Vous êtes sur la page 1sur 83

Part I

Solución numérica de las ecuaciones


diferenciales parciales

1
Capítulo 1

Introducción y notación

Muchos fenómenos físicos pueden ser modelados matemáticamente por ecuaciones dife-
renciales. Cuando la función que se está estudiando implica dos o más variables inde-
pendientes, la ecuación diferencial es usualmente una ecuación diferencial parcial. Dado
que las funciones de varias variables son intrínsecamente más complicadas que las de
una variable, las ecuaciones diferenciales parciales pueden conducir a algunos de los pro-
blemas numéricos más difíciles. Los cálculos numéricos que surgen en esta área son de
tal magnitud que facilmente pueden agotar los recursos de las más grandes y veloces
computadoras, debido a la inmensa carga de cómputo que usualmente se requiere para
resolver numéricamente las ecuaciones diferenciales parciales. Conforme veamos los pro-
blemas representativos y los procedimientos para resolverlos, se hará evidente del porqué
del tamaño del espacio de almacenamiento y del tiempo de cómputo son tan grandes. Esta
rama del análisis numérico es una de las que actualmenten cuenta con los más amplios
programas de investigación.
La mayoría de apliaciones están modelados por ecuaciones diferenciales de segundo
orden. La ecuación lineal más general de segundo orden tiene la forma:
@ 2u @ 2u @ 2u @u @u
A 2
+ B + C 2
+D +E + Fu = S (1.1)
@x @x@y @y @x @y
donde A, B, . . . , F , S son funciones de x e y:
La ecuación (1.1) es del tipo:

parabólica si
B2 4AC = 0; (1.2)

elíptica si
B2 4AC < 0 (1.3)

2
y hiperbolica si
B2 4AC > 0 (1.4)

1.1 Algunos problemas de Aplicación


Enumeramos algunas ecuaciones diferenciales parciales importantes y los fenómenos físicos
que gobiernan:
La ecuación de onda:
@ 2u @ 2u @ 2u @ 2u
= + +
@t2 @x2 @y 2 @z 2
La función u representa el desplazamiento en el tiempo t de una partícula cuya posición
en reposo es (x; y; z). Con condiciones de contorno apropiadas, esta ecuación gobierna las
vibraciones de un cuerpo elástico tridimensional.
La ecuación de calor:
@u @ 2u @ 2u @ 2u
= + +
@t @x2 @y 2 @z 2
La función u representa la temperatura en el tiempo t de un cuerpo físico en el punto que
tiene coordenadas (x; y; z).
La ecuación de Laplace:

@ 2u @ 2u @ 2u
+ + =0
@x2 @y 2 @z 2
Regula la distribución en estado estacionario del calor en un cuerpo o la distribución en
estado estacionario de la carga eléctrica en un cuerpo. La ecuación de Laplace también
gobierna potenciales gravitacionales, eléctricos y magnéticos y potenciales de velocidad
en ‡ujos irrotacionales de ‡uidos incompresibles.
La ecuación biarmónica:
@ 4u @ 4u @ 4u
+ 2 + =0
@x4 @x2 @y 2 @y 4
Ocurre en el estudio de la tensión elástica, y de su solución en las tensiones normales y
de corte para un cuerpo elástico.
La ecuación de Navier-Stokes:
@u @u @u @p @ 2u @ 2u
+u +v + = +
@t @x @y @x @x2 @y 2
@v @v @v @p @ 2v @ 2v
+u +v + = +
@t @x @y @y @x2 @y 2

3
Aquí, u y v son componentes del vector de velocidad en un ‡ujo de ‡uidos, la función p
es la presión, y se supone que el ‡uido es incompresible pero viscoso. En particular, la
ecuación de Navier-Stokes, ilustra un problema muy complicado: un par de ecuaciones
diferenciales parciales no lineales y simultáneas
Observación Usamos la notación nabla, para escribir da manera abreviada un gran
número de ecuaciones diferenciales parciales
@ @ @
r = + +
@x @y @z
@2 @2 @2
r2 = + +
@x2 @y 2 @z 2
tenemos algunas:
ecuación de onda
1 @ 2u
= r2 u
v 2 @t2
ecuación de calor
1 @u
= r2 u
k @t
ecuación de Laplace
r2 u = 0
ecuación de difusión
@u
= r (dru) +
@t
La ecuación de difusión con constante de difusión d tiene la misma estructura que la
ecuación de calor porque la transferencia de calor es un proceso de difusión. Los tres
tipos de ecuaciones diferenciales parciales se puede escribir con esta notación:
parabólica
@u
b r (cru) + au = f
@t
elíptica
r (cru) + au = f
hiperbólica
@ 2u
b r (cru) + au = f
@t2
Para x y y en el dominio bidimensional del problema. En la frontera de este dominio,
se pueden manejar las siguientes condiciones en la frontera:

Dirichlet hu = g
@u @u
Neumann @n
= g; @n = n ru
Neumann generalizada !
n (cru) + qu = g
@u
Mixta au + b @n =g

4
Aquí, !n = du=dv es la derivada direccional en la dirección de la normal exterior unitaria
de la frontera de :
En lo que sigue calcularemos los valores propios de la matriz tridiagonal
2 3
a b 0 0
6 7
6 c a b 0 0 7
6 7
6 0 c a b 0 7
6 7
A=6 . . . . . . 7
.
6 . . . . . . . . .
. . 7
6 7
6 c a b 7
4 5
0 0 0 c a

comprobaremos que son de la forma


p j
j = a + 2 bc cos( )
n+1
donde j = 1; 2; : : : ; n y a; b; c; pudieran ser complejos. Esta clase de matrices surgen
en el estudio de la estabilidad en un proceso de diferencias …nitas y un conocimiento de
sus autovalores nos dá útiles condiciones de estabilidad. En primer lugar resolveremos
ecuaciones en diferencias …nitas dada por

cxj 1 + (a )xj + bxj+1 = 0

donde j = 1; 2; : : : ; y a; b; c; son constantes.


Las soluciones son sucesiones (xi )i 1 ; que pertenecen al espacio vectorial V de todas
las sucesiones que tiene la base in…nita, v [j] = [0; 0; : : : ; 0; 1; 0; : : : 0] con uno en lugar j:

1.2 Operadores en diferencias lineales


Los operadores lineales que nos interesan son los operadores de desplazamiento que deno-
taremos como E
E: V ! V
x ! Ex
donde x = [x1 ; x2 ; : : : ; xn ; : : :] y Ex = [x2 ; x3 ; : : : ; xn+1 ; : : :]. Denotaremos x = (xn ) y
Ex = (xn+1 ) : Podemos componer reiteradamente E y obtener

E 2 x = E(Ex) = E (E(xn )) = E(xn+1 ) = (xn+2 ) = (x3 ; x4 ; : : : ; xn+2 ; : : :)

y así sucesivamente

E k x = E E k 1 x = (xn+k ) = [xk+1 ; xk+2 ; : : : ; xn+k ; : : :]

5
Los operadores que se pueden expresar como combinaciones lineales de E; se les llama
operadores en diferencias lineales. Su forma general es
X
m
L= cj E j = c0 E 0 + c1 E 1 + + cm E m ; (1.5)
j=0

donde E 0 es la identidad (E 0 x)m = xm


Los operadores de la forma (1.5) forman un subespacio vectorial del conjunto de ope-
radores lineales de V en V. Las potenciasde de E proporcionan una base para este sub-
espacio. L es un polinomio en E (combinación lineal de potencias de E), por eso podemos
escribir L = p(E), donde p es un polinomio de la forma

m
p( ) = c0 + c1 + + cm ;

el cual es llamado polinomio característico de L


Problema. Dado un operador en diferencias lineales L como (1.5) queremos hallar
una sucesión x = (xi )i 1 tal que
Lx = 0 (1.6)
El conjunto de todos los x que satisfacen (1.6) es un subespacio de V y probaremos
que coincide con el nucleo de L, por tanto la ecuación (1.6) esta resuelta cuando se conoce
una base para el nucleo de L.
Ejemplo. Dado el polinomio p(x) = x2 x 2 = (x + 1)(x 2), veri…car que las
sucesiones de…nidas por xn = (( 1)n ) e yn = (2n ) son soluciones de

(E 2 E1 2E 0 )(xn ) = xn+2 xn+1 2xn = 0:

Solución. Las raices de p(x) = (x + 1)(x 2) son -1 y 2, luego asociamos dos


sucesiones xn = (( 1)n ) e yn = (2n )

Para xn = ( 1)n , tenemos (E 2 E1 2E 0 )(xn ) =

= ( 1)n+2 ( 1)n+1 2( 1)n


= ( 1)n + ( 1)n 2( 1)n
= ( 1)n (1 + 1 2) = 0

Para yn = 2n , tenemos (E 2 E1 2E 0 )(yn ) =

= 2n+2 2n+1 2(2n ) = 2n (22 2 2) = 0

y cualquier combinación lineal ( 1)n + (2n ) también es solución.

6
1.2.1 Ceros simples
Lema. Sea r una raíz del polinomio p, entonces una solución de p(E)(xn ) = 0, es

u = (r; r2 ; ; rn ; ):

Prueba. Sean

u = [r; r2 ; : : : ; rn ; : : :]
Eu = [r2 ; r3 ; : : : ; rn+1 ; : : :] = r[r; r2 ; : : : ; rn ; : : :] = ru
E 2 u = E (Eu) = E (ru) = r2 u

y así sucesivamente E k u = rk u; 8k 0: En particular cuando k = 0; E 0 u = u = r0 u


Así si p( ) = c0 + c1 + + cm m ; entonces
! !
Xm Xm X
m X
m
p(E)u = cj E j u = cj E j u = cj r j u = cj r j u
j=0 j=0 j=0 j=0
= p(r)u = 0

pues r es raíz de p:

Teorema 1 Dado p( ), un polinomio de grado M , y r1 ; r2 ; ; rM raices diferentes de


p. Entonces fu1 ; u2 ; ; uM g es una base para el espacio solución de p(E)x=0.

Prueba. Notemos que


u1 = (r1 ; r12 ; ; r1n ; )
u2 = (r2 ; r22 ; ; r2n ; )
..
.
2 n
uM = (rM ; rM ; ; rM ; )
son linealmente independientes pues si

0 = a1 u1 + a2 u2 + + aM uM
= (a1 r1 ; a1 r12 ; ; a1 r1n ; ) + + (aM rM ; aM rM2
; n
; aM rM ; )
n n n
= (a1 r1 + a2 r2 + + aM rM ; ; a1 r1 + +a2 r2 + + aM r M ; )

entonces 8
>
> a1 r1 + a2 r2 + + aM rM = 0
>
>
< a1 r 2 + a2 r 2 + 2
+ aM rM = 0
1 2
> ..
>
> .
>
: a rn + a rn + n
1 1 2 2 + aM rM = 0

7
son M ecuaciones con M incógnitas a1 ; a2 ; ; aM cuya matriz de coe…cientes es la matriz
de Vandermonde 2 3
r1 r2 rM
6 2 7
6 r1 r22 2
rM 7
A=6 6 .. .. .. . 7
7
4 . . . .. 5
r1M r2M M
rM
donde det(A) = r1 rM (r1 r2 ) (rM 1 rM ) 6= 0. Por lo tanto la solución del
sistema de ecuaciones es la solución nula a1 = 0; a2 = 0; ; an = 0 luego el conjunto
fu1 ; u2 ; ; uM g es linelmente independiente.
A…rmo que Lfu1 ; u2 ; ; uM g coincide con el espacio solución de p(E)x = 0.
Por el Lema anterior tenemos que u1 ; u2 ; ; uM solucionan p(E)x = 0, por ende toda
X
combinación lineal ai ui también es solución, pues
i
!
X X X
p(E) ai u i = ai p(E)ui = ai p(ri ) ui = 0
|{z}
i i i 0

recuerde que p(E) es lineal.


Recíprocamente, toda solución de p(E)x = 0 es combinación lineal de u1 ; u2 ; ; uM . En
efecto sea
u = (u(1) ; u(2) ; u(3) ; ; u(M ) ; )
una solución, entonces existen a1 ; a2 ; : : : ; an tal que
8
>
> a1 r1 + a2 r2 + + aM rM = u(1)
>
>
>
> 2 2
a1 r1 + a2 r2 + + aM rM2
= u(2)
>
>
>
> ..
>
> .
<
a1 r1M + a2 r2M + + aM rM M
= u(M ) (1.7)
>
>
>
>
>
>
>
> M +1
+ a2 r2M +1 + M +1
= u(M +1)
> a1 r1
> + aM rM
>
> ..
: .
para las primeras M ecuaciones en las M incógnitas a1 ; a2 ; ; aM tienen solución única
P
pues el determinante de la matriz de coe…cientes es no nulo. Consideremos ai ui y
probaremos que X
u= ai u i
P P
En efecto como ambas u y ai ui son soluciónes, entonces z = u ai ui sigue siendo
solución. En efecto
!
X X
p(E)z = p(E) u ai ui = p(E)u p(E) ai u i = 0
i

8
También z = (zn ) tiene las primeras componentes z1 ; z2 ; ; zM = 0 por (1:7): De otro
lado
0 = 0(1) ; 0(2) ; ; 0(M ) ; 0(1+M ) ; ; 0(n+M ) ; : : :

= p(E)z = c0 E 0 z + c1 E 1 z + + cM E M z ; cM 6= 0
= [c0 (zn ) + c1 (zn+1 ) + + cM (zn+M )] ; cM 6= 0

= [c0 z1 + c1 z2 + + cM zM +1 ; c0 z2 + c1 z3 + + cM zM +2 ; ;
c0 zn + c1 zn+1 + + cM zn+M ; ]
entonces

c0 z1 + c1 z2 + + cM zM +1 = 0
c0 z2 + c1 z3 + + cM zM +2 = 0

y así sucesivamente, despejamos zM +1 , zM +2 y en general


1
zn+M = [ c0 zn c1 zn+1 cM 1 zn 1+M ] 8n 1
cM
como los primeros z1 ; ; zM todos son ceros, entonces zM +1 = 0 y asi sucesivamente
zn+M = 0 para todo n, luego
X
z=0 y u= ai u i :
i

Lo que prueba el teorema.

Ejemplo 1 Hallar el conjunto solución de la ecuación de diferencias

xn+2 xn+1 2xn = 0

Solución. El polinomio característico


2
p( ) = 2=( 2)( + 1)

tiene raíces =2y = 1, una base para el espacio solución es fu1 ; u2 g con

u1 = (2n )n 1 ^ u2 = (( 1)n )n 1

cualquier solución es de la forma

u = 2n + ( 1)n 8n 1

Completamos nuestro estudio con los polinomio característicos que tienen ceros mul-
tiples

9
1.2.2 Ceros múltiples
2 n
De…nimos x( ) = [ ; ; ; ; ] y si p es algún polinomio hemos comprobado que

p(E)x( ) = p( )x( )

Derivamos la igualdad respecto a

P (E)x0 (x) = p0 ( )x( ) + p( )x0 ( )


si es raiz doble de p, entonces p( ) = 0 ^ p0 ( ) = 0: Por tanto

P (E)x0 ( ) = 0

por lo que x0 ( ) = 1; 2 ; 3 2 ; :::; n n 1 ; ::: es raiz de P (E)x = 0


Nótese que si 6= 0, entonces fx( ); x0 ( )g es linealmente.independiente.pues
" #
2
2
det = 6= 0
1 2

Se pueden comprobar que si es raiz de multiplicidad k de p entonces

fx(x); x(1) ( ); :::; x(k 1)


( )g

son soluciones linealmente indpendientes de p(E)x = 0


Se entiende:
dk 1
x(k 1) ( ) = k 1 x( )
d
Teorema 2 Sea p es un polinomio con p(0) 6= 0, entonces una base para el nucleo de
P (E), se obtiene de la siguiente manera. Si es la raiz de multiplicidad k asocia a
(1) (k 1)
las bases las soluciones fx( ); x ( ); :::; x ( )g completandose con las raíces simples
dados por el teorema anterior.
Recuerde que si
x( ) = [ ; 2 ; 3 ; :::; n ; :::]
entonces
dk 1 k 1
x(k 1)
( )= [x( )] = [0; :::; 0; (k 1)!; k! ; :::]
d k 1
3 2
Ejemplo 2 Sea p( ) = 3 +3 1=( 1)3

xn+3 3xn+2 + 3xn+1 xn = 0

10
= 1 es una raiz de multiplicidad 3 del conjunto solución.

x (1) = [1; 1; 1; : : :]
x0 (1) = [0; 2; 3; 4; : : : ; n; : : :]
x00 (1) = [0; 0; 6; 12; : : : ; n (n 1) ; : : :]

El conjunto solución es dado por:

f x (1) + x0 (1) + x00 (1) ; ; ; 2 Rg

1.3 Ecuaciones en Diferencias Estables


De…nición Una ecuación en diferencias de la forma p (E) x = 0 se dice ser estable si
todas sus soluciones son acotadas, es decir, si la sucesión (xn ) es acotada. La ecuación
de diferencia del primer ejemplo no es estable pues tiene una sucesión (2n )n 1 que no es
acotada. Queremos hallar un criterio que me ayude a decidir a priori si una ecuación en
diferencias es estable.

Teorema 3 Sea p un polinomio tal que p (0) 6= 0 entonces son equivalentes:


(i) La ecuación en diferencias p (E) 6= 0 es estable
(ii) Todos los ceros de p satisfacen jzj 1 y todos los ceros múltiples satisfacen jzj < 1

Prueba. Suponga que se cumple (ii) y es un cero de p, entonces una solución de la


ecuación en diferencias es
x ( ) = ; 2; : : : ; n; : : :
puesto que j j 1, esta sucesión es acotada. Si es un cero múltiplo entonces uno o más
de x0 ( ) ; x00 ( ) ; : : : ; es una solución de la ecuación en diferencias en este caso j j < 1.
Si cumple que lim nk n (Regla de L’Hospital) por lo que x0 ( ) ; x00 ( ) es acotado.
n!1
Recíprocamente si (ii) fuese falso y p tiene un cero tal que j j > 1, entonces la sucesión
x ( ) no es acotado, y si p tiene un cero múltiplo tal que j j 1, entonces x0 ( ) no es
acotado puesto que su término general jxn j = n n 1 = n j jn 1 n.

1 3 2 1
Ejemplo 3 (x 1)2 x + = x3 x + ; tiene asociado la ecuación de diferencias
2 2 2
3 1
xn+3 xn+2 + xn = 0
2 2
1
Tiene una raíz 1 = 1 doble ^ 2 = raíz simple j 1 j = 1; no es estable
2

11
Usaremos estos resultados de las ecuaciones en diferencias para deducir los autovalores
de una matriz tridiagonal a la forma:
0 1
a b 0 0
B .. C
Bc a b .C
B C
B .. .. .. C
A = B0 . . . 0C
B C
B .. C
@. c a bA
0 0 c a

Como ya sabemos estas matrices surgen de un proceso en diferencias …nitas y sus auto-
valores nos dé útiles condiciones de estabilidad.

1.4 Valores propios de una matriz tridiagonal


Teorema 4 Los autovalores de la matriz A de orden n son:
p j
j = a + 2 bc cos
n+1
j = 1; 2; : : : ; n ; a; b; c constantes pudieran ser complejas.

Prueba. Si v autovector y su correspondiente autovalor es decir que Av = v, donde


v = [v1 ; v2 ; : : : ; vn ]T 2 3 2 3
av1 + bv2 v1
6 7 6 7
6 cv1 + av2 + bv3 7 6 v2 7
6 7 6 7
6 +cv + av + bv 7 6 v 7
6 2 3 4 7 6 37
6 .. 7 6 . 7
6 . 7 = 6 .. 7
6 7 6 7
6 7 6 7
6 cvj 1 + avj + bv j+1 7 6 j7 v
6 7 6 7
6 ..
. 7 6 ... 7
4 5 4 5
cvn 1 + avn vn

(a ) v1 + bv2 =0
cv1 + (a ) v2 + bv3 =0
cv2 + (a ) v3 + bv4 =0
.. ..
. .
cvm 1 + (a ) vm + bvm =0
.. ..
. .
cvn 1 + (a ) vn =0
De…niendo v0 = 0 y vn+1 = 0 obtenemos una sola ecuación de diferencias que representa

12
a las n-ecuaciones anteriores

cvm 1 + (a ) vm + bvm+1 = 0 ; m = 1; 2; : : : ; n

represnta la primera, la última y todas las ecuaciones intermedias. Podemos reescribirlo


como
bvm+2 + (a ) vm+1 + cvm = 0 ; m = 0; 1; : : : ; n
donde el polinomio característico es:

br2 + (a )r + c = 0

si r1 y r2 son raíces del polinomio característico por el Teorema 1, la solución es de la


forma
vm = r1m + r2m ; m = 0; 1; 2; : : : ; n + 1;
cuando m = 0; 0 = v0 = r10 + r20 = + ; entonces

cuando m = n + 1; 0 = vn+1 = r1n+1 + r2n+1 ; entonces

0= r1n+1 + r2n+1
n+1
r1
=1
r2
r1
por lo que son las raíces (n + 1) de la unidad
r2
r1 2
i j
= e n+1 ; j = 1; : : : n
r2
r1 2 (0)
i
donde j 6= 0 pues = e n+1 = 1 y r1 6= r2
r2
2
i j
o r1 = r2 e n+1 ; j = 1; : : : n

pero
c (a )
r1 r2 = y r1 + r2 = ;
b b
entonces r
c 2 h i2 c
2 i n+1 j i j i j
= r1 r2 = r2 e = r2 e n+1 =) r2 e n+1 = ;
b b
donde j = 1; : : : n r
c i n+1 j
r2 = e ; j = 1; : : : n
b

13
r r
c c i j i j c
= r1 r2 = r1 e n+1 =) r1 e n+1 = ;
b b b
entonces r
c i n+1 j
r1 = e ; j = 1; : : : n
b
Para deducir ; usamos
r r r
(a ) c i n+1 j c i j c i n+1 j i j
= r1 + r2 = e + e n+1 = e +e n+1
b b b b
p
(a ) = 2 bc cos j ; j = 1; : : : n
n+1
p
= a + 2 bc cos j ; j = 1; : : : n
n+1
[j]
p
Para el valor propio = a + 2 bc cos n+1
j , tenemos el vector propio

v [j] = [v1 ; v2 ; : : : ; vn ]

de modo que la componentes m ésima del vector es:

vm = r1m + r2m ; m = 1; 2; : : : ; n:

r m r m
c i n+1 j c i j
vm = r1m r2m = e e n+1
b b
r m h i r m
c m m c m
i j i j
= e n+1 e n+1 = 2i sen j
b b n+1
Por tanto

v [j] = [v1 ; v2 ; : : : ; vn ]T
" r r 2 r n
#T
c c 2 c n
= sen j ; sen j ;:::; sen j
b n+1 b n+1 b n+1
[j]
p
es el autovector correspondiente a = a + 2 bc cos n+1
j :

Ejemplo Considere la matriz tridiagonal


2 3
1 2s s 0 0
6 7
6 s 1 2s s 0 7
6 7
6 .. .. 7
A=6 0 s 1 2s . . 7
6 .. 7
6 .. .. 7
4 . . . s 5
0 0 s 1 2s

14
a = 1 2s; b = c = s
p j
= a + 2 bc cos ; j = 1; :::; n
n+1
j
= 1 2s + 2s cos
n+1
j
= 1 2s 1 cos
n+1
j j
=1 2s 1 cos2 + sen2
2n+1 2n+1
j
=1 4s sen2
2n+1
Para la matriz tridiagonal
2 3
2 1 0 0
6 7
6 1 2 1 0 7
6 7
6 .. .. 7
A=6 0 1 2 . . 7
6 . 7
6 .. .. ..
4 . . 1 7
5
0 0 1 2
donde a = 2, b = c = 1: Para deducir retomemos el polinomio característico

r2 + (2 )r 1 = 0 () r2 + ( 2)r + 1 = 0
j j
i n+1 i n+1
r2 = e y r1 = e
y se cumple que
1 = r1 r2 = 1 y r1 + r2 = 2
j
= 2 2cos
n+1
Se llega a la misma respuesta con la fórmula teniendo cuidado pues b = 1<0
r
(a ) c j
= 2cos ; j = 1; :::; n
b b n+1
r
c j
a+ =b 2cos ; j = 1; :::; n
b n+1
r
c j
=a+b 2cos
b n+1
Cuando a = 2, b = c = 1 tenemos
j
=2 2cos
n+1

15
Capítulo 2

Ecuaciones diferenciales parciales


parabólicas

2.1 Un Modelo del ‡ujo de calor de dimensión uno.


A través de un alambre delgado, aislado cuyo extremos se mantienen a cero grados centí-
grados y cuya distribución inicial de temperatura hay que especi…car. El alambre coincide
con el eje x; en el extremo izquierdo está en el origen (0; 0) y el extremo derecho en (L; 0) :
Se denota la temperatura del alambre como u; depende del tiempo t y la posición x en el
alambre. (Supondremos que el alambre es delgado de modo que es constante a través de
una sección transversal del alambre correspondiente a un valor …jo de x). Para desarrollar
un modelo para el ‡ujo de calor a través del alambre consideremos el pequeño elemento
v de volumén de alambre entre los dos plano transversales A y B; perpendiculares al eje
x con A en x y B en x + 4x:

A B
m m m m

x=0 x x+ x x=L
F igura :Flujo de calor por un alambre

La temperatura en el plano A en el instante t es u (x; t) y en el plano B es u (x + 4x; t) :


Necesitamos los siguientes principios de la Física que describe el ‡ujo de calor.

1. Conducción de calor: La tasa del ‡ujo de calor (la cantidad de calor por unidad de
tiempo que ‡uye a través de una unidad de área transversal en A) es proporcional

16
a @u=@x el gradiente de temperatura en A: La constante de proporcionalidad se
llama la conductividad térmica del material. En general, la conductividad térmica
puede variar de un punto a otro: = (x) :

2. Dirección del ‡ujo de calor: La dirección del ‡ujo de calor siempre va de temperatura
más alta a puntos de temperatura más baja.

3. Capacidad calórica especí…ca: La cantidad de calor necesaria para elevar la temper-


atura de un objeto de masa m en una cantidad 4u es c m 4u; donde la constante
c es la capacidad calórica especí…ca,del material. La capacidad calórica especí…ca
al igual que la conductividad térmica puede variar con la posición c = c (x) :

Si H representa la cantidad de calor que ‡uye de izquierda a derecha a través de la


super…cie A durante un intervalo de tiempo 4t; entonces la fórmula para la conducción
del calor es
@u
H (x) = (x) a4t (x; t)
@x
donde a es el área de la sección transversal del alambre. El signo negativo es consecuencia
del segundo principio: Si @u=@x es positivo, entonces el ‡ujo de calor va de derecha a
izquierda (de lo más caliente a lo más frío). De manera similar, la cantidad de calor que
‡uye de izquierda a derecha a través del plano B durante un intervalo de tiempo 4t es
@u
H (x + 4x) = (x + 4x) a4t (x + 4x; t) :
@x
El cambio neto de calor 4E en el vólumen V es la cantidad que entra en el extremo A
menos la cantidad que sale en el extremo B; más cualquier calor generado por fuentes
(como corrientes eléctricas, reacciones químicas, colectores, etc) esto último se modela me-
diante un término Q (x; t) 4xa4t; donde Q es la densidad de la tasa de energía (potencia).
Por consiguiente

4E = H (x) H (x + 4x) + Q (x; t) 4xa4t (2.1)


@u @u
= a4t (x + 4x) (x + 4x; t) (x) (x; t) + Q (x; t) 4xa4t:
@x @x
Por el tercer principio, el cambio neto esta dado por 4E = c m 4u; donde 4u es el
cambio en temperatura y c es la capacidad calórica especí…ca. Si suponemos que el cambio
en la temperatura en el volumen V es esencialmente igual al cambio de temperatura en
x es decir 4u = u (x; t + 4t) u (x; t) ; y que la masa del volúmen V del alambre es
a 4x; donde = (x) es la densidad del alambre, entonces

4E = c (x) a (x) 4x [u (x; t + 4x) u (x; t)] (2.2)

17
Al igualar las dos expresiones para 4E dados en la (2.1) y (2.2) llegamos a

@u @u
a4t (x + 4x) (x + 4x; t) (x) (x; t) + Q (x; t) 4xa4t
@x @x
= c (x) (x) 4x [u (x; t + 4t) u (x; t)] :

Al dividir ambos lados entre a4x4t y calcular los límites cuando 4x y 4t y calcular los
límites cuando 4x y 4t tienden a cero obtenemos:

@ @u @u
(x) (x; t) + Q (x; t) = c (x) (x) (x; t) (2.3)
@x @x @t

Si los parámetros físicos ; c; son uniformes a lo largo de la longitud del alambre entonces
(2.3) se reduce a la ecuación del ‡ujo de calor en dimensión uno

@u @ 2u
(x; t) = (x; t) + P (x; t) (2.4)
@t @x2
donde la constante positiva := =c es la difusibidad de material y P (x; t) :=
Q (x; t) =c :
La (2.4) controla el ‡ujo de calor en el alambre. Tenemos otras dos restricciones en
nuestro problema original. Primero mantenemos los extremos del alambre a 0o C: Así
pedimos que
u (0; t) = u (L; t) = 0 (2.5)
para todo t; estas se llaman condiciones en la frontera . En segundo lugar debemos conocer
la distribución inicial de temperatura f (x) : Es decir necesitamos

u (x; 0) = f (x) ; 0 < x < L (2.6)

La ecuación (2.6) se conoce como la condición inicial sobre u: Al combinar (2.4), (2.5) y
(2.6) tenemos el siguiente modelo matemático para el ‡ujo de calor en un alambre uniforme
sin fuentes internos ( = 0) cuyos extremos se mantiene a la temperatura constante 0 C

@u @ 2u
(x; t) = (x; t) ; 0 < x < L; t > 0
@t @x2
u (0; t) = 0 = u (L; t) ; t > 0 (2.7)
u (x; 0) = f (x) ; 0 < x < L

Este modelo es un ejemplo de problema con valores iniciales y en la frontera. Intuitiva-


mente, esperamos que las ecuaciones (2.7), describan por completo y sin ambigüedad la
temperatura en el alambre. Una vez que hagamos determinado una función una función
u (x; t) que cumpla con estas tres condiciones podemos garantizar que u es la temperatura.

18
En dimensiones superiores la ecuación para el ‡ujo de calor (o simplemente la ecuación
del calor) tiene forma
@u
= 4u + P (x; y; z; t)
@t
donde 4u es el laplaciano de u.

2.2 Un modelo del ‡ujo de calor para dimensión tres.


El modelado en el espacio en el caso de un cuerpo B R3 y u sea la temperatura en
(x; y; z) 2 B y t 2 R>0 ; la frontera de B es denotada como @B:
El material en B tiene la propiedad de que en el punto (x; y; z) la temperatura u
es alcanzada acumulando la energá E (x; y; z; u) por unidad de volumen en forma de
movimiento molecular aleatorio. Tiene además la propiedad de que si u no es constante,
la energía colorí…ca ‡uye en la dirección de ru (esto es del calor al frío) con magni-
tud k (x; y; z; u) jruj : (Hemos supuesto aquí que el material es isótropo. La cantidad
k (x; y; z; u) se llama conductividad térmica del material.)
La ley de conservación de la energía dice: Sea C0 una super…cie cerrada cualquiera
con el interior D0 situada dentro de D: El cociente diferencial de variación de energía
D0 ; debe ser igual al ‡ujo de energía dentro de él. Esto es
Z Z Z Z Z
d
E (x; y; z; u (x; y; z; t)) dxdydz = k (x; y; z; u) ru !
n ds (2.8)
dt
D0 C0

Siendo ~n el vector unitario normal exterior y ds el elemento de área sobre C0 : El teorema de


la divergencia (Teorema de Gauss) a…rma que para cualquier campo vectorial V~ derivable
en continuidad Z Z Z Z Z
d ~
= div V dxdydz = V~ ~nds:
dt
D0 C0

Apliquemos el teorema al segundo miembro de (2.8) y supongamos que podemos inter-


cambiar la derivación y la integración en el primer miembro de (2.8) esto nos da
Z Z Z
@E @u
div (kru) dxdydz = 0 (2.9)
@u @t
D0

para cualquier D0 interior a D; supongamos que el integrando sea continuo. Si existe en


D un punto (x0 ; y0 ; z0 ) en el que el integrando sea positivo, lo mismo ocurre en una esfera
su…cientemente pequeña de centro en (x0 ; y0 ; z0 ) : Tomando esa esfera como D0 hacemos
el integrando positivo con lo que se contradice (2.9) por lo que el integrando nunca es

19
positivo y por el mismo razonamiento tampoco negativo, en consecuencia debe ser cero.
Esto es
@E @u
(x; y; z; u (x; y; z; t)) div [k (x; y; z; u (x; y; z; t)) ru] = 0;
@u @t
@E @E
la cantidad es el calor especí…co. Para simpli…car hacemos las hipótesis de que y
@u @u
k
k son constantes y ponemos k = y la ecuación se convierte en
@E=@u

@u
k u=0 (2.10)
@t
esta se llama la ecuaión de calor. Desde el punto de vista físico podemos pensar en asignar
la temperatura inicial u (x; y; z; 0) ; y la temperatura sobre la frontera @D como función del
@u
tiempo. O alternativamente, podemos aislar una parte del contorno de modo que =0
@~u
en ella, y asignar u en el resto del contorno en un instante tal como t = 0; en ambos casos
se trata de un problema de valores iniciales y de contorno. La temperatura es un concepto
de equilibrio, de modo que otra vez (2.10)es cierta únicamente si la temperatura cambia
con la su…ciente lentitud.

2.3 Modelo en un proceso de difusión


El mismo problema se presenta también en un proceso de difusión en el que u representa
la concentración. Una concentración es un concepto de equilibrio y por tanto obtenemos
la ecuación (2.10) tan solo si el sistema está en todo momento esencialmente en equilibrio.
Esto es, el cociente diferencial de variación de u ha de ser pequeño en ralación con el pe-
riodo total de tiempo del movimiento aleatorio que produce el equilibrio. La temperatura
también es un concepto de equilibrio, de modo que otra vez (2.10)es cierta únicamente si
la temperatura cambia con la su…ciente lentitud.
La difusión de partículas en movimiento se aplica en los campos como difusión mole-
cular, análisis de reactores nucleares y ‡ujo de ‡uidos. Tenemos dos ejemplos
Ejemplos

Ecuación de difusion transitoria de neutrones (dimensión de espacio es uno)

1@ @2 X X
(x; t) = D 2 +v + S;
v @t @x a f

‡ujo de neutrones
Hetric L.H. Dinamic of nuclear reactor´s Chicago University Press 1971

20
Transporte convectivo de una sustancia química con difusión

@ @ @2
= u(x) + D 2
@t @x @x
densidad de la sustancia, u(x) velocidad del ‡ujo, D constante de difusión
Brodkey RS & HC Hershey ; Transport phenomeno Mc Graw- Hill 1985

Los procesos de difusión dependen de tiempo, denotaremos como t esta variable.


Cuando la dimensión espacial es mayor que 1 usaremos x e y para la variable bidi-
mensional o x, y; z para el espacio tridimensional por ejemplo:

@ @2 @2 @2
c T (x; y; z; t) = T (x; y; z; t) + 2 T (x; y; z; t) + 2 T (x; y; z; t) + Q(x; y; z)
@t @x2 @y @z

La ecuación de calor o de difusión es típicamente una EDP parabólica, tiene la forma:

@ 2u @ 2u @ 2u @u
2
+ 2+ 2 = (2.11)
@x @y @z @t

donde u es una función de t, x, y, z, o u = u(x; y; z; t):La ecuación (2.11) describe la


temperatura u en el tiempo t y en la posición (x; y; z) en un cuerpo tridimensional.
2
Usamos la notación ut = @u@t
; uxx = @@xu2 para las derivadas parciales.
Al igual que en un EDOs, un problema físico planteado adecuadamente nunca consta
de solo la EDP, debe tener además un número su…ciente de condiciones en la frontera
para poder determinar una solución única del problema. A continuación tomaremos
como problema modelo la ecuación de calor (2.11) en su versión unidimensional, junto
con algunas condiciones auxiliares:

uxx = ut ; t > 0; 0<x<1


u(x; 0) = g(x); 0 x 1
(2.12)
u(0; t) = a(t); t>0
u(1; t) = b(t); t>0

El sistema (2.11) modela la distribución de temperatura en una barra de long. 1, cuyos


extremos se mantienen a temperaturas a(t) y b(t) respectivamente
Suponemos que las funciones g, a y b, son datos del problema. Más aún la función g
describe un per…l de temperatura inicial. La función u es una función de (x; t); no existe
dependencia respecto de y o de z. La …g. (2) muestra el dominio en el que se busca
conocer u(x; t); es un subconjunto de plano determinado por las variables t y x.

21
t
6

a(t) b(t)

- x
0 g(x) 1

2.4 Método explícito


Una de las estrategias más importantes para resolver numéricamente problema como el
que aparece en (2.11) es usar el método de diferencias …nitas. En su primera etapa consiste
en discretizar el dominio de la siguiente manera
(
tj = jk j 0
(2.13)
xi = ih 0 i n+1
Las variables t y x pudieran tener diferentes longitudes de paso denotadas por k y h
respectivamente. En vista de que x recorre todo el intervalo [0; 1] sucede que es h =
1=(n + 1). Nuestro objetivo consiste en calcular soluciones aproximadas de la función u
en los llamados puntos de malla (xi ; tj ).
El paso siguiente en este proceso es elegir algunas fórmulas sencillas para aproximar
las derivadas que aparecen en la ecuación diferencial. Algunas son:
1
f 0 (x) (f (x + h) f (x)) (2.14)
h
1
f 0 (x) (f (x + h) f (x h)) (2.15)
2h
1
f (2) (x) (f (x + h) 2f (x) + f (x h)) (2.16)
h2
Existen muchas otras fórmulas como las anteriores, cada una de las cuales aportar diferente
grado de precisión. Para terminar sustituimos el problema. planteado en (2.11) por una
versión discretizada en las que se han utilizado en las ecuaciones (2.13) y (2.15). En vista
de que estos dos problemas tendrán solución.diferentes usamos la letra v para el problema
discreto:
1 1
2
(v(x + h; t) 2v(x; t) + v(x h; t)) = (v(x; t + k) v(x; t)) (2.17)
h k

22
El punto (x; t) lo tomamos en (xi ; tj ) y denotamos

x + h = xi + h = xi+1
t + k = tj + k = tj+1

y reemplazamos en (2.16) y abreviamos v(xi ; tj ) = vij


1 1
(vi+1;j 2vij + vi 1;j ) = (vi:j+1 vij ) (2.18)
h2 k
Cuando j = 0 en la ecuación (2.18), todos los términos que ahí aparecen son conocidos
con excepción de vi;1 . De hecho, la distribución de la temperatura inicial g señala que:

g(xi ) = u(xi ; 0) = vi;0

En otras palabras conocemos el valor correcto de u ( y el de v) en el nivel de t que


corresponde a t = 0. Por ello los valores de vi;1 se pueden calcular a partir de la ecuación
(2.18). Con este …n, la ecuación se escribe en forma equivalente.
k
vi:j+1 = (vi+1;j 2vij + vi 1;j ) + vij
h2
O usando la abreviatura s = k=h2

vi:j+1 = svi+1;j (1 2s) vij + svi 1;j (2.19)

Mediante la ecuación (2.19), la solución numérica puede avanzar paso a paso en la dirección
t. En la …gura se presenta una muestra de un conjunto típico de cuatro puntos de la malla
que se incluye en la ecuación (2.19).

u
vi;j+1

u u u
vi 1;j vij vi+1;j
a(t) b(t))

g(x)

Dado que la ecuación (2.19) proporciona explícitamente los nuevos valores vi:j+1 ; en tér-
minos de los previos vi+1;j ; vij ; vi 1;j ; el método basado en esta ecuación se llama método

23
explícito. Es necesario enfatizar que aun si los cálculos de valores sucesivos se llevaran a
cabo de manera exacta, la solución numérica diferirá de la solución analítica de la EDP
esto se debe a que la solución v es solución de un problema diferente, a saber de la ecuación
en diferencias …nitas que corresponde a la EDP. De hecho debemos esperar una diferencia
muy grande debido a la baja presición de las fórmuls de aproximaciónque se utiliza en las
derivadas.

2.4.1 Algoritmo
El algoritmo para llevar a cabo los cálculos del método explícito comprende de dos etapas:
inicio del proceso y la solución. Aquí el número de puntos xi de la malla en [0; 1] es n + 1,
la longitud de paso de la variable t es k y M es el número de pasos que se deben de tomar
en el eje t:
input n, k, M
h = 1= (n + 1)
s = k=h2
wi = g(ih) (1 i n + 1)
t=0
output 0, t, (w1 ; w2 ; : : : ; wn+1 )
for j = 1; 2; : : : ; M do
v0 = a(jk)
vn+1 = b(jk)
for i = 1; 2; : : : ; n do
vi:j+1 = swi 1;j (1 2s) wij + swi+1;j
end
t = jk
output j, t, (v0 ; v1 ; : : : ; vn+1 )
(w1 ; w2 ; : : : ; wn ) = (v1 ; v2 ; : : : ; vn )
end

2.4.2 Ejemplo ilustrativo


Para g, a y b dados en el problema modelo

uxx = ut ; t > 0; 0<x<1


u(x; 0) = sen( x); 0 x 1
u(0; t) = 0 = u(1; t) t>0

24
programe el algoritmo en lenguaje Matlab y haga diferentes ensayos para h, k y M; alguno
tal que s > 1=2 y descubra que valores de h y k no son satisfactorios En el siguiente
programa Matlab puede ensayarse valores diferentes de h(= 1=n) y k
function N = explicito1(n,k,M)
% n+1 = numero de subintervalos de [0,1]
% k = paso del tiempo; M = numero de pasos del tiempo
h=1/n, % Paso de discretizacion del intervalo [0, 1]
x = 0:h:1, % Conjunto de valores en la malla en x
j=1:n+1
u(j) = sin(pi*x(j))
plot(x,u,’r’) % Gra…ca de las condiciones iniciales
axis([0 1 0 1])
s = k/(h^2)
for l = 1:M % Iteraciones en el nivel del tiempo
Unew(1) = 0; % Condicion de frontera
for j = 2:n % Esquema de diferencias.
Unew(j) = u(j) + s*( u(j-1)-2*u(j)+u(j+1) );
end
Unew(n+1) = 0;% Condicion de frontera
pause,%para ver las gra…cas
u = Unew
plot(x,u)
axis([0 1 0 1])
end
En la siguiente corrida: explicito1(10,.001,50). La condición inicial se gra…ca:

0.9

0.8

0.7

0.6

0.5

0.4

0.3

0.2

0.1

0
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1

El valor de s = 0:1 es satisfactorio pues para M = 50 la solución numérica se comporta


como se espera pues conforme el tiempo pasa, esta se hace cero

25
1

0.9

0.8

0.7

0.6

0.5

0.4

0.3

0.2

0.1

0
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1

En este otro ensayo: explicito1(10,.01,50) El valor s = 1:0: La condición inicial es la


misma. Se comporta bien hasta el nivel de tiempo 26 por decir 26 segundos (= 26 0:01).
En cambio para 33 segundos ya empieza los problemas de inestabilidad numérica

1 1

0.9 0.9

0.8 0.8

0.7 0.7

0.6 0.6

0.5 0.5

0.4 0.4

0.3 0.3

0.2 0.2

0.1 0.1

0 0
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1

y para 38 segundos explota por la propagación del error de redondeo.

2.5 Análisis de estabilidad


2.5.1 Método matricial
1
Analizaremos un caso particular cuando a(t) = 0 = b(t); veremos por que s 2
: La
ecuación (2.19) puede interpretarse usando notación matricial.
h iT
Sea Vj = v1j v2j vnj vector de valores en el tiempo t = jk, (aquí el número
de puntos interiores es n es decir que el intervalo [0; 1] se subdivide en n+2 subintervalos).

26
Entonces Vj+1 = A Vj ; donde A es la matriz de orden n
2 3
1 2s s 0 0
6 7
6 s 1 2s s 0 7
6 7
6 s 1 2s s 0 7
6 7
6 ... 7
A=6 6 s 7
7
6 .. .. .. ... ... ... 7
6 . . . 7
6 7
6 ..
. 7
4 s 5
0 0 0 s 1 2s
Observe que v0j = 0 = vn+1;j ; pues a(t) = 0 = b(t); por lo que cada linea solo n valores
desconocidos. Continuamos haciendo uso del hecho físico de que la temperatura de la
barra tenderá a cero conforme t ! 1; debido a que en los extremos la temperatura es
cero. Por eso también la solución numérica tenderá a cero conforme t ! 1; Dado que
Vj+1 = A Vj ; resulta que

Vj = AVj 1 = A2 Vj 2 = = Aj V0

Usaremos la siguiente propiedad del Álgebra Lineal:


Preposición. Se cumple la equivalencia

8V; lim Aj V = 0 , (A) < 1


j!1

donde (A) es el radio espectral de la matriz A; de orden n: Probaremos luego que para
la matriz A del análisis de estabilidad se cumple que
Preposición. Los valores propios de A de orden n son
l
l =1 (4s)sen
2 n+1
donde l = 1; 2; : : : ; n
De un lado tenemos las equivalencias

(A) < 1 , max j l j < 1 , (8l = 1; 2; : : : ; n; j l j < 1)


1 l n

l
, 8l = 1; 2; : : : ; n; 1 (4s)sen <1
2 n+1
l 1
, 8l = 1; 2; : : : ; n; 0 < (s)sen <
2 n+1 2
l l
Como 0 < n+1 2
< 2 ) 0 < sen 2 n+1 < 1; y si 0 < s 1=2 entonces
l 1
0 < (s)sen 2 n+1 < 2 ; por lo que para que se cumpla el hecho físico que el cuerpo
se enfrie conforme pasa el tiempo o que (A) < 1; bastaría que 0 < s 12 :

27
l
De otro lado como se cumple que 0 < (s)sen n+1 2
< 12 ; 8l = 1; 2; : : : ; n; en particular
se cumplirá cuando l es n

n 1
0 < (s)sen <
2 n+1 2

y como la condición de estabilidad requiere que (A) < 1; aun cuando h ! 0 o sea cuando
n ! 1; tomando límites

n 1
0 < lim (s)sen
n!1 2 n+1 2

Por lo que
1
0<s
2
Se puede llegar a la misma conclusión sin recurrir al problema físico de la distribución
de la temperatura, analizando los errores de redondeo que se produce durante el proceso
de cómputo numérico. Suponga que en cierto paso (puede ser el primero) se produce un
error. Entonces en lugar del vector V0 ; tendremos una perturbación Ve0 ; por lo que el error
(en el primer cálculo) como n-uplas

V0 Ve0 = e[0] , Ve0 = V0 e[0]

haciendo el cómputo para esta perturbación

Ve1 = AVe0 = AV0 Ae[0] = V1 Ae[0]

el error en el segundo cálculo es e[1] = V1 Ve1 = Ae[0] ; proseguimos para el siguiente

Ve2 = AVe1 = AV1 A2 e[0] = V2 A2 e[0]

y aplicamos inducción

Vej = AVg
j 1 = AVj 1 Aj e[0] = Vj Aj e[0]

el error en el paso j es e[j] = Vj Vej = Aj e[0] : En consecuencia el método es estable si y


solo si con cualquier error inicial e[0] ; se exigiría que e[j] e[0] ; 8j ,

Aj e[0] e[0] ; 8j (2.20)

Como Aj e[0] kAj k e[0] ; por lo que la desigualdad (2.20) se cumplirá si kAj k < 1 o
equivalentemente (Aj ) < 1 , (A)j < 1 , (A) < 1; Por lo tanto el método de
diferencias progresivas será estable si (A) < 1; esto signi…ca que s = k=h2 1=2:

28
La restricción tan severa dictada por la condición

h2
k
2
1
hace que el método sea muy lento, por ejemplo si h = 102 , de modo que n + 2 = 102
número de puntos que particiona el intervalo [0; 1] entonces n = 100 puntos interiores.
El máximo valor permisible para k es k 102 2 =2 = 1=10404 y para t = 1s, M = 10404
entonces para los 100 puntos del intervalo [0; 1] se repetirá nM = 1040400 y en 10s
el número de cálculos es 104040000: De manera que la elegancia y sencillez del método
explícito van acompañadas de una ine…ciencia inaceptable.

2.5.2 Método de Fourier


La cuestión de estabilidad en los procedimientos numéricos para resolver EDPs surgen
en casi todos los problemas que usan el tiempo como variable independiente, dado que
pudiera ser de interés conocer las soluciones en intervalos largos de tiempo. Este método
para analizar la estabilidad es adjudicado a Von Newmann y se le llama método de Fourier.

La idea consiste en encontrar la solución de la ecuación en diferencias …nitas que


adopta la forma:

p
vjn = eij h en k ; i = 1 (2.21)
p
el primer índice j 6= i para no confundir con i = 1.
Una vez que se ha hecho esto, mediante una elección adecuada de , se examina el
comportamiento de la solución conforme t ! 1, o n ! 1. Dicho comportamiento
n
depende del factor e nk = e k de la ecuación.(2.21).
Si je k j > 1, esta solución no está acotada, y la solución numérica se verá contaminada por
todas las soluciones extrañas indeseables, esta solución no acotada terminará dominando
la solución verdadera, la cual decae exponencialmente.
Procederemos a analizar el método explícito dado por la ecuación:

vj;n+1 = svj 1;n + (1 2s)vj;n + svj+1;n

donde s = k=h2

eij h e(n+1) k
= sei(j 1) h nk
e + (1 2s)eij h enk + sei(j+1) h enk

29
cancelamos el factor eij h enk
k i h
e = se + (1 2s) + sei h

= 2scos h + 1 2s
= 1 2s (1 cos h)

k h 2
e =1 4s(sen( )) (2.22)
2
Si 0 < s 1=2 y 0 < sen2 ( h=2) 1
1
0 < (s)sen2 ( h=2)
2
2
0 < (4s)sen ( h=2) 2
2 (4s)sen2 ( h=2) < 0
1 1 (4s)sen2 ( h=2) < 1

usando (2.22), tenemos que e k < 1; y conforme n crece la solución numérica decrece lo
que se esperaba.
Para asegurar la estabilidad necesitamos que e k 1 lo que nos lleva a la restriccion
h 1
s sin2
2 2
Dado que sin2 2h puede tomar valores cercanos a 1; para que se satisfaga la condicion de
estabilidad se necesita que
1
s :
2

2.5.3 Método de la función propia


Un tercer método para el análisis de estabilidad es el método de la función propia. En el
método de la funcion propia la solución numérica se desarrolla en funciones propias de la
matriz que representa la ecuacion de diferencia para cada intervalo de tiempo. Cuando
la EDP lineal parabolica no tiene el término advectivo, podemos expresar la solución en
términos de las funciones propias, son funciones senoidales para el caso de las geometrias
planas unidimensionales. Cada funcion seno tiene su coe…ciente que depende del tiempo.
Estos coe…cientes en caso de ser el metodo intestable tienen comportamientos anormales
en el tiempo para los modos de frecuencias altas. Consideremos la ecuacion

uxx = ut ; t > 0; 0<x<1


u(x; 0) = g(x); 0 x 1
u(0; t) = 0 = u(1; t) t>0

30
es el modelado de la distribucion de temperatura en una barra de longitud 1. Una solucion
analitica de la ecuacion tiene la forma.
X
1
u(x; t) = ak exp( (k )2 t)sen(k x)
k=0

donde k; es un entero positivo y ak es un coe…ciente determinado mediante la condición


inicial. Note que los términos de la serie tiende a cero conforme t se hace grande. La
ecuación de diferencias

vj;n+1 = svj 1;n + (1 2s)vj;n + svj+1;n


donde s = k=h2 ; con las condiciones de frontera vj;0 = vj;n+1 = 0; y con condicion inicial
v0;m = g(mh); La solución de la ecuación de diferencias es similar a Fourier se le conoce
como modo de Fourier discreto y tiene la forma
n
vj;n (k ) = exp(ij h)

Al término = (m ) se le demonima el factor de ampli…cación del modo Fourier con


número de onda k y reemplaza a e k :
Reemplazamos en la ecuación de diferencias
n+1 n n n
exp(ij h) = s ( exp(i(j 1) h)) + (1 2s) ( exp(ij h)) + s ( exp(i(j + 1) h))

= 1 cos h) 2s (1
h
= 1 4s(sen( ))2
2
Nuevamente para que la solución numérica decaiga debo tener que 1< < 1; o

s 1=2

2.6 Método implícito.


Continuamos nuestro estudio del problema modelo de la conducción del calor
uxx = ut ; t > 0; 0<x<1
u(x; 0) = g(x); 0 x 1
u(0; t) = 0 = u(1; t) t>0
reemplazando las derivadas por aproximaciones y usamos v(x; t) para denotar la solución
del problema discreto. La ecuación en diferencias …nitas es
1 1
[v(x + h; t) 2v(x; t) + v(x h; t)] = [v(x; t) v(x; t k)]
h2 k

31
o

1 1
2
[vi+1;j 2vi;j + vi 1;j ] = [vi;j vi;j 1 ] (2.23)
h k
Esta última ecuación parece diferir solo super…cialmente de la ecuación de diferencias
para el método explícito, pero requiere de un algoritmo diferente para resolverse. Tres
los términos de la ecuación (2.23) hace referencia a v en el nivel j = t, y solo uno hace
referencia en el nivel j 1 = t k: Si se conoce el valor de v en los puntos de malla en
el nivel j 1, entonces los valores en el nivel j se pueden calcular resolviendo un sistema
de ecuaciones. Por lo que escribimos (2.23) como:

svi 1;;j + (1 + 2s) vi;;j svi+1;j = vi;;j 1 (2.24)

donde s = k=h2 : Escrita en forma matricial : Vj = [v1;j ; : : : ; vn;j ]

AVj = Vj 1 (2.25)

donde la matriz de coe…cientes


2 3
1+s s 0 0
6 7
6 s 1+s s 0 0 7
6 7
6 0 s 1+s s 0 7
6 7
A=6 . . . . . .. 7
6 .. .. .. .. .. . 7
6 7
6 0 0 s 1+s s 7
4 5
0 0 0 s 1+s

Formalmente la solucion de la ecuación (2.25) es:

Vj = A 1 Vj 1

obteniendo
1
Vj = A A 1 Vj 1 =A 1
A 1
A 1 Vj 1 = A j V0
donde
V0 = [u (h; 0) ; u (2h; 0) ; : : : ; u (nh; 0)]
como en el caso explícito, llegamos a que la condicion para que el algoritmo sea estable
es p (A 1 ) < 1, donde
A = I + sB

32
y 2 3
2 1
6 7
6 1 2 1 7
6 7
6 .. 7
B=6 1 2 . 7
6 7
6 .. ..
4 . . 1 7
5
1 2
por lo discutido de autovalores j = 1 + 2s (1 cos j ) , j = j =(n + 1); 1 j n: Dado
que i > 1, entonces los valores propios de A 1 se encuentra en el intervalo h0; 1i y
ahi concluimos que el método propuesto es estable 8h; 8k: El método es conocido como
método completamente implícito.

2.6.1 Algoritmo
Para formular el seudocodigo que corresponda al método completamente implícito, debe-
mos recurrir a dos subrutinas una de ellas proporciona los valores iniciales g(x), y la otra
se llama TRI, cuyo propósito es resolver un sistema tridiagonal de ecuaciones lineales
puede usarse uno de los métodos iterativos como Jacobi, Gauss-Jordan o SOR. Los ele-
mentos diagonales se denotan como [d1 ; d2 ; :::; dn ], los de la diagonal secundaria superior es
[c1 ; c2 ; :::; cn 1 ] y los de la diagonal secundaria inferior [a1 ; a2 ; :::; an 1 ], y b = [b1 ; b2 ; :::; bn ]
vector independiente y X ~ = [x1 ; x2 ; :::; xn ] la solución. La rutina que resuelve el sistema
es T RI(n; a; d; c; b; x), su entradas es n, a, d, c, b y dá como salida el vector X. ~ El seudo
código que sigue resuelve sistemas tridiagonales
Algoritmo resuelve sistemas tridiagonales
function T RI(n; a; d; c; b; x)
for i=2:n do
di = di (ai 1 =di 1 )ci
bi = bi (ai 1 =di 1 )ci
end
xn = bn =dn
for I=n-1:1 do
xi = (bi ci xi+1 )=di
end
output (xi )
En este algoritmo se asignan valores constantes a a, d y c; b = [v1 ; v2 ; :::; vn ] son los
valores vi = g[ih]. La rutina TRI proporciona el siguiente valor del vector v, que sustituye
al valor previo. Las entradas diagonales di se modi…can durante el uso de la rutina TRI
y deben por lo tanto reinicializarse en cada paso del tiempo.

33
Algoritmo Método implícito
% programa parabolico completamente implicito
input n,k,M
h = 1=(n + 1)
s = k=h2
f or i = 1 : n
vi = g(ih)
end
t=0
output o; t; [v1 ; :::; vn ]
f or i = 1 : n 1
ci = s; ai = s
end
f or j = 1 : n
f or i = 1 : n
di = 1 + 2s
end
call T RI(n; a; d; c; v; v)
t = jk
output j; t; [v1 ; :::; vn ]
end

2.7 Método de Crank-Nicolson


Combinamos el método implícito con el explícito para obtener una fórmula más general
en el que se incluye un parámetro ;

vi+1;j 1 2vi;j 1 + vi 1;j 1 [vi;j vi;;j 1 ]


[1 ] = [1 ] explícito
h2 k
[vi+1;j 2vi;j + vi 1;j ] [vi;j vi;j 1 ]
= implícito
h2 k
sumamos ambas ecuaciones
[1 ] 1
[vi+1;j 2vi;j + vi 1;j ] + [vi+1;j 1 2vi;j 1 + vi 1;j 1 ] = [vi;j vi;j 1 ]
h2 h2 k
Si = 0 el método es explícito y si = 1 el método es implícito y.el caso especial cuando
= 12 conduce a un procedimiento numérico bautizado con el nombre de sus inventores
Jhon Crank y Phillis Nicolson. Como de costumbre los puntos nuevos (que corresponden

34
aj)se han colocado a la izquierda mientras que los viejos (que corresesponden a j 1)se
han pueto a la derecha
1 1 1
[vi+1;j 2vi;j + vi+1;j ] + [vi+1;j 1 2vi;j 1 + vi 1;j 1 ] = [vi;j vi;j 1 ]
2h2 2h2 k

2.7.1 Estabilidad
Para establecer la estabilidad escribimos la ecuación de manera adecuada:

1 1
s [vi+1;j 2vi;j + vi+1;j ] s [vi+1;j 1 2vi;j 1 + vi 1;j 1 ] = [vi;j vi;j 1 ] ; s = k=h2
2 2
s [vi+1;j 2vi;j + vi+1;j ] + 2vi;j = s [vi+1;j 1 2vi;j 1 + vi 1;j 1 ] + 2vi;j 1

svi+1;j + 2svi;j svi+1;j + 2vi;j = svi+1;j 1 2svi;j 1 + svi 1;j 1 + 2vi;j 1

svi+1;j + (2 + 2s) vi;j svi+1;j = svi+1;j 1 + (2 2s) vi;j 1 + svi 1;j 1 (2.26)
de…no 2 3
2 1
6 7
6 1 2 1 7
6 7
6 .. 7
B=6 1 2 . 7
6 7
6 .. ..
4 . . 1 7
5
1 2
y la ecuación (2.26) lo escribimos en forma matricial:

(2Id + sB) Vj = (2Id sB) Vj 1 (2.27)

donde Vj = [v1;j ; : : : ; vn;j ] : Formalmente la solución de la ecuación (2.27) es:


1
Vj = (2Id + sB) (2Id sB) Vj 1

Por lo que
1 2
Vj = (2Id + sB) (2Id sB) Vj 2
1 3
= (2Id + sB) (2Id sB) Vj 3
1 j
= (2Id + sB) (2Id sB) V0

donde
V0 = [u (h; 0) ; u (2h; 0) ; : : : ; u (nh; 0)]

35
entonces el método es estable si y solo si
1
(2Id + sB) (2Id sB) < 1 (2.28)

Si 1; 2; :::; j son los autovalores de B, la restricción (2.28) se transforma en


1
(1 + 2s j ) (1 + 2s j ) < 1 (2.29)

Los autovalores de B tienen la forma l = 2 (1 cos l ) , l = l =(n + 1); 1 l n: Por


tanto 0 < l < 4; y la desigualdad (2.29) se cumpliria El método Crank-Nicolson es
estable para todos los valores del cociente s = k=h2 :
La estabilidad no es el único criterio que se usa para elegir el tamaño de paso h y
k. En general cuanto más pequeño tomemos a h y a k, mejor será la concordancia en el
comportamiento entre el sistema discretizado y la ecuación diferencial original. Lo que
se necesita es un teorema que garantice que la solucion v(x; t) del problema discreto va a
converger a la solucion u(x; t) del problema original cuando h ! 0; k ! 0.

2.7.2 Convergencia
Los errores en los puntos de la malla se de…nen :

"ij = u(xi ; tj ) v(xi ; tj ) (2.30)

sean uij =u(xi ; tj ) y vij = v(xi ; tj ); entonces

vij = uij "ij (2.31)

veamos en primer lugar el metodo explicito

vi;j+1 = s[vi 1;j 2vij + vi+1;i ] + vij (2.32)

donde (s = k=h2 ): Reemplazo (2.31) en (2.32)

uij+1 "ij+1 = s[uij+1 2uij + ui+1j ] + uij s["i 1j 2"ij + "i+1j ] "ij

reordenando

"ij+1 = s"i 1j + (1 2s)"ij + s"i+1j s[ui 1j 2uij + ui+1j ] + [uij+1 uij ] (2.33)

recordemos que
00 1
f (x) = [f (x + h) 2f (x) + f (x h)] h2 =12f (4) ( )
h2
0 1 k 00
g (t) = [g(t + k) g(t)] g ( )
k 2

36
y remplazando en (2.33)
h4
"ij+1 = s"i 1j + (1 2s)"ij + s"ij s[h2 uxx (xi ; ti ) + u ( ; t )]+
12 xxxx i i
2 (2.34)
+[kut (xi tj ) + k2 utt (xi ; j )]

Usando que sh2 = k y uxx = ut ; entonces (2.34) se reduce

1 s
"i;j+1 = s"i 1;j + (1 2s) "ij + s"i+1;j kh2 uxxxx ( i ; tj ) utt xi ; j (2.35)
12 2
como
(x; t) 2 = f(x; t) : 0 x 1^0 t Tg
entonces
1 s
max juxxxx (x; t)j + max jutt (x; t)j :
M=
12 2
2 3
"ij
6 .. 7
Dado el vector de error Ej = 4 . 5 tenemos
"nj

kEj k1 = max j"ij j :


1 i n

Si suponemos que 1 2s 0 entonces de [12] deducimos que

j"ij+1 j s j"i 1j j + (1 2s) j"ij j + s j"i+1j j + kh2 M


kEj k1 + (1 2s) kEj k1 + s kEj k1 + kh2 M
= kEj+1 k1 + kh2 M (no incluye i)
kEj+1 k1 kEj k1 + kh2 M kEj 1 k1 + 2kh2 M kEj k1 + (j + 1) kh2 M

en vista que el proceso para obtener con los valores iniciales correctos E0 = 0 y por lo
tanto
kEj k1 jkh2 M
jk = t de manera tal que kEj k1 representa el error máximo en los puntos de la malla en
el nivel t y como t T 0
kEj k1 T h2 M = O h2
por ello si h ! 0 los errores máximos en cualquier nivel converge a cero siempre que k=h2
y uxxxx y utt continuos.

37
2.8 Teorema de Lax
Es habitual que en los textos dedicados al Análisis Numérico de EDP se incluye el teorema,
habitualmente atribuido a P. Lax que garantiza que

Consistencia + Estabilidad = Convergencia

Sin embargo, al interpretar el concepto de estabilidad como el de convergencia y hacer


uso de este resultado se tiene el problema de dimensión 1 y elegir la normas es funda-
mental. Estos tres conceptos deben ser manipulados en un mismo contexto se debe elegir
la norma en la que se va a comprobar la convergencia del método. Este teorema puede
ser presentado como un principio general de validez universal en el cual se ha elegido con
prudencia general de validez universal en el cual se ha elegido con prudencia las normas
para el EDP y cada aproximación numérica en particular, en la que se va a medir la
convergencia del método. De este modo el problema se reduce a veri…car dos propiedades
básicas del esquema su consistencia y estabilidad.

2.8.1 Consistencia
La consistencia del método numérico hace referencia a su coherencia a la hora de aproxi-
mar la EDP. Se trata simplemente de comprobar si el esquema numérico utilizado es un
esquema razonable para aproximar la EDP en cuestión o, si por el contrario, corre el
riesgo de aproximar a otra EDP. Lo más habitual es comprobar la consistencia mediante
el desarrollo de Taylor. El problema se reduce entonces a veri…car si, cuando el paso de
mallado tiende a cero (h ! 0) las soluciones regulares del problema continuo son solución
aproximado del problema discreto en la medida en que el error de truncamiento tiende a
cero. Cuando esto es así con un error del orden de una potencia p del tamaño del mallado
se dice que el método es de orden p:
Conviene subrayar que aunque puede resultar paradógico, a la hora de comprobar
la consistencia no veri…camos hasta que punto las soluciones del problema discreto son
solución del problema continuo módulo un cierto error, sino que hacemos precisamente lo
contrario: comprobamos si la solución del problema continuo es una solución aproximado
del problema discreto. Evidentemente esto se hace exclusivamente a la hora de veri…car
la bondad del método numérico a priori puesto puesto que, en la práctica no disponemos
de la solución del problema continuo: el objetivo del cálculo numérico es precisamente
aproximar la solución real de la EDP.
La consistencia por si solo no basta para garantizar la convergencia del método. Es
preciso analizar su estabilidad la propiedad de estabilidad consiste en asegurar de que las

38
esquinas discretas en su evolución temporal no ampli…que los errores iniciales o al menos,
no lo hagan de manera creciente y descontrolado a medida que el paso de mallado tiende
a cero.

2.8.2 Error de truncamiento local


Mide la cantidad por la cual la solución exacta de la ecuación diferencial no satisface la
ecuación de diferencias con la que se esta obteniendo la aproximación en ese paso. Quer-
emos saber que tan bien las aproximaciones generadas satisfacen la ecuación diferencial
y no al revés; podría ser una forma no adecuada de comparar el error, pero como no
conocemos la solución exacta, el error de truncamiento local puede servir para determinar
el error local de un método y la aproximación del error real.
Ejemplo
Dado el P.V.I.
y 0 = f (t; y) t 2 [a; b]
y (a) =
y el método de Euler
w0 =
wi+1 = wi + f (ti ; wi ) h
tiene el
yi+1 (yi + f (ti ; yi ) h)
E:T:L =
h
yi+1 yi
i+1 = f (ti ; yi )
h
Por desarrollo de Taylor

h2 00
y (ti+1 ) = y (ti ) + hy 0 (ti ) + y ( i)
2
h2
= y (ti ) + hf (ti ; y (ti )) + y 00 ( i )
2
y (ti+1 ) y (ti ) h 00
= f (ti ; y (ti )) + y ( i )
h 2
00
i+1 = (h=2) y ( i ) ; 9 i 2 hti ; ti+1 i

si y 00 es continuo en [a; b] ; entonces

h
j i+1 (h)j M
2
así el E.T.L. en Euler es O (h) :

39
Ejemplo
Si y (t) es solución (exacta) del P.V.I

y 0 = f (t; y) t 2 [a; b]
y (a) =

entonces 9 ; 1 ; : : : ; m 1 ; valores iniciales que están especi…cados w0 = ; w1 =


1 ; : : : ; wm 1 = m 1 ; y

wi+1 = am 1 wi + am 2 wi 1 + + a0 wi+1 m

+ h [bm f (ti+1 ; wi+1 ) + bm 1 f (ti ; wi ) + + b0 f (ti+1 m ; wi+1 )]

es el (i + 1) ésimo paso del método multipaso.

i=m 1; m; : : : ; N 1; h = (b a) =N ; a0 ; : : : ; am 1 y b0 ; : : : ; bm constantes; m > 1

El error de truncamiento local en este paso es:

i+1 (h) = y (ti+1 ) am 1 y (ti ) a0 y (ti+1 m)

[bm f (ti+1 ; y (ti+1 )) + + b0 f (ti+1 ; y (ti+1 m ))] ;

8i = m 1; m; : : : ; N 1:
Recuerde que bm = 0 el método es explícito; bm 6= 0 el método es implícito.

Ejemplo 4 Método de Adams-Bashforth de tres pasos


1 5
y (ti+1 ) y (ti ) + h f (ti ; y (ti )) + rf (ti ; y (ti )) + r2 f (ti ; y (ti ))
2 12
1
= y (ti ) + h f (ti ; y (ti )) + [f (ti ; y (ti )) f (ti 1 ; y (ti 1 ))]
2
5
+ [f (ti ; y (ti )) 2f (ti 1 ; y (ti 1 )) + f (ti 2 ; y (ti 2 ))]
12
h
= y (ti ) + [23f (ti ; y (ti )) 16f (ti 1 ; y (ti 1 )) + 5f (ti 2 ; y (ti 2 ))] + "
12
donde Z !
1
s
" = hm+1 f (m) ( i ; y ( i )) ( 1)m ds
0 m
recordar que

rpm = pn pn 1
2
r pn = r (rpn ) = r (pn pn 1 ) = (pn pn 1 ) (pn 1 pn 2 )
= pn 2pn 1 + pn 2

40
también
y 0 = f (t; y) ; en [ti ; ti+1 ] = (pn pn 1 )
Z ti+1
y (ti+1 ) y (ti ) = f [t; y (t)] dt
ti

f (m)
f [t; y (t)] = Pm 1 (t) + ( ; y ( i )) (t ti ) : : : (t ti+1 m)
m! i

2.8.3 Consistencia
Denotemos como u solución de uxx = ut ; y ij solución al esquema de diferencias …nitas

ij+1 =s i 1j + (1 2s) ij +s i+1j

queremos saber que tanto uij no satisface la ecuación de diferencias. De…no el error
" = uij vij
Eij (") = sui 1j + (1 2s) uij + sui+1j uij+1

@u h2 @ 2 u h3 @ 3 u
ui 1j = u (xi h; tj ) = u (xi ; tj ) (xi ; tj ) +
h (xi ; tj ) (xi ; tj ) +
@x 2 @x 6 @x3
@u h2 @ 2 u h3 @ 3 u
ui+1j = u (xi + h; tj ) = u (xi ; tj ) + h (xi ; tj ) + (xi ; tj ) + (xi ; ti ) +
@x 2 @x 6 @x3
@u k2 @ 2u k3 @ 3u
uij+1 = u (xi ; tj + k) = u (xi ; tj ) + k (xi ; tj ) + (xi ; tj ) + (xi ; tj ) +
@t 2 @t 6 @t

@u h2 h3
sui 1j = su (xi ; tj ) (xi ; tj ) +
hs suxx (xi ; tj ) suxxx (xi ; tj ) +
@x 2 6
@u h2 h3
sui+1j = su (xi ; tj ) + hs (xi ; tj ) + suxx (xi ; tj ) + uxxx (xi ; tj ) +
@x 2 6
(1 2s)uij = (1 2s)u(xi ; tj )

sumamos los tres términos y restamos uij+1


h4
u (xi ; tj ) + h2 suxx (xi ; tj ) + suxxxx (xi ; tj ) +
12
@uk2 @ 2u k3 h4
u (xi ; tj ) k (xi ; tj )
(x i ; tj ) u ttt (x i ; tj ) + suxxxx
@t 2 @t2 6 12
h4 @u k2 @ 2u k3 h4
= h2 suxx (xi ; tj )+ suxxxx (xi ; tj ) k (xi ; tj ) (x i ; tj ) u ttt (x i ; tj )+ suxxxx
12 @t 2 @t2 6 12
calculamos
@ @ @ @u2 @ @ @2
utt = u = = u = uxx = uxxxx
@t @t @t @x2 @x2 @t @x2

41
h2 s = h2 (k=h2 ) = k; reemplazando y reduciendo términos semejantes

h4 k2
E= suxxxx utt
12 2

E h4 k k2
= = uxxxx utt
k 12k h2 2k
h2 k
= uxxxx utt
12 2
entonces
= O h2 + O (k)
puede reducirse aún más eligiendo adecuadamente s = k=h2

h2 k @ 2u @ 4u
ij = 6 2 2
+ 4 + O k 2 + O h4
12 h @t @x

y por lo tanto elegimos 6 hk2 = 1: Es poco útil en la práctica pues si h es pequeña s = 1=6
es mucho más pequeño.

42
Capítulo 3

Ecuaciones Elípticas

Se puedan escribir en la siguiente forma general:

rp(x; y)ru(x; y) + q(x; y)u(x; y) = r(x; y)


donde p, q, r, son funciones dadas y q 0. Puede incluir términos de primer orden, como
@ @
rp(x; y)ru(x; y) + v(x; y) u + w(x; y) u + q(x; y)u(x; y) = r(x; y)
@x @x
donde v y w son funciones dadas. En dinámica de ‡uidos, el segundo y tercer términos
se llaman términos advectivos. Si éstos dominan al primer término, la ecuación tiene
un comportamiento más parecido al de una ecuación diferencial hiperbôlica, por lo que
deberan aplicarse los métodos de hipérbolicas para este último caso.
Cuando p = 1, q = 0 y, r = 0 tenemos

r2 u(x; y) = 0

es la ecuación de Laplace. Cuando p = 1, q = 0 y, r 6= 0 tenemos

r2 u(x; y) = r(x; y)
es la ecuación de Poisson.

3.1 La ecuación de Laplace


Es una ecuación diferencial parcial que no depende del tiempo. Tenemos que
r2 u(x; y) = 0 puede escribirse como:

uxx + uyy = 0 (3.1)

43
donde u es una función de x e y: Un problema físico que se modela en la ecuación (3.1),
deberá también incluir las especi…caciones de la región en el plano xy donde se busca
la solución, y además se impondrán condiciones en la frontera para u (valores que u o que
su derivada en la dirección normal debe tomar en la frontera de ). Al referirnos a una
región en R2 ; suponemos que es un conjunto abierto. Su frontera se denota mediante
@ y su cerradura con ; de modo que = [ @ :
La ecuación de Laplace pueden presentarse en varias situaciones:

Solución estacionaria para la temperatura en medio isótropico

Potencial gravitacional o electrostática

Potencial de velocidad de un ‡uido incomprensible e irracional

Las condiciones de frontera pueden ser de tipo Dirichlet como:

u(x; y) = g(x; y); 8(x; y) 2 @ :

o de Neumann, cuando la condición de frontera es dada como una derivada normal


@
u = g; en @
@n
es la derivada direccional, en la dirección de n que es el vector normal unitario exterior
a la frontera de : También puede ser de tipo mixto, cuando parte de la fontera es de
Dirichlet y la otra parte es de Neumann.

3.1.1 Problema de Dirichlet


En su versión bidimensional se toma una región abierta en R2 : También se da una
función g que de…nida en la frontera de : Se buscará una función u que sea continua en
la cerradura ; que satisfaga la ecuación de Laplace, y que sea igual a g en la frontera,
esto se resume escribiendo:

uxx + uyy = 0 en
u (x; y) = g (x; y) sobre @ (3.2)
u continua sobre

Si se imponen ciertas condiciones leves sobre y si g es continua, se puede demostrar que


el problema de Dirichlet tiene solución única.
Con el …n de presentar algunas técnicas numéricas vamos a considerar el problema de
Dirichlet en el cuadrado. Este problema se puede resolver mediante las técnicas análiticas

44
de separación de variables y de series de Fourier. Sin embargo para otras regiones se
requiere los métodos numéricos que se discuten aquí.
También debe enfatizarse que aún si se puede dar una solución en la forma de una
serie análitica, en ocasiones puede ser preferible una solución numérica que incluye una
discretización del problema. En el problema que presentamos la región es el cuadrado
unitario abierto
= f(x; y) : 0 < x < 1; 0 < y < 1g :
Por el momento de la función en la frontera g es arbitraria. Sus valores deben propor-
cionarse a través de una subrutina del programa de computadora.

3.1.2 Diferencias …nitas


Un enfoque para encontrar la solución numérica del problema (3.2), recurre a las aproxi-
maciones por diferencias …nitas de las derivadas. Se puede usar una fórmula ya familiar

f (x + h) 2f (x) + f (x + h)
f 00 (x) = + O(h2 ) (3.3)
h2
En primer lugar genere una red de puntos de la malla sobre el cuadrado

(xi ; yj ) = (ih; jh) (0 i; j n + 1) (3.4)

donde h = 1= (n + 1) ; para ambas variables se utiliza la misma longitud de paso h. A


continuación la ecuación diferencial (3.1) en el punto de malla (xi ; yj ) es reemplazada por
su análogo en diferencias …nitas en el mismo punto
vi 1;j 2vi;j + vi+1;j vi;j 1 vi;j + vi;j+1
+ = 0;
h2 h2
o
4vij vi 1;j vi+1;j vi;j 1 vi;j+1 = 0 (3.5)
En este caso se busca que vij se aproxime a u (xi ; yj ) : Se usa una letra distinta debido
a que queremos establecer una distinción entre dos problemas diferentes: el problema
discreto (la ecuación en diferencias …nitas) y el problema continuo (es decir la ecuación
diferencial parcial original).
Los valores vij se conocen en el caso en que i = 0 o n + 1 y cuando j = 0 o n + 1;
debido a que estos son los valores en la frontera correspondientes a este problema (fueron
dados por la función g).
Por lo tanto en la ecuación (3.5) se pueden conocer algunos términos vij mientras
que en otros permanecen como incógnitas. La grá…ca siguiente se le conoce como una

45
molécula computacional de cinco puntos:
g(x; y)

u
vi;j+1

u u u
vi 1;j vij vi+1;j
g(x; y) g(x; y)

vi;j
u
1

g(x; y)

Esto signi…ca de hecho, que estaremos resolviendo un sistema no homogéneo de ecua-


ciones lineales como consecuencia de que todos los valores conocidos se habrán colocado
a derecha. Con el …n de tomar un caso sencillo hacemos n = 3 (n + 2 = 5) entonces se
tiene una ecuación del tipo (3.5) para cada punto interior de la malla se muestra en la
grá…ca mediante los puntos gruesos.

1 = y4

y3 u u u

y2 u u u

y1 u u u

0 = y0
x0 x1 x2 x3 x4 = 1

Las cantidades desconocidos en este problema se pueden ordenar de muchas maneras


(correspondiendo a los distintos ordenamientos de los puntos de la malla) Elegimos el
conocido como ordenamiento natural

v = [v11 v21 v31 v12 v22 v32 v13 v23 v33 ]

Igualmente las nueve ecuaciones lineales se pueden ordenar de muchas maneras, los orde-
namos en este caso asociando la ecuación (3.5) con su punto central (xi ; yj ) y listamos las

46
ecuaciones como si ordenáramos los puntos en el orden natural y colocando a la derecha
todas las cantidades conocidas, como sigue

4v11 v21 v12 = v10 + v01


4v21 v11 v31 v22 = v20
4v31 v21 v32 = v30 + v41
4v12 v11 v22 v13 = v02
4v22 v21 v12 v32 23 = 0
4v32 v31 v22 v33 = v42
4v13 v12 v23 = v03 + v14
4v23 v22 v13 v33 = v24
4v33 v32 v23 = v43 + v34

Este sistema tiene la forma Av = b; donde la matriz A es de orden n = 9: De los 81


elementos solo 33 son diferentes de cero, la matriz
2 3 2 3 2 3
T Id 0 4 1 0 1 0 0
6 7 6 7 6 7
A = 4 Id T Id 5 donde T = 4 1 4 1 5 y Id = 4 0 1 0 5
0 Id T 0 1 4 0 0 1

Puede generalizarse para cualquier n 2 Z+ ; el número de puntos de la malla es n2 y hemos


asociado a cada uno de estos puntos un valor desconocido uij = u (xi ; yj ) : Se supone
que la función u será una solución de la ecuación (3.2). Después de la discretización
nos quedamos con un sistema lineal de ecuaciónes que determinan los valores de las n2
cantidades desconocidas vij donde 1 i n; y 1 j n:

3.1.3 Algoritmo
El sistema de ecuaciónes es espersa debido a que cada ecuación tendrá a lo más 5 incógnitas
(a lo más hay 5n valores distintos de cero de un total de n2 términos). Pueden usarse
Gauss-Seidel o SOR para resolverse. Los valores en los puntos de la frotera son conocidos

vij = g (xi ; yj ) cuando i o j son 0 o n + 1: (3.6)

Por lo tanto en este algoritmo el conjunto total de elementos vij cuando 0 i j n + 2


constan de (n + 2)2 elementos.
Usando el método iterativo de Gaus-Seidel, la ecuación (3.5) asociada al punto (xi ; yj )
se escribe como
vij = (vi 1 ; j + vi+1;j + vi;j 1 + vi;j+1 ) =4 (3.7)

47
se usa para actualizar el valor de vij : Al usar esta ecuación el valor que se obtiene en el
lado derecho reemplaza al valor anterior de vij :
Tenemos cuidado de usar (3.7) solo cuando 1 i j n (puntos interiores) pues en
la actualización participan solo puntos interiores de la malla. Los puntos en la frontera
de la malla solo aparecerán en el lado derecho de la ecuación (3.7).
Se debe efectuar los siguientes pasos:

1. Ponga los valores en la frontera en los vij adecuados

2. Asigna valores iniciales adecuados en los puntos interiores

3. Lleve a cabo M-pasos de la iteración de Gaus - Seidel

Un fragmentos de seudocódigo de la primera tarea es


for i = 0 : n 1 do
vi0 = g (xi ; 0)
vi;n+1 = g (xi ; 1)
voi = g (0; yi )
vn+1i = g (1; yi )
end
El pseudocódigo para la tercera tarea
for k = 1 : M do
for j = 1 : n do
for i = 1 : n do
vij = [vi 1j + vi+1j + vij 1 + vij+1 ] =4:0
end
end
end
Observe que los ciclos en este algoritmos se hacen cargo de actualizar el vector en el
orden elegido (orden natural). Para tomar un caso concreto usamos la función g que es
dada por la fórmula
g (x; y) = 10 4 senh (3 x) sen (3 y) :
En el programa de computadora esta función se usa sólo para los puntos en la frontera del
cuadrado, pero como g es armónica es también solución del problema. Por ello es posible
calcular la solución aproximada vij y compararlo con la solución verdadera u (xi ; yj ) =
g (xi ; yj ) :
Tomamos n = 18 por lo que la matriz A es de orden 324. Esta matriz no se almacena
en la computadora en vista de que el método de Gauss-Seidel no lo requiere así. En lugar

48
de ello usamos la ecuación (3.7) y necesitamos solo el vector (matriz) v; que tiene 324
componentes vij (0 i 18; 0 j 18) : Después de 200 iteraciones se encontró que el
error satisface la desigualdad

jvij u (xi ; yj )j < 0:0042

3.2 Ecuación de Poisson


Tiene la forma
@ 2u @ 2u
+ = F (x; y) en = f(x; y) : (x; y) 2 h0; 1i h0; 1ig
@x2 @y 2
con las condiciones de frontera mixtas
@u
(0; y) = 0; 0 y 1 Tipo Neumann
@x
u (1; y) = 0; 0 y 1 Tipo Dirichlet
@u
(x; 0) = 0; 0 x 1
@y
u (x; 0) = 0; 0 x 1

u=0
y=1

@u
@x
=0 u=0

@u
y=0 @y
=0
x=0 x=1
hacemos uso de (3.3)

@ 2u u (x h; y) 2u (x; y) + u (x + h; y)
@x2 h2
@ 2u u (x; y k) 2u (x; y) + u (x; y + k)
@y 2 k2
u (x h; y) 2u (x; y) + u (x + h; y) u (x; y k) 2u (x; y) + u (x; y + k)
+ = F (x; y)
h2 k2
para (x; y) puntos interiores. El intervalo [0; 1] en la dirección x, lo dividimos en n + 1
subintervalos de tamaño h, de modo que (n + 1)h = 1 y el intervalo en la dirección y en

49
(M + 1) subintervalos de tamaño k, de modo que (M + 1)k = 1: Denotemos

uij = u(x; y); ui+1;j+1 = u(x + h; y + k);

etc. Por lo que podemos escribir (pensamos en v como solución de la ecuación de difer-
encias)
vi 1;j 2vij + vi+1;j vi;j 1 2vij + vi;j+1
+ = Fij
h2 k2
Se aplica a todos los puntos interiores, (xi ; yj ) = (ih; jk) donde 1 i n; 1 j M En
la malla se muestra nM puntos interiores.
M

6
k
3 ?

h-
2

j=1
i=1 2 3 n

En al frontera se requiere un tratamiento especial pues el número de puntos vecinos es


menor que 4 deben tomarse en cuenta las condiciones en la frontera
Para esta geometría en particular, no se necesita ecuaciones en diferencia para la
frontera derecha y frontera superior puesto que u = 0 por las condiciones dadas.
Si consideramos la frontera inferior (o izquierda) necesitamos de la siguiente aproximación
para la primera derivada

f (x + h) = f (x) h + f 0 (x) h + f 00 (x) h2 +


f (x h) = f (x) h f 0 (x) h + f 00 (x) h2 +

luego
f (x + h) f (x h) = 2f 0 (x) h + 2f 000 (x) h3
por lo tanto
f (x + h) f (x h)
f 0 (x) = h2 f 000 ( )
2h

50
@2u
Recordar que es diferencias centrales para la primera derivada. Ahora calculamos @y 2
para
la frontera inferior

(1; 1) u
x=0 x=1

(1; 0 + 21 )e…cticio
u u u
(0; 0) (1; 0) (2; 0) (n + 1; 0)
En el punto (ih; 0) tenemos

0
z }| {
@u @u
ih; 0 + 12 k (ih; 0)
@ 2u @y
@y
(ih; 0)
@y 2 (1=2)k
2 @u
@y
ih; 12 k
=
k
y aplicamos diferencias centrales
@u 1 u(ih; k) u(ih; 0) ui;1 ui;0
ih; k =
@y 2 k k
reemplazamos
@ 2u 2ui;1 2ui;0
(ih; 0)
@y 2 k2
Nuevamente resolvemos la ecuación de diferencias
vi 1;0 2vi;0 + vi+1;0 2vi;1 2vi;0
+ = Fi;0
h2 k2
Si los puntos se encuentran en el extremo izquierdo, tienen la forma (0; jk) repetimos el
procedimiento
@ 2u 2u1;j 2uo;j
2
(0; jk)
@x h2
y resolvemos la ecuación de diferencias
2v1;j 2v0;j v0;j 1 2v0;j + v0;j+1
+ = F0;j
h2 k2

51
En la esquina i = 0 = j

2u (0h; 0k) + 2u (1h; 0k) 2u (0h; k) 2u (0h; 0k)


+ = F00
h2 k2
como ecuación de diferencias
2v1;0 2v0;0 2v0;1 2v0;0
+ = F0;0
h2 k2
Ejemplo. Con Ia geometria y reticula que aparecen en Ia …gura, determine las cuaciones
en diferencias para la ecuaciôn de Poisson:

@ 2u @ 2u
+ = F (x; y)
@x2 @y 2
Las condiciones de frontera son:
@u
(0; y) = 0; 0 y 1 Tipo Neumann
@x
u (1; y) = 0; 0 y 1 Tipo Dirichlet
@u
(x; 0) = 0; 0 x 1
@y
u (x; 0) = 0; 0 x 1

Los intervalos en la reticula son unitarios en ambas direcciones

y=1 u=0

@u
@x
=0
u
v1;1 u=0

(1; 0 + 12 )e…cticio
u u u
0 = x v0;0 v1;0 v2;0 x=1
y=0 @u
=0
@y

Tenemos que n + 1 = 3; es el número de subintervalos en que se divide [0; 1]. Las


incognitas son los puntos interiores v11 , v21 , v12 , v22 , La frontera izquierda y la inferior es
dada por una condición de Neumann, entonces también son incognitas v00 , v10 , v20 , v01 ,

52
v02 : Son conocidas v30 = v31 = v32 = v33 = v03 = v13 = v23 = 0 para el resto de frontera.

n + 1 = 3 ) n = 2 = M; h = k = (1 0) =3 = 1=3
i = 0; 1; 2; 3 = j
@u 1 @u 1
2 ih; k 2 ih; k
@ u @y 2 @y 2
(ih; 0) = 1 = (i = 1; 2)
@y 2 2
k k

@u 1 u (ih; k) u (ih; 0)
ih; k =
@y 2 k
Por tanto
@ 2u 2u (ih; k) u (ih; 0)
(ih; 0) =
@y 2 k2
ui 1;0 2ui 0 + ui+1 0 2ui 1 + ui 0
+ = Fi 0
h2 h2
4u00 2u10 2u01 = h2 F00
4u10 u10 u20 2u01 = h2 F10
4u20 u10 2u21 = h2 F20
4u01 2u11 u00 u02 = h2 F01
4u11 u01 u21 u10 u12 = h2 F11
4u21 u01 u20 u22 = h2 F21
4u03 2u10 u02 = h2 F02
4u12 u02 u22 u11 = h2 F12
4u22 u21 u12 = h2 F22
2 3
u00
2 36 7 2 3
T Id 0 6 u21 7 4 2 0
6 7 u 7
6 6 7
4 Id T Id 5 6
6 31 7
7 T =4 1 4 1 5
6 .. 7
0 Id T 4 . 5 0 1 4
u22

3.2.1 Análisis del error para la ecuación de Laplace


u solución exacta v solución aproximada mediante diferencia …nitas
1
h2
[vi+1 j + vi 1 j + vi j+1 + vi j 1 4vij ] = fij (xi ; yj ) 2
vij = gij (xi ; yj ) 2 @

1
x= y=h= ; (xi ; yj ) = (ih; jh) 0 i j n+1
n+1

53
el error eij = uij vij

1
[ei+1 j + ei 1 j + ei j+1 + ei j 1 4eij ]
h2
1
= 2 [ui+1 j + ui 1 j + ui j+1 + ui j 1 4uij ] fij = ET Lij
h
Usando Taylor se pude mostrar que

h2 @ 4 @4
ET Lij = u ( ; yi ) + u (xi ; y)
12 @x4 @y 4

en lo que suponemos que u 2 C 4 :


Sea M una cota superior para las derivadas de orden 4 de u se cumple que

h2 @ 4 @4 h2
max u + u M
12 @x4 @y 4 6

por lo que
h2
maxET Lij M ;
h 6
¿Cómo se relaciona con eij ?

Teorema 5 (Smith pp255) malla incluye los bodes L laplaciano 5 puntos. Sea v
h
(a2 +b2 )
cualquier función de…nida en h : Entonces max h jvj < max@ h jvj + 4 max h jLv j :
Antes de probar si aplicara al error v = eij

a2 + b 2 M h 2
max jeij j max jeij j +
h
|@ {z } 4 6
0

Se asume que 9/ error de redondeo condición de frontera exacta

a2 + b 2
max jeij j M h2
h 24
es de 2 orden.

Demostración. De…ne la siguiente función

1 2 h2 2
ij = xi + yj2 = i + j2
4 4
h2
L ij = (i + 1)2 + j + (i 1)2 + j 2 + i2 + (j 1)2 + i2 + (j + 1)2
4
= oi2 + 0j 2 + 0i + 0j + 4 4 i2 + j 2

54
De…ne las siguientes funciones auxiliares

w+ = v + N ; w = v + N donde N = max (Lvij ) y 0 ij a2 + b2 =4

Vamos a usar el teorema del principio del máximo (Smith 3k)


(L w+ 0)
maxwij maxwij
h @ h

usando el principio del máximo

max ( v + N )ij max ( v + N )ij


h @ h

a2 + b 2
max ( vij ) + max ( Lvij )
@ h 4 h

de donde se concluye que

a2 + b 2
max jvjij max jvjij + max jLvij j
h @ h 4 @ h

55
Capítulo 4

Ecuaciones hiperbólicas.

4.1 Introducción
Las ecuaciones hiperbólicas modelan el comportamiento del transporte convectivo de la
materia y sus cantidades físicas asi como el de las ondas elásticas, acústicas y electro-
magnéticas. Está intimamente ligado con el avance en el aspecto computacional de la
dinámica de ‡uidos. Las ecuaciones básicas del ‡ujo de ‡uidos sin viscosidad son EDP
hiperbólicas. Incluso las ecuaciones para los ‡ujos viscosos se pueden analizar como si
fueran hiperbólicas si el efecto de la viscosidad es débil. El éxito de una simulación com-
putacional del ‡ujo de un ‡uido depende de la precisión y e…ciencia al resolver las EDP
hiperbólicas. A esto se debe que el desarrollo de esquemas numéricos para las EDP hiper-
bólicas sea un tema de investigación apremiante en la parte computacional de la dinámica
de ‡uidos.
Se puede escribir una EDP hiperbólica en la forma de primer orden y también como
de segundo orden; pasar de la primera a la segunda y mostrar que cumple con el criterio
de la ecuación (1.4) es facil. La mayoria de las EDP hiperbólicas para el transporte
de materia y sus propiedades están en la forma de primer orden. En cambio las ondas
elásticas, acústicas y electromagnéticas están en la forma de segundo orden. Sin embargo,
muchos de los esquemas numéricos para las EDP hiperbólicas se basan en la forma de
primer orden. Por ello, estudiaremos las siguientes tres formas de primer orden de las
EDP hiperbólicas:

EDP hiperbólica lineal en forma conservativa:

ut (x; t) + fx (x; t) = s(x; t) (4.1)

donde f es una función lineal de u; por ejemplo,f (x; t) = a(x)u(x; t); donde a(x) es
una función dada y s(x; t) es un término fuente.

56
EDP hiperbólica lineal en forma no conservativa:

ut (x; t) + a(x; t)ux (x; t) = s(x; t) (4.2)

EDP hiperbólica no lineal en forma conservativa:

ut (x; t) + fx (u(x; t)) = s(x; t) (4.3)

donde f es una función no lineal de u.

4.2 Un modelo del ‡ujo hiperbólico de dimensión


uno.
Supongamos que un ‡uido incompresible ‡uye en un tubo perfectamente aislado cuyas
secciones tienen área variable A(x) y que la temperatura del ‡uido cambia en la dirección
del ‡ujo. Ignoramos la conducción de calor en la direcciôn del eje del tubo y tambiên
suponemos que la temperatura es constante en el plano perpendicular a la dirección del
eje. Entonces, el calor en un elemento de volumen localizado en x, tal como se muestra
en la …gura

A
m m m - x m

dx

es como sigue:

cp A(x)dxdT = (cp A(x)v(x)T (x; t) cp A(x + dx)v(x + dx)T (x + dx; t)) (4.4)

donde cp , es el calor especí…co y es la densidad del ‡uido. El lado izquierdo es la tasa


de incremento de la energía interna durante dt, el primer término del lado derecho es el
‡ujo de calor que entra por la frontera izquierda del elemento de volumen durante dt y
el segundo término es el ‡ujo de calor que sale por la frontera derecha durante dt. Si
suponemos que tanto cp y son constantes, al dividir la ecuación (4.4) entre dt se obtiene
@T
A(x)dx = (A(x)v(x)T (x; t) A(x + dx)v(x + dx)T (x + dx; t)) (4.5)
@t

57
Al dividir entre dx y expresar al lado derecho en forma de derivada obtenemos
@T @
A(x) = (A(x)v(x)T (x)) (4.6)
@t @x
Cuando A(x)v(x) = cte se escribe en forma equivatente,
@T @
= v(x) T (x) (4.7)
@t @x
La ecuación (4.6) está en la forma conservativa, en tanto que la ecuación (4.7) no lo está.
Si existe una fuente de calor, el término correspondiente a ésta se suma en el lado derecho
como
@T @ q(x)
+ v(x) T (x) =
@t @x cp
En caso de que el ‡ujo en el tubo sea de una composición química tal que esté distribuida
de manera no uniforme, La ecuación para la distribución del compuesto es
@c(x; t) @c(x; t)
+ v(x) = s(x; t) (4.8)
@t @x
donde c(x; t) es la concentración del compuesto y s es la fuente de volumen del mismo.
La ecuación (4.8) está en forma no conservativa.
La conservación de masa de un ‡uido compresible que ‡uye en un tubo es
@ (x; t) @[A(x)v(x) (x; t)]
A(x) + =0
@t @x
Si la sección transversal A(x) es constante, se obtienen las siguientes ecuaciones para la
temperatura, el compuesto y la densidad del ‡uido compresible, respectivamente:
@T @v(x)T (x) q(x; t)
+ =
@t @x cp
@c(x; t) @v(x)c(x; t)
+ = s(x; t)
@t @x
@ (x; t) @[v(x) (x; t)]
+ = 0
@t @x

4.3 Método de las características para ecuación de


segundo orden cuasilineales hiperbólicas.
Sea la ecuación cuasilineal de segundo orden

auxx + buxy + cuyy + e = 0 (4.9)

donde a; b; c; e funciones de x; y; u; ux ; y uy : Estudiaremos el comportamiento de la


solución u (x; y) cuando (x; y) se encuentre en una curva C en el plano.

58
4.3.1 Curvas características
Considere una curva C en el plano

C : x = x (s) ; y = y (s) s 2 R

denotaremos p = ux ; q = uy : Las funciones x; y; p; q; u dependerán de s: Derivando p


yq
dp d dx dy
= ux [x (s) ; y (s)] = uxx [x; y] + uxy [x; y] (4.10)
ds ds ds ds
dq d dx dy
= uy [x (s) ; y (s)] = uyx [x; y] + uyy [x; y] (4.11)
ds ds ds ds
de (4.10) despejo uxx
dx dp dy
uxx = uxy
ds ds ds
dp ds dy ds
uxx = uxy
ds dx ds dx
dp dy
uxx = uxy (4.12)
dx dx
análogo a (4.11)
dq dx
uyy = uxy (4.13)
dy dy
reemplazo (4.12) y (4.13) en la ecuación cuasilineal (4.9)

dp dy dq dx
a uxy + buxy + c uxy +e=0
dx dx dy dy

y multiplico por (dy=dx)


( )
2
dp dy dy dy dq dy dy
a uxy + buxy +c uxy +e =0
dx dx dx dx dy dx dx

agrupo uxy ( )
2
dy dy dp dy dq dy dy
uxy a b +c +a +c +e =0 (4.14)
dx dx dx dx dy dx dx
la curva C se elige de modo tal que el término que contiene uxy no aparezca en (4.14) por
lo que
2
dy dy
a b +c=0 (4.15)
dx dx
para que la ecuación diferencial sea hiperbólica se debe tener que

= b2 4ac > 0

59
en este caso p
dy b
= + = v1 (4.16)
dx 2a 2a
p
dy b
= = v2 (4.17)
dx 2a 2a
sumando (4.16) y (4.17) y multiplicando (4.16 ) y (4.17)
b c
v1 + v2 = y v1 v2 = (4.18)
a a
ambos ecuaciones (4.16) y (4.17) se pueden resolver con la condición inicial y (x0 ) = y0
para algún punto en el plano (x0 ; y0 ) en Dom v1 \ Dom v2 ver …gura

GRAFICO

Reemplazando en (4.14) y = y (x) que resuelve (4.15) por lo que:


dp dy dq dy
a +c +e =0
dx dx dx dx
de (4.16)
dp c dq e dy
v1 + + v1 = 0 y = v1
dx a dx a dx
de (4.18)
dp dq e dp dq e
v1 + v1 v2 + v1 = 0 , + v2 + =0
dx dx a dx dx a
por lo que
dp dq e dy
+ v2 + =0y = v1 (4.19)
dx dx a dx
de manera análoga
dy dp dq e
= v2 y + v1 + =0 (4.20)
dx dx dx a
Para resolver (4.19) y (4.20) numéricamente hay que utilizar un método de diferencias:
(ver …gura 1).
dy y (A) y (B1 ) v1 (A) + v1 (B1 )
= v1 ) = (4.21)
dx x (A) x (B1 ) 2
dy x (A) y (B2 ) v2 (A) + v2 (B2 )
= v2 ) = (4.22)
dx x (A) x (B2 ) 2
y para las otras de (4.21) y (4.22)

P (A) P (B2 ) v1 (A) + v1 (B2 ) q (A) q (B2 ) 1 he e i


+ = (A) + (B2 ) (4.23)
x (A) x (B2 ) 2 x (A) x (B2 ) 2 a a

P (A) P (B1 ) v2 (A) + v2 (B1 ) q (A) q (B1 ) 1 he e i


+ = (A) + (B1 ) (4.24)
x (A) x (B1 ) 2 x (A) x (B1 ) 2 a a

60
dy dy
A y B1 son puntos de la curva características = v1 y, A y B2 puntos de = v2 : Para
dx dx
u discretizamos

du = ux dx + uy dy = pdx + qdy [p = ux ; q = uy ]

y obtenemos
p (A) + p (B1 ) q (A) + q (B1 )
u (A) = u (B1 ) + [x (A) x (B1 )] + [y (A) y (B1 )] (4.25)
2 2
En las ecuaciones (4.21), (4.22), (4.23) y (4.24) se utilizan los valores promedios de las
funciones a lo larg de los diversos arcos. Si conocemos los valores de x; y; u; p; q
en los puntos B1 y B2 las ecuaciones desde (4.21) hasta (4.24) nos permiten calcular
x (A) ; y (A) ; u (A) ; p (A) y q (A) : Los cálculos pueden complicarse debido a que las
ecuaciones son implícitos lo que se resuelve algún método iterativo.
Hacemos el siguiente procedimiento

1. Comience haciendo una conjetura acerca de los valores correctos


x (A) ; y (A) ; u (A) ; p (A) ; q (A) : Dichas suposiciones pueden ser simples
perturbaciones de valores recientes de estas funciones, digamos en B1 :

2. Calcule v1 (A) ; v2 (A) y (e=a) (A) apoyándose en los más recientes valores de
x (A) y (A) p (A) u (A) :

3. Vuelva a calcular x (A) y q (A) con (4.21) y (4.24). Después calcule de nuevo p (A)
y q (A) con (4.23) y (4.24), por último vuelva a calcular con (4.25). Repita el paso
2 en caso de que los nuevos valores di…eran radicalmente de los valores previos.

Los valores estimados de las cantidades x (A) ; y (A) ; p (A) ; q (A) ; u (A) ; en el paso 1,
se pueden obtener fácilmente por medio de ciertas formas no tan precisas de las ecuaciones
(4.21) a (4.24). Por ejemplo podemos reemplazar los valores promedios que …guran en
dichas ecuaciones por los valores B1 y B2 : Hecho lo anterior las ecuaciones (4.21) y (4.24)
son lineales y se pueden resolver fácilmente para producir los valores iniciales de esta
iteración. Esta tarea tiene como resultado las siguientes fórmulas
y (B2 ) y (B1 ) + x (B1 ) v1 (B1 ) x (B2 ) v2 (B2 )
x (A) =
v1 (B1 ) v2 (B2 )
y (A) = y (B1 ) + v1 (B1 ) [x (A) x (B1 )]

en efecto
y (A) y (B1 )
= v1 (B1 ) ;
x (A) x (B1 )
y (A) y (B2 )
= v2 (B2 )
x (A) x (B2 )

61
a (4.21) y (4.22).
y (A) y (B1 ) = v1 (B1 ) [x (A) x (B1 )] (4.26)
y (A) y (B2 ) = v2 (B2 ) [x (A) x (B2 )] (4.27)
restando 4.26 de 4.27, se tiene

y (B2 ) y (B1 ) = v2 (B2 ) [x (A) x (B2 )] + v1 (B1 ) [x (A) x (B1 )]

reordenando y operando

x (A) [ v2 (B2 ) + v1 (B1 )] = y (B2 ) y (B1 ) x (B2 ) v2 (B2 ) + x (B1 ) v (B1 )


y (B2 ) y (B1 ) + x (B1 ) v (B1 ) x (B2 ) v2 (B2 )
x (A) =
v1 (B1 ) v2 (B2 )
Para y (A) a (4.27)
y (A) = y (B2 ) + v2 (B2 ) [x (A) x (B2 )]
También si en (4.23) y (4.24)
p (A) p (B2 ) q (A) q (B2 ) e
+ v1 (B2 ) = [B2 ]
x (A) x (B2 ) x (A) x (B2 ) a
p (A) p (B1 ) q (A) q (B1 ) e
+ v1 (B1 ) = [B1 ]
x (A) x (B1 ) x (A) x (B1 ) a
e
(p (A) p (B2 )) + v1 (B2 ) (q (A) q (B2 )) = (B2 ) [x (A) x (B2 )] (4.28)
a
e
(p (A) p (B1 )) + v2 (B1 ) (q (A) q (B1 )) = (B1 ) [x (A) x (B1 )] (4.29)
a
(4.29) menos (4.28)

(p (B2 ) p (B1 )) + q (A) [v2 (B1 ) v1 (B2 )] = S R

donde
e e
S= (B1 ) [x (A) x (B1 )] + (B2 ) [x (A) x (B2 )]
a a
R = v2 (B1 ) q (B1 ) v1 (B2 ) q (B2 )

luego
[p (B1 ) p (B2 )] + S R
q (A) =
v2 (B1 ) v1 (B2 )
también de (4.28)
e
p (A) = p (B2 ) v1 (B2 ) [q (A) q (B2 )]
(B2 ) [x (A) x (B2 )]
a
En caso que la EDP sea lineal a; b; c serán funciones de x e y, entonces iu; p; q dependeran
solo de x e y; así como v1 y v2 ; x (A) y y (A) se podrán resolver en (4.21) y (4.22)
simultáneamente, así como p (A) y q (A) de (4.23) y de (4.24).

62
Ejemplo 5 Dado la EDP hiperbólica

uxx 4uyy uy = 0

u (x; 0) = f (x) ; uy (x; 0) = g (x) 0 x 1


aplique el método de las características para hallar una solución aproximada escriba un
algoritmo.

Solución. Seleccionamos n puntos xj distribuidos a distancias iguales en el intervalo


[0; 1] y calculamos la solución numérica en los puntos de intersección de las curvas carac-
terísticas que se originan en xj :
Las ecuaciones (4.16) y (4.17) serán:
r r
dy b b2 4ac 0 0 4 (1) ( 4) 4
= = = = 2
dx 2a 2a 2 2 2
v1 = 2; y v2 = 2

y las curvas caracterísitcas

y = 2x + c1 y y = 2x + c2

como 0 x 1, lo partimos en 7 subintervalos entonces n = 8 contando los extremos ver


…gura
GRAFICO
Las ecuaciones (4.19) y (4.20) puede escribirse
8 8
< dp 2 dq q = 0
> < dp + 2 dq q = 0
>
dx dx y dx dx
> dy > dy
: = v1 = 2 : = 2 = v2
dx dx
se tiene que también
e = uy ; y a = 1 ! e=a = uy = q
recordar que p = ux y q = uy .
No es necesario (4.21) y (4.22) para hallar x (A) y y (A) pues:

B1 (x; y) ; B2 (x + h; y) y A (x + h=2; y + h)
1 1
h= = tamaño de paso en el intervalo [0; 1]
n 1 7

x (A) x (B1 ) = (x + h=2) x = h=2


x (A) x (B) = (x + h=2) (x + h) = h=2

63
Encontrando su ecuación de diferencias
p (A) p (B1 ) q (A) q (B1 ) 1
2 [q (A) + q (B1 )] = 0
h=2 h=2 2
p (A) p (B2 ) q (A) q (B2 ) 1
+2 [q (A) + q (B2 )] = 0
h=2 h=2 2
h
(p (A) p (B1 )) 2 [q (A) q (B1 )] [q (A) q (B1 )] = 0
4
h
(p (A) p (B2 )) + 2 [q (A) q (B2 )] + [q (A) + q (B2 )] = 0
4
(
p (A) + ( 2 h=4) q (A) = p (B1 ) + ( 2 + h=4) q (B1 )
p (A) + (2 + h=4) q (A) = p (B2 ) + (2 h=4) q (B2 )
resolviendo el sistema lineal de dos ecuaciones con dos incógnitas
1 h
p (A) = [P (B1 ) + p (B2 )] + 1 [q (B2 ) q (B1 )]
2 8
h h
q (A) = p (B2 ) p (B1 ) + 2 (q (B2 ) + q (B1 )) = 4 +
4 2
reemplazando x (A) x (B2 ) = h=2 en (??) obtenemos
h h
u (A) = u (B1 ) + [p (A) + p (B1 )] + [q (A) + q (B1 )]
4 2
Algoritmo
input n
h 1= (n 1)
for j = 1 = n do
xj (j 1) h
yj 0
uj f (xj )
pj f 0 (xj )
qj g (xj )
output xj yj pj uj pj qj
end
for i = 1 : n do
yi i h
for j = 1 : n 1 do
xj xj + h=2
p~ [pj + pj+1 ] =2 + (1 h=8) [qj+1 qj ]
q~ [(pj+1 pj ) + (2 h=4) (qj+1 + qj )] = (4 + h=2)

64
uj uj + h (~
p + pj ) =4 + h (~
q + qj ) =2
pj p~
qj q~
output xj yj pj qj uj
end
end

4.4 Método de Lax Wendro¤ para EDP hiperbólicas


Comenzamos con una EDP de primer orden de una condición inicial

ut = ux
(4.30)
u (x; 0) = f (x) ; 1 < x < +1

donde es una constante real, se conoce u cuando t = 0 y se quiere conocer en

t = k; 2k; : : : ;

usamos series de Taylor en el que h y k; son tamaños de paso

k2 k3
u (x; t + k) = u + kut + utt + uttt +
2 6
2 3
y del hecho que ut = ux ; utt = uxx ; uttt = uxxx etc.

k2 2 k3 3
u (x; t + k) = u (x; t) + k [ ux (x; t)] + uxx (x; t) + uxxx (x; t) +
2 6
usamos
u (x + h; t) u (x h; t)
ux (x; t)
2h
u (x + h; t) 2u (x; t) + u (x h; t)
uxx (x; t)
h2
2
k
vj;n+1 = vj;n + k [vj+1;n vj 1;n ] + 2 (vj 1;n 2vj;n + vj+1;n )
2h 2h
para que tenga una precisión de segundo orden en la magnitud del incremento. Agru-
pando:
vj;n+1 = vj 1;n 2s2 s + 4s2 + 1 vj;n + s + 2s2 vj+1;n (4.31)
donde s = k =2h:

65
4.4.1 Análisis de Estabilidad
Buscamos una solución de la ecuación (4.31) de la forma
p
vjn = eij h en k
i= 1 (4.32)

mediante una elección adecuada de se examina el comportamiento de la solución con-


n
forme t ! 1 o n ! 1 lo que depende del factor e nk = e k por lo que se exige que
e k < 1: Reemplazamos (4.32) en (4.31)

eij h e(n+1) k
= 2s2 + s ei(j+1) h enk + 1 4s2 eij h en k
+ 2s2 s ei(j 1) h n k
e
e(m+1) k
= 2s2 + s ei h en k
+ 1 4s2 en k
+ 2s2 s e i h n k
e
k
e = 2s2 + s ei h en k
+ 1 4s2 + 2s2 s e i h

=1 4s2 + 2s2 ei h
+e i h
+ s ei h
e i h

=1 4s2 + 2s2 [2 cos h] + s [2i sen h]


= 1 4s2 + 4s2 [cos h] + (2s sen h) i

donde s = k =2h

k 2 2
e = 1 4s2 + 4s2 cos h + 4s2 sen2 h
2
= 1 4s2 (1 cos 2 ) + 4s2 sen2 2
2
= 1 4s2 2 sen 2 2 + 4s2 sen 4 sen 2 cos2
2
= 1 8s2 sen 2 + 16s2 sin2 cos2 y
=1 16s2 sen 2 + 64s4 sen 4 + 16s2 sen 2 cos2
=1 16s2 sen 2 1 4s2 sen 2 cos2
=1 16s2 sen 2 sen 2 1 4s2
=1 16s2 1 4s2 sen 4
2
como debiera cumplir 0 e k < 1; entonces 0 1 16s2 (1 4s2 ) sen 4 < 1; lo que
se cumplirá si (1 4s2 ) > 0 o lo que es equivalenta a jsj < 1=2: Así el requisito para que
haya estabilidad (condición necesaria) es que k j j h

4.5 Sistemas de ecuaciones


Un sistema de ecuaciones hiperbólicas con coe…cientes constantes en un espacio de dimen-
sión m es de la forma
Ut + AUx + Bu = F

66
T
donde U = u(1) ; : : : ; u[m] es un vector de funciones, cada componente depende de (x; t) ;
A es una matriz de orden m; y el sistema es hiperbólica si A e diagonalizable y tiene sus
m valores propios reales y diferentes.
La forma vectorial del método Lax-Wendro¤ es análogo a la forma escalar (4.30) para
Ut = AUx ; sin reagrupar:
k
V [x; t + k] = V [x; t] + A [V (x + h; t) V (x h; t)]
2h
k2 2
+ A [V (x + h; t) 2V (x; t) + V (x h; t)]
2h2
si hacemos = k=2h
2
V [x; t + k] = V [x; t] + AV (x + h; t) 2AV (x h; t) + 2A2 V (x + h; t)
2
+ [ 4V (x; t)] A2 + 2
2A2 V (x h; t)
= Id 4 2 A2 V (x; t) + 2A (2 A + I) V (x + h; t)
+ A (2 A Id) V (x h; t)

mediante un procedimiento parecido al escalar se pueden probar este método numérico


es estable con valor propio de A satisface la desigualdad k j j h; es decir el radio
espectral (A) debería satisfacer la desigualdad k ( (A)) h:

Ejemplo 6 Escribir el sistema

ut 2ux vx = 0
vt ux 2vx = 0

con la condición inicial

u (x; 0) = u0 (x)
v (x; 0) = v0 (x)

donde x 2 R y (
1 si jxj 1
u0 (x) = y v0 (x) = 0
0 si jxj > 1
en la forma Ut = AUx ; U (x; 0) = U0 (x) ¿es hiperbólico?

Solución. Como

ut = 2ux + vx
vt = ux + 2vx

67
" # " # " #
u 2 1 u
=
v 1 2 v
t x
la matriz A tiene la forma " #
2 1
A=
1 2
los autovalores de A son 1 y 2. El sistema es hiperbólico, para hallar la solución analítica
sumamos y restamos las ecuaciones

(u + v)t = 3 (u + v)x
(u v)t = (u v)x

para u + v y para u v; la condición inicial es u0 ; la solución consiste de dos partes


independientes " #
1 u0 (x 3t) + u0 (x; t)
U (x; t) =
2 u0 (x 3t) u0 (x; t)
Ensayar diferentes h; k en la solución numérica y compare con la solución análitica.

Observación 4.5.1 La condición inicial en la ecuación diferencial parcial ut = ux está


de…nida en R; si la variable x esta en un intervalo (podemos suponer I = [0; 1]), entonces
un problema debidamente planteado asignará valore a todos los puntos de la fronterade la
regón
R = f(x; t) 2 [0; 1] [0; +1ig
En este caso pueden usarse métodos numéricos implícitos, en lo que espera tenga mejores
propiedades de estabilidad y lleva el nombre de su autor Wendro¤.

4.6 Método implícito de Wendro¤


La solución numérica de
ut = ux
es progresivo si
u (x + h; t) u (x; t)
ux (x; t)
h
es regresivo si
u (x; t) u (x h; t)
ux (x; t)
h
es progresivo si
u (x; t + k) u (x; t)
ut (x; t)
k

68
es regresivo
u (x; t)
u (x; t k)
ut (x; t)
h
para los dos progresivos ux ; ut ; en la ecuación (4.30)

u (x; t + k) u (x; t) u (x + h; t) u (x; t)


=
k h
como ecuación de diferencias
vj;n+1 vj;n vj+1;n vjn
= (4.33)
k h
analogamente para los dos regresivos en (4.30)

u (x; t) u (x; t k) u (x; t) u (x h; t)


=
k h
como ecuación de diferencias
vj;n vj;n 1 vj;n vj 1;n
=
k h
en vez de n poner n + 1 y j como j + 1
vj+1;n+1 vj+1;n vj+1;n+1 vj;n+1
= (4.34)
k h
y calculamos el promedio de (4.33) y (4.34).

1 vj;n+1 vjn vj+1;n+1 vj+1;n vj+1;n vj;n vj+1;n+1 vj;n+1


+ = +
2 k k 2 h h

k
(vj;n+1 vj;n ) + (vj+1;n+1 vj+1;n ) = [(vj+1;n vj;n ) + (vj+1;n+1 vj;n+1 )]
h
(vj;n+1 vj;n ) + (vj+1;n+1 vj+1;n ) = r (vj+1;n vj;n ) + r (vj+1;n+1 vj;n+1 )
donde r = k=h y, agrupando convenientemente

(1 + r)vj;n+1 + (1 r)vj+1;n+1 = (1 r)vj;n + (1 + r)vj+1;n (4.35)

Después probaremos que el error por truncamiento de este método es O (h2 + k 2 )

4.6.1 Análisis de Estabilidad


Buscamos una solución de la ecuación (4.35) de la forma
p
vjn = eij h en k
i= 1 (4.36)

69
mediante una elección adecuada de se examina el comportamiento de la solución con-
forme t ! 1 o n ! 1 Reemplazamos (4.36) en (4.35)

(1 + r) eij h e(n+1) k
+ (1 r) ei(j+1) h e(n+1) k
= (1 r) eij h en k
+ (1 + r) ei(j+1) h en k

(1 + r) eij h en k e k
+ (1 r) eij h ei h en k e k
= (1 r) eij h en k
+ (1 + r) ei h eij h en k

k
(1 + r) e + (1 r) ei h e k
= (1 r) + (1 + r) ei h

(1 + r) + (1 r) ei h
e k
= (1 r) + (1 + r) ei h

k (1 r) + (1 + r) ei h
e =
[(1 + r) + (1 r) ei h ]
k
Pero e 1 es equivalente a

(1 r) + (1 + r) ei h
(1 + r) + (1 r) ei h

(1 r) + (1 + r) ei h
(1 r) + (1 + r) e i h

(1 + r) + (1 r) ei h
(1 + r) + (1 r) e i h

(1 r)2 + (1 + r)2 + (1 r) (1 + r) e i h
+ (1 + r) + (1 r) ei h

(1 r)2 + (1 + r)2 + (1 r) (1 + r) e i h
+ (1 + r) + (1 r) ei h

lo que se cumple para todo r.

4.6.2 Consistencia
Recuerde que el esquema de diferencias …nitas Lhk v = f es consistente con la ecuación
diferencial parcial P u = f

Lu Lhk u ! 0; cuando h; k ! 0

Consideremos la ecuación diferencial parcial

Lu = ut ux = 0

con su ecuación de diferencias


1
[(vj;n+1 vjn ) + (vj+1;n+1 vj+1;n )] [(vj+1;n vj;n ) + (vj+1;n+1 vj;n+1 )] = 0
2k 2h

70
de otro lado calculemos
1
(A + B) (C + D) u
2 2
donde
u(x; t + k) u(x; t)
(Au)(x; t) =
k
u(x + h; t + k) u(x + h; t)
(Bu)(x; t) =
k
u(x + h; t) u(x; t)
(Cu)(x; t) =
h
u(x + h; t + k) u(x; t + k)
(Du)(x; t) =
h
Usaremos diferencias centrales para las derivadas
1 u(x; t + k) u(x; t)
ut (x; t + k) = + O(k 2 )
2 k
= (Au)(x; t) + O(k 2 )

Por lo que
1
(Au)(x; t) = ut (x; t + k) O(k 2 )
2
de igual forma
1
(Bu)(x; t) = ut (x + h; t + k) O(k 2 )
2
1
(Cu)(x; t) = ux (x + h; t) O(h2 )
2
1
(Du)(x; t) = ux (x + h; t + k) O(h2 )
2
Haciendo los desarrollos deTaylor, entonces A, B, C, y D pueden reescribirse como
1
(Au)(x; t) = ut (x; t) + kutt (x; t) + O(k 2 )
2
1
= ux (x; t) + k 2 uxx (x; t) + O(k 2 )
2
de igual forma
1 2
(Bu)(x; t) = ux (x + h; t) + k uxx (x + h; t) + O(k 2 )
2
1
= ux (x; t) + huxx (x; t) + O(h2 ) + k 2
[uxx (x; t)] + O(k 2 )
2
1
(Cu)(x; t) = ux (x; t) + huxx (x; t) + O(h2 )
2
h
(Du)(x; t) = ux (x; t + k) + uxx (x; t + k) + O(h2 )
2

71
h
= [ux (x; t) + kuxt (x; t) + O(hk)] + uxx (x; t) + O(k 2 ) + O(h2 )
2
h
= ux (x; t) + k uxx (x; t) + uxx (x; t) + O(h2 ) + O(k 2 ) + O(hk)
2

Por último si u; satisface la EDP veamos que cuando h k ! 0

1
(A + B) (C + D) u ! 0
2 2

En efecto
1 1
Au + Bu Cu Du =
2 2 2 2

1 1 1 1
= ux (x; t) + k 2 uxx (x; t) + [ux (x; t) + huxx (x; t)] + k 2 [uxx (x; t)] +
2 2 2 2
1 h
+ ux (x; t) + huxx (x; t) + ux (x; t) + k uxx (x; t) + uxx (x; t) +
2 2 2 2
+O(h2 ) + O(hk) + O(k 2 )

= O(h2 ) + O(hk) + O(k 2 ) ! 0


cuando h; k ! 0: Luego el esquema es consistente.

72
Capítulo 5

Proyectos Computacionales

5.1 Un modelo de advención-difusión


Contaminantes (Andre Nachbin)
La chimenea de una fábrica suelta humo con un producto tóxico, con una concentración
inicial igual a : Una persona interesada en comprar una casa a una distancia d de la
fábrica nos consulta sobre la condición del aire en una vecindad de la misma. Supondremos
que el viento sopla en la dirección de la casa con la velocidad máxima U hasta hoy
registrada en el área. El mecanismo por el cual la nube es transportada sin cambiar de
forma es llamada advención. Debemos tener en cuenta támbien el mecanismo de difusión
en el cual la nube se dispersa mientras la concentración del contaminante va bajando.
El modelo matemático para la advención que halla la concentración c = c(x; t) es dado
por la ecuación:
@c @c
+U =0 (5.1)
@t @x
con la condición inicial:
c(x; 0) = c0 (x)
El modelo matemático para la difusión:
@c @ 2c
= (5.2)
@t @x2
es la ecuación del calor, con la condición inicial

c(x; 0) = c0 (x)

donde es la constante de difusión que depende del medio.

1. Halle la solución analítica para la advensión (5.1) y grá…que c para diferentes tiem-
pos.

73
2. Del mismo modo resolver la ecuación de di…sión (5.2) para el caso donde c0 =
sin(2 x) para 0 x 1; c(0; t) = 0 y c(1; t) = 1

Para estimar la calidad del aire debemos combinar los dos mecanismos y obtenemos la
ecuación de advención-difusión
@c @c @ 2c
+U = (5.3)
@t @x @x2
con la condición inicial
c(x; 0) = c0 (x)
observe que si hacemos U = 0 desligamos el transporte mientras si hicieramos =
0 deligamos la difusión.

3. Formule el modelo numérico para la ecuación diferencial parcial solo para la parte
(5.1) de la advención usando series de Taylor en el tiempo y luego en el espacio para
obtener:
t n
cn+1
j = cnj U (cj cnj 1 )
x
este esquema numérico es explícito.

4. Obtenga el modelo numérico para la advención-difusión (5.3) veri…que que tiene la


forma:
t n t n
cn+1 = cnj U (cj cnj 1 ) + c 2cnj + cnj 1
j
x x2 j+1
Para analizar la estabilidad considere la condición de Courant Levy y Friedrichs [CLF] que
a…rma que si 0 < < 1; el método es estable y si > 1 es inestable donde = U t= x

5. Si suponemos que la concentración inicial del contaminante es = 1; la velocidad


de transporte es U = 1, utilize como condición inicial un pulso cuadrado (es decir
c0 = 1 cuando 0 x 1, y 0 en cualquier otro lugar). Experimente en primer lugar
solo con la parte de transporte ( = 0) por ejemplo para t = x = 0:1 ¿viola
la condición [CLF]?, haga otros experimentos alguna que viole [CLF] y muestre las
diferentes grá…cas. En segundo lugar tome = 0:1 de manera tal que se tenga el
mecanismo de difusión y todos los datos anteriores, repetir los mismos experimentos
hechos para transporte. Muestre una grá…ca donde la solución numérica “explote”.

6. Para el problema de estabilidad, usamos el método implicito de Crank-Nicolson


aplicada a la segunda derivada espacial, deduzca la fórmula y haga los mismos
experimentos numéricos anteriores.

74
5.2 UN MODELO DE DISTRIBUCIÓN DE UNA
SUSTANCIA QUÍMICA
Reactores (Chapra-Canale)
La …gura muestra un reactor alargado rectangular con una sola entrada y una salida
(puede caracterizarse como un sistema de parámetros distribuidos), se supone que la
sustancia química que va a modelarse está sujeta a un decaimiento de primer orden, (es
decir que la sustancia química decae a una velocidad que es linealmente proporcional
a la cantidad de sustancia química presente) y el tanque está bien mezclado vertical y
lateralmente.

-j
entrada j j j
salida
-

x=0 x x=L
F igura : reactor rectangular

Se realiza un balance de masa en un segmento …nito de longitud x, a lo largo del eje


longitudinal del tanque como sigue:
c @c(x) @c(x)
V = Qc(x) Q c(x) + x DAc (5.4)
t | {z } @x | {z@x }
F lujo de entrada | {z }
F lujo de salida Dispersion a la entrada

@c(x) @ @c(x)
+DAc + x kV c
|{z}
@x @x @x
| {z } reaccion de decaimiento
Dispersion a la salida

donde V volumen (m3 ), Q ‡ujo volumétrico (m3 =h), c concentración (moles=m3 ), D


coe…ciente de dispersión (m2 h=), Ac ; área de la sección transversal del reactor (m2 ), k
coe…ciente de decaimiento de primer orden (h 1 ).
Los términos de dispersión están basados en la primera ley de Fick

F lujo = Dcx (x; t) (5.5)

que es el equivalente a la ley de Fourier para la ecuación de calor. La ecuación (5.5)


especi…ca que la turbulencia de mezclado tiende a mover la masa desde regiones de alta
hasta las de baja concentración; el parámetro D determina la magnitud de turbulencia
de mezclado.

75
Si xy t tienden a cero la ecuación (5.4) (con alguna modi…cación) será

@c @ 2c @c
=D 2 U kc (5.6)
@t @x @x
donde (U = Q=Ac ) es la velocidad del agua que ‡uye a través del reactor. El balance
de masa de la …gura se expresa como una ecuación diferencial parcial parabólica (se le
conoce como ecuación de advección-dispersión con reacción de primer orden). En estado
estacionario se reduce a una EDO de segundo orden

@ 2c @c
0=D U kc (5.7)
@x2 @x
Antes de t = 0, el reactor se llena con agua libre de la sustancia química. En t = 0, se
inyecta la sustancia química en el ‡ujo de entrada del reactor a un nivel constante de
cen :.Así se tienen las siguientes condiciones de frontera:
@c0
Qcen = Qc0 DAc y ct (x; t) = 0 (5.8)
@x
la segunda condición especi…ca que la sustancia sale del reactor simplemente como una
función del ‡ujo a través del tubo de salida (la dispersión en el reactor no afecta la
velocidad de salida).
Sea = fx0 ; x1 ; x2 ; : : : ; xn g una partición regular; cij = c(xj ; ti ) concentración en
el tiempo ti y en la variable espacial xj :

1. Formule el modelo numérico para la ecuación diferencial (5.7) usando diferencias


…nitas centradas y veri…que que tiene la forma:

D 1 2D k x D 1
+ cj 1 + + cj cj+1 = 0
U x 2 U x U U x 2

donde c0 es la concentración en x = 0 en la entrada y cn es la concentración en


x = L en la salida; (no hay dependencia del tiempo)

2. En j = 0 se introduce el nodo …cticio c 1 elimínelo, usando adecuadamente la


primera condición de frontera (5.8) y, veri…que que la primera ecuación es:

2D k x xU D xU
+ +2+ c0 c1 = 2+ cen
U x U D U x D

de manera análoga para la última ecuación

D 2D k x
cn 1 + + cn = 0
U x U x U

76
3. Suponer un reactor de longitud L = 10 y si D = 2, U = 1, K = 0:2, cen = 100,
hacer los experimentos numéricos para x = 5; 2:5; 1. Aumente la turbulencia
del mezclado para D = 4 y repetir el experimento. Hacer las grá…cas y observe
que la curva será más pronunciada conforme el mezclado sea menos importante en
relación con la advención y el decaimiento. Si la dispersión disminuye demasiado, el
cálculo estará sujeto a errores numéricos, se le conoce como inestabilidad estática,
para controlarlo usar el criterio
2D
x
U
4. Use el método explícito para resolver la ecuación parabólica (5.6), con las constantes
dadas en el inciso 3.; muestre grá…cas para t = 0:2; 0:4; 0:8; 1:6; 3:2:

5. Use el método de Fourier para analizar la estabilidad y deduzca que debe cumplir

( x)2
t
2D + k ( x)2

Dar ejemplos donde se viole este criterio de estabilidad.

5.3 Inundaciones en ríos


El Modelo Cinemático (Esteban Tabak)
Estudiaremos un modelo simple para simular las inundaciones en los ríos. La es-
tructura matemática de este modelo tiene mucho en común con el modelo de advención
y difusión de contaminantes. Los dos modelos pueden ser combinados para estudiar la
difusión de contaminantes en los ríos.
Un hecho obvio que presentan los ríos es que son más largos que anchos. Este hecho
tiene una consecuencia muy importante en el proceso de modelaje, pues modelamos la
dinámica de ondas en ríos sin considerar detalles de la circulación en cada sección transver-
sal. Construimos un modelo unidimensional que lleva en cuenta solo variaciones del ‡ujo
medio en la dirección longitudinal, indicada por la variable x despreciando las variaciones
en la dirección transversal y. Vamos a imaginar que en un corte transversal del río la
velocidad del agua varia muy poco. Esa es una de las hipótesis para el modelo unidimen-
sional, en ese contexto las velocidades de todos los puntos en la sección transversal no
di…eren mucho de su media. Entonces nada mejor que trabajar con solo una magnitud,
en vez de trabajar con varias muy parecidas, la velocidad en cada punto de esta sección.
Observe que las suposiciones hechas antes solo son válidas porque estamos considerando
ondas muy largas, como las provenientes de las inundaciones originada en la montaña

77
(en la región mas alta del río, o sea cuando caminamos en la dirección del naciente), y
generadas por lluvias extremadamente fuertes. Esas ondas se propagan en dirección de
ciudades abajo (región mas baja del río) y pueden causar graves problemas a esas ciu-
dades ribereñas. Si quisiéramos estudiar fenómenos más localizados, como por ejemplo la
erosión diferencial causada por la curva del río nuestra aproximación unidimensional no
sería válida.
Las dos magnitudes medias que vamos a estudiar (funciones que dependerán del largo
del río x, y del tiempo t) son la altura de la super…cie del agua h(x; t) y, la velocidad media
del ‡ujo U (x; t) a través de una sección transversal del río, en el punto x. De…nimos dos
magnitudes útiles íntimamente relacionadas con las dos anteriores: La sección transversal
de agua S(x; t), es el área mojada al cortar el río transversalmente por un plano y el ‡ujo
total a través de una sección transversal por unidad de tiempo Q(x; t), es el caudal, tasa
de cambio del volumen en el tiempo (es dado por m3 =s). La altura de la super…cie libre es
determinada de forma única por la función S(x; t), en cada sección. La velocidad media
U (x; t) esta dada por
Q(x; t)
U (x; t) =
S(x; t)
Vamos a ver que Q(x; t) y S(x; t) son magnitudes que se adecuan mejor al estudio de las
ondas en ríos que las magnitudes h(x; t) y U (x; t) de…nidas inicialmente.
Nuestra herramienta principal de análisis es la ecuación de conservación de la masa.
Consideremos un segmento del río situado entre las secciones indicadas por las secciones
x1 y x2 : Sabemos que cualquier aumento en el volumen V de agua entre dos instantes
t1 y t2 se produce por la diferencia del volumen total de agua que entró por la sección
x1 y salió por la x2 , durante el intervalo de tiempo (t2 t1 ). Ignoramos lluvias locales
pequeñas y los efectos de evaporación o in…ltración de agua por el suelo. Esos efectos se
pueden incorporar al modelo, pero se tendría un modelo más complejo que di…cultaría el
análisis que queremos hacer.
En términos matemáticos el principio de la conservación de la masa se escribe
Z t2
V (t2 ) V (t1 ) = (Q(x1 ; t) Q(x2 ; t)) dt (5.9)
t1

Recuerde que el volumen es la integral del área de la sección transversal


Z x2
V (t) = S(x; t)dx
x1

Reemplazando en (5.9) tenemos


Z x2 Z t2
(S(x; t2 ) S(x; t1 )) dx = (Q(x1 ; t) Q(x2 ; t)) dt (5.10)
x1 t1

78
Del Teorema Fundamental del Cálculo tenemos que para cualquier función diferenciable
F (s) se cumple: Z s2
dF
F (s2 ) F (s1 ) = ds
s1 ds

Usamos este teorema para escribir


Z t2
S(x; t2 ) S(x; t1 ) = St (x; t)dt
t1

Podemos transformar la ecuación (5.10) en la forma


Z x2 Z t2
[St (x; t) + Qx (x; t)] dtdx = 0 (5.11)
x1 t1

Lo que sigue es un argumento que aparece en todo momento en Matemática. La expresión


(5.11) es válida para cualquier valor de x1 y x2 , así como para cualquier t1 y t2 .Estamos
integrando sobre el rectángulo [x1 ; x2 ] [t1 ; t2 ] en el plano (producto cartesiano del espacio
unidimensional por el tiempo). Como el valor de la integral es siempre cero independi-
entemente del rectángulo que escojamos, solo hay una salida el integrando tiene que ser
cero. Matemáticos mas rigurosos dirían que el integrando es cero en casi todas partes
(salvo un conjunto de medida cero), mas eso es un formalismo que es estudiado con rigor
en cursos avanzados de Análisis. Podemos entonces escribir la ecuación

St (x; t) + Qx (x; t) = 0 (5.12)

Que es válida en cada sección x del río y en cualquier instante t de tiempo. Esta ecuación
diferencial parcial es el elemento clave de nuestro modelo, nos dice como las variaciones
del ‡ujo medio del agua Qx , determinan (in‡uencian) la evolución temporal de la altura
de agua h(x; t), re‡ejada por la variación temporal del área de la sección transversal
(mojada) S(x; t), queda mas claro cuando la ecuación la escribimos de la forma:

St (x; t) = Qx (x; t)

Es decir si el caudal disminuye al descender a lo largo del río (en la dirección x), entonces
Qx ,es negativa y St es positiva. Esto signi…ca que la altura del agua esta aumentando,
pues en esta sección del río está entrando más agua de lo que sale.
Hasta este punto tenemos solo la ecuación (5.12) y dos variables dependientes a de-
terminar S y Q. Necesitamos de otra relación entre S y Q, la manera más simple de
obtener las dos ecuaciones con dos incógnitas es usar de una relación que los Ingenieros
Hidráulicos tienen usando através de los años. Ellos miden en las estaciones localizadas a
lo largo del río la altura del agua y las velocidades medias en varios instantes de tiempo a

79
lo largo de muchos años. La conclusión es que las mediciones caen, aproximadamente a lo
largo de una curva bien de…nida, conocida como la ley hidrológica de sección. Preferimos
usar Q(S) que es mucho más útil para nuestro modelo.
Dada esa curva la ecuación (5.12) tiene la forma:

St (x; t) + Qx (S(x; t)) = St (x; t) + Q0 (S)Sx (x; t) = 0 (5.13)

Esta ecuación depende de S. El valor del ‡ujo medio es obtenido por la relación empírica
Q = Q(S) que es una función dada. Como ejemplo considere la ley hidrológica dada por
la función
Q = S 2 =2
Reemplazando en (5.13) obtenemos la ecuación viscosa de Bugers
1
St (x; t) + (S 2 (x; t))x = St (x; t) + SSx (x; t) = 0 (5.14)
2
donde S hace un papel análogo a la velocidad de propagación del problema de advención.
Los puntos donde S toma valores constantes se mueven para la derecha, con velocidad
igual a ese valor de S. Siendo así puntos con valores altos de S se mueven a la derecha a
mayor velocidad que los puntos de valores más bajos. Una onda de inundación inicialmente
suave se irá deformando hasta eventualmente quebrar, cuando sucede, la altura del agua
está dada por una función discontinua, es como si en aquel punto tuviésemos una pared
de agua propagándose para la derecha. Esto no es una di…cultad del modelo, muchos ríos
presentan ondas de inundación aproximadamente discontinuas. Se dice aproximadamente
pues la inclinación es tan grande que podemos representarla por un salto en la función
h(x; t). Es común observar en ríos de regiones montañosas la formación casi instantánea
de ondas de inundación, muchas veces con consecuencias trágicas para las personas que
acampan cercas de las márgenes, estas personas no tienen aviso de la pared de agua que
se viene aproximando. ¡De repente el nivel cambia!
El Modelo Numérico
Se resuelve la ecuación (5.14) con el mismo esquema numérico que usamos para la
ecuación de advención. Se deduce usando series de Taylor en el tiempo y luego en el
espacio para obtener
t n
Sjn+1 = Sjn + Sjn S Sjn 1 (5.15)
x j
Necesitamos hacer = Sjn xt < 1para todo j y todo n. Signi…ca que la velocidad numérica
será mayor que la velocidad de onda del problema. Si violáramos esta condición el método
será inestable. Experimente que sucede para valores grandes de t mediante un programa
escrito en Matlab, con las restricciones que completan el modelo.

80
Para completar el modelo necesitamos especi…car las condiciones iniciales y las de
contorno. Consideremos un río de longitud L = 5 (en centenas de kilómetros). Tomaremos
como dato inicial S(x; 0) = 0:3, medido en centenas de metros cuadrados. Esto signi…ca
que la super…cie libre es inicialmente plana y sin ondas. El valor de S (en x = 0)
depende de la cantidad Q de lluvias o deshielo proveniente de las montañas mas altas.
Consideremos una posible situación para generar una onda de inundación. Por ejemplo,
consideremos una lluvia torrencial por una semana seguida de la situación media normal
S(x; 0) = 0:3:
La función típica que modela esta con…guración se expresa en la forma:
8
>
< 0:3 si t<0
2
S(0; t) = 0:3 + 0:1 1 cos 7 t si 0 < t < 7
>
:
0:3 si t>7

Este programa también debe calcular la evolución de esa onda de inundación. Experi-
mente para descubrir que van a ser necesarios muchos puntos (aproximadamente 1000),
para obtener resultados aparentemente satisfactorios. La explicación es simple el río es
muy largo, las ondas son relativamente cortas y el método no es muy preciso. En verdad
la precisión es de primer orden. Observe que el hecho de ser de corta longitud de onda,
signi…ca que la super…cie, en un determinado punto varía bruscamente. Para representar
esa variación brusca necesitamos de muchos puntos en esa región y como la onda esta via-
jando río abajo, precisamos ser capaces de representar la variación brusca de la super…cie
donde quiera que ella este. En los métodos de segundo orden usados con más frecuencia
en la práctica se necesitan menos puntos por ser más precisos. Pero continuaremos tra-
bajando con el método de primer orden, que por su simplicidad nos permite entender con
más facilidad las cuestiones de modelado involucradas.
En sus experimentos numéricos, usted debe ser capaz de ver que la onda de inun-
dación se quiebra y observar una pared casi vertical propagándose río abajo. Matemáti-
camente estas discontinuidades son llamadas “ondas de choque”, en este contexto “salto
hidráulico”. Hacer experimentos numéricos aumentando el número de puntos y dismin-
uyendo el tiempo t, hasta encontrar que la solución numérica sea satisfactoria dentro
de lo que su sentido común considere aceptable. Esto se llama análisis de la solución
numérica, es una técnica experimental en la cual vamos re…nando gradualmente la malla
(en el espacio y en el tiempo), hasta que la solución numérica no cambie prácticamente en
nada con respecto al experimento anterior (en esa jerarquía de experimentos). Mientras
tanto hay una cosa que no está bien con la solución numérica: el código tiene una fuga de
agua. Hágalo ver mediante un gra…co del volumen total de agua del río como una función
del tiempo. El volumen total es por de…nición la integral de S a lo largo del río. Cal-

81
culamos aproximadamente el volumen, sumando todas las Sj veces el espaciamiento x.
Durante la primera semana el volumen aumenta, es lo que se espera debido a las lluvias
torrenciales, pero al término de éstas el volumen se debería mantener constante hasta que
la onda de inundación recorriese el río entero hasta la salida aguas abajo, probablemente
donde se encuentra el delta del río. A …n de cuentas la cantidad de agua entrando al río
aguas arriba es Q(0; 3) que debería ser la misma cantidad saliendo aguas abajo. En tanto
por los resultados numéricos observamos que el volumen total comienza a bajar al …nal
de la primera semana. De hecho conforme veremos el programa comienza a “derramar”
una cantidad signi…cativa de agua de manera que se forma el salto hidráulico.
Quedamos con el siguiente hecho aparentemente contradictorio: ¿Cómo puede un mod-
elo basado en el principio de conservación perder agua? A …nal de cuentas la ecuación
(5.12) es obtenida directamente de la ecuación (5.10), que establece que el agua se
mantiene. La ecuación de Burgers (5.14) es una instancia particular de (5.12) y el es-
quema numérico (5.15) es una discretización bien fundada de (5.14). Esta sensación de
confusión podría ser frustrante e intolerable pero de ahí surgen hechos interesantes en
Análisis Numérico y Computación Cientí…ca. La respuesta para ese rompe cabeza esta
ligado a la presencia del salto hidráulico. Nuestra ecuación diferencial solo tiene sentido
si la solución fuera lo su…cientemente suave, para tener algunas de las derivadas bien
de…nidas y este no es el caso cuando tenemos el salto hidráulico. Una vez que una dis-
continuidad se forma, necesitamos dar un sentido más general a la noción de derivada,
aplicables a las que aparecen en la ecuación diferencial. Esto puede hacerse usando el
concepto de solución débil. Este concepto es uno de los puntos centrales de una bellísima
área del Análisis. Muchos matemáticos famosos trabajaron en esa área y en especial en el
esfuerzo de dar un sentido más amplio, más general al concepto de derivada cuando por
ejemplo una función no es suave. En este caso el concepto clásico de solución fuerte da
lugar a la noción de solución débil de una ecuación diferencial. De modo grueso soluciones
débiles son soluciones no suaves que satisfacen la ecuación diferencial en la media, o sea de
acuerdo con una media ponderada muy especial, pero no nos preocupemos con soluciones
débiles. Lo que queremos es que el agua sea conservada y vamos a encontrar la manera de
conseguir esto numéricamente. En el proceso vamos a aprender algo importante, para esto
regresemos con la ecuación de Burgers (5.14), esta ecuación está escrita de dos maneras,
una como Qx = (S 2 =2)x , y la otra (para soluciones suaves) con la derivada explícitamente
(SSx ) : Fué esta segunda versión la que discretizamos en (5.15). Si elegimos la primera
podemos tener una segunda versión de (5.14) usando el primer miembro de la igualdad,
el esquema numérico sería escrito en la forma
t 2 2
Sjn+1 = Sjn + Sjn Sjn 1 (5.16)
2 x

82
este esquema conservara la cantidad de agua que en (5.15) se pierde. Para veri…car este
hecho basta sumar (5.16) para todos los j entre dos valores digamos entre j1 y j2 , muchos
de los términos de la derecha se cancelan (este es un ejemplo de una suma telescópica)
obteniendo la identidad
j=j2 j=j2
X X 1 n 2 1 n 2
Sjn+1 x Sjn x = S t S t (5.17)
j=j1 j=j1
2 j1 1
2 j2

Esta expresión puede ser reescrita como


j=j2 j=j2
X X
Sjn+1 x= Sjn x + t (Qj1 1 Qj2 ) : (5.18)
j=j1 j=j1

En palabras vemos que la variación del volumen de agua dentro de un intervalo cualquiera
después de un lapso de tiempo es igual a la diferencia entre el caudal en el valle y el caudal
en la montaña. Cuando los caudales fueran iguales por ejemplo después que paró de llover
(después de la primera semana y aproximadamente antes de la tercera semana de acuerdo
con el experimento) el volumen total de agua en ese segmento del río no varía a lo largo
del tiempo. El esquema (5.16) se dice que esta en forma conservativa. El nuevo algoritmo
esta implementado en river2.m Experimente con ese nuevo código veri…que que no hay
…ltración o sea el agua es conservada
Ahora tenemos una solución que además de parecer correcta también no pierde agua
podemos intentar entender que fallo en el caso anterior ejecute ambos programas con los
mismos datos iniciales y compare las soluciones numéricas en un tiempo digamos t = 14
al …nal de la segunda semana observe que las soluciones son muy semejantes. De hecho
ellas no se distinguen.
Si nos ponemos a pensar, vamos a observar que lo que acabamos de hacer, nos dice
algo sobre el modelo analítico (5.14) que no sabíamos antes. Lo que si sabíamos es que
si la solución era suave esta propagaría para la derecha con velocidad en cada punto
igual a S(x; t). ¿Qué es lo que sucedió cuando se produjo la discontinuidad? ¿A qué
velocidad se debe propagar la discontinuidad? Lo que ahora sabemos: la velocidad de
salto es determinada por las leyes de conservación. Si movemos la discontinuidad (salto)
con la velocidad incorrecta, el agua aumentará o será perdida por el modelo numérico.
Esta a…rmación para los que hay una expresión analítica obtenida a través de la teoría de
soluciones débiles, implica un concepto de suma importancia en la teoría de las leyes de
conservación que se aplica no solo a ríos sino también al ‡ujo en tuberías, a dinámica de
gases y al ‡ujo del trá…co donde los carros son idealizados como partículas a lo largo de
un ducto unidimensional (vía de un solo sentido y de un único carril)

83