UNIVERSIDAD NACIONAL AUTNOMA DE MXICO INSTITUTO DE GEOFSICA Y GRUPO DE MODELACIN MATEMATICA Y COMPUTACIONAL

Mtodo de Elementos Finitos

Antonio Carrillo Ledesma Ismael Herrera Revilla Robert Yates Smith
http://www.mmc.igeofcu.unam.mx/

INSTITUTO DE GEOFSICA UNAM

2008

ndice
1. Sistemas Continuos y sus Modelos 1.1. Los Modelos . . . . . . . . . . . . . . . . . . . . . . . . 1.1.1. Fsica Microscpica y Fsica Macroscpica . . . 1.2. Cinemtica de los Modelos de Sistemas Continuos . . 1.2.1. Propiedades Intensivas y sus Representaciones 1.2.2. Propiedades Extensivas . . . . . . . . . . . . . 1.2.3. Balance de Propiedades Extensivas e Intensivas 1.3. Ejemplos de Modelos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3 3 3 4 6 8 9 12

2. Ecuaciones Diferenciales Parciales 15 2.1. Clasicacin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15 2.2. Condiciones Iniciales y de Frontera . . . . . . . . . . . . . . . . . 18 2.3. Modelos Completos . . . . . . . . . . . . . . . . . . . . . . . . . . 19 3. Anlisis Funcional y Problemas Variacionales 3.1. Operador Lineal Elptico . . . . . . . . . . . . . . 3.2. Espacios de Sobolev . . . . . . . . . . . . . . . . 3.2.1. Trazas de una Funcin en H m () . . . . . m 3.2.2. Espacios H0 () . . . . . . . . . . . . . . 3.3. Formulas de Green y Problemas Adjuntos . . . . 3.4. Adjuntos Formales para Sistemas de Ecuaciones . 3.5. Problemas Variacionales con Valor en la Frontera 4. Solucin de Grandes Sistemas de Ecuaciones 4.1. Mtodos Directos . . . . . . . . . . . . . . . . 4.2. Mtodos Iterativos . . . . . . . . . . . . . . . 4.3. Gradiente Conjugado . . . . . . . . . . . . . . 4.4. Precondicionadores . . . . . . . . . . . . . . . 4.4.1. Gradiente Conjugado Precondicionado 4.4.2. Precondicionador a Posteriori . . . . . 4.4.3. Precondicionador a Priori . . . . . . . 5. Mtodos de Solucin Aproximada 5.1. Mtodo Galerkin . . . . . . . . . 5.2. El Mtodo de Residuos Pesados . 5.3. Mtodo de Elementos Finitos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21 21 22 25 25 27 35 39 43 43 45 48 50 52 54 58

para EDP 60 . . . . . . . . . . . . . . . . . . 60 . . . . . . . . . . . . . . . . . . 63 . . . . . . . . . . . . . . . . . . 64 68 68 69 70 74 79

6. Mtodo de Elementos Finitos 6.1. Triangulacin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6.2. Interpolacin para el Mtodo de Elementos Finitos . . . . . . . . 6.3. Mtodo de Elemento Finito Usando Discretizacin de Rectngulos 6.4. Mtodo de Elemento Finito Usando Discretizacin de Tringulos 6.5. Implementacin Computacional . . . . . . . . . . . . . . . . . . .

7. Apndice A 7.1. Nociones de Algebra Lineal . . 7.2. -Algebra y Espacios Medibles 7.3. Espacios Lp . . . . . . . . . . . 7.4. Distribuciones . . . . . . . . . . 8. Bibliografa

. . . .

. . . .

. . . .

. . . .

. . . .

. . . .

. . . .

. . . .

. . . .

. . . .

. . . .

. . . .

. . . .

. . . .

. . . .

. . . .

. . . .

. . . .

. . . .

84 84 85 86 87 91

1.

Sistemas Continuos y sus Modelos

Los fundamentos de la fsica macroscpica los proporciona la teora de los medios continuos. En este captulo, con base en ella se introduce una formulacin clara, general y sencilla de los modelos matemticos de los sistemas continuos. Esta formulacin es tan sencilla y tan general, que los modelos bsicos de sistemas tan complicados y diversos como la atmsfera, los ocanos, los yacimientos petroleros, o los geotrmicos, se derivan por medio de la aplicacin repetida de una sola ecuacin diferencial: la ecuacin diferencial de balance. Dicha formulacin tambin es muy clara, pues en el modelo general no hay ninguna ambigedad; en particular, todas las variables y parmetros que intervienen en l, estn denidos de manera unvoca. En realidad, este modelo general de los sistemas continuos constituye una realizacin extraordinaria de los paradigmas del pensamiento matemtico. El descubrimiento del hecho de que los modelos matemticos de los sistemas continuos, independientemente de su naturaleza y propiedades intrnsecas, pueden formularse por medio de balances, cuya idea bsica no diere mucho de los balances de la contabilidad nanciera, fue el resultado de un largo proceso de perfeccionamiento en el que concurrieron una multitud de mentes brillantes.

1.1.

Los Modelos

Un modelo de un sistema es un sustituto de cuyo comportamiento es posible derivar el correspondiente al sistema original. Los modelos matemticos, en la actualidad, son los utilizados con mayor frecuencia y tambin los ms verstiles. En las aplicaciones especcas estn constituidos por programas de cmputo cuya aplicacin y adaptacin a cambios de las propiedades de los sistemas es relativamente fcil. Tambin, sus bases y las metodologas que utilizan son de gran generalidad, por lo que es posible construirlos para situaciones y sistemas muy diversos. Los modelos matemticos son entes en los que se integran los conocimientos cientcos y tecnolgicos, con los que se construyen programas de cmputo que se implementan con medios computacionales. En la actualidad, la simulacin numrica permite estudiar sistemas complejos y fenmenos naturales que sera muy costoso, peligroso o incluso imposible de estudiar por experimentacin directa. En esta perspectiva la signicacin de los modelos matemticos en ciencias e ingeniera es clara, porqu la modelacin matemtica constituye el mtodo ms efectivo de predecir el comportamiento de los diversos sistemas de inters. En nuestro pas, ellos son usados ampliamente en la industria petrolera, en las ciencias y la ingeniera del agua y en muchas otras. 1.1.1. Fsica Microscpica y Fsica Macroscpica

La materia, cuando se le observa en el mbito ultramicroscpico, est formada por molculas y tomos. Estos a su vez, por partculas an ms pequeas como los protones, neutrones y electrones. La prediccin del comportamiento de

estas partculas es el objeto de estudio de la mecnica cuntica y la fsica nuclear. Sin embargo, cuando deseamos predecir el comportamiento de sistemas tan grandes como la atmsfera o un yacimiento petrolero, los cuales estn formados por un nmero extraordinariamente grande de molculas y tomos, su estudio resulta inaccesible con esos mtodos y en cambio el enfoque macroscpico es apropiado. Por eso en lo que sigue distinguiremos dos enfoques para el estudio de la materia y su movimiento. El primero -el de las molculas, los tomos y las partculas elementales- es el enfoque microscpico y el segundo es el enfoque macroscpico. Al estudio de la materia con el enfoque macroscpico, se le llama fsica macroscpica y sus bases tericas las proporciona la mecnica de los medios continuos. Cuando se estudia la materia con este ltimo enfoque, se considera que los cuerpos llenan el espacio que ocupan, es decir que no tienen huecos, que es la forma en que los vemos sin el auxilio de un microscopio. Por ejemplo, el agua llena todo el espacio del recipiente donde est contenida. Este enfoque macroscpico est presente en la fsica clsica. La ciencia ha avanzado y ahora sabemos que la materia est llena de huecos, que nuestros sentidos no perciben y que la energa tambin est cuantizada. A pesar de que estos dos enfoques para el anlisis de los sistemas fsicos, el microscpico y el macroscpico, parecen a primera vista conceptualmente contradictorios, ambos son compatibles, y complementarios, y es posible establecer la relacin entre ellos utilizando a la mecnica estadstica.

1.2.

Cinemtica de los Modelos de Sistemas Continuos

En la teora de los sistemas continuos, los cuerpos llenan todo el espacio que ocupan. Y en cada punto del espacio fsico hay una y solamente una partcula. As, denimos como sistema continuo a un conjunto de partculas. An ms, dicho conjunto es un subconjunto del espacio Euclidiano tridimensional. Un cuerpo es un subconjunto de partculas que en cualquier instante dado ocupa un dominio, en el sentido matemtico, del espacio fsico; es decir, del espacio Euclidiano tridimensional. Denotaremos por B(t) a la regin ocupada por el cuerpo B, en el tiempo t, donde t puede ser cualquier nmero real.

Figura 1: Representacin del movimiento de partculas de un cuerpo B, para un tiempo dado.

Frecuentemente, sin embargo, nuestro inters de estudio se limitar a un intervalo nito de tiempo. Dado un cuerpo B, todo subdominio B B, cons tituye a su vez otro cuerpo; en tal caso, se dice que B B es un subcuerpo de B. De acuerdo con lo mencionado antes, una hiptesis bsica de la teora de los sistemas continuos es que en cualquier tiempo t (, ) y en cada punto x B de la regin ocupada por el cuerpo, hay una y slo una partcula del cuerpo. Como en nuestra revisin se incluye no solamente la esttica (es decir, los cuerpos en reposo), sino tambin la dinmica (es decir, los cuerpos en movimiento), un primer problema de la cinemtica de los sistemas continuos consiste en establecer un procedimiento para identicar a las partculas cuando estn en movimiento en el espacio fsico. Sea X B, una partcula y p(X, t) el vector de la posicin que ocupa, en el espacio fsico, dicha partcula en el instante t. Una forma, pero no la nica, de identicar la partcula X es asocindole la posicin que ocupa en un instante determinado. Tomaremos en particular el tiempo t = 0, en tal caso p(X, 0) X. A las coordenadas del vector X (x1 , x2 , x3 ), se les llama las coordenadas materiales de la partcula. En este caso, las coordenadas materiales de una partcula son las coordenadas del punto del espacio fsico que ocupaba la partcula en el tiempo inicial, t = 0. Desde luego, el tiempo inicial puede ser cualquier otro, si as se desea. Sea B el dominio ocupado por un cuerpo en el tiempo inicial, entonces X B si y solamente si la partcula X es del cuerpo. Es decir, B caracteriza al cuerpo. Sin embargo, debido al movimiento, la regin ocupada por el mismo cambia con el tiempo y ser denotada por B(t). Formalmente, para cualquier t (, ), B(t) se dene por B(t) x R3 | X B tal que x = p(X, t) (1) el vector posicin p(X, t) es funcin del vector tridimensional X y del tiempo. Si jamos el tiempo t, p(X, t) dene una transformacin del espacio Euclidiano R3 en si mismo y la Ec. (1) es equivalente a B(t) = p(B, t). Una notacin utilizada para representar esta familia de funciones es p(, t). De acuerdo a la hiptesis de los sistemas continuos: En cualquier tiempo t (, ) y en cada punto x B de la regin ocupada por el cuerpo hay una y slo una partcula del cuerpo B para cada t jo. Es decir, p(, t) es una funcin biunvoca, por lo que existe la funcin inversa p1 (, t). Si se ja la partcula X en la funcin p(X, t) y se vara el tiempo t, se obtiene su trayectoria. Esto permite obtener la velocidad de cualquier partcula, la cual es un concepto central en la descripcin del movimiento. Ella se dene como la derivada con respecto al tiempo de la posicin cuando la partcula se mantiene ja. Es decir, es la derivada parcial con respecto al tiempo de la funcin de posicin p(X, t). Por lo mismo, la velocidad como funcin de las coordenadas materiales de las partculas, est dada por p V(X, t) (X, t). t (2)

1.2.1.

Propiedades Intensivas y sus Representaciones

En lo que sigue consideraremos funciones denidas para cada tiempo, en cada una de las partculas de un sistema continuo. A tales funciones se les llama propiedades intensivas. Las propiedades intensivas pueden ser funciones escalares o funciones vectoriales. Por ejemplo, la velocidad, denida por la Ec. (2), es una funcin vectorial que depende de la partcula X y del tiempo t. Una propiedad intensiva con valores vectoriales es equivalente a tres escalares, correspondientes a cada una de sus tres componentes. Hay dos formas de representar a las propiedades intensivas: la representacin Euleriana y la representacin Lagrangiana. Los nombres son en honor a los matemticos Leonard Euler (1707-1783) y Joseph Louis Lagrange (1736-1813), respectivamente. Frecuentemente, el punto de vista Lagrangiano es utilizado en el estudio de los slidos, mientras que el Euleriano se usa ms en el estudio de los uidos. Considere una propiedad intensiva escalar, la cual en el tiempo t toma el valor (X, t) en la partcula X. Entonces, de esta manera se dene una funcin : B R1 , para cada t (, ) a la que se denomina representacin Lagrangiana de la propiedad intensiva considerada. Ahora, sea (x, t) el valor que toma esa propiedad en la partcula que ocupa la posicin x, en el tiempo t. En este caso, para cada t (, ) se dene una funcin : B(t) R1 a la cual se denomina representacin Euleriana de la funcin considerada. Estas dos representaciones de una misma propiedad estn relacionadas por la siguiente identidad (X, t) (p(X, t), t). (3) Ntese que, aunque ambas representaciones satisfacen la Ec. (3), las funciones (X, t) y (x, t) no son idnticas. Sus argumentos X y x son vectores tridimensionales (es decir, puntos de R3 ); sin embargo, si tomamos X = x, en general (X, t) 6= (X, t). (4)

La expresin de la velocidad de una partcula dada por la Ec. (2), dene a su representacin Lagrangiana, por lo que utilizando la Ec. (3) es claro que p (X, t) = V(X, t) v(p(X, t), t) t (5)

donde v(x, t) es la representacin Euleriana de la velocidad. Por lo mismo v(x, t) V(p1 (x, t), t). (6) Esta ecuacin tiene la interpretacin de que la velocidad en el punto x del espacio fsico, es igual a la velocidad de la partcula que pasa por dicho punto en el instante t. La Ec. (6) es un caso particular de la relacin (x, t) (p1 (x, t), t) de validez general, la cual es otra forma de expresar la relacin de la Ec. (3) que existe entre las dos representaciones de una misma propiedad intensiva. 6

La derivada parcial con respecto al tiempo de la representacin Lagrangiana (X, t) de una propiedad intensiva, de acuerdo a la denicin de la derivada parcial de una funcin, es la tasa de cambio con respecto al tiempo que ocurre en una partcula ja. Es decir, si nos montamos en una partcula y medimos a la propiedad intensiva y luego los valores as obtenidos los derivamos con respecto al tiempo, el resultado nal es (X,t) . En cambio, si (x, t) es la representacin t Euleriana de esa misma propiedad, entonces (x,t) es simplemente la tasa de t cambio con respecto al tiempo que ocurre en un punto jo en el espacio. Tiene inters evaluar la tasa de cambio con respecto al tiempo que ocurre en una partcula ja, cuando se usa la representacin Euleriana. Derivando con respecto al tiempo a la identidad de la Ec. (3) y la regla de la cadena, se obtiene
3 X pi (X, t) (p(X, t), t) = (p(X, t), t) + (X, t). t t xi t i=1

(7)

Se acostumbra denir el smbolo

D Dt

por
3

X D vi = + Dt t xi i=1 o, ms brevemente, D = + v Dt t utilizando esta notacin, se puede escribir D (X, t) = (p(X, t) + v (p(X, t), t). t Dt t

(8)

(9)

(10)

Por ejemplo, la aceleracin de una partcula se dene como la derivada de la velocidad cuando se mantiene a la partcula ja. Aplicando la Ec. (9) se tiene Dv v = + v v Dt t (11)

una expresin ms transparente se obtiene aplicando la Ec. (9) a cada una de las componentes de la velocidad. As, se obtiene vi Dvi = + v vi . Dt t Desde luego, la aceleracin, en representacin Lagrangiana es simplemente 2 V(X, t) = 2 p(X, t). t t (13) (12)

1.2.2.

Propiedades Extensivas

En la seccin anterior se consideraron funciones denidas en las partculas de un cuerpo, ms precisamente, funciones que hacen corresponder a cada partcula y cada tiempo un nmero real, o un vector del espacio Euclidiano tridimensional R3 . En sta, en cambio, empezaremos por considerar funciones que a cada cuerpo B de un sistema continuo, y a cada tiempo t le asocia un nmero real o un vector de R3 . A una funcin de este tipo E(B, t) se le llama propiedad extensiva cuando esta dada por una integral Z E(B, t) (x, t)dx. (14) B(t) Observe que, en tal caso, el integrando dene una funcin (x, t) y por lo mismo, una propiedad intensiva. En particular, la funcin (x, t) es la representacin Euleriana de esa propiedad intensiva. Adems, la Ec. (14) establece una correspondencia biunvoca entre las propiedades extensivas y las intensivas, porqu dada la representacin Eulereana (x, t) de cualquier propiedad intensiva, su integral sobre el dominio ocupado por cualquier cuerpo, dene una propiedad extensiva. Finalmente, la notacin empleada en la Ec. (14) es muy explicita, pues ah se ha escrito E(B, t) para enfatizar que el valor de la propiedad extensiva corresponde al cuerpo B. Sin embargo, en lo que sucesivo, se simplicara la notacin omitiendo el smbolo B es decir, se escribir E(t) en vez de E(B, t). Hay diferentes formas de denir a las propiedades intensivas. Como aqu lo hemos hecho, es por unidad de volumen. Sin embargo, es frecuente que se le dena por unidad de masa vase [16]. Es fcil ver que la propiedad intensiva por unidad de volumen es igual a la propiedad intensiva por unidad de masa multiplicada por la densidad de masa (es decir, masa por unidad de volumen), por lo que es fcil pasar de un concepto al otro, utilizando la densidad de masa. Sin embargo, una ventaja de utilizar a las propiedades intensivas por unidad de volumen, en lugar de las propiedades intensivas por unidad de masa, es que la correspondencia entre las propiedades extensivas y las intensivas es ms directa: dada una propiedad extensiva, la propiedad intensiva que le corresponde es la funcin que aparece como integrando, cuando aqulla se expresa como una integral de volumen. Adems, del clculo se sabe que R (, t)d E(t) B(t) (x, t) l m = l m . (15) V ol0 V ol V ol0 V ol La Ec. (15) proporciona un procedimiento efectivo para determinar las propiedades extensivas experimentalmente: se mide la propiedad extensiva en un volumen pequeo del sistema continuo de que se trate, se le divide entre le volumen y el cociente que se obtiene es una buena aproximacin de la propiedad intensiva. El uso que haremos del concepto de propiedad extensiva es, desde luego, lgicamente consistente. En particular, cualquier propiedad que satisface las condiciones de la denicin de propiedad extensiva establecidas antes es, por 8

ese hecho, una propiedad extensiva. Sin embargo, no todas las propiedades extensivas que se pueden obtener de esta manera son de inters en la mecnica de los medios continuos. Una razn bsica por la que ellas son importantes es porqu el modelo general de los sistemas continuos se formula en trminos de ecuaciones de balance de propiedades extensivas, como se ver ms adelante. 1.2.3. Balance de Propiedades Extensivas e Intensivas

Los modelos matemticos de los sistemas continuos estn constituidos por balances de propiedades extensivas. Por ejemplo, los modelos de transporte de solutos (los contaminantes transportados por corrientes superciales o subterrneas, son un caso particular de estos procesos de transporte) se construyen haciendo el balance de la masa de soluto que hay en cualquier dominio del espacio fsico. Aqu, el trmino balance se usa, esencialmente, en un sentido contable. En la contabilidad que se realiza para nes nancieros o scales, la diferencia de las entradas menos las salidas nos da el aumento, o cambio, de capital. En forma similar, en la mecnica de los medios continuos se realiza, en cada cuerpo del sistema continuo, un balance de las propiedades extensivas en que se basa el modelo. Ecuacin de Balance Global Para realizar tales balances es necesario, en primer lugar, identicar las causas por las que las propiedades extensivas pueden cambiar. Tomemos como ejemplo de propiedad extensiva a las existencias de maz que hay en el pas. La primera pregunta es: qu causas pueden motivar su variacin, o cambio, de esas existencias?. Un anlisis sencillo nos muestra que dicha variacin puede ser debida a que se produzca o se consuma. Tambin a que se importe o se exporte por los lmites del pas (fronteras o litorales). Y con esto se agotan las causas posibles; es decir, esta lista es exhaustiva. Produccin y consumo son trminos similares, pero sus efectos tienen signos opuestos, que fcilmente se engloban en uno solo de esos conceptos. De hecho, si convenimos en que la produccin puede ser negativa, entonces el consumo es una produccin negativa. Una vez adoptada esta convencin, ya no es necesario ocuparnos separadamente del consumo. En forma similar, la exportacin es una importacin negativa. Entonces, el incremento en las existencias E en un perodo t queda dado por la ecuacin E = P + I (16) donde a la produccin y a la importacin, ambas con signo, se les ha representado por P y I respectivamente. Similarmente, en la mecnica de los medios continuos, la lista exhaustiva de las causas por las que una propiedad extensiva de cualquier cuerpo puede cambiar, contiene solamente dos motivos: i) Por produccin en el interior del cuerpo; y ii) Por importacin (es decir, transporte) a travs de la frontera.

Esto conduce a la siguiente ecuacin de balance global, de gran generalidad, para las propiedades extensivas Z Z Z dE g(x, t)dx + q(x, t)dx + g (x, t)dx. (17) (t) = dt B(t) B(t) (t) Donde g(x, t) es la generacin en el interior del cuerpo, con signo, de la propiedad extensiva correspondiente, por unidad de volumen, por unidad de tiempo. Adems, en la Ec. (17) se ha tomado en cuenta la posibilidad de que haya produccin concentrada en la supercie (t), la cual est dada en esa ecuacin por la ltima integral, donde g (x, t) es la produccin por unidad de rea. Por otra parte q(x, t) es lo que se importa o transporta hacia el interior del cuerpo a travs de la frontera del cuerpo B(t), en otras palabras, es el ujo de la propiedad extensiva a travs de la frontera del cuerpo, por unidad de rea, por unidad de tiempo. Puede demostrarse, con base en hiptesis vlidas en condiciones muy generales, que para cada tiempo t existe un campo vectorial (x, t) tal que q(x, t) (x, t) n(x, t) (18) donde n(x, t) es normal exterior a B(t). En vista de esta relacin, la Ec. (17) de balance se puede escribir como Z Z Z dE g(x, t)dx + (x, t) n(x, t)dx + g (x, t)dx. (19) (t) = dt B(t) B(t) (t) La relacin (19) se le conoce con el nombre de ecuacin general de balance global y es la ecuacin bsica de los balances de los sistemas continuos. A la funcin g(x, t) se le denomina el generacin interna y al campo vectorial (x, t) el campo de ujo. Condiciones de Balance Local Los modelos de los sistemas continuos estn constituidos por las ecuaciones de balance correspondientes a una coleccin de propiedades extensivas. As, a cada sistema continuo le corresponde una familia de propiedades extensivas, tal que, el modelo matemtico del sistema est constituido por las condiciones de balance de cada una de las propiedades extensivas de dicha familia. Sin embargo, las propiedades extensivas mismas no se utilizan directamente en la formulacin del modelo, en su lugar se usan las propiedades intensivas asociadas a cada una de ellas. Esto es posible porqu las ecuaciones de balance global son equivalentes a las llamadas condiciones de balance local, las cuales se expresan en trminos de las propiedades intensivas correspondientes. Las condiciones de balance local son de dos clases: las ecuaciones diferenciales de balance local y las condiciones de salto. Las primeras son ecuaciones diferenciales parciales, que se deben satisfacer en cada punto del espacio ocupado por el sistema continuo, y las segundas son ecuaciones algebraicas que las discontinuidades deben satisfacer donde ocurren; es decir, en cada punto de . Cabe mencionar que las ecuaciones diferenciales 10

de balance local son de uso mucho ms amplio que las condiciones de salto, pues estas ltimas solamente se aplican cuando y donde hay discontinuidades, mientras que las primeras en todo punto del espacio ocupado por el sistema continuo. Una vez establecidas las ecuaciones diferenciales y de salto del balance local, e incorporada la informacin cientca y tecnolgica necesaria para completar el modelo (la cual por cierto se introduce a travs de las llamadas ecuaciones constitutivas), el problema matemtico de desarrollar el modelo y derivar sus predicciones se transforma en uno correspondiente a la teora de la ecuaciones diferenciales, generalmente parciales, y sus mtodos numricos. Las Ecuaciones de Balance Local En lo que sigue se supone que las propiedades intensivas pueden tener discontinuidades, de salto exclusivamente, a travs de la supercie (t). Se entiende por discontinuidad de salto, una en que el lmite por ambos lados de (t) existe, pero son diferentes. Se utilizar en lo que sigue los resultados matemticos que se dan a continuacin, ver [8]. Teorema 1 Para cada t > 0, sea B(t) R3 el dominio ocupado por un cuerpo. Suponga que la propiedad intensiva (x, t) es de clase C 1 , excepto a travs de la supercie (t). Adems, sean las funciones v(x, t) y v (x, t) esta ltima denida para x (t) solamente, las velocidades de las partculas y la de (t), respectivamente. Entonces Z Z Z d dx [(v v ) ] ndx. (20) + (v) dx + dt B(t) t B(t) Teorema 2 Considere un sistema continuo, entonces, la ecuacin de balance global (19) se satisface para todo cuerpo del sistema continuo si y solamente si se cumplen las condiciones siguientes: i) La ecuacin diferencial + (v) = + g t vale en todo punto x R3 , de la regin ocupada por el sistema. ii) La ecuacin [ (v v ) ] n = g (21)

(22)

vale en todo punto x . A las ecuaciones (21) y (22), se les llama ecuacin diferencial de balance local y condicin de salto, respectivamente. Desde luego, el caso ms general que se estudiar se reere a situaciones dinmicas; es decir, aqullas en que las propiedades intensivas cambian con el tiempo. Sin embargo, los estados estacionarios de los sistemas continuos son de sumo inters. Por estado estacionario se entiende uno en que las propiedades intensivas son independientes del tiempo. En los estados estacionarios, adems, 11

las supercies de discontinuidad (t) se mantienen jas (no se mueven). En este caso = 0 y v = 0. Por lo mismo, para los estados estacionarios, la ecuacin t de balance local y la condicin de salto se reducen a (v) = + g que vale en todo punto x R3 y [v ] n = g que se satisface en todo punto de la discontinuidad (t) respectivamente. (24) (23)

1.3.

Ejemplos de Modelos

Una de las aplicaciones ms sencillas de las condiciones de balance local es para formular restricciones en el movimiento. Aqu ilustramos este tipo de aplicaciones formulando condiciones que se deben cumplir localmente cuando un uido es incompresible. La armacin de que un uido es incompresible signica que todo cuerpo conserva el volumen de uido en su movimiento. Entonces, se consideraran dos casos: el de un uido libre y el de un uido en un medio poroso. En el primer caso, el uido llena completamente el espacio fsico que ocupa el cuerpo, por lo que el volumen del uido es igual al volumen del dominio que ocupa el cuerpo, as Z Vf (t) = dx (25)
B(t)

aqu, Vf (t) es el volumen del uido y B(t) es el dominio del espacio fsico (es decir, de R3 ) ocupado por el cuerpo. Observe que una forma ms explicita de esta ecuacin es Z Vf (t) = 1dx (26)
B(t)

porqu en la integral que aparece en la Ec. (25) el integrando es la funcin idnticamente 1. Comparando esta ecuacin con la Ec. (14), vemos que el volumen del uido es una propiedad extensiva y que la propiedad intensiva que le corresponde es = 1. Adems, la hiptesis de incompresibilidad implica dVf (t) = 0 dt (27)

esta es el balance global de la Ec. (19), con g = g = 0 y = 0, el cual a su vez es equivalente a las Ecs. (21) y (22). Tomando en cuenta adems que = 1, la Ec. (21) se reduce a v = 0. (28) Esta es la bien conocida condicin de incompresibilidad para un uido libre Adems, aplicando la Ec. (22) donde haya discontinuidades, se obtiene [v]n = 0. Esto implica que si un uido libre es incompresible, la velocidad de sus partculas es necesariamente continua. 12

El caso en que el uido se encuentra en un medio poroso, es bastante diferente. Un medio poroso es un material slido que tiene huecos distribuidos en toda su extensin, cuando los poros estn llenos de un uido, se dice que el medio poroso esta saturado. Esta situacin es la de mayor inters en la prctica y es tambin la ms estudiada. En muchos de los casos que ocurren en las aplicaciones el uido es agua o petrleo. A la fraccin del volumen del sistema, constituido por la matriz slida y los huecos, se le llama porosidad y se le representara por , as (x, t) = l m
V 0

Volumen de huecos Volumen total

(29)

aqu hemos escrito (x, t) para enfatizar que la porosidad generalmente es funcin tanto de la posicin como del tiempo. Las variaciones con la posicin pueden ser debidas, por ejemplo, a heterogeneidad del medio y los cambios con el tiempo a su elasticidad; es decir, los cambios de presin del uido originan esfuerzos en los poros que los dilatan o los encogen. Cuando el medio esta saturado, el volumen del uido Vf es igual al volumen de los huecos del dominio del espacio fsico que ocupa, as Z Vf (t) = (x, t)dx. (30)
B(t)

En vista de esta ecuacin, la propiedad intensiva asociada al volumen de uido es la porosidad (x, t) por lo que la condicin de incomprensibilidad del uido contenido en un medio poroso, esta dada por la ecuacin diferencial + (v) = 0. t (31)

Que la divergencia de la velocidad sea igual a cero en la Ec. (28) como condicin para que un uido en su movimiento libre conserve su volumen, es ampliamente conocida. Sin embargo, este no es el caso de la Ec. (31), como condicin para la conservacin del volumen de los cuerpos de uido contenidos en un medio poroso. Finalmente, debe observarse que cualquier uido incompresible satisface la Ec. (28) cuando se mueve en el espacio libre y la Ec. (31) cuando se mueve en un medio poroso. Cuando un uido efecta un movimiento en el que conserva su volumen, al movimiento se le llama isocorico. Es oportuno mencionar que si bien cierto que cuando un uido tiene la propiedad de ser incompresible, todos sus movimientos son isocoricos, lo inverso no es cierto: un uido compresible en ocasiones puede efectuar movimientos isocoricos. Por otra parte, cuando un uido conserva su volumen en su movimiento satisface las condiciones de salto de Ec. (22), las cuales para este caso son [(v v )] n = 0. (32)

En aplicaciones a geohidrologa y a ingeniera petrolera, las discontinuidades de la porosidad estn asociadas a cambios en los estratos geolgicos y por esta 13

razn estn jas en el espacio; as, v = 0 y la Ec. (32) se reduce a [v] n = 0 o, de otra manera + vn+ = vn . (34) Aqu, la componente normal de la velocidad es vn v n y los subndices ms y menos se utilizan para denotar los lmites por los lado ms y menos de , respectivamente. Al producto de la porosidad por la velocidad se le conoce con el nombre de velocidad de Darcy U , es decir U = v utilizndola, las Ecs. (33) y (34) obtenemos [U ] n = 0 y U n+ = U n (36) (35) (33)

es decir, 1. La Ec. (34) es ampliamente utilizada en el estudio del agua subterrnea (geohidrologa). Ah, es frecuente que la porosidad sea discontinua en la supercie de contacto entre dos estratos geolgicos diferentes, pues generalmente los valores que toma esta propiedad dependen de cada estrato. En tal caso, + 6= por lo que vn+ 6= vn necesariamente. Para ms detalles de la forma y del desarrollo de algunos modelos usados en ciencias de la tierra, vase [8], [16], [24] y [14].

14

2.

Ecuaciones Diferenciales Parciales

Cada una de las ecuaciones de balance da lugar a una ecuacin diferencial parcial u ordinaria (en el caso en que el modelo depende de una sola variable independiente), la cual se complementa con las condiciones de salto, en el caso de los modelos discontinuos. Por lo mismo, los modelos de los sistemas continuos estn constituidos por sistemas de ecuaciones diferenciales cuyo nmero es igual al nmero de propiedades intensivas que intervienen en la formulacin del modelo bsico. Los sistemas de ecuaciones diferenciales se clasican en elpticas, hiperblicas y parablicas. Es necesario aclarar que esta clasicacin no es exhaustiva; es decir, existen sistemas de ecuaciones diferenciales que no pertenecen a ninguna de estas categoras. Sin embargo, casi todos los modelos de sistemas continuos, en particular los que han recibido mayor atencin hasta ahora, si estn incluidos en alguna de estas categoras.

2.1.

Clasicacin

Es importante clasicar a las ecuaciones diferenciales parciales y a los sistemas de tales ecuaciones, porqu muchas de sus propiedades son comunes a cada una de sus clases. As, su clasicacin es un instrumento para alcanzar el objetivo de unidad conceptual. La forma ms general de abordar la clasicacin de tales ecuaciones, es estudiando la clasicacin de sistemas de ecuaciones. Sin embargo, aqu solamente abordaremos el caso de una ecuacin diferencia de segundo orden, pero utilizando un mtodo de anlisis que es adecuado para extenderse a sistemas de ecuaciones. La forma general de un operador diferencial cuasi-lineal de segundo orden denido en R2 es Lu a(x, y) 2u 2u 2u + b(x, y) + c(x, y) 2 = F (x, y, u, ux , uy ) 2 x xy y (37)

para una funcin u de variables independientes x e y. Nos restringiremos al caso en que a, b y c son funciones slo de x e y y no funciones de u. Para la clasicacin de las ecuaciones de segundo orden consideraremos una simplicacin de la ecuacin anterior en donde F (x, y, u, ux , uy ) = 0 y los coecientes a, b y c son funciones constantes, es decir a 2u 2u 2u +b +c 2 =0 x2 xy y (38)

en la cual, examinaremos los diferentes tipos de solucin que se pueden obtener para diferentes elecciones de a, b y c. Entonces iniciando con una solucin de la forma u(x, y) = f (mx + y) (39) para una funcin f de clase C 2 y para una constante m, que deben ser determinadas segn los requerimientos de la Ec. (38). Usando un apostrofe para 15

denotar la derivada de f con respecto de su argumento, las requeridas derivadas parciales de segundo orden de la Ec. (38) son 2u = m2 f 00 , x2 2u = mf 00 , xy 2u = f 00 y 2 (40)

de la cual podemos concluir que f 00 = 0 am2 + bm + c = 0 ambas. En el caso de que f 00 = 0 obtenemos la solucin f = f0 + mx + y, la cual es una funcin lineal de x e y y es expresada en trminos de dos constantes arbitrarias, f0 y m. En el otro caso obtenemos am2 + bm + c = 0 (42)

sustituyendo la ecuacin anterior en la Ec. (38) obtenemos 2 am + bm + c f 00 = 0

(41)

resolviendo esta ecuacin cuadrtica para m obtenemos las dos soluciones b + 2 b2 4ac b 2 b2 4ac m1 = , m2 = (43) 2a 2a de donde es evidente la importancia de los coecientes de la Ec. (38), ya que el signo del discriminante b2 4ac es crucial para determinar el nmero y tipo de soluciones de la Ec. (42). As, tenemos tres casos a considerar: Caso I. b2 4ac > 0, Ecuacin Hiperblica. La Ec. (42) tiene dos soluciones reales distintas, m1 y m2 . As cualquier funcin de cualquiera de los dos argumentos m1 x + y m2 x + y resuelven a la Ec. (38). Por lo tanto la solucin general de la Ec. (38) es u(x, y) = F (m1 x + y) + G(m2 x + y) (44)

donde F y G son cualquier funcin de clase C 2 . Un ejemplo de este tipo de ecuaciones es la ecuacin de onda, cuya ecuacin cannica es 2u 2u 2 = 0. x2 t (45)

Caso II. b2 4ac = 0, Ecuacin Parablica. Asumiendo que b 6= 0 y a 6= 0 (lo cual implica que c 6= 0). Entonces se tiene una sola raz degenerada de la Ec. (42) con el valor de m1 = b que resuelve a 2a la Ec. (38). Por lo tanto la solucin general de la Ec. (38) es u(x, y) = F (m1 x + y) + yG(m1 x + y) (46)

donde F y G son cualquier funcin de clase C 2 . Si b = 0 y a = 0, entonces la solucin general es u(x, y) = F (x) + yG(x) (47) 16

la cual es anloga si b = 0 y c = 0. Un ejemplo de este tipo de ecuaciones es la ecuacin de difusin o calor, cuya ecuacin cannica es 2 u u = 0. x2 t (48)

Caso III. b2 4ac < 0, Ecuacin Elptica. La Ec. (42) tiene dos soluciones complejas m1 y m2 las cuales satisfacen que m2 es el conjugado complejo de m1 , es decir, m2 = m . La solucin general 1 puede ser escrita en la forma u(x, y) = F (m1 x + y) + G(m2 x + y) (49)

donde F y G son cualquier funcin de clase C 2 . Un ejemplo de este tipo de ecuaciones es la ecuacin de Laplace, cuya ecuacin cannica es 2u 2u + 2 = 0. x2 y (50)

Consideremos ahora el caso de un operador diferencial lineal de segundo orden denido en Rn cuya forma general es Lu =
n n XX i=1 j=1

aij

X u 2u + bi + cu xi xj i=1 xi Lu = 0

(51)

y consideremos tambin la ecuacin homognea asociada a este operador (52)

adems, sea x un punto del espacio Euclidiano y V (x) una vecindad de ese punto. Sea una funcin u denida en V (x) con la propiedad de que exista una variedad de dimensin n 1 cerrada y orientada, tal que la funcin u satisface la Ec. (52) en V (x)\. Se supone adems que existe un vector unitario n que apunta en la direccin positiva (nico) est denido en . Adems, la funcin u y sus derivadas de primer orden son continuas a travs de , mientras que los lmites de las segundas derivadas de u existen por ambos lados de . Sea x tal que 2 u (x) 6= 0 (53) xi xj para alguna pareja i, j = 1, ..., n. Entonces decimos que la funcin u es una solucin dbil de esta ecuacin en x. Teorema 3 Una condicin necesaria para que existan soluciones dbiles de la ecuacin homognea (52) en un punto x es que
n n XX i=1 j=1

aij ni nj = 0.

(54)

17

As, si denimos a la matriz A= (aij ) y observamos que nAn= entonces podemos decir que: I) Cuando todos los eigenvalores de la matriz A son distintos de cero y adems del mismo signo, entonces se dice que el operador es Elptico. II) Cuando todos los eigenvalores de la matriz A son distintos de cero y adems n 1 de ellos tienen el mismo signo, entonces se dice que el operador es Hiperblico. III) Cuando uno y slo uno de los eigenvalores de la matriz A es igual a cero, entonces se dice que el operador es Parablico. Para el caso en que n = 2, esta forma de clasicacin coincide con la dada anteriormente.
n n XX i=1 j=1

aij ni nj

(55)

2.2.

Condiciones Iniciales y de Frontera

Dado un problema concreto de ecuaciones en derivadas parciales sobre un dominio , si la solucin existe, esta no es nica ya que generalmente este tiene un nmero innito de soluciones. Para que el problema tenga una y slo una solucin es necesario imponer condiciones auxiliares apropiadas y estas son las condiciones iniciales y condiciones de frontera. En esta seccin slo se enuncian de manera general las condiciones iniciales y de frontera que son esenciales para denir un problema de ecuaciones diferenciales: A) Condiciones Iniciales Las condiciones iniciales expresan el valor de la funcin al tiempo inicial t = 0 (t puede ser jada en cualquier valor) u(x, y, 0) = (x, y). B) Condiciones de Frontera Las condiciones de frontera especican los valores que la funcin u(x, y, t) o u(x, y, t) tomarn en la frontera , siendo de tres tipos posibles: 1) Condiciones tipo Dirichlet Especica los valores que la funcin u(x, y, t) toma en la frontera u(x, y, t) = (x, y). 18 (57) (56)

2) Condiciones tipo Neumann Aqu se conoce el valor de la derivada de la funcin u(x, y, t) con respecto a la normal n a lo largo de la frontera u(x, y, t) n = (x, y). 3) Condiciones tipo Robin Est condicin es una combinacin de las dos anteriores (x, y)u(x, y, t) + (x, y)u(x, y, t) n = g (x, y) x, y . En un problema dado se debe prescribir las condiciones iniciales al problema y debe de existir alguno de los tipos de condiciones de frontera o combinacin de ellas en . (59) (58)

2.3.

Modelos Completos

Los modelos de los sistemas continuos estn constituidos por: Una coleccin de propiedades intensivas o lo que es lo mismo, extensivas. El conjunto de ecuaciones de balance local correspondientes (diferenciales y de salto). Sucientes relaciones que liguen a las propiedades intensivas entre s y que denan a g, y v en trminos de estas, las cuales se conocen como leyes constitutivas. Una vez que se han planteado las ecuaciones que gobiernan al problema, las condiciones iniciales, de frontera y mencionado los procesos que intervienen de manera directa en el fenmeno estudiado, necesitamos que nuestro modelo sea completo. Decimos que el modelo de un sistema es completo si dene un problema bien planteado. Un problema de valores iniciales y condiciones de frontera es bien planteado si cumple que: i) Existe una y slo una solucin y, ii) La solucin depende de manera continua de las condiciones iniciales y de frontera del problema. Es decir, un modelo completo es aqul en el cual se incorporan condiciones iniciales y de frontera que denen conjuntamente con las ecuaciones diferenciales un problema bien planteado. 19

A las ecuaciones diferenciales denidas en Rn u = 0 2u u = 0 t2 u u = 0 t (60)

se les conoce con los nombres de ecuacin de Laplace, ecuacin de onda y ecuacin del calor, respectivamente. Cuando se considera la primera de estas ecuaciones, se entiende que u es una funcin del vector x (x1 , ..., xn ), mientras que cuando se considera cualquiera de las otras dos, u es una funcin del vector x (x1 , ..., xn , t). As, en estos ltimos casos el nmero de variables independientes es n + 1 y los conceptos relativos a la clasicacin y las dems nociones discutidas con anterioridad deben aplicarse haciendo la sustitucin n n + 1 e identicando xn+1 = t. Ecuacin de Laplace Para la ecuacin de Laplace consideraremos condiciones del tipo Robin. En particular, condiciones de Dirichlet y condiciones de Neumann. Sin embargo, en este ltimo caso, la solucin no es nica pues u cualquier funcin constante satisface la ecuacin de Laplace y tambin n = g con g = 0. Ecuacin de Onda Un problema general importante consiste en obtener la solucin de la ecuacin de onda, en el dominio del espacio-tiempo [0, t], que satisface para cada t (0, t] una condicin de frontera de Robin en y las condiciones iniciales u(x, 0) = u0 (x) y u (x, 0) = v0 (x), t x (61)

aqu u0 (x) y v0 (x) son dos funciones prescritas. El hecho de que para la ecuacin de onda se prescriban los valores iniciales, de la funcin y su derivada con respecto al tiempo, es reminiscente de que en la mecnica de partculas se necesitan las posiciones y las velocidades iniciales para determinar el movimiento de un sistema de partculas. Ecuacin de Calor Tambin para la ecuacin del calor un problema general importante consiste en obtener la solucin de la ecuacin de onda, en el dominio del espacio-tiempo [0, t], que satisface para cada t (0, t] una condicin de frontera de Robin en y ciertas condiciones iniciales. Sin embargo, en este caso en ellas slo se prescribe a la funcin u(x, 0) = u0 (x), x . (62)

20

3.

Anlisis Funcional y Problemas Variacionales

En esta seccin se detallan los conceptos bsicos de anlisis funcional y problemas variacionales con nfasis en problemas elpticos de orden par 2m, para comenzar detallaremos lo que entendemos por un operador diferencial parcial elptico de orden par 2m en n variables, para despus denir a los espacios de Sobolev para poder tratar problemas variacionales con valor en la frontera. En donde, restringindonos a problemas elpticos, contestaremos una cuestin central en la teora de problemas elpticos con valores en la frontera, y est se relaciona con las condiciones bajo las cuales uno puede esperar que el problema tenga solucin y esta es nica, as como conocer la regularidad de la solucin, para mayor referencia de estos resultados ver [13], [19] y [3].

3.1.

Operador Lineal Elptico

Denicin 4 Entenderemos por un dominio al conjunto Rn que sea abierto y conexo. Para poder expresar de forma compacta derivadas parciales de orden m o menor, usaremos la denicin siguiente. Denicin 5 Sea Zn el conjunto de todas las n-duplas de enteros no nega+ tivos, un miembro de Zn se denota usualmente por (por ejemplo = + (1 , 2 , ..., n ). Denotaremos por || la suma || = 1 + 2 + ... + n y por D u la derivada parcial || u D u = (63) 1 x1 x2 ...xn n 2 as, si || = m, entonces D u denota la m-sima derivada parcial de u. Sea L un operador diferencial parcial de orden par 2m en n variables y de la forma X Lu = (1)|| D a (x)D u , x Rn (64)
||,||m

donde f pertenece al rango del operador L. La clasicacin del operador L depende slo de los coecientes de la derivada ms alta, esto es, de la derivada de orden 2m, y a los trminos involucrados en esa derivada son llamados la parte principal del operador L denotado por L0 y para el operador (64) es de la forma X L0 = a D+ u. (66)
||,||m

donde es un dominio en Rn . Los coecientes a son funciones suaves real valuadas de x. El operador L es asumido que aparece dentro de una ecuacin diferencial parcial de la forma Lu = f, (65)

21

Teorema 6 Sea un vector en Rn , y sea = 1 ... n , Z+ . Entonces n n n i) L es elptico en xo si X a xo + 6= 0 6= 0; (67)

||,||=m

1 satisfacindose en todo punto xo , y para todo Rn . Aqu || = 2 + ... + 2 2 . 1 n Para el caso en el cual L es un operador de 2do orden (m = 1), la notacin se simplica, tomando la forma X n n X u u Lu = aj + a0 u = f (69) aij (x) + xi xj xj i,j=1 j=1

ii) L es elptico si es elptico en todos los puntos de ; iii) L es fuertemente elptico si existe un nmero > 0 tal que X + ||2m a xo ||,||=m

(68)

en . Para coecientes adecuados aij , aj y a0 la condicin para conocer si el operador es elptico, es examinado por la condicin
n X

i,j=1

aij (x0 ) i j 6= 0

6= 0

(70)

y para conocer si el operador es fuertemente elptico, es examinado por la condicin n X aij (x0 ) i j > ||2 . (71)
i,j=1

3.2.

Espacios de Sobolev

En esta subseccin detallaremos algunos resultados de los espacios de Sobolev sobre el conjunto de nmeros reales, en estos espacios son sobre los cuales trabajaremos tanto para plantear el problema elptico como para encontrar la solucin al problema. Primeramente deniremos lo que entendemos por un espacio L2 . Denicin 7 Una funcin medible u(x) denida sobre Rn se dice que pertenece al espacio L2 () si Z |u(x)|2 dx < (72)

es decir, es integrable. 22

La denicin de los espacios medibles, espacios Lp , distribuciones y derivadas de distribuciones estn dados en el apndice, estos resultados son la base para poder denir a los espacios de Sobolev. Denicin 8 El espacio de Sobolev de orden m, denotado por H m (), es denido (73) H m () = u | D u L2 () tal que || m . (74)

El producto escalar h, i de dos elementos u y v H m () esta dado por Z X hu, viH m = (D u) (D v) dx para u, v H m () .
||m

Nota: Es comn que el espacio L2 () sea denotado por H 0 (). Un espacio completo con producto interior es llamado un espacio de Hilbert, un espacio normado y completo es llamado espacio de Banach. Y como todo producto interior dene una norma, entonces todo espacio de Hilbert es un espacio de Banach. Denicin 9 La norma kkH m inducida a partir del producto interior h, iH m queda denida por Z X 2 2 (D u) dx. (75) kukH m = hu, uiH m =
||m

Ahora, con norma kkH m , el espacio H m () es un espacio de Hilbert, esto queda plasmado en el siguiente resultado. Teorema 10 El espacio H m () con la norma kkH m es un espacio de Hilbert. Ya que algunas de las propiedades de los espacios de Sobolev slo son validas cuando la frontera del dominio es sucientemente suave. Para describir al conjunto donde los espacios de Sobolev estn denidos, es comn pedirle algunas propiedades y as denimos lo siguiente. Denicin 11 Una funcin f denida sobre un conjunto Rn es llamada Lipschitz continua si existe una constante L > 0 tal que |f (x) f (y)| L |x y| x, y . (76)

Notemos que una funcin Lipschitz continua es uniformemente continua. Sea Rn (n 2) un dominio con frontera , sea x0 y construyamos la bola abierta con centro en x0 y radio , i.e. B(x0 , ), entonces deniremos el sistema coordenado ( 1 , ..., n ) tal que el segmento B(x0 , ) pueda expresarse como una funcin n = f ( 1 , ..., n1 ) entonces denimos. 23 (77)

Denicin 12 La frontera del dominio es llamada de Lipschitz si f denida como en la Ec. (77) es una funcin Lipschitz continua. El siguiente teorema resume las propiedades ms importantes de los espacios de Sobolev H m () . Teorema 13 Sea H m () el espacio de Sobolev de orden m y sea Rn un dominio acotado con frontera Lipschitz. Entonces i) H r () H m () si r m ii) H m () es un espacio de Hilbert con respecto a la norma kkH m iii) H m () es la cerradura con respecto a la norma kkH m del espacio C (). De la parte iii) del teorema anterior, se puede hacer una importante interpretacin: Para toda u H m () es siempre posible encontrar una funcin innitamente diferenciable f, tal que este arbitrariamente cerca de u en el sentido que ku f kH m < (78) para algn > 0 dado. Cuando m = 0, se deduce la propiedad H 0 () = L2 () a partir del teorema anterior. Corolario 14 El espacio L2 () es la cerradura, con respecto a la norma L2 , del espacio C (). Otra propiedad, se tiene al considerar a cualquier miembro de u H m (), este puede ser identicado con una funcin en C m (), despus de que posiblemente sean cambiados algunos valores sobre un conjunto de medida cero, esto queda plasmado en los dos siguientes resultados. Teorema 15 Sean X y Y dos espacios de Banach, con X Y. Sea i : X Y tal que i (u) = u. Si el espacio X tiene denida la norma kkX y el espacio Y tiene denida la norma kkY , decimos que X est inmersa continuamente en Y si ki (u)kY = kukY K kukX (79) para alguna constante K > 0. Teorema 16 (Inmersin de Sobolev) Sea Rn un dominio acotado con frontera de Lipschitz. Si (m k) > n/2, entonces toda funcin en H m () pertenece a C k (), es decir, hay un miembro que pertenece a C k (). Adems, la inmersin H m () C k () es continua. (80)

24

3.2.1.

Trazas de una Funcin en H m () .

Una parte fundamental en los problemas con valores en la frontera denidos sobre el dominio , es denir de forma nica los valores que tomar la funcin sobre la frontera , en este apartado veremos bajo que condiciones es posible tener denidos de forma nica los valores en la frontera tal que podamos denir un operador tr () continuo que actu en tal que tr (u) = u| . El siguiente lema nos dice que el operador tr () es un operador lineal continuo de C 1 a C (), con respecto a las normas kkH 1 () y kkL2 () . Lema 17 Sea un dominio con frontera de Lipschitz. La estimacin ktr (u)kL2 () C kukH 1 () (81)

se satisface para toda funcin u C 1 , para alguna constante C > 0.

Ahora, para el caso tr () : H 1 () L2 () , se tiene el siguiente teorema.

Teorema 18 Sea un dominio acotado en Rn con frontera de Lipschitz. Entonces: i) Existe un nico operador lineal acotado tr () : H 1 () L2 () , tal que con la propiedad que si u C 1 , entonces tr (u) = u | . ii) El rango de tr () es denso en L2 (). El argumento anterior puede ser generalizado para los espacios H m () , de hecho, cuando m > 1, entonces para toda u H m () tenemos que D u H 1 () para || m 1, (83) ktr (u)kL2 () C kukH 1 () , (82)

por el teorema anterior, el valor de D u sobre la frontera est bien denido y pertenece a L2 () , es decir tr (D u) L2 () , || m 1. (84)

Adems, si u es m-veces continuamente diferenciable, entonces D u es al menos continuamente diferenciable para || m 1 y tr (D u) = (D u) | . 3.2.2.
m Espacios H0 () .

(85)

m Los espacio H0 () surgen comnmente al trabajar con problemas con valor en la frontera y sern aquellos espacios que se nuliquen en la frontera del dominio, es decir

25

m Denicin 19 Denimos a los espacios H0 () como la cerradura, en la norm ma de Sobolev kkH m , del espacio C0 () de funciones con derivadas continuas del orden menor que m, todas las cuales tienen soporte compacto en , es dem m cir H0 () es formado al tomar la unin de C0 () y de todos los lmites de m m sucesiones de Cauchy en C0 () que no pertenecen a C0 () .

Las propiedades bsicas de estos espacios estn contenidas en el siguiente resultado. Teorema 20 Sea un dominio acotado en Rn con frontera sucientemente m suave y sea H0 () la cerradura de C0 () en la norma kkH m , entonces m a) H0 () es la cerradura de C0 () en la norma kkH m ; m b) H0 () H m (); m c) Si u H m () pertenece a H0 (), entonces D u = 0, sobre , || m 1. (86)

Teorema 21 (Desigualdad de Poincar-Friedrichs) Sea un dominio acotado en Rn . Entonces existe una constante C > 0 tal que Z Z |u| dx C
2

|u| dx

(87)

para toda u

1 H0

() .

Introduciendo ahora una familia de semi-normas sobre H m () (una seminorma || satisface casi todos los axiomas de una norma excepto el de positivo denido), de la siguiente forma: Denicin 22 La semi-norma ||m sobre H m () , se dene como X Z 2 2 |D u| dx. |u|m =
||=m

(88)

Esta es una semi-norma, ya que |u|m = 0 implica que D u = 0 para || = m, lo cual no implica que u = 0. La relevancia de esta semi-norma est al aplicar la desigualdad de PoincarFriedrichs ya que es posible demostrar que ||1 es de hecho una norma sobre 1 H0 () .
1 Corolario 23 La semi-norma ||1 es una norma sobre H0 () , equivalente a la norma estndar kkH 1 . m Es posible extender el teorema anterior y su corolario a los espacios H0 () para cualquier m 1, de la siguiente forma:

26

m m para toda u H0 () , adems, ||m es una norma sobre H0 () equivalente a la norma estndar kkH m .

Teorema 24 Sea un dominio acotado en Rn . Entonces existe una constante C > 0 tal que 2 2 kukL2 C |u|m (89)

Denicin 25 Sea un dominio acotado en Rn . Denimos por H m () al esm pacio de todas las funcionales lineales acotadas sobre H0 () , es decir, H m () m ser el espacio dual del espacio H0 () . Teorema 26 q ser una distribucin de H m () si y slo si q puede ser expresada en la forma X q= D q (90)
||<m

donde q son funcionales en L () .

3.3.

Formulas de Green y Problemas Adjuntos

Una cuestin central en la teora de problemas elpticos con valores en la frontera se relaciona con las condiciones bajo las cuales uno puede esperar una nica solucin a problemas de la forma Lu = f en Rn Bo u = g0 B1 u = g1 . . . (91)

en

Bm1 u = gm1

donde L es un operador elptico de orden 2m, de forma X X || (1) D a (x)D u , x Rn Lu =

||m ||m

(92)

donde los coecientes a son funciones de x suaves y satisfacen las condiciones para que el operador sea elptico, el conjunto B0 , B1 , ..., Bm1 de operadores de frontera son de la forma X (j) b D u = gj (93) Bj u =
||qj

y constituyen un conjunto de condiciones de frontera que cubren a L. Los coe(j) cientes b son asumidos como funciones suaves. En el caso de problemas de segundo orden la Ec. (93) puede expresarse como una sola condicin de frontera Bu =
n X j=1

bj

u + cu = g xj 27

en .

(94)

Antes de poder ver las condiciones bajo las cuales se garantice la existencia y unicidad es necesario introducir el concepto de formula de Green asociada con el operador L , para ello denimos: Denicin 27 Con el operador dado como en la Ec. (92), denotaremos por L al operador denido por X X (1)|| D a (x)D u (95) L u =
||m ||m

y nos referiremos a L como el adjunto formal del operador L.

La importancia del adjunto formal es que si aplicamos el teorema de Green (83) a la integral Z vLudx (96)

obtenemos

en la cual F (u, v) representa trminos de frontera que se nulican al aplicar el 1 teorema ya que la funcin v H0 (). Si L = L ; i.e. a = a el operador es llamado de manera formal el auto-adjunto. En el caso de problemas de segundo orden, dos sucesivas aplicaciones del teorema de Green (83) y obtenemos, para i y j jos Z Z Z u u u v v vaij ni ds + aij dx (98) aij dx = xi xj xj xj xi Z u v ni uaij nj ds vaij = xj xi Z v u aij dx. xj xi Pero sumando sobre i y j, obtenemos de la Ec. (97) n X v L v = aji (x) xi xj i,j=1 y F (u, v) = v u aij v ni u nj xj xi i,j=1
n X

vLudx =

uL vdx +

F (u, v)ds

(97)

(99)

(100)

tal que L es formalmente el auto-ajunto si aji = aij . Para hacer el tratamiento ms simple, restringiremos nuestra atencin al problema homogneo, es decir, en el cual g0 , g1 , ..., gm1 = 0 (esta no es una restriccin real, ya que se puede demostrar que cualquier problema no-homogneo 28

con condiciones de frontera puede convertirse en uno con condiciones de frontera homogneo de una manera sistemtica), asumiremos tambin que es suave y la frontera de es de clase C . As, en lo que resta de la seccin, daremos los pasos necesarios para poder conocer bajo que condiciones el problema elptico con valores en la frontera del tipo Lu = f en Rn Bo u = 0 B1 u = 0 . . . Bm1 u = 0 (101)

en

donde el operador L y Bj estan dados como en (92) y (93), con s 2m tiene solucin y esta es nica. Para ello, necesitamos adoptar el lenguaje de la teora de operadores lineales, algunos resultados clave de algebra lineal estn detallados en el apndice. Primeramente denotemos N (Bj ) al espacio nulo del operador de frontera Bj : H s () L2 () , entonces N (Bj ) = {u H s () | Bj u = 0 en } para j = 0, 1, 2, ..., m 1. Adicionalmente denimos al dominio del operador L, como el espacio D(L) = H s () N (B0 ) ... N (Bm1 ) = {u H s () | Bj u = 0 en , j = 0, 1, .., m 1} . (103) (102)

Entonces el problema elptico con valores en la frontera de la Ec. (101) con s 2m, puede reescribirse como, dado L : D(L) H s2m () , hallar u que satisfaga Lu = f en . (104)

Lo primero que hay que determinar es el conjunto de funciones f en H s2m () para las cuales la ecuacin anterior se satisface, i.e. debemos identicar el rango R(L) del operador L. Pero como nos interesa conocer bajo que condiciones la solucin u es nica, entonces podemos denir el ncleo N (L) del operador L como sigue N (L) = {u D(L) | Lu = 0} (105) s = {u H () | Lu = 0 en , Bj u = 0 en , j = 0, 1, .., m 1} .

Si el N (L) 6= {0} , entonces no hay una nica solucin, ya que si u0 es una solucin, entonces u0 + w tambin es solucin para cualquier w N (L), ya que L (u0 + w) = Lu0 + Lw = Lu0 = f . 29 (106)

As, los elementos del ncleo N (L) de L debern ser excluidos del dominio D(L) del operador L, para poder asegurar la unicidad de la solucin u. Si ahora, introducimos el complemento ortogonal N (L) del ncleo N (L) del operador L con respecto al producto interior L2 , denindolo como N (L) = {v D(L) | (v, w) = 0 w N (L)} . De esta forma tenemos que D(L) = N (L) N (L) (108) (107)

i.e. para toda u D(L), u se escribe como u = v + w donde v N (L) y w N (L). Adems N (L) N (L) = {0} . De forma similar, podemos denir los espacios anteriores para el problema adjunto L u = f en Rn Bo u = 0 B1 u = 0 . . . Bm1 u = 0 (109)

en

y denimos

Entonces el problema elptico con valores en la frontera de la Ec. (101) con s 2m, puede reescribirse como, dado L : D(L ) H s2m () , hallar u que satisfaga L u = f en . (111) Deniendo para el operador L N (L ) = {u D(L ) | L u = 0} (112) s = u H () | L u = 0 en , Bj u = 0 en , j = 0, 1, .., m 1 . N (L ) = {v D(L ) | (v, w)L2 = 0 w N (L )} . (113)

D(L ) = H s () N (B0 ) ... N (Bm1 ) s = u H () | Bj u = 0 en , j = 0, 1, .., m 1 .

(110)

As, con estas deniciones, es posible ver una cuestin fundamental, esta es, conocer bajo que condiciones el problema elptico con valores en la frontera de la Ec. (101) con s 2m tiene solucin y esta es nica, esto queda resuelto en el siguiente teorema cuya demostracin puede verse en [3] y [13].

30

Teorema 28 Considerando el problema elptico con valores en la frontera de la Ec. (101) con s 2m denido sobre un dominio acotado con frontera suave. Entonces i) Existe al menos una solucin si y slo si f N (L ) , esto es, si (f, v)L2 () = 0 si v N (L ). (114)

ii) Asumiendo que la solucin u existe, esta es nica si u N (L) , esto es, (u, w)L2 () = 0 w N (L). (115)

iii) Si existe una nica solucin, entonces existe una nica constante C > 0, independiente de u, tal que kukH s C kf kH s2m . (116)

Observacin 29 i) El teorema arma que el operador L es un operador suprayectivo de D(L) sobre el subespacio de funciones en H s2m que satisface (115). Adems el operador L es inyectivo si el dominio es restringido al espacio de funciones que satisfagan a (114). ii) La parte (iii) del teorema puede interpretarse como un resultado de regularidad, en el sentido en que se muestra u H s2m () si f H s () . (117)

As, formalmente podemos denir el adjunto formal de la siguiente manera Denicin 30 Sea L un Operador Diferencial, decimos que un operador L es su adjunto formal si satisface la siguiente condicin wLu uL w = D (u, w) (3.1)

tal que las funciones u y w pertenecen a un espacio lineal. Aqu D(u, w) es una funcional bilineal que representa trminos de frontera. Ejemplos de Operadores Adjuntos Formales A continuacin se muestra mediante ejemplos el uso de la denicin de operadores adjuntos formales y la parte correspondiente a trminos de frontera. A) Operador de la derivada de orden cero La derivada de orden cero de una funcin u es tal que dn u =u dxn es decir, n = 0, sea el operador Lu = u 31 (119) (118)

de la denicin de operador adjunto tenemos que wLu = uL w + D (u, w) entonces el trmino izquierdo es wLu = wu de aqu uL w = uw por lo tanto el operador adjunto formal es L w = w ntese que el operador es auto-adjunto. B) Operador de la derivada de primer orden La derivada de primer orden en trminos del operador es Lu = c du dx (124) (123) (122) (121) (120)

de la denicin de operador adjunto tenemos wLu = uLw + D (u, w) desarrollando el lado izquierdo wLu = wc = = du dx d (wcu) d (cw) u dx dx dw d (wcu) uc dx dx (126) (125)

por lo tanto, el operador adjunto formal es L w = c y los trminos de frontera son D (u, w) = wcu C) Operador Elptico El operador elptico ms sencillo es el Laplaciano u Lu 4u = xi xi 32 (128) dw dx (127)

(129)

de la ecuacin del operador adjunto formal tenemos u wLu = w xi xi u u w = w + xi xi xi xi u w w = w + u u xi xi xi xi xi xi u w w = w u u xi xi xi xi xi entonces, el operador adjunto formal es L w = u xi w xi

(130)

(131)

es decir, el operador es autoadjunto. Notemos que la funcin bilineal D(u, w) es w u w . (132) D (u, w) = u xi xi D) Consideremos el operador diferencial elptico ms general de segundo orden Lu = a u + (bu) + cu (133) de la denicin de operador adjunto formal tenemos que wLu = uL w + D (u, w) desarrollando el lado derecho de la ecuacin anterior wLu = w a u + (bu) + cu = w a u + w (bu) + wcu (134)

(135)

aplicando la igualdad de divergencia a los dos primeros sumandos se tiene que la ecuacin anterior es (136) wLu = wa u + a u w + (wbu) bu w + wcu = wa u + uaw u a w + (wbu) bu w + wcu = a (uw wu) + (wbu) u a w bu w + wcu

reordenando trminos se tiene wLu = u a w ub w + ucw + a (uw wu) + (wbu) (137) 33

y el trmino correspondiente a valores en la frontera es D (u, w) = a (uw wu) + (wbu) . E) La ecuacin bi-armnica Consideremos el operador diferencial bi-armnico Lu = 2 u entonces se tiene que wLu = uL w + D (u, w) desarrollemos el trmino del lado derecho wLu = w2 u = w (u) utilizando la igualdad de divergencia (sV ) = s V + V s (143) (142) (141) (140) (139)

por lo tanto, el operador adjunto formal es L w = a w b w + cw

(138)

tal que s es funcin escalar y V vector, entonces sea w = s y u = V, se tiene w (u) = (wu) u w ahora sea s = u y V = w, entonces tenemos (wu) u w = (wu) + u w (uw) = w u + (wu uw) sea s = w y V = u, entonces tenemos w u + (wu uw) = (wu) u (w) + (wu uw) = u (w) + (wu + wu uw) por ltimo sea s = u y V = (w) y obtenemos u (w) + (wu + wu uw) (147) = u ( (w)) (u (w)) + (wu + wu uw) 34 (146) (145) (144)

reordenando trminos wLu = u2 w + (wu + wu uw uw) entonces se tiene que el operador adjunto formal es L w = 2 w y los trminos de frontera son D (u, w) = wu + wu uw uw. (150) (149) (148)

3.4.

Adjuntos Formales para Sistemas de Ecuaciones

En esta seccin trabajaremos con funciones vectoriales; para ello necesitamos plantear la denicin de operadores adjuntos formales para este tipo de funciones. Denicin 31 Sea L un operador diferencial, decimos que un operador L es su adjunto formal si satisface la siguiente condicin w L u u L w = D (u, w) (151)

tal que las funciones u y w pertenecen a un espacio lineal. Aqu D(u, w) representa trminos de frontera. Por lo tanto se puede trabajar con funciones vectoriales utilizando operadores matriciales. A) Operador diferencial vector-valuado con elasticidad esttica L u = C : u de la denicin de operador adjunto formal tenemos que w L u = u L w + D (u, w) (153) (152)

para hacer el desarrollo del trmino del lado derecho se utilizar notacin indicial, es decir, este vector wLu tiene los siguientes componentes up Cijpq ; i = 1, 2, 3 (154) wi xj xq utilizando la igualdad de divergencia tenemos up Cijpq (155) wi xj xq up wi up wi Cijpq = Cijpq xq xj xj xq wi wi up ui Cijpq ui Cijpq wi Cijpq = xj xj xj xj xj xq 35

reordenado trminos tenemos que la ecuacin anterior es wi up wi wi Cijpq ui Cijpq ui Cijpq xj xj xq xj xj en notacin simblica tenemos que w L u = u C : w + u C : w w C : u por lo tanto el operador adjunto formal es L w = C : w y los trminos de frontera son D (u, w) = u C : w w C : u El operador de elasticidad es auto-adjunto formal. B) Mtodos Mixtos a la Ecuacin de Laplace Operador Laplaciano L u =u = f escrito en un sistema de ecuaciones se obtiene p 1 - 0 Lu= = 0 f u

(156)

(157)

(158)

(159)

(160)

(161)

ahora el operador diferencial vector-valuado es el siguiente p 1 Lu = 0 u p u = p entonces w Lu= q w

consideraremos campos vectoriales de 4 dimensiones, estos son denotados por : u p, u y w = q, w (162) (163)

p 1 0 u

(164)

utilizando la denicin de operador adjunto wLu = uLw + D (u, w) (165)

36

haciendo el desarrollo del trmino izquierdo se tiene que p q 1 wLu = 0 w u p u q = p w = qp q u + w p

(166)

aqu se utiliza la igualdad de divergencia en los dos trminos del lado derecho y obtenemos qp q u + w p = qp + u q qu p w + wp = p q w + u q + wp uq (167)

si se agrupa los dos primeros trminos en forma matricial, se tiene p q w + u q + wp uq q w p + wp uq = w u q p 1 + wp uq = 0 u w por lo tanto, el operador adjunto formal es q 1 L w = 0 w q w = q y el trmino correspondiente a valores en la frontera es D (u, w) = wp uq. C) Problema de Stokes

(168)

(169)

(170)

El problema de Stokes es derivado de la ecuacin de Navier-Stokes, la cual es utilizada en dinmica de uidos viscosos. En este caso estamos suponiendo que el uido es estacionario, la fuerza gravitacional es nula y el uido incompresible. Entonces el sistema de ecuaciones a ser considerado es u + p = f u = 0 (171)

se considerar un campo vectorial de 4 dimensiones. Ellos sern denotados por U = {u, p} y W = {w, q} (172) 37

ahora el operador diferencial vector-valuado es el siguiente u LU = 0 p el desarrollo se har en notacin indicial, entonces tenemos que wu + wp W LU = q u usando notacin indicial se obtiene X 2 ui X 2 ui p p wi = wi 2 + wi 2 + x xj xj xi i j j wi + (wi p) xi xi

(173)

(174)

(175)

X wi ui X ui = wi xj x2 xj xj j j j p

desarrollando la primera suma como la derivada de dos funciones se tiene X 2 wi X wi ui + ui (176) x2 xj xj j j j X ui wi + (wi p) wi p xj xj xi xi j reordenando trminos tenemos wi 2 wi 2 p x + xj i j X wi ui ui + wi (wi p) xj xj xj xi j ui Ahora consideremos la ecuacin 2 en Ec. (174), tenemos q u en notacin ndicial se tiene q X ui
i

(177)

(178)

xi

X ui q xi i X q X = ui (qui ) xi xi i i

(179)

38

en la ecuacin anterior se utiliz la igualdad de divergencia, entonces agrupando las ecuaciones Ec. (177) y Ec. (179) se tiene X 2 ui X ui p q (180) wi 2 + x xj xi i j i = wi 2 wi 2 p x + xj i j X wi ui wi (wi p) + ui + xj xj xj xi j ui ui
i

X X

X q (qui ) xi xi i

ordenando los trminos tenemos wi 2 wi X q + ui p (181) x2 xi xi j j i X wi X ui + wi (wi p) (qui ) ui + xj xj xj xi xi j i ui

escribiendo la ecuacin anterior en notacin simblica, se obtiene uw + uq p w + (uw wu + wp uq) por lo tanto, el operador adjunto formal es w L W = 0 q y el trmino de valores de frontera es D (u, w) = uw wu + wp uq. (184) (182)

(183)

3.5.

Problemas Variacionales con Valor en la Frontera

Restringindonos ahora en problemas elpticos de orden 2 (problemas de orden mayor pueden ser tratados de forma similar), reescribiremos este en su forma variacional. La formulacin variacional es ms dbil que la formulacin convencional ya que esta demanda menor suavidad de la solucin u, sin embargo cualquier problema variacional con valores en la frontera corresponde a un problema con valor en la frontera y viceversa. Adems, la formulacin variacional facilita el tratamiento de los problemas al usar mtodos numricos de ecuaciones diferenciales parciales, en esta seccin veremos algunos resultados clave como es la existencia y unicidad de la solucin de este tipo de problemas, para mayores detalles, ver [3] y [13]. 39

Si el operador L est denido por Lu = a u + cu (185) con a una matriz positiva denida, simtrica y c 0, el problema queda escrito como a u + cu = f en u = g en . (186)

aplicando el teorema de Green (83) obtenemos la Ec. (98), que podemos reescribir como Z Z vf dx. (188) v a u + cuv dx =

1 Si multiplicamos a la ecuacin a u + cu = f por v V = H0 (), obtenemos v a u + cu = vf (187)

y la funcional lineal

Deniendo el operador bilineal Z a (u, v) = v a u + cuv dx

(189)

l(v) = hf, vi =

podemos reescribir el problema dado por la Ec. (91) de orden 2, haciendo uso de la forma bilineal a (, ) y la funcional lineal l (). Entonces entenderemos en el presente contexto un problema variacional con valores de frontera (VBVP) por uno de la forma: hallar una funcin u que 1 pertenezca a un espacio de Hilbert V = H0 () y que satisfaga la ecuacin a (u, v) = hf, vi (191)

vf dx

(190)

para toda funcin v V donde a (, ) es una forma bilineal y l () es una funcional lineal. Denicin 32 Sea V un espacio de Hilbert y sea kkV la norma asociada a dicho espacio, decimos que una forma bilineal a (, ) es continua si existe una constante M > 0 tal que |a (u, v)| M kukV kvkV a (v, v) kvk2 V u, v V v V (192)

y es V -elptico si existe una constante > 0 tal que (193)

donde kkV es la norma asociada al espacio V. 40

Esto signica que una forma V elptico es una que siempre es no negativa y toma el valor de 0 slo en el caso de que v = 0, i.e. es positiva denida. 1 Notemos que el problema (186) denido en V = H0 () reescrito como el problema (191) genera una forma bilineal V -elptico cuyo producto interior sobre V es simtrico y positivo denido ya que a (v, v) kvkV > 0,
2

v V, v 6= 0

(194)

reescribindose el problema (191), en el cual debemos encontrar u V tal que a (u, v) = hf, vi a (u0 , v) donde u0 = g en , para toda v V. Entonces, la cuestin fundamental, es conocer bajo que condiciones el problema anterior tiene solucin y esta es nica, el teorema de Lax-Milgram nos da las condiciones bajo las cuales el problema (186) reescrito como el problema (191) tiene solucin y esta es nica, esto queda plasmado en el siguiente resultado. Teorema 33 (Lax-Milgram) Sea V un espacio de Hilbert y sea a (, ) : V V R una forma bilineal continua V -elptico sobre V. Adems, sea l () : V R una funcional lineal continua sobre V. Entonces i) El VBVP de encontrar u V que satisfaga a (u, v) = hf, vi , v V (196) tiene una y slo una solucin; ii) La solucin depende continuamente de los datos, en el sentido de que kukV 1 klkV (197) (195)

donde kkV es la norma en el espacio dual V de V y es la constante de la denicin de V -elptico. Ms especcamente, considerando ahora V un subespacio cerrado de H m () las condiciones para la existencia, unicidad y la dependencia continua de los datos queda de maniesto en el siguiente resultado. Teorema 34 Sea V un subespacio cerrado de H m (), sea a (, ) : V V R una forma bilineal continua V -elptico sobre V y sea l () : V R una funcional lineal continua sobre V. Sea P un subespacio cerrado de V tal que a (u + p, v + p) = a (u, v) u, v V y p, p P. (198)

Tambin denotando por Q el subespacio de V consistente de las funciones ortogonales a P en la norma L2 ; tal que Z updx = 0 p P , (199) Q= vV |

41

y asumiendo que a (, ) es Q-elptico: existe una constante > 0 tal que a (q, q) kqkQ
2

para q Q,

(200)

la norma sobre Q ser la misma que sobre V. Entonces i) Existe una nica solucin al problema de encontrar u Q tal que a (u, v) = hl, vi , si y slo si las condiciones de compatibilidad hl, pi = 0 se satisfacen. ii) La solucin u satisface kukQ 1 klkQ (dependencia continua de los datos). Otro aspecto importante es la regularidad de la solucin, si la solucin u al VBVP de orden 2m con f H s2m () donde s 2m, entonces u pertenecer a H s () y esto queda de maniesto en el siguiente resultado. Teorema 35 Sea Rn un dominio suave y sea u V la solucin al VBVP a (u, v) = hf, vi , vV (204) (203) para p P (202) v V (201)

donde V H m (). Si f H s2m () con s 2m, entonces u H s () y la estimacin kukH s C kf kH s2m (205) se satisface.

42

4.

Solucin de Grandes Sistemas de Ecuaciones

Es este trabajo se mostr como proceder para transformar un problema de ecuaciones diferenciales parciales con valores en la frontera en un sistema algebraico de ecuaciones y as poder hallar la solucin resolviendo el sistema de ecuaciones lineales que se pueden expresar en la forma matricial siguiente Au = b (206)

donde la matriz A es bandada (muchos elementos son nulos) y en problemas reales tiene grandes dimensiones. Los mtodos de resolucin del sistema algebraico de ecuaciones Au = b se clasican en dos grandes grupos: los mtodos directos y los mtodos iterativos. En los mtodos directos la solucin u se obtiene en un nmero jo de pasos y slo estn sujetos a los errores de redondeo. En los mtodos iterativos, se realizan iteraciones para aproximarse a la solucin u aprovechando las caractersticas propias de la matriz A, tratando de usar un menor nmero de pasos que en un mtodo directo. Los mtodos iterativos rara vez se usan para resolver sistemas lineales de dimensin pequea (el concepto de dimensin pequea es muy relativo), ya que el tiempo necesario para conseguir una exactitud satisfactoria rebasa el que requieren los mtodos directos. Sin embargo, en el caso de sistemas grandes con un alto porcentaje de elementos cero, son ecientes tanto en el almacenamiento en la computadora como en el tiempo que se invierte en su solucin. Por sta razn al resolver stos sistemas algebraicos de ecuaciones es preferible aplicar mtodos iterativos tal como Gradiente Conjugado. Cabe hacer mencin de que la mayora del tiempo de cmputo necesario para resolver el problema de ecuaciones diferenciales parciales (EDP), es consumido en la solucin del sistema algebraico de ecuaciones asociado a la discretizacin, por ello es determinante elegir aquel mtodo numrico que minimice el tiempo invertido en este proceso.

4.1.

Mtodos Directos

En estos mtodos, la solucin u se obtiene en un nmero jo de pasos y slo estn sujetos a los errores de redondeo. Entre los mtodos ms importantes podemos encontrar: Eliminacin Gausiana, descomposicin LU, eliminacin bandada y descomposicin de Cholesky. Los mtodos antes mencionados, se colocaron en orden descendente en cuanto al consumo de recursos computacionales y ascendente en cuanto al aumento en su eciencia. Eliminacin Gausiana Tal vez es el mtodo ms utilizado para encontrar la solucin usando mtodos directos. Este algoritmo sin embargo no es eciente, ya que en general, un sistema de N ecuaciones requiere para su almacenaje en memoria de N 2 entradas para la matriz A, pero cerca de N 3 /3 + O(N 2 )

43

multiplicaciones y N 3 /3 + O(N 2 ) adiciones para encontrar la solucin siendo muy costoso computacionalmente. La eliminacin Gausiana se basa en la aplicacin de operaciones elementales a renglones o columnas de tal forma que es posible obtener matrices equivalentes. Escribiendo el sistema de N ecuaciones lineales con N incgnitas como
N X j=1 (0)

aij xj = ai,n+1 ,
(i1)

(0)

(0)

i = 1, 2, ..., N

(207)

y si a11 6= 0 y los pivotes aii , i = 2, 3, ..., N de las dems las, que se obtienen en el curso de los clculos, son distintos de cero, entonces, el sistema lineal anterior se reduce a la forma triangular superior (eliminacin hacia adelante) xi + donde k
(k) akj N X

aij xj = ai,n+1 ,

(i)

(i)

i = 1, 2, ..., N

(208)

j=i+1

= 1, 2, ..., N ; {j = k + 1, ..., N { = akj

(k1)

; (k1) akk i = k + 1, ..., N + 1{ = aij

(k1)

aij

(k)

akj aik

(k) (k1)

}}}

y las incgnitas se calculan por sustitucin hacia atrs, usando las frmulas xN = aN,N+1 ; i = N 1, N 2, ..., 1 N X (i) (i) aij xj . xi = ai,N +1
j=i+1 (N)

(209)

En algunos casos nos interesa conocer A1 , por ello si la eliminacin se aplica a la matriz aumentada A | I entonces la matriz A de la matriz aumentada se convertir en la matriz I y la matriz I de la matriz aumentada ser A1 . As, el sistema Au = b se transformar en u = A1 b obteniendo la solucin de u. Descomposicin LU Sea U una matriz triangular superior obtenida de A por eliminacin bandada. Entonces U = L1 A, donde L es una matriz triangular inferior con unos en la diagonal. Las entradas de L1 pueden obtenerse de los coecientes mij denidos en el mtodo anterior y pueden ser almacenados estrictamente en las entradas de la diagonal inferior de A ya que estas ya fueron eliminadas. Esto proporciona una factorizacin LU de A en la misma matriz A ahorrando espacio de memoria. 44

El problema original Au = b se escribe como LU u = b y se reduce a la solucin sucesiva de los sistemas lineales triangulares Ly = b y U u = y. (210)

La descomposicin LU requiere tambin N 3 /3 operaciones aritmticas para la matriz llena, pero slo N b2 operaciones aritmticas para la matriz con un ancho de banda de b siendo esto ms econmico computacionalmente. Ntese que para una matriz no singular A, la eliminacin de Gausiana (sin redondear las y columnas) es equivalente a la factorizacin LU. Eliminacin Bandada Cuando se usa la ordenacin natural de los nodos, la matriz A que se genera es bandada, por ello se puede ahorrar considerable espacio de almacenamiento en ella. Este algoritmo consiste en triangular a la matriz A por eliminacin hacia adelante operando slo sobre las entradas dentro de la banda central no cero. As el rengln j es multiplicado por mij = aij /ajj y el resultado es restado al rengln i para i = j + 1, j + 2, .... El resultado es una matriz triangular superior U que tiene ceros abajo de la diagonal en cada columna. As, es posible resolver el sistema resultante al sustituir en forma inversa las incgnitas. Descomposicin de Cholesky Cuando la matriz es simtrica y denida positiva, se obtiene la descomposicin LU de la matriz A, as A = LDU = LDLT donde D = diag(U ) es la diagonal con entradas positivas. La mayor ventaja de esta descomposicin es que, en el caso en que es aplicable, el costo de cmputo es sustancialmente reducido, ya que requiere de N 3 /6 multiplicaciones y N 3 /6 adiciones.

4.2.

Mtodos Iterativos

En estos mtodos se realizan iteraciones para aproximarse a la solucin u aprovechando las caractersticas propias de la matriz A, tratando de usar un menor nmero de pasos que en un mtodo directo, para ms informacin de estos y otros mtodos ver [16] y [25]. Un mtodo iterativo en el cual se resuelve el sistema lineal Au = b (211)

La convergencia a la solucin la garantiza el siguiente teorema cuya solucin puede verse en [26]. 45

comienza con una aproximacin inicial u0 a la solucin u y genera una sucesin de vectores uk k=1 que converge a u. Los mtodos iterativos traen consigo un proceso que convierte el sistema Au = b en otro equivalente de la forma u = T u + c para alguna matriz ja T y un vector c. Luego de seleccionar el vector inicial u0 la sucesin de los vectores de la solucin aproximada se genera calculando uk = T uk1 + c k = 1, 2, 3, ... (212)

 Teorema 36 Si T < 1, entonces el sistema lineal u = T u + c tiene una solucin nica u y las iteraciones uk denidas por la frmula uk = T uk1 +c k = 1, 2, 3, ... convergen hacia la solucin exacta u para cualquier aproximacin lineal u0 . Notemos que mientras menorsea la norma de la matriz T , ms rpida es la convergencia, en el caso cuando T es menor que uno, pero cercano a uno, la convergencia es muy lenta y el nmero de iteraciones necesario para disminuir el error depende signicativamente del error inicial. En este caso, es deseable proponer al vector inicial u0 de forma tal que se mnimo el error inicial. Sin embargo, la eleccin de dicho vector no tiene importancia si la T es pequea ya que la convergencia es rpida. Como es conocido, la velocidad de convergencia de los mtodos iterativos dependen de las propiedades espectrales de la matriz de coecientes del sistema de ecuaciones, cuando el operador diferencial L de la ecuacin del problema a resolver es auto-adjunto se obtiene una matriz simtrica y positivo denida y el nmero de condicionamiento de la matriz A, es por denicin cond(A) = mx a 1 m n (213)

donde mx y m es el mximo y mnimo de los eigenvalores de la matriz a n A. Si el nmero de condicionamiento es cercano a 1 los mtodos numricos al solucionar el problema converger en pocas iteraciones, en caso contrario se requerirn muchas iteraciones. Frecuentemente al usar el mtodo de elemento 1 nito se tiene una velocidad de convergencia de O h2 y en el caso de mtodos 1 de descomposicin de dominio se tiene una velocidad de convergencia de O h en el mejor de los casos, donde h es la mxima distancia de separacin entre nodos continuos de la particin, es decir, que poseen una pobre velocidad de convergencia cuando h 0, para ms detalles ver [2]. Entre los mtodos ms usados para el tipo de problemas tratados en el presente trabajo podemos encontrar: Jacobi, Gauss-Seidel, Richardson, relajacin sucesiva, Gradiente Conjugado, Gradiente Conjugado precondicionado. Los mtodos antes mencionados se colocaron en orden descendente en cuanto al consumo de recursos computacionales y ascendente en cuanto al aumento en la eciencia en su desempeo, describindose a continuacin: Jacobi Si todos los elementos de la diagonal principal de la matriz A son diferentes de cero aii 6= 0 para i = 1, 2, ...n. Podemos dividir la isima ecuacin del sistema lineal (211) por aii para i = 1, 2, ...n, y despus trasladamos todas las incgnitas, excepto xi , a la derecha, se obtiene el sistema equivalente u = Bu + d donde di = bi aii aij si j 6= i ii . 0 si j = i
a

(214)

y B = {bij } = 46

Las iteraciones del mtodo de Jacobi estn denidas por la frmula xi =

(0) n X j=1

bij xj

(k1)

+ di

(215)

donde xi

son arbitrarias (i = 1, 2, ....n; k = 1, 2, ....).

Tambin el mtodo de Jacobi se puede expresar en trminos de matrices. Supongamos por un momento que la matriz A tiene la diagonal unitaria, esto es diag(A) = I. Si descomponemos A = IB, entonces el sistema dado por la Ecs. (211) se puede reescribir como I B u = b. (216)

Para la primera iteracin asumimos que k=b; entonces la ltima ecuacin se escribe como u = Bu+k. Tomando una aproximacin inicial u0 , podemos obtener una mejor aproximacin remplazando u por la ms resiente aproximacin de um . Esta es la idea que subyace en el mtodo Jacobi. El proceso iterativo queda como um+1 = Bum + k. (217) La aplicacin del mtodo a la ecuacin de la forma Au = b, con la matriz A no cero en los elementos diagonales, se obtiene multiplicando la Ec. (211) por 1 D1 = diag(A) obteniendo B = I D1 A, k = D1 b. (218) Gauss-Seidel Este mtodo es una modicacin del mtodo Jacobi, en el cual una vez obtenido algn valor de um+1 , este es usado para obtener el resto de los valores utilizando los valores ms actualizados de um+1 . As, la Ec. (217) puede ser escrita como X X um+1 = bij um+1 + bij um + ki . (219) j i j
j<i j>i

Notemos que el mtodo Gauss-Seidel requiere el mismo nmero de operaciones aritmticas por iteracin que el mtodo de Jacobi. Este mtodo se escribe en forma matricial como um+1 = Eum+1 + F um + k (220)

donde E y F son las matrices triangular superior e inferior respectivamente. Este mtodo mejora la convergencia con respecto al mtodo de Jacobi en un factor aproximado de 2.

47

Richardson Escribiendo el mtodo de Jacobi como um+1 um = b Aum (221)

El mtodo de Richardson se dene como um+1 = I A um + b

entonces el mtodo Richardson se genera al incorporar la estrategia de sobrerrelajacin de la forma siguiente um+1 = um + b Aum . (222) (223)

en la prctica encontrar el valor de puede resultar muy costoso computacionalmente y las diversas estrategias para encontrar dependen de las caractersticas propias del problema, pero este mtodo con un valor ptimo resulta mejor que el mtodo de Gauss-Seidel. Relajacin Sucesiva Partiendo del mtodo de Gauss-Seidel y sobrerrelajando este esquema, obtenemos i1 N X X um+1 = (1 ) um + bij um+1 + bij um + ki (224) i j i j
j=1 j=i+1

y cuando la matriz A es simtrica con entradas en la diagonal positivas, ste mtodo converge si y slo si A es denida positiva y (0, 2) . En la prctica encontrar el valor de puede resultar muy costoso computacionalmente y las diversas estrategias para encontrar dependen de las caractersticas propias del problema.

4.3.

Gradiente Conjugado

El mtodo del Gradiente Conjugado ha recibido mucha atencin en su uso al resolver ecuaciones diferenciales parciales y ha sido ampliamente utilizado en aos recientes por la notoria eciencia al reducir considerablemente en nmero de iteraciones necesarias para resolver el sistema algebraico de ecuaciones. Aunque los pioneros de este mtodo fueron Hestenes y Stiefel (1952), el inters actual arranca a partir de que Reid (1971) lo planteara como un mtodo iterativo, que es la forma en que se le usa con mayor frecuencia en la actualidad, esta versin est basada en el desarrollo hecho en [9]. La idea bsica en que descansa el mtodo del Gradiente Conjugado consiste en construir una base de vectores ortogonales y utilizarla para realizar la bsqueda de la solucin en forma ms eciente. Tal forma de proceder generalmente no sera aconsejable porqu la construccin de una base ortogonal utilizando el procedimiento de Gramm-Schmidt requiere, al seleccionar cada nuevo elemento de la base, asegurar su ortogonalidad con respecto a cada uno de los vectores

48

construidos previamente. La gran ventaja del mtodo de Gradiente Conjugado radica en que cuando se utiliza este procedimiento, basta con asegurar la ortogonalidad de un nuevo miembro con respecto al ltimo que se ha construido, para que automticamente esta condicin se cumpla con respecto a todos los anteriores. Denicin 37 Una matriz A es llamada positiva denida si todos sus eigenvalores tienen parte real positiva o equivalentemente, si uT Au tiene parte real positiva para u C\ {0} . Notemos en este caso que uT Au = uT A + AT u > 0, con u Rn \ {0} . 2

En el algoritmo de Gradiente Conjugado (CGM), se toma a la matriz A como simtrica y positiva denida, y como datos de entrada del sistema Au = b (225)

el vector de bsqueda inicial u0 y se calcula r0 = b Au0 , p0 = r0 , quedando el mtodo esquemticamente como: k+1 pk+1 k+1 = Apk rk Apk pk (226)

= rk k+1 pk = Apk+1

rk rk pk+1

uk+1 rk+1

= uk + k+1 pk+1 = rk k+1 Apk+1 .

Si denotamos {i , Vi }N como las eigensoluciones de A, i.e. AVi = i Vi , i=1 i = 1, 2, ..., N. Ya que la matriz A es simtrica, los eigenvalores son reales y podemos ordenarlos por 1 2 ... N . Denimos el nmero de condicin 2 por Cond(A) = N /1 y la norma de la energa asociada a A por kukA = u Au entonces q 2k 1 Cond(A) u uk u u0 . q (227) A A 1 + Cond(A) El siguiente teorema nos da idea del espectro de convergencia del sistema Au = b para el mtodo de Gradiente Conjugado.

49

a Teorema 38 Sea = cond(A) = mx 1, entonces el mtodo de Gradiente m n Conjugado satisface la Anorma del error dado por

ken k 2 n n 2 ke0 k +1 +1 + 1 1 donde em = u um del sistema Au = b. Notemos que para grande se tiene que 2 1 '1 +1 tal que

n 1 +1

(228)

(229)

de lo anterior podemos esperar un espectro de convergencia del orden de O( ) iteraciones, para mayor referencia ver [26]. Denicin 39 Un mtodo iterativo para la solucin de un sistema lineal es llamado ptimo, si la razn de convergencia a la solucin exacta es independiente del tamao del sistema lineal.

n ken kA ' e0 A exp 2

(230)

4.4.

Precondicionadores

Una va que permite mejorar la eciencia de los mtodos iterativos consiste en transformar al sistema de ecuaciones en otro equivalente, en el sentido de que posea la misma solucin del sistema original pero que a su vez tenga mejores condiciones espectrales. Esta transformacin se conoce como precondicionamiento y consiste en aplicar al sistema de ecuaciones una matriz conocida como precondicionador encargada de realizar el mejoramiento del nmero de condicionamiento. Una amplia clase de precondicionadores han sido propuestos basados en las caractersticas algebraicas de la matriz del sistema de ecuaciones, mientras que por otro lado tambin existen precondicionadores desarrollados a partir de las caractersticas propias del problema que lo origina, un estudio ms completo puede encontrarse en [2] y [18]. Qu es un Precondicionador? De una manera formal podemos decir que un precondicionador consiste en construir una matriz C, la cul es una aproximacin en algn sentido de la matriz A del sistema Au = b, de manera tal que si multiplicamos ambos miembros del sistema de ecuaciones original por C 1 obtenemos el siguiente sistema C 1 Au = C 1 b 50 (231)

donde el nmero de condicionamiento de la matriz del sistema transformado C 1 A debe ser menor que el del sistema original, es decir Cond(C 1 A) < Cond(A), (232)

dicho de otra forma un precondicionador es una inversa aproximada de la matriz original C 1 ' A1 (233) que en el caso ideal C 1 = A1 el sistema convergera en una sola iteracin, pero el coste computacional del clculo de A1 equivaldra a resolver el sistema por un mtodo directo. Se sugiere que C sea una matriz lo ms prxima a A sin que su determinacin suponga un coste computacional elevado. Dependiendo de la forma de platear el producto de C 1 por la matriz del sistema obtendremos distintas formas de precondicionamiento, estas son: C 1 Au = C 1 b AC 1 Cu = b C 1 AC 1 C 2 u = C 1 b 1 2 1 Precondicionamiento por la izquierda Precondicionamiento por la derecha Precondicionamiento por ambos lados si C puede factorizarse como C = C 1 C 2 .

El uso de un precondicionador en un mtodo iterativo provoca que se incurra en un costo de cmputo extra debido a que inicialmente se construye y luego se debe aplicar en cada iteracin. Tenindose que encontrar un balance entre el costo de construccin y aplicacin del precondicionador versus la ganancia en velocidad en convergencia del mtodo. Ciertos precondicionadores necesitan poca o ninguna fase de construccin, mientras que otros pueden requerir de un trabajo substancial en esta etapa. Por otra parte la mayora de los precondicionadores requieren en su aplicacin un monto de trabajo proporcional al nmero de variables; esto implica que se multiplica el trabajo por iteracin en un factor constante. De manera resumida un buen precondicionador debe reunir las siguientes caractersticas: i) Al aplicar un precondicionador C al sistema original de ecuaciones Au = b, se debe reducir el nmero de iteraciones necesarias para que la solucin aproximada tenga la convergencia a la solucin exacta con una exactitud prejada. ii) La matriz C debe ser fcil de calcular, es decir, el costo computacional de la construccin del precondicionador debe ser pequeo comparado con el costo total de resolver el sistema de ecuaciones Au = b. iii) El sistema Cz =r debe ser fcil de resolver. Esto debe interpretarse de dos maneras: a) El monto de operaciones por iteracin debido a la aplicacin del precondicionador C debe ser pequeo o del mismo orden que las 51

que se requeriran sin precondicionamiento. Esto es importante si se trabaja en mquinas secuenciales. b) El tiempo requerido por iteracin debido a la aplicacin del precondicionador debe ser pequeo. En computadoras paralelas es importante que la aplicacin del precondicionador sea paralelizable, lo cual eleva su eciencia, pero debe de existir un balance entre la ecacia de un precondicionador en el sentido clsico y su eciencia en paralelo ya que la mayora de los precondicionadores tradicionales tienen un componente secuencial grande. El mtodo de Gradiente Conjugado por si mismo no permite el uso de precondicionadores, pero con una pequea modicacin en el producto interior usado en el mtodo, da origen al mtodo de Gradiente Conjugado precondicionado que a continuacin detallaremos. 4.4.1. Gradiente Conjugado Precondicionado

Cuando la matriz A es simtrica y denida positiva se puede escribir como 1 uA u n uu (234)

y tomando la matriz C 1 como un precondicionador de A con la condicin de que uC 1 A u 1 n (235) uu entonces la Ec. (225) se pude escribir como C 1 Au = C 1 b (236)

donde C 1 A es tambin simtrica y denida positiva en el producto interior hu, vi = u Cv, porque u, C 1 Av = u C C 1 Av = u Av (237)

que por hiptesis es simtrica y denida positiva en ese producto interior. La eleccin del producto interior h, i quedar denido como hu, vi = u C 1 Av por ello las Ecs. (226[1]) y (226[3]), se convierten en k+1 = rk rk pk+1 C 1 pk+1 52 (239) (238)

y k+1 = pk C 1 rk pk Apk (240)

generando el mtodo de Gradiente Conjugado precondicionado con precondicionador C 1 . Es necesario hacer notar que los mtodos Gradiente Conjugado y Gradiente Conjugado Precondicionado slo dieren en la eleccin del producto interior. Para el mtodo de Gradiente Conjugado Precondicionado, los datos de entrada son un vector de bsqueda inicial u0 y el precondicionador C 1 . Calculndose r0 = b Au0 , p = C 1 r0 , quedando el mtodo esquemticamente como: k+1 pk+1 k+1 uk+1 rk+1 = pk C 1 rk pk Apk (241)

= rk k+1 pk =

= uk + k+1 pk+1

rk rk pk+1 C 1 pk+1

= C 1 rk k+1 Apk+1 .

Algoritmo Computacional del Mtodo Dado el sistema Au = b, con la matriz A simtrica y denida positiva de dimensin n n. La entrada al mtodo ser una eleccin de u0 como condicin inicial, > 0 como la tolerancia del mtodo, N como el nmero mximo de iteraciones y la matriz de precondicionamiento C 1 de dimensin n n, el algoritmo del mtodo de Gradiente Conjugado Precondicionado queda como: r = b Au w = C 1 r v = (C 1 )T w Pn 2 = j=1 wj k=1 Mientras que k N Si kvk < x = Av t = Pn Salir

j=1 vj xj

u = u + tv r = r tx w = C 1 r P 2 = n wj j=1 53

Si krk < Salir s= T v = C 1 w + sv = k =k+1 La salida del mtodo ser la solucin aproximada u = (u1 , ..., un ) y el residual r = (r1 , ..., rn ). En el caso del mtodo sin precondicionamiento, C 1 es la matriz identidad, que para propsitos de optimizacin slo es necesario hacer la asignacin de vectores correspondiente en lugar del producto de la matriz por el vector. En el caso de que la matriz A no sea simtrica, el mtodo de Gradiente Conjugado puede extenderse para soportarlas, para ms informacin sobre pruebas de convergencia, resultados numricos entre los distintos mtodos de solucin del sistema algebraico Au = b generada por la discretizacin de un problema elptico y como extender estos para matrices no simtricas ver [9] y [7]. Teorema 40 Sean A, B y C tres matrices simtricas y positivas denidas entonces C 1 A C 1 B B 1 A . Clasicacin de los Precondicionadores En general se pueden clasicar en dos grandes grupos segn su manera de construccin: los algebraicos o a posteriori y los a priori o directamente relacionados con el problema continuo que lo origina. 4.4.2. Precondicionador a Posteriori

Los precondicionadores algebraicos o a posteriori son los ms generales, ya que slo dependen de la estructura algebraica de la matriz A, esto quiere decir que no tienen en cuenta los detalles del proceso usado para construir el sistema de ecuaciones lineales Au = b. Entre estos podemos citar los mtodos de precondicionamiento del tipo Jacobi, SSOR, factorizacin incompleta, inversa aproximada, diagonal ptimo y polinomial. Precondicionador Jacobi El mtodo precondicionador Jacobi es el precondicionador ms simple que existe y consiste en tomar en calidad de precondicionador a los elementos de la diagonal de A Aij si i = j Cij = (242) 0 si i 6= j. 54

Debido a que las operaciones de divisin son usualmente ms costosas en tiempo de cmputo, en la prctica se almacenan los recprocos de la diagonal de A. Ventajas: No necesita trabajo para su construccin y puede mejorar la convergencia. Desventajas: En problemas con nmero de condicionamiento muy grande, no es notoria la mejora en el nmero de iteraciones. Precondicionador SSOR Si la matriz original es simtrica, se puede descomponer como en el mtodo de sobrerrelajamiento sucesivo simtrico (SSOR) de la siguiente manera A = D + L + LT (243) donde D es la matriz de la diagonal principal y L es la matriz triangular inferior. La matriz en el mtodo SSOR se dene como 1 T 1 1 1 1 C() = (244) D+L D D+L 2w en la prctica la informacin espectral necesaria para hallar el valor ptimo de es demasiado costoso para ser calculado. Ventajas: No necesita trabajo para su construccin, puede mejorar la convergencia signicativamente. Desventajas: Su paralelizacin depende fuertemente del ordenamiento de las variables. Precondicionador de Factorizacin Incompleta Existen una amplia clase de precondicionadores basados en factorizaciones incompletas. La idea consiste en que durante el proceso de factorizacin se ignoran ciertos elementos diferentes de cero correspondientes a posiciones de la matriz original que son nulos. La matriz precondicionadora se expresa como C = LU , donde L es la matriz triangular inferior y U la superior. La ecacia del mtodo depende de cun buena sea la aproximacin de C 1 con respecto a A1 . El tipo ms comn de factorizacin incompleta se basa en seleccionar un subconjunto S de las posiciones de los elementos de la matriz y durante el proceso de factorizacin considerar a cualquier posicin fuera de ste igual a cero. Usualmente se toma como S al conjunto de todas las posiciones (i, j) para las que Aij 6= 0. Este tipo de factorizacin es conocido como factorizacin incompleta LU de nivel cero, ILU(0). El proceso de factorizacin incompleta puede ser descrito formalmente como sigue: Para cada k, si i, j > k: Aij Aij A1 Akj Si (i, j) S ij Sij = (245) Aij Si (i, j) S. / 55

Una variante de la idea bsica de las factorizaciones incompletas lo constituye la factorizacin incompleta modicada que consiste en que si el producto Aij Aij A1 Akj 6= 0 ij (246)

y el llenado no est permitido en la posicin (i, j), en lugar de simplemente descartarlo, esta cantidad se le substrae al elemento de la diagonal Aij . Matemticamente esto corresponde a forzar a la matriz precondicionadora a tener la misma suma por las que la matriz original. Esta variante resulta de inters puesto que se ha probado que para ciertos casos la aplicacin de la factorizacin incompleta modicada combinada con pequeas perturbaciones hace que el nmero de condicionamiento espectral del sistema precondicionado sea de un orden inferior. Ventaja: Puede mejorar el condicionamiento y la convergencia signicativamente. Desventaja: El proceso de factorizacin es costoso y difcil de paralelizar en general. Precondicionador de Inversa Aproximada El uso del precondicionador de inversas aproximada se ha convertido en una buena alternativa para los precondicionadores implcitos debido a su naturaleza paralelizable. Aqu se construye una matriz inversa aproximada usando el producto escalar de Frobenius. Sea S Cn , el subespacio de las matrices C donde se busca una inversa aproximada explcita con un patrn de dispersin desconocido. La formulacin del problema esta dada como: Encontrar C 0 S tal que (247) C 0 = arg mnCS AC I .

Adems, esta matriz inicial C 0 puede ser una inversa aproximada de A en un sentido estricto, es decir, (248) AC 0 I = < 1.

Existen dos razones para esto, primero, la ecuacin (248) permite asegurar que C 0 no es singular (lema de Banach), y segundo, esta ser la base para construir un algoritmo explcito para mejorar C 0 y resolver la ecuacin Au = b. La construccin de C 0 se realiza en paralelo, independizando el clculo de cada columna. El algoritmo permite comenzar desde cualquier entrada de la columna k, se acepta comnmente el uso de la diagonal como primera aproximacin. Sea rk el residuo correspondiente a la columna k-sima, es decir rk = AC k ek (249)

y sea Ik el conjunto de ndices de las entradas no nulas en rk , es decir, Ik = {i = {1, 2, ..., n} | rik 6= 0} . Si Lk = {l = {1, 2, ..., n} | Clk 6= 0} , entonces la nueva entrada se busca en el conjunto Jk = {j Lc | Aij 6= 0, i Ik } . En realidad k las nicas entradas consideradas en C k son aquellas que afectan las entradas no 56

 nulas de rk . En lo que sigue, asumimos que Lk {j} = ik , ik , ..., ikk es no 1 2 p vaco, siendo pk el nmero actual de entradas no nulas de C k y que ikk = j, p para todo j Jk . Para cada j, calculamos AC k ek 2 = 1 2
pk X l=1

nas ik , ik , ..., ikk de la matriz A con respecto al producto escalar Euclideano; 1 2 p Dk es la matriz que resulta de remplazar la ltima la de la matriz Gk por l l akik , akik , , ..., akik , con 1 l pk . Se selecciona el ndice jk que minimiza el 1 2 l valor de AC k ek 2 . Esta estrategia dene el nuevo ndice seleccionado jk atendiendo solamente al conjunto Lk , lo que nos lleva a un nuevo ptimo donde se actualizan todas las entradas correspondientes a los ndices de Lk . Esto mejora el criterio de (247) donde el nuevo ndice se selecciona manteniendo las entradas correspondientes a los ndices de Lk . As C k se busca en el conjunto Sk = {C k Rn | Cik = 0, i Lk {jk }} , pk det Dk X l ml mk = k k l=1 det Gl2 det Gl

donde, para todo k, det Gk = 1 y Gk es la matriz de Gram de las colum0 l

i2 det Dk l k det Gl2 det Gk l

(250)

(251)

puesto que Gk es una matriz simtrica y denida positiva. Esto slo involucra la l factorizacin de la ltimala columna aprovechamos la descomposicin de y si Gk . Por otra parte, det Dk / det Gk es el valor de la ltima incgnita del l1 l l T k necesitndose solamente una sustitucin sistema Gl dl = akik , akik , , ..., akik 1 2 l por descenso. Finalmente, para obtener C l debe resolverse el sistema Gk v l = el , l con C ik l = vhl , (1 h l) .
1

donde C l es el vector con entradas no nulas ik (1 h l) . Cada una de ellas h se obtiene evaluado el determinante correspondiente que resulta de remplazar la ltima la del det Gk por et , con 1 l pk . h l 2 Evidentemente, los clculos de AC k ek 2 y de C k pueden actualizarse aadiendo la contribucin de ltima entrada j Jk a la suma previa de 1 a la pk 1. En la prctica, det Gk se calcula usando la descomposicin de Cholesky l

Ventaja: Puede mejorar el condicionamiento y la convergencia signicativamente y es fcilmente paralelizable. Desventaja: El proceso construccin es algo laborioso.

57

4.4.3.

Precondicionador a Priori

Los precondicionadores a priori son ms particulares y dependen para su construccin del conocimiento del proceso de discretizacin de la ecuacin diferencial parcial, dicho de otro modo dependen ms del proceso de construccin de la matriz A que de la estructura de la misma. Estos precondicionadores usualmente requieren de ms trabajo que los del tipo algebraico discutidos anteriormente, sin embargo permiten el desarrollo de mtodos de solucin especializados ms rpidos que los primeros. Veremos algunos de los mtodos ms usados relacionados con la solucin de ecuaciones diferenciales parciales en general y luego nos concentraremos en el caso de los mtodos relacionados directamente con descomposicin de dominio. En estos casos el precondicionador C no necesariamente toma la forma simple de una matriz, sino que debe ser visto como un operador en general. De aqu que C podra representar al operador correspondiente a una versin simplicada del problema con valores en la frontera que deseamos resolver. Por ejemplo se podra emplear en calidad de precondicionador al operador original del problema con coecientes variables tomado con coecientes constantes. En el caso del operador de Laplace se podra tomar como precondicionador a su discretizacin en diferencias nitas centrales. Por lo general estos mtodos alcanzan una mayor eciencia y una convergencia ptima, es decir, para ese problema en particular el precondicionador encontrado ser el mejor precondicionador existente, llegando a disminuir el nmero de iteraciones hasta en un orden de magnitud. Donde muchos de ellos pueden ser paralelizados de forma efectiva. El Uso de la Parte Simtrica como Precondicionador La aplicacin del mtodo del Gradiente Conjugado en sistemas no auto-adjuntos requiere del almacenamiento de los vectores previamente calculados. Si se usa como precondicionador la parte simtrica (A + AT )/2 (252)

de la matriz de coecientes A, entonces no se requiere de ste almacenamiento extra en algunos casos, resolver el sistema de la parte simtrica de la matriz A puede resultar ms complicado que resolver el sistema completo. El Uso de Mtodos Directos Rpidos como Precondicionadores En muchas aplicaciones la matriz de coecientes A es simtrica y positivo denida, debido a que proviene de un operador diferencial auto-adjunto y acotado. Esto implica que se cumple la siguiente relacin para cualquier matriz B obtenida de una ecuacin diferencial similar c1 xT Ax c2 xT Bx x (253)

58

donde c1 y c2 no dependen del tamao de la matriz. La importancia de esta propiedad es que del uso de B como precondicionador resulta un mtodo iterativo cuyo nmero de iteraciones no depende del tamao de la matriz. La eleccin ms comn para construir el precondicionador B es a partir de la ecuacin diferencial parcial separable. El sistema resultante con la matriz B puede ser resuelto usando uno de los mtodos directos de solucin rpida, como pueden ser por ejemplo los basados en la transformada rpida de Fourier. Como una ilustracin simple del presente caso obtenemos que cualquier operador elptico puede ser precondicionado con el operador de Poisson. Construccin de Precondicionadores para Problemas Elpticos Empleando DDM Existen una amplia gama de este tipo de precondicionadores, pero son especcos al mtodo de descomposicin de dominio usado, para el mtodo de subestructuracin, los ms importantes se derivan de la matriz de rigidez y por el mtodo de proyecciones, el primero se detalla en la seccin (??) y el segundo, conjuntamente con otros precondicionadores pueden ser consultados en [12], [5], [4] y [2]. Denicin 41 Un mtodo para la solucin del sistema lineal generado por mtodos de descomposicin de dominio es llamado escalable, si la razn de convergencia no se deteriora cuando el nmero de subdominios crece. La gran ventaja de este tipo de precondicionadores es que pueden ser ptimos y escalables.

59

5.

Mtodos de Solucin Aproximada para EDP

En el presente captulo se prestar atencin a varios aspectos necesarios para encontrar la solucin aproximada de problemas variacionales con valor en la frontera (VBVP). Ya que en general encontrar la solucin a problemas con geometra diversa es difcil y en algunos casos imposible usando mtodos analticos. En este captulo se considera el VBVP de la forma Lu = f en u = g en donde con a una matriz positiva denida, simtrica y c 0, como un caso particular del operador elptico denido por la Ec. (91) de orden 2, con R2 un dominio poligonal, es decir, es un conjunto abierto acotado y conexo tal que su frontera es la unin de un nmero nito de polgonos. La sencillez del operador L nos permite facilitar la comprensin de muchas de las ideas bsicas que se expondrn a continuacin, pero tengamos en mente que esta es una ecuacin que gobierna los modelos de muchos sistemas de la ciencia y la ingeniera, por ello es muy importante su solucin.
1 Si multiplicamos a la ecuacin a u + cu = f por v V = H0 (), obtenemos v a u + cu = vf (256)

(254)

Lu = a u + cu

(255)

aplicando el teorema de Green (83) obtenemos la Ec. (98), que podemos reescribir como Z Z vf dx. (257) v a u + cuv dx =

y la funcional lineal

Deniendo el operador bilineal Z a (u, v) = v a u + cuv dx

(258)

l(v) = hf, vi =

podemos reescribir el problema dado por la Ec. (254) de orden 2 en forma variacional, haciendo uso de la forma bilineal a (, ) y la funcional lineal l ().

vf dx

(259)

5.1.

Mtodo Galerkin

La idea bsica detrs del mtodo Galerkin es, considerando el VBVP, en1 contrar u V = H0 () que satisfaga a (u, v) = hf, vi 60 v V (260)

donde V es un subespacio de un espacio de Hilbert H (por conveniencia nos restringiremos a espacios denidos sobre los nmeros reales). El problema al tratar de resolver la Ec. (260) est en el hecho de que el espacio V es de dimensin innita, por lo que resulta que en general no es posible encontrar el conjunto solucin. En lugar de tener el problema en el espacio V, se supone que se tienen funciones linealmente independientes 1 , 2 , ..., N en V y denimos el espacio V h a partir del subespacio dimensionalmente nito de V generado por las funciones i , es decir, V h = Generado {i }i=1 ,
N

V h V.

(261)

El ndice h = 1/N es un parmetro que estar entre 0 y 1, cuya magnitud da alguna indicacin de cuan cerca V h esta de V, h se relaciona con la dimensin de V h . Y como el nmero N de las funciones base se escoge de manera que sea grande y haga que h sea pequeo, en el lmite, cuando N , h 0. Despus de denir el espacio V h , es posible trabajar con V h en lugar de V y encontrar una funcin uh que satisfaga a (uh , vh ) = hf, vh i vh V h . (262)

Esta es la esencia del mtodo Galerkin, notemos que uh y vh son slo combinaciones lineales de las funciones base de V h , tales que uh =
N X i=1

ci i

y vh =

N X j=1

dj j

(263)

donde vh es arbitraria, como los coecientes de dj y sin perdida de generalidad podemos hacer vh = j . As, para encontrar la solucin uh sustituimos las Ecs. (263) en la Ec. (262) y usando el hecho que a (, ) es una forma bilineal y l () es una funcional lineal se obtiene la ecuacin
N X a i , j ci = f, j i=1

(264)

o ms concisamente, como
N X i=1

Kij ci Fj = 0 j = 1, 2, ...N y Fj = f, j

(265)

en la cual

notemos que tanto Kij y Fj pueden ser evaluados, ya que i , a (, ) y l () son conocidas. Entonces el problema se reduce a resolver el sistema de ecuaciones lineales
N X i=1

Kij = a i , j

(266)

Kij ci Fj , 61

j = 1, 2, ...N

(267)

o ms compactamente Ku = F (268) en la cual K y F son la matriz y el vector cuyas entradas son Kij y Fj . Una vez que el sistema es resuelto, la solucin aproximada uh es encontrada. Notemos que la forma bilineal a (, ) dene un producto interior sobre V , si a (, ) es simetrica y V elptica, entonces las propiedades de linealidad y simetria son obvias, mientras que la propiedad de V elticidad de a (, ) es por a(v, v) kvk2 > 0 v 6= 0, (269)

adems, si a (, ) es continua, entonces la norma kvka a (v, v) generada por este producto interior es equivalente a la norma estandar sobre V , tal que si V es completa con respecto a la norma estandar, esta tambin es completa con respecto a la norma kvka . N Por otro lado, si el conjunto de funciones base {i }i=1 se eligen de tal forma que sean sean ortogonales entre si, entonces el sistema (265) se simplica considerablemente, ya que Kij = a i , j = 0 si i 6= j (270) y Kii ci = Fi o ci = Fi /Kii . (271)

1 As, el problema (254) denido en V h = H0 () reescrito como el problema h (260) genera una forma bilineal V -elptica cuyo producto interior sobre V h es simtrico y positivo denido ya que

a (vh , vh ) kvh kV h > 0,

vh V h , vh 6= 0

(272)

reescribindose el problema (262) como el problema aproximado en el cual debemos encontrar uh V h V tal que a (uh , vh ) = hf, vh i a (u0 , vh ) donde u0 = g = 0 en , para toda vh V h , es decir Z Z f vh dxdy vh a uh + cuh vh dxdy =

(273)

(274)

para todo vh V h . Entonces, el problema (254) al aplicarle el mtodo Galerkin obtenemos (257), el cual podemos reescribirlo como (274). Aplicando el teorema de Lax-Milgram (33) a este caso particular, tenemos que este tiene solucin nica y esta depende continuamente de los datos. Como un caso particular del teorema de Lax-Milgram (33) tenemoe el siguiente resultado 62

Teorema 42 Sea V h un subespacio de dimensin nita de un espacio de Hilbert V , sea a (, ) : V h V h R una forma bilineal continua y V -elptica, y l () : V h R una funcional lineal acotada. Entonces existe una nica funcion uh V h tal que satisface a (uh , vh ) = hl, vh i Adems, si l () es de la forma hl, vh i = con f L2 () , entonces Z f vh dx (276) vh V h . (275)

kuh kV

1 kf kL2 ,

(277)

donde es la constante en (269). El siguiente resultado nos da una condicin suciente para que la aproximacin uh del mtodo Galerkin converja a la solucin u del problema dado por la Ec. (260), para ms detalle vase [13] y [3]. Teorema 43 Sea V un subespacio cerrado de un espacio de Hilbert, y sea la forma bilineal a (, ) : V h V h R continua V -elptica y sea l () una funcional lineal acotada. Entonces existe una constante C, independiente de h, tal que ku uh kV C inf ku vh kV
vh V h

(278)

donde u es solucin de (260) y uh es solucin de (273), consecuentemente, una condicin suciente para que la aproximacin uh del mtodo Galerkin converge a la h solucin u del problema dado por la Ec. (260) es que exista una familia V de subespacios con la propiedad de que
vh V h

inf ku vh kV 0

cuando

h 0.

(279)

5.2.
h

El Mtodo de Residuos Pesados

Este mtodo se basa en el mtodo Galerkin, y se escogen subespacios U h y V de tal manera que la dimensin dim U h = dim V h = N, eligiendo las bases como N {i }N para U h y j j=1 para V h (280) i=1 entonces uh =
N X i=1

ci i y vh =

N X j=1

bj j

(281)

donde los coecientes bj son arbitrarios ya que vh es arbitraria. 63

Sustituyendo esta ltima expresin Ec. (281) en (Luh f, vh ) = 0 se obtienen N ecuaciones simultaneas
N X i=1

(282)

Kij ci = Fj con j = 1, ..., N

en la cual en la cual K y F son la matriz y el vector cuyas entradas son Kij = Li , j y Fj = f, j (uh ) Luh f

donde (, ) representa el producto interior asociado a L2 . A la expresin (283)

se le llama el residuo; si uh es la solucin exacta, entonces por supuesto el residuo se nulica.

5.3.

Mtodo de Elementos Finitos

El mtodo Finite Elements Method (FEM) provee una manera sistemtica y simple de generar las funciones base en un dominio con geometra poligonal. Lo que hace al mtodo de elemento nito especialmente atractivo sobre otros mtodos, es el hecho de que las funciones base son polinomios denidos por pedazos (elementos i ) que son no cero slo en una pequea parte de , proporcionando a la vez una gran ventaja computacional al mtodo ya que las matrices generadas resultan bandadas ahorrando memoria al implantarlas en una computadora. As, partiendo del problema aproximado (274), se elegir una familia de espacios V h (h (0, 1)) denido por el procedimiento de elementos nitos (descritos en las subsecciones siguientes en el caso de interpoladores lineales, para otros tipos de interpoladores, ver [16]), teniendo la propiedad de que V h se aproxima a V cuando h se aproxima a cero en un sentido apropiado, esto es, por supuesto una propiedad indispensable para la convergencia del mtodo Galerkin. Mallado del dominio El Mallado o triangulacin Th del dominio es el primer aspecto bsico, y ciertamente el ms caracterstico, el dominio R2 es subdividido en E subdominios o elementos e llamados elementos nitos, tal que E [ = e
e=1

donde:

64

 Cada e Th es un polgono (rectngulo o tringulo) con interior no vaco (e 6= ) y conexo. Cada e Th tiene frontera e Lipschitz continua. Para cada i , j Th distintos, i j = .

El dimetro hi = Diam(e ) de cada e satisface Diam(e ) h para cada e = 1, 2, ..., E.

Cualquier cara de cualquier elemento i Th en la triangulacin es tambin un subconjunto de la frontera del dominio o una cara de cualquier otro elemento j Th de la triangulacin, en este ltimo caso i y j son llamados adyacentes. Los vrtices de cada e son llamados nodos, teniendo N de ellos por cada elemento e . Una vez que la triangulacin Th del dominio es establecida, se procede a denir el espacio de elementos nitos Ph [k] a travs del proceso descrito a continuacin. Funciones Base A continuacin describiremos la manera de construir las funciones base usada por el mtodo de elemento nito. En este procedimiento debemos tener en cuenta que las funciones base estn denidas en un subespacio de V = H 1 () para problemas de segundo orden que satisfacen las condiciones de frontera. Las funciones base debern satisfacer las siguientes propiedades: Las funciones base i son acotadas y continuas, i.e i C (e ) .

Existen funciones base por cada nodo del polgono e , y cada funcin i es no cero solo en los elementos contiguos conectados por el nodo i. La restriccin i a e es un polinomio, i.e. i Pk [e ] para alguna k 1 donde Pk [e ] es el espacio de polinomios de grado a lo ms k sobre e . Decimos que i Pk [e ] es una base de funciones y por su construccin es evidente que estas pertenecen a H 1 () . Al conjunto formado por todas las funciones base denidas para todo e de ser el espacio Ph [k] de funciones base, i.e. E [ Ph [k] = Pk [e ]
e=1

i = 1 en cada i nodo del polgono e y cero en los otros nodos.

estas formarn las funciones base globales.

65

Solucin aproximada Para encontrar la solucin aproximada elegimos el espacio Ph [k] de funciones base, como el espacio de funciones lineales i denidas por pedazos de grado menor o igual a k (en nuestro caso k = 1), entonces el espacio a trabajar es V h = Generado i Ph [k] | i (x) = 0 en . (284) La solucin aproximada de la Ec. (274) al problema dado por la Ec. (254) queda en trminos de Z Z f j dxdy (285) i a j ci j dxdy =

si denimos el operador bilineal Kij a i , j =

y la funcional lineal

i aij j ci j dxdy Z f j dxdy

(286)

entonces la matriz K [Kij ], los vectores u (u1 , ..., uN ) y F (F1 , ..., FN ) denen el sistema lineal (que es positivo denido) Ku = F (288)

Fj f, j =

(287)

donde u ser el vector solucin a la Ec. (288) cuyos valores sern la solucin al problema dado por la Ec. (274) que es la solucin aproximada a la Ec. (254) en los nodos interiores de . Un Caso ms General Sea el operador elptico (caso simtrico) en el dominio , y el operador denido por Lu u [u] [an u] donde Lu = a u + cu (290) Q conjuntamente con una particin = {1 , ..., E } de . Multiplicando por la funcin w obtenemos wLu = w a u + cwu = wf entonces si w(x) es tal que [w] = 0 (es decir w es continua) y denimos (291) = = = = f en \ g en J0 J1 (289)

66

a (u, w) =

tal que a (u, w) dene un producto interior sobre

E XZ i=1

u a w + cwu dx

(292)

H 1 () = H 1 (1 ) H 1 (2 ) .... H 1 (E ) . Entonces, reescribimos la Ec. (291) como a (u, w) = = Z wf dx +

E XZ i=1

wf dx +

wan uds

(293) Z w [an u] ds.

wan uds

Sea u0 (x) una funcin que satisface las condiciones de frontera y J0 una funcin que satisface las condiciones de salto, tal que i) u0 (x) = g(x) en ii) [u0 (x)] = J0 y sea u(x) = u0 (x) + v(x). Entonces u(x) satisface la Ec. (292) si y slo si v(x) satisface Z Z a (u, w) = wf dx hu0 , wi J1 wds (294)

La solucin por elementos nitos de (294) se obtiene al resolver el sistema lineal Ku = F (296) donde y Fj = Z Kij = a i , j (297) Z

para toda w tal que w(x) = 0 en . Sea {i } una base de un subespacio de dimensin nita V h denido como V h = i | i C 1 (i ) , i, i = 0 en y i C 0 () . (295)

esta solucin ser la solucin en los nodos interiores de .En el presente captulo se prestar atencin a varios aspectos necesarios para encontrar la solucin aproximada de problemas variacionales con valor en la frontera (VBVP). Ya que en general encontrar la solucin a problemas con geometra diversa es difcil y en algunos casos imposible usando mtodos analticos.

j f dx a u0 , j

J1 j ds

(298)

67

6.

Mtodo de Elementos Finitos

En este captulo se considera el VBVP de la forma Lu = f en u = g en (299)

donde Lu = a u + cu (300) con a una matriz positiva denida, simtrica y c 0, como un caso particular del operador elptico denido por la Ec. (91) de orden 2, con R2 un dominio poligonal, es decir, es un conjunto abierto acotado y conexo tal que su frontera es la unin de un nmero nito de polgonos. La sencillez del operador L nos permite facilitar la comprensin de muchas de las ideas bsicas que se expondrn a continuacin, pero tengamos en mente que esta es una ecuacin que gobierna los modelos de muchos sistemas de la ciencia y la ingeniera, por ello es muy importante su solucin.
1 Si multiplicamos a la ecuacin a u + cu = f por v V = H0 (), obtenemos v a u + cu = vf (301)

aplicando el teorema de Green (83) obtenemos la Ec. (98), que podemos reescribir como Z Z vf dx. (302) v a u + cuv dx =

y la funcional lineal

Deniendo el operador bilineal Z a (u, v) = v a u + cuv dx

(303)

l(v) = hf, vi =

podemos reescribir el problema dado por la Ec. (299) de orden 2 en forma variacional, haciendo uso de la forma bilineal a (, ) y la funcional lineal l ().

vf dx

(304)

6.1.

Triangulacin

El Mallado o triangulacin Th del dominio es el primer aspecto bsico, y ciertamente el ms caracterstico, el dominio R2 es subdividido en E subdominios o elementos e llamados elementos nitos, tal que = donde: 68
E [

e=1

 Cada e Th es un polgono (rectngulo o tringulo) con interior no vaco (e 6= ) y conexo. Cada e Th tiene frontera e Lipschitz continua. Para cada i , j Th distintos, i j = .

El dimetro hi = Diam(e ) de cada e satisface Diam(e ) h para cada e = 1, 2, ..., E.

Los vrtices de cada e son llamados nodos, teniendo N de ellos por cada elemento e . Denicin 44 Una familia de triangulaciones Th es llamada de forma-regular si existe una constante independiente de h, tal que hK CK , con K Th , donde K es el radio del circulo ms grande contenido en K. El radio hK /K es llamado esl aspect ratio de K. Denicin 45 Una familia de triangulaciones Th es llamada cuasi-uniforme si esta es de forma-regular y si existe una constante independiente de h, tal que hK Ch, con K Th . Una vez que la triangulacin Th del dominio es establecida, se procede a denir el espacio de elementos nitos Ph [k] a travs del proceso descrito a continuacin.

6.2.

Interpolacin para el Mtodo de Elementos Finitos

Funciones Base A continuacin describiremos la manera de construir las funciones base usada por el mtodo de elemento nito. En este procedimiento debemos tener en cuenta que las funciones base estn denidas en un subespacio de V = H 1 () para problemas de segundo orden que satisfacen las condiciones de frontera. Las funciones base debern satisfacer las siguientes propiedades: i) Las funciones base i son acotadas y continuas, i.e i C (e ) .

ii) Existen funciones base por cada nodo del polgono e , y cada funcin i es no cero solo en los elementos contiguos conectados por el nodo i. iii) i = 1 en cada i nodo del polgono e y cero en los otros nodos.

iv) La restriccin i a e es un polinomio, i.e. i Pk [e ] para alguna k 1 donde Pk [e ] es el espacio de polinomios de grado a lo ms k sobre e .

69

Decimos que i Pk [e ] es una base de funciones y por su construccin es evidente que estas pertenecen a H 1 () . Al conjunto formado por todas las funciones base denidas para todo e de ser el espacio Ph [k] de funciones base, i.e. E [ Ph [k] = Pk [e ]
e=1

estas formarn las funciones base globales.

6.3.

Mtodo de Elemento Finito Usando Discretizacin de Rectngulos

Para resolver la Ec. (299), usando una discretizacin con rectngulos, primero dividimos el dominio R2 en Nx nodos horizontales por Ny nodos verticales, teniendo E = (Nx 1)(Ny 1) subdominios o elementos rectangulares e tales que = E e y i j 6= si son adyacentes, con un total de N = Nx Ny e=1 nodos. Donde las funciones lineales denidas por pedazos en e en nuestro caso sern polinomios de orden uno en cada variable separadamente y cuya restriccin (e) de i a e es i . Para simplicar los clculos en esta etapa, supondremos que 1 0 , entonces se tiene que la integral del lado izquierdo la matriz a = a 0 1 de la Ec. (285) queda escrita como Z Z f j dxdy (305) ai j + ci j dxdy =

donde

Kij

= =

E XZ e=1 E XZ e=1

ai j + ci j dxdy
e

(306)

(e) (e) (e) (e) ai j + ci j dxdy "

(e) (e) i j i j a + x x y y (e) (e)

(e) (e) ci j

dxdy

y el lado derecho como Fj = = f j dxdy E XZ (e) f j dxdy. e=1 e Z (307)

70

Para cada e de , la submatriz de integrales (matriz de carga local) ! # Z " (e) (e) (e) (e) i j i j (e) (e) a dxdy (308) Kij = + + ci j x x y y e tiene la estructura (e) K1,1 K (e) 2,1 (e) K3,1 (e) K4,1 K1,2 (e) K2,2 (e) K3,2 (e) K4,2
(e)

K1,3 (e) K2,3 (e) K3,3 (e) K4,3

(e)

la cual deber ser ensamblada en la matriz de carga global que corresponda a la numeracin de nodos locales del elemento e con respecto a la numeracin global de los elementos en . De manera parecida, para cada e de se genera el vector de integrales (vector de carga local) Z Fj =
e

(e) K1,4 (e) K2,4 (e) K3,4 (e) K4,4

f j dxdy

(e)

(309)

con la estructura

el cual tambin deber ser ensamblado en el vector de carga global que corresponda a la numeracin de nodos locales al elemento e con respecto a la numeracin global de los elementos de . (e) (e) Montando los Kij en la matriz K y los Fj en el vector F segn la numeracin de nodos global, se genera el sistema Kuh =F donde uh ser el vector cuyos valores sern la solucin aproximada a la Ec. (299) en los nodos interiores de . La matriz K generada de esta forma, tiene una propiedad muy importante, es bandada y el ancho de banda es de 9 elementos, esto es muy til al momento de soportar la matriz en memoria. Para implementar numricamente en cada e las integrales ! # Z " (e) (e) (e) (e) i j i j (e) (e) a dxdy + + ci j x x y y e y Z f j dxdy,
(e)

(e) F1 (e) F2 (e) F3 (e) F4

(310)

(311)

teniendo en mente el simplicar los clculos computacionales, se considera un elemento de referencia en los ejes coordenados (, ) cuyos vrtices estn el (1, 1), (1, 1), (1, 1) y (1, 1) respectivamente, en el cual mediante una 71

funcin afn ser proyectado cualquier elemento rectangular e cuyos vrtices (e) (e) (e) (e) (e) (e) (e) (e) (x1 , y1 ), (x2 , y2 ), (x3 , y3 ) y (x4 , y4 ) estn tomados en sentido contrario al movimiento de las manecillas del reloj como se muetra en la gura

Figura 2: mediante la transformacin f (x, y) = T (, )+b, quedando dicha transformacin como x = y = x2 x1 y y1 + 2 2 2 (e) (e) (e) (e) x4 x1 y y1 + 4 2 2 !
(e) (e) (e) (e)

(312)

en la cual la matriz T est dada por T =

x2 x1 2 (e) (e) x4 x1 2
(e) (e)

y2 y1 2 (e) (e) y4 y1 2

(e)

(e)

(313)

y el vector b= (b1 , b2 ) es la posicin del vector centroide del rectngulo e ,

72

tambin se tiene que la transformacin inversa es x b1

y2 y1 2
(e) (e) 2

= =
(e)

yb2 (e) (e) ! y2 y1 x(e) x(e) xb1 2 4 1

x2 x1 2
(e) (e)

(314)

(e) (e) x2 x1 2

(e) (e) x4 x1

xb1

(e) (e) y2 y1 2 (e) (e) x2 x1 2

y b2

. +
y4 y1 2
(e) (e)

Entonces las i

quedan denidas en trminos de i como 1 (, ) = 2 (, ) = 3 (, ) = 4 (, ) = 1 (1 )(1 ) 4 1 (1 + )(1 ) 4 1 (1 + )(1 + ) 4 1 (1 )(1 + ) 4 (315)

(e) (e) y las funciones i son obtenidas por el conjunto i (x, y) = i (, ) con (x, y) y (,) relacionadas por la Ec. (312), entonces se tendrian las siguientes integrales ! # Z " (e) (e) (e) (e) i j i j (e) (e) (e) Kij = a dxdy (316) + + ci j x x y y e ! ! Z " j j i i = a + + + x x x x ! ! !# j j i i |J| dd + + + ci j y y y y

donde el ndice i y j varia de 1 a 4. En est ltima usamos la regla de la cadena y dxdy = |J| dd para el cambio de variable en las integrales, aqu |J| = det T, R (e) donde T est dado como en la Ec. (313). Para resolver e f j dxdy en cada e se genera las integrales Z (e) (e) Fj = f j dxdy (317) e Z f j |J| dd =

donde el ndice i y j varia de 1 a 4. 73

Para realizar el clculo numrico de las integrales en el rectngulo de refe rencia = [1, 1] [1, 1], debemos conocer i , i , x , y , x y , entonces y realizando las operaciones necesarias a la Ec. (315) obtenemos
1 2 3 4

= 1 (1 ) 4 = 1 (1 ) 4 = 1 (1 + ) 4 = 1 (1 + ) 4
y4 y1 2 det T y2 y1 2 det T
(e) (e) (e)

1 2 3 4

= 1 (1 ) 4 = 1 (1 + ) 4 = 1 (1 + ) 4 = 1 (1 ) 4
x4 x1 2 det T
(e) (e) (e)

(318)

y tambin
x x

= =

(e)

y y

= =

x2 x1 2 det T (e)

(e)

(e)

(319)

las cuales debern de ser sustituidas en cada Kij

y Fj

para calcular las

integrales en el elemento e . Estas integrales se harn en el programa usando cuadratura Gaussiana, permitiendo reducir el nmero de clculos al mnimo pero manteniendo el balance entre precisin y nmero bajo de operaciones necesarias para realizar las integraciones. Suponiendo que fue dividido en E elementos, estos elementos generan N nodos en total, de los cuales Nd son nodos desconocidos y Nc son nodos conocidos con valor j , entonces el algoritmo de ensamble de la matriz K y el vector F se puede esquematizar como: Ki,j = (i , j ) i = 1, 2, ..., E, j = 1, 2, ..., E Fj = (f , j ) j = 1, 2, ..., E j = 1, 2, ..., Nd : bj = bj i Ki,j i = 1, 2, ..., E

As, se construye una matriz global en la cual estn representados los nodos conocidos y los desconocidos, tomando slo los nodos desconocidos de la matriz K formaremos una matriz A, haciendo lo mismo al vector F formamos el vector b, entonces la solucin al problema ser la resolucin del sistema de ecuaciones lineales Ax= b, este sistema puede resolverse usando por ejemplo el mtodo de Gradiente Conjugado. El vector x contendr la solucin buscada en los nodos desconocidos Nd .

6.4.

Mtodo de Elemento Finito Usando Discretizacin de Tringulos

Para resolver la Ec. (254), usando una discretizacin con tringulos, primero dividimos el dominio R2 en Nx nodos horizontales por Ny nodos verticales, teniendo E = 2(Nx 1)(Ny 1) subdominios o elementos tringulares e tales 74

que = E e y i j 6= si son adyacentes, con un total de N = Nx Ny e=1 nodos. Donde las funciones lineales denidas por pedazos en e en nustro caso sern polinomios de orden uno en cada variable separadamente y cuya restriccin de (e) i a e es i . Para simplicar los clculos en esta etapa, supondremos que la 1 0 , entonces se tiene que la integral del lado izquierdo de matriz a = a 0 1 la Ec. (285) queda escrita como Z Z f j dxdy (320) ai j + ci j dxdy =

donde

Kij

= =

E XZ e=1 E XZ e=1

ai j + ci j dxdy
e

(321)

(e) (e) (e) (e) ai j + ci j dxdy "

(e) (e) i j i j a + x x y y (e) (e)

(e) (e) ci j

dxdy

y el lado derecho como Fj = = f j dxdy E XZ (e) f j dxdy. e=1 e Z (322)

Para cada e de la submatriz de integrales (matriz de carga local) ! # Z " (e) (e) (e) (e) i j i j (e) (e) Kij = a dxdy (323) + + ci j x x y y e tiene la estructura (e) k1,1 (e) k2,1 (e) k3,1 k1,2 (e) k2,2 (e) k3,2
(e)

la cual deber ser ensamblada en la matriz de carga global que corresponda a la numeracin de nodos locales del elemento e con respecto a la numeracin global de los elementos en . De manera parecida, para cada e de se genera el vector de integrales (vector de carla gocal) Z Fj =
e

(e) k1,3 (e) k2,3 (e) k3,3

f j dxdy

(e)

(324)

75

con la estructura

el cual tambin deber ser ensamblado en el vector de carga global que corresponda a la numeriacin de nodos locales al elemento e con respecto a la numeracin global de los elementos de . (e) (e) Montando los Kij en la matriz K y los Fj en el vector F segn la numeracin de nodos global, se genera el sistema Kuh =F donde uh ser el vector cuyos valores sern la solucin aproximada a la Ec. (254) en los nodos interiores de . La matriz K generada de esta forma, tiene una propiedad muy importante, es bandada y el ancho de banda es de 7 elementos, esto es muy til al momento de soportar la matriz en memoria. Para implementar numricamente en cada e las integrales ! # Z " (e) (e) (e) (e) i j i j (e) (e) a dxdy + + ci j x x y y e y Z f j dxdy
(e)

(e) F 1 (e) F2 (e) F3

(325)

teniendo en mente el simplicar los clculos computacionales se considera a un elemento de referencia en los ejes coordenados (, ) cuyos vertices estan en (0, 0), (1, 0) y (0, 1) y en el cual mediante un mapeo afn ser proyectado (e) (e) (e) (e) (e) (e) caulquier elemento triangular e cuyos vertices (x1 , y1 ), (x2 , y2 ), (x3 , y3 ) estn tomados en el sentido contrario al movimiento de las manecillas del reloj como se muetra en la gura mediante la transformacin f (, ) = T (, )+b, quedando dicha transformacin como x = x1 (1 ) + x2 + x3 (e) (e) (e) y = y1 (1 ) + y2 + y3 y en la cual la matriz T est dada por T = x2 x1 (e) (e) y2 y1
(e) (e) (e) (e) (e)

(326)

x3 x1 (e) (e) y3 y1 !

(e)

(e)

(327)

donde b es un vector constante b= x1 (e) y1

(e)

(328)

76

Figura 3: tambin se tiene que la transformacin inversa es i 1 h (e) (e) (e) (e) (e) (e) y3 y1 x x1 x3 x1 y y1 (329) = 2Ae i 1 h (e) (e) (e) (e) (e) (e) = y2 y1 x x1 x2 x1 y y1 2Ae donde Ae
(e)

Entoces las i

quedan denidas en trminos de i como 1 (, ) = 1 2 (, ) = (, ) =

3 (e) (e)

(e) 1 x1 = det 1 x(e) 2 (e) 1 x3

(e) y1 (e) y2 . (e) y3

(330)

(331)

entoces las funciones i son obtenidas por el conjunto i (x, y) = i (, ) con (x, y) y (,) relacionadas por la Ec. (326), entonces se tendrian las siguientes

77

integrales
(e) kij

! # (e) (e) (e) (e) i j i j (e) (e) = a dxdy (332) + + ci j x x y y e ! ! Z " j j i i = a + + + x x x x ! ! !# j j i i |J| dd + + + ci j y y y y Z

"

donde el ndice i y j varia de 1 a 3. En est ltima usamos la regla de la cadena y dxdy = |J| dd para el cambio de variable en las integrales, aqu |J| = det T, R (e) donde T est dado como en la Ec. (327). Para resolver e f j dxdy en cada e se genera las integrales Z (e) (e) Fj = f j dxdy (333) Ze f j |J| dd =

donde el indice i y j varia 1 a 3. Para realizar el clculo numrico de las integrales en el tringulo de ref erencia , debemos conocer i , i , x , y , x y , entonces realizando las y operaciones necesarias a las Ec. (331) obtenemos
1 2 3

= 1 =1 =0
(e)

1 2 3

= 1 =0 =1

(e) (e)

(334)

y tambin
x x

y3 y1

(e)

2Ae (e) (e) y2 y1 2Ae

y y

= =

2Ae (e) (e) x2 x1 2Ae (e)

x3 x1

(335)
(e)

las cuales debern de ser sustituidas en cada Kij integrales en el elemento e .

y Fj

para calcular las

Suponiendo que fue dividido en E elementos, estos elementos generan N nodos en total, de los cuales Nd son nodos desconocidos y Nc son nodos conocidos con valor j , entonces el algoritmo de ensamble de la matriz K y el vector F se puede esquematizar como: Ki,j = (i , j ) i = 1, 2, ..., E, j = 1, 2, ..., E Fj = (f , j ) j = 1, 2, ..., E j = 1, 2, ..., Nd : 78

bj = bj i Ki,j

i = 1, 2, ..., E

As, se construye una matriz global en la cual estn representados los nodos conocidos y los desconocidos, tomando slo los nodos desconocidos de la matriz K formaremos una matriz A, haciendo lo mismo al vector F formamos el vector b, entonces la solucin al problema ser la resolucin del sistema de ecuaciones lineales Ax= b, este sistema puede resolverse usando por ejemplo el mtodo de gradiente conjugado. El vector x contendr la solucin buscada en los nodos desconocidos Nd .

6.5.

Implementacin Computacional

A partir de los modelos matemticos y los modelos numricos en esta seccin se describe el modelo computacional contenido en un programa de cmputo orientado a objetos en el lenguaje de programacin C++ en su forma secuencial y en su forma paralela en C++ u-sando la interfaz de paso de mensajes (MPI) bajo el esquema maestro-esclavo. Esto no slo nos ayudar a demostrar que es factible la construccin del propio modelo computacional a partir del modelo matemtico y numrico para la solucin de problemas reales. Adems, se mostrar los alcances y limitaciones en el consumo de los recursos computacionales, evaluando algunas de las variantes de los mtodos numricos con los que es posible implementar el modelo computacional y haremos el anlisis de rendimiento sin llegar a ser exhaustivo est. Tambin exploraremos los alcances y limitaciones de cada uno de los mtodos implementados (FEM, DDM secuencial y paralelo) y como es posible optimizar los recursos computacionales con los que se cuente. Primeramente hay que destacar que el paradigma de programacin orientada a objetos es un mtodo de implementacin de programas, organizados como colecciones cooperativas de objetos. Cada objeto representa una instancia de alguna clase y cada clase es miembro de una jerarqua de clases unidas mediante relaciones de herencia, contencin, agregacin o uso. Esto nos permite dividir en niveles la semntica de los sistemas complejos tratando as con las partes, que son ms manejables que el todo, permitiendo su extensin y un mantenimiento ms sencillo. As, mediante la herencia, contencin, agregacin o us nos permite generar clases especializadas que manejan ecientemente la complejidad del problema. La programacin orientada a objetos organiza un programa entorno a sus datos (atributos) y a un conjunto de interfases bien denidas para manipular estos datos (mtodos dentro de clases reusables) esto en oposicin a los dems paradigmas de programacin. El paradigma de programacin orientada a objetos sin embargo sacrica algo de eciencia computacional por requerir mayor manejo de recursos computacionales al momento de la ejecucin. Pero en contraste, permite mayor exibilidad al adaptar los cdigos a nuevas especicaciones. Adicionalmente, disminuye notoriamente el tiempo invertido en el mantenimiento y bsqueda de errores dentro del cdigo. Esto tiene especial inters cuando se piensa en la 79

cantidad de meses invertidos en la programacin comparado con los segundos consumidos en la ejecucin del mismo. Para empezar con la implementacin computacional, primeramente deniremos el problema a trabajar. Este, pese a su sencillez, no pierde generalidad permitiendo que el modelo mostrado sea usado en muchos sistemas de la ingeniera y la ciencia. El Operador de Laplace y la Ecuacin de Poisson Consideramos como modelo matemtico el problema de valor en la frontera (BVP) asociado con el operador de Laplace en dos dimensiones, el cual en general es usualmente referido como la ecuacin de Poisson, con condiciones de frontera Dirichlet, denido en como: 2 u = f en u = g en . (336)

Se toma est ecuacin para facilitar la comprensin de las ideas bsicas. Es un ejemplo muy sencillo, pero gobierna los modelos de muchos sistemas de la ingeniera y de la ciencia, entre ellos el ujo de agua subterrnea a travs de un acufero isotrpico, homogneo bajo condiciones de equilibrio y es muy usada en mltiples ramas de la fsica. Por ejemplo, gobierna la ecuacin de la conduccin de calor en un slido bajo condiciones de equilibrio. En particular consideramos el problema con denido en: = [1, 1] [0, 1] donde f = 2n2 2 sin(nx) sin(ny) y g = 0 cuya solucin es u(x, y) = sin(nx) sin(ny). (339) Para las pruebas de rendimiento en las cuales se evala el desempeo de los programas realizados se usa n = 10, pero es posible hacerlo con n N grande. Por ejemplo para n = 4, la solucin es u(x, y) = sin(4x)sin(4y), cuya grca se muestra a continuacin: Hay que hacer notar que al implementar la solucin numrica por el mtodo del elemento nito y el mtodo de subestructuracin secuencial en un procesador, un factor limitante para su operacin es la cantidad de memoria disponible en la computadora, ya que el sistema algebraico de ecuaciones asociado a est problema crece muy rpido (del orden de n2 ), donde n es el nmero de nodos en la particin. En todos los clculos de los mtodos numricos usados para resolver el sistema lineal algebraico asociado se us una tolerancia mnima de 11010 . Ahora, veremos la implementacin del mtodo de elemento nito secuencial para despus continuar con el mtodo de descomposicin de dominio tanto secuencial como paralelo y poder analizar en cada caso los requerimientos de cmputo, necesarios para correr ecientemente un problema en particular. 80 (338) (337)

Figura 4: Solucin a la ecuacin de Poisson para n=4. Mtodo del Elemento Finito Secuencial A partir de la formulacin del mtodo de elemento nito visto en la seccin (5.3), la implementacin computacional que se desarroll tiene la jerarqua de clases siguiente: Donde las clases participantes en FEM2D Rectngulos son: La clase Interpolador Lineal dene los interpoladores lineales usados por el mtodo de elemento nito. La clase Problema dene el problema a tratar, es decir, la ecuacin diferencial parcial, valores de frontera y dominio. La clase Base FEM ayuda a denir los nodos al usar la clase Geometra y mantiene las matrices generadas por el mtodo y a partir de la clase Resuelve Ax=B se dispone de diversas formas de resolver el sistema lineal asociado al mtodo. La clase FEM2D controla lo necesario para poder hacer uso de la geometra en 2D y conocer los nodos interiores y de frontera, con ellos poder montar la matriz de rigidez y ensamblar la solucin. La clase FEM2D Rectngulos permite calcular la matriz de rigidez para generar el sistema algebraico de ecuaciones asociado al mtodo. Notemos que esta misma jerarqua permite trabajar problemas en una y dos dimensiones, en el caso de dos dimensiones podemos discretizar usando rectngulos o tringulos, as como usar varias opciones para resolver el sistema lineal algebraico asociado a la solucin de EDP. Como ya se menciono, el mtodo de elemento nito es un algoritmo secuencial, por ello se implementa para que use un solo procesador y un factor limitante para su operacin es la cantidad de memoria disponible en la computadora, por ejemplo: 81

Figura 5: Jerarqua de clases para el mtodo de elemento nito Resolver la Ec. (??) con una particin rectangular de 513513 nodos, genera 262144 elementos rectangulares con 263169 nodos en total, donde 261121 son desconocidos; as el sistema algebraico de ecuaciones asociado a este problema es de dimensin 261121 261121. Usando el equipo secuencial, primeramente evaluaremos el desempeo del mtodo de elemento nito con los distintos mtodos para resolver el sistema algebraico de ecuaciones, encontrando los siguientes resultados: Mtodo Iterativo Jacobi Gauss-Seidel Gradiente Conjugado Iteraciones 865037 446932 761 Tiempo Total 115897 seg. 63311 seg. 6388 seg.

Como se observa el uso del mtodo de Gradiente Conjugado es por mucho la mejor eleccin. En principio, podramos quedarnos solamente con el mtodo de Gradiente Conjugado sin hacer uso de precondicionadores por los buenos rendimientos encontrados hasta aqu, pero si se desea resolver un problema con un gran nmero de nodos, es conocido el aumento de eciencia al hacer uso de precondicionadores. Ahora, si tomamos ingenuamente el mtodo de elemento nito conjuntamente con el mtodo de Gradiente Conjugado con precondicionadores a posteriori (los ms sencillos de construir) para resolver el sistema algebraico de ecuaciones, encontraremos los siguientes resultados:

82

Precondicionador Jacobi SSOR Factorizacin Incompleta

Iteraciones 760 758 745

Tiempo Total 6388 seg. 6375 seg. 6373 seg.

Como es notorio el uso del mtodo de Gradiente Conjugado precondicionado con precondicionadores a posteriori no ofrece una ventaja signicativa que compense el esfuerzo computacional invertido al crear y usar un precondicionador en los clculos por el mal condicionamiento del sistema algebraico. Existen tambin precondicionadores a priori para el mtodo de elemento nito, pero no es costeable en rendimiento su implementacin.

83

7.

Apndice A

En este apndice se darn algunas deniciones que se usan a lo largo del presente trabajo, as como se detallan algunos resultados generales de algebra lineal y anlisis funcional (en espacios reales) que se anuncian sin demostracin pero se indica en cada caso la bibliografa correspondiente donde se encuentran estas y el desarrollo en detalle de cada resultado.

7.1.

Nociones de Algebra Lineal

A continuacin detallaremos algunos resultados de lgebra lineal, las demostraciones de los siguientes resultados puede ser consultada en [21]. Denicin 46 Sea V un espacio vectorial y sea f () : V R, f es llamada funcional lineal si satisface la condicin f (v + w) = f (v) + f (w) v, w V y , R. (340)

Denicin 47 Si V es un espacio vectorial, entonces el conjunto V de todas las funcionales lineales denidas sobre V es un espacio vectorial llamado espacio dual de V. Teorema 48 Si {v1 , ..., vn } es una base para el espacio vectorial V , entonces existe una nica base {v1 , ..., vn } del espacio vectorial dual V llamado la base dual de {v1 , ..., vn } con la propiedad de que Vi = ij . Por lo tanto V es isomorfo a V . Denicin 49 Sea D V un subconjunto del espacio vectorial V. El nulo de D es el conjunto N (D) de todas las funcionales en V tal que se nulican en todo el subconjunto D, es decir N (D) = {f V | f (v) = 0 v D} . (341)

Teorema 50 Sea V un espacio vectorial y V el espacio dual de V, entonces a) N (D) es un subespacio de V b) Si M V es un subespacio de dimensin m, V tiene dimensin n, entonces N (M ) tiene dimensin n m en V . Corolario 51 Si V = L M (suma directa) entonces V = N (L) N (M ) . Teorema 52 Sean V y W espacios lineales, si T () : V W es lineal, entonces el adjunto T de T es un operador lineal T : W V denido por T (w )(u) = w (T u). (342)

Teorema 53 Si H es un espacio completo con producto interior, entonces H = H.

84

Denicin 54 Si V es un espacio vectorial con producto interior y T () : V V es una transformacin lineal, entonces existe una transformacin asociada a T llamada la transformacin auto-adjunta T denida como hT u, vi = hu, T vi . (343)

Denicin 55 Sea V un espacio vectorial sobre los reales. Se dice que una funcin (, ) : V V R es una forma bilineal sobre V, si para toda x, y, z V y , R se tiene (x + y, z) = (x, z) + (y, z) (x, y + z) = (x, y) + (x, z) . (344)

Denicin 56 Si (, ) es una forma bilineal sobre V, entonces la funcin q () : V R denida por q (x) = (x, x) x V (345)

se le llama la forma cuadrtica asociada a . Notemos que para una forma cuadrtica q () se tiene que q (x) = ||2 q (x) x V y R. Denicin 57 Sea V Rn un subespacio, P Rn Rn

7.2.

-Algebra y Espacios Medibles

A continuacin detallaremos algunos resultados conjuntos de espacios algebra, conjuntos de medida cero y funciones medibles, las demostraciones de los siguientes resultados puede ser consultada en [23] y [3]. Denicin 58 Una -algebra sobre un conjunto es una familia de subconjuntos de que satisface Si n entonces

n=1

Si entonces c . Denicin 59 Si es un espacio topolgico, la familia de Borel es el conjunto -algebra ms pequeo que contiene a los abiertos del conjunto . Denicin 60 Una medida sobre es una funcin no negativa real valuada cuyo dominio es una -algebra sobre que satisface () = 0 y

85

Si { n } es una sucesin de conjuntos ajenos de entonces ! [ X n = ( n ) .

n=1 n=1

(346)

Teorema 61 Existe una funcin de medida sobre el conjunto de Borel de R llamada la medida de Lebesgue que satisface ([a, b]) = b a. Denicin 62 Una funcin f : R es llamada medible si f 1 (U ) es un conjunto medible para todo abierto U de . Denicin 63 Sea E un conjunto, se dice que el conjunto E tiene medida cero si (E) = 0. Teorema 64 Si es una medida sobre el espacio X y es una medida sobre el espacio Y, podemos denir una medida sobre X Y con la propiedad de que (A B) = (A) (B) para todo conjunto medible A X y B Y. Teorema 65 (Fubini) Si f (x, y) es medible en X Y entonces Z Z Z Z Z f (x, y) d = f (x, y) dd = f (x, y) dd
XY X Y Y X

(347)

en el sentido de que cualquiera de las integrales existe y son iguales. Teorema 66 Una funcin f es integrable en el sentido de Riemann en si y slo si el conjunto de puntos donde f (x) es no continua tiene medida cero. Observacin 67 Sean f y g dos funciones denidas en , decimos que f y g son iguales salvo en un conjunto de medida cero si f (x) 6= g(x) slo en un conjunto de medida cero. Denicin 68 Una propiedad P se dice que se satisface en casi todos lados, si existe un conjunto E con (E) = 0 tal que la propiedad se satisface en todo punto de E c .

7.3.

Espacios Lp

Las deniciones y material adicional puede ser consultada en [13], [19] y [3]. Denicin 69 Una funcin medible f () (en el sentido de Lebesgue) es llamada integrable sobre un conjunto medible Rn si Z |f | dx < . (348)

86

Denicin 70 Sea p un nmero real con p 1. Una funcin u () denida sobre Rn se dice que pertenece al espacio Lp () si Z |u(x)|p dx (349)

es integrable. Al espacio L2 () se le llama cuadrado integrable. Denicin 71 La norma L2 () se dene como 1 Z 2 2 kukL2 () = |u(x)| dx <

(350)

Denicin 72 Si p , entonces denimos al espacio L () como el espacio de todas las funciones medibles sobre Rn que sean acotadas en casi todo (excepto posiblemente sobre un conjunto de medida cero), es decir, L () = {u | |u(x)| k} denida en casi todo , para algn k R. (352)

y el producto interior en la norma L2 () como Z u(x)v(x)dx. hu, vi 2 =

L ()

(351)

7.4.

Distribuciones

La teora de distribuciones es la base para denir a los espacios de Sobolev, ya que permiten denir las derivadas parciales de funciones no continuas, pero esta es coincidente con las derivadas parciales clsica si las funciones son continuas, para mayor referencia de estos resultados ver [13], [19] y [3] Denicin 73 Sea Rn un dominio, al conjunto de todas las funciones continuas denidas en se denotarn por C 0 (), o simplemente C(). Denicin 74 Sea u una funcin denida sobre un dominio la cual es no cero slo en los puntos pertenecientes a un subconjunto propio K . Sea K la clausura de K. Entonces K es llamado el soporte de u. Decimos que u tiene soporte compacto sobre si su soporte K es compacto. Al conjunto de funciones continuas con soporte compacto se denota por C0 (). Denicin 75 Sea Zn el conjunto de todas las n-duplas de enteros no nega+ tivos, un miembro de Zn se denota usualmente por (por ejemplo = + (1 , 2 , ..., n ). Denotaremos por || la suma || = 1 + 2 + ... + n y por D u la derivada parcial || u D u = (353) 1 x1 x2 ...xn n 2 as, si || = m, entonces D u denota la m-sima derivada parcial de u. 87

Denicin 76 Sea C m () el conjunto de todas las funciones D u tales que sean funciones continuas con || = m. Y C () como el espacio de funciones en el cual todas las derivadas existen y sean continuas en . Denicin 77 El espacio D() ser el subconjunto de funciones innitamente diferenciales con soporte compacto, algunas veces se denota tambin como C0 (). Denicin 78 Una distribucin sobre un dominio Rn es toda funcional lineal continua sobre D(). Denicin 79 El espacio de distribuciones es el espacio de todas las funcionales lineales continuas denidas en D(), denotado como D (), es decir el espacio dual de D(). Denicin 80 Un funcin f () es llamada localmente integrable, si para todo subconjunto compacto K se tiene Z |f (x)| dx < . (354)
K

Ejemplo de una distribucin es cualquier funcin f () localmente integrable en . La distribucin F asociada a f se puede denir de manera natural como F : D() R como Z hF, i = f dx (355)

la integral es nita y hF, i tiene sentido. Bajo estas circunstancias F es llamada una distribucin generada por f. Otro ejemplo de distribuciones es el generado por todas las funciones continuas acotadas, ya que estas son localmente integrables y por lo tanto generan una distribucin. Denicin 81 Si una distribucin es generada por funciones localmente integrables es llamada una distribucin regular. Si una distribucin no es generada por una funcin localmente integrable, es llamada distribucin singular (ejemplo de esta es la delta de Dirac). Es posible denir de manera natural en producto de una funcin y una distribucin. Especcamente, si Rn , u pertenece a C (), y si f () es una distribucin sobre , entonces entenderemos uf por la distribucin que satisface h(uf ) , i = hf, ui 88 (357)

con D(). Si el soporte de es K , entonces Z Z Z |hF, i| = f dx = f dx sup || |f (x)| dx

K xK

(356)

para toda D(). Notemos que la anterior ecuacin es una generalizacin de la identidad Z Z [u (x) f (x)] (x) dx = f (x) [u (x) (x)] dx (358)

la cual se satisface si f es localmente integrable. Derivadas de Distribuciones Funciones como la delta de Dirac y la Heaviside no tienen derivada en el sentido ordinario, sin embargo, si estas funciones son tratadas como distribuciones es posible extender el concepto de derivada de tal forma que abarque a dichas funciones, para ello recordemos que: Teorema 82 La versin clsica del teorema de Green es dada por la identidad Z Z Z v u u dx = uvni ds v dx (359) xi xi que se satisface para todas las funciones u, v en C 1 (), donde ni es la i-sima componente de la derivada normal del vector n en la frontera de un dominio . Una versin de la Ec. (359) en una dimensin se obtiene usando la formula de integracin por partes, quedando como Z b Z b 0 b uv dx = [uv] |a vu0 dx, u, v C 1 [a, b] (360)
a a

como un caso particular de la Ec. (359). Este resultado es fcilmente generalizable a un resultado usando derivadas parciales de orden m de funciones u, v C m () pero remplazamos u por D u en la Ec. (359) y con || = m, entonces se puede mostrar que: Teorema 83 Otra versin del teorema de Green es dado por Z Z Z || (D u) vdx = (1) uD vdx + h(u, v)ds

(361)

donde h(u, v) es una expresin que contiene la suma de productos de derivadas de u y v de orden menor que m. Ahora remplazando v en la Ec. (361) por perteneciente a D() y como = 0 en la frontera tenemos Z Z || (D u) dx = (1) uD dx (362)

ya que u es m-veces continuamente diferenciable, esta genera una distribucin denotada por u, tal que Z hu, i = udx (363)

89

adems, D u es continua, as que es posible generar una distribucin regular denotada por D u satisfaciendo Z (D u) dx (365) hD u, i =

o, como D tambin pertenece a D(), entonces Z uD dx hu, D i =

(364)

entonces la Ec. (362) puede reescribirse como hD u, i = (1)

||

hu, D i ,

D().

(366)

Denicin 84 La derivada de cualquier distribucin f () se dene como: La sima derivada parcial distribucional o derivada generalizada de una distribucin f es denida por una distribucin denotada por D f, que satisface hD f, i = (1)|| hf, D i , D(). Ntese que si f pertenece a C m , entonces la derivada parcial distribucional coincide con la derivada parcial sima para || m. Derivadas Dbiles Supngase que una funcin u () es localmente integrable que genere una distribucin, tambin denotada por u, que satisface Z udx (367) hu, i =

para toda D(). Adems la distribucin u posee derivada distribucional de todos los ordenes, en particular la derivada D u es denida por hD u, i = (1)
||

por supuesto D u puede o no ser una distribucin regular. Si es una distribucin regular, entonces es generada por una funcin localmente integrable tal que Z hD u, i = D u (x) (x) dx (369)

hu, D i ,

D().

(368)

y se sigue que la funcin u y D u estn relacionadas por Z Z |m| D u (x) (x) dx = (1) u (x) D (x) dx

(370)

para || m. Denicin 85 Llamamos a la funcin (o ms precisamente, a la equivalencia de clases de funciones) D u obtenida en la Ec. (370), la sima derivada dbil de la funcin u. Notemos que si u pertenece a C m , entonces la derivada D u coincide con la derivada clsica para || m. 90

8.

Bibliografa

Referencias
[1] A. Quarteroni, A. Valli; Domain Decomposition Methods for Partial Differential Equations. Clarendon Press Oxford 1999. [2] A. Toselli, O. Widlund; Domain Decomposition Methods - Algorithms and Theory. Springer, 2005. [3] B. D. Reddy; Introductory Functional Analysis - With Applications to Boundary Value Problems and Finite Elements. Springer 1991. [4] B. F. Smith, P. E. Bjrstad, W. D. Gropp; Domain Decomposition, Parallel Multilevel Methods for Elliptic Partial Dierential Equations. Cambridge University Press, 1996. [5] B. I. Wohlmuth; Discretization Methods and Iterative Solvers Based on Domain Decomposition. Springer, 2003. [6] I. Foster; Designing and Building Parallel Programs. Addison-Wesley Inc., Argonne National Laboratory, and the NSF, 2004. [7] G. Herrera; Anlisis de Alternativas al Mtodo de Gradiente Conjugado para Matrices no Simtricas. Tesis de Licenciatura, Facultad de Ciencias, UNAM, 1989. [8] I. Herrera, M. Daz; Modelacin Matemtica de Sistemas Terrestres (Notas de Curso en Preparacin). Instituto de Geofsica, (UNAM). [9] I. Herrera;Un Anlisis del Mtodo de Gradiente Conjugado. Comunicaciones Tcnicas del Instituto de Geofsica, UNAM; Serie Investigacin, No. 7, 1988. [10] I. Herrera; Mtodo de Subestructuracin (Notas de Curso en Preparacin). Instituto de Geofsica, (UNAM). [11] I. Herrera y R. Yates; UnieD Multipliers-Free Theory of Dual-Primal Domain Decomposition Methods, .... [12] J. II. Bramble, J. E. Pasciak and A. II Schatz. The Construction of Preconditioners for Elliptic Problems by Substructuring. I. Math. Comput., 47, 103-134,1986. [13] J. L. Lions & E. Magenes; Non-Homogeneous Bonduary Value Problems and Applications Vol. I, Springer-Verlag Berlin Heidelber New York 1972. [14] K. Hutter & K. Jhnk; Continuum Methods of Physical Modeling. SpringerVerlag Berlin Heidelber New York 2004.

91

[15] L. F. Pavarino, A. Toselli; Recent Developments in Domain Decomposition Methods. Springer, 2003. [16] M.B. Allen III, I. Herrera & G. F. Pinder; Numerical Modeling in Science And Engineering. John Wiley & Sons, Inc . 1988. [17] M. Diaz; Desarrollo del Mtodo de Colocacin Tretz-Herrera Aplicacin a Problemas de Transporte en las Geociencias. Tesis Doctoral, Instituto de Geofsica, UNAM, 2001. [18] M. Diaz, I. Herrera; Desarrollo de Precondicionadores para los Procedimientos de Descomposicin de Dominio. Unidad Terica C, Posgrado de Ciencias de la Tierra, 22 pags, 1997. [19] P.G. Ciarlet, J. L. Lions; Handbook of Numerical Analysis, Vol. II. NorthHolland, 1991. [20] R. L. Burden y J. D. Faires; Anlisis Numrico. Math Learning, 7 ed. 2004. [21] S. Friedberg, A. Insel, and L. Spence; Linear Algebra, 4th Edition, Prentice Hall, Inc. 2003. [22] W. Gropp, E. Lusk, A. Skjellem, Using MPI, Portable Parallel Programming Whit the Message Passing Interface. Scientic and Engineering Computation Series, 2ed, 1999. [23] W. Rudin; Principles of Mathematical Analysis. McGraw-Hill International Editions, 1976. [24] X. O. Olivella, C. A. de Sacribar; Mecnica de Medios Continuos para Ingenieros. Ediciones UPC, 2000. [25] Y. Saad; Iterative Methods for Sparse Linear Systems. SIAM, 2 ed. 2000. [26] Y. Skiba; Mtodos y Esquemas Numricos, un Anlisis Computacional. UNAM, 2005.

92