Ingeniera F acil

Grado en Ingeniera en Tecnologas Industriales

Ampliaci on de Matem aticas
Manuel Castillo L opez
3 de febrero de 2013

Indice general
1. EDPs de primer orden 5
1.1. Generalidades . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.2. Problema bien planteado . . . . . . . . . . . . . . . . . . . . . . . . 6
1.3. Resoluci on . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.4. Linealizaci on . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.5. Soluciones d ebiles . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.5.1. Soluci on d ebil de una EDO . . . . . . . . . . . . . . . . . . . 10
1.5.2. Soluci on d ebil de u
t
+F(u)
x
= 0 . . . . . . . . . . . . . . . . 11
1.5.3. Problema de Riemann . . . . . . . . . . . . . . . . . . . . . 12
1.5.4. Formaci on de ondas de choque . . . . . . . . . . . . . . . . 12
1.5.5. Unicidad de soluciones . . . . . . . . . . . . . . . . . . . . . 13
1.6. M etodos num ericos . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
1.6.1. Aproximaci on de la derivada . . . . . . . . . . . . . . . . . 13
1.6.2. Esquemas de diferencias nitas . . . . . . . . . . . . . . . . 14
1.6.3. Esquema para una ley de conservaci on no lineal . . . . . . 16
2. Difusi on 19
2.1. La ecuaci on del calor . . . . . . . . . . . . . . . . . . . . . . . . . . 19
2.2. Condiciones de salto . . . . . . . . . . . . . . . . . . . . . . . . . . 20
2.3. Principio del m aximo . . . . . . . . . . . . . . . . . . . . . . . . . . 21
2.4. M etodos num ericos para la ecuaci on del calor . . . . . . . . . . . . 21
2.4.1. Esquema explcito . . . . . . . . . . . . . . . . . . . . . . . . 21
2.4.2. Esquema implcito . . . . . . . . . . . . . . . . . . . . . . . 22
2.4.3. M etodo de Crank-Nicolson . . . . . . . . . . . . . . . . . . . 24
3. Ecuaci on de Ondas 25
3.1. Conservaci on de la masa . . . . . . . . . . . . . . . . . . . . . . . . 25
3.2. Conservaci on de la cantidad de movimiento . . . . . . . . . . . . . 26
3

INDICE GENERAL
3.3. Las ecuaciones linealizadas . . . . . . . . . . . . . . . . . . . . . . . 27
3.4. La ecuaci on de ondas . . . . . . . . . . . . . . . . . . . . . . . . . . 28
3.5. Dominio de inuencia y de dependencia . . . . . . . . . . . . . . . 30
3.6. El problema no homog eneo . . . . . . . . . . . . . . . . . . . . . . 30
3.7. M etodos num ericos para la ecuaci on de ondas . . . . . . . . . . . . 31
4. M etodo de vol umenes nitos 33
4.1. Denici on . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
4.2. Aproximaci on num erica de integrales . . . . . . . . . . . . . . . . . 34
4.3. Consistencia, convergencia y estabilidad . . . . . . . . . . . . . . . 35
4.4. M etodos num ericos . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
4.4.1. Flujo inestable . . . . . . . . . . . . . . . . . . . . . . . . . . 35
4.4.2. M etodo de Lax-Friedrichs (LxF) . . . . . . . . . . . . . . . . 35
4.4.3. M etodo de Richtmyer para Lax-Wendro . . . . . . . . . . 36
4.5. M etodos upwind . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
5. M etodo de Elementos Finitos (MEF) 39
5.1. El problema 1D . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
5.1.1. Interpretaci on fsica . . . . . . . . . . . . . . . . . . . . . . . 39
5.1.2. Aplicaci on de MEF al problema . . . . . . . . . . . . . . . . 40
5.2. El problema 2D . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
5.2.1. Interpretaci on Fsica . . . . . . . . . . . . . . . . . . . . . . 45
5.2.2. Aplicaci on de MEF al problema . . . . . . . . . . . . . . . . 46
4 ingenieriafacil
Cap tulo 1
EDPs de primer orden
1.1. Generalidades
Se llaman ecuaciones en derivadas parciales (EDP) a aquellas ecuaciones diferen-
ciales en las que la funci on inc ognita depende de m as de una variable indepen-
diente.
El orden de una EDP viene dado por el orden de la mayor de la funci on inc ognita
que aparece.
Ejemplo:
u = u(x, t);
u
t


2
u
x
2
= 0 [Notaci on] u
t
u
xx
= 0 (Orden 2)
Se dice que u es soluci on estricta de la ecuaci on en un conjunto G si u es continua
y derivable hasta el orden de la ecuaci on y sus derivadas satisfacen la ecuaci on
en todo punto de G, es decir:
u[estricto en G] u C
m
(G) satisfaciendo la ecuacion (x, y, z) G
5
CAP

ITULO 1. EDPS DE PRIMER ORDEN

1.2. Problema bien planteado
Para que un problema este bien planteado debe satisfacer:
Debe haber un conjunto de condiciones bajo las cuales existe soluci on.
Bajo estas condiciones la soluci on es unica en alguna clase de funci on.
La soluci on debe depender de manera continua de los datos ( por lo que en
el caso de que aproximemos los errores se propagar an de manera controla-
da)
1.3. Resoluci on
Nos centraremos en el estudio de las siguientes ecuaciones:
1. PVI con curvas caractersticas dadas
F(u, u
x
, u
t
, x, t) = 0 r
c
x(t) = g(t)
Tendremos que crear una funci on v(t) = u(x(t), t) particularizada en las rec-
tas caractersticas. Posteriormente calculamos v

(t) relacionandola con la

ecuaci on del PVI. Por ejemplo:
Sea el PVI
_

_
u
t
+cu
x
= xt r
c
x = x
0
+ct =x
0
= x ct
u(x, 0) = f (x)
Denamos v(t) = u(x
0
+ct, t)
v

(t) = u
x
(x
0
+ct, t)c +u
t
(x
0
+ct, t) = (x
0
+ct)t =v(t) =
c
3
t
3
+
x
0
2
t
2
+k;
v(0) = u(x
0
, 0) = f (x
0
) =v(t) =
c
3
t
3
+
x
0
2
t
2
+f (x
0
) = u(x
0
+ct, t);
u(x, t) =
c
3
t
3
+
xct
2
t
2
+f (x ct)
2. Ecuaci on de transporte unidimensional:
u
t
+a(x, t)u
x
= 0
3. Ley de conservaci on unidimensional:
u
t
+(F(u))
x
= 0 =u
t
+F

(u)u
x
= 0
6 ingenieriafacil
1.3. RESOLUCI

ON
Estas dos ultimas se pueden unicar para obtener una soluci on con el mismo
procedimiento:
u
t
+c(x, t, u)u
x
= 0
Obtengamos la soluci on al PVI:
_

_
u
t
+c(x, t, u)u
x
= 0 con u = u(x, t)
u(x, 0) = f (x)
Si escribimos la ecuaci on en forma vectorial nos queda:
(u
x
, u
t
) (c(x, t, u), 1) =

u (c(x, t, u), 1) = 0
Puesto que la derivada direccional de u en la direcci on del vector (c(x, t, u), 1) es
cero, u es constante a lo largo de las curvas tangentes a esa direcci on en cada
punto. A esas curvas se les denominan curvas caractersticas.
t
x
g(t)
x
0
(c(x,t,u),1)
Sea la curva x(t) = g(t). La pendiente de la recta tangente a la curva es c(x, t, u),
por lo que las curvas caractersticas quedan denidas por:
_

_
dx(t)
dt
= c(x, t, u)
x
t=0
= x
0
Llamemos v(t) a u particularizado en la ecuaci on de la curva caracterstica x(t).
Como u es constante recorriendo dicha curva:
v(t) = u(x(t), t) = u(x(0), 0) = u(x
0
, 0) = f (x
0
)
7 ingenieriafacil
CAP

ITULO 1. EDPS DE PRIMER ORDEN

Por lo que el sistema anterior quedara como:
_

_
dx(t)
dt
= c(x, t, f (x
0
))
x
t=0
= x
0
=x = g(t)
En general, si queremos obtener u x, t tendramos que x = (x
0
, t) x
0
, t, tenien-
do as dos opciones para representar las soluciones:
1. Despejar x
0
= h(x, t), de manera que:
u((x
0
, t), t) = f (x
0
) =u(x, t) = f (h(x, t))
u(x,t)
x
t
2. Hacer un cambio de coordenadas representando [(x
0
, t), t, u((x
0
, t))], con
u((x
0
, t), t) = f (x
0
), que ser a la m as utilizada en general ya que no siempre
obtenemos x
0
= h(x, t) explcitamente.
u((x
0
,t),t)
(x
0
,t)
t
8 ingenieriafacil
1.4. LINEALIZACI

ON
1.4. Linealizaci on
Queremos comparar el comportamiento de la ecuaci on u
t
+ cu
x
= 0 (1) con las
soluciones de la ecuaci on no lineal u
t
+c(u)u
x
= 0 (2). Las soluciones de (1) man-
tienen la forma del dato inicial mientras que las soluciones de (2) no. Al m etodo
de intentar aproximar las soluciones de (2) mediante soluciones de (1) se le llama
linealizaci on. Veamos el siguiente caso:
_

_
u
t
+c(u)u
x
= 0 (3)
u(x, 0) = f (x)
Supongamos que la condici on inicial es constante f (x) = u
0
, entonces la soluci on
ser a u(x, t) = u
0
. Si a nadimos una peque na desviaci on a la condici on inicial tal
que f (x) = u
0
+g(x). La soluci on se ver a afectada por otra peque na perturbaci on
u(x, t) = u
0
+v(x, t). Veamos si la soluci on con la perturbaci on a nadida satisface el
PVI:
_

_
v
t
+c(u
0
+v(x, t))v
x
= 0 (4)
v(x, 0) = g(x)
Tomemos el desarrollo de Taylor de c(u) en u = u
0
:
c(u) = c(u
0
) +c

(u
0
)(u u
0
) +
c

(u
0
)
2!
( u
0
)
2
= c(u
0
) +c

(u
0
)v +O(v
2
) con [u, u
0
]
Sustituyendo en (4) nos queda:
v
t
+c(u
0
)v
x
+c

(u
0
)v
x
v +O(v
2
v) = 0 =v
t
+c(u
0
)v
x
0
Ya que despreciamos los t erminos de segundo orden. Por tanto el PVI linealizado
ser a:
_

_
w
t
+c(u
0
)w
x
= 0 (4)
w(x, 0) = g(x)
=w(x, t) = g(x c(u
0
)t)
Quedando como soluci on aproximada:
u(x, t) u
0
+w(x, t) = u
0
+g(x c(u)t)
9 ingenieriafacil
CAP

ITULO 1. EDPS DE PRIMER ORDEN

1.5. Soluciones d ebiles
El uso estricto de una soluci on de un EDP u
t
+ F(x, u)
x
= 0 requiere que u C
1
para que la ecuaci on tenga sentido. Pero esta noci on de soluci on no es v alida para
al menos dos situaciones:
1. Cuando F(x,u)=cu la ecuaci on es lineal y la soluci on es de la forma u(x, t) =
f (x ct), siendo v alido incluso si f es discontinua.
2. En el caso en que la F(x,u)=F(u) con c(u)=F(u) (no lineal). La ecuaci on re-
sultante es u
t
+ c(u)u
x
= 0. Aunque el dato inicial sea muy regular puede
suceder que la soluci on deje de existir a partir de un tiempo t = t

donde al
menos un punto de la soluci on tiene pendiente innita y a partir del cual la
soluci on deja de ser una funci on.
Para superar estas dicultades debemos introducir un concepto m as amplio de
soluci on (soluci on d ebil). Veamos el concepto de soluci on d ebil con un ejemplo
de EDO para despu es extrapolarlo a una EDP:
1.5.1. Soluci on d ebil de una EDO
Supongamos que y C
1
(R) soluci on de y

(x) = f (x) (1).

Sea C
1
(R) una funci on (funci on test) cualquiera de modo que = 0 fuera
de un determinado intervalo nito. Para obtener la ecuaci on que verique si una
soluci on es soluci on d ebil multiplicamos la EDOpor la funci on test e integramos:
_
R
f (x)(x)dx =
_
R
y

(x)(x)dx = por partes = [(x)y(x)]

_
R
y(x)

(x)dx
Quedando:
_
R
f (x)(x)dx =
_
R
y(x)

(x)dx (2).
No exigiendo as que y(x) sea derivable. A las soluciones que cumplen (2) pero no
(1) se les llama soluciones d ebiles.
10 ingenieriafacil
1.5. SOLUCIONES D

EBILES
1.5.2. Soluci on d ebil de u
t
+F(u)
x
= 0
Ahora u = u(x,t). La funci on test C
1
(R
2
) ser an tales que = 0 fuera de cierto
rect angulo nito Q. Si multiplicamos por la funci on test e integramos:

R
2
[u
t
+F(u)
x
]dxdt =

Q
[u
t
+F(u)
x
]dxdt
Aplicando el teorema de la divergencia:

G
f dxdt =
_
G
n f
Si f = (u(x, t) v(x, t), 0) se puede demostrar que:

G
u
x
vdxdt =
_
G
n
1
uvds

G
uv
x
dxdt
De la misma manera

G
u
t
vdxdt =
_
G
n
2
uvds

G
uv
t
dxdt
Por tanto:

G
u
t
dxdt =

G
u
t
dxdt

G
F(x, u)
x
dxdt =

G
F(x, u)
x
dxdt
Ya que = 0 en G
En nuestro caso la Finalmente obtenemos:

R
2
[u
t
+F(u)
x
]dxdt =

R
2
[u
t
+F(x, u)
x
]dxdt = 0
Dada una soluci on de la ecuaci on integral que no cumple la ecuaci on diferencial,
esta es soluci on d ebil de la misma. Pudiendo ser u no diferenciable en cualquiera
de sus variables ya que las derivadas de u no est an implicadas en la ecuaci on
integral.
11 ingenieriafacil
CAP

ITULO 1. EDPS DE PRIMER ORDEN

1.5.3. Problema de Riemann
Para ver c omo una funci on discontinua puede ser una soluci on d ebil de la ley de
conservaci on consideremos el problema de Riemann:
u
t
+F(u)
x
= 0, u(x, 0) = f (x) =
_

_
u
l
x < 0
u
r
x > 0
u
l
> u
r
Proponemos como soluci on d ebil:
u(x, t) =
_

_
u
l
x < st
u
r
x > st
Donde s es la velocidad de la singularidad.
Determinemos s a partir de la ley de conservaci on en forma integral:
d
dt
_
b
a
u(x, t)dx = F(u(a, t)) F(u(b, t))
y sea t [a, b]
_
st
a
u
l
dx +
_
b
st
u
r
dx = u
l
(st a) +u
r
(b st)
por lo que:
d
dt
_
b
a
u(x, t)dx = s(u
l
u
r
) = F(u(a, t))F(u(b, t)) =s =
F(u(a, t)) F(u(b, t))
u
l
u
r
=
F(u
l
) F(u
r
)
u
l
u
r
1.5.4. Formaci on de ondas de choque
Las singularidades nombradas en el apartado anterior se les llama ondas de cho-
que en el caso de la ecuaci on de conservaci on. Si un punto ha alcanzado el estado
de choque no podremos continuar su estudio analtico y se propagar a a la velo-
cidad del choque. Para encontrar el primer punto en el que se produce el choque
tenemos que acudir a la funci on inicial. El choque se producir a en un tiempo t

tal que:
t

=
1
max(f

(x))
y llamaremos x

a la x para la cual t = t

. El tiempo t

y el espacio x

para los
cuales la soluci on completa se encuentra en choque se produce en el punto en el
que se cortan las rectas caractersticas que separan los intervalos de velocidades
u
l
y u
r
.
12 ingenieriafacil
1.6. M

ETODOS NUM

ERICOS
1.5.5. Unicidad de soluciones
Cuando generalizamos el concepto de soluci on e introducimos el de soluci on
d ebil podemos perder la unicidad de soluci on. En el caso de que obtengamos
m as de una soluci on tomaremos como v alida aquella que tenga sentido fsico en
nuestro problema.
1.6. M etodos num ericos
1.6.1. Aproximaci on de la derivada
Sea f C
2
. Calculemos su polinomio de Taylor de f centrado en x=a.
f (x) = f (a) +f

(a)(x a) +
f

(a)
2!
(x a)
2
+ ;
Sea (x a) un incremento de x jo h = (x a)
f (x +h) = f (x) +f

(x)h +
1
2
f

()h
2
,
De esta forma despejamos f

(x) y obtenemos:
f

(x) =
f (x +h) f (x)
h

1
2
f

()h;
Por lo que el cociente se aproxima con un error O(h).
De esta manera podemos obtener las siguientes aproximaciones en diferencias:
f

(x) =
f (x +h) f (x)
h
+O(h); Diferencias progresivas.
f

(x) =
f (x) f (x h)
h
+O(h); Diferencias regresivas
f

(x) =
f (x +h) f (x h)
2h
+O(h
2
); Diferencias centradas.
13 ingenieriafacil
CAP

ITULO 1. EDPS DE PRIMER ORDEN

1.6.2. Esquemas de diferencias nitas
Hallemos el esquema de diferencias nitas para la ecuaci on de transporte lineal:
_

_
u
t
+cu
x
= 0 Elegimos un x y un t y denimos una malla en espacio
u(x, 0) = f (x) y tiempo tal que x
j
= jx y t
n
= nt.
t
x
x
t
(x
j
,t
n
)
1. Esquema descentrado progresivo:
Reemplazamos u
x
y u
t
por diferencias nitas progresivas:
u
t
(x, t)
u(x, t +t) u(x, t)
t
u
x
(x, t)
u(x +x, t) u(x, t)
x
Reescribiendo la ecuaci on para un punto (x
j
, t
n
):
u
j,n+1
u
j,n
t
+c
u
j+1,n
u
j,n
x
= 0 =u
j,n+1
= u
j,n
c
t
x
(u
j+1,n
u
j,n
);
u
j,n+1
= u
j,n

(u
j+1,n
u
j,n
) con =
x
t
14 ingenieriafacil
1.6. M

ETODOS NUM

ERICOS
t
x
u
j,n+1
u
j,n
u
j+1,n
r
c
Diagrama Stencil de esquema progresivo
2. Esquema descentrado upwind:
Realizamos esquemas de diferencias nitas progresivas en el tiempo y re-
gresivas en el espacio. De la misma manera obtenemos:
u
j,n+1
= u
j,n

(u
j,n
u
j1,n
)
t
x
u
j,n+1
u
j,n
u
j-1,n
r
c
Diagrama Stencil de esquema upwind
3. Esquema en diferencias nitas centradas:
u
j,n+1
= u
j,n

c
2
(u
j+1,n
u
j1,n
)
t
x
u
j,n+1
u
j,n
u
j-1,n
r
c
u
j+1,n
Diagrama Stencil de esquema centrado
15 ingenieriafacil
CAP

ITULO 1. EDPS DE PRIMER ORDEN

Adem as de esto tenemos que asegurar que la velocidad de propagaci on del es-
quema sea al menos la velocidad de propagaci on del problema. Normalmente se
ja x y se escoge t tal que se cumpla la condici on:
c

1 =c
x
t
Denominada condici on CFL.
Convergencia y Estabilidad de esquemas
Un esquema es convergente Lim
n
u
j,n
= K K R
Concepto de Esquema consistente
Un esquema es consistente cuando el error de truncamiento tiende a cero cuando
tomamos x y t pr oximos a cero.
Teorema de Equivalencia de Lax
Para una ecuaci on lineal u
t
+cu
x
= 0, un esquema en diferencias nitas consistente
verica:
Convergente Estable
1.6.3. Esquema para una ley de conservaci on no lineal
Consideremos la ecuaci on u
t
+c(u)u
x
= 0. Supongamos que c(u) 0. Bas andonos
en los esquemas que hemos visto construimos un esquema usando diferencias
regresivas para x y progresivas para t.
Hay que tener en cuenta que c no es constante y, por tanto la condici on CFL se ve
alterada debiendo cumplirse que:
c
max

x
t
c
max
= maxc(u) = maxc(f (x))
Adem as a la hora de obtener nuestro esquema tenemos que evaluar c(u), por lo
que escribimos la ecuaci on de la forma u
t
+F(u)
x
= 0. Construyendo el esquema
upwind de la siguiente manera:
u
j,n+1
= u
j,n

[F(u
j,n
) F(u
j1,n
)]
16 ingenieriafacil
1.6. M

ETODOS NUM

ERICOS
En el caso de que c(u) cambie de signo tendremos que usar esquemas num ericos
que cojan informaci on a ambos lados de x
j
. Usaremos diferencias nitas centra-
das, en particular los esquemas de Lax-Friedrichs y Lax-Wendro.
1. Esquema de Lax-Friedrichs:
u
j,n+1
=
1
2
(u
j+1,n
+u
j1,n
)
c
2
(u
j+1,n
u
j1,n
)
2. Esquema de Lax-Wendro:
u
j,n+1
= u
j,n

c
2
[(u
j+1,n
+u
j1,n
)
c

(u
j+1,n
2u
j,n
+u
j1,n
)]
17 ingenieriafacil
CAP

ITULO 1. EDPS DE PRIMER ORDEN

18 ingenieriafacil
Cap tulo 2
Difusi on
2.1. La ecuaci on del calor
Supongamos que tenemos una barra innita de secci on constante. Sea u(x,t) la
temperatura de la barra en (x,t) y c = c(x) el calor especco del material. Si =
(x) la densidad del material, la energa contenida en un trozo de la barra a x
b es:
_
b
a
u(x, t)c(x)(x)dx (J/m)
Supongamos que la barra est a aislada. Sea F(x, t) el ujo al que la energa calor-
ca pasa por un punto x en el instante t.
d
dt
_
b
a
u(x, t)c(x)(x)dx = F(a, t) F(b, t)
Tomando como referencia que el ujo va en el mismo sentido que el eje x y u/F
C
1
entonces:
_
b
a
c(x)(x)u
t
(x, t)dx =
_
b
a
F
x
(x, t)dx =c(x)(x)u
t
(x, t) +F
x
(x, t) = 0
Para las leyes de conservaci on el ujo dependa de u. Ahora el ujo de calor
ser a funci on del gradiente de temperatura, u
x
. Esto lo vamos a expresar usan-
do la Ley de Fourier:
F(x, t) = (x)u
x
(x, t) Con : conductividad t ermica del material.
19
CAP

ITULO 2. DIFUSI

ON
Por lo que tendremos:
c(x)(x)u
t
(x, t) +

x
((x)u
x
(x, t)) = 0
Tambi en podemos a nadir un t ermino fuente, quedando:
u
t
(x, t) =
1
c(x)(x)

x
((x)u
x
(x, t)) +q(x, t)
En el caso de un material uniforme(c(x), (x), constantes), la ecuaci on se simpli-
ca:
u
t
= ku
xx
+q con k =

c
2.2. Condiciones de salto
Supongamos que tenemos una barra compuesta por dos materiales separados en
x = 0. Entonces:
c(x) =
_

_
c
l
x < 0
c
r
x > 0
(x) =
_

l
x < 0

r
x > 0
(x) =
_

l
x < 0

r
x > 0
k =
_

_
k
l
=

l

l
c
l
x < 0
k
r
=

r

r
c
r
x > 0
El ujo de calor vendr a dado por dos ecuaciones con determinadas condiciones
en la zona interfaz entre los dos materiales. En el caso de que no haya aporte de
calor:
u
t
=
_

_
k
l
u
xx
x < 0
k
r
u
xx
x > 0
A esto se le sumaran las condiciones de continuidad en la temperatura y en el
ujo:
u
l
(0, t) = u
r
(0, t)
k
l

2
x
2
u
l
(0, t) = k
r

2
x
2
u
r
(0, t)
20 ingenieriafacil
2.3. PRINCIPIO DEL M

AXIMO
2.3. Principio del m aximo
Sea Q = (x, t) R
2
/a < x < b, t > 0. Sea u(x, t) la soluci on de la ecuaci on del
calor homog enea en Q. Supongamos que u tiene un m aximo local en (x
0
, t
0
) Q
con u
xx
(x
0
, t
0
) < 0. Entonces, aplicando la ecuaci on del calor tenemos, u
t
(x
0
, t
0
) =
ku
xx
(x
0
, t
0
) < 0, es decir, que la temperatura decrece con el tiempo. Por tanto, lle-
gamos a una contradicci on porque habamos supuesto que (x
0
, t
0
) era un m aximo
local.
En conclusi on, la temperatura en una barra a x b nunca puede exceder el
m aximo de la temperatura inicial o la temperatura m axima de los extremos. Por
tanto, si tenemos el problema de valor inicial:
_

_
u
t
= ku
xx
u(x, 0) = f (x)
entonces, u(x, t) max(f (x))
2.4. M etodos num ericos para la ecuaci on del calor
Vamos a aplicar m etodos de diferencias nitas para la ecuaci on del calor:
_

_
u
t
= ku
xx
u(x, 0) = f (x)
x
j
= jx t
n
= nt u
j,n
~ u(x
j
, t
n
)
2.4.1. Esquema expl cito
Tomamos esquemas en diferencias progresivas en tiempo y centrada en espacio:
u
t
~
u
j,n+1
u
j,n
t
u
xx
~
u
j+1,n
2u
j,n
+u
j1,n
x
2
Llamando a s = k
t
x
2
y sustituyendo en la ecuaci on del calor obtenemos el si-
guiente esquema explcito:
u
j,n+1
= u
j,n
+s(u
j+1,n
2u
j,n
+u
j1,n
)
Que tambi en podemos reagruparlo de la siguiente manera:
u
j,n+1
= (1 2s)u
j,n
+s(u
j+1,n
+u
j1,n
)
Este esquema es condicionalmente estable. Esta condici on se obtiene del princi-
pio del m aximo, y concluye que para que dicho esquema sea estable s 1/2. Lo
21 ingenieriafacil
CAP

ITULO 2. DIFUSI

ON
cual no es muy pr actico puesto que si suponemos que tomamos x = 0,1 y k = 1,
para que sea estable t 0,005.
2.4.2. Esquema impl cito
Tomamos esquemas en diferencias progresivas en tiempo y centrada en espacio,
pero en el tiempo siguiente:
u
t
~
u
j,n+1u
j,n
t
u
xx
~
u
j+1,n+1
2u
j,n+1
+u
j1,n+1
x
2
Llamando a s = k
t
x
2
y sustituyendo en la ecuaci on del calor obtenemos el si-
guiente esquema implcito:
u
j,n+1
= u
j,n
+s(u
j+1,n+1
2u
j,n+1
+u
j1,n+1
)
A la hora de resolver este esquema hay que hacer un sistema de j ecuaciones
con j inc ognitas para cada paso en tiempo. Para ello es mas sencillo expresar el
esquema de esta manera:
u
j,n
= su
j1,n+1
+(1 +2s)u
j,n+1
su
j+1,n+1
Este esquema para un caso sencillo de 5 puntos, conocidas las condiciones inicia-
les y de contorno (u
j,0
, u
0,n
y u
4,n
) tendramos el siguiente sistema de ecuaciones
para n = 0:
_

_
j = 1) u
1,0
= su
0,1
+(1 +2s)u
1,1
su
2,1
j = 2) u
2,0
= su
1,1
+(1 +2s)u
2,1
su
3,1
j = 3) u
3,0
= su
2,1
+(1 +2s)u
3,1
su
4,1
Si lo construimos en forma matricial tendramos:
_

_
1 +2s s 0
s 1 +2s s
0 s 1 +2s
_

_
_

_
u
1,1
u
2,1
u
3,1
_

_
=
_

_
u
1,0
+su
0,1
u
2,0
u
3,0
+su
4,1
_

_
Observamos que nos queda una matriz tridiagonal, por lo que s olo tendramos
que extender la matriz a mayor dimensi on para problemas de mayor envergadu-
ra.
Para programar su resoluci on debemos descomponer la primera matriz mediante
la descomposici on LU. Expliquemos dicha descomposici on con un ejemplo:
22 ingenieriafacil
2.4. M

ETODOS NUM

ERICOS PARA LA ECUACI

ON DEL CALOR
Sea una matriz A tal que Ax = B. Si descomponemos A en dos matrices A = L U
nos queda LUx = B. Siendo L una matriz triangular inferior y Uuna matriz trian-
gular superior (Lower y Upper respectivamente). De esta manera descomponemos
la ecuaci on matricial en un sistema de dos ecuaciones matriciales tales que:
_

_
y = Ux
Ly = B
De esta manera, simplicamos el problema computacionalmente ya que:
Ly = B =
_

_
a 0 0
b d 0
c e f
_

_
_

_
y
1
y
2
y
3
_

_
=
_

_
b
1
b
2
b
3
_

_
As, obtenemos la y de manera inmediata mediante la sustituci on progresiva (de
arriba a abajo).
Ux = y =
_

_
a b c
0 d e
0 0 f
_

_
_

_
x
1
x
2
x
3
_

_
=
_

_
y
1
y
2
y
3
_

_
Con esta ultima ecuaci on matricial obtenemos la x mediante sustituci on regresiva
(de abajo a arriba).
Condiciones de contorno
Supongamos que tenemos una barra de longitud L. Los tipos de condiciones de
contorno que se nos presentar an ser an:
Condiciones de tipo Dirichlet:
Conocemos u(0, t) y u(L, t), por tanto obtenemos el esquema implicito ante-
rior:
_

_
1 +2s s 0
s 1 +2s s
0 s 1 +2s
_

_
_

_
u
1,1
u
2,1
u
3,1
_

_
=
_

_
u
1,0
+su
0,1
u
2,0
u
3,0
+su
4,1
_

_
Condiciones de tipo Neumann (homog eneo):
u
x
(0, t) = 0 = u
x
(L, t)
23 ingenieriafacil
CAP

ITULO 2. DIFUSI

ON
En este caso tendremos que discretizar la derivada para obtener una condi-
ci on que pueda ser utilizada en nuestro esquema:
u
1,n
u
1,n
2x
= 0 =u
1,n
= u
1,n
=u
L+1,n
= u
L1,n
Por tanto, nos quedar a un esquema implcito de mayor orden ya que los
extremos no son conocidos:
_

_
1 +2s 2s 0 0 0
s 1 +2s s 0 0
0 s 1 +2s s 0
0 0 s 1 +2s s
0 0 0 2s 1 +2s
_

_
_

_
u
0,1
u
1,1
u
2,1
u
3,1
u
4,1
_

_
=
_

_
u
0,0
u
1,0
u
2,0
u
3,0
u
4,0
_

_
Tanto con las condiciones de tipo Dirichlet como Neumann la matriz es tridiago-
nal y el sistema se descompondr a en producto de matrices LU. Adem as el m etodo
implcito es estable y convergente s 0.
2.4.3. M etodo de Crank-Nicolson
esquema explcito e implcito Es posible mejorar la precisi on de las aproximacio-
nes anteriores usando un promedio del esquema explcito e implcito, quedando
el esquema siguiente:
su
j1,n+1
+(1 +2s)u
j,n+1
su
j+1,n+1
= (1 2s)u
j,n
+s(u
j+1,n
+u
j1,n
)
Con s =
1
2
k
t
x
2
Todo esto (para el caso sencillo que vimos anteriormente) en forma matricial que-
dara:
_

_
1 +2s s 0
s 1 +2s s
0 s 1 +2s
_

_
_

_
u
1,1
u
2,1
u
3,1
_

_
=
_

_
1 2s s 0
s 1 2s s
0 s 1 2s
_

_
_

_
u
1,0
u
2,0
u
3,0
_

_
+
_

_
su
0,0
+su
0,1
0
su
4,0
+su
4,1
_

_
24 ingenieriafacil
Cap tulo 3
Ecuaci on de Ondas
3.1. Conservaci on de la masa
Supongamos un gas que ocupa un tubo recto de peque na secci on de modo que
la velocidad de las partculas (u), la densidad (), y la presi on (p) dependan s olo
de la posici on y del tiempo. Consideremos una porci on de gas que se desplaza
contenido en un intervalo a(t) x b(t). Asumimos a

(t) = u(a(t), t) y b

(t) =
u(b(t), t), es decir, los extremos se desplazan a la velocidad de las partculas, por
lo que la masa contenida en el intervalo no vara:
d
dt
_
b(t)
a(t)
(x, t)dx = 0 Ley de conservaci on de la masa.
Intentemos obtener la forma diferencial de la ecuaci on anterior:
Propiedad: Se puede demostrar que:
d
dt
_
b(t)
a(t)
f (x, t)dx =
d
dt
_
b(t)
a(t)
f
t
(x, t)dx +f (b(t), t)b

(t) f (a(t), t)a

(t)
En nuestro caso ser a:
d
dt
_
b(t)
a(t)
(x, t)dx =
d
dt
_
b(t)
a(t)

t
(x, t)dx +(b(t), t)b

(t) (a(t), t)a

(t)
Adem as a

(t) = u(a(t), t) y b

(t) = u(b(t), t), por lo que:

(b(t), t)b

(t) (a(t), t)a

(t) = u(b(t), t) u(a(t), t) = TFC =

_
b(t)
a(t)
(u)
x
dx
25
CAP

ITULO 3. ECUACI

ON DE ONDAS
Obteniendo as la forma diferencial de la ley de conservaci on de la masa (ecua-
ci on de continuidad):
_
b(t)
a(t)

t
(x, t)dx +
_
b(t)
a(t)
(u)
x
dx = 0 =
t
+(u)
x
= 0
3.2. Conservaci on de la cantidad de movimiento
El momento de la porci on de gas considerada anteriormente viene dado por:
_
b(t)
a(t)
(x, t)u(x, t)dx
Por la segunda ley de Newton:
d
dt
_
b(t)
a(t)
(x, t)u(x, t)dx = A[p(a(t), t) p(b(t), t)] = A
_
b(t)
a(t)
p
x
(x, t)dx
Aplicando la propiedad de diferenciaci on de una integral:
d
dt
_
b(t)
a(t)
(x, t)u(x, t)dx =
_
b(t)
a(t)
(u)
t
(x, t)dx +b

(t)(u)(b(t), t)
.
u
2
(b(t),t)
a

(t)(u)(a(t), t)
.
u
2
(a(t),t)
;
_
b(t)
a(t)
(u)
t
(x, t)dx +u
2
(b(t), t) u
2
(a(t), t) +A
_
b(t)
a(t)
p
x
(x, t) = 0;
Si tomamos A = 1, entonces:
_
b(t)
a(t)
[(u)
t
+(u
2
)
x
+p
x
]dx = 0 =(u)
t
+(u
2
)
x
+p
x
= 0
Desarrollando la ecuaci on anterior y combin andola con la ecuaci on de continui-
dad nos queda:
_

t
+(u)
x
= 0 Ecuaci on de continuidad
[u
t
+uu
x
] +p
x
= 0 Ecuaci on de cantidad de movimiento
26 ingenieriafacil
3.3. LAS ECUACIONES LINEALIZADAS
Para poder cerrar el sistema en u y vamos a suponer que el ujo es isentr opico,
por lo que p = p(). Si adem as es gas ideal tenemos que p() = A

, siendo A la
secci on transversal. En general llegaremos al sistema:
_

t
+(u)
x
= 0
[u
t
+uu
x
] +p

()
x
= 0
Este sistema no es lineal, por lo que en la mayora de los casos, tendremos que
buscar una soluci on linealizada del problema.
3.3. Las ecuaciones linealizadas
Observemos que
0
= k/k R y u 0 son soluciones del sistema anterior. Vamos
a estudiar qu e ecuaciones satisface una peque na perturbaci on aplicada a esta so-
luci on constante:
(x, t) =
0
(1 +(x, t)) donde (x, t) se le denomina condensaci on.
Supondremos que = max(x, t) < 1. Sea c
0
=
_
p

(
0
) la velocidad de propa-
gaci on del sonido en el gas. En el caso de un gas ideal c
2
0
= A
1
0
. Sea U =
maxu(x, t) la velocidad m axima de una partcula del gas. Supondremos que:
M
U
c
0
<1 M es el n umero de Mach.
Por tanto, escribiremos la velocidad perturbada como u(x, t) = c
0
v(x, t). Donde
v(x, t) es una cantidad peque na del orden del n umero de Mach. Para hallar el
sistema linealizado debemos sustituir =
0
(1+) y u = c
0
v en el sistema original,
quedando:
_

t
+c
0
v
x
+c
0
v
x
+c
0

x
v = 0
v
t
+c
0
vv
x
+c
0

x
= 0 Considerando 1 + ~ 1 y usando p

(
0
) = c
2
0
Por consistencia debemos suponer
t
, c
0
v
x
, v
t
y c
0

x
son cantidades aproxima-
damente de la misma magnitud. De este modo en la primera ecuaci on c
0
vx y
c
0

x
v son despreciables en comparaci on con
t
y c
0
v
x
. En la segunda podemos
27 ingenieriafacil
CAP

ITULO 3. ECUACI

ON DE ONDAS
despreciar c
0
vv
x
, por lo que resulta es siguiente sistema lineal:
_

t
+c
0
v
x
= 0
v
t
+c
0

x
= 0
Para obtener las ecuaciones lineales de ondas es preciso resolver el sistema. Para
ello tenemos dos opciones:
1. Derivar la primera ecuaci on respecto de t y la segunda respecto de x, obte-
niendo:

tt
c
2
0

xx
= 0
2. Derivar la segunda ecuaci on respecto de t y la primera respecto de x, obte-
niendo:
v
tt
c
2
0
v
x
x = 0
En el contexto de din amica de gases a las soluciones de estas ecuaciones lineales
de ondas se llaman ondas ac usticas.
3.4. La ecuaci on de ondas
La f ormula de DAlembert
Consideremos el siguiente PVI:
_

_
u
tt
= c
2
u
xx
u(x, 0) = f (x) x, t R
u
t
(x, 0) = g(x)
Usando operadores diferenciales, esta ecuaci on la podemos escribir como:
(
tt
c
2

xx
)u = 0 =
xt
=
tx
(
t
+c
x
)(
t
c
x
)u = 0
(
t
+c
x
)
.

(u
t
cu
x
)
.

= 0 Ecuaciones de transporte lineal.

Por lo tanto, las soluciones de la ecuaci on ser an de la forma:
u = (x ct) y u = (x +ct)
28 ingenieriafacil
3.4. LA ECUACI

ON DE ONDAS
Apareciendo as ondas que se desplazan en ambas direcciones. Por lo tanto, ten-
dremos dos conjuntos de caractersticas: x ct = cte y x +ct = cte. Para obtener la
soluci on general tendremos que hacer el siguiente cambio de variable:
_

_
= x ct
= x +ct
De este modo w(, ) ser a u expresado en estos ejes coorde-
nados.
u(x, t) = w(x ct, x +ct) = w(, )
Satisface w la ecuaci on de ondas?
_

_
u
tt
= c
2
w

2c
2
w

+c
2
w

u
xx
= w

+2w

+cw

u
tt
c
2
u
xx
= 4c
2
w

Por lo que w satisface la ecuaci on de ondas si w

= 0. Veamos c omo son estas

soluciones. Para ello, integramos la ecuaci on en y quedando:
w(, ) = F() +G() = F(x ct) +G(x +ct) = u(x, t)
Ahora impongamos las restricciones de modo que F y G satisfagan las condicio-
nes iniciales:
_

_
u(x, 0) = f (x) F(x) +G(x) = f (x)
u
t
(x, 0) = g(x) cF

(x) +cG

(x) = g(x)
Resolviendo el sistema obtenemos:
_

_
F(x) =
1
2
f (x)
1
2c
_
x
0
g(y)dy +C
1
G(x) =
1
2
f (x) +
1
2c
_
x
0
g(y)dy +C
2
Por lo tanto la f ormula de DAlembert para el PVI planteado es:
u(x, t) = F(x ct) +G(x +ct) =
1
2
[f (x +ct) +f (x ct)] +
1
2c
_
x+ct
xct
g(y)dy +

0 con las c.i.

K
Adem as se puede demostrar que podemos estimar la magnitud de la soluci on en
t ermino de los datos iniciales:
max
xR
u(x, t) max
xR
f (x) +t max
xR
g(x)
29 ingenieriafacil
CAP

ITULO 3. ECUACI

ON DE ONDAS
Si
_
R
g(x)dx es nita obtenemos una estimaci on mejor:
max
xR
u(x, t) max
xR
f (x) +
1
2c
_
R
g(x)dx
3.5. Dominio de inuencia y de dependencia
Por la f ormula de DAlembert u(x
0
, t
0
) contiene a los valores x
0
ct
0
y x
0
+ct
0
y al
intervalo[x
0
ct
0
, x
0
+ct
0
]. Este intervalo es el dominio de dependencia del punto
(x
0
, t
0
).
x
0
+ct
x
0
-ct
(x
0
, t
0
=0)
Dominio de dependencia de (x
0
, t
0
)
t
x
En el caso de un intervalo [a, b] su dominio de inuencia ser a [a ct
0
, b +ct
0
]. Se
le llama dominio de inuencia a la uni on de todos los dominios de dependencia
de cada punto del intervalo.
3.6. El problema no homog eneo
Consideremos el PVI:
_

_
u
tt
c
2
u
xx
= q(x, t) x, t R
u(x, 0) = f (x)
u
t
(x, 0) = g(x)
q(x, t) puede representar tanto una fuen-
te ac ustica como una fuerza externa en
caso de una cuerda vibrante.
30 ingenieriafacil
3.7. M

ETODOS NUM

ERICOS PARA LA ECUACI

ON DE ONDAS
Utilizando el principio de Duhamel:
u(x, t) =
1
2
_
t
0
_
x+c(ts)
xc(ts)
q(y, s)dyds =
1
2c
_
T(x,t)
q(y, s)dyds
T(x, t) = (y, s) : y x c(t s), 0 s t
Donde T(x, t) es la regi on de in-
uencia del t ermino fuente q(x, t).
3.7. M etodos num ericos para la ecuaci on de ondas
Para obtener un esquema explcito de la ecuaci on u
tt
= c
2
u
xx
discretizamos las
derivadas con diferencias centradas:
u
tt
(x
j
, t
n
) ~
u
j,n+1
2u
j,n
+u
j,n1
t
2
u
xx
(x
j
, t
n
) ~
u
j+1,n
2u
j,n
+u
j1,n
x
2
Sustituyendo en la ecuaci on y despejando u
j,n+1
:
u
j,n+1
= 2(1 s)u
j,n
+s(u
j+1,n
+u
j1,n
) u
j,n1
Observamos que para hallar u
j,n+1
necesitamos u
j,n
y u
j,n1
. Por tanto, para nues-
tro esquema necesitamos los valores aproximados en t
0
= 0 y t
1
= t. Por las
condiciones iniciales sabemos que u
j,0
= f (x
j
) = f (jx). Para calcular los valores
en t = t
1
usaremos un desarrollo de Taylor:
u(x, t) = u(x, 0) +u
t
(x, 0)t + u
tt
(x, 0)
.
c
2
u
xx
(x, 0)
.
c
2
f

(x)
t
2
2
Si conocemos f (x
j
) y g(x
j
) se obtiene:
u
j,1
= f (x
j
) +t g(x
j
) +
c
2
t
2
2
f

(x
j
)
Si no conocemos explcitamente f(x) sino sus valores puntuales tomaremos la si-
guiente aproximaci on:
f

(x
j
) ~
f (x
j+1
) 2f (x
j
) +f (x
j1
)
x
2
31 ingenieriafacil
CAP

ITULO 3. ECUACI

ON DE ONDAS
Por lo tanto obtenemos:
u
j,1
= f (x
j
) +t g(x
j
) +
s
2
[f (x
j+1
) 2f (x
j
) +f (x
j1
)] con s =
_
ct
x
_
2
En este caso para que la condici on CFL se cumpla [x
j
x, x
j
+x] debe contener al
intervalo de dependencia de la soluci on exacta [x
j
ct, x
j
+ct], es decir que
ct
x

1, aunque en nuestro caso exigiremos (
ct
x
)
2
1 puesto que nuestra velocidad de
propagaci on puede ser negativa.
Notas:
Se puede obtener un esquema implcito centrando la aproximaci on de u
x
x
en el punto (x
j
, t
n1
), es decir:
u
xx
(x
j
, t
n
) ~
u
j+1,n+1
2u
j,n+1
+u
j1,n+1
x
2
Esto nos dar a un sistema de ecuaciones para cada iteraci on en tiempo. El
esquema resultante es incondicionalmente estable.
Tambi en se puede tomar (como en la ecuaci on del calor) la media de los es-
quemas implcito y explcito, obteniendo as el esquema de Crank-Nicolson.
32 ingenieriafacil
Cap tulo 4
M etodo de vol umenes nitos
4.1. Denici on
El m etodo de vol umenes nitos consiste en un esquema num erico en el cual, a
diferencia de los esquemas en diferencias nitas, se divide el plano (x, t) en celdas.
t
x
x
i-1
x
i-1/2
x
i
x
i+1/2
t
n+1
t
n+2
C
i
: Celda correspondiente a x
i
C
i
Llamamos C
i
= (x
i1/2
, x
i+1/2
) a la celda correspondiente a x
i
. Por lo tanto el valor
u
i,n
ser a el promedio de u en la celda C
i
en el tiempo t
n
.
u
i,n
=
1
x
_
x
i+1/2
x
i1/2
u(x, t
n
)dx
Siendo x la longitud de la celda (igual al ancho de paso en x).
33
CAP

ITULO 4. M

ETODO DE VOL

UMENES FINITOS
Supondremos que x y t van a ser constantes. As las condiciones iniciales
vendr an dadas por:
u
i,0
=
1
x
_
C
i
u(x, 0)dx =
1
x
_
C
i
f (x)dx
4.2. Aproximaci on num erica de integrales
En general no podremos resolver analticamente las integrales propuestas ante-
riormente, por lo que recurriremos a dos m etodos de aproximaci on de integrales:
M etodo del punto medio:
Consideramos la soluci on constante en toda la celda e igual al valor en el
centro de la misma:
_
x
i+1/2
x
i1/2
u(x, t
n
)dx ~ x u(x
i
, t
n
)
Con un error de orden O(x
2
)
M etodo del trapecio:
Tomamos la media de las soluciones en los extremos de la celda:
_
x
i+1/2
x
i1/2
u(x, t
n
)dx ~
x
2
(u(x
i1/2
, t
n
) +u(x
i+1/2
, t
n
)
Con un error de orden O(x
2
)
Mediante las ecuaciones de conservaci on podemos montar un esquema num erico
de la forma:
u
i,n+1
= u
i,n

t
x
(F
i+1/2,n
F
i1/2,n
)
Siendo F
i+1/2,n
y F
i1/2,n
las aproximaciones del ujo promedio en x
i+1/2
y x
i1/2
respectivamente:
F
i1/2,n
~
1
x
_
t
n+1
t
n
F[u(x
i1/2
, t)]dt
Como en nuestros casos la informaci on se propaga a una velocidad nita podre-
mos obtener F
i1/2,n
en funci on de u
i1,n
y u
i,n
, de manera que:
F
i1/2,n
= H(u
i1,n
, u
i,n
) F
i+1/2,n
= H(u
i,n
, u
i+1,n
)
Por lo que nuestro esquema tendr a el aspecto:
u
i,n+1
= u
i,n

t
x
(H(u
i,n
, u
i+1,n
) H(u
i1,n
, u
i,n
))
34 ingenieriafacil
4.3. CONSISTENCIA, CONVERGENCIA Y ESTABILIDAD
A H se le da el nombre de funci on ujo num erico.
4.3. Consistencia, convergencia y estabilidad
La soluci on num erica de los esquemas que vamos a construir debe converger a
ala soluci on exacta cuando el x 0 y el t 0. Para ello es necesario:
1. El m etodo debe ser consistente con la ecuaci on que aproxima.
2. El m etodo debe ser estable. Para que se den estas condiciones, al igual que
en diferencias nitas, es necesario que se cumpla la condici on CFL. Por tan-
to, tenemos que vericar que:
=
c
max
t
x
1 con c
max
= maxc, siendo v alido para c 0
4.4. M etodos num ericos
4.4.1. Flujo inestable
Vamos a denir el ujo num erico como:
H(u
i1,n
, u
i,n
) =
1
2
[F(u
i1,n
) +F(u
i,n
)]
Sustituyendo en el esquema num erico denido anteriormente obtenemos:
u
i,n+1
= u
i,n

t
2x
[F(u
i+1,n
) F(u
i1,n
)]

Este m etodo es inestable incluso vericando la condici on CFL.

4.4.2. M etodo de Lax-Friedrichs (LxF)
Este m etodo utiliza el mismo ujo num erico que el anterior variando el esquema
num erico al sustituir u
i,n
por el promedio de la soluci on en las celdas vecinas,
quedando:
u
i,n+1
=
1
2
(u
i1,n
+u
i+1,n
)
t
2x
[F(u
i+1,n
) F(u
i1,n
)]
Convirtiendo as un esquema inestable en estable.
35 ingenieriafacil
CAP

ITULO 4. M

ETODO DE VOL

UMENES FINITOS
4.4.3. M etodo de Richtmyer para Lax-Wendro
Podemos obtener un esquema de mayor orden que el anterior si aproximamos
mejor F
i1/2,n
. Una posible mejora es aproximar u en el punto medio t
n+1/2
=
t
n
+
t
2
y evaluar el ujo en ese punto, de manera que:
F
i1/2,n
= F(u
i1/2,n+1/2
) donde
u
i1/2,n+1/2
=
1
2
(u
i1,n
+u
i,n
)
t
2x
[F(u
i,n
) F(u
i1,n
)]
Obs ervese que u
i1/2,n+1/2
se ha obtenido a partir del esquema de LxF en la inter-
celda, pero tomando
x
2
y
t
2
. Finalmente resultando:
u
i,n+1
= u
i,n

t
x
(F
i+1/2,n
F
i1/2,n
)
Por lo tanto el proceso de implementaci on sera:
1. Tenemos u
i,n
2. Calculamos u
i1/2,n+1/2
y u
i+1/2,n+1/2
:
u
i1/2,n+1/2
=
1
2
(u
i1,n
+u
i,n
)
t
2x
[F(u
i,n
) F(u
i1,n
)]
u
i+1/2,n+1/2
=
1
2
(u
i,n
+u
i+1,n
)
t
2x
[F(u
i+1,n
) F(u
i,n
)]
3. Calculamos F
i+1/2,n
y F
i1/2,n
:
F
i1/2,n
= F(u
i1/2,n+1/2
)
F
i+1/2,n
= F(u
i+1/2,n+1/2
)
4. Obtenemos u
i,n+1
:
u
i,n+1
= u
i,n

t
x
(F
i+1/2,n
F
i1/2,n
)
36 ingenieriafacil
4.5. M

ETODOS UPWIND
4.5. M etodos upwind
Consideremos la ecuaci on diferencial:
_

_
u
t
+cu
x
= 0
u(x, 0) = f (x)
Por tanto, F
i1/2,n
= cu
i1,n
Esto nos lleva al siguiente esquema:
u
i,n+1
= u
i,n

ct
x
(u
i,n
u
i1,n
) = (1
ct
x
)u
i,n
+
ct
x
u
i1,n
Esto es un reparto proporcional entre u
i,n
y u
i1,n

Este esquema lo podemos reescribir en t ermino de saltos:

Llamamos w
i1/2
= u
i,n
u
i1,n
Vamos a enfocar el problema como una onda de choque que se mueve de C
i1
a
C
i
. Entonces, el esquema anterior quedara:
u
i,n+1
= u
i,n

ct
x
w
i1/2
C omo podemos denir F
i1/2,n
para que sea v alido tanto para el caso c > 0 como
para c < 0?
Si c > 0 ; F
i1/2
= cu
i1,n
Si c < 0 ; F
i1/2
= cu
i,n
Vamos a denir:
F
i1/2,n
= c

u
i,n
+c
+
u
i1,n
donde c
+
= max(c, 0) y c

= min(c, 0)
De esta manera escribimos el esquema anterior como:
u
i,n+1
= u
i,n

t
x
(c
+
w
i1/2
+c

w
i+1/2
)
37 ingenieriafacil
CAP

ITULO 4. M

ETODO DE VOL

UMENES FINITOS
38 ingenieriafacil
Cap tulo 5
M etodo de Elementos Finitos (MEF)
5.1. El problema 1D
Nos vamos a centrar en problemas de contorno formulados para ecuaciones di-
ferenciales que se pueden escribir de la siguiente forma: Au = f , donde A es un
operador diferencial que act ua sobre la funci on inc ognita u. Para ello nos apoya-
remos en dos ejemplos: Un problema unidimensional y su posterior extensi on a
bidimensional. El problema unidimensional describir a el estado estacionario de
la temperatura de una barra ideal:
Supongamos que queremos calcular una funci on u = u(x) x [0, 1] que veri-
que:
_

d
2
u
dx
= 1 en(0, 1)
u(0) = 1;
du
dx
(1) = 0
(P1)
5.1.1. Interpretaci on f sica
La soluci on representa la distribuci on de temperatura en una barra que est a sien-
do calentada con intensidad constante e igual a 1, de la cual se conoce su tempe-
ratura en un extremo (x=0) y para la que el ujo de calor en el punto x=1 es nulo.
Tomemos como ejemplo el siguiente caso:
u

= 1 =u

= x +C =u =
x
2
2
Cx D
u(0) = 1 =D = 1
u

(1) = 0 =C = 1
Por tanto: u(x) =
x
2
2
+x +1
39
CAP

ITULO 5. M

ETODO DE ELEMENTOS FINITOS (MEF)

5.1.2. Aplicaci on de MEF al problema
Etapa 1: Deducci on de la ecuaci on variacional asociada
Esta etapa est a basada en c alculos, en principio formales, para los que habr a que
suponer que el problema de contorno considerado tiene soluci on y que dicha
soluci on es lo sucientemente regular como para que las manipulaciones for-
males que hagamos est en justicadas. En nuestro caso esto est a perfectamente
justicado porque no conocemos la soluci on analtica del problema. Para llevar a
cabo la formulaci on variacional seguiremos estos pasos:
1. Multiplicamos la ecuaci on diferencial por una funci on test. Una funci on
test ser a, en nuestro caso, una funci on sucientemente regular v : [0, 1]
R, arbitraria de forma que se anule en los extremos donde se hayan blo-
queado (es decir, donde se conozcan los valores de u) las condiciones de
contorno. En nuestro caso tendremos que exigir que v(0) = 0.
2. Integrar en el intervalo (0, 1)
_
1
0
(
d
2
u
dx
2
)vdx = por partes =

B
0
_
v
_

du
dx
__
1
0
+
_
1
0
du
dx
dv
Integrando por partes y haciendo uso de las condiciones de contorno se
tiene:
_
1
0
du
dx
dv =
_
1
0
du
dx
dv
dx
dx = por partes =
_
1
0
vdx v funci on test
Por tanto, el problema variacional asociado a (P1) se puede escribir como:
Hallar u sucientemente regular con u(0)=1 tal que:
_
1
0
du
dx
dv
dx
dx =
_
1
0
vdx v funci on test (P2)
Observaci on:
Para precisar qu e se entiende por sucientemente regular y conocer la deni-
ci on exacta de las funciones test debemos recurrir a los espacios de Sobolev. Esto
se sale del marco del curso as que no se explicar a.
40 ingenieriafacil
5.1. EL PROBLEMA 1D
Etapa 2: Aproximaci on de la ecuaci on variacional
Elegimos una partici on P
h
del intervalo [0, 1] con n+1 puntos de forma que:
x
0
= 0 < x
1
< x
2
< < x
n1
< x
n
= 1. Sea h
i
= x
i
x
i1
y h = max
1in
h
i

Construimos el espacio vectorial de dimension nita:

W
h
= w
h
C
0
([0, 1])/w
h
[x
i1
,x
i
]
P
1
i = 1, 2, . . . , n
Donde P
1
designa el espacio vectorial de las soluciones polin omicas de grado 1.
La dimensi on de W
h
es igual al n umero de puntos de la partici on (n+1).
Una funci on de w
h
W
h
queda perfectamente determinada si se conocen los valo-
res de w
h
en los puntos x
i
/ 0 i n. En particular, dados
0
,
1
, . . . ,
n
R existe
una unica w
h
W
h
/ w
h
(x
i
) =
i
. Podemos considerar una base de W
h
formada por
funciones
i
caracterizadas por vericar:
1.
i
(x
j
) =
ij
=
_

_
0 i j
1 i = j
2. Es lineal en cada subintervalo.
3.
i
C
0
([0, 1])

Esta es la base can onica de W

h
.
x

i
x
i-1
x
i
x
i+1

1
Introducimos el espacio vectorial V
h
= v
h
w
h
/ v
h
(0) = 0. Por tanto, su dimen-
si on ser a h. Un abase de V
h
est a constituida por
i
y una funci on en V
h
queda
totalmente determinada por sus coordenadas en la base
i
, es decir:
v
h
=
n

i=1
v
h
(x
i
)
i
n V
h
41 ingenieriafacil
CAP

ITULO 5. M

ETODO DE ELEMENTOS FINITOS (MEF)

Por tanto, buscamos una soluci on aproximada del problema (P2), u
h
W
h
y que
se podr a escribir de la forma:
u
h
=
0
+
n

i=1
u
h
(x
i
)
i
(5.1)
Por tanto, podemos introducir el problema variacional aproximado:
Encontrar u
h
w
h
tal que:
_
1
0
du
h
dx
dv
h
dx
dx =
_
1
0
v
h
dx v
h
V
h
(P3)
Exigir que se tenga la condici on anterior v
h
V
h
equivale a exigir que se veri-
que la misma propiedad para todas las funciones de base
i
, es decir:
_
1
0
du
h
dx
d
i
dx
dx =
_
1
0

i
dx i = 1, . . . , n (5.2)
Vamos a vericar el problema (P3) para toda funci on
j
de base V
h
. Para ello,
introducimos la ecuaci on (1.1) en la (1.2), obteniendo:
_
1
0
_
d(
0
)
dx
d
i
dx
_
dx +
_
1
0
n

j=1
u
h
(x
j
)
.
u
j
d
j
dx
d
i
dx
dx =
_
1
0

i
dx i = 1, . . . , n
Por tanto, podemos reescribir (P3) como:
n

j=1
__
1
0
_
d
j
dx
d
i
dx
_
dx
_
u
j
=
_
1
0

i
dx
_
1
0
d
0
dx
d
i
dx
dx
42 ingenieriafacil
5.1. EL PROBLEMA 1D
Queremos encontrar u
1
, u
2
, . . . , u
n
R tales que veriquen la expresi on anterior.
Para ello, la expresamos en forma matricial:
_

_
_
1
0
d
1
dx
d
1
dx
dx
_
1
0
d
1
dx
d
2
dx
dx
$
$
$
$
$
$
$
_
1
0
d
1
dx
d
3
dx
dx
$
$
$
$
$
$
$
_
1
0
d
1
dx
d
n
dx
dx
_
1
0
d
2
dx
d
1
dx
dx
_
1
0
d
2
dx
d
2
dx
dx
_
1
0
d
2
dx
d
3
dx
dx
$
$
$
$
$
$
$
_
1
0
d
2
dx
d
n
dx
dx
$
$
$
$
$
$
$
_
1
0
d
3
dx
d
1
dx
dx
_
1
0
d
3
dx
d
2
dx
dx
_
1
0
d
3
dx
d
3
dx
dx
.
.
.
.
.
.
_
1
0
d
n1
dx
d
n
dx
dx
$
$
$
$
$
$
$
_
1
0
d
n
dx
d
1
dx
dx
_
1
0
d
n
dx
d
n1
dx
dx
_
1
0
d
n
dx
d
n
dx
dx
_

_
_

_
u
1
u
2
u
3
.
.
.
u
n
_

_
=
_

_
_
1
0

1
dx
_
1
0
d
0
dx
d
1
dx
dx
_
1
0

2
dx
$
$
$
$
$
$
$
_
1
0
d
0
dx
d
2
dx
dx
_
1
0

3
dx
$
$
$
$
$
$
$
_
1
0
d
0
dx
d
3
dx
dx
.
.
.
_
1
0

n
dx
$
$
$
$
$
$
$
_
1
0
d
0
dx
d
n
dx
dx
_

_
Con lo que nos queda por resolver una ecuaci on matricial en la que la matriz de
coecientes es tridiagonal debido a que el producto las funciones solo tienen
intersecci on positiva entre sus vecinas, ocurriendo lo mismo con sus derivadas.
Por tanto:
d
i
dx

d
j
dx
= 0 i, j / (j < i 1) (j > i +1)
En ocasiones posteriores usaremos la notaci on:
a
ij
=
_
1
0
d
i
dx
d
j
dx
dx ; b
i
=
_
1
0

i
dx
_
1
0
d
0
dx
d
i
dx
dx
Etapa 3: Resoluci on del sistema
Vamos a tomar una partici on de n+1 puntos equidistantes en [0, 1], de manera
que el ancho de paso ser a h =
1
n
. Una funci on
i
de base vericar a:

i
(x) =
x x
i1
h
=
d
i
dx
=
1
h
si x [x
i1
, x
i
]

i
(x) =
x
i+1
x
h
=
d
i
dx
=
1
h
si x [x
i
, x
i+1
]
Por tanto:
a
ii
=
_
1
0
_
d
i
dx
_
2
dx =
_
x
i+1
x
i1
_
d
i
dx
_
2
dx =
_
x
i
x
i1
_
1
h
_
2
dx +
_
x
i+1
x
i
_

1
h
_
2
dx =
2
h
43 ingenieriafacil
CAP

ITULO 5. M

ETODO DE ELEMENTOS FINITOS (MEF)

En el caso de a
nn
la integral s olo va desde x
i1
a x
i
, por lo que a
nn
=
1
h
.
a
i,i+1
= a
i,i1
=
_
1
0
_
d
i
dx
d
i+1
dx
_
dx =
_
x
i+1
x
i
_

1
h

1
h
_
dx =
1
h
_
1
0

i
dx =
_
x
i+1
x
i1

i
dx = 2h
1
2
= h
Por tanto la ecuaci on matricial queda:
_

_
2
h

1
h
0 0

1
h
2
h

1
h
0
0
1
h
2
h
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

1
h
0 0
1
h
1
h
_

_
_

_
u
1
u
2
u
3
.
.
.
u
n
_

_
= h
_

_
1 +
1
h
2
1
1
.
.
.
1
2
_

_
Denici on:
Cada terna [x
i1
, x
i
], P1, x
i1
, x
i
se denomina elemento nito.
Por lo tanto el problema se resuelve a una ecuaci on matricial Au = B, donde:
A Se le denomina matriz de rigidez del problema.
B Se le denomina matriz de esfuerzos.
u Matriz cuya dimensi on designa los grados de libertad de la soluci on
aproximada.
44 ingenieriafacil
5.2. EL PROBLEMA 2D
5.2. El problema 2D
Sea = (x, y) R
2
/ 0 < x, y < 1
Sea = (x, y) R
2
/ 0 x, y 1
Buscamos u = u(x, y) denida (x, y) :
u =
2
u =

2
u
x
2


2
u
y
2
= 0 (P1)
Ejemplos de condiciones de contorno pueden ser:
1. Condici on de tipo Dirichlet: u = 0 sobre
1
donde:

1
= (x, 1) / x R, 0 x 1 (1, y) / y R, 0 y 1
2. Condici on de tipo Neumann:
u
n
= y 1 sobre
2
:

2
= (0, y) / y R, 0 y 1
3. Condici on de tipo Fourier:
u
n
+n = 0 sobre
3
:

3
= (x, 0) / x R, 0 x 1
Obs ervese que
1
,
2
,
3
es una partici on de la frontera .
5.2.1. Interpretaci on F sica
El problema de contorno (P1) se puede ver como el c alculo de la temperatura en
una placa (de espesor despreciable) en las siguientes condiciones:
Estado estacionario
EDP homog enea (sin t ermino fuente).
En este caso, s olo recibe energa calorca a traves de su frontera, donde conoce-
mos:
Los valores de la temperatura en
1
.
El ujo de calor en
2
: El ujo de calor en la direcci on normal exterior en el
punto (0, y) es y 1.
45 ingenieriafacil
CAP

ITULO 5. M

ETODO DE ELEMENTOS FINITOS (MEF)

Se conoce la ley que rige el intercambio de calor con el medio exterior a
trav es de
3
: El ujo de calor normal exterior en un punto (x, o) mas la tem-
peratura en dicho punto vale 0.
Adem as, el problema (P1) tiene una soluci on analtica:
u(x, y) = (x 1)(y 1) (x, y)
5.2.2. Aplicaci on de MEF al problema
Etapa 1: Deducci on de la ecuaci on variacional asociada
Supondremos que el problema (P1) tiene soluci on y es sucientemente regular.
Inciso: F ormula de Green.

(F)Gdxdy =

F )(

G)dxdy
_

F
n
Gd
Multiplicamos la ecuaci on por una funci on test(v)arbitraria, de modo que veri-
que v

1
=0. Recordamos que la funci on test se anula en las fronteras donde la
condici on de contorno est a bloqueada (C. Dirichlet). Integrando por partes (F. de
Green) se obtiene:

(u)vdxdy =

u )(

v )dxdy
_

u
n
vd
_

u
n
vd =
_

1
u
n

0
vd +
_

2
u
n
.
(
u
n
)

2
=y1
vd +
_

3
u
n
.
(
u
n
)

3
=u
vd
Por tanto, el problema variacional (P2) asociado a (P1) ser a:
Hallar u sucientemente regular con u

1
= 0 tal que:

u )(

v )dxdy +
_

3
uvd =
_

2
(y 1)vd v funci on test (P2)
46 ingenieriafacil
5.2. EL PROBLEMA 2D
Etapa 2: Aproximaci on de la ecuaci on variacional
Concepto de triangulaci on de Sea D R
n
un dominio poli edrico de frontera D.
Para n=2 (3) se llama triangulaci on (tetraedrizaci on) de D a una colecci on de
tri angulos (tetraedros)
h
con las siguientes propiedades:
1. UT = D con T
h
2. Dados dos tri angulos (tetraedros), T, T

h
se ha de vericar:
T T

=
_

_
- Un v ertice en com un a T y T

- Un lado (cara) en com un.

- .
Una vez jada una triangulaci on
h
de introducimos el espacio vectorial de
dimensi on nita W
h
:
W
h
= w
h
/ w
h
C
0
(), w
h

T
!
1
T
h

Donde !
1
es el espacio vectorial de las funciones polin omicas de grado 1 en x y
en y. W
h
se llama una aproximaci on !
1
-Lagrange.
La base can onica de W
h
viene dada por
1
, . . . ,
n
donde
i
W
h
, vericando que
para cada v ertice a
ij
de la triangulaci on
i
(a
j
) =
ij
i, j = 1, . . . , n. Introducimos
V
h
el espacio de funciones test para el problema aproximado:
V
h
= v
h
/ v
h
W
h
, v
h
(a
k
) = 0 a
k

1

El problema variacional aproximado ser a:

Hallar u
h
V
h
tal que:

u
h
)(

v
h
)dxdy +
_

3
u
h
v
h
d =
_

2
(y 1)v
h
d (P3)
Para resolver el problema como un sistema lineal escribimos u
h
en t nerminos de

j
y tomaremos como v
h
=
i
i:
u
h
=
n

j=1
u
h
(a
j
)
j
n: n de v ertices de
h
47 ingenieriafacil
CAP

ITULO 5. M

ETODO DE ELEMENTOS FINITOS (MEF)

Teniendo:

u
h
)(

i
)dxdy =
n

j=1

j
)(

i
)dxdy
_

3
u
h

i
d =
n

j=1
u
j
_

i
d
Llamando :
a
ij
=

j
)(

i
)dxdy +
_

i
d
b
i
=
_

2
(y 1)
i
d
De modo que A = (a
ij
), u = (u
i
) y B = (b
i
).
Para el c alculo de a
ij
y b
i
tendremos en cuenta lo siguiente:
Cada a
ij
se escribe como a
ij
=

a
T
ij
.
a
T
ij
=

T
(

j
)(

i
)dxdy +
_

3
T

i
d T
h
S olo un n umero reducido de coecientes a
T
ij
es distinto de cero, concreta-
mente, aquellos para los cuales a
i
y a
j
son v ertices del tri angulo T.
De forma an aloga podemos utilizar las igualdades:
a
ij
=

a
T
ij
b
T
i
=
_

2
T
(y 1)
i
d T
h
Como mucho, los tres segundos coecientes b
T
i
corresponden a los 3 v ertices
del tri angulo T.
48 ingenieriafacil
5.2. EL PROBLEMA 2D
Etapa 3: Resoluci on del sistema
Aspectos pr acticos
La matriz A tal y como est a denida tiene tama no (n n). Adem as:
Es sim etrica
Es matriz sparse (hueca)
Enumerados los v ertices adecuadamente se puede construir como matriz
banda, ya que los productos entre funciones test s olo tienen intersecci on no
nula entre las vecinas.
49 ingenieriafacil