio m


nimo, 1 , satisface 1 < 103 para N = 100 y 1 < 105 para
N = 1000, mientras que N 1 4.
Una matriz simtrica resulta para p(x) 0, 12 = 22 = 1 o 12 = 22 = 0. En este
e
caso, el problema de valores de frontera (3.12)(3.14) asume la forma
y + q(x)y g(x) = 0,

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) = .

Se supone que la ecuacin es no lineal, es decir, f es una funcin no lineal de y o de y . Se


o
o
supone adems que f es diferenciable con respecto a y e y , y que |fy | M . La discretizacin
a
o
entrega en este caso el sistema no lineal

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

puede ser evaluada facilmente: usando


fy xi , zi ,

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

3. PROBLEMAS DE VALORES DE FRONTERA PARA EDOS

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

El sistema T (y h ) = 0 debe ser solucionado iterativamente, por ejemplo usando el mtodo


e
SOR-Newton.
El mtodo SOR-Newton es apto para resolver numricamente el sistema no lineal
e
e

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

(c) 0 < 1 y F (x ) es una M-matriz.


En nuestro caso, tenemos el siguiente teorema.
Teorema 3.5. Sea fy
0 y h tan pequeo que hM < 2. Entonces para todo z RN 1 ,
n
T (z) es una matriz irreduciblemente diagonal dominante.
Demostracin. Dado que |fy | M , tenemos
o
h (i)
h (i)
(i)
1 + fy < 0, 1 fy < 0, 2 + h2 fy
2,
2
2
y luego
h (i)
h (i)
(i)
1 + fy + 1 fy = 2 2 + h2 fy , i = 2, . . . , N 2.
2
2


3.2. METODOS DE DIFERENCIAS FINITAS

49

Finalmente, tenemos
h (j)
1 + fy < 2
2

(j)
2 + h2 fy ,

j {1, N 1}.

Concluimos que T (z) es diagonal dominante para todo z RN 1 , y la diagonaldominancia


es estricta en la primera y la ultima la. Adems, las matriz es irreducible, lo que concluye

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].

Por simplicidad, consideremos ahora el problema de valores de frontera


y + q(x)y g(x) = 0,

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)

Sean y(xi ) los valores de la solucin exacta de (3.19) en xi = a + ih, i = 0, . . . , N , con


o
y(x0 ) = y(a) = ,

y(xN ) = y(b) = ,

y(h) = y(x1 ), . . . , y(xN 1 )

Entonces en virtud de (3.15) sabemos que


A(h)y(h) = b(h) + O(h4 ),
donde O(h4 ) denota un vector de RN 1 . Entonces, la cantidad h := y h y(h) satisface
h = A(h)1 O(h4 ).

(3.22)

50

3. PROBLEMAS DE VALORES DE FRONTERA PARA EDOS

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 .

Obviamente, la dicultad es cmo estimar A(h)1 ? Sean G = (gij ) y H = (hij )


o
dos matrices de Rnm , con gij
hij para todo 1 i n y 1 j
m. En este situacin
o
escribimos G H. Si una matriz B tiene slo elementos no negativos, entonces escribimos
o
B 0, donde 0 representa la 0-matriz. Segn (3.20),
u

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

Teorema 3.6. Sean q(xi )

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.

Ahora podemos escribir A = D L U con

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 ),

D(h)1 A(h) = I D(h)1 (L + U ).


3.2. METODOS DE DIFERENCIAS FINITAS

Obviamente, D
obtenemos

D(h), D 1

D(h)1 , y entonces D 1

A(h)1 D(h) I D(h)1 (L + U )

51

D(h)1 . Usando (3.24),

A(h)1 D(h) I D(h)1 (L + U )

= 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 ) .

Dado que D(h) > 0 y D > 0, podemos concluir que como

A(h) = D(h) L U

es una M-matriz, tambin


e

D D(h)1 A(h) = D I D(h)1 (L + U )

es una M-matriz, y por lo tanto

D I D(h)1 (L + U )

0.

Dado que A es una M-matriz, concluimos que (3.23) es vlido.


a
Teorema 3.7. Sea y (4) C[a, b] y |y (4) (x)|
constante L 0 tal que
h
yi y(xi )

M para x [a, b]. Entonces existe una

Li(N i)h4 = L(xi a)(b xi )h2 .

Demostracin. Sea e = (1, . . . , 1)T RN 1 y para u RN 1 escribimos


o
Entonces, debido a A1 (h)

|u| := (|u1 |, . . . , |uN 1 |)T .

0, (3.22) y (3.23) implican que


|h | =

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

3. PROBLEMAS DE VALORES DE FRONTERA PARA EDOS

tenemos

Ay h = h2 e,

y h = h2 A e = y (h).

(3.27)

Usando (3.26), tenemos


1
1
h
yi = y(xi ) = (xi x0 )(xi xN ) = hi(N i).
2
2
Con L = M/24 obtenemos de (3.25) y (3.27)
|h |

1 4 1

h M 2 y (h) = 2Lh2 y (h),


12
h

(3.28)

es decir
h
yi y(xi )

Li(N i)h4 = L(xi a)(b xi )h2 .

3.3. Mtodos de disparo


e
La solucion de un problema de valores de frontera puede ser reducida a la solucin de un
o
nmero de problemas de valores iniciales. Esto es la idea bsica de los mtodos de disparo
u
a
e
simple y mltiple. Vamos a estudiar primero la situacin en el caso lineal.
u
o
3.3.1. Mtodos de disparo para problemas lineales. Comenzando con mtodos de
e
e
disparo simple, estudiamos primero el problema
Ly y A(x)y = g(x),

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

matrices B 1 y B 2 son constantes. Cualquier problema de valores de frontera de mayor orden


lineal puede ser reducido a este tipo.
El concepto del mtodo de disparo es el siguiente. Para un vector de parmetros s =
e
a
T
(s1 , . . . , sn ) , calculamos la solucin z = z(x; s) del problema
o
Lz = g,

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).

z(x; s) = z (x) + Z(x)s = z (x) +

(3.32)

i=1

3. Suponiendo que B 1 + B 2 Z(b) es no singular, calculamos s como solucin del sistema


o
lineal
B 1 + B 2 Z(b) s = r B 2 z 0 (b) .

(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

Luego, del requerimiento Rz = r obtenemos


r = R(z 0 + Zs)
= B 1 z 0 (a) + Z(a)s + B 2 z 0 (b) + Z(b)s
= B 1 + B 2 Z(b) s + B 2 z 0 (b),
lo que es precisamente (3.33).
Efectivamente, hemos reducido la solucin del problema de valores de frontera (3.29) a
o
la solucin de n + 1 problemas de valores iniciales: un problema de valores iniciales es (3.31);
o
los n dems problemas son
a
Lz i = 0,

z i (a) = ei ,

i = 1, . . . , n,

(3.34)

cuyas soluciones forman el sistema fundamental Z(x).


Ejemplo 3.1. Consideremos el problema de valores de frontera
y y = x2 2,

0 < x < 1,

y(0) y(1) = 0,

y (0) y (1) = 1.

Este problema de valores de frontera es equivalente al problema para un sistema de primer


orden
0
0 1
y=
, 0 < x < 1,
y
1 0
x2 2

54

3. PROBLEMAS DE VALORES DE FRONTERA PARA EDOS

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) =

Un planteo polinomial entrega


0
.
0

Los valores propios de A son 1 = 1 y 2 = 1, con los vectores propios correspondientes


(1, 1)T y (1, 1)T . Entonces, la solucin general del sistema y Ay = 0 es
o
y=

C1 ex + C2 ex
.
C1 ex C2 ex

Para obtener el sistema fundamental, es decir los vectores z 1 y z 2 , exigimos que


C11 + C12
C11 C12

z 1 (0) =

lo que entrega C11 = C12 =


z 1 (x) =

1
2

1
2

ex + ex
ex ex

= e1 =

1
,
0

C21 + C22
C21 C22

z 2 (0) =

= e2 =

0
;
1

y C21 = C22 = 1 , entonces


2
=

cosh x
,
sinh x

z 2 (x) =

1
2

ex ex
ex + ex

sinh x
.
cosh x

Luego calculamos que


Z(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

Entonces, la solucin deseada del problema de valores de frontera es


o
z(x; s ) = z (x) =

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

3.3.2. Mtodo de disparo numrico para problemas lineales. En general, los n + 1


e
e
problemas de valores iniciales no pueden ser resueltos exactamente; hay que utilizar mtodos
e
numricos. Se sugiere el siguiente procedimiento. Usando un mtodo de paso simple (o de
e
e
paso mltiple), se determinan soluciones aproximadas, es decir, vectores
u
h,i
h,i
z h,i = z1,j , . . . , zn,j
j

j = 0, . . . , N,

i = 0, . . . , n

con los valores iniciales


z h,0 = 0;
0

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. Si B 1 + B 2 Z h es regular, resolvemos el sistema


N
(B 1 + B 2 Z h )sh, = r B 2 z h,0 .
N
N

(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 ;

entonces el esquema es del mismo orden.

Ejemplo 3.2. Seguimos considerando el problema introducido en el Ejemplo 3.1. Usando el


mtodo de Euler explcito (p = 1), obtenemos los siguientes valores numricos para h = 0,125
e

e
(N = 8).

56

3. PROBLEMAS DE VALORES DE FRONTERA PARA EDOS

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

0,27832 0,43113 0,61344 0,82494

1,22250 1,45846 1,69204 1,92302


1,15748

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

0,25499 0,36042 0,44836 0,51673

Cuadro 3.1. Ejemplo 3.1: Solucin de un problema de valores de frontera


o
mediante el mtodo de disparo: valores numricos.
e
e

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

El resultado es sh, = 0,63288, sh, = 0,48345. Las soluciones (3.32) son


1
2
z h, = z h,0 + sh, z h,1 + sh, z h,2 ,
2
1
j
j
j
j

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

3.3.3. Mtodos de disparo para problemas de valores de frontera no lineales. El


e
mtodo de disparo ya discutido de la reduccin de un problema de valores de frontera a la
e
o
solucin de n + 1 problemas de valores iniciales es simple por dos motivos. Por un lado, para
o
un problema lineal la existencia de la solucin del problema de valores iniciales
o
y A(x)y = g(x),

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 ,

El problema de valores iniciales asociado es

y = F (x, y),

R : Rn Rn Rn .
y(a) = s.

(3.37)

Se supone que la solucin de (3.37) existe en el intervalo [a, b] completo; si F depende de


o
forma diferenciable de y, esa solucin existe en un intervalo sucientemente pequeo [a, a+].
o
n
En lo siguiente, se supone que la funcin F es diferenciable. Entonces, la solucin de (3.37)
o
o
tambin es una funcin de s, y depende de forma diferenciable de s:
e
o
y = y(x; s).
La ecuacin se escribe entonces como
o
y (x; s) = F x, y(x; s) ;

y(a; s) = s.

Ahora tenemos que resolver el sistema no lineal


R y(a; s), y(b; s) = R(s, y(b; s) = 0
con respecto a s, donde y(b; s) es la solucin de (3.37) evaluada en x = b. En general, este
o
sistema no lineal puede ser resuelto solamente por el mtodo de Newton-Raphson o alguna
e
de sus variantes. Para discutir eso, denimos
G(s) := R(s; y(b; s) .
Ahora tenemos que determinar la matriz s G(s) para poder ejecutar el mtodo de Newtone
Raphson. Tericamente podemos cacular esa matriz a travs de un problema de valores
o
e
iniciales. Sin embargo, es ms simple (y el mtodo preferido en las aplicaciones) aproximar
a
e
la matriz por diferencias nitas, por ejemplo
1
G(s + e1 ) G(s) G(s + en ) G(s) .
s G(s)

Para calcular G(s) y la aproximacin para s G(s) se deben resolver n + 1 problemas de


o
valores iniciales (3.37) con los valores iniciales s, s + e1 , . . . , s + en .
Un paso con el mtodo de Newton-Raphson (amortiguado) entrega un valor mejorado de
e
s con el cual se repite el procdimiento, etc. En la mayor de las aplicaciones, no se conoce
a
un valor inicial s(0) muy bueno para buscar s con G(s ) = 0. Adems, aparece el problema
a

58

3. PROBLEMAS DE VALORES DE FRONTERA PARA EDOS

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

con la solucin exacta y(x) = ln(s x + 1) + 1, s = e5 1, y


o
s
y (x) =
,
s x+1
entonces, y (0) = s . El problema de valores iniciales
y + (y )2 = 0,

y(0) = 1,

y (0) = s

tiene la solucin y(x; s) = 1 + ln(sx + 1), entonces


o
y(1; 0,99) = 3,6052,

y(1; s = 0,993262053 . . . ) = 4,

y(1; 0,999) = 5,9078,

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

existe en un intervalo xi i < x < xi + i , podemos tratar de evitar el problema de no


existencia de una solucin global mediante la subdivisin en problemas parciales. Para una
o
o
particin
o
a = x0 < x1 < x2 < < xm = b

y valores iniciales apropiados si Rn en las posiciones xi se denen soluciones parciales


y [i] (x; si ) a travs de
e
y [i] (x; si ) = F x, y [i] (x; si ) ,
i

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)

donde sm = y(b), y la solucin as compuesta es una solucin del problema de valores de


o

o
frontera si
R(s0 , sm ) = 0.

(3.40)

En total, tenemos m + 1 ecuaciones de n componentes para las m + 1 desconocidas de


n componentes s0 , . . . , sm , cuya solucin simultnea entrega la solucin del problema de
o
a
o
valores de frontera. El sistema no lineal denido por (3.39) y (3.40) se resuelve por el mtodo
e
de Newton-Raphson amortiguado. Este procedimiento se llama mtodo de disparos mltiples.
e
u

Cap
tulo 4

Problemas de valores de frontera para ecuaciones diferenciales


parciales el
pticas
4.1. Clasicacin
o
Una ecuacin diferencial parcial de segundo orden en n variables independientes x1 , . . . , xn
o
para una funcin buscada u = u(x1 , . . . , xn ) es la ecuacin
o
o
F x1 , . . . , xn , u, ux1 , . . . , uxn , ux1 x1 , ux1 x2 , . . . , uxn xn = 0,

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

Denicin 4.1. Una ecuacin diferencial parcial de la forma (4.1) se llama


o
o
cuasi-lineal, si por lo menos uno de los coecientes Aik es una funcin de por lo menos
o
una de las variables u, ux1 , . . . , uxn ,
semi-lineal, si las funciones Aik son a lo ms funciones de x1 , . . . , xn , pero f depende
a
de forma no lineal de por lo menos una de las variables u, ux1 , . . . , uxn ,
lineal, si las funciones Aik son a lo ms funciones de x1 , . . . , xn , y
a
n

f=

Ai uxi + Au + B,
i=1

donde A1 , . . . , An , A y B pueden ser funciones de las variables independientes x1 , . . . , xn .


Para la clasicacin segn tipo, denimos la forma cuadrtica
o
u
a
n

Aik pi pk

Q=

(4.2)

i,k=1

con las variables p1 , . . . , pn . Deniendo la matriz A := (Aik ) y el vector p := (p1 , . . . , pn )T ,


podemos escribir (4.2) como
Q = pT Ap.

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

4. PROBLEMAS DE VALORES DE FRONTERA PARA EDPS EL


IPTICAS

donde B = diag(B1 , . . . , Bn ), y B1 , . . . , Bn son los valores propios de A. Deniendo q = T T p,


tenemos
n
T

2
Bi qi .

Q = p Ap = q Bq =
i=1

Se llama ndice inercial al nmero de los Bi negativos y defecto al nmero de los Bi = 0

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

parablica, si all > 0,


o

el
ptica, si all = 0 y = 0 o = n, y

ultrahiperblica, si all = 0 y 1 < < n 1 (obviamente, esto puede ocurrir slo si


o

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

es un hiperboloide, un paraboloide o un elipsoide en los respectivos casos (a), (b) y (c) de


la Denicin 4.2. Por otro lado, la clasicacin puede ser realizada slo en un punto x, y
o
o
o
entonces es de naturaleza local. Si todos los coecientes Aik son constantes, la clasicacin
o
es global. De hecho, el tipo de una ecuacin cuasi-lineal no slo depende de x B Rn ,
o
o
sino que tambin del valor de la solucin. Por ejemplo, la ecuacin
e
o
o
ux1 x1 + uux2 x2 = 0
es hiperblica, parablica o el
o
o
ptica en un punto x = (x1 , x2 ) dependiendo de si u(x) < 0,
u(x) = 0 o u(x) > 0 en este punto.
En lo siguiente, nos restringimos al caso n = 2, y ponemos x = x1 e y = x2 . Consideramos
la ecuacin
o
Lu auxx + 2buxy + cuyy = f,

es decir, consideramos la matriz

A=

a b
,
b c

cuyos valores propios son


1,2 =

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)

4.3. PROBLEMAS DE VALORES DE FRONTERA Y PROBLEMAS VARIACIONALES

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,

u(x, y) = (x, y) para (x, y) G,

el segundo problema de valores de frontera


Lu f

para (x, y) G,

u
(x, y) = (x, y) para (x, y) G,

y el tercer problema de valores de frontera


Lu f

(x, y)u(x, y) (x, y)

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

4. PROBLEMAS DE VALORES DE FRONTERA PARA EDPS EL


IPTICAS

62

se llama operador adjunto de L. Si L u = Lu para toda funcin u C 2 (G), el operador L


o
s llama autoadjunto sobre G; en este caso, la ecuacin diferencial Lu = f se llama ecuacin
o
o
diferencial autoadjunta. Facilmente podemos concluir que un operador autoadjunto siempre
es de la forma
Lu = (a11 ux )x (a12 ux )y (a12 uy )x (a22 uy )y + au.

(4.4)

En particular, para a11 a22 1 y a12 a 0 obtenemos el operador de Laplace


Lu = 2 u uxx uyy .

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)

donde L es el operador autoadjunto (4.4). El dominio de L es el conjunto de todas las

funciones denidas sobre G = G G y dos veces continuamente diferenciables sobre G que


desaparecen sobre G, es decir, este dominio es

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 .

Respecto a la ecuacin Lu = f , se supone que


o

aik C 2 (G), i, k = 1, 2, a, f C 0 (G),


2

a(x, y)

0,

aik (x, y)i k

i2 ,

i=1

i,k=1

(x, y) G,

(x, y) G,

1 , 2 R,

(4.7)

donde > 0 es independiente de 1 y 2 . Se sabe que bajo las hiptesis (4.7),


o
v, w D :

(v, Lw) = (Lv, w),

(Lv, v) > 0 (v = 0).

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

I[v| := (v, Lv) 2(v, f ),


I[u] = m I[v].
n
vD


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.

Denicin 4.3. Una funcin v pertenece al espacio V (G) si v C 0 (G), v es diferenciable


o
o
2

por trozos con respecto a x e y sobre G, y vx , vy L (G), es decir,


v

V (G)

:=

v(x, y)

+ vx (x, y)

+ vy (x, y)

1/2

dx dy

Se conrma facilmente que

V (G)

< .

efectivamente es una norma. Ahora denimos

D := v V (G) | v = 0 en G ,
y para v, w D la forma bilineal simtrica
e
[v, w] :=

a11 vx wx + a12 (vx wy + vy wx ) + a22 vy wy + avw dx dy.


G

Obviamente, D D y [v, w] = (Lv, w) para v, w D.


Teorema 4.2. Sea u D la solucin del problema de valores de frontera (4.6). Entonces
o
v D :

I[u]

I[v],

donde
I[v] := [v, v] 2(v, f )

para v D.

4.4. Mtodos de diferencias


e
Consideremos ahora el problema modelo
u = uxx uyy = f (x, y),
u(x, y) = 0,

(x, y) G := (0, 1)2 ,

(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

4. PROBLEMAS DE VALORES DE FRONTERA PARA EDPS EL


IPTICAS

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.

Insertando (4.10) y (4.11) en (4.9), obtenemos


(2 u)(xi , yk ) f (xi , yk )
1
= 2 4u(xi , yk ) u(xi1 , yk ) u(xi+1 , yk ) u(xi , yk1 ) u(xi , yk+1 )
h
f (xi , yk ) ik (h) ik (h)
= 0.

(4.12)

Despreciando el trmino ik (h) + ik (h) = O(h2 ), obtenemos el sistema lineal


e

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

es decir, despus de uh siguen sucesivamente los uh con i + k = 3, 4, . . . , 2Nh 2, donde


e
11
ik
dentro del bloque con i + k = l el ordenamiento es
uh , uh , . . . , uh ,
l1,1
l2,2
1,l1

l = 3, 4, . . . , 2Nh 2.

Despus de multiplicar con h2 , el sistema (4.13) asume la forma


e
A(h)uh = b(h).

(4.14)

Teorema 4.3. La matriz A(h) es una M-matriz irreduciblemente diagonaldominante y


simtrica, y A(h) es una matriz tridiagonal por bloques de la forma
e

D1 H 1
H 1 D 2 H 2

..
..
..

,
A(h) =
.
.
.

H s2 D s1 H s1
H s1 D s

donde los D i son matrices diagonales (de diferentes tamaos) de la forma


n
D i = diag(4, . . . , 4),

i = 1, . . . , s;


4.5. CONVERGENCIA DEL METODO DE DIFERENCIAS

adems,
a

b(h) = h2

65

f (h, h)
f (2h, h)
.
.
.

f ((Nh 1)h, (Nh 1)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

es decir, el sistema es mal acondicionado para h 0.

2
= O(h2 ) = O(Nh ),

4.5. Convergencia del mtodo de diferencias


e
Sea u = u(x, y) la solucin del problema (4.9), y
o
u(h) = u(h, h), u(2h, h), u(h, 2h), . . . , u((Nh 1)h, (Nh 1)h)

donde respetamos la enumeracin ya establecida, y el vector de errores


o
h := uh u(h).

Usando (4.12) y

ik (h) + ik (h) = O(h2 ),

tenemos (anlogamente a (4.14))


a

i, k = 1, . . . , Nh 1,

A(h)u(h) = b(h) + h2 O(h2 ),

(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)

con una constante K independiente de h. En este caso, (4.16) implicar


a
h

Ch2 K = M h2

con una constante M independiente de h. Para h 0, tendr


amos
uh u(xi , yk ) = uh u(ih, kh)
ik
ik

M h2 ,

i, k = 1, . . . , Nh 1,

66

4. PROBLEMAS DE VALORES DE FRONTERA PARA EDPS EL


IPTICAS

donde la constante M es independiente de h, y el mtodo ser de segundo orden. La proe


a
piedad (4.17) efectivamente se cumple (literatura especializada).
Teorema 4.4. Supongamos que el problema de valores de frontera (4.9) posee una solucin
o

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.

4.6. Dominios con frontera curvada


Ahora consideramos el caso donde G es un dominio abierto, acotado y convexo, con una
frontera continua G. Sobre G podemos denir una malla rectangular con x y y como
largo de los lados de cada rectngulo. Por simplicidad, usaremos una malla cuadrtica Gh
a
a
con x = y = h. Ahora los puntos del borde de la malla, Gh , no van en general pertenecer
a G. Entonces tenemos que construir el conjunto de los puntos Gh , que forman el borde
numrico. Para tal efecto, denominamos como estrella o molcula el siguiente arreglo de
e
e
puntos:
t

(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+

4.6. DOMINIOS CON FRONTERA CURVADA

67

h
(xi1, yk )

(xi, yk )

(x, yk )

Figura 4.1. Derivacin de valores de borde por interpolacin.


o
o
Despreciando el trmino O(h2 ), obtenemos la ecuacin aproximada
e
o
uh
ik

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

(xi , yk ), (xi1 , yk ), (xi , yk1 ) Gh ,

(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

Mh puntos respectivamente, tenemos que resolver ahora un sistema de Mh + Mh ecuaciones.


El esfuerzo adicional nos asegura valores numricos de frontera de mayor exactitud; debido a
e
2
(4.18) su error es proporcional a h . Si agregamos (4.19), la matriz del sistema de ecuaciones
lineales que resulta en general ya no es simtrica, pero se puede demostrar que todav es
e
a
una M-matriz.
Ejemplo 4.1. Consideremos el dominio G dibujado en la Figura 4.2. Para cada punto
(xi , yk ) Gh (puntos marcados por ) usamos la ecuacin (4.13) (despus de la multiplicao
e
2
cin con h ), y para cada punto (xi , yk ) Gh (puntos marcados por ), usamos una versin
o
o
de (4.19). Entonces, la discretizacin entrega aqu la matriz A(h) y el vector correspondiente
o

68

4. PROBLEMAS DE VALORES DE FRONTERA PARA EDPS EL


IPTICAS

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

Figura 4.2. Ejemplo 4.1: Dominio G y puntos de malla en Gh () y en Gh ().


uh dados por

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

Problemas de valores iniciales y de frontera para EDPs


hiperblicas y parablicas
o
o
Este cap
tulo trata de la solucin numrica de aquellos tipos de ecuaciones de derivadas
o
e
parciales de segundo orden que normalmente describen procesos que dependen del tiempo:
las ecuaciones hiperblicas describen procesos de radiacin (por ejemplo, la propagacin de
o
o
o
ondas), mientras que las ecuaciones parablicas describen procesos de difusin (por ejemplo,
o
o
la conduccin del calor). Antes de discutir mtodos numricos para estos tipos de ecuaciones
o
e
e
vamos a introducir el concepto importante de las caractersticas. Sin embargo, en lo siguien
te nos limitaremos a sistemas de dos ecuaciones escalares de primer orden y a ecuaciones
escalares de segundo orden, y a ecuaciones con solamente dos variables independientes.
5.1. Teor de las caracter
a
sticas
5.1.1. Ecuaciones cuasi-lineales escalares de segundo orden. Sea G R2 un dominio
y u(x, y) : R2 G R una solucin de la siguiente ecuacin cuasi-lineal denida en G:
o
o
auxx + buxy + cuyy = f,

(5.1)

donde a, b, c, f : G R3 R son funciones sucientemente suaves de x, y, u y u. Adems,


a
3
se supone que a = 0 en G R . Sea G una curva suave, por ejemplo representada por
una parametrizacin
o
x(), y() : R [0, 1] G R2 .
Sin restriccin esencial supondremos que siempre dx()/d = 0, es decir, en ningn punto
o
u
posee una tangente vertical, asi que estn bien denidos los conceptos de los puntos arriba
a
y debajo de .
Para un punto arbitrario P nos preguntamos si el comportamento de la solucin de
o
(5.1) en una vecindad de P arriba de (o tamb debajo de ) est unicamente denido
en
a
por el conocimiento de la solucin y de sus primeras derivadas en una vecindad de P en .
o
En otras palabras, se pueden determinar las segundas derivadas uxx , uxy y uyy en P de
forma unica si conocemos u, ux y uy en P ?

Formando para las funciones ux y uy las derivadas tangenciales d(ux ) y d(uy ) en P ,


es decir, las derivadas en la direccin de la curva , obtenemos las siguientes ecuaciones
o
diferenciales:
d(ux ) = uxx dx + uxy dy,
d(uy ) = uxy dx + uyy dy.
69

(5.2)

5. PVIFS PARA EDPS HIPERBOLICAS Y PARABOLICAS

70

Combinando (5.1) y (5.2) obtenemos

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)

La ecuacin (5.4) se llama ecuacin caracterstica de (5.1) y es una ecuacin cuadrtica en


o
o

o
a
dy/dx(P ). Las soluciones de (5.4) se llaman direcciones caractersticas de (5.1) en el punto P .

Podemos denir ahora:


Denicin 5.1. En el punto P G, la ecuacin diferencial (5.1) se llama
o
o
a) el
ptica, si (5.4) no posee soluciones reales, es decir, si b2 4ac < 0,
b) hiperblica, si (5.4) posee dos soluciones reales, es decir, si b2 4ac > 0,
o
b) parablica, si (5.4) posee exactamente una solucin real, es decir, si b2 4ac = 0.
o
o
5.1.2. Sistemas cuasi-lineales de primer orden. En lo siguiente, consideraremos en
G R2 un sistema cuasi-lineal de primer orden (a1 c2 a2 c1 = 0):
a1 ux + b1 uy + c1 vx + d1 vy = f1 ,
a2 ux + b2 uy + c2 vx + d2 vy = f2 ,

(5.5)

donde los coecientes ai , bi , ci y di (i = 1, 2) sun funciones de x, y, u y v. Se supone que los


valores u, v de la solucin estn dados sobre G. Fijamos un punto P y preguntamos
o
a
si las primeras derivadas ux , uy , vx y vy pueden ser determinadas de forma unica en el punto

P . Formando las derivadas de u y v en P en la direccin de obtenemos


o
du = ux dx + uy dy,
dv = vx dx + vy dy.

Combinando (5.5) y (5.6) obtenemos

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)

5.1. TEOR DE LAS CARACTER


IA
ISTICAS

71

La ecuacin (5.7) es la ecuacin caracterstica asociada al sistema (5.6), y sus soluciones son
o
o

las direcciones caractersticas en el punto P . El discriminante de (5.7) es

D(P ) = (a1 d2 a2 d1 + b1 c2 b2 c1 )2 4(a1 c2 a2 c1 )(b1 d2 b2 d1 ).

(5.8)

Denicin 5.2. En el punto P G el sistema (5.5) se llama


o
a) el
ptico si D(P ) < 0, es decir, en P no existe nunguna direccin caracterstica (real),
o

b) hiperblico si D(P ) > 0, es decir, en P existen dos direcciones caractersticas difeo

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)

Derivando en P a lo largo de obtenemos


du = ux dx + uy dy,

(5.10)

y combinando (5.9) y (5.10) llegamos a la ecuacin caracter


o
stica
dy
b
= ,
dx
a
es decir, la ecuacin diferencial posee en cada punto slo una direccin caracter
o
o
o
stica, lo es el
resultado esperado ya que las ecuaciones del tipo (5.9) describen fenmenos de conveccin.
o
o
5.1.3. Caracter
sticas de ecuaciones hiperblicas. Queremos dedicarnos ahora al caso
o
hiperblico, es decir al caso en el cual en cada punto del dominio de denicin existen dos
o
o
direcciones caracter
sticas diferentes. Si los coecientes en (5.1) y (5.5) son continous, entonces la solucin de las ecuaciones caracter
o
sticas (5.4) y (5.7), respectivamente, entrega dos
campos de direcciones continuos sobre el dominio considerado. Estos campos de direcciones
denen dos familias de curvas, las llamadas caractersticas de las ecuaciones diferenciales res
pectivas (5.1) y (5.5). La suavidad de los coecientes en (5.1) y (5.5) se reeja en la suavidad
de las caracter
sticas. Las caracter
sticas son portadores de informacin de la solucin; en
o
o
otras palabras, a lo largo de las caracter
sticas se realizan fenmenos f
o
sicos de propagacin.
o
Volviendo al origen de nuestras consideraciones, podemos formular el siguiente teorema.

5. PVIFS PARA EDPS HIPERBOLICAS Y PARABOLICAS

72

Teorema 5.1. Una solucin de la ecuacin diferencial hiperblica (5.1) (respectivamente,


o
o
o
del sistema hiperblico (5.5)) dada sobre G (en el caso de (5.1), se supone que tambin
o
e
las primeras derivadas estn dadas sobre ) est determinada localmente y unicamente mas
a
a
all de si y slo si en ningn punto de , la curva coincide con una de las direcciones
a
o
u
caractersticas de (5.1) (respectivamente, (5.5)); en otra palabras, si y slo si intersecta las

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.

Ahora estamos buscando soluciones de los problemas


a1 ux + b1 uy + c1 vx + d1 vy = f1
a2 ux + b2 uy + c2 vx + d2 vy = f2

para (x, y) G arriba de ,

para (x, y) G arriba de ,

u(x, y) = u0 (x, y) para (x, y) ,

(5.11)

uy (x, y) = u1 (x, y) para (x, y) ,


o alternativamente,
auxx + buxy + cuyy = f

para (x, y) G arriba de ,

u(x, y) = u0 (x, y) para (x, y) ,

(5.12)

uy (x, y) = u1 (x, y) para (x, y) .


Comentamos que en (5.12) al lugar del dato uy se puede especicar alguna otra derivada
direccional de u sobre , siempre que esta derivada direccional no coincida con la derivada
en la direccin de , dado que esta derivada ya esta automaticamente dada a travs del dato
o
e
u sobre .
Los problemas de valores iniciales del tipo (5.11) y (5.12) conducen a soluciones unicamente determinadas. Aplicando la teor de las caracter
a
sticas, analizaremos solamente el
problema (5.12); las consideraciones para (5.11) son anlogas.
a
Las soluciones de la ecuacin cuadrtica entregan las direcciones caracter
o
a
sticas de (5.12);
aqu obtenemos

dy
dx
dy
dx

1
b + b2 4ac ,
2a

1
==
b b2 4ac ,
2a

==
1

(5.13)
a = 0.

A lo largo de las curvas caracter


sticas el determinante del sistema de ecuaciones (5.3) desaparece, por lo tanto en este caso (5.3) posee soluciones en este caso solamente si no crece el

5.1. TEOR DE LAS CARACTER


IA
ISTICAS

73

Figura 5.1. El intervalo de dependencia [P, Q] del punto R (izquierda) y el

dominio B de inuencia del punto P (derecha).


rango se la matriz extendida en (5.3), es decir, por ejemplo se debe satisfacer
a
f
c
dx d(ux ) 0 = 0,
0 d(uy ) dy
o sea,
a d(ux ) dy f dx dy + c d(uy ) dx = 0;

por lo tanto, utilizando (5.13) obtenemos las siguientes ecuaciones (a = 0:)


a d(ux ) + c d(uy ) f dy = 0,
a d(ux ) + c d(uy ) f dy = 0.

(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

reeren a las direcciones caracter


sticas y , respectivamente. Las ecuaciones (5.14) dan
origen a un mtodo de construccin de soluciones, ver Seccin 5.2.
e
o
o
El comportamiento de la solucin u(x, y) de (5.12) depende solamente de los datos inio
ciales especicados en el segmento [P, Q] , es decir una modicacin de los datos iniciales
o
en \[P, Q] (fuera de [P, Q]) no afecta el valor de la solucin u(R). El segmento [P.Q] se
o
llama intervalo de dependencia del punto R (ver Figura 5.1 (izquierda)).
Por otro lado, sea P un punto arbitrario B G el domino arriba de localizado

entre las dos caracter


sticas que pasan por P . Su clausura B es el conjunto de aquellos puntos
en los cuales el valor de la solucin u(x, y) de (5.12) depende de los valores iniciales puestos
o

en P ; en otras palabras, el valor de la solucin en algn punto fuera de B no es afecto


o
u
por una modicacin de las condiciones iniciales en P (y en una vecindad U(P )
o
sucientemente pequea). El dominio B se llama dominio de inuencia del punto P
n
(ver Figura 5.1 (derecha)).
Finalmente, comentamos que si a las ecuaciones (5.13) y (5.14) se agrega la ecuacin
o
diferencial
du = ux dx + uy dy,
donde hay que tomar las derivadas en una de las dos direcciones caracter
sticas, entonces la
solucin de (5.12) junto con los datos iniciales est determinada unicamente si suponemos
o
a

que a = 0 y c = 0 en G R3 .

74

5. PVIFS PARA EDPS HIPERBOLICAS Y PARABOLICAS

P
Figura 5.2. La curva inicial

Q
P, Q y la intereseccin de las caracter
o
sticas.

5.2. Mtodos de caracter


e
sticas numricos
e
Utilizando el concepto de caracter
sticas podemos calcular soluciones de problemas de
valores iniciales de ecuaciones hiperblicas por un mtodo que usa una malla caracter
o
e
stica
compuesta por los puntos de interseccin de l
o
neas caracter
sticas. Este mtodo origina en
e
un trabajo de Massau (1899).
5.2.1. Mtodo de caracter
e
sticas aproximado. Queremos estudiar este mtodo para
e
eole ejemplo de un problema de valores iniciales del tipo (5.12). Supongamos que la curva
inicial que aparece en (5.12) sea no caracter
stica. Entonces, segn la teor desarrollada
u
a
en la Seccin 5.1, el sistema que debe ser aproximado numricamente es
o
e

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)

donde los coecientes


a, b, c, f : G R3 R
son funciones dadas de x, y, u y u. Las derivadas que aparecen en (5.17) y (5.18) se toman
en las direcciones caracter
sticas y , respectivamente, mientras que las derivadas en (5.19)
se toman en una de esas direcciones ( o ). Adems, se supone que
a
b2 4ac > 0 (hiperbolicidad), ac = 0 en G R3 .

(5.20)

El caso c = 0 requiere un anlisis separado.


a
Las ecuaciones (5.15)(5.19) junto con los valores iniciales en determinan la solucin
o
de (5.12) de manera unica y por lo tanto son equivalentes a (5.12).

Ahora la curva se particiona por un nmero de puntos, y sean P y Q puntos de


u
particin vecinos, ver Figura 5.2. Sea R el punto de interseccin de la -caracter
o
o
stica por
P con la -caracter
stica por Q. Aproximando las derivadas en (5.15)(5.19) por cuocientes

5.2. METODOS DE CARACTER


ISTICAS NUMERICOS

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)

x(R), y(R), u(R), ux (R), uy (R).

(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

5. PVIFS PARA EDPS HIPERBOLICAS Y PARABOLICAS

76

P1

...

Pi

...

PN

Figura 5.3. Mtodo de caracter


e
sticas.
de estas primeras soluciones aproximadas y de las ecuaciones (5.21)(5.25) podemos calcular
segundas soluciones aproximadas (el corrector). Las frmulas son las siguientes.
o
1. Denimos las abreviaturas
(0) := (P ),

c(0) := c(P ),
p

(0) := (Q),

c(0) := c(Q),
q

(0)
fp := f (P ),

(0) := a(P )(P ),


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

c() (R) + c(P ) ,

()

() (R) + (Q) ,

c()
q

c() (R) + c(Q) ,

f () (R) + f (P ) ,

()
p

f () (R) + f (Q) ,

()
q

()
fp
()
fq

a() (R)() (R) + a(P )(P ) ,


a() (R) () (R) + a(Q)(Q) ,

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

5.2. METODOS DE CARACTER


ISTICAS NUMERICOS

77

y para = 1, . . . , K 1:

1 ()
u (R) + ux (P ) ,
2 x
1 ()
:=
u (R) + uy (P ) ,
2 y

u() :=
x
u()
y

x() := x() (R) x(P ),


y () := y () (R) y(P ).

2. Luego, para = 0, 1, . . . , K 1 se resuelven las ecuaciones


()
(+1)
()

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)

()

u(+1) (R) = u(P ) + u(+1) x(+1) + u(+1) y (+1) .


x
y

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

y(R) := y (K) (R),


uy (R) := u(K) (R),
y

u(R) = u(K) (R).

La seleccin de K Z depende de la exactitud con la cual queremos resolver el sistema no


o
linear. Para K = 2 se calcula solamente una solucin corrector.
o
La ecuacin (5.27) implica que las primeras dos ecuaciones pueden ser resueltas indepeno
dientemente de las dems ecuaciones. Estas ecuaciones sirven para la computacin de las
a
o
caracter
sticas. Geometricamente, (5.21) y (5.22) signican que las curvas caracter
sticas son
remplazadas por segmentos de parbolas. Si la ecuacin (5.12) es lineal o semilineal, se puede
a
o
anticipar la computacin completa de las caracter
o
sticas, dado que en este caso la solucin
o
de las primeras dos ecuaciones no es necesaria la computacin de los valores u(R), ux (R) y
o
uy (R). Frecuentamente, en este caso tambin es posible integrar directamente, por mtodos
e
e
elementales, las ecuaciones diferenciales ordinarias (5.15) y (5.16), de manera que no es necesario utilizar las aproximaciones por diferencias (5.21) y (5.22). En el caso lineal, adems,
a
no se requiere aplicar el mtodo predictor-corrector, dado que solamente hay resolver un
e
sistema de ecuaciones lineales para cada punto de la malla.
Es facil ver que las condiciones (5.20) implican que las matrices que aparecen en (5.27)
son no singulares, es decir, existe una solucin unica. El mtodo no funciona bien para
o
e
valores pequeos de b2 4ac, es decir, si las dos familias caracter
n
sticas cas coinciden, en

otras palabras, si la malla caracterist es muy degenerada. En el caso l


ca
mite (b2 4a = 0),
es decir, en el caso parablico, ya no se puede ejecutar el mtodo de caracter
o
e
sticas.
En aquellos puntos en los cuales c desaparece (siempre suponiendo que a = 0) la ecuacin
o
(5.18) ya no aparece (puesto que = 0 y dy = 0). Para la discretizacin esto implica que
o

5. PVIFS PARA EDPS HIPERBOLICAS Y PARABOLICAS

78

(5.27) se pone singular, y ya no podemos determinar uy . Sin embargo podemos utilizar el


mtodo en el caso lineal (Tarea).
e
Ejemplo 5.1. Consideremos dos ejemplos elementales de ecuaciones diferenciales lineales
que permiten la computacin de la malla caracterstica a priori.
o

1. Sean a, b, c R constantes. Las ecuaciones (5.15) y (5.16) inmediatamente implican


que , R son constantes, es decir, las caractersticas son dos familias paralelas de

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.

Integrando obtenemos para (x, y) G las siguientes ecuaciones de las caractersticas:

y1 (x) = log x + d,

y2 (x) = log x + d,

d R.

5.3. Mtodos de diferencias nitas para problemas hiperblicos


e
o
A parte de los mtodos de caracter
e
sticas existen los mtodos de diferencias nitas. Estos
e
mtodos usan una malla rectangular, paralela a los ejes, y en los puntos de la malla de aproe
ximan las derivadas por cuocientes de diferencias. Obviamente, debido a la regularidad de
la malla este mtodo posee grandes ventajas comparado con los mtodos de caracter
e
e
sticas,
pero hay que tomar en cuenta que posiblemente la malla rectangular no reeja adecuadamente la naturaleza del problema matemtico, dado que esta malla se impone articialmente,
a
y siempre hay que considerar las caracter
sticas. Queremos estudiar este problema para el
siguiente problema de valores iniciales de la ecuacin de la onda:
o
utt (x, t) =c2 uxx (x, t),
u(x, 0) =f (x),
ut (x, 0) =g(x),

x R,

t > 0,

x R,

(5.28)

x R.

5.3.1. La frmula de dAlembert. Antes de discutir mtodos de diferencias nitas para


o
e
(5.28) demostraremos que (5.28) puede ser resuelto explicitamente. De hecho, usando la
transformacin de variables
o
= x + ct,
y observando que

= x ct,

=
+
,
x

=c
t

(, ) = u(x, t)

obtenemos de (5.28) la ecucacin diferencial transformada


o
2
= 0,

cuyas soluciones son faciles de determinar:


4c2

(, ) = P () + Q(),

c > 0,

(5.29)

5.3. METODOS DE DIFERENCIAS FINITAS PARA PROBLEMAS HIPERBOLICOS

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

Figura 5.4. Caracter


sticas (5.31) y el intervalo de dependencia [x ct , x +

ct ] de la ecuacin de la onda (5.28).


o

tn

uj,n+1

tn+1
v

uj1,n

tn1
xj1

uj,n

uj,n1

xj

uj+1,n

xj+1

Figura 5.5. Esquema de 5 puntos del mtodo (5.32).


e
con lo cual obtenemos en virtud de (5.29)
u(x, t) = P (x + ct) + Q(x ct).

Aqu P y Q son funciones arbitrarias y dos veces continuamente diferenciables. Utilizando


,
esta solucin general, obtenemos de las condiciones iniciales de (5.28) la siguiente expresin,
o
o
conocida como la frmula de dAlembert:
o
u(x, t) =

1
1
f (x + ct) + f (x ct) +
2
2c

x+ct

g() d.

(5.30)

xct

Calculando las caracter


sticas de la ecuacin de la onda (5.28), obtenemos
o
dt
1
= ,
dx
c
es decir,
1
1
t1 = x + const., t2 = x + const.
(5.31)
c
c
La frmula (5.30) implica directamente que el valor de la solucin en el punto (x , t ) depende
o
o

precisamente de los valores iniciales en el intervalo [x ct , x + ct ] del eje x. Esto es


precisamente el intervalo de dependencia del punto (x , t ), ver Figura 5.4.

5. PVIFS PARA EDPS HIPERBOLICAS Y PARABOLICAS

80

5.3.2. Mtodos expl


e
citos para la ecuacin de la onda. Consideraremos ahora aproo
ximaciones de la ecuacin de la onda por diferencias nitas. Para tal efecto utilizamos la
o
malla
(xj , tn ) = (jx, nt),

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 +

5.3.3. La condicin de Courant-Friedrichs-Lewy (CFL). La convergencia del mtodo


o
e
(5.32) o de un mtodo equivalente a (5.32) se estudiar en la Seccin 5.5 en el marco de una
e
a
o
teor general de convergencia para problemas de valores iniciales lineales. Aqu queremos
a

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

5.3. METODOS DE DIFERENCIAS FINITAS PARA PROBLEMAS HIPERBOLICOS

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

Figura 5.6. El intervalo I de dependencia numrica del punto de malla


e
(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,

5. PVIFS PARA EDPS HIPERBOLICAS Y PARABOLICAS

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

y el intervalo de dependencia numrica de (x , t ) incluye el intervalo de dependencia anal


e
tica

[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

Este teorema es vlido para problemas de valores iniciales de ecuaciones hiperblicas en


a
o
general, y para todos mtodos de diferencias nitas.
e
El mtodo (5.32) es un mtodo de dos pasos expl
e
e
cito. Queremos indicar dos mtodos
e
impl
citos para la ecuacin de la onda. La computacin de la primera capa de tiempo se
o
o
realiza como en (5.32) o (5.34).
Utilizando la notacin
o
2 j := j1 2j + j+1

5.3. METODOS DE DIFERENCIAS FINITAS PARA PROBLEMAS HIPERBOLICOS

83

podemos aproximar (5.28) por


uj,n+1 2ujn + uj,n1 =

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

uj,n+1 2ujn + uj,n1 =

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)

5. PVIFS PARA EDPS HIPERBOLICAS Y PARABOLICAS

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,

u(x, t) = u(x + L, t),

(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

v(x, t) := u(x, t),

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

obtenemos el mismo sistema de ecuaciones, pero con la condicin inicial


o
v(x, 0)
w(x, 0)

g(x)
.
cf (x)

Para el tratamiento numrico por mtodos de diferencias nitas la ventaja de sistemas de


e
e
primer orden (comparado con ecuaciones escalares de segundo orden) es la posibilidad de
poder aplicar mtodos de paso simple, es decir podemos considerar mtodos de diferencias
e
e

5.3. METODOS DE DIFERENCIAS FINITAS PARA PROBLEMAS HIPERBOLICOS

85

nitas que conectan solamente dos capas de t. Por supuesto, tambin aqu hay que considerar
e

el comportamiento de las caracter


sticas. Se puede vericar que las caracter
sticas del sistema
(5.40) son idnticas a las caracter
e
sticas de la ecuacin de la onda (5.28).
o
Consideraremos ahora problemas de valores iniciales hiperblicos que poseen la forma un
o
poco ms general
a
ut = Aux ,
u(x, 0) = (x),

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,

y donde se supone que A es regular y


(a + c)2 4(ac b2 ) > 0.

(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 .

Este es un mtodo impl


e
cito. En el caso de que A posee la forma especial dada por (5.40),
obtenemos el mtodo
e
vj,n+1 = vjn + c wj+1/2,n wj1/2,n ,

wj1/2,n+1 = wj1/2,n + c (vj,n+1 vj1,n+1 ) .

(5.45)

5. PVIFS PARA EDPS HIPERBOLICAS Y PARABOLICAS

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 +

5.4. Mtodos de diferencias nitas para problemas parablicos


e
o
5.4.1. Solucin exacta y caracter
o
sticas de la ecuacin del calor. Para las ecuaciones
o
diferenciales parablicas tenemos una sola direccin caracter
o
o
stica en cada punto, y por lo
tanto no podemos aplicar los mtodos caracter
e
sticos descritos en Seccin 5.2.
o
Aqu consideraremos mtodos de diferencias nitas para el siguiente problema de valores

e
iniciales para la ecuacin del calor:
o
ut = uxx , t > 0, x R,
(5.47)
u(x, 0) = f (x), x R.

Aqui se supone que f C(R) es una funcin acotada. La solucin expl


o
o
cita de (5.47) est daa
da por

( 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

podemos escribir la solucin (5.48) en la forma


o
u(x, t) = f (x) +

1
4t

exp

( x)2
4t

f () f (x) d,

t > 0.

(5.49)

Esto implica que


l
m

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

5.4. METODOS DE DIFERENCIAS FINITAS PARA PROBLEMAS PARABOLICOS

87

podemos transformar (5.47) al siguiente problema de valores iniciales:


vx = w,
vt wx = 0, t > 0, x R;

(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,

sobre la cual denimos la aproximacin por diferencias


o
1
1
(uj,n+1 ujn ) =
(1 )(uj1,n 2ujn + uj+1,n )
t
x2
+ (uj1,n+1 2uj,n+1 + uj+1,n+1 ) .
Deniendo
:=

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

5. PVIFS PARA EDPS HIPERBOLICAS Y PARABOLICAS

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)

con u0 := (f1 , . . . , fN )T RN , un := (u1n , . . . , uN n )T RN , y

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

Dado que I + B es una M-matriz tridiagonal, la solucin de (5.53) no presenta problemas.


o
Para vericar la consistencia del mtodo queremos calcular el error de truncacin de
e
o
(5.52). Supongamos que la solucin de (5.51) es sucientemente suave. Puesto que
o
utt = uxxxx ,
un desarrollo en serie de Taylor entrega

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 ) .

u(xj , tn+1 ) u(xj , tn ) = 2 u(xj , tn ) + t

(5.54)
(5.55)

4u
(xj , tn )
x4

Analogamante, desarrollando por (xj , tn+1 ) obtenemos


t x2

2
12
4
2
+ t O(x ) + O(t ) .

u(xj , tn+1 ) u(xj , tn ) = 2 u(xj , tn+1 ) + t

4u
(xj , tn+1 )
x4

Multiplicando la primera ecuacin por (1 ), la segunda por , y sumando los resultados


o
obtenemos
u(xj , tn+1 ) u(xj , tn ) = (1 ) 2 u(xj , tn ) + 2 u(xj , tn+1 ) + tjn ,
donde
jn

O(t) + O(x2 ) para 0 1, = 1/2,

= O(t2 ) + O(x4 ) para = 0 y = 1/6,

O(t2 ) + O(x2 ) para = 1/2.

(5.56)

5.4. METODOS DE DIFERENCIAS FINITAS PARA PROBLEMAS PARABOLICOS

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)

Entonces, restando (5.52) de (5.56), obtenemos en virtud de (5.57)


z n+1 = Cz n + t n ,
z 0 = 0,

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 .

Para vectores y = (y1 , . . . , yN )T RN denimos la norma Euclidiana


y

:=

1
N

1/2

N
2
yi

i=1

entonces la norma matricial inducida es la norma espectral. Supongamos ahora que :=


t/x2 satisface la condicin
o

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,

5. PVIFS PARA EDPS HIPERBOLICAS Y PARABOLICAS

90

puesto que los valores propios 1 , . . . , N de B satisfacen


j
, j = 1, . . . , N.
j = 4 sin2
2(N + 1)
Adems, sabemos que
a
(I + B)1

< 1,

y por lo tanto
n

n 2.

Entonces, tomando la norma en (5.58) obtenemos


z n+1
z0

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

se tiene que (5.56) tambin es vlido para n 2 , n = 0, . . . , M . Deniendo


e
a
:= mx
a

0 n M

n 2,

obtenemos de (5.56) y (5.60)

O(t) + O(x2 ) para 0 1

z n 2 T = O(t2 ) + O(x4 ) para = 0 y = 1/6,

O(t2 ) + O(x2 ) para = 1/2,

n = 0, . . . , M.

(5.61)

Resumimos los resultados de nuestro anlisis en el siguiente teorema.


a

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)

5.5. LA TEOR DE LAX Y RICHTMYER


IA

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

ya que si existiera un nmero > 0 tal que


u
l
m

x,t0

t
= ,
x

entonces (5.63) seria una aproximacin consistente con la ecuacin hiperblica


o
o
o
ut uxx + 2 utt = 0.
5.5. La teor de Lax y Richtmyer
a
5.5.1. El teorema de equivalencia de Lax. Esta seccin resume la teor de estabilidad
o
a
para mtodos de diferencias nitas de problemas de valores iniciales publicada en 1956 por
e
P.D. Lax y R.D. Richtmyer. La teor es similar a la teor de Dahlquist para problemas de
a
a
valores iniciales de ecuaciones diferenciales ordinarias. Aqu tambien obtenemos un teorema

de equivalencia que nos permite estudiar el comportamiento de mtodos de diferencias para


e
una gran clase de problemas de valores iniciales, y queremos aplicar esta teor a los mtodos
a
e
estudiados en las ultimas dos secciones. La transformacin de Fourier sera una herramienta

o
util para lograr esto.

5. PVIFS PARA EDPS HIPERBOLICAS Y PARABOLICAS

92

Sea I R un intervalo y X un espacio de Banach de funciones vectoriales denidas


sobre I:
X = u = u(1) , . . . , u(p)

: R I Cp .

Sea la norma de X. Sea 0 t T el intervalo de un parmetro, y sea A : X D(A) X


a
un operador lineal diferencial con el dominio D(A) X. Podemos escribir A en forma
matricial de la siguiente manera:
s

A = (aik ),

i, k = 1, . . . , p,

()

aik =

aik (x)
=0

,
x

()

aik : R I C,

es decir, A no debe depender del parmetro t.


a
Se considera ahora el problema de valores iniciales
d
u(t) = Au(t), 0 < t T ; u(0) = u0 X.
(5.64)
dt
Una solucin de (5.64) es una familia de elementos de X, u(t) : R [0, T ] X, que depende
o
de t de forma diferenciable, y que satisface (5.64). Ahora, sea D D(A) X el conjunto
de aquellas funciones u0 X a las cuales pertenece una solucin clsica (o intrnsica) de
o
a

(5.64). A travs de (5.64), se dene para cada t [0, T ] un operador lineal


e
E0 (t) : X D X,

E0 (t)u0 = u(t),

u0 D.

El operador E0 (t) se llama operador de solucin asociado al problema (5.64). Se dene lo


o
siguiente.
Denicin 5.3. El problema de valores iniciales (5.64) se llama correctamente puesto si
o
a) El dominio D X de E0 (t) es denso en X.
b) La familia de operadores E0 (t), t [0, T ], es uniformamente acotada, es decir,
KE > 0 : t [0, T ] :

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 ].

Nos referimos a E(t) como operador de solucin generalizado y a las funciones


o
u(t) = E(t)u0 ,

u0 X,

como soluciones generalizadas de (5.64). Se puede vericar facilmente que


E(s + t) = E(s)E(t) para s, t

0.

(5.65)

Comentamos que los problemas de valores iniciales estudiados en las dos secciones anteriores son correctamente puestos.

5.5. LA TEOR DE LAX Y RICHTMYER


IA

93

Ahora consideremos aproximaciones por diferencias nitas al problema (5.64). Sean x


y t tamaos de pasos escogidos de tal manera que x depende de alguna manera de t:
n
x = (t),

donde

l (t) = 0.
m

t0

Adems, sea T : X X el siguiente operador de translacin:


a
o
T u(x) = u(x + x) u X.

(5.66)

En los ejemplos que se considerarn ms adelante, el espacio de Banach X siempre es idntico


a
a
e
a X. En virtud de (5.66) es obvio como hay que denir las potencias T , N.
Una aproximacin por diferencias nitas que conecta dos capas de t (es decir, un mtodo
o
e
de paso simple) puede ser escrita en la forma
B 1 (t)un+1 = B 0 (t)un ,

n = 0, . . . , N 1 =

T t
,
t

donde
B( )T ,

B (t) =
||<

B ( ) Cpp ,

= 0, 1.

(5.67)

Suponiendo que el operador B 1 (t) es invertible, podemos denir


C(t) := B 1 (t)B 0 (t)
1
y escribir la aproximacin por diferencias nitas en la forma
o
un+1 = C(t)un ,

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

funciones iniciales u(0) = u0 forman un conjunto denso en X, se satisface la relacin


o
1
u(t + t) C(t)u(t) = 0
t0 t
l
m

uniformamente para t [0, T ].

(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)

5. PVIFS PARA EDPS HIPERBOLICAS Y PARABOLICAS

94

Denicin 5.6. La familia de operadores de diferencias


o
C(t) : X X,

t > 0

se llama estable si existen constantes > 0 y K > 0 tales que


C(t)n

para t (0, ], nt [0, T ].

(5.71)

Lema 5.1. Si para cada u X existe una constante K(u) > 0 tal que
C n (t)u

K(u)

para t (0, ], nt [0, T ],

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)

Como consecuencia, se debe satisfacer

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 )

es nito. Esto concluye la demsotracin de esta direccin.


o
o
Se nota que hasta ahora no hemos utilizado la condicin de consistencia (5.69).
o
Efectivamente existen mtodos de diferencias inconsistentes que convergen.
e
2. Ahora demostramos que la estabilidad implica la convergencia. Sea D X un subconjunto denso en X, tal que para cada u0 D la familia de funciones u(t) = E(t)u0
entrega una solucin intr
o
nsica de (5.64), y la condicin de consistencia (5.69) se sao
tisface. Sean {nj }jN y {j t}jN sucesiones tales que nj j t t [0, T ] para j .
Adems, sea j la diferencia entre la solucin numrica y la solucin exacta en el punto
a
o
e
o
nj j t, es decir,
j = C(j t)nj E(nj j t) u0
=

nj 1
k=0

C(j t)k C(j t) E(j t) E (nj 1 k)j t u0 ;

(5.73)

5.5. LA TEOR DE LAX Y RICHTMYER


IA

95

facilmente podemos conrmar que la segunda ecuacin es correcta. Debido a la cono


dicin de estabilidad (5.71) sabemos que
o
C(j t)k

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.

Utilizando la desigualdad triangular, obtenemos ahora de (5.73):


j

Knj j t

KT para j t < .

(5.74)

Dado que fue elegido arbitrariamente pequeo, (5.74) implica que


n
l
m j = 0,

(5.75)

es decir, la condicin de convergencia (5.70) est demostrada para cada u0 D si el


o
a
operador E(nj j t) puede ser remplazado por el operador E(t). Deniendo
t := m
n{t, nj j t},

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 ,

donde KE es la constante de la Denicin 5.3. Puesto que s 0 cuando nj j t t y


o
E(0) = I, esta ultima desigualdad nos permite concluir que

E(nj j t) E(t) u0 0 para nj j t t y u0 D.

(5.76)

Ahora, tomando en cuenta que


C(j t)nj E(t) u0

j +

E(nj j t) E(t) u0 ,

podemos deducir de (5.75) y (5.76) la condicin de convergencia (5.70) para todo


o
u0 D. Ahora sea u X arbitrario y {u }N D una sucesin que converge a u.
o
En este caso,
C(j t)nj E(t) u = C(j t)nj E(t) u + C(j t)nj (u u )
E(t)(u u ).

Obviamente, para j y sucientemente grande podemos achicar arbitrariamente los


tres trminos del lado derecho. Entonces, hemos establecido (5.70) para funcions u X
e
arbitrarias, lo que concluye la demostracin del teorema.
o

5. PVIFS PARA EDPS HIPERBOLICAS Y PARABOLICAS

96

Segn el Teorema 5.4, para la investigacin de la convergencia de mtodos de diferencias


u
o
e
consistentes para problemas de valores iniciales correctamente puestos es suciente vericar
la estabilidad (o la inestabilidad) de la familia de operadores C(t) para t > 0. Antes de
examinar algunos mtodos especicos, demostraremos como podemos convertir un mtodo
e
e
de pasos mltiples en un mtodo de paso simple.
u
e
5.5.2. Conversin de un mtodo de pasos m ltiples en un mtodo de paso simple.
o
e
u
e
En general, un mtodo de diferencias nitas es de la forma
e
B q (t)un+q + . . . + B 1 (t)un+1 + B 0 (t)un = 0.

(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),

es decir podemos escribir (5.77) como


un+q = C q1 (t)un+q1 + . . . + C 0 (t)un .

(5.78)

Ahora consideramos

un := (un+q1 , . . . , un )T ,

n N0 ,

u X

para

como elementos del espacio de Banach

X := X q = X X .

= n, . . . , n + q 1

Aqui denimos la norma de X de la siguiente manera: si u ,

norma de X, entonces el espacio X est equipado con la norma


a
1/2

n+q1

un :=

= n, . . . , n + q 1 es la

=n

Ahora denimos los siguientes operadores de diferencias sobre X:

C q1 (t) C 0 (t)

I
0
0
0

.
..
..

. , t > 0.

.
.
0
.
C(t) :=

.
.
..
..
..
.
.

.
.
.
.
.
0
0
I
0

El sistema de ecuaciones de diferencias (5.78) es equivalente a

un+1 = C(t) n .
u

Una pequea modicacin (ver 7.3 en Richtmyer y Morton, 1967) de la demostracin


n
o
o

del Teorema 5.4 demuestra que la estabilidad de la familia de operadores C(t) : X


es equivalente con la convergencia del mtodo de q pasos (5.77) o (5.78).
e

5.5. LA TEOR DE LAX Y RICHTMYER


IA

97

5.5.3. Transformacin de Fourier de mtodos de diferencias. Consideremos ahora


o
e
la aplicaciones del Teorema de Equivalencia de Lax. El anlisis se realizar en la norma L2 ,
a
a
ya que en este caso los espacios de Banach X son espacios de Hilbert, y podemos utilizar la
herramienta del anlisis de Fourier.
a
Sea I = [0, L] R un intervalo jo, y consideremos funciones cuadraticamente integrables
del per
odo L:
u(x) := u(1) (x), . . . , u(p) (x)

: R Cp ,

donde u(x) = u(x + L) para x R.

Adems, denimos la forma bilineal


a
L

u() (x)() (x) dx


v

(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)

Con cada u X asociamos de manera unica el sistema c V de sus coecientes de Fourier:

:X

u c V.

98

5. PVIFS PARA EDPS HIPERBOLICAS Y PARABOLICAS

Es fcil ver que la aplicacin es biyectiva y lineal. Adems, en virtud de (5.80), sabemos
a
o
a
que
p

u() (x)() (x) dx


u

=
0

1
L

=1
p

() ()

ck cl

=1 k,lL

exp i(k l)x dx

p
() 2

ck

= (c, c) = c 2 .

=1 kL

Acabamos de demostrar el siguiente resultado.


Lema 5.2. Sean X y V los espacios de Hilbert denidos por (5.79) y (5.81), respectivamente.
Entonces la aplicacin : X V mapea X a V de manera isomorfa e isomtrica (es decir,
o
e
se conserva la norma).
Sea x > 0 un tamao de paso y T : X X el operador de translacin denido en
n
o
(5.66). Ahora queremos ver de cul forma es el anlogo isomtrico de T , es decir, el operador
a
a
e
T 1 : V V.
Para u X y utilizando (5.66) y (5.80), obtenemos
1

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

es decir, los coecientes de Fourier de v(x) son


dk = ck eikx

para k L,

o sea, a la translacin T : X X por x (ver (5.66)) corresponde, en el espacio V de los


o
coecientes de Fourier, la multiplicacin del coeciente nmero k (k L) por eikx .
o
u
5.5.4. Matrices de amplicacin. Ahora supongamos que el operador A de (5.64) posee
o
coecientes constantes. En este caso, la aplicacin mapea los operadores de diferencias
o
B (t) =
||<

B ( ) T : X X,

= 0, 1

5.5. LA TEOR DE LAX Y RICHTMYER


IA

99

ya denido en (5.67) a la siguiente familia de matrices en el espacio V :


H (t, k) :=
||<

eikx B ( ) Cpp ,

k L.

= 0, 1,

Deniendo
G(t, k) := H 1 (t, k)H 0 (t, k),
1

k L,

obtenemos como anlogo isomtrico de (5.68) la familia de sistemas lineales


a
e
k L,

ck,n+1 = G(t, k)ck,n ,

n = 0, . . . , N 1,

donde ck,n , ck,n+1 Cp y G(t, k) Cpp . Formalmente, podemos escribir


G(t, k)

kL

= C(t)1 .

Denicin 5.7. Las matrices G(t, k) Cpp , k L, se llaman matrices de amplicacin


o
o
asociadas al operador de diferencias C(t).
5.5.5. Teorema de Lax y Richtmyer y condicin de estabilidad de von Neumann.
o
Debido a la isometr de los espacios X y V podemos demostrar el siguiente teorema.
a
Teorema 5.5 (Lax y Richtmyer, 1956). Los operadores de diferencias C(t) que aparecen
en (5.68) son estables (ver Denicin 5.6) si y slo si existen constantes > 0 y K > 0
o
o
tales que
Gn (t, k)

para t (0, ], nt [0, T ], k L.

(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)

para algn n N. Luego denimos


u

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) .

por lo tanto obtenemos que


sup Gn (t, k)
kL

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,

5. PVIFS PARA EDPS HIPERBOLICAS Y PARABOLICAS

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

Dado que u X con u = 1 fue arbitrario, podemos concluir que


C n (t)

sup Gn (t, k) 2 .
kL

Esto concluye la demostracin del Teorema 5.5.


o
En virtud de los Teoremas 5.4 y 5.5, la convergencia del mtodo de diferencias (5.68) es
e
equivalente con la validez de (5.82). Veremos que esta condicin resulta muy util.
o

El siguiente teorema entrega un criterio de estabilidad necesario muy importante.


Teorema 5.6 (Condicin de estabilidad de von Neumann). Una condicin necesaria para
o
o
la convergencia del mtodo de diferencias (5.68) es la condicin
e
o
r G(t, k)

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)

K t/T = (K 1/T )t =: f (t).

La funcin f : [0, ] R es estrictamente isotnica y convexa con f (0) = 1. Entonces existe


o
o
una constante c > 0 tal que f (t) 1 + ct para t [0, ].
Comentamos que en muchos casos la condicin (5.83) tambin es suciente para la cono
e
vergencia, por ejemplo si las matrices de amplicacin G(t, k) son normales. En este caso
o
se tiene r (G) = G 2 . Trivialmente, esto se cumple para p = 1.
5.5.6. Anlisis de estabilidad de algunos mtodos de diferencias. En lo siguiente,
a
e
analizaremos las propiedades de estabilidad y convergencia de los mtodos de diferencias
e
presentados en las Secciones 5.3 y 5.4. Aqui vamos a vericar la validez de (5.82) para cada
uno se los mtodos. Todos los mtodos de diferencias examinados son consistentes con los
e
e
problemas de valores iniciales correspondientes.
Ejemplo 5.2. Se examina el mtodo (5.43) de la Seccin 5.3, el cual puede ser escrito en
e
o
la forma
vj,n+1
wj,n+1

IT 0 + A(T 1 T 1 )
2

vj,n
,
wj,n

t
.
x

5.5. LA TEOR DE LAX Y RICHTMYER


IA

101

El operador {. . . } corresponde a C(t) en (5.68). Deniendo := kx y aplicando la


substitucin T ei obtenemos las matrices de amplicacin
o
o
G(t, k) = I + i sin A C22 ,

k L,

t > 0.

(5.84)

Dado que segn hiptesis, la matriz A R22 es simtrica, podemos chequear facilmente que
u
o
e

GG = G G, lo que es equivalente con que la matriz G en (5.84) es normal, y la condicin


o
de von Neumann (5.83) es equivalente con la estabilidad (5.82). Obtenemos el radio espectral
2
r (G) = 1 + 2 sin2 r (A)

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,

lo que implica que la condicin


o

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

5. PVIFS PARA EDPS HIPERBOLICAS Y PARABOLICAS

donde es una matriz triangular superior. Aqu obtenemos

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

En virtud de U 2 = U 2 = 1 sabemos que Gn 2 = n 2 para n N, es decir podemos


utilizar las matrices = (t, k) para vericar (5.82). Dado que para cada par de normas
matriciales y existen constantes m > 0 y M > 0 tales que
n N : A Cnn :

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)

Supongamos ahora que


1
< .
c
En este caso, en virtud de (5.87),
a2 < 4,
Adems, sabemos que
a
|1 2 |

|a|,

Utilizando (5.89) sabemos que

|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

5.5. LA TEOR DE LAX Y RICHTMYER


IA

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

Aqu se verica de inmediato que GG = G G = I, lo que signica r (G) = G 2 = 1 para

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

Para las matrices de amplicacin (p = 1) obtenemos


o
G(t, k) =

1 2(1 )(1 cos )


R,
1 + 2(1 cos )

= kx.

Ahora se verica facilmente que la condicin (5.59) es equivalente con


o
G(t, k)

para t > 0, k L.

Pero esto signica la satisfaccin de (5.82), y el mtodo converge. El mtodo an converge


o
e
e
u
si la cota para en (5.59) se excede en una cantidad O(t), ya que la condicin (5.83) an
o
u
est satisfecha en este caso- Sin embargo, para cualquier jo tal que
a
1
1
>
, < ,
2(1 2)
2
el mtodo diverge.
e
Ejemplo 5.7. Consideremos el mtodo (5.62) de la Seccin 5.4. Primero transformamos
e
o
este mtodo de dos pasos en un mtodo de paso simple. La substitucin v jn := uj,n1 entrega
e
e
o
uj,n+1
v j,n+1

2(T 1 2I + T ) I
I
0

ujn
,
v jn

t
.
x2

Las matrices de amplicacin son


o
G(t, k) =

4(1 cos ) 1
,
1
0

= kx.

(5.90)

Para cos = 1, los valores propios 1 y 2 de (5.90) satisfacen


1 2 = 1,

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

5. PVIFS PARA EDPS HIPERBOLICAS Y PARABOLICAS

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

Los valores propios de (5.66) son

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

Esto inmediatamente entrega que


|pn |

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

Introduccin al Mtodo de Elementos Finitos


o
e
6.1. Problemas de valores de frontera de ecuaciones diferenciales ordinarias
Ya comentamos anteriormente que la ecuacin diferencial ordinaria de segundo orden
o
autoadjunta
Ly

d
dx

dy
dx

p(x)

+ q(x)y = g(x)

(6.1)

es la ecuacin diferencial de Euler del problema variacional


o
1
I[u] =
2

b
a

p(x)(u )2 + q(x)u2 2g(x)u dx = m .


n

(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)

Las condiciones se convierten en condiciones homogneas si denimos


e
z(x) := y(x) Q(x),

Q(x) :=

de manera que
Q(a) = ,

Q(b) = ,

dQ

=
,
dx
ba

LQ =

bx
ax

,
ba
ba

p (x) + q(x)Q(x) =: f (x),


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

Entonces, en general podemos limitarnos a estudiar el problema de valores de frontera semihomogneo


e
dy
d
p(x)
+ q(x)y = g(x), y(a) = y(b) = 0.
(6.4)
Ly
dx
dx
Aqu se supone que

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 .

El problema de valores de frontera es equivalente al problema de encontrar una solucin de


o
u D.

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 .

Un operador T con el dominio (de denicin) DT y la propiedad


o
u, v DT :

(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.

Teorema 6.1. El operador L es simtrico y denido positivo sobre D.


e
Demostracin. Dado que Lv = (pv ) + qv, obtenemos
o
b

(u, Lv) =
a

u(x) p(x)v (x) + q(x)v(x) dx

= u(x)p(x)v (x) +
a

(6.7)

p(x)u (x)v (x) + q(x)u(x)v(x) dx.


a

El primero trmino en el lado derecho de (6.7) desaparece ya que u D, y el segundo es


e
simtrico con respecto a u y v, es decir,
e
(u, Lv) = (v, Lu) = (Lu, v).
Entonces, L es simtrico. Ahora, en virtud de (6.2) resulta para u|[a,b] 0
e
b

(Lu, u) =

p(x) u (x)
a

+ q(x) u(x)

dx

6.1. PROBLEMAS DE VALORES DE FRONTERA DE EDOS


b

u (x)

p0

q(x) u(x)

dx +

107

dx

a
b

p0
(b a)2

u(x)

dx > 0.

Aqu usamos la desigualdad de Cauchy-Schwarz para integrales

u(x)

=
a

12 d

1 u () d

u ()

(b a)

u ()

d,

la cual a su vez implica


b

u(x)

dx

(b a)

u ()
a

d dx = (b a)2

u ()

d.

Ahora, (6.7) implica


b

u, v D :

(u, Lv) = (Lu, v) =

p(x)u (x)v (x) + q(x)u(x)v(x) dx.


a

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)

Obviamente, para r = 0, (a) y (b) no hacen sentido, y (c) exige que


1/2

V 0 (a,b)

=
a

|w(x)| dx

= w

< ,

es decir, V 0 (a, b) = L2 (a, b).


Ejemplo 6.1. Subdividimos el intervalo [a, b] en n sub-intervalos del tamao h y denimos
n
los nodos xi = a + ih para i = 0, . . . , n, a + nh = b. En este caso, los trazados poligonales
s (x) :=

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 ],

lo que nos permite concluir que


b

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 ,

y denimos la forma bilineal simtrica


e
b

[u, v] :=

p(x)u (x)v (x) + q(x)u(x)v(x) dx,


a

u, v D.

(6.9)

Obviamente, D D. Para u, v D D tenemos [u, v] = (Lu, v). Si g(x) denota la parte


derecha de la ecuacin diferencial (6.1), la siguiente expresin es bien denida para cada
o
o
u D:
I[u] = [u, u] 2(u, g)
b
(6.10)
2
2
p(x) u (x) + q(x) u(x) 2u(x)g(x) dx.
=
a

Ahora demostramos que I[u] asume su m


nimo para la solucin del problema de valores de
o
frontera.
Teorema 6.2. Sea y la solucin de (6.1) o (6.3), respectivamente. Entonces
o
u D, u = y :

I[y] < I[u].

Demostracin. Dado que Ly = g e y D, sabemos que


o

(u, g) = (u, Ly) = [u, y],

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

[u y, u y] = [u, u] 2[u, y] + [y, y].

Entonces podemos expresar I[u] como


I[u] = [u, u] 2(u, g)

= [u, u] 2(u, Ly)

= [u, u] 2[u, y] + [y, y] [y, y]


= [u y, u y] [y, y].

6.1. PROBLEMAS DE VALORES DE FRONTERA DE EDOS

109

Pero en virtud de (6.9),


u D, u = y :

tal que

[u y, u y] > 0,

I[u] = [u y, u y] [y, y] > [y, y] = I[y].


0 para u D y [u, u]

Si tenemos solamente p(x), q(x) 0, entonces (Lu, u)


u D. Si (6.1) o (6.3) tiene la solucin y,
o
u D :

I[y]

0 para

I[u],

pero la funcin y posiblemente no es unica.


o

Segn el Teorema 6.2, el problema de valores de frontera (6.6) es resuelto si se ha enu


contrado la funcin y para la cual I[u] asume su m
o
nimo. En el mtodo de Ritz (1908), se
e
minimiza I[u] de forma aproximada. Se considera un sub-espacio M -dimesnsional DM D,
por ejemplo generado por las funciones 1 , . . . , M . Puesto que DM D, estas funciones
deben satisfacer j (a) = j (b) = 0, y toda funcin v DM puede ser representada como
o
combinacin lineal
o
M

1 , . . . , M R.

v=
=1

Esta funcin v satisface


o
I[v] = [v, v] 2(v, g)
M

,
=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

por lo tanto los coecientes 1 , . . . , M buscados deben satisfacer el sistema lineal


1 (1 , . . . , M )
=
2
i

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

unica = (1 , . . . , M )T . Ahora, segn (6.11) y (6.12),

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 .

Por otro lado, como A es denida positiva, para = sabemos que


( )T A( ) > 0.
Finalmente, en virtud de lo anterior, (6.15) implica que
0 < () ( ),

= .

(6.15)

6.1. PROBLEMAS DE VALORES DE FRONTERA DE EDOS

111

Eso signica que la funcin buscada de DM , para la cual I[v] asume su m


o
nimo sobre DM ,
es
M

(x),

v (x) =
=1

donde
m I[v] = I[v ].
n

vDM

Si por casualidad entre las funciones 1 , . . . , M se encuentra la solucin del problema de


o
valores de frontera, o sea si y k para algn
u ndice k, la solucin del sistema lineal (6.13)
o
es
0 para i = 1, . . . , M , i = k,
1 para i = k,

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

es la funcin deseada, la cual minimiza el funcional I[u] sobre D.


o
Para discutir algunos aspectos prcticos, recordamos que las componentes de A y b son
a
dadas por
b

aij = [i , j ] =
a
b

bi = (i , g) =

p(x)i (x)j (x) + q(x)i (x)j (x) dx,


i (x)g(x) dx.

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

Ejemplo 6.2. Consideremos el problema de valores de frontera


y = sin x,

y(0) = y() = 0,

el cual puede ser resuelto exactamente. Aqu p 1, q 0, y g(x) = sin x.

a) Sea M = 1 y 1 (x) = x( x), 1 (x) = 2x. En este caso,

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

La funcin v (x) asume su mximo en x = /2 con


o
a
v

3
0,955.

b) Sea M = 2, 1 (x) = sin x, 1 (x) = cos x, 2 (x) = sin(2x), 2 (x) = 2 cos(2x).


Tenemos

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,

lo que es la solucin exacta del problema.


o

2 = 0;

v (x) = sin x,

6.2. ELEMENTOS FINITOS PARA PVFS DE EDOS

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

Figura 6.1. Las funciones i , i = 0, . . . , n, dadas por (6.17) para n = 5.


6.2. Elementos nitos para problemas de valores de frontera de ecuaciones
diferenciales ordinarias
6.2.1. Funciones de planteo lineales por trozos. Ahora seguimos desarrollando el
mtodo de Ritz en una versin donde cada funcin i es diferente de cero slo en un (pequeo)
e
o
o
o
n
subintervalo de [a, b]. Como para la interpolacin por splines, subdividimos el intervalo en n
o
partes de igual tamao h introduciendo los nodos
n
xi = a + ih,

i = 0, . . . , n;

a + nh = b.

(6.16)

Consideremos primero funciones de planteo lineales por trozos y continuas sh . El espacio Sh


de estas funciones tiene como base las funciones 0 , . . . , n denidas por
x a

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

Cada funcin de Sh tiene la representacin


o
o
n

sh (x) =

i i (x).
i=0

Para la aproximacin de la solucin de (6.4), usaremos solamente aquellas funciones en Sh


o
o
que satisfacen las condiciones de borde sh (a) = sh (b) = 0, es decir, para las cuales
n

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

p(x)i (x)j (x) + q(x)i (x)j (x) dx


xk

=
k=1

xk1

p(x)i (x)j (x) + q(x)i (x)j (x) dx.

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 ,

. .

. . an1,n2 an1,n1 an,n1


.
.
0
0
an,n1
ann

xi+1

bi = (i , g) =

i (x)g(x) dx.
xi1

Ahora, para = (1 , . . . , n1 )T y b = (b1 , . . . , bn1 )T determinamos = (1 , . . . , n1 )T


como solucin del sistema lineal
o

A = b.

(6.19)

6.2. ELEMENTOS FINITOS PARA PVFS DE EDOS

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

funcin sh sea una aproximacin sucientemente exacta de la verdadera solucin y, el tamao


o
o
o
n
de paso h debe ser muy pequeo. Normalmente, (6.19) es un sistema de gran tamao, con
n
n
una matriz que siempre es simtrica, denida positiva y tridiagonal, por lo tanto, el sistema
e
(6.19) puede ser resuelto por muchos mtodos iterativos.
e
Ejemplo 6.3. Consideremos nuevamente el ejemplo de la ecuacin diferencial ordinaria
o
y = sin x con las condiciones de borde y(0) = y() = 0. Para i = 1, . . . , n, obtenemos

ai,i1 =
0

xi

i (x)i1 (x) dx =

xi1

i (x)i1 (x) dx,

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

para i = 1, . . . , n 1, es decir, obtenemos la matriz denida positiva

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

Figura 6.2. Las funciones i , i = 1, . . . , n + 1, dadas por (6.20) para n = 5.


a los nodos ya denidos (6.16) agregamos xk = a kh y xn+k = b + kh para k = 1, 2, 3:

a x i + 2

para x [xi2 , xi1 ] [a, b],

2
3

1 + 3 a x i + 1 + 3 a x i + 1 3 a x i + 1

h
h
h

para x [xi1 , xi ] [a, b],

2
3
i (x) =
1 + 3 a x + i + 1 + 3 a x + i + 1 3 a x + i + 1

h
h
h

para x [xi , xi+1 ] [a, b],

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.

6.2. ELEMENTOS FINITOS PARA PVFS DE EDOS

117

Cada funcin spline es de la forma


o
n+1

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)

(x) 4 (x) para i = 0,


0
1

i (x) := 0 (x) 41 (x)


para i = 1,

(x) 4 (x) para i = n 1,


n

n1

n (x) 4n+1 (x) para i = n.


Obviamente, estas funciones satisfacen 0 (a) = 1 (a) = n1 (b) = n (b) = 0; entonces,
i (a) = i (b) = 0 para i = 0, . . . , n. Se puede demostrar que estas funciones son linealmente
3
independientes. Concluimos que cada funcin s0 Ph (a, b) posee una representacin
o h
o
n

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

p(x)i (x)j (x) + q(x)i (x)j (x) dx


xk

=
k=1

xk1

p(x)i (x)j (x) + q(x)i (x)j (x) dx.

Obviamente, [i , j ] = 0 para |i j| 4. Ahora la matrix A es una matriz de banda, que


en su i-sima la tiene slo los elementos ai,i3 , ai,i2 , . . . , ai,i+3 diferentes de cero. La matriz
e
o
es simtrica y denida positiva.
e
6.2.3. Estudio del error y extensiones. Brevemente vamos a discutir el error cometido
por el mtodo de Ritz. Para el espacio D ya denimos la norma V 1 (a,b) en (6.8). Si
e
y es la solucin exacta del problema de valores de frontera (6.4) y u D es una solucin
o
o
aproximada, nso interesa una cota del error u y V 1 (a,b) . Para el planteo con funciones
cbicas por trozos, tambin es posible estimar
u
e
u y

:= mx u (x) y(x) .
a
x[a,b]

Nos vamos a referir al siguiente lema sin desmostracin.


o


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).

Demostracin. Ya establecimos [v y, v y] = I[v] + [y, y] para toda funcin v V 1 (a, b),


o
o
1
es decir, tambien para todo v DM D = V (a, b). Por otro lado, de acuerdo con
m vDM I[v] = I[v ],
n
m [v y, v y] = m I[v] + [y, y] = I[v ] + [y, y] = [v y, v y].
n
n

vDM

vDM

Entonces,
v DM :

[v y, v y]

[v y, v y].

Dado que v y V 1 (a, b) para DM V 1 (a, b) y (v y) V 2 (a, b) si DM V 2 (a, b),


Teorema 6.3 sigue en virtud del Lemma 6.1.
Usaremos el teorema para estimar el error cometido por el mtodo de elementos nitos.
e
Para ello aprovechamos que (6.22) es vlido para cada funcin v DM . Primero, sea DM =
a
o
1
Ph (a, b), es decir, el espacio de las funciones continuas y lineales por trozos con sh (a) =
1
sh (b) = 0. Adems, sea vh la unica funcin de Ph (a, b) que satisface vh (xi ) = y(xi ) para
a

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

con una constante L. Insertando esta expresin en (6.22), obtenemos


o
v y

V 1 (a,b)

(2,1 /2,1 )1/2 vh y

V 1 (a,b)

(2,1 /2,1 )1/2 L(b a)h(4 + h2 )1/2 .

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

6.3. ELEMENTOS FINITOS PARA EDPS EL


IPTICAS

119

en V 1 (a,b) tambin se mide el error de la aproximacin de la derivada. Por ejemplo, se


e
o
puede demostrar que
v y

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 .

Usando (6.22), obtenemos


mx v (x) y(x) = v y
a

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)

es solucionado si encontramos una funcin u = u(x, y) tal que


o
I[u] = m = m (v, Lv) 2(v, f ) ,
n
n
vD

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

En el mtodo de Ritz, I[v] se minimiza aproximadamente. Este mtodo es muy similar al


e
e
mtodo ya discutido para la solucin de problemas de valores de frontera para ecuaciones
e
o
diferenciales ordinarias. Se elige un sub-espacio DM D M -dimensional, donde
D = v V (G) | v = 0 en G ,

y se considera como base un sistema de funciones 1 , . . . , M linealmente independientes.


Cada funcin v DM es de la forma
o
M

v=

1 , . . . , M R.

,
=1

(6.30)

Esta funcin v satisface


o
I[v] = [v, v] 2(v, f )
M

,
=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 ,

podemos escribir el sistema (6.31) en la forma


S = b.

(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

Consideremos una subdivisin de G en pequeos tringulos, es decir, una triangulacin.


o
n
a
o
Supongamos que G es un dominio acotado, abierto y convexo con una frontera G continua,

6.3. ELEMENTOS FINITOS PARA EDPS EL


IPTICAS

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 .

Ahora triangulamos el dominio G en la siguiente forma, que permite representar Gh como


N

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

En este caso, Gh y Gh dependern de h, y obviamente, G es mejor aproximado por Gh


a
cuando h es pequeo.
n
Los vrtices de los tringulos Di se llaman nodos, el conjunto de los nodos de llama
e
a
R, el conjunto de los nodos en Gh se llama R. Bajo nustras hiptesis, Gh puede ser
o
contruido de tal forma que los nodos en Gh tambin pertenece a G, es decir, exigimos que
e
R G. En general, una modicacin del parmetro h implicar un nuevo borde Gh .
o
a
a

Supongamos que R y R contienen M y M nodos, respectivamente, los que enumeramos en

un cierto orden; sean (xj , yj ), j = 1, . . . , M y (k , yk ), k = 1, . . . , M estos puntos. Denimos


x
las funciones base i , i = 1, . . . , M , de la siguiente forma:

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

funcin i tiene el valore 1, y en todos los dems nodos el valor cero.


o
a
Las funciones i son elementos del espacio V (Gh ), o sea podemos formar las formas
bilineales [i , j ] remplazando G por Gh , dado que las funciones i son diferenciables con
respecto a x e y sobre cada tringulo Dl , l = 1, . . . , N . La integral puede ser representada
a
como
N

=
Gh

.
i=1

Di

Las funciones 1 , . . . , M son linealmente independientes sobre Gh . (Si no fuera as deber


,
a
existir una ecuacin
o
M

i i (x, y) = 0,
i=1

(x, y) Gh ,


6. INTRODUCCION A LOS ELEMENTOS FINITOS

122

donde no todos los coecientes i desaparecen. Pero


M

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 (xi , yi )i (x, y).

v (x, y) =
i=1

La matriz S del sistema lineal (6.32) tiene muy pocos elementos diferentos de cero, dado que
[i , j ] =

a11 (i )x (j )y + a12 (i )x (j )y + (i )y (j )x + a22 (i )y (j )y + ai j dx dy


Gh

y i j = 0 si (xi , yi ) y (xj , yj ) no son puntos vecinos. Si existen exactamente ki tringulos


a
con el vrtice (xi , yi , la matriz S tendr en su i-sima la exactamente ki + 1 elementos
e
a
e
diferentes de cero. En el caso discutido, la matriz S es simtrica y denida positiva, y por lo
e
tanto apta para la solucin numrica del sistema (6.32) por el mtodo SOR, de gradientes
o
e
e
conjugados, o un mtodo multi-mallas.
e
Si la triangulacin no es uniforme, la computacin de los coecientes del sistema lineal
o
o
(6.32) puede ser bastante costosa; pero normalmente existe software que se encarga automaticamente de esta tarea. En general, se trata de trinagular un dominio de tal forma que
los tringulos Di no diferen demasiado en forma y rea. Pero para un dominio G con una
a
a
frontera curvada habr que elegir tringulos diferentes cerca de la frontera. La gran libertad
a
a
que existe en la seleccin de los tringulos constituye una gran ventaja de los mtodos de
o
a
e
elementos nitos comparado con el mtodo de diferencias nitas.
e
En el interior de G, en muchos casos facilmente de puede generar una triangulacin
o
donde xi e yi son mltiples enteros de h, por ejemplo xi = mi h, y = ni h. En este caso (ver
u

6.3. ELEMENTOS FINITOS PARA EDPS EL


IPTICAS

yi+1

yi

yi1

yi2

123

h
h

Di4

Di5 Di3

Di2

Di6
h

Di1

xi2

xi1

xi

xi+1

xi+2

Figura 6.3. La dencin de la funcin base i segn (6.33).


o
o
u
Figura 6.3),

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.

Para la computacin de [i , j ] y (i , f ) habr que usar una frmula de cubatura si aik ,


o
a
o
a y f son funciones complicadas.
Para la discusin de algunos aspectos prcticos, consideremos el problema de valores de
o
a
frontera
Lu uxx uyy = f en G,
u = 0 en G
con el problema variacional asociado
!

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

es decir, G es la unin de un nmero nito N de tringulos, entonces (6.34) implica que


o
u
a
N
!

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 .

Los vrtices de Di sean (xik , yik ) para k = 1, . . . , 3. Si vik es el valor de la aproximacin v =


e
o
v(x, y) en (xik , yik ), podemos escribir
v(xik , yik ) = vik = ai + bi xik + ci yik ,

k = 1, . . . , 3,

y de este sistema de ecuaciones podemos determinar de forma unica ai , bi y ci como funciones

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)

Si denominamos por vj el valor de v(x, y) en el nodo (xj , yj ), j = 1, . . . , M , podemos escribir


obviamente
I[v] = (v1 , . . . , vM ).
El valor vj , 1
j
M , aparece entre los valores vik , i = 1, . . . , N , k = 1, . . . , 3, Lj veces
si (xj , vj ) es vrtice de Lj tringulos. Si denimos v h := (v1 , . . . , vM )T , obtenemos con la
e
a
matriz S RM M y el vector b RM la identidad
(v1 , . . . , vM ) = (v h )T Sv h 2(v h )T b.
!

El requerimiento (v1 , . . . , vm ) = m lleva al sistema de ecuaciones


n
Sv h = b.
La computacin de S y b es (por lo menos) un poco complicada, puesto que hay que inteo
grar sobre cada tringulo separadamente. Esta complicacin puede ser evitada mediante la
a
o
interoduccin de un tringulo de referencia. A travs de una transformacin de coordenadas
o
a
e
o
biyectiva, cada tringulo Di puede ser transformado al tringulo de referencia con los vrtices
a
a
e
(0, 0), (1, 0) y (0, 1). La transformacin es
o
x = i (, ) = xi1 + (xi2 xi1 ) + (xi3 xi1 ),
y = i (, ) = yi1 + (yi2 yi1 ) + (yi3 yi1 ).

Denominamos el tringulo de referencia por D0 , deniendo


a
v(x, y) = v i (, ), i (, ) = wi (, ),

(, ) D0 .

(6.37)

6.3. ELEMENTOS FINITOS PARA EDPS EL


IPTICAS

125

En este caso, wi (, ) est denido sobre D0 y


a
wi (, ) = ci0 + ci1 + ci2 .
Los coecientes cij pueden ser calculados facilmente; de
wi (0, 0) = ci0 ,
wi (1, 0) = ci0 + ci1 ,
wi (0, 1) = ci0 + ci2
obtenemos
ci0 = wi (0, 0),
ci1 = wi (1, 0) wi (0, 0),

ci2 = wi (0, 1) wi (0, 0)

y por lo tanto

wi (, ) = (1 )wi (0, 0) + wi (1, 0) + wi (0, 1).

Para la formulacin de las ecuaciones de los elementos nitos, podr


o
amos partir de (6.36),
pero consideramos otro planteo. Escribimos (6.35) como
N
!

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),

y tomamos en cuenta que


F (x, y) dx dy =
Di

F i (, ), i (, ) i (, ) d d
D0

con el determinante funcional


i (, ) =

x y
(i ) (, ) (i ) (, )
= .
x y
(i ) (, ) (i ) (, )

Las derivadas de i y i pueden ser calculadas inmediatamente; obtenemos


i (, ) = (xi2 xi1 )(yi3 yi1 ) (xi3 xi1 )(yi2 yi1 ),

es decir, para cada i, i es constante: i (, ) = i . La transformacin (6.37) puede ser


o
invertida facilmente, y nos entrega
1
= i (x, y) =
(x xi1 )(yi3 yi1 ) (y yi1 )(xi3 xi1 ) ,
i
(6.38)
1
= i (x, y) =
(x xi1 )(yi2 yi1 ) + (y yi1 )(xi2 xi1 ) .
i
Dado que v(x, y) = wi (, ) para (x, y) Di , tenemos
vx = (wi ) x + (wi ) x ,

vy = (wi ) y + (wi ) y

Usando (6.38), podemos escribir


yi2 yi1
yi3 yi1
x =
, x =
,
i
i

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,

donde denimos hi (, ) := f (i (, ), i (, )). En virtud de


(wi ) = ci1 = wi (1, 0) wi (0, 0) = v(xi2 , yi2 ) v(xi1 , yi1 ) = vi2 vi1 ,

(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

(vi2 vi1 )(yi3 yi1 ) (vi3 vi1 )(yi2 yi1 )

+ (vi3 vi1 )(xi2 xi1 ) (vi2 vi1 )(xi3 xi1 )

(6.40)

22 vi1 + (vi2 vi1 ) + (vi3 vi1 ) hi (, ) d d.


i
Del requerimiento
N
!

Ii [v] = m
n
i=1

obtenemos nalmente los valores deseados de v en los nodos. Formulamos el sistema de


ecuaciones correspondiente. Primero calcuamos Ii [v], en general por integracin numrica.
o
e
Las primeras dos l
neas de (6.40) llevan a la expresin
o

3
vi1
(i)
(i) (i)
(i)
(v i )T S 1 + S 2 v i = (v i )T S v i =
slm vil vim , v i = vi2 .

vi3
l,m=1
(i)

A modo de ejemplo, calculamos (v i )T S 1 v i expl


citamente. Obtenemos
(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

6.3. ELEMENTOS FINITOS PARA EDPS EL


IPTICAS

127

(i)

La matriz S 2 puede ser calculada analogamente. Deniendo S (i) := 1 S


i
cuenta que
1
d d = ,
2
D0

(i)

y tomando en

obtenemos
1
Ii [v] = (v i )T S (i) v i 2i
2

vi1 + (vi2 vi1 ) + (vi3 vi1 hi (, ) d d.

D0

La integral puede ser aproximada por la frmula de cuadratura de Gauss ms simple,


o
a
1
1 1
F (, ) d d F
,
.
2
3 3
D0
Despus de una pequea compuatcin llegamos a
e
n
o

Con S (i)

1
i
1 1

Ii [v] Ii [v] := (v i )T S (i) v i


hi ,
(vi1 + vi2 + vi3 ).
2
3
3 3
(i)
= (slm ), l, m = 1, . . . , 3 tenemos
N

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)

Ahoram, la tarea de minimizar I[v] entrega el sistema de ecuaciones

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 ,

podemos escribir (6.42) como

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.

Entonces, el sistema de ecuacions de los elementos nitos es


1
2

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

6. INTRODUCCION A LOS ELEMENTOS FINITOS

Este sistema tiene la forma Sv h = b, v h = (v1 , . . . , vM )T . La parte derecha (6.44) puede


ser calculada facilmente, pero es costoso determinar los elementos de S desde (6.43). Para
eso, volvemos nuevamente a (6.41) y jamos la numeracin de las variables de nodo vk , k =
o
1, . . . , M . Las identicamos con aquellos vij , i = 1, . . . , N , j = 1, . . . , 3, que no corresponden
a valores de frontera. Cada vij es igual a una variable de nodos vk . (Por supuesto, una variable
vk puede corresponder a varios vij .) Puesto que vij = 0 en los punto de frontera, podemos
escribir (6.41) como
M

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) .

You might also like